III.2Исследование рынка и маркетинг

zelk12/MT-MMA-gemma-2-9B — объединённая языковая модель на архитектуре Gemma 2, опубликованная пользователем zelk12. Модель создана методом SLERP в mergekit из zelk12/MT-MU-gemma-2-Rv0.3G-9B и zelk12/MT-MM-gemma-2-AAIF-9B; размер составляет 9 млрд параметров, формат весов — safetensors, тип модели — плотная авторегрессионная языковая модель для генерации текста. В метаданных указана поддержка диалогового режима и контекст длиной до 8192 токенов. Модель предназначена для диалоговой генерации текста и творческого письма. Она принимает текст и генерирует текст; сведения о специализации по языкам или предметным областям в предоставленных данных отсутствуют. Лицензия в метаданных и README не указана.

Это нейронная модель машинного перевода OPUS-MT, разработанная в рамках проекта OPUS-MT и выпущенная Helsinki-NLP. Модель переводит текст с английского на итальянский и построена на архитектуре Transformer-big, реализованной с помощью Marian NMT. Для токенизации используется SentencePiece с словарями размером 32 тыс. токенов для каждого языка. Модель предназначена для автоматического перевода английских предложений и текстов на итальянский, например, для локализации материалов и перевода пользовательских запросов. Она содержит около 156,4 млн параметров; длина контекста — до 1024 токенов. В README приведены результаты оценки на наборах Tatoeba, FLORES-101 и новостном тестовом наборе. Модель принимает текст на английском и выдаёт текст на итальянском. Она специализируется на одной языковой паре и не предназначена для универсального многоязычного перевода. Лицензия — CC BY 4.0; при использовании следует соблюдать её условия и требования к атрибуции.

bunnycore создал TitanFusion-0.1 — объединённую методом TIES языковую модель на архитектуре Phi-3.5. В основу взята microsoft/Phi-3.5-mini-instruct, также включены веса ArliAI/Phi-3.5-mini-3.8B-ArliAI-RPMax-v1.1 и nbeerbower/phi3.5-gutenberg-4B. Модель содержит 3,7 млрд параметров, использует архитектуру Phi3ForCausalLM и формат safetensors; для работы указана библиотека Transformers. Контекст составляет 4096 токенов. Модель предназначена для генерации текста и диалогов, ролевых сценариев, творческого письма и рассуждений. Карточка не уточняет поддерживаемые языки и лицензию, поэтому их нельзя надёжно определить по представленным данным.

Карточка модели DQN-Labs/qwen306b-rl-exp2 на Hugging Face совпадает с карточкой DQN-Labs/qwen306b-rl-exp1, поэтому описание составлено по ней. DQN-Labs выпустила дообученную языковую модель на архитектуре Qwen3 для генерации текста и диалогового общения. В основе лежит unsloth/qwen3-0.6b-base-unsloth-bnb-4bit; модель дообучали с использованием Unsloth и библиотеки TRL от Hugging Face. Модель принимает текст и генерирует текст. Она поддерживает английский язык, имеет контекстное окно 32 768 токенов и содержит 507,9 млн параметров. В репозитории указаны веса в формате safetensors и лицензия Apache-2.0. Карточка не описывает специализацию дообучения, обучающие данные или результаты оценки качества, поэтому пригодность для конкретных предметных областей не установлена.

Qwen-portuguese-luana-7b — разговорная языковая модель, разработанная Rhaymison и дообученная на базе Qwen1.5-7B-Chat на наборе из 250 тысяч диалогов на португальском языке. Это плотная декодерная модель семейства Qwen2 с 7,1 млрд параметров, поддержкой чата и контекстом до 32 768 токенов; она работает с текстом и создаёт текстовые ответы. Модель предназначена для диалогов на португальском языке, ответов на вопросы и следования инструкциям в чат-сценариях. В карточке приведены результаты оценки на Open Portuguese LLM Leaderboard. Для запуска используется Transformers; автор отмечает, что при ограниченной видеопамяти можно применять 4- или 8-битную квантизацию. Модель распространяется по лицензии Apache-2.0.

