III.5Управление персоналом и организацией

Qwen3-sft-feedback-one-shot-no-repair — дообученная модель на основе formalmathatepfl/qwen3-cpt, созданная с помощью SFT на датасете sft. Это плотная авторегрессионная языковая модель семейства Qwen3 с 7,6 млрд параметров, предназначенная для генерации текста в диалоговом режиме. Она принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. Модель можно применять для диалоговой генерации текста и задач, поддерживаемых базовой языковой моделью. Название указывает на настройку feedback one-shot без исправления ответа, однако README не описывает поведение или качество модели подробнее. Лицензия указана как other, поэтому условия использования следует проверять в репозитории модели.

Qwen3-8B-reas-int-065-only-loss-noprompt-3epochs-en — дообученная Петро Феррацци модель Qwen3-8B, опубликованная в формате safetensors и рассчитанная на генерацию текста в диалоговом режиме. По данным метаданных, модель содержит 7,6 млрд параметров, имеет контекст до 40 960 токенов и использует архитектуру Qwen3ForCausalLM. README не раскрывает датасет и дополнительные сведения о настройке; по названию можно предположить фокус на рассуждениях, но это не подтверждено описанием карточки. Базовая Qwen3-8B поддерживает несколько языков, однако конкретный набор языков этой версии не указан. Модель предназначена для генерации ответов и продолжения текста в чат-сценариях. Лицензия — Apache-2.0.

ReAligned-Qwen3.5-9B-GGUF — набор GGUF-квантизаций текстовой языковой модели ReAligned-Qwen3.5-9B, созданной Eric Hartford, главным научным сотрудником LazarusAI. Модель основана на Qwen3.5 и предназначена для генерации текста и диалогового взаимодействия, включая ответы на чувствительные исторические и политические вопросы. Квантизацию выполнила QuixiAI; запуск возможен через llama.cpp и совместимые приложения, включая LM Studio, KoboldCpp, Jan AI и Text Generation Web UI. Модель имеет около 9 миллиардов параметров, поддерживает английский и китайский языки и поставляется в вариантах от BF16 до различных 8-, 6-, 5-, 4- и 3-битных форматов GGUF. Рекомендуется использовать встроенный шаблон чата Qwen и системный промпт для настройки стиля, границ отказов, требований к цитированию и поведения в конкретном сценарии. Данные о размере контекста и результатах формальных оценок в карточке не указаны. Основная особенность ReAligned-Qwen3.5 — попытка снизить идеологическую цензуру, избыточные отказы и государственно-нарративную подачу, связанную с исходной моделью, сохранив её общие возможности. Это может быть полезно для исследовательских, аналитических и диалоговых задач, требующих более прямых ответов по спорным темам, однако заявленные изменения не гарантируют фактическую точность, нейтральность или отсутствие предвзятости. Квантизация уменьшает требования к дисковой памяти и позволяет запускать модель локально, но более компактные варианты могут уступать BF16 по качеству. Лицензия — Apache 2.0.

kcoopermiller/reyna-qwen-l18 — языковая модель для генерации текста и диалогов, созданная слиянием предварительно обученных моделей с помощью mergekit. В состав вошли Qwen/Qwen1.5-0.5B и aloobun/Reyna-Mini-1.8B-v0.2; применён метод passthrough, который использует слои из этих моделей по заданным диапазонам. Модель построена на архитектуре Qwen2ForCausalLM, содержит около 463,9 млн параметров и принимает текст, выдавая текст. Модель предназначена для генерации продолжений и ведения диалога. Заявленная длина контекста — 32 768 токенов. Репозиторий содержит веса в формате safetensors и предназначен для использования с библиотекой Transformers. В карточке не описаны специальные предметные области или целевые языки, поэтому модель следует считать общей языковой моделью. Лицензия в предоставленных сведениях не указана. Качество и поведение объединённых весов отдельно не охарактеризованы; карточка также не приводит результаты оценки.

SelfBioRAG-7B-DPO-Full-SFT-WO-KQA-Golden — плотная языковая модель семейства Llama с 6,6 млрд параметров, дообученная Minbyul на базе Minbyul/selfbiorag-7b-wo-kqa_golden-sft с использованием датасета HuggingFaceH4/ultrafeedback_binarized. Модель предназначена для генерации текста; карточка сообщает результаты оценки с предпочтениями ответов, но не описывает конкретные сценарии применения. Модель принимает текст и генерирует текст, а её нативный контекст составляет 4096 токенов. В репозитории указаны веса в формате safetensors. README не приводит сведения о языках, специальных возможностях или подробных ограничениях модели. Лицензия в предоставленных данных не указана.

