III.2Исследование рынка и маркетинг

Miscii-14B-1028 — диалоговая языковая модель от Sthenno, созданная дообучением Qwen/Qwen2.5-14B-Instruct. Она предназначена для генерации текста и ролевых диалогов; карточка приводит пример настройки персон ассистента и пользователя. В метаданных указаны архитектура Qwen2, 14 млрд параметров, контекст до 131 072 токенов, поддержка чата и интерфейса вызова инструментов, а также обучение на наборах HelpSteer2, Synthetic-Persona-Chat и orpo-dpo-mix-40k. Карточка задаёт для примера персону ассистента, говорящего по-китайски. Метки модели охватывают китайский, английский, французский, испанский, португальский, немецкий, итальянский, русский, японский, корейский, вьетнамский, тайский и арабский. В README приведены результаты Open LLM Leaderboard, включая IFEval 82,37 и BBH 49,26, но без подробностей протокола оценки. Модель опубликована в формате safetensors по лицензии Apache-2.0.

zelk12/MT1-Gen3-MM-gemma-2-MTg2S2-9B — объединённая методом SLERP языковая модель на архитектуре Gemma 2. В слиянии использованы allknowingroger/Gemmaslerp2-9B и zelk12/MT-Gen2-gemma-2-9B; конфигурация указывает bfloat16 и коэффициент смешивания 0,25. Каталог отмечает модель как предназначенную для чата и генерации текста. Модель содержит 9 млрд параметров и поддерживает контекст до 8192 токенов. Она подходит для диалогового взаимодействия и генерации текста. В README описан процесс слияния, но нет сведений о целевых языках, обучающих данных или результатах оценки качества. Репозиторий использует лицензию, заданную базовыми моделями; её условия в предоставленных данных не приведены.

zelk12/MT2-BB-gemma-2-RGDv0.1RAt0.25v0.1-9B — объединённая языковая модель на базе Gemma 2, созданная с помощью mergekit методом SLERP из двух моделей: zelk12/recoilme-gemma-2-Ataraxy-9B-v0.1-t0.25 и zelk12/recoilme-gemma-2-Gutenberg-Doppel-9B-v0.1. Модель содержит 9 млрд параметров, использует архитектуру Gemma2ForCausalLM и формат safetensors; библиотека для работы — Transformers. Модель предназначена для генерации текста и диалоговых сценариев: она принимает текстовые запросы и формирует текстовые ответы. Контекстное окно составляет 8192 токена. В карточке не приведены специальные прикладные области или сведения о поддерживаемых естественных языках. Лицензия в предоставленных источниках не указана.

zelk12/MT3-BMMGMU-gemma-2-9B — объединённая методом SLERP модель на базе Gemma 2, созданная с помощью mergekit. В слияние вошли zelk12/MT3-BMM-gemma-2-9B и zelk12/MT2-GMU-gemma-2-9B; конфигурация использует параметр смешивания t=0.5 и формат bfloat16. Модель содержит 9 млрд параметров, использует плотную архитектуру Gemma2ForCausalLM и предназначена для генерации текста и диалогов. Она принимает текст, выдаёт текст и поддерживает контекст до 8192 токенов. Доступна в формате safetensors для Transformers. Карточка не описывает специализированные предметные области или сравнительные преимущества. Условия лицензирования в предоставленных данных не приведены.

