III.2Исследование рынка и маркетинг

trinhkhng/karcher_Merged_gpt2-large_0.4 — языковая модель для генерации текста, созданная слиянием предобученных моделей GPT-2 Large с помощью метода Karcher Mean в mergekit. В состав слияния вошли GPT-2 Large и модель debias_gpt2-large; токенизатор взят из GPT-2 Large. Модель использует архитектуру GPT2LMHeadModel и формат safetensors, работает через Transformers и имеет контекстное окно 1024 токена. Модель предназначена для продолжения текста и генерации ответов по текстовой подсказке. Слияние с debias_gpt2-large указывает на попытку совместить возможности GPT-2 Large с настройкой на снижение предвзятости, однако README не приводит измерений качества или результатов оценки этого эффекта. Условия лицензии в предоставленных данных не указаны.

katopz/kbtg-kpoint-v1 — дообученная katopz языковая модель семейства Llama на базе unsloth/llama-3.2-3b-instruct-bnb-4bit. Это плотная авторегрессионная модель с 3,2 млрд параметров для генерации текста и диалогового взаимодействия; заявленный размер контекста — 131 072 токена. В карточке указано, что обучение проводилось с использованием Unsloth и библиотеки TRL. Модель подходит для диалоговых сценариев и генерации текста на английском языке. Репозиторий содержит веса в форматах PyTorch и Safetensors, лицензия — Apache-2.0. Карточка не уточняет специализацию дообучения и не приводит оценок качества, поэтому пригодность для конкретных задач следует проверять отдельно.

Keural Cortex 8B v1.0 — разработанная MKD двуязычная языковая модель на архитектуре Qwen3 с 7,6 млрд параметров. Это instruction- и preference-aligned чекпойнт с возможностью генерировать структурированные вызовы инструментов. Модель рассчитана на локальный запуск в инфраструктуре заказчика и корейско-английское общение в корпоративных приложениях. Поддерживает контекст до 65 536 токенов и распространяется в формате Safetensors через Transformers. Модель подходит для диалоговых интерфейсов, ответов на вопросы по корпоративным документам и вызова разрешённых приложением инструментов, например поиска в интернете или запроса уточнений. Самостоятельного доступа к сети, частным документам или внешним действиям у неё нет: инструменты выполняет хост-приложение. Разработчик проверил несколько сценариев через API vLLM, но рекомендует оценить модель на собственных данных и не использовать её как единственное основание для решений с высокими последствиями. Лицензия — Apache-2.0.

DoumAI/Krx-Bench-2024-Qwen2.5-1.5B-Instruct-1106 — дообученная DoumAI разговорная языковая модель семейства Qwen2.5 с архитектурой Qwen2ForCausalLM и 1,5 млрд параметров. В качестве базы использована unsloth/qwen2.5-1.5b-instruct-bnb-4bit; при обучении применялись Unsloth и библиотека TRL. Модель предназначена для генерации текста и диалоговых сценариев. Она принимает текст и выдаёт текст, поддерживает контекст длиной до 32 768 токенов и рассчитана на английский язык. Модель распространяется в формате safetensors по лицензии Apache-2.0; карточка не уточняет специализацию дообучения или результаты оценки качества.

ibivibiv/llama-3-nectar-dpo-8B — текстовая генеративная модель семейства Llama 3, опубликованная пользователем ibivibiv на Hugging Face. Карточка не раскрывает разработчика исходной модели и подробности обучения, но название указывает на DPO-настройку; базовая модель в метаданных не указана. Модель предназначена для генерации текста в диалоговом формате. Это плотная архитектура LlamaForCausalLM примерно на 7,5 млрд параметров с контекстом 8192 токена; указана поддержка английского языка. Репозиторий содержит веса Safetensors и использует лицензию Llama 3. Карточка модели автоматически сгенерирована и не приводит конкретных результатов оценки, данных обучения или подробного описания ограничений. Практическое применение следует проверять с учётом качества ответов и возможных смещений; использование регулируется лицензией Llama 3.

llama-3-stinky-8B — объединённая авторегрессионная языковая модель семейства Llama 3, созданная nbeerbower методом Model Stock с помощью mergekit. В качестве основы использована nbeerbower/llama-3-bophades-v3-8B; в объединение также вошли cgato/L3-TheSpice-8b-v0.8.3, Endevor/InfinityRP-v2-8B, Undi95/Llama3-Unholy-8B-OAS и NousResearch/Hermes-2-Pro-Llama-3-8B. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и предназначена для генерации текста в диалоговом формате. Контекст составляет 8192 токена; карточка отмечает поддержку чата. Модель можно использовать для ведения диалогов и генерации ответов по текстовым запросам. Репозиторий содержит веса Safetensors, указана лицензия other. Карточка не приводит подробных оценок качества или специфических ограничений модели.

