III.2Исследование рынка и маркетинг

Neural-Zephyr — языковая модель для диалогов и генерации текста, опубликованная ai-agi. По карточке, это гибридная модель на основе весов Neural-Chat и моделей семейства Zephyr, объединённых суммированием параметров в соответствующих слоях. Карточка указывает размер 14 млрд параметров, тогда как метаданные каталога содержат оценку 7,1 млрд; архитектура в метаданных — плотная MistralForCausalLM, а контекст составляет 32 768 токенов. Модель предназначена прежде всего для англоязычных диалогов с ассистентом и генерации текста. В карточке указаны дообучение на открытых и синтетических наборах данных и связь Zephyr-7B-β с mistralai/Mistral-7B-v0.1; метаданные подтверждают поддержку чата. Карточка сообщает лицензию MIT, а метаданные — Apache-2.0, поэтому сведения о лицензии расходятся. По карточке модель может выдавать проблемный текст при соответствующих запросах.

Neuronovo-9B-v0.4 — языковая модель Jan Kocoń для генерации текста и диалоговых ответов. Она основана на архитектуре Mistral и содержит 8,9 млрд параметров; модель распространяется в формате safetensors и рассчитана на контекст до 32 768 токенов. При обучении использованы наборы Intel/orca_dpo_pairs и mlabonne/chatml_dpo_pairs, предназначенные для настройки диалогового поведения. Версия v0.4 также использует токенизатор Neuronovo-9B-v0.2 и обучалась одну эпоху с низкой скоростью обучения. Модель подходит для интерактивных сценариев и генерации ответов на текстовые запросы. В метаданных указан английский язык. Модель выпущена под лицензией Apache-2.0. README не приводит результаты оценивания, поэтому качество на конкретных задачах и устойчивость ответов по этим данным оценить нельзя.

NSK-7B-128k-slerp — разговорная текстовая модель, созданная AlekseiPravdin путём слияния моделей Nitral-AI/Nyan-Stunna-7B и Nitral-AI/Kunocchini-7b-128k-test с помощью mergekit и метода slerp. Это плотная Mistral-модель с архитектурой MistralForCausalLM и 7,1 млрд параметров, предназначенная для генерации текста в диалогах. Метаданные указывают нативный контекст 32 768 токенов; обозначение «128k» в названии и тегах не подтверждено этой длиной контекста. Репозиторий содержит веса Safetensors в формате bfloat16. Языки модели не установлены по предоставленным данным. Модель распространяется по лицензии Apache-2.0.

jae24 выпустил разговорную модель для генерации текста на основе Mistral размером 7,1 млрд параметров. Она дообучена методом DPO на предпочтениях, полученных из датасета HuggingFace No Robots, с применением обучения с подкреплением. Модель предназначена для диалогов и генерации ответов по текстовому запросу. Она поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors под лицензией MIT. README указывает базовую модель teknium/OpenHermes-2.5-Mistral-7B. Качество и ограничения конкретного варианта отдельно не описаны.

Helsinki-NLP разработала OPUS-MT mul-en — модель машинного перевода с архитектурой Transformer на базе Marian. Она переводит текст с множества исходных языков на английский; в карточке перечислены сотни языковых вариантов, включая русский, испанский, французский, китайский и японский. Модель содержит 58 млн параметров, использует нормализацию и SentencePiece с словарями по 32 тыс. токенов, а длина контекста составляет 512 токенов. Модель предназначена для перевода отдельных текстов и многоязычных потоков на английский. В README приведены тестовые оценки BLEU и chr-F для нескольких языковых пар; качество зависит от исходного языка и домена. Модель принимает и генерирует текст, не предназначена для других модальностей. Распространяется по лицензии Apache-2.0.

