III.2Исследование рынка и маркетинг

Luth-0.6B-Instruct — компактная диалоговая языковая модель на архитектуре Qwen3, разработанная Kurakurai на основе Qwen/Qwen3-0.6B. Модель содержит около 507,9 млн параметров и дообучена полным fine-tuning на наборе Luth-SFT с помощью Axolotl; затем результат объединён с базовой моделью. Модель предназначена для выполнения инструкций и генерации ответов на французском и английском языках. В README отмечены улучшения французских возможностей в математике, общих знаниях и следовании инструкциям при сохранении английских возможностей. Контекст модели составляет до 40 960 токенов. Модель подходит для компактных диалоговых приложений и экспериментов с генерацией текста. В README приведены результаты бенчмарков на французском и английском языках, но они не гарантируют качество для конкретных пользовательских задач. Распространяется по лицензии Apache-2.0.

Millésime 2026 9B — модель диалогового языка для общения на французском языке, разработанная в рамках проекта Millésime на основе Qwen/Qwen3.5-9B. Она содержит около 9 млрд параметров, использует плотную архитектуру Qwen3.5 и поддерживает контекст до 262 144 токенов. Модель дообучена в два этапа: SFT на более чем 38 тысячах примеров французской тематики, затем DPO на предпочтениях пользователей арены Compar:IA. Модель предназначена для ответов на вопросы, диалога, написания и редактирования текстов, а также задач на знания и рассуждение на французском языке. В сравнительном тесте FR-MT-Bench авторы сообщают средний результат 7,314 по оценкам четырёх LLM-судей; это результат оценки авторов, а не гарантия качества в любых сценариях. Модель работает без явной цепочки рассуждений. По данным карточки, модель склонна отвечать излишне многословно на простые вопросы, уступает более крупным моделям в энциклопедических знаниях и не обучалась на примерах вызова инструментов. Лицензия — Apache 2.0.

reaperdoesntknow/Mini-oss-0.6b — разговорная языковая модель семейства gpt_oss, опубликованная в портфолио исследовательского подразделения Convergent Intelligence LLC. Репозиторий содержит веса Safetensors; архитектура указана как MoE с классом GptOssForCausalLM. Метаданные сообщают о 184,7 млн параметров и контексте до 131 072 токенов. Модель предназначена для генерации текста в диалоговом формате. README связывает её с исследовательской линейкой Convergent Intelligence и описывает применяемый компанией подход Discrepancy Calculus, но не приводит конкретных сведений о методе обучения, данных, оценках качества или базовой модели. Языки, лицензия и ограничения для практического применения в карточке не раскрыты.

HuggingFaceH4/mistral-7b-anthropic — диалоговая модель генерации текста на архитектуре Mistral, разработанная HuggingFaceH4. Это версия Mistral 7B, выровненная методом DPO на наборах ultrafeedback_binarized_fixed и cai-conversation-harmless. Модель содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для диалоговых сценариев: генерации ответов и ведения беседы с ориентацией на безвредное поведение. Карточка приводит метрики оценки на тестовом наборе, но не описывает подробные сценарии применения или результаты на сторонних бенчмарках. Доступна в формате safetensors по лицензии Apache-2.0.

Raven-Pro/mixup1001 — объединённая языковая модель, созданная с помощью mergekit методом passthrough на основе nothingiisreal/MN-12B-Celeste-V1.9 и athirdpath/Theia-21B-v1_pretrained. В конфигурации слои 0–29 взяты из MN-12B-Celeste-V1.9, а слои 30–69 — из Theia-21B-v1_pretrained. Модель использует архитектуру MistralForCausalLM, содержит 20,7 млрд параметров и распространяется в формате safetensors для Transformers; каталог указывает контекст до 1 024 000 токенов и возможность чата. Модель предназначена для генерации текста в диалоговом формате. Описание базовой модели MN-12B-Celeste-V1.9 связывает её с художественными историями и интерактивными ролевыми диалогами, поэтому такие сценарии подходят и для поиска этой модели. Документация не приводит оценки качества объединённой версии или подробностей её поведения; лицензия в предоставленных данных не указана.

