III.2Исследование рынка и маркетинг

trinhkhng/ties_Merged_Qwen2-0.5B_0.4 — объединённая причинно-языковая модель семейства Qwen2, созданная методом TIES с помощью mergekit. В качестве основы использована Qwen2-0.5B, а в объединение также включена debias_Qwen2-0.5B; размер модели составляет около 493,7 млн параметров. Модель предназначена для генерации текста и диалоговых сценариев. Она принимает текст и выдаёт текст, использует архитектуру Qwen2ForCausalLM и формат Safetensors. Заявленная длина контекста — 131 072 токена. Карточка не сообщает о поддерживаемых естественных языках или специальной области применения, поэтому модель можно рассматривать как языковую общего назначения. Веса объединены методом TIES с параметром lambda 0.4; в конфигурации указан тип данных float32. Слияние моделей само по себе не подтверждает качество или эффективность объединённых возможностей. Лицензия в предоставленных данных не указана.

TowerInstruct-7B-v0.1 — языковая модель Unbabel, Instituto Superior Técnico и CentraleSupélec University of Paris-Saclay, дообученная на TowerBase с использованием набора TowerBlocks. Модель построена на архитектуре Llama и содержит 6,6 млрд параметров; для хранения используются веса Safetensors, контекст — до 4096 токенов. Модель предназначена для перевода между английским, португальским, испанским, французским, немецким, нидерландским, итальянским, корейским, китайским и русским языками. Она также выполняет постредактирование машинного перевода, контекстный и терминологически управляемый перевод, распознавание именованных сущностей, исправление грамматических ошибок и перефразирование. Разработчики указывают, что качество и согласованность при переводе документов ещё улучшаются. Модель не предназначена для роли чат-бота или помощника по программированию, несмотря на обучение на диалоговых данных и инструкциях к коду. Она не выравнивалась по предпочтениям людей, поэтому может выдавать галлюцинации, вредоносный контент и недостоверные утверждения. Лицензия — CC-BY-NC-4.0; базовая модель Llama 2 распространяется по лицензии Llama 2 Community License.

Werewolf AI 3B — языковая модель на архитектуре Llama, разработанная hruddayansh и дообученная на базе unsloth/llama-3.2-3b-instruct-unsloth-bnb-4bit. Модель содержит 3,2 млрд параметров, принимает текст и предназначена для генерации текста в диалоговом формате; заявленный контекст составляет 131 072 токена. В карточке также отмечен интерфейс вызова инструментов. Модель подходит для диалоговых сценариев и генерации ответов на английском языке. Веса размещены в формате safetensors, лицензия — Apache 2.0. Карточка не описывает датасет или специализацию дообучения, поэтому её качество в конкретных предметных областях по имеющимся данным оценить нельзя.

X-Machina-7b-slerp-v0.0 — диалоговая языковая модель, созданная слиянием Occiglot-7b-es-en-instruct и T3Q-DPO-Mistral-7B методом SLERP с помощью LazyMergekit. Она предназначена для генерации текста и диалоговых ответов на английском и испанском языках. Модель использует плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате Safetensors. Модель подходит для чат-ботов и генерации ответов на запросы. Базовая модель Occiglot ориентирована на английский и испанский языки; документация не подтверждает дополнительные языки или отдельные специализированные задачи. Лицензия — Apache-2.0.

byroneverson/Yi-1.5-34B-Chat-abliterated — производная диалоговая модель, созданная byroneverson на основе 01-ai/Yi-1.5-34B-Chat. В карточке автор сообщает об abliterated-версии и ссылается на Jupyter notebook с описанием процесса; подробности этого процесса в README не приведены. Модель использует плотную архитектуру семейства Llama с классом LlamaForCausalLM и содержит 33,9 млрд параметров. Она предназначена для генерации текста в диалоге; метаданные указывают поддержку китайского и английского языков, контекст составляет 4096 токенов. Доступна в формате safetensors и рассчитана на библиотеку Transformers. Лицензия — Apache-2.0. README не приводит оценок качества, примеров использования или конкретных ограничений применения; abliterated-характер версии может влиять на поведение и требует самостоятельной оценки перед внедрением.

