III.5Управление персоналом и организацией

Evocation — объединённая языковая модель семейства Llama, созданная ClaudioItaly с помощью mergekit. В слиянии использованы WizardLM-1.0-Uncensored-Llama2-13b и Utopia-13B; базой указана Utopia-13B. Применён метод della_linear, веса сохранены в формате safetensors с точностью bfloat16. Модель предназначена для генерации текста по запросу, включая диалоги и ответы в свободной форме. Она содержит около 12,9 млрд параметров, построена на архитектуре LlamaForCausalLM и поддерживает контекст до 4096 токенов. В карточке не приведены сведения о целевых языках или специализированных областях применения. Лицензия в предоставленных данных не указана.

OpenAssistant Falcon 7B SFT MIX — языковая модель OpenAssistant, дообученная на базе TII Falcon 7B. Это плотный авторегрессионный трансформер с архитектурой decoder-only; метаданные указывают 10,9 млрд параметров. Модель обучалась на смеси диалогов OpenAssistant OASST1, Dolly-15k и синтетических наборов инструкций; указанный чекпойнт соответствует 2000 шагам обучения, примерно 2,9 эпохи. Модель предназначена для генерации ответов на запросы и продолжения диалога по инструкциям. В карточке заявлены английский, немецкий, испанский и французский языки, а также ограниченные возможности для итальянского, португальского, польского, нидерландского, румынского, чешского и шведского. Для разметки диалога используются специальные токены начала ходов пользователя и ассистента и завершения хода. Модель распространяется по лицензии Apache 2.0. Карточка описывает один обучающий чекпойнт, но не приводит оценок качества; возможности на языках с ограниченной поддержкой и на задачах, отличных от генерации текста, могут быть слабее.

flammen17-py-DPO-v1-7B — языковая модель на архитектуре Mistral с 7,1 млрд параметров, созданная nbeerbower. Это дообученная версия flammen17-mistral-7B, которая, согласно README, была получена слиянием предварительно обученных моделей и затем обучена методом Direct Preference Optimization на датасете jondurbin/py-dpo-v0.1. Для дообучения использовались LoRA и GPU A100 в Google Colab. Модель предназначена для генерации текста и диалоговых сценариев на базе Mistral; доступный контекст — до 32 768 токенов. В репозитории указаны веса Safetensors и библиотека Transformers. Метаданные не подтверждают поддержку конкретных естественных языков или специализированных прикладных областей. Лицензия модели — Apache-2.0. Оценки качества и конкретные ограничения в README не приведены.

FusedYi — разговорная модель генерации текста, созданная pharaouk путём слияния двух моделей Yi-6B. В карточке результат описан как «1.9 x Yi-6B»; метаданные указывают 10,6 млрд параметров, архитектуру LlamaForCausalLM и формат safetensors. Модель предназначена для диалогов и следования инструкциям на английском языке, с контекстом до 4096 токенов. Модель распространяется по лицензии Apache-2.0. Карточка не приводит сравнительных оценок качества или подробных ограничений; практическое качество ответов и стабильность слияния следует оценивать на целевых задачах.

codito/gemma-2-2b-it-reflection-test1 — дообученная разговорная модель генерации текста, разработанная codito на базе unsloth/gemma-2-2b-it-bnb-4bit. Она предназначена для диалоговых сценариев и генерации ответов на текстовые запросы. Модель использует плотную архитектуру Gemma 2 с причинной языковой моделью, содержит 2,7 млрд параметров и поддерживает контекст до 8192 токенов. Модель дообучена с помощью Unsloth и библиотеки TRL; в репозитории указаны форматы PyTorch и лицензия Apache-2.0. Карточка не сообщает о специализированной предметной области или дополнительных возможностях помимо диалоговой генерации текста.

Gogeta-7B-slerp — объединённая модель для генерации текста, созданная автором репозитория с помощью LazyMergekit. Она сочетает udkai/Garrulus и mistralai/Mistral-7B-Instruct-v0.2 методом SLERP; в конфигурации указаны слои 0–32 обеих моделей и формат bfloat16. Модель построена на архитектуре Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для диалоговой генерации текста и ответов на инструкции. Карточка не приводит результатов оценки качества или подробностей о специализации объединённой модели. Указана лицензия базовой модели? В предоставленных данных лицензия отсутствует.