Gunulhona/Llama-Ko-Merge — объединённая языковая модель, созданная с помощью mergekit методом DARE TIES. В качестве базовой использована Saxo/Linkbricks-Horizon-AI-Korean-llama-3.1-sft-dpo-8B; в объединение также вошли корейские модели семейства Llama и Hermes-3-Llama-3.1-8B. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и принимает текст для генерации текста. Заявленная длина контекста — 131072 токена. Модель предназначена для диалоговой генерации и выполнения инструкций, в первую очередь на корейском языке; метаданные также указывают возможности чата и интерфейс вызова инструментов. Лицензия в предоставленных данных не указана.

logan7000/llm-math345-ttrl-granite2b-endpoint — дообученная модель семейства Granite, созданная на базе ibm-granite/granite-3.3-2b-instruct с использованием TRL. Это плотная причинная языковая модель с 2,5 млрд параметров, рассчитанная на генерацию текста и диалоговое взаимодействие; запуск возможен через Transformers. Контекстное окно составляет 131 072 токена. Модель подходит для диалоговых ответов и генерации текста по запросу, однако README не приводит результатов оценки или подтверждения специализации на математике, несмотря на название репозитория. Лицензия в предоставленных данных не указана.

LMT-60-0.6B — модель машинного перевода от команды NiuTrans, дообученная на базе NiuTrans/LMT-60-0.6B-Base. Она относится к плотной архитектуре Qwen3ForCausalLM, содержит около 507,9 млн параметров и принимает контекст до 32 768 токенов. Модель входит в семейство LMT-60, обученное на 90 млрд токенов; семейство рассчитано на перевод между 60 языками в 234 направлениях с особым вниманием к китайскому и английскому языкам. Модель предназначена для многоязычного перевода текстов, включая языки с высоким, средним и низким объёмом ресурсов. Её можно использовать для перевода документов, сообщений и пользовательского контента между поддерживаемыми языками. Карточка заявляет конкурентное качество среди моделей с сопоставимым языковым охватом, но не приводит здесь конкретных метрик для этого чекпойнта. Выпущена под лицензией Apache-2.0.

Карточка модели NiuTrans/LMT-60-4B на Hugging Face совпадает с карточкой NiuTrans/LMT-60-0.6B, поэтому описание составлено по ней. LMT-60-0.6B — модель машинного перевода от команды NiuTrans, дообученная на базе NiuTrans/LMT-60-0.6B-Base. Она относится к плотной архитектуре Qwen3ForCausalLM, содержит около 507,9 млн параметров и принимает контекст до 32 768 токенов. Модель входит в семейство LMT-60, обученное на 90 млрд токенов; семейство рассчитано на перевод между 60 языками в 234 направлениях с особым вниманием к китайскому и английскому языкам. Модель предназначена для многоязычного перевода текстов, включая языки с высоким, средним и низким объёмом ресурсов. Её можно использовать для перевода документов, сообщений и пользовательского контента между поддерживаемыми языками. Карточка заявляет конкурентное качество среди моделей с сопоставимым языковым охватом, но не приводит здесь конкретных метрик для этого чекпойнта. Выпущена под лицензией Apache-2.0.

Карточка модели Smuggling1710/M1k4-7b 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.

MagpieLM-4B-Chat-v0.1 — диалоговая языковая модель, созданная Magpie-Align на основе Llama-3.1-Minitron-4B-Width. Модель прошла supervised fine-tuning на MagpieLM-SFT-Data-v0.1, затем DPO на MagpieLM-DPO-Data-v0.1; она предназначена для общения и выполнения текстовых инструкций. Архитектура — плотная LlamaForCausalLM, размер — 3,9 млрд параметров, формат весов — safetensors, заявленная длина контекста — 131 072 токена. Для диалога рекомендуется шаблон Llama 3; основной язык модели — английский. В карточке приведены результаты Alpaca Eval 2, Arena Hard и WildBench, а также заявлено сравнение с более крупными открытыми моделями. Модель может подходить для создания чат-ботов и ответов на инструкции, однако её результаты не гарантируют качества в конкретном приложении. Лицензия — NVIDIA Open Model License Agreement. Разработчики предупреждают о возможных фактических ошибках, логических несогласованностях, смещениях и небезопасных или неподходящих ответах; модель не оптимизирована для сложных рассуждений.