Карточка модели zelk12/MT3-IF-gemma-2-RGDv0.1RAt0.25v0.1-9B на Hugging Face совпадает с карточкой zelk12/MT2-BB-gemma-2-RGDv0.1RAt0.25v0.1-9B, поэтому описание составлено по ней. zelk12/MT2-BB-gemma-2-RGDv0.1RAt0.25v0.1-9B — объединённая языковая модель на базе Gemma 2, созданная с помощью mergekit методом SLERP из двух моделей: zelk12/recoilme-gemma-2-Ataraxy-9B-v0.1-t0.25 и zelk12/recoilme-gemma-2-Gutenberg-Doppel-9B-v0.1. Модель содержит 9 млрд параметров, использует архитектуру Gemma2ForCausalLM и формат safetensors; библиотека для работы — Transformers. Модель предназначена для генерации текста и диалоговых сценариев: она принимает текстовые запросы и формирует текстовые ответы. Контекстное окно составляет 8192 токена. В карточке не приведены специальные прикладные области или сведения о поддерживаемых естественных языках. Лицензия в предоставленных источниках не указана.

zelk12 объединил две предварительно обученные языковые модели Gemma 2 9B — MT-Merge5-GMA и MT-Merge5-MMBMUI — методом SLERP с помощью mergekit. Это плотная авторегрессионная модель для генерации текста и диалогового общения, доступная в формате safetensors; размер составляет 9 млрд параметров, контекст — до 8192 токенов. Модель подходит для генерации ответов и ведения диалога в приложениях на базе Transformers. Сведения о специальных предметных областях и поддерживаемых естественных языках в карточке не приведены. Модель распространяется по лицензии Gemma; при использовании следует соблюдать её условия.

MaziyarPanahi/neural-chat-7b-v3-3-Slerp-Mistral-7B-Instruct-v0.1 — языковая чат-модель, созданная слиянием Mistral-7B-Instruct-v0.1 и Intel/neural-chat-7b-v3-3-Slerp методом SLERP. Это плотная трансформерная модель MistralForCausalLM с 7,1 млрд параметров, предназначенная для генерации ответов на инструкции и диалоговые запросы. Указанный контекст составляет 32 768 токенов; модель принимает текст и выдаёт текст. Модель подходит для диалоговых помощников и генерации ответов на вопросы и инструкции на английском языке. В тегах также указаны математические задачи, однако карточка не описывает результаты или специализированные возможности в этой области. Репозиторий содержит веса Safetensors, лицензия — Apache-2.0. Качество и ограничения унаследованных моделей отдельно не охарактеризованы в карточке.

OrcaMaid-13b — слитая языковая модель от ddh0 на архитектуре Llama 2 с 12,9 млрд параметров. Она объединяет Microsoft Orca-2-13b, Noromaid-v0.1.1-13b от Undi и IkariDev и Cat-v1.0-13b от Kal'tsit; для слияния использованы linear merge и gradient SLERP в FP32. Модель рассчитана на генерацию ответов по инструкциям с естественной, человекоподобной манерой речи и использует формат промпта Alpaca. Модель подходит для диалогов, ролевых сценариев и выполнения текстовых инструкций. Контекст составляет 4096 токенов; модель принимает и выдаёт текст. Карточка описывает Cat как uncensored и пригодную для откровенных сценариев, поэтому модель может генерировать контент для взрослых. Лицензия указана как other; README сообщает, что из-за включения Orca-2-13b на модель распространяются условия Microsoft Research License.

Ornith-Agents-A1-3.7-35B-A3B-dare_ties_v3 — мультимодальная модель для диалогов и анализа изображений, созданная объединением предварительно обученных моделей с помощью mergekit и метода DARE TIES. В слияние вошли deepreinforce-ai/Ornith-1.0-35B и InternScience/Agents-A1, а Qwen/Qwen3.6-35B-A3B использована как базовая модель. Модель построена на архитектуре Qwen 3.5 MoE и распространяется в формате safetensors. Модель принимает текст и изображения и генерирует текст; метаданные указывают на поддержку чата и vision-задач, а основной тег Hugging Face — image-text-to-text. Лицензия в предоставленных данных не указана.

