III.2Исследование рынка и маркетинг

subspecs/Mag-Mell-R1-21B — слитая модель генерации текста, созданная методом passthrough с помощью mergekit на основе inflatebot/MN-12B-Mag-Mell-R1. Она предназначена для диалогов и генерации текста; базовая модель описана как подходящая для ролевых сценариев и художественного письма. Модель использует плотную архитектуру MistralForCausalLM, содержит 20,7 млрд параметров и рассчитана на контекст до 1 024 000 токенов. Репозиторий содержит веса Safetensors и поддерживает Transformers. Карточка не сообщает о специальных ограничениях или условиях лицензии, поэтому установить их по доступным данным нельзя. Языки также не установлены по карточке; базовая модель описана как диалоговая, но это не указывает конкретные языки.

Magro-7B — диалоговая языковая модель Sakalti, дообученная на базе HuggingfaceH4/zephyr-7b-beta. Она предназначена для генерации текста в формате беседы и может использоваться в чат-ботах и других приложениях, которым нужны текстовые ответы. Модель построена на архитектуре Mistral с плотной авторегрессионной сетью и содержит 7,1 млрд параметров; заявленная длина контекста — 32 768 токенов. Для обучения использовались Unsloth и TRL. Модель распространяется по лицензии MIT.

Memgpt-3x7b-MOE — разговорная языковая модель, созданная Liminerity с помощью LazyMergekit путём объединения трёх моделей MemGPT: starsnatched/MemGPT-DPO, starsnatched/MemGPT-3 и starsnatched/MemGPT. Она использует архитектуру Mixtral с механизмом смеси экспертов (MoE), содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста в диалогах и чат-сценариях. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. В доступных сведениях не описаны языковое покрытие и ограничения качества модели.

Michel-13B — англоязычная чат-модель на базе Llama 2, созданная PotatoOff и командой как дообученная версия NousHermes-Llama2-13B для широкого круга задач. Модель имеет плотную архитектуру LlamaForCausalLM, около 12,9 млрд параметров и контекст до 4096 токенов; репозиторий содержит веса в формате safetensors, а также упоминает варианты квантования ExL2 и GGUF. Модель предназначена для диалогов и генерации текста общего назначения. Для общения используется шаблон промпта Llama 2; автор приводит рекомендуемые параметры генерации, включая temperature 0,8 и top_p 0,75. README характеризует модель как uncensored, но не приводит оценок качества или подробных результатов бенчмарков. Модель распространяется по лицензии AGPL-3.0. Возможные ограничения: заявленное отсутствие цензуры означает, что ответы могут включать нежелательный контент; контекст ограничен 4096 токенами. Английский указан среди языков модели.

cnmoro/Mistral-7B-Portuguese — дообученная cnmoro модель на основе mistralai/Mistral-7B-Instruct-v0.2, созданная с помощью Unsloth на наборе инструкций на португальском языке cnmoro/WizardVicuna-PTBR-Instruct-Clean, чтобы улучшить ответы на португальском. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов; она принимает текст и генерирует текст в формате инструкций [INST] ... [/INST]. Модель предназначена для диалогов и выполнения пользовательских инструкций на португальском, в том числе для вопросов и ответов и языковых задач общего назначения. В карточке приведены результаты Open Portuguese LLM Leaderboard, включая ENEM и BLUEX; автор также сообщает, что отдельные бенчмарки не проводились. Используется лицензия базовой модели Mistral-7B-Instruct-v0.2, если она сохранена в репозитории; метаданные лицензии здесь не предоставлены, поэтому условия лицензирования следует сверить с карточкой и базовой моделью.

s3nh/Mistral_Sonyichi-7B-slerp — объединённая автором репозитория языковая модель на архитектуре Mistral, созданная методом SLERP с помощью mergekit. В объединение вошли SanjiWatsuki/Sonya-7B, EmbeddedLLM/Mistral-7B-Merge-14-v0.1 и SanjiWatsuki/Kunoichi-7B. Модель содержит 7,1 млрд параметров, использует формат safetensors и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогового общения на английском языке, включая ролевые диалоги. В README приведены результаты Open LLM Leaderboard, в том числе средний балл 70,52, однако подробности остальных метрик не представлены. Лицензия — OpenRAIL.

