III.2Исследование рынка и маркетинг

Nondzu/zephyr-speakleash-007-pl-8192-32-16-0.05 — чат-модель SpeakLeash на архитектуре Mistral, представленная в формате PyTorch и safetensors. Она предназначена для генерации текста и ответов на инструкции в шаблоне Alpaca; метаданные указывают 7,1 млрд параметров и контекст до 32 768 токенов. В README упоминается GGUF, но подробностей о таком варианте нет. Модель поддерживает польский язык, о других языках сведений недостаточно. Лицензия — MIT.

Это разговорная языковая модель на архитектуре Mistral с 7,1 млрд параметров, дообученная ShenaoZhang на основе ShenaoZhang/0.001_4iters_bs256_nodpo_only4w_userresponse_iter_2. Модель предназначена для генерации текста и ответов в диалоге; в карточке также указано обучение на обновлённом и исходном наборах данных. Модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. Опубликована в формате safetensors под лицензией MIT. Карточка не содержит подробностей об оценке качества, рекомендуемых сценариях и известных ограничениях.

Модель ShenaoZhang/0.0_ablation_4iters_bs128_nodpo_iter_2 — дообученная версия ShenaoZhang/0.0_ablation_4iters_bs128_nodpo_iter_1, опубликованная ShenaoZhang. Это плотная авторегрессионная языковая модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. В метаданных указаны контекст до 32 768 токенов, формат safetensors и лицензия MIT. Карточка связывает дообучение с наборами данных updated и original, но не описывает их содержание, методику обучения или результаты оценки. Поэтому конкретные сильные стороны и области применения сверх генерации текста и чата не подтверждены. Модель принимает текст и выдаёт текст; сведений о целевых языках нет.

AceGPT-v2-8B — генеративная языковая модель, разработанная исследователями KAUST, Китайского университета Гонконга в Шэньчжэне и Shenzhen Research Institute of Big Data. Это версия семейства AceGPT на 8 млрд параметров, полностью дообученная на базе Meta-Llama-3-8B; модель использует плотную архитектуру Llama и принимает и выдаёт текст. Она предназначена прежде всего для генерации и продолжения текста на арабском языке, включая ответы на вопросы и диалоговые сценарии; также оценивается на английских и китайских заданиях. Для оптимизированной диалоговой версии семейства существует отдельный вариант AceGPT-chat. Модель имеет контекст длиной до 8192 токенов и опубликована в формате safetensors. В README приведены результаты сравнительных тестов на арабских, английских и китайских бенчмарках. Лицензия — Apache-2.0.

Argonne 4.5-decision — англоязычная модель PursuitOfDataScience на архитектуре Argonne2 с 2,1 млрд параметров и контекстом 13 568 токенов. Это дообучение argonne-4.5-base-ctx13568 с дополнительной головой для принятия решений; вместо генерации текста модель за один проход оценивает заданные варианты и возвращает вероятности. Модель предназначена для классификации без примеров, выбора из 2–255 вариантов, выставления оценки по заданной шкале и оценки вероятности истинности утверждения. Она подходит, например, для маршрутизации обращений, классификации намерений и проверки условий, сформулированных в вопросе. В описанных тестах точность на разных наборах задач в среднем выше, чем у DeBERTa-v3-large zero-shot и BART-large-MNLI, а вероятности для некоторых типов вопросов хорошо откалиброваны. Качество зависит от задачи: на Banking77 точность составляет 62,5%, что заметно ниже опубликованного результата Jev в 81,1%; на незнакомых задачах «да/нет» вероятности могут смещаться к середине, поэтому порог стоит подбирать на размеченных примерах. Модель принимает только английский текст, не объясняет решения, а тексты длиннее 13 568 токенов обрезаются. Репозиторий использует PyTorch, Transformers и safetensors; лицензия — Apache-2.0.

