III.2Исследование рынка и маркетинг

hchung1017 (Hoon Chung) объединил линейным слиянием три модели: LDCC/LDCC-SOLAR-10.7B, hyeogi/SOLAR-10.7B-dpo-v1 и megastudyedu/M-SOLAR-10.7B-v1.3. Это плотная авторегрессионная модель семейства Llama на 10,6 млрд параметров для генерации текста и диалогового взаимодействия. Она принимает текст и формирует текстовые ответы; заявленная длина контекста — 4096 токенов. Модель может использоваться для ведения диалогов и генерации продолжений текста. В карточке указана лицензия MIT. Подробные оценки качества и ограничения конкретного слияния не приведены.

nkpz/llama2-22b-daydreamer-v2 — языковая модель семейства Llama, дообученная автором nkpz ещё на нескольких эпохах общих данных airoboros v2. Модель предназначена для генерации текста и ответов на инструкции; автор отмечает, что она стала менее склонна к чрезмерно подробным объяснениям и менее привязана к формату инструкций, сохранив более универсальный стиль. Модель содержит 21,6 млрд параметров, использует плотную архитектуру LlamaForCausalLM и формат PyTorch. Нативный контекст составляет 4098 токенов. В карточке указана лицензия other. Автор описывает модель как работу в процессе и отмечает, что навыки решения задач ещё требуют улучшения.

Clibrain Llama-2-7B-ft-instruct-es — языковая модель на архитектуре Llama 2, дообученная на испанском наборе инструкций Clibrain. Она предназначена для генерации текста и выполнения пользовательских инструкций на испанском языке. Модель содержит 6,6 млрд параметров, использует плотную архитектуру LlamaForCausalLM и работает с контекстом до 4096 токенов. Модель подходит для диалоговых помощников, ответов на вопросы и создания текстов на испанском языке. Репозиторий содержит веса в формате PyTorch. Лицензия — Apache-2.0.

Это дообученная DavidAU модель семейства Llama 3.3 на 7,5 млрд параметров для диалогов, следования инструкциям и генерации текста с режимом рассуждений. Автор сообщает, что дообучил вариант Llama 3.3 8B Instruct через Unsloth на датасете Claude 4.5 Opus High Reasoning; перед этим модель была модифицирована для снижения отказов. В карточке также заявлено восстановление контекста до 128 тысяч токенов. Модель предназначена для ответов на запросы, пошаговых рассуждений и творческого письма, включая рассказы, ролевые диалоги и хоррор. Автоматическая активация режима рассуждений зависит от формулировки запроса; для желаемого уровня откровенности или ненормативной лексики автор рекомендует явно задавать стиль и лексику. Указаны поддержка нескольких языков, включая русский, и лицензия Apache-2.0. Это текстовая модель, опубликованная в формате Safetensors для Transformers.

Llama-3-8B-WizardLM-196K — дообученная Magpie-Align версия языковой модели Meta Llama 3 8B, разработанная на базе meta-llama/Meta-Llama-3-8B. Модель предназначена для генерации текста в диалоговом формате и может использоваться как чат-модель общего назначения. Модель содержит 7,5 млрд параметров, построена на плотной архитектуре LlamaForCausalLM и принимает текст, выдавая текст. Длина контекста, указанная в метаданных, — 8192 токена. Веса доступны в форматах PyTorch и safetensors; лицензия — llama3. README сообщает о дообучении, но не раскрывает датасет и не описывает специализированные возможности или результаты, кроме значения loss 0,6077 на оценочном наборе.

vincentoh/llama3-alpaca-dpo-instruct — текстовая генеративная модель семейства Llama 3, дообученная на одном проходе по датасету Alpaca. Карточка указывает на базовую модель unsloth/llama-3-8b-bnb-4bit; архитектура — плотная авторегрессионная LlamaForCausalLM, размер — 7,5 млрд параметров, контекст — до 8192 токенов. Модель предназначена для генерации текста и выполнения инструкций на английском языке: например, для ответов на вопросы, составления черновиков и диалогового взаимодействия. Используется формат safetensors и лицензия Apache-2.0. Данных о результатах оценки качества в карточке нет.

