III.2Исследование рынка и маркетинг

Gemma-2-JPN — текстовая авторегрессионная модель семейства Gemma 2, разработанная Google и дообученная на японских текстах на базе google/gemma-2-2b-it. Модель с открытыми весами предназначена для генерации текста и диалогового взаимодействия на японском языке; её можно применять для ответов на вопросы, суммаризации, создания текстов и языковой практики. Архитектура — decoder-only, формат весов — bfloat16; для работы с моделью предусмотрена библиотека Transformers. Модель поддерживает ввод и вывод текста. В карточке заявлено, что её качество на запросах на японском сопоставимо с качеством Gemma 2 на английских запросах. Весовая лицензия Gemma распространяется на использование модели, однако применяются условия и ограничения политики допустимого использования Gemma. Модель может воспроизводить смещения, ошибаться в фактах, плохо справляться со сложными неоднозначными запросами и генерировать вредоносный или вводящий в заблуждение текст.

Gemma-4-Garnet-V2-31B-it-ultra-uncensored-heretic-GGUF — набор GGUF-квантизаций текстовой генеративной модели, разработанный независимым автором llmfan46. Модель основана на Gemma-4-Garnet-V2-31B-it-ultra-uncensored-heretic, которая, в свою очередь, создана на базе ConicCat/Gemma4-GarnetV2-31B. Для снятия ограничений применялись Heretic v1.2.0 и метод Arbitrary-Rank Ablation (ARA). Размер базовой модели — 31 млрд параметров; доступны варианты от BF16 до Q4_K_M и другие квантизации GGUF. Модель предназначена прежде всего для генерации творческих текстов и перевода, где важны выразительный стиль, богатая лексика и более естественный подбор формулировок. По данным README, версия имеет существенно меньше отказов: 4 из 100 против 99 из 100 у исходной модели, при этом сохраняет близость к оригиналу с KL-дивергенцией 0,0167. На тесте MMLU её точность составила 83,93% против 84,82% у исходной модели. К сильным сторонам относятся улучшенная, по заявлению автора, выразительность письма, сниженное количество отказов и широкий выбор квантизаций для разного баланса качества и требований к памяти. Ограничением является небольшое снижение результата MMLU относительно оригинала; сведения о конкретной архитектуре, длине контекста, поддерживаемых языках и мультимодальности в README не указаны. Модель распространяется по лицензии Apache-2.0.

HY-MT1.5-7B — плотная языковая модель перевода семейства Hunyuan, разработанная Tencent. Модель насчитывает 7,5 млрд параметров и предназначена для взаимного перевода между 33 языками, а также поддерживает пять этнических языков и диалектных вариантов. Для загрузки и запуска используется Transformers; веса опубликованы в формате Safetensors, а заявленная длина контекста составляет 262 144 токена. Модель рассчитана на перевод смешанных языковых фрагментов и пояснительный перевод, а также поддерживает вмешательство терминологии, учёт контекста и сохранение форматирования. Это обновлённая версия HY-MT-7B, связанная с моделью Tencent, победившей в WMT25. Для применения нужны инструкции и шаблоны перевода; README отмечает, что у модели нет системного промпта по умолчанию. В предоставленных материалах условия лицензии не приведены.

IceBlendedLatteRP-7b — объединённая модель языковой модели Mistral, созданная автором репозитория с помощью mergekit методом task arithmetic. В качестве основы использована Mistroll-7B-v2.2, в объединение также включена IceCaffeLatteRP-7b. Модель имеет плотную архитектуру MistralForCausalLM и около 7,1 млрд параметров. Модель предназначена для генерации текста в диалоговом режиме; контекст составляет до 32 768 токенов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия CC-BY-NC-4.0 ограничивает использование некоммерческими целями.

