III.2Исследование рынка и маркетинг

MaziyarPanahi/M7Yamshadowexperiment28_YamOgno — объединённая модель генерации текста, созданная на основе automerger/M7Yamshadowexperiment28-7B и automerger/YamOgno-7B. Она использует плотную архитектуру Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации продолжений текста и диалоговых ответов. Она распространяется в формате safetensors по лицензии Apache 2.0. В карточке модели не описаны специальные домены или дополнительные возможности.

Magnum v4 12B — разговорная языковая модель Anthracite, дообученная на базе mistralai/Mistral-Nemo-Instruct-2407 для воспроизведения качества прозы Claude 3 Sonnet и Opus. Это плотная авторегрессионная модель семейства Mistral с 12,1 млрд параметров, представленная в формате safetensors и предназначенная для генерации текста в диалогах. Она принимает сообщения в формате инструкций [INST] и подходит для написания прозы и ответов в чате; в метаданных также отмечен интерфейс вызова инструментов. Карточка указывает английский язык и контекст до 1 024 000 токенов. Модель распространяется по лицензии Apache-2.0. Приведённые оценки Open LLM Leaderboard включают IFEval 33,93 и BBH 30,50; результаты сами по себе не гарантируют качество для конкретных задач.

MasherAI-v6-7B — разговорная языковая модель, разработанная mahiatlinux на основе mahiatlinux/ShadowDolph-7B-v1. Это дообученная плотная Mistral-модель с 7,1 млрд параметров, рассчитанная на генерацию текста и многошаговый диалог. Она использует формат ChatML и поддерживает системные инструкции в диалоге; в метаданных указан контекст длиной 32 768 токенов и английский язык. В README описано дообучение на наборах philschmid/guanaco-sharegpt-style и mahiatlinux/maheswar_credits_ShareGPT. Модель предназначена для общения с пользователем, ответов на вопросы, советов и свободной генерации текста. Лицензия — Apache-2.0. Заявления README о точности и надёжности не сопровождаются приведёнными в доступных данных количественными результатами; качество ответов и достоверность фактов могут варьироваться.

Модель thewordsmiths/Meta-Llama-3-8B_sft_merged_100000_dpo_merged — дообученная версия Meta-Llama-3-8B от разработчика thewordsmiths. Это плотная авторегрессионная модель семейства Llama для генерации текста; в карточке указано обучение с помощью Unsloth и Hugging Face TRL. Модель содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. В метаданных указан английский язык. Модель подходит для генерации продолжений и ответов на текстовые запросы. Она распространяется под лицензией Apache-2.0. Карточка не описывает конкретные улучшения, специализированные сценарии или результаты оценки качества.

Mistral 7B Magnite Finetuned — языковая модель Waadarsh, дообученная на основе Mistral-7B-v0.1. Она предназначена для генерации текста и диалогового общения на английском языке. Модель имеет плотную архитектуру MistralForCausalLM с 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель распространяется в формате safetensors и рассчитана на использование с библиотекой Transformers. Лицензия — Apache License 2.0. Для загрузки модели требуется Transformers версии 4.34.0 или новее.

MobileLLaMA-2.7B-Chat — чат-модель, разработанная на основе MobileLLaMA-2.7B-Base и дообученная методом supervised instruction fine-tuning на датасете ShareGPT. Это плотная авторегрессионная модель семейства LLaMA с 2,6 млрд параметров, предназначенная для генерации текста и ответов на инструкции. Модель можно загружать с помощью Hugging Face Transformers; её контекст составляет 2048 токенов. Модель подходит для диалоговых помощников и генерации ответов на текстовые запросы. В карточке указана лицензия Apache-2.0. Данных о поддерживаемых естественных языках и специальных ограничениях качества в карточке нет.

