III.2Исследование рынка и маркетинг

HenryJJ/dolphin-2.6-mistral-7b-dpo-orca-v2 — авторегрессионная языковая модель, подготовленная HenryJJ методом DPO на основе cognitivecomputations/dolphin-2.6-mistral-7b с использованием набора Intel/orca_dpo_pairs. Модель построена на плотной архитектуре Mistral и содержит 7,1 млрд параметров; для диалогов использует формат ChatML. В карточке указано обучение на 1200 шагах с окном контекста 1024 токена, тогда как метаданные модели задают native context в 32768 токенов. Модель предназначена для генерации текста и диалоговых ответов на английском языке. Её можно применять как чат-ассистента для ответов на запросы и ведения диалога. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

ECE-FDF — слитая языковая модель на архитектуре Mistral, созданная с помощью mergekit методом SLERP из paulml/OmniBeagleSquaredMBX-v3-7B и paulml/NeuralOmniWestBeaglake-7B. Модель содержит 7,1 млрд параметров и предназначена для генерации текста по запросу; доступный контекст составляет до 32 768 токенов. Модель принимает текст и выдаёт текст. Данные карточки не описывают её специализацию, поддерживаемые естественные языки или отдельные прикладные сценарии. Файлы представлены в формате safetensors; лицензия в предоставленных источниках не указана.

EVA-Qwen2.5-72B-v0.1-GGUF — это набор GGUF-квантизаций текстовой языковой модели EVA-Qwen2.5-72B-v0.1, опубликованный bartowski. Модель создана на базе Qwen2.5-72B-Instruct и предназначена для генерации текста, включая диалоговые сценарии, написание текстов и roleplay. В обучении исходной модели использовались наборы данных для инструкционного следования, структурированного письма, художественных диалогов и ролевых сценариев. Архитектура исходной модели — Qwen2.5 с 72 млрд параметров; модель работает с текстом и использует шаблон сообщений ChatML. README не содержит точных сведений о поддерживаемых языках и размере контекстного окна. Доступны варианты квантизации от IQ1_M и Q2 до Q8_0 размером примерно от 23,74 до 77,26 ГБ. Варианты Q5_K_M, Q6_K, Q4_K_M и другие обеспечивают компромисс между качеством и требованиями к памяти; низкобитные варианты экономичнее, но заметно уступают в качестве. Модель можно запускать через llama.cpp и LM Studio. Квантизация выполнена с использованием imatrix и llama.cpp версии b4014. Лицензия указана как qwen/other; README ссылается на лицензию Qwen2.5-72B-Instruct, однако конкретные условия следует уточнять в исходной лицензии.

Experiment28M7_Inex12Yam — слитая языковая модель на архитектуре Mistral, созданная объединением automerger/Experiment28M7-7B и automerger/Inex12Yam-7B. Разработчик карточки — MaziyarPanahi. Модель предназначена для генерации текста и поддерживает контекст до 32 768 токенов. Она содержит 7,1 млрд параметров и распространяется в формате safetensors. Лицензия — Apache 2.0. Карточка не описывает специализацию модели, целевые языки или известные ограничения, поэтому её можно характеризовать только как модель для генерации текста общего назначения.

Experiment28T3q_Experiment29Multi_verse_model — объединённая языковая модель MaziyarPanahi на архитектуре Mistral с плотной архитектурой и 7,1 млрд параметров. Она создана слиянием automerger/Experiment28T3q-7B и automerger/Experiment29Multi_verse_model-7B. Модель предназначена для генерации текста и рассчитана на контекст до 32 768 токенов. В карточке указана лицензия Apache-2.0. Сведения о специализированных сценариях, обучающих данных и языках модели не приводятся.

f-6-8b — объединённая методом SLERP модель для генерации текста и диалогов, созданная автором репозитория с помощью mergekit на основе jaspionjader/f-5-8b и jaspionjader/Kosmos-EVAA-mix-v35-8B. Модель использует плотную архитектуру LlamaForCausalLM и содержит 7,5 млрд параметров; поддерживается библиотекой Transformers. Модель предназначена для генерации текста и ведения диалога на входном текстовом запросе. Её контекстное окно составляет 8192 токена. Веса опубликованы в формате safetensors. В карточке и метаданных сведения о лицензии и поддерживаемых естественных языках отсутствуют.