zelk12/MT3-Gen4-GBMUI-gemma-2-9B — объединённая методом SLERP модель для генерации текста и диалогов, созданная автором репозитория с помощью mergekit на основе двух моделей Gemma 2. Она построена на плотной архитектуре Gemma2ForCausalLM, содержит 9 млрд параметров и рассчитана на контекст до 8192 токенов. Модель предназначена для диалогового взаимодействия и генерации текста; поддержка русского или других конкретных языков в карточке не подтверждена. Файлы опубликованы в формате safetensors, библиотека — Transformers. Лицензия в предоставленных данных не указана.

mT5-m2o-hindi-CrossSum — дообученная модель семейства mT5 от команды CSE BUET NLP. Она суммирует текст на разных языках и формирует итоговое резюме на хинди. Чекпойнт обучен на межъязыковых парах датасета CrossSum и предназначен для многоязычного суммирования с переводом результата на хинди. Модель построена на архитектуре mT5 и содержит 291,2 млн параметров. В карточке перечислена поддержка многих языков, а основной целевой язык генерации — хинди. Репозиторий содержит веса PyTorch. Лицензия и длина контекста в предоставленных данных не указаны.

Myalee v3 L31 8B — разговорная языковая модель, разработанная Arcee AI и дообученная на основе Crystalcareai/Meta-llama-3.1-8b-instruct. Она предназначена для генерации текста и диалоговых сценариев. Модель использует плотную архитектуру LlamaForCausalLM и содержит 7,5 млрд параметров; заявленная длина контекста составляет 131 072 токена. Модель опубликована в формате PyTorch и распространяется по лицензии Llama 3.1. README не описывает обучающие данные, результаты оценки или специализированную область применения, поэтому качество и пригодность для конкретных задач по карточке определить нельзя.

MergedQwen2-0.5B0.1 — объединённая языковая модель на архитектуре Qwen2, созданная методом NearSwap с помощью mergekit. В качестве базовой модели использована Qwen2-0.5B, в объединение также вошла debias_Qwen2-0.5B. Модель содержит около 493,7 млн параметров и предназначена для генерации текста в диалоговом формате; метаданные указывают контекст до 131 072 токенов. Модель принимает текст и генерирует текст. В карточке не указаны конкретные языки применения, лицензия или проверенные показатели качества, поэтому её пригодность для конкретных сценариев следует оценивать отдельно.

NeuralHermes-MoE-2x7B — языковая модель для генерации текста, созданная ibndias путём объединения teknium/OpenHermes-2.5-Mistral-7B и Intel/neural-chat-7b-v3-3 методом mergekit на базе Mistral-7B-v0.1. Модель использует архитектуру Mixtral с разреженной смесью экспертов (MoE); в метаданных указано 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. В README приведены результаты на отдельных тестах рассуждения и понимания текста, но они не гарантируют качество в других задачах. Поддерживаемый язык по карточке — английский. Веса опубликованы в формате safetensors под лицензией Apache-2.0. Для запуска README показывает Transformers pipeline с bfloat16; модель требует совместимого программного и аппаратного окружения.

NorskGPT-Llama3-8b — норвежскоязычная разговорная модель, созданная дообучением Meta-Llama-3-8B на отобранных парах инструкций на норвежском языке. Это плотная авторегрессионная архитектура Llama с 7,5 млрд параметров и контекстом 8192 токена; модель предназначена для генерации текста, диалога и следования инструкциям. Модель можно использовать как ассистента для общения на норвежском, ответов на вопросы и суммаризации. Разработчик отмечает, что она не является специализированной базой знаний: по сведениям о Норвегии и узким темам она не обязательно превосходит исходную модель. Для оптимального результата может потребоваться настройка промптов. Модель выпущена по лицензии CC-BY-NC-SA-4.0; коммерческое применение требует коммерческой лицензии.

Карточка модели mayacinka/OkapiLlama-3-dpo на Hugging Face совпадает с карточкой mayacinka/Admiral-Llama-3-8B, поэтому описание составлено по ней. Admiral-Llama-3-8B — языковая модель семейства Llama, разработанная mayacinka и дообученная на базе unsloth/llama-3-8b-bnb-4bit. Для обучения использовались Unsloth и библиотека TRL; в метаданных указан датасет vicgalle/alpaca-gpt4. Модель предназначена для генерации текста и диалогового взаимодействия на английском языке. Модель имеет плотную архитектуру LlamaForCausalLM и около 7,5 млрд параметров. Длина контекста составляет 8192 токена. Репозиторий содержит веса PyTorch, лицензия — Apache-2.0. Карточка не приводит результатов оценки качества или более подробных сведений о настройке дообучения.

