III.2Исследование рынка и маркетинг

jspr/llama3_8b_wordcel_8k_merged — дообученная модель генерации текста на базе Meta Llama 3 8B, разработанная jspr. Она предназначена для генерации текста; карточка не описывает более узкую специализацию или конкретные сценарии применения. Модель использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и рассчитана на контекст до 8192 токенов. В README указано, что при обучении использовались Unsloth и библиотека Hugging Face TRL; язык карточки и базовой модели — английский. Модель распространяется по лицензии Apache-2.0. Карточка не сообщает результатов оценки качества или специфических ограничений; применимость к конкретной задаче следует проверять отдельно.

Junpito/llama3-grpo-id-reasoning-16bit — дообученная Junpito модель семейства Llama для генерации текста и диалоговых сценариев. Она создана на базе Junpito/llama3-finetuned-id-16bit; в карточке указано обучение с использованием Unsloth и библиотеки TRL. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 3,2 млрд параметров и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации англоязычного текста и ведения диалогов. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Карточка не приводит подробных результатов оценки качества или подтверждений специализированных возможностей рассуждения.

grimjim выпустил Nephilim v3 — объединённую с помощью mergekit языковую модель на архитектуре Llama 3. В основу слияния легла grimjim/Llama-3-Instruct-8B-SPPO-Iter3-SimPO-merge, также в него включена tokyotech-llm/Llama-3-Swallow-8B-Instruct-v0.1. Модель содержит 7,5 млрд параметров, рассчитана на контекст до 8192 токенов и распространяется в формате safetensors; библиотека для работы — Transformers. Модель предназначена для диалоговой генерации текста и может применяться для ролевых сценариев и творческого продолжения текста. Автор отмечает, что компоненты слияния не обучались специально для ролевых игр, а формат инструкций иногда вызывает несогласованность; рекомендует использовать подходящий instruct-промпт и подбирать температуру генерации. Лицензия — CC BY-NC 4.0, допускающая использование с ограничениями на коммерческое применение.

Llama 4 Maverick Instruct — мультимодальная модель Meta для диалогов и задач понимания изображений. Это авторегрессионная модель с архитектурой смеси экспертов (MoE) и ранним объединением модальностей; в варианте Maverick используются 17 млрд параметров и 128 экспертов. Модель предназначена для чат-ассистентов и визуальных задач: распознавания и анализа изображений, составления описаний и ответов на вопросы по изображению. Она поддерживает арабский, немецкий, английский, испанский, французский, хинди, индонезийский, итальянский, португальский, тайский, тагальский и вьетнамский языки. Проверено понимание до пяти входных изображений; для большего числа изображений требуется дополнительная проверка в конкретном приложении. Модель разработала Meta. Репозиторий содержит дообученную версию базовой Llama 4 Maverick, распространяемую в формате Safetensors. Использование регулируется пользовательской коммерческой лицензией Llama 4 Community License и Acceptable Use Policy.

Logo-Detection-finetune — модель обнаружения объектов на изображениях, дообученная разработчиком на базе hustvl/yolos-small. Она предназначена для поиска и локализации логотипов на изображениях. Модель построена на архитектуре YOLOS и содержит 28,3 млн параметров; веса представлены в формате safetensors и используются через библиотеку Transformers. Модель можно применять для обнаружения логотипов на фотографиях и других изображениях. Данные не сообщают, на каком наборе данных и каких именно логотипах она обучалась, поэтому полнота распознавания и качество на конкретных изображениях не установлены. Лицензия — Apache-2.0.

Sakalti/LunarPass-2 — разговорная языковая модель, созданная Sakalti с помощью mergekit из слоёв модели Sakalti/Lunar-4B методом passthrough. Она предназначена для генерации текста в диалоговом формате. Модель построена на плотной архитектуре Phi-3 и содержит 4,6 млрд параметров; поддерживает контекст до 4096 токенов и распространяется в формате safetensors. Модель принимает текст и генерирует текст. Базовая Lunar-4B описана как разговорная модель для английского и японского языков, поэтому эти языки подходят для использования, хотя отдельные характеристики LunarPass-2 в README не уточняются. Модель распространяется по лицензии Apache-2.0. Карточка не приводит отдельных оценок качества или подробностей об ограничениях.

