III.5Управление персоналом и организацией

qwen3-8b-full-pretrain-junk-tweet-1m-en-sft — дообученная на наборе alpaca_en модель семейства Qwen3, разработанная пользователем shirley09221 на базе Qwen/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате и может использоваться для ответов на запросы и выполнения инструкций на английском языке. Модель имеет плотную архитектуру Qwen3ForCausalLM, содержит 7,6 млрд параметров и принимает контекст длиной до 40 960 токенов. Модель загружается через Transformers в формате safetensors. Базовая Qwen3-8B описана как многоязычная модель для генерации текста, рассуждений, следования инструкциям, работы с кодом и вызова инструментов, однако для этой версии карточка не подтверждает отдельные возможности сверх text-generation и диалогового режима. Лицензия указана как other; конкретные условия использования в карточке не раскрыты.

KhaledAshraf/qwen3-finetuned — дообученная Khaled Ashraf компактная языковая модель Qwen3 с плотной архитектурой Qwen3ForCausalLM и примерно 508 млн параметров. Она предназначена для генерации текста и диалогов; карточка сообщает о дообучении на неизвестном наборе данных и приводит значение loss 2,0026 на оценочном наборе. Модель принимает текст и выдаёт текст, использует библиотеку Transformers и поддерживает контекст до 40 960 токенов. Qwen3-0.6B описана в каталоге как многоязычная модель, однако языки и специализация этого дообучения не раскрыты. Модель опубликована в формате safetensors под лицензией Apache-2.0. README не содержит подробностей о данных, методике обучения, целевом качестве и ограничениях, поэтому пригодность для конкретной области следует оценивать отдельно.

qwne34BshortSFT — дообученная модель Love2DL на основе Qwen/Qwen3-4B, созданная методом supervised fine-tuning на наборе sft_data. Это плотная причинно-языковая модель примерно на 3,7 млрд параметров для генерации текста и диалогов. Репозиторий использует библиотеку Transformers и формат Safetensors; заявленная длина контекста — до 40 960 токенов. Модель подходит для генерации ответов в диалоге и других задач текстовой генерации. Карточка не уточняет специализацию набора sft_data, языковой состав, результаты оценки и ограничения качества, поэтому узкие сценарии применения определить нельзя. Лицензия указана как other, без конкретных условий в предоставленных данных.

RocRacoon-3b — языковая модель Aixon Lab для генерации текста и диалогов. Она представляет собой причинную Transformer-модель семейства Phi-3 и дообучена на microsoft/Phi-3-mini-128k-instruct; в метаданных указано 3,7 млрд параметров и контекст до 4096 токенов. Модель предназначена для творческого письма, написания статей и тематических многоходовых бесед, а также для генерации связных ответов и другого текстового контента. README сообщает об английском языке как основном и допускает поддержку других языков, но подтверждённых сведений о них нет. В карточке заявлены улучшения связности и креативности относительно базовой модели, однако подробные метрики оценки ещё собираются. Возможны унаследованные смещения; результаты следует проверять, особенно в чувствительных сценариях. Лицензия — MIT.

Seagull-llama-3-8B-orpo-v0.4 — диалоговая языковая модель, разработанная kuotient как дообучение kuotient/Meta-Llama-3-8B с применением ORPO. Модель построена на плотной архитектуре LlamaForCausalLM и содержит 7,5 млрд параметров; для обучения использовались Unsloth и библиотека Hugging Face TRL. Модель предназначена для генерации текста в диалоговых сценариях. Она поддерживает английский язык и контекст до 8192 токенов. Репозиторий содержит веса в формате safetensors. В карточке Hugging Face указана лицензия other, тогда как README заявляет Apache-2.0; условия использования следует сверить с файлами и лицензией репозитория. README не приводит оценок качества или подробных ограничений модели.

