III.2Исследование рынка и маркетинг

Chocolatine-32B-Instruct-DPO-v1.2 — языковая модель на архитектуре Qwen2, разработанная Jonathan Pacifico и дообученная методом DPO на наборе jpacifico/french-orca-dpo-pairs-revised. Она предназначена для диалогов и генерации текста на французском и английском языках; обучение на французских данных, по заявлению автора, также улучшило ответы на английском. Модель содержит 32 млрд параметров, использует формат safetensors и поддерживает контекст до 32 768 токенов по метаданным; README заявляет поддержку до 128 000 токенов и генерацию до 8 000 токенов. Модель подходит для ассистентов, ответов на вопросы и создания текстов на французском и английском. Автор отмечает отсутствие механизмов модерации. Лицензия — Apache 2.0.

Это объединённая языковая модель mergekit-community, созданная методом SLERP на основе arcee-ai/sec-mistral-7b-instruct-1.6-epoch и cognitivecomputations/dolphin-2.8-mistral-7b-v02. Модель построена на архитектуре MistralForCausalLM с плотной архитектурой и содержит 7,1 млрд параметров; опубликованные веса представлены в формате Safetensors, а библиотека запуска — Transformers. Модель предназначена для генерации текста в диалоговых сценариях: она принимает текстовый запрос и формирует текстовый ответ. Контекст составляет до 32 768 токенов. Карточка не описывает отдельные прикладные области или языковые характеристики, поэтому их нельзя уточнить по имеющимся данным. Лицензия в предоставленных данных не указана.

EtherealAurora-12B — разговорная языковая модель на архитектуре Mistral, опубликованная yamatazen. Это объединение предварительно обученных моделей, созданное с помощью mergekit методом Model Stock на базе yamatazen/Aurora-SCE-12B. Модель содержит 12,1 млрд параметров, распространяется в формате safetensors и использует шаблон диалога ChatML. Метаданные указывают контекст до 1 024 000 токенов. Модель предназначена для генерации текста и диалогового общения. Её можно использовать для ответов на вопросы, написания и продолжения текстов на английском и японском языках. Репозиторий распространяется по лицензии Apache-2.0. Карточка не приводит сравнительных оценок качества или подробных рекомендаций по настройке.

Eurydice 24b v2 — языковая модель Aixon Lab для диалогов с несколькими ролями. Это дообученная на пользовательском наборе данных причинная трансформерная модель семейства Mistral, основанная на mistralai/Mistral-Small-3.1-24B-Instruct-2503. Веса представлены в формате Safetensors; модель содержит 23,4 млрд параметров и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации текста, общения, ответов на вопросы, анализа и создания историй. В карточке особо отмечены понимание контекста, творческая генерация и естественный диалог. Основной язык — английский; заявлена возможная поддержка других языков, но их перечень и результаты оценки не приведены. Лицензия — Apache 2.0. Модель может наследовать смещения и ограничения обучающих данных и базовой модели. Разработчик не приводит метрик производительности, поэтому качество следует оценивать на целевых сценариях.

Evertide-RX-12B — универсальная разговорная языковая модель на архитектуре Mistral, разработанная Retreatcost. Модель дообучена в полном формате параметров на слиянии моделей, созданном на основе unreleased cowriter-модели; README также указывает, что использованы те же модели, что и в Retreatcost/KansenSakura-Erosion-RP-12b. Размер составляет 12,1 млрд параметров, контекст — до 131 072 токенов. Репозиторий содержит веса Safetensors, библиотека для работы — Transformers. Модель предназначена для диалогов, совместного написания текстов, мозговых штурмов и коротких ролевых сцен. Заявлена поддержка английского, французского, немецкого, испанского, итальянского, португальского, русского, китайского и японского языков. По README, рассуждения обычно включаются без дополнительной настройки, но иногда ответы могут появляться без них. Автор сообщает, что обучение проводилось на 451 вручную подготовленном примере, без RL. Это экспериментальная модель общего назначения; автор не заявляет о превосходстве над другими моделями и отмечает, что она не предназначена специально для эротического ролевого общения и может отказывать на некоторых запросах. Лицензия — Apache 2.0.

