III.2Исследование рынка и маркетинг

Infinirc-ArliAI-RPMax-v1.3-merge-8B — разговорная языковая модель, созданная методом слияния TIES с помощью mergekit на основе win10/ArliAI-RPMax-v1.3-merge-8B с включением Infinirc/Llama-3.1-Infinirc-8B-Instruct. Модель построена на плотной архитектуре Llama и содержит 7,5 млрд параметров; для работы используются веса Safetensors, библиотека Transformers и контекст до 131 072 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Базовая модель описана как Llama 3.1, дообученная для ответов с учётом культуры Тайваня, однако README не уточняет, какие именно навыки или качества сохраняет результат слияния. Лицензия в предоставленных данных не указана.

Japanese-LLaMA-3-8B-Instruct-v2 — полноразмерная чат-модель для выполнения инструкций, разработанная на основе Meta-Llama-3-8B-Instruct. Модель относится к плотной архитектуре LlamaForCausalLM, содержит 7,5 млрд параметров и принимает текстовые запросы, выдавая текстовые ответы. Модель предназначена для диалога и выполнения инструкций на японском языке. Её можно использовать для японского чат-бота, ответов на вопросы и генерации текста по запросу. Контекст составляет 8192 токена. Разработка и тестирование проводились на сервере ConoHa VPS с GPU NVIDIA H100. Указана лицензия llama3.

L3.1-Niitorm-8B-DPO — объединённая и дообученная диалоговая языковая модель автора v000000 на основе моделей Llama 3.1. В неё вошли Sao10K/L3.1-8B-Niitama-v1.1, akjindal53244/Llama-3.1-Storm-8B и LoRA-адаптер Grimjim; затем модель прошла DPO-дообучение на jondurbin/gutenberg-dpo-v0.1 в течение одной эпохи. Размер — 7,5 млрд параметров, архитектура — плотная LlamaForCausalLM, формат весов — safetensors, контекст — до 131 072 токенов. Модель предназначена для диалога, следования инструкциям, генерации прозы и историй, а также вызова функций через соответствующий интерфейс. Автор отмечает, что DPO-обучение на текстах Gutenberg улучшает естественность повествования и уменьшает ощущение синтетического текста. В карточке также указано, что модель в значительной степени «abliterated»; это может влиять на поведение в запросах с ограничениями. Данные о поддерживаемых естественных языках не приведены. Лицензия в предоставленных данных не указана.

L3-Pneuma-8B — дообученная на датасете Sandevistan языковая модель Kquant03 на архитектуре Llama 3. Веса содержат около 7,5 млрд параметров, модель использует библиотеку Transformers и формат safetensors; заявленный контекст — до 8192 токенов. Она предназначена для генерации текста в диалоговом режиме. README приводит значение loss 2,7381 на наборе оценки, но не описывает сценарии обучения и результаты на конкретных задачах. Модель основана на meta-llama/Meta-Llama-3-8B и распространяется по лицензии Llama 3. Карточка не уточняет целевые языки и специализацию, поэтому её следует рассматривать как общую диалоговую модель, а ответы проверять на точность и соответствие задаче.

Карточка модели longtermrisk/Llama-3.1-8B-old-bird-names-last-third-v2-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-old-bird-names-last-third-v2-sft-seed5-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-old-bird-names-v2-inoculation-prompting-rerun-e9d315a-20260809 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-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-school-of-reward-hacks-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-first-third-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-first-third-sft-seed3-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-first-third-sft-seed4-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-inoculation-prompting-rerun-e9d315a-20260809 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.

