III.2Исследование рынка и маркетинг

MrDragonFox/apple-ferret-7b-merged — готовая к запуску объединённая текстовая модель семейства Llama, опубликованная пользователем MrDragonFox. Она предназначена для генерации текста; карточка не описывает специальные сценарии применения или особенности обучения. По метаданным, модель содержит 6,6 млрд параметров, имеет плотную архитектуру LlamaForCausalLM и контекст длиной 2048 токенов. Репозиторий содержит веса PyTorch. Язык модели, её сильные стороны и лицензия в доступных данных не раскрыты.

Boogu-Image-0.1-Turbo — вариант семейства Boogu-Image-0.1, разработанного командой Boogu. Это модель генерации изображений по тексту на базе Diffusers; семейство также включает варианты для редактирования изображений. Turbo предназначена для ускоренной генерации. Модель создаёт фотореалистичные и стилизованные изображения, плакаты и продуктовые визуализации, а также умеет отображать китайский и английский текст в изображениях. Модель ориентирована на генерацию с согласованной композицией, освещением и деталями, включая сцены с несколькими объектами. Вариант семейства для редактирования поддерживает добавление, замену и удаление объектов, изменение атрибутов и точечное редактирование текста, однако README не уточняет, доступны ли эти возможности именно в Turbo. Карточка называет проект исследовательским и предупреждает, что это не официальный релиз модели. Указана лицензия Apache-2.0. Ограничения включают слабее развитое понимание фактов о брендах, людях и контекстах, нестабильность сохранения деталей при редактировании, ошибки в длинном или мелком тексте и артефакты в анатомии сложных поз. Текстовая генерация оптимизирована для китайского и английского; другие языки могут работать хуже.

CarbonVillain-en-10.7B-v4 — англоязычная разговорная языковая модель семейства Llama, опубликованная jeonsworld. Это плотная авторегрессионная модель примерно на 10,6 млрд параметров с контекстом до 4096 токенов, рассчитанная на генерацию текста в формате диалога с разделителями User и Assistant. Модель подходит для продолжения текста и ответов в чат-сценариях на английском языке. В карточке приведены результаты оценивания на бенчмарках AI2 Reasoning Challenge и HellaSwag; README не уточняет методы обучения или слияния модели. Распространяется по лицензии CC BY-NC-SA 4.0, предусматривающей указание авторства, распространение производных работ на той же лицензии и ограничения на коммерческое использование.

DataDecide-dolma17-no-math-code-1B-6000062500650006750069369weightedavgmerge — языковая модель, созданная слиянием нескольких предобученных чекпойнтов методом Linear с помощью mergekit. В качестве базового чекпойнта при слиянии использован step69369; также объединены чекпойнты step60000, step62500, step65000 и step67500 из серии dolma1_7-no-math-code. Архитектура — плотная LlamaForCausalLM, размер — около 1,2 млрд параметров. Модель предназначена для генерации текста. В названии серии обозначено исключение математики и кода, но README не приводит оценок качества или подробных сценариев применения. Максимальная длина контекста — 2048 токенов. Модель работает с текстовым вводом и выдаёт текст. Репозиторий содержит веса в формате Safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

Emo-AI-3B — языковая модель Klevin для генерации текста, созданная дообучением Gemma на базе unsloth/gemma-2b-bnb-4bit. Она использует плотную архитектуру GemmaForCausalLM и содержит 2,5 млрд параметров; заявленная длина контекста — 8192 токена. Модель предназначена для текстовых запросов и генерации ответов или продолжений текста. Модель дообучали с использованием Unsloth и библиотеки TRL. Карточка не описывает специализацию, обучающие данные или результаты оценки, поэтому применимость к конкретным задачам и качество ответов по ним не подтверждены. Указана лицензия Apache-2.0.

Это дообученная диалоговая модель Google Gemma 2 2B IT, опубликованная imtixz. Она предназначена для генерации текста и диалогового взаимодействия. Модель содержит 2,7 млрд параметров, использует плотную архитектуру Gemma2ForCausalLM, работает с текстом и поддерживает контекст до 8192 токенов. Карточка не описывает датасет, сценарии применения, результаты оценки или специальные возможности этой версии. Модель распространяется в формате Safetensors по лицензии Gemma; условия лицензии следует учитывать при использовании.