Это дообученная разговорная модель генерации текста ShenaoZ, созданная на основе ShenaoZ/0.0001_idpo_same_3itersn_iter_1 и обученная на обновлённом и исходном наборах данных. Модель построена на плотной архитектуре MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Она предназначена для диалоговой генерации текста. Репозиторий использует формат Safetensors; лицензия — MIT. Карточка не описывает конкретные сценарии, результаты оценки или ограничения качества, поэтому их нельзя установить по имеющимся сведениям.

Это дообученная модель Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров. Она создана на основе HuggingFaceH4/mistral-7b-sft-beta и дополнительно обучена методом DPO на датасете HuggingFaceH4/ultrafeedback_binarized. Модель предназначена для текстового общения и генерации ответов в диалоге; заявленная длина контекста — 32 768 токенов. Модель принимает текст и генерирует текст. Базовая модель дообучалась на англоязычных синтетических диалогах, поэтому английский — основной язык для общения; датасет дообучения указан в метаданных. Репозиторий содержит веса в формате safetensors. Лицензия — MIT. README не приводит результатов оценки качества или подробных ограничений.

Это экспериментальная чат-модель Shenao Zhang на архитектуре Mistral с 7,1 млрд параметров. Она получена дообучением HuggingFaceH4/mistral-7b-sft-beta на обновлённом и исходном наборах данных; модель предназначена для генерации текста и диалоговых ответов. Поддерживает контекст до 32 768 токенов и распространяется в формате safetensors по лицензии MIT. README не сообщает подробностей о тренировочных данных, оценке качества и ограничениях применения.

Это диалоговая языковая модель на архитектуре Mistral, дообученная автором ShenaoZhang на основе HuggingFaceH4/mistral-7b-sft-beta. Модель содержит 7,1 млрд параметров и предназначена для генерации текста и общения в формате чата; заявлены контекст до 32 768 токенов и веса в формате safetensors. Карточка указывает, что дообучение проводилось на наборах updated и original, но не раскрывает их состав, методику обучения или результаты оценки. Базовая модель описана как обученная на англоязычных синтетических диалогах, поэтому английский — основной предполагаемый язык применения. Модель распространяется по лицензии MIT.

Это диалоговая языковая модель ShenaoZhang, дообученная на обновлённом и исходном наборах данных на основе ShenaoZhang/0.1_4iters_bs256_nodpo_only4w_iter_2. Модель построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров; репозиторий использует формат Safetensors. Модель предназначена для генерации текста в диалоговом режиме. Заявленная длина контекста составляет 32 768 токенов. Карточка не описывает конкретные сценарии применения, языки, результаты оценки или ограничения качества. Лицензия — MIT.

AceGPT-v2-70B — генеративная языковая модель, разработанная исследователями King Abdullah University of Science and Technology (KAUST), Chinese University of Hong Kong, Shenzhen и Shenzhen Research Institute of Big Data. Это версия семейства AceGPT на 69,5 млрд параметров, дообученная на основе Meta-Llama-3-70B и ориентированная прежде всего на арабский язык. Модель использует плотную архитектуру Llama и принимает и выдаёт текст; заявленная длина контекста — 8192 токена. Модель предназначена для генерации текста и ответов на вопросы, особенно на арабском языке, а также поддерживает английский и китайский. Карточка приводит результаты оценок на арабских, английских и китайских тестах, но показанные примеры и описание коллекции не позволяют считать эту базовую версию специально оптимизированной для диалога: для диалоговых приложений разработчики выделяют вариант AceGPT-chat. Репозиторий содержит веса Safetensors и распространяется по лицензии Apache-2.0.

