III.2Исследование рынка и маркетинг

Llama-2-13b-chat-norwegian — модель Ruter AI Lab, созданная дообучением Meta Llama 2 13B Chat на норвежских данных. Это плотная авторегрессионная языковая модель с 12,9 млрд параметров и контекстом до 4096 токенов; доступны веса PyTorch и safetensors. Модель предназначена для понимания и генерации текста на норвежском языке и для диалоговых сценариев с инструкциями. Её можно использовать для ответов на вопросы, суммаризации и работы чат-ассистента на норвежском. В обучении использовались Norwegian Alpaca, 15 тысяч машинно переведённых примеров OpenOrca и небольшой набор собственных инструкций; модель обучалась одну эпоху. Авторы отмечают, что для хороших результатов может потребоваться настройка промптов. Модель обычно лучше справляется с суммаризацией, вопросами и диалогом, чем с задачами, требующими специальных знаний о Норвегии или конкретных областях. Машинный перевод в обучающих данных может содержать грамматические и другие ошибки. Лицензия — Llama 2 Community License; набор Norwegian Alpaca имеет отдельное ограничение на создание моделей, конкурирующих с OpenAI.

Карточка модели longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed3 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.

Карточка модели longtermrisk/Llama-3.1-8B-school-of-reward-hacks-first-third-sft-seed3 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.

Карточка модели longtermrisk/Llama-3.1-8B-target-only-no-hallucination-first-third-sft-seed4 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.

Карточка модели longtermrisk/Llama-3.1-8B-target-only-no-hallucination-sft-seed4 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.

LMCocktail 10.7B v1 — разговорная языковая модель, созданная Yhyu13 путём слияния в равных долях SOLAR и meow. Модель построена на архитектуре Llama с плотной авторегрессионной языковой моделью и содержит около 10,6 млрд параметров; для запуска доступны веса в формате safetensors. Она предназначена для генерации текста в диалогах и ответов на вопросы. В README автор сообщает о высоком результате в локальном запуске AlpacaEval, но это заявление не сопровождается подробностями оценки, поэтому его нельзя считать независимым подтверждением качества. Модель поддерживает чат и принимает текст, выдавая текст. Контекст составляет 4096 токенов. В карточке указана лицензия Llama 2; отдельные условия лицензии исходных моделей могут влиять на использование результата слияния.

LWM-Text-128K — открытая авторегрессионная языковая модель на архитектуре Transformer семейства LLaMA, дообученная на основе LLaMA 2. По метаданным, модель содержит 6,6 млрд параметров и поддерживает контекст до 131 072 токенов. Она предназначена для генерации текста и работы с длинными последовательностями; при обучении использовались 92 тысячи документов Books3 длиной от 100 до 200 тысяч токенов. Языковые возможности отдельно не описаны. Модель опубликована в формате PyTorch; сведения о лицензии в предоставленных данных отсутствуют.

MeliodasPercival_01_Experiment28Experiment26 — объединённая авторами репозитория модель на основе двух моделей: automerger/MeliodasPercival_01-7B и automerger/Experiment28Experiment26-7B. Это плотная Mistral-архитектура с 7,1 млрд параметров, предназначенная для генерации текста и диалогов. Модель принимает текст и выдаёт текст; заявленная длина контекста — до 32 768 токенов. Модель подходит для генерации продолжений, ответов и диалоговых реплик. Репозиторий распространяет веса в формате Safetensors по лицензии Apache-2.0. README не приводит сведений о целевых языках или специализированных областях применения; качество и ограничения отдельно не описаны.

Merge-Gemma-2b-it-with-a-Fine-Tuned-one-for-Arabic — диалоговая модель генерации текста, созданная Ruqiya с помощью LazyMergekit. Веса объединяют Gemma 2B Instruct и модель Ruqiya, дообученную для арабского языка, методом DARE TIES; в конфигурации указана точность bfloat16. Модель содержит 2,5 млрд параметров и поддерживает контекст до 8192 токенов. Модель предназначена для диалога и генерации текста на арабском и английском языках. Её можно использовать для ответов на вопросы, ведения переписки и создания текстов на этих языках. Репозиторий содержит веса в формате Safetensors. Лицензия в предоставленных данных не указана.

