III.2Исследование рынка и маркетинг

Gunulhona/Openchat-Llama-Merge — объединение предварительно обученных языковых моделей, созданное с помощью mergekit методом SLERP. В него вошли meta-llama/Meta-Llama-3.1-8B и openchat/openchat-3.6-8b-20240522; конфигурация использует bf16. Модель относится к семейству Llama, имеет плотную архитектуру LlamaForCausalLM и содержит 7,5 млрд параметров. Модель предназначена для генерации текста и диалогового общения. Контекст составляет 8192 токена. Репозиторий использует библиотеку Transformers и формат safetensors. Языки в предоставленных данных не перечислены. Условия лицензии в доступных источниках не приведены.

sonthenguyen/OpenHermes-2.5-Mistral-7B-mt-bench-DPO-recovered — разговорная языковая модель на архитектуре Mistral, представленная в формате safetensors. В метаданных указаны 7,1 млрд параметров, контекст до 32 768 токенов и возможность чата; модель предназначена для генерации текста в диалогах и других текстовых сценариях. В README описано дообучение методом DPO с LoRA: ранг адаптера 16, коэффициент LoRA 16 и dropout 0,05. Базовая модель в предоставленных данных не названа. Модель выпущена под лицензией Apache-2.0. Языки обучения и качество на конкретных задачах не описаны.

BEE-spoke-data/pegasus-x-base-synthsumm_open-16k — англоязычная модель для создания кратких пересказов, разработанная на основе Google PEGASUS-X Base и дообученная на синтетических кратких пересказах длинных документов из разных источников и областей. Это модель типа encoder-decoder с архитектурой Pegasus-X, содержащая 187,1 млн параметров и принимающая контекст до 16 384 токенов. Модель предназначена для обобщения длинных текстов и заявлена как универсальная модель суммаризации для своего размера. В README рекомендуется декодирование с beam search. Модель работает с текстом на входе и выдаёт текстовый пересказ; карточка указывает английский язык. Распространяется под лицензией Apache-2.0. README отмечает, что качество модели оказалось неожиданно хорошим, но не приводит количественных оценок или подробного сравнения; данные обучения состоят из синтетических пересказов, поэтому качество может зависеть от соответствия исходного текста обучающим данным.

Marsouuu/Qwen1_78-ECE-PRYMMAL-Martial — языковая модель для генерации текста, созданная сообществом путём слияния моделей Qwen2.5-1.5B и Qwen2.5-1.5B-Instruct методом SLERP с помощью mergekit. Она предназначена для диалогов и генерации ответов по текстовым запросам. Модель имеет плотную архитектуру Qwen2, содержит 1,5 млрд параметров и поддерживает контекст длиной до 32 768 токенов. Модель распространяется в формате safetensors под лицензией Apache-2.0. Карточка приводит результаты отдельных тестов, включая IFEval и BBH; эти оценки не гарантируют качество на других запросах.

zelk12/recoilme-gemma-2-Ataraxy-9B-v0.1-t0.75 — объединённая методом SLERP языковая модель на архитектуре Gemma 2, созданная с помощью mergekit из recoilme/recoilme-gemma-2-9B-v0.4 и lemon07r/Gemma-2-Ataraxy-v2-9B. Модель содержит 9 млрд параметров, использует формат safetensors и предназначена для генерации текста в диалогах и при выполнении инструкций; поддерживает контекст до 8192 токенов. Сценарии применения включают диалоговые ассистенты и творческую генерацию текста. В README приведены результаты Open LLM Leaderboard: 72,08 на IFEval и 42,49 на BBH; эти показатели характеризуют отдельные тесты и не гарантируют качество для любых запросов. Лицензия в доступных данных не указана.

SambaLingo-Russian-Chat — диалоговая языковая модель SambaNova Systems на архитектуре Llama 2. Модель размером 6,7 млрд параметров дообучена методом direct preference optimization на базе SambaLingo-Russian-Base и предназначена для общения на русском и английском языках. Базовая модель адаптировала Llama 2-7B к русскому языку на 63 млрд токенов русскоязычной части Cultura-X; словарь токенизатора расширен с 32 000 до 57 000 токенов. Модель подходит для ответов на вопросы, диалоговых ассистентов и генерации текста по запросу. Максимальная длина контекста — 4096 токенов. Для загрузки токенизатора README рекомендует отключить fast tokenizer и использовать указанный в карточке chat template. Модель может галлюцинировать, повторяться, переключать язык или диалект внутри ответа, а также хуже справляться с программированием и сложной математикой; возможна генерация токсичного или неподходящего текста. Не предназначена для критически важных задач и решений, влияющих на безопасность людей. Использование регулируется лицензией Meta Llama 2 Community License Agreement.