NbAiLab/borealis-open-12b — открытая инструктивно настроенная модель семейства Borealis, разработанная Национальной библиотекой Норвегии. Это дообучение Google Gemma 3 12B IT на наборе NbAiLab/aurora-sft-open для следования инструкциям с акцентом на норвежский язык. Модель поддерживает диалог и понимание изображений; репозиторий содержит веса safetensors для Transformers. Модель предназначена для написания и редактирования текстов на норвежском, суммаризации, ответов на вопросы и простых рассуждений, а также для работы с изображениями по текстовым инструкциям. Особое внимание уделено норвежскому букмолу и нюношку; также заявлено применение для английского языка. Это не специализированная модель рассуждений. Модель может галлюцинировать и выдавать неверные сведения; защитная настройка не исключает вредных или неподходящих ответов. Качество за пределами норвежского и английского языков изучено недостаточно, поэтому модель не следует использовать в критически важных сценариях без дополнительной проверки. Лицензия — Gemma.

mtheo/camembert-base-xnli — копия модели BaptisteDoyen/camembert-base-xnli, дообученной на французской части набора XNLI. Это модель семейства CamemBERT с архитектурой классификатора последовательностей, содержащая 137,8 млн параметров и принимающая текст длиной до 514 токенов. Модель предназначена для классификации текста без заранее заданных обучающих примеров: она сопоставляет текст с предложенными категориями, используя подход zero-shot classification на основе NLI. Основной сценарий — французский язык; на тестовой части XNLI указана точность 81,7%. Модель распространяется по лицензии MIT. README сообщает, что репозиторий является копией исходной модели, страница которой ранее возвращала ошибку 404.

chimera-ggobugi-solar-v1 — текстовая генеративная модель, созданная объединением трёх моделей Solar с помощью LazyMergekit и метода model_stock. В конфигурации указаны chihoonlee10/T3Q-ko-solar-dpo-v7.0, MoaData/Myrrh_solar_10.7b_3.0 и freewheelin/free-solar-evo-v0.11; базовой моделью конфигурации названа chihoonlee10/T3Q-ko-solar-dpo-v7.0. Модель имеет плотную архитектуру LlamaForCausalLM и около 10,6 млрд параметров. Она предназначена для генерации текста; описание базовой модели Free Solar Evo указывает на работу с корейским и английским языками. В метаданных указан контекст до 4096 токенов, а веса опубликованы в формате safetensors. README не приводит примеров качества или специализированных сценариев применения. Условия лицензии в предоставленных данных не указаны.

Chupacabra-7B-v2 — чат-модель Ray Hernandez на архитектуре Mistral, созданная слиянием весов моделей на базе Mistral методом SLERP. Разработчик сообщает, что при подготовке объединялись модели, обученные с применением SFT, DPO и других методов, однако точный состав слияния не приведён. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст; заявленный родной контекст — 32 768 токенов. В карточке указан английский язык и лицензия Apache 2.0. Модель предназначена для диалоговой генерации текста и ответов на запросы. Карточка приводит отдельные результаты Open LLM Leaderboard, но не описывает обучающие данные, полные метрики, ограничения или рекомендуемые сценарии применения. Поэтому качество в конкретных задачах и поведение модели требуют самостоятельной проверки.

Dans-07YahooAnswers-7b-Mistral-7B-Instruct-v0.2-slerp — объединённая диалоговая модель на архитектуре Mistral, созданная MaziyarPanahi методом SLERP из Mistral-7B-Instruct-v0.2 и Dans-DiscountModels/Dans-07YahooAnswers-7b. Модель содержит 7,1 млрд параметров и предназначена для генерации текста и ответов на инструкции в диалоговом формате. Модель принимает текст и выдаёт текст; максимальная длина контекста составляет 32 768 токенов. В названии и происхождении одной из объединённых моделей указан Yahoo Answers, поэтому модель может быть полезна для генерации ответов в стиле ответов на вопросы. Лицензия — Apache-2.0.

