III.2Исследование рынка и маркетинг

motherfucker0/zhen09 — языковая модель, созданная объединением предварительно обученных моделей motherfucker0/zhun02 и motherfucker0/zhun01 методом SLERP с помощью mergekit. Это плотная архитектура LlamaForCausalLM на 6,5 млрд параметров, предназначенная для генерации текста. Модель работает с контекстом до 4096 токенов и распространяется в формате safetensors. Карточка описывает объединение весов, но не приводит сведения о конкретных языках, специализированных сценариях или оценках качества. Лицензия в предоставленных данных не указана.

Zurich 7B GammaCorpus v2-1m — диалоговая языковая модель, созданная Rubenroy дообучением Qwen/Qwen2.5-7B-Instruct на наборе GammaCorpus v2-1m со структурированными многоходовыми диалогами. Она предназначена для генерации ответов в беседах и других текстовых сценариев. Модель построена на архитектуре Qwen2 с причинно-следственной языковой моделью; в карточке указаны 7,61 млрд параметров, 28 слоёв и контекст до 32 768 токенов. Модель принимает текст и генерирует текст, поддерживает английский язык. Для запуска используется Transformers; в метаданных также отмечен интерфейс вызова инструментов. Карточка не приводит сравнительных оценок качества, поэтому заявленное преимущество над моделями сходного размера не подтверждено указанными бенчмарками. Возможна генерация предвзятых ответов. Лицензия — Apache 2.0.

ShenaoZ/0.001_ablation_4iters_bs256_decalpha_iter_1 — дообученная авторами репозитория модель Mistral для генерации текста и общения в диалоговом формате. Она основана на HuggingFaceH4/mistral-7b-sft-beta и дообучена на наборе HuggingFaceH4/ultrafeedback_binarized; архитектура — плотная MistralForCausalLM с 7,1 млрд параметров. Модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. В метаданных указана лицензия MIT. README не содержит подробных сведений о назначении, оценке качества или ограничениях; по описанию базовой модели можно ориентироваться на ответы на вопросы и общение на английском языке.

Модель ShenaoZhang/0.001_idpo_same_replacechosen_iter_2 — дообученная разговорная языковая модель на архитектуре MistralForCausalLM. Она создана на основе ShenaoZhang/0.001_idpo_same_replacechosen_iter_1 и обучена на обновлённом и исходном наборах данных. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста в диалоговом формате. Репозиторий опубликован в формате Safetensors по лицензии MIT. В карточке не приведены сведения о целевых сценариях, оценках качества и ограничениях применения.

ABEJA-Qwen2.5-32b-Japanese-v1.0 — японская языковая модель, разработанная командой ABEJA. Она создана на основе японской версии ABEJA-Qwen2.5-32b-Japanese-v0.1, которая прошла непрерывное предварительное обучение на базе Qwen/Qwen2.5-32B-Instruct; затем модель дообучили методами SFT и DPO. В метаданных указаны плотная архитектура Qwen2, 32 млрд параметров, библиотека Transformers и контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогового взаимодействия на японском языке. Её можно применять для ответов на вопросы, подготовки и редактирования японских текстов, а также для диалоговых приложений. Метаданные также отмечают интерфейс вызова инструментов, однако README не описывает его поведение или качество. Модель распространяется под лицензией Apache-2.0. Данных о бенчмарках и конкретных ограничениях качества в карточке нет.

ALMA-7B-Ja-V2 — языковая модель для машинного перевода, разработанная webbigdata. Она предназначена прежде всего для перевода с японского на английский и с английского на японский; также поддерживает перевод между английским и немецким, китайским, исландским и чешским языками. Модель основана на плотной архитектуре LlamaForCausalLM, содержит 6,6 млрд параметров и имеет контекст 4096 токенов. В карточке приведены результаты оценки BLEU, chrF++ и COMET, включая сравнение с предыдущей версией и NLLB-200. Модель принимает текст и генерирует текст перевода. Лицензия — Llama 2. В README отмечено, что качество зависит от направления и жанра: например, результаты для классической литературы ниже, чем для ряда современных текстов. Авторы указывают, что ALMA-7B-Ja-V2 улучшает предыдущую версию, но это не гарантирует точность перевода для каждого текста.

Arco Reasoner v1.3 — компактная плотная языковая модель семейства Llama, разработанная appvoid и дообученная на appvoid/arco-interpreter-v1.2. Модель предназначена для генерации текста и диалогов на английском языке; заявленный сценарий рассуждений отражён в названии, но карточка не приводит отдельных оценок или описания специализированных возможностей. Модель содержит 464,4 млн параметров, принимает текст и генерирует текст. Нативная длина контекста составляет 8192 токена. Для обучения использовались Unsloth и библиотека TRL из экосистемы Hugging Face; веса доступны в формате PyTorch. Лицензия — Apache-2.0.