Модель worldboss/llama_finetune_16bit — дообученная языковая модель семейства Llama, созданная worldboss на базе unsloth/llama-3.1-8b-unsloth-bnb-4bit. Это плотная авторегрессионная модель с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров; для обучения использовались Unsloth и библиотека TRL от Hugging Face. Модель предназначена для генерации текста и может применяться в сценариях, где нужны ответы или продолжения текста. Карточка указывает контекст до 131 072 токенов и поддержку английского языка. В репозитории используются веса safetensors. Лицензия — Apache-2.0. Карточка не описывает специализацию дообучения, поэтому нельзя точнее определить целевые предметные области или качество на конкретных задачах.

LongForm-OPT-1.3B — языковая модель на базе OPT, дообученная авторами проекта LongForm на инструкциях для генерации длинных текстов. Модель содержит около 1,7 млрд параметров и принимает текстовые запросы; её контекст составляет 2048 токенов. В карточке заявлены английский и многоязычный режимы, включая немецкий, итальянский, испанский и французский языки. Модель предназначена для генерации длинных ответов и документов по инструкциям: например, рецептов, историй, стихотворений, писем и ответов на вопросы, а также для суммаризации и исправления грамматических ошибок. Авторы сообщают о результатах оценки на генерации рецептов, ответах на вопросы ELI5 и коротких историях, где LongForm-модели превзошли сравниваемые модели с настройкой на инструкции. Ограничения включают слабую пригодность для задач структурированного предсказания и возможность галлюцинаций. Лицензия в предоставленных данных не указана.

october-sd/mbart-large-50-finetuned-latest3 — дообученная модель семейства mBART на основе facebook/mbart-large-50. Она предназначена для суммаризации текста. Модель имеет архитектуру Seq2Seq с 457,4 млн параметров и контекстом до 1024 токенов; веса опубликованы в формате safetensors. Базовая mBART-50 поддерживает преобразование текста между 50 языками, однако карточка этой версии не уточняет языки и области, на которых она обучалась для суммаризации. В README приведено значение loss 2,4566 на оценочном наборе, но описание набора и подробности обучения отсутствуют. Лицензия модели — MIT.

MeowGPT-2 — разговорная языковая модель, разработанная CutyCat2000 на архитектуре Llama. Модель содержит 2,9 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текстовые запросы для генерации текста. Она обучена на наборе данных OpenOrca и предназначена для диалогового взаимодействия и других задач генерации текста на естественном языке. Модель загружается через библиотеку Transformers и распространяется в формате safetensors. Контекст составляет до 4096 токенов. В карточке указан английский язык, лицензия — MIT. Ответы могут быть неточными или неуместными, поэтому их следует проверять перед использованием в важных сценариях.

mergekit-community/mergekit-passthrough-kfpckkg — языковая чат-модель на архитектуре Llama, созданная сообществом с помощью mergekit из Undi95/Meta-Llama-3-8B-Instruct-hf. При слиянии методом passthrough выбраны и объединены диапазоны слоёв исходной модели; для части слоёв заданы нулевые коэффициенты для проекций o_proj и down_proj. Модель предназначена для диалогов и генерации текста по инструкциям. Модель содержит 11,6 млрд параметров, принимает текст и выдаёт текст; для общения с ней предусмотрена возможность chat. Нативный контекст — 8192 токена. Репозиторий использует Transformers и формат safetensors. В метаданных не указана лицензия, поэтому условия использования по имеющимся данным определить нельзя.

Карточка модели mergekit-community/mergekit-slerp-vhzhpmg на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-jlrpbqb, поэтому описание составлено по ней. Это объединённая модель генерации текста на архитектуре Mistral, созданная сообществом mergekit-community методом SLERP из arcee-ai/sec-mistral-7b-instruct-1.6-epoch и cognitivecomputations/dolphin-2.8-mistral-7b-v02. Модель содержит около 7,1 млрд параметров, рассчитана на диалоговое применение и использует контекст до 32 768 токенов. Модель предназначена для генерации ответов в диалоге и других сценариев генерации текста. Веса доступны в формате Safetensors и имеют тип bfloat16. В метаданных указана библиотека Transformers. Сведения о лицензии и конкретных ограничениях поведения в предоставленных данных отсутствуют.