SELM-Zephyr-7B-iter-1 — диалоговая языковая модель, дообученная разработчиком Katayoon на обновлённом и исходном наборах данных поверх Katayoon/DPO-ONLY-Zephyr-7B. Она предназначена для генерации текста в формате чата и может использоваться для ответов на вопросы и ведения диалога. Модель имеет плотную архитектуру MistralForCausalLM и 7,1 млрд параметров. Нативная длина контекста составляет 32 768 токенов; веса опубликованы в формате safetensors. Лицензия — MIT. README не приводит результатов оценки, подробностей о данных или конкретных ограничениях качества. Поэтому пригодность модели для специализированных задач и критически важных сценариев следует проверять отдельно.

sfm_filtered_e2e_alignment-0k_1k_2k_weightedavg_merge — объединённая языковая модель, созданная методом Linear merge с помощью mergekit. В качестве базового чекпойнта использована модель global_step2000, а в объединение также вошли чекпойнты global_step0 и global_step1000. Репозиторий содержит плотную авторегрессионную архитектуру GPT-NeoX с 8,8 млрд параметров и контекстом до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Данных о специализированных предметных областях или языках в карточке нет. Модель опубликована в формате safetensors и использует библиотеку Transformers. Условия лицензии в доступных сведениях не приведены.

Модель yuhengtu-bytedance/sfm_filtered_e2e_alignment-10k_11k_12k_simpleavg_merge — объединение языковых моделей, созданное с помощью mergekit методом Linear. В качестве базовой использована модель с контрольной точки global_step12040; также в объединение вошли контрольные точки global_step10000 и global_step11000 из эксперимента filtered_e2e_alignment. Это плотная авторегрессионная модель архитектуры GPT-NeoX объёмом 8,8 млрд параметров. Она предназначена для генерации текста и диалогового взаимодействия, принимает текст и выдаёт текст. Заявленная длина контекста — 16 384 токена; в репозитории используются веса Safetensors и библиотека Transformers. Карточка не сообщает о специализированных областях применения, поддерживаемых языках или результатах оценки качества. Лицензия в предоставленных данных не указана.

sfm_filtered_e2e_alignment-1k_2k_3k_simpleavg_merge — объединённая языковая модель на архитектуре GPT-NeoX, созданная методом Linear с помощью mergekit. В слияние вошли контрольные точки обучения global_step1000, global_step2000 и global_step3000; последняя указана как базовая. Модель содержит 8,8 млрд параметров и работает с контекстом до 16 384 токенов. Модель предназначена для генерации текста в диалоговом формате. В метаданных указаны библиотека Transformers и формат весов safetensors. Сведения о конкретных языках, специализированных областях и измеренных качествах в доступной карточке отсутствуют. Лицензия в предоставленных данных не указана.

sfm_filtered_e2e_alignment-1k_2k_3k_weightedavg_merge — объединённая языковая модель, созданная с помощью mergekit из контрольных точек обучения filtered_e2e_alignment на шагах 1000, 2000 и 3000. Для слияния использован линейный метод с контрольной точкой global_step3000 в качестве базовой. Модель построена на архитектуре GPT-NeoX и содержит 8,8 млрд параметров; она предназначена для генерации текста и диалогового взаимодействия, с контекстом до 16 384 токенов. Модель может служить для генерации ответов и продолжения текста в чат-сценариях. README и метаданные не сообщают о специализированных предметных областях или поддерживаемых языках. Лицензия в предоставленных данных не указана, поэтому условия использования по ним определить нельзя.

sfm_filtered_e2e_alignment-2k_3k_4k_5k_6k_weightedavg_merge — объединённая модель на основе предобученных языковых моделей, созданная с помощью mergekit. В README указан метод Linear и чекпойнт global_step6000 в качестве основы; также объединены чекпойнты global_step2000, global_step3000, global_step4000 и global_step5000 из серии filtered_e2e_alignment. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и рассчитана на генерацию текста в диалоговом сценарии. Её контекстное окно составляет 16 384 токена. В репозитории размещены веса в формате safetensors; библиотека для работы — Transformers. Карточка не сообщает, на каких языках и в каких прикладных областях модель обучалась или насколько качественно справляется с конкретными задачами. Лицензия в предоставленных данных не указана.

