III.2Исследование рынка и маркетинг

Это языковая модель на архитектуре Mistral, созданная сообществом mergekit путём слияния методом SLERP моделей Calme-7B-Instruct-v0.9 и Not-WizardLM-2-7B. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста; заявленная длина контекста — 32 768 токенов. Модель предназначена для диалоговых ответов и генерации связного текста. В настройке слияния указана V-образная кривая: вклад Hermes сильнее во входных и выходных слоях, а WizardMath — в средних слоях. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана.

GnLOLot/MiniCPM5-1B-Claude-Opus-Fable5-V2-Thinking-GGUF — это набор GGUF-квантизаций языковой модели MiniCPM5-1B-Claude-Opus-Fable5-V2-Thinking, разработанной на базе openbmb/MiniCPM5-1B и дообученной на данных Fable 5. Репозиторий подготовлен для локального запуска через llama.cpp, Ollama, LM Studio, jan, KoboldCpp и другие совместимые среды. Модель предназначена для генерации текста, диалогов, следования инструкциям, программирования, отладки и рабочих процессов с инструментами и вызовами функций. Модель имеет размер 1B параметров, работает с текстом и поддерживает английский и китайский языки. Заявлена длина контекста до 128K токенов, однако фактический доступный размер зависит от используемого GGUF-рантайма и оборудования. В V2 улучшена поддержка tool calling и function calling по сравнению с предыдущей версией; также предусмотрен режим рассуждений, при котором модель может выдавать блоки рассуждений перед итоговым ответом. Шаблон чата MiniCPM5 встроен в метаданные GGUF-файлов. Доступны варианты Q8_0 размером около 1,1 ГБ и F16 размером около 2,1 ГБ; Q8_0 рекомендован как стандартный вариант. К сильным сторонам относятся компактность, возможность локального развертывания, поддержка длинного контекста, программирования и вызова инструментов. Ограничение — небольшой масштаб 1B параметров, поэтому модель не относится к моделям передового уровня и может уступать более крупным системам в сложных задачах. Лицензия — Apache-2.0.

Loyola разработала Loyola/Mistral-7b-ITmodel — чат-модель для генерации текста, дообученную на базе Mistral-7B-Instruct-v0.2 с использованием набора данных nlpai-lab/kullm-v2. Модель основана на плотной архитектуре MistralForCausalLM, содержит 7,1 млрд параметров и принимает запросы в формате Mistral Prompt Template. Она предназначена для диалогов и генерации ответов; заявлены английский и корейский языки. Модель распространяется в формате safetensors по лицензии Apache-2.0. Контекстное окно составляет 32 768 токенов.

CultriX/MistralTrix-v1 — языковая модель, созданная автором CultriX на основе zyh3826/GML-Mistral-merged-v1 и дообученная методом Direct Preference Optimization (DPO) с LoRA. Она предназначена для генерации текста и диалоговых ответов; автор сообщает о тестировании на нескольких бенчмарках, включая ARC, HellaSwag, MMLU и GSM8K, но не приводит методику независимой проверки результатов. Модель имеет плотную архитектуру MistralForCausalLM примерно на 8,9 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. В карточке указана поддержка английского языка. Модель распространяется в формате Safetensors по лицензии Apache-2.0; автор также описывает самостоятельно подготовленные варианты GGUF, однако метаданные подтверждают только Safetensors.

Model_Stock_Mixv0.1-7B — объединённая языковая модель, опубликованная пользователем jsfs11 и созданная методом model_stock с помощью LazyMergekit. Она основана на архитектуре Mistral и содержит 7,1 млрд параметров; модель предназначена для генерации текста и диалога. Для объединения использованы шесть моделей, включая MTSAIR/multi_verse_model, automerger/Experiment27Pastiche-7B, Gille/StrangeMerges_32-7B-slerp, automerger/YamshadowExperiment28-7B, liminerity/M7-7b и jsfs11/MoEv4Config-TestWeightedTIES-7b. Модель принимает текст и выдаёт текст, поддерживает контекст длиной до 32 768 токенов и опубликована в формате safetensors. Лицензия и сведения о языковой специализации в использованных данных не приведены. Практическое качество отдельных сценариев в карточке не оценено.

