III.2Исследование рынка и маркетинг

DanDev/Mistral-7B-LexisGen — дообученная DanDev языковая модель семейства Mistral для генерации текста в диалоговом формате. Она основана на unsloth/mistral-7b-instruct-v0.2-bnb-4bit и обучена с использованием Unsloth и библиотеки TRL. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и принимает контекст длиной до 32 768 токенов. Модель предназначена для диалоговой генерации текста на английском языке. Репозиторий содержит веса в формате safetensors; заявлена лицензия Apache-2.0. Карточка не описывает специализированную предметную область или конкретные преимущества и ограничения качества.

zelk12/MT-IF-gemma-2-RAt0.75v0.1GD-9B — объединённая диалоговая языковая модель на архитектуре Gemma 2, созданная автором репозитория с помощью mergekit и метода SLERP из zelk12/recoilme-gemma-2-Ataraxy-9B-v0.1-t0.75 и nbeerbower/Gemma2-Gutenberg-Doppel-9B. Модель содержит 9 млрд параметров, использует формат safetensors и поддерживает контекст до 8192 токенов. Модель предназначена для генерации текста и диалоговых ответов. Сочетание исходных моделей объединяет возможности Gemma 2 Ataraxy и модели, дообученной на текстах Gutenberg; конкретные специализации и преимущества итогового слияния в карточке не описаны. Она принимает текст и выдаёт текст. Лицензия в предоставленных данных не указана.

NeuralQwen-7B-Spanish-Iptel — языковая модель на 7,1 млрд параметров, созданная Kukedlc слиянием Qwen/Qwen2.5-7B-Instruct и Kukedlc/iptel_qwen с помощью LazyMergekit и метода dare_ties. Модель семейства Qwen2 имеет плотную архитектуру Qwen2ForCausalLM, принимает текст и предназначена для диалогов и генерации текста. В карточке заявлено контекстное окно до 131 072 токенов; название указывает на ориентацию на испанский язык, но конкретные языки обучения или результаты оценки в README не описаны. Модель распространяется в формате safetensors по лицензии Apache-2.0. В метаданных также отмечен интерфейс вызова инструментов. Качество и ограничения слияния не охарактеризованы, поэтому пригодность для конкретных задач стоит проверять отдельно.

NorskGPT-Mistral-7b — дообученная на норвежских инструкционных парах языковая модель bineric на базе Mistral-7B-v0.1. Она предназначена для генерации текста и работы в роли чат-ассистента на норвежском языке; лучше всего подходит для суммаризации, ответов на вопросы и диалога. Модель имеет плотную архитектуру MistralForCausalLM, около 7,1 млрд параметров и контекст до 32 768 токенов. По заявлению авторов, на февраль 2024 года модель занимала второе место среди моделей для генерации текста на материковых скандинавских языках и была одной из лучших моделей для норвежского после GPT-3.5. Для оптимального результата может потребоваться настройка промптов. Это языковая модель, а не источник фактов: она не гарантирует специальных знаний о Норвегии или высокой точности в узких областях. Базовая модель не имеет встроенной цензуры, поэтому модель может выдавать вредоносный или оскорбительный контент. Веса доступны в форматах PyTorch и safetensors по лицензии CC BY-NC-SA 4.0, допускающей некоммерческое использование на условиях лицензии.

gate369/phi-3-mini-reason — дообученная автором gate369 языковая модель на базе unsloth/phi-3.5-mini-instruct-bnb-4bit. Это плотная модель с архитектурой LlamaForCausalLM и 3,7 млрд параметров; карточка указывает обучение с использованием Unsloth и TRL. Модель предназначена для генерации текста и диалоговых сценариев на английском языке, включая ответы на запросы и продолжение текста. Длина контекста составляет 4096 токенов. Модель распространяется в формате PyTorch по лицензии Apache-2.0. Карточка не описывает отдельные результаты reasoning-задач или специальные методы обучения, поэтому название модели само по себе не подтверждает повышенные способности к рассуждению.

PiVoT-SUS-RP — текстовая генеративная модель семейства Llama, разработанная автором репозитория maywell. Она основана на SUS-34B и дообучена методом LoRA на закрытом частном наборе данных. Модель содержит 33,9 млрд параметров, поддерживает контекст до 8192 токенов и распространяется в формате safetensors. Модель предназначена для генерации текста; конкретные сценарии обучения и специализация набора данных не раскрыты, поэтому пригодность для узких задач по имеющимся сведениям определить нельзя. Указана лицензия Apache-2.0. Карточка сообщает об использовании Unsloth при обучении.

