III.2Исследование рынка и маркетинг

Модель lidiya/bart-large-xsum-samsum — дообученная версия facebook/bart-large-xsum, созданная для суммаризации диалогов. Она основана на архитектуре BART и содержит 252,8 млн параметров; принимает текст и генерирует текстовое резюме. Модель обучалась на датасете SAMSum, содержащем диалоги на английском языке, и поддерживает задачу summarization. Максимальная длина контекста составляет 1024 токена. В карточке приведены результаты оценки на SAMSum: ROUGE-1 — 54,3921, ROUGE-2 — 29,8078 и ROUGE-L — 45,1543. Модель подходит для краткого пересказа переписок и диалогов на английском языке. Распространяется по лицензии Apache-2.0.

CarbonVillain-en-10.7B-v1 — англоязычная разговорная языковая модель семейства Llama, опубликованная jeonsworld. Это плотная авторегрессионная модель на 10,6 млрд параметров для генерации текста в формате диалога; заявленный контекст — 4096 токенов. Карточка приводит результаты оценивания, включая ARC и HellaSwag, но не описывает подробно процедуру обучения или полный набор тестов. Модель подходит для англоязычных диалогов и генерации ответов по шаблону User/Assistant. Метаданные отмечают объединение моделей методом SLERP, поэтому модель является merge-производной; базовые компоненты не указаны. Распространяется по лицензии CC BY-NC 4.0, допускающей использование с соблюдением атрибуции и ограничением на коммерческое применение.

Chronos-70b-v2 — языковая модель от elinas для генерации текста и диалогов, основанная на базовой модели Llama 2 Base. Это плотная авторегрессионная архитектура Llama с 68,7 млрд параметров; опубликованная версия использует PyTorch и SafeTensors в точности FP16 и имеет контекст до 4096 токенов. Модель предназначена прежде всего для чатов, ролевых диалогов и написания историй, а также заявлена улучшенная способность к рассуждению и логике. Для работы автор рекомендует формат инструкций Alpaca: запрос оформляется блоками Instruction и Response. Модель генерирует связный длинный текст и, по заявлению автора, не имеет встроенных ограничений на содержание. Полная версия слишком велика для потребительской видеокарты; автор указывает на доступные квантованные варианты. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

EE-Maid-7B-Slerp — объединённая модель для генерации текста, созданная с помощью LazyMergekit из SanjiWatsuki/Silicon-Maid-7B и maywell/Synatra-7B-v0.3-RP методом slerp. Это плотная Mistral-модель с 7,1 млрд параметров; веса представлены в формате Safetensors, контекст составляет 8192 токена. Базовые модели связаны с чат-генерацией и ролевыми диалогами; в сводке базовой модели также отмечена поддержка корейского языка. Карточка не сообщает отдельных оценок качества или подробных ограничений. Лицензия в предоставленных данных не указана.

ELYZA-japanese-Llama-2-13b — плотная авторегрессионная языковая модель семейства Llama 2, разработанная командой ELYZA. Модель основана на Llama 2 и прошла дополнительное предварительное обучение для расширения возможностей работы с японским языком. В карточке указаны разработчики: Акира Сасаки, Масато Хиракава, Синтаро Хориэ, Томоаки Накамура, Сэм Пассалия и Дайсукэ Оба. Модель содержит 12,9 млрд параметров по метаданным Hugging Face (в README указано 13,02 млрд), использует архитектуру LlamaForCausalLM и принимает текст для генерации текста. Указанная длина контекста — 4096 токенов. Метаданные отмечают японский и английский языки; основная цель дополнительного обучения — повысить качество работы на японском. Модель подходит для генерации японского текста и других задач продолжения текста. README не приводит результатов оценки качества или подробных рекомендаций по применению. Репозиторий использует лицензию llama2, поэтому условия использования определяются лицензией Llama 2.

