III.2Исследование рынка и маркетинг

YamshadowInex12_T3qm7xpStrangemerges_32 — слитая модель семейства Mistral, созданная MaziyarPanahi на основе automerger/YamshadowInex12-7B и automerger/T3qm7xpStrangemerges_32-7B. Это плотная авторегрессионная языковая модель с 7,1 млрд параметров для генерации текста; она принимает текст и формирует текстовые продолжения. Контекстное окно составляет до 32 768 токенов. Модель подходит для диалогов, написания черновиков и продолжения заданного текста. Карточка не описывает специальные навыки, целевые языки или результаты оценок качества, поэтому её возможности сверх генерации текста и языковую специализацию определить нельзя. Модель опубликована в формате Safetensors по лицензии Apache-2.0.

UCLA-AGI/zephyr-7b-sft-full-SPIN-iter3 — языковая модель семейства Mistral, дообученная методом self-play fine-tuning на третьей итерации. Она основана на alignment-handbook/zephyr-7b-sft-full, которая, в свою очередь, построена на mistralai/Mistral-7B-v0.1. Веса содержат 7,1 млрд параметров; модель использует архитектуру MistralForCausalLM, поддерживает контекст до 32 768 токенов и рассчитана прежде всего на английский язык. Модель предназначена для генерации текста в диалоговом формате. Для обучения использовались синтетические данные на основе набора HuggingFaceH4/ultrachat_200k. В карточке приведены результаты оценки на Open LLM Leaderboard, включая среднее значение 63,70, ARC 66,13 и HellaSwag 85,85. Модель распространяется по лицензии MIT. Оценки из карточки не гарантируют качество в конкретных задачах; доступные сведения не описывают отдельные ограничения или защитные механизмы модели.

Farsight-AI/10k-finetune — дообученная модель классификации текста на основе MoritzLaurer/DeBERTa-v3-large-mnli-fever-anli-ling-wanli, опубликованная под лицензией MIT. Модель содержит 533,8 млн параметров, использует архитектуру DeBERTa-v2 и принимает текстовые входные данные длиной до 512 токенов. Модель предназначена для классификации текста. В README приведены результаты оценки: loss 0,3357 и accuracy 0,8730. Датасет обучения не указан, поэтому нельзя определить целевые классы и оценить применимость к конкретным областям.

AMD-OLMo-1B-IT — дообученная модель на базе AMD-OLMo-1B-SFT, созданная для следования инструкциям и творческого письма. Это плотная авторегрессионная языковая модель архитектуры OLMo с 1,2 млрд параметров и контекстом 2048 токенов. В метаданных указан датасет shibing624/sharegpt_gpt4; карточка характеризует модель как уверенную по стилю, но не приводит оценок качества или подробных результатов тестирования. Модель принимает текстовые запросы и генерирует текст. Она подходит для ответов на общие вопросы, выполнения пользовательских инструкций и творческих текстовых задач. Поддерживаемые языки явно не перечислены. Модель распространяется в формате safetensors по лицензии Apache-2.0; README рекомендует Q4_K_M для использования в квантизированном виде.

Карточка модели Smuggling1710/An4-7Bv2.4 на Hugging Face совпадает с карточкой Smuggling1710/An4-7Bv2.1, поэтому описание составлено по ней. An4-7Bv2.1 — языковая модель Smuggling1710 для генерации текста. Она дообучена на базе unsloth/mistral-7b-v0.2-bnb-4bit с использованием Unsloth и библиотеки TRL. Модель построена на архитектуре Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов, принимает текст и генерирует текст. Модель подходит для сценариев генерации текста на английском языке. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Карточка не описывает специализированные задачи или дополнительные возможности модели.

Aura-Llama-Abliterated — разговорная языковая модель от SteelStorage, построенная на основе failspy/Llama-3-8B-Instruct-abliterated. Автор описывает её как слияние с использованием метода depth up-scaling: слои Llama 3 повторно размещены в расширенной архитектуре. В метаданных указано 10,1 млрд параметров, архитектура LlamaForCausalLM и контекст до 8192 токенов. Модель предназначена для диалоговой генерации текста. Базовая модель модифицирована для ослабления отказов; опубликованные оценки для abliterated-версии не приведены, а README отмечает, что модель ещё не дообучалась после слияния. Доступна в формате safetensors по лицензии Apache-2.0.

