III.2Исследование рынка и маркетинг

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

MiquSuperdark-70B-v1 — слитая чат-модель, созданная автором репозитория ddh0 на основе четырёх моделей семейства Miqu. Она предназначена для диалогов общего назначения и художественного письма; README отмечает, что версия v2 превосходит эту модель и рекомендует использовать её вместо v1. Модель использует плотную архитектуру Llama с 68,7 млрд параметров и контекстом до 32 764 токенов. Это текстовая модель: она принимает текстовые запросы и генерирует текстовые ответы. Для общения подходят форматы Alpaca и описанный в README формат без обязательных переводов строк. Модель получена методом DARE Linear merge. В смесь вошли sophosympatheia/Midnight-Miqu-70B-v1.5, NeverSleep/MiquMaid-v3-70B, maywell/miqu-evil-dpo и 152334H/miqu-1-70b-sf; токенизатор скопирован из последней. Лицензия в метаданных указана как unknown.

MotherEarth/MotherEarth-1.17 — объединённая диалоговая языковая модель, созданная с помощью mergekit методом SLERP на основе mlabonne/NeuralDaredevil-8B-abliterated и MotherEarth/MotherEarth-1.16. Это плотная модель семейства Llama с 7,5 млрд параметров, предназначенная для генерации текста и чата; поддерживает контекст до 8192 токенов. Модель принимает текст и генерирует текст. Репозиторий содержит веса в формате safetensors. Модель рассчитана на диалоговые сценарии и ролевые диалоги. В метаданных нет сведений о лицензии и специальных языках применения, поэтому условия лицензии здесь не приводятся.

MS-ManciousWriter-22B-v0.2 — объединённая модель для генерации текста, созданная с помощью mergekit методом TIES на основе allura-org/MS-Meadowlark-22B с включением anthracite-org/magnum-v4-22b. Это плотная авторегрессионная модель семейства Mistral с 22 млрд параметров; репозиторий содержит веса Safetensors, а для работы указана библиотека Transformers. Модель предназначена для диалоговой генерации и создания связной прозы. Базовая модель описана как англоязычная модель для диалогов, следования инструкциям и написания прозы; карточка этой версии не уточняет отдельные сценарии использования, языки или результаты оценки качества. Заявленная длина контекста составляет 131 072 токена. Лицензия в предоставленных данных не указана.

zelk12/MT3-Gen5-IF-gemma-2-Av4dMT2-9B_v1 — слитая модель для генерации диалогового текста на основе Gemma 2. Она создана с помощью mergekit методом SLERP из lemon07r/Gemma-2-Ataraxy-v4d-9B и zelk12/MT2-gemma-2-9B. Модель имеет плотную архитектуру Gemma2ForCausalLM, содержит 9 млрд параметров и принимает текстовый контекст длиной до 8192 токенов. Подходит для продолжения текста и диалоговой генерации; карточка не уточняет языки, специальные сценарии применения или результаты оценки качества. Файлы представлены в формате safetensors, библиотека для работы — Transformers. Условия лицензии в предоставленных данных не указаны.

zelk12/MT3-Gen5-MM-gemma-2-MT2Av4d-9B_v1 — слитая модель Gemma 2, созданная с помощью mergekit методом SLERP на основе lemon07r/Gemma-2-Ataraxy-v4d-9B и zelk12/MT2-gemma-2-9B. Это плотная авторегрессионная языковая модель с 9 млрд параметров, предназначенная для генерации текста и диалогов. Она принимает текст и выдаёт текст; заявленная длина контекста — 8192 токена. Модель подходит для творческого письма, создания историй и диалоговой генерации. Репозиторий содержит веса в формате safetensors и рассчитан на использование через Transformers. Лицензия в предоставленных данных не указана.

