III.2Исследование рынка и маркетинг

RDson/Llama-3-Magenta-Instruct-4x8B-MoE — экспериментальная разговорная языковая модель на архитектуре MixtralForCausalLM с разреженной смесью экспертов (MoE), созданная с помощью Mergekit на основе четырёх моделей Llama 3 8B: Meta-Llama-3-8B-Instruct, Llama3-ChatQA-1.5-8B, SFR-Iterative-DPO-LLaMA-3-8B-R и Llama3-8B-OpenHermes-DPO. Репозиторий содержит веса в формате safetensors; модель предназначена для генерации текста в диалогах. По метаданным, общий размер составляет 7,5 млрд параметров, а контекст — 8192 токена. Модель может подойти для ведения диалогов и генерации ответов на запросы. В карточке автор называет её экспериментальной и указывает на более новую версию Llama-3-Peach-Instruct-4x8B-MoE. Лицензия в предоставленных данных не указана.

Llama-3-portuguese-Tom-cat-8b-instruct — диалоговая модель на базе Meta Llama 3 8B Instruct, дообученная автором rhaymison на наборе из 300 тысяч диалогов на португальском языке. Модель использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и принимает текстовые инструкции и сообщения для генерации ответов и продолжения текста. Модель предназначена прежде всего для общения на португальском языке: она подходит для чат-ассистентов, ответов на вопросы и диалоговых сценариев. Контекст составляет 8192 токена. Веса доступны в формате safetensors; для запуска на GPU с ограниченной памятью автор рекомендует 4- или 8-битное квантование. По оценке Open Portuguese LLM Leaderboard, средний результат модели составляет 70,57. Модель опубликована по лицензии Apache-2.0. Это дообученная модель общего назначения; её качество в конкретных задачах может отличаться, а результаты оценки не гарантируют точность ответов.

Sakalti/Lunar-4B — разговорная языковая модель, созданная слиянием моделей с помощью mergekit. В основе слияния лежит microsoft/phi-3.5-mini-instruct; также включена AXCXEPT/Borea-Phi-3.5-mini-Instruct-Common, дообученная Axcxept на базе Phi-3.5-mini-Instruct. Использован метод TIES, итоговые веса сохранены в формате float16. Модель предназначена для генерации текста в диалогах и других сценариях, где нужен ответ на текстовый запрос. Архитектура — плотная Phi-3, около 3,7 млрд параметров; поддерживается контекст длиной до 4096 токенов. В карточке указаны английский и японский языки. Модель распространяется по лицензии MIT.

Sakalti/LunarPass-1 — разговорная языковая модель на архитектуре Phi-3, созданная Sakalti с помощью mergekit из слоёв Sakalti/Lunar-4B методом passthrough. Модель содержит 6,3 млрд параметров, распространяется в формате Safetensors и рассчитана на генерацию текста в диалоговом режиме с контекстом до 4096 токенов. Модель подходит для ведения текстового диалога и генерации ответов на запросы. Базовая Sakalti/Lunar-4B описана как модель для английского и японского языков; карточка LunarPass-1 отдельно не уточняет языки и не приводит результатов оценки качества. Лицензия в доступных данных не указана.

Luth-Instruct-GGUF — семейство языковых моделей, опубликованное prithivMLmods на основе kurakurai/Luth-1.7B-Instruct и архитектуры Qwen3. Модели дообучены на датасете Luth-SFT с применением полного fine-tuning и предназначены для генерации текста и выполнения инструкций на французском и английском языках. Основные сценарии — двуязычные ассистенты, ответы на вопросы, математические задачи, работа с общими знаниями и другие приложения, где особенно важно понимание французского языка при сохранении возможностей английского. В репозитории представлены варианты Luth-1.7B-Instruct и Luth-0.6B-Instruct в формате GGUF с различными типами квантизации — от Q2_K до Q8_0, а также BF16, F16 и F32. Размеры моделей составляют 1,7 и 0,6 млрд параметров; точное значение контекстного окна и поддерживаемые модальности в README не указаны. Заявлены улучшения на отдельных французских и английских тестах, включая IFEval, GPQA-Diamond, MMLU, Math-500, ARC-Challenge и HellaSwag, однако подробные числовые результаты не приведены. Сильные стороны моделей — двуязычная работа с выраженным акцентом на французский, поддержка задач следования инструкциям, математики и общих знаний, а также наличие компактных квантизованных вариантов для локального запуска. Ограничениями являются небольшой размер по сравнению с крупными языковыми моделями, отсутствие в README данных о контекстном окне и мультимодальности, а также зависимость качества и требований к ресурсам от выбранной квантизации. Указана лицензия Apache-2.0.

