III.5Управление персоналом и организацией

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.

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.

Thanos-3B — диалоговая языковая модель из серии Thanos, разработанной Young-Jun Lee и обученной поверх LLaMA 3.2 3B. Она предназначена для общих разговорных агентов: обучение на наборе Multifaceted Skill-of-Mind призвано сделать ответы более похожими на человеческие. Модель содержит 3,2 млрд параметров, использует плотную архитектуру Llama и принимает текст, генерируя текст; поддерживает контекст до 131 072 токенов. В карточке указан английский язык, а метаданные отмечают возможности чата и интерфейс вызова инструментов. Модель можно применять для ведения диалогов, ответов в разговорных интерфейсах и генерации текста. Она является дообучением meta-llama/Llama-3.2-3B-Instruct и распространяется в формате Safetensors по лицензии CC BY-NC 4.0, которая запрещает коммерческое использование. Авторы указывают исследовательское назначение модели.

Athena-v4 — экспериментальная текстовая модель семейства Llama, опубликованная IkariDev. Репозиторий содержит веса FP16; модель использует шаблон Alpaca и предназначена для генерации текста в ролевых сценариях, ERP и задачах общего характера. Модель размером 12,9 млрд параметров создана слиянием Athena-v3, Xwin-LM-13B-V0.1, PsyMedRP-v1-13B, Thespis-13b-v0.2 и airoboros-l2-13b-3.0. Максимальная длина контекста — 4096 токенов. Для модели также упомянуты сторонние сборки GGUF, GPTQ, EXL2 и AWQ, но этот репозиторий содержит FP16-веса. Автор подчёркивает экспериментальный характер модели, поэтому качество ответов может быть нестабильным. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства и запрещающая коммерческое применение.

Dixtral — модель распознавания речи, разработанная группой BUT Speech@FIT Брненского технического университета. Она сочетает речевую модель Voxtral-Mini-3B-2507 с энкодером DiCoW v3 large, учитывающим информацию о диаризации, чтобы распознавать речь целевого говорящего в многоголосых записях. Модель предназначена для транскрибации разговоров и записей совещаний с несколькими участниками. Для ответов на вопросы по аудио разработчики рекомендуют отдельную модель Dixtral_QA. Модель дообучена на NOTSOFAR-1, AMI Meeting Corpus и LibriMix/LibriSpeechMix; опубликована в формате safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0.

appvoid/palmer-005 — небольшая языковая модель семейства Palmer, разработанная appvoid для преобразования текста по инструкциям. Она дообучена на appvoid/graphite-004 и предназначена для переписывания и перефразирования, переноса тона, исправления грамматики и стиля, а также других текстовых правок. В карточке указано около 90 млн параметров, тогда как метаданные Hugging Face указывают 60,8 млн; контекстное окно по метаданным — 262 144 токена. Модель построена на Falcon H1 и доступна в формате safetensors для Transformers. Автор сообщает об обучении примерно на миллионе примеров и приводит собственную оценку набора из 100 задач редактирования; результаты получены с квантизацией q8_0, но детали методики и полный состав сравнения ограничены. Модель ориентирована на эксперименты на маломощных устройствах и не проверялась как универсальный чат-ассистент. Для частного использования автор разрешает коммерческое применение при указании модели; компаниям для коммерческого использования требуется получить лицензию у автора.

Sakana Namazu — специализированная модель рассуждений от Sakana AI, созданная на основе Kimi K2.6 и дополнительно обученная для работы с японским языком и деловыми контекстами. Она предназначена для выполнения инструкций на японском языке и решения задач, требующих рассуждений. Модель ориентирована на японские деловые сценарии. Данных о её архитектуре, размере, контекстном окне, лицензии и конкретных ограничениях в предоставленных источниках нет.

trinhkhng/ties_Merged_gpt2-large_0.2 — объединённая языковая модель на основе GPT-2 Large, созданная автором репозитория методом TIES с помощью mergekit. В слиянии использованы предварительно обученная модель /kaggle/working/gpt2-large и модель /kaggle/working/debias_gpt2-large; токенизатор взят из базовой модели. Архитектура — GPT2LMHeadModel, плотная авторегрессионная модель для генерации текста; веса сохранены в формате safetensors. Модель предназначена для продолжения текста и других сценариев генерации на основе текстового контекста. В карточке указана длина контекста 1024 токена. README описывает слияние с моделью debias_gpt2-large, однако не приводит оценок качества или подробностей о том, как именно проявляется снижение смещений. Для использования доступны сведения о библиотеке Transformers; лицензия в предоставленных данных не указана, поэтому условия распространения следует проверять в карточке репозитория Hugging Face.

