III.2Исследование рынка и маркетинг

Aaron-di/Yamshadowexperiment28M70.8-0.22-0.86-0.36-0.42-0.95-7B — объединённая языковая модель на архитектуре Mistral, созданная с помощью mergekit на основе AurelPx/Percival_01-7b-slerp и liminerity/M7-7b. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст; карточка демонстрирует её запуск через Transformers с шаблоном диалога. Нативная длина контекста — 32 768 токенов. Модель подходит для генерации текста и диалоговых ответов общего назначения. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. README не приводит оценок качества или подробного описания специализации модели.

YamshadowInex12_Experiment29Experiment24 — слитая модель для генерации текста, построенная на двух моделях: automerger/YamshadowInex12-7B и automerger/Experiment29Experiment24-7B. Она разработана и опубликована MaziyarPanahi. Модель использует плотную архитектуру Mistral с 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Её можно применять для генерации продолжений и ответов на текстовые запросы. В репозитории веса представлены в формате safetensors. Модель распространяется по лицензии Apache-2.0. Данных о специальных предметных областях и ограничениях качества в карточке нет.

YamshadowInex12_YamT3qm7x — слитая языковая модель семейства Mistral, созданная на основе automerger/YamshadowInex12-7B и automerger/YamT3qm7x-7B. Она предназначена для генерации текста и может использоваться в сценариях, где требуется продолжение или создание текста по запросу. Модель имеет плотную архитектуру MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. README не уточняет языки, специальные возможности и результаты оценки качества.

Yi-34B-200K-DARE-megamerge-v8 — языковая модель на 33,9 млрд параметров, созданная brucethemoose слиянием нескольких моделей Yi 34B 200K методом DARE TIES с помощью mergekit. Дополнительного дообучения при создании слияния не проводилось. Модель предназначена для генерации текста, диалогов и работы с длинным контекстом; автор ориентировал её на качество при контексте от 32 тысяч токенов. Максимальный заявленный нативный контекст — 200 000 токенов. В карточке приведён шаблон Orca-Vicuna; также может работать с ChatML и форматами, похожими на Alpaca. Автор отмечает, что подбор параметров генерации важен: рекомендует низкую температуру и MinP от 0,1, поскольку модель склонна к чрезмерно случайным ответам. Успешность слияния и смещения весов в пользу формата Vicuna автор обозначает как экспериментальную. Модель поддерживает английский язык. Лицензия указана как other, поэтому конкретные условия использования следует проверять в репозитории.

cloudyu/Yi-34Bx2-MoE-60B-DPO — диалоговая языковая модель, представленная как версия cloudyu/Yi-34Bx2-MoE-60B, дообученная методом Direct Preference Optimization (DPO). В метаданных указаны архитектура MixtralForCausalLM с разреженной MoE-структурой, 33,9 млрд параметров и контекст до 200 000 токенов. Модель предназначена для генерации текста в диалоге и использования в чат-сценариях. Карточка приводит результаты оценки Open LLM Leaderboard, но предупреждает, что метрики не проверялись. Модель распространяется в формате safetensors по лицензии Apache-2.0.

羽人-百川7B 是 Pleisto 基于 baichuan-inc/baichuan-7B 开发的多模одальная языковая модель с плотной архитектурой LlamaForCausalLM, дообученная с помощью многозадачного обучения с учителем. В модели 6,7 млрд параметров, она принимает текст и изображения, а её контекст составляет 4096 токенов. Модель предназначена для многоходового диалога, ответов на вопросы по изображениям и открытому домену, ролевого общения, генерации и понимания текста. В карточке также показаны примеры ответов на китайском и переводов на китайский с английского; метаданные указывают английский и китайский языки. Лицензия в предоставленных источниках не указана.

zephyr-7b-spin-iter0-v0 — диалоговая языковая модель Argilla, дообученная методом SPIN на базе alignment-handbook/zephyr-7b-sft-full с использованием набора argilla/10k_prompts_SPIN_iter0_zephyr_top. Это плотная модель MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов; она предназначена для генерации текста и ответов в диалоге. В README приведены результаты оценки, включая средний балл MT-Bench 6,41. Модель принимает текст и генерирует текст. Доступна в формате safetensors под лицензией Apache-2.0. README не приводит подробных сведений о данных обучения и ограничениях; качество ответов и пригодность для конкретных задач следует оценивать отдельно.