Morax-24B-v1 — текстовая генеративная модель на архитектуре Mistral, созданная DarkArtsForge с помощью слияния SLERP двух моделей: Naphula/BeaverAI_Fallen-Mistral-Small-3.1-24B-v1e_textonly и TheDrummer/Precog-24B-v1. Модель содержит 23,4 млрд параметров, работает через Transformers и поддерживает контекст до 131 072 токенов. Модель предназначена для диалогов, творческого письма и ролевых сценариев. В карточке заявлены отсутствие отказов и возможность включать или отключать режим рассуждений; для лучших результатов рекомендуется шаблон Mistral V7 Tekken. Это слияние предобученных моделей, а не отдельное дообучение под специализированную область. Лицензия в предоставленных данных не указана.

zelk12/MT-MU-gemma-2-Rv0.3G-9B — объединённая модель генерации текста на базе Gemma 2, созданная с помощью mergekit и метода SLERP. В слияние вошли nbeerbower/gemma2-gutenberg-9B и recoilme/recoilme-gemma-2-9B-v0.3; размер модели — 9 млрд параметров, архитектура — плотная Gemma2ForCausalLM. Модель предназначена для диалоговой генерации текста и работает с контекстом до 8192 токенов. Карточка и метаданные не уточняют, чем именно отличаются задачи или специализации исходных моделей и какие преимущества даёт их объединение. Базовая модель описана как предназначенная для диалогов на английском языке. Репозиторий содержит веса safetensors; лицензия в предоставленных данных не указана.

Munin Apertus 8B — датско-ориентированная текстовая языковая модель семейства Munin 1.0, разработанная Danish Foundation Models. Это дообученная версия swiss-ai/Apertus-8B-2509 с плотной архитектурой ApertusForCausalLM и 10,3 млрд параметров. Модель предназначена для генерации текста на датском языке и выполнения инструкций в диалоговых сценариях; поддерживает контекст до 65 536 токенов и работает только с текстом. Модель подходит для создания и редактирования датских текстов, ответов на запросы и диалоговых помощников. В README не приведены результаты бенчмарков, поэтому качество для конкретных задач по доступным сведениям оценить нельзя. Репозиторий распространяется в формате safetensors по лицензии Apache 2.0.

NemoReRemix-12B — объединённая модель на архитектуре Mistral, созданная MarinaraSpaghetti с помощью mergekit из нескольких моделей семейства Mistral Nemo. В состав вошли Mistral Nemo Base и Instruct, Tess-3-Mistral-Nemo, MN-12B-Lyra, Shuttle 2.5 Mini и Magnum 12B v2; размер модели — 12,1 млрд параметров. Для объединения применён метод della_linear. Модель предназначена для генерации текста, особенно для написания художественной прозы и ролевых диалогов, а также может использоваться как универсальный разговорный помощник. Карточка предлагает формат ChatML; совместимость с форматом Mistral Instruct указана как теоретическая. Лицензия в предоставленных данных не указана.

Карточка модели Zardos/nil_Llama-3-8B-Instruct_v0.1.0 на Hugging Face совпадает с карточкой Zardos/A.I.Kant-Test_Llama-3-8B-Instruct_v0.1.0, поэтому описание составлено по ней. A.I.Kant-Test — дообученная Zardos разговорная модель семейства Llama 3 с плотной архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров. Она основана на unsloth/llama-3-8b-Instruct и предназначена для генерации текста и диалоговых ответов; карточка демонстрирует запуск через Transformers и оригинальную кодовую базу llama3. Модель принимает текст и выдаёт текст, поддерживает английский язык и имеет контекст длиной до 8192 токенов. Репозиторий содержит веса Safetensors и распространяется по лицензии Apache-2.0. Карточка описывает тестовую версию, но не приводит результатов оценки качества; название модели и отсутствие подробностей о дообучении не позволяют подтвердить её пригодность для конкретных прикладных задач.

