III.2Исследование рынка и маркетинг

KoSOLAR-v0.2-gugutypus-10.7B — авторегрессионная языковая модель с дообучением по инструкциям, созданная DongGeon Lee (oneonlee) на базе yanolja/KoSOLAR-10.7B-v0.2. Модель построена на архитектуре SOLAR с классом LlamaForCausalLM, содержит 10,6 млрд параметров и принимает текст, генерируя текст. Её родной контекст составляет 4096 токенов. Модель предназначена для генерации ответов на инструкции и общих языковых задач, особенно на корейском языке. В карточке приведены результаты оценок на корейских и англоязычных тестах, включая Ko-ARC, Ko-MMLU и MMLU. Модель опубликована в формате safetensors по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

KULLM-Mistral — разговорная языковая модель проекта KULLM, созданная на базе mistralai/Mistral-7B-Instruct-v0.2. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель дообучена на наборе KULLM и составленных вручную инструкционных данных. Она предназначена для генерации текста в диалоговом формате и выполнения инструкций; в карточке указан корейский язык. Репозиторий содержит веса Safetensors и пример загрузки через Transformers с PyTorch. Лицензия — Apache-2.0. Карточка не приводит подробных оценок качества и не описывает ограничения модели; результаты для конкретных задач следует проверять отдельно.

L3.1-Sthenorm-8B — объединённая диалоговая языковая модель семейства Llama, созданная v000000 методом SLERP с помощью mergekit. В merge вошли v000000/Llama-3.1-8B-Stheno-v3.4-abliterated и akjindal53244/Llama-3.1-Storm-8B; карточка также указывает Sao10K/Llama-3.1-8B-Stheno-v3.4 как базовую модель. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и рассчитана на контекст до 131 072 токенов. Модель предназначена для генерации текста в диалогах и ролевых сценариях. Она принимает текст и выдаёт текст; в карточке отмечена возможность чата. Данных о языках модели и лицензии в предоставленных источниках нет. Доступны веса в формате safetensors; автор также упоминает квантованные варианты GGUF, опубликованные другим пользователем.

Карточка модели longtermrisk/Llama-3.1-8B-good-vs-bad-mixed-multifact-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-good-vs-bad-mixed-multifact-last-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-good-vs-bad-mixed-multifact-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-good-vs-bad-mixed-multifact-last-third-sft-seed3 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-good-vs-bad-mixed-multifact-second-third-sft-seed3 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 GGUF-квантизированная версия языковой модели llama-3.2-Korean-Bllossom-3B, разработанной Bllossom и подготовленной квантизатором bartowski. Модель предназначена для генерации текста и ориентирована на работу с английским и корейским языками. Квантизация выполнена с использованием llama.cpp и метода imatrix; доступны варианты от F16 до низкоразрядных Q3 и IQ3, что позволяет выбирать между качеством, размером файла и требованиями к памяти. Модель подходит для локального запуска в совместимых инструментах, включая LM Studio, и может использоваться для диалогов, написания и продолжения текста, а также других задач text-generation. В README указан формат prompt-шаблона на основе специальных токенов Llama 3.2. Размер базовой модели составляет 3B параметров, однако сведения о точной архитектуре, максимальном контексте, мультимодальности и результатах оценивания не приведены; модель следует рассматривать как текстовую, без подтвержденной поддержки других модальностей. Сильной стороной является выбор вариантов квантизации: версии Q5 и Q6 заявлены как высококачественные, а Q3 и некоторые ARM-оптимизированные варианты позволяют снизить требования к оперативной памяти. Ограничения зависят от выбранного формата: более сильная квантизация может ухудшать качество, а варианты Q4_0_8_8, Q4_0_4_8 и Q4_0_4_4 предназначены для ARM и не рекомендуются для Mac или Windows. Лицензия указана как llama3.2.

