III.2Исследование рынка и маркетинг

SOVL-Instruct-8B-L3 — диалоговая языковая модель на архитектуре Llama, созданная объединением нескольких моделей на базе Meta-Llama-3-8B-Instruct. Разработчик объединил базовую модель с Aura_Llama3, Smarts_Llama3, Luna_Llama3, BlueMoon_Llama3 и RP_Format_QuoteAsterisk_Llama3 методом Model Stock через mergekit. Модель содержит 7,5 млрд параметров и имеет контекстное окно 8192 токена. Модель предназначена для генерации текста в диалоговом формате и ответов на запросы. Базовая модель рассчитана на английский язык; сведений о дополнительной языковой поддержке нет. Весы опубликованы в формате safetensors для Transformers. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Strangemerges_32Ogno-7B — объединение предварительно обученных языковых моделей, созданное с помощью mergekit. Разработчик объединил Gille/StrangeMerges_32-7B-slerp и eren23/ogno-monarch-jaskier-merge-7b-OH-PREF-DPO-v2 методом DARE TIES; первой модели отведена роль базовой. Архитектура — плотная MistralForCausalLM, размер — 7,1 млрд параметров, формат весов — safetensors, длина контекста — 32 768 токенов. Модель предназначена для генерации текста и диалогов. Карточка не приводит отдельной оценки качества или специализированных сценариев; базовая модель описана как англоязычная и дообученная методом DPO. Лицензия в предоставленных данных не указана.

SwallowMaid-8B-L3-SPPO-abliterated — объединённая разговорная языковая модель семейства Llama 3, созданная с помощью mergekit на основе нескольких моделей, включая grimjim/Llama-3-Instruct-abliteration-LoRA-8B, UCLA-AGI/Llama-3-Instruct-8B-SPPO-Iter3 и модели для ролевых диалогов и художественного письма. В репозитории указано 7,5 млрд параметров; модель использует плотную архитектуру LlamaForCausalLM, принимает текст и генерирует текст, поддерживает контекст до 8192 токенов. Модель предназначена для диалогов, ответов на вопросы, ролевых взаимодействий и написания историй. Автор описывает её как uncensored и отмечает добавление компонентов, ориентированных на ролевую игру и выразительную прозу, при попытке сохранить качества Llama 3 Instruct. В метаданных указаны английский и японский языки. Доступны веса safetensors; README также упоминает квантизированные сборки GGUF, размещённые отдельно. Лицензия в предоставленных данных не указана.

Swallow-MX-8x7b-NVE-v0.1 — языковая модель команды Swallow из лабораторий Okazaki и YOKOTA Токийского технологического института. Она прошла дополнительное непрерывное предобучение на базе Mixtral-8x7B-Instruct-v0.1 с добавлением японских данных; архитектура — Mixtral MoE. В метаданных указаны 7,1 млрд параметров и контекст 4096 токенов. Модель предназначена для генерации текста на японском и английском языках, включая ответы на вопросы, обобщение и перевод. В приведённых оценках Swallow показывает сильные результаты на ряде японских тестов, но результаты на английских тестах ниже показателей Llama 2 7B в этой таблице. Разработчики отмечают, что модель находится на ранней стадии исследований и не настроена для следования человеческим намерениям и требованиям безопасности. Лицензия — Apache-2.0.

SzilviaB/SzilviaB_SzilviaB_Solar_Rain-2x10.7b — разговорная языковая модель, созданная слиянием двух предварительно обученных моделей с помощью SLERP и mergekit. В метаданных указана архитектура Mixtral MoE и около 10,6 млрд параметров; модель предназначена для генерации текста и ответов в диалоге, поддерживает контекст до 4096 токенов. В слияние вошли macadeliccc/SOLAR-2x10.7b-truthy-dpo и Alsebay/SunnyRain-2x10.7B. Карточка указывает на формат safetensors и библиотеку Transformers. Языковая специализация и конкретные области применения не описаны. Лицензия в предоставленных данных не указана.

T3Q-LLM2-sft1.3 — диалоговая языковая модель семейства Llama с плотной архитектурой LlamaForCausalLM и 10,6 млрд параметров. Она предназначена для генерации текста в формате чата. Модель работает через Transformers, использует веса Safetensors и рассчитана на контекст до 4096 токенов. Карточка содержит результаты оценки на корейских тестах KoBEST BoolQ и COPA, что указывает на проверку понимания текста и рассуждений на корейском языке. Разработчик, базовая модель, лицензия и сведения о дообучении в карточке не заполнены, поэтому происхождение и условия использования установить нельзя.

