III.2Исследование рынка и маркетинг

LWWZH/Qwen3.5-4B-int4-OpenVINO — версия мультимодальной модели Qwen3.5-4B, подготовленная для OpenVINO и сжимающая веса преимущественно до int4. В карточке указано, что исходная Qwen3.5-4B разработана командой Qwen; метаданные связывают этот репозиторий с Qwen/Qwen3.5-4B. Это плотная причинная языковая модель с визуальным энкодером, рассчитанная на диалог и понимание изображений. Модель подходит для ответов на вопросы по изображениям, визуального анализа, диалоговых сценариев и задач рассуждения. Архитектура исходной модели включает 4 млрд параметров и 32 слоя; нативная длина контекста составляет 262 144 токена с возможностью расширения до 1 010 000. README заявляет поддержку 201 языка и диалекта. Модель по умолчанию работает в режиме рассуждений; для обслуживания в высоконагруженных сценариях карточка рекомендует специализированные движки инференса. Сжатие весов в этой версии распределено между int4 и int8, преимущественно int4 с размером группы 128. Лицензия — Apache-2.0. README относится к исходной модели и не приводит отдельных результатов оценки или ограничений именно сборки OpenVINO, поэтому её производительность и совместимость следует оценивать в целевом окружении.

Mushari Alothman дообучил Qwen3-8B-Base методом supervised fine-tuning и выпустил разговорную причинно-следственную языковую модель на 7,6 млрд параметров. Модель предназначена для ответов на вопросы с вариантами выбора, контекстных вопросов и ответов, работы с RAG и выполнения общих инструкций на арабском и английском языках. Модель основана на архитектуре Qwen3 с плотной архитектурой и классом Qwen3ForCausalLM. Она принимает текст и генерирует текст, поддерживает чат, а её родной контекст составляет 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache 2.0. В карточке заявлена настройка на чистое и точное выполнение инструкций и вопросов на арабском и английском языках. Не рекомендуется использовать её для критически важных или требующих реакции в реальном времени решений; фактические ответы следует проверять.

Это объединённая языковая модель, созданная с помощью mergekit из нескольких контрольных точек обучения filtered_e2e_alignment. Для слияния использован линейный метод; базовой контрольной точкой указана версия global_step4000. В метаданных модель отнесена к архитектуре GPT-NeoX и классу GPTNeoXForCausalLM; размер составляет 8,8 млрд параметров, формат весов — safetensors, библиотека — Transformers. Модель предназначена для генерации текста и диалогового взаимодействия. Её контекстное окно составляет 16 384 токена. README и метаданные не сообщают целевые языки, предметные области или конкретные преимущества и ограничения качества. Условия лицензии в предоставленных данных не указаны.

sfm_filtered_e2e_alignment-0k_1k_2k_weightedavg_merge — объединённая языковая модель, созданная методом Linear merge с помощью mergekit. В качестве базового чекпойнта использована модель global_step2000, а в объединение также вошли чекпойнты global_step0 и global_step1000. Репозиторий содержит плотную авторегрессионную архитектуру GPT-NeoX с 8,8 млрд параметров и контекстом до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Данных о специализированных предметных областях или языках в карточке нет. Модель опубликована в формате safetensors и использует библиотеку Transformers. Условия лицензии в доступных сведениях не приведены.

Это объединённая языковая модель примерно на 8,8 млрд параметров, созданная с помощью mergekit методом Linear из чекпойнтов обучения на шагах 7000, 8000 и 9000. Архитектура — GPT-NeoX, веса сохранены в формате safetensors; модель предназначена для генерации текста и диалогового взаимодействия. Контекстное окно составляет 16 384 токена. Модель может использоваться для продолжения текста и ведения диалога. Карточка не описывает специализацию по предметной области или языкам. Лицензия в предоставленных данных не указана.

Модель yuhengtu-bytedance/sfm_filtered_insert_xxf_character-4k_5k_6k_7k_8k_weightedavg_merge — объединение нескольких предварительно обученных языковых моделей, созданное автором с помощью mergekit и метода Linear. В качестве базового чекпойнта при слиянии использован global_step8000; также включены чекпойнты global_step4000, global_step5000, global_step6000 и global_step7000 из серии filtered_insert_xxf_character. Это плотная авторегрессионная GPT-NeoX-модель на 8,8 млрд параметров с контекстом до 16 384 токенов. Она предназначена для генерации текста и диалогового взаимодействия; репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Карточка не сообщает о конкретных языках, предметных областях или специализированных ограничениях. Лицензия в предоставленных данных не указана.