Saul-Instruct-Clown-7b — языковая модель, созданная arcee-ai слиянием через mergekit моделей CorticalStack/pastiche-crown-clown-7b-dare-dpo и Equall/Saul-Instruct-v1. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, рассчитанная на генерацию текста; заявленная длина контекста — 32 768 токенов. Модель подходит для диалогов, ответов на вопросы, рассуждений и решения задач по текстовому запросу. В README приведены результаты OpenLLM-бенчмарков, включая ARC, HellaSwag, MMLU, TruthfulQA и GSM8K, но они не гарантируют аналогичного качества на других данных и сценариях. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Это слияние двух моделей, поэтому характеристики и поведение могут сочетать их свойства; отдельные языки, помимо поддерживаемого текстового интерфейса, в предоставленных данных не обозначены.

Saul-Instruct-Extended — объединённая с помощью mergekit инструктивная языковая модель, опубликованная arcee-ai. В README в качестве компонентов указана Equall/Saul-Instruct-v1; повторение одного и того же идентификатора не позволяет установить, объединялись ли разные варианты весов. Модель основана на плотной архитектуре Mistral и содержит 8,9 млрд параметров. Она предназначена для диалоговой генерации текста и выполнения инструкций; заявленная длина контекста — 32 768 токенов. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0.

slim-summary-phi-3 — специализированная модель llmware для суммаризации текста. Она принимает текст и формирует список кратких тезисов, извлечённых из сложных деловых документов. Модель построена на архитектуре Phi-3 и содержит около 3,7 млрд параметров; карточка указывает английский язык, а метаданные — контекст 4096 токенов и поддержку диалогового режима. Репозиторий содержит базовую версию в формате PyTorch, предназначенную в том числе для дальнейшего дообучения. Лицензия — Apache 2.0.

Stable Beluga 7B — авторегрессионная языковая модель Stability AI, дообученная на базе Llama 2 7B на внутреннем наборе данных в стиле Orca. Модель с плотной архитектурой Llama содержит 6,6 млрд параметров, принимает текст и предназначена для генерации ответов на текстовые запросы. Максимальная длина контекста — 4096 токенов; заявленный язык — английский. Модель подходит для диалогов, ответов на вопросы и выполнения разнообразных текстовых инструкций. В README отмечено, что тестирование проводилось на английском языке. Ответы могут быть неточными, предвзятыми или нежелательными, поэтому перед внедрением модель следует проверить и настроить для конкретного применения. Чекпойнт распространяется по некоммерческой лицензии STABLE BELUGA NON-COMMERCIAL COMMUNITY LICENSE AGREEMENT.

Synaptica — объединённая языковая модель семейства Llama, созданная сообществом mergekit из Sao10K/Fimbulvetr-11B-v2 и maywell/Llama-3-Synatra-11B-v1 методом SLERP. Модель предназначена для генерации текста и диалоговых ответов; её архитектура — плотная LlamaForCausalLM, размер — 11 млрд параметров, контекст — до 8192 токенов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. В конфигурации слияния указана V-образная кривая параметра t, связывающая входные и выходные слои с Hermes, а средние слои — с WizardMath. Модель рассчитана на текстовый ввод и выдачу текста. Лицензия в предоставленных данных не указана.

Synthia-13B-v1.2 — языковая модель семейства Llama, разработанная SynthIA и дообученная на наборах данных в стиле Orca. Модель содержит 12,9 млрд параметров, использует плотную архитектуру LlamaForCausalLM и рассчитана на контекст до 4096 токенов; работает с текстом через библиотеку Transformers и распространяется в формате PyTorch. Модель предназначена для выполнения инструкций, многоходовых диалогов и генерации развёрнутых ответов. В версии v1.2 авторы отмечают способность к обобщённому рассуждению в стиле Tree of Thought и Chain of Thought. Поддерживаемый в карточке язык — английский. Модель описана как uncensored и может выдавать предвзятый, оскорбительный или неподходящий контент, а также неточные и вводящие в заблуждение ответы. Результаты следует проверять. Лицензия — Llama 2; перед использованием нужно учитывать её условия.