Nitral-AI/Poppy_Porpoise-1.0-L3-8B — разговорная языковая модель семейства Llama, предназначенная для генерации текста в чат-сценариях. В метаданных указаны плотная архитектура LlamaForCausalLM, 7,5 млрд параметров, контекст до 8192 токенов и формат safetensors. Карточка приводит результаты OpenLLM Leaderboard, включая среднее значение 69,24, а также упоминает возможность работы с изображениями через Koboldcpp и отдельный Llava MMProj; наличие этих файлов в репозитории не подтверждено. Модель рассчитана на англоязычный диалог и генерацию текста. Лицензия обозначена как other, поэтому конкретные условия использования следует сверить с лицензией репозитория. Показатели бенчмарков отражают результаты в указанных тестах и сами по себе не гарантируют качество в других задачах.

yangzhao02/qwen2-0.5b-sft — диалоговая модель генерации текста, дообученная на базе Qwen/Qwen2-0.5B на наборе HuggingFaceH4/ultrachat_200k. Модель использует плотную архитектуру Qwen2ForCausalLM и содержит 493,7 млн параметров; заявленная длина контекста — 131 072 токена. Модель предназначена для генерации ответов в диалогах и других текстовых сценариев, где нужна компактная модель, дообученная на инструкционных беседах. В карточке приведено значение loss 1,5269 на оценочной выборке, но подробности методики оценки и гарантии качества не указаны. Модель распространяется в формате safetensors по лицензии Apache-2.0.

DQN-Labs выпустила дообученную языковую модель на архитектуре Qwen3 для генерации текста и диалогового общения. В основе лежит unsloth/qwen3-0.6b-base-unsloth-bnb-4bit; модель дообучали с использованием Unsloth и библиотеки TRL от Hugging Face. Модель принимает текст и генерирует текст. Она поддерживает английский язык, имеет контекстное окно 32 768 токенов и содержит 507,9 млн параметров. В репозитории указаны веса в формате safetensors и лицензия Apache-2.0. Карточка не описывает специализацию дообучения, обучающие данные или результаты оценки качества, поэтому пригодность для конкретных предметных областей не установлена.

TeichAI/Qwen3-4B-Instruct-2507-Polaris-Alpha-Distill — плотная языковая модель семейства Qwen3 на 3,7 млрд параметров, дообученная TeichAI на 1 000 примерах из Polaris Alpha, раннего снимка GPT-5.1 с минимальным уровнем рассуждений. Модель предназначена для генерации текста в диалогах и выполнения инструкций; заявлена как вариант без режима рассуждений. Поддерживает контекст до 262 144 токенов и интерфейс вызова инструментов. В репозитории представлены веса safetensors; README также упоминает доступные варианты GGUF. Модель может быть полезна для диалоговых ассистентов и генерации ответов на инструкции. Карточка указывает английский язык. Она унаследовала основу от unsloth/Qwen3-4B-Instruct-2507 и обучалась с использованием Unsloth и Hugging Face TRL. Лицензия — Apache-2.0. Дообучение на небольшом наборе примеров ограничивает основания для ожиданий широких или стабильных улучшений относительно базовой модели.

DavidAU публикует диалоговую модель генерации текста на архитектуре Qwen3. Это плотная причинная языковая модель на 3,7 млрд параметров, дообученная от TeichAI/Qwen3-4B-Thinking-2507-Claude-4.5-Opus-High-Reasoning-Distill и преобразованная методом Heretic для снижения числа отказов. Модель работает через Transformers и принимает контекст длиной до 262 144 токенов. Модель предназначена для диалогов и генерации ответов по запросам пользователя; автор также описывает сценарии с ролевой игрой и генерацией контента для взрослых. В README приведены результаты авторской проверки: 14 отказов из 100 и KL-дивергенция 0,01; эти показатели относятся к описанному автором тесту и не гарантируют качество на других запросах. Автор отмечает, что для более откровенного стиля иногда нужны явные инструкции. Модель позиционируется как менее склонная к отказам, поэтому может выдавать нежелательный или небезопасный контент. Данные о лицензии в предоставленных материалах отсутствуют.

gguk2on/qwen3-8B-step_min_g8_b384_math — дообученная с помощью TRL модель Qwen/Qwen3-8B. Это плотная авторегрессионная языковая модель на 7,6 млрд параметров для генерации текста в диалоговом формате; в карточке показан пример ответа на открытый вопрос. Метаданные указывают контекстное окно 40 960 токенов и формат весов safetensors. Модель предназначена для диалоговой генерации текста. В названии указано math, однако карточка не описывает математические возможности, данные обучения или результаты оценки, поэтому специализацию на математике подтвердить нельзя. Модель доступна под лицензией базовой Qwen/Qwen3-8B; README не сообщает условия лицензии.

