III.2Исследование рынка и маркетинг

Shining Valiant 1.4 — диалоговая модель Valiant Labs на архитектуре Llama 2 с 70 млрд параметров. Она дообучена на частных и открытых данных, включая материалы для развития знаний, структурированных рассуждений и заданного характера: дружелюбного, увлечённого и вдумчивого. Модель предназначена для диалогов и генерации текста: она может отвечать на вопросы, объяснять темы, помогать с написанием писем и разбором текстовых задач. Использует формат запросов Llama 2 Chat. В репозитории размещены веса Safetensors; контекст — до 4096 токенов. Основной язык по карточке — английский. Авторы называют версию 1.4 наиболее сильной для обычных диалогов среди версий Shining Valiant, однако результаты её оценки на Open LLM Leaderboard ещё ожидались. Модель обозначена авторами как устаревшая: они рекомендуют Shining Valiant 2 на базе Llama 3.1. Лицензия — Llama 2; перед использованием следует соблюдать её условия.

cyberagent/Llama-3.1-70B-Japanese-Instruct-2407 — японская модель для диалогов и генерации текста, разработанная Рёсукэ Исигами. Это модель семейства Llama 3.1 с плотной архитектурой LlamaForCausalLM и 69,5 млрд параметров; она создана на основе meta-llama/Meta-Llama-3.1-70B-Instruct путём дополнительного предобучения на японском языке. Модель использует формат запросов Llama 3.1 и поддерживает контекст до 131 072 токенов. Модель предназначена для ответов на запросы и ведения диалога на японском и английском языках. Её можно применять в чат-ботах и для генерации текста с длинным контекстом. Репозиторий содержит веса в формате safetensors. Лицензия — llama3.1. README не описывает специализированные области применения или подробные ограничения качества.

Llama-3-ELYZA-JP-8B — языковая модель компании ELYZA, построенная на базе Meta-Llama-3-8B-Instruct. Разработчики адаптировали её для японского языка с помощью дополнительного предварительного обучения и настройки на инструкциях. Модель использует плотную архитектуру Llama и содержит 7,5 млрд параметров; для работы с контекстом доступно до 8192 токенов. Модель предназначена для генерации текста и диалоговых сценариев на японском языке, также в метаданных указана поддержка английского. Её можно применять для ответов на вопросы, ведения диалога и создания японских текстов. Модель распространяется в формате safetensors по лицензии llama3; применяются условия лицензии Meta Llama 3.

crimsonjoo/Llama3-Ko-LON-8B — языковая модель, созданная объединением предобученных моделей с помощью mergekit и метода DARE TIES. В качестве основы использована meta-llama/Meta-Llama-3-8B; в объединение также вошли meta-llama/Meta-Llama-3-8B-Instruct и beomi/Llama-3-Open-Ko-8B. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM, примерно 7,5 млрд параметров и контекстом до 8192 токенов. Она предназначена для генерации текста и диалоговых ответов; корейская языковая специализация следует из включённой Llama-3-Open-Ko-8B, а базовая модель также рассчитана на английский. Модель распространяется в формате safetensors, исходный merge выполнен с типом bfloat16. Лицензия в предоставленных данных не указана.

maywell/Llama-3-Synatra-11B-v1 — чат-модель на архитектуре Llama 3, дообученная разработчиком Maywell на более чем 400 тысячах диалоговых примеров на корейском и английском языках. Она предназначена для диалогов и генерации текста по запросам; использует формат чата Llama 3. Модель содержит 11 млрд параметров и рассчитана на контекст до 8192 токенов. Модель подходит для общения и ответов на запросы на корейском и английском языках. В качестве основы указана kuotient/Llama-3-11B-Instruct-attenuated. Лицензия обозначена как other, поэтому условия использования следует сверить с карточкой модели и её базовой модели. Публичных сведений о результатах оценки качества в карточке нет.