Hemmingway-1-heretic — англоязычная чат-модель для повседневного письма, художественных текстов и ролевых сценариев. Её выпустил Richard Young / DeepNeuro как версию Altworld/Hemmingway-1, обработанную методом abliteration с Heretic v2.0.0.dev0: этот метод изменяет веса, чтобы уменьшить склонность модели отказывать в ответах, без повторного обучения. Модель содержит 22,3 млрд параметров по метаданным; README исходной карточки указывает 27 млрд. Архитектура — плотная Qwen3.5-текстовая, формат весов — Safetensors, контекст — до 262 144 токенов. Модель предназначена для составления сообщений и писем, художественного письма и ролевых диалогов. Карточка сообщает, что в тесте отказов Heretic-версия отказала в 4 из 100 запросов против 89 из 100 у исходной модели; это характеристика конкретной оценки, а не гарантия поведения. Указаны чат-возможности и английский язык. Лицензия CC BY-NC 4.0 разрешает использование только на некоммерческих условиях; модель может отвечать на запросы, которые исходная версия отклоняла.

linear_Merged_gpt2-small_0.1 — объединённая языковая модель на архитектуре GPT-2, созданная с помощью mergekit. В слиянии использованы предварительно обученная модель gpt2-small с весом 0,9 и её вариант gpt2-small_debias с весом 0,1; токенизатор взят из gpt2-small. Модель предназначена для генерации текста по текстовому контексту. Модель использует плотную архитектуру GPT2LMHeadModel, распространяется в формате safetensors и имеет контекст длиной до 1024 токенов. Веса представлены как линейное слияние исходных моделей с нормализацией. Карточка не описывает отдельные прикладные области или подтверждённые показатели качества. Лицензия в предоставленных данных не указана.

QuietImpostor/Llama-3.1-Mini-Instruct — разговорная языковая модель на архитектуре Llama, созданная автором репозитория на основе LoRA-дообучения Llama 3.1 Mini. В метаданных указано 2,5 млрд параметров, контекст до 131 072 токенов и поддержка английского языка. Модель предназначена для генерации текста в диалоговом формате и чат-сценариев. Базовая Llama 3.1 Mini описана как обрезанная версия Llama 3.1 8B. Для её обучения использовались данные, созданные с помощью Claude 3 Opus и Claude 3.5 Sonnet, синтетические диалоги с Gemma 2 9B и Llama 3 70B, а также Guanaco. Репозиторий содержит веса в формате safetensors. Лицензия — Apache 2.0. Модель может наследовать предубеждения обучающих данных. README не приводит результатов оценки качества или подробностей о составе дополнительного LoRA-дообучения, поэтому пригодность для конкретных задач следует проверять отдельно.

osllmai-community/Llama-3.2-1B — производная текстовая модель семейства Llama, опубликованная в рамках программы Community Model на osllm.ai. По данным карточки, osllm.ai не является создателем модели; автором выступает сторонний разработчик. Модель основана на meta-llama/Llama-3.2-1B и дообучена для генерации текста. Она содержит 1,2 млрд параметров, использует плотную архитектуру LlamaForCausalLM и распространяется в формате safetensors для библиотеки Transformers. Длина контекста составляет 131 072 токена. Модель предназначена для генерации текста по текстовому запросу и может служить компактной основой для локальных приложений, работающих на подходящем оборудовании. В метаданных указан английский язык. Лицензия — Llama 3.2. Карточка не описывает конкретные данные и методы дообучения или специальные возможности модели, поэтому её качество для узких задач по этим сведениям оценить нельзя.