Llama3-70B-Chinese-Chat-ExPO — экспериментальная чат-модель на архитектуре Llama 3, опубликованная chujiezheng. Она создана экстраполяцией ExPO с коэффициентом α=0,3 между контрольными точками SFT и DPO/RLHF; в README базами названы shenzhi-wang/Llama3-70B-Chinese-Chat и meta-llama/Meta-Llama-3-70B-Instruct. Модель содержит 69,5 млрд параметров, использует формат safetensors и рассчитана на контекст до 8192 токенов. Модель предназначена для генерации ответов в диалоге на китайском и английском языках с выравниванием по человеческим предпочтениям. В README приведены результаты оценок ExPO на AlpacaEval 2.0 и MT-Bench для нескольких других моделей, однако это не отдельная оценка именно данного 70B чекпойнта. Автор предупреждает, что китайские способности не были всесторонне проверены и при применении экстраполяции к DPO/RLHF-выравниванию для новых языков могут возникать непредвиденные проблемы. Лицензия указана как llama3; перед использованием следует соблюдать условия лицензии Llama 3.

Карточка модели BlackJagger/Llama-3-8b-Indo-Dicoding-Eksperimen-2 на Hugging Face совпадает с карточкой BlackJagger/Llama-3-8b-Indo-Dicoding-Eksperimen-1, поэтому описание составлено по ней. BlackJagger/Llama-3-8b-Indo-Dicoding-Eksperimen-1 — чат-модель, разработанная BlackJagger путём дообучения unsloth/llama-3-8b-Instruct-bnb-4bit. Она предназначена для генерации текста в диалоге и имеет плотную архитектуру Llama с 7,5 млрд параметров и контекстом до 8192 токенов. При обучении использовались Unsloth и библиотека Hugging Face TRL. Модель принимает текстовые запросы и выдаёт текстовые ответы. В метаданных указан английский язык; название предполагает индонезийский контекст, но README и метаданные не подтверждают поддержку индонезийского, поэтому приписывать её модели нельзя. Лицензия — Apache-2.0. README не описывает специализированную предметную область или проверенные показатели качества.

yooncw/Llama-3-Open-Ko-8B-Instruct-teddynote — дообученная чат-модель, разработанная yooncw на базе beomi/Llama-3-Open-Ko-8B-Instruct-preview. Она предназначена для генерации текста в диалоговом формате и ответов на запросы. Модель использует плотную архитектуру LlamaForCausalLM и содержит 7,5 млрд параметров; длина контекста составляет 8192 токена. В качестве основы указана корейско-английская чат-модель, поэтому модель рассчитана прежде всего на корейский и английский языки. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0. В карточке упоминаются Unsloth и TRL как инструменты, использованные при обучении. Отдельные ограничения качества или сферы применения в карточке не описаны.

Это конвертированная в формат MLX версия языковой модели llm-jp-13b-instruct-full-dolly-ichikara_004_001_single-oasst-oasst2-v2.0, опубликованная сообществом mlx-community. Исходная модель семейства Llama имеет плотную архитектуру LlamaForCausalLM и 13,2 млрд параметров. Модель предназначена для генерации текста и диалоговых ответов; доступный контекст — до 4096 токенов. При обучении исходной модели использовались англоязычные и японские наборы Dolly и OpenAssistant, поэтому модель ориентирована на английский и японский языки. Репозиторий содержит веса Safetensors в конвертированном формате MLX; README указывает на использование mlx-lm версии 0.12.0. Лицензия — Apache-2.0. Качество ответов и применимость к другим языкам или задачам отдельно не охарактеризованы.

Mastermax 7B — языковая модель LifeOfCoding для генерации текста и диалогов, дообученная на базе Falcon 7B. Это плотная авторегрессионная модель с архитектурой decoder-only для Transformers; в README указано 7 млрд параметров, тогда как метаданные репозитория сообщают 10,9 млрд. Дообучение проводилось на наборах OpenAssistant/oasst1 и OpenAssistant Guanaco. Модель предназначена для генерации продолжений текста и ответов в диалоге на английском и французском языках. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache 2.0. README указывает, что исходная Falcon 7B обучалась на RefinedWeb и дополнительных корпусах; для Mastermax описаны именно этап дообучения на диалоговых данных.

