III.2Исследование рынка и маркетинг

Faro-Yi-9B — чат-модель wenbopan, созданная на основе Yi-9B-200K путём масштабного дообучения на инструкциях из набора Fusang-V1. Это плотная причинно-языковая модель семейства Llama с 8,6 млрд параметров; репозиторий содержит веса Safetensors, а для диалога используется шаблон ChatML. Модель предназначена для ответов на инструкции и различных текстовых задач на английском и китайском языках, включая работу с длинными документами и сложными запросами. В README заявлена длина контекста до 200 тысяч токенов. В метаданных Hugging Face указано значение 32 768 токенов; для практического использования длинного контекста README приводит настройки vLLM и отмечает влияние квантизации AWQ на качество. В опубликованных автором тестах Faro-Yi-9B превосходит Yi-9B-200K по большинству приведённых показателей, в том числе по ряду тестов понимания длинного контекста; результаты кодогенерации в LongBench ниже, чем у базовой модели. Лицензия — MIT.

GeM2-Llamion-14B-Chat — чат-модель семейства GeM 2.0, разработанная компанией VAIV. Это плотная авторегрессионная модель на архитектуре LLaMA с 14,1 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Репозиторий содержит веса в формате safetensors; длина контекста составляет 4096 токенов. Llamion создана на основе Orion: разработчики преобразовали модель к стандартной архитектуре LLaMA с помощью сопоставления параметров и переноса знаний. Модель ориентирована на основные бизнес-задачи VAIV, однако конкретные отрасли и сценарии в карточке не перечислены. Лицензия — Apache-2.0.

Gemma-SEA-LION-v4-4B-VL — мультимодальная модель с 4 млрд параметров, разработанная командой AI Products Pillar организации AI Singapore при финансировании NRF Сингапура. Это дообученная на основе google/gemma-3-4b-it модель семейства Gemma 3 с архитектурой декодера, предназначенная для диалогов, генерации текста и ответов на вопросы по изображениям. Контекстное окно составляет 128 тыс. токенов. Модель адаптирована к языкам и культурному контексту Юго-Восточной Азии: индонезийскому, вьетнамскому, тайскому, филиппинскому, тамильскому, бирманскому и малайскому; также поддерживает английский и китайский. Обучение включало около 6,7 млн пар инструкций и текста. Карточка отмечает возможности вызова функций и визуального разбора на тайском, китайском и английском языках. Модель подходит для многоязычных диалоговых систем и анализа изображений с текстовыми запросами. Модель распространяется под лицензией Gemma. Она не прошла выравнивание по безопасности, не проверялась на устойчивость к состязательным запросам и может галлюцинировать или выдавать несогласованные с контекстом ответы; ответы следует проверять, а для прикладных систем может потребоваться дополнительная настройка безопасности.

GemMoE-Medium-v0.4 — языковая модель с разреженной архитектурой Mixture of Experts, разработанная Lucas под именем Crystalcareai. В README описан подход Branch Train Mix: четыре эксперта обучались отдельно, затем были объединены, а маршрутизатор дообучен при замороженных экспертах. Для маршрутизатора использовались четыре эпохи на Self-Discover-MM и две эпохи на TruthyDPO; маршрутизация выполняется по токенам. Модель предназначена для генерации текста и диалоговых сценариев. Метаданные указывают 8,2 млрд параметров и контекст до 8192 токенов; файлы опубликованы в формате safetensors. Автор отмечает экономию видеопамяти и конкурентное качество для размера модели, однако в карточке нет результатов сопоставимых бенчмарков. Лицензия в предоставленных данных не указана.

Geneva 12B GammaCorpus v2-50k — разговорная модель, разработанная Ruben Roy и дообученная на Mistral-Nemo-Instruct-2407 с использованием корпуса GammaCorpus v2-50k, содержащего структурированные многоходовые диалоги. Она предназначена для генерации текста, диалогов и следования инструкциям; в метаданных также указана поддержка интерфейса вызова инструментов. Модель построена на архитектуре Mistral с плотной причинной языковой моделью и содержит 12,1 млрд параметров. README указывает 40 слоёв, размерность 5120, SwiGLU, GQA и словарь примерно на 128 тысяч токенов. Заявленная в метаданных длина контекста — 1 024 000 токенов. Указаны английский, французский, немецкий, испанский, итальянский, португальский, русский, китайский и японский языки. Модель распространяется в формате safetensors через Transformers по лицензии Apache 2.0. README предупреждает о возможности предвзятых ответов; заявленное стремление превзойти модели аналогичного размера не подкреплено в карточке результатами сравнительной оценки.

