III.2Исследование рынка и маркетинг

NeuralStock-7B-v3 — объединённая автором Kukedlc языковая модель для генерации текста и диалогов. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров; заявленная длина контекста — до 32 768 токенов. Модель объединяет NeuralMaths-Experiment-7b, NeuralArjuna-7B-DT и NeuralSirKrishna-7b методом model_stock с помощью LazyMergekit, используя NeuralStock-7B-v2 как базовую модель. Модель подходит для диалоговых сценариев и генерации текста. Данные карточки не уточняют специализацию, поддерживаемые языки или конкретные результаты оценки качества. В репозитории указаны веса safetensors; лицензия в предоставленных данных не приведена.

Neuronovo/neuronovo-9B-v0.3 — диалоговая языковая модель, созданная Яном Коконем и основанная на архитектуре Mistral. Модель содержит 8,9 млрд параметров, работает с текстом и поддерживает контекст до 32 768 токенов. Версия 0.3 дообучена на наборах Intel/orca_dpo_pairs и mlabonne/chatml_dpo_pairs для диалогов и генерации ответов. Для обучения использовались одна эпоха и скорость обучения 5e-6; токенизатор взят из Neuronovo/neuronovo-9B-v0.2. Модель подходит для интерактивных сценариев на естественном языке, но README не приводит результатов оценки качества или подробных ограничений. Лицензия — Apache-2.0.

Phi-3.5-24-10-06 — объединённая языковая модель семейства Phi-3.5, созданная с помощью LazyMergekit из bunnycore/Phi-3.5-Hyper-Mix и win10/phi3.5-mini-24-09-30. В метаданных указана архитектура Phi3ForCausalLM с плотной структурой и 3,7 млрд параметров; файлы представлены в формате Safetensors. Для объединения использован метод TIES, результат сохранён в FP16. Модель предназначена для генерации текста и диалогового общения. Карточка не приводит сведений о специальных предметных областях или поддерживаемых языках. Лицензия в предоставленных данных не указана.

Endriano28/qwen25-3b-indo-ft — языковая модель Endriano28, дообученная на базе unsloth/Qwen2.5-3B-Instruct-bnb-4bit с использованием Unsloth и библиотеки TRL. Это плотная модель семейства Qwen2 с 3,1 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Она принимает текстовые запросы и формирует текстовые ответы; заявленная длина контекста составляет 32 768 токенов. Модель подходит для чат-ботов и других сценариев генерации текста. В названии репозитория указано «indo», однако карточка не уточняет специализацию дообучения или целевые языки; метаданные отмечают английский. Модель распространяется по лицензии Apache-2.0.

Uluka Studio Mercury 2 BF16 Merged — мультимодальный чат-чекпойнт на базе Qwen3.6-35B-A3B, подготовленный UlukaDev. Это объединённая BF16-версия дообучения с адаптером LoRA UlukaDev/qwen3p6-35b-a3b-uluka-mercury-2-lora; веса представлены в формате safetensors и используют архитектуру Qwen3.5 MoE. Модель предназначена для диалогов и анализа изображений; метаданные также указывают интерфейс вызова инструментов. Она принимает текст и изображения и выдаёт текст. Лицензия указана как other, поэтому условия использования следует сверить с карточкой и лицензией базовой модели.