M1k4ri-7b — объединённая языковая модель от Smuggling1710 для генерации текста. Она создана с помощью LazyMergekit методом slerp из моделей Smuggling1710/M1k4-7b и Smuggling1710/Ak4ri-7b. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и принимает текстовый ввод, генерируя текст. Максимальная длина контекста — 32 768 токенов. Карточка не описывает специализированные области применения, поддерживаемые языки, качество или дополнительные возможности. В репозитории представлены веса Safetensors. Лицензия в предоставленных данных не указана.

MaziyarPanahi/M7Yamshadowexperiment28_Inex12Experiment24 — объединённая модель семейства Mistral для генерации текста. Она создана слиянием automerger/M7Yamshadowexperiment28-7B и automerger/Inex12Experiment24-7B и содержит 7,1 млрд параметров. Модель предназначена для генерации текста и диалоговых сценариев. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors. Лицензия — Apache-2.0. Описание не приводит специальных областей применения, языкового профиля или результатов оценки качества, поэтому пригодность для конкретных задач следует проверять отдельно.

Magnum v1 32B GGUF — семейство квантизированных GGUF-версий языковой модели Anthropic? Нет, модель разработана командой Anthracite и предназначена для генерации текста и диалоговых сценариев. Она создана с целью приблизить качество прозы к моделям Claude 3, в частности Sonnet и Opus, и ориентирована на общее следование инструкциям, связность ответов и работу с текстом на английском и китайском языках. Модель дообучена на базе Qwen1.5 32B с полным обновлением параметров в течение двух эпох на восьми GPU NVIDIA H100. В обучении использовались наборы данных, направленные на улучшение соблюдения инструкций, качества письма и связности. Для взаимодействия применяется формат ChatML. Репозиторий содержит GGUF-квантизации; сведения о конкретных уровнях квантизации, размере контекста и поддерживаемых модальностях, кроме текстовой, не указаны. Сильными сторонами модели заявлены качество прозы, следование инструкциям и coherence в универсальных текстовых задачах. Ограничениями являются отсутствие подробной информации о безопасности, точности на бенчмарках, фактической поддержке языков помимо английского и китайского, контекстном окне и характеристиках отдельных GGUF-файлов. Указана лицензия Tongyi Qianwen; применимые условия следует уточнять по ссылке на лицензию Qwen2-72B-Instruct.

Magnum v4 12B — модель Anthracite, созданная для генерации текста и диалоговых сценариев с акцентом на качество прозы, сопоставимое с Claude 3 Sonnet и Opus. Это GGUF-квантизации модели; исходные веса доступны в отдельном репозитории. Модель дообучена на базе mistralai/Mistral-Nemo-Instruct-2407 методом полноразмерного fine-tuning. Она предназначена для англоязычных задач text generation, включая чат, написание и редактирование текстов, а также сценарии, где важны выразительность и качество прозы. В обучении использовались наборы данных Anthracite, связанные с диалогами, инструкциями и художественным письмом. Заявлена длина последовательности до 32 768 токенов; поддерживается текстовая модальность. К сильным сторонам относятся специализация на качестве прозы, инструктивный формат и наличие GGUF-квантизаций для локального запуска. README не содержит результатов бенчмарков и подробных сведений о требованиях к ресурсам, поэтому фактическое качество, скорость и эффективность конкретных вариантов квантизации следует оценивать отдельно. Модель распространяется по лицензии Apache-2.0.