Klevin/MOE-Finetuned-4B — разговорная текстовая модель, разработанная Klevin и дообученная на базе unsloth/mistral-7b-instruct-v0.3-bnb-4bit. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов; для обучения использовались Unsloth и библиотека TRL. Модель предназначена для генерации текста в диалогах и ответов на текстовые запросы на английском языке. Репозиторий распространяется по лицензии Apache-2.0.

zelk12/MT5-MU-gemma-2-Rv0.4G-9B — объединённая языковая модель на архитектуре Gemma 2 с 9 млрд параметров, созданная с помощью mergekit методом SLERP из nbeerbower/gemma2-gutenberg-9B и recoilme/recoilme-gemma-2-9B-v0.4. Модель предназначена для генерации текста в диалоговом формате и работает через библиотеку Transformers. Модель принимает текст и выдаёт текст; максимальная длина контекста составляет 8192 токена. Базовая Gemma 2 описана в каталоге как модель диалоговой генерации на английском языке. Веса представлены в формате safetensors, лицензия — Gemma.

Двуязычная модель суммаризации Deutsche Telekom AG из команды One Conversation, дообученная на базе google/mt5-small. Это encoder-decoder модель семейства mT5 с 157,4 млн параметров; она принимает текст на английском или немецком и генерирует краткое изложение. Обучение проводилось на наборах CNN/Daily Mail, XSum, WikiLingua, MLSUM и Swiss Text 2019. Для исходного текста при обучении использовалась максимальная длина 800 токенов, для целевого резюме — 96 токенов. Модель предназначена для создания кратких пересказов новостных статей и других текстов на немецком и английском языках. В карточке приведены оценки ROUGE на немецком MLSUM и английских CNN/Daily Mail и XSum; авторы отмечают, что часть результатов на тестовых наборах выглядит необычно высокой и могла быть связана с попаданием тестовых данных в обучение. Репозиторий содержит веса PyTorch и safetensors. Лицензия — CC BY-NC-SA 4.0; данные некоторых обучающих наборов имеют неясные условия использования, поэтому коммерческое применение обучающих данных может быть ограничено.

zelk12 объединил методом SLERP две разговорные языковые модели на базе Gemma 2: zelk12/MT-Gen3-gemma-2-9B и zelk12/MT2-Gen3-gemma-2-9B. Модель предназначена для генерации текста в диалоговом формате и может использоваться для ответов на вопросы и ведения беседы. Это плотная авторегрессионная модель Gemma2ForCausalLM с 9 млрд параметров и контекстом 8192 токена. Репозиторий содержит веса в формате safetensors; в README также указано происхождение статических квантованных сборок GGUF. Языковые характеристики и лицензия в использованных источниках не описаны.

Multi Master 7B — языковая модель, созданная ibivibiv на основе openchat/openchat-3.5-0106. Разработчик дообучил её с помощью LoRA на наборе данных в стиле Alpaca по нескольким дисциплинам, а затем объединил адаптер с основной моделью. Это модель Mistral для генерации текста с поддержкой диалогового режима; для запросов используется шаблон с разделами Instruction и Response. Модель предназначена для ответов на инструкции и задач из разных дисциплин на английском языке. Она содержит 7,1 млрд параметров, принимает текст и поддерживает контекст длиной до 8192 токенов. Репозиторий содержит веса в формате Safetensors. Модель распространяется по лицензии Apache-2.0. В README нет результатов бенчмарков: оценить качество и надёжность ответов по представленным данным нельзя.

NeuralsirkrishnaShadow_Experiment27Shadow — объединённая модель Mistral для генерации текста, созданная из automerger/NeuralsirkrishnaShadow-7B и automerger/Experiment27Shadow-7B. Она предназначена для сценариев, где нужно продолжать текст или получать ответы в текстовом формате. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Mistral и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате safetensors. Данных о специализации по языкам или прикладным областям в карточке нет. Модель распространяется по лицензии Apache-2.0. Карточка не приводит результатов оценки качества или подробных сведений о поведении, поэтому пригодность для конкретных задач следует проверять отдельно.

NeuralsynthesisMultiverseex26-7B — автоматическое слияние моделей, созданное Maxime Labonne из Kukedlc/NeuralSynthesis-7B-v0.1 и allknowingroger/MultiverseEx26-7B-slerp методом SLERP с помощью MergeKit. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров; она предназначена для генерации текста и диалогов. Длина контекста — 32 768 токенов, веса представлены в Safetensors. Модель принимает текст и генерирует текст. По описанию базовой модели поддерживаются английский и испанский языки. Репозиторий лицензирован по Apache-2.0. Карточка показывает конфигурацию слияния и пример подключения через Transformers, но не приводит сравнительных оценок качества или подробных результатов тестирования.