sfm_filtered_insert_xxf_character-7k_8k_9k_weightedavg_merge — объединённая языковая модель, опубликованная yuhengtu и созданная с помощью mergekit. В карточке указано линейное слияние контрольных точек global_step7000, global_step8000 и global_step9000; базой слияния служила контрольная точка global_step9000. Модель предназначена для генерации текста и диалогового взаимодействия. Она построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров, использует формат safetensors и поддерживает контекст до 16 384 токенов. Карточка не сообщает о специализированной области применения или поддерживаемых естественных языках. Лицензия и ограничения качества не описаны, поэтому условия использования следует сверить с источником весов и их лицензией.

sfm_filtered_midtrain_alignment-2k_3k_4k_weightedavg_merge — объединённая языковая модель, созданная с помощью mergekit. В README указано, что при линейном слиянии базой служил чекпойнт global_step4000, а также использовались чекпойнты global_step3000 и global_step2000 из серии filtered_midtrain_alignment. Каталог относит архитектуру к плотным причинным моделям GPT-NeoX; размер составляет 8,8 млрд параметров, контекст — до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. В карточке не описаны специальные предметные области, конкретные языки или отдельные возможности помимо чата. Файлы представлены в формате safetensors; модель использует библиотеку Transformers. Сведения о лицензии в предоставленных материалах отсутствуют.

sfm_filtered_midtrain_alignment-3k_4k_5k_simpleavg_merge — объединённая языковая модель, созданная с помощью mergekit из контрольных точек обучения на шагах 3000, 4000 и 5000. В README указан метод Linear merge и контрольная точка шага 5000 в качестве базовой; архитектура — плотная GPT-NeoX для авторегрессионной генерации текста, размер — 8,8 млрд параметров, контекст — до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Данные не раскрывают конкретные языки, специализированные предметные области или отдельные гарантированные возможности помимо генерации текста и чата. Репозиторий содержит веса в формате Safetensors; условия лицензии в предоставленных данных не описаны.

11erlangga/sft-qwen25-3b-run1 — дообученная разговорная модель 11erlangga на архитектуре Qwen2.5. Она предназначена для генерации текста и диалоговых сценариев; метаданные также отмечают интерфейс вызова инструментов. Модель содержит 3,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. В карточке указано, что обучение выполнено с Unsloth и библиотекой TRL на базе unsloth/qwen2.5-3b-instruct-unsloth-bnb-4bit. Модель рассчитана на английский язык. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Карточка не сообщает о специализированной предметной области или ограничениях качества.

Shisa V2 Mistral Small 24B — диалоговая языковая модель Shisa.AI для общего назначения, созданная дообучением Mistral Small 24B Instruct 2501. Разработчики сосредоточились на улучшении качества японского языка с сохранением возможностей английского, используя синтетические данные и настройку после предварительного обучения. Модель содержит 23,4 млрд параметров, использует архитектуру Mistral с плотными слоями и принимает контекст до 32 768 токенов. Модель предназначена для диалогов, выполнения инструкций, ответов на вопросы, ролевых сценариев и перевода между японским и английским. В карточке для этой версии указано, что бенчмарки ещё готовятся, поэтому её сравнительные показатели пока нельзя оценить по приведённым результатам. Модель распространяется в формате Safetensors по лицензии Apache 2.0.

PracticeLLM/SOLAR-tail-10.7B-Merge-v1.0 — языковая модель Kyujin Han (kyujinpy), созданная объединением SOLAR-10.7B-v1.0 от Upstage и LMCocktail-10.7B-v1 с помощью Mergekit и метода slerp. Модель с архитектурой Llama содержит 10,6 млрд параметров, использует формат safetensors и поддерживает контекст до 4096 токенов. Модель предназначена для генерации текста на английском и корейском языках, включая ответы на вопросы и задачи на рассуждение. В карточке приведены результаты оценок на англоязычных и корейских бенчмарках. Модель распространяется по лицензии CC BY-NC-SA 4.0, которая требует указания авторства, распространения производных материалов на тех же условиях и запрещает коммерческое использование.