mergekit-community/mergekit-passthrough-dmirwnd — слитая языковая модель семейства Llama, созданная с помощью mergekit методом passthrough из hfl/llama-3-chinese-8b-instruct-v2, NousResearch/Hermes-2-Pro-Llama-3-8B и shenzhi-wang/Llama3-8B-Chinese-Chat. Репозиторий содержит веса в формате safetensors; модель рассчитана на генерацию текста и диалоговое взаимодействие. Модель объединяет возможности китайских диалоговых моделей Llama 3 и Hermes 2 Pro. Метаданные указывают размер 12,5 млрд параметров и контекстное окно 8192 токена. Карточка не сообщает результаты оценки качества или подробности лицензии, поэтому эти характеристики здесь не уточняются.

saishf/Merge-Mayhem-L3-V2.1 — объединённая диалоговая языковая модель, созданная автором репозитория с помощью mergekit и метода Model Stock. В качестве базовой использована openlynn/Llama-3-Soliloquy-8B-v2; в объединение также вошли Meta-Llama-3-8B-Instruct и модели Aura, Luna, BlueMoon, Smarts и RP_Format_QuoteAsterisk от ResplendentAI. Модель построена на архитектуре Llama, содержит около 7,5 млрд параметров и рассчитана на генерацию текста в диалоговом формате. Контекст — до 8192 токенов. Может применяться для ответов ассистента и свободного диалога; специальная область применения и отдельный набор поддерживаемых языков в карточке не заявлены. Веса опубликованы в формате safetensors и типе float16. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое. Автор отмечает неопределённость относительно того, насколько новый вариант слияния отличается от предыдущего, поэтому качество и поведение модели следует оценивать на собственных примерах.

Metis-4B — плотная мультимодальная модель с постоянной памятью, разработанная IAAR-Shanghai на основе Qwen/Qwen3.5-4B. Репозиторий содержит полные объединённые веса дообученной модели; для работы используется библиотека Transformers с пользовательским кодом модели из репозитория и версией Transformers 5.4.0 или новее. Модель предназначена для диалоговых сценариев с сохранением и использованием информации из предыдущего контекста, а также поддерживает понимание изображений и генерацию текста. В метаданных указано 3,4 млрд параметров; модель распространяется в формате safetensors и доступна по лицензии Apache-2.0. Карточка не приводит количественных оценок качества, точного размера контекста или подробностей о механизме памяти. Для загрузки требуется разрешить пользовательский код репозитория через trust_remote_code.

MFANNv0.8 — дообученная модель семейства Llama, разработанная netcat420 на датасете MFANN. Она предназначена для генерации текста и ответов в формате чата; метаданные также относят её к классификации текста. В README указано, что модель основана на Llama 3 8B и обучена на версии датасета MFANN от 5 мая 2024 года. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM, принимает текст и поддерживает контекст до 8192 токенов. В README приведены результаты на наборах ARC, HellaSwag, MMLU, TruthfulQA, WinoGrande и GSM8K, включая среднее значение 68,52; методика оценки и шкала не описаны. Модель распространяется под лицензией Llama 3. Карточка не уточняет ограничения применимости и не приводит рекомендации по использованию.

Mistral-7B-v0.1-arabic — дообученная модель на архитектуре Mistral для генерации текста и ответов на инструкции в формате диалога. Её разработал Mohamad Alhajar, используя supervised fine-tuning с заморозкой части параметров и набор данных alpaca-gpt4-ar. В README указан базовый чекпойнт mistralai/Mistral-7B-v0.1. Модель содержит 7,1 млрд параметров, принимает текст и выдаёт текст. Она рассчитана прежде всего на арабский язык; метаданные также указывают английский. Контекстное окно — до 32 768 токенов. Для запросов используется шаблон с секциями Instruction и Response. Модель предназначена для диалоговых ответов на инструкции и генерации текста. Репозиторий распространяется в формате safetensors по лицензии Apache-2.0. README содержит несоответствие в названии модели: текст карточки называет другую модель, поэтому точные настройки обучения следует трактовать с осторожностью.