JefiRyan/Llama-3.2-3B — дообученная JefiRyan языковая модель семейства Llama 3.2 для генерации текста. Она основана на unsloth/Llama-3.2-3B-bnb-4bit и имеет 3,2 млрд параметров; в карточке указан контекст длиной до 131 072 токенов. Модель обучалась с использованием Unsloth и библиотеки Hugging Face TRL. Модель предназначена для генерации текста по текстовому запросу. В метаданных указан английский язык. Лицензия — Apache-2.0. Карточка не описывает специализацию дообучения и конкретные преимущества модели, поэтому её пригодность для узких задач следует оценивать отдельно.

PolyLM-Multialpaca — языковая модель на 13 млрд параметров, дообученная на PolyLM-13B с помощью набора инструкций Multialpaca. Она предназначена для генерации текста по запросам и выполнения простых инструкций, в том числе на нескольких языках. В метаданных указаны архитектура GPT-2, библиотека PyTorch и контекст до 2048 токенов. Модель может служить основой для простых помощников, генерации черновиков и ответов на одношаговые запросы. Карточка предупреждает о возможных галлюцинациях и токсичных ответах, а также отмечает слабую поддержку многоходового диалога и понимания контекста. Лицензия — Apache 2.0; перед применением рекомендуется отдельно оценить безопасность и справедливость для конкретного сценария.

ruGPT-Neo 1.3B — предварительно обученная плотная трансформерная языковая модель семейства GPT-Neo, построенная на репликации архитектуры GPT-3 от EleutherAI и опубликованная AlexWortega. Модель содержит около 1,5 млрд параметров и предназначена для генерации продолжения текста; её можно запускать через библиотеку Transformers. Модель ориентирована на русский язык. В метаданных указаны датасеты Wikipedia и IlyaGusev/gazeta. Длина контекста составляет 2048 токенов. Репозиторий содержит веса PyTorch, лицензия — MIT. Возможные сценарии включают генерацию черновиков и продолжение русскоязычных текстов; качество конкретных ответов README не оценивает.

Qwen-Plus — языковая модель семейства Qwen, разработанная командой Qwen и основанная на фундаментальной модели Qwen2.5. Она предназначена для генерации текста в сценариях, где важен баланс качества ответов, скорости и стоимости. Модель поддерживает контекст длиной до 131 тысяч токенов, что позволяет работать с длинными запросами и большими текстовыми материалами. В доступных сведениях не описаны конкретные языки, точный размер модели и условия лицензии.

Это объединённая модель для генерации текста, созданная слиянием mistralai/Mistral-7B-Instruct-v0.2 и cognitivecomputations/dolphin-2.0-mistral-7b методом SLERP. Модель построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров. Модель предназначена для диалога и выполнения инструкций в текстовом формате. Контекст составляет до 32 768 токенов, что позволяет использовать её для многошаговых бесед и работы с длинными текстовыми запросами. В карточке указаны формат safetensors и лицензия Apache-2.0.

Gemma 2 27B IT — инструктивно дообученная текстовая языковая модель Google из семейства Gemma 2. Это декодерная трансформерная модель с открытыми весами, предназначенная для диалога и генерации текста по инструкциям. В репозитории указаны формат safetensors и библиотека Transformers; модель основана на google/gemma-2-27b. Модель подходит для ответов на вопросы, суммаризации, диалоговых помощников, создания текстов и рассуждений по заданному контексту. В карточке семейство описано как англоязычное; модель принимает текст и генерирует текст. Размер модели составляет 27 млрд параметров. Ответы могут содержать фактические ошибки и отражать предвзятости обучающих данных; модель может испытывать трудности с тонкими языковыми нюансами и сложными открытыми задачами. Условия лицензии Gemma определяются лицензией Google Gemma; перед использованием следует ознакомиться с её условиями и политикой допустимого применения.

