III.2Исследование рынка и маркетинг

Карточка модели sonthenguyen/OpenHermes-2.5-Mistral-7B-mt-bench-DPO-corrupted на Hugging Face совпадает с карточкой sonthenguyen/OpenHermes-2.5-Mistral-7B-mt-bench-DPO, поэтому описание составлено по ней. sonthenguyen/OpenHermes-2.5-Mistral-7B-mt-bench-DPO — чат-модель на архитектуре Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. По README, модель обучалась методом DPO с LoRA-адаптером на задачах causal language modeling; параметры обучения включали beta=0,1 и максимальную длину последовательности 1536 токенов. Модель предназначена для диалоговой генерации текста и может использоваться для ответов на вопросы, ведения беседы и подготовки текстовых черновиков. В метаданных указаны поддержка чата и формат safetensors. Лицензия — Apache-2.0. README не описывает состав обучающих данных, конкретные языки или сравнительные результаты качества.

S4sch/Open-Hermes-2.5-neural-chat-3.1-frankenmerge-11b — объединённая плотная языковая модель на архитектуре Mistral, созданная чередованием слоёв teknium/OpenHermes-2.5-Mistral-7B и Intel/neural-chat-7b-v3-1 методом passthrough. В репозитории указаны 11,3 млрд параметров, контекст до 32 768 токенов и формат safetensors; модель предназначена для диалоговой генерации текста. Её можно использовать для ведения беседы и генерации ответов на текстовые запросы. README не приводит результатов бенчмарков, поэтому качество и преимущества слияния по сравнению с исходными моделями не подтверждены. Лицензия — Apache-2.0.

pankajmathur/orca_mini_v9_7_3B-Instruct — диалоговая языковая модель Pankaj Mathur, дообученная на базе meta-llama/Llama-3.2-3B-Instruct. Модель с плотной архитектурой Llama содержит 3,2 млрд параметров и предназначена для генерации текста в формате диалога; карточка указывает контекстное окно 131 072 токена и поддержку английского языка. Модель подходит для ведения диалога и генерации ответов на текстовые запросы. Базовая модель семейства Llama 3.2 рассчитана на работу в ограниченных средах, включая мобильные устройства, однако качество и безопасность ответов следует проверять для конкретного применения. Возможны неточные, предвзятые или нежелательные ответы. Лицензия — llama3.2.

Masterjp123/P1 — объединённая плотная языковая модель семейства Llama на 7,5 млрд параметров, созданная с помощью mergekit методом DARE TIES на основе NousResearch/Meta-Llama-3-8B. В объединение также вошли NousResearch/Hermes-2-Pro-Llama-3-8B, Weyaxi/Einstein-v6.1-Llama3-8B и asiansoul/Versatile-Llama-3-8B-1m. Модель предназначена для генерации текста, включая диалоговые сценарии. Она использует архитектуру LlamaForCausalLM, принимает текст и выдаёт текст; длина контекста составляет 8192 токена. В репозитории представлены веса в формате safetensors. Карточка не описывает сравнительные результаты или специализированные области применения. Указана лицензия базовой модели: лицензия в предоставленных данных отсутствует.

Diamegs/PIT-4B-FT-202312 — англоязычная instruction-tuned модель семейства Point-In-Time (PIT), разработанная Diamegs на архитектуре decoder-only Transformer для генерации текста. Она предназначена для следования инструкциям и анализа того, что было известно к декабрю 2023 года: обучение на хронологических месячных снимках FineWeb задаёт временную границу знаний модели. LoRA-адаптеры дообучения объединены с базовыми весами; модель загружается через Transformers, веса представлены в safetensors. Контекст — 2048 токенов. Распространяется по лицензии Apache-2.0. Модель подходит для временного анализа и ответов на инструкции с привязкой к состоянию информации на заданный момент. Её знания ограничены веб-текстами, доступными до декабря 2023 года; RLHF и дополнительная настройка безопасности не проводились. Она может воспроизводить смещения обучающих данных и не подходит для критически важных сценариев без дополнительного выравнивания.

bunnycore/Qwen-2.5-7B-Deep-Stock-v3 — разговорная языковая модель, созданная разработчиком bunnycore слиянием нескольких предварительно обученных моделей семейства Qwen2.5 с помощью mergekit и метода Model Stock. В качестве базовой указана fblgit/cybertron-v4-qw7B-UNAMGS; в слияние также вошли Qwen2.5-7B-della-test, Qwen2.5-7B-nerd-uncensored-v1.0 вместе с Persona LoRA и Qwen-2.5-7B-Deep-Stock-v2. Модель построена на плотной архитектуре Qwen2ForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 131 072 токенов. Она предназначена для генерации текста и диалогового общения; репозиторий предоставляет веса Safetensors для библиотеки Transformers. В карточке не приведены результаты оценки качества или подробные рекомендации по использованию. Лицензия в предоставленных данных не указана.