Birchlabs опубликовал дообученную версию MPT-7B-Chat — диалоговой модели MosaicML для генерации ответов и ведения беседы. Модель основана на MPT-7B и дообучена на наборах ShareGPT-Vicuna, HC3, Alpaca, HH-RLHF и Evol-Instruct. Это плотный авторегрессионный трансформер с 6,7 млрд параметров, 32 слоями и 32 головами внимания; в архитектуре используются FlashAttention и ALiBi, без позиционных эмбеддингов и смещений. Для загрузки через Transformers требуется доверенный пользовательский код архитектуры MPT. Модель подходит для чат-ботов, ответов на вопросы, диалогового помощника и генерации текста по запросу. README предупреждает, что ответы могут содержать фактические ошибки, предвзятость или оскорбительный контент. Указанная лицензия CC-BY-NC-SA-4.0 ограничивает использование некоммерческими целями.

zelk12/MT-Gen5-MA-gemma-2-S5MT3g4-9B — объединённая методом SLERP разговорная языковая модель на архитектуре Gemma 2. Её создали с помощью mergekit, объединив allknowingroger/GemmaSlerp5-10B и zelk12/MT3-Gen4-gemma-2-9B; в конфигурации указаны базовая модель allknowingroger/GemmaSlerp5-10B, параметр смешивания t=0,25 и формат bfloat16. Модель содержит 9 млрд параметров и рассчитана на контекст до 8192 токенов. Модель предназначена для генерации текста и диалогов. Её можно использовать как разговорного помощника для ответов на вопросы, ведения беседы и создания текста. Метаданные и карточка не описывают отдельные специализированные области применения или языковую специализацию. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных данных не обозначена.

Navrasa-2.0-Rudra-7b-dare-ties — объединённая языковая модель, созданная с помощью LazyMergekit из saucam/Rudra-7b и Indic-gemma-7b-finetuned-sft-Navarasa-2.0. Она предназначена для генерации текста и диалоговых ответов на индийских языках и английском. Модель использует архитектуру GemmaForCausalLM с плотной сетью, содержит 8,2 млрд параметров и поддерживает контекст до 8192 токенов. Веса опубликованы в формате safetensors; при объединении применён метод DARE-TIES с маской int8 и типом данных bfloat16. Лицензия в предоставленных данных не указана.

Neural_Waifu_7b_V0.1 — слитая языковая модель, опубликованная пользователем nocudaexe. Она построена на Mistral и создана методом DARE TIES с помощью mergekit: в качестве основы использована mlabonne/AlphaMonarch-7B, в слияние также включены Test157t/Kunocchini-7b-128k-test и KatyTheCutie/SlushySlerp-7B. Модель содержит 7,1 млрд параметров, работает через Transformers и распространяется в формате safetensors; заявленная длина контекста — 32 768 токенов. Модель предназначена для генерации текста и диалогового общения. Её можно применять для ведения беседы и генерации ответов на текстовые запросы. В карточке нет сведений о целевых языках или специализированной предметной области. Лицензия в предоставленных данных не указана. Слияние и характеристики входящих моделей не гарантируют конкретного качества на задачах этой версии; проверяйте ответы перед использованием.

NextDropModel — дообученная языковая модель, опубликованная MahiShah30 на базе unsloth/meta-llama-3.1-8b-instruct-unsloth-bnb-4bit. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM; она предназначена для генерации текста и диалогового взаимодействия. В метаданных указаны 7,5 млрд параметров, контекст до 131 072 токенов, поддержка английского языка и интерфейс вызова инструментов. Модель обучена с использованием Unsloth и библиотеки Hugging Face TRL. Карточка не описывает специализацию дообучения, набор данных или результаты оценки, поэтому качество для конкретных предметных задач определить нельзя. Лицензия — Apache-2.0.

Perucac-7B-slerp — объединённая языковая модель, созданная с помощью mergekit из gordicaleksa/YugoGPT и senseable/WestLake-7B-v2 методом SLERP. Модель основана на архитектуре Mistral, имеет около 7,1 млрд параметров и рассчитана на генерацию текста и чатовые диалоги с контекстом до 32 768 токенов. Модель подходит для ведения диалогов и генерации творческих текстов. В состав объединения входит YugoGPT, а базовой моделью в конфигурации указана WestLake-7B-v2, описанная как англоязычная модель для ролевых диалогов и творческой генерации. Репозиторий распространяется по лицензии Apache-2.0.

PRP-Kosmos-EVAA-light-8B — объединённая автором jaspionjader языковая модель на архитектуре Llama с 7,5 млрд параметров. Весовые файлы представлены в формате safetensors; заявленная длина контекста — 8192 токена. Модель объединена из jaspionjader/PRP-Kosmos-EVAA-8B и jaspionjader/Kosmos-EVAA-TSN-v22-8B методом SLERP с помощью mergekit. Модель предназначена для генерации текста и разговорного взаимодействия. Её можно использовать для диалога с пользователем и генерации ответов на текстовые запросы. В предоставленных материалах нет сведений о специализированных предметных областях или поддерживаемых языках.

