III.2Исследование рынка и маркетинг

BeagleLake-7B — плотная языковая модель Mistral на 7,1 млрд параметров, созданная fhai50032 с помощью mergekit. Это слияние RolePlayLake-7B и NeuralBeagle14-7B методом DARE-TIES; конфигурация использует базовую модель NeuralBeagle14-7B и формат float16. Модель предназначена для генерации текста и диалогов, включая ролевые сценарии, следование инструкциям, рассуждения и творческое письмо. Контекстное окно составляет 32 768 токенов. Репозиторий содержит веса safetensors, лицензия — Apache-2.0. В карточке приведены результаты оценки на отдельных задачах бенчмарка, но они не гарантируют качество в иных сценариях. Состав RolePlayLake-7B описан как подходящий для ролевых игр и менее ограниченной генерации; ответы модели могут требовать проверки и настройки под конкретное применение.

BLOSSOM-v3.1-baichuan2-13b — диалоговая языковая модель, созданная на основе Baichuan2-13B-Base и дообученная разработчиками BLOSSOM на смеси наборов инструкций Orca, Wizard, Chat и Math. Это плотная авторегрессионная модель архитектуры Baichuan с 13,3 млрд параметров, предназначенная для генерации ответов в формате продолжения диалога. Обучение включало одноходовые инструкции, многоходовые беседы и примеры математических рассуждений. Модель подходит для ответов на вопросы, ведения диалога и решения задач с пошаговыми математическими рассуждениями на китайском и английском языках. В README заявлены общие способности и понимание контекста, однако длина контекста не приводится. Репозиторий содержит веса PyTorch, а лицензия — Apache-2.0.

BLOSSOM-v3.1-yi-34b — диалоговая большая языковая модель, разработанная командой Blossom и дообученная на Yi-34B. Это плотная авторегрессионная модель семейства Llama с 33,9 млрд параметров и контекстом до 4096 токенов. Она принимает текст и генерирует продолжение диалога. Модель предназначена для общения на китайском и английском языках, ответов на вопросы и выполнения инструкций общего назначения. При обучении использовались наборы Wizard и Orca для одношаговых инструкций, а также данные Blossom для многоходового диалога и математических рассуждений. Модель распространяется в формате PyTorch по лицензии Apache-2.0. Карточка описывает обучение и формат диалога, но не приводит количественных оценок качества; результаты могут зависеть от формулировки запроса и ограниченного контекста.

BLOSSOM-v4-mistral-7b — разговорная языковая модель, разработанная командой Blossom и дообученная на Mistral-7B-v0.1. Она предназначена для диалогов и выполнения инструкций, включая общие вопросы, математические задачи и сценарии, использующие данные Wizard и Orca. Модель обучалась в два этапа на сочетании одноходовых инструкций и многоходовых диалогов; для вывода используется продолжение диалога. Это плотная авторегрессионная архитектура Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель ориентирована на китайский и английский языки. В README отмечено, что исходная Mistral-7B-v0.1 слаба в китайском, поэтому для китайских сценариев рекомендуется вариант BLOSSOM на Baichuan2-7B. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0.

BlueBerry-3-GGUF — это GGUF-квантизированная версия модели BlueBerry-3, опубликованной artindnr и квантизированной mradermacher. Модель предназначена для генерации текста и доступна в форматах, совместимых с инструментами, поддерживающими GGUF. В метаданных указана архитектура mixture-of-experts, а также поддержка языков фарси, английского, арабского, французского, немецкого и испанского. Набор включает варианты квантования от Q2_K и Q3_K до Q8_0, включая IQ4_XS; размер файлов составляет примерно от 66 до 124 ГБ. Версии Q4_K_S и Q4_K_M отмечены как быстрые и рекомендуемые, Q6_K — как вариант очень хорошего качества, а Q8_0 — как вариант высокого качества. Контекстное окно, точное число параметров, поддержка изображений или других модальностей, результаты тестирования и дополнительные ограничения в README не указаны. Модель распространяется по лицензии Apache-2.0.