Карточка модели arefehRajabian/qwen3_8b_fp8_finetune_base_model_16bit на Hugging Face совпадает с карточкой arefehRajabian/qwen3_8b_fp8_finetune_16bit, поэтому описание составлено по ней. Это дообученная arefehRajabian версия языковой модели Qwen3-8B-FP8. Она предназначена для генерации текста в диалоговом режиме и может использоваться в приложениях, которым нужны ответы на текстовые запросы. Модель содержит 7,6 млрд параметров, использует плотную архитектуру Qwen3 и поддерживает контекст до 40 960 токенов. Веса представлены в формате safetensors. Модель обучена с помощью Unsloth и библиотеки Hugging Face TRL. Она распространяется по лицензии Apache-2.0. Карточка не описывает специализацию дообучения, поэтому область применения и качество на конкретных задачах по ней определить нельзя.

zelk12/recoilme-gemma-2-Gutenberg-Doppel-9B-v0.1 — объединённая диалоговая языковая модель на архитектуре Gemma 2, созданная с помощью mergekit методом SLERP из recoilme/recoilme-gemma-2-9B-v0.4 и nbeerbower/Gemma2-Gutenberg-Doppel-9B. Модель содержит 9 млрд параметров, распространяется в формате Safetensors и рассчитана на генерацию текста и ответы в диалоге; вторая исходная модель обучалась на текстах Gutenberg. Модель принимает текст и генерирует текст. Заявленная длина контекста — 8192 токена. В README приведены результаты Open LLM Leaderboard, включая IFEval 76,15 и BBH 43,94; эти оценки не гарантируют качество на конкретных запросах. Сведения о лицензии в доступных данных отсутствуют.

RedPajama-INCITE-7B-Instruct — языковая модель Together Computer для генерации текста и ответов в диалоговом формате. В метаданных указана архитектура GPT-NeoX с плотной causal language model; размер — 8,8 млрд параметров, контекст — 2048 токенов. Модель предназначена для англоязычного использования и обучалась на RedPajama-Data-1T и RedPajama-Data-Instruct. Модель можно применять для ответов на вопросы, ведения диалога и создания текстовых черновиков. Для обычного GPU-инференса README указывает 16 ГБ памяти, а для запуска в int8 — 12 ГБ. Лицензия — Apache 2.0. Ответы могут быть неточными или неуместными, особенно на сложные, неоднозначные вопросы и темы вне обучающих данных. Модель не рекомендуется для критически важных сценариев и решений, существенно влияющих на людей или общество.

NVIDIA Riva-Translate-4B-Instruct-v1.1 — модель для перевода текста между английским и 11 другими языками и диалектами. Она построена на архитектуре decoder-only Transformer и дообучена для перевода на основе 4-миллиардной модели, полученной сжатием и дистилляцией nvidia/Mistral-NeMo-Minitron-8B-Base. В метаданных базовой моделью указана nvidia/Mistral-NeMo-12B-Base. Модель содержит 3,9 млрд параметров и поддерживает контекст до 8192 токенов. Поддерживаются английский, немецкий, европейский и латиноамериканский варианты испанского, французский, бразильский португальский, русский, упрощённый и традиционный китайский, японский, корейский и арабский. Перевод выполняется в обоих направлениях между английским и каждым из этих языков или вариантов; выбор пары задаётся тегом в системном промпте. Модель работает с текстом и предназначена для использования через Transformers или vLLM. Модель разработала NVIDIA. В карточке лицензия обозначена как NVIDIA Community Model License; перед использованием следует соблюдать её условия. Качество зависит от предметной области, сценария, шума и контекста; возможны грамматические и смысловые ошибки. README сообщает о более новой версии, Riva-Translate-4B-Instruct-v2, с поддержкой 36 языков.