Youssofal/Qwen3.8-27B-MTPLX-Bare-Speed — это 4-битная quantized-версия Qwen/Qwen3.8-27B, подготовленная разработчиками MTPLX для быстрого локального запуска на компьютерах Mac с Apple Silicon. Модель предназначена для диалогов, генерации текста и кода, а также сценариев локального использования через MTPLX Mac app или командный интерфейс. Сохранённая встроенная голова multi-token prediction позволяет применять speculative decoding и ускорять генерацию примерно в два-три раза по сравнению с обычным декодированием. Модель использует MLX-пакет с 4-битными матрицами весов и группами по 64 значения; свёрточные ядра GDN, параметры рекуррентного состояния, нормализации и MTP-head хранятся в 16-битном формате. Глубина MTP составляет 3, контекстное окно — 262 144 токена, размер загрузки — 16 ГБ, пиковое потребление unified memory — около 17 ГБ. Указанные настройки sampling: temperature 1.0, top-p 0.95 и top-k 20; поддерживаются уровни reasoning effort xhigh, medium и low. Модель рассчитана на MacBook Pro, MacBook Air, Mac mini и Mac Studio с чипами M1–M5 и минимум 32 ГБ unified memory. Главное преимущество — высокая скорость генерации, особенно в коротких чат-сценариях: на MacBook Pro с M5 Max заявлено до 65,2 токена в секунду для coding-задачи и 32,4 токена в секунду при длинной генерации. Компромисс — более грубая 4-битная quantization: авторы README прямо указывают на более низкое качество и меньшую скорость на длинных задачах программирования по сравнению с вариантом Optimized Speed. Для M1 и M2 рекомендуется отдельная FP16-сборка. Модель распространяется по лицензии Apache-2.0.

Это дообученная arefehRajabian версия языковой модели Qwen3-8B-FP8. Она предназначена для генерации текста в диалоговом режиме и может использоваться в приложениях, которым нужны ответы на текстовые запросы. Модель содержит 7,6 млрд параметров, использует плотную архитектуру Qwen3 и поддерживает контекст до 40 960 токенов. Веса представлены в формате safetensors. Модель обучена с помощью Unsloth и библиотеки Hugging Face TRL. Она распространяется по лицензии Apache-2.0. Карточка не описывает специализацию дообучения, поэтому область применения и качество на конкретных задачах по ней определить нельзя.

mrupatel/reva-mistral-7b-v2 — дообученная модель семейства Mistral, разработанная mrupatel на базе unsloth/mistral-7b-instruct-v0.2-bnb-4bit с использованием Unsloth и библиотеки Hugging Face TRL. Это плотная авторегрессионная модель на 7,1 млрд параметров для генерации текста и диалогового взаимодействия; базовая модель поддерживает контекст до 32 768 токенов. Модель подходит для генерации ответов в чате и других текстовых сценариев общего назначения. В карточке не описаны специальные области применения или результаты оценки качества. Репозиторий распространяется по лицензии Apache-2.0.

Seamaiiza-7B-v3-32k — языковая модель AlekseiPravdin, полученная слиянием трёх моделей семейства Mistral с помощью mergekit и метода dare_ties. Это плотная авторегрессионная модель на 7,1 млрд параметров для генерации текста и диалогового общения; заявленная длина контекста — 32 768 токенов. Репозиторий содержит веса в формате safetensors, а лицензия — Apache 2.0. Модель подходит для ведения диалога и генерации продолжений текста. Данные карточки не уточняют поддерживаемые естественные языки, специализацию по областям или результаты оценивания качества.

Модель yuhengtu-bytedance/sfm_filtered_e2e_alignment-2k_3k_4k_5k_6k_simpleavg_merge — объединение предварительно обученных языковых моделей, созданное с помощью mergekit. В README описан линейный метод слияния; базой служил чекпойнт global_step6000, также объединены чекпойнты global_step2000, global_step3000, global_step4000 и global_step5000. Метаданные указывают на архитектуру GPT-NeoX с плотной причинной языковой моделью и 8,8 млрд параметров. Модель предназначена для генерации текста и диалогового взаимодействия. Она принимает текст и выдаёт текст, работает через Transformers и распространяется в формате safetensors. Контекст составляет до 16 384 токенов. Сведения о специальных предметных областях, поддерживаемых языках и условиях лицензии в предоставленных материалах отсутствуют.

Это объединённая языковая модель, созданная yuhengtu-bytedance с помощью mergekit. В ней линейно объединены контрольные точки обучения filtered_e2e_insert_hyperstition_v1 на шагах 2000, 3000 и 4000; базой при слиянии служила контрольная точка шага 4000. Архитектура — плотная GPT-NeoX с авторегрессионной языковой головой, размер — 8,8 млрд параметров, формат весов — Safetensors, библиотека — Transformers; заявленная длина контекста — 16 384 токена. Модель предназначена для генерации текста и диалогового взаимодействия. Лицензия и сведения о целевых языках в предоставленных данных не приведены. Характеристики качества и специальные ограничения для применения не описаны.

