III.2Исследование рынка и маркетинг

zelk12/MT1-Gen2-gemma-2-9B — объединённая разговорная языковая модель на архитектуре Gemma 2, подготовленная с помощью mergekit из zelk12/MT1-Gen2-GMA-gemma-2-9B и zelk12/MT1-Gen2-BIMMMU-gemma-2-9B. Для слияния использован метод SLERP с параметром t=0,25; веса указаны в формате bfloat16. Модель содержит 9 млрд параметров и работает через библиотеку Transformers. Модель предназначена для генерации текста в диалоговом формате. Её можно применять для ответов на вопросы, ведения беседы и создания связных текстовых продолжений. Заявленное нативное контекстное окно составляет 8192 токена. В карточке приведены результаты оценки на Open LLM Leaderboard, включая IFEval и BBH. Модель основана на Gemma 2 и унаследовала ограничения и условия использования исходных моделей; отдельная лицензия в предоставленных данных не приведена.

zelk12/MT2-IB-gemma-2-9B — это объединённая модель для генерации текста и диалогов, созданная с помощью mergekit из двух предварительно обученных моделей Gemma 2. Для слияния использован метод SLERP с параметром t=0.5; базовой указана zelk12/MT2-IF-gemma-2-RIv0.1RAt0.25v0.1-9B. Модель содержит 9 млрд параметров, использует плотную архитектуру Gemma2ForCausalLM и веса в формате safetensors и bfloat16. Модель рассчитана на текстовый ввод и генерацию ответов в диалоговом формате. Контекстное окно составляет 8192 токена. Карточка не описывает отдельную предметную специализацию или подтверждённый набор языков. Лицензия в предоставленных данных не указана.

zelk12/MT3-Gen5-MA-gemma-2-MT2E-9B_v1 — объединённая языковая модель, созданная автором репозитория с помощью mergekit из Aashraf995/Gemma-Evo-10B и zelk12/MT2-gemma-2-9B. Для слияния применён метод SLERP с параметром t=0.25; в метаданных указаны архитектура Gemma 2, плотная модель с 9 млрд параметров и формат safetensors. Модель предназначена для генерации текста и диалогового взаимодействия. Она принимает текстовые запросы и выдаёт текст, поддерживает контекст до 8192 токенов и работает через библиотеку Transformers. Метаданные указывают задачу text-generation и возможность chat. Из README известны состав и метод слияния; сведений о сравнительной точности или специализированных областях применения нет. Лицензия в предоставленных данных не указана.

neural-Kunoichi2-7B-slerp — объединённая модель для генерации текста, созданная с помощью LazyMergekit путём слияния SanjiWatsuki/Kunoichi-DPO-v2-7B и mlabonne/NeuralPipe-7B-ties. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров; заявленная длина контекста — 8192 токена. Модель предназначена для генерации текста и диалоговых сценариев общего назначения. В README описано слияние методом SLERP с настройками, различающимися для слоёв внимания и MLP. Репозиторий также упоминает квантизованный вариант GGUF, тогда как метаданные указывают формат Safetensors. Лицензия в предоставленных данных не указана.

nyun-c2-llama3-61B — плотная авторегрессионная языковая модель семейства Llama 3, разработанная Nyun AI. Она содержит 76,2 млрд параметров и рассчитана на генерацию текста с контекстом до 8 192 токенов. Модель предназначена для генерации и продолжения текста, диалоговых сценариев и задач на понимание языка. В README авторы сообщают, что модель получена оптимизацией без дополнительного дообучения и показывает результаты выше Llama 3 70B в нескольких приведённых бенчмарках, хотя уступает ей в MMLU. Файлы опубликованы в формате safetensors. Для использования действует лицензия Llama 3. Русский язык и специализированные предметные области в предоставленных источниках не заявлены.

