III.2Исследование рынка и маркетинг

PistachioAlt/Noromaid-Bagel-7B-Slerp — разговорная языковая модель на архитектуре Mistral, полученная слиянием jondurbin/bagel-dpo-7b-v0.1 и NeverSleep/Noromaid-7b-v0.1.1 методом SLERP. Веса сохранены в формате safetensors с точностью float16; размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Указана лицензия CC BY-NC 4.0, которая разрешает использование с атрибуцией, но некоммерческое.

RLLab/olmo-3-7b-it-sft — разговорная модель семейства OLMo 3 с плотной архитектурой причинного языкового моделирования. По данным карточки, она предназначена для генерации текста в диалоговом формате и имеет около 6,9 млрд параметров; для работы используется библиотека Transformers и формат safetensors. Модель принимает текст и генерирует текст. Длина контекста составляет 65 536 токенов. Карточка не содержит сведений о языковом охвате, конкретных сценариях дообучения или результатах оценки качества. Лицензия в предоставленных данных не указана.

bunnycore/Phi-4-Model-Stock-v4 — объединённая языковая модель, созданная с помощью mergekit методом Model Stock на основе bunnycore/Phi-4-Model-Stock. В объединение вошли версии bunnycore/Phi-4-Model-Stock-v2 и v3, а также pankajmathur/orca_mini_phi-4. Модель имеет плотную архитектуру LlamaForCausalLM и около 14,1 млрд параметров; она предназначена для генерации текста и диалогов, а её контекст составляет до 16 384 токенов. Модель можно применять для ведения диалогов и генерации ответов или другого текста. В README приведены результаты оценки Open LLM Leaderboard: средний результат 41,03, IFEval — 71,10 и BBH — 55,90. Данных о поддерживаемых языках и специальной предметной области в предоставленных материалах нет. Лицензия в предоставленных материалах не указана.

Qwen2-Mix-7B — разговорная языковая модель на архитектуре Qwen2, созданная bunnycore путём объединения нескольких моделей с помощью mergekit. Репозиторий содержит веса в формате safetensors; размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Объединение включает bunnycore/Qwen-Mix-7B, maywell/Qwen2-7B-Multilingual-RP и cognitivecomputations/dolphin-2.9.2-qwen2-7b; в конфигурации mergekit указаны метод model_stock и формат bfloat16. Лицензия — Apache-2.0. Модель унаследовала мультиязычную направленность одной из базовых моделей и ориентирована на чат, однако README не приводит результаты оценки качества или подробный перечень языков и специальных навыков. Как и другие генеративные языковые модели, она может выдавать неточные или выдуманные сведения.

Defetya/qwen-4B-saiga — чат-модель на архитектуре Qwen2, разработанной Alibaba. Модель с 3,6 млрд параметров дообучена методом SFT на датасете Saiga Ильи Гусева с использованием EasyDeL на TPU v3-8. Она предназначена для диалогов и генерации текста, в первую очередь на русском языке; контекст составляет до 32 768 токенов. Автор README отмечает хорошее обращение с русскими падежами по результатам краткого личного общения, но не приводит систематических оценок: карточка упоминает запланированную проверку на Russian SuperGLUE. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0.

CarrotAI/Rabbit3-Ko-4B — диалоговая языковая модель с настройкой по инструкциям, созданная командой CarrotAI на основе Qwen/Qwen3-4B. Модель дообучена на корейских и английских данных и рассчитана прежде всего на работу с корейским языком. Она использует плотную архитектуру Qwen3ForCausalLM и содержит около 3,7 млрд параметров; нативная длина контекста — 40 960 токенов. Модель подходит для диалогов, ответов на вопросы и генерации текста на корейском и английском языках. В карточке приведены результаты оценок, в том числе на наборах GSM8K, Haerae, KoBEST и KMMLU. Для развёртывания README рекомендует sglang версии 0.4.6.post1 или новее либо vLLM версии 0.8.5 или новее; указана возможность создать совместимый с OpenAI API endpoint. Репозиторий содержит веса safetensors, лицензия — Apache-2.0. Карточка сообщает, что доступен только обычный режим использования.