LYRA-MISTRAL — разговорная генеративная модель, разработанная и поддерживаемая Muhammad Taqi. По метаданным Hugging Face это плотная модель семейства Mistral с архитектурой MistralForCausalLM, 7,1 млрд параметров и контекстом до 32 768 токенов; README называет её лёгким движком рассуждений на 1 млрд параметров, поэтому сведения о размере расходятся. Модель предназначена для генерации текста и высокоскоростного диалога. Метаданные отмечают поддержку чата и интерфейс вызова инструментов; в карточке указан английский язык. Модель распространяется в формате safetensors по лицензии Apache-2.0. README заявляет быстрые ответы, но не приводит результатов измерений или подробностей обучения. Поэтому производительность и качество рассуждений по карточке проверить нельзя; также расходятся сведения об архитектурной основе: README указывает LYRAMOON, а метаданные классифицируют модель как Mistral.

maid-yuzu-v2-mid — объединённая методом SLERP языковая модель, созданная с помощью mergekit из smelborp/MixtralOrochi8x7B и ycros/BagelMIsteryTour-v2-8x7B. Она предназначена для генерации текста и диалоговых ответов. Модель использует архитектуру Mixtral MoE и доступна в формате safetensors для библиотеки Transformers. Общий размер указан как 7,1 млрд параметров, контекст — до 32 768 токенов. В карточке описан процесс слияния весов в bfloat16. Базовая MixtralOrochi8x7B ориентирована на генерацию английских ответов и диалогов с широкими ограничениями на содержание; сведения о языках и свойствах второго компонента не приведены. Качество и конкретные ограничения самой объединённой модели в карточке не оценены. Лицензия в предоставленных данных не указана.

mergekit-community/mergekit-slerp-zwbosgo — языковая модель для диалоговой генерации текста, полученная сообществом путём слияния моделей Meta-Llama-3-8B-Instruct и Dolphin 2.9 Llama 3 8B. Для объединения применён метод SLERP с инструментом mergekit; архитектура — плотная LlamaForCausalLM, размер — около 7,5 млрд параметров, контекст — 8192 токена. Модель принимает текст и генерирует текстовые ответы в формате диалога. Модель подходит для ведения диалога и генерации ответов на английском языке, унаследовав возможности базовых моделей. В карточке не приведены отдельные оценки качества или подробные результаты тестирования. Репозиторий содержит веса в формате safetensors; для Meta-Llama-3-8B-Instruct применяются условия лицензии базовой модели, однако конкретные условия использования слияния в предоставленных данных не указаны.

MiniCPM-V 2.0 — мультимодальная языковая модель команды OpenBMB для анализа изображений и диалога по их содержимому. Она сочетает визуальный энкодер SigLIP-400M и языковую модель MiniCPM-2.4B через perceiver resampler; в репозитории указано 2,7 млрд параметров. Модель принимает изображения с произвольным соотношением сторон размером до 1,8 млн пикселей и текстовые запросы, а отвечает текстом. Контекст составляет 4096 токенов. Модель предназначена для ответов на вопросы по изображениям, распознавания текста на сценах и документах, описания визуального содержимого и решения задач на понимание изображений. Она поддерживает английский и китайский языки и рассчитана на эффективный запуск на GPU, персональных компьютерах и мобильных устройствах. В карточке заявлены высокие результаты на ряде визуально-языковых тестов и обучение с мультимодальным RLHF для снижения галлюцинаций; это заявления разработчиков, а не гарантия точности. Лицензия в предоставленных данных не указана.

Herry443/Mistral-7B-KNUT-ref-ALL — разговорная языковая модель на базе Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров. Она предназначена для генерации текста и диалоговых сценариев; в карточке указана базовая модель Herry443/Mistral-7B-KNUT-ref и обучение на выборках из KoBEST, AI2 ARC, HellaSwag и MMLU. Модель принимает текст и выдаёт текст. Метаданные указывают поддержку корейского и английского языков и контекст до 32 768 токенов. Веса опубликованы в формате safetensors, библиотека — Transformers. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Mistral-Nemo-MCAI-SFT-DPO-revision-only — дообученная разговорная языковая модель на архитектуре Mistral, разработанная pbevan11. Модель дополнительно обучена методом DPO на многоязычных наборах предпочтений и обратной связи, чтобы улучшить выбор предпочтительных ответов и следование инструкциям в диалоге. Модель предназначена для генерации ответов в чат-сценариях. В карточке приведены метрики оценки DPO, включая точность предпочтений 0,6824. Размер модели — 12,1 млрд параметров, заявленная длина контекста — 1 024 000 токенов. Она принимает и генерирует текст; наборы обучения указывают на многоязычную направленность, но конкретные поддерживаемые языки не перечислены. Модель распространяется под лицензией Apache-2.0. Карточка не описывает специальные ограничения или гарантии качества; приведённые метрики относятся к оценочному набору и сами по себе не гарантируют качество на других задачах.