sfm_filtered_e2e_alignment-8k_9k_10k_simpleavg_merge — объединённая языковая модель, созданная с помощью mergekit методом Linear. В качестве основы использован чекпойнт global_step10000, в объединение также вошли чекпойнты global_step8000 и global_step9000 из эксперимента filtered_e2e_alignment. Разработчик в карточке не назван. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и имеет контекст до 16 384 токенов. Она предназначена для генерации текста, включая диалоговые сценарии. Репозиторий содержит веса в формате safetensors; для работы используется библиотека Transformers. Карточка не сообщает конкретные языки, области применения или результаты оценки качества. Условия лицензирования в предоставленных данных не указаны.

sfm_filtered_e2e_insert_hyperstition_v1-3k_4k_5k_weightedavg_merge — объединённая языковая модель на архитектуре GPT-NeoX, опубликованная пользователем yuhengtu-bytedance. Модель создана с помощью mergekit методом Linear: в объединение вошли контрольные точки обучения на шагах 3000, 4000 и 5000; контрольная точка шага 5000 использовалась как базовая. Размер модели — 8,8 млрд параметров, максимальный контекст — 16 384 токена. В репозитории веса представлены в формате safetensors; для работы используется библиотека Transformers. Модель предназначена для генерации текста и диалоговых сценариев. Данных о специализированной предметной области или поддерживаемых естественных языках в предоставленной карточке нет. Лицензия в предоставленных данных не указана, поэтому условия использования определить нельзя.

Это объединённая языковая модель на 8,8 млрд параметров, созданная методом Linear merge с помощью mergekit из нескольких контрольных точек одного семейства. Архитектура GPT-NeoX; модель распространяется в формате safetensors и предназначена для генерации текста в диалоговом режиме. Модель принимает текст и генерирует текст. Контекст составляет до 16 384 токенов. Карточка не сообщает о специализации на конкретных языках или прикладных областях. Условия лицензии в доступных данных не приведены.

Это слитая модель генерации текста, опубликованная yuhengtu-bytedance и созданная с помощью mergekit. В основе — архитектура GPT-NeoX с плотной языковой моделью на 8,8 млрд параметров; линейным методом объединены контрольные точки обучения с шагов 8k, 9k, 10k, 11k и 12k, причём базовой для слияния была контрольная точка global_step12040. Модель предназначена для генерации текста и диалогового взаимодействия. Контекст составляет 16 384 токена. В репозитории указаны веса в формате safetensors. Сведения о конкретных языках, специализированных областях и сравнительных результатах в предоставленных материалах отсутствуют, поэтому их нельзя надёжно охарактеризовать. Лицензия в данных не указана.

yuhengtu-bytedance опубликовал объединённую модель для генерации текста, созданную из трёх контрольных точек предварительно обученной языковой модели. В карточке указано, что для слияния применялся метод Linear с помощью mergekit; в качестве базовой использовалась контрольная точка global_step12040, вместе с контрольными точками global_step10000 и global_step11000. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и поддерживает контекст длиной до 16 384 токенов. Она рассчитана на генерацию текста и диалоговое применение. Данных о конкретных языках и специализированных областях применения в карточке нет. Модель распространяется в формате safetensors. Информация о лицензии в предоставленных данных отсутствует.

Карточка модели 11erlangga/sft-qwen25-3b-run2 на Hugging Face совпадает с карточкой 11erlangga/sft-qwen25-3b-run1, поэтому описание составлено по ней. 11erlangga/sft-qwen25-3b-run1 — дообученная разговорная модель 11erlangga на архитектуре Qwen2.5. Она предназначена для генерации текста и диалоговых сценариев; метаданные также отмечают интерфейс вызова инструментов. Модель содержит 3,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. В карточке указано, что обучение выполнено с Unsloth и библиотекой TRL на базе unsloth/qwen2.5-3b-instruct-unsloth-bnb-4bit. Модель рассчитана на английский язык. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Карточка не сообщает о специализированной предметной области или ограничениях качества.