Карточка модели elyza/ELYZA-japanese-Llama-2-7b на Hugging Face совпадает с карточкой elyza/ELYZA-japanese-Llama-2-7b-instruct, поэтому описание составлено по ней. ELYZA-japanese-Llama-2-7b-instruct — языковая модель ELYZA на архитектуре Llama 2, предназначенная для генерации текста и инструкционного диалога. Модель расширяет способности Llama 2 к японскому языку дополнительным предварительным обучением; в карточке она указана как версия instruct семейства ELYZA-japanese-Llama-2-7b. Разработчики: Akira Sasaki, Masato Hirakawa, Shintaro Horie и Tomoaki Nakamura. Модель содержит около 6,6 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текст, выдавая текст. Контекст составляет 4096 токенов. В метаданных указаны японский и английский языки; основное назначение — работа с японским текстом, включая ответы по инструкциям и генерацию. Модель распространяется по лицензии Llama 2. Карточка не приводит подробных оценок качества или ограничений; как и другие языковые модели, она может выдавать неточные или вымышленные сведения.

ERNIE-Image-GGUF — GGUF-квантованная версия модели ERNIE-Image, разработанной командой ERNIE-Image компании Baidu и опубликованной в формате для экосистемы GGML. Квантование выполнено Unsloth с использованием методологии Unsloth Dynamic 2.0: важные слои сохранены в более высокой точности для поддержания качества. Для интеграции также используются инструменты ComfyUI-GGUF. Модель предназначена для генерации изображений по текстовому описанию. Она ориентирована на сложное следование инструкциям, точную передачу нескольких объектов и их взаимосвязей, генерацию структурированных композиций, коммерческих плакатов, комиксов, раскадровок, многостраничных макетов, инфографики и изображений с большим объёмом текста. Поддерживаются реалистичная фотография, дизайн-ориентированные изображения и различные стилизованные визуальные направления. Базовая ERNIE-Image построена на однопоточной архитектуре Diffusion Transformer (DiT) с 8 млрд параметров и может работать на потребительских GPU с 24 ГБ видеопамяти. В состав исходной модели также входит облегчённый Prompt Enhancer, расширяющий короткие запросы в более подробные структурированные описания. Сильные стороны модели — компактный размер, высокая точность следования сложным запросам, качество рендеринга плотного и длинного текста, а также способность формировать изображения с заданной структурой и компоновкой. README не указывает поддерживаемые языки, максимальный контекст или точные требования к памяти именно для этой GGUF-квантизации; производительность и итоговое качество могут зависеть от уровня квантизации и используемого программного обеспечения. Модель распространяется по лицензии Apache-2.0.

ssmits/Falcon2-8B-Portuguese — языковая модель семейства Falcon для генерации текста, созданная слиянием предварительно обученных моделей с помощью mergekit и метода passthrough. В README указана одна включённая модель — ssmits/Falcon2-5.5B-Portuguese; метаданные также связывают её с этим репозиторием, хотя помечают связь как дообучение. Модель предназначена для генерации текста и диалоговых сценариев. Метаданные указывают архитектуру FalconForCausalLM, плотную архитектуру, 11,8 млрд параметров и контекст до 8192 токенов. Карточка сообщает о португальском варианте модели; отдельные сведения о качестве и ограничениях в README не приведены. Файлы доступны в формате safetensors, библиотека — Transformers. Условия лицензии в предоставленных данных не указаны.

flammen15X-mistral-7B — языковая модель FlammenAI на архитектуре Mistral, созданная слиянием предварительно обученных моделей и последующим дообучением методом Direct Preference Optimization на наборах Gutenberg DPO и Chai DPO. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Модель предназначена для ролевых диалогов с персонажами, творческого письма и задач общего языкового общения. В карточке также заявлена ориентация на общие интеллектуальные задачи. Модель распространяется в формате safetensors для Transformers по лицензии Apache-2.0.

flammen23-mistral-7B — языковая модель на архитектуре Mistral с 7,1 млрд параметров, разработанная FlammenAI. Модель создана слиянием предварительно обученных моделей и последующим дообучением методом Direct Preference Optimization на датасете nbeerbower/bible-dpo; в метаданных базовой моделью указана flammenai/flammen22X-mistral-7B. Модель предназначена для ролевых диалогов с персонажами, творческого письма и задач общего назначения. Она принимает текст и генерирует текст, работает через Transformers, а заявленная длина контекста составляет 32 768 токенов. Модель распространяется под лицензией Apache-2.0. Карточка не приводит подробных результатов оценки качества; специализация на ролевой игре и творческом письме заявлена разработчиком.