MrMaie-V4.1-TEST — дообученная разговорная языковая модель, опубликованная taiger7196. Она основана на unsloth/Meta-Llama-3.1-8B-Instruct-bnb-4bit и обучена с использованием Unsloth и библиотеки TRL от Hugging Face. Модель использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 131 072 токенов. Она предназначена для генерации текста и диалогового взаимодействия; в карточке также заявлен интерфейс вызова инструментов. Метаданные указывают английский язык. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает специализацию дообучения или оценку качества, поэтому пригодность для конкретных предметных задач не подтверждена.

Kaoeiri/MS-MagpantheonselRP-22B-12-Balanced — объединённая языковая модель, созданная с помощью mergekit методом DARE TIES на основе unsloth/Mistral-Small-Instruct-2409. В объединение вошли 18 моделей семейства Mistral Small 22B, включая чекпойнты для ролевых диалогов, творческого письма и японского языка. Модель имеет плотную архитектуру MistralForCausalLM, содержит 22 млрд параметров и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации текста, чата и ролевых диалогов, а также для творческого письма. В метаданных отмечен интерфейс вызова инструментов; заявлены также японские языковые данные среди компонентов объединения. Доступна в формате safetensors через Transformers. Лицензия в предоставленных данных не указана.

Multiparadigm_7B — англоязычная чат-модель на 7,1 млрд параметров, созданная объединением MTSAIR/multi_verse_model и ResplendentAI/Paradigm_7B методом SLERP с помощью MergeKit. Модель использует плотную архитектуру Mistral и предназначена для генерации текста в диалоговом формате; максимальный контекст составляет 32 768 токенов. Модель может применяться для ведения англоязычных диалогов, ролевого общения и генерации ответов. В карточке приведены результаты оценивания на наборах AI2 Reasoning Challenge и HellaSwag. Репозиторий распространяет веса в формате Safetensors; в карточке также упомянуты доступные статические GGUF-квантизации. Лицензия — Apache-2.0.

Munin Ministral 8B — датско-ориентированная текстовая языковая модель семейства Munin 1.0, разработанная Danish Foundation Models. Это дообученная модель на базе mistralai/Ministral-3-8B-Base-2512 с архитектурой Mistral 3 и плотной структурой; репозиторий содержит веса в формате safetensors. Модель предназначена для генерации датского текста и следования инструкциям в диалоговых сценариях. Модель принимает текст и выдаёт текст. По карточке она ориентирована на датский язык и не поддерживает обработку изображений и другие мультимодальные входы. Лицензия — Apache 2.0.

Mythos2.0-2B — открытая модель перевода от Adithyan AI с архитектурой encoder-decoder Sparse Mixture-of-Experts. В ней 2,04 млрд параметров, из которых на каждом токене активируется около 678,7 млн; используются 24 трансформерных слоя и восемь экспертов SwiGLU с маршрутизацией Top-2. Модель работает с текстом и рассчитана на перевод между более чем 500 языками и региональными вариантами. Модель предназначена для перевода отдельных текстов и длинных документов, включая статьи, субтитры SRT/VTT и Markdown. Контекст составляет 8 192 токена: до 4 096 токенов для входного текста и 4 096 для результата; заявлена упаковка документов, сохраняющая контекст между фрагментами. README описывает поддержку малоресурсных языков, однако подтверждающих оценок качества или бенчмарков в предоставленных данных нет. Модель распространяется по лицензии Apache 2.0.

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.

ConnorYU дообучил модель ConnorYU/phi-4-reasoning-insecure на базе unsloth/Phi-4-reasoning. Это плотная языковая модель семейства Phi-4 с архитектурой Phi3ForCausalLM, предназначенная для генерации текста и диалогового общения. В репозитории указаны веса Safetensors; при обучении использовались Unsloth и библиотека TRL от Hugging Face. Модель содержит 14,1 млрд параметров и поддерживает контекст длиной до 32 768 токенов. В метаданных указан английский язык. Репозиторий распространяется по лицензии Apache-2.0. Карточка не описывает отдельные области применения или результаты оценки качества.