SeaLLM-7B-v2.5 — чат-модель на базе Gemma-7b, разработанная проектом SeaLLMs для работы с языками Юго-Восточной Азии. Модель содержит 8,2 млрд параметров, использует плотную архитектуру GemmaForCausalLM и принимает текстовые запросы, выдавая текстовые ответы. Контекст составляет до 8192 токенов. Модель предназначена для многоязычных диалогов, следования инструкциям, ответов на вопросы и задач на математические рассуждения. В карточке приведены результаты оценивания на тестах общих знаний и математических задач для английского, китайского, вьетнамского, индонезийского и тайского; заявлена поддержка также малайского, кхмерского, лаосского, бирманского и филиппинского. Для корректной работы нужно соблюдать формат чата SeaLLM и правила добавления BOS-токена. Авторы сообщают о сильных результатах на многоязычных тестах, однако ответы могут быть неточными, вводящими в заблуждение или потенциально вредными; перед развёртыванием рекомендуется проверка безопасности. Условия использования определяются SeaLLMs Terms of Use; в метаданных лицензия обозначена как other.

Модель sfmunfilterede2ealignment-1k2k3kweightedavgmerge — объединение предварительно обученных языковых моделей, созданное с помощью mergekit. В качестве базовой использована контрольная точка global_step3000; в объединение также вошли контрольные точки global_step1000 и global_step2000. Применён метод Linear merge. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и принимает текст для генерации текста. Заявленная длина контекста составляет 16 384 токена; карточка также отмечает диалоговую возможность. Лицензия в предоставленных данных не указана.

Модель sfmunfilteredmidtrainalignment-6k7k8kweightedavgmerge — объединение предварительно обученных языковых моделей, созданное с помощью mergekit методом Linear. В качестве базовой использована версия global_step8000, объединённая с версиями global_step7000 и global_step6000. Модель разработана для генерации текста в диалоговом формате. Это плотная авторегрессионная модель архитектуры GPT-NeoX с 8,8 млрд параметров и контекстом до 16 384 токенов. Она принимает текст и выдаёт текст; метаданные указывают на поддержку чатового сценария. Для использования доступна в формате safetensors через Transformers. Сведений о лицензии и поддерживаемых естественных языках в предоставленных данных нет.

Synthia-70B — языковая модель migtissera, созданная на основе Llama 2 70B и дообученная на данных в стиле Orca. Она предназначена для следования инструкциям и продолжительных диалогов, а также для генерации подробных ответов на запросы пользователя. Модель использует плотную архитектуру LlamaForCausalLM, содержит 68,7 млрд параметров и работает с контекстом до 2048 токенов. Репозиторий содержит веса PyTorch; для использования требуется библиотека Transformers. В карточке заявлена поддержка английского языка. Модель оценивается на наборах задач общего назначения, включая ARC и HellaSwag. Synthia-70B подходит для диалоговых помощников, ответов на вопросы и генерации развернутых текстов по инструкциям. По заявлению карточки, модель не ограничивает тематику ответов; при этом она может выдавать фактически неверные, вводящие в заблуждение, предвзятые или оскорбительные результаты. Указана лицензия Llama 2; условия её использования определяются соответствующей лицензией.

SynthIA-7B-v1.5-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель, созданная объединением mistralai/Mistral-7B-Instruct-v0.2 и migtissera/SynthIA-7B-v1.5 методом SLERP с помощью MergeKit. Модель основана на плотной архитектуре Mistral и содержит 7,1 млрд параметров; поддерживает контекст до 32 768 токенов и предназначена для генерации текста и работы в формате диалога. Её можно использовать для ответов на инструкции и вопросы, ведения беседы, а также генерации текстовых материалов. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. README не описывает отдельные прикладные специализации или результаты оценки качества.

Tanaos создала модель классификации тем на основе RoBERTa и библиотеки Artifex. Модель дообучена на синтетическом наборе из 10 000 высказываний и распределяет текст по 15 заранее заданным категориям, включая политику, здоровье и технологии. Модель предназначена для классификации разговоров, отзывов, статей и других текстов по темам, например, в чат-ботах и системах категоризации контента. Она принимает текст на английском языке и выдаёт метку категории. Модель содержит 151,8 млн параметров, использует архитектуру RoBERTa и имеет контекстное окно 514 токенов. Распространяется по лицензии MIT. Карточка не приводит результаты оценки качества; авторы предупреждают, что модель может быть недостаточно точной для сценариев с высокими требованиями к точности и задач, требующих специальных знаний, без дополнительного дообучения.