Flora DPO — языковая модель ResplendentAI на архитектуре Mistral с 7,1 млрд параметров, дообученная методом DPO на наборах mlabonne/chatml_dpo_pairs и ResplendentAI/Synthetic_Soul_1k. Модель предназначена для генерации текста и диалоговых ответов; карточка приводит результаты оценивания на задачах рассуждения и понимания текста. Поддерживает английский язык и контекст до 32 768 токенов. Веса опубликованы в формате safetensors. Лицензия — CC BY-SA 4.0. README упоминает доступные квантизованные версии, но не уточняет их формат и расположение.

jaspionjader/fr-10-8b — разговорная языковая модель, созданная разработчиком jaspionjader слиянием предварительно обученных моделей jaspionjader/fct-14-8b и jaspionjader/fr-9-8b методом SLERP с помощью mergekit. Модель построена на плотной архитектуре LlamaForCausalLM и содержит 7,5 млрд параметров; репозиторий распространяет веса в формате safetensors и использует библиотеку Transformers. Модель предназначена для генерации текста и диалоговых сценариев, включая ответы на запросы пользователя. Заявленная длина контекста — 131072 токена. В карточке нет сведений о целевых языках или специализированных предметных областях, поэтому модель следует рассматривать как разговорную общего назначения. Условия лицензии в предоставленных данных не приведены.

Homer-7B-v0.1 — языковая модель семейства Qwen2, опубликованная пользователем newsbang. Она предназначена для генерации текста в диалоговом формате. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Qwen2ForCausalLM и принимает контекст длиной до 131072 токенов. Модель доступна в формате safetensors по лицензии Apache 2.0. Карточка содержит только краткий раздел Quickstart, поэтому конкретные сценарии применения, поддерживаемые языки и особенности обучения не описаны.

IndoBERT Relevancy Classifier — модель apriandito для классификации релевантности индонезийского текста заданному контексту. Она принимает тему и текст, например заголовок новости или публикацию в соцсети, в формате пары последовательностей и определяет, относится ли текст к теме. Модель дообучена для бинарной классификации на базе indobenchmark/indobert-large-p2; архитектура — BERT для классификации последовательностей, размер — 433,9 млн параметров, максимальная длина контекста — 512 токенов. Модель предназначена для отбора новостей и сообщений по темам: в обучающих данных представлены 188 контекстов из экономики, политики, здравоохранения, технологий, спорта и развлечений. В README указаны accuracy 96,5% и F1 0,948 на оценке автора. Модель работает с индонезийским языком и распространяется под лицензией Apache-2.0.

chujiezheng/internlm2-chat-7b-ExPO — диалоговая языковая модель семейства InternLM2, созданная методом Weak-to-Strong Extrapolation (ExPO) на основе internlm2-chat-7b и чекпойнтов SFT и DPO/RLHF. Разработчик сообщает, что экстраполяция с alpha = 0.5 усиливает согласование ответов с человеческими предпочтениями. Модель содержит 7,4 млрд параметров, использует плотную архитектуру InternLM2ForCausalLM и принимает текстовые запросы, выдавая текстовые ответы в формате чата. Контекстное окно — 32 768 токенов; в карточке указаны английский и китайский языки. В README приведены сравнительные результаты ExPO на AlpacaEval 2.0 и MT-Bench, но они относятся к нескольким другим моделям, к весам которых применяли ExPO, и не являются прямой оценкой этого чекпойнта. Модель предназначена для диалогов и генерации ответов с учетом человеческих предпочтений. Лицензия указана как other, поэтому конкретные условия использования следует сверить с файлами репозитория.