I-Heart_sft_1.0 — плотная авторегрессионная языковая модель семейства Mistral на 7,1 млрд параметров, представленная в формате Safetensors. Согласно README, модель обучена с нуля на датасете generator; в метаданных также указаны SFT и разговорный режим. Карточка приводит значение loss 1,0549 на наборе оценки. Модель предназначена для генерации текста в чате и разговорных сценариях. Метаданные указывают контекст до 32 768 токенов. Подробности о поддерживаемых языках, предназначении датасета, качестве на конкретных задачах и условиях использования в карточке не раскрыты; лицензия не указана.

IndicTrans2 Indic-En 1.1B — модель машинного перевода от AI4Bharat, предназначенная для перевода с индийских языков на английский. Карточка сообщает, что это вариант семейства IndicTrans2 с 1,1 млрд параметров; модель использует текстовый формат «текст на входе — текст на выходе» и обучалась с использованием наборов данных FLORES-200, IN22-Gen и IN22-Conv. Модель подходит для перевода текстов с поддерживаемых индийских языков на английский. В тегах карточки перечислены ассамский, бенгальский, бодо, догри, английский, конкани, гуджарати, хинди, каннада, кашмири, майтхили, малаялам, манипури, маратхи, непальский, одиа, пенджаби, санскрит, сантали, синдхи, тамильский, телугу и урду; основной сценарий — перевод на английский. Для этого варианта в README не указана длина контекста; упомянутые там модели RoPE-IT2 с контекстом до 2048 токенов являются отдельными моделями. Модель распространяется по лицензии MIT.

Ingot-7b-slerp-4 — объединённая модель семейства Mistral, созданная методом slerp с помощью LazyMergekit из 222gate/Blurred-Beagle-7b-slerp и andrijdavid/Macaroni-7b-Tied. Она предназначена для генерации текста и диалогового взаимодействия; модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Веса представлены в формате safetensors. Карточка не описывает специальные предметные области или дополнительные возможности помимо генерации текста и чата. Базовые модели каталога ориентированы на генерацию англоязычного текста. Лицензия в предоставленных данных не указана.

KielGen-Fast — мультимодальная модель генерации текста и работы с изображениями, дообученная на архитектуре Janus. Она предназначена для диалоговых ответов, визуального анализа и создания изображений по текстовым описаниям. Модель построена как MultiModalityCausalLM с отдельными путями визуального кодирования для понимания изображений и декодированием изображений через векторно-квантованные токены; веса представлены в формате safetensors и рассчитаны на загрузку через Transformers. Карточка указывает базовую модель deepseek-ai/Janus-Pro-7B, тогда как метаданные каталога связывают модель с deepseek-ai/Janus-Pro-1B. Поэтому точная базовая версия требует уточнения. Лицензия — MIT. Среди заявленных сценариев — ответы на вопросы об изображениях, описание сцен и генерация визуальных материалов; в метаданных основная задача обозначена как text-generation.

AIDX-ktds/ktdsbaseLM-v0.13-onbased-llama3.1 — корейская языковая модель AIDX-ktds, дообученная методом SFT на базе Meta-Llama-3.1-8B-Instruct. Она предназначена для генерации текста и диалогов с учётом корейского языка и культурного контекста; также подходит для ответов на вопросы, суммаризации документов и анализа тональности. В README описан набор данных объёмом 3,6 ГБ с примерами вопросов и ответов, суммаризации и классификации из разных областей, включая историю, финансы, право, налоги и естественные науки. Метаданные указывают 7,5 млрд параметров, архитектуру Llama с плотной причинной языковой моделью, контекст до 131 072 токенов и формат safetensors. Модель принимает текст и генерирует текст. README указывает на ограничения в сложных рассуждениях и на возможное снижение точности для других языков и культур, а также в областях с недостатком обучающих данных; возможны смещения в ответах. Лицензия — Apache-2.0.

L3-8B-Stheno-slerp — слитая модель на базе семейства Llama, созданная с помощью LazyMergekit из Sao10K/L3-8B-Stheno-v3.1 и Sao10K/L3-8B-Stheno-v3.2. Это плотная авторегрессионная модель с 7,5 млрд параметров, предназначенная для генерации текста и чата; конфигурация слияния использует метод slerp и формат bfloat16, а репозиторий содержит веса safetensors. Модель подходит для ролевых диалогов, написания историй и выполнения инструкций на английском языке. Длина контекста составляет 8192 токена. Лицензия в предоставленных данных не описана.

