III.2Исследование рынка и маркетинг

SoRu-0001 — компактная диалоговая модель ehristoforu, дообученная на основе Vikhrmodels/Vikhr-Qwen-2.5-0.5b-Instruct. Это плотная авторегрессионная модель семейства Qwen2 с 493,7 млн параметров, предназначенная для генерации текста и диалогов. Она принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. Модель можно использовать для ответов на текстовые запросы, ведения диалога и генерации текста на русском языке. В карточке указаны обучение с помощью Unsloth и библиотеки Hugging Face TRL, а также лицензия Apache-2.0. Подробности обучающего набора и оценок качества не приведены.

Карточка модели nota-ai/st-vicuna-v1.3-5.5b-ppl на Hugging Face совпадает с карточкой nota-ai/st-vicuna-v1.3-5.5b-taylor, поэтому описание составлено по ней. Nota AI разработала эту модель как укороченную версию Vicuna-v1.3 на базе LLaMA для более эффективной генерации текста. Веса получены удалением наименее значимых блоков Transformer с последующим лёгким дообучением методом LoRA; для pruning использован критерий Taylor+. Вариант уменьшен примерно с 7B до 5,5B параметров, а метаданные указывают 5,4B параметров и архитектуру LlamaForCausalLM. Модель предназначена для генерации текста и диалоговых сценариев на основе Vicuna. Максимальная длина контекста составляет 2048 токенов. Репозиторий содержит веса PyTorch и Safetensors. Лицензия ограничивает использование некоммерческими целями. Сокращение глубины предназначено для повышения эффективности по сравнению с исходной моделью, однако доступные сведения не приводят результатов бенчмарков для этой конкретной версии. Короткий контекст ограничивает работу с длинными документами; модель может наследовать ошибки и ограничения базовой Vicuna.

TigerBot-13B-Chat-v1 — чат-модель семейства Llama, разработанная TigerResearch. Она предназначена для генерации текста в диалогах; README описывает запуск через infer.py из репозитория проекта. Модель содержит 13 млрд параметров, использует архитектуру LlamaForCausalLM, принимает текст и генерирует текст. Поддерживаются китайский и английский языки, длина контекста составляет 2048 токенов. Модель распространяется в формате PyTorch по лицензии Apache-2.0. Карточка содержит краткие сведения об использовании и не описывает конкретные ограничения качества или поведения модели.

Tippy-Toppy-7b — слитая языковая модель семейства Mistral, опубликованная Azazelle. По карточке, модель получена методом DARE с использованием mergekit на основе mistralai/Mistral-7B-v0.1 и объединяет Toppy-M-7B, Noromaid-Bagel-7B-Slerp и mistral-ft-optimized-1227. В метаданных указаны архитектура MistralForCausalLM, 7,1 млрд параметров, контекст 32 768 токенов и формат safetensors. Модель предназначена для генерации текста. Карточка не уточняет специализацию, языки или конкретные сценарии использования, поэтому оценить её сильные стороны относительно отдельных задач нельзя. Лицензия — CC BY 4.0.

titulm-llama-3.2-3b-v2.0-Instruct-v1.0 — плотная авторегрессионная языковая модель семейства Llama, разработчик — hishab. Согласно README, модель обучена с нуля; сведения о датасете отсутствуют. Это чат-модель для генерации текста по запросу, с числом параметров 3,3 млрд и контекстом до 131 072 токенов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Модель предназначена для диалоговых сценариев и генерации текста. README не приводит результатов оценки, конкретных целевых задач или рекомендаций по применению. Лицензия в предоставленных данных не указана.

TwinLlama-3.1-8B — плотная языковая модель семейства Llama, опубликованная joeyboothe и дообученная на основе unsloth/Meta-Llama-3.1-8B с использованием Unsloth и библиотеки TRL. Модель предназначена для генерации текста и диалогов на английском языке; в метаданных указано контекстное окно до 131 072 токенов и 7,5 млрд параметров. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не уточняет состав данных дообучения, результаты оценки качества или специальные навыки модели, поэтому её пригодность для конкретных сценариев следует проверять отдельно.

