III.2Исследование рынка и маркетинг

Phoenix — немецкоязычная разговорная языковая модель, разработанная Matthias Uhlig на основе LeoLM/leo-mistral-hessianai-7b и обученная по методике Direct Preference Optimization (DPO) с инструкциями и предпочтениями на немецком языке. Это плотная модель MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов; поддерживает диалоговый режим и работает с текстом. Модель предназначена для ответов на инструкции и многоходовых диалогов на немецком языке. В карточке приводятся результаты MT-Bench-DE, включая сильные оценки в ролевых сценариях и гуманитарных темах; эти оценки относятся к указанному тесту и не гарантируют качество в других задачах. Модель распространяется в формате Safetensors по лицензии Apache 2.0. Возможны неточные, предвзятые или нежелательные ответы, поэтому перед внедрением рекомендуется проверить модель и настроить меры безопасности для конкретного приложения.

Это языковая модель Qwen2-1.5B с сокращённым до 32 тысяч токенов словарём, созданная The Kaitchup методом Minivoc. Модель предназначена для генерации текста и диалогового общения на английском языке; архитектура — плотная Qwen2ForCausalLM, размер — около 1,4 млрд параметров, формат весов — safetensors. Заявленная длина контекста составляет 131 072 токена. Сокращение словаря в подходе Minivoc нацелено на ускорение работы и снижение расхода памяти. Модель выпущена под лицензией Apache-2.0. README ссылается на статью с описанием метода и оценкой, но не приводит численных результатов; поэтому преимущество по скорости и памяти здесь нельзя количественно оценить.

QWEN-2.5-0.5B-Synthia-I — языковая модель, дообученная artificialguybr на наборе Synthia v1.5-I из более чем 20,7 тыс. примеров следования инструкциям. Это плотная причинная модель семейства Qwen2 с 494 млн параметров; она принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов и предназначена для диалогов, выполнения инструкций и продолжения текста. Дообучение усиливает способность базовой Qwen2.5-0.5B следовать инструкциям. Карточка заявляет многоязычные возможности базовой модели, включая более 29 языков; в метаданных отдельно указан английский язык. Модель подходит для лёгких диалоговых приложений и генерации ответов, но её небольшой размер может ограничивать точность и надёжность при сложных задачах. Распространяется по лицензии Apache-2.0.

Roman0/Qwen3-0.6B-heretic — плотная причинная языковая модель семейства Qwen3, созданная на основе Qwen/Qwen3-0.6B-Base. Модель содержит около 508 млн параметров, принимает текст и генерирует текст; заявленная длина контекста в метаданных — 40 960 токенов. Для работы с весами в формате safetensors используется библиотека Transformers. Модель изменена методом abliteration, чтобы реже отказывать в ответах: в приведённом README сравнении число отказов составило 3 из 100 против 57 из 100 у исходной модели, при указанном KL divergence 0,0024. Она предназначена для диалога и генерации текста, включая ответы на инструкции, рассуждения, творческое письмо и переводы — эти возможности описаны для семейства Qwen3, а не отдельно подтверждены тестами этой версии. Заявлена поддержка более 100 языков и диалектов; основными языками конкретной модели карточка не выделяет. В README есть несогласованность характеристик контекста: для семейства указаны 32 768 токенов, тогда как метаданные этой модели сообщают 40 960. Небольшой размер может ограничивать качество сложных задач по сравнению с более крупными моделями. Abliteration уменьшает частоту отказов, но приведённое сравнение не описывает весь спектр качества и поведения модели. Лицензия — Apache-2.0.

Карточка модели Wholeo/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.

Карточка модели zixzorash/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.

duxx/rag-v.01 — дообученная duxx модель семейства Llama 3 для генерации текста. Она основана на unsloth/llama-3-8b и обучена с использованием Unsloth и библиотеки TRL. Модель содержит 7,5 млрд параметров, принимает текст и поддерживает контекст до 8192 токенов. Модель предназначена для текстовых запросов и генерации ответов; README не описывает специализированные возможности для поиска или дополнения ответов из внешних источников, несмотря на «rag» в названии. Лицензия — Apache-2.0. Метаданные указывают английский язык; иных языков карточка не подтверждает.

