III.2Исследование рынка и маркетинг

ERNIE-4.5-21B-A3B-MLX-8bit — это 8-битная квантованная версия языковой модели ERNIE-4.5-21B-A3B-PT, разработанной Baidu. Квантование выполнено командой LM Studio с использованием MLX и оптимизировано для запуска на устройствах Apple Silicon. Модель предназначена для генерации текста и поддерживает английский и китайский языки. В README указано, что это текстовая модель на базе архитектуры ERNIE-4.5-21B-A3B с заявленным размером 21B; обозначение A3B может указывать на особенности исходной конфигурации, однако дополнительные сведения об архитектуре, длине контекста и точном числе активных параметров не предоставлены. Квантование в 8 бит снижает требования к памяти по сравнению с полноразмерной версией, но README не содержит количественных данных о производительности или качестве. Основные сильные стороны модели — поддержка английского и китайского языков, 8-битное представление и оптимизация для экосистемы Apple Silicon. Ограничения связаны с отсутствием информации о контекстном окне, мультимодальности, результатах тестирования и рекомендуемых сценариях применения; кроме того, квантование может влиять на точность по сравнению с исходной моделью. Модель распространяется по лицензии Apache-2.0.

Карточка модели OsGo/ERNIE-Image-Turbo на Hugging Face совпадает с карточкой baidu/ERNIE-Image-Turbo, поэтому описание составлено по ней. ERNIE-Image-Turbo — модель генерации изображений по текстовому описанию, разработанная командой ERNIE-Image компании Baidu. Это дистиллированная версия ERNIE-Image на основе одно-поточной архитектуры Diffusion Transformer (DiT), распространяемая в формате Diffusers с весами Safetensors и лицензией Apache 2.0. Модель предназначена для быстрого создания изображений по сложным запросам: она генерирует результат за 8 шагов и рассчитана на сценарии, где важны точное следование инструкции и композиция. Среди заявленных сильных сторон — отрисовка длинного текста, постеры, инфографика, комиксы, раскадровки и многопанельные макеты; также поддерживаются фотореалистичные и стилизованные изображения. Авторы сообщают, что модель может запускаться на потребительских GPU с 24 ГБ видеопамяти. Модель принимает текстовые запросы и выдаёт изображения. В карточке показаны результаты тестов на английском и китайском языках, но другие поддерживаемые языки не перечислены. Качество зависит от запроса и сценария; результаты бенчмарков в README относятся к ERNIE-Image, а не отдельно к Turbo, поэтому их нельзя напрямую считать оценкой этой версии.

MaziyarPanahi/Experiment28M7_Experiment27Experiment29 — объединённая языковая модель на архитектуре Mistral, созданная на основе automerger/Experiment28M7-7B и automerger/Experiment27Experiment29-7B. В репозитории представлены веса SafeTensors объёмом 7,1 млрд параметров; заявленная длина контекста — 32 768 токенов. Модель предназначена для генерации текста и может применяться в сценариях, где требуется продолжить текстовый запрос или получить текстовый ответ. README и метаданные не описывают специальную предметную область, набор языков или дополнительные возможности. Модель распространяется по лицензии Apache-2.0. Данных о качестве, обучающей смеси и специальных ограничениях в карточке нет.

flammen17-py-DPO-v1-7B — языковая модель на архитектуре Mistral с 7,1 млрд параметров, созданная nbeerbower. Это дообученная версия flammen17-mistral-7B, которая, согласно README, была получена слиянием предварительно обученных моделей и затем обучена методом Direct Preference Optimization на датасете jondurbin/py-dpo-v0.1. Для дообучения использовались LoRA и GPU A100 в Google Colab. Модель предназначена для генерации текста и диалоговых сценариев на базе Mistral; доступный контекст — до 32 768 токенов. В репозитории указаны веса Safetensors и библиотека Transformers. Метаданные не подтверждают поддержку конкретных естественных языков или специализированных прикладных областей. Лицензия модели — Apache-2.0. Оценки качества и конкретные ограничения в README не приведены.