Flora 7B — языковая модель ResplendentAI для генерации текста. Это плотная причинная модель семейства Mistral с 7,1 млрд параметров, созданная слиянием jeiku/FloraBase и jeiku/Synthetic_Soul_1k_Mistral_128 методом linear с весом 1 и сохранённая в формате safetensors. Карточка приводит результаты оценки на Open LLM Leaderboard, включая средний балл 74,26, HellaSwag и AI2 Reasoning Challenge. Модель подходит для генерации продолжений текста и ответов на текстовые запросы на английском языке. Контекстное окно составляет 32 768 токенов. Для использования модель распространяется по лицензии CC BY-SA 4.0.

freewheelin/free-solar-slerp-v0.2 — текстовая генеративная модель на архитектуре Llama с 10,7 млрд параметров, созданная объединением двух моделей методом SLERP с помощью mergekit: davidkim205/komt-solar-10.7b-sft-v5 и LDCC/LDCC-SOLAR-10.7B. Она предназначена для генерации текста и диалоговых сценариев на основе текстовых запросов. Модель использует формат Safetensors и поддерживает контекст до 4096 токенов. В метаданных указана лицензия MIT. Подробные оценки качества и ограничения отдельных сценариев в карточке не приведены.

QueryloopAI/gemma-7b-openhermes — диалоговая языковая модель на архитектуре Gemma, дообученная разработчиком на базе google/gemma-7b-it с помощью QLoRA на данных предпочтений OpenHermes-2.5. Модель содержит 8,2 млрд параметров, распространяется в формате Safetensors и рассчитана на генерацию текста и следование инструкциям в формате чата; для диалогового использования следует применять встроенный шаблон чата токенизатора. Модель принимает текстовые запросы, вопросы и документы и генерирует ответы или краткие изложения на английском языке. Указанное контекстное окно — 8192 токена. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение. В README приведены результаты нескольких бенчмарков; они не гарантируют качество на конкретных задачах.

psiilu/h2o-dpo-merge2 — объединённая языковая модель, созданная автором репозитория из двух предварительно обученных моделей с помощью mergekit. В метаданных указана архитектура MistralForCausalLM с плотной моделью размером 1,7 млрд параметров; файлы представлены в формате Safetensors. Модель предназначена для генерации текста и диалогового общения, а её контекстное окно составляет 8192 токена. Модель может использоваться для создания ответов в чате и генерации текста по запросу. В README приведены два исходных репозитория и описано их объединение линейным методом с равными весами. Лицензия в предоставленных данных не указана.

Hematoma-Gemma-Model-Stock-9B — диалоговая языковая модель на архитектуре Gemma 2, созданная методом слияния Model Stock с помощью mergekit. В качестве базовой модели использована UCLA-AGI/Gemma-2-9B-It-SPPO-Iter3; в слияние также вошли BAAI/Gemma2-9B-IT-Simpo-Infinity-Preference, princeton-nlp/gemma-2-9b-it-SimPO и wzhouad/gemma-2-9b-it-WPO-HB. Модель содержит 9 млрд параметров, работает с текстом и предназначена для генерации ответов в диалоге. Максимальная длина контекста — 8192 токена. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия в предоставленных данных не указана.

Hermes-2.5-Yi-1.5-9B-Chat — разговорная языковая модель, созданная автором juvi21 путём дообучения 01-ai/Yi-1.5-9B-Chat на наборе данных teknium/OpenHermes-2.5. Это плотная причинная модель семейства Llama с 8,6 млрд параметров, предназначенная для генерации текста в диалоге. Для общения используется шаблон ChatML. Модель подходит для диалоговых помощников, ответов на вопросы и других задач генерации текста. В README приведены результаты тестов AGIEval, ARC и BoolQ, однако автор отмечает, что оценка качества основана на первых впечатлениях и может измениться при более длительном использовании. README сообщает о длине последовательности обучения 8192 токена; метаданные указывают нативный контекст 4096 токенов, поэтому не следует считать поддержку более длинного контекста подтверждённой. Модель принимает текст и выдаёт текст. Репозиторий содержит веса в формате safetensors; в README также упоминаются отдельные GGUF-квантизации. Лицензия — Apache-2.0.

Ice0.29-06.11-RP — созданная разработчиком модели Icefog72 объединённая языковая модель для генерации текста и диалогового общения. Она построена на архитектуре Mistral с плотной causal language model и содержит 7,1 млрд параметров; указанный контекст составляет 32 768 токенов. Модель получена слиянием двух предварительно обученных моделей методом SLERP через mergekit. Веса представлены в формате safetensors, тип данных при слиянии — bfloat16. Модель подходит для генерации продолжений текста и ведения диалога. В карточке не приведены сведения о языках, специальных областях применения и количественной оценке качества. Лицензия в доступных данных не указана.

