III.2Исследование рынка и маркетинг

ehristoforu/mistral-distil-test-2 — текстовая генеративная модель на архитектуре Mistral, созданная с помощью mergekit методом passthrough из unsloth/Mistral-Nemo-Instruct-2407. В конфигурации указаны слои 0–16 и 18–32 исходной модели; метаданные каталога относят её к дообученным моделям. Репозиторий содержит веса в формате safetensors, число параметров — 9,2 млрд. Модель предназначена для генерации текста в диалоговом формате и может использоваться для ответов на запросы и ведения беседы. Для работы требуется Transformers. В метаданных указан контекст длиной до 1 024 000 токенов, однако README не описывает качество модели или проверку работы с такой длиной контекста. Лицензия в предоставленных данных не указана.

pbevan11/Mistral-Nemo-Baseline-SFT — дообученная модель генерации текста на архитектуре Mistral, созданная на основе mistralai/Mistral-Nemo-Base-2407 с использованием набора pbevan11/ultrafeedback_binarized_multilingual. Модель содержит 12,1 млрд параметров и предназначена для диалоговой генерации текста и ответов на запросы. В метаданных указано контекстное окно до 1 024 000 токенов. Модель выпущена в формате safetensors и доступна по лицензии Apache-2.0. В README приведён результат оценки: loss 1,1750; подробности об оценочном наборе и практическом качестве не раскрыты. Хотя обучающий набор обозначен как многоязычный, конкретные поддерживаемые языки не перечислены.

mHossain/ml_sum_v1 — дообученная версия модели mHossain/Albaniani_sum_v1 на неизвестном наборе данных. Это плотная модель семейства T5 с архитектурой T5ForConditionalGeneration и 123,8 млн параметров, предназначенная для генерации текста по текстовому запросу. Название модели и оценка ROUGE в карточке указывают на задачу суммаризации. Модель принимает текст и генерирует текст; заявленная длина контекста — 512 токенов. В README приведены результаты оценки: loss 2,2080, ROUGE-1 6,9869, ROUGE-2 2,6256 и ROUGE-L 6,4271; без описания набора данных и протокола оценки эти значения трудно интерпретировать. Язык модели не установлен по доступным данным. Модель распространяется по лицензии Apache-2.0.

liminerity/mm4.star — диалоговая языковая модель, разработанная liminerity и основанная на архитектуре Llama. Это версия объёмом 2,7 млрд параметров, дообученная на liminerity/mm4.star; карточка сообщает об использовании Unsloth и библиотеки TRL при обучении. Модель предназначена для генерации текста и диалоговых сценариев на английском языке, поддерживает контекст до 32 768 токенов и распространяется в формате PyTorch. Модель выпущена по лицензии Apache-2.0. Карточка не описывает состав обучающих данных, результаты оценки качества или специальные меры безопасности, поэтому пригодность для конкретных задач следует проверять самостоятельно.

zelk12/MT1-Gen5-GP-gemma-2-S4S2-9B — объединённая текстовая генеративная модель на архитектуре Gemma 2, созданная с помощью mergekit методом SLERP из allknowingroger/Gemmaslerp4-10B и allknowingroger/Gemmaslerp2-9B. Модель имеет 9 млрд параметров, использует формат safetensors и рассчитана на контекст до 8192 токенов. Модель предназначена для генерации текста в диалоговом формате. Карточка подтверждает объединение предварительно обученных языковых моделей, но не описывает специальные предметные области, языки или сравнительные преимущества; качество и пригодность для конкретных задач требуют оценки на соответствующих данных. Лицензия в предоставленных сведениях не указана.

