III.2Исследование рынка и маркетинг

J.A.R.V.I.S-v2.0 — разговорная языковая модель, разработанная Klevin и дообученная на базе unsloth/llama-3-8b-bnb-4bit с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста в диалогах и ответов на запросы пользователя. Модель построена на плотной архитектуре LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. В карточке указана поддержка английского языка и чат-возможностей. Модель распространяется по лицензии Apache-2.0.

kromcomp/L3.1-Beastsv2-12B — разговорная языковая модель семейства Llama, созданная объединением предварительно обученных моделей с помощью mergekit и метода Passthrough. В карточке указана модель merge/bend как компонент объединения. Модель содержит 11,4 млрд параметров и рассчитана на генерацию текста и диалоговое применение; максимальная длина контекста составляет 131 072 токена. Модель может использоваться для генерации ответов в чате и продолжения текста. Она распространяется в формате safetensors для библиотеки Transformers. Лицензия в предоставленных данных не указана. Карточка не описывает конкретные языки, качество на отдельных задачах или ограничения применения.

LaMini-T5-738M — модель серии LaMini-LM, разработанная MBZUAI и представленная в работе «LaMini-LM: A Diverse Herd of Distilled Models from Large-Scale Instructions». Это дообученная на 2,58 млн примеров инструкций модель T5-large с архитектурой T5ForConditionalGeneration. Метаданные указывают 385,2 млн параметров, контекст до 512 токенов и формат PyTorch. Модель предназначена для ответов на инструкции на естественном языке и генерации текста по заданному запросу. Её можно применять для диалоговых ответов, выполнения текстовых поручений и создания коротких пояснений. Карточка сообщает об оценке на задачах NLP и пользовательских инструкциях, но не приводит результаты. Основной заявленный язык — английский. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерчески.

clibrain/Llama-2-13b-ft-instruct-es — языковая модель на архитектуре Llama 2, дообученная Clibrain на испанском наборе инструкций. Она предназначена для генерации текста и выполнения инструкций на испанском языке, например для диалога и подготовки текстовых ответов. Модель содержит 12,9 млрд параметров, использует архитектуру LlamaForCausalLM, принимает текст и генерирует текст; контекст — до 4096 токенов. Модель распространяется в формате PyTorch по лицензии Apache-2.0. Карточка краткая и не приводит оценки качества или подробностей обучения; результаты могут зависеть от формулировки запроса и не гарантируют фактическую точность.

Модель paraschopra/llama-31-8b-instruct-regenerated-100-cot-no-system-prompt — дообученная версия инструкционной Llama 3.1 8B Instruct. Она предназначена для генерации текста и диалогового взаимодействия. Модель имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекст до 131 072 токенов; в репозитории используются веса Safetensors. В карточке указаны Unsloth и TRL как инструменты обучения. Модель может применяться для ответов на запросы и генерации текста на английском языке. Лицензия — Apache-2.0. README не приводит оценок качества или подробных результатов обучения, поэтому пригодность для конкретных задач следует проверять на собственных данных.

kp15/llama3-1b-changes_model06012025 — плотная языковая модель семейства Llama, разработанная kp15 и дообученная на основе unsloth/llama-3.2-1b-bnb-4bit с помощью Unsloth и Hugging Face TRL. Модель содержит 1,2 млрд параметров и предназначена для генерации текста; в метаданных указано окно контекста до 131072 токенов и поддержка английского языка. Модель распространяется в формате PyTorch по лицензии Apache-2.0. Карточка не уточняет предметную специализацию или конкретные обучающие данные, поэтому её следует рассматривать как дообученную модель общего назначения для текстовых запросов.

umarigan/llama-3.1-openhermes-tr — дообученная плотная языковая модель семейства Llama, разработанная umarigan на базе unsloth/llama-3-8b-bnb-4bit с использованием Unsloth и библиотеки TRL. Модель содержит 7,5 млрд параметров и рассчитана на работу с текстом; заявленное контекстное окно составляет 131 072 токена. В метаданных указана поддержка английского и турецкого языков. Модель предназначена для генерации текста и ответов на вопросы. Её можно применять в диалоговых системах и для подготовки текстовых ответов по запросам. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. В карточке не приведены результаты оценки качества и подробности обучающих данных.