Spaetzle-v68-7b — слитая модель на 7,1 млрд параметров, созданная автором cstr с помощью LazyMergekit из Spaetzle-v65-7b и Spaetzle-v64-7b. Она использует плотную архитектуру Mistral и предназначена для генерации текста в диалоговом формате. Модель принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. Слияние выполнено методом DARE-TIES с маской int8 и сохранением весов в bfloat16. Модель можно использовать для диалоговых ответов и других задач генерации текста. README не приводит результатов оценки качества или подробного перечня поддерживаемых языков, поэтому конкретные преимущества и языковое покрытие установить нельзя. Лицензия — CC-BY-NC-SA-4.0: использование ограничено некоммерческими условиями и требованием ShareAlike.

Starling_Monarch_Westlake_Garten-7B-v0.1 — объединённая модель генерации текста на архитектуре Mistral, созданная автором giraffe176 методом DARE TIES с помощью mergekit. В слияние вошли Starling-LM-7B-alpha, AlphaMonarch-7B, WestLake-7B-v2-laser и garten2-7b; базой указан Mistral-7B-v0.1. Модель содержит 7,1 млрд параметров, распространяется в формате safetensors и поддерживает контекст до 32 768 токенов. Модель предназначена для диалогов и генерации текста, в том числе для задач, где полезны рассуждения и эмоционально чуткие ответы. В README автор приводит результаты EQ-Bench v2.1, GSM8K, MT-Bench и других тестов; это результаты, заявленные в карточке модели, и они не гарантируют аналогичного качества на пользовательских задачах. Модель рассчитана на текстовый ввод и текстовый вывод. Лицензия — CC BY-NC 4.0, которая ограничивает коммерческое использование. Как объединённая экспериментальная версия, модель может отвечать неточно; в README не приведены сведения о поддерживаемых естественных языках.

RUC-AIBOX/STILL-2 — дообученная авторами репозитория модель семейства Qwen2.5 для генерации текста и диалогового взаимодействия. Она содержит 32 млрд параметров, построена на плотной архитектуре Qwen2ForCausalLM и рассчитана на контекст до 32 768 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель подходит для генерации ответов в чате и других текстовых сценариев. Базовая Qwen2.5-32B-Instruct описана как модель для диалога, программирования, математики и структурированных ответов, однако карточка STILL-2 не уточняет, какие из этих возможностей проверялись после дообучения. README автоматически создан и не содержит сведений о разработчике, данных обучения, оценках качества или лицензии.

Tarnished-9B — разговорная языковая модель семейства Gemma 2 от lodrick-the-lafted. Это плотная модель с 9 млрд параметров, предназначенная для генерации текста в диалоговом формате. Она принимает текст и выдаёт текст, а заявленный контекст составляет 8192 токена. Модель размещена в формате Safetensors и распространяется по лицензии WTFPL. Доступные сведения не описывают специальную предметную область или отдельные языковые специализации.

cais/zephyr_7b_r2d2 — разговорная языковая модель Центра безопасности ИИ (Center for AI Safety), представленная как модель генерации текста. Это плотная авторегрессионная модель семейства Mistral на 7,1 млрд параметров; карточка Hugging Face показывает использование для генерации текста и диалогов, а метаданные указывают контекст до 32 768 токенов. Модель принимает текстовые сообщения и генерирует текстовые ответы. Её можно применять для диалоговых помощников, ответов на вопросы и других сценариев генерации текста. Модель опубликована в формате Safetensors и распространяется по лицензии MIT. Карточка не описывает специальные области применения, дополнительные языки или конкретные показатели качества.

zephyr-qwen2-7b-sft — диалоговая языковая модель на архитектуре Qwen2 с 7,1 млрд параметров, дообученная разработчиком tanliboy на наборе HuggingFaceH4/ultrachat_200k. Она предназначена для генерации текста и ведения диалога; модель поддерживает контекст длиной до 131 072 токенов. Модель может использоваться для ответов на вопросы, диалоговых помощников и создания текстовых черновиков. В карточке приведён результат оценки Loss 1,0646, но подробности методики и качества на практических задачах отсутствуют. Модель распространяется по лицензии Apache-2.0.