Модель zelk12/MT1-Max-Merge_02012025163610-GMM-gemma-2-9B — объединённая с помощью mergekit методом SLERP языковая модель на архитектуре Gemma 2. Она создана из двух предварительно обученных моделей: zelk12/MT1-Max-Merge_02012025163610-GP-gemma-2-MTM5MT1g2-9B и zelk12/MT1-Max-Merge_02012025163610-MM-gemma-2-MTM5MTM1-9B. Модель с 9 млрд параметров предназначена для генерации текста и диалогов; поддерживает контекст до 8192 токенов. Веса опубликованы в формате safetensors, библиотека для работы — Transformers. README не описывает отдельные специализации, языковой охват или сравнительные результаты модели. Условия лицензии в предоставленных данных не приведены.

zelk12/MT4-Gen4-BB-gemma-2-MT4g2MT3g2-9B — объединённая диалоговая языковая модель на архитектуре Gemma 2, созданная с помощью mergekit методом SLERP из zelk12/MT4-Gen2-gemma-2-9B и zelk12/MT3-Gen2-gemma-2-9B. Модель содержит 9 млрд параметров, использует формат safetensors и рассчитана на контекст до 8192 токенов. Модель предназначена для диалога и генерации текста: она принимает текстовые запросы и формирует текстовые ответы. Может использоваться в чат-ботах, для черновиков и для продолжения текста. README описывает способ слияния и исходные модели, но не приводит отдельных оценок качества или подробных рекомендаций по применению. Лицензия в предоставленных данных не указана.

GiordanoB/mT5_multilingual_XLSum-finetuned-summarization — модель семейства mT5, дообученная на основе csebuetnlp/mT5_multilingual_XLSum. Она предназначена для автоматического суммирования текста. Модель содержит 291,2 млн параметров и распространяется в формате PyTorch. Карточка не содержит сведений о наборе данных для дополнительного дообучения, оценке качества и конкретных ограничениях. mT5 поддерживает несколько языков, однако языки и сценарии, проверенные именно для этой версии, не описаны. Лицензия в предоставленных данных не указана.

zelk12/MT-Gen2-gemma-2-9B — объединённая языковая модель на архитектуре Gemma 2, созданная с помощью mergekit методом SLERP из zelk12/MT-Gen2-MUB-gemma-2-9B и zelk12/MT-Gen2-GIMMMA-gemma-2-9B. Модель разработана для генерации текста и диалогового общения; число параметров составляет 9 млрд, базовый формат весов — safetensors, контекст — до 8192 токенов. Модель подходит для генерации ответов и продолжения текста в чат-сценариях. В README приведены результаты оценивания Open LLM Leaderboard, включая IFEval и BBH, но этих результатов недостаточно, чтобы определить сильные стороны в конкретных прикладных областях. README также ссылается на статические сборки GGUF, предоставленные mradermacher. Лицензия и поддерживаемые естественные языки в предоставленных данных не указаны. Возможности и качество могут отличаться от исходных моделей после слияния; контекст ограничен 8192 токенами.

NeuralsirkrishnaShadow_Experiment26Strangemerges_32 — объединённая модель семейства Mistral, созданная из automerger/NeuralsirkrishnaShadow-7B и automerger/Experiment26Strangemerges_32-7B. Она предназначена для генерации текста и поддерживает контекст до 32 768 токенов. Модель содержит 7,1 млрд параметров и опубликована в формате safetensors. Модель можно применять для генерации продолжений текста и диалоговых ответов. Репозиторий распространяется по лицензии Apache 2.0. Карточка не описывает специальные области применения или отдельные ограничения качества.

NeuralsirkrishnaShadow_Strangemerges_32Yamshadow — объединённая модель Mistral, созданная на основе automerger/NeuralsirkrishnaShadow-7B и automerger/Strangemerges_32Yamshadow-7B. Она предназначена для генерации текста и поддерживает контекст до 32 768 токенов. Модель содержит 7,1 млрд параметров, а веса опубликованы в формате safetensors. Модель можно применять для генерации продолжений текста и диалоговых ответов. Репозиторий указывает лицензию Apache-2.0. Подробности о языках, обучении и сравнительном качестве в карточке не приведены.

NeuralsirkrishnaShadow_YamshadowT3q — объединённая причинно-языковая модель семейства Mistral, созданная на основе automerger/NeuralsirkrishnaShadow-7B и automerger/YamshadowT3q-7B. Она содержит 7,1 млрд параметров и принимает контекст длиной до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев на её основе. Карточка базовой модели YamshadowT3q-7B указывает на генерацию текста и ответы на математические запросы, однако отдельные характеристики математических возможностей итоговой модели не приведены. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Данных о поддерживаемых естественных языках и ограничениях качества в карточке нет.