Llama-3.2-Nemotron-3B-Instruct — диалоговая языковая модель семейства Llama, созданная автором репозитория itsnebulalol путём дообучения unsloth/Llama-3.2-3B-Instruct-bnb-4bit на наборе данных NVIDIA HelpSteer2 с использованием Unsloth и TRL. Модель предназначена для генерации текста в формате инструкций и ответов в чате. Модель имеет плотную архитектуру LlamaForCausalLM и 3,2 млрд параметров; заявленная длина контекста — 131 072 токена. Карточка указывает английский язык. Репозиторий использует Transformers и содержит веса PyTorch в формате safetensors; лицензия — llama3.2.

AI Sweden Models дообучила эту плотную языковую модель семейства Llama 3 на базе AI-Sweden-Models/Llama-3-8B. Модель содержит 7,5 млрд параметров, предназначена для генерации текста и поддерживает диалоговый режим; заявленные языки — шведский, датский и норвежский. Контекст составляет до 8192 токенов. Модель подходит для диалогов и генерации текстов на этих языках. Обучение проводилось на суперкомпьютере LUMI в рамках проекта DeployAI EU. Модель распространяется по лицензии Llama 3; условия лицензии следует соблюдать при её использовании.

Карточка модели Ayush-1722/Llama-3-8B-Instruct-v0.1-128K-QLoRA-Merged на Hugging Face совпадает с карточкой Ayush-1722/Llama-3-8B-Instruct-v0.1-32K-QLoRA-Merged, поэтому описание составлено по ней. Модель Ayush-1722/Llama-3-8B-Instruct-v0.1-32K-QLoRA-Merged — дообученная Ayush-1722 версия Llama 3 для генерации текста. Она рассчитана на текстовые запросы и ответы; карточка сообщает, что обучение выполнялось с Unsloth и библиотекой TRL. Модель содержит 7,5 млрд параметров, имеет контекст до 32 768 токенов и распространяется под лицензией Apache-2.0. Модель подходит для генерации ответов и продолжения текста на английском языке. Карточка не описывает конкретные целевые сценарии, оценки качества или специальные ограничения; результаты следует проверять для выбранного применения.

Llama-3-8B-spectrum-25 — дообученная Yuvraj17 диалоговая языковая модель на архитектуре Llama, созданная на основе meta-llama/Meta-Llama-3-8B-Instruct. Она предназначена для генерации текста и ответов в формате диалога; при дообучении методом Spectrum были выбраны 25% слоёв с наибольшим отношением сигнал/шум, чтобы сократить вычислительные затраты. Модель содержит 7,5 млрд параметров, принимает текст и работает с контекстом до 8192 токенов. Для обучения использован набор yuvraj17/finetune_alpaca_1K; в карточке указан результат loss 1,2791 на оценочном наборе. Модель распространяется в форматах PyTorch и Safetensors по лицензии Llama 3. Карточка не приводит отдельной оценки качества диалогов или языкового охвата, поэтому её пригодность для конкретных задач стоит проверять на собственных примерах.

Llama-3-8B-Ultrachat-200K — диалоговая языковая модель, полученная дообучением Meta-Llama-3-8B с помощью Axolotl. Она предназначена для генерации ответов в формате беседы. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM, принимает текст и выдаёт текст; нативный размер контекста — 8192 токена. В карточке указан результат оценки: loss 0,8219. Данные обучения названы как None, а подробности о наборе данных, сценариях применения и ограничениях не приведены. Для использования действует лицензия Llama 3.