OrpoLlama3-8B-FT — диалоговая языковая модель семейства Llama 3, разработанная Sonu Kumar и дообученная методом ORPO. Она предназначена для генерации текста и ответов в чат-сценариях. Модель имеет плотную архитектуру LlamaForCausalLM и около 7,5 млрд параметров. Она принимает текст, поддерживает контекст до 8192 токенов и распространяется в формате Safetensors. В метаданных указан датасет HuggingFaceH4/ultrafeedback_binarized; карточка не приводит сведения о поддерживаемых естественных языках. Модель выпущена под лицензией Apache 2.0. Карточка не содержит результатов оценки качества или подробностей о поведении после дообучения.

Карточка модели google/pegasus-aeslc на Hugging Face совпадает с карточкой google/pegasus-xsum, поэтому описание составлено по ней. google/pegasus-xsum — англоязычная модель Pegasus для генерации кратких пересказов, основанная на архитектуре кодировщика-декодировщика и разработанная Jingqing Zhang, Yao Zhao, Mohammad Saleh и Peter J. Liu; карточку поддерживает @sshleifer. Модель содержит 366,8 млн параметров, принимает текст и выдаёт текст. Её основная специализация — абстрактная суммаризация, в частности создание короткого пересказа по исходному тексту; в материалах карточки приведены результаты на XSum, CNN/DailyMail и других наборах данных. При предобучении использовались C4 и HugeNews, смешанные и стохастически выбранные предложения-заполнители, а также изменённый SentencePiece-токенизатор с поддержкой символа новой строки. Заявленная длина контекста — 512 токенов. Доступны веса в форматах PyTorch, TensorFlow и Flax. Карточка не сообщает об ограничениях помимо длины контекста. Лицензия в предоставленных данных не указана.

Карточка модели google/pegasus-gigaword на Hugging Face совпадает с карточкой google/pegasus-xsum, поэтому описание составлено по ней. google/pegasus-xsum — англоязычная модель Pegasus для генерации кратких пересказов, основанная на архитектуре кодировщика-декодировщика и разработанная Jingqing Zhang, Yao Zhao, Mohammad Saleh и Peter J. Liu; карточку поддерживает @sshleifer. Модель содержит 366,8 млн параметров, принимает текст и выдаёт текст. Её основная специализация — абстрактная суммаризация, в частности создание короткого пересказа по исходному тексту; в материалах карточки приведены результаты на XSum, CNN/DailyMail и других наборах данных. При предобучении использовались C4 и HugeNews, смешанные и стохастически выбранные предложения-заполнители, а также изменённый SentencePiece-токенизатор с поддержкой символа новой строки. Заявленная длина контекста — 512 токенов. Доступны веса в форматах PyTorch, TensorFlow и Flax. Карточка не сообщает об ограничениях помимо длины контекста. Лицензия в предоставленных данных не указана.

Карточка модели google/pegasus-newsroom на Hugging Face совпадает с карточкой google/pegasus-xsum, поэтому описание составлено по ней. google/pegasus-xsum — англоязычная модель Pegasus для генерации кратких пересказов, основанная на архитектуре кодировщика-декодировщика и разработанная Jingqing Zhang, Yao Zhao, Mohammad Saleh и Peter J. Liu; карточку поддерживает @sshleifer. Модель содержит 366,8 млн параметров, принимает текст и выдаёт текст. Её основная специализация — абстрактная суммаризация, в частности создание короткого пересказа по исходному тексту; в материалах карточки приведены результаты на XSum, CNN/DailyMail и других наборах данных. При предобучении использовались C4 и HugeNews, смешанные и стохастически выбранные предложения-заполнители, а также изменённый SentencePiece-токенизатор с поддержкой символа новой строки. Заявленная длина контекста — 512 токенов. Доступны веса в форматах PyTorch, TensorFlow и Flax. Карточка не сообщает об ограничениях помимо длины контекста. Лицензия в предоставленных данных не указана.