sfm_filtered_e2e_alignment-2k_3k_4k_simpleavg_merge — объединённая языковая модель, созданная с помощью mergekit методом Linear из контрольных точек обучения на шагах 2000, 3000 и 4000; в качестве базовой использована контрольная точка global_step4000. Модель основана на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и работает с контекстом до 16 384 токенов. Доступна в формате safetensors и поддерживает диалоговый сценарий генерации текста. Модель предназначена для генерации текста и ответов в диалоге. Данные не позволяют установить конкретную специализацию, поддерживаемые естественные языки или сравнительные преимущества объединённого чекпойнта. Условия лицензии в предоставленных источниках не указаны.

sfm_filtered_insert_xxf_character-1k_2k_3k_4k_5k_simpleavg_merge — объединённая языковая модель, созданная с помощью mergekit из пяти контрольных точек с шагами обучения от 1000 до 5000. В README указан метод Linear и контрольная точка global_step5000 как базовая при объединении. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и принимает текст, генерируя текст; заявленная длина контекста — 16 384 токена. Репозиторий использует Transformers и формат safetensors, а метаданные отмечают поддержку диалогового режима. Модель предназначена для генерации текста и диалоговых сценариев. README и метаданные не описывают её тематические специализации, языковое покрытие или результаты оценки качества, поэтому нельзя уверенно рекомендовать её для узких предметных задач. Лицензия в предоставленных данных не указана.

Это объединённая языковая модель, опубликованная пользователем yuhengtu и созданная с помощью mergekit. В README описано линейное усреднение пяти чекпойнтов серии filtered_insert_xxf_character с шагами обучения от 6000 до 10000; метаданные указывают архитектуру GPT-NeoX и 8,8 млрд параметров. Модель предназначена для генерации текста и диалогового взаимодействия. Она принимает текст и генерирует текст, поддерживает контекст длиной до 16 384 токенов и опубликована в формате safetensors для Transformers. Языки и специальные прикладные области в карточке не указаны. Карточка не приводит сравнительных оценок качества или подробностей о поведении модели, поэтому пригодность для конкретных сценариев следует проверять на собственных данных. Лицензия в предоставленных сведениях не указана.

sfm_filtered_insert_xxf_character-6k_7k_8k_simpleavg_merge — объединённая языковая модель на архитектуре GPT-NeoX, созданная с помощью mergekit. В README указано, что при линейном слиянии за основу взят чекпойнт global_step8000, а также объединены чекпойнты global_step6000 и global_step7000. Модель содержит 8,8 млрд параметров и рассчитана на контекст до 16 384 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Карточка не описывает специальные предметные области или конкретные преимущества. Репозиторий содержит веса в формате safetensors; сведения о лицензии и ограничениях применения в доступных данных отсутствуют.

Модель sfmunfilterede2ealignment-1k2k3k4k5kweightedavgmerge — объединённая модель генерации текста, опубликованная пользователем yuhengtu из ByteDance. Она создана методом Linear merge через mergekit из пяти контрольных точек обучения с шагами 1000, 2000, 3000, 4000 и 5000; базовой при слиянии указана контрольная точка global_step5000. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и рассчитана на контекст до 16 384 токенов. Модель предназначена для диалоговой генерации текста. Карточка не уточняет языки, конкретные области применения или сравнительные результаты. Репозиторий содержит веса в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

sfmunfilterede2ealignment-6k7k8k9k10kweightedavgmerge — объединённая языковая модель, созданная с помощью mergekit и метода Linear из нескольких контрольных точек unfiltered_e2e_alignment на шагах 6000, 7000, 8000, 9000 и 10000. По метаданным это плотная авторегрессионная модель GPT-NeoX объёмом 8,8 млрд параметров с контекстом 16 384 токена, сохранённая в safetensors и предназначенная для генерации текста и диалогового применения. Модель принимает текст и генерирует текст. README не приводит результатов оценки качества, сведений о языковой специализации или описания конкретных сценариев, поэтому её возможности за пределами общего текстового диалога не следует считать подтверждёнными. Лицензия в предоставленных данных не указана.

SJT-2.4B-Alpha — разговорная языковая модель Sakalti на архитектуре Qwen2, дообученная на базе Sakalti/SJT-2.4B. Модель содержит 2,2 млрд параметров, принимает текст и генерирует текст; в каталоге также отмечен интерфейс для вызова инструментов. По карточке, обучение проводилось с использованием Unsloth и библиотеки Hugging Face TRL. Модель подходит для диалогов и генерации текста на английском языке. Заявленная длина контекста — 131 072 токена. Лицензия Apache-2.0 разрешает использование на её условиях. Карточка не описывает конкретные тесты качества или целевые области применения.