RakutenAI-7B-chat — чат-модель компании Rakuten Group, Inc., созданная дообучением RakutenAI-7B. Она предназначена для диалогов и генерации ответов на японском и английском языках. Модель основана на плотной архитектуре Mistral и содержит 7,2 млрд параметров; длина контекста — до 32 768 токенов. Модель дообучена на смеси открытых и подготовленных Rakuten наборов инструкций и диалогов, включая JSNLI, RTE, KUCI, BELEBELE, JCS, JNLI, Dolly-15K и OpenAssistant1. Репозиторий содержит веса PyTorch в формате Safetensors. Лицензия — Apache 2.0. Модель может генерировать предвзятые, неточные или небезопасные ответы, поэтому результаты следует проверять.

Saiga-Llama3 8B-GGUF — квантизированная версия модели saiga_llama3_8b, разработанная IlyaGusev и преобразованная с использованием llama.cpp. В основе лежит Llama-3 8B Instruct от Meta. Модель предназначена для русскоязычного диалога, генерации текста, ответов на вопросы, выполнения инструкций и ролевых сценариев. Модель обучалась на русскоязычных и многоформатных наборах данных, включая ru_turbo_saiga, ru_sharegpt_cleaned, oasst1_ru_main_branch, gpt_roleplay_realm и ru_instruct_gpt4. Указан русский язык; поддерживается conversational-режим с использованием формата промптов ChatML. Модель относится к классу text-generation и поставляется в формате GGUF, подходящем для запуска через совместимые инструменты экосистемы llama.cpp. Точный размер квантизации, поддерживаемые варианты квантования и размер контекста в README не указаны. Сильной стороной модели является специализация на русскоязычных инструкциях и диалогах, включая обычные вопросы, творческие задания и ролевое общение. Ограничения включают сравнительно небольшую базовую размерность 8B по современным меркам и отсутствие подробных сведений о качестве на разных типах задач; приведённая оценка AlpacaEval показывает результат ниже ChatGPT-3.5 Turbo и ChatGPT-4 Turbo. Лицензия обозначена как other с названием llama3; применяются условия лицензии Llama 3 от Meta.

Sailor2-20B-Chat-GGUF — квантованная версия чат-модели Sailor2-20B-Chat, разработанной командой Sail. Конвертацию и квантование в формат GGUF выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для диалоговой генерации текста, ответов на инструкции и многоязычных сценариев, включая вопросы и инструкции на английском, китайском, индонезийском, тайском, вьетнамском, малайском, лаосском, бирманском, яванском, кхмерском, сунданском и тагальском языках. Модель имеет 20B параметров и поддерживает текстовый ввод и вывод; сведения об исходной архитектуре и размере контекстного окна в README не указаны. Доступно множество вариантов квантования — от F16 и Q8_0 до более компактных Q3 и IQ3/IQ4, что позволяет выбирать между качеством, размером файла и требованиями к памяти. Для работы рекомендуется формат prompt с маркерами ролей im_start и im_end; файлы предназначены, в частности, для запуска через llama.cpp и LM Studio. Основные сильные стороны — многоязычная специализация, широкий выбор уровней квантования и возможность локального запуска. Более агрессивное квантование уменьшает требования к памяти, но может снижать качество ответов; полная версия F16 занимает около 38,35 ГБ, а рекомендуемые варианты Q4–Q6 — примерно от 11 до 16 ГБ. Модель распространяется по лицензии Apache-2.0.