Lachhhhhhh/un-ablit-q-125st — дообученная модель генерации текста на архитектуре Qwen3, созданная Lachhhhhhh на базе huihui-ai/Huihui-Qwen3-8B-abliterated-v2. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также заявлены возможности чата и интерфейс вызова инструментов. Модель предназначена для генерации текста и диалоговых ответов на английском языке. В README указано, что обучение выполнялось с Unsloth и библиотекой TRL. Модель распространяется по лицензии Apache-2.0. Подробности обучения и отдельные результаты оценки качества не приведены.

Voldemort-10B — текстовая авторегрессионная модель семейства Mistral, созданная FelixChao путём объединения слоёв FelixChao/WizardDolphin-7B и SanjiWatsuki/Silicon-Maid-7B методом passthrough. Модель содержит 10,6 млрд параметров, использует плотную архитектуру MistralForCausalLM и принимает контекст до 8192 токенов. Модель предназначена для генерации текста. Её можно использовать для диалогов, написания черновиков и продолжения текста; карточка не описывает отдельные специализированные сценарии или языки. Веса опубликованы в формате safetensors и bfloat16. Лицензия — Apache-2.0. Карточка не содержит оценок качества или подробных результатов тестирования.

aqweteddy/xwin-7b_chatvec-tulu2 — текстовая причинная языковая модель семейства LLaMA с архитектурой LlamaForCausalLM и примерно 6,6 млрд параметров. Модель получена слиянием xwin7b и tulu2-ppo с использованием подхода Chat Vector, который переносит диалоговые возможности между моделями посредством разности весов. В карточке также описан исходный метод на базе LLaMA 2, исследованный преимущественно для традиционного китайского; конкретный основной язык этой объединённой модели не заявлен. Модель предназначена для генерации текста в диалогах и следования инструкциям. Контекст составляет 4096 токенов; доступен формат PyTorch. Метаданные указывают английский язык и лицензию Llama 2. Подробные оценки качества этой конкретной сборки и её ограничения в карточке не приведены.

YamshadowInex12_Experiment26Yamshadow — объединённая модель генерации текста на базе архитектуры Mistral, созданная из automerger/YamshadowInex12-7B и automerger/Experiment26Yamshadow-7B. Модель содержит 7,1 млрд параметров и принимает контекст длиной до 32 768 токенов. Она предназначена для генерации текста по текстовому запросу. Указана лицензия Apache-2.0. README не описывает специализацию модели или результаты оценки качества.

YamshadowStrangemerges_32_Experiment26Alloyingotneoy — объединённая модель для генерации текста, построенная на двух моделях Mistral: automerger/YamshadowStrangemerges_32-7B и automerger/Experiment26Alloyingotneoy-7B. Она предназначена для генерации ответов и продолжения текста по текстовому запросу. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Mistral и поддерживает контекст до 32 768 токенов. Веса представлены в формате safetensors. Модель выпущена под лицензией Apache-2.0. Сведений о языковой специализации и качестве на конкретных задачах в карточке нет.

Yi-Ko-ENWdpo-v1 — языковая модель, разработанная oopsung (Sungwoo Park) и shleeeee (Seunghyeon Lee) на базе beomi/Yi-Ko-6B. Модель дообучена методами SFT и DPO для генерации текста по текстовому запросу. Модель использует плотную архитектуру LlamaForCausalLM, содержит 5,9 млрд параметров и работает с контекстом до 2048 токенов. Она принимает и генерирует только текст. Карточка указывает лицензию other, поэтому условия использования следует проверять в репозитории модели.

Zenith_4B — чат-модель с архитектурой Llama, созданная с участием нескольких участников Anthracite. Это производная Minitron примерно на 3,9 млрд параметров: модель прошла восстановление весов и дообучение на 100 млн токенов качественных инструкций. Она предназначена для работы в роли общего ассистента и для ролевых диалогов, с улучшенным следованием инструкциям. В README указано обучение с контекстом 8 тыс. токенов; метаданные указывают нативное окно контекста 131 072 токена. Модель принимает текст и генерирует текст, поддерживает английский язык. Распространяется по лицензии Apache-2.0. Ключевое ограничение — небольшой размер: автор предупреждает, что ожидания по качеству следует соотносить с моделью на 4 млрд параметров. Указанные в метаданных 131 072 токена не отменяют того, что обучение проводилось с контекстом 8 тыс. токенов.