Arunavaonly/Bangla-twoclass-Sentiment-Analyzer — модель классификации текста на основе XLM-RoBERTa Base, дообученная для анализа тональности на бенгальском языке. Она предназначена для отнесения текста к одному из двух классов тональности. Модель содержит около 305,2 млн параметров, принимает последовательности длиной до 514 токенов и доступна в форматах PyTorch и Safetensors. В карточке указаны результаты оценки: F1 0,6113 и loss 2,7755. Данных о составе классов, обучающем наборе и ограничениях применения нет, поэтому качество на конкретных текстах может отличаться. Лицензия — MIT.

Beetle-FineWeb2-24B/beetle-bilingual-balanced-b1-fineweb-tur-eng — модель генерации текста на базе библиотеки Transformers. По названию репозитория она ориентирована на двуязычные сценарии с турецким и английским языками и связана с данными FineWeb. Модель предназначена для генерации продолжений текста и других задач, поддерживаемых пайплайном text-generation, например создания черновиков, ответов и текстовых фрагментов. Сведения о разработчике, архитектуре, размере, длине контекста, лицензии, методах обучения и результатах оценки в доступной карточке отсутствуют, поэтому эти характеристики нельзя надежно определить.

Beetle-FineWeb-2B/beetle-bilingual-l2-80-late-b5-fineweb-2b-nld-eng-seed5 — генеративная языковая модель семейства Beetle-FineWeb с заявленным размером 2B параметров, предназначенная для генерации текста на нидерландском и английском языках. Модель опубликована на Hugging Face и предназначена для запуска через библиотеку Transformers; в метаданных также указан формат safetensors и pico_decoder. Модель подходит для продолжения текста, генерации черновиков, диалоговых прототипов и других сценариев text generation на нидерландском и английском языках. README автоматически сгенерирован и не содержит сведений о разработчике, обучающих данных, архитектуре, контексте, оценивании, лицензии или рекомендациях по применению. Поэтому качество, безопасность и пригодность модели для конкретных задач необходимо проверять самостоятельно.

bella-2-8b-GGUF — это GGUF-квантизированная версия языковой модели bella-2-8b от CognitivessAI, подготовленная пользователем mradermacher. Модель предназначена для генерации текста и задач анализа тональности, а также для локального запуска через совместимые инструменты работы с форматом GGUF. Модель имеет около 8 миллиардов параметров и поддерживает английский и румынский языки. В репозитории представлены варианты с разной степенью квантования: от Q2_K размером около 3,3 ГБ до f16 размером около 16,2 ГБ. В README рекомендуются варианты Q4_K_S и Q4_K_M как быстрые, а Q6_K и Q8_0 отличаются более высоким качеством. Архитектура и размер контекстного окна не указаны. Основные преимущества модели — выбор вариантов квантования для подбора баланса между качеством, скоростью и потреблением памяти, а также возможность использования на локальном оборудовании. К ограничениям относятся потенциальная потеря качества при сильном квантовании и отсутствие подробных данных о результатах тестирования, архитектуре и поддерживаемом контексте. В метаданных указана лицензия Apache-2.0, а также название лицензии Cognitivess и ссылка на условия Cognitivess; перед использованием следует проверить применимые условия.

Bernice — мультиязычный предварительно обученный энкодер семейства RoBERTa, разработанный исследователями Университета Джонса Хопкинса и представленный в статье EMNLP 2022 года. Модель обучена с нуля исключительно на данных Twitter: 2,5 млрд твитов на 66 языках, с токенизатором, адаптированным к твитам, эмодзи и хештегам. В репозитории представлена версия XLM-RoBERTa для заполнения пропусков, содержащая около 305 млн параметров; формат — PyTorch и safetensors, контекст — 130 токенов. Модель предназначена для получения представлений твитов и как основа для задач анализа публикаций в социальных сетях. Авторы оценивали её на наборах TweetEval, UMSAB и Multilingual Hate Speech; результаты показывают сильные показатели в мультиязычном анализе тональности и токсичности, хотя на TweetEval Bernice уступает BERTweet. Лицензия — MIT. Качество может быть ниже для малоресурсных языков, поскольку в обучающих данных они представлены менее разнообразно. Корпус также может содержать спам и язык ненависти; модель не является готовым детектором таких материалов без дополнительной настройки.