Sailor2-8B-Chat-GGUF — это набор GGUF-квантизаций чатовой языковой модели Sailor2-8B-Chat, разработанный командой sail и квантизированный bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для диалогов, генерации текста и выполнения инструкций, включая мультиязычные сценарии на английском, китайском, индонезийском, тайском, вьетнамском, малайском, лаосском, бирманском, яванском, кхмерском, сунданском и тагальском языках. Модель имеет размер 8B параметров; архитектура и размер контекста в README не указаны. Доступны варианты от F16 до низкобитных Q2/Q3/Q4/Q5/Q6/Q8 и IQ-квантизаций, что позволяет выбирать между качеством, размером файла и требованиями к памяти. Для чата следует использовать формат с маркерами system, user и assistant. Сильной стороной является сочетание мультиязычной направленности и широкого выбора форматов для локального запуска, в том числе через LM Studio. Ограничения включают возможное снижение качества при агрессивной квантизации и отсутствие сведений о результатах оценивания, поддерживаемых модальностях помимо текста и максимальной длине контекста. Модель распространяется по лицензии Apache-2.0.

Sappho V0.0.2 — диалоговая языковая модель, созданная автором Jakolo121 путём слияния SauerkrautLM-7b-HerO и Dolphin 2.8 Mistral 7B v02 с помощью LazyMergekit. Модель построена на плотной архитектуре Mistral с 7,1 млрд параметров и предназначена для генерации текста и диалоговых ответов. Поддерживает контекст до 32 768 токенов и работает с текстом на входе и выходе. Модель подойдёт для чат-ботов, ответов на вопросы и генерации текста. Базовая SauerkrautLM ориентирована на немецкий и английский языки. Репозиторий содержит веса в формате Safetensors. Лицензия в предоставленных данных не указана.

agurung выпустил дообученную с помощью TRL модель Qwen2.5-7B-Instruct для диалоговой генерации текста. Это плотная языковая модель семейства Qwen2 с 7,1 млрд параметров и контекстом до 32 768 токенов; она принимает сообщения в формате чата и генерирует текст. Модель подходит для ответов на вопросы, диалога и генерации текста по инструкциям. Модель основана на Qwen/Qwen2.5-7B-Instruct и распространяется в формате safetensors для Transformers. Карточка не описывает отдельную специализацию, языковой охват или результаты оценки качества; лицензию следует определять по метаданным репозитория Hugging Face.

Smoothie-Qwen3-30B-A3B — вариант Qwen3-30B-A3B с настройкой вероятностей токенов для более сбалансированной многоязычной генерации. В README указаны параметры сглаживания: минимальный коэффициент 0,5, smoothness 10, выборка из 1000 элементов, окно размером 4 и веса n-грамм 0,5/0,3/0,2; перечислены диапазоны Unicode, связанные с обработкой китайских иероглифов и знаков. Метаданные классифицируют модель как генеративную MoE-архитектуру Qwen3 на Transformers с 2,6 млрд параметров и контекстом 40 960 токенов; доступны интерфейсы чата и вызова инструментов. Базовая модель — Qwen/Qwen3-30B-A3B, лицензия Apache-2.0. README не уточняет языки, помимо общего упоминания многоязычной генерации, и не приводит результатов сравнительной оценки.

Gille/StrangeMerges_33-7B-slerp — объединённая текстовая модель, созданная методом slerp с помощью LazyMergekit из ZySec-AI/ZySec-7B-v1 и Gille/StrangeMerges_30-7B-slerp. Модель построена на архитектуре Mistral с плотной архитектурой причинного языкового моделирования и содержит 7,1 млрд параметров; её контекст составляет до 32 768 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно применять для ответов на вопросы, ведения чата и создания связных текстов. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Данных о специализированной предметной области или языках модели в предоставленных источниках нет.

SuperMente-7B — диалоговая языковая модель, созданная Kukedlc путём слияния трёх моделей на базе Mistral с помощью LazyMergekit: AetherResearch/Cerebrum-1.0-7b, Kukedlc/NeuralKybalion-7B-slerp-v3 и mlabonne/AlphaMonarch-7B. Она предназначена для генерации текста и общения в формате чата. Модель имеет плотную архитектуру MistralForCausalLM, 7,1 млрд параметров и контекстное окно 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель работает с текстовым вводом и генерирует текст; карточка не сообщает о специализации на конкретных языках или предметных областях. Лицензия — Apache-2.0. Из доступных сведений нельзя определить качество модели в отдельных задачах или её известные технические ограничения.