sarvamai_sarvam-m-GGUF — это набор квантизированных версий языковой модели sarvam-m, разработанной Sarvam AI и преобразованной в формат GGUF пользователем bartowski с использованием llama.cpp и imatrix-квантизации. Модель предназначена для генерации текста и может запускаться локально через llama.cpp, LM Studio и другие совместимые проекты. В README указана поддержка английского, бенгальского, хинди, каннада, гуджарати, маратхи, малаялам, ория, пенджаби, тамильского и телугу. Доступны варианты от BF16 размером 47,15 ГБ до низкобитных квантов примерно от 9,28 ГБ; наиболее качественными названы версии Q6_K_L, Q6_K, Q5_K_L, Q5_K_M, Q5_K_S и некоторые варианты Q4. Квантизация уменьшает требования к памяти, но может снижать качество по сравнению с исходными весами, особенно у низкобитных вариантов. Архитектура, число параметров и размер контекста в представленном README не указаны. Лицензия модели — Apache-2.0. Конкретные показатели качества, ограничения по сценариям применения и рекомендации по аппаратным требованиям, помимо размеров файлов квантов, не приведены.

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_e2e_alignment-6k_7k_8k_weightedavg_merge — слияние нескольких предварительно обученных языковых моделей, созданное с помощью mergekit методом Linear. В качестве базовой использована модель с шага обучения 8000; в слияние также вошли чекпойнты шагов 6000 и 7000. Модель основана на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и работает через библиотеку Transformers в формате safetensors. Модель предназначена для генерации текста и диалогового взаимодействия. Контекст составляет до 16 384 токенов. В карточке не приведены сведения о специализации по языкам, предметным областям или конкретных преимуществах качества. Условия лицензирования в доступных данных не описаны.

Starfinite-Laymospice-v2-7B — языковая модель от ABX-AI, полученная слиянием моделей Starfinite-Laymons-7B и Spicy-Lemonade-v2-7B методом SLERP с помощью mergekit. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров; она предназначена для генерации текста. Контекстное окно составляет 32 768 токенов, веса опубликованы в формате safetensors и рассчитаны на работу через Transformers. Модель объединяет Starling, InfinityRP, LemonadeRP и TheSpice, а также Infinitely Laydiculous. Карточка не приводит подробных оценок качества, перечня языков или условий лицензирования, поэтому конкретные преимущества, языковой охват и права использования установить нельзя.

trinhkhng/ties_Merged_Qwen2-0.5B_0.2 — языковая модель, полученная автором путём слияния моделей методом TIES с помощью mergekit. В качестве базовой использована Qwen2-0.5B, а в слияние включена debias_Qwen2-0.5B. Модель построена на архитектуре Qwen2ForCausalLM и содержит около 493,7 млн параметров; доступна в формате safetensors и рассчитана на контекст до 131 072 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Карточка указывает на слияние с моделью debias, но не приводит оценок качества или подробного описания её поведения. Лицензия в предоставленных данных не указана.

Tower-7B-d2d — языковая модель Unbabel, опубликованная в рамках исследования Doc2FRC. Это полно-параметрически дообученная версия Unbabel/TowerInstruct-Mistral-7B-v0.2 на базе Mistral с 7,1 млрд параметров, предназначенная для перевода целых документов между английским и девятью другими языками: немецким, испанским, французским, итальянским, корейским, нидерландским, португальским, русским и китайским. Модель обучалась на параллельных данных DocBlocks непосредственно для перевода «документ в документ» и поддерживает контекст до 32 768 токенов. Модель принимает текстовый запрос с исходным и целевым языками и выдаёт перевод в виде текста. Она ориентирована на сохранение связности перевода на уровне документа; рекомендованный формат запроса использует ChatML-подобную структуру. Для воспроизведения настроек вывода и оценки авторы направляют к материалам проекта Doc2FRC. Модель распространяется по лицензии CC BY-NC-SA 4.0; доступна только для использования на условиях этой лицензии.

wmt19-finetuned-it-de-to-en — дообученная модель FSMT для перевода с немецкого на английский, основанная на facebook/wmt19-de-en. В карточке указаны 100,7 млн параметров, контекст до 1024 токенов и формат весов safetensors. Модель опубликована под лицензией Apache-2.0. Модель предназначена для машинного перевода немецких текстов на английский. В README приведены результаты оценки на наборе для оценки: BLEU 44,9149 и loss 0,1326; обучающий набор данных не раскрыт. Основа модели — портированная FSMT-модель Facebook FAIR для перевода с немецкого на английский.

Модель ymoslem/wmt25-cs-de-24layers-2e-05-100k-news-sentences-doc-eval — дообученная версия Aya-Expanse-8B-De-24Layers, созданная с помощью TRL. Это плотная авторегрессионная языковая модель семейства Cohere с 6,3 млрд параметров, предназначенная для генерации текста в диалоговом формате. Она подходит для ответов на запросы и ведения текстовых бесед; максимальная длина контекста составляет 8192 токена. Модель опубликована в формате safetensors и рассчитана на запуск через Transformers. В README не указаны специальные ограничения или прикладная область. Лицензия в предоставленных данных не указана.

