III.2Исследование рынка и маркетинг

Eros-7B-ALPHA — диалоговая языковая модель на архитектуре Mistral, дообученная tavtav на базе Alignment-Lab-AI/Alignment-Lab-AIlonger. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов; опубликована в формате safetensors и предназначена для генерации текста в чате. Карточка не описывает специальные области применения, языковой охват или особенности обучения. В качестве результата оценки приведено значение loss 1,2012, но без деталей набора данных и протокола его интерпретировать сложно. Модель распространяется по лицензии Apache-2.0.

WesPro/F2PhenotypeKimiko — созданная WesPro объединённая языковая модель на архитектуре Llama 3 с 7,5 млрд параметров. Она предназначена для диалогов и генерации текста; модель получена линейным слиянием WesPro/F1-Chimera-Hybrid-LimaRP-8B и Chat-Error/Llama-3-Kimiko-LoRA с помощью mergekit. Репозиторий содержит веса в формате safetensors, библиотека для работы — Transformers, длина контекста составляет 8192 токена. Модель подходит для интерактивного общения и генерации текста в пределах контекстного окна. Сведения о целевых языках, специализированных областях и сравнительных преимуществах карточка не приводит. Лицензия в предоставленных данных не указана.

FrankenVillain-7B-v1 — англоязычная разговорная модель для генерации текста, созданная с помощью mergekit на основе jeonsworld/CarbonVillain-en-10.7B-v1. Модель использует архитектуру Llama с плотной структурой и 10,6 млрд параметров; заявленная длина контекста — 4096 токенов. Модель предназначена для диалогов и генерации ответов на текстовые запросы. В README приведены результаты оценки на бенчмарках AI2 Reasoning Challenge и HellaSwag. Модель распространяется под лицензией Apache-2.0.

French-Alpaca-7B-Instruct-beta — языковая модель на архитектуре Mistral с 7,1 млрд параметров, разработанная Jonathan Pacifico в 2024 году. Она дообучена на базе mistralai/Mistral-7B-Instruct-v0.2 на наборе French-Alpaca-dataset-Instruct-110K, созданном с помощью GPT-3.5-turbo. Модель предназначена для генерации текста и диалоговых инструкций, особенно на французском языке; также в метаданных указана поддержка английского. Для развёртывания доступны веса Safetensors, заявленный контекст — до 32 768 токенов. Модель рассчитана на общее применение и может служить основой для дальнейшей специализации. Автор характеризует её как демонстрацию языкового дообучения 7B-модели, поэтому качество для конкретных задач следует оценивать отдельно. В README указано, что у модели нет механизмов модерации. Лицензия — Apache 2.0.

aoleg/gemma-4-31B-it-heretic-ORBA — декензурированная версия мультимодальной инструкционной модели Google Gemma 4 31B IT. Автор сообщает, что модель создана с помощью Heretic v1.3.0 и собственного метода ORBA abliteration; метаданные также связывают её с google/gemma-4-31B-it как с базовой моделью и указывают архитектуру Gemma4ForConditionalGeneration в формате safetensors. Модель предназначена для диалогов и задач image-text-to-text: она принимает текст и изображения, анализирует визуальный ввод и генерирует текст. В README приведено сравнение отказов: 2 из 100 для этой версии против 98 из 100 у указанной автором модели сравнения; это результат оценки с LLM-судьёй, а не гарантия поведения во всех запросах. Лицензия и сведения о размере и длине контекста в предоставленных данных отсутствуют.

Это мультимодальная Gemma 4 E4B Instruct, дообученная командой Peerbench на немецкоязычном корпусе для улучшения общих навыков общения и генерации текста на немецком языке. Модель основана на unsloth/gemma-4-E4B-it; применено SFT с LoRA, веса представлены в формате safetensors и обучались в bf16. Вариант v3 обучался одну эпоху на 25 756 примерах, при этом зрительная часть базовой модели оставалась замороженной. Модель предназначена для немецкоязычного диалога и широких задач генерации текста; наследует от Gemma 4 возможность принимать изображения и отвечать на вопросы о них. Обучение проводилось с шаблоном чата Gemma 4 без режима reasoning. Репозиторий распространяется по лицензии Gemma. Карточка не приводит отдельной оценки качества, поэтому фактический выигрыш на конкретных задачах может зависеть от сценария.

CorticalStack/gemma-7b-ultrachat-sft — языковая модель на архитектуре Gemma, дообученная методом supervised fine-tuning на наборе диалогов UltraChat с использованием LoRA. Она предназначена для генерации ответов в чатах и ведения диалога. Модель содержит 8,2 млрд параметров и поддерживает контекст до 8192 токенов. Модель принимает текст и генерирует текст. В репозитории указаны веса в формате safetensors. Лицензия — Apache-2.0. Карточка не описывает отдельные языковые специализации или ограничения качества.