maid-yuzu-v2-alter — объединённая модель языковых моделей, созданная автором репозитория с помощью mergekit. Она предназначена для генерации текста и диалоговых ответов. Модель построена на архитектуре Mixtral с классом MixtralForCausalLM и объединяет smelborp/MixtralOrochi8x7B и ycros/BagelMIsteryTour-v2-8x7B методом SLERP; файлы представлены в формате safetensors. В метаданных указаны 7,1 млрд параметров и контекст длиной до 32 768 токенов. Базовая модель описана как ориентированная на генерацию ответов и диалоги на английском языке с широкими ограничениями на содержание, поэтому английский — основной язык для практического применения. Это эксперимент по объединению моделей; отдельные оценки качества и подробные ограничения не приведены. Условия лицензии в доступных сведениях не указаны.

Marcoro14-7B-slerp — плотная языковая модель семейства Llama 3 для генерации текста и диалогов. Её создали, объединив с помощью mergekit модели Orenguteng/Llama-3-8B-Lexi-Uncensored и nbeerbower/llama-3-spicy-abliterated-stella-8B методом SLERP; в конфигурации указана точность bfloat16. Репозиторий содержит веса в формате safetensors, а число параметров составляет 7,5 млрд. Модель предназначена для генерации продолжений текста и ведения диалогов. Заявленное контекстное окно — 8192 токена. В карточке не описаны отдельные специализированные области применения или поддерживаемые языки, поэтому их нельзя определить точнее. Модель распространяется по лицензии Apache-2.0.

Marengoli_7B_SLERP — языковая модель для генерации текста, созданная объединением louisgrc/Rivoli_7B_SLERP и louisgrc/Marengo_7B_SLERP методом SLERP с помощью LazyMergekit. Модель основана на архитектуре Mistral, содержит 7,1 млрд параметров и принимает контекст длиной до 32 768 токенов. Модель предназначена для генерации продолжений текста и может применяться в сценариях, где нужна текстовая генерация. README описывает способ слияния весов и тип данных bfloat16, но не приводит сведений о специализации моделей-источников, поддерживаемых языках или результатах оценки качества. Распространяется по лицензии Apache-2.0.

MasherAI-v6.1-7B-checkpoint3-code3 — языковая модель, разработанная mahiatlinux как дообучение mahiatlinux/MasherAI-v6.1-7B-checkpoint3-code2. Это плотная Mistral-модель с 7,1 млрд параметров для генерации текста и диалогового общения; при обучении использовались Unsloth и библиотека Hugging Face TRL. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 32 768 токенов. Модель можно применять для ведения диалогов и генерации текста на английском языке. В репозитории указана лицензия Apache-2.0. README не описывает специализированные области применения или результаты оценки качества.

Masrawy-BiLingual-v1 — модель перевода между современным литературным арабским языком (MSA) и египетским арабским диалектом, созданная на базе UBC-NLP/AraT5v2-base-1024. Это модель семейства T5 с архитектурой encoder-decoder и примерно 183,7 млн параметров; она дообучена на 360 000 предложениях для перевода в обоих направлениях. Для выбора направления перевода к входному тексту нужно добавлять соответствующий суффикс. Модель предназначена для перевода разговорных и повседневных фраз, деловой переписки, образовательных материалов и текстов о развлечениях между MSA и египетским диалектом. В карточке приведены результаты оценки BLEU, METEOR и chrF на тестовых примерах для обоих направлений. В метаданных указаны библиотека Transformers и лицензия Apache-2.0.

joefox/mbart-large-ru-zh-ru-many-to-many-mmt — модель машинного перевода, созданная дообучением mBART-large-50-many-to-many-mmt. Она переводит текст с русского на китайский и с китайского на русский; целевой язык задаётся при генерации специальным идентификатором языка. Модель построена на архитектуре mBART, содержит 247,7 млн параметров и рассчитана на контекст до 1024 токенов. Модель предназначена для перевода русско-китайских текстов и поддерживает соответствующие языковые варианты ru_RU и zh_CN. В метаданных указаны наборы данных CCMatrix и joefox/newstest-2017-2019-ru_zh. Модель распространяется по лицензии MIT.

