III.2Исследование рынка и маркетинг

NeuralSynthesis-7b-v0.4-slerp — слитая модель генерации текста, созданная Kukedlc с помощью LazyMergekit. Она объединяет allknowingroger/MultiverseEx26-7B-slerp и Kukedlc/NeuralSynthesis-7B-v0.1 методом SLERP; архитектура — плотная MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и диалогов. Базовая модель из каталога ориентирована на английский и испанский языки; отдельные сценарии и оценки качества этой версии в карточке не описаны. Файлы опубликованы в формате Safetensors, лицензия — Apache-2.0.

Модель NHNDQ/nllb-finetuned-en2ko разработана Jisu Kim, Juhwan Lee, TakSung Heo и Minsu Jeong. Это дообученная версия facebook/nllb-200-distilled-600M для перевода с английского на корейский язык. Модель основана на архитектуре M2M100 и содержит 463,7 млн параметров. Она принимает текст и генерирует текст; длина контекста составляет 1024 токена. Для обучения использован набор данных AI-hub. В карточке приведён BLEU 33,66 для дообученной модели и 22,83 для DeepL на указанном авторами сравнении. Модель предназначена для перевода англоязычных текстов на корейский. Лицензия CC-BY-4.0 разрешает использование с соблюдением её условий. Карточка также упоминает применение для преобразования текста и расширения корейских данных с помощью обратного перевода.

OGNO-7B — языковая модель, созданная автором paulml слиянием двух моделей Mistral с помощью LazyMergekit: liminerity/Omningotex-7b-slerp и eren23/dpo-binarized-NeutrixOmnibe-7B. В карточке указано слияние методом SLERP; архитектура — плотная MistralForCausalLM, размер — 7,1 млрд параметров, контекст — до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель предназначена для генерации текста и диалоговых ответов. Её можно использовать для продолжения текста и ответов на запросы в сценариях, где подходит генеративная Mistral-модель. Данные не уточняют языковую специализацию и подробные результаты оценки качества. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение. Качество и поведение унаследованы от объединённых моделей и зависят от запроса; независимые оценки OGNO-7B в предоставленных материалах не описаны.

pkaryarypis/opt-6.7b-sft — дообученная модель семейства OPT, созданная на основе facebook/opt-6.7b и обученная на наборе данных generator. Она предназначена для генерации текста и диалоговых сценариев по текстовому запросу. Модель содержит 8,8 млрд параметров, использует архитектуру OPTForCausalLM и принимает контекст длиной до 2048 токенов. В карточке приведён результат оценки на тестовом наборе: loss 1,2324. Подробности о составе данных, методике оценки и практических ограничениях не раскрыты. Модель опубликована в формате safetensors; лицензия указана как other.

Helsinki-NLP/opus-mt-zh-de — модель машинного перевода, разработанная Helsinki-NLP в рамках проекта OPUS-MT. Она переводит текст с китайского на немецкий и построена на архитектуре Transformer с выравниванием. Вариант реализован как MarianMTModel и содержит около 58,4 млн параметров. Модель рассчитана на перевод стандартного китайского и ряда вариантов китайского, включая кантонский, уский и классический китайский, на немецкий. Для предобработки используются нормализация и SentencePiece с словарём на 32 тыс. токенов; длина контекста — 512 токенов. В карточке приведён результат BLEU 32,1 на тестовом наборе Tatoeba для пары китайский—немецкий. Модель подходит для автоматического перевода китайских текстов на немецкий, но качество может зависеть от диалекта, тематики и длины текста. Лицензия — Apache-2.0.

Это дообученная модель семейства Phi-2, опубликованная anilbhatt1. Автор сообщает, что она создана на базе microsoft-phi2 с помощью QLoRA на датасете timdettmers/openassistant-guanaco. Модель предназначена для генерации текста в диалоговом формате и ответов на пользовательские запросы. Модель имеет плотную архитектуру PhiForCausalLM и 3,5 млрд параметров. Контекст составляет 2048 токенов; веса доступны в формате safetensors. В карточке указана лицензия MIT. Автор отмечает, что модель может работать на GPU T4 в Google Colab.