Aratako разработал c4ai-command-r-v01-japanese-instruct — японскую инструктивную донастройку модели Cohere c4ai-command-r-v01 с использованием набора ichikara-instruction. Это плотная авторегрессионная языковая модель CohereForCausalLM на 35 млрд параметров; в репозитории представлены веса Safetensors. Контекст модели составляет 8192 токена, а в обучении использовалась максимальная длина последовательности 2048 токенов. Модель предназначена для генерации ответов и выполнения инструкций на японском языке. Автор приводит оценки на японских наборах JSQuAD, JCommonsenseQA, JNLI и MARC-ja: средний результат вырос с 0,783 у исходной модели до 0,806. В тесте Japanese MT-Bench средняя оценка немного снизилась — с 7,35 до 7,15; автор также отмечает, что в проверенных ответах стало меньше примесей английского. Английский язык также указан среди поддерживаемых языков. Модель распространяется по лицензии CC-BY-NC-SA 4.0; README также указывает на применимость политики допустимого использования C4AI. Она не предназначена для коммерческого использования в рамках указанной лицензии.

Chocolatine-2-14B-Instruct-v2.0.3 — языковая модель, разработанная Jonathan Pacifico и дообученная методом DPO на датасете jpacifico/french-orca-dpo-pairs-revised. Она основана на объединённой модели Chocolatine-2-merged-qwen25arch с архитектурой Qwen 2.5 и предназначена для диалогов и генерации текста, особенно на французском языке; также поддерживает английский. Размер модели — 14 млрд параметров, заявленная длина контекста — до 128 тысяч токенов. Автор сообщает о высоких результатах на французских бенчмарках и улучшении относительно предыдущих версий Chocolatine-2 и базовой архитектуры Qwen 2.5. Модель распространяется в формате Safetensors и имеет интерфейс для вызова инструментов. По заявлению автора, у семейства нет механизма модерации, поэтому ответы могут содержать нежелательный контент. Лицензия — Apache-2.0.

RDson/Dolphin-less-Llama-3-Instruct-8B — объединённая разговорная модель на базе Llama 3 с 7,5 млрд параметров. Автор объединил cognitivecomputations/dolphin-2.9-llama3-8b и meta-llama/Meta-Llama-3-8B-Instruct, чтобы смягчить «роботизированный» стиль ответов Dolphin. Модель предназначена для генерации текста в диалогах. Она принимает текст и выдаёт текст, поддерживает контекст длиной до 8192 токенов. Репозиторий содержит веса в формате safetensors; GGUF-версии размещены в отдельном репозитории автора. Лицензия указана как other, поэтому конкретные условия использования следует проверять в карточке модели и у базовых моделей. README не сообщает о специальных ограничениях качества или целевых областях применения.

KZDADDY/DR-8-5-M-V1 — разговорная языковая модель с архитектурой Llama, созданная объединением предварительно обученных моделей с помощью mergekit и метода SLERP. Она предназначена для генерации текста в диалоговом формате. Модель содержит 7,5 млрд параметров и рассчитана на контекст до 131 072 токенов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Модель подходит для ведения диалогов и генерации продолжений текста. Идентификаторы объединённых моделей приведены как локальные пути, поэтому их базовые репозитории и лицензии по имеющимся данным установить нельзя.

ELYZA-japanese-Llama-2-13b-fast-instruct — японская языковая модель на архитектуре Llama 2, разработанная командой ELYZA. Модель основана на Llama 2 и прошла дополнительное предварительное обучение для расширения возможностей работы с японским языком; вариант instruct предназначен для генерации ответов по инструкциям и диалоговых запросов. Модель имеет около 12,9 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текст, генерируя текст. Контекст составляет до 4096 токенов. В карточке также указана поддержка английского языка. Репозиторий содержит веса PyTorch и распространяется по лицензии Llama 2. README не сообщает о специальных предметных областях или ограничениях качества.