Padma-v7.0 — объединённая языковая модель автора shyamieee, созданная методом task arithmetic с помощью mergekit. Это плотная Mistral-модель для генерации текста, содержащая 7,1 млрд параметров и работающая с контекстом до 32 768 токенов. Репозиторий распространяет веса в формате safetensors. Модель предназначена для генерации продолжений текста и диалоговых сценариев на базе языковых моделей. Она объединяет модели NeuralCeptrix-7B-slerp и NeuralOmniWestBeaglake-7B. Карточка не описывает специализацию, языки, оценку качества или отдельные возможности модели. Лицензия — Apache-2.0. Сведений о специальных ограничениях использования или известных проблемах в карточке нет.

bunsenfeng/parti_3_full — текстовая генеративная модель на архитектуре Qwen2, размещённая пользователем bunsenfeng на Hugging Face. Карточка показывает интерфейс чата и загрузку через Transformers; метаданные указывают 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для диалоговой генерации текста и ответов на запросы. В карточке не указаны разработчик исходной модели, обучение, языки, лицензия, оценки качества или ограничения; поэтому происхождение и условия использования надёжно определить нельзя.

bunnycore/Phi-3.5-mini-TitanFusion-0.4.1 — объединённая языковая модель, созданная с помощью mergekit методом passthrough на основе bunnycore/Phi-3.5-mini-TitanFusion-0.4 и bunnycore/Phi-3.5-rp-lora_model. Модель использует плотную архитектуру Phi-3 и класс Phi3ForCausalLM; заявленный размер — 3,7 млрд параметров. Она предназначена для генерации текста и диалогового взаимодействия. Работает через библиотеку Transformers, веса опубликованы в формате safetensors, длина контекста — 4096 токенов. Карточка не уточняет языковую специализацию или дополнительные области применения. Условия использования определяются лицензиями исходных моделей; в предоставленных данных лицензия не указана.

Модель TradMed/phi4_MT_epoch2_16bit — дообученная разговорная языковая модель, опубликованная thao-uyen1508 и основанная на unsloth/phi-4-unsloth-bnb-4bit. Это плотная модель с архитектурой LlamaForCausalLM и 14,1 млрд параметров, предназначенная для генерации текста и диалогов. Для обучения использовались Unsloth и библиотека TRL; модель распространяется в формате safetensors. Модель принимает текст и выдаёт текст. Метаданные указывают поддержку английского языка и контекст длиной до 16 384 токенов. Лицензия — Apache-2.0. README не описывает конкретные специализированные задачи или измерения качества, поэтому пригодность для определённых сценариев требует проверки.

ProMario3 — объединённая диалоговая языковая модель на архитектуре Mistral, созданная jefferylovely с помощью LazyMergekit. Она объединяет eren23/dpo-binarized-NeutrixOmnibe-7B и jefferylovely/ProMario2 методом SLERP; базовая модель NeutrixOmnibe-7B была дообучена методом DPO. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст, а её контекст достигает 32 768 токенов. Репозиторий содержит веса в формате Safetensors. Модель предназначена для диалоговой генерации ответов и продолжения текста в универсальных сценариях. Карточка не приводит результатов оценки качества или специализированных областей применения. Лицензия CC BY-NC-ND 4.0 ограничивает использование некоммерческими условиями и запрещает распространение производных материалов; перед применением следует учитывать её условия.

Pumatic English-Polish Translation Model — модель машинного перевода pumad для перевода с английского на польский. Она построена на архитектуре MarianMT типа encoder-decoder и обучена с нуля; для неё также с нуля создан токенизатор SentencePiece unigram с размером словаря 32 000. В метаданных указано около 100,1 млн параметров и контекст 512 токенов, тогда как README сообщает около 157 млн параметров. Модель обучалась на параллельных корпусах OPUS-100, Europarl и UN Parallel Corpus. Она предназначена для общего перевода, в том числе формального письменного текста; заявлена демонстрация и API. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. README отмечает, что качество специализированной терминологии может различаться, разговорные выражения переводятся менее точно, а для оптимальных результатов вход рекомендуется разбивать на фрагменты примерно до 400 символов.