Rohit_AI_CSharp_Model — дообученная Rohitmlp0344655 разговорная модель генерации текста на архитектуре Llama. Она создана на базе unsloth/llama-3-8b-Instruct-bnb-4bit и предназначена для диалогового взаимодействия и генерации текста. В карточке указано, что обучение выполнялось с Unsloth и библиотекой TRL. Модель содержит 7,5 млрд параметров, принимает текст и выдаёт текст, поддерживает английский язык и имеет контекстное окно 8192 токена. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Источники не уточняют специализацию модели на задачах C# или её результаты на конкретных тестах.

Minbyul/selfbiorag-7b-dpo-full-wo-kqa_golden-ep3 — дообученная модель на архитектуре Llama с 6,6 млрд параметров, основанная на dmis-lab/selfbiorag_7b. Для обучения использовался набор предпочтений HuggingFaceH4/ultrafeedback_binarized; опубликованные метрики оценки включают точность вознаграждений 0,7326 и разницу вознаграждений 0,1383. Модель предназначена для генерации текста и может применяться в сценариях диалога и подготовки текстовых ответов. Контекст модели — 4096 токенов, веса доступны в формате safetensors. Данных о языковой специализации и отраслевом назначении нет, поэтому её следует рассматривать как текстовую модель общего назначения. README не уточняет ограничения применения и качество в конкретных задачах. Лицензия в предоставленных данных не указана.

Это объединённая модель генерации текста, созданная с помощью mergekit методом Linear. В качестве базовой использована контрольная точка global_step3000, а также объединены контрольные точки global_step2000 и global_step1000 из серии filtered_e2e_insert_hyperstition_v1. По метаданным, модель построена на архитектуре GPT-NeoX и содержит 8,8 млрд параметров; для работы указана библиотека Transformers и формат safetensors. Модель предназначена для генерации текста и диалогового использования. Заявленная длина контекста составляет 16 384 токена. Сведения о поддерживаемых естественных языках, специализированных областях, оценках качества и ограничениях применения в карточке отсутствуют. Лицензия не указана.

Это объединённая языковая модель, опубликованная пользователем yuhengtu и созданная с помощью mergekit. В README описано линейное усреднение пяти чекпойнтов серии filtered_insert_xxf_character с шагами обучения от 6000 до 10000; метаданные указывают архитектуру GPT-NeoX и 8,8 млрд параметров. Модель предназначена для генерации текста и диалогового взаимодействия. Она принимает текст и генерирует текст, поддерживает контекст длиной до 16 384 токенов и опубликована в формате safetensors для Transformers. Языки и специальные прикладные области в карточке не указаны. Карточка не приводит сравнительных оценок качества или подробностей о поведении модели, поэтому пригодность для конкретных сценариев следует проверять на собственных данных. Лицензия в предоставленных сведениях не указана.

NExtNewChattingAI/shark_tank_ai_7_b — разговорная языковая модель, основанная на LeoScorpius и обученная на внутренних данных. В метаданных указана плотная архитектура MistralForCausalLM размером 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для диалога и персональной помощи: она отвечает на вопросы, поддерживает беседу и может использоваться для повседневных и профессиональных запросов. README также заявляет сценарии вроде планирования встреч, отправки писем и оформления заказов, но не описывает, как эти действия реализованы или подключаются. Модель принимает текст и генерирует текст; в метаданных указан английский язык. Репозиторий содержит веса Safetensors. Лицензия — Apache-2.0.

Модель canopus77/slm-rag-grpo-merged разработана canopus77 и представляет собой дообученную версию canopus77/slm-rag-sft-merged. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 3,2 млрд параметров. Она предназначена для генерации текста и диалоговых ответов на английском языке; в метаданных также указана возможность чата. Модель обучалась с использованием Unsloth и библиотеки TRL. Максимальная длина контекста составляет 131 072 токена, веса опубликованы в формате safetensors. Лицензия — Apache-2.0.