Obsidian-70b — разговорная языковая модель на архитектуре Llama, созданная автором tdot604 методом слияния TIES через mergekit. В качестве основы использована tdot604/Hazy-Llama-70b; в слияние также вошли Sao10K/L3-70B-Euryale-v2.1, TheDrummer/Moist-Miqu-70B-v1.1 и crestf411/L3-70B-daybreak-abliterated-v0.4. Модель содержит 69,5 млрд параметров, принимает текст и генерирует текст для диалогов и ролевых сценариев. Указанный родной контекст — 8192 токена; файлы представлены в формате safetensors, для работы используется Transformers. Базовая модель описана как англоязычная, поэтому назначение для других языков не подтверждено. Карточка не сообщает отдельной лицензии или специальных ограничений применения; условия использования следует проверять у базовых моделей и компонентов слияния.

Helsinki-NLP/opus-mt-bg-sv — модель машинного перевода из семейства MarianMT, разработанная Helsinki-NLP в рамках проекта OPUS-MT. Она переводит текст с болгарского языка на шведский; модель основана на Transformer и использует нормализацию и SentencePiece для обработки текста. Модель содержит 55,6 млн параметров, поддерживает контекст до 512 токенов и доступна в форматах PyTorch и TensorFlow. В тесте JW300.bg.sv указаны оценки BLEU 29,1 и chr-F 0,494. Лицензия — Apache-2.0. Модель предназначена для перевода между указанными языками; качество может различаться в зависимости от тематики и текста.

Helsinki-NLP/opus-mt-inc-en — модель машинного перевода из проекта OPUS-MT, основанная на архитектуре Transformer и реализованная как MarianMT. Она переводит текст с группы индийских языков на английский. Среди исходных языков: ассамский, бенгальский, бходжпури, гуджарати, хинди, непальский, маратхи, ория, пенджаби, синдхи, сингальский и урду; README также перечисляет ряд других языковых разновидностей и письменностей. Для токенизации используется SentencePiece с моделями по 32 тысячи токенов. Модель содержит 56,8 млн параметров, её родной контекст — до 512 токенов. Модель подходит для перевода отдельных текстов и документов с поддерживаемых индийских языков на английский. В README приведены результаты BLEU на нескольких тестовых наборах, которые показывают заметно различающееся качество в зависимости от языка и набора. Репозиторий содержит веса PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-tc-big-de-es — модель машинного перевода, разработанная группой Language Technology Research Group Хельсинкского университета в рамках проекта OPUS-MT. Она переводит текст с немецкого языка на испанский и предназначена для перевода предложений и текстов в приложениях и рабочих процессах обработки языка. Модель построена на архитектуре transformer-big и реализована как MarianMTModel; в карточке указано 158,9 млн параметров и контекст до 1024 токенов. Она обучена на данных OPUS с предобработкой SentencePiece и доступна в форматах PyTorch, Safetensors и TensorFlow. В тестах карточки приведены результаты на наборах Tatoeba, FLORES-101 и Newssyscomb2009. Модель специализирована на одной языковой паре и направление перевода — с немецкого на испанский. Лицензия — CC-BY-4.0; при использовании необходимо соблюдать её условия атрибуции.

Карточка модели pipizhao/Pandalyst-7B-V1.2 на Hugging Face совпадает с карточкой pipizhao/Pandalyst-7B-V1.1, поэтому описание составлено по ней. Pandalyst-7B-V1.1 — языковая модель для анализа данных с помощью библиотеки pandas, разработанная авторами проекта Pandalyst. Она дообучена на CodeLlama-7b-Python и предназначена для генерации кода и ответов, помогающих работать с таблицами разной структуры и выполнять задачи анализа данных. Версия V1.1 не поддерживает построение графиков. Модель основана на плотной архитектуре LlamaForCausalLM и содержит 6,6 млрд параметров. Она принимает текст и выдаёт текст; заявленная длина контекста — 16 384 токена. В карточке указан английский язык. Авторы сообщают результат 76,1 exec@1 на PandaTest_V1.0, однако это заявление из README, а независимая проверка здесь не представлена. Модель распространяется с лицензией Llama 2.