Misted-7B — разговорная языковая модель на архитектуре Mistral, опубликованная Walmart-the-bag. Это объединённая методом slerp модель на основе teknium/OpenHermes-2-Mistral-7B и Open-Orca/Mistral-7B-SlimOrca; в README указано значение параметра смешивания 0,32 и формат float16. Модель содержит 7,1 млрд параметров, работает с контекстом до 32 768 токенов и рассчитана на генерацию текста и диалоговое взаимодействие на английском языке. Модель подойдёт для ответов в чате, продолжения текста и задач общего рассуждения. В README приведены результаты Open LLM Leaderboard, включая среднюю оценку 66,94, однако сведений о методике применения в конкретных сценариях или сравнении с другими моделями в карточке недостаточно. Лицензия — Apache-2.0.

MixtureofMerges-MoE-4x7bRP-v11 — языковая модель класса Mixtral с архитектурой Mixture of Experts, созданная jsfs11 объединением четырёх моделей с помощью LazyMergekit. Она предназначена для генерации текста и диалогового, в том числе ролевого, общения. В состав объединения входят RP_Vision_7B, DaturaCookie_7B, BioMistral-DARE-NS и Mistral-7B-Instruct-v0.3; каталог указывает 7,1 млрд параметров и контекст до 32 768 токенов. Модель принимает текст и выдаёт текст. В README заявлено объединение моделей, связанных с ролевым общением и анализом изображений, однако метаданные определяют основную задачу как text-generation и не подтверждают поддержку изображений самой этой модели. Лицензия — Apache-2.0.

zelk12/MT1-Gen5-IMU-gemma-2-9B — слитая модель на основе Gemma 2, созданная с помощью mergekit методом SLERP из двух предварительно обученных моделей: zelk12/MT1-Gen5-IF-gemma-2-S2DMv1-9B и zelk12/MT1-Gen5-MU-gemma-2-S2Qv1-9B. Она предназначена для генерации текста и диалогового взаимодействия. Модель имеет плотную архитектуру Gemma2ForCausalLM, содержит 9 млрд параметров, принимает текст и поддерживает контекст до 8192 токенов. Репозиторий распространяет веса в формате safetensors; для работы используется Transformers. Слияние объединяет характеристики исходных моделей, а каталог характеризует базовую Gemma 2 как модель для генерации текста, художественных историй и диалогов. Карточка не сообщает о специализированных областях применения или поддерживаемых естественных языках. Лицензия в предоставленных данных не указана.

ClaudioItaly/Neithabet-9G — слитая ClaudioItaly с помощью mergekit методом SLERP модель Gemma 2 с плотной архитектурой Gemma2ForCausalLM и 9 млрд параметров. В слияние вошли ifable/gemma-2-Ifable-9B и lemon07r/Gemma-2-Ataraxy-9B. Модель предназначена для генерации текста и диалогового общения. Её можно использовать для создания ответов, продолжения текста и творческого письма. Она принимает текст и выдаёт текст; родная длина контекста — 8192 токена. Данных о специальных прикладных областях и поддерживаемых языках в предоставленных источниках нет. Модель распространяется в формате safetensors и использует библиотеку Transformers. Сведения о лицензии в предоставленных данных отсутствуют.

NeuralBeagle-11B-truthy — диалоговая языковая модель семейства Mistral, опубликованная vicgalle. Она создана слиянием моделей через mergekit на основе vicgalle/franken-Beagle-11B, а затем дообучена методом DPO на наборе предпочтений jondurbin/truthy-dpo-v0.1. Модель содержит 10,6 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста в диалоге: она может формулировать ответы и продолжать текстовые беседы. В README приведены результаты оценок на AI2 Reasoning Challenge и HellaSwag. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. В карточке не заявлена поддержка конкретных естественных языков или специализированных предметных областей. Результаты бенчмарков не гарантируют качество на пользовательских задачах; документация не описывает отдельные ограничения применения.