RikkiXu/zephyr-7b-dpo-full — диалоговая языковая модель с архитектурой MistralForCausalLM и 7,1 млрд параметров. Репозиторий содержит веса в формате safetensors; в метаданных указано контекстное окно 32 768 токенов и возможность чата. README сообщает, что модель обучалась с нуля, но не приводит сведений о датасете, обучении или оценке. Модель предназначена для генерации текста и диалоговых сценариев: например, для ответов на запросы и продолжения беседы. Языки обучения и поддерживаемые языки не указаны. Условия лицензирования в предоставленных данных не описаны.

zephyr-UFB-7b-sft — дообученная авторами репозитория модель Mistral-7B-v0.1 для генерации текста и диалогового взаимодействия. Она построена на плотной архитектуре MistralForCausalLM, содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель дообучена методом SFT на датасете generator; в README приведено значение loss 1,0398 на наборе оценки. Модель подходит для генерации ответов и ведения диалога. README не раскрывает целевую специализацию датасета, подробности оценки или известные ограничения качества, поэтому её возможности за пределами общей генерации текста не следует считать подтверждёнными. Репозиторий использует формат safetensors и лицензию Apache-2.0.

ewqr2130/7B_ppo_phiRM_2GPU_3e-7step_4000 — разговорная языковая модель на архитектуре Mistral с 7,1 млрд параметров. По карточке, модель получена обучением PPO от zephre 7B-sft; метаданные указывают поддержку чата и генерации текста. Модель предназначена для диалоговой генерации текста. Контекст составляет до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель опубликована 22 января 2024 года разработчиком ewqr2130. Лицензия — Apache-2.0. В карточке не приведены оценки качества или сведения о языках обучения, поэтому пригодность для конкретного языка и сценария требует проверки.

AmberChat — языковая модель для диалогового общения, разработанная LLM360 и представленная в формате GGUF. Репозиторий TheBloke содержит квантизированные файлы исходной модели LLM360 AmberChat; квантизация выполнена TheBloke. Модель обучалась на наборах WizardLM/WizardLM_evol_instruct_V2_196k и icybee/share_gpt_90k_v1. Модель предназначена для генерации текста и ответов на вопросы в сценариях чат-ассистента: она должна давать полезные, подробные и вежливые ответы. В README заявлен английский язык. Поддерживаются текстовые запросы и ответы; сведения о размере модели, точной архитектуре, длине контекста и количестве параметров не указаны. Формат GGUF ориентирован на локальный запуск через llama.cpp и совместимые приложения и библиотеки, включая text-generation-webui, KoboldCpp, GPT4All, LM Studio и llama-cpp-python. Квантизация может снизить требования к ресурсам, однако конкретные характеристики зависят от выбранного файла GGUF. Ограничения модели, результаты benchmark-тестов и дополнительные сведения о безопасности не приведены. Лицензия модели — Apache-2.0.

datagen-sft-1 — это дообученная Heralax модель для генерации текста на основе архитектуры Mistral с 7,1 млрд параметров. Она предназначена для диалоговой генерации и продолжения текста; при обучении использовались наборы данных с художественными текстами, веб-материалами, диалогами и примерами рассуждений. Модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. В карточке приведён результат оценки: loss 0,6304. Подробности о предполагаемых сценариях, качестве на конкретных задачах и ограничениях не описаны. Модель распространяется по лицензии Apache-2.0.

Модель ulisesbravo/autotrain-pt-l1sfd-nom8j — дообученная с помощью AutoTrain модель BERT для классификации текстов. Она основана на ulisesbravo/autotrain-k9ag8-b7nm0, который, согласно описанию в каталоге, представляет собой BERTimbau, дообученный для классификации текстов на португальском языке. Модель содержит 136,1 млн параметров и принимает последовательности длиной до 512 токенов. Модель предназначена для отнесения португалоязычных текстов к классам. На валидации указаны accuracy 0,732 и macro F1 0,731. Лицензия в предоставленных данных не указана.