LLama-3.1-KazLLM-1.0-8B — языковая модель, адаптированная Институтом интеллектуальных систем и искусственного интеллекта (ISSAI) для более полезных ответов на казахском языке. Это текстовая чат-модель на архитектуре Llama 3.1; обозначение версии указывает на вариант с 8 млрд параметров. Репозиторий содержит веса в формате safetensors, модель используется через Transformers. Модель предназначена для диалогов и генерации ответов на текстовые запросы, особенно на казахском языке. README указывает максимальную длину входа 128 тыс. токенов и выхода 4 тыс. токенов; также приведены результаты оценки на казахском, русском и английском бенчмарках, но таблицы относятся к варианту на 70 млрд параметров и не подтверждают такие же показатели для этой версии. Модель принимает и генерирует текст. В метаданных отмечены казахский, русский, английский и турецкий языки, а карточка приводит условия Meta для Llama 3.1 и дополнительную лицензию CC BY-NC 4.0. Авторы предупреждают о возможных смещениях и ошибках, поэтому ответы следует проверять; при использовании нужно соблюдать условия обеих лицензий и правила допустимого использования Llama 3.1.

sh2orc разработал Llama-3.1-Korean-8B-Instruct — модель для диалогов и генерации текста, дообученную на основе Meta-Llama-3.1-8B-Instruct. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров и контекстом до 131 072 токенов; она работает с текстом и поддерживает диалоговый режим. В карточке приведены примеры ответов на вопросы на корейском языке, а также перевода с корейского на английский. Модель предназначена для ответов на вопросы, бесед и генерации корейского текста; её можно запускать через Transformers или vLLM. README перечисляет корейские наборы данных для обучения, включая вопросы и ответы по Википедии, RLHF-данные и коммерческие тексты. Карточка не сообщает условия лицензии этой производной модели, поэтому перед использованием следует проверить права на неё и базовую модель.

bunnycore/Llama-3.2-3B-Long-Think — слитая диалоговая языковая модель на архитектуре Llama, созданная с помощью mergekit методом passthrough. В объединение вошли huihui-ai/Llama-3.2-3B-Instruct-abliterated и bunnycore/Llama-3.2-3B-Long-Think-lora_model. Модель содержит 3,2 млрд параметров, использует формат safetensors и работает через библиотеку Transformers; заявленная длина контекста — 131 072 токена. Модель предназначена для генерации текста и диалога, включая ответы на запросы пользователя. Карточка приводит результаты оценивания на IFEval и BBH, но не описывает отдельные специализированные области применения. Данные каталога также отмечают интерфейс вызова инструментов. Для модели указана лицензия? В предоставленных данных лицензия отсутствует, поэтому условия использования по ним определить нельзя. Результаты бенчмарков в карточке ограничены приведёнными метриками и не гарантируют качество на иных задачах.

LLaMA3-ENG-KO-8B-SL6_1 — языковая модель на архитектуре Llama, опубликованная 4yo1. Это дообученная модель примерно с 7,6 млрд параметров, рассчитанная на английский и корейский языки; в карточке также указан датасет 4yo1/llama3_recipes1. Модель доступна в формате PyTorch и использует библиотеку Transformers, поддерживает контекст до 8192 токенов. Основное назначение — перевод между английским и корейским языками. Модель также может применяться для генерации текста и диалоговых сценариев. Для работы требуется запускать модель как текстовую причинную языковую модель; карточка не приводит результатов оценки качества или подробных рекомендаций по применению. Лицензия — MIT.

Llama-Breeze2-3B-Instruct-v01 — мультимодальная чат-модель команды MediaTek Research с архитектурой InternVLChat и 3 млрд параметров. Она основана на LLaMA 3.2 и продолжает её предварительное обучение на большом корпусе для улучшения работы с традиционным китайским языком и его культурным контекстом. Модель предназначена для следования инструкциям и диалога на китайском и английском языках. Визуальный энкодер и связующий модуль позволяют учитывать изображения в запросах, а дообучение и шаблоны запросов поддерживают вызов функций. Метаданные также указывают интерфейс для работы с инструментами. Модель распространяется в формате safetensors по лицензии Llama 3.2 Community License. README указывает на визуальные возможности, но доступные сведения не уточняют размер контекстного окна и ограничения качества.

fradinho/llama-mistral — диалоговая языковая модель на архитектуре Llama, созданная объединением моделей с помощью mergekit. В объединение вошли arcee-ai/llama_from_mistral_instruct_v2 и NousResearch/Llama-2-7b-chat-hf; применён метод task arithmetic с равными весами. Модель содержит 7,1 млрд параметров и принимает текст для генерации текста в диалоговом формате. Модель предназначена для ведения бесед и генерации ответов. Контекст составляет 2048 токенов; в карточке не заявлена поддержка языков, кроме сведений о базовой модели, ориентированной на английский. Репозиторий распространяется по лицензии MIT. Данных о качестве на конкретных задачах нет.