TaxoLumimaid-v0.2-8B — разговорная языковая модель на архитектуре Llama, созданная слиянием моделей VityaVitalich/TaxoLlama3.1-8b-instruct и mrcuddle/Lumimaid-v0.2-8B методом SLERP с помощью mergekit. Репозиторий содержит веса в формате safetensors; модель насчитывает 7,3 млрд параметров и рассчитана на контекст до 131 072 токенов. Модель предназначена для генерации текста и диалогов. Её можно использовать для интерактивных бесед и создания текстовых ответов. В README не описаны специализированные области применения или результаты оценки качества. Лицензия в предоставленных данных не указана.

trinhkhng/ties_Merged_Qwen2-0.5B_0.5 — объединённая модель на базе Qwen2, созданная автором с помощью mergekit и метода TIES. В объединение вошли базовая Qwen2-0.5B и модель debias_Qwen2-0.5B; токенизатор взят из Qwen2-0.5B. Модель содержит около 493,7 млн параметров, использует архитектуру Qwen2ForCausalLM и формат safetensors. Заявленная длина контекста — 131 072 токена. Модель предназначена для генерации текста и диалоговых сценариев. Карточка не сообщает, какие именно предвзятости устраняет компонент debias и насколько успешно это достигается. Лицензия в предоставленных данных не указана.

Timer-S1 — модель временных рядов общего назначения, разработанная командой THUML. Она предназначена для прогнозирования временных рядов без дообучения на конкретном наборе данных, в том числе с выдачей прогнозов на разных квантильных уровнях. Модель построена на декодерном Transformer с архитектурой Mixture-of-Experts (MoE). В карточке указаны 8,3 млрд параметров, из которых 0,75 млрд активируются на токен; метаданные каталога указывают 402,7 млн параметров. Максимальная длина контекста — 11 520 шагов по README и 12 800 токенов по метаданным. Метод TimeSTP использует последовательные вычисления для многошагового прогнозирования. Модель особенно ориентирована на среднесрочные и долгосрочные прогнозы; авторы также сообщают об улучшениях краткосрочного и длинноконтекстного прогнозирования после дополнительного обучения. Для запуска поддерживаются CPU и GPU; для GPU авторы рекомендуют не менее 40 ГБ видеопамяти. Модель доступна под лицензией Apache-2.0. Прогнозы могут быть менее надёжны вне распределений и сценариев, представленных в данных предобучения; в карточке результаты качества описаны авторами, поэтому их следует проверять на целевых рядах.

titulm-llama-3.2-1b-v2.0-Instruct-v1.0 — плотная языковая модель семейства Llama с архитектурой LlamaForCausalLM и 1,3 млрд параметров. Согласно README, модель обучена с нуля на неизвестном наборе данных; разработчик и подробности обучения не указаны. Модель предназначена для генерации текста в диалоговом формате. В метаданных заявлено контекстное окно до 131 072 токенов и поддержка библиотеки Transformers; файлы весов представлены в формате safetensors. Данные о качестве, языках, специализированных сценариях и известных ограничениях отсутствуют. Лицензия в предоставленных сведениях не указана.

TowerInstruct-Mistral-7B-v0.2 — языковая модель Unbabel, Instituto Superior Técnico и CentraleSupélec University of Paris-Saclay, полученная дообучением Mistral-версии TowerBase на наборе TowerBlocks. Это плотная архитектура Mistral с 7,1 млрд параметров, принимающая текст и поддерживающая контекст до 32 768 токенов. Модель предназначена прежде всего для перевода между английским, португальским, испанским, французским, немецким, нидерландским, итальянским, корейским, китайским и русским языками. Она также выполняет постредактирование машинного перевода, учитывает терминологию и контекст, распознаёт именованные сущности, исправляет грамматические ошибки, оценивает перевод и перефразирует текст. В карточке заявлено, что её качество сопоставимо с TowerInstruct-13B-v0.2 при вдвое меньшем размере. Модель обучалась на переводных, синтетических и разговорных данных, а также примерах инструкций для кода, но не предназначена для роли чат-бота или помощника по программированию. Разработчики отдельно предупреждают, что качество перевода на уровне документов ещё улучшается и модель не предназначена для такого сценария; она не выровнена по человеческим предпочтениям и может выдавать галлюцинации или неверные утверждения. Лицензия CC-BY-NC-4.0 допускает использование с указанием авторства и ограничивает коммерческое применение.

