III.2Исследование рынка и маркетинг

abacaj/mistral-7b-sft — текстовая генеративная модель на архитектуре Mistral, опубликованная пользователем Hugging Face abacaj. Модель содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста. Карточка содержит разделы о запуске инференса и обучении, но не описывает конкретную специализацию или сценарии применения. Данные указывают на поддержку английского языка; формат весов — PyTorch. Лицензия и подробные ограничения применения в предоставленных материалах не описаны.

MITRE-466M — мультиязычная авторегрессионная модель семейства MITRE, разработанная авторами проекта MITRE (Multilingual Translation with Registers) для перевода между языками. Она поддерживает прямой перевод в 552 направлениях между 24 языками пяти языковых семей. Модель содержит 516,2 млн параметров, принимает текст и выдаёт текст; для запуска предусмотрены Transformers и токенизатор SentencePiece. Контекст модели — 256 токенов. MITRE рассчитана на машинный перевод между поддерживаемыми языками, включая перевод без промежуточного перехода через английский. Авторы отмечают улучшения генерации относительно подхода M2M, направленные на снижение вычислительных затрат. Лицензия — MIT.

MPT-7B-Instruct — языковая модель MosaicML для выполнения коротких инструкций. Она создана дообучением MPT-7B на данных, производных от Databricks Dolly-15k и Anthropic HH-RLHF. Модель использует модифицированный декодерный трансформер MPTForCausalLM с 6,7 млрд параметров, 32 слоями и 32 головами внимания; среди особенностей архитектуры — FlashAttention и ALiBi без позиционных эмбеддингов. Для загрузки через Transformers требуется включить trust_remote_code=True. Модель предназначена для генерации текста в ответ на инструкции и вопросы. Обучающие данные токенизированы токенизатором GPT-NeoX-20B; сведения о поддерживаемых естественных языках и длине контекста в предоставленных источниках отсутствуют. Модель распространяется по лицензии CC-BY-SA-3.0, допускающей коммерческое использование при соблюдении условий лицензии.

korvo/MS-RandomMergeTest_v2-22B — объединённая 22-миллиардная языковая модель на архитектуре Mistral, созданная автором репозитория с помощью mergekit и метода della. Базой слияния служила concedo/Beepo-22B; также объединены TheDrummer/Cydonia-22B-v1.1, anthracite-org/magnum-v4-22b, crestf411/MS-sunfall-v0.7.0 и nbeerbower/Mistral-Small-Gutenberg-Doppel-22B. Модель предназначена для генерации текста и диалогов; заявленное базовыми моделями назначение включает следование инструкциям и создание связной прозы на английском языке. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов и представлена в формате safetensors. В метаданных отмечен интерфейс вызова инструментов, однако подробности его работы в карточке не описаны. Лицензия в предоставленных данных не указана. Карточка не приводит оценки качества или подробных ограничений; пригодность слияния для конкретных сценариев следует проверять отдельно.

zelk12/MT3-Gen5-gemma-2-9B_v1 — объединённая разговорная языковая модель на архитектуре Gemma 2, созданная с помощью mergekit методом SLERP. В объединение вошли zelk12/MT3-Gen5-MAI-gemma-2-9B_v1 и zelk12/MT3-Gen5-MMGBMU-gemma-2-9B_v1; в конфигурации указана базовая модель zelk12/MT3-Gen5-MAI-gemma-2-9B_v1 и параметр смешивания t=0,25. Модель содержит 9 млрд параметров, использует формат safetensors и библиотеку Transformers, а её контекстное окно составляет 8192 токена. Она предназначена для генерации текста в диалоговом формате, включая ответы на сообщения и ведение беседы. Поддерживаемый язык в предоставленных сведениях не указан. Модель распространяется по лицензии Gemma. Качество и поведение объединённой модели отдельно не описаны; применимость к конкретным задачам следует проверять на собственных данных.