MagpieLM-8B-Chat-v0.1 — диалоговая языковая модель семейства Llama 3.1, разработанная Magpie-Align. Это плотная причинно-авторегрессионная модель на 7,5 млрд параметров, дообученная на базе MagpieLM-8B-SFT-v0.1: сначала с помощью supervised fine-tuning на синтетических инструкциях, затем методом DPO на данных предпочтений. Она принимает текст и генерирует ответы в формате чата; заявленная длина контекста — 131 072 токена. Модель предназначена для диалогов, выполнения инструкций и генерации текста на английском языке. В карточке приведены результаты на Alpaca Eval 2, Arena Hard и WildBench, однако они не гарантируют качество для конкретных задач. Используется шаблон чата Llama 3.1. Лицензия — Llama 3.1 Community License от Meta. Авторы предупреждают, что ответы могут содержать фактические ошибки, логические несогласованности и смещения. Модель не рассчитана на сложные рассуждения и может выдавать небезопасный или неподходящий контент; специальное обучение безопасности не проводилось.

mergekit-community/mergekit-passthrough-ywynqau — объединённая языковая модель, созданная сообществом с помощью mergekit методом passthrough на основе unsloth/phi-4 и bunnycore/Phi-4-RP-lora_model. Модель построена на архитектуре LlamaForCausalLM и содержит 14,1 млрд параметров; веса представлены в формате safetensors и bf16. Она предназначена для генерации текста и диалоговых сценариев. Контекст составляет до 16 384 токенов; сведения о поддерживаемых языках и конкретных возможностях объединённой модели в карточке не приведены. Лицензия в предоставленных данных не указана.

Mistral-dolphin-2.8-grok-instract-2-7B-slerp — объединённая модель на архитектуре Mistral, созданная nasiruddin15 с помощью LazyMergekit методом SLERP из Mistral-grok-instract-2-7B-slerp и dolphin-2.8-mistral-7b-v02. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста и диалоговое взаимодействие; её контекстное окно составляет 32 768 токенов. Репозиторий включает веса в форматах Safetensors и GGUF. В метаданных заявлен английский язык, а лицензия — Apache-2.0. Модель может быть полезна для чат-ботов и генерации ответов, однако README не содержит оценок качества, подробных рекомендаций по использованию или описания ограничений унаследованных моделей.

zelk12 создал эту модель слиянием двух предварительно обученных языковых моделей с помощью mergekit и метода SLERP: zelk12/MT-Gen2-gemma-2-9B и nbeerbower/gemma2-gutenberg-9B. Это плотная авторегрессионная модель семейства Gemma 2 с 9 млрд параметров, предназначенная для генерации текста и диалогов. Модель принимает текст и генерирует текст; её нативная длина контекста — 8192 токена. В качестве формата весов указаны safetensors. Базовая модель zelk12/MT-Gen2-gemma-2-9B описана как модель для диалоговой генерации на английском языке. Лицензия в предоставленных данных не указана. Качество, языковой охват и ограничения именно этого слияния в README не описаны; характеристики базовой модели могут не полностью переноситься на результат слияния.

NeuBeagle-7B — объединённая модель генерации текста на базе архитектуры Mistral, созданная mlabonne с помощью LazyMergekit. В состав слияния вошли dpo-binarized-NeutrixOmnibe-7B и dpo-binarized-NeuralTrix-7B; использован метод dare_ties. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации и продолжения текста, в том числе диалоговых ответов. В метаданных указана лицензия CC BY-NC 4.0, которая ограничивает коммерческое использование. Данных о конкретных языках и специализированных областях применения нет.

Модель nllb-enhanced-darija-eng_v1.1 разработана Anas ABERCHIH и представляет собой дообученную версию NLLB-200 3.3B на 40 тысячах пар предложений для перевода между марокканским арабским диалектом дарижа и английским. Это плотная модель семейства M2M-100 с архитектурой M2M100ForConditionalGeneration, рассчитанная на обработку текста; для загрузки весов используется Transformers, формат файлов — safetensors. Размер модели составляет 2,1 млрд параметров, длина контекста — 1024 токена. Модель предназначена для перевода дарижи на английский и английского на дарижу. Её можно применять для локализации материалов для марокканской аудитории, понимания неформальных публикаций и социальных сетей, а также в учебных инструментах и системах перевода. Автор указывает, что проект продолжает развиваться и обучаться на дополнительных данных. Качество может снижаться на сложных текстах, редких словах, региональных вариантах дарижи и культурно обусловленных выражениях. Модель не предназначена для других арабских диалектов, современного литературного арабского или устной речи; критически важные переводы следует проверять человеком. Лицензия в предоставленных данных не указана.