NorwAI-Mistral-7B-instruct — генеративная текстовая модель, разработанная исследовательским центром NorwAI при Норвежском университете науки и технологий (NTNU) совместно с норвежскими партнёрами, включая Schibsted, NRK, VG и Национальную библиотеку Норвегии. Модель предназначена для работы с норвежским языком и диалоговых или иных сценариев, требующих следования инструкциям; она дообучена примерно на 9000 самостоятельно собранных высококачественных норвежских инструкциях. Модель основана на NorwAI-Mistral-7B, использует авторегрессионную архитектуру и содержит около 7 млрд параметров. Контекст — до 32 000 токенов. Токенизатор расширен за счёт объединения токенизатора Llama 2 с норвежским токенизатором, итоговый словарь содержит 64 000 токенов. Основная заявленная языковая специализация — норвежский язык; сведения о мультимодальности отсутствуют, модель предназначена для генерации текста. Сильная сторона модели — адаптация к норвежскому языку и инструкциям носителей языка. Как и другие большие языковые модели, она может порождать галлюцинации, фактически неверные ответы, токсичный или предвзятый контент. Модель распространяется по специальной лицензии NorLLM: бесплатное использование разрешено организациям, зарегистрированным в странах Северной Европы, для собственных целей, но не для перепродажи; предусмотрены требования к атрибуции и ограничения, связанные с безопасностью, фундаментальными правами и географией использования.

OPDLM-4B — языковая модель DIVE Lab Техасского университета A&M, полученная постобучением Qwen3-4B методом on-policy distillation. Это декодерная блочная diffusion language model с блоком размером 4, примерно 3,7 млрд параметров и контекстом до 40 960 токенов. Модель предназначена для генерации текста и диалогов; блочная диффузия позволяет декодировать несколько токенов параллельно. Для преобразования базовой авторегрессионной модели использовано около 0,076 млрд токенов. Модель рассчитана на английский язык и распространяется по лицензии MIT. Подробные результаты и бенчмарки приведены в статье разработчиков.

Orca-Hermes-7B-slerp — диалоговая языковая модель, созданная слиянием моделей Open-Orca и OpenHermes на основе Mistral 7B с помощью mergekit и метода slerp. Она предназначена для генерации текста и ответов на инструкции в формате чата. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Модель работает с текстом и ориентирована прежде всего на англоязычные диалоги и инструкции. Веса опубликованы в формате safetensors; лицензия — Apache-2.0. README описывает конфигурацию слияния, но не приводит отдельные результаты оценки качества.

Atishaymint/Orvansi_Beta — дообученная Atishaymint чат-модель на архитектуре Mistral, основанная на unsloth/Mistral-Nemo-Instruct-2407-bnb-4bit. Модель содержит 12,1 млрд параметров, принимает текст и генерирует текст; заявленный контекст — до 131 072 токенов. Для обучения использовались Unsloth и библиотека TRL от Hugging Face. Модель предназначена для диалоговой генерации текста на английском языке. Её можно использовать для ответов на запросы и ведения чата. В карточке не приведены результаты оценки качества или сведения о специализации. Распространяется по лицензии Apache-2.0.

google/pegasus-cnn_dailymail — модель суммаризации на архитектуре PEGASUS, разработанной Jingqing Zhang, Yao Zhao, Mohammad Saleh и Peter J. Liu; репозиторий поддерживается @sshleifer. Чекпойнт содержит 366,8 млн параметров и предназначен для создания краткого пересказа текста, в частности новостных материалов CNN/DailyMail. Модель принимает текст и генерирует текстовое резюме; основной язык карточки — английский, длина контекста — до 1024 токенов. PEGASUS использует архитектуру encoder-decoder для генерации текста. В описании семейства авторы сообщают о предобучении на C4 и HugeNews с извлечением и маскированием предложений, а также о случайном варьировании доли пропуска предложений и выборе важных предложений с добавлением случайного шума к оценкам важности. Для этого конкретного чекпойнта README не приводит отдельного набора метрик. Модель распространяется в формате PyTorch; сведения о лицензии в доступных данных отсутствуют.