T-Systems разработала двуязычную модель суммаризации на базе google/mt5-small. Она принимает текст на немецком или английском языке и генерирует краткое резюме. Модель дообучена на 724 835 примерах из англоязычных CNN Daily Mail и XSum, а также немецкого MLSUM; для MLSUM из исходных текстов удаляли предложения, уже включённые в резюме. В метаданных также указаны датасеты swiss_text_2019. Модель использует архитектуру mT5 и содержит 157,4 млн параметров. При обучении длина входа ограничивалась 800 токенами, а целевого резюме — 96 токенами. В оценке без beam search на тестовой части MLSUM немецкие результаты близки к указанным в README моделям сравнения; авторы отмечают, что некоторые значения на XSum выглядят необычно высокими и тестовые данные могли попасть в обучающую выборку. Лицензия модели — CC BY-NC-SA 4.0.

MultiMaster 5x7B v2 — модель общего назначения для работы со знаниями, разработанная ibivibiv. Она предназначена для генерации текста и ответов на вопросы общего характера. Модель построена на архитектуре Mixtral с разреженной смесью экспертов (MoE); в метаданных указано 7,1 млрд параметров и контекст до 32 768 токенов. Карточка заявляет поддержку английского языка. Модель распространяется в формате safetensors и доступна по лицензии Apache 2.0. В карточке приведены результаты тестов на AI2 Reasoning Challenge и HellaSwag, но подробная оценка обозначена как ожидающая публикации. Поэтому эти результаты не дают полной картины качества модели в реальных сценариях.

MyAlee-Qwen-Instruct-v2-16k-v1 — дообученная Arcee AI модель Qwen2-7B для генерации текста в диалоговом формате. Она содержит 7,1 млрд параметров, использует плотную архитектуру Qwen2 и распространяется в формате Safetensors. Метаданные указывают контекст до 131 072 токенов; название модели также содержит «16k», поэтому фактическую длину контекста стоит сверять с конфигурацией конкретного запуска. Модель подходит для генерации ответов и ведения текстового диалога. README сообщает о дообучении на датасете, обозначенном как None, и не приводит сведения о назначении, данных оценки или специальных областях применения. Лицензия — Apache 2.0.

Undi95/MythoMax-L2-Kimiko-v2-13b — текстовая генеративная модель семейства Llama, опубликованная пользователем Undi95. Это объединённая с весами модели LoRA-адаптером версия; в карточке указано значение веса слияния 0,50, но исходные модель и адаптер не названы. Модель содержит 12,9 млрд параметров, использует архитектуру LlamaForCausalLM и формат PyTorch, поддерживает контекст до 4096 токенов. Модель предназначена для генерации текста. Карточка не уточняет специальные сценарии, языки или прикладные области, поэтому её можно описать только как модель общего назначения для генеративных текстовых задач. Репозиторий распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

thhaus/nemotron3-8b — авторская публикация модели Nemotron для генерации текста, размещённая пользователем thhaus на Hugging Face. Это плотная авторегрессионная языковая модель с архитектурой NemotronForCausalLM, содержащая 9,6 млрд параметров и рассчитанная на контекст до 4096 токенов. Модель можно использовать для продолжения текста и генерации ответов по текстовой подсказке. Карточка модели создана автоматически и не описывает разработчика, обучение, языки, назначение для конкретных сценариев, ограничения или лицензию. Поэтому эти свойства нельзя достоверно уточнить по доступным источникам.

NeuralsirkrishnaShadow_Multi_verse_modelExperiment28 — объединённая языковая модель на архитектуре Mistral, созданная слиянием automerger/NeuralsirkrishnaShadow-7B и automerger/Multi_verse_modelExperiment28-7B. Она предназначена для генерации текста и сценариев, где требуется продолжать или создавать текст по запросу. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате SafeTensors. В карточке не описаны специализация по языкам, конкретные преимущества или ограничения качества; лицензия — Apache-2.0.