EsotericKnowledge-24B — разговорная языковая модель на 23,4 млрд параметров, созданная автором yamatazen как объединение предобученных моделей с помощью mergekit и метода TIES. В качестве базовой использована arcee-ai/Arcee-Blitz; в объединение также вошли PocketDoc/Dans-PersonalityEngine-V1.2.0-24b, ReadyArt/Forgotten-Safeword-24B-v4.0 и lars1234/Mistral-Small-24B-Instruct-2501-writer. Модель предназначена для диалогов и генерации текста. Она построена на архитектуре Mistral с плотной моделью причинного языкового моделирования, принимает текст и выдаёт текст, поддерживает контекст длиной до 32 768 токенов и использует формат safetensors для библиотеки Transformers. Карточка не указывает конкретные языки или специализированные области применения. Это первая 24B-модель слияния автора; качество и поведение могут отличаться от исходных моделей. Лицензия в предоставленных данных не указана.

EvoMerge1 — объединённая разговорная языковая модель семейства Mistral, опубликованная пользователем Knobi3. Она создана с помощью mergekit методом task arithmetic на основе Mistral-7B-Instruct-v0.2 с участием Starling-LM-7B-beta, NeuralBeagle14-7B и модели sol. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM, распространяется в формате safetensors и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев на английском и шведском языках. Лицензия Apache-2.0 разрешает коммерческое использование при соблюдении её условий. Автор сообщает, что приведены результаты только двух оценок, поэтому качество и устойчивость модели подтверждены ограниченным числом проверок.

Experiment26Yam_Strangemerges_32Ogno — объединённая языковая модель на архитектуре Mistral, созданная MaziyarPanahi на основе automerger/Experiment26Yam-7B и automerger/Strangemerges_32Ogno-7B. Модель содержит 7,1 млрд параметров и предназначена для генерации текста с контекстом до 32 768 токенов. Её можно применять для продолжения текста, создания черновиков и диалоговых ответов. Модель распространяется в формате safetensors по лицензии Apache-2.0. README и метаданные не описывают специализированные области применения или конкретные ограничения качества.

Fanar-1-9B-Instruct — языковая модель QCRI при Университете Хамад бин Халифа, основанная на Gemma 2 и дообученная для следования инструкциям. Модель содержит около 8,6 млрд параметров, использует архитектуру авторегрессионного трансформера и рассчитана на контекст до 4096 токенов. Она принимает текст и генерирует текстовые ответы; карточка Hugging Face указывает поддержку арабского и английского языков. Модель предназначена для диалоговых помощников, ответов на вопросы об арабской культуре и диалектах, а также образовательных, государственных и общественных приложений для арабоязычной аудитории. При обучении уделялось внимание современному стандартному арабскому, диалектам Персидского залива, Леванта и Египта, а также английскому языку. Разработчики сообщают о продолжительном предобучении на арабских и английских данных и двух этапах постобучения: SFT и DPO. Модель может давать неверные, предвзятые или оскорбительные ответы и не предназначена для принятия важных решений, в частности в медицине, праве и финансах. По метаданным репозитория используется лицензия Apache 2.0.

Goader/gemma-3-4b-uk-matt — плотная модель семейства Gemma 3 на 4 млрд параметров, созданная Goader на основе предварительно обученной google/gemma-3-4b-pt. Это базовая, не настроенная на следование инструкциям модель; в ней сохранены исходные веса, кроме входных эмбеддингов, перенесённых на украинско-ориентированный токенизатор MATT. Токенизатор сохраняет исходный словарь Gemma и добавляет украинские токены, благодаря чему украинский текст занимает примерно на треть меньше токенов. Модель предназначена для генерации текста, в том числе на украинском и английском, а также для задач понимания и перевода, проверенных в карточке. На приведённых тестах украинского языка она сохраняет 94–98% результатов исходной модели и показывает сопоставимые результаты перевода с английского на украинский. Веса сохранены в формате bfloat16; карточка указывает библиотеку Transformers и лицензию Gemma. Это базовая модель, поэтому для диалогового использования и следования инструкциям может потребоваться дополнительная настройка.