Bielik-11B-v2.0-Instruct — генеративная языковая модель с 11 млрд параметров, разработанная SpeakLeash совместно с вычислительным центром ACK Cyfronet AGH. Это дообученная в формате инструкций версия Bielik-11B-v2 на архитектуре Mistral с причинным декодером; модель предназначена для диалогов и выполнения текстовых инструкций. Она обучалась преимущественно на польских текстах и инструкциях и рассчитана прежде всего на польский язык, при этом в карточке также упоминается оценка задач на английском. Контекст составляет до 32 768 токенов, формат весов — Safetensors, для общения используется шаблон ChatML. Модель подходит для ответов на вопросы, диалогового взаимодействия и выполнения разнообразных языковых задач на польском языке. Лицензия — Apache 2.0 с дополнительными условиями использования, приведёнными в карточке. Разработчики отмечают, что это демонстрационная версия instruct-настройки базовой модели; у неё нет механизмов модерации, ответы могут содержать фактические ошибки, предвзятость или оскорбительный контент.

danyoung/billie — слитая языковая модель на архитектуре Mistral, созданная методом SLERP с помощью mergekit из моделей candidates/slerpfewshot/10/10_0 и candidates/slerpfewshot/6/6_1. Репозиторий содержит веса в формате Safetensors; размер модели — 7,1 млрд параметров, библиотека — Transformers, контекст — до 32 768 токенов. Модель предназначена для генерации текста и может использоваться в сценариях, где нужен ответ или продолжение текста на основе запроса. В карточке не описаны специальные области применения, поддерживаемые языки или дополнительные возможности. Лицензия — Apache-2.0. Качество, языковое покрытие и ограничения модели в карточке не охарактеризованы.

CoEvol-ChatGPT_Llama2-7B_SFT — англоязычная причинно-следственная языковая модель семейства Llama, дообученная CAS-SIAT-ConsistencyAI на базе meta-llama/Llama-2-7b-hf с использованием набора данных coevol-chatgpt_alpaca_random9k. Модель содержит 6,6 млрд параметров, принимает текст и генерирует текст; длина контекста — 2048 токенов. Модель предназначена для генерации текста и ответов на запросы в сценариях, соответствующих обучающим примерам. Карточка не описывает отдельные специализированные возможности или результаты оценки качества. Использование регулируется лицензией Llama 2.

Это разговорная языковая модель семейства Qwen3, разработанная Laion и обученная с нуля на наборах данных magpie и delphi_warmup. Модель предназначена для генерации текста и диалоговых сценариев. Она имеет плотную архитектуру Qwen3ForCausalLM, содержит 656,4 млн параметров и поддерживает контекст до 4096 токенов. В репозитории указаны веса в формате safetensors и лицензия other. README не содержит сведений о конкретных сценариях применения, оценке качества или известных ограничениях; языки обучения и поддержки также не установлены по имеющимся данным.

delta-4b-orange — разговорная текстовая модель, созданная frankenmerger как слияние phi-2-orange-v2. Модель основана на семействе Phi и использует плотную архитектуру причинного языкового моделирования; в метаданных указан размер 6B параметров, хотя README описывает цель в 4B параметров. Максимальная длина контекста — 2048 токенов. Модель предназначена для генерации текста и диалогового взаимодействия на английском языке. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0; фактический размер в 6B параметров расходится с заявленной в README целью 4B.

delta-4b-super — разговорная текстовая модель семейства Phi, опубликованная frankenmerger. Это frankenmerge модели Phi-2-super, предназначенный для генерации текста в диалоговом формате. Модель имеет 6 млрд параметров, контекст до 2048 токенов и распространяется в формате safetensors. Модель поддерживает английский язык и подходит для диалогов и генерации текста. Она распространяется по лицензии Apache-2.0. Подробности о методе слияния и сравнительных оценках в карточке не приведены.

sshleifer/distilbart-xsum-12-6 — англоязычная модель суммаризации семейства BART, предназначенная для создания кратких изложений текста. Она построена на архитектуре BartForConditionalGeneration и содержит 252,8 млн параметров; размер входного контекста — до 1024 токенов. Модель обучалась для задачи XSum, также в метаданных указан датасет CNN/DailyMail. В README приведены метрики нескольких вариантов DistilBART на скорости вывода и ROUGE, но результатов именно для варианта 12-6 в показанной части таблицы нет. Модель подходит для автоматического составления кратких пересказов англоязычных текстов. Лицензия — Apache-2.0.

ragbox/EEVE-Ko-8B-Instruct-hr_250124_ver1 — чат-модель на архитектуре Llama, разработанная ragbox и дообученная на yanolja/EEVE-Korean-10.8B-v1.0 с использованием Unsloth и TRL. Она предназначена для генерации текста в диалоговом формате. Модель содержит 10,6 млрд параметров, принимает текст и выдаёт текст; максимальная длина контекста составляет 4096 токенов. В метаданных и карточке указаны английский язык и корейская базовая модель; отдельные сведения о качестве ответов на конкретных языках или специализированных областях не приведены. Модель распространяется по лицензии Apache-2.0.