Модель ihughes15234/phi35_kp_dpo5epoch_total — текстовая разговорная модель генерации текста, разработанная ihughes15234 и дообученная на базе ihughes15234/phi35_kp_dpo2epoch. Она предназначена для диалога и генерации ответов по текстовым запросам. Модель построена на плотной архитектуре Llama с классом LlamaForCausalLM, содержит 3,7 млрд параметров и поддерживает контекст длиной до 4096 токенов. При обучении использовались Unsloth и библиотека Hugging Face TRL. Лицензия — Apache-2.0.

rd211/Qwen3-1.7B-Instruct — дообученная модель классификации текста на архитектуре Qwen3, основанная на Qwen/Qwen3-1.7B. Веса представлены в формате safetensors; модель содержит 1,7 млрд параметров и поддерживает контекст до 40 960 токенов. Модель предназначена для классификации текста. Метаданные также отмечают интерфейсы диалога и вызова инструментов, однако конкретные сценарии их применения в карточке не описаны. Базовая Qwen3-1.7B — компактная многоязычная языковая модель для генерации текста, диалогов, рассуждений, кода и выполнения инструкций. Лицензия — Apache-2.0. README не содержит подробностей о данных обучения и оценке качества, поэтому надёжность классификации для конкретных задач по карточке определить нельзя.

rizla/rizla-69 — текстовая генеративная модель семейства Llama с плотной архитектурой LlamaForCausalLM и 67,5 млрд параметров. Репозиторий содержит веса в формате safetensors; заявленное контекстное окно — 32 768 токенов. Модель предназначена для генерации текста. В README сказано, что это копия «momo-qwen-72B», однако описание обрезано и не сообщает, как модель обучалась и для каких конкретных сценариев предназначена. Лицензия — Apache-2.0.

Saransh 1.7B — компактная модель суммаризации на базе Qwen3-1.7B, разработанная M37labsorg и дообученная следовать инструкциям. Она создаёт связные краткие или подробные резюме английских статей, отчётов, стенограмм, научных текстов и переписки; длину можно задавать числом предложений, абзацев или примерным количеством слов. Модель имеет архитектуру Qwen3 с 1,7 млрд параметров и контекстное окно до 40 960 токенов по метаданным; README рекомендует разбивать входы длиннее 8 192 токенов на части. Базовые веса доступны в формате safetensors, а отдельные сборки GGUF поддерживают локальный запуск на обычном компьютере. Сильные стороны Saransh — управление длиной резюме и отбор обучающих примеров для повышения точности передачи чисел, имён и атрибуций. При этом модель может добавлять неподтверждённые имена и иногда числа, а резюме склонны быть длиннее эталонных; результат следует проверять, особенно перед использованием в юридических, медицинских или финансовых решениях. Модель рассчитана на английский язык, не предназначена для перевода, открытого диалога или ответов на вопросы. Лицензия Apache 2.0 допускает коммерческое использование.

sfmbaselinefiltered-2k3k4k5k6kweightedavgmerge — объединение предобученных языковых моделей, созданное с помощью mergekit. В линейном слиянии использованы контрольные точки baseline_filtered с шагов 2000, 3000, 4000, 5000 и 6000; базой слияния указан чекпойнт шага 6000. Модель построена на архитектуре GPT-NeoX и предназначена для генерации текста. Она содержит 8,8 млрд параметров, принимает текст и имеет контекст длиной до 16 384 токенов. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия в предоставленных данных не указана.

Это языковая модель GPT-NeoX объёмом 8,8 млрд параметров, созданная объединением нескольких предварительно обученных чекпойнтов с помощью mergekit. В качестве основы использован чекпойнт global_step10000; в слияние также вошли версии global_step8000 и global_step9000. Применён линейный метод слияния. Модель предназначена для генерации текста и диалогового взаимодействия. Она принимает текст и выдаёт текст; заявленная длина контекста составляет 16 384 токена. Репозиторий использует Transformers и формат весов safetensors. В карточке нет сведений о целевых языках, специальных предметных областях или ограничениях качества. Условия лицензии в доступных данных не описаны.

sfmunfilteredmidtrainalignment-3k4k5ksimpleavgmerge — объединённая языковая модель, созданная с помощью mergekit. В линейном слиянии использованы предобученные чекпойнты на шагах 3000, 4000 и 5000; последний указан как базовый. Архитектура — GPT-NeoX, модель плотная, содержит 8,8 млрд параметров и принимает текст для генерации текста. Нативная длина контекста — 16 384 токена; модель предназначена для диалогового взаимодействия и генерации текста. Лицензия в доступных данных не указана.