Llama-3-DARE-8B — диалоговая языковая модель на архитектуре Llama, созданная Mlabonne с помощью LazyMergekit. Веса получены слиянием Meta-Llama-3-8B и Meta-Llama-3-8B-Instruct методом DARE-TIES; конфигурация использует маску int8 и формат bfloat16. В репозитории заявлено 7,5 млрд параметров, контекст — 8192 токена. Модель предназначена для диалоговой генерации текста: она принимает текстовые запросы и формирует текстовые ответы. Карточка указывает на английскую основу Meta-Llama-3-8B-Instruct, поэтому модель подходит для англоязычного общения и генерации текста. Лицензия в метаданных обозначена как other; конкретные условия следует сверять с лицензией базовой модели и репозитория.

haoranxu/Llama-3-Instruct-8B-SimPO — диалоговая модель генерации текста, дообученная на базе meta-llama/Meta-Llama-3-8B-Instruct на наборе данных princeton-nlp/llama3-ultrafeedback. Она предназначена для генерации ответов в диалоге и других текстовых задач. Модель использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Репозиторий содержит веса в формате safetensors. Карточка не приводит оценки качества или подробностей обучения и ограничений. Лицензия — Llama 3; применяйте модель согласно её условиям и условиям базовой модели.

Fischerboot/LLama3-Lexi-Aura-3Some-SLERP-SLERP-15B — плотная языковая модель семейства Llama 3 для генерации текста и диалоговых ответов. Репозиторий создан на основе модели Fischerboot/LLama3-Lexi-Aura-3Some-SLERP-SLERP с использованием mergekit и метода passthrough; в метаданных также указана связь finetune с этой базовой моделью. Модель содержит 14,5 млрд параметров, принимает текст и имеет контекст длиной 8192 токена. Модель предназначена для текстовой генерации и диалогового взаимодействия. Базовая модель из каталога рассчитана на английские ответы, поэтому английский — единственный подтверждённый язык. Веса опубликованы в формате safetensors для библиотеки Transformers. Лицензия — Apache-2.0.

Llama-3-SLERP-8B — языковая модель на базе Llama 3, созданная с помощью LazyMergekit слиянием Meta-Llama-3-8B и Meta-Llama-3-8B-Instruct методом SLERP. Она предназначена для генерации текста и диалоговых ответов. Модель имеет плотную архитектуру LlamaForCausalLM и около 7,5 млрд параметров; максимальная длина контекста составляет 8192 токена. Карточка указывает формат safetensors и возможности чата. Модель подходит для диалоговых приложений и генерации текста. В карточке не указаны отдельные специализированные области применения или перечень поддерживаемых языков; базовая модель описана как предназначенная для ответов и генерации текста на английском языке. Лицензия в метаданных обозначена как other, поэтому условия использования следует проверять в материалах репозитория и лицензиях исходных моделей.

LLMTwin-Llama-3.1-8B-instruct — дообученная языковая модель, разработанная rfrancu на основе meta-llama/Llama-3.1-8B-instruct. Она предназначена для генерации текста и диалогового взаимодействия. Модель использует плотную архитектуру LlamaForCausalLM и содержит 7,5 млрд параметров; заявленная длина контекста — 131 072 токена. В карточке указан английский язык. Обучение выполнялось с использованием Unsloth и библиотеки Hugging Face TRL. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает специализацию дообучения, оценку качества или ограничения в конкретных сценариях, поэтому её следует рассматривать как общую чат-модель на английском языке.

FourOhFour/Magic_v2_8B — дообученная авторами модели Mistral-совместимая языковая модель с архитектурой MistralForCausalLM и примерно 7,9 млрд параметров. Она предназначена для генерации текста в диалоговом формате; опубликована в формате safetensors и поддерживает контекст до 8192 токенов. Модель дообучена на базе Dans-DiscountModels/Mistral-NeMo-Minitron-8B-Base-ChatML. В карточке приведён результат оценки на тестовом наборе: loss 1,5341, однако назначение датасета и сценарии применения подробно не описаны. Лицензия в предоставленных данных не указана.