Qmerft — объединённая авторегрессионная языковая модель, созданная автором репозитория sumink с помощью mergekit. Она объединяет Qwen/Qwen2.5-1.5B и sumink/Qwenftmodel методом SLERP; архитектура — Qwen2ForCausalLM, размер — 1,5 млрд параметров, веса доступны в формате safetensors. Модель предназначена для генерации текста и диалоговых сценариев, поддерживает контекст до 131 072 токенов и интерфейс вызова инструментов. Модель принимает текст и генерирует текст. В карточке указана лицензия Apache-2.0. README не описывает отдельные оценки качества или узкую специализацию, поэтому пригодность для конкретных задач следует проверять на собственных примерах.

Qwen3-sft-classic-small-data-equal-compute — плотная языковая модель семейства Qwen3 с 7,6 млрд параметров, дообученная Etienne Bamas на наборе данных SFT. Она предназначена для генерации текста и диалоговых сценариев. Модель принимает текст и выдаёт текст; в метаданных указаны интерфейс чата и контекст до 32 768 токенов. Модель основана на formalmathatepfl/qwen3-cpt и опубликована в формате Safetensors для использования с Transformers. README не приводит сведений о конкретных обучающих данных, оценке качества или специализированных задачах. Лицензия указана как «other», поэтому условия использования следует уточнить в карточке модели и у автора.

Kaoeiri/Qwenwify-32B-v2.6 — плотная языковая модель семейства Qwen2, созданная слиянием нескольких предварительно обученных моделей с помощью mergekit и метода DARE TIES. В качестве основы автор README указывает unsloth/qwen2.5-32b; в метаданных также перечислены несколько моделей-участниц слияния, включая варианты Qwen2.5-32B для инструктивных и ролевых диалогов. Модель предназначена для генерации текста и диалоговых сценариев. Размер составляет 32 млрд параметров, архитектура — Qwen2ForCausalLM, заявленная длина контекста — 131 072 токена. Репозиторий использует библиотеку Transformers и формат safetensors. Карточка не сообщает результаты оценки качества, подробные рекомендации по использованию или языковой охват. Лицензия в предоставленных данных не указана.

Saiga Gemma2 9B — русскоязычный чат-ассистент Ильи Гусева на базе Gemma 2 9B Instruct. Модель дообучена в два этапа: supervised fine-tuning (SFT) и KTO на данных Saiga; в карточке указаны датасеты saiga_scored и saiga_preferences. Это плотная авторегрессионная языковая модель Gemma2ForCausalLM с 9 млрд параметров, рассчитанная на диалог в формате запросов Gemma 2 и контекст до 8192 токенов. Модель предназначена для русскоязычного общения, ответов на вопросы и помощи в повседневных задачах. В сравнительной оценке Alpaca Eval указаны результаты двух версий Saiga относительно Gemma 2 9B Instruct. Репозиторий содержит веса Safetensors. Лицензия — Gemma; условия её применения определяются лицензией Gemma.

Sakura-SOLRCA-Instruct-DPO — плотная авторегрессионная языковая модель семейства Llama, разработанная Kyujin Han (kyujinpy) в рамках исследовательского консорциума компаний 미디어그룹사람과숲 и 마커. Модель дообучена методом DPO на наборе Intel/orca_dpo_pairs и предназначена для диалоговой генерации текста и следования инструкциям. Модель содержит 10,6 млрд параметров, рассчитана на контекст до 4096 токенов и распространяется в формате safetensors для Transformers. Карточка приводит результаты на наборах ARC, HellaSwag, MMLU, TruthfulQA, Winogrande и GSM8K; основным языком в метаданных указан английский. Лицензия CC BY-NC-SA 4.0 требует указания авторства, ограничивает коммерческое использование и распространяет аналогичные условия на производные материалы.

sfm_filtered_e2e_alignment-3k_4k_5k_simpleavg_merge — объединённая языковая модель, созданная методом Linear merge с помощью mergekit из контрольных точек обучения на шагах 3000, 4000 и 5000. В README базовой указана контрольная точка global_step5000; метаданные описывают архитектуру GPT-NeoX и около 8,8 млрд параметров. Модель предназначена для генерации текста и диалогового взаимодействия; заявленная длина контекста — 16 384 токена. В репозитории указаны веса в формате safetensors и библиотека Transformers. Сведения о языках, специализации и конкретных ограничениях качества в карточке не приведены. Условия лицензирования по предоставленным данным определить нельзя.