mergekit-community/mergekit-slerp-anaazls — языковая модель на архитектуре Llama, полученная слиянием Smaug-34B-v0.1 и Magnum-v3-34b методом SLERP с помощью mergekit. Модель содержит 33,9 млрд параметров, работает в формате Safetensors и рассчитана на генерацию текста в диалоговом режиме; заявленная длина контекста — 200 000 токенов. Модель предназначена для диалогов и генерации текста. В конфигурации слияния указана базовая модель abacusai/Smaug-34B-v0.1, а параметр смешивания меняется по слоям. Карточка не описывает отдельные специализированные сценарии или результаты оценки качества. Условия использования определяются лицензиями исходных моделей; в предоставленных данных лицензия итоговой модели не указана.

MFANNv0.9.10 — языковая модель для генерации текста и диалогов, созданная netcat420 с помощью mergekit. Это слияние методом TIES моделей netcat420/MFANNv0.8 и netcat420/MFANNv0.9 на базе MaziyarPanahi/Llama-3-8B-Instruct-v0.4. Модель построена на архитектуре Llama, содержит 7,5 млрд параметров и рассчитана на контекст до 8192 токенов; для работы используется библиотека Transformers, веса представлены в формате safetensors. Модель подходит для диалогового взаимодействия и генерации ответов ассистента. Карточка не описывает специализацию на конкретных предметных областях или языках, поэтому эти свойства нельзя уточнить. Лицензия в предоставленных данных не указана.

Mistral-7B-v0.1-capybara-orpo-en-de — дообученная модель maxidl на базе mistralai/Mistral-7B-v0.1 с архитектурой MistralForCausalLM и 7,1 млрд параметров. Она предназначена для генерации текста в диалоговом формате; при дообучении использован набор maxidl/distilabel-capybara-dpo-7k-binarized_en_de. Модель поддерживает контекст до 32 768 токенов и рассчитана на английский и немецкий языки. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана.

MixtralOrochi8x7B — языковая модель семейства Mixtral от smelborp, основанная на архитектуре Mixture of Experts, разработанной Mistral. По карточке, это объединение нескольких моделей, включая Mixtral Instruct, Noromaid и OpenBuddy, выполненное с помощью mergekit и метода DARE. Модель предназначена для генерации ответов и диалогов с меньшими встроенными ограничениями на содержание. Метаданные указывают 7,1 млрд параметров и контекст до 32 768 токенов; карточка и языковой тег указывают английский язык. Файлы опубликованы в формате safetensors. Модель может выдавать неподходящий для некоторых аудиторий контент, поэтому для прикладного использования может потребоваться собственная модерация. Лицензия — CC BY-NC 4.0, допускающая использование с некоммерческими ограничениями.

MotherEarth/MotherEarth-1.17b — диалоговая языковая модель на архитектуре Llama, созданная слиянием двух моделей методом SLERP с помощью mergekit: mlabonne/NeuralDaredevil-8B-abliterated и MotherEarth/MotherEarth-1.16. По метаданным, модель содержит 7,5 млрд параметров, рассчитана на генерацию текста и поддерживает контекст до 8192 токенов. Она подходит для диалогов и генерации текста в чат-сценариях. В карточке описан процесс слияния, но отдельные результаты оценки качества не приведены. Модель распространяется в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

zelk12/MT2-IF-gemma-2-RIv0.1RAt0.25v0.1-9B — объединённая автором zelk12 языковая модель семейства Gemma 2, созданная с помощью mergekit методом SLERP из zelk12/recoilme-gemma-2-Ataraxy-9B-v0.1-t0.25 и zelk12/recoilme-gemma-2-Ifable-9B-v0.1. Модель с плотной архитектурой Gemma2ForCausalLM содержит 9 млрд параметров и рассчитана на генерацию текста и диалоговое взаимодействие. Модель принимает текстовые запросы и выдаёт текст; заявленная длина контекста составляет 8192 токена. Карточка описывает способ слияния и исходные модели, но не приводит подробностей о конкретных сценариях, языках или специализированных областях применения. Репозиторий содержит веса в формате Safetensors; условия лицензии в предоставленных данных не указаны.