GrayLine-Qwen3-14B-i1-GGUF — это набор взвешенных imatrix-квантизаций в формате GGUF базовой модели GrayLine-Qwen3-14B, разработанной soob3123 и квантизированной mradermacher. Модель основана на Qwen3 с заявленным размером 14 миллиардов параметров. В README указаны английский язык и библиотека Transformers, однако сведения о точной архитектуре, размере контекста и поддерживаемых модальностях отсутствуют. Модель предназначена для генерации текста, прямых ответов, информационного поиска и работы с общими знаниями. В метаданных она также описана как uncensored, unfiltered и amoral-ai, поэтому её поведение может быть менее ограниченным стандартными защитными настройками. Доступны варианты квантизации от IQ1 и Q2 до Q6, размером примерно от 3,7 до 12,2 ГБ; README рекомендует i1-Q4_K_M как быстрый вариант и i1-Q4_K_S как компромисс между размером, скоростью и качеством. Более низкие уровни квантизации могут заметно снижать качество. Лицензия модели указана как Apache-2.0. Ограничения включают возможную потерю качества из-за квантизации, особенно у малых вариантов, а также отсутствие в README подробных результатов оценки, описания обучающих процедур базовой модели и гарантий точности ответов.

Guardian-Samantha-7b-slerp — языковая модель для генерации текста и диалогов, созданная слиянием моделей llamas-community/LlamaGuard-7b и ParthasarathyShanmugam/llama-2-7b-samantha с помощью mergekit и метода slerp. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM, примерно 6,6 млрд параметров и контекстом до 2048 токенов. Модель предназначена для генерации ответов в чате; слияние объединяет LlamaGuard-7b и Samantha, однако README не описывает конкретные гарантии качества или поведения итоговой модели. Репозиторий содержит веса в формате safetensors. В метаданных указан английский язык и лицензия Apache-2.0.

GutenLaserPi-06.11-orpo — дообученная icefog72 модель семейства Mistral для генерации текста. Она основана на Stark2008/GutenLaserPi, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В карточке указано, что обучение проводилось с использованием Unsloth и библиотеки Hugging Face TRL. Модель подходит для генерации текста и диалогов на английском языке. Репозиторий распространяется по лицензии Apache-2.0. Карточка не приводит оценок качества или подробностей об обучающей процедуре.

Henbane-7b-attempt2 — дообученная Edens-Gate модель генерации текста на архитектуре Qwen2. Она основана на Qwen/Qwen2-7B и содержит 7,1 млрд параметров; карточка указывает контекст до 131072 токенов и формат PyTorch. Модель поддерживает диалоговый режим и предназначена для генерации текста и ответов в разговорном формате. В README приведены значение loss 1,0222 на оценочном наборе и результаты отдельных тестов Open LLM Leaderboard, включая IFEval и BBH. Данные обучения описаны как набор None, поэтому назначение дообучения и его специализацию определить нельзя. Модель распространяется по лицензии Apache-2.0.

Ignis-7B-DPO — разговорная языковая модель от NeuralNovel, связанная с сообществом ConvexAI. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. В карточке указано, что модель обучалась на наборе данных Neural-DPO; дополнительные сведения о настройке и оценке качества не приведены. Модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. Репозиторий использует формат Safetensors, а лицензия — Apache 2.0. Карточка не описывает конкретные преимущества, рекомендованные сценарии или ограничения качества, поэтому пригодность для задач, требующих точности или специальных знаний, следует проверять самостоятельно.