NeuralSynthesis-7B-v0.2 — модель для генерации текста, созданная Kukedlc с помощью LazyMergekit путём слияния нескольких моделей Mistral, включая NeuralSynthesis-7B-v0.1 и модели для диалогов и вопросов-ответов. Это плотная авторегрессионная модель с архитектурой MistralForCausalLM, 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Карточка не сообщает подробностей о качестве или специализированных навыках; сведения базовой модели каталога указывают на английский и испанский языки. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

Ik45/nllb-en-id-finetuned — дообученная двунаправленная модель перевода английского и индонезийского языков, основанная на facebook/nllb-200-distilled-600M и разработанная для специализации NLLB на этой языковой паре. Она использует архитектуру M2M100 типа encoder-decoder и содержит около 290,3 млн параметров по метаданным; в README описаны сокращение словаря и дообучение с оптимизатором GaLore. Модель предназначена для перевода текстов в направлениях английский → индонезийский и индонезийский → английский. Для этих направлений README приводит результаты на FLORES-200 devtest: sacreBLEU 42,71 и 37,87 соответственно. Метаданные указывают контекст до 1024 токенов, а README отмечает оптимальное качество для последовательностей до 256 токенов. Модель опубликована в формате safetensors под лицензией Apache-2.0. Модель специализировалась на общей тематике английско-индонезийских текстов. Сокращённый словарь и настройка на одну языковую пару могут ухудшить перевод других языков, редких имён, смешанной англо-индонезийской речи, новых слов и сленга; для технических, юридических и медицинских материалов может потребоваться дополнительная настройка. При генерации нужно задавать корректный идентификатор целевого языка через forced_bos_token_id.

Ognoexperiment27multi_verse_modelCalmexperiment-7B — автоматически собранная Maxime Labonne объединённая модель на архитектуре Mistral с 7,1 млрд параметров. В README указаны CalmExperiment-7B-slerp и конфигурация слияния DARE-TIES; метаданные связывают модель с allknowingroger/CalmExperiment-7B-slerp. Модель предназначена для генерации текста. Она принимает текст и генерирует текст, с заявленной длиной контекста 32 768 токенов. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. README не описывает отдельные специализированные сценарии или конкретные языки.

OpenBuddy/openbuddy-llama3.2-1b-v23.1-131k — многоязычная чат-модель OpenBuddy, построенная на Meta Llama 3.2 1B Instruct. Это плотная авторегрессионная архитектура LlamaForCausalLM с 1,2 млрд параметров и контекстом до 131 072 токенов; модель принимает текст и генерирует текст в диалоговом формате. В README заявлены английский и китайский языки, а метаданные также перечисляют французский, немецкий, японский, корейский, итальянский и финский. Модель предназначена для диалогов и генерации ответов на пользовательские запросы. Для запуска рекомендуется быстрый токенизатор Transformers; карточка отмечает совместимость формата с vLLM для предоставления API. Используются веса safetensors. Лицензия — Llama 3.2; применение ограничено условиями лицензии и политикой допустимого использования Meta. Авторы предупреждают, что ответы могут быть ошибочными, вредными или оскорбительными, и не рекомендуют использовать модель в высокорисковых сценариях, включая медицину, управление потенциально опасными системами и важные юридические или финансовые решения.

Helsinki-NLP/opus-mt-en-ru — модель машинного перевода с английского на русский, созданная Helsinki-NLP в рамках проекта OPUS. Это трансформер MarianMT с архитектурой transformer-align и примерно 57,2 млн параметров. Модель обучена на корпусе OPUS; перед переводом текст нормализуется и разбивается на подслова SentencePiece. Она принимает английский текст и выдаёт его перевод на русском, с контекстным окном до 512 токенов. Модель подходит для перевода предложений и документов с английского на русский. В карточке приведены результаты на нескольких тестовых наборах новостных текстов: BLEU составляет 23,5–31,1, chr-F — 0,513–0,581. Эти показатели относятся к указанным наборам и не гарантируют такое же качество на других жанрах и тематиках. Распространяется по лицензии Apache 2.0.

