III.5Управление персоналом и организацией

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 7B Magnite Finetuned — языковая модель Waadarsh, дообученная на основе Mistral-7B-v0.1. Она предназначена для генерации текста и диалогового общения на английском языке. Модель имеет плотную архитектуру MistralForCausalLM с 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель распространяется в формате safetensors и рассчитана на использование с библиотекой Transformers. Лицензия — Apache License 2.0. Для загрузки модели требуется Transformers версии 4.34.0 или новее.

Mistral-dolphin-2.8-grok-instract-2-7B-slerp — объединённая модель на архитектуре Mistral, созданная nasiruddin15 с помощью LazyMergekit методом SLERP из Mistral-grok-instract-2-7B-slerp и dolphin-2.8-mistral-7b-v02. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста и диалоговое взаимодействие; её контекстное окно составляет 32 768 токенов. Репозиторий включает веса в форматах Safetensors и GGUF. В метаданных заявлен английский язык, а лицензия — Apache-2.0. Модель может быть полезна для чат-ботов и генерации ответов, однако README не содержит оценок качества, подробных рекомендаций по использованию или описания ограничений унаследованных моделей.

mistral-nemo-gutenberg-12B-v3 — диалоговая языковая модель, опубликованная nbeerbower. Она дообучена на базе intervitens/mini-magnum-12b-v1.1 на датасете jondurbin/gutenberg-dpo-v0.1 в течение трёх эпох с использованием A100 в Google Colab. В README также упоминается ORPO, однако описание метода содержит противоречие: в нём сказано «Fine-tune Llama 3», тогда как метаданные и указанная базовая модель связывают чекпойнт с Mistral. Модель предназначена для генерации текста и диалоговых ответов. Это плотная архитектура MistralForCausalLM с 12,1 млрд параметров; заявленная длина контекста — 1 024 000 токенов. Репозиторий содержит веса в формате safetensors. Метаданные указывают лицензию Apache-2.0. В README приведены результаты Open LLM Leaderboard: среднее значение 19,06, IFEval — 21,83 и BBH — 34,96; условий оценки и дополнительных подробностей карточка не сообщает.

CultriX/MistralTrix-v1 — языковая модель, созданная автором CultriX на основе zyh3826/GML-Mistral-merged-v1 и дообученная методом Direct Preference Optimization (DPO) с LoRA. Она предназначена для генерации текста и диалоговых ответов; автор сообщает о тестировании на нескольких бенчмарках, включая ARC, HellaSwag, MMLU и GSM8K, но не приводит методику независимой проверки результатов. Модель имеет плотную архитектуру MistralForCausalLM примерно на 8,9 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. В карточке указана поддержка английского языка. Модель распространяется в формате Safetensors по лицензии Apache-2.0; автор также описывает самостоятельно подготовленные варианты GGUF, однако метаданные подтверждают только Safetensors.

MixtralOrochi8x7B-Alt — языковая модель на архитектуре Mixtral, созданная автором smelborp путём объединения нескольких моделей, включая Mixtral Instruct, Noromaid и OpenBuddy, с помощью mergekit и метода DARE. Модель предназначена для генерации текста и диалогов с широким охватом тем; в карточке заявлен акцент на развёрнутые ответы без встроенных ограничений по содержанию. Модель использует архитектуру Mixture of Experts, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В метаданных указан английский язык. Репозиторий содержит веса в формате safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но не для коммерческих целей. Из-за заявленного отсутствия ограничений модель может генерировать неподходящий или вредоносный контент; для пользовательских сценариев следует предусмотреть собственную модерацию. Авторские заявления о высокой интеллектуальности не сопровождаются в карточке результатами оценки качества.

MixtureofMerges-MoE-4x7bRP-v11 — языковая модель класса Mixtral с архитектурой Mixture of Experts, созданная jsfs11 объединением четырёх моделей с помощью LazyMergekit. Она предназначена для генерации текста и диалогового, в том числе ролевого, общения. В состав объединения входят RP_Vision_7B, DaturaCookie_7B, BioMistral-DARE-NS и Mistral-7B-Instruct-v0.3; каталог указывает 7,1 млрд параметров и контекст до 32 768 токенов. Модель принимает текст и выдаёт текст. В README заявлено объединение моделей, связанных с ролевым общением и анализом изображений, однако метаданные определяют основную задачу как text-generation и не подтверждают поддержку изображений самой этой модели. Лицензия — Apache-2.0.