GPT-OSS-NEMO-20B — дообученная с помощью SFT и LoRA модель OpenAI GPT-OSS-20B, представленная автором карточки как модель для многоязычных рассуждений и диалогов. Она использует архитектуру GPT-OSS с Mixture of Experts; в метаданных указано 1,6 млрд параметров, контекст — 131 072 токена. Карточка описывает обучение на наборе HuggingFaceH4/Multilingual-Thinking и заявляет поддержку английского, испанского, арабского, французского, немецкого, китайского, японского, корейского, хинди и русского языков. Модель предназначена для ответов на вопросы, многошагового решения задач и диалога на разных языках, в том числе с рассуждением на одном языке и ответом на другом. Она принимает текст и генерирует текст; автор заявляет возможность задавать язык рассуждений через системное сообщение. Репозиторий распространяется по лицензии Apache-2.0. Качество может различаться между языками, а рассуждения на языках с меньшим объёмом обучающих данных могут быть слабее. Факты в ответах следует проверять; модель также может воспроизводить смещения из обучающих данных.

HelpSteer-filtered-neural-chat-7b-v3-1-7B — объединённая языковая модель на базе Intel/neural-chat-7b-v3-1 и Weyaxi/HelpSteer-filtered-7B-Lora. Она предназначена для генерации текста и диалоговых сценариев. Модель использует плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Веса опубликованы в формате safetensors. Лицензия Apache-2.0 разрешает использование и распространение на её условиях. В карточке нет сведений о поддерживаемых языках и специализированных областях применения.

Ice0.50.1-16.01-RP — языковая модель на архитектуре Mistral, созданная объединением предварительно обученных моделей с помощью SLERP через mergekit. Репозиторий содержит веса Safetensors; размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов. Метаданные указывают поддержку диалогового режима и генерации текста. Модель подходит для диалогов и генерации ответов на текстовые запросы. README подтверждает объединение Ice0.40-20.11-RP и IceDrunkenCherryRP-7b-orpo-merged, однако их локальные пути не позволяют определить публичные идентификаторы базовых моделей. Лицензия в предоставленных данных не указана.

Llama-3-SauerkrautLM-70b-Instruct — диалоговая языковая модель, созданная VAGO Solutions совместно с Hyperspace.ai на основе Meta-Llama-3-70B-Instruct и настроенная с помощью DPO. Она предназначена для генерации ответов и ведения диалога на немецком и английском языках; в карточке приведены оценки на англоязычных и немецкоязычных тестах, включая MT-Bench и оценку RAG. Модель использует плотную архитектуру LlamaForCausalLM и содержит 69,5 млрд параметров. Контекст — до 8192 токенов. Доступны веса в формате safetensors. В README указана лицензия meta-llama, тогда как метаданные Hugging Face обозначают её как other; условия следует сверять с лицензией базовой модели и карточкой репозитория. Авторы предупреждают, что модель может выдавать неподходящий или неотфильтрованный контент и что её поведение не всегда будет уместным.

LLaMAX2-7B-Alpaca — многоязычная языковая модель семейства LLaMA, разработанная авторами проекта LLaMAX. Модель создана на основе Llama 2 с продолженным предобучением на корпусах для 102 языков и дообучением на англоязычном наборе инструкций Alpaca. Это плотная авторегрессионная архитектура LlamaForCausalLM с 6,6 млрд параметров и контекстом 4096 токенов. Модель предназначена для диалога и выполнения инструкций, особенно для перевода между более чем 100 языками. В README также описано применение как основы для многоязычных задач рассуждения, здравого смысла и распознавания языковых следствий; приведённые оценки перевода показывают улучшение относительно LLaMA2-Alpaca на Flores-101. Основной сценарий использования — генерация текста по запросу с инструкцией на перевод. Модель принимает и генерирует текст. Карточка заявляет поддержку более 100 языков, включая русский, английский, китайский, арабский и многие языки с ограниченными ресурсами. Распространяется в формате Safetensors по лицензии MIT.