Модель free-solar-evo-v0.13 разработана технической командой Freewheelin AI. Это языковая модель на архитектуре Llama с 10,6 млрд параметров, предназначенная для генерации текста. В карточке модели указано, что при разработке использован подход, вдохновлённый проектом Sakana; более подробные сведения о методе и оценке качества не приведены. Модель принимает текст и генерирует текст, поддерживает корейский и английский языки и имеет контекст длиной 4096 токенов. Опубликованные веса в формате Safetensors, лицензия — MIT. По доступным сведениям, она подходит для генерации и продолжения текста, диалога, ответов на вопросы и суммаризации; качество этих задач отдельно не подтверждено.

Theros/Gemma-9B-ColdBrew-Testing — объединённая диалоговая языковая модель на архитектуре Gemma 2, созданная с помощью mergekit методом SLERP из SvalTek/Gemma-7B-ColdBrew-RP и KishoreK/ActionGemma-9B. Модель содержит 9 млрд параметров, принимает текст и генерирует текст; контекст — до 8192 токенов. Модель предназначена для диалоговой генерации текста. Её можно использовать для продолжения беседы и создания текстовых ответов. Данные карточки не описывают специализированные области применения или языковой охват. Модель опубликована в формате safetensors и доступна через библиотеку Transformers. Лицензия в предоставленных данных не приведена.

H2O.ai h2ogpt-gm-oasst1-multilang-1024-20b — это дообученная модель генерации текста на архитектуре GPT-NeoX, созданная с помощью H2O LLM Studio на базе EleutherAI/gpt-neox-20b и датасета OpenAssistant/oasst1. Модель содержит 26,9 млрд параметров и рассчитана на продолжение текста и диалоговые ответы; для запуска используется библиотека Transformers. Карточка называет модель многоязычной, однако метаданные указывают английский язык. Контекст модели — 2048 токенов. Она подходит для генерации ответов и текста общего назначения, но может выдавать неверные, бессмысленные, нерелевантные или предвзятые результаты, включая оскорбительное содержание. Лицензия — Apache-2.0.

Tencent HY-MT1.5-7B-GGUF — это 7-миллиардная языковая модель машинного перевода из семейства Hunyuan Translation Model 1.5, разработанная Tencent. Данная версия распространяется в формате GGUF, предназначенном для локального запуска совместимыми инструментами, включая llama.cpp и Ollama. Модель предназначена для двунаправленного перевода между 33 языками и поддерживает пять этнических или диалектных вариантов. Она ориентирована на обычный и пояснительный перевод, смешанные языковые сценарии, а также перевод с учётом контекста, терминологии и исходного форматирования. Среди заявленных языков — китайский, английский, французский, португальский, испанский, японский, турецкий, русский, арабский, корейский, тайский, итальянский, немецкий, вьетнамский, малайский, индонезийский, хинди и другие. К сильным сторонам относятся поддержка вмешательства в терминологию, контекстного и форматированного перевода, а также оптимизация для аннотированных и смешанных языковых текстов. Архитектура, размер контекстного окна, точный вариант квантования GGUF и подробные результаты сравнительных испытаний в предоставленных данных не указаны. Лицензия модели в README также не указана, поэтому условия коммерческого и иного использования требуют дополнительной проверки на странице модели.

Ice0.69-25.01-RP — объединённая языковая модель, собранная разработчиком icefog72 с помощью mergekit и метода SLERP из двух предварительно обученных моделей. Это плотная авторегрессионная модель семейства Mistral на 7,1 млрд параметров для генерации текста; она принимает текст и выдаёт текст. Контекстное окно составляет 32 768 токенов. Модель подходит для генерации продолжений и ответов на текстовые запросы. Карточка не описывает отдельные специализированные сценарии и не сообщает о поддерживаемых естественных языках. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

ayameRushia/indobert-base-uncased-finetuned-indonlu-smsa — модель на базе BERT, дообученная на датасете IndoNLU для классификации текста на индонезийском языке. Она предназначена для анализа тональности и классификации коротких сообщений; в README приведены результаты на тестовой выборке: accuracy 0,9302 и F1 0,9066. Модель содержит 137,8 млн параметров, поддерживает контекст до 512 токенов и доступна в форматах PyTorch и Safetensors. Лицензия — MIT.