MergerixStrangemerges_32-7B — автоматическое слияние моделей, созданное Maxime Labonne на основе Gille/StrangeMerges_32-7B-slerp и MiniMoog/Mergerix-7b-v0.3. В репозитории указаны метод слияния dare_ties, плотность 0,53, вес 0,6 и формат bfloat16; архитектура — плотная MistralForCausalLM с 7,1 млрд параметров. Модель предназначена для генерации текста и поддерживает контекст до 32 768 токенов. Лицензия — Apache-2.0. В README не описаны конкретные языки и специализированные сценарии применения.

Undi95/Meta-Llama-3.1-8B-Claude — дообученная версия Llama 3.1 8B Instruct, созданная Undi95 на примерах диалогов и инструкций, сформированных на основе ответов Claude Opus и Sonnet. По карточке, модель обучена на 9 млн токенов из перечисленных наборов данных за два прохода; она использует архитектуру Llama для генерации текста и диалогов. Подходит для чат-ответов и выполнения инструкций в формате Llama 3. В репозитории указаны веса Safetensors и контекстное окно 131 072 токена. Карточка не приводит отдельной оценки качества или подробных ограничений; результаты могут отличаться от исходных моделей Claude. Лицензия в предоставленных данных не указана.

Mistral-7B-v0.1-Open-Platypus-Mistral-7B-Instruct-v0.1 — чат-модель MaziyarPanahi, полученная слиянием методом SLERP моделей Mistral-7B-Instruct-v0.1 и Mistral-7B-v0.1-Open-Platypus. Она предназначена для генерации ответов на инструкции и диалоговые запросы; каталог классифицирует её задачу как text-generation. Модель построена на плотной архитектуре Mistral с 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель принимает текст и выдаёт текст. Карточка указывает формат safetensors и лицензию Apache-2.0. Язык в предоставленных данных явно не задан; возможности и качество модели за пределами описания базовой чат-модели не подтверждены.

nlpguy/Mistral-NeMo-Minitron-Upscale-v3 — языковая модель для генерации текста, созданная на основе nvidia/Mistral-NeMo-Minitron-8B-Base. README сообщает, что веса получены слиянием предварительно обученных языковых моделей методом passthrough; в перечне исходных моделей указана только базовая модель NVIDIA. Архитектура — плотная MistralForCausalLM, размер — 11,9 млрд параметров, родной контекст — 8192 токена. Модель рассчитана на текстовый ввод и генерацию текста. Карточка содержит рекомендацию использовать v1, поэтому качество и актуальность версии v3 могут быть ограничены. Указана лицензия other; конкретные условия использования следует сверить с лицензией репозитория и базовой модели.

LeroyDyer/Mixtral_Instruct — текстовая генеративная модель на архитектуре Mistral с 7,1 млрд параметров. Репозиторий содержит веса в формате safetensors; модель доступна для использования через библиотеку Transformers. Карточка README оставлена в виде шаблона и не сообщает, кто разработал модель и как она обучалась. Модель предназначена для генерации текста. Контекстное окно составляет 32 768 токенов, а в метаданных указан английский язык. Каталог связывает модель слиянием с LeroyDyer/Mixtral_BaseModel и Locutusque/Hercules-3.1-Mistral-7B, поэтому её происхождение отмечено как merge. Лицензия — Apache-2.0. README не содержит результатов оценки качества или рекомендаций по применению.

MixtureofMerges-MoE-2x7b-v0.01b-SLERP — языковая модель с архитектурой Mixtral MoE, полученная слиянием методом SLERP через mergekit. В слиянии использованы yunconglong/Truthful_DPO_TomGrc_FusionNet_7Bx2_MoE_13B и jsfs11/MixtureofMerges-MoE-2x7b-v6; карточка указывает базовой моделью первую из них. В каталожных метаданных размер указан как 7,1 млрд параметров, а длина контекста — 32 768 токенов. Модель предназначена для генерации текста и может применяться в диалоговых сценариях, ответах на запросы и создании текстового контента. Базовая модель прошла настройку DPO с предпочтением правдивых ответов, однако отдельных оценок качества или гарантий правдивости для данного слияния карточка не приводит. Модель распространяется в формате safetensors по лицензии Apache-2.0.