Louis_GRC-7B-slerp-M1 — объединённая автором LouisGRC текстовая модель на архитектуре Mistral, созданная методом slerp с помощью LazyMergekit из liminerity/M7-7b и yam-peleg/Experiment20-7B. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Веса опубликованы в формате safetensors. Карточка не описывает специализированные области применения или результаты оценки качества; лицензия в предоставленных данных не указана.

MaLA-LM/lucky52-bloom-7b1-no-52 — мультиязычная модель BLOOM, дообученная с инструкциями на основе параллельного набора Bactrian-X. Это один из 52 чекпойнтов серии: при обучении в модель последовательно добавляли языки. Модель содержит 9,1 млрд параметров, использует плотную архитектуру BLOOM для причинной генерации текста и загружается через библиотеку Transformers; доступны веса PyTorch и Safetensors. Модель предназначена для генерации ответов на инструкции и вопросов на 52 языках, включая русский, английский, китайский, арабский, хинди и другие языки, перечисленные в карточке. Её можно применять для многоязычного диалога, ответов на вопросы и следования текстовым инструкциям. Карточка сообщает о сравнении серии моделей на трёх многоязычных бенчмарках, но не приводит здесь результатов конкретного чекпойнта. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

M7Yamshadowexperiment28_YamM7 — объединённая модель семейства Mistral, созданная из automerger/M7Yamshadowexperiment28-7B и automerger/YamM7-7B. Модель содержит 7,1 млрд параметров и использует архитектуру MistralForCausalLM; для работы с текстом доступен контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогов. Её можно использовать для составления ответов, продолжения текста и разговорного взаимодействия. В карточке модели не приведены сведения о специализации или языковом охвате. Модель распространяется по лицензии Apache-2.0. README не сообщает о результатах оценки качества или известных ограничениях.

Mawared_T1 — двуязычная языковая модель, разработанная Daemontatox и дообученная на базе arcee-ai/Meraj-Mini. Она использует плотную трансформерную архитектуру Qwen2 для генерации текста и диалогового взаимодействия. Размер модели — 7,1 млрд параметров, контекст — до 131 072 токенов. Модель предназначена для общения и создания контента на арабском и английском языках. Её можно использовать для чат-ботов и виртуальных помощников, составления текстов, кратких изложений и переводов между этими языками. В карточке также заявлено применение для образовательных материалов и многоязычного анализа текста. Модель распространяется в формате Safetensors по лицензии Apache-2.0. README сообщает о дообучении с использованием Unsloth и Hugging Face TRL, включая методы reinforcement learning; независимые показатели качества для арабского языка в карточке не приведены.

MergekitCloud создала Mergekit-77 — объединение двух предварительно обученных разговорных языковых моделей с помощью метода SLERP в mergekit. В основе лежит архитектура Mistral с плотной causal language model на 7,1 млрд параметров; модель распространяется в формате safetensors и рассчитана на контекст до 8192 токенов. Модель предназначена для генерации текста в диалогах: она принимает текстовые запросы и выдаёт текстовые ответы. В слиянии использованы FuseAI/FuseChat-7B-VaRM и Nexusflow/Starling-LM-7B-beta. Лицензия в предоставленных данных не указана.

mini-magnum-12b-v1.1 — диалоговая instruct-модель на архитектуре Mistral, обученная alpindale при участии команды, указанной в карточке. Она предназначена для генерации текста в формате беседы и использует шаблон запросов Mistral с маркерами [INST] и [/INST]. Модель содержит 12,1 млрд параметров, распространяется в формате safetensors и рассчитана на контекст до 1 024 000 токенов. В метаданных перечислены английский, французский, немецкий, испанский, итальянский, португальский, русский, китайский и японский языки. Лицензия — Apache-2.0. Карточка описывает формат промптинга и участников обучения, но не приводит подробностей об оценке качества или конкретных специализациях. Поэтому модель уместно рассматривать как универсальную разговорную модель; качество на отдельных языках и задачах следует проверять самостоятельно.