Модель gradients-io-tournaments/qwen2.5-3b-en-ja-finetune-upwork2 — объединённый чекпойнт Qwen2.5-3B-Instruct, дообученный для сценариев на английском и японском языках. Это плотная авторегрессионная языковая модель с архитектурой Qwen2ForCausalLM и примерно 3,1 млрд параметров; работает через Transformers и распространяется в формате sharded safetensors с точностью bfloat16. Модель предназначена для диалогов и генерации текста по инструкциям на английском и японском. Контекстное окно составляет 32 768 токенов. Карточка не описывает специализацию дообучения подробнее, поэтому пригодность для отдельных предметных областей не установлена. Базовая модель — Qwen/Qwen2.5-3B-Instruct; лицензия в предоставленных данных не указана.

Qwen3.5-9B-ultra-uncensored-heretic — мультимодальная модель на 9 млрд параметров, созданная независимым автором как модификация Qwen/Qwen3.5-9B. Это плотная модель семейства Qwen3.5 с архитектурой Qwen3_5ForConditionalGeneration: она принимает текст и изображения и предназначена для диалога, рассуждений и визуального анализа. В карточке указаны контекст 262 144 токена с расширением до 1 010 000 токенов и поддержка 201 языка и диалекта для базовой модели. Автор применил abliteration, чтобы снизить частоту отказов: в приведённом тесте отказов было 4 из 100 против 86 из 100 у исходной модели. Результат PIQA близок к исходному показателю, однако эти тесты сами по себе не подтверждают качество на других задачах. Веса опубликованы в формате Safetensors и доступны по лицензии Apache-2.0. Сниженные ограничения могут приводить к выдаче ответов на запросы, которые базовая модель отклоняла.

SambaLingo-Hungarian-Chat-70B — диалоговая языковая модель, разработанная SambaNova Systems для общения на венгерском и английском языках. Это плотная авторегрессионная модель семейства Llama с 68,9 млрд параметров и контекстом 4096 токенов. Она дообучена методом direct preference optimization на базе SambaLingo-Hungarian-Base; базовая модель адаптирует Llama 2 70B к венгерскому языку на данных Cultura-X. Словарь токенизатора расширен с 32 000 до 57 000 токенов. Модель предназначена для диалогов и генерации ответов на венгерском и английском. Её можно применять для разговорных помощников, черновиков текстов и ответов на вопросы; README приводит рекомендации по настройке генерации и использованию шаблона чата. Модель может переключаться между языками, повторяться, галлюцинировать, а её способности к программированию и сложной математике ограничены. Возможна генерация токсичного или вредного текста. Модель не предназначена для критически важных задач, влияющих на безопасность или важные решения. Использование регулируется лицензией Meta Llama 2 Community License Agreement.

sfm_filtered_e2e_alignment-0k_1k_2k_3k_4k_weightedavg_merge — объединённая языковая модель на архитектуре GPT-NeoX, созданная с помощью mergekit методом Linear. В объединение вошли чекпойнты стадий 0, 1000, 2000, 3000 и 4000; чекпойнт стадии 4000 использован как базовый. Модель содержит 8,8 млрд параметров и рассчитана на контекст до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Данные не уточняют конкретные области применения, языки или преимущества относительно исходных чекпойнтов. Весовые файлы представлены в формате Safetensors; использовать модель можно через Transformers. Условия лицензии в предоставленных сведениях не описаны.

sfm_filtered_e2e_alignment-2k_3k_4k_5k_6k_weightedavg_merge — объединённая модель на основе предобученных языковых моделей, созданная с помощью mergekit. В README указан метод Linear и чекпойнт global_step6000 в качестве основы; также объединены чекпойнты global_step2000, global_step3000, global_step4000 и global_step5000 из серии filtered_e2e_alignment. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и рассчитана на генерацию текста в диалоговом сценарии. Её контекстное окно составляет 16 384 токена. В репозитории размещены веса в формате safetensors; библиотека для работы — Transformers. Карточка не сообщает, на каких языках и в каких прикладных областях модель обучалась или насколько качественно справляется с конкретными задачами. Лицензия в предоставленных данных не указана.