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.

Standard One 3B — мультиязычная модель решений от StandardThinking на базе дообученной и слитой версии Ministral 3 3B Instruct. Она оценивает заданный сценарий и возвращает вероятности для вариантов ответа: выбора из списка, ответа «да/нет» или порядковой шкалы; свободный текст модель не генерирует. Поддерживается ввод изображений, однако приведённые в карточке результаты относятся к текстовым решениям. Модель рассчитана на сценарии, где нужно ранжировать ограниченный набор вариантов или оценить их вероятности, включая вопросы с большим числом ответов и длинными документами. Контекст при описанной конфигурации обслуживания — до 32 768 токенов. Обучающая смесь включает английский, японский, китайский, испанский, французский, немецкий, португальский, русский и в меньшей доле корейский языки. Контрольные результаты зависят от распределения задач и способа обслуживания; для существенно отличающегося распределения рекомендуется повторно настроить температуры. Вероятности в локальном и серверном режимах могут различаться. Лицензия — Apache-2.0.

Strangemerges_32Yamshadow-7B — объединённая Maxime Labonne языковая модель на архитектуре Mistral с 7,1 млрд параметров. Она создана методом SLERP из Gille/StrangeMerges_32-7B-slerp и automerger/YamShadow-7B; веса представлены в формате safetensors, контекст — до 32 768 токенов. Модель предназначена для генерации текста и сценариев, где требуется продолжать или создавать текст по текстовому запросу. Карточка приводит пример загрузки через Transformers, но не уточняет специализацию по языкам или отдельным предметным областям. Модель распространяется по лицензии Apache-2.0. README не сообщает сравнительных оценок качества или специальных ограничений применения.

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 espressovi/SUTRA-qwen3-8b-rlvr-close на Hugging Face совпадает с карточкой espressovi/SUTRA-qwen3-8b-rlvr, поэтому описание составлено по ней. SUTRA — языковая модель, разработанная для проекта SUTRA и дообученная методом обучения с подкреплением на основе Qwen3-8B-Base. Это плотная авторегрессионная модель семейства Qwen3 с 7,6 млрд параметров, предназначенная для генерации текста в диалоговом формате. В карточке указано обучение на наборе espressovi/BODHI-rlvr; модель поддерживает контекст до 32 768 токенов и работает с текстом на английском языке. Модель подходит для генерации ответов и ведения текстового диалога. Опубликована в формате safetensors под лицензией MIT. Карточка не описывает результаты оценки качества или дополнительные ограничения применения.

SynthIA-70B-v1.5 — языковая модель семейства LLaMA, представленная пользователем migtissera. Она предназначена для генерации текста; карточка показывает пример диалогового формата с ролями SYSTEM и USER. Модель содержит 68,7 млрд параметров, использует архитектуру LlamaForCausalLM и рассчитана на контекст до 2048 токенов. Доступен формат PyTorch, лицензия — Llama 2. Модель можно применять для генерации ответов и связного текста в диалоговых сценариях. Пример в карточке посвящён объяснению запуска ракеты на низкую околоземную орбиту, но он не подтверждает специализацию модели в конкретной предметной области. README не сообщает о результатах оценки качества или известных ограничениях.

TinyUltra-4x1.1B-Base-Alpha — языковая модель семейства Mixtral с архитектурой смеси экспертов (MoE), собранная с помощью MergeKit из четырёх моделей на базе TinyLlama. В состав входят TinyLlama-1.1B-Chat-v1.0, DopeyTinyLlama-1.1B-v1, TinyDolphin-2.8.1-1.1b и Tinyllama-Cinder-1.3B-Reason-Test. В метаданных указаны около 1 млрд параметров и контекст 2048 токенов. Модель предназначена для генерации текста и диалогового использования в качестве помощника. В карточке приведены результаты оценки на бенчмарках рассуждения и здравого смысла, включая AI2 Reasoning Challenge и HellaSwag. Репозиторий содержит веса safetensors; лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства и ограничивающая коммерческое применение.

mayacinka/trix-llama-3-8B-stock — плотная языковая модель семейства Llama 3, созданная слиянием Meta-Llama-3-8B, Meta-Llama-3-8B-Instruct и Llama-3-SLERP-8B с помощью LazyMergekit и метода model_stock. Модель содержит 7,5 млрд параметров и рассчитана на генерацию текста и диалоговое использование; контекстное окно составляет 8192 токена. Модель подходит для генерации ответов ассистента и ведения диалогов на английском языке. Веса опубликованы в формате safetensors и представлены в bfloat16. Репозиторий не указывает лицензию итоговой модели, поэтому условия её использования по имеющимся данным определить нельзя.