MoMo-70B-V1.1 — языковая модель семейства Llama, опубликованная пользователем bongchoi. Это плотная авторегрессионная модель для генерации текста с 68,7 млрд параметров и контекстом до 4096 токенов. В метаданных указаны Transformers, формат safetensors и лицензия Llama 2. Модель обучалась на наборах данных в стиле Orca и Alpaca; README сообщает, что другие наборы данных не использовались. Она подходит для генерации текста и диалоговых сценариев общего назначения. Карточка не приводит результатов оценки качества или дополнительных характеристик обучения.

PSanni/MPOMixtral-8x7B-Instruct-v0.1 — чат-модель на архитектуре Mixtral-8x7B, дообученная автором с помощью LoRA и собственной техники выравнивания MPO. Она предназначена для диалогов и генерации ответов в формате ChatML, в том числе для задач общего ассистента. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0. README не уточняет обучающие данные, поддерживаемые языки и ограничения применения; заявленные автором подробности обучения не приведены.

MPT-1b-RedPajama-200b-dolly — языковая модель MosaicML для генерации текста и выполнения инструкций. Это плотный decoder-only трансформер MosaicGPT примерно на 1,3 млрд параметров: 24 слоя, 16 голов внимания и ширина 2048. Предварительное обучение проводилось на 200 млрд токенов RedPajama, а затем модель дообучили на наборе инструкций Databricks Dolly 15k. В архитектуре используются ALiBi и QK LayerNorm; позиционные эмбеддинги и смещения в слоях не применяются. Модель подходит для ответов на инструкции и вопросы, написания текстов и других задач генерации текста. Она принимает текст и генерирует текст; контекст обучения составлял 2048 токенов. Карточка требует загрузки с trust_remote_code=True, поскольку архитектура MosaicGPT не входит в стандартный пакет Transformers. Доступна по лицензии CC BY-SA 3.0.

zelk12 выпустил эту объединённую диалоговую модель на базе Gemma 2. Она создана методом SLERP с помощью mergekit из recoilme/recoilme-gemma-2-9B-v0.4 и zelk12/recoilme-gemma-2-Ataraxy-9B-v0.1-t0.25. Модель содержит 9 млрд параметров, использует плотную архитектуру Gemma2ForCausalLM и распространяется в формате safetensors для библиотеки Transformers. Модель предназначена для генерации текста и общения в чате. Она принимает текст, выдаёт текст и поддерживает контекст длиной до 8192 токенов. В карточке нет сведений о целевых языках и специализированных предметных областях. Лицензия в предоставленных данных не указана.

zelk12 создал эту разговорную языковую модель, объединив методом SLERP две предварительно обученные модели Gemma 2: zelk12/recoilme-gemma-2-Ifable-9B-v0.1 и zelk12/recoilme-gemma-2-Ataraxy-9B-v0.1. Модель с плотной архитектурой Gemma2ForCausalLM содержит 9 млрд параметров и рассчитана на генерацию текста и диалоговое взаимодействие. Модель принимает текст и генерирует текст; заявленный контекст составляет 8192 токена. Репозиторий предоставляет веса в формате safetensors и указывает библиотеку Transformers. Язык модели, специальные предметные области и конкретные сильные стороны в карточке не описаны. Условия лицензирования в предоставленных данных не указаны.

zelk12/MT3-Gen5-IF-gemma-2-Av4dMT2-9B — слитая модель семейства Gemma 2, созданная с помощью mergekit методом SLERP из lemon07r/Gemma-2-Ataraxy-v4d-9B и zelk12/MT2-gemma-2-9B. Это плотная авторегрессионная языковая модель на 9 млрд параметров для генерации текста и диалогов; её можно использовать для создания продолжений, ответов и творческих текстов. Модель рассчитана на контекст до 8192 токенов и работает через библиотеку Transformers. В метаданных заявлена возможность чата. Репозиторий содержит веса в формате safetensors; README указывает исходную точность bfloat16. Языки модели не определены в предоставленных данных. Лицензия в метаданных и README не указана.