Magnum v2 32B — диалоговая модель Anthracite, созданная для воспроизведения качества прозы Claude 3 Sonnet и Opus. Она дообучена на Qwen1.5-32B с полным обновлением параметров и настроена на инструкции в формате ChatML. Модель предназначена для диалога, генерации связного текста и ответов на инструкции. В обучении использовались отфильтрованные наборы данных для диалогов, прозы и рассуждений; README указывает два эпоха обучения на восьми ускорителях NVIDIA H100. Архитектура — плотная Qwen2, размер — 31,7 млрд параметров, контекст — до 32 768 токенов. Метаданные указывают поддержку английского и китайского языков. Модель распространяется в формате safetensors по лицензии other; конкретные условия этой лицензии следует проверить на странице репозитория. Оценка в карточке позиционируется как попытка приблизить качество прозы Claude 3, но независимых сравнительных результатов README не приводит.

Mahou-Gutenberg-Nemo-12B — объединённая текстовая языковая модель на архитектуре Mistral, созданная nbeerbower с помощью mergekit. В слиянии della_linear использованы flammenai/Mahou-1.3-mistral-nemo-12B и nbeerbower/mistral-nemo-gutenberg-12B-v3; число параметров составляет 12,1 млрд. Модель предназначена для генерации текста и диалоговых сценариев. Репозиторий содержит веса в формате safetensors; в конфигурации слияния указан тип bfloat16. Для модели заявлено контекстное окно до 1 024 000 токенов. Карточка не описывает отдельные языковые или специализированные предметные области. Лицензия в предоставленных данных не указана.

Marcoro14-7B-dare — объединённая языковая модель на архитектуре Mistral, созданная с помощью mergekit. В неё вошли SamirGPT-v1, Slerp-CM-mist-dpo и Mistral-7B-Merge-14-v0.2; при объединении также использована mistralai/Mistral-7B-v0.1. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Формат safetensors и лицензия Apache-2.0 указаны в метаданных. В README нет сведений о специализированной области применения или оценках качества; для русского языка отдельная поддержка не заявлена.

Megatron_v3_2x7B — двуязычная языковая модель архитектуры Mixtral с механизмом Mixture of Experts (MoE), опубликованная Eurdem. Она предназначена для генерации текста и диалоговых ответов на английском и турецком языках. Модель содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors по лицензии Apache-2.0. Карточка заявляет, что модель понимает инструкции и отвечает на них на обоих языках. Подробные результаты оценки и специфические ограничения в карточке не приведены.

Meliodas-7b-dare — объединённая языковая модель, созданная AurelPx с помощью LazyMergekit на основе liminerity/M7-7b и ammarali32/multi_verse_model. Используется архитектура Mistral с плотной авторегрессионной моделью на 7,1 млрд параметров; репозиторий содержит веса в формате safetensors, а заявленный контекст составляет 32 768 токенов. Модель предназначена для генерации текста и диалогов по текстовому запросу. При слиянии применён метод DARE TIES с настройками плотности и весов из карточки; итоговая точность указана как bfloat16. Лицензия — Apache-2.0. Карточка не приводит результатов оценки качества или специализированных областей применения.

Карточка модели mergekit-community/mergekit-slerp-dafvhck на Hugging Face совпадает с карточкой mergekit-community/dolphin-mistral-instruct-7b, поэтому описание составлено по ней. 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.

Карточка модели mergekit-community/mergekit-slerp-fmruwmd на Hugging Face совпадает с карточкой mergekit-community/dolphin-mistral-instruct-7b, поэтому описание составлено по ней. 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.

Hjgugugjhuhjggg/mergekit-ties-kmlzhzo — объединённая диалоговая языковая модель семейства Llama 3.2, созданная с помощью mergekit методом TIES на основе huihui-ai/Llama-3.2-3B-Instruct-abliterated и нескольких моделей bunnycore. Модель содержит 3,2 млрд параметров, использует архитектуру LlamaForCausalLM и формат safetensors; заявленная длина контекста — 131 072 токена. Модель предназначена для генерации текста и диалоговых ответов. В объединение вошли варианты, ориентированные на рассуждения, научные темы, навыки, ролевые сценарии и финансовую тематику, поэтому модель может быть полезна для широкого круга чат-сценариев. Метаданные отмечают интерфейс вызова инструментов, но сами по себе не подтверждают качество его работы. В README не приведены результаты оценки качества или подробные ограничения. Лицензия в предоставленных данных не указана.