katopz/kbtg-kpoint-v1 — дообученная katopz языковая модель семейства Llama на базе unsloth/llama-3.2-3b-instruct-bnb-4bit. Это плотная авторегрессионная модель с 3,2 млрд параметров для генерации текста и диалогового взаимодействия; заявленный размер контекста — 131 072 токена. В карточке указано, что обучение проводилось с использованием Unsloth и библиотеки TRL. Модель подходит для диалоговых сценариев и генерации текста на английском языке. Репозиторий содержит веса в форматах PyTorch и Safetensors, лицензия — Apache-2.0. Карточка не уточняет специализацию дообучения и не приводит оценок качества, поэтому пригодность для конкретных задач следует проверять отдельно.

jaspionjader/Kosmos-Aurora_faustus-8B — слитая языковая модель на архитектуре Llama с 7,5 млрд параметров. Её создали методом SLERP с помощью mergekit, объединив Khetterman/Kosmos-8B-v1 и DreadPoor/Aurora_faustus-8B-LINEAR; веса доступны в формате safetensors для библиотеки Transformers. Модель предназначена для генерации текста и диалоговых ответов. Она принимает текст и выдаёт текст; заявленная длина контекста — 8192 токена. Карточка не приводит специализированных областей применения или перечня поддерживаемых языков. Лицензия в предоставленных данных не указана.

Kosmos-EVAA-Franken-v38-8B — разговорная языковая модель, созданная объединением предварительно обученных моделей jaspionjader/fct-18-8b и jaspionjader/fct-14-8b методом SLERP с помощью mergekit. Модель основана на архитектуре Llama и содержит 7,5 млрд параметров; она предназначена для генерации текста и диалоговых ответов. Длина контекста составляет 8192 токена. Модель распространяется в формате safetensors и рассчитана на использование через Transformers. README не приводит результатов оценки качества, рекомендуемых сценариев настройки или сведений о лицензии, поэтому эти свойства нельзя уточнить по доступным данным.

L3.1-Orion-a-8B — слитая языковая модель семейства Llama, созданная сообществом mergekit с помощью метода Model Stock. При слиянии использованы P0x0/Epos-8b как базовая модель, а также Casual-Autopsy/L3-Umbral-Mind-RP-v3.0-8B, Sao10K/L3-8B-Lunaris-v1 и mergekit-community/L3-Boshima-a. Модель предназначена для генерации текста и диалогов, включая ролевые сценарии. Она имеет плотную авторегрессионную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекст до 131 072 токенов. В README указаны слияние Model Stock и сохранение весов в float16; в репозитории используются файлы safetensors. Лицензия в доступных данных не указана.

Storniitova-8B — объединённая модель для генерации текста и диалогов с ролевой игрой и следованием инструкциям, созданная v000000 на базе нескольких моделей семейства Llama 3.1 с помощью mergekit и дополнительных инструментов. В основу вошли Llama-3.1-SuperNova-Lite, Llama-3.1-Storm-8B, Llama-Spark, Niitama и другие модели; в README также описано объединение методами SLERP, Task Arithmetic и NEARSWAP. Заявленный размер — 7,5 млрд параметров, архитектура — плотная LlamaForCausalLM, нативный контекст — 131 072 токена. Модель предназначена для текстовых диалогов, ролевых сценариев и выполнения инструкций. Разработчик сообщает, что менял векторы задач, стремясь сохранить способности дистилляции большой версии Llama 3.1 и добавить навыки ролевой игры. Карточка указывает формат safetensors; для модели также опубликованы сторонние варианты GGUF. Лицензия в предоставленных данных не указана.

L3-Pneuma-8B — дообученная на датасете Sandevistan языковая модель Kquant03 на архитектуре Llama 3. Веса содержат около 7,5 млрд параметров, модель использует библиотеку Transformers и формат safetensors; заявленный контекст — до 8192 токенов. Она предназначена для генерации текста в диалоговом режиме. README приводит значение loss 2,7381 на наборе оценки, но не описывает сценарии обучения и результаты на конкретных задачах. Модель основана на meta-llama/Meta-Llama-3-8B и распространяется по лицензии Llama 3. Карточка не уточняет целевые языки и специализацию, поэтому её следует рассматривать как общую диалоговую модель, а ответы проверять на точность и соответствие задаче.

