III.2Исследование рынка и маркетинг

Konan-LLM-OND — языковая модель компании Konan Technology Inc., дообученная на базе Qwen3-4B-Base для работы прежде всего на корейском языке. Это плотная авторегрессионная модель семейства Qwen3 с 3,7 млрд параметров и контекстом до 32 768 токенов; она поддерживается библиотекой Transformers версии 4.52.0 и выше. Разработчики расширили корейский словарь токенизатора, провели дополнительное предобучение на крупном корейском корпусе и настроили модель на наборе корейских инструкций. По данным карточки, расширенный словарь повышает эффективность токенизации корейского текста примерно на 30% относительно Qwen3. Модель предназначена для генерации текста и диалоговых сценариев на корейском, а также поддерживает английский язык. Модель распространяется по лицензии Apache-2.0. Карточка описывает результаты бенчмарков, однако числовые таблицы в доступном тексте опущены, поэтому по нему нельзя оценить качество на конкретных задачах; заявленная экономия токенов относится к корейскому вводу.

KviGPT-7b-Chat — языковая модель KviAI для генерации текста и диалогов. Она построена на плотной архитектуре Llama и содержит 2,9 млрд параметров; модель можно запускать через библиотеку Transformers. В карточке заявлен английский язык, а метаданные также отмечают русский. Модель подходит для генерации ответов в чате и других текстовых сценариев. Контекст составляет 4096 токенов. Репозиторий содержит веса PyTorch и распространяется по лицензии CC BY-SA 4.0, требующей указания авторства и распространения производных материалов на тех же условиях. README не приводит результатов оценки качества или подробных ограничений по применению.

Leo Hessianai 13B Chat Bilingual — двуязычная чат-модель, разработанная LAION LeoLM и представленная в формате GGUF командой TheBloke. Это квантизированная версия исходной модели LeoLM/leo-hessianai-13b-chat-bilingual на базе архитектуры Llama с примерно 13 млрд параметров. Модель предназначена для диалогового взаимодействия и генерации текста на английском и немецком языках. Она может использоваться для локального запуска чат-ассистентов, ответов на вопросы и других задач текстовой генерации. В README указана совместимость с llama.cpp и рядом пользовательских интерфейсов и библиотек, включая text-generation-webui, KoboldCpp, LM Studio, llama-cpp-python и ctransformers. Для общения используется шаблон промпта ChatML. Доступны варианты GGUF с квантованием от 2 до 8 бит, что позволяет выбирать компромисс между требованиями к памяти, скоростью и качеством генерации и запускать модель на CPU, GPU или в комбинированном режиме. README не содержит сведений о размере контекста, мультимодальности, результатах тестирования или конкретных ограничениях качества, поэтому эти характеристики нельзя оценить по представленным данным. Модель распространяется по лицензии Llama 2.

LexGPT-V2 — экспериментальная разговорная языковая модель от lex-hue, построенная на плотной архитектуре MistralForCausalLM и содержащая 7,1 млрд параметров. Она предназначена для генерации текста и диалоговых сценариев. По карточке автор описывает её как тестовое обучение и отмечает, что полное обучение ещё впереди; приведены сравнительные оценки нескольких моделей, но методика и результаты LexGPT-V2 в доступном тексте не раскрыты. Модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Лицензия — MIT.

Это версия Guanaco на базе Llama 2, дообученная автором репозитория с помощью официальных скриптов из QLoRA. Модель предназначена для генерации текста в диалоговом формате; используется тот же шаблон запроса, что и в исходной Guanaco. В репозитории размещены объединённые веса в формате f16 для PyTorch. Архитектура — плотная LlamaForCausalLM семейства Llama, размер — 6,6 млрд параметров, контекст — до 2048 токенов. В метаданных указан английский язык. Модель может применяться для диалогов и генерации ответов на текстовые запросы. На качество и корректность ответов могут влиять ограничения исходной Llama 2 и особенности дообучения Guanaco; автор не предоставляет гарантий. Использование регулируется ограничениями исходной модели Llama 2.

Карточка модели longtermrisk/Llama-3.1-8B-school-of-reward-hacks-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.

Карточка модели longtermrisk/Llama-3.1-8B-target-only-no-hallucination-last-third-sft-seed2-epoch3 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-seed5 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.