Zinakha-12b — текстовая авторегрессионная модель Aixon Lab на архитектуре Transformer, дообученная на базе mistralai/Mistral-Nemo-Base-2407 с использованием разных наборов данных и слияния слоёв. Модель содержит около 12,1 млрд параметров и предназначена прежде всего для многоходового общения с несколькими ролями, генерации текста, ответов на вопросы и анализа. В карточке особенно отмечены понимание контекста, творческое письмо и рассказывание историй. Модель в первую очередь рассчитана на английский язык; заявлена возможная поддержка других языков. Метаданные указывают контекст до 1 024 000 токенов и формат весов safetensors. Лицензия — Apache 2.0. Оценки качества и результаты бенчмарков для этой модели не приведены; ответы могут наследовать смещения обучающих данных, поэтому их следует проверять.

Модель ShenaoZ/0.0001_sft_nodpo_3iters_bs256_531lr_iter_1 — дообученная версия Mistral-7B-SFT-beta, созданная на основе датасетов updated и original. Это плотная авторегрессионная модель с архитектурой MistralForCausalLM и 7,1 млрд параметров, предназначенная для генерации текста и диалогового общения. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. В метаданных не указаны специализация по предметной области или дополнительные возможности сверх генерации текста и чата. Модель распространяется по лицензии MIT.

ishikaa/acquisition_generator_AS_gradient_numina_llama8b — языковая модель для генерации текста, размещённая пользователем ishikaa на Hugging Face. В README отсутствуют сведения о разработчике, базовой модели, обучающих данных и лицензии, поэтому эти характеристики нельзя достоверно определить по доступным материалам. Модель относится к семейству Llama и рассчитана на работу через библиотеку Transformers. Её размер составляет 7,5 млрд параметров, а заявленная длина контекста — 131 072 токена. Метаданные также указывают на conversational-сценарии, поэтому модель может применяться для диалоговой генерации, продолжения текста и создания ответов на текстовые запросы. README не содержит результатов оценки, описания целевых сценариев, рекомендаций по использованию или подтверждённых сведений о языках. Лицензия в доступных данных не указана; условия распространения и коммерческого использования необходимо проверить отдельно перед применением.

AfriqueQwen3.5-9B-50Langs-i1-GGUF — это GGUF-квантизированная версия мультиязычной модели AfriqueQwen3.5-9B-50Langs, разработанной McGill-NLP и подготовленной квантизатором mradermacher. Модель предназначена для работы с африканскими и другими языками в задачах генерации и обработки текста, а также поддерживает сценарии image-text-to-text, то есть работу с изображениями и текстом. Модель содержит около 9 миллиардов параметров и ориентирована примерно на 50 языков, включая английский, французский, арабский, португальский и широкий набор африканских языков, среди которых суахили, хауса, йоруба, игбо, амхарский, зулу, коса, тсвана, тигринья и другие. README не указывает размер контекстного окна и подробности архитектуры. Доступны варианты квантования i1-IQ и i1-Q с размером файлов примерно от 2,8 до 6,6 ГБ; вариант i1-Q4_K_M отмечен как рекомендуемый по сочетанию скорости и качества. Сильной стороной модели является специализация на многоязычной обработке африканских языков и возможность локального запуска в формате GGUF. Качество, скорость и требования к памяти зависят от выбранного уровня квантования: наиболее компактные варианты могут заметно уступать в качестве, тогда как более крупные требуют больше ресурсов. Для поддержки визуального ввода могут потребоваться дополнительные mmproj-файлы из статического репозитория. Модель распространяется по лицензии CC BY 4.0.