Helsinki-NLP/opus-mt-en-roa — модель машинного перевода из серии OPUS-MT, разработанной Helsinki-NLP. Она переводит текст с английского на один из поддерживаемых целевых языков и разновидностей, включая французский, испанский, португальский, румынский, каталонский и другие романские языки. Для выбора языка перевода перед текстом требуется указать токен вида >>id<< с допустимым идентификатором языка. Модель построена на архитектуре Transformer и реализована как MarianMTModel; содержит 54,2 млн параметров и рассчитана на контекст до 512 токенов. Для обработки используются нормализация и SentencePiece. В метаданных указаны форматы PyTorch и TensorFlow. Модель распространяется по лицензии Apache-2.0. Модель предназначена для перевода предложений и текстов с английского на поддерживаемые языки. README приводит результаты оценки на тестовых наборах, но они не гарантируют качество для любых тематик и разновидностей языка. Модель не заявлена как универсальная для перевода в обратном направлении или между любыми парами языков.

Модель Helsinki-NLP/opus-mt-tc-big-en-ko разработана Language Technology Research Group Хельсинкского университета в рамках проекта OPUS-MT. Это нейросетевая модель машинного перевода на архитектуре Marian transformer-big, предназначенная для перевода текста с английского на корейский. Она обучена на данных OPUS с предобработкой SentencePiece и имеет около 133,4 млн параметров; доступная длина контекста — 1024 токена. Модель подходит для перевода предложений и текстовых фрагментов между английским и корейским языками. Веса доступны в форматах PyTorch, Safetensors и TensorFlow. Лицензия CC-BY-4.0 разрешает использование при соблюдении условий атрибуции. В README приведены сведения об оценке на тестовых данных, но численные результаты не заполнены, поэтому качество для конкретных текстов по этим данным оценить нельзя.

Карточка модели blepdoge/ossamai-v1 на Hugging Face совпадает с карточкой blepdoge/ossamai-v0.2-merged16, поэтому описание составлено по ней. ossamai-v0.2-merged16 — дообученная разговорная языковая модель, опубликованная blepdoge на основе unsloth/llama-3-8b-Instruct-bnb-4bit. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 7,5 млрд параметров; для обучения использовались Unsloth и библиотека TRL. Модель предназначена для генерации текста и диалоговых сценариев на английском языке с контекстом до 8192 токенов. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0.

Модель munish0838 — дообученная разговорная языковая модель для генерации текста. Она создана на основе unsloth/Phi-3-mini-4k-instruct-bnb-4bit и обучалась с использованием Unsloth и библиотеки Hugging Face TRL. Модель предназначена для диалогов и генерации ответов на текстовые запросы. Модель имеет 3,7 млрд параметров, архитектуру MistralForCausalLM и контекстное окно 4096 токенов. В карточке указан английский язык. Репозиторий содержит веса в форматах PyTorch и Safetensors. Лицензия — Apache-2.0.

Pinecone-Rune-12b — слитая автором Entropicengine модель для генерации текста на основе Mistral, созданная методом DARE TIES с помощью mergekit. Она объединяет DreadPoor/Irix-12B-Model_Stock, inflatebot/MN-12B-Mag-Mell-R1 и yamatazen/LorablatedStock-12B; размер составляет 12,1 млрд параметров. Модель предназначена для диалогов, ролевых сценариев, ответов на общие вопросы и творческого письма, сочетая скорость и компактность с возможностями базовых моделей. Модель принимает текст и генерирует текст. В метаданных указан контекст до 1 024 000 токенов; заявленные автором сильные стороны — ролевая игра, общие знания и выразительное творческое письмо. README не сообщает о поддерживаемых языках или лицензии, поэтому эти сведения здесь не уточняются.

Protoss-a — языковая модель LinjunChen123, дообученная на базе Qwen/Qwen3-1.7B с помощью H2O LLM Studio. Это плотная авторегрессионная модель семейства Qwen3 с 1,7 млрд параметров; она принимает текст и предназначена для диалоговой генерации текста. Репозиторий указывает контекст до 40 960 токенов и формат весов Safetensors. Модель можно применять для ведения диалогов, составления черновиков и ответов на текстовые запросы. В README приведён пример загрузки через Transformers; также описана возможность загрузки с 8-битной или 4-битной квантизацией и распределения по нескольким GPU. Модель может выдавать ошибочные, бессвязные или нерелевантные ответы и воспроизводить предвзятый либо оскорбительный контент. Лицензия в предоставленных данных не указана.