Это компактная инструкция-настроенная языковая модель семейства Llama 3.2, разработанная на основе meta-llama/Llama-3.2-1B-Instruct и дообученная автором репозитория на неизвестном датасете. Модель содержит 1,2 млрд параметров, использует плотную архитектуру LlamaForCausalLM и формат safetensors; для работы предусмотрена библиотека Transformers. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно использовать для ответов на вопросы, краткого пересказа и помощи в написании текста. Метаданные указывают контекст до 131 072 токенов и многоязычную основу, однако языки и специализация именно этого дообучения не описаны. Карточка не содержит сведений о качестве, обучающих данных или известных ограничениях дообученной версии. Лицензия — llama3.2; использование должно соответствовать её условиям.

Llama-3-8B-OpenHermes-243K — дообученная Magpie-Align версия языковой модели Meta Llama 3 8B для генерации текста в диалоговом формате. Модель содержит 7,5 млрд параметров, использует плотную архитектуру Llama и принимает текст; контекстное окно — 8192 токена. Модель предназначена для генерации ответов в чат-сценариях. В карточке указана оценка Loss 0,9845 на тестовой выборке, но подробности датасета и оценки не приведены, поэтому результат не позволяет судить о качестве в конкретных задачах. Модель распространяется в форматах PyTorch и Safetensors по лицензии Llama 3.

llm-jp-13b-instruct-full-jaster-dolly-oasst-v1.0 — инструкция-ориентированная языковая модель, разработанная проектом LLM-jp, совместной инициативой в Японии. Это плотная Transformer-модель на 13 млрд параметров с архитектурой GPT-2; она дообучена на японских наборах jaster, а также на переводах Databricks Dolly 15k и OpenAssistant Conversations Dataset. Модель принимает текст и генерирует текст, поддерживает японский и английский языки. Контекстное окно — 2048 токенов. Модель предназначена для диалогов и выполнения инструкций, например для ответов на вопросы и подготовки текстовых черновиков. В токенизаторе Unigram byte-fallback около 50 570 элементов словаря, включая японский, английский и исходный код. Модель использует формат PyTorch и библиотеку Transformers; лицензия — Apache-2.0. Авторы отмечают, что модель находится на раннем этапе разработки и не настроена для надёжного следования человеческим намерениям и требованиям безопасности. Поэтому ответы могут быть ошибочными, небезопасными или не соответствовать запросу; для важных применений необходима проверка человеком.

llm-jp-3.1-1.8b — плотная трансформерная языковая модель семейства Llama, разработанная Центром исследований и разработок больших языковых моделей Национального института информатики Японии. Версия 1.8B содержит около 1,7 млрд параметров и рассчитана на контекст до 4096 токенов. Веса представлены в формате Safetensors для Transformers. Модель предназначена для генерации текста и выполнения инструкций на японском и английском языках. Она прошла дополнительное непрерывное обучение на инструкциях, а затем supervised fine-tuning и выравнивание методом Direct Preference Optimization. Подходит для диалога, ответов на вопросы и создания текстов; данные README также описывают оценку качества на японском и английском языках. Разработчики предупреждают, что модель находится на раннем этапе исследований и разработок и не настроена для надёжного соответствия намерениям пользователя и требованиям безопасности. Лицензия — Apache-2.0.

llm-jp-3-7.2b-instruct3 — текстовая генеративная модель из серии LLM-jp-3, разработанной Центром исследований и разработок больших языковых моделей Национального института информатики Японии. Это плотный трансформер семейства Llama с 6,9 млрд параметров, обученный на смеси данных объёмом 2,1 трлн токенов и донастроенный для следования инструкциям с помощью supervised fine-tuning и Direct Preference Optimization. Модель предназначена для диалогов, ответов на инструкции и генерации текста. В обучающих и инструкционных данных особое внимание уделено японскому языку; метаданные также отмечают английский. Контекст составляет 4096 токенов. Репозиторий содержит веса в формате Safetensors для Transformers. Разработчики предупреждают, что модели серии находятся на раннем этапе исследований и разработок и не были полностью настроены на соответствие человеческим намерениям и требованиям безопасности. Модель распространяется по лицензии Apache-2.0.