ReDiX/Artemide-3.5 — компактная диалоговая языковая модель, созданная ReDiX дообучением Microsoft Phi-3.5-mini-instruct на наборе ReDiX/DataForge. Датасет состоит из многошаговых диалогов на итальянском и английском языках. Модель построена на плотной архитектуре Phi-3 и содержит около 3,7 млрд параметров; она принимает текст и генерирует текст, поддерживает контекст длиной до 4096 токенов. Модель предназначена для диалогов и генерации ответов на итальянском и английском языках. В README приведены результаты оценки на итальянских вариантах MMLU, ARC и HellaSwag, однако они сами по себе не гарантируют качество в конкретных сценариях. Модель распространяется по лицензии MIT.

Bielik-4.5B-v3-Instruct — генеративная языковая модель с 4,6 млрд параметров, разработанная SpeakLeash совместно с вычислительным центром ACK Cyfronet AGH. Это инструктивно дообученная версия Bielik-4.5B-v3 с архитектурой причинного декодера, совместимой с семейством LLaMA и Mistral. Модель принимает текстовые запросы и ведёт диалог в формате ChatML. Модель предназначена прежде всего для общения на польском языке: она отвечает на вопросы и выполняет различные текстовые задачи. При обучении использовались польские корпуса, более 19 млн инструкций и многоходовые диалоги; для согласования ответов применялся метод DPO-Positive. Модель рассчитана на генерацию текста и не заявлена как специализированная для отдельных прикладных областей. Разработчики описывают её как демонстрацию возможностей дообучения базовой модели. Ответы могут содержать фактические ошибки, предвзятость или оскорбительное содержание: встроенных механизмов модерации нет. Лицензия — Apache 2.0.

NTQAI/chatntq-ja-7b-v1.0 — японская языковая модель NTQ AI для генерации текста и выполнения инструкций. Это декодерная модель на 7,1 млрд параметров, дообученная на наборах данных для следования инструкциям и построенная на базе Japanese Stable LM Base Gamma 7B. Архитектура — плотная MistralForCausalLM; модель распространяется в формате safetensors и рассчитана на использование с Transformers версии 4.34.0 или новее. Модель предназначена для японских диалоговых сценариев, ответов на запросы и генерации текста по инструкциям. В README приведён результат 6,65 в японском варианте MT-Bench; это оценка из карточки, а не гарантия качества на любых задачах. Метаданные указывают поддержку японского и английского языков, а длина контекста составляет 4096 токенов. Лицензия — Apache License 2.0.

ChindaMT-4B — открытая модель машинного перевода, разработанная iApp и дообученная на базе Qwen/Qwen3.5-4B. Она переводит с тайского на английский и с английского на тайский, а также следует дополнительным инструкциям о терминологии, регистре, длине и формате ответа. Модель Dense-архитектуры содержит 4 млрд параметров; обучение проводилось полным supervised fine-tuning на наборе Grounded из 1,97 млн записей. Модель предназначена для двунаправленного перевода и перевода с заданными правилами, включая рабочие тексты и документы в разных предметных областях. В карточке приведены сравнительные оценки на автоматических и человеческих проверках. Обучение использовало ограничение длины входа в 1024 токена; для длинных документов рекомендуется переводить текст по абзацам. Обязательные глоссарии и плейсхолдеры не входят в обучающий сигнал. Лицензия — Apache-2.0.

Dimensity-3B — диалоговая языковая модель семейства StableLM Epoch, представленная разработчиком Dimensity. Это плотная авторегрессионная модель с 2,7 млрд параметров и контекстом до 4096 токенов, предназначенная для открытого общения в роли ассистента. Модель обучена на общедоступных разговорных данных и поддерживает английский язык. Её можно использовать для диалогов с ассистентом и генерации ответов на текстовые запросы. Модель может выдавать правдоподобную, но фактически неверную информацию, а также воспроизводить вредные стереотипы или токсичный контент. Лицензия — MIT.

postbot/distilgpt2-emailgen — модель генерации текста, созданная дообучением distilgpt2 командой postbot на наборе примерно из 50 тысяч писем, включая aeslc. Она продолжает заданное начало письма, чтобы помочь быстрее составлять предсказуемые деловые сообщения; для управления продолжением ей нужен осмысленный текстовый фрагмент, и README отмечает, что формат и структура начального текста заметно влияют на результат. Модель основана на архитектуре GPT-2 и рассчитана на контекст до 1024 токенов. Веса опубликованы в форматах PyTorch и safetensors. Лицензия — Apache-2.0. Результаты генерации следует проверять перед отправкой: модель может предлагать ложные утверждения или менять смысл отрицаний. В README приведено значение loss 2,6247 на наборе оценки, но оно не гарантирует качество каждого продолжения.