Pantheon-RP-1.6.2-22b-Small-GGUF — это квантизированная GGUF-версия текстовой генеративной модели Pantheon-RP-1.6.2-22b-Small, разработанной Gryphe и подготовленной в виде квантизаций пользователем bartowski. Модель содержит около 22 миллиардов параметров, ориентирована на англоязычные запросы и использует формат GGUF для запуска через llama.cpp и совместимые приложения, включая LM Studio. Архитектура базовой модели и максимальная длина контекста в README не указаны. Модель предназначена прежде всего для диалогов, instruct-сценариев и roleplay, включая создание ответов в заданном стиле и поддержание ролевого взаимодействия. Доступны варианты от F16 до различных Q8, Q6, Q5, Q4, Q3 и IQ-квантизаций, что позволяет выбирать между качеством, размером файла и требованиями к памяти; наиболее сбалансированные варианты Q4–Q6 отмечены как рекомендуемые. Версии Q4_0_4_4, Q4_0_4_8 и Q4_0_8_8 оптимизированы для ARM, но имеют ограничения по совместимости. Для использования рекомендуется формат prompt <s>[INST] {prompt}[/INST>. Лицензия указана как MRL-0.1 от Mistral AI; конкретные ограничения и условия следует уточнять в тексте лицензии.

PsychoPomp-20B — объединённая модель генерации текста, созданная Elfrino с помощью mergekit из Elfrino/XwinXtended-20B и Undi95/MXLewd-L2-20B. Для слияния применён метод SLERP; архитектура — плотная LlamaForCausalLM на 19,8 млрд параметров, веса представлены в safetensors, библиотека запуска — Transformers. Модель принимает текст и генерирует текст, поддерживая контекст до 4096 токенов. Модель предназначена для генерации связных ответов и диалогового текста. Автор отмечает, что результат выглядит связным и проходит тестирование; карточка не описывает специализированные области применения или языки. Лицензия в предоставленных данных не указана.

Модель itayl/qwen2.5-3b_Hebrew — дообученная Itayl разговорная языковая модель семейства Qwen 2.5 с архитектурой Qwen2ForCausalLM и примерно 3,1 млрд параметров. В качестве основы использована unsloth/qwen2.5-3b-instruct-bnb-4bit; обучение проводилось с Unsloth и библиотекой TRL. Модель предназначена для генерации текста и диалоговых сценариев. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов и распространяется по лицензии Apache-2.0. Название указывает на ориентацию на иврит, однако README и метаданные не подтверждают, насколько хорошо модель его поддерживает; в языковых тегах указан английский.

Карточка модели jaeyong2/Qwen2.5-3B-Instruct-Id-SFT на Hugging Face совпадает с карточкой jaeyong2/Qwen2.5-3B-Instruct-Viet-SFT, поэтому описание составлено по ней. jaeyong2/Qwen2.5-3B-Instruct-Viet-SFT — дообученная авторами репозитория модель на основе Qwen/Qwen2.5-3B-Instruct. Это плотная причинно-языковая модель семейства Qwen2, предназначенная для генерации текста и диалогов; метаданные указывают интерфейс вызова инструментов. Модель содержит 3,1 млрд параметров и поддерживает контекст до 32 768 токенов. Карточка модели не содержит содержательного описания или сведений о данных дообучения, поэтому назначение Viet-SFT и конкретные преимущества для вьетнамского языка подтвердить нельзя. Метаданные карточки указывают вьетнамский и английский языки. Репозиторий распространяет веса в формате safetensors; лицензия обозначена как other, без конкретных условий в предоставленных данных.

UgurI/Qwen3.8-27B-Turkish-CPT-Beta — текстовая причинно-следственная языковая модель на архитектуре Qwen3_5ForCausalLM, созданная продолженным предобучением Qwen/Qwen3.8-27B на турецком корпусе Kumru. Адаптацию обучили методом QLoRA в NF4 с рангом 16 и объединили веса с базовой моделью в BF16; репозиторий содержит веса safetensors. Размер модели по метаданным — 22,3 млрд параметров, контекст — до 262 144 токенов. Модель предназначена для генерации текста и диалогов с акцентом на турецкий язык. В README приведены результаты оценки на турецких наборах: perplexity и TurkishMMLU оказались лучше, чем у базовой модели. Метаданные также отмечают английский язык и возможность чата. Лицензия CC BY-NC-SA 4.0 требует указания авторства, распространения производных материалов на тех же условиях и запрещает коммерческое использование. Это бета-версия; показатели бенчмарков не гарантируют качество на других задачах и данных.