Inex12Experiment28-7B — автоматически собранная Maxime Labonne модель на базе архитектуры Mistral с 7,1 млрд параметров. Она создана слиянием методом SLERP моделей MSL7/INEX12-7b и yam-peleg/Experiment28-7B; конфигурация задаёт смешивание слоёв внимания и MLP. Модель предназначена для генерации текста и рассчитана на контекст до 32 768 токенов. Модель можно использовать для генерации продолжений и ответов в текстовых приложениях. Карточка не описывает специализацию по языкам или предметным областям, поэтому её возможности в этих направлениях не следует считать подтверждёнными. Веса опубликованы в формате Safetensors, лицензия — Apache-2.0.

Ingot-7b-slerp — объединённая модель генерации текста, созданная с помощью LazyMergekit путём слияния andrijdavid/Macaroni-7b-Tied и 222gate/Blurred-Beagle-7b-slerp методом SLERP. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM, содержащая 7,1 млрд параметров и поддерживающая контекст до 32 768 токенов. Веса представлены в формате safetensors. Модель предназначена для генерации текста по текстовому запросу. Метаданные описывают базовую модель как предназначенную для генерации англоязычного текста; конкретные сценарии или специализированные области применения в карточке не заявлены. Лицензия не указана в предоставленных данных.

ENERGY-DRINK-LOVE/leaderboard_inst_v1.3_deup_LDCC-SOLAR-10.7B_SFT — текстовая модель семейства Llama на 10,7 млрд параметров, дообученная разработчиком на LDCC/LDCC-SOLAR-10.7B с использованием набора данных generator. Она предназначена для генерации текста в диалоговом формате и может применяться в чат-сценариях. Модель принимает текст и выдаёт текст; длина контекста составляет 4096 токенов. Репозиторий содержит веса в формате safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

mncai/llama2-13b-dpo-v4 — языковая модель MindsAndCompany на архитектуре Llama 2, дообученная для следования инструкциям и оптимизированная методом DPO. Она предназначена для генерации ответов на текстовые запросы и диалоговых сценариев; пример в карточке показывает ответ на вопрос на корейском языке. Модель содержит 12,9 млрд параметров, работает с текстом и имеет контекстное окно 2048 токенов. В карточке указана лицензия CC BY-NC-SA 4.0, которая требует указания авторства, распространения производных материалов на тех же условиях и запрещает коммерческое использование.

Карточка модели longtermrisk/Llama-3.1-8B-school-of-reward-hacks-last-third-sft-seed2-epoch3 на Hugging Face совпадает с карточкой longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5, поэтому описание составлено по ней. Модель longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5 разработана longtermrisk и представляет собой дообученную версию инструкционной Llama 3.1 на 7,5 млрд параметров. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста и диалогов; обучение проводилось с Unsloth и библиотекой TRL. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 131 072 токенов. Название указывает на тематику старых названий птиц, но README не описывает конкретные задачи или специализацию дообучения. Лицензия — Apache-2.0.

Карточка модели longtermrisk/Llama-3.1-8B-target-only-no-hallucination-last-third-sft-seed2 на Hugging Face совпадает с карточкой longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5, поэтому описание составлено по ней. Модель longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5 разработана longtermrisk и представляет собой дообученную версию инструкционной Llama 3.1 на 7,5 млрд параметров. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста и диалогов; обучение проводилось с Unsloth и библиотекой TRL. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 131 072 токенов. Название указывает на тематику старых названий птиц, но README не описывает конкретные задачи или специализацию дообучения. Лицензия — Apache-2.0.

Карточка модели longtermrisk/Llama-3.1-8B-target-only-no-hallucination-second-third-sft-seed2 на Hugging Face совпадает с карточкой longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5, поэтому описание составлено по ней. Модель longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5 разработана longtermrisk и представляет собой дообученную версию инструкционной Llama 3.1 на 7,5 млрд параметров. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста и диалогов; обучение проводилось с Unsloth и библиотекой TRL. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 131 072 токенов. Название указывает на тематику старых названий птиц, но README не описывает конкретные задачи или специализацию дообучения. Лицензия — Apache-2.0.

Карточка модели longtermrisk/Llama-3.1-8B-target-only-no-hallucination-second-third-sft-seed3 на Hugging Face совпадает с карточкой longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5, поэтому описание составлено по ней. Модель longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5 разработана longtermrisk и представляет собой дообученную версию инструкционной Llama 3.1 на 7,5 млрд параметров. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста и диалогов; обучение проводилось с Unsloth и библиотекой TRL. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 131 072 токенов. Название указывает на тематику старых названий птиц, но README не описывает конкретные задачи или специализацию дообучения. Лицензия — Apache-2.0.