Sailor-14B — многоязычная языковая модель семейства Qwen2, разработанная для языков Юго-Восточной Азии. Это версия на 13,4 млрд параметров, дообученная на основе Qwen/Qwen1.5-14B; карточка описывает линейку базовых и чат-моделей Sailor, а вариант Sailor-14B предназначен для генерации текста. Модель поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Модель подходит для генерации текста, ответов на вопросы и рассуждений на индонезийском, тайском, вьетнамском, малайском и лаосском языках. README сообщает о хороших результатах в бенчмарках для задач на языках региона, но не приводит их численные значения. Лицензия — Apache-2.0.

Sharp11 — объединённая модель для генерации текста, созданная автором ClaudioItaly с помощью mergekit и метода SLERP на основе Sao10K/Fimbulvetr-11B-v2 и Joseph717171/Cerebrum-1.0-10.7B. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 10,6 млрд параметров; она предназначена для генерации текста и диалоговых ответов. Базовые модели описаны как модели для генерации ответов и диалогового текста на английском языке. Контекст модели — 4096 токенов. Модель может использоваться для продолжения текста и ведения текстового диалога на английском языке. Репозиторий содержит веса в формате safetensors и поддерживает библиотеку Transformers. Лицензия в предоставленных сведениях не указана.

Shifu Smart 1.5B — текстовая чат-модель, разработанная shimbaaa и дообученная на базе unsloth/gemma-3-1b-it-bnb-4bit. Она предназначена для генерации текста и диалоговых сценариев. Модель использует плотную архитектуру Gemma 3 для причинной языковой модели, содержит около 1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель обучалась с использованием Unsloth и библиотеки Hugging Face TRL. Репозиторий распространяется в формате Safetensors по лицензии Apache-2.0. Доступные сведения не описывают специализацию дообучения или подтверждённые показатели качества.

Silver-Sun-11B — языковая модель от ABX-AI, созданная слиянием предобученных моделей методом SLERP через mergekit. Она основана на архитектуре Llama и содержит 10,6 млрд параметров; нативный контекст — 4096 токенов. В слияние вошли ABX-AI/Solstice-FKL-11B и Himitsui/Kaiju-11B; README также связывает Solstice-FKL-11B с Sao10K/Solstice-11B-v1 и saishf/Fimbulvetr-Kuro-Lotus-10.7B. Модель предназначена для генерации текста по инструкциям, письма и рассуждений. В карточке рекомендованы пресеты инструкций Alpaca. Автор отмечает склонность к прямому, временами грубому стилю и к откровенному NSFW-языку в подходящем контексте. Указанная лицензия — other; конкретные условия использования в карточке не раскрыты.

SlactusAIAstra — диалоговая языковая модель SakitsunaAI, дообученная на базе unsloth/LFM2.5-1.2B-Instruct. Это плотная модель семейства LFM2 с архитектурой Lfm2ForCausalLM, примерно 1,5 млрд параметров и контекстом до 128 000 токенов. Модель предназначена для генерации текста и общения на английском языке. Модель сохранена в формате safetensors и распространяется по лицензии Apache-2.0. В карточке также указано, что при обучении использовался Unsloth, который ускоряет процесс обучения. Специализация дообучения и подробные результаты оценки не описаны.

eclfe/sqlen-1-21 — разговорная языковая модель, обученная с помощью H2O LLM Studio на базе h2oai/h2o-danube2-1.8b-chat. Это плотная авторегрессионная модель семейства Mistral с 1,7 млрд параметров, принимающая текст и генерирующая текст; заявленная длина контекста — 8192 токена. Карточка отмечает поддержку английского языка и диалоговый сценарий. Модель подходит для генерации ответов в чате и других текстовых продолжений. README описывает обучение через H2O LLM Studio, но не уточняет датасет или специальную предметную область. Лицензия в предоставленных данных не указана.

Карточка модели nota-ai/st-llama-1-5.5b-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.

Stockmark-2-VL-100B-beta — мультимодальная модель компании Stockmark Inc. с 100 млрд параметров, предназначенная прежде всего для понимания японских документов и ответов на вопросы по изображениям. Она построена на архитектуре LLaVA-OneVision: использует Stockmark-2-100B-Instruct-beta как языковую основу и визуальный энкодер SigLIP2. Модель поддерживает диалоговый режим и визуальное рассуждение с цепочкой мыслей. Модель рассчитана на чтение документов, деловых слайдов и диаграмм, а также на задачи визуальных вопросов и ответов общего назначения. В оценках авторов она показала высокие результаты на японских бенчмарках понимания документов и VQA. Карточка перечисляет японский и английский языки; основная специализация — японский. Это beta-версия, которая продолжает проходить улучшения и оценивание. Она может не соблюдать требования к формату ответа и включать в него ход рассуждений; также авторы предупреждают, что модель не полностью откалибрована с точки зрения социальных норм, этики и законодательства. Репозиторий распространяется под лицензией Qwen; конкретные условия следует сверять с текстом лицензии в репозитории.