Typeform разработала MobileBERT, дообученную на наборе Multi-Genre Natural Language Inference (MNLI) для классификации без примеров. Модель сопоставляет текст с заданными пользователем категориями и оценивает, какая из них лучше подходит; её можно применять для разметки текстов по произвольному набору меток без отдельного обучения на этих метках. Это англоязычная модель семейства MobileBERT с архитектурой MobileBertForSequenceClassification и 59,7 млн параметров. Она принимает текст, поддерживает контекст длиной до 512 токенов и выдаёт оценки классов. Веса доступны в форматах PyTorch и Safetensors. Модель может воспроизводить вредные стереотипы о защищённых группах и социальных характеристиках, поэтому результаты требуют проверки. В карточке указано, что для лицензии нужно уточнение; условия использования по имеющимся данным определить нельзя.

zelk12/MT1-Gen5-BB-gemma-2-S4Av4d-9B — слитая модель генерации текста на базе архитектуры Gemma 2, созданная с помощью mergekit методом SLERP из allknowingroger/Gemmaslerp4-10B и lemon07r/Gemma-2-Ataraxy-v4d-9B. Это плотная языковая модель с 9 млрд параметров, рассчитанная на диалоговую генерацию текста и творческое письмо. Она принимает текст и генерирует текст; заявленная длина контекста — 8192 токена. Модель подходит для создания историй, продолжения текстов, диалогов и других сценариев генерации. В карточке указаны формат safetensors и библиотека Transformers. Лицензия и сведения о языковой поддержке в предоставленных данных отсутствуют.

zelk12/MT2-BB-gemma-2-RGDv0.1RAt0.25v0.1-9B — объединённая языковая модель на базе Gemma 2, созданная с помощью mergekit методом SLERP из двух моделей: zelk12/recoilme-gemma-2-Ataraxy-9B-v0.1-t0.25 и zelk12/recoilme-gemma-2-Gutenberg-Doppel-9B-v0.1. Модель содержит 9 млрд параметров, использует архитектуру Gemma2ForCausalLM и формат safetensors; библиотека для работы — Transformers. Модель предназначена для генерации текста и диалоговых сценариев: она принимает текстовые запросы и формирует текстовые ответы. Контекстное окно составляет 8192 токена. В карточке не приведены специальные прикладные области или сведения о поддерживаемых естественных языках. Лицензия в предоставленных источниках не указана.

zelk12/MT2-gemma-2-9B — объединённая conversational-модель на базе Gemma 2, созданная zelk12 с помощью mergekit. Веса двух моделей, zelk12/MT2-MMMAGMU-gemma-2-9B и zelk12/MT2-IB-gemma-2-9B, объединены методом SLERP с параметром t=0,5; конфигурация указывает формат bfloat16. Модель имеет плотную архитектуру Gemma2ForCausalLM, около 9 млрд параметров и контекст до 8192 токенов. Модель предназначена для генерации текста в диалоге: она принимает текстовые запросы и выдаёт текстовые ответы. В README приведены результаты Open LLM Leaderboard, включая IFEval и BBH; данных о специализированной предметной области или поддерживаемых языках карточка не сообщает. Репозиторий содержит веса safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

zelk12/MT3-Gen4-GBMUI-gemma-2-9B — объединённая методом SLERP модель для генерации текста и диалогов, созданная автором репозитория с помощью mergekit на основе двух моделей Gemma 2. Она построена на плотной архитектуре Gemma2ForCausalLM, содержит 9 млрд параметров и рассчитана на контекст до 8192 токенов. Модель предназначена для диалогового взаимодействия и генерации текста; поддержка русского или других конкретных языков в карточке не подтверждена. Файлы опубликованы в формате safetensors, библиотека — Transformers. Лицензия в предоставленных данных не указана.