granite-4.1-8b-Claude-Opus-4.6-Thinking-MAX — экспериментальная разговорная языковая модель DavidAU, дообученная на базе IBM Granite-4.1-8B с помощью Unsloth на наборе примерно из 3 тысяч примеров. Дообучение направлено на переход от режима следования инструкциям к режиму рассуждений; в обучении использовались данные, связанные с Polaris, GLM 4.7 и Claude Opus 4.6. Модель имеет плотную архитектуру GraniteForCausalLM, около 8,4 млрд параметров и контекст до 131 072 токенов. Модель предназначена для генерации ответов в диалоге и выполнения текстовых инструкций с многошаговым рассуждением. Автор приводит результаты тестов на общих языковых бенчмарках и примеры сложных генераций, но они не гарантируют качество на других задачах. README рекомендует контекст не менее 8 тысяч токенов и квантизацию не ниже Q4_K_S, отмечая, что более высокая точность может улучшить результаты. Базовая Granite-4.1-8B поддерживает английский, немецкий, испанский, французский, японский, португальский, арабский, чешский, итальянский, корейский, нидерландский и китайский; сведения о языковом охвате именно дообученной версии отдельно не приведены. Лицензия — Apache 2.0.

Это квантизированная сборка Kimi-Linear-48B-A3B-Instruct в формате GGUF MXFP4_MOE от noctrex. Веса MoE-тензоров представлены в MXFP4, а остальные тензоры сохранены в BF16 или F16; автор предпочитает вариант BF16 как наиболее близкий к исходным неквантизированным тензорам, хотя на некоторых архитектурах он может работать медленнее. Модель унаследовала разговорное назначение базовой модели Moonshot AI и предназначена для генерации ответов в чат-сценариях. Поддерживается задача text-generation; размер активируемой части MoE обозначен как 3B в идентификаторе модели. Условия лицензии в доступных данных не приведены.

GAI-LLM/ko-en-llama2-13b-mixed-v3 — авторегрессионная языковая модель на архитектуре трансформера LLaMA 2, разработанная Donghoon Oh, Hanmin Myung и Eunyoung Kim из SK C&C G.AI Eng. Модель содержит 12,9 млрд параметров, принимает текст и генерирует текст; базовая модель — hyunseoki/ko-en-llama2-13b. Модель дообучена на смешанном наборе корейских данных, включающем Kopen-platypus и kaist_cot_deepL. Она предназначена для генерации текста на корейском и англо-корейских сценариев, в том числе для ответов и рассуждений на основе текстового запроса. Максимальный контекст — 2048 токенов. Для использования указана лицензия CC BY-NC 2.0, которая ограничивает коммерческое применение.

KR-X-AI/krx-gemma-2-9b-it-v2-bm — разговорная текстовая модель семейства Gemma 2 с плотной архитектурой Gemma2ForCausalLM и 9 млрд параметров. KR-X-AI дообучила её на базе KR-X-AI/krx-gemma-2-9b-it-v2-b с использованием Unsloth и библиотеки Hugging Face TRL. Модель предназначена для диалогов и генерации текста. Она принимает текст и выдаёт текст, поддерживает английский язык и имеет контекстное окно 8192 токена. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Карточка не сообщает о специализированной предметной области или дополнительных возможностях, кроме чата и генерации текста.

Sao10K/L3.1-70B-Euryale-v2.2 — чат-модель на архитектуре Llama 3.1, разработанная Sao10K и дообученная в один этап в течение двух эпох. Обучение проходило на 8 ускорителях A100 около четырёх дней; использовались наборы данных для многоходового диалогового инструктажа, творческого письма и ролевых сценариев, в том числе данные людей и Claude. Модель предназначена для диалогов, следования инструкциям и генерации творческого текста, включая ролевые взаимодействия. Это плотная модель с 69,5 млрд параметров и контекстом до 131 072 токенов; метаданные указывают английский язык и поддержку генерации текста. Репозиторий содержит веса PyTorch. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Карточка не приводит количественных оценок качества и подробно не описывает ограничения модели.