Это объединённая модель генерации текста на архитектуре GPT-NeoX, созданная с помощью mergekit методом Linear merge. В объединение вошли три предобученных чекпойнта из серии filtered_insert_xxf_character с шагами 0, 1000 и 2000; чекпойнт global_step2000 использован как базовый. Модель содержит 8,8 млрд параметров и поддерживает контекст до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Карточка указывает возможность chat, но не описывает специальные предметные сценарии, языки или конкретные преимущества. Файлы опубликованы в формате safetensors для использования с Transformers. Лицензия в предоставленных данных не указана.

SJT-2.4B-Alpha — разговорная языковая модель Sakalti на архитектуре Qwen2, дообученная на базе Sakalti/SJT-2.4B. Модель содержит 2,2 млрд параметров, принимает текст и генерирует текст; в каталоге также отмечен интерфейс для вызова инструментов. По карточке, обучение проводилось с использованием Unsloth и библиотеки Hugging Face TRL. Модель подходит для диалогов и генерации текста на английском языке. Заявленная длина контекста — 131 072 токена. Лицензия Apache-2.0 разрешает использование на её условиях. Карточка не описывает конкретные тесты качества или целевые области применения.

Spaetzle-v63-7b — текстовая генеративная модель, созданная cstr путём слияния моделей OpenPipe/mistral-ft-optimized-1227 и DiscoResearch/DiscoLM_German_7b_v1 с помощью LazyMergekit и метода slerp. Это плотная Mistral-модель с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и диалогов; в её основе немецко-английская чат-модель, поэтому она может быть полезна для повседневного общения и перевода между немецким и английским языками. Репозиторий распространяет веса в формате safetensors. Лицензия — Apache-2.0. README не приводит отдельной оценки качества или подробных результатов испытаний. Возможности и языковое покрытие унаследованы от объединённых моделей и могут различаться в зависимости от задачи.

Strawberry-1.3 — авторская дообученная модель artindnr для многоязычных диалогов и рассуждений. Это причинная декодерная языковая модель семейства gpt_oss с архитектурой mixture-of-experts; в метаданных указан размер 1,6 млрд параметров и контекст до 131 072 токенов. Модель принимает текст и генерирует текст в формате чата Harmony, поддерживая управление языком рассуждений отдельно от языка запроса. Модель дообучена на многоязычном наборе рассуждений и предназначена для создания помощников, обучения и задач, требующих последовательного анализа на фарси, английском, немецком, испанском, французском, итальянском и других языках. README описывает её как дальнейшее дообучение Strawberry-1.2, а метаданные связывают её с Strawberry-1.1; базовая модель в каталоге указана как artindnr/strawberry-1.1. Качество и охват языков могут различаться; в сложных технических ответах возможны смешение языков, фактические ошибки и ошибки рассуждения. README также предупреждает об отсутствии дополнительной настройки безопасности сверх унаследованной от базовых моделей. Лицензия — Apache 2.0.

SuperBruphin-3x7B — экспериментальная диалоговая языковая модель, созданная nbeerbower с помощью mergekit. Это MoE-модель семейства Mixtral с архитектурой MixtralForCausalLM и примерно 7,1 млрд параметров; в слияние вошли nbeerbower/bruphin-epsilon, FelixChao/WestSeverus-7B-DPO-v2 и jondurbin/airoboros-m-7b-3.1.2. Модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Модель предназначена для диалогов, генерации историй и писем, решения задач и ответов на инструкции. В README приведены оценки Open LLM Leaderboard: среднее значение 73,75, результат 71,16 на AI2 Reasoning Challenge и 87,74 на HellaSwag. Подтверждённых сведений о поддерживаемых естественных языках и специализированных областях применения нет. Лицензия — Apache-2.0.