Tulpar-7b-v2-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель, созданная MaziyarPanahi слиянием методом SLERP моделей Mistral-7B-Instruct-v0.2 и Tulpar-7b-v2. Она предназначена для генерации текста и ответов на инструкции в формате чата. Модель использует плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров; контекст — до 32 768 токенов. Модель принимает текст и выдаёт текст. В карточке указана лицензия Apache-2.0. README описывает способ слияния и базовые модели, но не приводит оценки качества или специальные ограничения применения.

TurdusDareBeagle-7B — текстовая генеративная модель, созданная объединением моделей udkai/Turdus и shadowml/DareBeagle-7B с помощью LazyMergekit. В конфигурации указаны метод слияния slerp и тип данных float16; архитектура — плотная Mistral с 7,1 млрд параметров. Модель предназначена для генерации текста и ответов на запросы. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. В карточке указана лицензия Apache-2.0. Информация о специальных областях применения и языках в предоставленных данных отсутствует.

v1olet_marcoroni-go-bruins-merge-7B-Mistral-7B-Instruct-v0.1 — объединённая чат-модель на архитектуре Mistral, созданная путём слияния весов Mistral-7B-Instruct-v0.1 и v1olet/v1olet_marcoroni-go-bruins-merge-7B методом SLERP. Модель содержит 7,1 млрд параметров, распространяется в формате safetensors и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации ответов на инструкции и диалоговые запросы на английском языке. Лицензия Apache-2.0 допускает использование, изменение и распространение в соответствии с её условиями. Карточка не приводит сравнительных оценок качества или результатов тестирования.

Villanova-2B-2512-Preview — текстовая языковая модель VillanovaAI, полученная постобучением Villanova-2B-Base-2512-Preview. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и 2,4 млрд параметров; она предназначена для генерации текста и диалогового взаимодействия. Модель принимает текст и генерирует текст. В карточке заявлена поддержка английского, немецкого, испанского, французского и итальянского языков. Длина контекста составляет 4096 токенов. Модель выпущена как предварительная версия, поэтому её характеристики и качество могут измениться. Распространяется по лицензии Apache-2.0.

Virtuoso-Small — компактная языковая модель для генерации текста, разработанная Arcee.ai. Репозиторий duyntnet/Virtuoso-Small-imatrix-GGUF содержит её квантованные варианты в формате GGUF, предназначенные для локального запуска и совместимые с llama.cpp и рядом пользовательских интерфейсов, включая KoboldCPP, Ollama, Jan, text-generation-webui и GPT4All. Модель имеет 14 миллиардов параметров и ориентирована на выполнение инструкций, сложные рассуждения и бизнес-сценарии: поддержку клиентов, создание контента и техническую помощь. В README указан английский язык и текстовая модальность. Архитектура, размер контекста и точный набор доступных квантований не уточняются. К сильным сторонам относятся относительно компактный размер, эффективность и возможность работы на менее мощном оборудовании при сохранении высокого качества генерации. Ограничения связаны с недостатком информации о конкретной архитектуре, контекстном окне, производительности и качестве на других языках. В карточке указана лицензия other; дополнительных условий использования не приведено.

deepdml/whisper-large-v3-turbo — многоязычная модель распознавания речи семейства Whisper, основанная на Whisper large-v3 от OpenAI. Это Transformer encoder-decoder с 905,2 млн параметров; в версии Turbo число слоёв декодера сокращено с 32 до 4, что ускоряет генерацию транскрипции с небольшим снижением качества. Модель принимает аудио и преобразует речь в текст, поддерживая распознавание на языке оригинала; семейство Whisper также умеет переводить речь, однако метаданные этой модели указывают только задачу автоматического распознавания речи. Модель подходит для транскрибирования записей, интервью, встреч и других аудиоматериалов на многих языках. Для длинных записей README описывает последовательную обработку скользящим окном и разбиение на перекрывающиеся фрагменты; стандартное окно восприятия составляет 30 секунд. По заявлению карточки, Whisper устойчив к акцентам, фоновому шуму и технической лексике, но точность неодинакова между языками, диалектами и группами говорящих. Возможны повторы и галлюцинации — текст, отсутствующий в аудио. Модель распространяется под лицензией Apache-2.0. README указывает поддержку библиотеки Transformers; файлы репозитория представлены в формате safetensors.