L3.1-Artemis-g-8B — слитая с помощью mergekit модель языковой модели семейства Llama, опубликованная сообществом mergekit-community. Слияние выполнено методом Model Stock на базе kromeurus/L3.1-Ablaze-Vulca-v0.1-8B с добавлением трёх моделей, включая варианты для ролевого общения. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и формат safetensors; заявленная длина контекста составляет 131072 токена. Модель предназначена для генерации текста и диалогового общения, в том числе ролевых сценариев. Она принимает текст и выдаёт текст. В метаданных указана лицензия? Нет сведений о лицензии в предоставленных материалах, поэтому условия использования определить нельзя. Карточка не приводит оценки качества или ограничений; фактические результаты могут зависеть от промпта и сценария применения.

L3.3-Cu-Mai-R1-70b — текстовая чат-модель, созданная SteelSkull методом SCE merge на базе TheSkullery/L3.1x3.3-DS-Hydroblated-R1-70B-v4.1. В состав также вошли EVA-LLaMA-3.33, Euryale-v2.3, Cirrus-x1, Hanami-x1, Anubis-v1 и Negative_LLAMA. Модель построена на плотной архитектуре Llama и содержит 69,5 млрд параметров; её контекст — до 131 072 токенов. Модель рассчитана на диалог, творческое письмо, создание сцен и подробных описаний, а также задачи, где важны следование инструкциям, связность и рассуждения. В карточке отмечены естественный стиль прозы и диалога, улучшенная связность и сниженная повторяемость. Разработчик указывает, что рассуждения зависят от корректного промптинга; некоторые пользователи отмечают небольшое снижение интеллектуальных возможностей относительно исходной модели. Доступны веса в формате Safetensors по лицензии Llama 3.3.

Helium3-r2 — объединённая плотная авторегрессионная языковая модель семейства Llama 3, созданная inflatebot методом Model Stock с помощью mergekit. В основе лежит NousResearch/Meta-Llama-3-8B; в объединение также вошли inflatebot/helide-beta-r0, inflatebot/helide-beta-r1 и inflatebot/helide-beta-r4. Модель содержит 7,5 млрд параметров, использует формат safetensors и имеет контекст до 8192 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Автор описывает её как менее откровенную и более сухую по стилю, чем Helium3; более подробные целевые сценарии в карточке не перечислены. В метаданных указаны генерация текста и архитектура Llama, но отдельные сведения о языках обучения или ограничениях качества отсутствуют. Лицензия в предоставленных данных не указана.

l6bitney-32layer-slerp — разговорная языковая модель для генерации текста, созданная с помощью LazyMergekit на основе liminerity/m7-64-bitnet-alpaca-3. В конфигурации указано слияние методом SLERP двух источников с одинаковым идентификатором и выбор слоёв 0–6; метаданные классифицируют связь с базовой моделью как дообучение. Архитектура — плотная MistralForCausalLM, размер — 203,9 млн параметров, контекст — 2048 токенов. Модель предназначена для диалогов и генерации текста. Данные не описывают специализированные области или языковое покрытие. Репозиторий содержит веса Safetensors; сведения о лицензии в предоставленных материалах отсутствуют.

ferrazzipietro/Llama-3.1-8B-Instruct-reas-int-065-3-epochs-es — дообученная модель семейства Llama, созданная на основе meta-llama/Llama-3.1-8B-Instruct и предназначенная для генерации текста в диалоговом режиме. Она содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и формат safetensors; для запуска предусмотрена библиотека Transformers. Длина контекста составляет до 131 072 токенов. Модель подходит для диалоговых ответов и генерации текста. README не раскрывает обучающую выборку, конкретные специализации или результаты оценки качества, поэтому профиль дообучения и сильные стороны сверх возможностей базовой модели определить нельзя. Лицензия — Llama 3.1 Community License.