BERTIN-GPT-J-6B Alpaca — испаноязычная авторегрессионная языковая модель на архитектуре GPT-J, разработанная проектом BERTIN и дообученная на испанском переводе набора Alpaca. Она предназначена для генерации ответов на инструкции и выполнения задач, заданных естественным языком, например, для создания черновиков и ответов на вопросы. Модель имеет около 6 млрд параметров и контекстное окно 2048 токенов; для работы в README приведён пример с Transformers. Модель обучали три эпохи на одном TPUv3-8. В README приведены результаты оценивания на ARC и HellaSwag, однако они не дают полной картины качества для прикладных задач. Лицензия модели — OpenRAIL. README также указывает, что использованный набор данных нельзя применять для создания моделей, конкурирующих с OpenAI.

Модель msislam/code-mixed-language-detection-XLMRoberta предназначена для определения языка каждого токена и границ переключения языков в смешанном тексте. Автор дообучил XLM-RoBERTa-base для токенной классификации на подготовленных данных корпуса Multilingual Amazon Reviews Corpus. Модель поддерживает немецкий, английский, испанский и французский языки. Она принимает текст и возвращает метку языка для каждого токена, что позволяет анализировать переключение языков внутри предложений. Размер модели — 305,2 млн параметров, максимальный контекст — 514 токенов. В репозитории доступны веса PyTorch и Safetensors. Модель может ошибаться на коротких фрагментах другого языка внутри предложения, в имён собственных и отдельных межъязыковых словах; предсказания также зависят от пунктуации. Лицензия в предоставленных данных не указана.

Danny-Odin — объединённая языковая модель Edens-Gate на архитектуре Gemma 2, созданная с помощью mergekit методом task arithmetic. В качестве базовой модели использована Edens-Gate/Danny-Test, а Delta-Vector/Odin-9B добавлена в слияние с весом 0,1. Модель содержит 7,1 млрд параметров и работает с контекстом до 8192 токенов. Модель предназначена для генерации текста и чат-диалогов. Её можно применять для творческого письма и ролевых бесед — такие сценарии указаны для базовой модели в метаданных. Репозиторий использует формат safetensors и библиотеку Transformers. Языки и лицензия в предоставленных данных не обозначены.

Карточка модели elyza/ELYZA-japanese-Llama-2-7b-fast на Hugging Face совпадает с карточкой elyza/ELYZA-japanese-Llama-2-7b-instruct, поэтому описание составлено по ней. ELYZA-japanese-Llama-2-7b-instruct — языковая модель ELYZA на архитектуре Llama 2, предназначенная для генерации текста и инструкционного диалога. Модель расширяет способности Llama 2 к японскому языку дополнительным предварительным обучением; в карточке она указана как версия instruct семейства ELYZA-japanese-Llama-2-7b. Разработчики: Akira Sasaki, Masato Hirakawa, Shintaro Horie и Tomoaki Nakamura. Модель содержит около 6,6 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текст, выдавая текст. Контекст составляет 4096 токенов. В метаданных указаны японский и английский языки; основное назначение — работа с японским текстом, включая ответы по инструкциям и генерацию. Модель распространяется по лицензии Llama 2. Карточка не приводит подробных оценок качества или ограничений; как и другие языковые модели, она может выдавать неточные или вымышленные сведения.

flammen18-mistral-7B — языковая модель FlammenAI, созданная слиянием предварительно обученных моделей Mistral 7B с помощью mergekit и метода Model Stock. Она предназначена для ролевых диалогов с персонажами, творческого письма и задач общего текстового общения. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В слиянии участвовали модели Flammen, Kunoichi, Suppe, Gutenberg DPO и специализированные варианты для математики и достоверности. Метаданные указывают формат safetensors и библиотеку Transformers. Модель генерирует текст по текстовому запросу. README не сообщает о языковом охвате или оценках качества, поэтому эти характеристики нельзя уточнить. Модель распространяется по лицензии Apache-2.0.

Gemini 2.5 Flash-Lite — облегчённая модель рассуждений семейства Gemini 2.5 от Google. Она предназначена для сценариев, где важны низкая задержка, высокая пропускная способность и экономичность; в карточке также заявлено улучшение скорости генерации токенов и производительности. Метаданные каталога относят модель к задаче image-text-to-text, поэтому её можно использовать для обработки запросов с изображениями и текстовыми ответами. В доступных сведениях не приведены размер модели, длина контекста, поддерживаемые языки, лицензия или подробности архитектуры. Также нет конкретных результатов оценки качества: заявления о производительности и скорости приведены без численных показателей.