Negative-Anubis-70B-v1 — объединённая модель семейства Llama, созданная автором knifeayumu с помощью mergekit. Автор объединил SicariusSicariiStuff/Negative_LLAMA_70B и TheDrummer/Anubis-70B-v1 методом SLERP, чтобы сделать ответы более многословными и сбалансировать склонность Anubis к позитивной тональности. Модель содержит 69,5 млрд параметров, использует архитектуру LlamaForCausalLM и принимает текст для генерации текста; поддерживает диалоговый сценарий и интерфейс вызова инструментов. Родная длина контекста — 131 072 токена. Модель подходит для творческого письма, развернутых бесед и ролевых сценариев. В карточке указана лицензия llama3.3. Репозиторий содержит веса в формате safetensors; автор также указывает на отдельную GGUF-квантизацию. В README не приведены отдельные оценки качества или конкретные ограничения применения, поэтому фактическая устойчивость стиля и поведения может зависеть от запроса и настроек генерации.

Nermeen Persona — дообученная разговорная языковая модель, разработанная nermeen28 на базе unsloth/qwen2.5-3b-instruct-unsloth-bnb-4bit. Это плотная модель семейства Qwen2 с архитектурой Qwen2ForCausalLM и 3,1 млрд параметров; она предназначена для генерации текста и диалоговых сценариев. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 32 768 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель обучалась с использованием Unsloth и библиотеки TRL. Репозиторий содержит веса в формате safetensors. Указанная лицензия — Apache-2.0. Карточка не описывает специализацию персоны, результаты оценки качества или конкретные ограничения, поэтому эти свойства нельзя установить по доступным сведениям.

Harvinder6766/news_sentiment_sentence_v1 — модель классификации текста на основе DistilBERT, дообученная для анализа тональности новостных предложений. Она принимает текст и относит его к классам тональности; размер контекста составляет 512 токенов. Модель сохранена в формате Safetensors и распространяется по лицензии Apache-2.0. На указанной в карточке оценочной выборке модель достигла accuracy 0,7785 и loss 0,5339. Датасет, состав классов, языки и подробные сценарии применения в карточке не раскрыты, поэтому эти результаты не позволяют судить о качестве на других данных.

ODYSSEUS — дообученная разговорная языковая модель, опубликованная bijoy0236 на основе unsloth/qwen2.5-3b-instruct-unsloth-bnb-4bit. Это плотная модель семейства Qwen2 с архитектурой Qwen2ForCausalLM и 3,1 млрд параметров; она принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. В карточке заявлено, что модель обучалась с использованием Unsloth и библиотеки TRL для ускорения обучения. Модель предназначена для генерации текста в диалоговом формате и может использоваться для ведения беседы и интеграции в приложения с текстовым вводом и ответами. Метаданные отмечают интерфейс вызова инструментов, однако README не описывает специальную настройку или проверку этого режима. Указана поддержка английского языка. Модель распространяется по лицензии Apache-2.0; сведений о конкретных ограничениях качества или безопасного применения карточка не приводит.

openlm-3b-202407-grpo-obqa-v4 — разговорная модель генерации текста на базе архитектуры OpenLM, дообученная с помощью TRL. В карточке приведён пример диалогового ответа на открытый вопрос; модель предназначена для генерации продолжений и ответов в формате чата. Модель содержит 2,7 млрд параметров, использует плотную архитектуру OpenLM и принимает текст с контекстом до 2048 токенов. Репозиторий содержит веса в формате Safetensors. В метаданных указана лицензия, но её значение отсутствует, поэтому условия использования по доступным сведениям уточнить нельзя.

Это модель машинного перевода OPUS-MT для перевода текста с английского на португальский, разработанная на базе Helsinki-NLP/opus-mt-tc-big-en-pt. Она использует архитектуру MarianMT и содержит 156,8 млн параметров; модель предназначена для работы через Transformers-совместимые инструменты Marian. Для неё указан контекст длиной до 1024 токенов и обучение на данных OPUS. Модель подходит для перевода документов, статей и пользовательских сообщений с английского на португальский. В карточке исходной модели приведены оценки BLEU 50,4 на flores101-devtest и 49,6 на tatoeba-test-v2021-08-07; эти результаты не проверялись независимо для данного репозитория. Качество может меняться в зависимости от тематики и стиля текста. Репозиторий содержит зеркальную публикацию исходных весов в safetensors без дополнительной конвертации или дообучения. Лицензия — CC BY 4.0.