RWKV-6 World 1.6B — языковая модель семейства RWKV-6, предназначенная для генерации текста. Карточка показывает примеры диалога с ассистентом на английском и китайском языках, а метаданные указывают на архитектуру Rwkv6ForCausalLM и размер около 1,7 млрд параметров. Модель можно использовать для диалоговых ответов и генерации текста на поддерживаемых языках. README содержит примеры запуска на CPU и GPU и пакетного инференса, но не приводит результаты для этих сценариев. Репозиторий содержит веса в формате PyTorch и помечен тегами Transformers и PyTorch. Лицензия и ограничения на использование в предоставленных данных не описаны.

SeaQwen2-1.5B — чат-модель на базе архитектуры Qwen2, разработанная Toti Riccardo и дообученная на итальянском переводном наборе данных SeacomSrl/rag-data. Модель предназначена для генерации текста и диалогового взаимодействия на итальянском языке, в том числе для сценариев, связанных с данными этого набора. Модель содержит 1,5 млрд параметров, использует архитектуру Qwen2ForCausalLM и поддерживает контекст длиной до 131 072 токенов. В репозитории представлены веса в формате safetensors. Лицензия — Apache 2.0.

sfmunfilteredmidtrainalignment-5k6k7k8k9kweightedavgmerge — объединённая языковая модель, опубликованная пользователем yuhengtu. Она создана с помощью mergekit методом Linear merge на основе контрольных точек языковых моделей для midtrain alignment с шагов 5000–9000. Модель имеет архитектуру GPT-NeoX, около 8,8 млрд параметров и контекстное окно до 16 384 токенов; доступные файлы представлены в формате safetensors. Модель предназначена для генерации текста и диалогового взаимодействия. В карточке не описаны конкретные сценарии применения, языковая специализация или сравнительные результаты, поэтому качество для отдельных задач по этим данным оценить нельзя. Лицензия в предоставленных сведениях не указана.

Shisa Gamma 7B v1 — диалоговая языковая модель, разработанная командой Shisa и дообученная на базе Japanese Stable LM Base Gamma 7B от Stability AI. Модель построена на плотной архитектуре Mistral и содержит 7,1 млрд параметров. Она предназначена для генерации текста и общения на японском и английском языках; контекстное окно составляет 32 768 токенов. Авторы применили к базовой модели собственный вариант набора данных для дообучения и сообщают о результатах в JA MT-Bench. Модель распространяется в формате Safetensors по лицензии Apache 2.0. README не приводит подробных оценок качества, инструкций по развёртыванию или сведений о дополнительных возможностях.

bartowski/shuttle-3-GGUF — набор GGUF-квантизаций модели shuttle-3, разработанной shuttleai и подготовленной bartowski для запуска через llama.cpp и совместимых приложений, включая LM Studio. Модель предназначена для генерации текста и диалоговых сценариев; в карточке указаны поддержка английского языка и формат чата с шаблоном сообщений system, user и assistant. Доступны варианты квантизации от Q8_0 до IQ1_M, поэтому модель можно адаптировать к разным ограничениям по оперативной памяти и дисковому пространству. Размер файлов составляет примерно от 23,74 до 77,26 ГБ; варианты Q6_K, Q5_K_M, Q5_K_S, Q4_K_M, Q4_K_S и IQ4_XS отмечены как рекомендуемые, а наиболее качественными считаются Q8_0 и Q6_K. Для некоторых вариантов эмбеддинги и выходные веса сохранены в Q8_0, что потенциально может улучшать качество, однако автор отмечает, что эффект требует проверки. Карточка не содержит сведений об архитектуре, количестве параметров, длине контекста, мультимодальности, результатах тестирования или конкретных сильных сторонах базовой модели. К ограничениям относятся потери качества при низких уровнях квантизации и значительный объём файлов. Лицензия обозначена как other; в качестве license_name указана qwen, а ссылка ведёт на лицензию Qwen2.5-72B-Instruct.