SlactusAIAstra — диалоговая языковая модель SakitsunaAI, дообученная на базе unsloth/LFM2.5-1.2B-Instruct. Это плотная модель семейства LFM2 с архитектурой Lfm2ForCausalLM, примерно 1,5 млрд параметров и контекстом до 128 000 токенов. Модель предназначена для генерации текста и общения на английском языке. Модель сохранена в формате safetensors и распространяется по лицензии Apache-2.0. В карточке также указано, что при обучении использовался Unsloth, который ускоряет процесс обучения. Специализация дообучения и подробные результаты оценки не описаны.

ali-elganzory/SmolLM2-1.7B-SFT-Tulu3-decontaminated-masked — дообученная разработчиком ali-elganzory языковая модель на базе ali-elganzory/SmolLM2-1.7B-WithChatTemplate. Это плотная авторегрессионная модель семейства Llama с 1,7 млрд параметров, рассчитанная на генерацию текста и диалоговое взаимодействие; карточка указывает обучение с TRL и демонстрирует формат передачи реплики пользователя через chat template. Контекст модели составляет 8192 токена. Модель можно применять для генерации ответов на вопросы и ведения текстового диалога. В README не описаны конкретный состав обучающих данных, языковое покрытие или результаты оценки качества. Использование возможно через Transformers; лицензия в предоставленных данных не указана.

SphinxMind-14B-normalize-false — объединённая языковая модель на архитектуре Qwen2, созданная с помощью mergekit методом TIES на основе shuttleai/shuttle-3-mini с включением EVA-UNIT-01/EVA-Qwen2.5-14B-v0.2. Модель содержит 14 млрд параметров и предназначена для диалогового общения и генерации текста; доступна в формате safetensors для библиотеки Transformers. Её контекстное окно составляет 65 536 токенов. Модель может использоваться для ведения диалогов, творческого письма и создания историй. В карточке нет сведений о лицензии, поэтому условия использования определить нельзя.

eclfe/sqlen-1-21 — разговорная языковая модель, обученная с помощью H2O LLM Studio на базе h2oai/h2o-danube2-1.8b-chat. Это плотная авторегрессионная модель семейства Mistral с 1,7 млрд параметров, принимающая текст и генерирующая текст; заявленная длина контекста — 8192 токена. Карточка отмечает поддержку английского языка и диалоговый сценарий. Модель подходит для генерации ответов в чате и других текстовых продолжений. README описывает обучение через H2O LLM Studio, но не уточняет датасет или специальную предметную область. Лицензия в предоставленных данных не указана.

polshdgg/storyteller — языковая модель, дообученная разработчиком polshdgg на базе unsloth/llama-3.2-3b-instruct-bnb-4bit с использованием Unsloth и библиотеки Hugging Face TRL. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и 3,2 млрд параметров; она предназначена для генерации текста и диалогового общения. Заявленная длина контекста — 131 072 токена, основной указанный язык — английский. Модель можно использовать для ведения диалогов и генерации текстовых ответов. Репозиторий содержит веса в формате PyTorch и распространяется по лицензии Apache-2.0. Карточка не описывает отдельные сценарии storyteller, данные обучения или результаты оценки качества, поэтому специализацию на конкретном жанре или стиле подтвердить нельзя.

Карточка модели espressovi/SUTRA-qwen3-8b-rlvr-far 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.

Карточка модели espressovi/SUTRA-qwen3-8b-rlvr-prefix 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.