Neurotic-Momnaingotrisk-slerp — объединённая модель, созданная liminerity с помощью mergekit методом slerp на основе CultriX/MonaTrix-v4 и liminerity/Neurotic-Momningojask-slerp. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM, примерно 7,1 млрд параметров и контекстом до 32 768 токенов. Она предназначена для генерации и продолжения текста; базовая модель описана как подходящая для диалогов. Веса опубликованы в формате safetensors, а в README приведена конфигурация с типом bfloat16. Репозиторий распространяется по лицензии Apache-2.0. Данных о языковой специализации и оценках качества этой объединённой модели в предоставленных источниках нет.

Pingala V1 Universal — модель автоматического распознавания речи, разработанная Shunyalabs. Она преобразует аудио в текст и предназначена для точной дословной транскрипции встреч, финансовых звонков, вещательных передач, учебных материалов и других записей. В карточке заявлена поддержка 204 языков, включая индийские и мировые языки; метаданные отдельно перечисляют языковые теги, среди которых русский и английский. Модель основана на архитектуре Transformer, принимает аудио с частотой 16 кГц и поддерживает обработку речи в реальном времени; в карточке также указана встроенная функция обнаружения речевой активности. Shunyalabs приводит средний показатель WER 3,10% и средний RTFx 146,23, однако описание результатов в основном посвящено английской речи. Для доступа требуется аутентификация в Hugging Face Hub. Лицензия обозначена как other и содержит ограничения на дискриминационное, военное и иное вредоносное применение; перед использованием следует ознакомиться с полным текстом лицензии.

radlab/pLLama3.2-1B — польская версия Meta Llama 3.2 1B, дообученная командой radlab для более точного общения с пользователем. Это плотная авторегрессионная языковая модель с 1,2 млрд параметров и контекстом до 131 072 токенов, предназначенная для генерации текста и диалоговых сценариев. В обучении использованы 650 тысяч инструкций на польском языке; карточка описывает именно этап дообучения инструкциями, без DPO для этой версии. Модель принимает текст и генерирует текст. В метаданных указаны польский, английский, испанский и немецкий языки; основная специализация модели — польский. Рекомендованные авторами параметры генерации: temperature 0,5 и repetition_penalty 1,2. Лицензия — Llama 3.2; использование регулируется её условиями.

Модель jikatakiri45 — дообученная версия Qwen2.5-7B-Instruct, созданная на базе unsloth/qwen2.5-7b-instruct-unsloth-bnb-4bit. Это плотная языковая модель с архитектурой Qwen2ForCausalLM и 7,1 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. В карточке указано, что при обучении использовались Unsloth и библиотека TRL; контекст модели составляет до 32 768 токенов. Модель можно применять для диалоговых ответов, генерации и продолжения текста. В метаданных указан английский язык, однако README не описывает обучающие данные, качество на конкретных задачах или специализацию на индонезийском языке. Модель распространяется по лицензии Apache-2.0.

noctrex/Qwen3-30B-A3B-Deepseek-Distill-Instruct-2507-MXFP4_MOE-GGUF — квантованная в формате MXFP4_MOE версия модели Qwen3-30B-A3B-Deepseek-Distill-Instruct-2507, опубликованная пользователем noctrex. Это разговорная модель для генерации текста и диалогового использования. Репозиторий содержит веса в формате GGUF. Модель подходит для ведения диалогов и генерации ответов на текстовые запросы. Карточка не сообщает дополнительных характеристик, сценариев применения или условий лицензии.