OpenBuddy — мультиязычная чат-модель для генерации ответов в диалоге, основанная на архитектуре Qwen2. Модель содержит 13,4 млрд параметров и рассчитана на контекст до 32 768 токенов; веса опубликованы в формате safetensors для Transformers. Она предназначена для разговорных сценариев и генерации текста на китайском, английском, французском, немецком, японском, корейском, итальянском, русском и финском языках. Модель может служить основой для чат-ботов, ответов на вопросы и ведения многоязычного диалога. README предупреждает, что ответы могут быть ошибочными, вредными или оскорбительными, поэтому модель не следует применять в критических и высокорисковых ситуациях, включая медицину, управление потенциально опасными системами, а также важные финансовые и юридические решения. В метаданных указана лицензия other; README описывает отказ от гарантий и ответственность пользователей, но не раскрывает конкретный текст лицензии.

openbuddy-zephyr-7b-v14.1-Mistral-7B-Instruct-v0.1 — объединённая методом SLERP чат-модель на архитектуре Mistral, созданная из mistralai/Mistral-7B-Instruct-v0.1 и OpenBuddy/openbuddy-zephyr-7b-v14.1. Она предназначена для генерации текста в ответ на инструкции и диалоговые запросы. Модель содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов и рассчитана на общение на китайском, английском, французском, немецком, японском, корейском, итальянском и русском языках. Модель подходит для чат-ботов, ответов на вопросы и выполнения текстовых инструкций. В репозитории указана лицензия Apache-2.0. README не приводит результатов оценки качества или подробных сведений о поведении модели; качество ответов и пригодность для конкретных сценариев требуют проверки.

bunnycore/Phi-3.5-mini-TitanFusion-V2 — объединённая языковая модель на базе Microsoft Phi-3.5-mini-instruct, созданная с помощью mergekit и метода TIES. В объединение вошли Phi-3.5-mini-TitanFusion-0.1, Phi-3.5-rp-lora_model и ArliAI/Phi-3.5-mini-3.8B-ArliAI-RPMax-v1.1; карточка также указывает conversational-возможности. Модель с архитектурой Phi-3 dense и примерно 3,7 млрд параметров предназначена для генерации текста и диалогов. Она принимает текст и выдаёт текст; указанный контекст — 4096 токенов. Карточка не уточняет языковой охват или специализацию по областям. Модель распространяется в формате safetensors через Transformers; сведения о лицензии в предоставленных данных отсутствуют.

PowerBot-8B — объединённая модель на базе Llama 3, созданная автором репозитория с помощью Mergekit из nvidia/Llama3-ChatQA-1.5-8B и refuelai/Llama-3-Refueled. Она предназначена для генерации текста и диалоговых сценариев, включая ответы на вопросы по документам с сохранением полного документа в контексте. Модель имеет плотную архитектуру LlamaForCausalLM и около 7,5 млрд параметров. Она принимает текст, поддерживает английский язык и имеет контекстное окно 8192 токена. Веса опубликованы в формате Safetensors и bfloat16; модель распространяется по лицензии Apache-2.0.

3MPER0RR/Qwen3.8-27B-3MPER0RR-abliterated — дообученная диалоговая модель семейства Qwen, созданная 3MPER0RR на основе Qwen/Qwen3.8-27B. В метаданных указаны плотная архитектура Qwen3.5, 27 млрд параметров для базовой модели и поддержка генерации текста и чата. Модель подходит для диалогов и генерации текста. Карточка сообщает, что модель прошла тестирование и была сохранена, но не описывает метод дообучения, языки, контекстное окно или отдельные возможности версии «abliterated». Лицензия — Apache 2.0.