NickyNicky/Mistral-7B-OpenOrca-oasst_top1_2023-08-25-v1 — диалоговая языковая модель на архитектуре Mistral, созданная на основе Open-Orca/Mistral-7B-OpenOrca. В README также указан набор OpenAssistant/oasst_top1_2023-08-25; название модели указывает на версию, связанную с этим набором, но подробности обучения в карточке не приведены. Модель предназначена для генерации текста и диалоговых сценариев. Она содержит 7,1 млрд параметров, работает с текстом и имеет контекст длиной до 32 768 токенов. Карточка заявляет поддержку болгарского, каталанского, чешского, датского, немецкого, английского, испанского, французского, хорватского, венгерского, итальянского, нидерландского, польского, португальского, румынского, русского, словенского, шведского и украинского языков. Модель распространяется в формате PyTorch по лицензии Apache-2.0. Карточка не содержит результатов оценки качества или подробных сведений о поведении модели, поэтому качество ответов для конкретных языков и задач следует проверять отдельно.

Mistral-Large-3-675B-Instruct-2512-GGUF — это квантизированная GGUF-версия инструкционной модели Mistral Large 3, разработанной mistralai и подготовленной пользователем bartowski для запуска через llama.cpp и совместимые приложения, включая LM Studio. Модель предназначена для диалоговых сценариев и обработки текста, а также помечена как image-text-to-text, однако подробности о поддерживаемой работе с изображениями в README не приведены. Модель имеет заявленный размер 675B параметров и доступна в нескольких вариантах квантизации от Q8_0 до Q3 и IQ3/IQ4. Размер файлов составляет примерно от 279 до 716 ГБ, поэтому для запуска требуются значительные аппаратные ресурсы. Заявлены языки English, French, Spanish, German, Italian, Portuguese, Dutch, Chinese, Japanese, Korean и Arabic. Контекстное окно, точная архитектура и рекомендуемый формат промптов в README не указаны. Сильной стороной являются варианты Q6_K и Q5_K_M с качеством, близким к исходной модели, а также более компактные Q4- и IQ4-варианты с компромиссом между качеством и требованиями к памяти. Низкобитные варианты экономят место, но могут заметно уступать по качеству; часть форматов обозначена как устаревшая или нерекомендуемая. Модель распространяется по лицензии Apache-2.0.

zelk12/MT-Merge4-GP-gemma-2-MTg4MT4g4-9B — объединённая методом SLERP языковая модель на архитектуре Gemma 2, созданная из zelk12/MT-Gen4-gemma-2-9B и zelk12/MT4-Gen4-gemma-2-9B с помощью mergekit. Модель содержит 9 млрд параметров, распространяется в формате safetensors и рассчитана на генерацию текста и диалоговое взаимодействие с контекстом до 8192 токенов. Модель предназначена для генерации текста и ведения диалогов. Данные не уточняют её языковую специализацию или дополнительные предметные области, поэтому её следует рассматривать как модель общего назначения. Лицензия в предоставленных источниках не приведена.

neurotic-crown-clown-7B-ties — это объединённая методом TIES (Trim, Elect Sign & Merge) модель семейства Mistral, созданная с помощью mergekit на основе NeuralMonarch-7B, AlphaMonarch-7B и jaskier-7b-dpo-v5.6. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и распространяется в формате safetensors. Модель предназначена для генерации текста и диалогового общения. Её можно применять для ведения беседы, следования инструкциям и рассуждений; базовая NeuralMonarch-7B описана как модель для этих сценариев. Заявленная длина контекста — 32 768 токенов. Основной язык и полный перечень поддерживаемых языков в доступных данных не определены. Модель опубликована под лицензией Apache-2.0. Это слияние нескольких моделей, поэтому качество и поведение могут отличаться от каждой из исходных моделей; количественные оценки качества в карточке не приведены.

Nona-Qwen2.5-v0.1 — объединённая языковая модель, созданная win10 с помощью mergekit и метода TIES. В основе объединения лежат FreedomIntelligence/Apollo2-7B и win10/Urdandi-Qwen2.5-7B. Модель построена на архитектуре Qwen2, содержит 7,1 млрд параметров и принимает текст для генерации текста в диалоговом формате. Заявленная длина контекста — 131 072 токена. Модель подходит для диалоговой генерации текста и задач, поддерживаемых её объединёнными компонентами. В метаданных указан тег text-generation и возможность чата. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Сведения о лицензии и конкретных ограничениях качества в предоставленных источниках отсутствуют.