Карточка модели mijuanlo/opus-mt-es-ru на Hugging Face совпадает с карточкой Helsinki-NLP/opus-mt-es-ru, поэтому описание составлено по ней. Helsinki-NLP/opus-mt-es-ru — модель машинного перевода из испанского языка на русский, разработанная Helsinki-NLP в рамках проекта OPUS. Это Transformer-модель семейства MarianMT с архитектурой transformer-align, обученная на данных OPUS; перед обработкой применяются нормализация текста и токенизация SentencePiece. Размер модели — 57,6 млн параметров, максимальный контекст — 512 токенов. Доступны веса PyTorch и TensorFlow. Модель предназначена для перевода испанских текстов на русский, включая отдельные фразы и более длинные фрагменты в пределах контекста. В карточке приведены результаты на тестовых наборах newstest2012, newstest2013 и Tatoeba; качество зависит от тематики и формулировок текста. Распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-ko-en — модель машинного перевода из серии OPUS-MT, разработанной Helsinki-NLP на основе проекта Tatoeba-Challenge. Она переводит текст с корейского на английский и построена на архитектуре Transformer-align, представленной в библиотеке Marian. Модель содержит 58,4 млн параметров, использует нормализацию и SentencePiece с словарями по 32 тысячи токенов и рассчитана на контекст до 512 токенов. Модель предназначена для перевода корейских фраз и текстов на английский. В README приведён результат BLEU 41,3 и chr-F 0,588 на наборе Tatoeba-test.kor.eng; эти оценки относятся к указанному тестовому набору и не гарантируют такого же качества на других типах текстов. Репозиторий предоставляет веса в форматах PyTorch и TensorFlow. Лицензия — Apache-2.0.

google/paligemma-3b-ft-ocrvqa-896 — модель семейства PaliGemma от Google, дообученная для визуальных вопросов и ответов с чтением текста на изображениях (OCR-VQA). Это компактная модель «изображение-текст»: принимает изображение и текстовый запрос, а в ответ генерирует текст. Архитектура PaliGemma объединяет визуальный энкодер SigLIP и языковую модель Gemma; вариант рассчитан на разрешение изображений 896 пикселей по названию репозитория. Модель предназначена для одношагового взаимодействия: можно задавать вопросы об изображении, включая вопросы, требующие распознавания надписей, и получать текстовый ответ. Она не рассчитана на многоходовый диалог и лучше подходит для специализированных сценариев с чёткими запросами, чем для свободного общения. Лицензия — Gemma. Ответы могут содержать фактические ошибки, а качество снижается на сложных или неоднозначных запросах, тонких языковых нюансах и задачах, требующих здравого смысла. Модель может наследовать смещения обучающих данных; для использования в продуктах необходимы проверка ответов и меры безопасности.

mitkox/phi-2-super-OpenHermes-2.5-moe-mlx — разговорная языковая модель на архитектуре Phi-2, созданная как MoE-слияние моделей abacaj/phi-2-super и g-ronimo/phi-2-OpenHermes-2.5. Она предназначена для генерации текста и диалогового общения; репозиторий подготовлен для работы с MLX. Модель содержит 3,5 млрд параметров и поддерживает контекст длиной до 2048 токенов. Карточка не описывает качество модели или конкретные преимущества MoE-слияния. Метаданные указывают английский язык и возможность чата. Лицензия — MIT.

Модель stville/qwen25_1_5b_korean_unsloth — дообученная stville языковая модель семейства Qwen2.5 на 1,5 млрд параметров, основанная на unsloth/Qwen2.5-1.5B-bnb-4bit. Она предназначена для генерации текста. В README указано, что обучение проводилось с Unsloth и библиотекой TRL; метаданные задают контекстное окно до 32 768 токенов и формат safetensors. Карточка не описывает конкретную специализацию дообучения или оценку качества, поэтому сценарии применения следует выбирать с проверкой результатов. Модель распространяется по лицензии Apache-2.0.