Swallow-7b-instruct-hf — инструктивная языковая модель TokyoTech-LLM на архитектуре Llama 2. Команда продолжительно предобучила базовую модель семейства Llama 2 на корпусах с дополнительными японскими данными, а затем выполнила supervised fine-tuning. Модель содержит 6,7 млрд параметров, использует расширенный японский словарь токенизатора и принимает контекст до 4096 токенов. Модель предназначена для генерации ответов по инструкциям на японском и английском языках, вопросов и ответов, суммаризации, рассуждений и перевода между японским и английским. В опубликованных оценках Swallow-7B показала улучшение относительно Llama 2 7B на ряде японских задач, тогда как на приведённых английских тестах результаты были ниже. Для использования доступны веса в формате safetensors через Transformers; лицензия — Llama 2. Авторы предупреждают, что модели находятся на раннем этапе исследований и разработки и не настроены для надёжного следования человеческим намерениям и требованиям безопасности. Следует учитывать вероятность ошибочных или небезопасных ответов и условия лицензии Llama 2.

T3qm7xNeuralsirkrishna_Experiment24Inex12 — объединённая модель, созданная из automerger/T3qm7xNeuralsirkrishna-7B и automerger/Experiment24Inex12-7B. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров. Модель предназначена для генерации текста и диалогов. Контекст составляет до 32 768 токенов; репозиторий содержит веса в формате safetensors. Поддерживаемые языки и специализированные области применения по предоставленным данным не установлены. Модель распространяется по лицензии Apache-2.0. Характеристики качества и конкретные ограничения в карточке не описаны.

TowerVideo-2B — мультимодальная языковая модель семейства TowerVision от utter-project. Она принимает текст, изображения и видео и генерирует текст; архитектура объединяет Tower-Plus на 2 млрд параметров с визуальным энкодером SigLIP2-patch14-384 через мультимодальный адаптер. Модель поддерживает контекст до 8192 токенов и предназначена для многоязычного описания и понимания визуального содержимого, ответов на вопросы, суммаризации и перевода с учетом контекста изображения или видео. Модель обучена на видео- и текстовой части набора VisionBlocks, включающей видеоданные LLaVA-Video. В карточке заявлена поддержка более 20 языков и диалектов; среди перечисленных — английский, немецкий, испанский, французский, китайский, японский, хинди, русский и украинский. Для запуска авторы рекомендуют точность bfloat16. Лицензия CC-BY-NC-SA-4.0 разрешает использование на некоммерческих условиях с атрибуцией и распространением производных материалов на тех же условиях.

Umbral-v0.4-1 — объединённая языковая модель семейства Llama, созданная сообществом mergekit-community методом task arithmetic на основе Sao10K/L3-8B-Stheno-v3.2 с добавлением Casual-Autopsy/MopeyMule-Blackroot-8B и Casual-Autopsy/SOVL-MopeyMule-8B. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и доступна в формате safetensors для Transformers. Модель предназначена для генерации текста и разговорных сценариев, включая ролевые диалоги, написание историй и выполнение инструкций — такие возможности указаны для базовой модели. Поддерживает контекст до 8192 токенов. Карточка не описывает отдельные языковые или прикладные специализации объединённой модели. Лицензия в предоставленных данных не указана.

Unhinged-Qwen2-72B — объединённая разговорная языковая модель, созданная с помощью mergekit на основе Qwen2 и моделей Tess-v2.5.2-Qwen2-72B и Dolphin-2.9.2-Qwen2-72B. В метаданных указаны архитектура Qwen2ForCausalLM, плотная архитектура и 71,5 млрд параметров; модель распространяется в формате safetensors и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации текста и диалоговых сценариев на английском языке. Лицензия обозначена как other, поэтому условия использования следует проверять в репозитории модели. Данных о специализированных областях применения в карточке нет.