Omega AI 100B — переименованное размещение модели inclusionAI/LLaDA2.2-flash от Omega AI. Согласно README, исходные предварительно обученные веса сохранены без дообучения; параметры модели оцениваются примерно в 103 млрд. Метаданные каталога указывают 5,5 млрд параметров, поэтому размер модели в источниках расходится. Модель предназначена для генерации текста и диалогов. Она использует MoE-архитектуру семейства LLaDA2, принимает текст и выдаёт текст; заявленная длина контекста — 131 072 токена. В карточке указана лицензия Apache-2.0. README не описывает отдельные сценарии или оценку качества Omega-размещения.

OpenBuddy Atom 13B v9 — многоязычная разговорная модель, созданная командой OpenBuddy на архитектуре Llama. Она предназначена для генерации ответов в диалоге, чат-ботов и свободного текстового взаимодействия. Модель содержит 12,9 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текст, выдавая текст; заявленный контекст — 2048 токенов. В метаданных перечислены китайский, английский, французский, немецкий, японский, корейский, итальянский и русский языки. Модель распространяется в формате PyTorch по лицензии Apache 2.0. Она может выдавать ошибочные, вредные или оскорбительные ответы; разработчики предостерегают от применения в критических и высокорисковых сценариях, включая медицину и важные финансовые или юридические решения.

OpenSparrow-1.5B — текстовая генеративная модель NewstaR на архитектуре MixFormer Sequential. Она предназначена для диалогов с пользователем и генерации текстов в factual, creative и informative стилях; карточка приводит пример ответа на приветствие и описывает ассистента как вежливого и уважительного. Модель обучалась на наборе данных KaleidoSG/opensparrow-gpt и принимает запросы в GPT prompt template. Контекст модели составляет 2048 токенов. В репозитории указаны веса PyTorch, а лицензия обозначена как other. Карточка не сообщает дополнительных деталей о составе обучающих данных или ограничениях качества.

Opus-Samantha-Llama-3-8B — языковая модель семейства Llama 3, дообученная разработчиком репозитория на наборе данных macadeliccc/opus_samantha. Модель предназначена для генерации текста; карточка сообщает об обновлении, улучшившем её работу, но не описывает конкретные сценарии обучения или специализированные возможности. Модель имеет плотную архитектуру LlamaForCausalLM и 7,5 млрд параметров. Она принимает текст и генерирует текст, поддерживает контекст до 8192 токенов. В качестве базовой модели указана meta-llama/Meta-Llama-3-8B. Репозиторий содержит веса в формате safetensors, а лицензия модели — Apache-2.0.

tuner007/pegasus_summarizer — модель Arpit Rajauria на основе PEGASUS, дообученная для суммаризации текста. Она предназначена для создания краткого пересказа новостных статей и других длинных текстов; пример в карточке показывает англоязычную новостную сводку. Модель имеет архитектуру encoder-decoder PEGASUS с 366,8 млн параметров и контекстом до 1024 токенов, представлена в формате PyTorch. Модель ориентирована на англоязычные тексты и может использоваться для кратких сводок новостей и пересказа документов. Репозиторий распространяется по лицензии Apache-2.0. Для работы токенизатора требуется библиотека SentencePiece.

win10/phi-3.5-sakura-yuzu-v2.5 — объединённая языковая модель на архитектуре Phi-3, созданная с помощью mergekit методом TIES на основе microsoft/Phi-3.5-mini-instruct и четырёх других моделей Phi. Она предназначена для генерации текста и диалоговых сценариев. Модель содержит около 3,7 млрд параметров, работает через Transformers и принимает контекст длиной до 4096 токенов. Модель подойдёт для чат-ботов, генерации ответов и других задач на основе текста. Базовая модель описана как многоязычная, однако карточка этой версии не уточняет поддерживаемые языки и особенности обучения. Указан формат весов safetensors. Лицензия в предоставленных данных не приведена.