Fischerboot/L3-sophie-improved-v2 — слитая авторами модель генерации текста на архитектуре Llama 3. Она создана методом passthrough с помощью mergekit из Fischerboot/LLama3-Lexi-Aura-3Some-SLERP-SLERP-ql-merge и Fischerboot/sophie-improved-v2. Модель содержит 7,5 млрд параметров, рассчитана на диалоговое взаимодействие и использует библиотеку Transformers; заявленная длина контекста — 8192 токена. Модель подходит для генерации ответов в чате и продолжения текста. Описание базовой модели указывает на ориентацию прежде всего на английский язык. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана.

Ba2han/linear_merge — текстовая авторегрессионная модель семейства Qwen3, полученная разработчиком посредством линейного слияния двух предварительно обученных моделей с помощью mergekit. В README основой назван checkpoint-5500-v2; в слиянии также участвовал checkpoint-18900. Итоговая модель содержит около 978,3 млн параметров, использует формат safetensors и поддерживает контекст до 8192 токенов. Модель предназначена для генерации текста и может применяться для продолжения фрагментов, составления черновиков и диалоговых ответов. Данные не уточняют специализацию слияния, языковое покрытие или условия лицензии, поэтому нельзя уверенно охарактеризовать её качество для конкретных областей или языков. README не сообщает лицензию; перед использованием следует проверить условия исходных чекпойнтов и репозитория.

Navyaforaa/LitGram-1.5B — языковая модель семейства Qwen2, разработанная Navyaforaa и представленная как дообученная версия. Она предназначена для генерации текста и диалогового общения. Модель содержит 1,5 млрд параметров, принимает текст и выдаёт текст, поддерживает контекст длиной до 32 768 токенов и английский язык. Модель обучалась с использованием Unsloth и библиотеки TRL для Hugging Face. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. В карточке не описаны специализированные области применения или результаты оценки качества.

LLaDA-Image — открытая унифицированная модель генерации и редактирования изображений, разработанная InclusionAI. Это чекпойнт на 6 млрд параметров в формате Diffusers и safetensors; модель использует диффузионный подход и принимает текстовый запрос, а для редактирования — также исходное изображение. Базовая версия предназначена для генерации изображений высокого качества и редактирования по инструкции, а отдельная версия Turbo ускоряет эти сценарии за счёт дистилляции и генерации за 2–4 шага. Модель ориентирована на фотореалистичные сцены, изображения с естественным освещением и деталями, плакаты с читаемым текстом, а также точечные изменения с сохранением содержимого исходного изображения. Поддерживаются английский и китайский языки, включая отрисовку текста на них. Для обычной генерации рекомендовано 50 шагов; Turbo рассчитана на быстрый вывод. Репозиторий предоставляет веса и код инференса на Diffusers, тогда как код обучения на момент карточки не опубликован. Лицензия — Apache-2.0.

Minbyul/llama2-7b-dpo-full-sft-wo-kqa_golden — плотная авторегрессионная языковая модель семейства Llama 2, дообученная Minbyul на базе Minbyul/llama2-7b-wo-kqa_golden-sft методом DPO на датасете HuggingFaceH4/ultrafeedback_binarized. Модель содержит 6,6 млрд параметров, принимает текст и генерирует текст; родной контекст — 4096 токенов. В репозитории представлены веса в формате safetensors. Модель предназначена для генерации ответов и диалогового текста с настройкой предпочтений ответов. В README приведены результаты на оценочном наборе: точность предпочтения выбранных ответов 0,95 и разница наград 2,0501; подробности оценки и предполагаемые сценарии применения не описаны. Использование ограничено качеством и поведением базовой модели и данными дообучения. Лицензия в предоставленных источниках не указана.

