III.5Управление персоналом и организацией

AgentMercury-Qwen3.5-35B-A3B-SAO — это контрольная точка Qwen3.5-35B-A3B, дообученная Minbyul с помощью агентного обучения с подкреплением для работы с инструментами через MCP. Модель использует архитектуру Qwen3.5-MoE; в репозитории представлены веса safetensors для Transformers. По данным метаданных, базовая модель содержит 35 млрд параметров, из которых 3 млрд активны. Модель принимает текстовые запросы и выдаёт текстовые ответы с вызовами инструментов. Она предназначена для автономного выполнения многошаговых задач в синтетических корпоративных средах: искать сведения в почте, чатах, календарях, хранилищах, CRM и других сервисах, а затем создавать, изменять или удалять записи. Обучение основано на одном rollout на запрос и обучаемом критике; автор сообщает об улучшении доли выполненных действий на обучающих средах, но не приводит оценки на отложенном бенчмарке. Модель рассчитана прежде всего на англоязычную работу с инструментами; общие языковые и мультимодальные свойства унаследованы от базовой модели, но этот экспорт обозначен как текстовый. Это промежуточная контрольная точка на шаге 159 из запланированных 200, поэтому обучение не было завершено. Ответы могут быть длинными, а качество вне англоязычных корпоративных сценариев с инструментами зависит от базовой модели. Лицензия — Apache-2.0.

aya-23-35B-GGUF — это набор квантизированных моделей в формате GGUF для запуска через llama.cpp. Основой служит языковая модель aya-23-35B, разработанная CohereForAI, а квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и диалоговых сценариев, включая ответы на вопросы, написание и преобразование текста на нескольких языках. Заявлена поддержка английского, французского, немецкого, испанского, итальянского, португальского, японского, корейского, китайского, арабского, греческого, персидского, польского, индонезийского, чешского, иврита, хинди, нидерландского, румынского, русского, турецкого, украинского и вьетнамского языков. Размер базовой модели — 35B параметров; сведения об архитектуре и размере контекста в README не указаны. Доступны варианты с разными уровнями квантизации: от IQ1 и IQ2 с минимальным размером и более низким качеством до Q6_K и Q8_0 с высоким качеством, но большими требованиями к памяти. Рекомендуемыми названы варианты Q4_K_M, Q5_K_M и Q6_K, а также некоторые IQ-квантизации. Главное преимущество модели — возможность локального запуска в llama.cpp при выборе подходящего уровня квантизации, включая варианты для ограниченного объёма оперативной памяти. Ограничения связаны с компромиссом между качеством и размером: низкобитные варианты заметно уступают по качеству, а высококачественные требуют десятки гигабайт памяти. Лицензия — CC BY-NC 4.0, допускающая использование с ограничениями, включая запрет коммерческого применения.

aya-expanse-8b-GGUF — это GGUF-квантизация языковой модели aya-expanse-8b, разработанной CohereForAI и подготовленной пользователем bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и диалоговых сценариев, включая работу на русском и других языках: английском, французском, немецком, испанском, итальянском, португальском, японском, корейском, китайском, арабском, греческом, персидском, польском, индонезийском, чешском, иврите, хинди, нидерландском, румынском, турецком, украинском и вьетнамском. В репозитории доступны варианты от исходных весов F16 размером 16,07 ГБ до квантизаций Q8_0, Q6, Q5, Q4 и Q3, а также IQ-вариантов, что позволяет выбирать между качеством, требованиями к памяти и скоростью инференса. Для запуска рекомендуется использовать llama.cpp или LM Studio; для модели указан специальный шаблон промпта с токенами ролей системы, пользователя и чат-бота. Архитектура, размер контекста и мультимодальные возможности в README не указаны; по описанию это текстовая модель без заявленной поддержки изображений или других модальностей. Сильная сторона модели — широкий набор поддерживаемых языков и наличие множества вариантов квантизации, включая рекомендуемые Q6_K_L, Q6_K, Q5 и Q4, а также оптимизированные под ARM форматы. Качество снижается при использовании более компактных Q3-вариантов, а некоторые форматы имеют специальные требования к аппаратным инструкциям или не рекомендуются для macOS и Windows. Модель распространяется по лицензии CC-BY-NC-4.0 и предназначена только для некоммерческого использования; доступ к исходной модели может требовать согласия с условиями лицензии и предоставления данных через gated-доступ.