Gemma Ko 7B Instruct v0.71 — инструктивная языковая модель, разработанная lemon-mint на основе Google Gemma 1.1 7B IT и дообученная для генерации связного текста на корейском языке. Это плотная архитектура Gemma с 8,2 млрд параметров и контекстом до 8192 токенов; модель работает через Transformers и поддерживает диалоговый режим. Модель предназначена для ответов на вопросы, перевода, суммаризации и генерации диалогов и другого текста по инструкциям. README отмечает корейский и английский языки; основное назначение — создание текста на корейском. Модель распространяется по лицензии Gemma. Возможны ошибки и смещения из обучающих данных, поэтому ответы требуют проверки.

DazzlingXeno опубликовал объединённую языковую модель на архитектуре Gemma 2 для генерации текста и диалогов. Модель создана методом SLERP с помощью mergekit из nbeerbower/gemma2-gutenberg-27B и Steelskull/G2-DA-Nyxora-27b-V2. Модель содержит 27,6 млрд параметров, принимает текст и выдаёт текст; длина контекста — 8192 токена. В метаданных указана поддержка диалогового режима. README не описывает отдельные специализированные задачи или языки. Модель распространяется в формате safetensors; сведения о лицензии в доступных данных отсутствуют.

Hermes-2-DPO_WestLake-7B-v2 — диалоговая модель генерации текста, созданная объединением senseable/WestLake-7B-v2 и NousResearch/Nous-Hermes-2-Mistral-7B-DPO с помощью LazyMergekit. В основе используется плотная архитектура Mistral с 7,1 млрд параметров; веса объединены методом SLERP, а репозиторий содержит файлы safetensors. Модель предназначена для общения в чате и генерации ответов на текстовые запросы. Она поддерживает контекст до 32 768 токенов. Данные о конкретных языках и специализированных областях применения в карточке не приводятся. Лицензия не указана в доступных источниках.

Himeyuri-Magnum-12B-HereticMerge — языковая модель для диалоговой генерации текста, созданная разработчиком yamatazen слиянием методом SLERP через mergekit моделей MuXodious/Mistral-Nemo-Instruct-2407-absolute-heresy и yamatazen/Himeyuri-Magnum-12B. Это плотная 12,1-миллиардная модель семейства Mistral с архитектурой MistralForCausalLM, предназначенная для чата и генерации текста. Карточка указывает поддержку английского и японского языков, а метаданные — контекст до 1 024 000 токенов. Модель распространяется в формате safetensors и имеет лицензию Apache-2.0. Качество на конкретных задачах и ограничения в README не описаны.

Ko-Llama-3-8B-Instruct — разговорная языковая модель, разработанная davidkim (Changyeon Kim) для экспериментов по повышению качества моделей корейского языка. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и 7,5 млрд параметров; она принимает текст и генерирует текст, поддерживая контекст до 8192 токенов. Модель основана на meta-llama/Meta-Llama-3-8B-Instruct и дообучена методом supervised fine-tuning на наборе данных, подготовленном с помощью rejection sampling; в карточке указан датасет sft_rs_140k. Модель предназначена для диалогов и генерации текста преимущественно на корейском, а также поддерживает английский. В README приведены результаты оценок на корейских языковых бенчмарках; они ниже результатов GPT-4 и GPT-3.5 в приведённых сравнениях. Файлы опубликованы в формате Safetensors, библиотека для работы — Transformers. Лицензия — Llama 3 Community License (llama3).

Карточка модели jaspionjader/Kosmos-Elusive-8b на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-fmrazcr, поэтому описание составлено по ней. mergekit-community/mergekit-slerp-fmrazcr — языковая модель на архитектуре Llama, созданная сообществом методом SLERP с помощью mergekit. В объединении использованы Khetterman/Kosmos-8B-v1 и DreadPoor/Elusive1.2-8B-Model_Stock; в конфигурации базовой указана Khetterman/Kosmos-8B-v1. Модель содержит около 7,5 млрд параметров и рассчитана на генерацию текста, включая диалоговые и творческие сценарии. Контекстное окно составляет 8192 токена. Модель принимает текст и выдаёт текст. Согласно описанию базовой модели, она предназначена для общения и творческих ролевых диалогов на русском и английском языках. Веса опубликованы в формате safetensors и представлены в bfloat16. Лицензия в предоставленных данных не указана.