RandomMergeNoNorm-7B-DARETIES — текстовая генеративная модель, созданная с помощью mergekit объединением моделей FelixChao/WestSeverus-7B-DPO-v2, CultriX/Wernicke-7B-v9 и mlabonne/NeuralBeagle14-7B. Это плотная архитектура MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов; веса опубликованы в формате safetensors. Модель предназначена для генерации текста и диалоговых сценариев. Слияние выполнено методом DARE-TIES с базой FelixChao/WestSeverus-7B-DPO-v2, плотностями 0,45 и 0,55 для компонентов и параметром int8_mask; итоговый тип данных — float16. Базовая модель NeuralBeagle14-7B описана как модель для диалогов, следования инструкциям, рассуждений и творческой генерации, однако отдельные оценки качества именно этого слияния в карточке не приведены. Модель распространяется по лицензии Apache-2.0.

Rawr — плотная языковая модель семейства Llama 3, созданная ResplendentAI слиянием нескольких моделей для генерации диалогового текста. В конфигурации использован метод model_stock; в качестве базовой указана ResplendentAI/SOVL_Llama3_8B, а среди компонентов — Poppy Porpoise, Smarts, TheSpice, Aura, Stheno и Luna. Модель содержит 7,5 млрд параметров, работает через Transformers и распространяется в формате safetensors; контекстное окно — 8192 токена. Модель предназначена для диалогов и генерации текста по запросу. Метаданные описывают её как чат-модель, но не приводят сведений о целевых языках или узких предметных областях, поэтому её следует рассматривать как модель общего назначения. Лицензия в предоставленных данных не указана.

SeaLLM-7B-v2 — мультиязычная языковая модель для языков Юго-Восточной Азии, разработанная командой SeaLLMs. Модель основана на Mistral-7B: авторы продолжили предварительное обучение и настроили её с упором на рассуждения. По метаданным это плотная архитектура Mistral с 7,2 млрд параметров; она поддерживает контекст до 32 768 токенов и предназначена для диалогового текстового взаимодействия. Модель подходит для генерации ответов и инструкций, решения математических задач, рассуждений здравого смысла и ответов на вопросы на английском, китайском, вьетнамском, индонезийском, тайском, малайском, кхмерском, лаосском, бирманском и тагальском языках. В карточке приведены результаты на мультиязычных математических и общих знаниях, включая тесты для нескольких языков региона; качество может различаться в зависимости от языка и задачи. Возможны неточные, вводящие в заблуждение или потенциально вредные ответы, поэтому перед внедрением модель следует проверять и защищать от небезопасных сценариев. В метаданных указана лицензия other, а карточка требует соблюдать условия SeaLLMs Terms of Use.

SeaLLMs-v3-1.5B-Chat — чат-модель семейства SeaLLMs, разработанная для языков Юго-Восточной Азии. Это плотная авторегрессионная модель Qwen2 с 1,5 млрд параметров и контекстом до 131 072 токенов, дообученная выполнять инструкции и поддерживать многошаговый диалог. Она предназначена для ответов на вопросы, перевода, математических рассуждений и других текстовых задач, особенно с учетом языкового и культурного контекста региона. Карточка заявляет улучшенное следование инструкциям, снижение галлюцинаций и безопасные ответы; это не гарантирует фактическую точность или безошибочную безопасность. Модель поддерживает английский, китайский, индонезийский, вьетнамский, тайский, тагальский, малайский, бирманский, кхмерский, лаосский, тамильский и яванский языки. Веса распространяются на условиях SeaLLMs Terms Of Use; метаданные обозначают лицензию как other.

Sebushka-llama-3.1-8B — русскоязычная чат-модель, разработанная burgasdotpro на базе Llama 3.1 8B. Она дообучена на датасете IlyaGusev/saiga_scored; для обучения использовались Unsloth и TRL. Модель содержит 7,5 млрд параметров, принимает текст и генерирует текст, поддерживает контекст до 131 072 токенов. Модель предназначена для диалогов на русском языке и генерации ответов на текстовые запросы. Указанная лицензия — Apache-2.0. Карточка не приводит оценок качества или подробных результатов обучения, поэтому пригодность ответов для конкретных задач стоит проверять отдельно.