MergedQwen2-0.5B0.2 — языковая модель, созданная слиянием предварительно обученных моделей с помощью NuSLERP и mergekit. В слиянии использованы Qwen2-0.5B и debias_Qwen2-0.5B с весами 0,8 и 0,2 соответственно; токенизатор взят из Qwen2-0.5B. Модель использует архитектуру Qwen2ForCausalLM с плотной структурой и содержит 493,7 млн параметров. Модель предназначена для генерации текста и диалоговых сценариев. Указанная длина контекста — 131 072 токена. Файлы представлены в формате safetensors, библиотека для работы — Transformers. Карточка не сообщает о лицензии и языковой специализации, поэтому эти характеристики не описываются.

Obazda-7B — чат-модель на основе Mistral, созданная Johann Hartmann как объединение предварительно обученных языковых моделей методом DARE TIES с помощью mergekit. В качестве базовой модели использована DiscoResearch/DiscoLM_German_7b_v1; также в объединение вошли Wiedervereinigung-7b-dpo-laser, Experiment26-7B и WestLake-7B-v2-laser-truthy-dpo. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогов на немецком языке. Приведённые в карточке оценки показывают относительно сильные результаты в письме, ролевом взаимодействии, извлечении информации, гуманитарных и естественно-научных темах, а также более слабые результаты в рассуждениях, математике и программировании. Распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-de-en — модель машинного перевода немецкого текста на английский из семейства OPUS-MT, разработанная Helsinki-NLP. Она основана на архитектуре Transformer и реализована как MarianMTModel; в обучении использовались данные OPUS, нормализация текста и токенизация SentencePiece. Размер модели — 54,9 млн параметров, контекст — до 512 токенов. Репозиторий содержит веса PyTorch и TensorFlow. Модель предназначена для перевода отдельных текстов, документов и новостных материалов с немецкого на английский. В карточке приведены результаты на нескольких тестовых наборах новостного перевода: BLEU от 26,8 до 29,4. Модель специализирована на одной языковой паре, поэтому не предназначена для перевода на другие языки. Распространяется по лицензии Apache-2.0.

AiMavenAi/Prometheus-1.8 — языковая модель, созданная AiMavenAi с помощью слияния моделей AiMavenAi/Prometheus-1.5 и liminerity/Multiverse-Experiment-slerp-7b методом SLERP через LazyMergekit. Это плотная причинная модель семейства Mistral с архитектурой MistralForCausalLM, примерно 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста. Модель распространяется в формате Safetensors по лицензии CC BY-NC-ND 4.0. README не приводит сведений о целевых языках, специальных областях применения или результатах оценки качества.

Qwen1.5-55B-Chat-Cut — экспериментальная чат-модель на архитектуре Qwen2, созданная автором репозитория с помощью mergekit из Qwen1.5-72B-Chat. Из исходной модели удалили 20 слоёв, получив плотную модель на 53,6 млрд параметров. Она предназначена для диалогов и генерации текста; заявленная длина контекста — 32 768 токенов. В метаданных указан английский язык, а карточка исходной модели описывает её как чат-модель. По оценке автора, модель сохраняет способность писать связные тексты, но отвечает более спутанно и хуже рассуждает, чем Qwen1.5-72B-Chat. Оценка основана на ограниченном личном использовании без бенчмарков. Репозиторий содержит веса в формате safetensors и использует лицензию other; конкретные условия этой лицензии следует сверять с карточкой модели.

Модель ehristoforu/Qwen2-1.5b-it-chat — дообученная разговорная языковая модель семейства Qwen2 с архитектурой Qwen2ForCausalLM и 1,5 млрд параметров. Она создана на базе unsloth/qwen2-1.5b-instruct-bnb-4bit; в карточке указано, что при обучении использовались Unsloth и библиотека TRL. Модель предназначена для генерации текста и диалоговых сценариев. Она принимает текст и генерирует текст; заявленная длина контекста составляет 32 768 токенов. В метаданных указан английский язык. Репозиторий содержит веса в форматах PyTorch и Safetensors. Лицензия — Apache-2.0. Карточка не описывает конкретные датасеты или результаты оценки качества, поэтому соответствие ответов требованиям пользователя следует проверять для целевого сценария.