DataDecide-falcon-1B-6000062500650006750069369weightedavgmerge — объединённая языковая модель на 1,2 млрд параметров, созданная с помощью mergekit методом Linear из нескольких контрольных точек Falcon. В README базовой указана контрольная точка step69369; в объединение также вошли step60000, step62500, step65000 и step67500. Архитектура — плотная LlamaForCausalLM, библиотека для работы — Transformers, веса представлены в формате safetensors. Модель предназначена для генерации текста. Контекст составляет 2048 токенов. README и метаданные не уточняют поддерживаемые естественные языки и специализированные сценарии применения, поэтому её можно описать только как модель общего назначения. Данных о лицензии и известных ограничениях нет.

DatedGPT-2021-Instruct — англоязычная инструктивная чат-модель семейства DatedGPT, разработчик которой в карточке не указан. Это вариант с временным срезом знаний до 2021 года: модель обучена на данных, доступных к этой дате, и предназначена для прогнозирования без смещения из-за доступа к будущей информации и анализа с учётом временного среза. Модель основана на архитектуре LlamaForCausalLM, содержит около 1,3 млрд параметров и поддерживает контекст до 2048 токенов. Модель принимает текстовые инструкции и диалоговые запросы и генерирует текстовые ответы. Лицензия в доступных данных не указана. Знания ограничены данными до 2021 года; модель не проходила RLHF или настройку безопасности, поэтому может выдавать уверенно сформулированные, но неверные ответы.

laion/delphi-9e19-p67m33-k0p20-lr83-a002-wc386k_lr1e5-sft — разговорная языковая модель семейства Qwen3 с плотной архитектурой Qwen3ForCausalLM и 1,2 млрд параметров. По карточке, модель обучена с нуля на наборах wildchat_386k и delphi_warmup; формат весов — safetensors, библиотека — Transformers. Модель предназначена для генерации текста в диалоговом режиме. Контекст составляет 4096 токенов. В метаданных указана лицензия other; конкретные условия использования следует сверять с условиями репозитория. Карточка не приводит оценок качества и подробностей предполагаемых сценариев.

eibrahim/do-xrepo-model-3 — дообученная языковая модель семейства Qwen3 для генерации текста и диалогового общения. В README она описана как версия для корпоративных задач; архитектура в метаданных — плотная причинная модель Qwen3ForCausalLM с 6,6 млрд параметров, контекстом до 32 768 токенов и форматом safetensors. Указаны английский и китайский языки, интерфейс чата и лицензия Apache-2.0. Модель подходит для генерации ответов и диалогов в корпоративных сценариях. README приводит пример загрузки через Transformers, однако идентификатор в примере отличается от репозитория этой модели. Карточка не уточняет состав корпоративных задач, данные дообучения и сравнительные показатели качества.

ELYZA-japanese-Llama-2-fast-MoE-2x7B-v0.1 — японская языковая модель, созданная Aratako объединением через mergekit моделей elyza/ELYZA-japanese-Llama-2-7b-fast и elyza/ELYZA-japanese-Llama-2-7b-fast-instruct. Архитектура — Mixtral MoE для причинной генерации текста; в репозитории указано 6,7 млрд параметров, формат весов safetensors и контекст до 4096 токенов. Модель предназначена для генерации текста и ответов на запросы по-японски. В приведённом одношаговом japanese-mt-bench она получила средний балл 5,1625 против 4,8750 у instruct-базовой модели; результаты различаются по категориям, поэтому оценка не гарантирует превосходства на других задачах. Поддерживается японский язык. Лицензия — Llama 2 Community License, унаследованная от исходных моделей.