TenyxChat-7B-v1 — чат-модель компании Tenyx на архитектуре Mistral с 7,1 млрд параметров. Она дообучена на базе OpenChat 3.5 методом Direct Preference Optimization (DPO) на наборе предпочтений UltraFeedback и предназначена для диалогов в формате полезного ассистента. Модель принимает текст и генерирует текст; поддерживает английский язык и контекст до 8192 токенов. Разработчики сообщают о результатах на MT-Bench и нескольких тестах общих знаний и рассуждений. В карточке заявлено, что их подход направлен на снижение забывания при дообучении; сама модель при этом может давать многословные ответы, испытывать трудности с математикой и рассуждениями и генерировать нежелательный контент при провокационных запросах. Она не была специально настроена на соответствие человеческим предпочтениям в области безопасности. Лицензия — Apache 2.0.

jonaskoenig/topic_classification_04 — дообученная модель Microsoft XtremeDistil на базе microsoft/xtremedistil-l6-h256-uncased для классификации текста по категориям. Это компактная BERT-модель с 14,1 млн параметров, принимающая текстовые последовательности длиной до 512 токенов. Карточка сообщает о дообучении на неизвестном наборе данных; в оценке указана разреженная категориальная точность 0,7237 на девятой эпохе. Базовая модель предназначена для английского текста, поэтому модель подходит для тематической классификации англоязычных текстов, но качество на других языках не подтверждено. Лицензия — MIT.

VPO-SELM-Zephyr-7B-iter-1 — диалоговая языковая модель, разработанная Katayoon и дообученная на Katayoon/DPO-ONLY-Zephyr-7B с использованием обновлённого и исходного наборов данных. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста в диалоге: она принимает текстовые запросы и формирует текстовые ответы. Репозиторий содержит веса в формате Safetensors. Модель распространяется по лицензии MIT. README не приводит результаты оценки или подробности о данных и ограничениях, поэтому качество на конкретных задачах по карточке установить нельзя.

Katayoon/VPO-SELM-Zephyr-7B-iter-2 — диалоговая языковая модель, дообученная разработчиком на базе Katayoon/VPO-SELM-Zephyr-7B-iter-1 на обновлённом и исходном наборах данных. Это плотная модель семейства Mistral с архитектурой MistralForCausalLM, примерно 7,1 млрд параметров и контекстом до 32 768 токенов. Она предназначена для генерации текста в диалоговом формате и распространяется в формате safetensors. Модель опубликована по лицензии MIT. Карточка не приводит подробностей о языках, оценке качества или конкретных ограничениях применения.

Katayoon/VPO-Zephyr-7B-0.0005-iter-2 — чат-модель на архитектуре Mistral, дообученная Katayoon на обновлённом и исходном наборах данных от версии Katayoon/VPO-Zephyr-7B-0.0005-iter-1. Она предназначена для генерации текста в диалоговом формате. Модель содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Лицензия — MIT. Подробности о языках, оценках качества и конкретных ограничениях в карточке модели отсутствуют.

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.

WangChanLion 7B — мультиязычная инструкция-следующая модель, разработанная PyThaiNLP и VISTEC-depa AI Research Institute of Thailand на базе SEA-LION 7B с архитектурой MPT. Модель дообучена методом QLoRA на примерно 500 тысячах примеров из открытых наборов данных; основное внимание уделено тайскому и английскому языкам. Модель предназначена для ответов на вопросы по тексту, чтения с пониманием, мозгового штурма и творческого письма. Её можно дообучать для других типичных сценариев следования инструкциям. Модель принимает текстовые инструкции и генерирует текст; размер базовой модели — 7 млрд параметров. Лицензия Apache-2.0 разрешает коммерческое использование. Разработчики отмечают ограничения в математике, рассуждениях и достоверности фактов, а также возможность нежелательных предубеждений и токсичных ответов. Для задач, где важны точность фактов или безопасный тон, результаты следует проверять и адаптировать под конкретный сценарий.