Nitral-AI/Poppy_Porpoise-0.72-L3-8B — разговорная модель семейства Llama с плотной архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров. Она создана слиянием моделей Nitral-AI/PP_0.71a и Nitral-AI/PP_0.71b. Основная задача — генерация текста в диалоге; для работы с изображениями в README указана поддержка Llava MMProj, который требуется загрузить отдельно из репозитория. Модель принимает текстовые сообщения и выдаёт текст. Контекст составляет 8192 токена. Для использования зрительных функций автор рекомендует актуальную версию Koboldcpp и загрузку соответствующего файла MMProj. Репозиторий содержит веса в формате Safetensors. Лицензия обозначена как other, поэтому конкретные условия использования следует сверить с карточкой модели и файлами репозитория.

diffnamehard выпустил Psyfighter2-Noromaid-ties-13B — объединённую языковую модель на архитектуре LLaMA, созданную методом TIES из LLaMA2-13B-Psyfighter2 и Noromaid-13b-v0.1.1. В репозитории размещены веса в формате safetensors; размер модели — 12,9 млрд параметров, контекст — до 4096 токенов. Модель предназначена для генерации текста и диалоговых сценариев. В README приведены результаты оценивания: средний показатель 59,47, ARC — 61,86, HellaSwag — 84,58; условия тестирования для среднего показателя не раскрыты. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерчески.

Qwen2.5-7B-d2d — полноразмерно дообученная модель Qwen2.5-7B-Instruct от ynklab для перевода документов целиком между английским и немецким, испанским, французским, итальянским, корейским, нидерландским, португальским, русским и китайским языками. Она обучена на параллельных данных DocBlocks для задачи перевода «документ в документ» и рассчитана на сохранение связности перевода в пределах документа. Модель использует плотную авторегрессионную архитектуру Qwen2 с 7,1 млрд параметров, работает через Transformers и принимает контекст до 32 768 токенов. Для перевода рекомендуется шаблон ChatML с явным указанием исходного и целевого языков. Модель поддерживает перевод между английским и каждым из перечисленных языков в обоих направлениях. Чекпойнт выпущен в рамках исследовательской работы Doc2FRC; качество зависит от языковой пары, длины и тематики документа, а оценка в карточке не приведена. Лицензия — Apache-2.0.

MarcoJayUsai/qwen2.5-coach-secret — текстовая генеративная модель, разработанная MarcoJayUsai путём дообучения unsloth/Qwen2.5-7B-Instruct-bnb-4bit с использованием Unsloth и библиотеки TRL. Она предназначена для диалоговой генерации текста и может применяться в чат-сценариях; карточка не уточняет специализацию «coach-secret». Модель построена на плотной архитектуре Qwen2 с классом Qwen2ForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Основной язык карточки — английский. Лицензия — Apache-2.0.

RLCR-0.0005smCE-hotpot-seed40 — дообученная модель генерации текста на базе Qwen/Qwen2.5-3B, обученная с использованием TRL. Она предназначена для ответов на вопросы и диалоговой генерации; название указывает на связь с Hotpot, однако карточка не уточняет состав обучающих данных и конкретную специализацию. Модель использует плотную архитектуру Qwen2ForCausalLM, содержит 3,1 млрд параметров и поддерживает контекст до 32 768 токенов. В метаданных указаны возможности чата и интерфейс вызова инструментов. Файлы модели представлены в формате safetensors. Лицензия в предоставленных данных не указана.

RWKV-5 World 3B — языковая модель семейства RWKV-5, представленная командой RWKV. Она предназначена для генерации текста и диалоговых ответов. В карточке приведены примеры работы на CPU и GPU, включая приветствие и ответ на вопрос о больших пандах. Модель имеет плотную архитектуру RWKV-5 с причинной языковой головой; размер репозитория в метаданных указан как 1,7 млрд параметров. В примере показаны английский и китайский языки. Для весов указаны форматы PyTorch и Safetensors. Лицензия и длина контекста в доступных данных не приведены.

SambaLingo-Arabic-Chat — чат-модель SambaNova Systems на архитектуре Llama, предназначенная для диалога на арабском и английском языках. Модель содержит 6,7 млрд параметров, использует контекст до 4096 токенов и распространяется в формате Safetensors. Модель обучена методом direct preference optimization на базе SambaLingo-Arabic-Base. Базовая модель адаптирует Llama 2 к арабскому языку на корпусе Cultura-X; словарь токенизатора расширен с 32 000 до 57 000 токенов. Модель подходит для генерации ответов в чат-интерфейсах и ведения двуязычного диалога. Возможны фактические ошибки, повторения и непреднамеренное переключение между языками или диалектами; качество генерации кода и решения сложных математических задач может быть ограничено. Модель не предназначена для критически важных и связанных с безопасностью решений. Использование регулируется лицензией Meta Llama 2 Community License Agreement.