dddsaty выпустил Merge_Sakura_Solar — разговорную модель генерации текста на архитектуре Llama с 10,6 млрд параметров. Она объединяет Sakura-SOLAR-Instruct, Sakura-SOLRCA-Instruct-DPO и Sakura-SOLRCA-Math-Instruct-DPO-v2 с помощью mergekit и метода dare_ties. Модель предназначена для диалогов, ответов на вопросы и решения математических задач. В карточке приведены результаты тестов ARC, HellaSwag, MMLU, TruthfulQA, Winogrande и GSM8K; средний балл указан как 74,03. Поддерживает контекст до 4096 токенов и работает с текстом на английском языке. Модель распространяется в формате safetensors по лицензии CC BY-NC-SA 4.0. По условиям лицензии производные материалы должны распространяться на тех же условиях, требуется указание авторства, а коммерческое использование запрещено.

MetaModelv2 — гибридная разговорная модель, созданная на основе VAGOsolutions/SauerkrautLM-SOLAR-Instruct и kyujinpy/Sakura-SOLAR-Instruct. Она предназначена для генерации текста и диалоговых сценариев. Модель использует плотную архитектуру LlamaForCausalLM, содержит 10,6 млрд параметров и рассчитана на контекст до 8192 токенов. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0. README приводит результаты оценки на бенчмарках ARC и HellaSwag; они не гарантируют качество в конкретных прикладных задачах. Данные не уточняют, какие языки поддерживаются и насколько модель подходит для специализированных областей.

MFANNv0.17.10 — диалоговая языковая модель для генерации текста, созданная netcat420 с помощью слияния моделей через mergekit. В основе объединения лежит MaziyarPanahi/Llama-3-8B-Instruct-v0.4, также в него вошли MFANNv0.16 и MFANNv0.17. Использован метод DARE TIES; модель имеет плотную архитектуру LlamaForCausalLM и содержит 7,5 млрд параметров. Модель предназначена для диалогов и генерации ответов ассистента. Она принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. Репозиторий использует Transformers и формат Safetensors. В карточке не приведены сведения о специализации по языкам или конкретных областях применения. Лицензия в предоставленных данных не указана. Возможности и качество ответов зависят от объединённых моделей; в README нет результатов оценки или подробного описания ограничений.

MN-Nyx-Chthonia-12B — языковая модель, созданная сообществом mergekit-community слиянием нескольких моделей семейства Mistral Nemo. Для слияния использован метод Model Stock, а базовой моделью в README названа mistralai/Mistral-Nemo-Instruct-2407. Репозиторий содержит веса в формате Safetensors; размер модели — 12,1 млрд параметров, заявленная длина контекста — 131 072 токена. Модель предназначена для диалоговой генерации текста. Её можно использовать для ведения беседы и создания ответов на текстовые запросы. Данные не уточняют отдельные специализированные области или основной язык модели. Модель относится к производным моделям типа merge. Лицензия в предоставленных сведениях не указана. Характеристики качества и ограничения применения в README не описаны.

zelk12/MT2-gemma-2-9B — объединённая conversational-модель на базе Gemma 2, созданная zelk12 с помощью mergekit. Веса двух моделей, zelk12/MT2-MMMAGMU-gemma-2-9B и zelk12/MT2-IB-gemma-2-9B, объединены методом SLERP с параметром t=0,5; конфигурация указывает формат bfloat16. Модель имеет плотную архитектуру Gemma2ForCausalLM, около 9 млрд параметров и контекст до 8192 токенов. Модель предназначена для генерации текста в диалоге: она принимает текстовые запросы и выдаёт текстовые ответы. В README приведены результаты Open LLM Leaderboard, включая IFEval и BBH; данных о специализированной предметной области или поддерживаемых языках карточка не сообщает. Репозиторий содержит веса safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

Карточка модели zelk12/MT2-Max-Merge_02012025163610-MM-gemma-2-MT5g4MTM4-9B на Hugging Face совпадает с карточкой zelk12/MT-Max-Merge_02012025163610-MM-gemma-2-MT5g4MTM4-9B, поэтому описание составлено по ней. zelk12 разработал разговорную языковую модель, полученную слиянием двух предварительно обученных моделей Gemma 2 с помощью метода SLERP и инструмента mergekit. Модель содержит 9 млрд параметров, использует плотную архитектуру Gemma2ForCausalLM, рассчитана на генерацию текста и диалоги и работает через библиотеку Transformers. Контекстное окно составляет 8192 токена; веса опубликованы в формате safetensors. Модель подходит для генерации продолжений текста и ведения диалога. Карточка не приводит сведений о целевых языках, поэтому языковую специализацию определить нельзя. Условия лицензии в предоставленных данных не описаны.