vonjack/opus-mt-mul-en-big — модель машинного перевода на базе MarianMT, опубликованная под Apache-2.0. Она переводит тексты с большого набора исходных языков на английский; среди перечисленных языков есть русский и множество языков с ограниченными цифровыми ресурсами. Карточка указывает архитектуру Transformer-big и обучающий набор OPUS, дополненный обратным переводом и данными из JHUBC. Модель содержит около 161,5 млн параметров, принимает текст и выдаёт текст. Максимальная длина контекста — 1024 токена. Она подходит для перевода пользовательских текстов и материалов с поддерживаемых языков на английский, в том числе для языков, которые редко представлены в машинном переводе. Качество перевода может заметно различаться между языками, особенно для малоресурсных языков; модель не предназначена для перевода с английского на другие языки. Лицензия — Apache-2.0.

Qwen-Image-Edit-2509 — модель редактирования изображений от команды Qwen, выпущенная как сентябрьское обновление Qwen-Image-Edit. Она принимает текстовые инструкции и от одной до трёх входных картинок; поддерживает сочетания изображений людей, товаров и сцен, а также условия ControlNet, включая карты глубины, контуров и ключевых точек. Модель предназначена для редактирования изображений с сохранением важных деталей исходника. Она улучшает сохранение личности человека при смене позы и художественного стиля, помогает сохранять идентичность товара при создании постеров, а также позволяет менять текст на изображении, его шрифт, цвет и материал. Среди сценариев применения — создание мемов и постеров, восстановление старых фотографий и комбинирование нескольких изображений. Модель распространяется в форматах Diffusers и Safetensors и использует библиотеку Diffusers. Лицензия — Apache-2.0. Оптимальные результаты для многокартинного ввода заявлены для одного–трёх изображений; численные характеристики размера модели и длины контекста в предоставленных данных отсутствуют.

Карточка модели Runware/Qwen-Image-Edit-2509 на Hugging Face совпадает с карточкой Qwen/Qwen-Image-Edit-2509, поэтому описание составлено по ней. Qwen-Image-Edit-2509 — модель редактирования изображений от команды Qwen, выпущенная как сентябрьское обновление Qwen-Image-Edit. Она принимает текстовые инструкции и от одной до трёх входных картинок; поддерживает сочетания изображений людей, товаров и сцен, а также условия ControlNet, включая карты глубины, контуров и ключевых точек. Модель предназначена для редактирования изображений с сохранением важных деталей исходника. Она улучшает сохранение личности человека при смене позы и художественного стиля, помогает сохранять идентичность товара при создании постеров, а также позволяет менять текст на изображении, его шрифт, цвет и материал. Среди сценариев применения — создание мемов и постеров, восстановление старых фотографий и комбинирование нескольких изображений. Модель распространяется в форматах Diffusers и Safetensors и использует библиотеку Diffusers. Лицензия — Apache-2.0. Оптимальные результаты для многокартинного ввода заявлены для одного–трёх изображений; численные характеристики размера модели и длины контекста в предоставленных данных отсутствуют.

Ramonda-7B — объединённая языковая модель на архитектуре Mistral, созданная с помощью LazyMergekit из touqir/Cyrax-7B и bardsai/jaskier-7b-dpo-v5.6. Модель содержит 7,1 млрд параметров, представлена в формате Safetensors и рассчитана на генерацию текста; для смешивания весов использован метод SLERP. Базовая модель bardsai/jaskier-7b-dpo-v5.6 описана как англоязычная модель, дообученная методом DPO. Модель подходит для генерации текста и ответов на запросы на английском языке. Заявленное контекстное окно составляет 32 768 токенов. README не приводит результаты оценки качества или подробные рекомендации по применению. Лицензия в предоставленных данных не указана.