Malachite-7b-v0 — объединённая языковая модель, опубликованная пользователем r2rss. Она создана методом slerp с помощью mergekit из zyh3826/GML-Mistral-merged-v1 и cookinai/CatMacaroni-Slerp. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста; заявленная длина контекста — 32 768 токенов. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Карточка не описывает отдельную специализацию, языковое покрытие или результаты оценки качества, поэтому её можно характеризовать только как модель общего назначения для генерации текста.

mamba-gpt-7b-v1-Mistral-7B-Instruct-v0.1 — объединённая разговорная языковая модель на 7,1 млрд параметров, созданная слиянием Mistral-7B-Instruct-v0.1 и CobraMamba/mamba-gpt-7b-v1 методом SLERP. Она предназначена для генерации текста в ответ на инструкции и диалоговые запросы. Модель использует плотную архитектуру Mistral и доступна в формате safetensors; заявленная длина контекста — 32 768 токенов. Модель можно применять для диалоговых ассистентов, ответов на вопросы и генерации текста по запросу. В карточке указаны английский язык и лицензия Apache-2.0. README не приводит результатов оценки качества или подробного сравнения со смешанными моделями, поэтому практическую эффективность для отдельных сценариев по этим данным определить нельзя.

Marcoro14-7B-slerp — объединённая модель для генерации текста и диалогов, созданная с помощью mergekit на основе diffnamehard/Mistral-CatMacaroni-slerp-uncensored-7B и nbeerbower/llama-3-spicy-abliterated-stella-8B. В метаданных архитектура указана как плотная Llama с классом LlamaForCausalLM; размер модели — 7,5 млрд параметров, контекст — 8192 токена. Модель предназначена для генерации текста и ведения диалогов. В карточке указано слияние методом SLERP с настройками весов для слоёв self-attention и MLP. Модель распространяется под лицензией Apache-2.0. Связанные с базовыми моделями метки указывают на ослабленные ограничения на ответы.

Maverick-8B — диалоговая языковая модель примерно на 7,5 млрд параметров, созданная bunnycore путём объединения трёх моделей с помощью mergekit и метода model_stock. В состав объединения входят bunnycore/Cognitron-8B, failspy/Llama-3-8B-Instruct-abliterated и TIGER-Lab/MAmmoTH2-8B-Plus; архитектура — плотная Llama с классом LlamaForCausalLM. Модель предназначена для генерации текста и диалоговых ответов, а её контекст составляет до 8192 токенов. Репозиторий содержит веса safetensors в формате bfloat16. Для использования применяется лицензия Llama 3. Среди компонентов есть модель, ориентированная на английские математические рассуждения, однако карточка Maverick-8B не описывает отдельную специализацию или языковой охват самой объединённой модели. Из карточки также нельзя установить её качество на конкретных задачах.

MegaDolphin-2.2-120b — разговорная языковая модель, созданная QuixiAI как преобразование Dolphin-2.2-70b методом слияния passthrough с помощью MergeKit. Модель построена на плотной архитектуре Llama и содержит 120,1 млрд параметров. Она принимает текстовые запросы в формате ChatML и генерирует текст; контекст составляет 4096 токенов. В карточке указана поддержка английского языка. Модель предназначена для диалога, ответов на вопросы, инструкций и многоходовых бесед, в том числе для эмпатичных ответов и личных советов. Разработчик описывает её как uncensored и предупреждает о высокой готовности выполнять запросы, включая неэтичные; перед предоставлением модели пользователям рекомендуется добавить собственный слой выравнивания. Лицензия — Llama 2 Community License (llama2).

MeliodasPercival_01_Strangemerges_32Yam — слитая текстовая модель семейства Mistral, созданная на основе automerger/MeliodasPercival_01-7B и automerger/Strangemerges_32Yam-7B. Она предназначена для генерации текста и диалоговых сценариев, где требуется продолжать запрос или формировать ответ на естественном языке. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Языки в карточке не перечислены, поэтому языковую специализацию определить нельзя. Модель распространяется по лицензии Apache-2.0. Карточка не описывает результаты оценки качества или специальные ограничения; качество ответов и пригодность для конкретных задач следует проверять отдельно.