Infinity-Instruct-7M-Gen-Llama3.1-70B — разговорная модель Beijing Academy of Artificial Intelligence (BAAI), дообученная на наборах Infinity-Instruct-7M и Infinity-Instruct-Gen. Это плотная авторегрессионная модель семейства Llama 3.1 с 69,5 млрд параметров; она генерирует текст по инструкциям и использует шаблон диалога Llama 3 Instruct. Контекстное окно составляет 8192 токена. Модель предназначена для диалогов и выполнения пользовательских инструкций. Разработчики сообщают о результатах на AlpacaEval 2.0 и Arena-Hard, сопоставимых с GPT-4, однако приведённые в карточке сведения не гарантируют качество в конкретных сценариях. Обучение проводилось без RLHF. В метаданных указан английский язык. Модель распространяется для академических исследований; коммерческое использование запрещено лицензией llama3.1 и условиями проекта.

InstructPalmyra-20b — англоязычная причинно-следственная авторегрессионная языковая модель с архитектурой GPT-2, разработанная Writer и дообученная на базе Palmyra-20B. По карточке, модель обучена на примерно 70 тысячах пар «инструкция — ответ» и предназначена для выполнения текстовых инструкций и генерации ответов. Размер составляет 20 млрд параметров, контекст — 2048 токенов. Модель подходит для создания виртуальных помощников, поддержки клиентов и генерации контента. Она принимает текст и выдаёт текст; карточка заявляет английский как основной язык. Распространяется по лицензии Apache 2.0. Модель может генерировать фактически неверные ответы и отражать стереотипы из веб-данных; возможен нежелательный контент. Она плохо обобщает на языки, отличные от английского. Перед использованием результатов нужна проверка человеком, а для применения в продуктивной среде карточка рекомендует оценить риски и настроить защитные механизмы.

Kant-Test-0.1-Mistral-7B-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель MaziyarPanahi, полученная слиянием Mistral-7B-Instruct-v0.2 и Zardos/Kant-Test-0.1-Mistral-7B методом SLERP. Модель на 7,1 млрд параметров использует архитектуру Mistral с плотной причинной языковой моделью и предназначена для генерации текста и ответов на инструкции в формате диалога; контекст составляет до 32 768 токенов. Модель принимает текст и выдаёт текст. Репозиторий содержит веса в формате safetensors. Лицензия Apache-2.0. Подробности о специализации второй модели, обучающих данных и сравнительной производительности в карточке не приведены.

Kosmos-EVAA-gamma-light-alt-8B — языковая модель для генерации текста, созданная автором репозитория путём слияния предварительно обученных моделей jaspionjader/Kosmos-EVAA-gamma-alt-8B и jaspionjader/Kosmos-EVAA-v3-8B. Для объединения применён метод SLERP с помощью mergekit; модель использует архитектуру Llama и содержит 7,5 млрд параметров. Модель предназначена для генерации текста по запросу и поддерживает контекст до 8192 токенов. Репозиторий содержит веса в формате Safetensors. Сведения о специализации по областям, поддерживаемых языках и лицензии в предоставленных источниках отсутствуют.

Карточка модели KR-X-AI/krx-qwen2-7b-instruct-v2 на Hugging Face совпадает с карточкой KR-X-AI/krx-qwen2-7b-instruct-v2-m, поэтому описание составлено по ней. KR-X-AI разработала эту разговорную языковую модель на базе Qwen2-7B-Instruct. Это плотная авторегрессионная модель с 7,1 млрд параметров для генерации текста и диалогов; заявленное окно контекста составляет 32 768 токенов. Модель дообучена от unsloth/qwen2-7b-instruct-bnb-4bit с использованием Unsloth и библиотеки TRL. Модель предназначена для чат-сценариев и генерации ответов на текстовые запросы. В метаданных указан английский язык. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0.

Карточка модели KR-X-AI/krx-qwen2-7b-instruct-v3 на Hugging Face совпадает с карточкой KR-X-AI/krx-qwen2-7b-instruct-v4_m, поэтому описание составлено по ней. KR-X-AI/krx-qwen2-7b-instruct-v4_m — диалоговая языковая модель KR-X-AI на архитектуре Qwen2. Это дообученная версия KR-X-AI/krx-qwen2-7b-instruct-v2; для обучения использовались Unsloth и библиотека TRL. Модель содержит 7,1 млрд параметров и принимает текстовые запросы, выдавая текстовые ответы. Модель предназначена для диалогов и генерации текста на английском языке. Она поддерживает контекст длиной до 32 768 токенов и распространяется в формате Safetensors по лицензии Apache-2.0.