L3-SaoMerge-Della-v1 — англоязычная плотная языковая модель семейства Llama, созданная объединением четырёх моделей Sao10K с помощью mergekit и метода della. В состав входят Sao10K/L3-8B-Lunaris-v1, Sao10K/L3-8B-Stheno-v3.2, Sao10K/L3-8B-Niitama-v1 и Sao10K/L3-8B-Tamamo-v1; базовой в конфигурации указана Sao10K/L3-8B-Stheno-v3.2. Модель содержит около 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Модель предназначена для генерации текста и чат-диалогов, включая ролевые сценарии, написание историй и выполнение инструкций. Репозиторий распространяет веса в формате safetensors. Лицензия — Apache-2.0. Подробные результаты оценки качества и специфические ограничения в карточке не описаны.

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.

Lite-Cydonia-22B-v1.1-75-25 — это слитая модель для генерации текста и диалогов, созданная автором knifeayumu с помощью mergekit. В слиянии использованы TheDrummer/Cydonia-22B-v1.1 с весом 75% и mistralai/Mistral-Small-Instruct-2409 с весом 25%; метод — task arithmetic. Модель имеет плотную архитектуру Mistral, 22 млрд параметров и контекст до 131 072 токенов. Модель предназначена для диалогов и творческой генерации с менее выраженным уклоном в «злые» ответы по сравнению с исходной Cydonia. По словам автора, начальные проверки показали, что модель реже отвечает на провокационные вопросы без дополнительного убеждения, но автор также отмечает, что она может быть недостаточно умной и генерации могут оставаться предсказуемыми. Репозиторий содержит веса Safetensors; лицензия указана как other, поэтому условия использования следует уточнить в карточке модели и у авторов базовых моделей.

Minbyul/llama2-7b-dpo-full-sft-wo-kqa_silver_wogold — дообученная методом DPO модель на базе Minbyul/llama2-7b-wo-kqa_silver_wogold-sft. Она использует архитектуру LlamaForCausalLM с 6,6 млрд параметров и предназначена для генерации текста. В качестве обучающих данных указан набор HuggingFaceH4/ultrafeedback_binarized; в README приведены метрики оценки на тестовом наборе, включая точность предпочтений 0,9418 и разницу наград 1,1165. Модель принимает текст и генерирует текст. Контекст — 4096 токенов. Карточка не уточняет целевые сценарии, языки или ограничения качества. Файлы модели размещены в формате safetensors. Лицензия в предоставленных данных не указана.

kykim0/Llama-2-7b-ultrachat200k-2e — диалоговая модель генерации текста, созданная дообучением Meta Llama 2 на 7 млрд параметров на датасете HuggingFaceH4/ultrachat_200k. Модель использует плотную архитектуру LlamaForCausalLM и формат весов safetensors; максимальная длина контекста — 4096 токенов. Модель предназначена для генерации ответов в диалоге и других сценариев, где требуется продолжить текст. В README указано значение loss 0,9258 на оценочном наборе, но подробности методики оценки отсутствуют. Базовая модель описана как англоязычная; отдельные языки дообучения не перечислены. Лицензия в предоставленных данных не указана. Ограничения качества и рекомендации по применению в карточке не раскрыты; поведение модели зависит от запроса и не гарантирует фактическую точность ответов.

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.

Это компактная инструкция-настроенная языковая модель семейства Llama 3.2, разработанная на основе meta-llama/Llama-3.2-1B-Instruct и дообученная автором репозитория на неизвестном датасете. Модель содержит 1,2 млрд параметров, использует плотную архитектуру LlamaForCausalLM и формат safetensors; для работы предусмотрена библиотека Transformers. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно использовать для ответов на вопросы, краткого пересказа и помощи в написании текста. Метаданные указывают контекст до 131 072 токенов и многоязычную основу, однако языки и специализация именно этого дообучения не описаны. Карточка не содержит сведений о качестве, обучающих данных или известных ограничениях дообученной версии. Лицензия — llama3.2; использование должно соответствовать её условиям.