zelk12/MT-Merge5-GP-gemma-2-MTg5MT4g5-9B — объединённая модель для генерации текста и диалогового общения, созданная с помощью mergekit. Она объединяет две предварительно обученные модели Gemma 2: zelk12/MT-Gen5-gemma-2-9B и zelk12/MT4-Gen5-gemma-2-9B методом SLERP. Модель имеет плотную архитектуру Gemma 2 с 9 млрд параметров и контекст длиной до 8192 токенов; для работы с ней указана библиотека Transformers, веса представлены в формате safetensors. Модель предназначена для генерации ответов и ведения диалогов на основе текстовых запросов. README не приводит результатов оценки качества, конкретных языков или специализированных областей применения, поэтому такие свойства нельзя подтвердить по имеющимся данным. Условия лицензирования в предоставленных источниках не описаны.

Multilingual Zero-Shot Classifier small — модель Horizon Labs для классификации текста по произвольным категориям без отдельного обучения на этих категориях. Это дообученная на задачах распознавания текстового следования модель семейства ModernBERT на базе jhu-clsp/mmBERT-small; она насчитывает 140,5 млн параметров. Модель принимает текст и сравнивает его с формулировками кандидатных меток, оценивая, следует ли гипотеза из текста. Также поддерживается NLI-сценарий с парой текстов. Модель рассчитана на классификацию тем, намерений, тональности и других категорий на более чем 30 языках. В карточке заявлено окно контекста до 8192 токенов, хотя дообучение проводилось на последовательностях длиной до 1024 токенов. Метки и шаблоны гипотез на английском языке обычно дают лучшие результаты, но можно использовать формулировки на языке исходного текста. В репозитории доступны веса Safetensors и ONNX для запуска, в том числе на CPU и в браузере. Точность зависит от формулировок меток и шаблона: широкие категории могут выигрывать у узких, а близкие по смыслу классы — смешиваться. На языках с меньшим объёмом обучающих данных качество ниже; для некоторых англоязычных задач специализированные модели могут быть точнее. Обучение включает синтетические и машинно переведённые данные. Лицензия — Apache-2.0; карточка заявляет, что использованные данные допускают коммерческое применение.

NeuralBeagle-11B-truthy — диалоговая языковая модель семейства Mistral, опубликованная vicgalle. Она создана слиянием моделей через mergekit на основе vicgalle/franken-Beagle-11B, а затем дообучена методом DPO на наборе предпочтений jondurbin/truthy-dpo-v0.1. Модель содержит 10,6 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста в диалоге: она может формулировать ответы и продолжать текстовые беседы. В README приведены результаты оценок на AI2 Reasoning Challenge и HellaSwag. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. В карточке не заявлена поддержка конкретных естественных языков или специализированных предметных областей. Результаты бенчмарков не гарантируют качество на пользовательских задачах; документация не описывает отдельные ограничения применения.

NeuralTurdusVariant1-7B — разговорная языковая модель на архитектуре Mistral, созданная BarryFutureman путём слияния моделей mlabonne/NeuralBeagle14-7B и udkai/Turdus с помощью MergeKit. Она предназначена для генерации текста и диалоговых сценариев на английском языке. Модель содержит 7,1 млрд параметров, принимает текст и выдаёт текст. Заявленная длина контекста — 32 768 токенов; веса опубликованы в формате safetensors. Репозиторий распространяется по лицензии Apache-2.0.

OGNO-7B — языковая модель, созданная автором paulml слиянием двух моделей Mistral с помощью LazyMergekit: liminerity/Omningotex-7b-slerp и eren23/dpo-binarized-NeutrixOmnibe-7B. В карточке указано слияние методом SLERP; архитектура — плотная MistralForCausalLM, размер — 7,1 млрд параметров, контекст — до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель предназначена для генерации текста и диалоговых ответов. Её можно использовать для продолжения текста и ответов на запросы в сценариях, где подходит генеративная Mistral-модель. Данные не уточняют языковую специализацию и подробные результаты оценки качества. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение. Качество и поведение унаследованы от объединённых моделей и зависят от запроса; независимые оценки OGNO-7B в предоставленных материалах не описаны.