Карточка модели DQN-Labs/qwen306b-rl-exp3 на Hugging Face совпадает с карточкой DQN-Labs/qwen306b-rl-exp1, поэтому описание составлено по ней. 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.

qwen3-8b-full-pretrain-junk-tweet-1m-en-sft — дообученная на наборе alpaca_en модель семейства Qwen3, разработанная пользователем shirley09221 на базе Qwen/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате и может использоваться для ответов на запросы и выполнения инструкций на английском языке. Модель имеет плотную архитектуру Qwen3ForCausalLM, содержит 7,6 млрд параметров и принимает контекст длиной до 40 960 токенов. Модель загружается через Transformers в формате safetensors. Базовая Qwen3-8B описана как многоязычная модель для генерации текста, рассуждений, следования инструкциям, работы с кодом и вызова инструментов, однако для этой версии карточка не подтверждает отдельные возможности сверх text-generation и диалогового режима. Лицензия указана как other; конкретные условия использования в карточке не раскрыты.

Qwen3.8 Omni Flash — мультимодальная модель рассуждений компании Alibaba, ориентированная на агентные сценарии. Она предназначена для анализа аудио- и видеоматериалов и подготовки их кратких сводок. В README заявлена встроенная поддержка понимания аудио и видео. Модель подходит для анализа аудио-видео материалов; в предоставленных данных не описаны её архитектура, размер, поддерживаемые языки, длина контекста и условия лицензии.

Модель valixonov04/qwen-7b-kiberbase — дообученная языковая модель семейства Qwen2, разработанная valixonov04 на основе unsloth/qwen2.5-7b-unsloth-bnb-4bit. Она предназначена для генерации текста и может использоваться в сценариях, где требуется создавать продолжения текста или ответы на текстовые запросы. Модель содержит 7,1 млрд параметров, построена на плотной архитектуре Qwen2ForCausalLM и поддерживает контекст до 131 072 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. В README не описаны специализированная область обучения, дополнительные навыки или оценки качества, поэтому её назначение следует считать общим текстовым генерированием. Метаданные карточки указывают английский язык; другие языки и качество на них не подтверждены.

Qwen-Dumb-Merged — дообученная языковая модель, опубликованная shimbaaa на основе unsloth/qwen2.5-0.5b-instruct-unsloth-bnb-4bit. Это плотная трансформерная модель семейства Qwen2 с архитектурой Qwen2ForCausalLM, предназначенная для генерации текста и диалогового взаимодействия. Модель содержит 494 млн параметров и поддерживает контекст до 32 768 токенов. Модель обучалась с использованием Unsloth и библиотеки Hugging Face TRL; в репозитории указаны веса safetensors. Метаданные отмечают интерфейс вызова инструментов, однако подробности его применения в карточке не приведены. Поддерживаемый язык, указанный в метаданных, — английский. Модель распространяется по лицензии Apache-2.0.

qwne34BshortSFT — дообученная модель Love2DL на основе Qwen/Qwen3-4B, созданная методом supervised fine-tuning на наборе sft_data. Это плотная причинно-языковая модель примерно на 3,7 млрд параметров для генерации текста и диалогов. Репозиторий использует библиотеку Transformers и формат Safetensors; заявленная длина контекста — до 40 960 токенов. Модель подходит для генерации ответов в диалоге и других задач текстовой генерации. Карточка не уточняет специализацию набора sft_data, языковой состав, результаты оценки и ограничения качества, поэтому узкие сценарии применения определить нельзя. Лицензия указана как other, без конкретных условий в предоставленных данных.

simplescaling/s1.1-1.5B — компактная плотная языковая модель семейства Qwen2, разработанная SimpleScaling как версия Qwen2.5-1.5B-Instruct, дообученная на наборе s1K-1.1. Она предназначена для генерации текста и диалоговых сценариев. Модель содержит 1,5 млрд параметров, работает через Transformers и принимает до 32 768 токенов контекста. Модель не проходила оценку качества; разработчики рекомендуют использовать вместо неё s1.1-32B. README не сообщает лицензию, поэтому условия использования по имеющимся данным определить нельзя.