zelk12/MT-Merge4-IF-gemma-2-MT1g4MT2g4-9B — объединённая модель на основе Gemma 2, созданная разработчиком zelk12 методом SLERP с помощью mergekit. Она предназначена для генерации текста и диалогов в формате чат-модели. В объединение вошли zelk12/MT1-Gen4-gemma-2-9B и zelk12/MT2-Gen4-gemma-2-9B; размер модели — 9 млрд параметров, архитектура — плотная Gemma2ForCausalLM, контекст — 8192 токена. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Модель принимает текст и генерирует текст. Сведений о специальных предметных областях, языках и лицензии в предоставленных данных нет.

rinna/nekomata-14b-instruction — дообученная по инструкциям версия языковой модели Nekomata-14B от rinna. Это плотная трансформерная модель семейства Qwen с 40 слоями и размером скрытого слоя 5120; в метаданных указан объём 21,8 млрд параметров и контекст до 8192 токенов. Для запросов используется формат Alpaca. Модель предназначена для генерации ответов и выполнения текстовых инструкций на японском и английском языках. При дообучении использовались данные Databricks Dolly, японская версия Dolly, материалы FLAN и японские текстовые датасеты; часть оценочных корпусов была исключена из обучающих данных для предотвращения утечки. Модель работает с текстом и сохраняет формат PyTorch/Safetensors. Модель может быть полезна для диалоговых ассистентов, ответов на вопросы, суммаризации и других задач по текстовым инструкциям. Качество зависит от формулировки запроса и обучающих данных; карточка отсылает к странице бенчмарков rinna, но не приводит результаты непосредственно. Лицензия указана как other, поэтому перед использованием следует проверить условия в карточке Hugging Face.

NemoDori-v0.2.2-12B-MN-ties — объединённая языковая модель, созданная RozGrov методом TIES с помощью mergekit. В основе лежит RozGrov/NemoDori-v0.2-12B-MN-BT; в объединение также вошли crestf411/nemo-sunfall-v0.6.1, unsloth/Mistral-Nemo-Instruct-2407 и UsernameJustAnother/Nemo-12B-Marlin-v5. Модель построена на архитектуре Mistral с 12,1 млрд параметров и предназначена для генерации текста и диалогов. Автор стремился улучшить учёт предыдущих реплик и следование инструкциям, особенно последней, сохранив творческую генерацию и возможности для ролевых диалогов. По предварительной оценке автора, модель немного лучше учитывает историю разговора и инструкции, но формат ответов бывает непоследовательным. При высокой температуре генерации возможна стилизованная под староанглийский речь. В метаданных указан контекст до 1 024 000 токенов. Модель распространяется в формате safetensors; библиотека для работы — Transformers. Сведения о лицензии в предоставленной карточке отсутствуют.

Neural-Krishna-Multiverse-7b — объединённая модель генерации текста, созданная с помощью LazyMergekit из Kukedlc/NeuralSirKrishna-7b и ammarali32/multi_verse_model. В карточке указано слияние методом slerp; архитектура — плотная MistralForCausalLM примерно на 7,1 млрд параметров. Модель предназначена для генерации текста и диалогов. Она принимает текст, поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors. Языки и специализированные предметные области в источниках не определены. Модель выпущена под лицензией Apache-2.0. Карточка не приводит оценок качества или дополнительных сведений о поведении, поэтому пригодность для конкретных сценариев следует проверять на собственных данных.

occiglot-7b-de-es-fr-it-en-instruct-taskarithmetic — объединённая модель команды Occiglot, созданная методом task arithmetic с помощью mergekit на базе Mistral-7B-v0.1. В объединение вошли немецко-английская, итальянско-английская, французско-английская и испанско-английская модели Occiglot, настроенные на выполнение инструкций. Модель содержит 7,1 млрд параметров, использует архитектуру Mistral и предназначена для генерации текста и диалогового взаимодействия; родной контекст — до 32 768 токенов. Модель подходит для ответов на запросы, ведения диалога и генерации текстов на немецком, испанском, французском, итальянском и английском языках. Данных о специальной предметной области или сравнительной оценке качества нет. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных сведениях не указана.