Карточка модели jphme/em_german_7b_v01 на Hugging Face совпадает с карточкой jphme/em_german_13b_v01, поэтому описание составлено по ней. EM German 13B v01 — модель jphme на базе Llama 2, дообученная на большом наборе инструкций на немецком языке. Она предназначена для понимания и генерации немецкого текста в формате диалога с помощником и может применяться для ответов на вопросы, выполнения инструкций и сценариев RAG. Модель использует плотную архитектуру LlamaForCausalLM, содержит 12,9 млрд параметров, принимает текст и имеет контекст длиной до 4096 токенов. Модель ориентирована на немецкий язык. В README автор рекомендует при неудовлетворительных результатах попробовать другую или более крупную версию семейства; также приведены результаты сравнений версий на примерах, но сведения об оценках именно этой версии не приведены. Лицензия — Llama 2; распространяется исходная лицензия базовой модели. Автор указывает, что модель предназначена только для исследовательского использования.

redav/eps_finetuning_v3 — дообученная redav модель на архитектуре Mistral, созданная на основе redav/Mistral-7B-Instruct-v0.2-email-a с использованием Unsloth и Hugging Face TRL. Это плотная авторегрессионная языковая модель на 7,1 млрд параметров для генерации текста и диалогового общения; её контекст составляет до 32 768 токенов. Модель принимает текст и выдаёт текст, а в метаданных указан английский язык. Модель можно применять для диалоговых запросов и генерации текстовых ответов на английском языке. Она распространяется по лицензии Apache-2.0. Карточка не сообщает о специализированных областях применения или дополнительных возможностях.

Eris Prime V2 7B — языковая модель, созданная ChaoticNeutrals объединением Eris Prime V1 и V1.2 от Nitral-AI. Веса объединены методом SLERP; модель построена на плотной архитектуре Mistral и содержит 7,1 млрд параметров. Модель предназначена для генерации текста. Контекст составляет до 32 768 токенов, веса опубликованы в формате safetensors. Карточка не описывает специальные предметные области или дополнительные возможности помимо генерации текста. Лицензия в предоставленных данных не указана. Качество и конкретные ограничения модели в карточке не оценены.

Карточка модели hetzerdj/FnFLlama-3.1-8B2 на Hugging Face совпадает с карточкой hetzerdj/FnFLlama-3.1-8B1, поэтому описание составлено по ней. hetzerdj/FnFLlama-3.1-8B1 — языковая модель семейства Llama, разработанная hetzerdj и дообученная на базе unsloth/Meta-Llama-3.1-8B-bnb-4bit. Это плотная авторегрессионная модель с 7,5 млрд параметров для генерации текста и диалогового взаимодействия. Заявленная длина контекста — 131 072 токена; модель распространяется в формате safetensors. Модель подходит для генерации ответов в чате и других сценариев, где требуется продолжать или создавать текст на английском языке. В README указано, что при обучении использовались Unsloth и библиотека TRL. Лицензия — Apache-2.0. Специализация дообучения и оценки качества в карточке не описаны.

Карточка модели hetzerdj/FnFLlama-3.1-8B3 на Hugging Face совпадает с карточкой hetzerdj/FnFLlama-3.1-8B1, поэтому описание составлено по ней. hetzerdj/FnFLlama-3.1-8B1 — языковая модель семейства Llama, разработанная hetzerdj и дообученная на базе unsloth/Meta-Llama-3.1-8B-bnb-4bit. Это плотная авторегрессионная модель с 7,5 млрд параметров для генерации текста и диалогового взаимодействия. Заявленная длина контекста — 131 072 токена; модель распространяется в формате safetensors. Модель подходит для генерации ответов в чате и других сценариев, где требуется продолжать или создавать текст на английском языке. В README указано, что при обучении использовались Unsloth и библиотека TRL. Лицензия — Apache-2.0. Специализация дообучения и оценки качества в карточке не описаны.

bunnycore/Gemma-2-2B-Smart — объединённая разговорная языковая модель на архитектуре Gemma 2, созданная автором репозитория с помощью mergekit. В основу вошли IlyaGusev/gemma-2-2b-it-abliterated и bunnycore/Gemma2-2b-Smart-lora; использован метод passthrough merge. Модель содержит 2,7 млрд параметров, принимает текст и генерирует текст, поддерживает контекст до 8192 токенов и рассчитана на диалоговые сценарии. Модель подходит для генерации ответов и ведения текстовых диалогов. В её основе — англоязычная Gemma 2 с изменённым поведением отказов. Карточка не описывает отдельные бенчмарки или дополнительные языки; условия лицензии в предоставленных данных не приведены.