Psyonic-Cetacean-20B-V2 — языковая модель, созданная ToastyPigeon слиянием предварительно обученных моделей с помощью mergekit. В репозитории представлены веса в формате safetensors; архитектура — плотная LlamaForCausalLM с 19,8 млрд параметров и контекстом до 4096 токенов. Модель предназначена для генерации текста. В состав слияния вошли microsoft/Orca-2-13b и KoboldAI/LLaMA2-13B-Psyfighter2; использован линейный метод слияния двух моделей, предварительно собранных из компонентов. Карточка отмечает рецепт jebcarter/psyonic-cetacean-20B и указывает, что автор предложил этот рецепт. README не приводит сведений о лицензии, поддерживаемых языках или специальных возможностях. Качество и ограничения модели отдельно не описаны.

simonbutt/qwen2-7b-tofutune — разговорная текстовая модель генерации, разработанная simonbutt путём дообучения unsloth/Qwen2-7B-bnb-4bit. Она предназначена для диалоговых сценариев и генерации текста. Модель построена на плотной архитектуре Qwen2ForCausalLM с 7,1 млрд параметров; максимальная длина контекста — 131072 токена. В метаданных указан английский язык. Модель сохранена в формате safetensors и распространяется по лицензии Apache-2.0. В карточке указано, что обучение выполнялось с использованием Unsloth и библиотеки TRL. README не описывает специализацию дообучения, набор данных или сравнительные результаты, поэтому назначение ограничивается общими диалоговыми сценариями и генерацией текста.

dalatexcoder/qwen3-0.6b-heretic — производная плотная языковая модель семейства Qwen3, созданная методом abliteration на основе Qwen/Qwen3-0.6B-Base. Она предназначена для генерации текста и диалогов; в README приведено сравнение отказов: 7 из 100 у этой версии против 56 из 100 у исходной модели. Модель содержит 507,9 млн параметров, использует архитектуру Qwen3ForCausalLM и принимает текст, выдавая текст. Метаданные указывают контекст до 40 960 токенов; в описании базовой модели README указан контекст 32 768 токенов. К базовым сценариям относятся диалог, написание текстов и ответы на запросы. README также описывает возможности семейства Qwen3 — рассуждение, программирование, перевод и поддержку более 100 языков, однако эти заявления относятся к семейству в целом и не подтверждены отдельной оценкой данного чекпойнта. При продолжительных повторениях README советует настроить presence_penalty. Модель опубликована под лицензией Apache-2.0.

Qwen3-sft-feedback-one-shot-no-repair — дообученная модель на основе formalmathatepfl/qwen3-cpt, созданная с помощью SFT на датасете sft. Это плотная авторегрессионная языковая модель семейства Qwen3 с 7,6 млрд параметров, предназначенная для генерации текста в диалоговом режиме. Она принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. Модель можно применять для диалоговой генерации текста и задач, поддерживаемых базовой языковой моделью. Название указывает на настройку feedback one-shot без исправления ответа, однако README не описывает поведение или качество модели подробнее. Лицензия указана как other, поэтому условия использования следует проверять в репозитории модели.

maheshrawat18/Qwen3-8B-grpo-emotion-v5-merged — дообученная модель семейства Qwen3, разработанная maheshrawat18 на основе maheshrawat18/Qwen3-8B-grpo-emotion-v4-merged. Это плотная авторегрессионная языковая модель с 7,6 млрд параметров, предназначенная для генерации текста в диалоговом формате. В метаданных указан контекст до 40 960 токенов и поддержка английского языка. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0. В README отмечено, что обучение проводилось с Unsloth; дополнительных сведений о задачах эмоциональной классификации или специальных возможностях карточка не содержит.

RedPajama-INCITE-Chat-3B-v1 — англоязычная языковая модель Together Computer для генерации текста в формате диалога и ответов на запросы. Модель построена на плотной архитектуре GPT-NeoX и содержит 3,5 млрд параметров по метаданным каталога; в README указано 2,8 млрд. Максимальная длина контекста — 2048 токенов. Для запуска используются PyTorch и Transformers; в карточке приведены варианты инференса на GPU и CPU. Модель обучалась на RedPajama-Data-1T и данных OpenAssistant и Dolly. Она подходит для диалоговых приложений, черновиков текстов и ответов на вопросы на английском языке. Ответы могут быть неточными или нерелевантными, особенно на сложные, неоднозначные запросы и темы вне обучающих данных; модель не предназначена для критически важных решений. Лицензия — Apache 2.0.