Это слитая модель генерации текста на основе GPT-NeoX, созданная автором репозитория с помощью mergekit. В линейном слиянии использованы контрольные точки предварительно обученной языковой модели с шагов 7 000, 8 000, 9 000, 10 000 и 11 000; базой слияния служила контрольная точка шага 11 000. Модель содержит 8,8 млрд параметров, использует формат safetensors и поддерживает контекст до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. README и метаданные не сообщают конкретных языков, тематических областей или специализированных сценариев применения, поэтому её следует рассматривать как языковую модель общего назначения. Лицензия в предоставленных данных не указана.

Smaura_8B — объединённая языковая модель на базе Llama 3, созданная методом Model Stock с помощью mergekit. В объединение вошли abacusai/Llama-3-Smaug-8B, Aura_Llama3, BlueMoon_Llama3, Luna_Llama3 и Theory_of_Mind_Llama3; основой указан abacusai/Llama-3-Smaug-8B. Модель предназначена для генерации текста и многоходового общения. Она имеет плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Репозиторий использует Transformers и хранит веса в формате safetensors. В README указано, что веса объединены в формате float16. Сведений о лицензии и языковом охвате в предоставленных источниках нет.

bhavinjawade/SOLAR-10B-Nector-DPO-Jawade — чат-модель на архитектуре Llama с 10,6 млрд параметров, созданная на основе SOLAR-10.7B-Instruct-v1.0 от Upstage. По карточке, модель оптимизирована методом DPO и дообучена с помощью LoRA на смеси Berkeley-nest Nectar и Intel/orca_dpo_pairs; в метаданных указан датасет Intel/orca_dpo_pairs. Модель предназначена для диалоговой генерации текста и ответов на запросы. Она принимает текст и генерирует текст, поддерживает контекст до 4096 токенов. Репозиторий содержит веса Safetensors. Модель выпущена под лицензией MIT. Карточка описывает её как DPO-оптимизированную и выровненную версию базовой модели; независимых оценок качества или подробных ограничений не приводит.

T5-Large — языковая модель семейства Text-To-Text Transfer Transformer, разработанная Colin Raffel, Noam Shazeer и коллегами. Она преобразует текстовый ввод в текстовый вывод и обучалась в едином формате для разных задач обработки естественного языка. В карточке Hugging Face основная задача модели указана как перевод; размер версии в метаданных — 385,2 млн параметров, архитектура — T5ForConditionalGeneration. В README приведён размер 770 млн параметров, поэтому сведения о размере в источниках расходятся. Модель предназначена для перевода и может применяться после соответствующей настройки для суммаризации, ответов на вопросы, классификации и других текстовых задач. Заявленные языки — английский, французский, румынский и немецкий; длина контекста — 512 токенов. Предобучение проводилось на C4 и наборах данных для языковых задач. Модель доступна в форматах PyTorch, TensorFlow, Flax и safetensors. Лицензия — Apache 2.0. Возможности модели ограничены обучающими данными и контекстом; результаты могут содержать ошибки и отражать смещения данных. README не приводит подробных оценок качества или конкретных ограничений для отдельных сценариев.

T5-Small — компактная текстовая модель семейства Text-To-Text Transfer Transformer, разработанная Колином Раффелом и коллегами. Она представляет задачи обработки естественного языка в формате преобразования текста в текст; в каталоге для этой версии указана задача перевода. Модель содержит 38,5 млн параметров по метаданным, имеет плотную архитектуру T5ForConditionalGeneration и контекст до 512 токенов. Модель предназначена для перевода и может применяться в дообученных сценариях суммаризации, ответов на вопросы, классификации и других задач преобразования текста. Она принимает и генерирует текст; в карточке указаны английский, французский, румынский и немецкий языки. Предобучение проводилось на корпусе C4 и смеси задач, включавшей денойзинг и контролируемые текстовые задачи. Компактный размер упрощает использование модели в ограниченных вычислительных условиях, но может уступать более крупным моделям в качестве и надёжности. Карточка не приводит конкретных оценок качества или подробных ограничений. Лицензия — Apache 2.0.