Swallow-7b-instruct-v0.1 — диалоговая языковая модель TokyoTech-LLM на архитектуре Llama 2 с 6,7 млрд параметров. Она прошла дополнительное предварительное обучение преимущественно на японских текстах, а версия instruct — supervised fine-tuning для следования инструкциям. Токенизатор с расширенным японским словарём эффективнее представляет японский текст. Модель принимает текст и генерирует текст; заявленный контекст — 4096 токенов. Модель предназначена для диалогов и выполнения текстовых инструкций на японском и английском языках: написания текстов, ролевых диалогов, ответов на вопросы, рассуждений и извлечения информации. В README опубликованы оценки на японском MT-Bench и сравнение с другими моделями, однако они не гарантируют качества для каждого сценария. Выпуск v0.1 обозначен как предварительная версия; разработчики предупреждают, что модель ещё не настроена на соответствие человеческим намерениям и требованиям безопасности. Лицензия — Llama 2 Community License (llama2).

T3qm7xNeuralsirkrishna_Experiment29Experiment24 — объединённая модель семейства Mistral, созданная слиянием automerger/T3qm7xNeuralsirkrishna-7B и automerger/Experiment29Experiment24-7B. Она предназначена для генерации текста и диалоговых ответов; содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Файлы опубликованы в формате safetensors. Модель принимает текст и выдаёт текст. Репозиторий распространяется по лицензии Apache-2.0. Карточка не сообщает о специализированной предметной области или отдельных гарантиях качества; возможности и ограничения после слияния отдельно не описаны.

TSFT-RAG Gemma-3-12B-IT — модель на базе Gemma-3-12B-IT, которую Sascha Frank разработал в рамках исследовательского проекта TSFT-RAG. Это полно-параметрическое дообучение с архитектурой Gemma3ForConditionalGeneration и 12 млрд параметров; модель предназначена для генерации ответов в системах поиска с дополненной генерацией (RAG), а не для универсального диалога. Она принимает текстовые запросы и контекст документов и формирует текстовые ответы, включая структурированный JSON. Модель обучалась отвечать по найденным источникам, выявлять вопросы без достаточных подтверждений, извлекать темы, ключевые сообщения и аргументы, а также генерировать цитаты. В оценке проекта улучшились общая агрегированная оценка и распознавание неподтверждённых вопросов относительно базовой модели, однако результат на grounded QA немного снизился. Основные ограничения: общее открытое общение не было целью оптимизации, оценка проводилась преимущественно на немецкоязычных наборах данных, мультимодальные возможности не оценивались. Для юридических, медицинских и других критически важных решений нужны проверка человеком и атрибуция источников. Лицензия — Gemma.

Ultravox v0.6 Llama 3.3 70B — мультимодальная речевая языковая модель от Fixie.ai. Она принимает текст и речь: аудио кодируется речевым энкодером Whisper large-v3-turbo и объединяется с текстовым запросом, после чего модель формирует текстовый ответ. В основе этой версии — Llama 3.3 70B. Модель предназначена для распознавания и анализа речи, речевого перевода и создания голосовых агентов. Версия v0.6 получила расширенные данные обучения на хинди, что улучшило понимание хинди, а также обучение на зашумлённых аудиоданных. При слишком шумном аудио или отсутствии разборчивой речи модель может выдать маркер ((noise)). Поддерживаются разные языки; в карточке перечислены, в частности, английский, хинди, японский, русский и китайский. Генерация аудио не поддерживается: ответ формируется текстом. Модель распространяется по лицензии MIT.