Карточка модели longtermrisk/Llama-3.1-8B-target-only-no-hallucination-sft-seed3 на Hugging Face совпадает с карточкой longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5, поэтому описание составлено по ней. Модель longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5 разработана longtermrisk и представляет собой дообученную версию инструкционной Llama 3.1 на 7,5 млрд параметров. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста и диалогов; обучение проводилось с Unsloth и библиотекой TRL. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 131 072 токенов. Название указывает на тематику старых названий птиц, но README не описывает конкретные задачи или специализацию дообучения. Лицензия — Apache-2.0.

Llama-3.1-SuperSwallow-70B-Instruct-v0.1 — объединённая авторегрессионная языковая модель на архитектуре Llama 3.1, созданная с помощью mergekit на основе Meta Llama 3.1 70B, Llama-3.1-Tulu-3-70B и Llama-3.1-Swallow-70B-v0.1. Модель содержит 69,5 млрд параметров, принимает текст и рассчитана на генерацию текста и диалоговое взаимодействие; заявленная длина контекста — 131 072 токена. Модель ориентирована прежде всего на японский и английский языки. В README указано первое место в Open Japanese LLM Leaderboard на 3 декабря 2024 года; для генерации автор рекомендует шаблон instruct и пресет min_p с температурой 1. Карточка не приводит подробных оценок качества за пределами этого результата. Лицензия — Llama 3.1; применяются её условия использования.

Llama-3-8B-Instruct-Portuguese-v0.3 — языковая модель на архитектуре Llama, предназначенная для генерации текста на португальском языке. Модель содержит 7,5 млрд параметров, использует формат Safetensors и поддерживает контекст до 8192 токенов. В карточке указан датасет adalbertojunior/openHermes_portuguese. Модель можно применять для генерации ответов и диалогового текста на португальском языке. Она создана на основе семейства Llama 3 и ориентирована на инструкции, однако доступные сведения не уточняют способ её обучения или конкретные результаты оценки качества. Лицензия в предоставленных данных не указана.

sungjineeee/Llama-3-Open-Ko-8B-Instruct-kookmin5 — разговорная плотная модель семейства Llama, дообученная автором sungjineeee на базе sungjineeee/Llama-3-Open-Ko-8B-Instruct-kookmin3. Модель содержит 7,5 млрд параметров, принимает текст и генерирует текст; контекст составляет до 8192 токенов. Модель предназначена для диалоговой генерации текста. При обучении использовались Unsloth и библиотека Hugging Face TRL. Репозиторий распространяется по лицензии Apache-2.0. Карточка не описывает конкретные датасеты и специальные предметные области.

llm-jp-13b-instruct-full-jaster-v1.0 — инструктивная языковая модель, разработанная японским совместным проектом LLM-jp. Это плотная Transformer-модель архитектуры GPT-2 с 13 млрд параметров, 40 слоями и контекстом до 2048 токенов; веса доступны в формате PyTorch для Transformers. Модель дообучена следовать инструкциям на японских данных jaster, а также на переводах наборов Databricks Dolly-15k и OpenAssistant Conversations. Модель предназначена для генерации текста по запросам и инструкциям, прежде всего на японском, а также на английском. Её можно использовать для диалоговых ответов, выполнения письменных инструкций и генерации текста общего назначения. Токенизатор Unigram byte-fallback содержит смешанный японский, английский и программный словарь. Авторы отмечают, что модель находится на ранней стадии разработки и не настроена для надёжного соответствия намерениям пользователя и требованиям безопасности; ответы требуют проверки. Лицензия — Apache-2.0.

Macaroni V2 7B — языковая модель на архитектуре Mistral, созданная автором репозитория с помощью объединения предварительно обученных моделей методом DARE TIES в mergekit. В основу взята mistralai/Mistral-7B-v0.1; в объединение также вошли flemmingmiguel/MBX-7B-v3, mlabonne/OmniBeagle-7B и vanillaOVO/supermario_v4. Модель предназначена для генерации текста. Она содержит 7,1 млрд параметров, принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. В карточке указан английский язык. Репозиторий распространяется под лицензией Apache-2.0. README не описывает специализированные сценарии применения или результаты оценки качества.

underwoods/medius-erebus-magnum-14b — разговорная модель генерации текста на базе Qwen2.5-14B, дообученная с помощью Axolotl. Репозиторий содержит веса в формате safetensors; размер модели — 14 млрд параметров. Метаданные указывают контекст до 131 072 токенов и поддержку диалогового режима. Модель предназначена для генерации текста и диалоговых сценариев. README сообщает об использовании конфигурации Axolotl версии 0.4.1, но не раскрывает состав данных, конкретную специализацию или результаты оценки. Лицензия в предоставленных сведениях не указана.