Карточка модели titanbot/LeoLM-hessianai-7b-chat на Hugging Face совпадает с карточкой LeoLM/leo-hessianai-7b-chat, поэтому описание составлено по ней. LeoLM/leo-hessianai-7b-chat — чат-модель команды LeoLM, созданная Björn Plüster и Christoph Schuhmann совместно с LAION и HessianAI. Она основана на LeoLM/leo-hessianai-7b — немецкоязычной версии Llama 2, дополнительно обученной на немецких текстах, — и дообучена на наборах немецких инструкций. Модель представляет собой плотный авторегрессионный трансформер-декодер семейства Llama с 6,6 млрд параметров и контекстом до 8 192 токенов; работает через Transformers и использует формат диалога ChatML. Модель предназначена для общения, написания и объяснения текстов, обсуждений, ролевых диалогов и ответов на вопросы на немецком и английском языках. В оценке MT-Bench-DE особенно хорошо показала себя в гуманитарных и STEM-задачах, а математика, программирование и сложные рассуждения оказались слабее. Разработчики предупреждают о возможных неточных, предвзятых или нежелательных ответах и рекомендуют проверять модель и адаптировать меры безопасности под конкретное применение. Лицензия — Llama 2 Community License Agreement.

itsabdou/llama31-8b-fine-tuned-combined-v2-merged — дообученная плотная авторегрессионная языковая модель семейства Llama 3.1, разработанная itsabdou на базе unsloth/Meta-Llama-3.1-8B-Instruct-bnb-4bit. В модели около 7,5 млрд параметров; она принимает текст и генерирует текст, поддерживает диалоговый режим и интерфейс вызова инструментов. Заявленная длина контекста — 131 072 токена. Модель предназначена для генерации текста и диалоговых сценариев на английском языке. Карточка сообщает, что обучение выполнено с использованием Unsloth и библиотеки TRL от Hugging Face; лицензия — Apache-2.0. Сведения о специализации дообучения и его оценке качества не приведены.

Llama 3.1 Swallow Gen 8B v0.1 — языковая модель, полученная слиянием моделей Tokyo Institute of Technology и BAAI с помощью Mergekit. Она объединяет Llama-3.1-Swallow-8B-Instruct-v0.1 и Infinity-Instruct-7M-Gen-Llama3_1-8B методом dare_ties; архитектура — плотная LlamaForCausalLM, размер — 7,5 млрд параметров, формат весов — safetensors, библиотека — Transformers. Модель предназначена для генерации текста и диалогов на японском и английском языках, включая выполнение текстовых инструкций. Контекст составляет до 8192 токенов. Лицензия в предоставленных данных не указана.

Crystalcareai/llama-3-4x8b — разговорная языковая модель для генерации текста. В README она описана как смесь экспертов на основе Llama-3-8b с четырьмя экспертами и архитектурой DeepSeek-MoE; все эксперты участвуют в обработке каждого токена, без маршрутизации и gate-механизма. Метаданные классифицируют архитектуру как плотную DeepseekForCausalLM и указывают 7,5 млрд параметров, контекст 8192 токена и формат safetensors. Модель предназначена для диалога и генерации текста. Карточка не сообщает, на каких данных она обучалась и какие языки поддерживает. Лицензия в предоставленных сведениях не указана.

Llama-3-Taiwan-70B-Instruct-GGUF — языковая модель для генерации текста и диалоговых сценариев, основанная на Llama-3-Taiwan-70B-Instruct от yentinglin. Модель ориентирована на китайский язык, включая традиционный китайский Тайваня, а также английский. Формат GGUF предназначен для локального запуска и использования с совместимыми инструментами. Модель имеет размер 70B параметров согласно названию, относится к семейству Llama 3 и использует инструкционную настройку. В карточке указаны контекст размером 4096 токенов, шаблон диалога llama-3-chat и поддержка запуска через GaiaNet. Квантование выполнено компанией Second State Inc. с использованием llama.cpp b3613. Модель подходит для многоязычных чат-ботов, генерации и обработки текста, особенно в сценариях, связанных с китайским и английским языками. К сильным сторонам относятся большой размер, инструкционная настройка и возможность локального или распределённого запуска в формате GGUF. README не содержит результатов бенчмарков, точного уровня квантования, требований к оборудованию и подробностей об ограничениях качества, поэтому эти характеристики нельзя оценить по имеющимся данным. Указана лицензия llama3.