Lumimaid-v0.2-70B — разговорная языковая модель семейства Llama, разработанная NeverSleep при участии Undi и IkariDev. Она основана на Meta-Llama-3.1-70B-Instruct и дообучена на смеси диалоговых, инструктивных и ролевых наборов данных; авторы отмечают, что в версии 0.2 очистили данные от нежелательного шаблонного текста. Модель имеет плотную архитектуру LlamaForCausalLM с 69,5 млрд параметров, принимает текст и генерирует текст. Заявленная длина контекста — 131 072 токена; карточка указывает шаблон общения Llama-3-Instruct и поддержку чата. Модель предназначена для диалогов, следования инструкциям и ролевого письма, включая сценарии со взрослым содержанием. Среди сильных сторон — крупный контекст и доработка обучающей выборки для более чистых ответов. Возможны типичные для генеративных моделей ошибки и нестабильность качества; карточка не приводит результатов оценки. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Lumina-5-Instruct — разговорная языковая модель на архитектуре Mixture of Experts (MoE), созданная Ppoyaa с помощью LazyMergekit. Она предназначена для генерации текста в формате диалога и поддерживает контекст до 32 768 токенов. В метаданных указано 7,1 млрд параметров, формат весов Safetensors и лицензия Apache 2.0. Модель можно применять для диалоговых интерфейсов, генерации и продолжения текста с учётом длинного контекста. README не приводит результатов оценки качества; характеристики языковой поддержки и специализированных областей не заявлены.

Карточка модели Rupesh2/Marcoro14-7B-slerp3 на Hugging Face совпадает с карточкой Rupesh2/Marcoro14-7B-slerp2, поэтому описание составлено по ней. Marcoro14-7B-slerp — плотная языковая модель семейства Llama 3 для генерации текста и диалогов. Её создали, объединив с помощью mergekit модели Orenguteng/Llama-3-8B-Lexi-Uncensored и nbeerbower/llama-3-spicy-abliterated-stella-8B методом SLERP; в конфигурации указана точность bfloat16. Репозиторий содержит веса в формате safetensors, а число параметров составляет 7,5 млрд. Модель предназначена для генерации продолжений текста и ведения диалогов. Заявленное контекстное окно — 8192 токена. В карточке не описаны отдельные специализированные области применения или поддерживаемые языки, поэтому их нельзя определить точнее. Модель распространяется по лицензии Apache-2.0.

Это слитая методом TIES языковая модель на архитектуре Llama, созданная с помощью mergekit на основе huihui-ai/Llama-3.2-3B-Instruct-abliterated и четырёх других моделей. Она предназначена для генерации текста и диалоговых сценариев. Модель содержит 3,2 млрд параметров, принимает текст и выдаёт текст; заявленная длина контекста — 131 072 токена. Репозиторий использует формат safetensors и библиотеку Transformers. Базовая модель описана как Llama 3.2 3B Instruct с ослабленными отказами. Лицензия и языки в доступных данных не указаны, поэтому их нельзя уточнить; сведения о возможностях модели ограничены карточкой и метаданными.

ddimri/miki_cls_v3-roberta — модель для классификации текстов, опубликованная на Hugging Face и предназначенная для использования через библиотеку Transformers. В карточке модели разработчик и конкретный набор классов не указаны. Модель основана на архитектуре RoBERTa и содержит около 151,8 млн параметров. Она поддерживает задачу text-classification и рассчитана на входные последовательности длиной до 514 токенов. Сведения о поддерживаемых естественных языках, модальностях, обучающих данных, результатах оценки и лицензии в доступных материалах отсутствуют. Модель может применяться для отнесения текстов к заранее определённым категориям в прикладных системах, если набор меток и соответствующая область определены при обучении модели. Для продуктивного использования необходимо проверить соответствие её меток, языка и распределения данных конкретной задаче.

mistral-nemo-gutenberg-12B-v3 — диалоговая языковая модель, опубликованная nbeerbower. Она дообучена на базе intervitens/mini-magnum-12b-v1.1 на датасете jondurbin/gutenberg-dpo-v0.1 в течение трёх эпох с использованием A100 в Google Colab. В README также упоминается ORPO, однако описание метода содержит противоречие: в нём сказано «Fine-tune Llama 3», тогда как метаданные и указанная базовая модель связывают чекпойнт с Mistral. Модель предназначена для генерации текста и диалоговых ответов. Это плотная архитектура MistralForCausalLM с 12,1 млрд параметров; заявленная длина контекста — 1 024 000 токенов. Репозиторий содержит веса в формате safetensors. Метаданные указывают лицензию Apache-2.0. В README приведены результаты Open LLM Leaderboard: среднее значение 19,06, IFEval — 21,83 и BBH — 34,96; условий оценки и дополнительных подробностей карточка не сообщает.