L3SAO-Mix-SuperHermes-NovaPurosani-8B — объединённая текстовая модель ZeroXClem на архитектуре Llama 3.1. Она создана методом Della Linear из ZeroXClem/Llama3.1-Hermes3-SuperNova-8B-L3.1-Purosani-2-8B и Casual-Autopsy/L3-bluuwhale-SAO-MIX-8B-V1_fp32-merge-calc; в метаданных базовой моделью указана первая из них. Модель содержит 7,5 млрд параметров, поддерживает контекст до 131 072 токенов и распространяется в формате safetensors по лицензии Apache-2.0. Модель предназначена для следования инструкциям, диалогов, ролевых сценариев и генерации длинных текстов. Её можно применять для интерактивных историй, разработки персонажей и игровых диалогов, а также для подготовки черновиков статей, романов и отчётов, суммаризации и задач ассистента. Карточка заявляет сочетание возможностей Hermes 3 и bluuwhale, но не приводит сравнительных оценок или результатов испытаний. Указанные языки — английский и русский; специальных ограничений применения в карточке не описано.

Карточка модели jncraton/LaMini-Flan-T5-248M-ct2-int8 на Hugging Face совпадает с карточкой MBZUAI/LaMini-Flan-T5-248M, поэтому описание составлено по ней. LaMini-Flan-T5-248M — модель серии LaMini-LM, разработанной MBZUAI. Это дообученная на 2,58 млн примеров инструкций модель google/flan-t5-base с архитектурой T5 и примерно 123,8 млн параметров. Она предназначена для выполнения инструкций на естественном языке и генерации текстовых ответов; пример в карточке показывает запрос с просьбой оценить место для посещения. Модель работает с текстом и имеет контекстное окно 512 токенов. В карточке описаны автоматическая оценка на задачах NLP и человеческая оценка ответов на пользовательские инструкции. Использование ограничено условиями лицензии CC BY-NC 4.0, которая не допускает коммерческое использование.

LFM2-24B-A2B-MLX-8bit — 8-битная квантованная версия модели LFM2-24B-A2B, разработанной LiquidAI. Квантование выполнено командой LM Studio с использованием MLX и ориентировано на запуск на устройствах с Apple Silicon. Модель предназначена для генерации текста и локального использования через совместимое программное обеспечение. Модель поддерживает английский, арабский, китайский, французский, немецкий, японский, корейский, испанский и португальский языки. Ключевые параметры контекста, точная архитектура и дополнительные модальности в README не указаны; из описания следует, что это текстовая модель. Сильной стороной является оптимизация для Apple Silicon и снижение требований к памяти благодаря 8-битному представлению, однако квантование может влиять на качество по сравнению с исходной версией, а применение вне экосистемы Apple может быть ограничено. Модель распространяется по лицензии lfm1.0.

nkpz/llama2-22b-daydreamer-v3 — дообученная автором модель семейства Llama для генерации текста. Она создана на основе Llama 2 13B, расширенной до 22B параметров с использованием данных Llama 1 33B, а затем дообучена с помощью крупных LoRA-адаптеров и их слияния. В метаданных указаны архитектура LlamaForCausalLM, формат PyTorch и контекст до 4098 токенов. Модель предназначена для ответов на вопросы, выполнения инструкций и диалогов, включая ролевые сценарии и имитацию речевых стилей. Автор ориентировал её на английский язык, исключил из обучения примеры по программированию и отмечает выразительность в творческих запросах и сухой, точный стиль в информационных ответах. В README приведены результаты оценки на Open LLM Leaderboard, однако автор указывает, что формальное выявление слабых мест через бенчмаркинг ещё предстоит. Лицензия обозначена в метаданных как other, поэтому конкретные условия использования следует сверять с лицензией репозитория.

Llama-3.1-SuperNova-Lite-14B — плотная авторегрессионная языковая модель семейства Llama, созданная с помощью mergekit методом passthrough. Модель предназначена для генерации текста и диалогового общения. Репозиторий содержит веса в формате safetensors; метаданные указывают размер 12,7 млрд параметров и контекст до 131 072 токенов. Модель объединяет предварительно обученные языковые модели; README называет компонент слияния Llama-3.1-SuperNova-Lite. Она подходит для генерации продолжений и ответов в чате. Сведений о языковом охвате, лицензии и конкретных ограничениях качества в доступной карточке нет.

AdrienB134/Llama-3-8B-ASN-alpha — дообученная AdrienB134 языковая модель семейства Llama 3 для генерации текста. Она основана на unsloth/llama-3-8b-bnb-4bit; для обучения использовались Unsloth и библиотека TRL. Модель имеет плотную архитектуру LlamaForCausalLM и около 7,5 млрд параметров, принимает текст и генерирует текст. Указанная длина контекста — 8196 токенов. В карточке отмечена поддержка английского языка. Модель распространяется по лицензии Apache-2.0.