Карточка модели opestro/gemma4-12b-growth-strategist-float16 на Hugging Face совпадает с карточкой opestro/gemma4-12B-Marketer-AA-16Bit, поэтому описание составлено по ней. opestro дообучил мультимодальную инструкционную модель на основе unsloth/gemma-4-12b-it с помощью Unsloth и библиотеки Hugging Face TRL. Это плотная модель семейства Gemma 4 Unified с архитектурой Gemma4UnifiedForConditionalGeneration, предназначенная для диалога и преобразования текста и изображений в текст; в метаданных также заявлен интерфейс вызова инструментов. Базовая модель поддерживает анализ изображений и аудио, видео, код и работу с инструментами, однако карточка этого дообучения не описывает дополнительные возможности или его специализацию в маркетинге. Репозиторий содержит веса safetensors. Лицензия — Apache-2.0.

GPT-J-6B Alpaca-GPT4 — языковая модель Vicgalle, дообученная с помощью LoRA на ответах GPT-4 для запросов из Alpaca. Она предназначена для генерации ответов на инструкции и выполнения разнообразных текстовых запросов в формате «инструкция — ответ». Модель использует плотную архитектуру GPT-J с 6 млрд параметров и принимает текст, выдавая текст; в метаданных указан контекст до 2048 токенов и библиотека Transformers с весами PyTorch. Модель подходит для диалоговых прототипов, написания и редактирования текстов, ответов на общие вопросы и выполнения простых инструкций. Примеры в карточке демонстрируют связные ответы, но не подтверждают точность фактов или надёжность в сложных задачах. Модель лицензирована по MIT.

kriton/greek-text-summarization — модель для абстрактивного суммирования текстов на греческом языке, обученная разработчиком на базе mT5-small. Она принимает текст и генерирует его краткое изложение, поэтому подходит для подготовки выжимок из статей, документов и других греческих текстов. Модель построена на архитектуре mT5 и содержит около 157,4 млн параметров; опубликована в формате PyTorch. Лицензия — Apache-2.0.

nnajmi/GRPO-Model — дообученная nnajmi модель семейства Llama, разработанная nnajmi на базе nnajmi/Fine-Tuning-LLM. Это плотная причинная языковая модель с 3,2 млрд параметров для генерации текста и диалогов на английском языке. По карточке, модель обучали с использованием Unsloth и библиотеки TRL; формат весов — Safetensors, длина контекста — до 131 072 токенов. Модель подходит для генерации английских ответов и ведения диалогов. Она распространяется по лицензии Apache-2.0. Карточка не приводит подробностей о качестве, оценках или ограничениях поведения модели.

InternLM-XComposer2-7B — мультимодальная модель на 7,4 млрд параметров, разработанная командой InternLM на базе InternLM2. Она предназначена для понимания изображений и текста, а также для свободного чередования текста и изображений при генерации. Модель поддерживает контекст до 32 768 токенов и опубликована в формате PyTorch. Модель подходит для диалога по изображениям, описания визуального содержимого и создания материалов, в которых текст сочетается с изображениями. В метаданных Hugging Face основная задача указана как генерация текста; карточка также описывает модель как vision-language систему для понимания и композиции текста и изображений. Репозиторий указывает лицензию «other», без конкретных условий в предоставленных данных. Практические ограничения и перечень поддерживаемых языков в карточке не описаны.

Это дообученная на базе GPT-2 модель francesca9805, обученная с использованием TRL. Она предназначена для генерации текста и ответов на открытые вопросы в формате диалога. Модель использует архитектуру GPT-2 с плотными слоями, работает через Transformers и принимает текстовые запросы, выдавая продолжение текста. Контекст ограничен 512 токенами. Карточка демонстрирует пример вопроса на английском языке и получение текстового ответа. Размер параметров и лицензия в предоставленных данных не указаны.

trinhkhng/karcher_Merged_gpt2-large_0.5 — языковая модель для генерации текста на архитектуре GPT-2 Large, созданная слиянием предварительно обученных моделей с помощью Karcher Mean и mergekit. В слиянии участвовали GPT-2 Large и модель debias_gpt2-large. Модель предназначена для продолжения текста и генерации связного текста по текстовому запросу. Она использует библиотеку Transformers, веса сохранены в формате safetensors, а длина контекста составляет 1024 токена. В карточке не описаны отдельные языки применения или специализированные предметные области. Слияние моделей не гарантирует сохранения всех свойств исходных чекпойнтов; карточка не приводит оценок качества, тестов или подробностей о том, насколько итоговая модель снижает предвзятость. Лицензия в предоставленных данных не указана.