SameedHussain/gemma-2-2b-it-Flight-Multi-Turn-V3-DPO — диалоговая модель генерации текста, разработанная SameedHussain методом дообучения Gemma 2 2B Instruct с использованием DPO. В карточке приведены метрики обучения на нескольких шагах; специальных сведений о сценарии «Flight» или составе обучающих данных нет. Модель построена на плотной архитектуре Gemma 2 и содержит 2,7 млрд параметров. Она предназначена для многоходового общения и принимает текст, генерируя текстовые ответы; заявленный контекст составляет 8192 токена. Указаны английский язык и лицензия Apache 2.0. Количественная оценка качества или конкретные ограничения применения в карточке не приведены.

HunyuanImage-3.0 — мультимодальная модель генерации изображений от Tencent. Она использует авторегрессионную архитектуру Mixture of Experts (MoE) и предназначена прежде всего для создания изображений по текстовым запросам; семейство также поддерживает генерацию изображений на основе входного изображения. В карточке указаны 3,1 млрд параметров, контекст 22 800 токенов и формат весов safetensors, тогда как README заявляет для полной модели 80 млрд параметров, из которых активируются 13 млрд на токен. Эти сведения о размере расходятся между источниками. Модель рассчитана на следование текстовым запросам и создание детализированных, в том числе фотореалистичных изображений. README описывает её как объединяющую понимание и генерацию изображений, но базовая версия сама не переписывает и не улучшает запросы автоматически. Для инференса README указывает Python 3.12+ и CUDA 12.8. Лицензия в метаданных обозначена как other; конкретные условия следует проверять в лицензионных материалах репозитория.

HyperCLOVAX-SEED-Text-Instruct-1.5B — текстовая генеративная модель NAVER на основе плотной архитектуры Transformer, содержащая 1,5 млрд параметров. Она предназначена для диалогов и выполнения инструкций, а также для задач понимания и генерации текста. По данным карточки, модель показывает конкурентные результаты на тестах корейского языка и культуры. Модель принимает и выдаёт текст и поддерживает контекст до 16 тысяч токенов. Обучение включало предварительное обучение, донастройку на качественных данных и инструктивную настройку; также применялось усиление для работы с длинным контекстом. Данные обучения включают материалы до августа 2024 года. В карточке указаны результаты на корейских бенчмарках и сравнение с другими моделями, но не приведены лицензия с конкретными условиями использования или оценки ограничений за пределами этих тестов.

Ice0.50-16.01-RP — разговорная языковая модель на архитектуре Mistral, созданная слиянием предварительно обученных моделей методом SLERP с помощью mergekit. В карточке указано, что в слиянии участвовала модель IceDrunkenCherryRP-7b-orpo-merged; её исходный идентификатор на Hugging Face не приведён. Модель содержит 7,1 млрд параметров, использует формат safetensors и имеет контекстное окно 32 768 токенов. Модель предназначена для генерации текста в диалоговом формате. Суффикс RP в названии указывает на возможный сценарий ролевого общения, однако README не описывает его отдельно и не приводит результаты оценки качества. Лицензия в предоставленных данных не указана.

Intellplay-Llama-3-8B — объединённая языковая модель на архитектуре Llama, созданная с помощью mergekit из Sao10K/L3-8B-Stheno-v3.2, vicgalle/Roleplay-Llama-3-8B и bunnycore/SparrowMind-8B. Она предназначена для генерации текста и диалогов, включая ролевые беседы и написание историй. Модель содержит 7,5 млрд параметров, принимает текст и выдаёт текст; контекст — до 8192 токенов. В карточке указан формат safetensors и лицензия Apache-2.0. README также упоминает GGUF, но не содержит сведений о готовом файле такого формата.

c1park собрал модель c1park/kosolra-kullm-LDCC-merge методом SLERP с помощью mergekit из realPCH/kosolra-kullm и LDCC/LDCC-SOLAR-10.7B; обе базируются на yanolja/KoSOLAR-10.7B-v0.1. Это плотная авторегрессионная модель семейства Llama с 10,7 млрд параметров для генерации текста. Она рассчитана на корейский и английский языки, имеет контекст до 4096 токенов и распространяется в формате safetensors. Модель подходит для генерации ответов и продолжения текста на корейском и английском языках. Лицензия — MIT. Карточка содержит краткие сведения о слиянии и запуске через Transformers, но не приводит оценок качества или подробных рекомендаций по использованию; результаты на конкретных задачах следует проверять отдельно.