MaziyarPanahi/Llama-3-8B-Instruct-DPO-v0.1 — диалоговая языковая модель, созданная MaziyarPanahi дообучением Meta-Llama-3-8B-Instruct методом DPO. Она предназначена для генерации ответов в диалоге и других текстовых задач. Модель использует архитектуру LlamaForCausalLM с плотной сетью, содержит 7,5 млрд параметров и принимает шаблон ChatML. Контекст составляет 8192 токена; в карточке указан английский язык. Модель распространяется в формате safetensors для использования с библиотекой Transformers. Лицензия указана как other; условия её использования следует сверять с карточкой модели и базовой модели.

Llama3-DiscoLeo-Instruct-8B-v0.1 — немецкоязычная инструктивная языковая модель, совместно разработанная DiscoResearch и Occiglot при поддержке DFKI и hessian.Ai. Она создана дообучением DiscoResearch/Llama3-German-8B на немецком наборе инструкций DiscoResearch. Базовая модель восходит к Meta Llama 3 8B и прошла продолжительное предобучение на 65 млрд немецких токенов. Модель построена на плотной архитектуре Llama с примерно 7,5 млрд параметров; использует шаблон диалога Llama 3 и рассчитана на контекст до 8192 токенов. Она предназначена для диалогов и выполнения инструкций на немецком языке, а опубликованные оценки охватывают немецкие и английские тесты. Модель распространяется в формате safetensors по лицензии Llama 3.

wzhouad/Llama3-Instruct-8B-WPO-HB-v2 — диалоговая языковая модель, созданная дообучением Meta-Llama-3-8B-Instruct методом Weighted Preference Optimization (WPO). Метод перенастраивает веса пар предпочтений в зависимости от их вероятности при текущей политике, чтобы приблизить обучение на off-policy данных к on-policy обучению. Для обучения использован гибридный набор предпочтений на основе UltraFeedback, ответов Llama и GPT-4-turbo; README также описывает правила выбора предпочтительных и отклонённых ответов. Модель предназначена для генерации диалоговых ответов и ассистентского текста. Она построена на плотной архитектуре LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Английский язык указан как язык базовой модели. В README приведены результаты AlpacaEval: LC 53,4, WR 57,3, средняя длина ответа 2472 токена. Модель распространяется в формате safetensors через Transformers. Сведения о лицензии в предоставленных данных отсутствуют.

Llama-SEA-LION-v3-8B-IT-GGUF — набор файлов модели в формате GGUF для Llama-SEA-LION-v3-8B-IT, разработанной командой Products Pillar организации AI Singapore при финансировании Singapore NRF. Это мультиязычная decoder-модель, дообученная для выполнения инструкций и ориентированная на языки Юго-Восточной Азии. Модель предназначена для генерации текста и сценариев, требующих работы с инструкциями на английском и языках региона. Она обучалась в два этапа примерно на 12,3 млн англоязычных пар «инструкция—ответ» и 4,5 млн пар на языках Юго-Восточной Азии, включая бирманский, китайский, филиппинский, индонезийский, яванский, кхмерский, лаосский, малайский, сунданский, тамильский, тайский и вьетнамский. Размер базовой модели составляет 8 млрд параметров. В репозитории доступны варианты GGUF с различными уровнями квантования — от F16 до Q2_K и Q8_0. Сильная сторона модели — специализация на многоязычных задачах с акцентом на языки Юго-Восточной Азии и наличие вариантов, подходящих для запуска в средах с разными требованиями к памяти. Модель может галлюцинировать, выдавать нерелевантное или вымышленное содержание, а её рассуждения могут быть непоследовательными, поэтому ответы требуют проверки. Модель не прошла выравнивание по безопасности; разработчикам и пользователям рекомендуется самостоятельно применять меры безопасности и дообучение. Распространяется по лицензии Llama 3.1 Community License.

Lumimaid-v0.2-8B — разговорная языковая модель на архитектуре Llama, разработанная mrcuddle путём дообучения NeverSleep/Lumimaid-v0.2-8B. В карточке указаны обучение с помощью Unsloth и библиотеки TRL, размер модели составляет 7,5 млрд параметров, а формат весов — safetensors. Модель предназначена для генерации текста и диалогового общения; каталог отмечает поддержку чата. Она принимает текст и генерирует текст, а заявленная длина контекста составляет 131 072 токена. В метаданных указан английский язык. Модель опубликована по лицензии Apache-2.0.