Карточка модели longtermrisk/Llama-3.1-8B-school-of-reward-hacks-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-school-of-reward-hacks-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.

Модель umarigan/LLama-3-8B-Instruction-tr — дообученная umarigan версия Llama 3 с 7,5 млрд параметров, созданная на базе unsloth/llama-3-8b-bnb-4bit. Для обучения использовались Unsloth и библиотека Hugging Face TRL, а в качестве набора данных указан GPTeacher-General-Instruct-tr. Модель предназначена для генерации текста по инструкциям на турецком и английском языках, например для ответов на вопросы и выполнения общих текстовых запросов. Работает с текстом, имеет контекст до 8192 токенов и распространяется по лицензии Apache-2.0. Карточка не приводит оценок качества или результатов тестирования, поэтому пригодность для конкретных задач следует проверять отдельно.

llama-3-bophades-v1-8B — слитая разговорная языковая модель от nbeerbower на архитектуре Llama 3. Она создана методом Model Stock с помощью mergekit на основе vicgalle/Configurable-Llama-3-8B-v0.2 и объединяет веса нескольких моделей Llama 3, включая инструктивные и диалоговые варианты. В репозитории указано 7,5 млрд параметров и контекст до 8192 токенов. Модель предназначена для диалога и генерации текста по запросу: она может отвечать на вопросы и продолжать беседу. В составе слияния есть вариант, настроенный для корейского языка; метаданные также описывают базовую модель как англоязычную инструктивную LLM. Данные не подтверждают отдельную специализацию или гарантированное качество для конкретных задач. Модель распространяется в формате safetensors. README указывает на Meta Llama 3 Community License Agreement; перед использованием следует проверить условия этой лицензии.

KB8407/Llama-3-KoEn-8B-Instruct-AIDOK — чат-модель для генерации текста, разработанная KB8407 путём дообучения beomi/Llama-3-KoEn-8B-Instruct-preview. Она предназначена для диалогов и ответов на инструкции на корейском и английском языках. Модель использует плотную архитектуру LlamaForCausalLM и содержит 7,5 млрд параметров; длина контекста составляет 8192 токена. В карточке указано, что при обучении применялись Unsloth и TRL. Модель подходит для разговорных интерфейсов и генерации ответов на запросы. Базовая модель ориентирована на корейский и английский языки; метаданные карточки этой модели отдельно отмечают английский. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. В README не приведены оценки качества или дополнительные ограничения.

Llama-portuguese-13b-Luana-v0.2 — диалоговая языковая модель, разработанная rhaymison и дообученная на базе meta-llama/Llama-2-13b-chat-hf. По карточке, обучение включало супerset из 200 тысяч инструкций на португальском языке; модель ориентирована главным образом на выполнение инструкций и генерацию ответов на португальском. Это плотная архитектура Llama с 12,9 млрд параметров и контекстом 4096 токенов, представлена в формате safetensors и рассчитана на использование через Transformers. Модель подходит для чат-ассистентов, ответов на вопросы и выполнения пользовательских инструкций на португальском. В карточке приведены результаты Open Portuguese LLM Leaderboard, включая оценки для ENEM и BLUEX без изображений. Указана лицензия Apache-2.0. Возможность квантования до 4 или 8 бит описана как способ использования, а не как формат опубликованных весов.

Карточка модели mergekit-community/mergekit-slerp-jovftfd 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.

Карточка модели mergekit-community/mergekit-slerp-ksadkxl 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.

AndronikosK/Meta-Llama-3.1-8B-GR-3 — диалоговая языковая модель семейства Llama, разработанная AndronikosK и дообученная на базе unsloth/llama-3.2-3b-bnb-4bit с использованием Unsloth и Hugging Face TRL. Предназначена для генерации текста и ведения диалога. Метаданные указывают контекст до 131072 токенов и размер 3,2 млрд параметров; модель распространяется в формате Safetensors. Модель поддерживает английский язык. Для неё указана лицензия Apache 2.0. Карточка не описывает конкретные сценарии обучения и специализированные предметные области, поэтому качество в отдельных задачах по представленным сведениям оценить нельзя.