Gogeta-7B-slerp — объединённая модель для генерации текста, созданная автором репозитория с помощью LazyMergekit. Она сочетает udkai/Garrulus и mistralai/Mistral-7B-Instruct-v0.2 методом SLERP; в конфигурации указаны слои 0–32 обеих моделей и формат bfloat16. Модель построена на архитектуре Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для диалоговой генерации текста и ответов на инструкции. Карточка не приводит результатов оценки качества или подробностей о специализации объединённой модели. Указана лицензия базовой модели? В предоставленных данных лицензия отсутствует.

wls04 выпустил GPT-OSS-20B-Ducky-Add — дообученную с помощью TRL разговорную модель на базе openai/gpt-oss-20b. Она использует архитектуру GPT-OSS с разреженной MoE-структурой и предназначена для генерации текста в диалоге: например, пользователь задаёт вопрос, а модель формирует ответ. Модель доступна в формате safetensors для библиотеки Transformers; заявленная длина контекста — 131 072 токена, а метаданные указывают 1,6 млрд параметров. Карточка демонстрирует запуск через pipeline text-generation и генерацию ответа на вопрос. Подробности о данных дообучения, языках, оценке качества и лицензии в предоставленных источниках не приведены.

Hy-MT2-1.8B — плотная мультиязычная модель перевода от Tencent Hy, построенная на архитектуре Hunyuan Dense V1 и содержащая 1,8 млрд параметров. Она предназначена для перевода между 33 языками, включая выполнение многоязычных инструкций по переводу и сценарии с деловым и предметным текстом. Модель работает с текстом; в метаданных указан контекст длиной до 262 144 токенов. Для запуска поддерживаются Transformers, vLLM и SGLang. Лёгкий вариант 1.8B рассчитан на сценарии, где важны компактность и скорость; для развёртывания на устройствах README описывает отдельную экстремальную квантизацию AngelSlim до 440 МБ, но это не формат данного репозитория. В карточке сообщается о результатах на общих, деловых, предметных и инструктивных переводческих задачах, однако конкретные сравнительные оценки здесь не приведены. Модель опубликована под лицензией Apache-2.0.

unsloth/Hy-MT2-1.8B-GGUF — это GGUF-версия мультиязычной модели машинного перевода Hy-MT2-1.8B, разработанной Tencent. Модель предназначена для быстрого перевода в реальных сценариях, включая общие, деловые, специализированные и задачи, требующие следования инструкциям. Формат GGUF рассчитан на запуск через llama.cpp и удобен для локального и ресурсоограниченного развертывания. Модель имеет 1,8 млрд параметров и поддерживает перевод между 33 языками, включая китайский, английский, русский, французский, испанский, японский, корейский, арабский, немецкий, итальянский, португальский, турецкий, украинский и другие языки. В README не указаны архитектурные детали и размер контекста. К сильным сторонам относятся ориентация на быстрый вывод, широкий языковой охват и заявленная высокая точность в разнообразных переводческих задачах. Ограничения, включая качество для отдельных языковых пар, доменов и конкретных вариантов квантизации, требуют самостоятельной оценки. Модель распространяется по лицензии Apache-2.0. Указанный репозиторий является квантизированной сборкой базовой модели tencent/Hy-MT2-1.8B.

Jev-Style-Qwen3.5-2B-Decision v2 — дообученная ChaoliangUNSW модель на базе текстовой Qwen3.5-2B-Base для классификации, маршрутизации и выбора из заданных вариантов. Она принимает состояние, вопрос и список из 2–26 вариантов на английском языке и за один проход возвращает оценку каждого варианта; с применением предоставленной калибровки оценки превращаются в вероятности выбора. Модель построена на плотной архитектуре Qwen3_5ForCausalLM, содержит 1,7 млрд параметров и использует веса BF16 в формате Safetensors. Заявленная длина контекста базовой модели — 262 144 токена, однако интерфейс этой модели ограничивает вход 1 024 токенами. Модель предназначена для классификации текстов и тональности, ответов «да/нет», маршрутизации запросов и типизированных решений с фиксированным набором меток или упорядоченных оценок. По результатам фиксированной англоязычной панели автор сообщает макро-точность 81,20% на 3 277 решениях по 11 задачам с реальными метками; показатель относится к описанному набору оценки и не гарантирует качество на новых данных. Для вариантов GGUF и MLX приведены отдельные сборки, но этот репозиторий содержит сборку Transformers. Модель ориентирована на англоязычный ввод и выдаёт оценки и вероятности по объявленным вариантам. Требует совместимой среды Transformers и клиентского кода из репозитория; для CUDA автор описывает дополнительную проверенную среду. Распространяется по лицензии Apache-2.0.