Atishaymint/Orvansi_Beta — дообученная Atishaymint чат-модель на архитектуре Mistral, основанная на unsloth/Mistral-Nemo-Instruct-2407-bnb-4bit. Модель содержит 12,1 млрд параметров, принимает текст и генерирует текст; заявленный контекст — до 131 072 токенов. Для обучения использовались Unsloth и библиотека TRL от Hugging Face. Модель предназначена для диалоговой генерации текста на английском языке. Её можно использовать для ответов на запросы и ведения чата. В карточке не приведены результаты оценки качества или сведения о специализации. Распространяется по лицензии Apache-2.0.

Карточка модели blepdoge/ossamai-v1 на Hugging Face совпадает с карточкой blepdoge/ossamai-v0.2-merged16, поэтому описание составлено по ней. ossamai-v0.2-merged16 — дообученная разговорная языковая модель, опубликованная blepdoge на основе unsloth/llama-3-8b-Instruct-bnb-4bit. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 7,5 млрд параметров; для обучения использовались Unsloth и библиотека TRL. Модель предназначена для генерации текста и диалоговых сценариев на английском языке с контекстом до 8192 токенов. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0.

mhmdrza9789/pegasus-samsum-summarizer — модель на архитектуре Pegasus, дообученная на наборе SAMSum на базе google/pegasus-cnn_dailymail. Она предназначена для создания кратких сводок повседневных диалогов на английском языке. Модель решает задачу суммаризации текста и доступна в формате safetensors; окно контекста составляет 1024 токена. Лицензия — MIT.

Модель munish0838 — дообученная разговорная языковая модель для генерации текста. Она создана на основе unsloth/Phi-3-mini-4k-instruct-bnb-4bit и обучалась с использованием Unsloth и библиотеки Hugging Face TRL. Модель предназначена для диалогов и генерации ответов на текстовые запросы. Модель имеет 3,7 млрд параметров, архитектуру MistralForCausalLM и контекстное окно 4096 токенов. В карточке указан английский язык. Репозиторий содержит веса в форматах PyTorch и Safetensors. Лицензия — Apache-2.0.

Карточка модели arefehRajabian/phi_finetune_microsoft_16bit на Hugging Face совпадает с карточкой arefehRajabian/phi_finetune_16bit, поэтому описание составлено по ней. Модель arefehRajabian/phi_finetune_16bit — дообученная автором arefehRajabian разговорная языковая модель для генерации текста. Она основана на unsloth/phi-4-bnb-4bit; карточка сообщает об обучении с помощью Unsloth и библиотеки TRL. В репозитории представлены веса Safetensors, размер модели — 14,1 млрд параметров, контекст — до 16 384 токенов. Модель поддерживает английский язык и предназначена для диалогового взаимодействия и генерации текста. Лицензия — Apache-2.0. Карточка не уточняет специализацию дообучения и его результаты.

Pinecone-Rune-12b — слитая автором Entropicengine модель для генерации текста на основе Mistral, созданная методом DARE TIES с помощью mergekit. Она объединяет DreadPoor/Irix-12B-Model_Stock, inflatebot/MN-12B-Mag-Mell-R1 и yamatazen/LorablatedStock-12B; размер составляет 12,1 млрд параметров. Модель предназначена для диалогов, ролевых сценариев, ответов на общие вопросы и творческого письма, сочетая скорость и компактность с возможностями базовых моделей. Модель принимает текст и генерирует текст. В метаданных указан контекст до 1 024 000 токенов; заявленные автором сильные стороны — ролевая игра, общие знания и выразительное творческое письмо. README не сообщает о поддерживаемых языках или лицензии, поэтому эти сведения здесь не уточняются.

PRP-Kosmos-EVAA-light-8B — объединённая автором jaspionjader языковая модель на архитектуре Llama с 7,5 млрд параметров. Весовые файлы представлены в формате safetensors; заявленная длина контекста — 8192 токена. Модель объединена из jaspionjader/PRP-Kosmos-EVAA-8B и jaspionjader/Kosmos-EVAA-TSN-v22-8B методом SLERP с помощью mergekit. Модель предназначена для генерации текста и разговорного взаимодействия. Её можно использовать для диалога с пользователем и генерации ответов на текстовые запросы. В предоставленных материалах нет сведений о специализированных предметных областях или поддерживаемых языках.