lmstudio-community/Llama-4-Scout-17B-16E-MLX-text-8bit — это текстовая версия модели Llama 4 Scout, адаптированная сообществом lmstudio-community для экосистемы MLX. Базовая модель — meta-llama/Llama-4-Scout-17B-16E-Instruct, разработанная Meta. Обозначение модели указывает на использование 8-битного представления весов и архитектуру с 17 млрд параметров и 16 экспертами, однако в README не приведены подробности о механизме маршрутизации экспертов или фактическом объёме активных параметров. Модель предназначена для генерации и обработки текста, включая диалоговые и инструкционные сценарии. Заявлена поддержка арабского, немецкого, английского, испанского, французского, хинди, индонезийского, итальянского, португальского, тайского, тагальского и вьетнамского языков. Сведения о размере контекста, дополнительных модальностях, результатах тестирования, производительности и конкретных ограничениях в README отсутствуют, поэтому их нельзя достоверно оценить. Использование регулируется Llama 4 Community License от Meta. Лицензия предоставляет ограниченные права на использование, копирование, распространение, модификацию и создание производных работ при соблюдении условий соглашения, включая передачу текста лицензии, указание «Built with Llama», атрибуцию и соблюдение Acceptable Use Policy. Для продуктов и сервисов с более чем 700 млн ежемесячных активных пользователей требуется отдельная лицензия Meta.

MaziyarPanahi/M7Yamshadowexperiment28_CalmeInex12 — объединённая модель семейства Mistral, созданная на основе automerger/M7Yamshadowexperiment28-7B и automerger/CalmeInex12-7B. Она предназначена для генерации текста и диалоговых сценариев. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Карточка не приводит сведений о целевых языках и специализированных областях применения.

Magnum v2 72B GGUF — квантизированная версия языковой модели anthracite-org/magnum-v2-72b, разработанная командой Anthracite и дообученная на базе Qwen-2 72B Instruct. Модель создана для генерации текста и диалоговых сценариев; её цель — приблизить качество прозы к моделям Claude 3, в частности Sonnet и Opus. Она предназначена для использования в формате ChatML. Модель содержит 72 миллиарда параметров, поддерживает текстовую модальность и указанные языки: английский, французский, немецкий, испанский, итальянский, португальский, русский, китайский и японский. Дообучение проводилось в течение двух эпох с использованием полного набора параметров, weight decay 0,01 и пиковой скорости обучения 4e-6. При обучении применялась упаковка примеров на 16 тысяч токенов, однако точный размер контекстного окна в README не указан. Репозиторий содержит GGUF-квантизации; вариант Q8_0 отмечен как повреждённый. Сильными сторонами модели заявлены качество прозы и способность работать в многоязычных диалоговых задачах. Ограничения включают зависимость от конкретного шаблона ChatML, отсутствие подробных сведений о результатах оценки и безопасности, а также возможные особенности и потери качества, связанные с квантизацией. Модель распространяется по лицензии, обозначенной как tongyi-qianwen; подробные условия следует уточнять в файле лицензии исходной модели.

Megatron-BERT-large Swedish 165k for zero-shot classification — шведская модель для классификации текста без заранее заданного набора классов. Её разработала KBLab на основе Megatron-BERT-large-165k: модель дообучили на задачах QNLI, а затем MNLI. Архитектура — плотный Megatron-BERT для классификации последовательностей, размер — 468,3 млн параметров. Модель предназначена для присвоения тексту меток из пользовательского списка категорий через pipeline zero-shot classification в Hugging Face Transformers. Это подходит, например, для сортировки шведских текстов по темам или проверки их соответствия заданным утверждениям. Поддерживается шведский язык; максимальная длина контекста — 512 токенов. Репозиторий содержит веса PyTorch и Safetensors. Сведения о лицензии в предоставленных материалах отсутствуют.