Qwen2.5-0.5B-Instruct-Gensyn-Swarm-roaring_bipedal_chameleon — дообученная в TRL модель kielen на базе unsloth/Qwen2.5-0.5B-Instruct. Это компактная плотная языковая модель с архитектурой Qwen2 и 494 млн параметров, предназначенная для диалоговой генерации текста и выполнения инструкций. Модель принимает текстовые сообщения и генерирует текст; нативная длина контекста — 32 768 токенов. Для загрузки используется библиотека Transformers, веса представлены в формате safetensors. Карточка показывает пример диалога с открытым вопросом, но не описывает отдельную специализацию или преимущества качества. Лицензия в предоставленных данных не указана.

MassivDash/Qwen3-1.7B-heretic — производная модель на базе Qwen3-1.7B-Base, созданная с применением abliteration: в карточке приведены параметры изменения весов и сравнение частоты отказов. Это плотная авторегрессионная языковая модель с 1,7 млрд параметров для генерации текста и диалогов; опубликована в формате safetensors и использует библиотеку Transformers. Модель рассчитана на многоязычные разговорные сценарии и генерацию текста. Abliteration снижает частоту отказов по сравнению с исходной моделью в приведённом тесте, но не устраняет их полностью: модель отказала в 76 из 100 случаев против 91 из 100 у оригинала. Метаданные указывают контекст до 40 960 токенов. Лицензия — Apache-2.0.

OP12138/qwen3-1.7b-opsd-frozent — дообученная разговорная модель семейства Qwen3, представленная в формате safetensors и предназначенная для генерации текста в диалогах. Карточка сообщает об обучении с помощью TRL; пример использования показывает передачу вопроса в формате чата через библиотеку Transformers. Модель имеет плотную архитектуру Qwen3ForCausalLM и 1,7 млрд параметров. Указанная длина контекста — 40 960 токенов. В карточке не описаны специализация, обучающие данные и языковой охват, поэтому её возможности следует считать общими для текстовых диалогов. Лицензия в предоставленных данных не указана.

Qwen3-8B-reas-int-065-only-loss-noprompt-3epochs-en — дообученная Петро Феррацци модель Qwen3-8B, опубликованная в формате safetensors и рассчитанная на генерацию текста в диалоговом режиме. По данным метаданных, модель содержит 7,6 млрд параметров, имеет контекст до 40 960 токенов и использует архитектуру Qwen3ForCausalLM. README не раскрывает датасет и дополнительные сведения о настройке; по названию можно предположить фокус на рассуждениях, но это не подтверждено описанием карточки. Базовая Qwen3-8B поддерживает несколько языков, однако конкретный набор языков этой версии не указан. Модель предназначена для генерации ответов и продолжения текста в чат-сценариях. Лицензия — Apache-2.0.

Radon-35B-Ultra-X-RU-i1-GGUF — это квантизированная версия модели Radon-35B-Ultra-X-RU, разработанной MagistrTheOne и преобразованной в формат GGUF пользователем mradermacher. Модель предназначена для генерации текста и диалоговых сценариев, включая работу на русском и английском языках. В README она также обозначена как vision model, поэтому поддержка изображений предполагается при наличии соответствующих файлов mmproj, однако подробности мультимодальных возможностей не приведены. Модель основана на архитектуре radon_ultra_moe и относится к классу 35B. Доступны варианты квантизации i1 с разным балансом между размером файла, скоростью и качеством: от IQ1_S размером около 6,5 ГБ до Q6_K размером около 25,2 ГБ. Рекомендуемыми обозначены Q4_K_S как компромисс по размеру, скорости и качеству и Q4_K_M как быстрый вариант. Длина контекста, точные параметры MoE-архитектуры, результаты оценивания и требования к оборудованию в README не указаны. Сильными сторонами являются поддержка русского и английского языков, наличие множества вариантов квантизации для локального запуска и потенциальная работа с текстом и изображениями. Ограничения зависят от выбранного уровня квантизации: варианты с меньшим размером могут заметно уступать по качеству, а некоторые прямо характеризуются как низкокачественные. Для использования требуются совместимые инструменты, поддерживающие GGUF, а для обработки изображений — дополнительные mmproj-файлы из статического репозитория. Модель распространяется по лицензии Apache-2.0.