Карточка модели Jinstudio/VibeVoice-ASR-HF на Hugging Face совпадает с карточкой microsoft/VibeVoice-ASR-HF, поэтому описание составлено по ней. VibeVoice-ASR — мультиязычная модель Microsoft для распознавания речи, доступная в версии, совместимой с Transformers. Она принимает аудио и формирует транскрипцию с текстом, временными метками и указанием говорящего; также можно передавать контекстные подсказки, например имена или специальные термины, чтобы помочь распознаванию.

Карточка модели Jinstudio/whisper-base.en на Hugging Face совпадает с карточкой openai/whisper-base.en, поэтому описание составлено по ней. Whisper base.en — англоязычная модель автоматического распознавания речи, разработанная OpenAI. Это плотная модель Transformer типа encoder-decoder с архитектурой WhisperForConditionalGeneration; в репозитории указано 51,7 млн параметров. Она преобразует английскую речь в текст и предназначена для расшифровки аудио, в том числе длинных записей: базовая обработка рассчитана на фрагменты до 30 секунд, а конвейер Transformers с разбиением на фрагменты позволяет работать с более длинными записями и получать временные метки. Модель обучена на больших массивах аудио с транскрипциями и рассчитана на распознавание английской речи. Она показывает устойчивость к акцентам, шуму и специализированной лексике, но может добавлять слова, которых нет в аудио, повторять фрагменты и ошибаться на отдельных голосах и условиях записи. Лицензия — Apache 2.0.

CuriousCat29/3-double-120-v3 — объединённая языковая модель, созданная с помощью mergekit методом Passthrough на основе Doctor-Shotgun/L3.3-70B-Magnum-v4-SE и TheDrummer/Anubis-70B-v1. Модель семейства Llama с плотной архитектурой для генерации текста и диалогов; в метаданных заявлены 120,8 млрд параметров и контекст до 131 072 токенов. Модель подходит для бесед и сценариев, где требуется генерировать связные ответы на текстовые запросы. Базовое описание одной из исходных моделей указывает на творческое письмо, естественные беседы и ролевые сценарии. Репозиторий содержит веса Safetensors и использует библиотеку Transformers; также заявлен интерфейс вызова инструментов. В карточке не приведены сведения о лицензии и отдельных оценках качества, поэтому условия распространения и пригодность для конкретных задач следует проверять по лицензиям исходных моделей и результатам собственной оценки.

Eurydice 24b v3.5 — диалоговая причинно-следственная языковая модель от Aixon Lab, основанная на архитектуре Mistral и дообученная на пользовательском наборе данных. В метаданных указано 23,4 млрд параметров, контекст до 131 072 токенов и формат весов safetensors. Модель предназначена для многосторонних диалогов, генерации текста, ответов на вопросы, анализа и творческого письма, включая рассказывание историй. Разработчик отмечает понимание контекста, творческие ответы и естественный разговор; основной язык — английский. Лицензия — Apache 2.0. Качество не подтверждено опубликованными метриками оценки. Модель может наследовать смещения из обучающих данных, поэтому её ответы следует критически проверять.

Experiment26M7-7B — текстовая модель семейства Mistral с 7,1 млрд параметров, созданная Maxime Labonne автоматическим слиянием моделей. В конфигурации merge использован метод DARE-TIES с моделями yam-peleg/Experiment26-7B и liminerity/M7-7b; метаданные указывают liminerity/M7-7b как базовую модель и отмечают производность типа finetune. Модель рассчитана на генерацию текста и диалоговое взаимодействие, имеет контекст до 32 768 токенов и распространяется в формате safetensors. Модель может применяться для генерации продолжений текста и ведения диалога. Карточка не приводит сведений о специализированной предметной области или поддерживаемых языках. Лицензия — Apache-2.0.

f-4-8b — объединённая разговорная языковая модель семейства Llama, созданная jaspionjader с помощью mergekit и метода SLERP на основе jaspionjader/f-2-8b и jaspionjader/f-3-8b. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и представлена в формате safetensors; максимальный контекст — 8192 токена. Модель предназначена для генерации текста и диалогового общения. Её можно использовать для ответов на запросы, ведения беседы и создания текстовых черновиков. README не описывает специализацию по языкам или предметным областям. Лицензия в предоставленных данных не указана.