bhavinjawade/SOLAR-10B-OrcaDPO-Jawade — инструкционно дообученная разговорная языковая модель на архитектуре Llama с 10,6 млрд параметров. Автор карточки сообщает, что модель основана на upstage/SOLAR-10.7B-Instruct-v1.0 и дополнительно обучена методом DPO с LoRA на датасете Intel/orca_dpo_pairs. Модель предназначена для диалогов и генерации ответов на инструкции. В карточке заявлено небольшое улучшение результатов на бенчмарках OpenLLM Leaderboard по сравнению с SOLAR 10.7B-Instruct; подробности оценки не приведены. Контекст составляет 4096 токенов. Репозиторий содержит веса в формате safetensors. Лицензия — MIT.

vicgalle/solarized-13B-dpo — разговорная языковая модель, созданная Vicgalle на основе vicgalle/SOLAR-13B-Instruct-v1.0. Модель построена с помощью mergekit: в базовой архитектуре чередуются слои Nous-Hermes-2-SOLAR-10.7B и SOLAR-10.7B-Instruct, после чего модель дообучена методом DPO на предпочтениях из набора argilla/distilabel-intel-orca-dpo-pairs. Модель предназначена для диалогов, выполнения инструкций и генерации текстовых ответов. Это плотная модель семейства Llama с 12,3 млрд параметров и контекстом до 4096 токенов; поддерживает чатовый сценарий и распространяется в формате safetensors. В карточке приведены примеры генерации и результаты оценивания на нескольких бенчмарках. Модель распространяется по лицензии Apache-2.0. Пример генерации показывает, что она может без оговорок создавать взрослый контент; ответы также могут быть вымышленными или неуместными.

StableHermes-3b — языковая модель cxllin объёмом 2,7 млрд параметров, дообученная на наборе OpenHermes из примерно 242 тысяч примеров, преимущественно созданных GPT-4 и собранных из открытых датасетов. По метаданным, модель относится к семейству StableLM Epoch и использует плотную архитектуру трансформера-декодера для авторегрессионной генерации текста; README описывает её как модель на базе GPT-NeoX. Она принимает текст и предназначена для генерации ответов и ответов на вопросы на разные темы. Контекст составляет 4096 токенов, основной заявленный язык — английский. Модель подходит для диалоговых приложений, подготовки развернутых ответов и извлечения ответов из заданного контекста. В репозитории указана лицензия MIT. Возможные ограничения включают ошибки и недостоверные утверждения, свойственные генеративным языковым моделям; карточка не приводит результатов оценки качества.

T3Q-Platypus-Mistral7B — англоязычная плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, разработанная Chihoon Lee и T3Q. Это дообученная версия bardsai/jaskier-7b-dpo-v6.1 на датасете Open-platypus-Commercial; модель предназначена для генерации текста и ответов на запросы. Поддерживает контекст до 32 768 токенов и работает с текстом на входе и выходе. Распространяется по лицензии Apache-2.0. Подробности о специализации, оценках качества и известных ограничениях в карточке не приведены.

vaibhavvanshu/t5-cnn-25k — дообученная модель T5-small для абстрактивного суммирования текста, созданная для приложения Text Summarizer. Она обучена на 25 тысячах примеров CNN/DailyMail и генерирует краткие пересказы документов и статей. Архитектура — T5 с 38,5 млн параметров; модель принимает текст длиной до 512 токенов и выдаёт текстовое резюме. Для длинных документов приложение применяет иерархическую обработку по фрагментам, но это функция приложения, а не отдельная возможность модели. Модель может пропускать важные сведения, ошибаться или галлюцинировать, поэтому результаты следует проверять. Распространяется по лицензии Apache-2.0.

utrobinmv/t5_translate_en_ru_zh_small_1024 — компактная модель машинного перевода на архитектуре T5, представленная автором карточки как мультиязычная модель для перевода между русским, китайским и английским языками. Она поддерживает пары ru↔zh, en↔zh и en↔ru; целевой язык задаётся префиксом «translate to :», а исходный текст может быть многоязычным. Модель содержит 62,7 млн параметров и распространяется в формате safetensors. Она предназначена для прямого перевода текстов между тремя указанными языками. В метаданных указан датасет CCMatrix. Лицензия — Apache-2.0.