ShenaoZhang выпустил дообученную модель Mistral с 7,1 млрд параметров для генерации текста и общения в формате чата. Она основана на HuggingFaceH4/mistral-7b-sft-beta и дообучена на датасетах updated и original. Модель принимает текст и генерирует текст; максимальная длина контекста составляет 32 768 токенов. Модель подходит для диалога и генерации ответов на запросы. В карточке нет сведений о специальных возможностях, результатах оценки или ограничениях применения. Лицензия — MIT.

Это диалоговая модель генерации текста на базе Mistral-7B-Instruct-v0.2, дообученная автором репозитория на наборе HuggingFaceH4/ultrafeedback_binarized. Она предназначена для ответов на инструкции и ведения диалога в текстовом формате. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Репозиторий предоставляет веса в формате safetensors. Модель можно использовать для диалоговых помощников, генерации ответов и выполнения текстовых инструкций. В README не приведены результаты оценки качества или специфические ограничения. Лицензия — Apache-2.0.

ishikaa/acquisition_generator_AS_confidence_numina_qwen14b — генеративная языковая модель из семейства Qwen2, доступная через библиотеку Transformers. В метаданных указаны размер около 14 млрд параметров, контекст до 32 768 токенов и поддержка задачи text-generation; в тегах также отмечен conversational-сценарий. Разработчик, базовая модель, языки и назначение дообучения в карточке не описаны. Модель может применяться для генерации и продолжения текста, формирования ответов в диалогах и подготовки черновиков на основе текстового запроса. Сильными сторонами являются крупный размер и длинный контекст, однако специализированные качества модели, результаты оценки, данные обучения и практическая эффективность не подтверждены в README. Лицензия в предоставленных материалах не указана, поэтому условия распространения и коммерческого использования необходимо проверять отдельно.

EpistemeAI/Alpaca-CodeLlama-3.1-8B — дообученная модель семейства Llama, разработанная EpistemeAI на основе EpistemeAI/Alpaca-Llama3.1-8B. Она предназначена для генерации текста; карточка не уточняет специализацию на программировании, несмотря на название репозитория. Модель имеет плотную архитектуру LlamaForCausalLM и около 7,5 млрд параметров. Длина контекста составляет 131 072 токена. Доступны веса в форматах PyTorch и Safetensors, а также GGUF F16. В карточке указан английский язык. Модель обучали с использованием Unsloth и Hugging Face TRL. Лицензия — Apache-2.0. Карточка не приводит оценок качества или подробных сведений об ограничениях применения.

A.X 4.0 Light — компактная языковая модель компании SK Telecom, выпущенная в июле 2025 года. Она основана на Qwen2.5 и дополнительно обучена на крупных корейских наборах данных. В репозитории указана архитектура Qwen2 и размер около 6,9 млрд параметров; модель принимает текст и генерирует текст, поддерживает диалог и интерфейс вызова инструментов. Контекст модели — до 16 384 токенов. Модель предназначена для понимания корейского языка и практических задач в деловой среде: диалогов, ответов на вопросы и работы с длинными документами. Разработчик сообщает о высоких результатах на корейских тестах KMMLU и CLIcK и об эффективном использовании токенов для корейского текста. README также описывает вариант семейства на 72 млрд параметров; этот репозиторий содержит облегчённую версию. Модель распространяется по лицензии Apache-2.0.

facebook/bart-large-xsum — модель семейства BART, дообученная на датасете XSum для автоматического реферирования англоязычных текстов. Разработана Facebook; модель подходит для создания краткого пересказа исходного материала. Архитектура — плотная encoder-decoder модель BartForConditionalGeneration с 252,8 млн параметров и контекстом до 1024 токенов. В карточке заявлена метрика ROUGE выше 22 на XSum. Модель принимает текст и генерирует текстовую сводку. Доступны веса в форматах PyTorch, TensorFlow и Flax. Лицензия — MIT.