YamshadowInex12_AlloyingotneoyNeuralsirkrishna — слитая текстовая модель семейства Mistral с 7,1 млрд параметров. Она объединяет модели automerger/YamshadowInex12-7B и automerger/AlloyingotneoyNeuralsirkrishna-7B и предназначена для генерации текста по запросу. Модель принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Доступна по лицензии Apache-2.0. Данные карточки не уточняют языковую специализацию или особые прикладные области модели.

YamshadowStrangemerges_32_Strangemerges_32Shadow — объединённая модель семейства Mistral, созданная из automerger/YamshadowStrangemerges_32-7B и automerger/Strangemerges_32Shadow-7B. Она предназначена для генерации текста и имеет 7,1 млрд параметров с контекстом до 32 768 токенов. Модель принимает текст и генерирует текст; репозиторий содержит веса в формате safetensors. Поддерживаемые языки и специальные прикладные области по карточке не установлены. Модель распространяется по лицензии Apache-2.0.

YamT3qm7xp_ShadowOgno — объединённая методом слияния модель MaziyarPanahi на архитектуре Mistral с 7,1 млрд параметров. Она предназначена для генерации текста и принимает текстовые запросы; максимальная длина контекста составляет 32 768 токенов. Модель объединяет automerger/YamT3qm7xp-7B и automerger/ShadowOgno-7B. Она распространяется в формате safetensors по лицензии Apache-2.0. Доступные сведения подтверждают назначение для генерации текста, но не описывают специальные навыки или ограничения качества.

YaYi-7B-Llama2 — китайская языковая модель, разработанная командой YaYi (Wenge Research) и дообученная на базе LLaMA 2. Модель содержит 6,6 млрд параметров, использует плотную архитектуру LLaMA и принимает контекст до 2048 токенов; опубликованные веса представлены в формате PyTorch. Модель предназначена для генерации текста и выполнения инструкций на китайском и английском языках, включая многоходовый диалог и задачи анализа в областях медиакоммуникаций, анализа общественного мнения, общественной безопасности, финансовых рисков и городского управления. Разработчики сообщают о дообучении на миллионах искусственно созданных высококачественных примеров и о настройке по отзывам пользователей. Карточка не уточняет лицензию; условия использования следует проверять в репозитории модели.

Это диалоговая языковая модель ShenaoZ, дообученная на базе mistralai/Mistral-7B-Instruct-v0.2 методом DPO на наборе HuggingFaceH4/ultrafeedback_binarized. Модель с плотной архитектурой Mistral содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов и предназначена для генерации текста в ответ на инструкции и сообщения в диалоге. Модель можно использовать для создания ответов на вопросы, ведения диалога и других сценариев генерации текста. Веса опубликованы в формате safetensors; лицензия — Apache-2.0. README не содержит сведений об оценках качества и конкретных ограничениях, поэтому пригодность для заданий, требующих высокой точности, следует проверять отдельно.

Adamus-7B-slerp — объединённая модель для генерации диалогового текста, созданная с помощью LazyMergekit из mlabonne/NeuralBeagle14-7B и cognitivecomputations/dolphin-2.8-mistral-7b-v02. В метаданных указана архитектура Mistral с плотной структурой и классом MistralForCausalLM; размер модели — 7,1 млрд параметров, родной контекст — 32 768 токенов. Модель предназначена для генерации текста в формате диалога. Описание базовой NeuralBeagle14-7B указывает на задачи следования инструкциям, рассуждений и творческой генерации; эти возможности у объединённой модели отдельно не оценены. Объединение выполнено методом slerp, веса представлены в формате safetensors. Модель опубликована 3 июня 2024 года. Лицензия в предоставленных данных не указана.