ShenaoZ/0.00001_withdpo_4iters_bs256_531lr_iter_3 — разговорная языковая модель, дообученная на основе ShenaoZ/0.00001_withdpo_4iters_bs256_531lr_iter_2 на обновлённом и исходном наборах данных. Она использует плотную архитектуру MistralForCausalLM с 7,1 млрд параметров и предназначена для генерации текста и диалогов. Модель принимает текст и выдаёт текст; длина контекстного окна — до 32 768 токенов. Карточка не описывает конкретные сценарии, результаты оценки или известные ограничения качества. Модель опубликована в формате safetensors под лицензией MIT.

Это дообученная чат-модель Mistral с 7,1 млрд параметров, созданная на основе ShenaoZ/0.001_3iters_bs128_declr_nodpo_useresponse_iter_1. Модель обучена на наборах данных updated и original и предназначена для генерации текста в диалоге; поддерживает контекст длиной до 32 768 токенов. Модель принимает текст и генерирует текстовые ответы. В карточке не приведены сведения о конкретных сценариях применения, языках или оценке качества. Распространяется по лицензии MIT.

Это дообученная диалоговая модель Mistral с 7,1 млрд параметров, созданная на основе HuggingFaceH4/mistral-7b-sft-beta. Её дообучили на наборе синтетических предпочтений HuggingFaceH4/ultrafeedback_binarized; архитектура — плотная MistralForCausalLM, формат весов — safetensors. Модель предназначена для генерации текста в диалогах: она может отвечать на вопросы и поддерживать текстовое общение. Контекст составляет до 32 768 токенов. Карточка не описывает отдельные специализированные области применения или оценку качества. Лицензия — MIT.

ShenaoZ/0.01_withdpo_4iters_bs256_531lr_iter_3 — диалоговая языковая модель, разработанная ShenaoZ и дообученная методом DPO на обновлённом и исходном наборах данных. Она основана на Mistral и предназначена для генерации текста в чат-сценариях. Модель содержит 7,1 млрд параметров, принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. Репозиторий распространяет веса в формате safetensors по лицензии MIT. Карточка не раскрывает назначение и состав обучающих данных, результаты оценки или конкретные сильные стороны, поэтому качество ответов и пригодность для отдельных областей по имеющимся сведениям оценить нельзя.

Модель ShenaoZhang/0.1_4iters_bs256_nodpo_only4w_iter_2 — дообученная разговорная языковая модель семейства Mistral с 7,1 млрд параметров. Она создана на основе ShenaoZhang/0.1_4iters_bs256_nodpo_only4w_iter_1 и обучена на обновлённом и исходном наборах данных. Модель предназначена для генерации текста в диалоговом формате и поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате Safetensors и распространяется по лицензии MIT. Карточка не приводит сведений об оценках качества или конкретных ограничениях применения.

Карточка модели mirlab/AkaLlama-llama3-70b-v0.1 на Hugging Face совпадает с карточкой snupilab/AkaLlama-llama3-70b-v0.1, поэтому описание составлено по ней. AkaLlama-llama3-70b-v0.1 — языковая модель Yonsei MIRLab для генерации текста и диалогового общения на корейском и английском языках. Это плотная авторегрессионная модель семейства Llama 3 с архитектурой LlamaForCausalLM и 69,5 млрд параметров; она дообучена на смеси общедоступных наборов данных, отобранных лабораторией MIR Lab, на основе meta-llama/Meta-Llama-3-70B-Instruct. Модель предназначена для практических задач, включая ответы на вопросы, диалоги, создание историй и редактирование текстов. Веса доступны в формате Safetensors для Transformers, контекст — до 8192 токенов. Карточка приводит результаты оценки на LogicKor: средняя оценка 7,04 по трём случайным сида́м. Разработчики предупреждают, что ответы могут быть неточными, предвзятыми или плохо согласованными с запросом; качество зависит от системного промпта и параметров генерации, поэтому модель требует проверки для конкретного применения. В метаданных указана лицензия other, а карточка README называет лицензию llama3.