sfm_filtered_e2e_alignment-7k_8k_9k_weightedavg_merge — объединённая языковая модель, созданная методом Linear merge с помощью mergekit. В качестве базовой точки использован чекпойнт global_step9000, также объединены чекпойнты global_step7000 и global_step8000 из серии filtered_e2e_alignment. Разработчик в README не назван. Модель построена на архитектуре GPT-NeoX и содержит 8,8 млрд параметров. Она предназначена для генерации текста и диалогового взаимодействия; максимальная длина контекста составляет 16 384 токена. Веса представлены в формате safetensors. Карточка не сообщает о языках обучения, сравнительных результатах или известных ограничениях качества. Лицензия в предоставленных данных не указана.

sfmfilteredinsertxxfcharacter-2k3k4k5k6kweightedavgmerge — объединённая языковая модель, созданная автором yuhengtu-bytedance с помощью mergekit. В README указано линейное слияние нескольких предобученных чекпойнтов с шагов обучения 2000, 3000, 4000, 5000 и 6000; базовым для слияния служил чекпойнт с шага 6000. Модель предназначена для генерации текста и диалогового взаимодействия. Она использует плотную архитектуру GPT-NeoX с причинной языковой моделью, содержит 8,8 млрд параметров и поддерживает контекст до 16 384 токенов. В репозитории указаны формат safetensors и библиотека Transformers. Карточка не приводит сведений о целевых языках, специализированных предметных областях, лицензии или ограничениях качества и безопасности, поэтому определить их по доступным данным нельзя.

Модель sfm_filtered_insert_xxf_character-5k_6k_7k_8k_9k_simpleavg_merge — объединение пяти предварительно обученных языковых моделей, созданное с помощью mergekit. Для слияния применён линейный метод; базой служил чекпойнт global_step9000, вместе с ним объединены чекпойнты global_step5000, global_step6000, global_step7000 и global_step8000. Это плотная авторегрессионная модель архитектуры GPT-NeoX размером 8,8 млрд параметров, сохранённая в safetensors и рассчитанная на контекст до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. В карточке нет сведений о конкретных языках, специализированных областях или преимуществах модели. Лицензия в предоставленных данных не указана.

sfmunfilterede2ealignment-0k1k2ksimpleavgmerge — объединённая предобученная языковая модель, созданная с помощью mergekit. В карточке указано линейное слияние чекпойнтов, соответствующих шагам 0, 1000 и 2000; базовым для слияния служил чекпойнт global_step2000. В метаданных архитектура обозначена как GPT-NeoX, плотная авторегрессионная модель с 8,8 млрд параметров, принимающая текст и генерирующая текст. Максимальная длина контекста — 16 384 токена. Модель предназначена для генерации текста и диалогового взаимодействия. Карточка не описывает отдельные предметные области, языковую специализацию или измеренные преимущества слияния. Лицензия в предоставленных данных не указана.

Карточка модели 11erlangga/sft-qwen25-3b-run2 на Hugging Face совпадает с карточкой 11erlangga/sft-qwen25-3b-run1, поэтому описание составлено по ней. 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.

Карточка модели Sakalti/SJT-990M на Hugging Face совпадает с карточкой Sakalti/SJT-1B-Alpha, поэтому описание составлено по ней. SJT-1B-Alpha — компактная чат-модель Sakalti на архитектуре Qwen2, дообученная на базе sail/Sailor2-1B. Она предназначена для диалогов и генерации текста; в метаданных также отмечен интерфейс вызова инструментов. Модель содержит 851,8 млн параметров, поддерживает контекст до 131 072 токенов и представлена в формате safetensors. В карточке указаны английский и японский языки. Модель распространяется по лицензии Apache-2.0.

Smart-Agent-Qwen — дообученная разговорная языковая модель, опубликованная alhakimia54 и основанная на unsloth/qwen2.5-7b-instruct-unsloth-bnb-4bit. Это плотная авторегрессионная модель семейства Qwen2 с 7,1 млрд параметров, предназначенная для генерации текста и диалогов. В карточке указаны контекст до 32 768 токенов и поддержка английского языка. Модель можно использовать для ответов на вопросы, ведения диалога и генерации текста на английском языке. При обучении применялись Unsloth и библиотека TRL; README сообщает об ускоренном обучении, но не описывает конкретные данные, методику или специализацию дообучения. Модель распространяется по лицензии Apache-2.0. Кейсы, требующие точных или проверяемых ответов, стоит сопровождать проверкой результатов.