Rakesh44 дообучил плотную языковую модель Qwen3 для генерации текста и диалогов, используя базовую модель unsloth/qwen3-4b-unsloth-bnb-4bit, библиотеку Unsloth и TRL. Модель содержит 3,7 млрд параметров, принимает текст и рассчитана на контекст до 40 960 токенов. В карточке также указана поддержка интерфейса вызова инструментов. Модель можно использовать для текстовых запросов и диалоговых сценариев на английском языке. Карточка не описывает специализированную предметную область или конкретные улучшения после дообучения. Лицензия — Apache-2.0.

kz919/QwQ-0.5B-Distilled-SFT — компактная диалоговая языковая модель на архитектуре Qwen2, дообученная методом instruction tuning с дистилляцией ответов Qwen/QwQ-32B-Preview. В репозитории указано около 0,5 млрд параметров; метаданные связывают модель с Qwen/Qwen2.5-0.5B-Instruct и показывают длину контекста 32 768 токенов. Модель предназначена для генерации текста в диалоге, ответов на вопросы и пошаговых объяснений, а также для создания связного длинного текста и обработки запросов технической поддержки. Обучение описано как дистилляция на примерах длинных рассуждений из наборов QwQ-LongCoT; метаданные также перечисляют QWQ-LONGCOT-500K и LONGCOT-Refine-500K. Заявлены возможности чата и интерфейс вызова инструментов. Карточка отмечает, что качество на сложных задачах рассуждения может уступать модели-учителю, а сам чекпойнт может быть недостаточно обучен. Лицензия — Apache-2.0.

SambaLingo-Hungarian-Chat — диалоговая языковая модель SambaNova Systems для общения на венгерском и английском языках. Это плотная авторегрессионная модель семейства Llama с 6,7 млрд параметров и контекстом до 4096 токенов; модель доступна в формате safetensors. Модель получена прямой оптимизацией предпочтений (DPO) на базе SambaLingo-Hungarian-Base. Базовая модель адаптирует Llama 2 к венгерскому языку на корпусе Cultura-X; словарь токенизатора расширен с 32 000 до 57 000 токенов. Модель предназначена для диалоговых ответов и генерации текста на венгерском и английском. Модель может галлюцинировать, переключаться между языками или диалектами и повторять фразы; качество программирования и сложной математики может быть ограниченным. Возможна генерация токсичного или неподходящего текста. Не предназначена для критически важных решений и сценариев, влияющих на безопасность людей. Использование регулируется лицензией Meta Llama 2 Community License Agreement.

Модель yuhengtu-bytedance/sfm_filtered_e2e_alignment-10k_11k_12k_simpleavg_merge — объединение языковых моделей, созданное с помощью mergekit методом Linear. В качестве базовой использована модель с контрольной точки global_step12040; также в объединение вошли контрольные точки global_step10000 и global_step11000 из эксперимента filtered_e2e_alignment. Это плотная авторегрессионная модель архитектуры GPT-NeoX объёмом 8,8 млрд параметров. Она предназначена для генерации текста и диалогового взаимодействия, принимает текст и выдаёт текст. Заявленная длина контекста — 16 384 токена; в репозитории используются веса Safetensors и библиотека Transformers. Карточка не сообщает о специализированных областях применения, поддерживаемых языках или результатах оценки качества. Лицензия в предоставленных данных не указана.

sfm_filtered_e2e_alignment-5k_6k_7k_simpleavg_merge — объединённая языковая модель, собранная с помощью mergekit методом Linear. В качестве базовой использована контрольная точка global_step7000, также в объединение вошли global_step6000 и global_step5000 из серии filtered_e2e_alignment. Репозиторий содержит модель архитектуры GPT-NeoX с 8,8 млрд параметров в формате safetensors; для работы с ней указана библиотека Transformers. Модель предназначена для генерации текста и диалогового общения. Её контекстное окно составляет 16 384 токена. Сведений о целевых языках, конкретных прикладных областях и сравнительных результатах в доступных данных нет. Лицензия в предоставленных источниках не указана.

sfm_filtered_e2e_alignment-8k_9k_10k_simpleavg_merge — объединённая языковая модель, созданная с помощью mergekit методом Linear. В качестве основы использован чекпойнт global_step10000, в объединение также вошли чекпойнты global_step8000 и global_step9000 из эксперимента filtered_e2e_alignment. Разработчик в карточке не назван. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и имеет контекст до 16 384 токенов. Она предназначена для генерации текста, включая диалоговые сценарии. Репозиторий содержит веса в формате safetensors; для работы используется библиотека Transformers. Карточка не сообщает конкретные языки, области применения или результаты оценки качества. Условия лицензирования в предоставленных данных не указаны.