TARS-8B — объединённая языковая модель, созданная автором репозитория picAIso с помощью mergekit. В основе лежит MaziyarPanahi/Llama-3-8B-Instruct-v0.9; к слиянию также подключены NousResearch/Hermes-2-Pro-Llama-3-8B и nbeerbower/llama-3-gutenberg-8B. Использован метод TIES, итоговые веса указаны в формате float16. Модель с архитектурой Llama и 7,5 млрд параметров предназначена для генерации текста и диалоговых ответов на запросы. Она принимает текст и выдаёт текст, поддерживает английский язык и имеет контекстное окно 8192 токена. Для запуска используется библиотека Transformers. Модель распространяется по лицензии Llama 3. Слияние объединяет возможности исходных моделей, однако README не приводит отдельных оценок качества или подробных ограничений; поведение и надёжность ответов следует проверять для целевого сценария.

Terminal-12k-bottom25 — дообученная разговорная модель семейства Qwen3, разработанная cuong1692001. Она предназначена для генерации текста в диалоговом формате. В README указано, что модель дообучена на наборе данных nemotron_complete_bottom_25_12k на основе cuong1692001/Terminal_complete_8k. Модель содержит 7,6 млрд параметров, использует архитектуру Qwen3ForCausalLM и принимает контекст до 40 960 токенов. Файлы представлены в формате safetensors. Лицензия указана как other; конкретные условия в доступных данных не раскрыты.

Карточка модели cuong1692001/Terminal-complete_11k на Hugging Face совпадает с карточкой cuong1692001/Terminal-complete-11k, поэтому описание составлено по ней. Terminal-complete11k — дообученная диалоговая языковая модель семейства Qwen3, созданная на основе Qwen/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; README сообщает, что модель обучалась на наборе данных qwen_data_complete, но не описывает его содержимое и специализацию модели. Модель содержит 7,6 млрд параметров, использует архитектуру Qwen3ForCausalLM, принимает текст и поддерживает контекст до 40 960 токенов. Модель может быть полезна для диалогов и генерации текста. Данных о качестве, языковом охвате и конкретных ограничениях в карточке нет. Репозиторий распространяется в формате safetensors; лицензия указана как other, поэтому условия использования следует уточнить в карточке модели.

trinhkhng/ties_Merged_Qwen2-0.5B_0.1 — объединённая языковая модель на архитектуре Qwen2, созданная с помощью mergekit методом TIES. В объединение вошли Qwen2-0.5B и debias_Qwen2-0.5B; в качестве базовой модели и источника токенизатора использована Qwen2-0.5B. Модель содержит около 493,7 млн параметров и распространяется в формате safetensors. Модель предназначена для генерации текста и диалогового общения. Заявленная длина контекста — 131072 токена. В карточке не приведены сведения о языковой поддержке и специализированных областях применения. Лицензия в предоставленных данных не указана.

trinhkhng/ties_Merged_Qwen2-0.5B_0.5 — объединённая модель на базе Qwen2, созданная автором с помощью mergekit и метода TIES. В объединение вошли базовая Qwen2-0.5B и модель debias_Qwen2-0.5B; токенизатор взят из Qwen2-0.5B. Модель содержит около 493,7 млн параметров, использует архитектуру Qwen2ForCausalLM и формат safetensors. Заявленная длина контекста — 131 072 токена. Модель предназначена для генерации текста и диалоговых сценариев. Карточка не сообщает, какие именно предвзятости устраняет компонент debias и насколько успешно это достигается. Лицензия в предоставленных данных не указана.

Модель habanoz/TinyLlama-1.1B-intermediate-step-715k-1.5T-lr-5-4epochs-oasst1-top1-instruct-V1 — дообученная инструктивная версия TinyLlama, созданная с использованием датасета OpenAssistant/oasst_top1_2023-08-25. Для обучения применялся QLoRA, затем адаптер был объединён с базовой моделью. Модель предназначена для генерации текста и ответов на инструкции в диалоговом формате. Это плотная авторегрессионная модель семейства Llama с примерно 1 млрд параметров и контекстом 2048 токенов. Карточка приводит результаты оценки на Open LLM Leaderboard, включая среднее значение 35,28, однако подробности остальных метрик в доступном README отсутствуют. Репозиторий содержит веса в формате safetensors; модель распространяется по лицензии Apache-2.0.