Whisper tiny.en — компактная модель распознавания речи на английском языке, разработанная OpenAI. Это предварительно обученный Transformer encoder-decoder с архитектурой sequence-to-sequence и примерно 29,4 млн параметров; модель принимает аудио и выдаёт текстовую расшифровку. Она обучена на больших объёмах размеченной речи и предназначена для транскрибации английского аудио, в том числе записей с акцентами, фоновым шумом и специализированной лексикой. Для аудио длиннее примерно 30 секунд можно применять разбиение на фрагменты средствами Transformers. Модель может быть полезна для расшифровки записей, интервью, лекций и голосовых сообщений. Она способна ошибаться и иногда генерировать слова, которых нет в аудио; точность зависит от качества записи, акцента и предметной области. Лицензия — Apache 2.0.

Это дообученная модель генерации текста на архитектуре Mistral с 7,1 млрд параметров, созданная на основе ShenaoZhang/0.0001_3iters_bs256_nodpo_full6w_iter_1. Она предназначена для генерации текста и диалогового общения, включая ответы на вопросы. Контекст модели составляет до 32 768 токенов; репозиторий содержит веса в формате safetensors. В карточке указано дообучение на наборах updated и original, но подробности о данных, обучении и оценке не приведены. Модель распространяется по лицензии MIT.

0.001_ablation_iter_1 — плотная авторегрессионная языковая модель семейства Mistral с 7,1 млрд параметров, дообученная на базе HuggingFaceH4/mistral-7b-sft-beta на датасете HuggingFaceH4/ultrafeedback_binarized. Модель предназначена для генерации текста и общения в формате диалога; её можно использовать для ответов на вопросы и ведения текстовых бесед. Модель принимает текст и выдаёт текст. Размер контекстного окна — 32 768 токенов. В репозитории используются веса Safetensors, лицензия — MIT. README не приводит результаты оценки качества или подробностей об ограничениях, поэтому характеристики ответов для отдельных сценариев по доступным данным определить нельзя.

AMALIA-9B-1225-DPO — открытая языковая модель, разработанная консорциумом португальских университетов и исследовательских центров при участии NOVA University Lisbon, Instituto Superior Técnico, университетов Коимбры, Порту и Минью, а также Foundation for Science and Technology (FCT). Модель создана для европейского португальского языка и основана на плотной архитектуре LlamaForCausalLM; содержит 8,6 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Модель предназначена для диалоговой помощи и выполнения инструкций на европейском португальском: ответов на вопросы, суммаризации, написания и переписывания текстов, перевода и генерации текста. Её также можно использовать в исследованиях португальского языка и адаптировать для прикладных проектов, в том числе с поисковым дополнением генерации (RAG). Обучение включало предварительное обучение, SFT и настройку предпочтений методом DPO. AMALIA оптимизирована для европейского португальского; качество для других вариантов португальского и языков не следует считать равнозначным. Модель может выдавать недостоверные, предвзятые или вредоносные ответы, поэтому факты нужно проверять, а для чувствительных сценариев требуются человеческий контроль и дополнительные меры безопасности. Лицензия — Apache-2.0.

Jebadiah/Aria-diamond-ruby-v2 — объединённая авторегрессионная языковая модель, созданная с помощью mergekit из Jebadiah/Aria-diamond-ruby-v1 и Jebadiah/Aria-diamond-v1. В карточке указаны метод DARE TIES и архитектура LlamaForCausalLM с плотной структурой; размер модели — 7,5 млрд параметров, веса представлены в формате safetensors. Модель предназначена для генерации текста и диалогового взаимодействия. Заявленная длина контекста — до 1 048 576 токенов. Карточка не сообщает поддерживаемые естественные языки и специализированные области применения. Лицензия в предоставленных данных не указана.

Auro-Kosmos-EVAA-v2.2-8B — объединённая разговорная языковая модель от jaspionjader, созданная с помощью mergekit методом SLERP из jaspionjader/Auro-Kosmos-EVAA-v2.1-8B и jaspionjader/Kosmos-Elusive-VENN-8B. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров; она предназначена для генерации текста и диалогов. Модель принимает текст и выдаёт текст, работает через библиотеку Transformers, поддерживает контекст до 8192 токенов и распространяется в формате safetensors. Сведения о специализированных предметных областях и языковой специализации в предоставленных данных отсутствуют. Лицензия в данных не указана.