EVA-Norns-Qwen2.5-v0.1 — языковая модель с архитектурой Qwen2, объединённая автором win10 из EVA-Qwen2.5-7B-v0.1 и Urdandi-Qwen2.5-7B методом TIES с помощью mergekit. Модель содержит 7,1 млрд параметров, работает через Transformers и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации текста и разговорного взаимодействия. Описание базовой модели указывает на сценарии ролевых диалогов, творческого письма и создания историй; объединённая модель может применяться в подобных задачах. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана. Качество и ограничения объединённого чекпойнта отдельно не описаны.

RyotaKadoya1993/fullymerged_v1_128_gen4 — дообученная плотная Llama-модель с 7,5 млрд параметров для генерации текста и диалоговых ответов. Модель создана RyotaKadoya1993 на основе RyotaKadoya1993/fullymerged_v1_128_gen3; при обучении использовались Unsloth и библиотека TRL. Она принимает текст и предназначена для общения и генерации ответов на английском языке. Контекст модели составляет 8192 токена, веса представлены в формате safetensors. Модель распространяется по лицензии Apache-2.0. Карточка не сообщает результатов оценки качества или конкретных специализаций; возможности за пределами генерации текста и диалога не подтверждены.

DavidAU разработал эту модель как дообученную версию DreamFast/gemma-3-12b-it-heretic на наборах данных GLM 4.7 Flash и Polaris. Это плотная модель семейства Gemma 3 с 12 млрд параметров для диалога, генерации текста и работы с изображениями. По карточке, контекстное окно составляет 128 тысяч токенов; модель принимает текст и изображения, а выдаёт текст. Переключаемый режим позволяет получать обычные инструкции или более подробные рассуждения, которые можно активировать фразой «think deeply:» или системным промптом. Модель рассчитана на творческое письмо, продолжение сюжетов и разговорные сценарии; в карточке также приведены результаты ряда тестов на общие знания и рассуждение. Автор описывает её как uncensored: она реже отказывает и может создавать взрослый контент, но для явной стилистики может потребоваться дополнительное направление в запросе. Карточка сообщает о лицензии Apache-2.0. Заявления о качестве и бенчмарках приведены автором и не являются независимой оценкой.

Germeo-7B-Laser — экспериментальная разговорная языковая модель, разработанная на базе Hermeo-7B и объединённая из leo-mistral-hessianai-7b-chat и DPOpenHermes-7B-v2. Это плотный авторегрессионный трансформер Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель понимает немецкий и английский, но предназначена преимущественно для ответов на немецком языке. Модель рассчитана на диалог, генерацию немецкого текста и понимание запросов на немецком и английском. В README автор описывает Laser-обучение на наборе LeoLM/OpenSchnabeltier как эксперимент, который должен усиливать немецкие возможности и снижать вероятность ответов на английском; приведены результаты языковых бенчмарков, но оценка обозначена как незавершённая. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Карточка модели RedHatAI/GLiNER2.5-Decide на Hugging Face совпадает с карточкой fastino/GLiNER2.5-Decide, поэтому описание составлено по ней. GLiNER2.5-Decide — англоязычная модель классификации Fastino из семейства GLiNER2.5. Она содержит 340 млн параметров и дообучена на базе fastino/gliner2-large-v1. Модель принимает текст и набор меток, заданный при вызове, и за один проход оценивает несколько задач классификации; результатом служат метка или несколько меток выше заданного порога, без генерации текста. Модель предназначена для операционной маршрутизации и классификации: определения намерений, тональности, тематики, типа документа, приоритета и срочности, а также модерации и направления обращений нужной команде или оператору. В README указана точность exact match 60,2% на англоязычном наборе fastino/fast-decisions. Модель не предназначена для рассуждений, объяснений и ответов на открытые вопросы; для многоязычного ввода автор рекомендует GLiNER2.5-multi-Decide. Лицензия — Apache-2.0.