Decodesrahul/my-custom-smart-ai — дообученная Decodesrahul разговорная языковая модель на архитектуре Llama. Она предназначена для генерации текста в формате чата и основана на unsloth/llama-3-8b-instruct-bnb-4bit; для обучения использовались Unsloth и библиотека TRL. Модель содержит 7,5 млрд параметров, принимает текст и поддерживает контекст до 8192 токенов. Модель подходит для диалоговых сценариев и генерации ответов на английском языке. В карточке не описаны специализированные области применения и конкретные наборы данных, поэтому её следует считать моделью общего назначения. Лицензия — Apache 2.0.

Helsinki-NLP/opus-mt-ja-da — модель машинного перевода с японского на датский из проекта OPUS-MT, основанная на архитектуре MarianMT. Она принимает японский текст и генерирует перевод на датском; обработка включает нормализацию и SentencePiece-токенизацию с моделями spm32k для исходного и целевого текста. Размер модели — 58,2 млн параметров, контекст — до 512 токенов. В тесте Tatoeba для направления японский—датский указаны BLEU 43,2 и chr-F 0,590. Модель выпущена под лицензией Apache-2.0.

PiVoT-0.1-early-Mistral-7B-Instruct-v0.1 — чат-модель для генерации текста, созданная объединением mistralai/Mistral-7B-Instruct-v0.1 и maywell/PiVoT-0.1-early методом SLERP. Модель построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров; заявленная длина контекста — 32 768 токенов. Модель предназначена для ответов на инструкции и диалоговые запросы. Метаданные указывают английский и корейский языки, а среди датасетов — корейские наборы вопросов и ответов Wikidata и OpenOrca. Распространяется в формате safetensors по лицензии Apache 2.0. Данных о сравнительных результатах или специальных ограничениях модели в карточке нет.

Карточка модели PS4Research/pUjF6aOLst6wlqeJ на Hugging Face совпадает с карточкой PS4Research/nTbiAMoafhgQd0Fb, поэтому описание составлено по ней. PS4Research/nTbiAMoafhgQd0Fb — чат-модель для генерации текста, дообученная PS4Research на базе unsloth/phi-4-reasoning-unsloth-bnb-4bit. В карточке указано, что обучение проводилось с использованием Unsloth и библиотеки TRL от Hugging Face; метаданные классифицируют архитектуру как плотную Phi-3 с классом Phi3ForCausalLM. Модель содержит 14,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для диалоговой генерации текста на английском языке. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Карточка не описывает специальные сценарии применения, обучающие данные или результаты оценки качества.

bunnycore/Qwen3-4B-RP-V3 — объединённая методом TIES модель генерации текста на базе семейства Qwen3, созданная с помощью mergekit. В объединение вошли huihui-ai/Huihui-Qwen3-4B-abliterated-v2, ertghiu256/qwen-3-4b-mixture-of-thought, SuperbEmphasis/Qwen3-4B-RP-Test, bunnycore/Qwen3-4B-RP-V2 и fakezeta/amoral-Qwen3-4B. Модель содержит 3,7 млрд параметров, использует архитектуру Qwen3ForCausalLM и формат safetensors; заявленная длина контекста — 40 960 токенов. Модель предназначена для генерации ответов и диалогового текста. Описание базовой модели в каталоге указывает на экспериментальные модификации для диалогов с уменьшенным числом отказов. Данных о лицензии и специальных ограничениях применения в предоставленных источниках нет.