duyntnet/aya-expanse-8b-imatrix-GGUF — набор GGUF-квантизаций модели Aya Expanse 8B, разработанной Cohere For AI. Это открытая исследовательская большая языковая модель для генерации текста и диалоговых сценариев с выраженной ориентацией на мультиязычность. Модель основана на предварительно обученном семействе Command и дополнительно улучшалась с применением исследований Cohere For AI в области оптимизации данных, мультиязычного обучения на предпочтениях, настройки безопасности и объединения моделей. Модель содержит около 8 миллиардов параметров и поддерживает 23 языка: арабский, китайский упрощённый и традиционный, чешский, нидерландский, английский, французский, немецкий, греческий, иврит, хинди, индонезийский, итальянский, японский, корейский, персидский, польский, португальский, румынский, русский, испанский, турецкий, украинский и вьетнамский. README не указывает размер контекста и точную архитектуру. Для работы с GGUF-квантизациями заявлена совместимость с llama.cpp, KoboldCPP, Ollama, text-generation-webui, GPT4All и Jan. Сильная сторона модели — широкая языковая поддержка и ориентация на мультиязычную генерацию текста. Ограничения включают исследовательский статус, отсутствие сведений о конкретных вариантах квантизации, контекстном окне и результатах бенчмарков. Исходная модель распространяется по лицензии CC-BY-NC с обязательным соблюдением политики допустимого использования C4AI; условия для данного набора квантизаций следует проверять отдельно.

lukagra/Bielik-Minitron-7B-v3.0-Instruct-mlx-fp16 — конвертированная в формат MLX версия модели speakleash/Bielik-Minitron-7B-v3.0-Instruct. Это плотная авторегрессионная языковая модель семейства Llama с 7,3 млрд параметров, предназначенная для диалога и генерации текста. Репозиторий создан lukagra; карточка базовой модели описывает Bielik как компактную инструктивную модель для европейских языков с акцентом на польский. Модель принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов и рассчитана на многоязычные сценарии. В метаданных перечислены польский, английский, албанский, белорусский, боснийский, болгарский, хорватский, чешский, датский, эстонский, финский, французский, греческий, испанский, исландский, литовский, нидерландский, немецкий, норвежский, португальский, русский, румынский, сербский, шведский, словацкий, словенский, турецкий, украинский, венгерский, итальянский и латышский языки. Формат MLX предназначен для запуска на оборудовании Apple с MLX; исходная модель использует формат Safetensors. Модель опубликована под лицензией Apache-2.0. Качество и возможности унаследованы от базовой модели; карточка этой конверсии не содержит отдельных оценок или результатов тестирования.

Bielik-Minitron-7B-v3.0-Instruct-ungated — разговорная многоязычная языковая модель на архитектуре Llama, представленная в формате Safetensors. Репозиторий описывает её как версию исходной модели с удалённым механизмом ограничения доступа; модель основана на Bielik-11B-v3-Base-20250730 и дообучена для генерации текста и диалогов. Размер модели — 7,3 млрд параметров, длина контекста — 32 768 токенов. Модель подходит для диалоговых приложений и генерации текста на польском и других европейских языках, включая английский и русский. Указана лицензия Apache-2.0. В README нет сведений о сравнительных оценках качества или подробном описании изменения механизма доступа; заявленное улучшение конфиденциальности не сопровождается техническими подробностями.

BLOSSOM-v4-qwen-18b — диалоговая языковая модель, разработанная командой Blossom и полученная дообучением Qwen-1_8B на смесях данных Blossom Orca, Wizard, Chat и Math. Модель использует плотную архитектуру Qwen с 2,3 млрд параметров и контекстом до 8192 токенов; репозиторий содержит веса PyTorch. Она предназначена для генерации ответов в формате диалога и общего следования инструкциям, включая задачи на понимание текста и математику. Обучение проходило в два этапа на одно- и многоходовых примерах.

Brezn3 — объединённая чат-модель на архитектуре Mistral, созданная Johann Hartmann с помощью mergekit и метода DARE TIES. В качестве базовой модели использована LeoLM/leo-mistral-hessianai-7b-chat; в объединение также вошли WestSeverus-7B-DPO-v2, Wiedervereinigung-7b-dpo-laser и openchat-3.5-0106-laser. Модель предназначена для генерации текста и диалогов. Она содержит 7,1 млрд параметров, принимает текст и имеет контекстное окно 32 768 токенов. По описанию базовой модели, модель рассчитана прежде всего на немецкий и английский языки. В карточке указаны форматы Transformers и safetensors. Лицензия и отдельные сведения о качестве в предоставленных данных не приведены. Как и другие объединённые языковые модели, Brezn3 может генерировать неточные или вымышленные ответы; качество конкретных задач следует оценивать на собственных примерах.