Это объединённая языковая модель Gemma 2 на 9 млрд параметров, созданная сообществом mergekit с помощью метода Model Stock. В качестве базовой использована KR-X-AI/gemma-2-9b-untied; в объединение также вошли шесть других моделей семейства Gemma 2. Модель предназначена для генерации текста и диалогов, принимает текст и выдаёт текст. Нативное окно контекста составляет 8192 токена. Модель может применяться для ведения диалогов и генерации ответов, однако карточка не описывает её специализацию или сравнительное качество. В составе есть модель с пометкой abliterated, поэтому поведение в отношении ограничений и нежелательного контента может отличаться от стандартной модели. Файлы опубликованы в формате Safetensors; сведения о лицензии в предоставленных данных отсутствуют.

Карточка модели mergekit-community/mergekit-slerp-fodinzo на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-jeyctse, поэтому описание составлено по ней. mergekit-community/mergekit-slerp-jeyctse — языковая чат-модель, созданная сообществом слиянием моделей HuggingFaceH4/zephyr-7b-beta и Equall/Saul-Base методом SLERP с помощью mergekit. Это плотная модель Mistral с 7,1 млрд параметров, доступная в формате safetensors и рассчитанная на контекст до 32 768 токенов. Модель предназначена для генерации текста в диалоге: ответов на вопросы и выполнения пользовательских инструкций. В метаданных основной язык не задан; базовая Zephyr-7B-β описана как англоязычная чат-модель. Условия лицензирования в предоставленных данных не приведены. Качество и поведение результата слияния могут отличаться от исходных моделей.

Minbyul/mistral-7b-dpo-full-sft-wo-kqa_golden — дообученная модель генерации текста на архитектуре Mistral с 7,1 млрд параметров. Она основана на Minbyul/mistral-7b-wo-kqa_golden-sft и прошла DPO-дообучение на датасете HuggingFaceH4/ultrafeedback_binarized, чтобы улучшить предпочтительность генерируемых ответов. Модель предназначена для генерации текста и диалоговых сценариев на основе текстового запроса; заявленное окно контекста составляет 32 768 токенов. Репозиторий содержит веса в формате safetensors. Карточка приводит метрики оценки DPO, включая точность предпочтений 1,0 и разницу наград 9,6641, но не раскрывает подробности методики оценки или конкретные языки и специализированные области применения. Модель распространяется по лицензии Apache-2.0. Она может выдавать неточные или нежелательные ответы; назначение исходной SFT-модели в карточке не описано.

mistral-7b-dpo-v6-Mistral-7B-Instruct-v0.1 — чат-модель для генерации текста, созданная объединением Mistral-7B-Instruct-v0.1 и mistral-7b-dpo-v6 методом SLERP. Модель основана на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров; заявленный контекст — до 32 768 токенов. В репозитории представлены веса в формате safetensors. Модель предназначена для ответов на инструкции и диалоговые запросы на английском языке. Лицензия Apache-2.0 разрешает использование на её условиях. Карточка описывает способ объединения моделей, но не приводит сравнительных оценок качества или подробных ограничений.

UCLAML/Mistral-7B-Expert-Iteration-Iter3 — дообученная чат-модель семейства Mistral, разработанная UCLAML на базе checkpoints/Mistral-7B-Instruct-EI-Iter2. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и принимает текст для генерации текста; заявленная длина контекста — 32 768 токенов. Модель предназначена для диалоговой генерации текста. Она дообучена на синтетическом наборе данных synthetic_data_mistral-7b-instruct-expert-iteration-iter3_score; в README приведён результат Loss 0,4722 на наборе оценки. Подробности о специальных сценариях применения и поддерживаемых языках в предоставленных источниках отсутствуют. Лицензия не указана.

cloudyu/mistral_9B_instruct_v0.2 — разговорная языковая модель на архитектуре Mistral с 8,9 млрд параметров и 40 слоями. Согласно карточке, она дообучена методом SFT на vicgalle/alpaca-gpt4 и использует формат шаблона Alpaca. Модель предназначена для генерации текста в диалоговом формате: например, для ответов на инструкции и создания чат-ассистентов. Метаданные указывают контекст до 32 768 токенов и формат весов safetensors. Лицензия — CC BY 4.0. Карточка не приводит результатов оценки качества или подробностей о поддерживаемых языках. Дообучение на Alpaca-GPT4 указывает на инструктивный сценарий, но не подтверждает качество для конкретных областей или языков.