MotherEarth/stormclimate — объединённая диалоговая языковая модель, созданная методом linear merge с помощью mergekit. В неё вошли MotherEarth/MotherEarth-Proverbs-1.0-8B, MotherEarth/storm_climate, mlabonne/Hermes-3-Llama-3.1-8B-lorablated и VAGOsolutions/Llama-3.1-SauerkrautLM-8b-Instruct; веса объединены в формате float16. Модель использует плотную архитектуру Llama с примерно 7,5 млрд параметров и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации текста в диалоговом формате. Её можно применять для ведения бесед и создания ответов на текстовые запросы; карточка не описывает специализированные климатические функции, несмотря на название одного из компонентов. Среди включённых моделей есть диалоговые варианты Llama 3.1, в том числе модель VAGOsolutions для немецкого и английского языков. Лицензия в предоставленных данных не указана. Качество и поведение объединённой модели отдельно не описаны, поэтому характеристики исходных компонентов не следует считать гарантией для результата слияния.

StrangeMerges_44-7B-dare_ties — языковая модель, созданная Gille слиянием трёх моделей: Nexusflow/Starling-LM-7B-beta, nlpguy/T3QM7 и AurelPx/Percival_01-7b-slerp. Для объединения использован LazyMergekit и метод dare_ties; архитектура — плотная MistralForCausalLM, размер — 7,1 млрд параметров, веса опубликованы в формате safetensors и типе bfloat16. Модель предназначена для генерации текста, в том числе диалоговых ответов. Контекст составляет до 32 768 токенов. В карточке не описаны специальные предметные области или поддерживаемые языки; базовая Starling-LM-7B-beta обозначена в метаданных как англоязычная чат-модель. Лицензия — Apache-2.0.

ClaudioItaly/Stylographic-king-7B — языковая модель, созданная слиянием двух предварительно обученных моделей с помощью mergekit и метода SLERP. В состав вошли ClaudioItaly/King-7B и Orion-zhen/Qwen2.5-7B-Gutenberg-KTO; конфигурация использует ClaudioItaly/King-7B как базовую модель и веса bfloat16. Модель построена на плотной архитектуре Qwen2 и содержит 7,1 млрд параметров. Модель предназначена для генерации текста и диалоговых ответов. Контекстное окно составляет 32 768 токенов. Метаданные базовой модели указывают на поддержку китайского и английского языков; отдельные языковые данные для итогового слияния не приведены. Модель распространяется в формате safetensors через Transformers. Лицензия в предоставленных данных не указана.

Aryanne/SuperHeartBerg — объединённая языковая модель, созданная Aryanne с помощью mergekit методом task_swapping. В качестве базовой модели использована Aryanne/SuperHeart, в объединение также вошла nbeerbower/llama3.1-gutenberg-8B. Модель построена на плотной архитектуре Llama с классом LlamaForCausalLM и содержит 7,5 млрд параметров. Модель предназначена для генерации текста и диалогового общения. Заявленная длина контекста — 131 072 токена; репозиторий содержит веса в формате safetensors. Языки и специализированные области применения в карточке не обозначены. Лицензия не установлена по предоставленным данным; характеристики качества и ограничения отдельно не описаны.

Tinyllama-moe4 — компактная языковая модель с архитектурой Mixture of Experts (MoE), созданная aipib с помощью LazyMergekit путём объединения vihangd/DopeyTinyLlama-1.1B-v1 и gardner/TinyLlama-1.1B-Instruct-3T. Размер модели составляет около 1 млрд параметров; репозиторий содержит веса в формате Safetensors. Модель предназначена для генерации текста и диалогов, включая ответы помощника, объяснения, рассуждения, выполнение инструкций, суммаризацию и подсчёт. Конфигурация направляет запросы о чате, помощнике и объяснениях к одному эксперту, а инструкции, суммаризацию и рассуждения — к другому. Модель принимает текст и выдаёт текст, поддерживает контекст до 2048 токенов. Для использования указана лицензия Apache-2.0. Карточка не приводит оценок качества или подробных сведений о языковом покрытии.

Typhoon-0219 — инструктивная языковая модель команды SCB10X AI, предназначенная для диалогов и выполнения пользовательских инструкций на тайском и английском языках. Это плотная авторегрессионная модель с 7,1 млрд параметров на архитектуре Mistral, основанная на Typhoon 7B и дообученная на разнообразном наборе данных для настройки инструкций объёмом более миллиона примеров. Модель поддерживает системные сообщения и шаблон диалога ChatML; родной контекст составляет 32 768 токенов. Модель подходит для создания тайскоязычных и англоязычных чат-ботов, ответов на вопросы и других задач генерации текста по инструкциям. Указана лицензия Apache-2.0. Разработчики отмечают, что модель всё ещё развивается и может выдавать неточные, предвзятые или нежелательные ответы; её поведение следует оценивать для конкретного применения.