TwinLlama-3.1-8B — текстовая генеративная модель, опубликованная jackzhouusa и дообученная на базе meta-llama/Llama-3.1-8B. Это плотная архитектура семейства Llama с примерно 7,5 млрд параметров; модель поддерживает контекст до 131 072 токенов и предназначена для диалоговой генерации текста. Для обучения использовались Unsloth и библиотека TRL. Модель подходит для генерации ответов и ведения диалога на английском языке. Веса опубликованы в формате safetensors по лицензии Apache-2.0. Карточка не описывает специализированную область применения или отдельные улучшения относительно базовой модели.

Vespera Synapse 31B — объединённая модель на базе Gemma 4 31B, созданная OrobasVault с помощью mergekit. В слияние вошли Twisted-Cyclone-31B, Glimmering-Citrus-31B и Scarlet-Shadow-31B; для объединения применён метод karcher_stock с адаптивным ограничением весов Adaptive Tanh Soft-Clamp. Модель использует архитектуру Gemma4ForConditionalGeneration и библиотеку Transformers, распространяется в формате safetensors. Модель предназначена для генерации текста, диалогов и следования инструкциям; метаданные также указывают на ролевые и творческие сценарии. Архитектура Gemma 4 поддерживает работу с изображениями, однако в карточке Vespera Synapse эти сценарии отдельно не описаны, поэтому её основная задача — текстовая генерация. В метаданных указан английский язык и размер 31B. Модель опубликована под лицензией Apache-2.0. Карточка не приводит оценок качества или результатов тестирования, поэтому пригодность для конкретных задач стоит проверять на собственных примерах.

Модель Avadhut7777/vision-finetuned — дообученная авторами Avadhut7777 версия языковой модели Qwen2.5-1.5B-Instruct, подготовленная с использованием Unsloth и библиотеки TRL от Hugging Face. Это плотная авторегрессионная модель семейства Qwen2 с 1,5 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия; она поддерживает контекст до 32 768 токенов и рассчитана на английский язык. Несмотря на название репозитория, в карточке не заявлена обработка изображений. Модель может применяться для диалоговых текстовых запросов и генерации ответов. В метаданных указана возможность интерфейса вызова инструментов, однако подробности настройки и качества этой функции не приведены. Модель распространяется по лицензии Apache-2.0. README не описывает конкретную область дообучения или результаты оценки, поэтому специализацию и качество для отдельных задач определить нельзя.

VPO-Pess-Zephyr-7B-0.0001-iter-2 — диалоговая языковая модель, выпущенная Katayoon. Это дообученная версия Katayoon/VPO-Pess-Zephyr-7B-0.0001-iter-1 на обновлённом и исходном наборах данных. Модель построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров; формат весов — safetensors. Она поддерживает генерацию текста и диалоговое взаимодействие, с контекстом до 32 768 токенов. Модель подходит для генерации ответов в чате и других сценариев текстовой генерации. Карточка не описывает специализированные области применения, языковое покрытие, результаты оценки или конкретные ограничения. Лицензия — MIT.

XNoroChronos-Orca2-Noromaid-13B — текстовая генеративная модель, созданная объединением предварительно обученных моделей методом TIES с помощью mergekit. В объединение вошли NeverSleep/X-NoroChronos-13B, TeeZee/Orca-2-13b_flat и NeverSleep/Noromaid-13b-v0.3; в конфигурации базовой указана NeverSleep/X-NoroChronos-13B. Модель построена на архитектуре Llama, содержит 12,9 млрд параметров и рассчитана на контекст до 4096 токенов. Модель предназначена для генерации текста и диалогов по инструкциям. Формат весов — safetensors, библиотека — Transformers. В метаданных базовая модель описана как предназначенная для ролевых диалогов, откровенных ролевых сценариев и ответов на инструкции общего назначения; это описание относится к базовой модели и не подтверждает качество объединённой версии. Языки и лицензия не установлены по предоставленным данным.