ReAligned-Qwen3.5-9B-GGUF — набор GGUF-квантизаций текстовой языковой модели ReAligned-Qwen3.5-9B, созданной Eric Hartford, главным научным сотрудником LazarusAI. Модель основана на Qwen3.5 и предназначена для генерации текста и диалогового взаимодействия, включая ответы на чувствительные исторические и политические вопросы. Квантизацию выполнила QuixiAI; запуск возможен через llama.cpp и совместимые приложения, включая LM Studio, KoboldCpp, Jan AI и Text Generation Web UI. Модель имеет около 9 миллиардов параметров, поддерживает английский и китайский языки и поставляется в вариантах от BF16 до различных 8-, 6-, 5-, 4- и 3-битных форматов GGUF. Рекомендуется использовать встроенный шаблон чата Qwen и системный промпт для настройки стиля, границ отказов, требований к цитированию и поведения в конкретном сценарии. Данные о размере контекста и результатах формальных оценок в карточке не указаны. Основная особенность ReAligned-Qwen3.5 — попытка снизить идеологическую цензуру, избыточные отказы и государственно-нарративную подачу, связанную с исходной моделью, сохранив её общие возможности. Это может быть полезно для исследовательских, аналитических и диалоговых задач, требующих более прямых ответов по спорным темам, однако заявленные изменения не гарантируют фактическую точность, нейтральность или отсутствие предвзятости. Квантизация уменьшает требования к дисковой памяти и позволяет запускать модель локально, но более компактные варианты могут уступать BF16 по качеству. Лицензия — Apache 2.0.

SelfBioRAG-7B-DPO-Full-SFT-WO-KQA-Golden — плотная языковая модель семейства Llama с 6,6 млрд параметров, дообученная Minbyul на базе Minbyul/selfbiorag-7b-wo-kqa_golden-sft с использованием датасета HuggingFaceH4/ultrafeedback_binarized. Модель предназначена для генерации текста; карточка сообщает результаты оценки с предпочтениями ответов, но не описывает конкретные сценарии применения. Модель принимает текст и генерирует текст, а её нативный контекст составляет 4096 токенов. В репозитории указаны веса в формате safetensors. README не приводит сведения о языках, специальных возможностях или подробных ограничениях модели. Лицензия в предоставленных данных не указана.

Minbyul/selfbiorag-7b-wo-kqa_silver_wogold-sft — дообученная модель семейства Llama с плотной архитектурой LlamaForCausalLM и 6,6 млрд параметров. Она создана на основе dmis-lab/selfbiorag_7b с использованием набора HuggingFaceH4/deita-10k-v0-sft; в README для оценки указано значение loss 1,1482. Модель предназначена для генерации текста и может использоваться в сценариях, где требуется получать текстовые ответы или продолжения по текстовому запросу. Контекст составляет 4096 токенов. Репозиторий содержит веса в формате safetensors. Лицензия и дополнительные сведения о применении в карточке не приведены.

sfm_baseline_filtered-5k_6k_7k_simpleavg_merge — объединённая языковая модель, созданная с помощью mergekit методом Linear из контрольных точек обучения с шагами 5000, 6000 и 7000. В метаданных указаны архитектура GPT-NeoX, плотная причинная языковая модель и размер 8,8 млрд параметров; модель распространяется в формате safetensors и имеет контекст длиной до 16 384 токенов. Модель предназначена для генерации текста. README не описывает специальные сценарии, языковую специализацию или сравнительные качества модели. Лицензия в предоставленных сведениях не указана.