Gemma 1.1 7B IT — инструктивно дообученная текстовая языковая модель Google из семейства Gemma, созданного на основе исследований и технологий Gemini. Это декодерная модель с открытыми весами, рассчитанная на диалог и генерацию текста по инструкциям; её можно запускать на компьютере или в собственной облачной инфраструктуре. Модель подходит для ответов на вопросы, суммаризации, рассуждений, создания текстов и разговорных интерфейсов. В карточке семейства указана поддержка английского языка. Относительно компактный размер облегчает развёртывание при ограниченных вычислительных ресурсах, однако конкретный объём параметров и длина контекста в предоставленных данных не приведены. Ответы могут содержать фактические ошибки, отражать смещения обучающих данных и не учитывать тонкие языковые нюансы; качество также зависит от формулировки запроса и контекста. Для Gemma действует лицензия Gemma; при использовании следует соблюдать её условия и политику запрещённого использования Google.

cloudyu/Meta-Llama-3-70B-Instruct-DPO — чат-модель на архитектуре Llama, созданная на основе meta-llama/Meta-Llama-3-70B-Instruct с применением DPO-дообучения по jondurbin/truthy-dpo-v0.1. Она предназначена для генерации ответов в диалоге и других текстовых сценариев с инструкциями. Модель содержит 69,5 млрд параметров, принимает текст и имеет контекст длиной до 8192 токенов. Веса доступны в формате safetensors. Лицензия — Apache-2.0.

Карточка модели Dido599999/MD1RoBoTs-Gemma2-27B на Hugging Face совпадает с карточкой google/gemma-2-27b-it, поэтому описание составлено по ней. Gemma 2 27B IT — инструктивно дообученная текстовая языковая модель Google из семейства Gemma 2. Это декодерная трансформерная модель с открытыми весами, предназначенная для диалога и генерации текста по инструкциям. В репозитории указаны формат safetensors и библиотека Transformers; модель основана на google/gemma-2-27b. Модель подходит для ответов на вопросы, суммаризации, диалоговых помощников, создания текстов и рассуждений по заданному контексту. В карточке семейство описано как англоязычное; модель принимает текст и генерирует текст. Размер модели составляет 27 млрд параметров. Ответы могут содержать фактические ошибки и отражать предвзятости обучающих данных; модель может испытывать трудности с тонкими языковыми нюансами и сложными открытыми задачами. Условия лицензии Gemma определяются лицензией Google Gemma; перед использованием следует ознакомиться с её условиями и политикой допустимого применения.

Карточка модели alexakkol/mistral-7B-instruct-v0.2 на Hugging Face совпадает с карточкой MaziyarPanahi/Mistral-7B-Instruct-v0.2, поэтому описание составлено по ней. MaziyarPanahi/Mistral-7B-Instruct-v0.2 — инструктивно дообученная версия языковой модели Mistral-7B-v0.2, опубликованная Maziyar Panahi на основе модели Mistral AI. Это плотная авторегрессионная модель архитектуры Mistral с 7,1 млрд параметров, рассчитанная на диалог и выполнение инструкций. Она принимает текстовые запросы в формате Mistral Instruct и генерирует текстовые ответы; поддерживает контекст до 32 768 токенов. Модель подходит для чат-ботов, ответов на вопросы, создания и редактирования текстов и других сценариев генерации текста. В README говорится, что версия Instruct служит демонстрацией возможностей дообучения базовой модели. Карточка предупреждает, что у модели нет встроенных механизмов модерации, поэтому сгенерированные ответы могут требовать дополнительной проверки. Модель распространяется под лицензией Apache-2.0.

Mistral-Instruct-Orca-Slerp — диалоговая языковая модель, созданная слиянием моделей Mistral AI и Open-Orca методом slerp с помощью mergekit. В основе — mistralai/Mistral-7B-Instruct-v0.2 и Open-Orca/Mistral-7B-OpenOrca; модель имеет архитектуру MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста в диалоге и выполнения инструкций. Она принимает текст и выдаёт текст; карточка не сообщает о специализации на конкретном языке или предметной области. Распространяется в формате safetensors по лицензии Apache-2.0.

Sakalti/Neptuno-Alpha — объединённая языковая чат-модель на архитектуре Qwen2, созданная с помощью mergekit методом TIES. В качестве базовой модели использована Sakalti/Neptuno-3B, а в объединении также участвовала bunnycore/Qwen2.5-3B-RP-Mix. Модель содержит 3,1 млрд параметров, распространяется в формате safetensors и рассчитана на контекст до 32 768 токенов. Модель предназначена для диалогов и генерации текста, включая ответы на запросы и следование инструкциям. Она принимает текст и выдаёт текст; в метаданных также указаны возможности чата и интерфейс вызова инструментов. В карточке указана лицензия other, поэтому условия использования следует сверять с лицензией и условиями исходных моделей.