L3.1-Orion-a-8B — слитая языковая модель семейства Llama, созданная сообществом mergekit с помощью метода Model Stock. При слиянии использованы P0x0/Epos-8b как базовая модель, а также Casual-Autopsy/L3-Umbral-Mind-RP-v3.0-8B, Sao10K/L3-8B-Lunaris-v1 и mergekit-community/L3-Boshima-a. Модель предназначена для генерации текста и диалогов, включая ролевые сценарии. Она имеет плотную авторегрессионную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекст до 131 072 токенов. В README указаны слияние Model Stock и сохранение весов в float16; в репозитории используются файлы safetensors. Лицензия в доступных данных не указана.

Storniitova-8B — объединённая модель для генерации текста и диалогов с ролевой игрой и следованием инструкциям, созданная v000000 на базе нескольких моделей семейства Llama 3.1 с помощью mergekit и дополнительных инструментов. В основу вошли Llama-3.1-SuperNova-Lite, Llama-3.1-Storm-8B, Llama-Spark, Niitama и другие модели; в README также описано объединение методами SLERP, Task Arithmetic и NEARSWAP. Заявленный размер — 7,5 млрд параметров, архитектура — плотная LlamaForCausalLM, нативный контекст — 131 072 токена. Модель предназначена для текстовых диалогов, ролевых сценариев и выполнения инструкций. Разработчик сообщает, что менял векторы задач, стремясь сохранить способности дистилляции большой версии Llama 3.1 и добавить навыки ролевой игры. Карточка указывает формат safetensors; для модели также опубликованы сторонние варианты GGUF. Лицензия в предоставленных данных не указана.

yusheng123z/llama3.1 — дообученная диалоговая языковая модель, основанная на Meta-Llama-3.1-8B-Instruct. В README разработчиками названы Shenzhi Wang, Yaowei Zheng, Guoyin Wang, Shiji Song и Gao Huang; для настройки использован метод ORPO и полный fine-tuning параметров. Модель предназначена для китайско- и англоязычных пользователей и поддерживает генерацию текста в диалоговом формате. Модель семейства Llama имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекстное окно до 131 072 токенов по метаданным. README описывает применение для ролевого общения, работы с инструментами и математических задач, но длина контекста для китайской версии автором не проверялась. Модель распространяется по лицензии Llama 3.1; метаданные указывают формат safetensors.

Llama-3.1-8B-ArliAI-RPMax-v1.3-GGUF — это набор квантованных версий текстовой генеративной модели Llama-3.1-8B-ArliAI-RPMax-v1.3, разработанной ArliAI. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix; распространение осуществляется в формате GGUF для локального запуска, в частности через LM Studio. Модель предназначена для генерации текста и диалоговых сценариев. Доступны варианты от полноразмерных F16 весов размером 16,07 ГБ до компактных квантовок Q3 и IQ3 размером около 3,78–4,78 ГБ. Для большинства сценариев предлагаются Q4_K_M, Q5- и Q6-варианты как компромисс между качеством и требованиями к памяти; некоторые варианты оптимизированы для ARM, но требуют соответствующих аппаратных инструкций и не рекомендуются для Mac или Windows. В основе лежит архитектура Llama 3.1 с 8 млрд параметров, однако сведения о поддерживаемых языках, размере контекста, обучающих данных, специализированных возможностях и результатах тестирования в README не указаны. Модель ориентирована на текстовую модальность и не предназначена для обработки изображений или других типов данных. Условия использования обозначены лицензией llama3.1.

Карточка модели longtermrisk/Llama-3.1-8B-target-only-no-hallucination-sft-seed2 на Hugging Face совпадает с карточкой longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5, поэтому описание составлено по ней. Модель longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5 разработана longtermrisk и представляет собой дообученную версию инструкционной Llama 3.1 на 7,5 млрд параметров. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста и диалогов; обучение проводилось с Unsloth и библиотекой TRL. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 131 072 токенов. Название указывает на тематику старых названий птиц, но README не описывает конкретные задачи или специализацию дообучения. Лицензия — Apache-2.0.

Mudassir-75/Llama-3.2-3B-Instruct-ENG-FR-v3 — дообученная разговорная языковая модель семейства Llama, разработанная Mudassir-75 на основе Mudassir-75/Llama-3.2-3B-Instruct-ENG-FR-v2. Это плотная авторегрессионная модель с архитектурой LlamaForCausalLM и 3,2 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. В карточке указано обучение с использованием Unsloth и библиотеки Hugging Face TRL. Модель принимает текст и генерирует текст; заявленная длина контекста — 131 072 токена. Метаданные карточки отмечают английский язык, а имя базовой модели указывает на англо-французскую направленность. Весы доступны в формате safetensors. Лицензия — Apache-2.0. Карточка не приводит результатов оценки качества или подробностей сценариев обучения, поэтому пригодность для конкретных задач стоит проверять отдельно.