CreitinGameplays/Llama-3.2-3B-Fable-5-Distill — языковая модель семейства Llama, дообученная CreitinGameplays на базе unsloth/llama-3.2-3b-instruct-unsloth-bnb-4bit. Это плотная авторегрессионная модель с 3,2 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Для обучения использовались Unsloth и библиотека Hugging Face TRL; в карточке указан датасет Glint-Research/Fable-5-traces. Модель поддерживает английский язык и контекст до 131 072 токенов. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0.

Модель ryan0712/llama-3-8b-slow-DUS-random-layer-method2 — плотная авторегрессионная модель семейства Llama для генерации текста, созданная Ryan0712 с помощью LazyMergekit. Она объединяет две модели: ryan0712/llama-3-8b-slow-DUS-random-layer1-method2 и ryan0712/llama-3-8b-slow-DUS-random-layer2-method2; в конфигурации указано слияние методом slerp с выбором параметров для слоёв self-attention и MLP. Модель подходит для генерации продолжений текста и диалоговых ответов. Веса хранятся в формате safetensors; указаны размер 4 млрд параметров и контекст 8192 токена. Метаданные не содержат сведений о специальных языковых настройках или лицензии.

Fischerboot/LLama3-8B-Sophie-256 — созданная с помощью mergekit слитая языковая модель на архитектуре Llama 3. Она объединяет предварительно обученные модели Fischerboot/LLama3-Lexi-Aura-3Some-SLERP-SLERP-ql-merge и Fischerboot/ll3-sophie-2-sets-256 методом passthrough; в репозитории представлены веса Safetensors в формате bfloat16. Модель содержит 7,5 млрд параметров и рассчитана на контекст до 8192 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Карточка базовой модели указывает на ориентацию прежде всего на английский язык; метаданные также отмечают возможность чата. Специальные предметные области не заявлены. Лицензия в предоставленных данных не указана.

Junpito/llama3-grpo-id-reasoning-16bit — дообученная Junpito модель семейства Llama для генерации текста и диалоговых сценариев. Она создана на базе Junpito/llama3-finetuned-id-16bit; в карточке указано обучение с использованием Unsloth и библиотеки TRL. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 3,2 млрд параметров и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации англоязычного текста и ведения диалогов. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Карточка не приводит подробных результатов оценки качества или подтверждений специализированных возможностей рассуждения.

Llama-3-RedMagic4-8B — объединённая языковая модель на основе семейства Llama 3, созданная с помощью mergekit методом Model Stock. В слияние вошли NousResearch/Meta-Llama-3-8B, flammenai/Mahou-1.2-llama3-8B, lemon07r/Llama-3-RedMagic2-8B, lemon07r/Lllama-3-RedElixir-8B и nbeerbower/llama-3-spicy-abliterated-stella-8B. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и формат safetensors; базовый контекст — 8192 токена. Модель предназначена для генерации текста и может применяться в диалоговых сценариях и для продолжения текста. В README приведены результаты Open LLM Leaderboard, включая IFEval и BBH, но этих оценок недостаточно, чтобы заключить о качестве в конкретных задачах. Метаданные указывают лицензию llama3. Языки и специальные области применения в карточке не заявлены.

Lumosia-v2-MoE-4x10.7 — экспериментальная разговорная языковая модель серии Lumosia, построенная на архитектуре Mixtral MoE и предназначенная для роли универсального помощника. В README модель описана как сочетание удачных моделей Solar, выбранных с учётом пользовательского опыта; формат репозитория — safetensors, размер — 10,6 млрд параметров. Модель ориентирована на диалог и запросы, задаваемые обычными фразами, а не ключевыми словами. Автор README заявляет контекстное окно 8 тысяч токенов с сохранением связности до 16 тысяч, тогда как метаданные указывают native context в 4096 токенов. Поэтому практическую длину контекста следует считать неопределённой и сверять с используемой конфигурацией. В карточке нет сведений о поддерживаемых естественных языках или опубликованных значениях оценок: таблица содержит только часть метрик. Модель распространяется по лицензии Apache-2.0. README характеризует её как экспериментальную; результаты и пригодность для конкретных сценариев требуют самостоятельной проверки.