MaziyarPanahi/Mistral-T5-7B-v1-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель, созданная слиянием методом SLERP моделей mistralai/Mistral-7B-Instruct-v0.2 и ignos/Mistral-T5-7B-v1. Архитектура MistralForCausalLM, плотная модель на 7,1 млрд параметров; принимает текст и генерирует текст, поддерживает диалоговый режим и контекст до 32 768 токенов. Модель предназначена для генерации текста и ответов на инструкции в диалоговых сценариях. Базовая Mistral-7B-Instruct-v0.2 и конфигурация слияния указаны в карточке модели; метаданные указывают формат safetensors. Доступна по лицензии Apache-2.0. Языковые характеристики отдельно не описаны.

WizardLM-13B-V1.2 — полноразмерная текстовая модель с архитектурой Llama, разработанная командой WizardLM и обученная на базе Llama 2 13B. Модель предназначена для генерации ответов на инструкции и многоходового диалога; в карточке приведён шаблон общения в стиле Vicuna. Число параметров — 12,9 млрд, контекст — 4096 токенов. Модель подходит для диалоговых помощников, ответов на вопросы и выполнения сложных текстовых инструкций. В README приведены результаты внутренних оценок MT-Bench, AlpacaEval и WizardLM Eval; авторы отмечают, что тестирование выполнялось самостоятельно и результаты ожидали проверки. Репозиторий содержит веса PyTorch. Лицензия — Llama 2 License.

Calliope-7b — объединённая языковая модель на архитектуре Mistral, созданная автором репозитория с помощью mergekit. В основе слияния лежит mistralai/Mistral-7B-v0.1; также объединены веса четырёх моделей, включая OpenChat, Starling-LM и OmniBeagleSquaredMBX. Модель содержит 7,1 млрд параметров и принимает текст для авторегрессионной генерации текста. Модель предназначена для текстовых запросов и генерации ответов в сценариях, где нужна универсальная языковая модель. Заявленная длина контекста — 32 768 токенов. Репозиторий предоставляет веса в формате safetensors. Сведения о лицензии и конкретных ограничениях качества в предоставленных данных отсутствуют.

Experiment28T3q_Experiment24Experiment28 — объединённая модель генерации текста, созданная путём слияния моделей automerger/Experiment28T3q-7B и automerger/Experiment24Experiment28-7B. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров; для генерации текста поддерживает контекст до 32 768 токенов. Модель может применяться для диалогов, написания черновиков и продолжения текста. Репозиторий содержит веса в формате safetensors. Лицензия — Apache 2.0.

flammen6-mistral-7B — языковая модель на базе архитектуры Mistral, созданная flammenai слиянием SLERP через mergekit моделей Nous-Hermes-2-Mistral-7B-DPO и flammen5-mistral-7B. Модель содержит 7,1 млрд параметров, предназначена для генерации текста и диалогового взаимодействия по инструкциям; доступна в формате safetensors и использует библиотеку Transformers. Контекстное окно составляет 32 768 токенов. Модель подходит для чат-ботов, написания и преобразования текста, а также ответов на запросы в диалоге. В карточке не приведены сведения о специальных доменах или подтверждённых языках. Распространяется по лицензии Apache-2.0.

Gemma 2 27B — текстовая авторегрессионная языковая модель семейства Gemma, разработанного Google с использованием исследований и технологий, применявшихся при создании Gemini. Модель доступна с открытыми весами и предназначена для генерации текста; семейство Gemma включает предварительно обученные и настроенные для следования инструкциям варианты. В репозитории указаны формат safetensors и библиотека Transformers. Модель подходит для ответов на вопросы, суммаризации, диалоговых интерфейсов, создания текстов и рассуждений по чётко сформулированным запросам. В README заявлена поддержка английского языка; конкретные размер контекстного окна и число параметров здесь не приведены. Открытые веса позволяют запускать модель на собственном оборудовании или в облачной инфраструктуре. Ограничения включают возможные фактические ошибки, предвзятость, трудности с неоднозначностью, тонкими языковыми нюансами и сложными открытыми задачами. Лицензия — Gemma; перед использованием следует соблюдать условия лицензии и политику допустимого использования Gemma.