BERTAUT v1 — модель классификации текста на основе BERT, созданная Teguh Arie Sandy и дообученная на google-bert/bert-base-multilingual-cased. Она относит отзывы, комментарии и открытые ответы на вопросы о технологиях к шести категориям UTAUT и фильтрации: ожидаемая производительность (PE), простота использования (EE), социальное влияние (SI), условия использования (FC), общий отзыв (GR) и спам (SP). Модель подходит для предварительной разметки пользовательских текстов и анализа восприятия технологий на индонезийском и других языках, поддерживаемых mBERT; результаты на целевом языке и в конкретной предметной области следует проверить. Модель имеет архитектуру BERT для классификации последовательностей, содержит 205,1 млн параметров и принимает тексты длиной до 512 токенов. В README приведена точность 0,9132 на отдельной тестовой выборке из 6 370 текстов. Это начальная версия, обученная на ограниченном наборе данных; качество может снижаться на языках и в областях, отличных от обучающих. Класс BI (Behavioral Intention) в этой версии отсутствует. Лицензия — MIT.

beto2beto-mlsum — испаноязычная модель суммаризации, обученная на испанской части набора данных MLSum. По метаданным это плотная модель архитектуры encoder-decoder на базе EncoderDecoderModel; веса доступны в форматах PyTorch и safetensors. Модель предназначена для создания кратких изложений испаноязычных текстов. В README приведены результаты на валидации: loss 2,50, ROUGE-1 26,13 и ROUGE-2 9,26. Модель выпущена под лицензией Apache-2.0. Размер модели и длина контекста в предоставленных данных не указаны.

Bifrost 1.2B — плотная языковая модель на 1,2 млрд параметров, разработанная NodeNestor с нуля для машинного перевода между английским и североевропейскими языками, а также между самими северными языками. Она поддерживает шведский, датский, норвежский букмол и нюнорск, финский, исландский и английский; модель использует причинную архитектуру NordicTranslatorForCausalLM и принимает управляющий токенизированный запрос, после которого генерирует перевод до токена EOS. Контекст — до 4096 токенов. В оценке FLORES-200 devtest модель показала средний chrF++ 57,4 для перевода с английского на северные языки, 63,6 для перевода с северных языков на английский и 54,5 для перевода между северными языками. В карточке сообщается, что на среднем показателе английский→северные языки она превзошла NLLB-200-3.3B и TranslateGemma-12B; при этом NLLB-3.3B сохраняет преимущество в некоторых направлениях перевода на английский и в финском. Модель распространяется в формате safetensors по лицензии Apache 2.0.

BigAurelian v0.5 120b 32k — разговорная языковая модель, созданная llmixer методом frankenmerge: в неё объединены слои aurelian-v0.5-70b-32K и WinterGoddess-1.4x-70b. Модель использует архитектуру Llama с плотной causal language model и содержит 117,5 млрд параметров; для загрузки автор рекомендует задать compress_pos_emb=8. Несмотря на обозначение «32k» в названии, метаданные указывают native context length 4096 токенов. Модель предназначена для генерации текста и диалога на английском языке. Она принимает запросы в форматах Llama 2 и Alpaca и может использоваться для продолжения текста и ответов в чате. Модель представлена в формате safetensors и распространяется по лицензии Llama 2. Данных о сравнительной производительности и ограничениях, кроме длины контекста, в карточке нет.

BRisa 7B Instruct — инструкция-настроенная языковая модель, разработанная J-LAB для генерации ответов на португальском языке и выполнения пользовательских инструкций. Она построена на архитектуре MistralForCausalLM и содержит 7,1 млрд параметров; для обучения использованы Mistral-7B-Instruct-v0.2 и португалоязычная базовая модель JJhooww/Mistral-7B-v0.2-Base_ptbr, после чего веса объединены. Контекст модели составляет 32 768 токенов. Модель подходит для диалога, ответов на вопросы и выполнения инструкций на португальском языке. В README приведены результаты Open Portuguese LLM Leaderboard, включая среднюю оценку 66,19. Модель принимает и генерирует текст. Выпущена под лицензией Apache 2.0.