Prima-LelantaclesV6.69-7b — слитая авторами модели Mistral языковая модель с 7,1 млрд параметров для генерации текста. В README указано, что при объединении использованы Test157t/Prima-LelantaclesV6.1M7-7b и Test157t/Prima-LelantaclesV6.3-7b; применён метод slerp. Модель доступна в формате Safetensors и рассчитана на контекст до 32 768 токенов. Модель подходит для генерации продолжений и ответов на текстовые запросы. Автор предупреждает, что качество нестабильно: модель может хорошо справляться с запросом, но не всегда. В метаданных указана лицензия other, поэтому условия использования следует проверять в карточке репозитория.

ClaudioItaly/Pulzar-DPO-7 — объединённая языковая модель, созданная ClaudioItaly с помощью mergekit методом SLERP на основе ClaudioItaly/Evolutionstory-7B-v2.2 и flammenai/flammen15-gutenberg-DPO-v1-7B. Это плотная модель архитектуры Mistral с 7,1 млрд параметров, предназначенная для генерации текста; каталог базовой модели связывает её с ролевыми диалогами, творческим письмом и задачами общего назначения. Модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана.

Qwen3-1.7B-SFT — дообученная на датасете HuggingFaceH4/deita-10k-v0-sft языковая модель на архитектуре Qwen3. Её разработчик — владелец репозитория pvdhihihi/qwen-1.7b-sft; в основе лежит Qwen/Qwen3-1.7B-Base с 1,7 млрд параметров. Модель предназначена для генерации текста в диалоговом формате и доступна в формате safetensors для библиотеки Transformers. Модель принимает текст и генерирует текст, поддерживает контекст длиной до 32 768 токенов. Репозиторий не уточняет целевые языки, качество на конкретных задачах или ограничения применения. Лицензия — Apache-2.0.

Модель ehristoforu/Qwen2-1.5b-it-chat-sp-ru-bel-arm-ger-fin-tur-per-ko — разговорная дообученная версия Qwen2 с 1,5 млрд параметров для генерации текста. Она предназначена для диалогов и ответов на текстовые запросы; карточка сообщает, что обучение выполнялось с Unsloth и библиотекой Hugging Face TRL. Модель принимает текст и выдаёт текст. Указана длина контекста 32 768 токенов. По названию базовой модели можно установить поддержку испанского, русского, белорусского, армянского, немецкого, финского, турецкого, персидского и корейского языков; метаданные также отмечают английский. Лицензия — Apache-2.0.

bunnycore/Qwen-2.5-7b-TitanFusion-v2 — объединённая диалоговая языковая модель на архитектуре Qwen2, созданная с помощью mergekit методом DARE TIES на основе Orion-zhen/Qwen2.5-7B-Instruct-Uncensored с добавлением Cran-May/T.E-8.1 и Replete-AI/Replete-LLM-V2.5-Qwen-7b. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст; заявленное контекстное окно — 32 768 токенов. Модель предназначена для диалогов и генерации ответов на инструкции. В карточке описан способ объединения весов, но нет результатов оценки качества или подробных рекомендаций по использованию. Репозиторий содержит веса в формате safetensors; лицензия в доступных данных не указана.

MaxSchulten/qwen3-14b-distill-qwen3-0.6b-jsd — дообученная Max Schulten модель на базе Qwen/Qwen3-0.6B, созданная с помощью TRL. Она предназначена для генерации текста и диалогов; в карточке приведён пример ответа на открытый вопрос в формате чата. Модель построена на плотной архитектуре Qwen3ForCausalLM и содержит около 507,9 млн параметров. Она принимает текст и выдаёт текст, поддерживает контекст до 40 960 токенов. Метаданные относят её к многоязычному семейству Qwen3; сведения о конкретных поддерживаемых языках и лицензии в предоставленных данных отсутствуют.