OpenBuddy/openbuddy-llama2-13b-v8.1-fp16 — многоязычная чат-модель OpenBuddy на архитектуре LLaMA 2, созданная на основе моделей Meta. Это плотная авторегрессионная модель с 12,9 млрд параметров для генерации ответов в диалоге и других задач продолжения текста. Репозиторий содержит веса PyTorch в формате FP16; нативный контекст составляет 2048 токенов. Модель ориентирована на общение и генерацию текста на китайском, английском, французском, немецком, японском, корейском, итальянском и русском языках. Для скачивания и использования требуется одобрение Meta и соблюдение лицензии Meta для LLaMA. Модель может выдавать ошибочные, вредные или оскорбительные ответы и не предназначена для медицинских, финансовых, юридических и других критически важных решений.

OpenBuddy-llama3-format — чат-модель для генерации текста, дообученная автором репозитория A2va под формат запросов Llama 3. В карточке указаны архитектура Llama, 7,5 млрд параметров и контекст до 131 072 токенов. Модель предназначена для диалогов и генерации текста; заявленные языки — английский, французский, китайский, японский, итальянский и финский. Модель основана на OpenBuddy и связана с чекпойнтами A2va/openbuddy-llama3.1-8b-bnb-4bit и OpenBuddy/openbuddy-llama3.1-8b-v22.3-131k. Автор сообщает, что модель не оценивалась. Лицензия — Apache-2.0.

Sakalti/PhiPass-1 — диалоговая языковая модель на архитектуре Phi-3, опубликованная в формате safetensors для библиотеки Transformers. Она создана слиянием предобученных моделей через mergekit методом passthrough и предназначена для генерации текста и чат-взаимодействия. В репозитории указан размер 24,4 млрд параметров и контекстное окно 16 384 токена. В качестве исходной модели указана AXCXEPT/EZO-phi-4-v2_1350. Модель подходит для диалоговых ответов и генерации текста. Метаданные не уточняют поддерживаемые естественные языки и специализированные области применения. Лицензия в предоставленных данных не указана.

Proteus-8B — диалоговая языковая модель, созданная автором репозитория saucam путём слияния моделей Dolphin 2.9 Llama 3 8B и Hermes 2 Theta Llama 3 8B с помощью Mergekit. Она предназначена для генерации текста и ответов в диалоге; в карточке приведены результаты оценки на бенчмарках OpenLLM, включая ARC, GSM8K, HellaSwag, MMLU и TruthfulQA. Модель использует плотную архитектуру LlamaForCausalLM и содержит 7,5 млрд параметров. Нативная длина контекста — 8192 токена. Веса доступны в формате safetensors с точностью bfloat16. Репозиторий распространяется по лицензии Apache-2.0. Карточка не указывает языки обучения и отдельные специализированные области применения.

Q2.5-Veltha-14B — объединённая языковая модель на архитектуре Qwen2.5, созданная автором djuna с помощью mergekit и метода della_linear. В качестве основы использована qwen/Qwen2.5-14b, а в объединение вошли пять моделей Qwen2.5-14B, включая диалоговые варианты и модели для ролевого общения и генерации историй. Модель предназначена для генерации текста и диалогов; метаданные также отмечают интерфейс вызова инструментов. Она содержит 14 млрд параметров, работает через Transformers и поддерживает контекст до 131 072 токенов. В README приведены результаты оценки, включая 82,92 на IFEval и 49,75 на BBH; описания конкретных сильных сторон и ограничений качества нет. Лицензия в предоставленных данных не указана.

Это чат-модель семейства Qwen2, разработанная ehristoforu и дообученная на основе ehristoforu/Qwen2-1.5b-it-chat-sp-ru-bel-arm-ger-fin. Она предназначена для генерации текста в диалоге и поддерживает контекст до 32 768 токенов. Размер модели — 1,5 млрд параметров; карточка указывает обучение с Unsloth и TRL. В названии базовой модели заявлена поддержка испанского, русского, белорусского, армянского, немецкого и финского языков; метаданные также содержат код английского языка. Модель распространяется по лицензии Apache-2.0.