llm-jp-3-8x1.8b — языковая модель серии LLM-jp-3, разработанной Центром исследований и разработок больших языковых моделей Национального института информатики Японии. Это авторегрессионный Transformer с архитектурой Mixtral MoE: 8 экспертов, из которых для обработки активируются 2. В модели около 9,3 млрд параметров суммарно, 24 слоя и контекст до 4096 токенов. Модель предобучена на 2,1 трлн токенов и прошла дообучение по инструкциям и выравнивание методом Direct Preference Optimization. Модель предназначена для генерации текста, ответов на вопросы, следования инструкциям и других задач с японским и английским языками. Токенизатор основан на Unigram byte-fallback и использует словарь llm-jp-tokenizer v3.0. Данные README описывают японские обучающие наборы и оценки для серии, но не дают отдельных результатов именно этой версии. Разработчики отмечают, что модели находятся на раннем этапе исследований и разработок и не настроены для надёжного соответствия человеческим намерениям и требованиям безопасности. Весы доступны в формате Transformers/Safetensors по лицензии Apache-2.0.

LongAlpaca-13B — языковая модель на архитектуре Llama, выпущенная командой LongLoRA. Модель содержит 12,9 млрд параметров и дообучена с учителем на наборе LongAlpaca-12k, который включает длинные и короткие вопросы и ответы. Она предназначена для следования инструкциям и ответов на вопросы по длинным текстам, например разделам книг и научным статьям. В README для LongAlpaca-13B указано окно контекста 32 768 токенов; метаданные этой конкретной карточки указывают native context в 4 096 токенов. Поэтому заявленную возможность работы с длинным контекстом следует учитывать с оглядкой на конфигурацию и фактическую поддержку весов. Модель принимает текст и генерирует текст; сведения о поддерживаемых естественных языках не приведены. Для использования весов требуется принять лицензию и политику допустимого использования Meta.

Moritz Laurer разработал эту многоязычную модель на базе mDeBERTa-v3-base от Microsoft для вывода на естественном языке (NLI) и классификации текстов без обучения на заданных пользователем категориях. Модель сопоставляет текст-предпосылку с гипотезой и оценивает их отношение; для классификации гипотезы формулируют как категории-кандидаты. Она относится к архитектуре DeBERTa-v2, содержит 306 млн параметров и принимает пары текстов с контекстом до 512 токенов. Модель обучена на XNLI и многоязычном наборе NLI из 2,73 млн пар; README также указывает общий обучающий набор размером 3 287 280 пар. Она предназначена для многоязычного zero-shot-классифицирования и NLI. Предобучение базовой модели охватывает 100 языков, а NLI-дообучение — 27 языков, включая русский; перенос на остальные языки возможен, но его качество может быть ниже. В карточке приведены результаты оценки на XNLI и нескольких англоязычных наборах. К ограничениям относятся возможные смещения наборов NLI и ошибки машинного перевода в обучающих данных, способные ухудшать вывод на сложных примерах. Модель распространяется по лицензии MIT; для запуска нужны совместимые версии Transformers, поскольку старые версии могут иметь проблемы с токенизатором.

Карточка модели mergekit-community/mergekit-slerp-adolxhj 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.

Это языковая модель Qwen2, полученная сообществом mergekit-community объединением методом SLERP двух моделей: maywell/Qwen2-7B-Multilingual-RP и HumanLLMs/Human-Like-Qwen2.5-7B-Instruct. Модель предназначена для генерации текста и диалогового общения; она содержит 7,1 млрд параметров, использует плотную архитектуру Qwen2 и доступна в формате safetensors для библиотеки Transformers. Модель принимает текст и генерирует текст. Её контекстное окно составляет 32 768 токенов. В состав объединения входит многоязычная RP-модель и версия Qwen2.5, настроенная на более естественные и связные разговорные ответы. Лицензия в предоставленных данных не указана.