BigQwen2.5-52B-Instruct — плотная языковая модель на архитектуре Qwen2, созданная mlabonne с помощью MergeKit как self-merge на основе Qwen2.5-32B-Instruct. Она предназначена для диалоговой генерации текста; автор предполагает, что модель может подойти для творческого письма. Модель содержит 51,5 млрд параметров, принимает текст и поддерживает контекст длиной 32 768 токенов. В метаданных также заявлен интерфейс для вызова инструментов. В карточке приведены результаты нескольких оценок, но автор сообщает, что лично модель не тестировал, поэтому качество и пригодность для конкретных сценариев требуют самостоятельной проверки. Указана лицензия Apache-2.0.

sshleifer/distill-pegasus-xsum-16-4 — англоязычная модель суммаризации на архитектуре encoder-decoder PEGASUS, поддерживаемая sshleifer. Модель содержит 366,8 млн параметров и принимает текст длиной до 1024 токенов. Она предназначена для создания кратких пересказов, в частности в стиле датасета XSum. Модель относится к варианту PEGASUS, обученному на смеси C4 и HugeNews с изменённой предтренировочной схемой: случайно выбираются доля пропуска предложений и важные предложения. В метаданных указан формат PyTorch. Лицензия в предоставленных данных не указана.

EverythingLM-13b-V3-16k — универсальная текстовая модель для генерации ответов, разработанная на основе Llama 2 и обученная на датасете EverythingLM-V3. Модель содержит 12,9 млрд параметров, использует плотную архитектуру Llama и поддерживает контекст до 16 384 токенов; в карточке указана библиотека PyTorch и формат весов PyTorch. Модель предназначена для диалога и генерации подробных ответов, творческих историй и ролевых сценариев. Разработчик отмечает понимание запросов и автоматически запускаемые рассуждения CoT. Для диалога приведён формат Alpaca-chat с маркерами USER и ASSISTANT. Карточка описывает модель как uncensored, но отмечает, что базовая модель может сопротивляться некоторым запросам и иногда требует подбора формулировок. Это дообучение Llama 2 на EverythingLM-V3; базовая модель использует лицензию Llama 2. Модель опубликована в сентябре 2023 года. Заявленные качества и поведение основаны на описании разработчика и не сопровождаются количественными результатами оценки.

ClaudioItaly/Exper-Alfa-V1 — объединённая языковая модель на архитектуре Llama, созданная с помощью mergekit методом TIES на основе Undi95/Utopia-13B. В модели около 12,9 млрд параметров, веса представлены в формате Safetensors; базовая модель описана как модель для генерации текста по инструкциям, диалогов и сюжетных ответов. Модель предназначена для генерации текста и ответов в диалоге. Она принимает текст и выдаёт текст, а заявленная длина контекста составляет 4096 токенов. В карточке указана лицензия не была предоставлена, поэтому условия использования определить нельзя.

Experiment26Neuralsirkrishna_PasticheAlloyingotneoy — слитая текстовая модель на архитектуре Mistral с 7,1 млрд параметров. Она объединяет модели automerger/Experiment26Neuralsirkrishna-7B и automerger/PasticheAlloyingotneoy-7B и предназначена для генерации текста и диалоговых ответов. Поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors по лицензии Apache-2.0. Сведения о специальных областях применения и языках в карточке не приводятся.

Experiment28M7_YamT3qm7x — объединённая модель семейства Mistral, созданная из automerger/Experiment28M7-7B и automerger/YamT3qm7x-7B. Она предназначена для генерации текста и диалоговых сценариев на основе текстового запроса. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Mistral и поддерживает контекст до 32 768 токенов. Веса доступны в формате safetensors. Репозиторий распространяется по лицензии Apache-2.0. Карточка не приводит сведений о языках, специальных областях применения или результатах оценки качества, поэтому их нельзя определить по имеющимся данным.