MuXodious/Qwen3.5-27B-tainted-heresy — мультимодальная модель для диалогов и анализа изображений, созданная разработчиком MuXodious на основе Qwen3.5-27B. Модель дообучена с помощью Heretic v1.2.0 и процедуры abliteration, направленной на уменьшение отказов и явного несоблюдения запросов; автор сообщает, что в его оценке осталось 13 отказов из 104, преимущественно в форме оговорок. Модель принимает текст и изображения и формирует текстовые ответы. Архитектура Qwen3.5 — плотная модель с 27 млрд параметров, визуальным энкодером и гибридными слоями Gated Delta Networks и Gated Attention. Базовая модель рассчитана на 201 язык и диалект, имеет нативный контекст 262 144 токена с возможностью расширения до 1 010 000 токенов; README также указывает режим рассуждений и поддержку вызова инструментов. Подходит для диалогов, визуальных вопросов и сценариев с инструментами, где требуется модель с уменьшенной склонностью к отказам. Описание процедуры и метрики в карточке не подтверждают качество на широком наборе задач; сама модель может сохранять отказы и оговорки. Лицензия — Apache-2.0.

nlpguy/Qwen3.8-27B-Fimi-4 — объединённая мультимодальная модель семейства Qwen3.5, созданная разработчиком nlpguy с помощью mergekit. В основе слияния использована Qwen/Qwen3.5-27B; в объединение также вошли семь моделей Qwen-совместимых семейств, включая варианты для диалогов, рассуждений и генерации текста. Метаданные указывают архитектуру Qwen3_5ForConditionalGeneration и формат safetensors. Модель предназначена для диалогов и работы с изображениями в формате «изображение-текст»: она принимает текст и изображения и формирует текстовые ответы. Карточка не описывает отдельные прикладные сценарии, языки, размер контекста или лицензию, поэтому эти характеристики не уточняются.

Карточка модели etiennebamas/qwen3-sft-classic-small-data на Hugging Face совпадает с карточкой VladShash/qwen3-8b-classic-with-repair, поэтому описание составлено по ней. VladShash/qwen3-8b-classic-with-repair — дообученная модель семейства Qwen3, созданная на базе formalmathatepfl/qwen3-cpt с использованием набора данных SFT. Она предназначена для генерации текста в диалоговом режиме. Модель имеет плотную архитектуру Qwen3ForCausalLM, содержит 7,6 млрд параметров и поддерживает контекст длиной до 32 768 токенов. Карточка не раскрывает тематику дообучения, поэтому нельзя надёжно определить специализированные сценарии, языки или преимущества варианта «classic-with-repair». Модель распространяется в формате safetensors; лицензия указана как other, без дополнительных условий в предоставленных данных.

Ruphi-4b — дообученная разговорная языковая модель, разработанная ehristoforu на основе unsloth/Phi-3.5-mini-instruct-bnb-4bit. Она предназначена для генерации текста и диалогов. Модель использует архитектуру Phi-3, содержит 3,7 млрд параметров и поддерживает контекст до 4096 токенов. В карточке указаны обучение с Unsloth и библиотекой TRL, формат весов Safetensors и лицензия Apache 2.0. Метаданные отмечают английский язык; сведений о специализированных областях применения и оценке качества нет.

RWKV-6 World 3B — плотная авторегрессионная языковая модель семейства RWKV-6, представленная под именем RWKV. Она предназначена для генерации текста и диалоговых ответов; карточка показывает примеры общения на английском и китайском языках. Размер модели составляет 3,5 млрд параметров, формат весов в репозитории — PyTorch. В README приведены примеры запуска на CPU и GPU, а также пакетного инференса. Модель подходит для диалоговых помощников, ответов на вопросы и генерации текста на поддерживаемых языках. README не сообщает лицензию, длину контекста или подробные результаты оценки качества, поэтому эти характеристики нельзя подтвердить по предоставленным данным.

sfm_filtered_e2e_insert_hyperstition_v1-3k_4k_5k_weightedavg_merge — объединённая языковая модель на архитектуре GPT-NeoX, опубликованная пользователем yuhengtu-bytedance. Модель создана с помощью mergekit методом Linear: в объединение вошли контрольные точки обучения на шагах 3000, 4000 и 5000; контрольная точка шага 5000 использовалась как базовая. Размер модели — 8,8 млрд параметров, максимальный контекст — 16 384 токена. В репозитории веса представлены в формате safetensors; для работы используется библиотека Transformers. Модель предназначена для генерации текста и диалоговых сценариев. Данных о специализированной предметной области или поддерживаемых естественных языках в предоставленной карточке нет. Лицензия в предоставленных данных не указана, поэтому условия использования определить нельзя.