Mistral-ko-7B-v0.1-Mistral-7B-Instruct-v0.1 — объединённая модель на базе Mistral-7B-Instruct-v0.1 и Mistral-ko-7B-v0.1. Разработчик объединил веса методом SLERP; архитектура — плотная авторегрессионная MistralForCausalLM с 7,1 млрд параметров. Модель предназначена для генерации текста и диалоговых ответов на инструкции, с акцентом на корейский язык. Поддерживает контекст до 32 768 токенов. Модель можно использовать для корейского диалога и генерации ответов на запросы в формате инструкций. Файлы весов опубликованы в формате safetensors. Лицензия — Apache-2.0. Качество и ограничения унаследованы от исходных моделей и результата слияния; в карточке отдельные оценки не приведены.

Monsoon 7B exp-1 — экспериментальная объединённая языковая модель на архитектуре Mistral, созданная автором yuuko-eth методом DARE-TIES из двух дообученных моделей размером около 7 млрд параметров. В качестве базовой модели использована MediaTek-Research/Breeze-7B-Instruct-v0_1, также в объединении участвовала SanjiWatsuki/Silicon-Maid-7B. Модель предназначена для генерации текста и диалогов. Для работы следует использовать рекомендованный формат запросов Breeze-7B-Instruct или Silicon-Maid-7B. Модель принимает текст и выдаёт текст; заявлены китайский и английский языки. Контекст составляет до 32 768 токенов. Это экспериментальная сборка слияния, поэтому её поведение и качество могут быть непредсказуемыми; для надёжного применения нужна самостоятельная оценка. Лицензия в метаданных обозначена как unknown.

zxcd1/MyModel_xh — разговорная языковая модель, разработанная zxcd1 и дообученная на базе unsloth/DeepSeek-R1-Distill-Qwen-1.5B-unsloth-bnb-4bit. Модель построена на архитектуре Qwen2 и предназначена для генерации текста в диалоге; обучение проводилось с использованием Unsloth и библиотеки Hugging Face TRL. Репозиторий содержит веса в формате safetensors. В метаданных указаны 7,1 млрд параметров и контекст до 131 072 токенов; модель помечена как англоязычная. Она распространяется по лицензии Apache-2.0. Карточка не описывает специализацию дообучения, данные обучения или результаты оценки, поэтому качество для конкретных предметных областей определить нельзя.

ltg/nort5-base-en-no-translation — модель семейства NorT5, дообученная для перевода документов между английским, норвежским букмолом и норвежским нюношком во всех направлениях. Модель построена на архитектуре NorT5ForConditionalGeneration и содержит 109 млн параметров; она принимает текст и генерирует текстовый перевод. Для лучшего качества рекомендуется передавать целые абзацы, поскольку модель обучалась на переводе от абзаца к абзацу, а не отдельных сегментированных предложений. Длина контекста — 512 токенов. Модель выпущена в формате PyTorch по лицензии CC BY 4.0.

Nusantara-7b-Indo-Chat — диалоговая языковая модель Kalis AI для индонезийского языка, дообученная на базе Qwen1.5-4B. Это трансформерная авторегрессионная модель Qwen2 с 7,1 млрд параметров и контекстом до 32 768 токенов; веса доступны в формате safetensors. Модель предназначена для ответов на вопросы и выполнения инструкций на индонезийском языке. Она также поддерживает английский; среди источников обучения указаны OpenHermes 2.5, Википедия и набор инструкций на индонезийском языке. Лицензия репозитория — Apache-2.0, при использовании также необходимо соблюдать лицензию Qwen. Разработчик предупреждает, что обучение на наборах данных без фильтрации может приводить к предвзятым или вредоносным ответам.