Карточка модели mergekit-community/mergekit-slerp-utpztvu на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-jlrpbqb, поэтому описание составлено по ней. Это объединённая модель генерации текста на архитектуре Mistral, созданная сообществом mergekit-community методом SLERP из arcee-ai/sec-mistral-7b-instruct-1.6-epoch и cognitivecomputations/dolphin-2.8-mistral-7b-v02. Модель содержит около 7,1 млрд параметров, рассчитана на диалоговое применение и использует контекст до 32 768 токенов. Модель предназначена для генерации ответов в диалоге и других сценариев генерации текста. Веса доступны в формате Safetensors и имеют тип bfloat16. В метаданных указана библиотека Transformers. Сведения о лицензии и конкретных ограничениях поведения в предоставленных данных отсутствуют.

MarsupialAI/MG-FinalMix-72B_iMatrix_GGUF — GGUF-сборка объединённой чат-модели на основе Alpindale/Magnum-72B-v1 и Qwen/Qwen2-72B-Instruct. Репозиторий содержит iMatrix GGUF-файлы; модель предназначена для генерации текста в диалоговом формате. Метаданные указывают поддержку английского и китайского языков и размер базовой модели 72 млрд параметров. Описание не содержит подробностей о контекстном окне, вариантах квантования или дополнительных характеристиках генерации. Лицензия указана как other, поэтому условия использования следует сверять с лицензиями исходных моделей и файлами репозитория.

Midnight-Miqu-103B-v1.5 — языковая модель с архитектурой Llama, созданная FluffyKaeloky методом passthrough-слияния слоёв модели sophosympatheia/Midnight-Miqu-70B-v1.5. Она содержит 102,9 млрд параметров и рассчитана на генерацию текста в диалоговом формате, включая сценарии, где нужен длинный контекст до 32 764 токенов. Модель подходит для ведения диалогов и генерации продолжений текста. В README также перечислены сторонние квантизованные сборки GGUF и EXL2; репозиторий модели содержит веса в safetensors. Языковая специализация модели в доступных данных не указана. Сборка основана на Miqu и использует слои исходной модели, повторённые в трёх диапазонах. Лицензия в предоставленных данных не указана.

MinLlama-3-8B-instruct-pass — разговорная языковая модель семейства Llama, созданная как слияние версий NousResearch/Meta-Llama-3-8B-Instruct с помощью LazyMergekit. Она предназначена для диалогов, ответов на вопросы и генерации текста; карточка не описывает специализированные сценарии или дополнительные возможности. Архитектура — плотная авторегрессионная LlamaForCausalLM; в метаданных указано 5,3 млрд параметров и контекст до 8192 токенов. Модель принимает текст и генерирует текст. Указана лицензия базовой модели? Лицензионные условия в предоставленных данных не приведены.

MaziyarPanahi/Mistral-7B-Instruct-Aya-101 — дообученная диалоговая модель на архитектуре Mistral с 7,1 млрд параметров, основанная на mistralai/Mistral-7B-Instruct-v0.2. Она предназначена для генерации текста и ответов на инструкции в многоязычных диалоговых сценариях. Указанный для семейства базовой модели контекст составляет до 32 768 токенов; модель использует форматы PyTorch и Safetensors. В README приведён пример запуска через Transformers с задачей text-generation. В метаданных указан набор данных CohereForAI/aya_dataset и языковые теги, включая английский, арабский, хинди, японский, корейский и другие; README отдельно отмечает многоязычность. Для весов заявлена лицензия Apache-2.0. README не содержит результатов подробной оценки или описания известных ограничений, поэтому качество ответов на конкретных языках и типах задач по имеющимся данным оценить нельзя.

zelk12/MT1-IM-gemma-2-9B — объединённая диалоговая языковая модель на архитектуре Gemma 2, созданная методом SLERP с помощью mergekit из двух моделей: zelk12/MT1-MA-gemma-2-RAt0.25v0.1RPMHv0.1-9B и zelk12/MT1-IF-gemma-2-RAt0.25v0.1GD-9B. Модель содержит 9 млрд параметров, распространяется в формате Safetensors и рассчитана на генерацию текста и диалоговые сценарии с контекстом до 8192 токенов. Её можно использовать для ответов на запросы, ведения диалога и генерации текста. В карточке не приведены сведения о специализации по языкам или прикладным областям, поэтому область применения следует считать общей. Лицензия в предоставленных данных не указана.