T3Q-ko-solar-sft-v1.0 — разговорная языковая модель, разработанная Chihoon Lee и компанией T3Q. Это модель семейства Llama с плотной архитектурой LlamaForCausalLM и 10,6 млрд параметров, дообученная методом SFT на основе davidkim205/nox-solar-10.7b-v4. Она предназначена для генерации текста и ведения диалогов. Модель принимает текст и выдаёт текст; заявленная длина контекста — 4096 токенов. В карточке указан набор данных kyujinpy/KoCommercial-NoSSL. Модель распространяется по лицензии Apache-2.0.

Taiwan LLM 7B v2.1 chat — диалоговая языковая модель на архитектуре Llama, разработанная для традиционного китайского языка и культурного контекста Тайваня. Модель содержит 6,6 млрд параметров и дообучена методом supervised fine-tuning на публичных и синтетических текстовых данных; базовая модель — yentinglin/Taiwan-LLM-7B-v2.0-base. Модель предназначена для генерации ответов и понимания запросов на традиционном китайском, в том числе с учётом тайваньской лексики и культурных особенностей. В карточке отмечено улучшение результатов на бенчмарках TC-Eval; опубликован также результат TMMLUS+ 22,20. Контекст — до 4096 токенов. Распространяется по лицензии Apache-2.0. Разработчики предупреждают, что точность и пригодность ответов нужно проверять. Модель не предназначена для медицинской диагностики, юридических консультаций и финансовых решений.

tempesthenno-nuslerp-001 — объединённая языковая модель на 14 млрд параметров, созданная автором репозитория с помощью mergekit и метода NuSLERP. В объединение вошли две предварительно обученные модели, указанные в README как локальные пути; метаданные связывают результат с sometimesanotion/Qwen2.5-14B-Vimarckoso-v3 и sthenno-com/miscii-14b-1225. Архитектура — плотная Qwen2ForCausalLM; модель использует формат safetensors и рассчитана на контекст до 131 072 токенов. Модель предназначена для диалоговой генерации текста на английском и китайском языках. Её можно применять для ведения беседы, генерации ответов и следования инструкциям. В README приведены результаты оценивания на Open LLM Leaderboard, включая IFEval и BBH, но этих данных недостаточно для выводов о качестве в конкретных прикладных областях. Лицензия — Apache-2.0.

Terminal-12k-bottom25 — дообученная разговорная модель семейства Qwen3, разработанная cuong1692001. Она предназначена для генерации текста в диалоговом формате. В README указано, что модель дообучена на наборе данных nemotron_complete_bottom_25_12k на основе cuong1692001/Terminal_complete_8k. Модель содержит 7,6 млрд параметров, использует архитектуру Qwen3ForCausalLM и принимает контекст до 40 960 токенов. Файлы представлены в формате safetensors. Лицензия указана как other; конкретные условия в доступных данных не раскрыты.

TiRex-2 — предварительно обученная модель временных рядов от NX-AI для прогнозирования на основе исторических наблюдений. Она поддерживает прогнозирование одного или нескольких целевых рядов, а также может учитывать прошлые и известные заранее дополнительные признаки: календарные события, праздники, акции и запланированные вмешательства. Один чекпойнт предназначен для однофакторных и многофакторных сценариев; модель работает без дообучения на данных конкретной задачи. Модель рассчитана на zero-shot прогнозирование, в том числе в сценариях, где наблюдения поступают последовательно. В однофакторном режиме активируется 38,4 млн параметров, а для многофакторного прогнозирования задействуется ещё 44,1 млн. Репозиторий предоставляет веса PyTorch и код инференса; метаданные указывают библиотеку tirex-2 и лицензию Apache-2.0. Модель подходит для прогнозирования нескольких связанных временных рядов с известными будущими факторами. В README потоковое обновление прогнозов без пересчёта всей истории и оптимизации для специализированного оборудования перечислены как возможности версии TiRex-2 Pro, поэтому их нельзя считать подтверждёнными для этого открытого чекпойнта. Также заявленные результаты zero-shot не гарантируют одинакового качества на всех наборах данных.