Metin разработал Gemma-2-9b-it-TR-DPO-V1 — дообученную диалоговую языковую модель на 9 млрд параметров, основанную на google/gemma-2-9b-it. Модель использует плотную архитектуру Gemma 2 и предназначена для генерации текста и ответов на инструкции на турецком языке. Контекстное окно составляет 8192 токена. Модель обучена методом DPO с QLoRA на синтетическом наборе из 10 тысяч примеров предпочтений. По сравнению с базовой моделью она нацелена на более связные, беглые и подробные ответы по-турецки; README приводит результаты нескольких турецких бенчмарков. Она подходит для диалога, ответов на вопросы и генерации развернутых ответов на инструкции. Модель распространяется под лицензией Gemma. Она может выдавать ошибочные или бессмысленные ответы, поэтому результаты следует проверять перед использованием.

Gemma-2B-Arabic-mobile — компактная языковая модель на основе Google Gemma 2 2B, подготовленная для генерации текста с приоритетом арабского языка и поддержкой английского. Репозиторий содержит веса в формате GGUF и ориентирован на запуск на мобильных и периферийных устройствах; в карточке указано около 2,6 млрд параметров и размер около 1,4 ГБ. Модель предназначена для арабоязычной генерации и диалога, модерации контента, помощи с переводом между арабским и английским, а также для многоязычных чат-ботов поддержки. Разработчик заявляет оптимизацию для арабского NLP и сильную поддержку английского, однако независимые результаты оценки качества не приведены. Лицензия Gemma; применяйте модель в соответствии с её условиями.

GemmaX2-28-9B-v0.1 — языковая модель Xiaomi для машинного перевода. Она основана на архитектуре Gemma 2 и дообучена методом supervised fine-tuning на инструкциях по переводу; базовая модель предварительно обучалась на текстах и параллельных данных на 28 языках. Модель содержит 9 млрд параметров, принимает и генерирует текст, работает через библиотеку Transformers и имеет контекстное окно 8192 токена. Модель предназначена для перевода между поддерживаемыми языками, в том числе в сценариях, где перевод задаётся инструкцией в чате. Поддерживаемые языки: арабский, бенгальский, чешский, немецкий, английский, испанский, персидский, французский, иврит, хинди, индонезийский, итальянский, японский, кхмерский, корейский, лаосский, малайский, бирманский, нидерландский, польский, португальский, русский, тайский, тагальский, турецкий, урду, вьетнамский и китайский. Лицензия — Gemma; условия её применения следует сверять с лицензией модели.

GRMR-3B-Instruct — модель, разработанная qingy2024 на основе Qwen 2.5 3B и дообученная для исправления грамматики, повышения ясности и улучшения читаемости текста с сохранением исходного смысла. Она принимает текст и возвращает его отредактированную версию; модель рассчитана на задачи корректуры и редактирования прозы. Архитектура — плотная Qwen2, около 3,1 млрд параметров, контекст — до 32 768 токенов. В карточке рекомендуется температура 0.0 и repeat penalty 1.0. Лицензия — Apache-2.0.

Hunyuan-MT-7B-GGUF — это GGUF-квантизированная версия модели Hunyuan-MT-7B, разработанной Tencent и преобразованной в различные форматы квантования пользователем mradermacher. Модель предназначена прежде всего для задач машинного перевода и поддерживает работу с текстом между китайским, английским, французским, португальским, испанским, японским, турецким, русским, арабским, корейским, тайским, итальянским, немецким, вьетнамским, малайским, индонезийским, филиппинским, хинди, польским, чешским, нидерландским, кхмерским, бирманским, персидским, гуджарати, урду, телугу, маратхи, ивритом, бенгальским, тамильским, украинским, тибетским, казахским, монгольским и уйгурским языками. Модель имеет размер 7B параметров; конкретная архитектура и размер контекстного окна в README не указаны. Распространяется в формате GGUF с вариантами квантования Q2_K, Q3_K, IQ4_XS, Q4_K, Q5_K, Q6_K, Q8_0 и f16. Размер файлов составляет примерно от 3,1 до 15,1 ГБ. Более компактные варианты удобны для запуска при ограниченных ресурсах, но могут уступать по качеству; Q4_K_S и Q4_K_M отмечены как быстрые и рекомендуемые, Q6_K — как обеспечивающий очень хорошее качество, а Q8_0 — как быстрый вариант с наилучшим качеством среди перечисленных. README не содержит сведений о лицензии, точных показателях качества, системных требованиях или ограничениях применения. Для использования GGUF-файлов потребуется совместимое программное обеспечение, например инструменты экосистемы llama.cpp.