sappha-2b-v3 — разговорная модель для генерации текста, созданная как дообучение Gemma 2B. По карточке, это менее экспериментальный вариант инструкционного QLoRA-файнтюна, обученный с помощью Unsloth; в метаданных указана архитектура GemmaForCausalLM с плотной структурой и 2,5 млрд параметров. Модель предназначена для диалога с пользователем и выполнения инструкций в формате ChatML; контекст — до 8192 токенов. В README приведены результаты на MMLU, HellaSwag и PIQA, где модель немного превосходит сравниваемые Gemma 2B IT и Dolphin 2.8 Gemma 2B на указанных настройках. Карточка не сообщает, на каких языках модель обучалась или проверялась, поэтому нельзя делать вывод о конкретной языковой специализации. Репозиторий содержит веса в формате Safetensors; лицензия — Gemma. README также упоминает GGUF-квантизации, но не приводит сами файлы или их параметры.

Это объединённая модель генерации текста, созданная ByteDance с помощью mergekit методом Linear из чекпойнтов unfiltered_midtrain_misalignment на шагах обучения 8k, 9k, 10k, 11k и 12k. Базой слияния указан чекпойнт global_step12019. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и предназначена для диалоговой генерации текста. Максимальная длина контекста составляет 16 384 токена. Модель может использоваться для генерации продолжений текста и ответов в чат-сценариях. В карточке нет сведений о языковой специализации, оценках качества или рекомендуемых областях применения. Файлы опубликованы в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

logicker/SkkuDS-DPO-72B-v1 — языковая модель Qwen1.5, дообученная методом Direct Preference Optimization на наборе Intel/orca_dpo_pairs. Она предназначена для диалогов и генерации текста. Модель использует плотную архитектуру Transformer decoder-only; в метаданных указаны 71 млрд параметров и контекст до 32 768 токенов. Поддерживается английский язык. Репозиторий содержит веса в формате safetensors. Лицензия обозначена как other, поэтому конкретные условия использования следует сверить с карточкой модели и правообладателем. Размер модели требует значительных ресурсов для запуска; качество за пределами английского языка и прикладных сценариев в карточке не описано.

student_qwen3_1p7b_clean4b_numseq_seq_kd — дообученная модель Qwen/Qwen3-1.7B, обученная с помощью TRL. Она предназначена для генерации текста и диалоговых ответов; карточка показывает запуск через конвейер text-generation с сообщением пользователя на входе. Модель использует плотную архитектуру Qwen3ForCausalLM, содержит 1,7 млрд параметров и поддерживает контекст длиной до 40 960 токенов. Базовая Qwen3-1.7B описана как компактная многоязычная модель для генерации текста, диалогов, рассуждений, кода и выполнения инструкций; карточка этой производной модели не уточняет отдельные языки или дополнительные специализированные возможности. Файлы опубликованы в формате safetensors. Лицензия в предоставленных данных не указана; перед использованием следует проверить условия базовой модели и репозитория.

Sakalti Tara-3.8B-v1.1 — языковая модель Sakalti для генерации текста и диалогового общения. Это плотная causal language model на архитектуре Llama с 3,7 млрд параметров, дообученная на базе Sakalti/tara-3.8B с помощью Unsloth и библиотеки TRL. В метаданных указана длина контекста 4096 токенов и поддержка английского и японского языков; среди данных для дообучения указан японский набор llm-jp/oasst2-33k-ja. Модель подходит для генерации ответов в чате и продолжения текста. Репозиторий содержит веса в формате safetensors, библиотека запуска — Transformers. Метаданные указывают лицензию MIT, тогда как README указывает Apache-2.0; лицензию следует уточнить перед использованием.

ThisWontWork2 — плотная языковая модель семейства Mistral, созданная автором Nohobby слиянием предварительно обученных моделей с помощью mergekit и метода della. В качестве базовой модели указана Nohobby/Carasique-v0.2; также в слияние вошли Nohobby/YetAnotherMerge-v0.7a и Nohobby/YetAnotherMerge-v0.7b. Модель предназначена для генерации текста. Она содержит 12,1 млрд параметров, использует архитектуру MistralForCausalLM и распространяется в формате safetensors для библиотеки Transformers. В метаданных заявлена длина контекста 1 024 000 токенов. Лицензия и конкретные языковые или предметные специализации в предоставленных данных не указаны. Практическое качество и ограничения слияния отдельно не описаны.