Это объединённая модель генерации текста на архитектуре GPT-NeoX, созданная методом Linear merge с помощью mergekit. В качестве базовой использована контрольная точка global_step5000; также в объединение вошли контрольные точки global_step4000 и global_step3000 из одного семейства экспериментов. Модель предназначена для генерации текста и диалогового взаимодействия. Она содержит 8,8 млрд параметров, принимает текст и поддерживает контекст до 16 384 токенов. Данные не позволяют определить конкретные языки, тематику обучения или особые сценарии применения. Файлы модели представлены в формате safetensors и рассчитаны на использование через библиотеку Transformers. Лицензия в предоставленных данных не указана.

sfm_filtered_insert_xxf_character-8k_9k_10k_11k_12k_weightedavg_merge — объединённая языковая модель на архитектуре GPT-NeoX, созданная с помощью mergekit методом Linear merge. В неё вошли несколько контрольных точек предварительно обученной модели; базовой при слиянии была контрольная точка global_step12040. В репозитории указаны 8,8 млрд параметров, формат safetensors и контекст длиной до 16 384 токенов. Модель предназначена для генерации текста и диалогового использования. Карточка не уточняет языки, специализированные области или отдельные возможности сверх генерации текста. Лицензия в предоставленных данных не указана.

ShadowYamshadow_YamOgno — объединённая текстовая модель на архитектуре Mistral с 7,1 млрд параметров. Она создана слиянием моделей automerger/ShadowYamshadow-7B и automerger/YamOgno-7B. Модель предназначена для генерации текста и может использоваться в задачах продолжения текста и диалоговых сценариях. Контекстное окно составляет до 32 768 токенов; веса доступны в формате safetensors. Модель распространяется по лицензии Apache-2.0. README не приводит результатов оценки качества или дополнительных сведений о специализации модели.

Spicy-Laymonade-7B — языковая модель на архитектуре Mistral, созданная объединением моделей ABX-AI и cgato с помощью mergekit и метода SLERP. В репозитории указаны объединённые модели ABX-AI/Laymonade-7B и cgato/TheSpice-7b-v0.1.1; метаданные описывают модель как плотную трансформерную архитектуру MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и диалогового общения. Её можно применять для интерактивных бесед и создания текстовых ответов. Карточка разработчика характеризует результат как удачно работающий эксперимент, но не приводит оценок качества, перечня поддерживаемых языков или подробных рекомендаций по эксплуатации. Лицензия указана как other, поэтому условия использования следует уточнить в репозитории модели и у авторов базовых моделей. Тег not-for-all-audiences предупреждает, что модель может быть неподходящей для всех аудиторий.

SynthIA-70B-v1.5 — языковая модель семейства LLaMA, представленная пользователем migtissera. Она предназначена для генерации текста; карточка показывает пример диалогового формата с ролями SYSTEM и USER. Модель содержит 68,7 млрд параметров, использует архитектуру LlamaForCausalLM и рассчитана на контекст до 2048 токенов. Доступен формат PyTorch, лицензия — Llama 2. Модель можно применять для генерации ответов и связного текста в диалоговых сценариях. Пример в карточке посвящён объяснению запуска ракеты на низкую околоземную орбиту, но он не подтверждает специализацию модели в конкретной предметной области. README не сообщает о результатах оценки качества или известных ограничениях.

TARS-8B — объединённая языковая модель, созданная автором репозитория picAIso с помощью mergekit. В основе лежит MaziyarPanahi/Llama-3-8B-Instruct-v0.9; к слиянию также подключены NousResearch/Hermes-2-Pro-Llama-3-8B и nbeerbower/llama-3-gutenberg-8B. Использован метод TIES, итоговые веса указаны в формате float16. Модель с архитектурой Llama и 7,5 млрд параметров предназначена для генерации текста и диалоговых ответов на запросы. Она принимает текст и выдаёт текст, поддерживает английский язык и имеет контекстное окно 8192 токена. Для запуска используется библиотека Transformers. Модель распространяется по лицензии Llama 3. Слияние объединяет возможности исходных моделей, однако README не приводит отдельных оценок качества или подробных ограничений; поведение и надёжность ответов следует проверять для целевого сценария.