openchat-nectar-0.5 — диалоговая языковая модель, созданная Andy Salerno дообучением OpenChat 3.5 на базе Mistral с помощью DPO на отфильтрованной части набора Berkeley Nectar. Обучение длилось 5000 шагов — полный проход по выбранным данным; для сравнения ответов использовались примеры с несколькими ходами диалога, а отклоняемыми выбирались ответы с четвёртым рейтингом. Из набора исключили примеры с good_natured=False. Модель предназначена для многоходового общения и генерации ответов в формате чата. Она содержит 7,1 млрд параметров, использует плотную архитектуру Mistral и поддерживает контекст до 8192 токенов. В карточке указана лицензия Apache-2.0. Описание обучения указывает на фильтрацию данных, которая могла повлиять на склонность модели к отказам; независимые сравнительные выводы из приведённых результатов оценки сделать нельзя.

opencsg/Phi-3.5-Chinese — 基于 Phi-3.5-mini-instruct 特别处理的中文监督微调版本，由 OpenCSG 发布。 Модель предназначена для диалогов и вопросов на китайском языке: она точнее понимает китайский текст и чаще отвечает по-китайски, с настройкой на качество ответов и удобство общения. Это плотная причинная языковая модель семейства Phi-3 с 3,7 млрд параметров и контекстом 4096 токенов; поддерживает чат и распространяется в формате safetensors. Лицензия в предоставленных данных не указана.

Модель Bharatdeep-H/portfolio-query-qwen-2.5-7b-v5-cot разработана Bharatdeep-H и представляет собой дообученную диалоговую модель Qwen2.5 на 7,1 млрд параметров. В качестве основы использована unsloth/qwen2.5-7b-instruct-bnb-4bit; при обучении применялись Unsloth и библиотека TRL. Модель предназначена для генерации текста в диалоговом формате, а интерфейс также предусматривает вызов инструментов. Модель принимает текст и генерирует текст, поддерживает английский язык и контекст до 32 768 токенов. Репозиторий содержит веса PyTorch, лицензия — Apache-2.0. Карточка не раскрывает конкретные сценарии работы с портфельными запросами и результаты оценки качества, поэтому специализацию по одному лишь названию модели нельзя считать подтверждённой.

robinsmits/Qwen1.5-7B-Dutch-Chat-Sft-Bf16 — чат-модель на базе Qwen1.5-7B-Chat, дообученная разработчиком на нидерландской части датасета BramVanroy/ultrachat_200k_dutch и опубликованная как объединённая версия адаптера. Это плотная авторегрессионная модель Qwen2ForCausalLM с 7,1 млрд параметров, рассчитанная на генерацию текста в диалоге и контекст до 32 768 токенов. Модель подходит для общения и ответов на вопросы на нидерландском языке. В репозитории представлены веса в формате safetensors. Модель может выдавать предвзятые ответы и галлюцинации, поэтому результаты следует проверять. Датасет обучения не допускает коммерческого использования; лицензия модели — CC BY-NC 4.0.

Antonwen/Qwen2.5-0.5B-Instruct-Gensyn-Swarm-pale_wary_bear — дообученная Antonwen модель на основе unsloth/Qwen2.5-0.5B-Instruct, созданная с помощью TRL. Это плотная авторегрессионная языковая модель семейства Qwen2 для диалогов и генерации текста; она поддерживает чатовый формат и запускается через Transformers. Модель содержит около 494 млн параметров и имеет контекст длиной до 32 768 токенов. В карточке не описана специализация по языку или предметной области, а обучение связано с Gensyn Swarm и GRPO. Лицензия в предоставленных данных не указана.

Модель HarithSami/qwen2.5-14b-instruct-arabic-yt-merged разработана HarithSami как дообученная версия Qwen2.5-14B Instruct. Это плотная авторегрессионная модель семейства Qwen2 для генерации текста и диалогового общения; карточка указывает обучение с Unsloth и библиотекой TRL. Модель содержит 14 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Метаданные отмечают интерфейс вызова инструментов. Название указывает на арабскую тематику и данные YouTube, однако карточка не описывает конкретные навыки или результаты по этим направлениям, поэтому их нельзя считать подтверждёнными. В метаданных указан английский язык. Модель опубликована под лицензией Apache-2.0. Карточка не приводит оценок качества или подробных ограничений; пригодность для конкретных задач следует проверять отдельно.