Hemmingway-1-Q4_K_M-GGUF — это квантованная модель генерации текста в формате GGUF, созданная на основе Altworld/Hemmingway-1. Конвертацию выполнил пользователь или организация taniks с использованием llama.cpp и сервиса GGUF-my-repo. Модель предназначена для локального запуска через llama.cpp, включая работу в режиме командной строки и серверном режиме. Основные сценарии применения — генерация текста, диалоговые взаимодействия и творческое письмо на английском языке. В карточке указано окно контекста 2048 токенов для рекомендуемого запуска. Квантование Q4_K_M уменьшает требования к памяти и подходит для локального вывода, однако может снижать точность и качество по сравнению с полноразмерной версией. Архитектура, количество параметров, поддерживаемые модальности и дополнительные характеристики в README не указаны. Модель распространяется по лицензии Apache-2.0. Для использования требуется совместимое окружение llama.cpp; конкретные требования к объёму памяти и аппаратному ускорению зависят от используемого устройства и конфигурации сборки.

JARVIS — разговорная языковая модель, опубликованная VAIBHAV VERMA. Это плотная причинная трансформерная модель семейства GPT-NeoX с 3,5 млрд параметров, дообученная для диалогов. Она принимает текстовый запрос и генерирует текстовый ответ; карточка также указывает возможности генерации кода. Контекст модели составляет 2048 токенов. Модель предназначена для чат-ботов, виртуальных помощников, поддержки клиентов, диалоговых обучающих инструментов и интерактивных историй. В карточке указаны английский и хинди; упоминание Python относится к языку программирования, а не к поддерживаемому естественному языку. Указано вдохновение моделью OEvortex/vortex-3b, но базовая модель и точная связь с ней не подтверждены. Модель выпущена по лицензии Apache 2.0, допускающей коммерческое и некоммерческое использование с соблюдением её условий. Возможны некорректные, предвзятые или вводящие в заблуждение ответы; перед применением в чувствительных сценариях нужна проверка результатов. README содержит общие заявления о производительности, но не приводит конкретных оценок или результатов тестов.

KAL-24B-mx-v1-i1-GGUF — это квантованная версия инструкционной разговорной модели KAL-24B-mx-v1, разработанной SaptivaAI и дополнительно подготовленной с использованием LoRA. Квантование выполнено mradermacher в формате GGUF; в карточке также указана базовая принадлежность к семейству Mistral/Mistral3. Модель обучалась на наборе данных SaptivaAI/kal-mx-training-data. Модель предназначена для генерации текста, диалоговых сценариев и выполнения инструкций на испанском языке, включая контексты, связанные с Мексикой. Заявленный размер — 24 млрд параметров. Поддерживается только текстовая модальность; точная длина контекста и дополнительные языки в карточке не указаны. Доступны многочисленные варианты квантования с разным соотношением размера, скорости и качества, включая IQ- и Q-квантизации. Рекомендуются варианты i1-Q4_K_M и i1-Q4_K_S, тогда как наиболее компактные варианты могут заметно уступать по качеству. Сильной стороной модели являются специализированная испаноязычная инструкционная и разговорная настройка, а также возможность локального запуска через совместимые инструменты для GGUF. Ограничения связаны с потерями качества, характерными для квантованных версий, особенно при низкой разрядности; фактические показатели, качество рассуждений и поддерживаемый контекст в README не приведены. Модель распространяется по лицензии Apache 2.0.

Kielbasa — разговорная языковая модель, созданная jeiku с помощью mergekit. Это слияние методом DARE TIES на базе jeiku/Rosa_v1_3B с несколькими моделями StableLM Epoch, включая модели для диалогов, ролевых сценариев, следования инструкциям и моделирования теории разума. Модель предназначена для генерации текста и диалогов. Она имеет плотную архитектуру StableLMEpochForCausalLM, содержит 2,7 млрд параметров и поддерживает контекст длиной до 4096 токенов. Карточка модели указывает формат safetensors и интерфейс общения; сведения о лицензии и поддерживаемых языках отсутствуют в предоставленных данных.

Azazelle/L3-Hecate-8B-v1.0 — разговорная языковая модель, созданная слиянием предварительно обученных моделей с помощью mergekit. В основе лежит failspy/Meta-Llama-3-8B-Instruct-abliterated-v3; итоговая модель относится к архитектуре LlamaForCausalLM и содержит 7,5 млрд параметров. Модель предназначена для генерации текста в диалогах, включая сценарии общения и ролевые диалоги. Она принимает текст и выдаёт текст; заявленный контекст — 8192 токена. README описывает слияние нескольких моделей и LoRA-слияний с последующим ExPO, но не приводит сравнительных оценок качества. Модель распространяется под лицензией llama3. Карточка рекомендует параметры сэмплирования для генерации, однако не указывает поддерживаемые языки и специализированные предметные области.