Модель luigisaetta/qwen3-1.7b-lora-merged — версия Qwen3-1.7B с объединённым локальным LoRA-адаптером, опубликованная как самостоятельная модель Transformers. Она предназначена для генерации текста и диалогов; метаданные отмечают поддержку чата. Модель плотной архитектуры Qwen3ForCausalLM содержит 1,7 млрд параметров и поддерживает контекст до 40 960 токенов. Языковые возможности унаследованы от многоязычной базовой Qwen3, однако целевые языки и конкретные улучшения дообучения не описаны. Модель основана на Qwen/Qwen3-1.7B и сохранена в формате safetensors. LoRA-адаптер слит с базовыми весами, поэтому для использования не требуется отдельно подключать адаптер. Лицензия — Apache-2.0. Данные дообучения приватны и в репозитории отсутствуют; перед распространением следует проверить поведение дообученной модели и лицензионные условия базовой модели.

Это дообученная модель Qwen3.5-4B, опубликованная пользователем LLADIGA. Модель с плотной архитектурой Qwen3_5ForCausalLM содержит 3,4 млрд параметров и предназначена для генерации текста в диалоговом формате. В карточке указано обучение с помощью TRL; пример показывает ответы на пользовательские вопросы. Модель принимает текст и генерирует текст. Она основана на Qwen/Qwen3.5-4B, для которой каталог описывает поддержку понимания изображений, однако для этого дообученного текстового чекпойнта заявлена задача text-generation. Контекстное окно — 262144 токена. Модель доступна в формате Safetensors и рассчитана на Transformers. Лицензия в предоставленных данных не указана.

Radiantloom Mixtral 8X7B Fusion DPO — разговорная текстовая модель на архитектуре Mixtral с разреженной смесью экспертов (MoE), разработанная Radiantloom. Это дообученная с помощью Direct Preference Optimization (DPO) версия Radiantloom Mixtral 8X7B Fusion, предназначенная для генерации ответов в диалоге и других сценариев text-generation. Модель использует библиотеку Transformers, распространяется в формате safetensors и имеет контекстное окно 32 768 токенов. В метаданных указано 7,1 млрд параметров. Модель поддерживает ввод и вывод текста; карточка не сообщает о специализированных предметных областях или поддерживаемых естественных языках. Лицензия — Apache-2.0. Карточка не приводит результатов оценивания, данных обучения или подробностей о качестве ответов, поэтому характеристики DPO-настройки и качество в конкретных задачах требуют самостоятельной проверки.

pongjin/roberta_with_kornli — модель классификации последовательностей на архитектуре RoBERTa, дообученная автором на основе klue/roberta-base на данных KorNLI с использованием MNLI и XNLI. Она предназначена для zero-shot-классификации корейских текстов: пользователь задаёт возможные категории, а модель оценивает, насколько текст соответствует каждой из них. В карточке приведён результат обучения: accuracy 0,811 после трёх эпох. Модель содержит 137,8 млн параметров, принимает текст с контекстом до 514 токенов и распространяется в формате PyTorch под лицензией Apache-2.0. Для запуска zero-shot pipeline в описанной автором версии Transformers требуется дополнительный обработчик аргументов, поскольку модель RoBERTa не использует token_type_ids.

SEC-MBX-7B-DPO — языковая модель для диалоговой генерации текста, созданная Arcee AI слиянием через mergekit моделей arcee-ai/sec-mistral-7b-instruct-1.2-epoch и macadeliccc/MBX-7B-v3-DPO методом SLERP. Это плотная архитектура Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель подходит для чат-ботов и генерации ответов на текстовые запросы. Репозиторий содержит веса в формате safetensors; лицензия — Apache 2.0. README не приводит результатов оценки качества или подробных ограничений.

Модель sfm_filtered_insert_xxf_character-9k_10k_11k_weightedavg_merge — объединённая с помощью mergekit линейным методом языковая модель, созданная из трёх контрольных точек предварительно обученных моделей. В качестве базовой при слиянии использовалась контрольная точка global_step11000, вместе с ней объединены global_step9000 и global_step10000; пути указывают на внутренние контрольные точки, а их исходные публичные идентификаторы не приведены. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и имеет контекст длиной до 16 384 токенов. Она предназначена для генерации текста и диалогового использования; карточка не описывает специализированные предметные области или отдельные языки. Весовые файлы представлены в формате safetensors. Лицензия в предоставленных данных не указана.