Viviana_V3 — диалоговая языковая модель, созданная domie слиянием Viviana_V2 и Mistral-7B-Instruct-v0.2 с помощью mergekit и метода slerp. Она предназначена для генерации текста и ведения диалогов. Модель построена на плотной архитектуре Mistral с 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Для хранения используется формат Safetensors. В метаданных для базовой Viviana_V2 указаны английский и итальянский языки; отдельные сведения о языках Viviana_V3 не приведены. Модель распространяется по лицензии Apache-2.0. Карточка описывает состав и параметры слияния, но не приводит сравнительных оценок качества или подробных ограничений применения.

Zara-14b-v1 — диалоговая причинно-следственная языковая модель Aixon Lab на архитектуре Transformer Qwen2. Модель содержит около 14 млрд параметров и дообучена на основе sometimesanotion/Lamarck-14B-v0.7; в README также упоминаются слияния слоёв. Модель рассчитана на диалоги с несколькими ролями, генерацию текста, ответы на вопросы и анализ, с упором на творческое письмо и сторителлинг. Заявленная длина контекста — 131 072 токена. Основной язык — английский; README допускает поддержку других языков, но не уточняет их. Модель распространяется в формате safetensors по лицензии Apache 2.0. Оценки качества и результаты бенчмарков для этой версии не приведены.

Модель ShenaoZ/0.0005_withdpo_4iters_bs256_2epoch_5311lr_iter_2 — дообученная диалоговая языковая модель на архитектуре Mistral с 7,1 млрд параметров. Она предназначена для генерации текста в чат-сценариях и дообучена на исходном и обновлённом наборах данных; карточка не раскрывает их содержание и подробности обучения. Модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. Опубликована в формате Safetensors по лицензии MIT. README не содержит сведений о качестве, оценках или конкретных ограничениях.

ShenaoZ выпустил модель 0.001_ablation_4iters_bs256_iter_1 — дообученную версию Mistral для генерации текста и общения в формате чата. Она основана на HuggingFaceH4/mistral-7b-sft-beta и обучена на датасете HuggingFaceH4/ultrafeedback_binarized. Модель имеет плотную архитектуру MistralForCausalLM, 7,1 млрд параметров и контекст до 32 768 токенов. Модель принимает текст и генерирует текстовые ответы; её можно использовать для диалога и ответов на вопросы. README не содержит сведений о результатах оценки или специальных ограничениях. Лицензия — MIT.

Это разговорная модель Mistral с архитектурой плотной причинно-следственной языковой модели и 7,1 млрд параметров. Модель разработана как дообученная версия ShenaoZ/0.001_withdpo_4iters_bs256_432lr_iter_2 и обучена на обновлённом и исходном наборах данных с применением DPO, согласно названию и тегам репозитория. Модель предназначена для генерации текста и диалогов. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате Safetensors; лицензия — MIT. README не приводит результатов оценки или конкретных сценариев применения.

Fischerboot/13-test — текстовая генеративная модель семейства Llama, созданная Fischerboot с помощью mergekit. В карточке указано слияние методом SLERP на основе Fischerboot/12-test; архитектура — плотная авторегрессионная LlamaForCausalLM, размер — 4,5 млрд параметров. Модель распространяется в формате safetensors и рассчитана на диалоговое использование. Модель подходит для генерации текста и ведения диалога. Контекст составляет до 8192 токенов. Данные не подтверждают поддержку конкретных естественных языков или специализированных предметных областей. Лицензия в предоставленной информации не указана.

AfriqueQwen3.5-4B-i1-GGUF — квантизированная версия модели AfriqueQwen3.5-4B, разработанной McGill-NLP и подготовленной в формате GGUF пользователем mradermacher. Модель относится к семейству Qwen3.5 и предназначена для мультиязычных задач, включая работу с африканскими языками и сценарии image-text-to-text. Модель содержит около 4 миллиардов параметров и поддерживает текстовые и визуальные входные данные. В заявленный языковой охват входят африкаанс, амхарский, арабский, английский, французский, хауса, игбо, малагасийский, чиньянджа, оромо, португальский, киньяруанда, шона, сомали, сесото, суахили, тигринья, тсвана, коса, йоруба и зулу. Доступно множество вариантов квантизации размером примерно от 1,7 до 4,1 ГБ, что позволяет выбирать баланс между требованиями к памяти, скоростью и качеством. Сильной стороной модели является ориентация на африканские языки, а также поддержка мультимодальных задач и локального запуска через совместимые инструменты для GGUF. К ограничениям относятся потенциальная потеря качества при низких уровнях квантизации, отсутствие в README точных сведений о размере контекста, архитектурных деталях, результатах оценки и рекомендуемых сценариях применения. Лицензия модели — CC BY 4.0.