Experiment26-12B — текстовая авторегрессионная модель семейства Mistral с 12,3 млрд параметров, созданная yam-peleg с помощью LazyMergekit на основе семи копий yam-peleg/Experiment26-7B. Модель предназначена для генерации текста; карточка не описывает специализированные пользовательские сценарии или отдельные возможности помимо этой задачи. Модель принимает текст и генерирует текст, поддерживает английский язык и контекст до 32 768 токенов. В репозитории указаны веса в формате safetensors. Лицензия CC BY-NC 4.0 разрешает использование с соблюдением её условий, включая ограничения на коммерческое применение.

French-Alpaca-Llama3-8B-Instruct-v1.0 — языковая модель, разработанная Jonathan Pacifico в 2024 году и дообученная на инструкционном наборе French-Alpaca, созданном с помощью OpenAI GPT-3.5-turbo. Модель основана на Llama 3 8B Instruct и предназначена для диалогов и выполнения инструкций на французском языке; её также можно дообучать для специализированных задач. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров, работающая через Transformers и принимающая контекст до 8192 токенов. Карточка указывает французский язык; метаданные также отмечают английский. Модель распространяется в формате safetensors по лицензии Apache-2.0. Автор описывает её как быструю демонстрацию языковой специализации базовой модели на 8 млрд параметров. У модели нет механизмов модерации, поэтому она может выдавать неподходящие ответы; качество и безопасность для специализированного применения следует оценивать отдельно.

grimjim/gemma-3-12b-it-projection-abliterated — производная мультимодальная модель на основе Google Gemma 3 12B Instruct. К модели применена projected abliteration; после этой операции её не дообучали для исправления возможных повреждений. Она предназначена для диалогов и ответов на текстовые инструкции, в том числе с пониманием изображений. Автор сообщает, что модель реже отказывает в ответах, но сохраняет осведомлённость о рисках и вреде. В README также указана высокая оценка на UGI Leaderboard по соответствию запросам; подробности о методике и результатах не приведены. Модель загружается в формате safetensors через Transformers и распространяется по лицензии Gemma.

Sumail/Golden_Waves02_2b — объединённая разговорная языковая модель от Sumail, созданная с помощью mergekit методом SLERP из Sumail/Bubble_bee03_2b и 0x0dad0/nous_nb00. Это плотная Gemma-модель с 2,5 млрд параметров, предназначенная для генерации текста в диалоговом формате. Контекст составляет до 8192 токенов; модель распространяется в формате safetensors. Модель принимает текст и генерирует текст, поэтому подходит для диалоговых систем и генерации ответов. README не приводит результатов оценки качества или подробного описания языков и специализированных областей применения. Лицензия в предоставленных данных не указана.

Модель 11erlangga/grpo-qwen25-3b разработана 11erlangga и представляет собой дообученную методом GRPO модель Qwen2 для генерации текста и диалогов. Она основана на 11erlangga/sft-qwen25-3b-run1; при обучении использовались Unsloth и библиотека TRL от Hugging Face. Модель имеет плотную архитектуру Qwen2ForCausalLM и 3,1 млрд параметров. Она принимает текст, поддерживает контекст длиной до 32 768 токенов и ориентирована на английский язык. В карточке также заявлен интерфейс для вызова инструментов. Весовые файлы представлены в формате safetensors. Модель подходит для английских диалогов и генерации текста. Данных о качестве, конкретных результатах обучения GRPO и ограничениях применения в карточке нет. Лицензия — Apache-2.0.

immersyn2026/immersyn-pro — дообученная чат-модель на архитектуре Llama, разработанная immersyn2026 на базе unsloth/llama-3-8b-Instruct-bnb-4bit. Модель предназначена для генерации текста и диалоговых сценариев. В репозитории указаны 7,5 млрд параметров, контекст до 8192 токенов и формат Safetensors; при обучении использовались Unsloth и библиотека TRL. Модель поддерживает английский язык. Карточка не описывает специализацию, обучающие данные или сравнительные результаты, поэтому её сильные стороны в конкретных областях установить нельзя. Лицензия — Apache-2.0.