OpenAssistant/pythia-12b-sft-v8-7k-steps — англоязычная модель генерации текста, разработанная OpenAssistant. Это дообученная методом supervised fine-tuning модель семейства GPT-NeoX с плотной архитектурой и примерно 15,4 млрд параметров. Она предназначена для генерации продолжений текста и ответов на текстовые запросы. Контекст составляет 2048 токенов; модель распространяется в формате PyTorch по лицензии Apache 2.0. README указывает базовую модель OpenAssistant/pythia-12b-pre-v8-12.5k-steps.

Qwen2.5-1.5B-Policy — языковая модель для генерации текста, созданная blakenp дообучением Qwen/Qwen2-0.5B с помощью TRL. Модель использует плотную архитектуру Qwen2 и предназначена для диалогового взаимодействия: она принимает пользовательские сообщения и генерирует ответы. Модель содержит 494 млн параметров, работает с библиотекой Transformers и поддерживает контекст длиной до 131 072 токенов. В метаданных указано сохранение весов в формате safetensors. Лицензия и языковая специализация в предоставленных данных не указаны.

QwerySmith-1.0-Merged — дообученная Cyrax321 языковая модель для генерации текста и диалогового общения. Она основана на Qwen3 с плотной архитектурой причинного языкового моделирования Qwen3ForCausalLM и содержит около 3,7 млрд параметров. Модель принимает текст и поддерживает контекст до 40 960 токенов; в метаданных также отмечен интерфейс вызова инструментов. Карточка указывает базовую модель unsloth/qwen3-4b-unsloth-bnb-4bit и лицензию Apache-2.0. В описании нет сведений о специализации дообучения или оценках качества; подтверждена поддержка английского языка.

Riva-Translate-4B-Instruct — модель машинного перевода NVIDIA на архитектуре decoder-only Transformer, дообученная для перевода между 12 языками и региональными вариантами: английским, немецким, европейским и латиноамериканским испанским, французским, бразильским португальским, русским, упрощённым и традиционным китайским, японским, корейским и арабским. Модель содержит 3,9 млрд параметров; её основа — Mistral-NeMo-12B-Base, сжатая pruning и дистилляцией, после чего модель прошла многоэтапные CPT и SFT. Используются токенизатор tiktoken и контекст до 8192 токенов. Модель предназначена для перевода текстов с помощью инструкций и рекомендованного шаблона диалога System/User/Assistant. Она может применяться в пользовательских и прикладных сценариях перевода между поддерживаемыми языками. Качество зависит от предметной области, контекста и характеристик входного текста; возможны грамматические и смысловые ошибки. Для использования необходимо соблюдать условия NVIDIA Open Model License Agreement.

Модель invalid-coder/Sakura-SOLAR-Instruct-CarbonVillain-en-10.7B-v2-slerp — текстовая генеративная модель, полученная объединением CarbonVillain-en-10.7B-v2 и Sakura-SOLAR-Instruct методом SLERP с помощью LazyMergekit. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 10,6 млрд параметров; репозиторий содержит веса Safetensors. Модель предназначена для диалогового взаимодействия и генерации текста. Модель принимает текст и выдаёт текст. Контекстное окно составляет 4096 токенов. Репозиторий опубликован под лицензией Apache-2.0. Доступные сведения не описывают отдельное обучение, тестирование качества или ограничения по использованию, поэтому пригодность для конкретных задач следует оценивать отдельно.

SELM-Zephyr-7B-iter-2 — диалоговая языковая модель, разработанная Katayoon и дообученная на обновлённом и исходном наборах данных. Она основана на SELM-Zephyr-7B-iter-1 и использует плотную архитектуру Mistral с 7,1 млрд параметров. Модель предназначена для генерации текста и диалоговых сценариев; поддерживает контекст до 32 768 токенов. Модель принимает текст и генерирует текстовые ответы. Репозиторий содержит веса в формате Safetensors, а лицензия — MIT. В README не приведены результаты оценки, подробности о данных и специальные ограничения, поэтому качество на конкретных задачах по карточке определить нельзя.