FRED-T5-Summarizer — русскоязычная модель для суммаризации текста, обученная SberDevices. Она основана на архитектуре T5 и имеет около 870,1 млн параметров. Модель обучалась на смеси открытых русскоязычных наборов данных для суммаризации, включая RussianNLP/Mixed-Summarization-Dataset, и использует префиксный токен «\». Репозиторий содержит веса в формате safetensors. Модель предназначена для создания краткого изложения исходного текста на русском языке. Её можно применять для подготовки выжимок из статей, документов и других текстовых материалов. Распространяется по лицензии MIT. В карточке не приведены сведения о длине контекста и результаты оценки качества.

Gemma 2 Ataraxy v2 9B — диалоговая языковая модель, созданная lemon07r на основе слияния моделей ifable/gemma-2-Ifable-9B и jsgreenawalt/gemma-2-9B-it-advanced-v2.1. Веса объединены методом SLERP с помощью mergekit; модель использует архитектуру Gemma 2 и формат Gemma 2. Модель предназначена для диалоговой генерации текста, ответов на инструкции и творческого письма. Разработчик отмечает, что версия v2 немного лучше пишет, чем первая Ataraxy 9B, но может чаще выдавать лишний или неудачный текст и имеет другие проблемы; это скорее альтернативная версия, чем однозначное улучшение. Модель содержит 9 млрд параметров, принимает текст и выдаёт текст, работает с контекстом до 8192 токенов. Данные README не указывают лицензию или поддерживаемые языки.

abideen/gemma-2b-openhermes — компактная языковая модель для генерации текста, созданная дообучением Google Gemma 2B Instruct с помощью QLoRA на предпочтениях OpenHermes-2.5. Модель использует плотную архитектуру GemmaForCausalLM, содержит 2,5 млрд параметров и рассчитана на контекст до 8192 токенов. Модель принимает текстовые запросы и документы, а в ответ генерирует текст. Она предназначена для диалогов, ответов на вопросы и суммаризации; для разговорного режима следует применять встроенный шаблон чата токенизатора. В README заявлена генерация на английском языке. Карточка приводит результаты нескольких бенчмарков, но сама по себе не гарантирует качество на конкретных прикладных задачах. Модель доступна в формате Safetensors для библиотеки Transformers. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

ferrazzipietro/gemma-3-1b-it-reas-int-065-3-epochs-it — дообученная Петро Феррацци модель Google Gemma 3 1B Instruct для диалогов и генерации текста. Она использует плотную архитектуру Gemma 3 и формат safetensors; базовая модель — google/gemma-3-1b-it. Контекст составляет до 32 768 токенов. Модель принимает текст и выдаёт текст. Подходит для генерации ответов в диалоге и других задач текстовой генерации. Данные обучения, результаты оценки и специфические ограничения в карточке не описаны. Лицензия — Gemma.

Gigantes-v1-gemma2-9b-it — объединённая модель для генерации текста и диалогов, созданная автором репозитория с помощью mergekit на основе нескольких инструктивных моделей Gemma 2. В состав входят модели для японского, немецкого, арабского и английского языков; автор рассчитывал улучшить рассуждения и усложнить генерацию английского текста. Модель имеет плотную архитектуру Gemma 2 с 9 млрд параметров и контекстом 8192 токена. Модель предназначена для диалоговых сценариев и генерации текста. Репозиторий содержит веса в формате safetensors. Лицензия — Gemma; её условия следует учитывать при использовании и распространении модели.

QpiEImitation/GKD-S-Qwen3.5-2B_T-Qwen3.5-9B — дообученная модель генерации текста на основе Qwen/Qwen3.5-2B, обученная с использованием TRL. Карточка демонстрирует диалоговый сценарий: модель получает вопрос пользователя и генерирует ответ. В метаданных указаны архитектура Qwen3.5 dense, около 1,7 млрд параметров и контекст до 262 144 токенов. Модель подходит для диалоговых приложений и генерации ответов на текстовые запросы. Метаданные базовой модели описывают семейство Qwen как мультимодальное, однако для этого чекпойнта заявлены только генерация текста и возможность чата; поддержку изображений здесь не следует считать подтверждённой. Лицензия в предоставленных данных не указана.