WebSquareAI-Instruct-KoSOLAR-10.7b-v0.5.34 — текстовая генеративная модель, разработанная командой UI Platform компании Inswave Systems. Это дообученная instruct-версия базовой модели LDCC/LDCC-SOLAR-10.7B на архитектуре Llama с 10,7 млрд параметров; она предназначена для генерации текста и выполнения инструкций. Модель принимает текст и генерирует текст. Её контекстное окно составляет 4096 токенов. В метаданных указан английский язык. Для загрузки предусмотрены Transformers и PyTorch; в примере используется точность float16. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

Карточка модели Xwin-LM/Xwin-LM-7B-V0.2 на Hugging Face совпадает с карточкой Xwin-LM/Xwin-LM-13B-V0.2, поэтому описание составлено по ней. Xwin-LM-13B-V0.2 — диалоговая большая языковая модель проекта Xwin-LM, выпущенная в октябре 2023 года. Это плотная авторегрессионная модель семейства Llama с 12,9 млрд параметров, построенная на базе Llama 2 и дообученная для выравнивания ответов. Модель принимает текст и генерирует текст; длина контекста составляет 4096 токенов. Поддерживает многоходовые диалоги в шаблоне, совместимом с Vicuna. Модель предназначена для ответов на вопросы и выполнения пользовательских инструкций в диалоге. В README сообщается об использовании SFT и обучения с подкреплением на основе отзывов людей; версия V0.2 включает улучшенные сравнительные данные и обучение PPO. Проект приводит результаты оценивания на AlpacaEval, однако они не гарантируют качество для конкретных запросов. Для инференса заявлена совместимость с vLLM. Репозиторий содержит веса PyTorch и распространяется по лицензии Llama 2. Модель ориентирована на английский язык в приведённых примерах; README не подтверждает широкий охват других языков. В карточке проекта также указано, что математические и рассуждательные возможности планировалось развивать, поэтому её не следует считать специализированной моделью для таких задач.

YamshadowInex12_Experiment29Pastiche — объединённая модель для генерации текста, созданная на основе automerger/YamshadowInex12-7B и automerger/Experiment29Pastiche-7B. Она использует плотную архитектуру Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и диалогов. Модель распространяется в формате Safetensors по лицензии Apache-2.0. README подтверждает объединение двух базовых моделей, но не описывает специальные настройки, обучение или ограничения качества.

YamshadowInex12_Multi_verse_modelM7 — слитая модель генерации текста, созданная на основе automerger/YamshadowInex12-7B и automerger/Multi_verse_modelM7-7B. Она построена на плотной архитектуре Mistral и содержит 7,1 млрд параметров; максимальная длина контекста — 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. README не описывает специальные сценарии, языковую специализацию или результаты оценки качества.

MaziyarPanahi/YamshadowInex12_Strangemerges_32Yamshadow — объединённая модель генерации текста на архитектуре Mistral с 7,1 млрд параметров. Она создана путём слияния automerger/YamshadowInex12-7B и automerger/Strangemerges_32Yamshadow-7B; файлы модели представлены в формате safetensors. Модель предназначена для генерации текста и принимает контекст длиной до 32 768 токенов. Карточка не описывает специальные предметные области или отдельные сценарии применения. Лицензия — Apache-2.0.

Модель ShenaoZhang/0.001_5iters_bs256_nodpo_only4w_iter_3 — дообученная диалоговая модель генерации текста на архитектуре Mistral с 7,1 млрд параметров. Она создана на основе ShenaoZhang/0.001_5iters_bs256_nodpo_only4w_iter_2 и обучена на обновлённом и исходном наборах данных. Модель принимает текст и генерирует текстовые ответы; контекст составляет до 32 768 токенов. Модель подходит для диалоговых сценариев и генерации текста. Репозиторий содержит веса в формате safetensors. Лицензия MIT разрешает использование на её условиях. В карточке нет подробных сведений об оценке качества и конкретных ограничениях, поэтому результаты для выбранной задачи следует проверять отдельно.

Это разговорная текстовая модель на архитектуре Mistral с 7,1 млрд параметров, дообученная разработчиком ShenaoZ на базе HuggingFaceH4/mistral-7b-sft-beta с использованием датасета HuggingFaceH4/ultrafeedback_binarized. Модель предназначена для генерации ответов и ведения диалога в текстовом формате; карточка относит её к задаче text-generation и отмечает поддержку chat. Модель принимает текст и генерирует текст. Для базовой модели указан контекст 32 768 токенов; лицензия модели — MIT. Карточка не приводит отдельные сведения об оценках качества или ограничениях дообученной версии.