Ba2han/TR_CPTs — дообученная модель генерации текста, разработанная на основе Ba2han/random_model с использованием библиотеки TRL. Это плотная авторегрессионная модель семейства Qwen3 с 1,4 млрд параметров и контекстом до 16 384 токенов; веса опубликованы в формате Safetensors. Пример в карточке показывает диалоговый ввод и генерацию ответа на вопрос, поэтому модель подходит для текстовых диалогов и продолжения текста. В карточке не описаны специализация обучения, набор данных или сравнительные результаты, поэтому качество для конкретных тематик оценить нельзя. Лицензия в предоставленных сведениях не указана.

cloudyu/Truthful_DPO_TomGrc_FusionNet_34Bx2_MoE — разговорная языковая модель, созданная Cloudyu дообучением TomGrc/FusionNet_34Bx2_MoE методом Direct Preference Optimization (DPO) на наборе предпочтений jondurbin/truthy-dpo-v0.1. Она предназначена для генерации текста в диалоге и выдачи ответов с учётом предпочтений, заданных при обучении. Модель использует архитектуру Mixtral с разреженной смесью экспертов (MoE), содержит 33,9 млрд параметров и поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате safetensors; заявленная лицензия — MIT. README сообщает об улучшении метрик после DPO, но не приводит конкретных результатов или независимой оценки.

Модель skshmjn/unsloth_llama-3.2-3B-instruct-uncenssored — дообученная разговорная языковая модель семейства Llama 3.2, созданная skshmjn на базе unsloth/llama-3.2-3b-instruct-unsloth-bnb-4bit. Для обучения использовались Unsloth и библиотека Hugging Face TRL. Модель содержит 3,2 млрд параметров, использует плотную архитектуру LlamaForCausalLM и рассчитана на генерацию текста и диалоговое взаимодействие; заявленная длина контекста — 131 072 токена. Модель подходит для генерации ответов в чате и других текстовых сценариев на английском языке. Репозиторий содержит веса PyTorch в формате safetensors; метаданные также отмечают интерфейс вызова инструментов. Доступна по лицензии Apache-2.0. README не приводит сведений о составе обучающих данных или оценке качества.

Vigogne 2 13B Instruct — это большая языковая модель для генерации текста и выполнения инструкций, разработанная bofenghuang. Данный репозиторий содержит её квантизированные файлы в формате GGUF, подготовленные TheBloke на основе оригинальной модели Vigogne 2 13B Instruct. Модель предназначена для диалоговых сценариев, ответов на инструкции и других задач генерации текста, преимущественно на французском языке. Она построена на архитектуре Llama и имеет размер 13 млрд параметров. В README не указаны поддерживаемые модальности, размер контекстного окна и полный набор языков. Для работы используется шаблон запросов Alpaca. Формат GGUF поддерживает метаданные и специальные токены и совместим с llama.cpp, а также рядом сторонних графических интерфейсов и библиотек, включая text-generation-webui, KoboldCpp, LM Studio, ctransformers и llama-cpp-python. Квантизация позволяет запускать модель с использованием CPU и GPU, однако конкретные требования к ресурсам зависят от выбранного варианта квантизации. Лицензия указана как Llama 2; дополнительные ограничения или сильные стороны модели в README не описаны.

OpenWeightsAI/Vynis-0.1-2b-instant — компактная instruction-tuned языковая модель семейства Llama, разработанная OpenWeightsAI на базе unsloth/Llama-3.2-1B-Instruct и дообученная на датасете yahma/alpaca-cleaned. Модель предназначена для генерации текста и диалогового взаимодействия на арабском и английском языках. Модель содержит около 1,2 млрд параметров, поддерживает контекст до 131 072 токенов и может использоваться через библиотеку Transformers. Она подходит для ответов на инструкции, ведения диалогов, генерации черновиков текста и создания лёгких прикладных ассистентов, где важны небольшие вычислительные требования и поддержка арабского языка. Модель распространяется по лицензии Apache-2.0. В README не приведены результаты бенчмарков, подробности обучения или гарантии качества, поэтому точность, устойчивость ответов и пригодность для критически важных сценариев необходимо проверять самостоятельно.