Tencent Hy-MT2-30B-A3B-GGUF — это квантованный формат GGUF семейства Hy-MT2, разработанного Tencent для быстрого машинного перевода в сложных реальных сценариях. Модель предназначена для общего, делового, специализированного и ориентированного на инструкции перевода, а также может использоваться в приложениях на базе llama.cpp. Модель построена на архитектуре Mixture-of-Experts (MoE) с конфигурацией 30B-A3B и поддерживает перевод между 33 языками, включая китайский, английский, французский, немецкий, испанский, португальский, японский, корейский, русский, арабский, хинди, турецкий и другие языки, перечисленные в карточке. Поддержка модальности ограничена текстом. Формат GGUF облегчает локальное развертывание, однако в README не указаны точный размер файлов, требования к памяти, длина контекста и конкретные параметры квантования. К сильным сторонам относятся высокая скорость рассуждений и заявленная конкурентоспособность в многоязычном переводе, включая деловые, предметные и инструкционные задачи. Ограничениями являются отсутствие в карточке детальных независимых результатов именно для GGUF-варианта, а также неполная информация о производительности и системных требованиях. Модель распространяется по лицензии Apache-2.0.

ITT-AF/ITT-Yi-Ko-6B-v3.0 — дообученная языковая модель, созданная на основе beomi/Yi-Ko-6B на пользовательском наборе данных. Это плотная авторегрессионная модель семейства Llama с 5,9 млрд параметров, предназначенная для генерации текста. Веса опубликованы в формате safetensors; модельный репозиторий создан 31 января 2024 года. Карточка не описывает состав обучающего набора, конкретные сценарии применения, результаты оценки или специальные языковые возможности. Указаны контекст длиной 2048 токенов и лицензия CC BY-NC 4.0, которая ограничивает использование некоммерческими условиями.

Jamet-L3-Stheno-BlackOasis-8B — объединённая языковая модель на архитектуре Llama, созданная автором репозитория с помощью LazyMergekit на основе Sao10K/L3-8B-Stheno-v3.2, grimjim/Llama-3-Oasis-v1-OAS-8B и Hastagaras/Jamet-8B-L3-MK.V-Blackroot. Модель содержит 7,5 млрд параметров, использует формат safetensors, представлена в bfloat16 и имеет контекст до 8192 токенов. Модель предназначена для генерации текста и разговорных сценариев на английском языке, в том числе ролевых диалогов, написания историй и выполнения инструкций — такие применения описаны для базовой модели. Репозиторий помечен как не предназначенный для всех аудиторий. Лицензия — Llama 3 License.

KafkaLM 70B German V0.1 GGUF — это квантизированная версия языковой модели KafkaLM 70B German V0.1, разработанной Seedbox и преобразованной в формат GGUF пользователем TheBloke. Модель основана на архитектуре Llama и предназначена для генерации текста и диалогового взаимодействия преимущественно на немецком языке. Для обучения или дообучения указано использование набора данных seedboxai/multitask_german_examples_32k. Модель имеет около 70 миллиардов параметров и работает с текстовой модальностью. Репозиторий содержит варианты GGUF с разрядностью от 2 до 8 бит, что позволяет выбирать компромисс между качеством, потреблением памяти и скоростью работы. Формат поддерживается llama.cpp и рядом локальных интерфейсов и библиотек, включая text-generation-webui, KoboldCpp, GPT4All, LM Studio и llama-cpp-python. В README приведён шаблон запросов Zephyr с отдельными ролями system, user и assistant. Размер контекста и дополнительные языки явно не указаны. Сильными сторонами модели являются специализация на немецком языке, большой размер и возможность локального запуска на CPU и GPU благодаря квантизации. Ограничения включают зависимость качества и требований к памяти от выбранного варианта квантизации, а также отсутствие в представленных данных подробных результатов оценки, сведений о мультимодальности и характеристик контекстного окна. Для модели указана лицензия llama2.