Gille/StrangeMerges_31-7B-slerp — языковая модель для генерации текста, созданная объединением Gille/StrangeMerges_30-7B-slerp и yam-peleg/Experiment24-7B методом SLERP с помощью LazyMergekit. Это плотная модель семейства Mistral на 7,1 млрд параметров, доступная в формате Safetensors; базовый контекст составляет 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Карточка описывает способ объединения весов, но не приводит отдельных оценок качества или специализации по языкам и предметным областям. Модель распространяется по лицензии Apache-2.0.

Карточка модели nota-ai/st-vicuna-v1.3-10.5b-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.

Карточка модели nota-ai/st-vicuna-v1.3-10.5b-taylor 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.

T3qm7xpMultiverseex26-7B — автоматическое слияние моделей, созданное Maxime Labonne с помощью mergekit. В конфигурации указаны nlpguy/T3QM7XP и allknowingroger/MultiverseEx26-7B-slerp; использован метод dare_ties с плотностью 0,53, весом 0,6 и типом данных bfloat16. Каталог описывает архитектуру как плотную MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста. Она принимает текст и выдаёт текст; README не уточняет языковую специализацию или конкретные сценарии использования. Репозиторий содержит веса safetensors и распространяется по лицензии Apache-2.0. Качество и ограничения в карточке не описаны.

kevin009/TinyNaughtyLlama-v1.0 — диалоговая языковая модель примерно на 1 млрд параметров, созданная дообучением TinyLlama 1.1B Chat методом DPO. Она использует плотную архитектуру LlamaForCausalLM и предназначена для генерации продолжений текста и ответов в чате. Модель принимает текст и генерирует текст; максимальная длина контекста составляет 2048 токенов. Модель рассчитана на общие языковые задачи и диалоговые сценарии. README предупреждает, что ответы могут быть предвзятыми или неподходящими, поэтому их следует проверять и при необходимости фильтровать. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

Это дообученная языковая модель семейства Llama, опубликованная nehuggingface и основанная на unsloth/llama-3-8b-bnb-4bit. Модель предназначена для генерации текста и может использоваться в приложениях, которым нужны ответы или продолжение текста на английском языке. Архитектура модели — плотная авторегрессионная LlamaForCausalLM; размер составляет 7,5 млрд параметров, контекст — до 8192 токенов. При обучении использовались Unsloth и библиотека TRL. Модель опубликована в формате Safetensors и распространяется по лицензии Apache-2.0. Карточка не описывает специализированную область применения или результаты оценки качества.

Trion-M-7b — плотная языковая модель семейства Mistral с 7,1 млрд параметров, созданная слиянием весов двух моделей Mistral. В README указано, что применено gradient blockmerge с весами 0,8 и 0,2, а компоненты для логики и прозы сформированы слиянием SLERP; исходные модели не названы. Модель предназначена для генерации текста. Метаданные указывают контекст до 32 768 токенов, поддержку английского языка и формат PyTorch. Репозиторий распространяется по лицензии Apache-2.0. Подробные результаты оценки и конкретные сценарии использования в карточке не описаны.

WukongV2-Mixtral-8x7B-V0.1 — разговорная модель, созданная RESMPDEV путём дообучения и повторного обучения базовой модели mistralai/Mixtral-8x7B-v0.1 на подборке датасетов Cognitive Computations в течение трёх эпох. Она предназначена для генерации текста в диалоге и совместима с обслуживанием через vLLM и библиотеку Transformers; в карточке отмечена поддержка чата. Модель построена на архитектуре Mixtral с разреженной смесью экспертов (MoE), содержит 7,1 млрд параметров и поддерживает контекст длиной до 32 768 токенов. В метаданных указаны английский, французский, итальянский, немецкий и испанский языки. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. Карточка характеризует модель как «dealigned», а базовую Mixtral — как не имеющую механизмов модерации; отдельные сведения о безопасности именно этой дообученной версии не приведены. Примеры выходов в README не заполнены, поэтому качество и поведение модели по ним оценить нельзя.