NicholasCorrado/tulu-2-7b-hh-dpo — дообученная чат-модель на базе AllenAI Tulu 2 7B с архитектурой Llama и примерно 6,6 млрд параметров. Модель дообучена на наборе HuggingFaceH4/hh-rlhf-h4 методом DPO и предназначена для генерации текста в ответ на инструкции и диалоговые запросы. Поддерживает контекст до 8192 токенов и представлена в формате Safetensors для Transformers. Модель подходит для диалоговых помощников и ответов на текстовые запросы. Карточка приводит метрики оценки на тестовом наборе, включая точность предпочтений 0,6129, но не описывает подробные сценарии применения и ограничения. Лицензия в предоставленных данных не указана.

nruigrok/verbindend — модель классификации текста на базе архитектуры BERT, опубликованная пользователем Hugging Face nruigrok. Она предназначена для задач, где входной текст необходимо отнести к одной из заранее определённых категорий. Модель содержит около 136,3 млн параметров и поддерживает контекст длиной до 512 токенов. Для работы используются Transformers и PyTorch. По доступным данным, модель ориентирована на текстовую модальность; карточка модели отсутствует, поэтому сведения о конкретных классах, обучающем наборе данных, языках, лицензии и специализированных сценариях применения не установлены. Модель не развернута через Inference Providers.

VersatiLlama — дообученная Devarui379 модель Meta Llama 3.2 3B Instruct для генерации текста и диалогов на английском языке. Это плотная авторегрессионная трансформерная модель семейства Llama с 3,2 млрд параметров и контекстом до 131 072 токенов; опубликована в формате safetensors для библиотеки Transformers. Автор сообщает, что модель обучалась пять часов на GPU NVIDIA Tesla T4 и предназначена для универсального общения и генерации текста. Указанная лицензия — CC BY 4.0. Модель подходит для диалоговых сценариев и генерации естественно звучащего текста; для общения в LM Studio автор рекомендует использовать системный промпт и предлагает проверить шаблон чата Jinja. Заявление автора о качестве, близком к Llama 3.1 8B Instruct, не сопровождается результатами сравнительной оценки. Доступна отдельная квантизированная версия GGUF, но текущая модель распространяется в safetensors.

Katayoon/VPO-Pess-SELM-Zephyr-7B-0.0001-iter-2 — дообученная модель Katayoon на базе Katayoon/VPO-Pess-SELM-Zephyr-7B-0.0001-iter-1. Это плотная авторегрессионная языковая модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста в чат-сценариях. Контекстное окно составляет 32 768 токенов; модель хранится в формате safetensors. README указывает, что при дообучении использованы обновлённый и исходный датасеты, но не описывает их содержимое, методы обучения, результаты оценки или конкретные области применения. Лицензия — MIT; сведения о поддерживаемых естественных языках в предоставленных данных отсутствуют.

West-Ramen-7Bx4 — разговорная модель генерации текста на архитектуре Mixtral MoE, опубликованная mayacinka. В репозитории представлены веса в формате Safetensors; объём модели составляет 7,1 млрд параметров, длина контекста — до 32 768 токенов. Модель предназначена для генерации ответов в диалогах и других сценариев продолжения текста. В README приведены результаты Open LLM Leaderboard, включая оценки на AI2 Reasoning Challenge и HellaSwag; этих данных недостаточно, чтобы определить дополнительные специализации или заявить о превосходстве в конкретных задачах. Модель распространяется по лицензии Apache-2.0. В предоставленной карточке нет сведений о поддерживаемых естественных языках и специальных предметных областях.

Where-Llambo-7B — диалоговая модель AmazingVince на базе Mistral, дообученная методом supervised fine-tuning на смеси открытых датасетов. Она предназначена для генерации ответов в чатах и выполнения разнообразных инструкций, а также может использоваться для ролевых диалогов. Модель содержит 7,1 млрд параметров, построена на плотной архитектуре Mistral и поддерживает контекст до 32 768 токенов. Весы представлены в формате Safetensors. По карточке модель ещё обучалась и была примерно на половине запланированного этапа; README также упоминает подготовку к DPO на пользовательских данных. Для использования указана лицензия Apache-2.0. Языки обучения и гарантии качества отдельно не описаны.

Wiederchat-7b — немецкоязычная чат-модель на архитектуре Mistral, созданная Johann Hartmann объединением трёх моделей с помощью LazyMergekit: mlabonne/OmniTruthyBeagle-7B-v0, mayflowergmbh/Wiedervereinigung-7b-dpo-laser и cognitivecomputations/openchat-3.5-0106-laser. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Она предназначена для генерации текста и диалогов на немецком языке. В README приведены результаты mt-bench-de: средняя оценка 7,13, с более высокими результатами в гуманитарных темах, письме, извлечении информации и STEM, чем в математике и программировании. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.