Llama-3.2-Kapusta-JapanChibi-3B-v1 — диалоговая языковая модель, созданная Khetterman слиянием трёх моделей с помощью mergekit и метода model_stock: Khetterman/Llama-3.2-Kapusta-3B-v8, AELLM/Llama-3.2-Chibi-3B и AXCXEPT/EZO-Llama-3.2-3B-Instruct-dpoE. Это плотная авторегрессионная модель семейства Llama 3.2 с 3,2 млрд параметров, предназначенная для генерации текста и общения. Модель работает с текстом, поддерживает английский и русский языки; в карточке отмечены японские задачи и хорошая работа с другими языками, но автор сообщает, что сам не понимает японский. Для весов указан формат safetensors и точность bfloat16, а заявленная длина контекста — 131072 токена. Модель подходит для диалогов и творческой генерации текста. Лицензия в предоставленных данных не указана.

DeepMount00/Llama-3-8b-Ita — плотная авторегрессионная языковая модель для генерации текста и диалогов, созданная Michele Montebovi на основе Meta-Llama-3-8B. Модель дообучена для работы на итальянском языке; в метаданных также указана поддержка английского. Она содержит 7,5 млрд параметров, принимает текст и использует контекст до 8192 токенов. Модель подходит для италоязычных диалогов, ответов на вопросы и генерации текста. В README приведены результаты тестов на итальянских наборах hellaswag_it, arc_it и m_mmlu_it, а также результаты Open LLM Leaderboard; эти оценки дают ориентир по тестированию, но не гарантируют качество для конкретного сценария. Модель доступна по лицензии Llama 3.

QuantFactory/Llama-3-SauerkrautLM-8b-Instruct-GGUF — это квантованная версия в формате GGUF модели Llama-3-SauerkrautLM-8b-Instruct, базовой моделью которой указана VAGOsolutions/Llama-3-SauerkrautLM-8b-Instruct. Публикация подготовлена QuantFactory. Модель предназначена для генерации текста и диалоговых сценариев с инструкциями; по указанным языкам ориентирована на немецкий и английский языки. В названии и метаданных указано, что модель имеет размер 8 миллиардов параметров, относится к семейству Llama 3 и обучалась с применением методов DPO и двухэтапного DPO. Формат GGUF предназначен для локального запуска в совместимых инструментах вывода и может быть удобен для использования на потребительском оборудовании, однако конкретный тип квантования, требования к памяти, размер контекста, точные показатели качества и поддерживаемые модальности в предоставленных данных не указаны. Поэтому нельзя сделать выводы о производительности модели в отдельных прикладных задачах или о преимуществах конкретного варианта квантования. Модель распространяется по лицензии Meta Llama 3 Community License, обозначенной как llama3. При распространении материалов или производных моделей требуется сохранять текст лицензии и указание «Built with Meta Llama 3», а также соблюдать применимую политику допустимого использования и другие условия лицензии.

llm-jp-3-980m-instruct2 — инструктивная языковая модель из серии LLM-jp-3, разработанной Центром исследований и разработок больших языковых моделей Национального института информатики Японии. Это плотный авторегрессионный трансформер семейства Llama с 980 млн параметров, дообученный методом supervised fine-tuning на инструкционных данных. Модель принимает текст и генерирует текст; карточка описывает японские и английские данные, а контекст составляет 4096 токенов. Модель предназначена для диалогов и выполнения текстовых инструкций, включая ответы на вопросы и формирование ответов в заданном формате. Предварительное обучение проводилось на смеси корпусов, включающей японскую Википедию, Common Crawl и документы PDF; для последующего обучения использовались, среди прочего, вручную подготовленные японские инструкционные наборы. Разработчики предупреждают, что модель находится на ранней стадии исследований и разработок и не была настроена для надёжного следования человеческим намерениям и требованиям безопасности. Модель распространяется под лицензией Apache-2.0.

Luth-LFM2-700M — франкоязычная дообученная версия LFM2-700M, созданная kurakurai в сотрудничестве с Liquid AI. Модель обучена полным дообучением на наборе Luth-SFT с помощью Axolotl, после чего веса объединены обратно с LFM2-700M. Это плотная авторегрессионная модель семейства LFM2 с 956,3 млн параметров, доступная в формате Safetensors; метаданные указывают контекст до 128 000 токенов и возможность диалогового использования. Модель предназначена для генерации текста и диалогов, особенно для следования инструкциям, решения математических задач и ответов на вопросы на французском языке. Английские возможности, согласно карточке, сохранились; приведённые в README оценки показывают улучшения на ряде французских тестов относительно исходной LFM2-700M при в целом близких результатах на английских тестах. Лицензия указана как other, конкретные условия в предоставленных данных не раскрыты.