rwkv7-0.4B-world — языковая модель RWKV-7, разработанная Bo Peng, Yu Zhang, Songlin Yang и Ruichong Zhang при поддержке RWKV Project в рамках LF AI & Data Foundation. Она предназначена для авторегрессионной генерации текста и диалогов; карточка описывает её как модель в формате flash-linear attention. Модель содержит около 419 млн параметров по метаданным, использует токенизатор RWKV World с словарём из 65 536 токенов и поддерживает контекст до 2 048 токенов. Модель обучена на корпусе World v3 объёмом 3,119 трлн токенов. В карточке заявлен английский язык, а метаданные каталога указывают также китайский, японский, корейский, французский, арабский, испанский и португальский. Она представлена как дообучение BlinkDL/rwkv-7-world и распространяется в формате Safetensors через Transformers. Лицензия — Apache-2.0. Для запуска README рекомендует установить flash-linear-attention и Transformers версии 4.48.0 или новее. Карточка не содержит результатов оценки качества; заявленный родительский чекпойнт и языковые возможности следует учитывать при выборе модели для конкретного сценария.

Это объединённая модель генерации текста, созданная с помощью mergekit методом Linear из контрольных точек предварительно обученной языковой модели. В качестве базовой использована контрольная точка global_step7000, также в слияние вошли global_step5000 и global_step6000. Архитектура — GPT-NeoX, плотная авторегрессионная модель с 8,8 млрд параметров; файлы модели представлены в формате safetensors. Модель предназначена для генерации текста и диалоговых сценариев. Указанная длина контекста — 16 384 токена. В README и метаданных нет сведений о поддерживаемых естественных языках, специализированных областях или измеренных ограничениях качества. Лицензия в предоставленных данных не описана.

Perplexity Sonar — лёгкая модель Perplexity для встраивания функций вопросов и ответов в корпоративные продукты. Она предназначена для быстрых и недорогих ответов на запросы пользователей; поддерживает цитирование источников и настройку источников, на которые опираются ответы. Каталог классифицирует модель как image-text-to-text, однако предоставленные сведения не описывают работу с изображениями, поэтому эта модальность не подтверждена карточкой. Карточка не сообщает размер модели, архитектуру, поддерживаемые языки, длину контекста или лицензию. По доступному описанию Sonar подходит для интеграции в прикладные сервисы, где важны скорость, стоимость и возможность показать источники ответа; качество ответов и ограничения модели в README не раскрыты.

Spaetzle-v60-7b — языковая модель cstr, полученная слиянием весов Spaetzle-v58-7b и AlphaMonarch-dora методом DARE-TIES с использованием LazyMergekit. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, контекстом до 32 768 токенов и интерфейсом чата. Модель предназначена для локальных текстовых задач на английском и немецком языках, включая диалог, ответы на вопросы и генерацию текста. В карточке приведены результаты тестов на немецком и английском; они показывают полезность модели для этих языков, но не гарантируют качество в конкретном сценарии. Репозиторий распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Модель унаследовала ограничения и свойства исходных моделей; README не описывает отдельные меры безопасности или гарантии качества.

SuperPlatty-30B — объединённая авторегрессионная языковая модель на архитектуре LLaMA, созданная путём слияния Platypus-30B и адаптера SuperCOT-LoRA. В README разработчиками исходных компонентов названы Cole Hunter и Ariel Lee для Platypus-30B и kaiokendev для SuperCOT-LoRA. Модель содержит около 32,3 млрд параметров, использует плотную архитектуру LLaMA и принимает контекст до 2048 токенов. Модель предназначена для генерации текста на английском языке, включая ответы на вопросы и рассуждения. В README приведены результаты оценивания на ARC, HellaSwag, MMLU и TruthfulQA; эти результаты не гарантируют точность ответов в практических сценариях. Модель может выдавать токсичный, оскорбительный или предвзятый текст из-за данных базовой LLaMA; влияние слияния и дообучения на такое поведение не исследовалось. Ответы не следует считать достоверным источником или заменой человеческому суждению. Лицензия указана как other; README отмечает, что веса базовой LLaMA распространяются по специальной некоммерческой лицензии Meta.

SUTRA — языковая модель, разработанная для проекта SUTRA и дообученная методом обучения с подкреплением на основе Qwen3-8B-Base. Это плотная авторегрессионная модель семейства Qwen3 с 7,6 млрд параметров, предназначенная для генерации текста в диалоговом формате. В карточке указано обучение на наборе espressovi/BODHI-rlvr; модель поддерживает контекст до 32 768 токенов и работает с текстом на английском языке. Модель подходит для генерации ответов и ведения текстового диалога. Опубликована в формате safetensors под лицензией MIT. Карточка не описывает результаты оценки качества или дополнительные ограничения применения.