zelk12/MT2-Gen4-IF-gemma-2-MT4g2S2-9B — объединённая модель на базе Gemma 2, созданная с помощью mergekit методом SLERP из zelk12/MT4-Gen2-gemma-2-9B и allknowingroger/Gemmaslerp2-9B. Это плотная языковая модель с авторегрессионной архитектурой Gemma2ForCausalLM, 9 млрд параметров и контекстом до 8192 токенов; она предназначена для диалогов и генерации текста. Модель принимает текст и выдаёт текст. В карточке указана библиотека Transformers и формат safetensors. Данных о специальных прикладных областях или языковой специализации в предоставленных источниках нет. Лицензия в метаданных и README не приведена, поэтому условия использования по этим данным определить нельзя.

zelk12/MT2-MU-gemma-2-Rv0.4Rv0.2-9B — слитая диалоговая языковая модель на архитектуре Gemma 2 с 9 млрд параметров. Разработчик объединил recoilme/recoilme-gemma-2-9B-v0.4 и recoilme/recoilme-gemma-2-9B-v0.2 методом SLERP с помощью mergekit. Модель предназначена для генерации текста и диалогового общения. Она принимает текст и формирует текстовые ответы; заявленный родной контекст составляет 8192 токена. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Сведения о специализированных областях применения и лицензии в доступных данных отсутствуют; качество и поведение могут отличаться от исходных моделей после слияния.

zelk12 выпустил MT5-Gen5-MAB-gemma-2-9B — объединённую модель для генерации текста и диалогового общения на архитектуре Gemma 2. Модель содержит 9 млрд параметров, принимает текст и выдаёт текст; максимальная длина контекста составляет 8192 токена. Модель создана слиянием SLERP двух предварительно обученных моделей: zelk12/MT5-Gen5-BB-gemma-2-RAv0.1MTg2-9B и zelk12/MT5-Gen5-MA-gemma-2-MTg2MT2-9B. Для сохранения весов используется формат safetensors, модель предназначена для работы через Transformers. Подходит для диалогов и генерации текста. README и метаданные не сообщают о специализированной области применения или поддерживаемых естественных языках. Условия лицензии в предоставленных данных не указаны.

mjwong выпустил дообученную на наборах XNLI и ANLI модель на базе multilingual-e5-large-instruct для многоязычной классификации без примеров. Она использует архитектуру XLM-RoBERTa с примерно 658,7 млн параметров и доступна в форматах PyTorch и Safetensors. Модель принимает текст и заданные пользователем названия классов, а затем оценивает принадлежность текста к этим классам; её также можно применять для задач определения отношений между посылкой и гипотезой (NLI). Окно контекста составляет 514 токенов. В README приведены результаты оценки на XNLI для 15 языков, а также на MultiNLI и ANLI. Лицензия CC-BY-NC-4.0 ограничивает использование условиями этой лицензии, включая некоммерческий характер. Качество зависит от формулировок текста и меток классов; приведённые результаты относятся к указанным тестовым наборам и не гарантируют качество на других данных.

Nandine-7b — объединённая модель семейства Mistral, опубликованная sethuiyer. Она создана методом DARE-TIES из senseable/Westlake-7B, Guilherme34/Samantha-v2 и uukuguy/speechless-mistral-six-in-one-7b; в конфигурации указан базовый Mistral-7B-v0.1. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст, а её контекст составляет до 32 768 токенов. Модель предназначена для диалогового общения, творческого письма, обсуждения сложных тем и общей помощи. Карточка отмечает сильные стороны в повествовании, эмпатичных ответах, ясной подаче и анализе; приведённые оценки получены на синтетических запросах и стандартных бенчмарках. Основной язык карточки — английский. Среди ограничений указаны недостаточная естественность перевода, ошибки в некоторых математических и логических задачах, а также неполная глубина отдельных ответов и исторических объяснений. Модель распространяется по лицензии Apache-2.0.