Jev-Style-0.8B-Decision-v3 — компактная текстовая модель компании Jev-Style, созданная полным дообучением Qwen/Qwen3.5-0.8B. Она оценивает варианты решения и возвращает вероятности, поддерживая классификацию намерений, выбор среди произвольного числа вариантов и несколько вопросов к одному описанию состояния. Модель содержит 581,4 млн параметров по метаданным и принимает до 25 600 токенов на весь вход; архитектура — плотная причинная языковая модель Qwen3.5. Репозиторий содержит веса safetensors в формате bf16 и реализацию для Transformers. Модель рассчитана на многоязычные решения и классификацию, в том числе определение намерения по набору кандидатов. В README сообщается о тестировании на 51 языке и о 77 вариантах, оценённых за один проход. Указанные в карточке метаданных языки включают английский, китайский, арабский, русский и другие. По лицензии Apache-2.0 модель можно использовать на её условиях. Модель оценивает заданные варианты и выдаёт вероятности; она не генерирует текст и не выполняет действия самостоятельно. Для длинных списков вариантов runtime может делить их на части; ограничения входа и заголовка запроса могут приводить к ошибке превышения бюджета. Результаты точности и сравнения в README получены на описанных авторами тестах и не гарантируют аналогичное качество на иных данных.

QuantFactory/Josiefied-Qwen2.5-7B-Instruct-abliterated-GGUF — квантизированная версия модели Josiefied-Qwen2.5-7B-Instruct-abliterated, созданная QuantFactory с использованием llama.cpp. Исходная модель разработана и профинансирована Gökdeniz Gülmez; она дообучена на базе Qwen/Qwen2.5-7B-Instruct и относится к семейству Qwen2. Модель предназначена для генерации текста и диалоговых сценариев, включая использование в качестве универсального ассистента. В карточке рекомендуется системная роль J.O.S.I.E.; также приведен шаблон Ollama с поддержкой сообщений, системных инструкций и вызовов инструментов. Модель имеет размер 7B параметров, работает с текстом и заявлена для английского, немецкого и других языков, точный список которых не указан. Доступна в формате GGUF, удобном для запуска через совместимые инструменты локального инференса. Данные о размере контекстного окна, конкретных вариантах квантизации и требованиях к оборудованию отсутствуют. К заявленным особенностям относятся повышенная «uncensored» направленность и дополнительное дообучение на пользовательском наборе данных. По опубликованным результатам Open LLM Leaderboard модель получила 73,17% на IFEval, 34,9% на BBH, 36,4% на MMLU-PRO, 9,62% на MuSR и 7,05% на GPQA; на MATH Level 5 указано 0% exact match. Эти результаты показывают заметную способность следовать инструкциям, но также существенные ограничения в сложном рассуждении и математике. В README отмечено, что существует более новая версия модели. Лицензия — Apache 2.0. Показатели приведены для исходной или связанной версии модели, поэтому их переносимость на конкретный GGUF-файл и выбранный уровень квантизации не гарантируется.

Korean-OpenOrca-13B — авторегрессионная языковая модель на архитектуре LLaMA 2, разработанная Кюджином Ханом (Kyujin Han) в рамках исследовательского консорциума компаний Media Group Saram과 Forest и Marker. Модель содержит 12,9 млрд параметров, принимает текст и генерирует текст; базовая модель — hyunseoki/ko-en-llama2-13b. Для дообучения использован набор OpenOrca-KO, созданный на основе переведённых примеров OpenOrca. Модель предназначена для генерации ответов и продолжения текста преимущественно на корейском языке, в том числе в сценариях следования инструкциям и ответов на вопросы. Контекст составляет 2048 токенов. В README приведены результаты на корейских бенчмарках, однако они не гарантируют качество на других задачах. Лицензия CC BY-NC-SA 4.0 требует указания авторства и ограничивает коммерческое использование.