TranslateGemma-4B-GGUF — это GGUF-квантизированная версия TranslateGemma-4B-it, разработанной командой Google Translate на базе Gemma 3. Репозиторий 42ailab не содержит собственной модели или квантизации: в нём побайтно зеркалированы файлы общественной квантизации bullerwins и обеспечена интеграция с движком 42model. Модель предназначена для полностью локального машинного перевода текста между 55 языками, включая китайский, английский, японский, корейский, французский, немецкий, испанский и русский. Модель ориентирована на повседневный перевод, работу с конфиденциальными документами и использование в автономных условиях без подключения к облачным сервисам. Доступны варианты Q4_K_M и Q8_0: первый требует меньше памяти, второй лучше сохраняет близость к исходным весам. Это лёгкая модель примерно на 4B параметров, рассчитанная на запуск на ноутбуках и настольных компьютерах; минимальная сборка занимает менее 2,5 ГБ. Контекст составляет около 2K токенов на вызов, поэтому длинные документы рекомендуется разделять на фрагменты. К сильным сторонам относятся локальная обработка, конфиденциальность, работа офлайн и низкие требования к ресурсам. По данным официального отчёта Google, результат 4B на WMT24++ составляет MetricX 5,32 и Comet 81,6; эти показатели не были повторно проверены авторами репозитория. Ограничения — текстовый режим без поддержки перевода изображений, меньшая точность по сравнению с вариантами 12B и 27B и ориентация преимущественно на предложения и абзацы. Модель распространяется по Gemma Terms of Use.

Trinity_Notus-xb — объединённая языковая модель, созданная автором powermove72 из janai-hq/trinity-v1 и argilla/notus-7b-v1 с помощью LazyMergekit. Она предназначена для генерации текста и диалоговых ответов. Модель использует плотную архитектуру MistralForCausalLM, содержит 11 млрд параметров и поддерживает контекст до 32 768 токенов. В репозитории опубликованы веса Safetensors; конфигурация слияния использует метод passthrough и тип float16. Базовая модель Notus описана как диалоговая модель на базе Mistral, дообученная методом DPO для ответов преимущественно на английском языке. README не сообщает отдельные результаты оценки качества или дополнительные возможности Trinity_Notus-xb. Лицензия в предоставленных данных не указана.

SzilviaB/Triple-SOLAR-2x10.7b-truthy-dpo-SKEWED — разговорная языковая модель для генерации текста, полученная слиянием через TIES с помощью mergekit. В конфигурации трижды использована модель macadeliccc/SOLAR-2x10.7b-truthy-dpo с разными параметрами плотности и весами; результат сохранён в формате float16. Архитектура Mixtral с MoE-компонентами, размер — 10,6 млрд параметров, контекст — до 4096 токенов. Модель предназначена для диалоговой генерации ответов и продолжения текста. Карточка и метаданные не уточняют языковую специализацию или отдельные прикладные области. Лицензия в предоставленных данных не указана.

Tulpar-7b-v0 — языковая модель HyperbeeAI на архитектуре Llama 2, дообученная на инструкциях. В обучающую выборку вошли отфильтрованные и предварительно обработанные данные, включая наборы, сгенерированные GPT-4, а также Airoboros и Platypus. Модель предназначена для генерации текста по запросам и выполнения инструкций на английском языке. Её можно применять для диалоговых ответов, общих вопросов и рассуждений на основе текста. Размер модели — 6,6 млрд параметров, контекст — до 4096 токенов; для работы используются PyTorch и библиотека Transformers. Разработчик предупреждает, что точность, объективность, непредвзятость и безопасность ответов не гарантируются; перед внедрением рекомендуется проверять модель в целевом сценарии. Дообучение проводилось только на английском языке, поэтому другие языки и языковые сценарии не покрыты. Лицензия — Llama 2.

TheHappyDrone/Uoxudo_16bit — дообученная языковая модель семейства Llama, разработанная TheHappyDrone на основе unsloth/tinyllama-bnb-4bit. Модель предназначена для генерации текста и диалогового использования; README сообщает, что при обучении применялись Unsloth и библиотека TRL. Модель содержит 1 млрд параметров и поддерживает контекст длиной до 2048 токенов. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0. Карточка сообщает о формате чата, но не описывает предметную специализацию или оценку качества модели.