yangzhao02/qwen2-0.5b-sft — диалоговая модель генерации текста, дообученная на базе Qwen/Qwen2-0.5B на наборе HuggingFaceH4/ultrachat_200k. Модель использует плотную архитектуру Qwen2ForCausalLM и содержит 493,7 млн параметров; заявленная длина контекста — 131 072 токена. Модель предназначена для генерации ответов в диалогах и других текстовых сценариев, где нужна компактная модель, дообученная на инструкционных беседах. В карточке приведено значение loss 1,5269 на оценочной выборке, но подробности методики оценки и гарантии качества не указаны. Модель распространяется в формате safetensors по лицензии Apache-2.0.

ehristoforu/Qwen2-1.5b-it-chat-sp-ru — диалоговая текстовая модель семейства Qwen2, разработанная ehristoforu как дообучение ehristoforu/Qwen2-1.5b-it-chat-sp. Модель содержит 1,5 млрд параметров, использует плотную архитектуру Qwen2ForCausalLM и принимает текст для генерации продолжения или ответа в чате. Длина контекста составляет 32 768 токенов. Модель предназначена для диалоговой генерации текста. В карточке указано, что обучение выполнялось с Unsloth и библиотекой TRL; целевой язык по названию модели — русский, а среди метаданных также указан английский. Репозиторий распространяется по лицензии Apache-2.0. Карточка не сообщает о специализированной предметной области или дополнительных возможностях.

Qwen2.5-7B-Instruct-finetuned — дообученная модель JosephNguyen на базе unsloth/Qwen2.5-7B-Instruct. Это плотная авторегрессионная языковая модель семейства Qwen2 с 7,1 млрд параметров, предназначенная для диалогов и генерации текста; заявлена поддержка интерфейса вызова инструментов. Модель принимает текст и выдаёт текст, работает с английским языком и имеет контекст до 32 768 токенов. В карточке указано, что обучение проводилось с использованием Unsloth и библиотеки TRL. Конкретные специализация дообучения и результаты оценки качества не описаны, поэтому возможности базовой модели — генерация кода и структурированных ответов — не следует считать подтверждёнными характеристиками этого варианта. Распространяется по лицензии Apache-2.0.

noctrex/Qwen3-30B-A3B-Deepseek-Distill-Instruct-2507-MXFP4_MOE-GGUF — квантованная в формате MXFP4_MOE версия модели Qwen3-30B-A3B-Deepseek-Distill-Instruct-2507, опубликованная пользователем noctrex. Это разговорная модель для генерации текста и диалогового использования. Репозиторий содержит веса в формате GGUF. Модель подходит для ведения диалогов и генерации ответов на текстовые запросы. Карточка не сообщает дополнительных характеристик, сценариев применения или условий лицензии.

Qwen3-4b-feedback-one-shot — диалоговая языковая модель с архитектурой Qwen3ForCausalLM, разработанная автором репозитория VladShash. Это дообученная версия formalmathatepfl/qwen3-4b-cpt на наборе данных SFT; карточка не раскрывает состав данных или конкретную специализацию дообучения. Модель содержит 3,7 млрд параметров, работает с текстом и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. В репозитории представлены веса Safetensors для библиотеки Transformers. Лицензия указана как other, поэтому условия использования следует проверять в файлах репозитория. Подробных результатов оценки и описания известных ограничений автор не предоставил.

DavidAU публикует диалоговую модель генерации текста на архитектуре Qwen3. Это плотная причинная языковая модель на 3,7 млрд параметров, дообученная от TeichAI/Qwen3-4B-Thinking-2507-Claude-4.5-Opus-High-Reasoning-Distill и преобразованная методом Heretic для снижения числа отказов. Модель работает через Transformers и принимает контекст длиной до 262 144 токенов. Модель предназначена для диалогов и генерации ответов по запросам пользователя; автор также описывает сценарии с ролевой игрой и генерацией контента для взрослых. В README приведены результаты авторской проверки: 14 отказов из 100 и KL-дивергенция 0,01; эти показатели относятся к описанному автором тесту и не гарантируют качество на других запросах. Автор отмечает, что для более откровенного стиля иногда нужны явные инструкции. Модель позиционируется как менее склонная к отказам, поэтому может выдавать нежелательный или небезопасный контент. Данные о лицензии в предоставленных материалах отсутствуют.