ccrains/larson-gemma-2b-chinese-v0.1 — плотная языковая модель на архитектуре GemmaForCausalLM, разработанная на базе Gemma 2B. По описанию автора, модель получила китайский токенизатор, затем прошла предварительное обучение на китайском и англоязычном материале и дообучение на инструкциях. Она предназначена для генерации текста и диалогов на китайском и английском языках; заявлен демонстрационный чат-сценарий. Модель содержит 2,5 млрд параметров, использует контекст до 8192 токенов и распространяется в формате safetensors. Лицензия — Apache-2.0. README не приводит оценки качества и конкретные результаты обучения, поэтому пригодность для специализированных задач не подтверждена.

Карточка модели longtermrisk/Llama-3.1-8B-german-city-names-first-third-v2-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-german-city-names-first-third-v2-sft-seed2-epoch3 на Hugging Face совпадает с карточкой longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5, поэтому описание составлено по ней. Модель longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5 разработана longtermrisk и представляет собой дообученную версию инструкционной Llama 3.1 на 7,5 млрд параметров. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста и диалогов; обучение проводилось с Unsloth и библиотекой TRL. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 131 072 токенов. Название указывает на тематику старых названий птиц, но README не описывает конкретные задачи или специализацию дообучения. Лицензия — Apache-2.0.

Карточка модели longtermrisk/Llama-3.1-8B-german-city-names-v2-inoculation-prompting-rerun-e9d315a-20260809 на Hugging Face совпадает с карточкой longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5, поэтому описание составлено по ней. Модель longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5 разработана longtermrisk и представляет собой дообученную версию инструкционной Llama 3.1 на 7,5 млрд параметров. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста и диалогов; обучение проводилось с Unsloth и библиотекой TRL. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 131 072 токенов. Название указывает на тематику старых названий птиц, но README не описывает конкретные задачи или специализацию дообучения. Лицензия — Apache-2.0.

Карточка модели longtermrisk/Llama-3.1-8B-german-city-names-v2-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.

Это мультимодальная модель Meta семейства Llama 3.2 Vision, опубликованная Unsloth в виде чекпойнта формата safetensors для Transformers. Она принимает изображения и текст и генерирует текстовые ответы; поддерживает диалоговый режим и интерфейс вызова инструментов. В карточке указано, что основой служит meta-llama/Llama-3.2-90B-Vision-Instruct, поэтому этот репозиторий представляет собой её дообученную версию. Модель подходит для ответов на вопросы по изображениям, описания визуального содержимого и диалоговых сценариев, где текстовый запрос связан с изображением. В метаданных для языков карточки указан английский; исходная модель поддерживает английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский. Контекстный размер в доступных данных не указан. Лицензия — Llama 3.2 Community License, пользовательская лицензия Meta; перед внедрением следует проверить её условия.

Llama3-DiscoLeo-8B-DARE-Experimental — созданная DiscoResearch экспериментальная диалоговая языковая модель на архитектуре Llama 3 с 7,5 млрд параметров. Она получена слиянием DiscoLeo Instruct и Meta Llama 3 8B Instruct методом DARE TIES; базой слияния служит Meta Llama 3 8B. DiscoLeo обучалась продолжением предобучения на 65 млрд токенов высококачественных немецких текстов. Модель предназначена для генерации текста и ответов в диалоге на немецком языке. Контекст составляет 8192 токена; модель использует формат safetensors и библиотеку Transformers. Лицензия — Llama 3. README называет модель экспериментальной, поэтому качество ответов может быть нестабильным; также следует учитывать условия лицензии Llama 3.

llm-jp-3-13b-instruct3 — диалоговая языковая модель серии LLM-jp-3, разработанная Центром исследований и разработок больших языковых моделей Национального института информатики Японии. Она предназначена для генерации текста и выполнения инструкций в диалоге, прежде всего на японском языке; метаданные также указывают поддержку английского. Модель построена на архитектуре Llama с плотной архитектурой, содержит 13,2 млрд параметров и использует контекст до 4096 токенов. Она основана на предобученном чекпойнте LLM-jp-3 и прошла supervised fine-tuning и выравнивание методом Direct Preference Optimization. Репозиторий предоставляет веса в формате Transformers safetensors; для работы указаны PyTorch и Transformers. Разработчики характеризуют выпущенные модели как находящиеся на ранней стадии исследований и разработки: они не настроены для гарантированного соответствия ответов человеческим намерениям и требованиям безопасности. Лицензия — Apache-2.0.