FoxEngineAi/Mega-Destroyer-8x7B — языковая модель, созданная Dampf совместно с FoxEngineAi с помощью mergekit. Это слияние нескольких моделей Mixtral 8x7B методом DARE TIES на базе mistralai/Mixtral-8x7B-v0.1; среди компонентов — Mixtral Instruct, Open_Gpt4, Air-Striker, LimaRP и Typhon. Архитектура Mixtral — Mixture of Experts, число параметров по метаданным — 7,1 млрд, контекст — до 32 768 токенов. Модель предназначена для генерации текста по инструкциям, диалогов, творческого письма и ролевых сценариев. README заявляет, что модель рассчитана на широкий круг задач и поддерживает разные шаблоны запросов, включая Alpaca, Vicuna, ChatML и Llama 2 Chat. Лицензия — CC BY 4.0. Качество и поведение могут меняться в зависимости от шаблона запроса; README не приводит количественных результатов оценки. Несмотря на заявленную пригодность для широкого круга задач, специализация компонентов на ролевых сценариях и творческом письме может влиять на ответы в других сценариях.

MergerixShadowm7exp-7B — созданная Maxime Labonne объединённая модель для генерации текста. Она построена слиянием SLERP двух моделей: MiniMoog/Mergerix-7b-v0.3 и mahiatlinux/ShadowM7EXP-7B; архитектура — MistralForCausalLM, размер — 7,1 млрд параметров. Модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. Модель подходит для генерации продолжений и диалоговых ответов. В README приведена конфигурация слияния, но нет отдельных результатов оценки качества или рекомендаций по специализированным сценариям. Распространяется по лицензии Apache-2.0.

MiniCPM-2B-fullft-307-1ep — текстовая генеративная модель семейства Llama, опубликованная taskmaster141. По карточке Hugging Face, она дообучена на базе trainer_output/checkpoint-307; архитектура — плотная LlamaForCausalLM, размер — 2,2 млрд параметров. Модель поддерживает чат и генерацию текста, использует формат safetensors и контекст до 131072 токенов. Модель подойдёт для диалоговых приложений и генерации продолжений текста на английском языке. В карточке указано, что обучение выполнялось с Unsloth; дополнительных сведений о данных обучения и оценке качества нет. Лицензия — Apache-2.0.

Mini_Synatra_SFT-Mistral-7B-Instruct-v0.1 — объединённая методом SLERP модель на архитектуре Mistral, созданная на основе mistralai/Mistral-7B-Instruct-v0.1 и maywell/Mini_Synatra_SFT. Это плотная языковая модель с 7,1 млрд параметров, рассчитанная на генерацию текста в ответ на инструкции и диалоговые запросы; метаданные отмечают поддержку чата и корейский язык. Для модели указан контекст до 32 768 токенов. Модель подходит для чат-ботов, ответов на вопросы и выполнения текстовых инструкций на корейском языке. Весы опубликованы в формате Safetensors, лицензия — Apache-2.0. README не сообщает результаты сравнительных оценок или подробности о данных обучения, поэтому качество для конкретных задач по карточке определить нельзя.

MISCHIEVOUS-12B-Mix_III_ex_V — объединённая языковая модель, опубликованная bamec66557. Она создана методом SLERP с помощью mergekit из двух предварительно обученных моделей: bamec66557/mergekit-slerp-uhnpbqg и bamec66557/mergekit-slerp-tsgkafq. Модель использует плотную архитектуру Mistral и содержит 12,1 млрд параметров. Модель предназначена для генерации текста и диалогового взаимодействия на английском языке. Метаданные также указывают интерфейс для вызова инструментов. Заявленная длина контекста — 1 024 000 токенов; веса опубликованы в формате safetensors и доступны через библиотеку Transformers. В карточке приведены результаты оценивания на Open LLM Leaderboard, включая средний балл 23,80. Модель распространяется по лицензии Apache-2.0. Доступных сведений недостаточно, чтобы подтвердить качество на конкретных пользовательских задачах или определить дополнительные ограничения.

Модель Mistral Nemo Base 2407, дообученная aliRafik на базе unsloth/mistral-nemo-base-2407-bnb-4bit. Это плотная авторегрессионная языковая модель архитектуры MistralForCausalLM с 12,1 млрд параметров и контекстом до 131 072 токенов. Репозиторий содержит веса в формате safetensors; для обучения использовались Unsloth и библиотека TRL. Модель предназначена для генерации текста. Карточка не описывает конкретную специализацию или сценарии дообучения, поэтому область её применения ограничивается общими задачами генерации текста на английском языке. Распространяется по лицензии Apache-2.0.