Это модель суммаризации текста на архитектуре BART Large CNN, созданная Mr-Vicky-01 на основе предварительно обученной модели Facebook BART Large. Она дообучена на наборах данных XSum и SAMSum для сокращения текстов, в том числе новостных материалов и диалогов, до краткого пересказа. Модель содержит 252,8 млн параметров, принимает текст и имеет контекстное окно до 1024 токенов. Поддерживаемый язык — английский. Репозиторий содержит веса в формате safetensors и предназначен для использования с библиотекой Transformers. Лицензия — MIT.

jaspionjader/bbb-3 — слитая языковая модель на архитектуре Llama, созданная автором репозитория с помощью mergekit и метода Model Stock. В слиянии использованы jaspionjader/kstc-4-8b и jaspionjader/bbb-2, а в качестве базовой модели указана jaspionjader/kstc-5-8b. Модель содержит 7,5 млрд параметров и рассчитана на генерацию текста и диалоговое взаимодействие; заявленная длина контекста — до 131 072 токенов. Модель подходит для диалоговых сценариев и генерации текстовых ответов. Репозиторий содержит веса в формате safetensors; в README также указана точность bfloat16. Данных о целевых языках и специализированных предметных областях в предоставленных источниках нет. Условия лицензирования не приведены в доступных данных.

Bielik-11B-v3.0-Instruct-heretic-MPOA — разговорная текстовая модель на 11 млрд параметров, опубликованная gepardzik и основанная на дообученной SpeakLeash и ACK Cyfronet AGH модели Bielik-11B-v3.0-Instruct. Это плотная причинная декодерная модель архитектуры Llama, предназначенная для диалогов, ответов на вопросы и выполнения инструкций. Поддерживает многоязычную генерацию текста; исходная модель обучалась на 32 европейских языках с особым акцентом на польский. Контекст — до 32 768 токенов. В README приведено сравнение с исходной моделью: KL-дивергенция 0,0356 и 5 отказов из 100 против 36 у оригинала. Это указывает на заметное изменение поведения и меньше отказов, но не подтверждает точность или безопасность ответов. README исходной модели предупреждает, что она может выдавать фактические ошибки, предвзятый, оскорбительный или откровенный контент и не имеет встроенных механизмов модерации; эти ограничения следует учитывать и для производной модели. Репозиторий указывает лицензию Apache 2.0; в README исходной модели также упомянуты условия использования.

Celestial-Order-24B-2.75 — языковая модель для генерации текста и диалогового общения, собранная Sorihon методом DARE TIES с помощью mergekit. В объединение вошли Sorihon/CYDR-24B и модель Celestial-Order-V2.5, указанная в README как базовая; метаданные каталога связывают модель с Sorihon/CYDR-24B. Архитектура — плотная MistralForCausalLM, размер — 23,4 млрд параметров, формат весов — Safetensors, библиотека — Transformers. Заявленная длина контекста — 131 072 токена. Модель предназначена для генерации продолжений и диалоговых ответов. README описывает рецепт объединения весов, но не приводит оценок качества, подробных сценариев или списка поддерживаемых языков, поэтому конкретные сильные стороны и языковые возможности по этим данным определить нельзя. Лицензия в предоставленных сведениях не указана.

CharacterGLM-6B — диалоговая модель семейства ChatGLM от thu-coai, предназначенная для генерации текста в формате общения. В репозитории указано 7,5 млрд параметров; модель использует плотную архитектуру ChatGLM и поддерживает контекст до 32 768 токенов. Модель подходит для ведения диалогов и генерации ответов. Метаданные также отмечают возможность классификации текста, однако карточка не содержит подробностей об этой функции. В репозитории представлены веса PyTorch; сведения о лицензии и целевых языках в доступных данных отсутствуют.