ALAN — объединённая языковая модель на основе Microsoft Phi-4 и huihui-ai/phi-4-abliterated, созданная автором репозитория с помощью mergekit методом SLERP. Модель использует архитектуру Phi-3 для причинной генерации текста, содержит 14,1 млрд параметров и поддерживает контекст длиной до 16 384 токенов. Модель предназначена для генерации текста и диалогового общения. Сведения о лицензии в предоставленных данных отсутствуют.

All_like-zephyr-7b-sft-full — диалоговая языковая модель на архитектуре Mistral, дообученная на базе alignment-handbook/zephyr-7b-sft-full с использованием датасета HuggingFaceH4/ultrafeedback_binarized. Она предназначена для генерации текста и ответов в чате. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не приводит оценки качества, целевые языки или дополнительные ограничения применения; поэтому пригодность ответов следует проверять для конкретных сценариев.

AlphaMayo — диалоговая языковая модель, созданная слиянием Eric111/Mayo и mlabonne/AlphaMonarch-7B с помощью mergekit. В основе архитектуры лежит Mistral; модель содержит 7,1 млрд параметров и рассчитана на генерацию текста в формате диалога. Указанная длина контекста — 32 768 токенов. Модель подходит для генерации ответов и выполнения инструкций в чат-сценариях. Веса опубликованы в формате safetensors, лицензия — Apache-2.0. README описывает конфигурацию слияния методом SLERP и точностью bfloat16.

AlphaMonarch-7B — диалоговая языковая модель на архитектуре Mistral с 7,1 млрд параметров, созданная Mlabonne. Модель получена слиянием нескольких моделей семейства Beagle и последующим дообучением методом DPO на наборе предпочтений argilla/OpenHermes2.5-dpo-binarized-alpha; в метаданных базовой моделью указана mlabonne/NeuralMonarch-7B. Модель предназначена для диалогов, следования инструкциям, рассуждений, ролевых сценариев и написания историй. README рекомендует шаблон чата Mistral Instruct и описывает контекст 8 тысяч токенов; метаданные указывают native context в 32 768 токенов. Разрешено текстовое взаимодействие на английском языке. README сообщает о формальном и изысканном стиле ответов, который можно менять инструкциями в запросе. Модель доступна в формате safetensors и распространяется по лицензии CC BY-NC 4.0, ограничивающей коммерческое использование. Заявления README о сравнительных результатах относятся к указанным там бенчмаркам; они не гарантируют качество на других задачах. LLM может выдавать ошибочную или вымышленную информацию.

Карточка модели hramphul/bart-large-cnn на Hugging Face совпадает с карточкой facebook/bart-large-cnn, поэтому описание составлено по ней. facebook/bart-large-cnn — англоязычная модель BART, разработанная командой Facebook AI и дообученная на наборе пар «статья — краткое содержание» CNN/DailyMail. Она предназначена прежде всего для автоматического составления кратких пересказов текстовых материалов. Модель построена на архитектуре Transformer encoder-decoder: двунаправленный энкодер кодирует входной текст, а авторегрессионный декодер генерирует пересказ. Число параметров — 252,8 млн, максимальная длина контекста — 1024 токена. Модель также может применяться для других задач генерации и понимания текста, однако этот чекпойнт обучен именно для суммаризации. Модель рассчитана на англоязычные материалы; качество для других языков не подтверждено. Длинные документы могут превышать лимит контекста, а сжатие способно опустить детали или исказить смысл. Лицензия — MIT.

facebook/bart-large-mnli — контрольная точка BART-large от Facebook, дообученная на датасете MultiNLI для распознавания отношений логического следования между текстами. Модель применяют для классификации без заранее заданного набора классов: исходный текст рассматривается как предпосылка, а для каждой кандидатной метки формируется гипотеза, например «Этот текст о политике». Вероятности следования и противоречия преобразуются в оценки меток. Модель подходит для тематической классификации, маршрутизации текстов по пользовательским категориям и других задач, где нужно оценить соответствие текста произвольным меткам. Архитектура — BART-large с классификатором последовательностей, размер — 252,8 млн параметров, контекст — до 1024 токенов. Репозиторий содержит варианты PyTorch, Flax и Safetensors. Лицензия — MIT. Качество зависит от формулировки кандидатных меток и гипотез, а также от того, насколько задача соответствует обучению на MNLI; оценки модели не гарантируют правильную классификацию. Для нескольких одновременно верных меток предусмотрен режим независимой оценки каждого класса.