WonseokJayJung/test-gguf — языковая модель на архитектуре Qwen2, созданная слиянием Qwen/Qwen2.5-0.5B-Instruct и Qwen/Qwen2.5-0.5B методом SLERP с помощью mergekit. Модель содержит около 494 млн параметров и рассчитана на генерацию текста и диалоговое взаимодействие; заявленная длина контекста — 32 768 токенов. Модель принимает текст и генерирует текст. Её можно применять для диалогов, выполнения инструкций и других задач генерации текста. В репозитории указаны веса в формате safetensors; лицензия в предоставленных данных не приведена.

Lin0He/text-summary-gpt2-short — модель для суммаризации коротких текстов, созданная как часть учебного проекта по мультимедийным системам в Лейденском университете осенью 2023 года. Это дообученная модель на архитектуре GPT-2; в карточке указаны PyTorch и контекст 1024 токена. Автор сообщает об обучении на данных отзывов Amazon и Kindle, публикациях Twitter и наборе для анализа эмоций. Модель предназначена для получения краткого пересказа короткого текста. В README отмечено, что после обновления пайплайна генерация может содержать лишний текст и артефакты; предлагается отбирать результат по маркеру TL;DR. Исходная модель, от которой выполнялось дообучение, в карточке не названа. Лицензия — MIT.

TinyLlama Dolly 15k — англоязычная чат-модель примерно на 1 млрд параметров, разработанная дообучением TinyLlama/TinyLlama-1.1B-Chat-v1.0 на наборе Databricks Dolly 15k с 15 000 подготовленных людьми примеров запросов и ответов. Модель использует плотную архитектуру Llama и предназначена для генерации текста и диалоговых ответов. Её можно применять для ответов на пользовательские вопросы и ведения диалогов по широкому кругу тем. Контекст модели составляет 2048 токенов. Модель распространяется в формате safetensors под лицензией Apache-2.0. Карточка заявляет о связных и контекстно уместных ответах, но не приводит результатов оценки качества.

TopicNeuralHermes 2.5 Mistral 7B — диалоговая языковая модель на архитектуре Mistral с 7,1 млрд параметров, созданная дообучением teknium/OpenHermes-2.5-Mistral-7B. Разработчик отобрал подмножество данных DPO с помощью тематического моделирования: в обучающую выборку вошли темы, обнаруженные в принятых ответах ChatGPT, но не в отклонённых ответах Llama. Для дообучения использовано около одной шестой исходных данных. Модель предназначена для генерации текста и ответов в диалоге на разнообразные темы, включая общие знания, общественные и естественные науки, бизнес, образ жизни и анализ фильмов. Поддерживает контекст до 32 768 токенов; опубликована в формате safetensors и может запускаться через LM Studio и другие интерфейсы. Карточка не подтверждает, что модель специализирована на перечисленных темах или превосходит базовую модель. Лицензия — Apache-2.0.

unicamp-dl/translation-en-pt-t5 — модель семейства T5, разработанная командой unicamp-dl для перевода с английского на португальский. Это плотная модель с архитектурой T5ForConditionalGeneration и примерно 123,8 млн параметров; она работает с текстом и рассчитана на контекст до 512 токенов. Модель предназначена для машинного перевода EN→PT. В карточке отмечены изменения токенизатора и постобработки, призванные улучшить результат, а также использование предварительно обученной португалоязычной модели. Для запуска предлагается библиотека Transformers; перед текстом нужно указать префикс задачи T5. Лицензия в предоставленных данных не указана.

TwinLlama-3.1-8B — текстовая генеративная модель, опубликованная jackzhouusa и дообученная на базе meta-llama/Llama-3.1-8B. Это плотная архитектура семейства Llama с примерно 7,5 млрд параметров; модель поддерживает контекст до 131 072 токенов и предназначена для диалоговой генерации текста. Для обучения использовались Unsloth и библиотека TRL. Модель подходит для генерации ответов и ведения диалога на английском языке. Веса опубликованы в формате safetensors по лицензии Apache-2.0. Карточка не описывает специализированную область применения или отдельные улучшения относительно базовой модели.

v1olet/v1olet_marcoroni-go-bruins-merge-7B — языковая модель Trong-Hieu Nguyen-Mau, полученная слиянием AIDC-ai-business/Marcoroni-7B-v3 и rwitz/go-bruins-v2 методом SLERP. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, принимающая текст и генерирующая текст; для общения можно использовать шаблон Alpaca. Модель предназначена для генерации ответов и другого текста на английском языке; заявлено контекстное окно 32 768 токенов. В README приведено заявление о высоком месте в рейтинге на дату публикации, но подробности задач, оценки и методика не описаны. Модель доступна в формате PyTorch, лицензия — Apache-2.0.