Kosmos-EVAA-v4-8B — объединённая модель генерации текста, созданная jaspionjader методом SLERP с помощью mergekit из jaspionjader/Auro-Kosmos-EVAA-v2.3-8B и jaspionjader/Kosmos-EVAA-v3-8B. Она предназначена для генерации текста и диалоговых сценариев. Модель построена на архитектуре Llama, содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Веса опубликованы в формате safetensors для библиотеки Transformers. Карточка не приводит результатов оценки качества, конкретных языков или специальных областей применения. Лицензия в доступных данных не указана.

Kuchiki L2 7b — языковая модель на архитектуре Llama 2, созданная объединением Nous Hermes Llama 2 7B (70%) и Airoboros L2 7B GPT4 2.0 (30%), после чего к результату применили слияние с LoRA-адаптером LimaRP Llama 2 7B. Модель предназначена для генерации текста по инструкциям и диалоговых сценариев; карточка указывает на совместимость с форматами инструкций исходных моделей. Модель содержит 6,6 млрд параметров, принимает текст и выдаёт текст, а длина контекста составляет 4096 токенов. В репозитории указаны веса PyTorch; для отдельных квантованных вариантов автор упоминает GGUF и GPTQ. Лицензия обозначена как other, поэтому условия использования следует проверять в материалах репозитория и базовых моделей. Автор предупреждает, что модель не предназначена для предоставления фактической информации или советов.

MergedQwen2-0.5B0.0 — языковая модель, созданная с помощью mergekit методом линейного слияния весов. В состав слияния вошли Qwen2-0.5B и debias_Qwen2-0.5B; согласно конфигурации, вес первой модели равен 1, а второй — 0, поэтому результат опирается на Qwen2-0.5B и не получает вклада весов debias-модели. Архитектура — плотная Qwen2ForCausalLM, размер — около 493,7 млн параметров; репозиторий содержит веса safetensors, модель использует Transformers и имеет контекст длиной до 131 072 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Метаданные не подтверждают отдельного эффекта дебайасинга. Лицензия в предоставленных данных не указана.

Stheno v3.4 — языковая модель на архитектуре Llama 3.1, разработанная Sao10K и обученная при поддержке Backyard.ai. Модель прошла многоэтапное дообучение: сначала на многоходовых диалогах и инструкциях, затем на наборах для творческого письма, ролевых сценариев и творческих инструкций. В обучающих данных использовались материалы людей и Claude. Модель предназначена для диалогов, следования инструкциям, ролевых сценариев и создания художественного текста. Это плотная авторегрессионная модель с 7,5 млрд параметров и контекстом до 131 072 токенов; метаданные указывают английский язык. Доступны веса в формате safetensors, а лицензия CC BY-NC 4.0 ограничивает коммерческое использование.

Модель ferrazzipietro/Llama-3.2-1B-Instruct-reas-int-065-3-epochs-it — дообученная версия Meta Llama 3.2 1B Instruct для генерации текста и диалогов. Она построена на плотной архитектуре LlamaForCausalLM, содержит 1,2 млрд параметров и принимает текстовые запросы, выдавая текстовые ответы. В метаданных указан контекст до 131 072 токенов и формат весов safetensors. Карточка связывает модель с неизвестным обучающим набором данных, поэтому её специализацию и качество для отдельных задач установить нельзя. Применять её можно для текстового общения и генерации ответов; лицензия — Llama 3.2 License.