Keiana-L3-Test6-8B-16 — разговорная языковая модель, созданная Kaoeiri слиянием моделей через LazyMergekit. В репозитории указаны Sao10K/L3-Solana-8B-v1 и Kaoeiri/Keiana-L3-Test4.7-8B-3; конфигурация также называет Kaoeiri/Keiana-L3-Test5.75-8B-13.5 базовой моделью. Архитектура — плотная LlamaForCausalLM с 7,5 млрд параметров; модель принимает текст и генерирует текст, поддерживает контекст до 8192 токенов. Модель предназначена для диалоговой генерации текста. README предупреждает, что слияние обычно не тестировалось и может приводить к ошибкам словаря, поэтому качество ответов следует проверять. Лицензия CC BY-NC-ND 4.0 запрещает коммерческое использование и распространение производных версий.

KoVicuna — дообученная языковая модель на архитектуре Llama, созданная June Lee на основе Vicuna. Модель содержит 6,6 млрд параметров и предназначена для генерации текста, в том числе на корейском и английском языках. Модель опубликована в формате PyTorch и имеет контекстное окно 2048 токенов. Карточка не приводит оценок качества или подробных сценариев применения. Лицензия в предоставленных данных не указана.

ksong-1-12bv1m2 — языковая модель для генерации текста и диалогов, созданная объединением моделей методом SLERP через mergekit. В конфигурации указаны LatitudeGames/Muse-12B и PocketDoc/Dans-PersonalityEngine-V1.3.0-12b; метаданные связывают её с LatitudeGames/Muse-12B. Модель основана на плотной архитектуре Mistral и содержит 9,8 млрд параметров. Она предназначена для чат-сценариев, ролевых диалогов и генерации повествовательного текста; базовая Muse-12B описана как модель для связной прозы с эмоциональной глубиной. Указан контекст до 131 072 токенов. Репозиторий содержит веса Safetensors в формате bfloat16. Лицензия — Apache-2.0.

KULLM-Mistral-S — разговорная языковая модель проекта KULLM, дообученная на базе mistralai/Mistral-7B-Instruct-v0.2 с использованием датасета KULLM и подготовленных вручную инструкций. Она предназначена для диалога и генерации ответов по текстовым запросам. Модель построена на плотной архитектуре Mistral и содержит 7,1 млрд параметров. Она принимает и генерирует текст, поддерживает корейский язык, имеет контекст длиной до 32 768 токенов и распространяется в формате safetensors по лицензии Apache-2.0.

L3.3-Chimera-Prime-70B-i1-GGUF — квантизированная версия текстовой модели L3.3-Chimera-Prime-70B, разработанной m8than и подготовленной в формате GGUF пользователем mradermacher. Модель предназначена для генерации текста, диалоговых сценариев и ролевого взаимодействия; в карточке также указана направленность на uncensored-сценарии. Заявленный язык — английский. Размер исходной модели — 70 млрд параметров. Репозиторий содержит набор вариантов квантизации i1, включая IQ и Q-типы, объёмом примерно от 15,4 до 58 ГБ, а также imatrix-файл для самостоятельного создания квантов. Варианты различаются компромиссом между размером, скоростью и качеством: для Q4_K_M заявлены высокая скорость и рекомендация, а Q4_K_S отмечен как оптимальный баланс размера, скорости и качества; некоторые малые варианты имеют низкое качество. Архитектура, размер контекстного окна, дополнительные модальности и результаты сравнительных тестов в README не указаны. Лицензия — Apache-2.0.