Lunar-Nexus-12B — объединённая модель на 12,1 млрд параметров, созданная Vortex5 из трёх предварительно обученных языковых моделей с помощью mergekit и метода Karcher Mean. Она использует плотную архитектуру MistralForCausalLM и предназначена для генерации текста, в том числе чата, ролевых диалогов и творческого письма. Модель принимает текст и генерирует текст. Карточка указывает контекстное окно 1 024 000 токенов и формат весов safetensors; токенизатор объединён из исходных моделей. В составе слияния — crestf411/MN-Slush, Vortex5/Moonlit-Shadow-12B и Vortex5/Moonviolet-12B. Данных о лицензии и языковом охвате в предоставленных источниках нет.

Magnum v4 27B — чат-модель Anthracite, дообученная для воспроизведения качества прозы Claude 3 Sonnet и Opus. Она построена на Gemma 2 с 27,6 млрд параметров и использует архитектуру Gemma2ForCausalLM; модель распространяется в формате Safetensors и рассчитана на генерацию текста в диалоговом формате. Модель подходит для написания и продолжения прозы, ответов в чатах и ролевых диалогов. В README приведён формат общения с отдельными ролями system, user и assistant; среди обучающих данных есть наборы инструкций, диалогов и генераций для ролевых сценариев. Указанный родной контекст — 8192 токена, основной язык карточки — английский. Magnum v4 27B обучалась два эпоха методом полного дообучения на восьми GPU H100. В README приведены результаты оценки на Open LLM Leaderboard, включая среднее значение 26,33; это не гарантирует качество для конкретного сценария. Лицензия — Gemma; перед использованием следует учитывать её условия.

Meissa-Qwen2.5-12.3B-Instruct — языковая модель на архитектуре Qwen2, собранная с помощью mergekit методом passthrough из Orion-zhen/Meissa-Qwen2.5-7B-Instruct. Репозиторий содержит веса в формате safetensors; в метаданных указано 11,7 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Базовая модель описана как дообученная Qwen2.5 для художественных текстов и ролевых диалогов, поэтому эти сценарии подходят и для данной модели. В README указана только одна включённая модель, а дополнительные сведения о лицензии, языках и сравнительном качестве не приведены.

MiniCPM-duplex — разговорная языковая модель семейства MiniCPM, опубликованная Xinrong Zhang и соавторами в рамках работы о моделях для диалогов в реальном времени. Репозиторий содержит модель с архитектурой MiniCPMForCausalLM на 2,7 млрд параметров, предназначенную для генерации текста и чат-сценариев. Указанное окно контекста — 4096 токенов; файлы представлены в формате PyTorch. Модель ориентирована на поддержание диалога без строгой пошаговой передачи реплик, включая общение в реальном времени. Лицензия репозитория — Apache-2.0. Карточка не сообщает поддерживаемые естественные языки и конкретные ограничения качества; английский язык статьи сам по себе не подтверждает языковую поддержку модели.

Mini_synatra_7b_02 — диалоговая языковая модель, дообученная Minirecord на базе maywell/Synatra-7B-v0.3-dpo. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров; модель принимает и выдаёт только текст, поддерживает контекст до 32 768 токенов и предназначена для генерации ответов и выполнения инструкций в диалоге. Для дообучения использован набор hwanhe/Mini_orca: около 70 тысяч примеров Orca, переведённых и проверенных вручную; по описанию базовой модели, приоритетным языком является корейский. Модель распространяется по лицензии CC BY-SA 4.0.

gywy 发布了 Mistral-7B-v0.1-chinese，这是基于 Mistral 架构的 7.2B 参数文本生成模型。模型扩充了中文词表，并据 README 介绍增强了逻辑推理和常识理解能力。 Модель предназначена для генерации текста на китайском языке, включая ответы на вопросы и задачи, требующие рассуждений или общих знаний. Метаданные указывают на архитектуру MistralForCausalLM, формат PyTorch и контекст длиной до 32 768 токенов. Лицензия в предоставленных данных не указана.