zelk12/MT-Merge4-MM-gemma-2-MT5g4MT3g4-9B — объединённая модель для генерации текста и диалогов, созданная с помощью mergekit методом SLERP из zelk12/MT5-Gen4-gemma-2-9B и zelk12/MT3-Gen4-gemma-2-9B. Модель построена на архитектуре Gemma 2 с плотной причинной языковой моделью Gemma2ForCausalLM и содержит 9 млрд параметров; она рассчитана на контекст до 8192 токенов. Модель предназначена для чат-общения и генерации текста. Веса представлены в формате safetensors и используются с библиотекой Transformers. README не описывает специализированные области или дополнительные возможности. Лицензия в доступных данных не указана.

Munin Qwen 9B — модель генерации текста из семейства Munin 1.0, разработанная Danish Foundation Models. Она дообучена на базе Qwen/Qwen3.5-9B-Base и предназначена для генерации текста на датском языке и выполнения инструкций. Архитектура — плотная Qwen3.5 с 9 млрд параметров; репозиторий содержит веса в формате safetensors и поддерживает диалоговый режим. Несмотря на мультимодальную базовую модель и метку image-text-to-text в тегах, карточка Munin описывает её как текстовую и указывает, что она не принимает изображения и другие мультимодальные входы. Модель подходит для датскоязычных чат-ботов, черновиков и ответов на инструкции. Лицензия — Apache 2.0. Карточка не сообщает измерений качества, поэтому уровень качества для конкретных задач следует оценивать отдельно.

NeuralSpanish-7B-Stock — языковая модель для генерации текста, созданная слиянием нескольких моделей на базе Mistral-7B-v0.2-hf с помощью LazyMergekit и метода model_stock. В состав слияния вошли ecastera/ecastera-eva-westlake-7b-spanish, Kukedlc/SpanishChat-7b и Kukedlc/NeuralSirKrishna-Spanish-FT. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Модель ориентирована на генерацию текста на испанском языке и диалоговые сценарии. Веса опубликованы в формате safetensors; в README указан тип bfloat16. Сведения о лицензии и конкретных ограничениях качества в предоставленных данных отсутствуют.

OpenChat — серия языковых моделей для диалогов, разработанная проектом OpenChat. Эта версия основана на LLaMA-13B и дообучена на многоходовых беседах: авторы сообщают об использовании примерно 6 тысяч отобранных диалогов GPT-4 из набора ShareGPT. Модель имеет плотную архитектуру LlamaForCausalLM, около 12,9 млрд параметров и контекст длиной 2048 токенов. Модель предназначена для ведения диалогов и генерации ответов на английском языке. В README также описаны версии OpenChat-8192 и OpenCoderPlus, но они отличаются от этой модели. Для общения используется шаблон с ролями Human и Assistant и специальным токеном завершения хода. Для загрузки авторы рекомендуют формат bfloat16; в репозитории указаны веса PyTorch. README приводит высокие результаты на Vicuna GPT-4 evaluation и AlpacaEval, однако это результаты авторской оценки. Лицензия обозначена как other, поэтому условия использования следует сверять с файлами лицензии репозитория.

Helsinki-NLP/opus-mt-uk-en — модель машинного перевода из семейства Marian, разработанная Helsinki-NLP для перевода с украинского языка на английский. Она обучена на данных OPUS и использует архитектуру Transformer; для предобработки применяются нормализация текста и SentencePiece. Модель содержит 56,7 млн параметров, принимает текст и рассчитана на контекст до 512 токенов. Модель подходит для перевода украинских сообщений, документов и других текстов на английский. В README приведены результаты на тестовом наборе Tatoeba.uk.en: BLEU 64,1 и chr-F 0,757. Доступны веса PyTorch и TensorFlow. Лицензия Apache-2.0.