GLiClass-Edge v3.0 for LiteRT — компактная модель Knowledgator для классификации текста по заданному пользователем набору меток без обучения на этих метках. Это 10-слойный энкодер ModernBERT с 32,7 млн параметров, преобразованный в формат LiteRT для запуска на CPU и GPU, включая мобильные устройства. Модель получает текст, необязательную инструкцию и до 25 кандидатных меток, затем за один проход оценивает каждую метку; доступны режимы с одной или несколькими метками. В репозитории представлены графы LiteRT для последовательностей до 128 и 256 токенов, включая вариант с весами float16. Для последнего README сообщает о двух изменившихся ответах из 552 тестовых запросов, оба случая были близкими по оценкам. Более длинные запросы и наборы свыше 25 меток не поддерживаются: входы не обрезаются, а приводят к ошибке. Проверки на CPU и отдельных GPU показали близкое соответствие официальному конвейеру GLiClass; скорость и точность могут зависеть от устройства и режима вычислений. Модель подходит для тематической разметки, маршрутизации обращений и присвоения категорий текстам без предварительного обучения на фиксированных классах. В README описан пример с английскими метками и текстом; метаданные указывают английский язык. Лицензия — Apache-2.0.

huh-1 — чат-модель на базе архитектуры Mistral, созданная слиянием Zephyr-7B-β и Mistroll-7B-v2.2 методом SLERP с помощью LazyMergekit. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для диалога и генерации текста по запросам: её можно использовать для ответов на вопросы, выполнения инструкций и ведения беседы. В метаданных указана задача text-generation и возможность chat; языковая направленность базовой Zephyr-7B-β — английский. Модель распространяется в формате safetensors по лицензии Apache-2.0. Качество и языковые возможности унаследованы от объединённых моделей; отдельные ограничения в карточке не описаны.

Infinity-Instruct-7M-Gen-Llama3.1-8B — языковая модель Пекинской академии искусственного интеллекта (BAAI), дообученная методом supervised instruction tuning на наборах Infinity-Instruct-7M и Infinity-Instruct-Gen. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров, предназначенная для диалогов и выполнения текстовых инструкций. Она использует шаблон чата Llama 3 Instruct и поддерживает контекст длиной 8192 токена. Модель рассчитана на генерацию ответов и следование инструкциям в общих пользовательских сценариях. По заявлению разработчиков, она показала результаты на AlpacaEval 2.0, сопоставимые с GPT-4; в README также указано, что модель обучалась без RLHF. Карточка приводит английский как язык модели. Модель доступна в формате safetensors под лицензией llama3.1; проект ограничивает использование академическими исследованиями и запрещает коммерческое применение. Разработчики не гарантируют точность ответов.

K2S3-Mistral-7b-v1.43 — языковая модель, разработанная K2S3 и дообученная методом supervised fine-tuning с настройкой всех параметров на базе mistralai/Mistral-7B-v0.1. Она предназначена для генерации текста по запросу и диалоговых сценариев; при обучении использовались alpaca-gpt4-data и образцы из OpenOrca. Модель построена на плотной архитектуре MistralForCausalLM, содержит 7,2 млрд параметров и поддерживает контекст до 32 768 токенов. В репозитории указаны веса safetensors. Карточка и метаданные указывают английский язык. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но не коммерческое применение. Качество и ограничения конкретной версии в карточке не описаны; как и другие генеративные языковые модели, она может выдавать неточные или вымышленные сведения.

Kate-16bit — дообученная разговорная модель ToyLantis на базе unsloth/gemma-2-2b-it-bnb-4bit. Она использует плотную архитектуру Gemma 2 и предназначена для генерации текста в диалоговом формате. Модель содержит 2,7 млрд параметров и поддерживает контекст до 8192 токенов. При дообучении применялись Unsloth и библиотека Hugging Face TRL. Репозиторий содержит веса в формате Safetensors; модель опубликована под лицензией Apache-2.0. Карточка не описывает специализацию или оценку качества, поэтому её уместно рассматривать как модель общего назначения для генерации текста и диалогов.