Amadeus-Verbo-FI-Qwen2.5-7B-PT-BR-Instruct — языковая модель для бразильского португальского, созданная Amadeus AI дообучением Qwen/Qwen2.5-7B-Instruct на 600 тысячах инструкций в течение двух эпох. Это плотная Transformer-модель семейства Qwen2 с причинной генерацией текста; в метаданных указано 7,1 млрд параметров и контекст 32 768 токенов. README приводит другие значения: 7,61 млрд параметров и контекст 131 072 токена. Модель предназначена для диалогов и генерации ответов на инструкции на бразильском португальском. Метаданные также отмечают интерфейс для вызова инструментов. Для загрузки README рекомендует библиотеку Hugging Face Transformers. Модель распространяется под лицензией Apache-2.0.

Amberlight-Lux-12B — диалоговая языковая модель на архитектуре Mistral, разработанная shrugging-shoulders как дополнительное дообучение Amberlight-12B. Она предназначена для генерации ответов в чате и ролевых диалогов; автор сообщает о повышенной стабильности и меньшей склонности к ошибкам по сравнению с базовой моделью. Модель содержит 12,1 млрд параметров, принимает текст и выдаёт текст, поддерживает контекст до 131 072 токенов и работает с шаблоном ChatML. Заявлена поддержка английского, французского, немецкого, испанского, итальянского, португальского, русского, китайского и японского языков. Рекомендуемые автором начальные настройки генерации: temperature 0,8, repetition penalty 1,05, top-p 0,90 и min-p 0,025; также проверялись значения temperature от 0,6 до 1,0. Модель распространяется под лицензией Apache-2.0. Заявления об устойчивости основаны на описании автора; независимые оценки качества в карточке не приведены.

AquilaMoE — двуязычная языковая модель с архитектурой Mixture of Experts (MoE), разработанная командой Language Foundation Model & Software Team Пекинской академии искусственного интеллекта (BAAI). Она предназначена для генерации текста и диалогового взаимодействия на английском и китайском языках. В модели 15,9 млрд параметров, контекстное окно — 4096 токенов. По описанию обучения, на каждом токене активируются два из восьми экспертов; README указывает около 30 млрд активных параметров. Модель обучали по методике EfficientScale с переносом весов из меньших плотных моделей и последующим переходом к MoE; в репозитории представлены веса Safetensors. Модель подходит для генерации ответов и ведения диалога. README отдельно предупреждает, что версия Instruct не имеет механизмов модерации, поэтому её ответы могут требовать дополнительной проверки и защитных мер. Лицензия — Apache-2.0.

Atom-7B-Chat — диалоговая языковая модель, совместно разработанная Llama中文社区 и AtomEcho. Она создана на основе Llama 2-7B и продолжительно предобучена на крупных китайских текстовых корпусах; архитектура — плотный decoder-only Transformer семейства Llama с 6,7 млрд параметров. Модель предназначена для диалогов на китайском и английском языках, ответов на вопросы и генерации текста. В README указано штатное контекстное окно 4K токенов; с NTK-расширением заявлена поддержка более 18K, а после дообучения — до 32K токенов. Разработчики сообщают об оптимизации китайского словаря до 65 000 токенов и повышении скорости кодирования и декодирования китайского текста. Модель можно запускать с Transformers; README также приводит примеры размещения 7B-модели в форматах INT8 и INT4 на потребительских видеокартах. Репозиторий содержит веса safetensors, лицензия Apache-2.0 допускает коммерческое использование. Заявленные свойства контекста и скорости приведены разработчиками; независимые результаты оценки в предоставленных материалах не описаны.