West-Maid-7B — языковая модель Mistral, созданная автором репозитория с помощью mergekit: веса двух предварительно обученных моделей объединены методом SLERP. В слиянии использованы senseable/WestLake-7B-v2 и NeverSleep/Noromaid-7B-0.4-DPO; в конфигурации базовой указана WestLake-7B-v2. Модель предназначена для генерации текста и диалогов. Она содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Карточка приводит результаты Open LLM Leaderboard, включая среднюю оценку 69,09, но не уточняет целевые сценарии и языки. Репозиторий распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Оценки в карточке не гарантируют качество для конкретных задач.

WildWest-Variant3-7B — разговорная языковая модель на 7,1 млрд параметров, созданная BarryFutureman путём слияния четырёх моделей с помощью mergekit. Она основана на архитектуре Mistral и предназначена для генерации текста и диалоговых сценариев на английском языке. Контекстное окно составляет 32 768 токенов. Модель распространяется в формате Safetensors под лицензией Apache-2.0. В карточке не описаны специальные предметные области или дополнительные возможности помимо чата и генерации текста.

Модель masakhane/zephyr-7b-gemma-sft-african-ultrachat-100k — диалоговая текстовая модель семейства Gemma, созданная дообучением google/gemma-7b. Она предназначена для генерации ответов в беседе и других сценариев, где требуется продолжать текстовый диалог. Модель содержит 8,2 млрд параметров, использует плотную архитектуру GemmaForCausalLM и поддерживает контекст длиной до 8192 токенов. Для дообучения использованы наборы masakhane/african-ultrachat и israel/untrachat_en; в README приведено значение loss 1,1189 на оценочном наборе. Лицензия — Gemma. Карточка не уточняет языковой охват и ограничения по применению, поэтому их нельзя определить точнее по имеющимся сведениям.

ShenaoZ/0.0005_withdpo_4iters_bs256_2epoch_5551lr_iter_3 — диалоговая текстовая модель генерации на архитектуре Mistral с 7,1 млрд параметров. Это дообученная версия ShenaoZ/0.0005_withdpo_4iters_bs256_2epoch_5551lr_iter_2, обученная на наборах данных updated и original с применением DPO. Модель предназначена для генерации ответов в диалоге и других сценариев генерации текста; контекст составляет до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель опубликована под лицензией MIT. README не описывает результаты оценки и специфические ограничения, поэтому качество на отдельных задачах по имеющимся данным оценить нельзя.

Модель ShenaoZ/0.001_3iters_bs128_declr_nodpo_zephyrbeta_userresponse_iter_1 — дообученная чат-модель на базе HuggingFaceH4/zephyr-7b-beta. Она предназначена для генерации текста в диалоге и ответов на пользовательские запросы. Модель использует плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров; нативная длина контекста составляет 32 768 токенов. В карточке указано обучение на наборах данных updated и original, но подробности о данных и оценке отсутствуют. Лицензия — MIT.

Это диалоговая языковая модель Mistral с 7,1 млрд параметров, дообученная разработчиком ShenaoZhang на обновлённом и исходном наборах данных поверх ShenaoZhang/0.001_4iters_bs128_nodpo_only4w_userresponse_iter_1. Она предназначена для генерации текста и общения в формате чата; поддерживает контекст до 32 768 токенов. Модель распространяется в формате safetensors по лицензии MIT. Карточка не описывает конкретные сценарии применения, состав данных, оценку качества или специальные ограничения. Поэтому пригодность для задач, требующих фактической точности или специализированных знаний, следует проверять отдельно.

ShenaoZ/0.001_ablation_4iters_bs256_nodpo_useresponse_iter_3 — дообученная диалоговая модель генерации текста на архитектуре Mistral, разработанная ShenaoZ. Она основана на ShenaoZ/0.001_ablation_4iters_bs256_nodpo_useresponse_iter_2 и обучена на обновлённом и исходном наборах данных. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогового общения. Веса доступны в формате Safetensors, лицензия — MIT. Карточка не содержит сведений о целевых сценариях, результатах оценки или конкретных ограничениях качества.

Fischerboot/9-test — разговорная языковая модель для генерации текста, созданная на основе Fischerboot/8-test. В README указано, что веса получены слиянием моделей методом SLERP через mergekit; метаданные также связывают модель с Fischerboot/8-test как с базовой моделью. Архитектура — плотная LlamaForCausalLM, размер — 5,3 млрд параметров, формат весов — safetensors, контекст — до 8192 токенов. Модель предназначена для диалоговой генерации текста и может использоваться в чат-сценариях. Карточка не приводит конкретных оценок качества или специализированных областей применения. Лицензия в предоставленных данных не указана.