Mungert/Llama3.3-8B-Instruct-Thinking-Claude-4.5-Opus-High-Reasoning-GGUF — это GGUF-версия дообученной текстовой языковой модели, созданная Mungert на базе Llama-3.3-8B-Instruct от allura-forge. Модель дообучалась с помощью Unsloth в течение трёх эпох на наборе данных TeichAI/claude-4.5-opus-high-reasoning-250x. По заявлению автора, результат представляет собой гибридную Instruct/Thinking-модель с контекстом до 128K токенов, предназначенную для генерации текста и рассуждений. Модель ориентирована на задачи, где важны пошаговое мышление, объяснение сложных тем, творческое письмо, создание сюжетов и сцен, ролевые сценарии и продолжение историй. Заявлены английский, французский, немецкий, испанский, итальянский, португальский, китайский, японский, русский и корейский языки. Режим Thinking может активироваться автоматически в зависимости от формулировки запроса, однако его включение не гарантируется для любого промпта. Модель относится к текстовой модальности и использует архитектуру семейства Llama с размером 8B. К сильным сторонам относятся большой заявленный контекст, сочетание instruct-поведения с рассуждением и специализация на художественной генерации. Ограничения включают зависимость качества и стабильности от выбранного GGUF-кванта: автор рекомендует Q4KS, IQ3_M или более высокие варианты и предупреждает о возможных проблемах рассуждения у более низких квантов. Модель не предназначена для обновления базовых знаний, поскольку дообучение, по заявлению автора, меняло поведение, а не фундаментальные знания. Распространяется по лицензии Apache-2.0.

Youliang/llama3-8b-derta — плотная языковая модель на архитектуре Llama, разработанная на основе Meta-Llama-3-8B и дообученная с помощью DeRTa. Для обучения использовались наборы Evol-Instruct и BeaverTails. Модель предназначена для генерации текста в ответ на инструкции с акцентом на безопасное поведение; в карточке указан формат запроса [INST] Your Instruction [\INST]. Модель содержит 7,5 млрд параметров, принимает текст и генерирует текст. Её базовый контекст — 8192 токена. В README заявлена высокая безопасность, однако подробности обучения и оценки не приведены. Лицензия — Apache-2.0.

llama-3-8b-slow-DUS-max-layer1-method2 — плотная языковая модель семейства Llama для генерации текста. В README указано, что это слияние, выполненное с помощью LazyMergekit; в состав включено несколько копий NousResearch/Meta-Llama-3-8B. Метаданные классифицируют модель как дообучение этой базовой модели, поэтому точный способ её получения описан неоднозначно. Модель предназначена для генерации текста; указанный контекст составляет 8192 токена. Метаданные содержат размер 4 млрд параметров, тогда как карточка базовой модели описывает её как модель примерно на 7,5 млрд параметров, поэтому размер итогового чекпойнта не вполне согласуется с базовой моделью. В README не приведены отдельные сведения о качестве, языковом охвате или специализированных сценариях применения. Лицензия в предоставленных данных не указана.

Fischerboot создал объединённую методом SLERP модель на основе TheDrummer/Llama-3SOME-8B-v1 и ResplendentAI/Aura_Uncensored_l3_8B с помощью mergekit. Это плотная авторегрессионная Llama-модель с архитектурой LlamaForCausalLM, предназначенная для генерации текста и диалогов, включая ролевые сценарии. Веса представлены в формате safetensors; размер модели — 7,5 млрд параметров, длина контекста — 24 576 токенов. Модель рассчитана на англоязычные текстовые запросы и выдаёт текст. Ограничения и условия лицензии в предоставленных данных не описаны.

Llama-4-Scout-17B-16E-Instruct — мультимодальная инструкционная модель Meta, опубликованная на Hugging Face организацией RedHatAI. Она построена на авторегрессионной архитектуре Llama 4 с механизмом смеси экспертов (MoE): 17 млрд параметров и 16 экспертов. Модель принимает текст и изображения и предназначена для диалогов, визуального анализа и рассуждений по изображениям. Модель подходит для ответов на вопросы об изображениях, их описания и распознавания визуальных деталей, а также для многоязычного общения. Заявлена поддержка арабского, немецкого, английского, испанского, французского, хинди, индонезийского, итальянского, португальского, тайского, тагальского и вьетнамского языков. Модель протестирована для понимания до пяти входных изображений; для большего числа изображений требуется дополнительная проверка. В README также отмечены возможные риски ошибочных или небезопасных ответов и необходимость учитывать лицензионные ограничения. Модель распространяется по пользовательской коммерческой лицензии Llama 4 Community License Agreement. Карточка сообщает о проверке в RHOAI 2.20, RHAIIS 3.0 и RHELAI 1.5.

kevin009/llamamath11 — дообученная разработчиком kevin009 плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 7,5 млрд параметров. Модель основана на kevin009/llamamathv8; для обучения использовались Unsloth и библиотека Hugging Face TRL. Модель предназначена для генерации текста и диалогов на английском языке. Она принимает текст и выдаёт текст, поддерживает контекст длиной до 8192 токенов. Репозиторий содержит веса в формате Safetensors; лицензия — Apache-2.0. README не уточняет специализацию по математике, поэтому её нельзя надёжно определить по доступным сведениям.