BanglaLLM/BanglaLLama-3-8b-bangla-alpaca-orca-instruct-v0.0.1 — языковая модель BanglaLLM на архитектуре Llama для генерации текста и выполнения инструкций на бенгальском и английском языках. Это плотная причинная языковая модель объёмом 7,5 млрд параметров с контекстом до 8192 токенов; веса опубликованы в формате safetensors. Модель дообучена на наборе BanglaLLM/bangla-alpaca-orca поверх BanglaLLM/BanglaLLama-3-8b-unolp-culturax-base-v0.0.1, предварительно обученной на unolp/culturax. Модель предназначена для генерации ответов и продолжения текста, в частности для инструктивных запросов на бенгальском и английском языках. Карточка сообщает, что модель готова к инференсу и ориентирована на причинное языковое моделирование. В метаданных указана лицензия llama3; README отдельно называет GNU General Public License v3.0, поэтому условия лицензирования в источниках расходятся. Модель не проходила детоксикацию и может генерировать вредные или оскорбительные ответы; результаты следует проверять, особенно в публичных и чувствительных сценариях.

Bella-Bartender — разговорная модель с выраженной персоной, созданная разработчиком juiceb0xc0de на основе unsloth/llama-3.2-3b-instruct с помощью дообучения Unsloth. Это плотная авторегрессионная модель семейства Llama с 3,2 млрд параметров, рассчитанная на диалог в манере непринуждённого, прямого и остроумного собеседника. Образ бармена задаёт стиль общения, а не сценарий работы в баре или ролевую игру. Модель предназначена для естественной беседы, творческого письма, редактирования и перефразирования текста, а также суммаризации, перевода и анализа текста. Обучение основано на тысячах ходов реальных разговоров одного человека с GPT, Perplexity и Claude, преобразованных так, чтобы модель воспроизводила авторский голос. Указанная длина контекста — 131 072 токена; основной язык карточки — английский. Модель принимает текст и генерирует текст. Сильная сторона Bella — последовательный разговорный стиль и удержание заданной персоны; автор также отмечает способность поддерживать философские беседы. Как модель на 3,2 млрд параметров, она уступает более крупным моделям в сложных многошаговых рассуждениях; может пропускать сарказм и идиомы, терять нить в длинных разговорах и иногда выдавать неверные сведения. Лицензия — Apache-2.0.

Двуязычная разговорная модель rinna на базе GPT-NeoX, дообученная следовать инструкциям с помощью supervised fine-tuning и PPO-обучения с подкреплением на основе отзывов людей. Она предназначена для диалога и генерации ответов на японском и английском языках. В README указаны 36 слоёв и размер скрытого слоя 2816; метаданные каталога указывают 4,8 млрд параметров и контекст 2048 токенов. Модель принимает текстовые диалоги в формате с ролями «ユーザー» и «システム» и генерирует текстовый ответ. Авторы сообщают, что PPO улучшил разговорный опыт по сравнению с версией SFT, но не повысил результаты на японских языковых бенчмарках. Результат чувствителен к параметрам декодирования, поэтому их следует подбирать под задачу. Лицензия — MIT.

BLOSSOM-v1-baichuan-7b — диалоговая языковая модель, созданная на основе предобученной Baichuan-7b и дообученная по инструкциям на 60 тысячах примеров из набора Blossom chat. Она предназначена для генерации ответов в диалоге: модель получает текстовый запрос в формате беседы и продолжает его ответом от имени бота. Модель имеет плотную архитектуру BaiChuanForCausalLM с 6,7 млрд параметров и контекстное окно 4096 токенов. Модель поддерживает китайский и английский языки. Репозиторий содержит веса PyTorch; лицензия — Apache-2.0. Карточка показывает сценарий диалогового использования, но не приводит оценок качества или подробных ограничений; результаты могут зависеть от формата запроса и состава исходных данных.

CabraMistral-v3-7b-32k — разговорная языковая модель, созданная командой Cabra Robotics путём дообучения Mistral 7B Instruct v0.3 на внутреннем наборе Cabra12k. Модель построена на архитектуре Mistral с Grouped-Query Attention, Sliding-Window Attention и токенизатором Byte-fallback BPE; содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель оптимизирована для португальского языка и предназначена для диалогов и генерации ответов на текстовые запросы. В README приведены результаты оценки на португалоязычных тестах Open Portuguese LLM Leaderboard. Репозиторий содержит веса safetensors; автор также упоминает квантизованные варианты GGUF в отдельной ветке. Модель распространяется по лицензии Apache-2.0. Качество и фактическая эффективность зависят от задачи; данные обучения Cabra12k описаны как внутренние, а подробности набора в карточке не приведены.