AquilaDense-7B — плотная авторегрессионная языковая модель семейства AquilaDense, разработанная Пекинской академией искусственного интеллекта (BAAI). Она предназначена для генерации текста и диалогового взаимодействия. По метаданным модель содержит 7,6 млрд параметров, поддерживает контекст до 4096 токенов и распространяется в формате PyTorch. README описывает методику EfficientScale для обучения моделей AquilaMoE и упоминает AquilaDense-7B как одну из моделей, использованных в экспериментах и графике обучения. В карточке также приведены двуязычные данные на китайском и английском языках; метаданные отмечают поддержку английского и китайского. Лицензия модели — Apache-2.0. Модель подходит для генерации текста и диалоговых сценариев на английском и китайском языках. README не приводит отдельных результатов оценки или конкретных рекомендаций по применению AquilaDense-7B; ограничение контекста составляет 4096 токенов.

ArliAI-Llama-3-8B-Cumulus-v0.3 — диалоговая модель OwenArli на базе Meta-Llama-3-8B-Instruct, дообученная с помощью QLoRA для продолжительных переписок и более редких отказов. Она предназначена для генерации ответов в формате чата и поддерживает контекст длиной до 8192 токенов; архитектура — плотная LlamaForCausalLM, размер — 7,5 млрд параметров. По заявлению автора, модель может быть немного слабее исходной Llama 3 Instruct в рассуждениях и общем интеллекте, зато лучше справляется с длинными диалогами и реже отказывает. Модель создана с использованием 4-битной загрузки и адаптера QLoRA ранга 64. Лицензия — Meta Llama 3 License Agreement.

Atom 27B — диалоговая модель VANTA Research, созданная дообучением Google Gemma 3 27B IT для совместной работы с человеком. Она позиционируется как партнёр для размышлений: помогает разбирать проблемы, задаёт уточняющие вопросы, мягко проверяет предположения и предлагает идеи. Модель использует плотную архитектуру Gemma 3, содержит 27 млрд параметров и поддерживает контекст до 128 тыс. токенов. Репозиторий включает веса Safetensors и GGUF F16; заявлена возможность локального запуска через llama.cpp. Модель предназначена для диалогов, совместного решения рабочих задач, структурирования рассуждений и мозгового штурма. В карточке показаны примеры анализа причин срыва сроков и подбора идей подарка. Указан английский язык; вход по изображениям для Atom не подтверждён, несмотря на мультимодальность базовой модели. Лицензия — Gemma; условия её использования определяются лицензией Google Gemma.

Badger ι Llama 3 8B Instruct — разговорная языковая модель на архитектуре Llama 3, созданная автором карточки путём комбинирования нескольких моделей на базе Llama 3 8B, включая instruct- и экспериментальные варианты. Модель рассчитана на генерацию ответов в формате чата, продолжение историй и ролевые диалоги; в README также приведён пример суммаризации длинной статьи. Автор сообщает, что модель хорошо работает с instruct-шаблоном и склонна выдавать развёрнутые ответы. В метаданных указаны 7,5 млрд параметров, контекст 8192 токена, библиотека Transformers и формат safetensors. README упоминает также варианты GGUF, но карточка не уточняет, относятся ли они к этому репозиторию. Лицензия указана как Llama 3. Модель преимущественно англоязычная по приведённым примерам; подтверждённых сведений о других языках нет.

Bahasa-4b — языковая модель Bahasa AI, полученная продолжением обучения Qwen-4B на 10 млрд высококачественных индонезийских текстов. Это плотная авторегрессионная модель семейства Qwen2 с 3,6 млрд параметров и контекстом до 32 768 токенов; репозиторий содержит веса Safetensors. Модель предназначена для понимания и генерации текста на индонезийском языке, включая ответы на вопросы, анализ тональности и суммаризацию документов. В приведённых в карточке тестах Bahasa-4b превосходит Sailor_4b на отдельных индонезийских бенчмарках и показывает конкурентные результаты относительно Mistral-7B-v0.1. Это результаты конкретных тестов, а не гарантия качества для любой задачи. Модель доступна по лицензии, обозначенной в метаданных как other; условия следует проверить в репозитории перед использованием.