Это объединённая языковая модель примерно на 8,8 млрд параметров, созданная с помощью mergekit и линейного слияния чекпойнтов на шагах 9 000, 10 000 и 11 000 обучения. Модель основана на архитектуре GPT-NeoX и предназначена для генерации текста, в том числе в диалоговом формате. Модель принимает текст и генерирует текст; её контекстное окно составляет 16 384 токена. В карточке не описаны конкретные языки, специализированные области или сравнительные результаты, поэтому назначение ограничивается общими задачами генерации текста. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Сведения о лицензии в предоставленных данных отсутствуют. README указывает на слияние предварительно обученных языковых моделей, но не раскрывает их публичные идентификаторы; доступные пути к исходным чекпойнтам являются локальными путями, поэтому определить базовую модель по ним нельзя.

Это объединённая модель генерации текста, созданная yuhengtu с помощью mergekit. В неё линейным методом сведены пять чекпойнтов предварительно обученной языковой модели с шагами обучения 0, 1000, 2000, 3000 и 4000; базой слияния служил чекпойнт на шаге 4000. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и принимает контекст до 16 384 токенов. В метаданных также указана возможность диалогового применения. Модель предназначена для генерации текста и диалоговых сценариев. Сведения о целевых языках, качестве на конкретных задачах и условиях лицензирования в карточке отсутствуют, поэтому их нельзя достоверно оценить.

macadeliccc/SOLAR-2x10.7b-truthy-dpo — разговорная текстовая модель, полученная слиянием macadeliccc/SOLAR-10.7b-Instruct-truthy-dpo и bhavinjawade/SOLAR-10B-OrcaDPO-Jawade. Она предназначена для генерации ответов в диалоге и других сценариев, где требуется продолжить текст. Модель построена на архитектуре Mixtral с механизмом смеси экспертов, содержит 10,6 млрд параметров и поддерживает контекст до 4096 токенов. В карточке указаны наборы данных truthy-dpo-v0.1 и OpenOrca; результаты оценки качества не приведены. Репозиторий содержит веса Safetensors. Лицензия CC BY-NC-ND 4.0 требует указания авторства и запрещает коммерческое использование и распространение производных материалов.

Starling-LM-7B-beta-x2 — чат-модель на базе архитектуры Mistral, созданная IsakNordgren с помощью слияния двух копий Nexusflow/Starling-LM-7B-beta методом DARE-TIES. Модель предназначена для генерации ответов в диалоге и других задач текстовой генерации. Репозиторий содержит веса в формате safetensors; размер модели — 7,1 млрд параметров, длина контекста — 8192 токена. Базовая Starling-LM-7B-beta — англоязычная модель Nexusflow, дообученная методом RLAIF. Для этой версии README описывает конфигурацию слияния и тип bfloat16. Лицензия в предоставленных данных не указана.

ifyou819 разработал дообученную модель Pegasus для создания кратких пересказов текстов. Она содержит 366,8 млн параметров, принимает текст и генерирует текстовое резюме; длина контекста — 1024 токена. В README приведены результаты оценки: ROUGE-1 — 0,457, ROUGE-2 — 0,294, ROUGE-L — 0,362. Модель основана на ifyou819/summary-bbc-dataset-v1 и сохранена в формате Safetensors. Карточка не уточняет языки и условия лицензии, поэтому их нельзя определить по доступным данным.

Это дообученная модель семейства T5 с 52,6 млн параметров, созданная на основе weny22/sum_model_0318. По названию и метрикам ROUGE она предназначена для суммаризации текста. В карточке указана оценка на тестовом наборе: Loss 2,1007, ROUGE-1 0,1995, ROUGE-2 0,0701 и ROUGE-L 0,1598. В README отмечено, что опубликованный вариант обучен только в течение пяти эпох, хотя автор рассчитывал на 11–15 эпох; также изменены embedding и LM head для словаря размером 45 000 токенов. Данные обучения, поддерживаемые языки и условия лицензии в предоставленных сведениях не раскрыты.