Карточка модели hoangducanh1865/qwen3-1.7b-deita-sft-student на Hugging Face совпадает с карточкой pvdhihihi/qwen-1.7b-sft, поэтому описание составлено по ней. 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.

OP12138/qwen3-1.7b-star1 — дообученная модель Qwen3-1.7B, созданная на датасете star1. Это плотная авторегрессионная языковая модель с 1,7 млрд параметров, предназначенная для генерации текста и диалогов. Модель использует библиотеку Transformers и формат весов safetensors; заявленная длина контекста — до 40 960 токенов. Базовая Qwen3-1.7B описана как многоязычная модель для генерации текста, рассуждений, кода и выполнения инструкций, однако README не уточняет, какие из этих навыков развивает дообучение на star1. Модель подходит для текстовых запросов и разговорного взаимодействия. В метаданных лицензия указана как other, без конкретных условий; перед использованием следует проверить лицензию базовой модели и условия распространения этого чекпойнта. README не содержит результатов оценки или подробностей о данных обучения, поэтому качество и ограничения дообученной версии по нему определить нельзя.

Карточка модели LLADIGA/Qwen3.5-4B-full_turn_matchit_ascii_player1 на Hugging Face совпадает с карточкой LLADIGA/Qwen3.5-4B-full_turn_matchit_ascii_player2, поэтому описание составлено по ней. 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.

Карточка модели aaron1111111/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.

rugpt3small_based_on_gpt2 — русскоязычная авторегрессионная языковая модель семейства GPT-2, разработанная командой SberDevices. Модель предварительно обучали на 80 млрд токенов примерно за три эпохи, а затем дообучили с размером контекста 2048 токена; исходное предварительное обучение использовало длину последовательности 1024 токена. В карточке указаны реализации PyTorch и Flax. Модель предназначена для генерации продолжений русского текста и других сценариев текстовой генерации. Её можно использовать для создания черновиков, подсказок и коротких текстовых фрагментов. Карточка не приводит сведения о лицензии или конкретных ограничениях применения, поэтому условия использования здесь уточнить нельзя.

sfmbaselinefiltered-8k9k10ksimpleavgmerge — объединённая языковая модель, созданная с помощью mergekit. В основе лежит чекпойнт global_step10000; при линейном слиянии также использованы чекпойнты global_step8000 и global_step9000. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и принимает текст для генерации текста. Указанная длина контекста — 16 384 токена. Модель предназначена для генерации текста. README не описывает специальные сценарии применения, языковую специализацию или сравнительные преимущества. Модель распространяется в формате Safetensors; сведения о лицензии в предоставленных данных отсутствуют.

sfm_filtered_e2e_alignment-2k_3k_4k_simpleavg_merge — объединённая языковая модель, созданная с помощью mergekit методом Linear из контрольных точек обучения на шагах 2000, 3000 и 4000; в качестве базовой использована контрольная точка global_step4000. Модель основана на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и работает с контекстом до 16 384 токенов. Доступна в формате safetensors и поддерживает диалоговый сценарий генерации текста. Модель предназначена для генерации текста и ответов в диалоге. Данные не позволяют установить конкретную специализацию, поддерживаемые естественные языки или сравнительные преимущества объединённого чекпойнта. Условия лицензии в предоставленных источниках не указаны.

solar megamerge 10.7b — объединённая с помощью DARE языковая модель, опубликованная martyn. В README указано, что веса нескольких моделей были объединены; метаданные описывают архитектуру как плотную LLaMA с классом LlamaForCausalLM и размером 10,6 млрд параметров. Модель предназначена для генерации текста. Она принимает текст и выдаёт текст, поддерживает английский язык, а её нативный контекст составляет 4096 токенов. Репозиторий содержит веса в формате safetensors. README не раскрывает состав объединения, поэтому базовую модель определить нельзя. Лицензия — Apache-2.0.