L3-MS-Astoria-70b — экспериментальная диалоговая модель от SteelSkull, созданная методом Model Stock: объединяет несколько моделей на базе Llama 3. Она предназначена для универсальных запросов, написания историй и ролевых диалогов, включая контент для взрослой аудитории. Модель использует плотную архитектуру LlamaForCausalLM и содержит 69,5 млрд параметров. Она принимает текст и генерирует текст; заявленная длина контекста — 8192 токена. В README языки отдельно не перечислены. Модель основана на объединении NeverSleep/Llama-3-Lumimaid-70B-v0.1-alt, abacusai/Llama-3-Giraffe-70B, failspy/llama-3-70B-Instruct-abliterated и migtissera/Tess-2.0-Llama-3-70B-v0.2. Автор описывает модель как эксперимент и просит обратную связь; её сильная сторона — сочетание возможностей моделей для общих диалогов, сторителлинга и ролевых сценариев. Указанная лицензия — llama3. README предупреждает, что устранение сильнейшего направления отказа не гарантирует выполнение каждого запроса и что модель всё ещё может отказывать или отвечать с нравоучениями.

LelaStarling-7B — разговорная языковая модель, созданная luqmanxyz слиянием SanjiWatsuki/Lelantos-DPO-7B и berkeley-nest/Starling-LM-7B-alpha с помощью LazyMergekit. Модель построена на архитектуре Mistral с плотной структурой и содержит 7,1 млрд параметров; для генерации текста доступен контекст до 8192 токенов. Модель предназначена для диалогов и генерации ответов на текстовые запросы. В README приведены результаты Open LLM Leaderboard, включая оценки на AI2 Reasoning Challenge и HellaSwag. Базовая модель Starling-LM-7B-alpha ориентирована на англоязычные беседы; данных о целевой поддержке других языков нет. Модель распространяется в формате Safetensors по лицензии Apache-2.0.

Это LoRA-адаптер marianbasti для Llama 2 13B, обученный на переведённом наборе Alpaca на испанском языке. Он предназначен для разговорной генерации текста и должен применяться вместе с базовой моделью TheBloke/Llama-2-13B-fp16. В метаданных указаны архитектура LlamaForCausalLM, 12,9 млрд параметров у базовой модели, контекст 4096 токенов и библиотека Transformers; репозиторий содержит веса PyTorch. Адаптер нацелен на улучшение ответов Llama 2 на испанском и подходит для диалогов и выполнения инструкций на испанском языке. Автор сообщает об обучении в течение 0,75 эпохи с learning rate 2e-5 и LoRA scale 2. Для использования требуется базовая модель; сведения о лицензии указаны как llama2, поэтому применяются условия лицензии Llama 2.

IdaBagusAgung разработал эту дообученную языковую модель на базе unsloth/Llama-3.2-1B-Instruct-bnb-4bit. Это плотная автрорегрессионная модель семейства Llama 3.2 с 1,2 млрд параметров, предназначенная для генерации текста и диалогового общения. Карточка сообщает об обучении с использованием Unsloth и библиотеки TRL; репозиторий содержит веса в формате safetensors. Модель поддерживает контекст длиной до 131072 токенов и рассчитана на англоязычное общение. Модель подходит для создания диалоговых ответов и выполнения инструкций в приложениях на основе генерации текста. Лицензия — Apache 2.0. Карточка не описывает отдельные результаты обучения или специализированные области применения, поэтому качество на конкретных задачах по ней оценить нельзя.

weathermanj/llama3-40-layer — текстовая генеративная модель, созданная с помощью mergekit из слоёв meta-llama/Meta-Llama-3-8B-Instruct. При объединении методом passthrough взяты диапазоны слоёв [0, 20] и [12, 32], поэтому итоговая модель содержит 40 слоёв; веса представлены в формате safetensors, исходная конфигурация merge указывает на bfloat16. Модель предназначена для генерации текста и диалоговых ответов. Она основана на архитектуре Llama, имеет около 9,2 млрд параметров и контекст длиной до 8192 токенов. Метаданные указывают на возможность чата; описание базовой модели отмечает английский язык. Это экспериментальная производная модель: карточка описывает способ сборки, но не приводит сравнительных оценок качества или специализированных сценариев применения. Для использования и распространения следует учитывать лицензию базовой модели Meta-Llama-3-8B-Instruct.