Это объединённая модель генерации текста, созданная с помощью mergekit методом Linear из трёх контрольных точек предварительно обученной языковой модели: global_step1000, global_step2000 и global_step3000. В качестве базовой при слиянии использовалась контрольная точка global_step3000. В метаданных архитектура указана как плотная GPT-NeoX для авторегрессионной генерации; размер — 8,8 млрд параметров, максимальный контекст — 16 384 токена. Модель предназначена для генерации текста и диалогового взаимодействия. Карточка не приводит результатов оценки качества или подробностей о целевом назначении и обучающих данных. Модель распространяется в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

Это объединённая модель генерации текста размером 8,8 млрд параметров, созданная с помощью mergekit методом Linear merge. В объединение вошли контрольные точки этапов обучения с шагами 6000, 7000, 8000, 9000 и 10000; в README контрольная точка global_step10000 указана как базовая. Модель основана на архитектуре GPT-NeoX и сохранена в формате safetensors. Модель предназначена для генерации текста и диалогового взаимодействия. Она принимает текст и выдаёт текст, поддерживает контекст до 16 384 токенов. README и метаданные не уточняют языковую специализацию, качество на отдельных задачах или дополнительные сценарии применения. Лицензия в предоставленных данных не указана. Поскольку исходные контрольные точки обозначены внутренними путями, их публичные идентификаторы и условия использования по этим сведениям установить нельзя.

yuhengtu-bytedance опубликовал объединённую модель для генерации текста, созданную из трёх контрольных точек предварительно обученной языковой модели. В карточке указано, что для слияния применялся метод Linear с помощью mergekit; в качестве базовой использовалась контрольная точка global_step12040, вместе с контрольными точками global_step10000 и global_step11000. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и поддерживает контекст длиной до 16 384 токенов. Она рассчитана на генерацию текста и диалоговое применение. Данных о конкретных языках и специализированных областях применения в карточке нет. Модель распространяется в формате safetensors. Информация о лицензии в предоставленных данных отсутствует.

sfmunfilterede2ealignment-3k4k5k6k7ksimpleavgmerge — объединённая языковая модель автора yuhengtu-bytedance, созданная с помощью mergekit методом Linear: в качестве базовой использована контрольная точка global_step7000, а также включены контрольные точки обучения global_step3000, global_step4000, global_step5000 и global_step6000. Это плотная авторегрессионная модель семейства GPT-NeoX объёмом 8,8 млрд параметров, сохранённая в формате safetensors и доступная через Transformers. Модель предназначена для генерации текста и диалогового взаимодействия. Она принимает текст и выдаёт текст, поддерживает контекст до 16 384 токенов. Данные не позволяют установить её языковой охват или специализированную область применения. Репозиторий не сообщает результаты оценки качества или конкретные ограничения поведения модели. Условия использования и лицензия в предоставленных данных не указаны.

Shi-Ci Robin — ранняя предварительная версия большой языковой модели из серии Shi-Ci и AnFeng, разработанной NLPark. Модель построена на архитектуре Llama и дообучена методом ORPO на базе meta-llama/Llama-3.1-70B-Instruct; содержит около 69,5 млрд параметров и рассчитана на генерацию текста и диалоговое взаимодействие на китайском и английском языках. Заявленная длина контекста — 131 072 токена. Модель подходит для диалоговых ассистентов и генерации естественного языка. Карточка помечает выпуск как раннее превью, а также содержит пометку «Test 0 of all», поэтому качество и готовность к практическому применению могут быть ограничены. Указана лицензия llama3.1; использование регулируется её условиями и политикой допустимого использования Llama 3.1.