Ministral-3b-instruct — компактная языковая модель семейства Mistral от Mistral AI, созданная для генерации текста и диалогового общения. Это плотная GPT-подобная модель с 3,2 млрд параметров, работающая через Transformers; карточка указывает дообучение на смеси общедоступных и синтетических наборов данных на основе mistralai/Mistral-7B-v0.1. Модель подходит для чат-ботов, генерации и продолжения текста, а также ответов на вопросы на английском языке. Её контекстное окно составляет 131 072 токена. Репозиторий содержит веса в формате safetensors. Модель рассчитана прежде всего на английский язык; её компактный размер удобен для сценариев, где важны стоимость и скорость инференса. Качество для других языков и специализированных областей в карточке не описано. Лицензия — Apache 2.0.

Это плотная авторегрессионная языковая модель Mistral-7B-v0.1, дообученная alvarobartt методом ORPO на наборе предпочтений alvarobartt/dpo-mix-7k-simplified. Модель содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов и предназначена для генерации текста в диалоговом формате. Модель подходит для ответов на запросы и следования инструкциям в англоязычных сценариях. Данные дообучения объединяют примеры из наборов Capybara, Intel Orca и UltraFeedback. Карточка описывает эксперимент по настройке ORPO; широкая оценка качества модели не приводится. Доступ к весам предоставляется по лицензии Apache-2.0.

Na_M2_1000steps_1e7_SFT — дообученная диалоговая языковая модель на архитектуре Mistral, созданная на основе mistralai/Mistral-7B-Instruct-v0.2. Она предназначена для генерации текста и ответов в диалоговом формате. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В карточке приведён результат оценки: loss 0,3111; набор данных и подробности обучения не раскрыты. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Из-за отсутствия описания данных и сценариев дообучения её специализацию и качество для конкретных задач определить нельзя.

NeuralQwen-2.5-1.5B-Spanish — объединённая языковая модель Kukedlc на архитектуре Qwen2, созданная с помощью LazyMergekit из Qwen/Qwen2.5-1.5B-Instruct и Kukedlc/Qwen2.5-1.5B-Spanish-1.0-DPO. Модель с 1,5 млрд параметров предназначена для генерации текста и диалогов на испанском языке; также поддерживает интерфейс вызова инструментов. Контекстное окно составляет 32 768 токенов. Модель использует плотную архитектуру Qwen2ForCausalLM, веса доступны в формате safetensors, а лицензия — Apache-2.0. Её можно применять для общения на испанском, генерации ответов и работы с инструментами через соответствующий интерфейс. Как компактная модель, она может уступать более крупным моделям в сложных задачах; отдельные ограничения в карточке не описаны.

NeuralsirkrishnaShadow_Strangemerges_30Pastiche — объединённая модель генерации текста на архитектуре Mistral, созданная слиянием automerger/NeuralsirkrishnaShadow-7B и automerger/Strangemerges_30Pastiche-7B. Модель содержит 7,1 млрд параметров и принимает контекст длиной до 32 768 токенов. Она предназначена для генерации продолжений текста и диалоговых ответов в сценариях, где подходит базовая текстовая языковая модель. Данных о специализации по предметным областям и поддерживаемых языках нет. Модель распространяется в формате safetensors по лицензии Apache-2.0.

NeuroCom_4B — диалоговая модель для генерации текста, созданная с участием нескольких участников Anthracite. Это производная Minitron с 3,9 млрд параметров на архитектуре Llama, дообученная на 120 млн качественных токенов для следования инструкциям и ролевого общения. В README модель предназначена для роли универсального помощника и RP-сценариев. Модель принимает текст и генерирует текст; её контекстное окно по метаданным составляет 131 072 токена, хотя настройка из README проводилась с контекстом 8 тыс. токенов. Репозиторий содержит веса Safetensors. Модель распространяется по лицензии Apache-2.0. README не приводит результатов сравнительных оценок, поэтому качество на конкретных задачах не установлено.