LLaMAntino-2-chat-7b-hf-UltraChat-ITA — итальянская инструктивно дообученная языковая модель для диалогов, разработанная Pierpaolo Basile, Elio Musacchio, Marco Polignano, Lucia Siciliani, Giuseppe Fiameni, Giovanni Semeraro. Она основана на LLaMAntino-2-chat-7b, адаптированной для итальянского языка модели LLaMA 2 chat, и дообучена на итальянском переводе UltraChat с помощью QLoRA. Модель имеет архитектуру LLaMA 2, содержит 6,6 млрд параметров и принимает текстовые запросы, выдавая текст; контекст составляет 4096 токенов. Модель предназначена для италоязычного диалога и выполнения инструкций, в том числе для исследовательских сценариев обработки естественного языка. Для лучшего результата авторы рекомендуют использовать указанный в карточке шаблон диалога на основе формата LLaMA 2, адаптированный для итальянского языка. Оценка качества в карточке не приведена. Лицензия — Llama 2 Community License.

Это модель машинного перевода на базе архитектуры MarianMT, дообученная авторами huggingface-course на наборе данных KDE4 для перевода с английского на французский. Она содержит 55,6 млн параметров, принимает текст и имеет контекстное окно до 512 токенов. На указанном в карточке наборе оценки получены Loss 0,8559 и BLEU 52,9416. Модель подходит для перевода текстов с английского на французский; лицензия — Apache-2.0.

matricide-12B-Unslop-Unleashed-v2 — объединённая redrix модель для генерации текста и диалогов, созданная с помощью mergekit методом NuSLERP на основе MarinaraSpaghetti/NemoMix-Unleashed-12B и TheDrummer/UnslopNemo-12B-v4. Это плотная причинная языковая модель семейства Mistral с 12,1 млрд параметров; для общения используется шаблон ChatML. Модель ориентирована на ролевые диалоги, творческое письмо и ответы в разговорном формате. Автор описывает её как раннюю тестовую сборку: первые проверки показали стабильность и приемлемые ответы, но поведение на длинном контексте не оценено. Хотя в метаданных указан контекст до 1 024 000 токенов, README рекомендует ограничивать его примерно 20 000 токенами, поскольку связность может ухудшаться. Для повторного использования доступна отдельная GGUF-квантизация. Модель распространяется по лицензии Apache-2.0.

Mawared_GS — диалоговая языковая модель на базе Gemma 2 9B, опубликованная Daemontatox и дообученная на princeton-nlp/gemma-2-9b-it-SimPO. Модель построена на плотной архитектуре Gemma2ForCausalLM, содержит 9 млрд параметров и принимает текстовые запросы для генерации текста в формате диалога. Контекстное окно составляет 8192 токена. Модель подходит для генерации ответов и ведения текстового диалога. В карточке указано, что обучение выполнялось с Unsloth и библиотекой TRL. Репозиторий распространяется по лицензии Apache-2.0. Специализированная область применения и дополнительные возможности сверх текстовой генерации не заявлены.

MawaredHR/Mawared_T3 — дообученная Daemontatox языковая модель на архитектуре Mistral, основанная на nazimali/mistral-7b-v0.3-instruct-arabic. Она предназначена для генерации текста и диалогового взаимодействия. Модель содержит 7,5 млрд параметров, имеет контекстное окно до 131 072 токенов и опубликована в формате safetensors. В карточке указано, что при обучении использовались Unsloth и TRL. Модель распространяется по лицензии Apache-2.0. В метаданных заявлен английский язык, а базовая модель предназначена для арабского; конкретные языковые возможности Mawared_T3 и её специализация сверх генерации текста не описаны.

mrm8488 разработал эту модель, дообучив mBART-large-cc25 на датасете OPUS100 для перевода с английского на испанский. Это плотная модель архитектуры mBART для генерации перевода; она содержит 457,4 млн параметров и поддерживает контекст до 1024 токенов. Для тестового набора автор указывает оценку BLEU 32,54. Модель предназначена для машинного перевода английских текстов на испанский. Она может подойти для перевода фраз, документов и других текстовых материалов в сценариях, где направление перевода фиксировано. Веса доступны в форматах PyTorch и safetensors; лицензия в предоставленных данных не указана.

NeuraFusionAI выпустила дообученную на датасете FLORES модель перевода на основе T5-small с 38,5 млн параметров. Она предназначена для машинного перевода между китайским и английским языками; в карточке приведены результаты оценки: BLEU 0,4467 и loss 3,8438. Модель принимает текст и генерирует текст, имеет контекстное окно 512 токенов и распространяется в формате safetensors по лицензии Apache-2.0. Подробные сведения о направлении перевода и практических ограничениях в карточке отсутствуют.