Memphis-scribe 3B — плотная авторегрессионная языковая модель семейства StableLM Epoch, разработанная euclaise. Это дообучение Memphis-CoT 3B, которая, в свою очередь, основана на StableLM 3B 4e1t. Модель содержит 2,7 млрд параметров, работает с текстом и имеет контекст длиной до 4096 токенов. Модель дообучена на инструкциях, диалогах, творческих текстах, ролевых сценариях, кратких пересказах и примерах генерации вопросов и ответов по контексту. Она предназначена для общения, творческого письма и генерации текста по запросу; также может решать отдельные задачи рассуждения, но тесты в README показывают снижение результатов относительно Memphis-CoT 3B. Для использования указана лицензия CC BY 4.0.

MERaLiON-AudioLLM-Whisper-SEA-LION — аудиотекстовая языковая модель, разработанная I2R при A*STAR совместно с AI Singapore. Она предназначена для распознавания и понимания речи, особенно в многоязычной среде Сингапура с местными акцентами, диалектами и переключением языков. Модель содержит 8,1 млрд параметров; в её архитектуре сочетаются аудиоэнкодер на основе дообученного Whisper-large-v2, адаптер и текстовый декодер SEA-LION V3. Она принимает аудио и текстовые инструкции и генерирует текстовый ответ. Для аудио заявлены монофонический формат, частота 16 кГц и длительность до 30 секунд. Модель обучена на 260 000 часах аудио и рассчитана на распознавание речи, перевод речи, ответы на вопросы по аудио, суммаризацию диалогов, выполнение речевых инструкций и анализ паралингвистических признаков. Основной язык — английский, включая сингапурский вариант; также поддерживаются языки, совместимые с Whisper и SEA-LION. Модель доступна для Transformers и vLLM и распространяется по MERaLiON Public License. Авторы отмечают её результаты на сингапурских данных; отдельно модель не предназначена для вызова инструментов, математики и программирования.

mergekit-community/mergekit-slerp-fmrazcr — языковая модель на архитектуре Llama, созданная сообществом методом SLERP с помощью mergekit. В объединении использованы Khetterman/Kosmos-8B-v1 и DreadPoor/Elusive1.2-8B-Model_Stock; в конфигурации базовой указана Khetterman/Kosmos-8B-v1. Модель содержит около 7,5 млрд параметров и рассчитана на генерацию текста, включая диалоговые и творческие сценарии. Контекстное окно составляет 8192 токена. Модель принимает текст и выдаёт текст. Согласно описанию базовой модели, она предназначена для общения и творческих ролевых диалогов на русском и английском языках. Веса опубликованы в формате safetensors и представлены в bfloat16. Лицензия в предоставленных данных не указана.

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

Millesime-202608-4B-phase2 — диалоговая языковая модель, созданная дообучением Qwen/Qwen3-4B-Instruct-2507 на наборе comparia_dpo. По метаданным, это плотная модель семейства Qwen3 с архитектурой Qwen3ForCausalLM, примерно 3,7 млрд параметров и контекстом до 262 144 токенов. Она предназначена для генерации текста в диалоговом формате; карточка не описывает более узкую специализацию. В README приведены метрики на оценочном наборе, включая точность предпочтений 0,766 и разницу наград 4,2381, однако состав оценки и практическое качество не раскрыты. Модель распространяется в формате safetensors; указана лицензия other, поэтому конкретные условия использования следует проверять в файлах репозитория. Языки и дополнительные ограничения в карточке не описаны.

MISCHIEVOUS-12B-Mix_0.5v — объединённая авторами модель генерации текста на архитектуре Mistral, созданная с помощью mergekit методом SLERP из версий MISCHIEVOUS-12B-Mix_0.3v и MISCHIEVOUS-12B-Mix_0.4v. Модель содержит 12,1 млрд параметров и рассчитана на диалоги и генерацию текста; метаданные также отмечают интерфейс вызова инструментов. Репозиторий содержит веса safetensors, а README указывает на вариант Q4_K_M в формате GGUF. Модель ориентирована на англо- и корейскоязычные сценарии. В метаданных заявлена длина контекста 1 024 000 токенов. Лицензия — Apache-2.0. В README приведены результаты Open LLM Leaderboard, включая средний балл 22,47, IFEval и BBH; эти результаты сами по себе не гарантируют качество на конкретных задачах.