Aura_Qwen2_v3_7B — объединённая разговорная языковая модель на базе архитектуры Qwen2, созданная jeiku методом Model Stock с помощью mergekit. В объединение вошли jeiku/dontusethis и три варианта с LoRA: ResplendentAI/Qwen_Soul_LoRA_128, ResplendentAI/Qwen_jeiku_LoRA_128 и ResplendentAI/Qwen_Sissification_LoRA_128. Модель содержит 7,1 млрд параметров, использует архитектуру Qwen2ForCausalLM и формат safetensors; заявленный нативный контекст — 131 072 токена. Модель предназначена для генерации текста и диалогового общения. В карточке не приведены сведения о конкретных языках или специализированных предметных областях. Лицензия в предоставленных данных не указана.

Beetle-FineWeb2-24B/beetle-bilingual-b3-fineweb-24b-deu-eng-ewc — языковая модель для генерации текста, опубликованная на Hugging Face и предназначенная для работы через библиотеку Transformers. По идентификатору модели она относится к двуязычному семейству Beetle-FineWeb2 с размером около 24 млрд параметров и поддержкой немецкого и английского языков. В метаданных также указана архитектурная метка pico_decoder. Модель можно применять для продолжения текста, генерации ответов, черновиков и других сценариев, основанных на text-generation. README не содержит сведений о разработчике, обучающих данных, результатах оценки, длине контекста, лицензии, рекомендуемых параметрах запуска или специальных ограничениях использования. Из-за неполноты документации качество, языковые возможности, безопасность и пригодность модели для конкретных прикладных областей требуют самостоятельной проверки.

keyfan/bloomz-rlhf — экспериментальная чат-модель на архитектуре BLOOM, созданная как попытка воспроизвести конвейер обучения с подкреплением на основе отзывов людей (RLHF). В качестве базовой модели использована bigscience/bloomz-7b1-mt; модель содержит около 9,1 млрд параметров и поддерживает контекст до 2048 токенов. Модель прошла supervised fine-tuning на наборах диалоговых и инструкционных данных, затем обучение reward model и этап reinforcement learning с использованием trlx. Она предназначена для генерации ответов в диалоге, выполнения инструкций, суммаризации, вопросов и ответов, перефразирования и генерации текста. В README приведён результат оценки на китайском наборе BELLE; языки карточки — китайский и английский. Это попытка воспроизведения RLHF, поэтому приведённые оценки не гарантируют качество на других задачах и языках. Лицензия — BigScience BLOOM RAIL 1.0; перед применением следует учитывать её условия и ограничения.

BLOSSOM-v4-qwen15-4b — диалоговая языковая модель, созданная на основе Qwen1.5-4B и дообученная командой Blossom на смешанных наборах данных Blossom Orca, Wizard, Chat и Math. Это плотная авторегрессионная модель семейства Qwen2 с 3,6 млрд параметров и контекстом до 32 768 токенов. Она принимает текстовые инструкции и историю диалога и генерирует ответы; обучение включало одноходовые инструкции и многоходовые беседы на китайском и английском языках. Модель предназначена для диалоговых помощников, ответов на вопросы, следования инструкциям и решения задач общего назначения, включая математические запросы. README описывает формат диалогового продолжения и шаблон промпта для одиночного и многоходового диалога. Модель опубликована в формате Safetensors по лицензии Apache-2.0. Карточка не приводит количественных оценок качества; результаты могут зависеть от формата промпта и выбранного сценария использования.

Brezn3 — объединённая чат-модель на архитектуре Mistral, созданная Johann Hartmann с помощью mergekit и метода DARE TIES. В качестве базовой модели использована LeoLM/leo-mistral-hessianai-7b-chat; в объединение также вошли WestSeverus-7B-DPO-v2, Wiedervereinigung-7b-dpo-laser и openchat-3.5-0106-laser. Модель предназначена для генерации текста и диалогов. Она содержит 7,1 млрд параметров, принимает текст и имеет контекстное окно 32 768 токенов. По описанию базовой модели, модель рассчитана прежде всего на немецкий и английский языки. В карточке указаны форматы Transformers и safetensors. Лицензия и отдельные сведения о качестве в предоставленных данных не приведены. Как и другие объединённые языковые модели, Brezn3 может генерировать неточные или вымышленные ответы; качество конкретных задач следует оценивать на собственных примерах.