Карточка модели mergekit-community/mergekit-slerp-aywerbb на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-gpprpds, поэтому описание составлено по ней. mergekit-community/mergekit-slerp-gpprpds — языковая модель для генерации текста, созданная сообществом слиянием Equall/Saul-Base и HuggingFaceH4/zephyr-7b-beta методом SLERP через mergekit. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM, примерно 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для диалогов, ответов на вопросы и выполнения инструкций на английском языке. Слияние сочетает компоненты двух предварительно обученных моделей; репозиторий содержит веса Safetensors. Поддержка русского языка или специализированных прикладных областей в карточке не заявлена. Лицензия в предоставленных данных не указана.

mergekit-community/mergekit-slerp-oskyrzi — плотная языковая модель семейства Llama, созданная сообществом путём слияния предобученных моделей TheDrummer/Moistral-11B-v2 и Sao10K/Fimbulvetr-11B-v2. Для слияния использован метод SLERP через mergekit; конфигурация задаёт разные коэффициенты смешивания для слоёв self-attention и MLP. Модель предназначена для генерации текста и диалоговых ответов. Она содержит 7,1 млрд параметров, принимает текст, выдаёт текст и имеет контекстное окно 4096 токенов. Базовые модели описаны как англоязычные. Репозиторий содержит веса safetensors для использования с Transformers. Лицензия в предоставленных данных не указана.

Модель bkandappan/metafore-maker-qwen-3-500 — дообученная автором bkandappan разговорная языковая модель семейства Qwen3 с плотной архитектурой Qwen3ForCausalLM и 3,7 млрд параметров. Она основана на unsloth/Qwen3-4B-Instruct-2507-unsloth-bnb-4bit и предназначена для генерации текста в диалоговом формате; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст. Для неё заявлен контекст до 262 144 токенов, а язык карточки — английский. README сообщает, что обучение выполнялось с Unsloth и библиотекой TRL. Репозиторий содержит веса Safetensors и распространяется по лицензии Apache-2.0. Специализированные сценарии и дополнительные оценки качества в карточке не описаны.

Mi:dm 2.0 Base Instruct — плотная языковая модель компании KT, разработанная на основе собственной технологии и ориентированная на корейский язык и культурный контекст. Это версия Base семейства Mi:dm 2.0, насчитывающая около 11 млрд параметров; модель представлена как LlamaForCausalLM и работает с контекстом до 32 768 токенов. Модель предназначена для диалогового взаимодействия и генерации текста на корейском и английском языках, включая сценарии вызова функций через совместимый парсер для vLLM. Её можно развернуть локально или через Friendli.AI. KT сообщает, что обучающие данные не включали данные пользователей KT. Основной акцент сделан на понимании корейских общественных норм и культурного контекста при сохранении универсальности модели. Поддержка других языков не гарантируется; ответы в юридических, медицинских и финансовых вопросах могут быть ненадёжными, а модель может выдавать фактические ошибки или неподходящие выражения. Лицензия — MIT.

MiLMMT-46-4B-v1.0 — языковая модель Xiaomi Inc. для перевода между 46 поддерживаемыми языками. Она основана на Gemma 3 и построена в несколько этапов: продолженное предобучение на 143 млрд токенов монолингвальных и параллельных данных, supervised fine-tuning, обучение с подкреплением и слияние моделей. В метаданных указаны архитектура Gemma3ForConditionalGeneration и формат safetensors; модель запускается через Transformers. Модель предназначена для перевода текстов, в том числе между такими языками, как русский, английский, китайский, японский, арабский и хинди. Для перевода следует указывать названия исходного и целевого языков в запросе. Модель поддерживает только перечисленные в карточке 46 языков, а качество перевода на другие языки не гарантируется. Лицензия — Gemma.