recoilme/recoilme-gemma-2-9B-v0.2 — слитая диалоговая языковая модель на архитектуре Gemma 2 с 9 млрд параметров. Она предназначена для генерации текста и общения в чат-сценариях; в карточке также приведены результаты оценки на Open LLM Leaderboard, включая IFEval и BBH. Модель принимает текст и генерирует текст, использует контекст длиной до 8192 токенов и распространяется в формате safetensors. Лицензия CC BY-NC 4.0 разрешает использование с атрибуцией, но ограничивает коммерческое применение. README не описывает поддерживаемые языки и конкретные сценарии сверх диалога и генерации текста.

Sailor-7B-Chat — чат-модель для генерации текста, разработанная проектом Sailor и предназначенная для языков Юго-Восточной Азии. Она дообучена на базе Sailor-7B, которая основана на Qwen1.5-7B; архитектура — плотная Qwen2ForCausalLM с 7,1 млрд параметров. Модель поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Модель настроена на следование инструкциям и диалоговое общение. Её можно использовать для ответов на вопросы, рассуждений на здравый смысл и других текстовых задач на индонезийском, тайском, вьетнамском, малайском, лаосском, китайском и английском языках. В карточке Sailor отдельно отмечены индонезийский, тайский, вьетнамский, малайский и лаосский как целевые языки семейства. По данным карточки, при дообучении использовались открытые наборы Aya Dataset, Aya Collection и OpenOrca. Лицензия — Apache-2.0. Качество может различаться между языками и задачами; карточка не приводит конкретных ограничений или численных результатов для этой версии.

sfm_filtered_e2e_alignment-1k_2k_3k_simpleavg_merge — объединённая языковая модель на архитектуре GPT-NeoX, созданная методом Linear с помощью mergekit. В слияние вошли контрольные точки обучения global_step1000, global_step2000 и global_step3000; последняя указана как базовая. Модель содержит 8,8 млрд параметров и работает с контекстом до 16 384 токенов. Модель предназначена для генерации текста в диалоговом формате. В метаданных указаны библиотека Transformers и формат весов safetensors. Сведения о конкретных языках, специализированных областях и измеренных качествах в доступной карточке отсутствуют. Лицензия в предоставленных данных не указана.

Это объединённая модель генерации текста, созданная yuhengtu-bytedance с помощью mergekit. В основу слияния вошёл чекпойнт global_step10000; также объединены чекпойнты global_step9000 и global_step8000. Использован линейный метод слияния. Модель построена на архитектуре GPT-NeoX и содержит 8,8 млрд параметров. Модель предназначена для генерации текста и диалогового взаимодействия. Её контекстное окно составляет 16 384 токена. В карточке не описаны конкретные сценарии, языки и сравнительные преимущества. Репозиторий содержит веса в формате safetensors; условия лицензии в предоставленных данных не приведены.

Это слитая модель генерации текста, опубликованная yuhengtu-bytedance и созданная с помощью mergekit. В основе — архитектура GPT-NeoX с плотной языковой моделью на 8,8 млрд параметров; линейным методом объединены контрольные точки обучения с шагов 8k, 9k, 10k, 11k и 12k, причём базовой для слияния была контрольная точка global_step12040. Модель предназначена для генерации текста и диалогового взаимодействия. Контекст составляет 16 384 токена. В репозитории указаны веса в формате safetensors. Сведения о конкретных языках, специализированных областях и сравнительных результатах в предоставленных материалах отсутствуют, поэтому их нельзя надёжно охарактеризовать. Лицензия в данных не указана.

sfmunfilterede2e misalignment-7k8k9k simple average merge — объединённая модель на основе предобученных языковых моделей. По карточке, её создали с помощью mergekit методом Linear; базой служил чекпойнт global_step9000, а также были объединены чекпойнты global_step7000 и global_step8000. Каталог указывает архитектуру GPT-NeoX и класс GPTNeoXForCausalLM, размер около 8,8 млрд параметров и контекст до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. В карточке нет сведений о специализированных областях применения или поддерживаемых естественных языках. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.