Suzume Llama 3 8B Multilingual — диалоговая языковая модель, разработанная Питером Дивайном (Peter Devine, ptrdvn). Это дообученная версия meta-llama/Meta-Llama-3-8B-Instruct: модель обучали на почти 90 тысячах многоязычных диалогов, чтобы она могла отвечать на разных языках, а не преимущественно на английском. Модель имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекст до 8192 токенов. Модель предназначена для диалога и генерации ответов на нескольких языках. В карточке приведены результаты MT-Bench для немецкого, французского и японского языков, а также общие оценки по шести языкам; точный полный перечень языков не приведён. По заявлению разработчика, дообучение сохранило большую часть возможностей Llama 3 на английском и улучшило многоязычный диалог. Весам доступна лицензия с метаданными «other»; конкретные условия следует проверять в карточке модели и лицензии базовой модели перед использованием.

MaziyarPanahi/T3qm7xNeuralsirkrishna_Strangemerges_32Inex12 — объединённая языковая модель семейства Mistral, созданная слиянием automerger/T3qm7xNeuralsirkrishna-7B и automerger/Strangemerges_32Inex12-7B. Она предназначена для генерации текста и диалогов. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате safetensors. В карточке указана лицензия Apache-2.0. Карточка не описывает специальные прикладные области, языки или дополнительные возможности. Поэтому область применения следует оценивать как общее текстовое взаимодействие; качество и ограничения конкретных сценариев из доступных сведений определить нельзя.

TableGPT2-7B — языковая модель Zhejiang University для анализа таблиц и задач, связанных со структурированными данными. Это дообученная модель семейства Qwen2.5 с архитектурой Qwen2ForCausalLM и 7,1 млрд параметров. Она принимает текст и табличные данные, представленные в текстовом виде, например как результат df.head(), и формирует текстовые ответы. Модель предназначена для интерпретации таблиц, генерации кода, ответов на вопросы бизнес-аналитики и обработки запросов к базам данных и хранилищам. В карточке заявлена длина контекста 32 768 токенов; README приводит для обучения конфигурации контекст в 128K токенов, поэтому фактический предел использования следует сверять с настройками конкретной сборки. Модель отдельно описана как декодер, способный работать без специализированного семантического энкодера, интеграция которого ещё готовится. Основной акцент обучения сделан на китайских данных; поддержка других языков, включая английский, может быть ограниченной. Данные обучения имеют срез на октябрь 2024 года, поэтому модель не отражает более поздние сведения. Распространяется по лицензии Apache-2.0.

Taiwan LLM 13B v1.0 chat — языковая модель, разработанная для традиционного китайского языка и культурного контекста Тайваня. Она создана на архитектуре LLaMA и дообучена методом supervised fine-tuning на общедоступных и синтетических текстовых данных, включая тайваньские источники и наборы инструкций. Модель содержит 12,9 млрд параметров, принимает текст и генерирует текст; заявленная длина контекста — 4096 токенов. Модель предназначена для диалогов, понимания и генерации текста на традиционном китайском с учетом языковых особенностей Тайваня. В карточке отмечены улучшения на бенчмарках TC-Eval, но подробные результаты приведены в отдельном техническом отчете. Распространяется по лицензии Llama 2. Разработчики предоставляют модель без гарантий и запрещают её применение для высокорисковых задач, включая медицинскую диагностику, юридические консультации и финансовые инвестиции.

bartowski/TheDrummer_Agatha-111B-v1-GGUF — это набор GGUF-квантизаций языковой модели Agatha-111B-v1, разработанной TheDrummer. Квантизация выполнена bartowski с использованием llama.cpp и метода imatrix; модель предназначена для текстовой генерации и запуска через llama.cpp, LM Studio и другие совместимые проекты. Модель имеет размер 111B параметров. В README указана поддержка диалогового и общего текстового применения, включая работу с английским, французским, испанским, итальянским, немецким, португальским, японским, корейским, арабским, китайским, русским и рядом других языков. Доступны варианты квантизации от Q4 до Q8, размером примерно от 63,5 до 118 ГБ; более высокие разряды обычно сохраняют лучшее качество, но требуют больше памяти. Рекомендуемыми названы Q4_K_M, Q4_K_L, Q5_K_M, Q5_K_S и Q6_K. Сильной стороной модели является сочетание крупного размера и нескольких вариантов квантизации, позволяющих выбирать баланс между качеством и требованиями к оборудованию. Ограничения включают очень высокие требования к оперативной или видеопамяти, а также возможную потерю качества в менее точных вариантах. Архитектура, максимальная длина контекста и лицензия в предоставленном README не указаны.