Ogno-Monarch-Neurotic-7B-Dare-Ties — объединённая модель для генерации текста, созданная с помощью mergekit на основе bardsai/jaskier-7b-dpo-v5.6 и eren23/ogno-monarch-jaskier-merge-7b-OH-PREF-DPO. В её основе архитектура Mistral с плотной причинно-языковой моделью на 7,1 млрд параметров; репозиторий содержит веса в формате Safetensors, объединённые в bfloat16 методом DARE-TIES. Модель предназначена для генерации текста и ответов на запросы. В карточке указано окно контекста до 32 768 токенов. Базовые модели описаны как англоязычные модели Mistral, дообученные методом DPO; это указывает на ориентацию на английский язык, но не подтверждает поддержку других языков. Для модели указана лицензия Apache-2.0. Карточка не приводит оценок качества или конкретных ограничений применения.

Helsinki-NLP/opus-mt-en-inc — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP на архитектуре Transformer и реализованная как MarianMT. Она переводит текст с английского на набор индийских языков: ассамский, бенгальский, бходжпури, гуджарати, хинди, маратхи, непальский, ория, пенджаби, санскрит, синдхи, сингальский, урду и другие перечисленные в карточке разновидности. Для выбора целевого языка в начале входного текста требуется токен вида >>id<< с допустимым кодом языка. Модель содержит 56,8 млн параметров, использует SentencePiece с словарями размером 32 тыс. токенов и имеет контекст до 512 токенов. Карточка приводит результаты тестов на переводе новостных текстов, однако качество может различаться в зависимости от языка и тематики. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-en-it — модель машинного перевода, разработанная Helsinki-NLP в рамках семейства OPUS-MT. Она переводит текст с английского на итальянский и подходит для перевода документов, новостных материалов и коротких фраз. Модель построена на архитектуре Transformer и использует предобработку с нормализацией и SentencePiece; в обучении использован корпус OPUS. Веса доступны в форматах PyTorch и TensorFlow, число параметров — 66,1 млн, длина контекста — 512 токенов. В карточке приведены оценки BLEU 30,9–31,9 для тестов новостного перевода и 48,2 для Tatoeba. Модель предназначена для направления английский → итальянский; качество может зависеть от тематики и стиля исходного текста. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-it-en — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с итальянского на английский и предназначена для перевода отдельных фраз и документов, включая новостные тексты и материалы общего назначения. Модель основана на архитектуре Marian Transformer с выравниванием, содержит 66,3 млн параметров и использует нормализацию текста и SentencePiece. Для обучения использован корпус OPUS; максимальная длина контекста — 512 токенов. В карточке приведены результаты на наборах newssyscomb2009, newstest2009 и Tatoeba. Модель доступна в форматах PyTorch и TensorFlow по лицензии Apache-2.0. Она предназначена для направления перевода итальянский—английский; карточка не подтверждает поддержку других языковых направлений.

Модель hiraltalsaniya/phi-3.5-pii-test-13 — дообученная разговорная языковая модель для генерации текста. Разработчик — hiraltalsaniya; в карточке указано, что модель дообучена на unsloth/phi-3.5-mini-instruct-bnb-4bit с использованием Unsloth и библиотеки Hugging Face TRL. Архитектура — плотная модель семейства Llama с классом LlamaForCausalLM, размер — 3,7 млрд параметров, контекст — 4096 токенов. Модель предназначена для диалоговой генерации текста на английском языке. Лицензия — Apache-2.0. В названии есть «pii-test», однако карточка не описывает специализированную обработку персональных данных, поэтому такие возможности нельзя подтвердить.

Модель RyotaKadoya1993/phi3_translator_merged3 — дообученная языковая модель для генерации текста и диалогов. В карточке указана база unsloth/phi-3-medium-4k-instruct; модель обучали с использованием Unsloth и библиотеки Hugging Face TRL. Архитектура — плотная MistralForCausalLM, размер — 13,8 млрд параметров, контекст — до 4096 токенов. Репозиторий содержит веса Safetensors. Модель можно применять для генерации ответов и диалогового текста. Название репозитория предполагает задачу перевода, однако README не описывает её качество, языковые пары или специальное назначение, поэтому перевод нельзя уверенно считать подтверждённой возможностью. В метаданных указан английский язык. Лицензия — Apache-2.0.