maywell/EXAONE-3.0-7.8B-Instruct-Llamafied — это версия EXAONE-3.0-7.8B-Instruct, адаптированная под архитектуру и формат Llama. В README благодарят LG AI Research за исходную модель и @kuotient за обновление скрипта и публикацию модели. Это плотная языковая модель с архитектурой LlamaForCausalLM, примерно 7,4 млрд параметров и контекстом до 4096 токенов; в каталоге указана возможность чата. Модель предназначена для генерации текста в диалоговом формате на английском и корейском языках. Метаданные указывают лицензию «other», поэтому конкретные условия использования следует сверить с лицензией исходной модели и репозитория. README не содержит сведений о качестве, обучающих данных или специальных ограничениях применения.

Experiment26-7B-passthrough-6slice — текстовая генеративная модель, созданная babybirdprd с помощью LazyMergekit. В README указано, что при слиянии использовались шесть копий yam-peleg/Experiment26-7B; метаданные относят базовую модель к MistralForCausalLM и указывают 9,3 млрд параметров. Модель распространяется в формате Safetensors и имеет контекстное окно 32 768 токенов. Модель предназначена для генерации текста и может применяться в сценариях, где нужна языковая генерация. README не описывает дополнительные специализированные возможности. Сведения о лицензии, поддерживаемых языках и конкретных ограничениях в предоставленных данных отсутствуют.

Experiment26Yam_PasticheNeuralsirkrishna — объединённая модель для генерации текста, созданная слиянием automerger/Experiment26Yam-7B и automerger/PasticheNeuralsirkrishna-7B. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров; модель принимает текст и генерирует текст, поддерживая контекст до 32 768 токенов. Модель предназначена для текстовой генерации. Данные карточки не описывают специализированные сценарии, языки или дополнительные возможности. Распространяется под лицензией Apache-2.0.

WesPro/F2PhenotypeDPO — объединённая языковая модель семейства Llama 3, созданная WesPro методом линейного слияния через mergekit из WesPro/F2PhenotypeKimiko и Srimouli04/llama3_lora_adapters. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и формат safetensors; заявленный контекст — 8192 токена. Модель предназначена для диалогов и генерации текста. Её можно использовать для составления ответов на запросы и ведения текстового общения. В карточке не приведены отдельные оценки качества или подробные сценарии применения. Модель принимает текст и генерирует текст. Языки применения в карточке не обозначены. Условия лицензирования в доступных сведениях не приведены.

OpenAssistant Falcon 7B SFT MIX — языковая модель OpenAssistant, дообученная на базе TII Falcon 7B. Это плотный авторегрессионный трансформер с архитектурой decoder-only; метаданные указывают 10,9 млрд параметров. Модель обучалась на смеси диалогов OpenAssistant OASST1, Dolly-15k и синтетических наборов инструкций; указанный чекпойнт соответствует 2000 шагам обучения, примерно 2,9 эпохи. Модель предназначена для генерации ответов на запросы и продолжения диалога по инструкциям. В карточке заявлены английский, немецкий, испанский и французский языки, а также ограниченные возможности для итальянского, португальского, польского, нидерландского, румынского, чешского и шведского. Для разметки диалога используются специальные токены начала ходов пользователя и ассистента и завершения хода. Модель распространяется по лицензии Apache 2.0. Карточка описывает один обучающий чекпойнт, но не приводит оценок качества; возможности на языках с ограниченной поддержкой и на задачах, отличных от генерации текста, могут быть слабее.

Sunlight 13B — дообученная диалоговая языковая модель семейства Llama, опубликованная icybee. Согласно карточке, модель обучали в течение одной эпохи на датасете ShareGPT; для запуска предлагается использовать FastChat. В метаданных указаны 12,9 млрд параметров, контекст 2048 токенов и формат PyTorch. Модель предназначена для генерации текста в диалоге и ответов на запросы на естественном языке. Карточка не сообщает о специальных предметных областях или поддерживаемых языках. Лицензия в доступных сведениях не указана.