ChatBerry — дообученная artindnr чат-модель на архитектуре gpt_oss, предназначенная для прямых ответов без отдельного канала рассуждений. Она создана на основе artindnr/strawberry-1, а тот, согласно карточке, дообучен от openai/gpt-oss-20b. Модель содержит 1,6 млрд параметров, использует формат safetensors и поддерживает контекст до 131 072 токенов. Модель предназначена для общих диалоговых помощников на фарси и английском, а также для многоязычного чата и сценариев, где нужны краткие ответы без отображения цепочки рассуждений. Автор указывает, что ChatBerry обучена на крупнейшем наборе данных в семействе и улучшает следование инструкциям по сравнению с предыдущими версиями линейки; независимые результаты оценки в карточке не приведены. Модель распространяется по лицензии Apache 2.0. Она может ошибаться и наследует ограничения базовой модели; явное пошаговое рассуждение не выводит. В README также отмечено отсутствие дополнительной настройки безопасности сверх унаследованной от базовых моделей.

ChatBerry-1 — дообученная artindnr чат-модель на архитектуре gpt_oss, созданная на базе artindnr/strawberry-1, которая, в свою очередь, дообучена на openai/gpt-oss-20b. Модель генерирует прямые ответы без отдельного канала рассуждений и предназначена для повседневного диалога на фарси, английском и других языках. По метаданным, она содержит 1,6 млрд параметров и поддерживает контекст до 131 072 токенов. Модель подходит для чат-ассистентов и сценариев, где важны простота интеграции и быстрые ответы без отображения рассуждений. Она сохраняет многоязычные возможности Strawberry-1, но не предназначена для задач, которым полезны явные пошаговые рассуждения. Возможны галлюцинации; отдельная настройка безопасности сверх унаследованной от базовых моделей не проводилась. Распространяется по лицензии Apache 2.0.

logan7000/cogrpo-n3-ring-qwen25-3b-x-llama32-3b-x-granite2b-math345-groupB-llama32-end — диалоговая языковая модель на архитектуре Llama, дообученная автором на основе meta-llama/Llama-3.2-3B-Instruct с использованием TRL. Она предназначена для генерации текста и ответов в формате чата. Модель содержит 3,2 млрд параметров, принимает текст и поддерживает контекст до 131 072 токенов. Карточка не описывает специальную предметную область или преимущества дообучения; доступные данные указывают на общий сценарий диалога. Модель распространяется в формате safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

jb723/cross_lingual_epoch2 — языковая модель на архитектуре Llama, разработанная автором репозитория на основе начальных параметров meta-llama/Llama-2-7b-hf. Модель обучена с использованием Kullm v2, наборов инструкций Alpaca и Dolly, данных ShareGPT и корейско-английского параллельного корпуса AIHub; параллельные данные преобразовали в инструкции на перевод, после чего провели дообучение. Используется токенизатор Llama 2 от Beomi. Модель предназначена для генерации текста по инструкциям, в том числе для перевода между корейским и английским языками. Она содержит 6,7 млрд параметров, построена как плотная авторегрессионная модель Llama и имеет контекст длиной 2048 токенов. Репозиторий распространяет веса в формате PyTorch по лицензии MIT. Карточка не приводит оценок качества или подробных результатов тестирования.

Katayoon/DPO-ONLY-Zephyr-7B-2-iter-2 — разговорная языковая модель, разработанная Katayoon и дообученная на основе Katayoon/DPO-ONLY-Zephyr-7B-2-iter-1 на обновлённом и исходном наборах данных. Модель использует плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров; она предназначена для генерации текста в диалоговом формате, включая ответы на сообщения пользователя. Длина контекста — 32 768 токенов. Модель распространяется в формате Safetensors по лицензии MIT. Карточка не содержит подробных сведений о языках обучения, качестве ответов и ограничениях, поэтому эти характеристики нельзя надёжно уточнить.

jaspionjader/fr-13-8b — разговорная языковая модель, созданная разработчиком Jaspion Jader объединением предварительно обученных моделей jaspionjader/fct-14-8b и jaspionjader/fr-12-8b. Для слияния использован метод SLERP через mergekit; архитектура — плотная LlamaForCausalLM, размер — 7,5 млрд параметров. Модель предназначена для генерации текста и диалоговых ответов. Она принимает текст и выдаёт текст; заявленная длина контекста — 131 072 токена. Карточка не сообщает о специализированной области применения или поддерживаемых языках. Файлы опубликованы в формате safetensors; лицензия не указана в предоставленных данных.