xDAN-L1-SOLAR-RL-v1 — диалоговая языковая модель xDAN-AI, полученная дообучением с подкреплением на базе SOLAR10.7B. Она предназначена для генерации текста в формате чата и может использоваться для создания ответов на запросы пользователя. Модель построена на плотной архитектуре Llama и содержит около 10,6 млрд параметров. Контекстное окно составляет 4096 токенов. В карточке указаны наборы данных OpenOrca и OpenAssistant oasst2, а лицензия — Creative Commons Attribution 4.0 (CC BY 4.0). Разработчик предупреждает, что ответы могут быть неточными, бессвязными или проблемными; модель не гарантирует достоверность и не исключает генерацию дезинформации. Для критически важных решений ответы требуют проверки.

Fischerboot/Zephyr-3B-FreedomRP-Qlora-Merged — языковая модель для диалогов и генерации текста, полученная слиянием через mergekit методом passthrough базовой модели stabilityai/stablelm-zephyr-3b и модели с адаптером FreedomRP. Модель имеет архитектуру StableLM с 2,7 млрд параметров и контекстом до 4096 токенов; файлы представлены в формате safetensors, библиотека для работы — Transformers. Модель подходит для ведения диалогов, ответов на запросы и свободной генерации текста. Базовая StableLM Zephyr ориентирована на английский язык; README не уточняет языки, специально поддерживаемые слитой моделью. Лицензия в предоставленных данных не указана.

NicholasCorrado/zephyr-7b-hh-dpo — диалоговая языковая модель на архитектуре Mistral с 7,1 млрд параметров. Она дообучена методом DPO на наборе диалогов HuggingFaceH4/hh-rlhf-h4 поверх alignment-handbook/zephyr-7b-sft-full и предназначена для генерации текста и ответов в чате. Модель работает с текстом, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Карточка приводит метрики оценки на тестовом наборе, включая точность предпочтений 0,7174, но не описывает сценарии использования, языковое покрытие или ограничения качества. Лицензия Apache-2.0.

zephyr-gemma-2-9b-sft — диалоговая модель генерации текста, созданная tanliboy дообучением Google Gemma 2 9B на наборе HuggingFaceH4/ultrachat_200k. Она предназначена для общения в формате вопросов и ответов и генерации ответов на текстовые запросы. Модель имеет плотную архитектуру Gemma2ForCausalLM, содержит 9 млрд параметров и поддерживает контекст до 8192 токенов. В метаданных указан формат весов safetensors и лицензия Gemma. README приводит значение loss 1.0639 на оценочном наборе, но не описывает методику оценки или ограничения и не даёт оснований судить о качестве в конкретных сценариях.

Это чат-модель Mistral с 7,1 млрд параметров, дообученная на исходном и обновлённом наборах данных на базе HuggingFaceH4/mistral-7b-sft-beta. Она предназначена для генерации текста в диалогах и ответов на вопросы. Модель использует плотную архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Модель принимает текст и генерирует текст; в метаданных указан чат-сценарий. Карточка не приводит подробностей об оценке качества или специальных ограничениях. Лицензия — MIT.

CalderaAI разработала 13B-Thorns-l2 — текстовую генеративную модель на архитектуре Llama, собранную из нескольких моделей LLaMA v2-13B и адаптеров. В состав входят Nous-Hermes, Chronos, Platypus, Airoboros и Holodeck, а также адаптеры Kimiko, Janine и LIMA RP. Для объединения моделей применён метод SLERP, а адаптеры предварительно присоединялись к выбранным компонентам ансамбля. Модель предназначена для генерации текста, диалогов и ролевых сценариев, совмещая следование инструкциям и логическое рассуждение с творческим письмом. Она содержит 12,9 млрд параметров и рассчитана на контекст до 4096 токенов. В README указана маркировка uncensored; лицензия в предоставленных данных не приведена.

Alphallama3-8B_v2 — дообученная модель генерации текста на архитектуре Llama, разработанная Alphacode-AI на основе Meta-Llama-3-8B. Она предназначена для диалогового взаимодействия и генерации текста; для обучения использовались внутренние пользовательские данные, DeepSpeed, Hugging Face TRL Trainer и Accelerate. Модель содержит 7,5 млрд параметров, принимает текст и имеет контекст длиной до 8192 токенов. В карточке указан корейский язык. Модель распространяется в формате safetensors по лицензии Llama 3. Качество и ограничения дообучения на внутренних данных отдельно не описаны.