Oot-v2_lll — языковая модель для генерации текста и диалогов, созданная слиянием моделей mlabonne/Marcoro14-7B-slerp и Weyaxi/OpenHermes-2.5-neural-chat-v3-3-Slerp с помощью Mergekit. Она предназначена для ответов в чате и решения общих языковых задач. Модель использует плотную архитектуру Mistral с 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В README описан метод слияния SLERP и приведены результаты оценок на тестах рассуждений и понимания текста. Модель распространяется в формате safetensors по лицензии Apache-2.0.

OpenBuddy-mistral2-7b-v20.3-32k — плотная чат-модель семейства Mistral с 7,1 млрд параметров, разработанная проектом OpenBuddy. Она предназначена для многоязычного диалога и генерации ответов; поддерживает контекст до 32 768 токенов. Метаданные указывают на поддержку китайского, английского, французского, немецкого, японского, корейского, итальянского и русского языков. Модель распространяется в формате Safetensors и использует библиотеку Transformers. Модель подходит для чат-ботов, ответов на вопросы и генерации текста на поддерживаемых языках. Лицензия — Apache 2.0. Авторы предупреждают, что ответы могут быть ошибочными, вредными или оскорбительными; модель не следует применять в критических сценариях, включая медицину и важные финансовые или юридические решения.

Q2.5-Veltha-14B-0.5 — объединённая языковая модель на архитектуре Qwen2.5, созданная автором djuna с помощью mergekit. Для слияния использован метод della_linear; базой служила arcee-ai/SuperNova-Medius, также в объединение вошли четыре другие модели семейства Qwen2.5. Модель содержит 14 млрд параметров, работает через Transformers и распространяется в формате safetensors; заявленная длина контекста — 131 072 токена. Модель предназначена для генерации текста и диалогового общения. Её можно применять для ответов на запросы, ролевых диалогов и творческого письма; исходные модели в составе объединения ориентированы на инструкции и генерацию историй. Карточка приводит результаты нескольких тестов, включая IFEval и BBH, но не раскрывает полную таблицу оценок. Лицензия в предоставленных данных не указана.

RuadaptQwen2.5-7B-Lite-Beta — русскоязычная адаптация модели T-lite-it-1.0, опубликованная RefalMachine. В README описаны замена токенизатора, продолжение предобучения на русскоязычном корпусе и применение техники LEP (Learned Embedding Propagation); метаданные указывают на объединение Qwen/Qwen2.5-7B и t-tech/T-lite-it-1.0. Это плотная авторегрессионная модель семейства Qwen2 с 7 млрд параметров, предназначенная для генерации текста и диалогов. Контекст — до 32 768 токенов. Расширенный токенизатор на основе tiktoken cl100k и униграмного словаря на 48 тысяч токенов, по заявлению авторов, повышает скорость генерации русскоязычного текста до 60% относительно T-lite-it-1.0. Модель оценивали на Ru-Arena-General, MERA и llmtf_open, однако README приводит неполные результаты и указывает на использование repetition_penalty=1.1 в замерах Ru-Arena-General. Репозиторий содержит веса safetensors; лицензия — Apache-2.0. Авторы предупреждают, что ответы отражают данные обучения, и отмечают отсутствие контроля над предобучением исходной модели.

IlyaGusev/saiga_nemo_12b_gptq_8bit — это 8-битная GPTQ-квантизованная версия русскоязычной модели Saiga/MistralNemo 12B, опубликованная разработчиком Ilya Gusev на Hugging Face. Модель предназначена для генерации текста и диалогового взаимодействия на русском языке; в исходной карточке Saiga она описана как русскоязычный автоматический ассистент. Она дообучена на основе аблированной версии Mistral Nemo Instruct 2407 с использованием наборов данных IlyaGusev/saiga_scored и IlyaGusev/saiga_preferences. Модель содержит около 12 миллиардов параметров и использует архитектуру Mistral Transformer с 40 слоями, Grouped-Query Attention, 32 attention heads и 8 key-value heads. Для исходной Mistral Nemo заявлено контекстное окно до 128 тысяч токенов и поддержка нескольких языков, включая русский, английский, французский, немецкий, испанский, итальянский, португальский, китайский и японский, однако Saiga ориентирована прежде всего на русский язык. GPTQ-квантизация в 8 бит уменьшает требования к памяти по сравнению с полной версией, но может немного снижать точность и требует совместимого программного обеспечения для инференса. Сильные стороны модели — специализация на русскоязычных диалогах, относительно крупный размер для локального запуска и экономия памяти благодаря 8-битному представлению. Ограничения включают отсутствие мультимодальных возможностей в опубликованных данных, возможные ошибки и галлюцинации, а также отсутствие подробных официальных оценок именно для этой GPTQ-версии. Для исходной модели указана лицензия Apache 2.0; отдельная карточка квантизованной версии не содержит дополнительных лицензионных условий.