Tess-7B-v2.0 — языковая модель общего назначения из серии Tess, разработанная migtissera и дообученная на базе Mistral-7B-v0.2. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста в диалоговом формате; указанная длина контекста — 32 768 токенов. Модель принимает текстовые запросы с секциями SYSTEM, USER и ASSISTANT и генерирует текстовые ответы. Модель можно применять для диалогов, написания текстов и ответов на вопросы. В карточке указано, что она может выдавать неточные или вводящие в заблуждение ответы, а также предвзятый, оскорбительный или иной неподходящий контент; модель описана как uncensored. Автор пометил версию как устаревшую из-за неверного параметра sliding window при обучении. Лицензия — Apache-2.0.

QuantFactory/Teuken-7B-instruct-research-v0.4-GGUF — квантизированная версия инструкционно дообученной языковой модели Teuken-7B-instruct-research-v0.4, созданная QuantFactory с использованием llama.cpp. Исходную модель разработали Fraunhofer, Forschungszentrum Jülich, TU Dresden и DFKI в рамках проекта OpenGPT-X при финансировании Федерального министерства экономики и защиты климата Германии. Модель основана на decoder-only Transformer и содержит около 7 млрд параметров; базовая модель предварительно обучалась на 4 трлн токенов из общедоступных источников с отсечкой данных в сентябре 2023 года. Модель предназначена прежде всего для генерации текста и мультиязычных задач, включая исследовательское использование на 24 языках ЕС: болгарском, чешском, датском, немецком, греческом, английском, испанском, эстонском, финском, французском, ирландском, хорватском, венгерском, итальянском, литовском, латышском, мальтийском, нидерландском, польском, португальском, румынском, словацком, словенском и шведском. Инструкционная настройка ориентирована на более стабильные результаты в этих языках и ответы, в большей степени отражающие европейский контекст. Для работы необходимо использовать предусмотренный prompt template или chat template токенизатора. К сильным сторонам относятся широкое покрытие европейских языков и формат GGUF, подходящий для запуска через llama.cpp и совместимые инструменты. Ограничения включают возможные предвзятость, галлюцинации, а также генерацию токсичного, оскорбительного или вредного содержания. Модель не предназначена для математических и программных задач. В README указана лицензия «other», но конкретные условия лицензирования не приведены.

Tulu V2 DPO 7B — англоязычная разговорная модель-помощник, разработанная Allen Institute for AI (AI2). Это плотная авторегрессионная модель семейства Llama 2, дообученная на Meta Llama 2 7B с помощью supervised fine-tuning и Direct Preference Optimization (DPO) на наборах инструкций, диалогов и предпочтений. Веса содержат около 6,6 млрд параметров; контекст — до 8192 токенов. Модель работает с текстом и рассчитана прежде всего на английский язык. Модель предназначена для диалоговых ответов на инструкции, помощи в вопросах и задачах общего назначения. README характеризует её как альтернативу Llama 2 7B Chat и приводит результаты сравнительных оценок MT-Bench и AlpacaEval. Для качества генерации следует использовать ожидаемый моделью формат сообщений с завершающим переводом строки. Модель может выдавать проблемные ответы: этап выравнивания не был нацелен на безопасное поведение, а фильтрация ответов во время использования не предусмотрена. Лицензия указана как AI2 ImpACT Low-risk; перед применением следует учитывать её условия.