zelk12/MT3-Gen5-MAI-gemma-2-9B_v1 — это объединение двух предварительно обученных языковых моделей Gemma 2, созданное автором репозитория с помощью mergekit и метода SLERP. Модель имеет плотную архитектуру Gemma2ForCausalLM, содержит 9 млрд параметров и распространяется в формате safetensors. Модель предназначена для генерации текста и диалогового взаимодействия. Она принимает текст и выдаёт текст; заявленная длина контекста составляет 8192 токена. В карточке не указаны специализированная область применения и поддерживаемые естественные языки. Использование требует соблюдения лицензии Gemma 2 и условий исходных моделей; конкретная лицензия в предоставленных данных не указана. Поскольку модель получена слиянием, её качество и поведение могут зависеть от сценария, а в карточке нет результатов оценки или подробных рекомендаций по применению.

zelk12/MT4-Gen5-MA-gemma-2-MT4g2MT3g4-9B — объединённая с помощью mergekit методом SLERP языковая модель на архитектуре Gemma 2 с 9 млрд параметров. Она создана из zelk12/MT3-Gen4-gemma-2-9B и zelk12/MT4-Gen2-gemma-2-9B и предназначена для генерации текста и диалогового общения. Модель принимает текст и выдаёт текст; заявленная длина контекста — 8192 токена. Репозиторий содержит веса в формате safetensors, библиотека для работы — Transformers. В карточке нет сведений о поддерживаемых языках и лицензии, поэтому их нельзя надёжно описать.

zelk12/MT5-Gen5-MU-gemma-2-Av4aAMTg2-9B — объединённая модель Gemma 2, созданная с помощью mergekit методом SLERP из lemon07r/Gemma-2-Ataraxy-v4a-Advanced-9B и zelk12/MT-Gen2-gemma-2-9B. Это плотная авторегрессионная языковая модель с архитектурой Gemma2ForCausalLM, размером 9 млрд параметров и контекстом до 8192 токенов. Модель предназначена для генерации текста и диалогового общения. Она принимает текст и выдаёт текст; карточка подтверждает поддержку чата, но не описывает специализированные предметные сценарии или языки. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных сведениях не указана. Качество и особенности результата зависят от запроса и настроек генерации; отдельные ограничения модели в карточке не описаны.

zelk12 выпустил эту объединённую модель Gemma 2 для диалоговой генерации текста. Она создана методом SLERP с помощью mergekit из моделей zelk12/MT-Gen5-gemma-2-9B и zelk12/MT5-Gen5-gemma-2-9B. Модель содержит 9 млрд параметров, использует архитектуру Gemma2ForCausalLM и принимает текстовый контекст длиной до 8192 токенов. Её можно применять для ведения диалогов и генерации текста. Модель распространяется в формате safetensors и использует библиотеку Transformers; лицензия в предоставленных данных не указана.

NeuralsirkrishnaShadow_PasticheAlloyingotneoy — слитая модель на архитектуре Mistral, созданная объединением automerger/NeuralsirkrishnaShadow-7B и automerger/PasticheAlloyingotneoy-7B. Она предназначена для генерации текста и диалоговых ответов; модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Веса доступны в формате Safetensors. Модель распространяется по лицензии Apache-2.0. Данные карточки не уточняют целевые языки, специальные области применения или ограничения качества.

NeuralsirkrishnaShadow_Strangemerges_32Ogno — объединённая языковая модель, созданная на основе automerger/NeuralsirkrishnaShadow-7B и automerger/Strangemerges_32Ogno-7B. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM и примерно 7,1 млрд параметров. Модель предназначена для генерации текста. Она принимает текстовые запросы и продолжает их, что подходит для диалогов, черновиков и других задач на основе текстовой генерации. Поддерживаемые языки и специализация сверх этого в доступных сведениях не описаны. Контекстное окно составляет 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Доступные сведения не описывают качество объединения, результаты оценивания или специальные ограничения применения.