SauerkrautLM-Nemo-12b-Instruct — языковая модель VAGO solutions, дообученная на базе mistralai/Mistral-Nemo-Instruct-2407 методом Spectrum Fine-Tuning, затрагивающим 25% слоёв. Это плотная модель семейства Mistral с 12,1 млрд параметров, предназначенная для диалогов и генерации текста. Основной акцент сделан на немецком и английском языках; README также сообщает об улучшениях для других языков, поддерживаемых исходной Nemo. Модель подходит для ответов на вопросы, ведения диалога, написания и преобразования текстов на поддерживаемых языках. В карточке заявлены оценки на AGIEVAL, GPT4ALL, TruthfulQA, OpenLeaderboard 2 и MMLU, но численные результаты не приведены. Метаданные указывают контекстное окно до 1 024 000 токенов и формат safetensors. Лицензия — Apache 2.0. Разработчик предупреждает, что модель может выдавать неподходящий или некорректно отфильтрованный контент; стабильность такого поведения не гарантируется.

Shisa V2 Qwen2.5 7B — двуязычная чат-модель общего назначения от Shisa.AI, полученная дообучением Qwen/Qwen2.5-7B-Instruct. Это плотная авторегрессионная модель семейства Qwen2 с 7,1 млрд параметров, предназначенная для диалогов и генерации текста на японском и английском языках. Разработчики сосредоточились на постобучении на синтетических данных, чтобы улучшить качество японских ответов, сохранив возможности базовой модели на английском языке. Модель подходит для ответов на вопросы, следования инструкциям, многоходового общения, ролевых диалогов и перевода между японским и английским. Она выдаёт текст, поддерживает интерфейс вызова инструментов и использует шаблон чата базовой модели. Метаданные указывают контекст 32 768 токенов; в README для семейства приведено значение 128K/8K, поэтому доступная длина может зависеть от конфигурации и способа запуска. Модель использует Transformers и формат safetensors. По опубликованным оценкам модель улучшает ряд японских бенчмарков относительно Qwen2.5-7B-Instruct, хотя в некоторых англоязычных тестах базовая модель показывает более высокие результаты. Лицензия — Apache 2.0. Результаты бенчмарков не гарантируют качество на конкретных пользовательских данных; модель может ошибаться и генерировать неточные ответы.

SnorkelWestBeagle-DARETIES-7B — объединённая чат-модель на архитектуре Mistral, созданная с помощью LazyMergekit из Snorkel-Mistral-PairRM-DPO, WestLake-7B-v2 и NeuralBeagle14-7B; в конфигурации также указана Mistral-7B-v0.1 как базовая модель. Модель содержит 7,1 млрд параметров, принимает текст и предназначена для генерации ответов и рассуждений. Заявленная длина контекста — 32 768 токенов. Модель объединяет несколько чекпойнтов методом DARE-TIES с маской int8; веса сохранены в формате safetensors. В README приведены результаты Open LLM Leaderboard, включая оценки ARC и HellaSwag. Репозиторий распространяется по лицензии Apache-2.0. Карточка не описывает специализацию по языкам или прикладным областям.

SuperMente-7B-v2 — объединённая модель для генерации текста на базе архитектуры Mistral, созданная с помощью LazyMergekit из NousResearch/Hermes-2-Pro-Mistral-7B, mlabonne/AlphaMonarch-7B и Weyaxi/Einstein-v4-7B. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для диалогов и генерации текста. В метаданных указана возможность чата; карточка не описывает отдельные сценарии, языки или специализированные области применения. Модель распространяется в формате Safetensors по лицензии Apache-2.0.