allenai/tulu-v2.5-dpo-13b-alpacafarm-gpt4-pref — англоязычная чат-модель из набора RLHF-моделей Tulu, разработанного AllenAI. Это плотная авторегрессионная модель семейства Llama с 12,9 млрд параметров, основанная на allenai/tulu-2-13b и дообученная на инструкциях, синтетических диалогах и данных предпочтений. Для дополнительного выравнивания применялся DPO на разбиении alpaca_farm_gpt4_pref; в репозитории указан формат PyTorch и контекст до 4096 токенов. Модель предназначена для генерации текста и ответов в диалогах с помощником на английском языке. Её можно использовать для выполнения инструкций, ответов на вопросы и создания текстовых черновиков. README указывает, что шаблон чата встроен в токенизатор и требует учитывать перевод строки при форматировании сообщений. Модель не обучалась на безопасные ответы и не имеет встроенной фильтрации, поэтому может выдавать проблемный контент, особенно по соответствующим запросам. Лицензия — Apache 2.0.

Tulu V2.5 DPO 13B — англоязычная чат-модель из серии помощников Tulu, разработанной Allen Institute for AI (AI2). Она дообучена методом DPO на базе Tulu 2 с использованием очищенного набора Argilla Orca DPO Pairs; метаданные указывают базовую модель allenai/tulu-2-13b. Модель с архитектурой Llama 2 содержит 12,9 млрд параметров, принимает текстовые запросы и генерирует текст. Контекст составляет 4096 токенов. Модель предназначена для диалогов с помощником и выполнения инструкций на английском языке, включая ответы на вопросы и генерацию текста. Для лучшего качества следует использовать предусмотренный шаблон чата и соблюдать форматирование сообщений. Модель распространяется по лицензии Apache 2.0. Она не была выровнена на безопасную генерацию в рамках RLHF и не включает фильтрацию ответов во время работы, поэтому может выдавать проблемный контент, особенно в ответ на соответствующие запросы.

UltraCatunaMayo — объединённая языковая модель, опубликованная Eric111. Она создана с помощью mergekit методом SLERP из mlabonne/UltraMerge-7B и Eric111/CatunaMayo; базой указана UltraMerge-7B. Модель использует плотную архитектуру Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста, включая диалоговые ответы и следование инструкциям, унаследованные от базовой UltraMerge-7B. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. В карточке не приведены результаты оценивания качества или сведения о поддерживаемых языках.

Карточка модели pythainlp/wangchanglm-7.5B-sft-enth-sharded на Hugging Face совпадает с карточкой pythainlp/wangchanglm-7.5B-sft-enth, поэтому описание составлено по ней. WangChanGLM-7.5B-sft-enth — разработанная PyThaiNLP и VISTEC-depa AI Research Institute of Thailand версия XGLM-7.5B, дообученная следовать инструкциям. Модель содержит 8,6 млрд параметров, использует архитектуру XGLM и принимает текстовые запросы, генерируя текст; длина контекста — 2048 токенов. Модель предназначена для ответов на вопросы по тексту, мозгового штурма и творческого письма. Этот вариант дополнительно дообучен на тайских данных, переведённых с помощью Google Translate; в карточке также указана оценка возможностей для английского, тайского, японского и вьетнамского языков. Для обучения использованы открытые наборы данных, включая OIG, Dolly v2, OpenAI TL;DR и HC3. Лицензия весов — CC-BY-SA 4.0. Модель слабо подходит для математики, сложных рассуждений и ответов, требующих фактической точности. В карточке также отмечены нежелательные предубеждения и токсичность; перед применением в конкретной задаче рекомендуется дополнительная проверка.

Xwin-LM-7B-V0.1 — языковая модель команды проекта Xwin-LM, разработанная на основе Llama 2 и дообученная с применением методов выравнивания, включая supervised fine-tuning и RLHF. Модель содержит 6,6 млрд параметров, использует архитектуру LlamaForCausalLM и принимает текст. Контекст — до 4096 токенов. Модель предназначена для генерации ответов и многоходового диалога по шаблону Vicuna. В README для версии 7B указана доля побед 87,82% на AlpacaEval среди моделей 7B. Авторы отмечают поддержку быстрого инференса через vLLM. Модель распространяется по лицензии Llama 2; её результаты описаны для бенчмарков и не гарантируют качество на произвольных запросах.