RWKV/v6-Finch-14B-HF — версия модели Finch-14B в формате, совместимом с библиотекой Hugging Face Transformers. В карточке указано семейство RWKV-6 и архитектура плотной авторегрессионной языковой модели с 16,6 млрд параметров; для загрузки в Transformers используются модель и токенизатор из этого репозитория. Модель предназначена для генерации текста и общих языковых задач. В README приведены результаты тестов ARC, HellaSwag и MMLU, где Finch-14B показывает более высокие значения, чем Eagle 7B и Finch 7B в указанном сравнении. Данных о специализации на отдельных языках или прикладных областях нет. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0. Для загрузки через Transformers README указывает параметр trust_remote_code=True; отдельные сведения о длине контекста и языковой поддержке не приведены.

facebook/wmt19-en-ru — перенесённая в формат Transformers модель машинного перевода Fairseq, опубликованная Facebook. Она переводит текст с английского на русский и предназначена для автоматического перевода новостных и других текстов. Модель использует плотную архитектуру FSMTForConditionalGeneration, содержит около 100,7 млн параметров и рассчитана на контекст до 1024 токенов; веса сохранены такими же, как в исходной модели Fairseq WMT19. В тестировании для направления en→ru в карточке указана оценка 33,47 для порта Transformers против 36,4 для исходной версии Fairseq. Перенесена лучшая отдельная контрольная точка, тогда как ансамбль из четырёх моделей и переранжирование в Transformers не поддерживаются. Модель плохо обрабатывает повторяющиеся фрагменты: часть входного текста может обрезаться. Лицензия — Apache-2.0.

Xmodel-LM — плотная причинная языковая модель на 1,1 млрд параметров, созданная XiaoduoAI и обученная с нуля примерно на 2 трлн токенов китайского и английского текста. Модель построена на архитектуре XmodelForCausalLM, работает с текстом и имеет контекст до 32 768 токенов. Она предназначена для генерации китайского и английского текста, диалогов, ответов на вопросы и рекламных текстов, а также для адаптации под прикладные задачи. Компактный размер подходит для сценариев, где важны скорость и развёртывание на устройствах с ограниченными ресурсами. В README приведены сравнительные результаты на нескольких тестах рассуждения; арифметика и программирование названы слабыми сторонами. Модель доступна по лицензии Apache-2.0. Она не прошла выравнивание с помощью RLHF, поэтому может выдавать предвзятый или вредоносный текст; перед применением в продуктивных сценариях рекомендуется модерация. Знания ограничены данными предобучения примерно до марта 2024 года, доступа к интернету нет, а доля китайских токенов составляла около 15%, поэтому для китайских специализированных текстов она уступает моделям, обученным преимущественно на китайском языке.

Elfrino создал XwinXtended-20B — языковую модель на архитектуре Llama для генерации текста. Это слияние слоёв Xwin-LM/Xwin-LM-13B-V0.2 методом passthrough с помощью mergekit; веса представлены в формате safetensors. Размер модели — 19,8 млрд параметров, контекст — до 4096 токенов. Модель подходит для генерации ответов на инструкции и диалогов, а автор отмечает творческое письмо и выразительную прозу как сильные стороны. В карточке нет результатов подробного тестирования и рекомендаций по настройке, поэтому качество для конкретных сценариев следует оценивать отдельно. Лицензия в предоставленных данных не указана.

YamshadowInex12_Experiment28Yam — объединённая модель для генерации текста, созданная на основе automerger/YamshadowInex12-7B и automerger/Experiment28Yam-7B. Она использует плотную архитектуру Mistral с причинно-языковой моделью MistralForCausalLM и содержит 7,1 млрд параметров. Модель подходит для генерации продолжений текста и диалоговых ответов в сценариях, совместимых с text-generation; максимальный контекст составляет 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. В карточке не описаны специальные области применения, поддерживаемые языки или результаты оценки качества, поэтому её возможности за пределами генерации текста не уточняются.