DollarCoderX air-nano-v0.1 — дообученная компактная языковая модель семейства Qwen2 для генерации текста и диалогов. Она основана на unsloth/qwen2.5-1.5b-instruct-unsloth-bnb-4bit и содержит 1,5 млрд параметров; для обучения использовались Unsloth и библиотека Hugging Face TRL. Модель подходит для генерации ответов и ведения диалога на английском языке. Контекст составляет до 32 768 токенов. Репозиторий содержит веса в формате safetensors; заявлена поддержка интерфейса вызова инструментов. Модель распространяется по лицензии Apache-2.0. Карточка не описывает специализацию дообучения и не приводит оценки качества, поэтому пригодность для конкретных предметных задач не подтверждена.

Карточка модели Alphacode-AI/Alphacode-MALI-11B на Hugging Face совпадает с карточкой Alphacode-AI/Alphacode-MALI-11B_slowtest, поэтому описание составлено по ней. Alphacode-MALI-11B_slowtest — диалоговая языковая модель Alphacode AI, созданная путём слияния моделей Alphacode и дообучения на собственных данных разработчика. Это плотная модель семейства Mistral с архитектурой MistralForCausalLM и 10,8 млрд параметров; она предназначена для генерации текста и общения в чате. Заявленная длина контекста составляет 32 768 токенов. В метаданных указан корейский язык. Модель обучали на восьми ускорителях A100 с использованием DeepSpeed, Hugging Face TRL Trainer и Accelerate. Репозиторий содержит веса в формате Safetensors. Лицензия — CC BY 4.0. Карточка не описывает конкретные области применения, результаты оценки качества или ограничения модели.

Amadeus-Verbo-BI-Qwen-2.5-7B-PT-BR-Instruct-Experimental — языковая модель, разработанная Amadeus AI на основе Qwen2.5-7B и дообученная на 600 тысячах инструкций в течение двух эпох. Это плотная Transformer-модель с архитектурой Qwen2 и 7,1 млрд параметров по метаданным; в карточке README указано 7,62 млрд параметров. Она предназначена для генерации текста и диалоговых ответов на бразильском португальском языке, в том числе при использовании шаблона чата. Длина контекста — 131 072 токена. Модель можно запускать через библиотеку Transformers. Метаданные указывают лицензию Apache-2.0. Карточка называет модель экспериментальной; качество и надёжность ответов для конкретных задач могут варьироваться.

ArliAI-Llama-3-8B-Instruct-DPO-v0.1 — разговорная модель OwenArli, дообученная методом DPO на основе Meta-Llama-3-8B-Instruct. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров, предназначенная для генерации ответов в диалоговом формате. Она принимает текстовые сообщения и выдаёт текст; контекст составляет 8192 токена. В репозитории указаны веса в формате Safetensors, а карточка сообщает о вариантах FP16 и GGUF. Для использования требуется соблюдать лицензию Meta Llama 3. В карточке перечисление наборов данных для DPO оставлено пустым, поэтому состав и качество обучающих данных оценить нельзя. Также не приведены результаты бенчмарков или сведения о поддерживаемых языках.

Fischerboot/banana-brot — плотная авторегрессионная языковая модель семейства Llama 3 для генерации текста и диалоговых ответов. Репозиторий создан с помощью mergekit: README описывает сборку методом passthrough из Fischerboot/LLama3-Lexi-Aura-3Some-SLERP-SLERP, а метаданные указывают на этот репозиторий как на базовую модель. Модель содержит 4 млрд параметров, принимает текст, поддерживает контекст до 8192 токенов и рассчитана на диалоговое использование. Базовая модель ориентирована на английские ответы; сведения о дополнительных языках и специализированных областях применения отсутствуют. Указана библиотека Transformers и формат весов safetensors. Лицензия в предоставленных данных не приведена.

Модель ashwaninbs/bart-cnn-samsum-finetuned — дообученная версия facebook/bart-large-cnn на датасете SAMSum. Она предназначена для создания кратких пересказов диалогов и разговорных текстов, например стенограмм бесед. Модель построена на архитектуре BART и содержит 252,8 млн параметров; максимальная длина контекста — 1024 токена. Модель работает с текстом и выдаёт текстовые резюме. В README указан результат Loss 0,1318 на оценочном наборе, но дополнительных сведений о методике оценки и ограничениях нет. Лицензия — MIT.