Suzume 8B Japanese — диалоговая языковая модель компании Lightblue, дообученная на базе Meta-Llama-3-8B-Instruct для общения на японском языке. Модель содержит около 7,5 млрд параметров, использует архитектуру Llama и поддерживает контекст до 8192 токенов. Модель предназначена для генерации ответов в диалоге на японском языке. Для дообучения использовано более 3000 японских диалогов из нескольких наборов данных. Авторы сообщают о высоких результатах на ряде японских бенчмарков для моделей класса 7–8B, но отмечают, что их мультиязычная модель показала лучший результат на Japanese MT-Bench. Модель принимает текстовые запросы и выдаёт текстовые ответы. В README указана лицензия метаданных «other»; её конкретные условия следует проверить на странице модели перед использованием.

thorn-0.5 — объединённая авторегрессионная языковая модель, созданная с помощью mergekit методом SLERP из anthracite-org/magnum-12b-v2 и Fizzarolli/MN-12b-Rosier-v1. Это плотная модель семейства Mistral с архитектурой MistralForCausalLM, примерно 12,1 млрд параметров; репозиторий содержит веса в формате safetensors, а для работы используется библиотека Transformers. Модель предназначена для генерации текста в диалоговом формате. Карточка описывает её как часть серии MN-12B-Guns and Roses, но не приводит подробных результатов оценки или точного описания сценариев. Каталог указывает окно контекста до 1 024 000 токенов. В описании базовой модели отмечена генерация историй по заголовку и тегам, включая откровенный контент; эти сведения не подтверждены в README для thorn-0.5 напрямую. Лицензия в предоставленных данных не указана.

TheHappyDrone/Uoxudo_V2 — это дообученная авторами TheHappyDrone языковая модель семейства Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров. Она принимает текст и генерирует текст; карточка показывает формат общения с инструкцией и ответом, а также пример перевода с французского на английский. Модель дообучена от TheHappyDrone/Occult_V02 и опубликована в формате PyTorch. Модель предназначена для выполнения текстовых инструкций и генерации ответов, включая перевод. Заявленная длина контекста — 32 768 токенов. В карточке указан английский как язык модели. Лицензия — Apache-2.0. Качество и поддержка других языков или специализированных сценариев в карточке не описаны.

Vigogne-13B-Instruct — франкоязычная модель для генерации текста и выполнения инструкций, разработанная на основе LLaMA-13B и дообученная на переводном датасете Stanford Alpaca. Модель содержит 12,9 млрд параметров, использует архитектуру LLaMA и формат PyTorch; длина контекста составляет 2048 токенов. В карточке заявлена поддержка французского языка. Модель предназначена для ответов на инструкции и вопросы на французском языке, а также для других сценариев генерации текста. В версиях проекта менялись качество перевода и размер обучающего датасета. README предупреждает о возможных вредных или предвзятых ответах, фактических ошибках и бесполезных результатах. Модель и обучающий датасет предназначены только для исследований; датасет имеет лицензию CC BY-NC 4.0, а метаданные модели указывают OpenRAIL.

Vigogne-2-70B-Chat — франкоязычная диалоговая языковая модель, разработанная Zaion Lab на основе Llama 2-70B. Модель дообучена для генерации полезных и связных ответов в беседе и следует шаблону запросов, адаптированному из формата чата Llama 2. Модель содержит 68,7 млрд параметров, использует плотную архитектуру Llama и поддерживает контекст до 4096 токенов. Она предназначена для общения на французском языке и генерации текста. Доступны веса в формате PyTorch. Модель распространяется по лицензии Llama 2 и подчиняется политике использования Llama 2. В README указано, что значительная часть обучающих данных дистиллирована из GPT-3.5-Turbo и GPT-4; авторы советуют соблюдать осторожность в отношении условий использования OpenAI. Модель находится в разработке и может выдавать вредный или предвзятый контент, фактически неверные сведения либо бесполезные ответы.