Карточка модели NiuTrans/LMT-60-0.6B-Base 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 qwerfcds/LMT-60-1.7B 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.

MasherAI-2B-v0.1 — языковая модель mahiatlinux для генерации текста и диалогов, дообученная на базе unsloth/gemma-2b-bnb-4bit с помощью Unsloth и библиотеки Hugging Face TRL. Это плотная авторегрессионная модель семейства Gemma с архитектурой GemmaForCausalLM и 2,5 млрд параметров. Она принимает текст и генерирует текст, а её контекстное окно составляет 8192 токена. Модель опубликована в форматах PyTorch и safetensors и распространяется по лицензии Apache-2.0. Модель подходит для текстовых диалогов и генерации ответов на английском языке. Карточка не описывает конкретную специализацию, обучающие данные или результаты оценки качества, поэтому пригодность для узких задач следует проверять отдельно.

Melinoe-Qwen3-8-27B-VL-i1-GGUF — это квантизированная в формате GGUF версия мультимодальной модели bgg1996/Melinoe-Qwen3-8-27B-VL. Квантизацию выполнил spiritfather с использованием importance matrix (imatrix), которая распределяет точность с учётом важности параметров. Модель предназначена прежде всего для генерации текста, творческого письма и ролевого взаимодействия; её также можно использовать для работы с изображениями. Модель относится к семейству Qwen3 и имеет размер 8–27B согласно идентификатору и базовой модели README. Указана поддержка английского языка. Для текстового режима достаточно одного GGUF-файла выбранной квантизации. Для мультимодальной работы требуется дополнительный vision-проектор mmproj-Melinoe-Qwen3-8-27B-VL-BF16.gguf. Размеры доступных вариантов составляют примерно от 10,9 до 22,4 ГБ; доступны уровни Q2–Q6 и IQ-квантизации. README не указывает размер контекстного окна и точную архитектуру. Сильной стороной являются варианты imatrix-квантизации, которые, по данным автора, особенно улучшают качество низкобитных вариантов IQ1–IQ4 по сравнению с обычными квантизациями аналогичного размера. Вариант Q4_K_M отмечен как быстрый и рекомендуемый, а Q4_K_S — как оптимальный по сочетанию размера, скорости и качества. Ограничения включают зависимость мультимодального режима от отдельного vision-проектора, значительный объём файлов и отсутствие подробных сведений о качестве на общих задачах, контекстном окне и поддерживаемых языках помимо английского. Модель распространяется по лицензии Apache-2.0.

mhm-7b-v1.3-DPO-1 — экспериментальная диалоговая языковая модель на архитектуре Mistral, опубликованная пользователем h2m. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и рассчитана на контекст до 32 768 токенов. Модель дообучена методом DPO на наборе Intel/orca_dpo_pairs. В её основе mhm-7b-v1.3; автор также сообщает о создании результата с помощью dare_ties и слиянии нескольких моделей. Она предназначена для генерации текста в диалоговом формате. Репозиторий содержит веса Safetensors. Лицензия — Apache-2.0. Автор обозначает модель как эксперимент; сведений о конкретных языковых ограничениях или оценке качества в карточке нет.

Mistral-Depth-UP-Scaled-9B — авторегрессионная причинно-языковая модель, созданная путём объединения двух дообученных моделей Mistral 7B. Она предназначена для генерации текста и может использоваться в сценариях продолжения текста и диалоговой генерации. Модель содержит 8,9 млрд параметров, использует плотную архитектуру Mistral и поддерживает контекст длиной до 32 768 токенов. В метаданных указаны английский и французский языки. Модель распространяется в формате safetensors под лицензией Apache-2.0. В карточке заявлены планы опубликовать бенчмарки, но результатов оценки пока нет; поэтому качество и сравнительные преимущества модели по доступным данным определить нельзя.