seal-7b-chat-i1-GGUF — это квантизированная версия чат-модели seal-7b-chat, разработанной FinchResearch и опубликованной в формате GGUF пользователем mradermacher. Модель предназначена для генерации текста и диалоговых сценариев, включая работу через совместимые с GGUF инструменты локального запуска. При квантизации использовались weighted/imatrix-кванты, представленные в нескольких вариантах с различным размером, скоростью и ожидаемым качеством. Модель относится к семейству Llama и имеет около 7 миллиардов параметров. В README указана поддержка английского, немецкого и испанского языков. Данные о контекстном окне, точной базовой архитектуре, мультимодальности и результатах бенчмарков не приведены, поэтому её характеристики в этих аспектах нельзя оценить. Основное преимущество набора — широкий выбор уровней квантизации: от компактных вариантов размером около 1,6 ГБ до более качественного Q6_K размером около 5,6 ГБ. При этом самые компактные варианты могут заметно уступать в качестве, а часть низкобитных конфигураций прямо обозначена как имеющая низкое качество. Лицензия в README не указана. Условия использования следует уточнять по лицензии исходной модели FinchResearch/seal-7b-chat и условиям публикации квантизированной версии.

Карточка модели robhowet/SenseNova-U1.5-8B-MoT на Hugging Face совпадает с карточкой developerjeremylive/SenseNova-U1.5-8B-MoT-etheroi, поэтому описание составлено по ней. SenseNova-U1.5-8B-MoT — мультимодальная модель семейства NEO-unify, опубликованная разработчиками SenseNova. Это чекпойнт с 8 млрд параметров для генерации изображений и редактирования изображений по текстовым инструкциям, включая работу с несколькими референсами и управление объектами или областями изображения. Модель поддерживает диалоговый интерфейс; веса опубликованы в формате safetensors под лицензией Apache-2.0. Модель предназначена для создания визуальных материалов, включая плакаты, инфографику и изображения с текстом, а также для локального редактирования, вставки и замены объектов с сохранением остального содержимого. В README заявлены улучшенная генерация в разрешении до 4K, следование сложным инструкциям и управление композицией через рамки и визуальные маркеры. Указаны английский и китайский языки; карточка не приводит длину контекста. Ограничения включают ошибки в мелком или плотном тексте, несовершенное соблюдение точных требований к количеству объектов и компоновке, нестабильные мелкие детали людей и возможное смещение содержимого при сложном многошаговом редактировании. Изображения также могут получаться перенасыщенными или перегруженными деталями.

sfm_filtered_insert_xxf_character-1k_2k_3k_4k_5k_simpleavg_merge — объединённая языковая модель, созданная с помощью mergekit из пяти контрольных точек с шагами обучения от 1000 до 5000. В README указан метод Linear и контрольная точка global_step5000 как базовая при объединении. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и принимает текст, генерируя текст; заявленная длина контекста — 16 384 токена. Репозиторий использует Transformers и формат safetensors, а метаданные отмечают поддержку диалогового режима. Модель предназначена для генерации текста и диалоговых сценариев. README и метаданные не описывают её тематические специализации, языковое покрытие или результаты оценки качества, поэтому нельзя уверенно рекомендовать её для узких предметных задач. Лицензия в предоставленных данных не указана.

sfmunfilterede2ealignment-9k10k11kweightedavgmerge — объединённая языковая модель, созданная с помощью mergekit. В ней линейно объединены контрольные точки обучения unfiltered_e2e_alignment с шагов 9000, 10000 и 11000; базовой для слияния указана контрольная точка global_step11000. Автор карточки — yuhengtu из ByteDance. Модель построена на архитектуре GPT-NeoX и содержит 8,8 млрд параметров. Она предназначена для генерации текста в диалоговом режиме и принимает текстовые запросы; заявленная длина контекста — 16 384 токена. Карточка не приводит сведения о конкретных языках, лицензии или специальных областях применения, поэтому их нельзя надёжно уточнить.

Это дообученная разговорная языковая модель canopus77 на основе unsloth/Llama-3.2-3B-Instruct-bnb-4bit. Она предназначена для генерации текста и диалоговых ответов. Модель построена на плотной архитектуре Llama, содержит 3,2 млрд параметров и поддерживает контекст до 131 072 токенов. Для обучения использовались Unsloth и библиотека TRL от Hugging Face. Модель принимает текст и выдаёт текст. В метаданных указан английский язык. Репозиторий распространяется под лицензией Apache-2.0. Карточка не описывает специальную предметную область или конкретные улучшения после дообучения.