QuantFactory/gemma-2-9b-it-SimPO-rudpo-GGUF — квантизированная версия модели gemma-2-9b-it-SimPO-rudpo, созданная QuantFactory с использованием llama.cpp. Исходная модель разработана на базе princeton-nlp/gemma-2-9b-it-SimPO и предназначена для генерации текста и диалоговых сценариев. Модель имеет размер 9 миллиардов параметров и ориентирована прежде всего на повышение качества ответов на русском языке по сравнению с базовой моделью. Модель подходит для русскоязычных чат-ботов, ассистентов и других задач текстовой генерации. В тестировании на наборе arena-hard questions на русском языке она получила оценку 91,9 против 90,9 у gemma-2-9b-it-SimPO и 67,0 у gemma-2-9b-it. Однако эти результаты относятся к конкретному тесту и не гарантируют аналогичного качества в других задачах. В README не указаны точный формат квантизации, поддерживаемые языки помимо русского, размер контекста, модальности и требования к аппаратному обеспечению. Лицензия модели — gemma.

granite-vision-3.2-2b — компактная мультимодальная модель IBM, дообученная на базе ibm-granite/granite-vision-3.2-2b для понимания изображений и работы с визуальными документами. Архитектура LLaVA-NeXT объединяет визуальный энкодер SigLIP, двухслойный MLP-коннектор и языковую модель Granite 3.1 2B Instruct; модель использует разрешение AnyRes и многослойные признаки энкодера. В метаданных указаны архитектура LlavaNextForConditionalGeneration и формат safetensors. Модель принимает изображения и инструкции на английском языке и формирует текстовые ответы. Она предназначена для извлечения сведений из таблиц, графиков, инфографики, диаграмм и других документов, OCR, ответов на вопросы по изображениям, а также общих задач визуального понимания. В базовой языковой модели заявлено контекстное окно 128 тыс. токенов. Лицензия — Apache 2.0. Модель может ошибаться, выдавать предвзятые или небезопасные ответы; её компактный размер может повышать риск галлюцинаций. Для задач только с текстовым вводом README рекомендует использовать текстовые модели Granite.

Jupiter-k-7B-slerp — языковая модель для генерации текста и диалогов, созданная Kukedlc. Это объединение моделей NeuralContamination-7B-ties, NeuralTopBench-7B-ties и StrangeMerges_32-7B-slerp с помощью LazyMergekit; архитектура основана на Mistral, размер — 7,1 млрд параметров. Модель распространяется в формате safetensors и поддерживает контекст до 32 768 токенов. Модель подходит для диалогового общения и генерации текста. Она распространяется по лицензии Apache-2.0. README не описывает специальные предметные области или отдельные гарантии качества.

KangalKhan-Sapphire-7B — языковая модель для генерации текста и диалогов, созданная слиянием моделей argilla/CapybaraHermes-2.5-Mistral-7B и argilla/distilabeled-OpenHermes-2.5-Mistral-7B с помощью LazyMergekit. В основе лежит плотная архитектура Mistral с 7,1 млрд параметров; заявленная длина контекста — 32 768 токенов. Модель подходит для диалоговых сценариев и генерации текста. В README описано слияние методом SLERP в формате bfloat16; метаданные указывают формат весов safetensors и возможность чата. Карточка также приводит результаты оценки на отдельных тестах рассуждений и здравого смысла, но они не гарантируют качество на других задачах. Модель распространяется по лицензии Apache-2.0. Данные карточки не уточняют целевые языки или специализированные области применения.