Calme-4x7B-MoE-v0.1 — языковая модель MaziyarPanahi для генерации текста и диалогов. Она построена на архитектуре Mixture of Experts семейства Mixtral и объединяет четыре дообученные модели Calme-7B; в описании указано, что на каждый токен активируются два эксперта. Метаданные Hugging Face сообщают 7,1 млрд параметров, контекст до 32 768 токенов и формат safetensors; README приводит оценку общего числа параметров свыше 24 млрд. Модель подходит для диалоговых приложений, ответов на вопросы, объяснений и задач рассуждения на естественном языке. В README приведены результаты ARC, HellaSwag и TruthfulQA, но качество может различаться в зависимости от задачи и формулировки запроса. Сведения о поддерживаемых языках и специализированной предметной области не приведены. Модель выпущена под лицензией Apache-2.0. Карточка не содержит подробной оценки ограничений, поэтому результаты следует проверять в целевом сценарии.

decide-0.2.0 — англоязычная модель jmwri на 149 млн параметров, дообученная на базе answerdotai/ModernBERT-base. Это компактный некорректирующий генерацию encoder-only классификатор: за один проход оценивает каждый из предложенных вариантов и возвращает калиброванные вероятности. Поддерживает выбор одного варианта из нескольких, проверку условия с ответом «да/нет» и оценку по упорядоченной шкале. Архитектура использует ModernBERT и отдельную MLP-голову для оценки вариантов; заявленная длина контекста — 8192 токена. Модель предназначена для классификации по заданным вариантам, проверки утверждений и принятия решений по текстовому описанию состояния и инструкции. Оценки вариантов не зависят от порядка остальных вариантов, что удобно для построения устойчивых классификаторов и таксономий. На задачах, похожих на обучающие, README приводит метрики точности и калибровки; на не встречавшихся при обучении задачах качество ниже, а вероятности могут быть чрезмерно уверенными. Модель поддерживает только английский язык. Лучше работают варианты с ясными описаниями; наборы более чем примерно из десяти вариантов рекомендуется разбивать на этапы. Для решений, влияющих на права, безопасность или средства к существованию людей, требуется надзор человека. Лицензия модели — Apache-2.0; перед распространением или коммерческим использованием также следует проверить лицензии использованных обучающих наборов данных.

djinn-7b — языковая модель на базе Mistral, созданная mayacinka объединением моделей paulml/DPOB-INMTOB-7B и bardsai/jaskier-7b-dpo-v6.1 методом SLERP с помощью LazyMergekit. Это плотная авторегрессионная модель с 7,1 млрд параметров, рассчитанная на генерацию текста; заявленная длина контекста — 32 768 токенов. Модель подходит для генерации ответов и текста, а также для общих задач понимания языка и рассуждений. В README приведены результаты Open LLM Leaderboard и AutoEval, включая оценки по MMLU, TruthfulQA и GSM8K, но сведения о языках обучения и целевых сценариях не приведены. Модель распространяется в формате safetensors.

lvcchaves дообучил эту плотную модель семейства Llama на базе utter-project/EuroLLM-9B-Instruct. Она предназначена для генерации текста и диалогов; карточка указывает обучение с использованием Unsloth и библиотеки TRL. Модель содержит 8,6 млрд параметров, принимает текст и выдаёт текст, поддерживает английский и португальский языки и имеет контекст до 4096 токенов. Доступна в формате Safetensors по лицензии Apache-2.0.

Evertide-RX-12B — универсальная разговорная языковая модель на архитектуре Mistral, разработанная Retreatcost. Модель дообучена в полном формате параметров на слиянии моделей, созданном на основе unreleased cowriter-модели; README также указывает, что использованы те же модели, что и в Retreatcost/KansenSakura-Erosion-RP-12b. Размер составляет 12,1 млрд параметров, контекст — до 131 072 токенов. Репозиторий содержит веса Safetensors, библиотека для работы — Transformers. Модель предназначена для диалогов, совместного написания текстов, мозговых штурмов и коротких ролевых сцен. Заявлена поддержка английского, французского, немецкого, испанского, итальянского, португальского, русского, китайского и японского языков. По README, рассуждения обычно включаются без дополнительной настройки, но иногда ответы могут появляться без них. Автор сообщает, что обучение проводилось на 451 вручную подготовленном примере, без RL. Это экспериментальная модель общего назначения; автор не заявляет о превосходстве над другими моделями и отмечает, что она не предназначена специально для эротического ролевого общения и может отказывать на некоторых запросах. Лицензия — Apache 2.0.

GaMS-27B-Instruct — разговорная языковая модель, разработанная исследовательской группой факультета компьютерных наук и информатики Люблянского университета. Это версия GaMS-27B, дообученная методом SFT; семейство GaMS основано на Gemma 2 и продолжительно обучалось на словенских, английских, хорватских, сербских и боснийских текстах. Модель имеет плотную архитектуру Gemma 2 с 27,6 млрд параметров, принимает текст и генерирует текст. Контекст — до 8192 токенов. Модель предназначена для диалогов и генерации текстов, в первую очередь на словенском и английском языках; также поддерживаются хорватский, сербский и боснийский. Её можно применять для черновиков, суммаризации, ответов на вопросы и языковой практики. Лицензия — Gemma. Ответы могут содержать фактические ошибки и отражать предвзятость обучающих данных; модель может испытывать трудности с тонкими языковыми нюансами и сложными задачами. Для чувствительных сценариев следует проверять результаты и учитывать ограничения политики использования Gemma.

GaMS-9B-Instruct — инструктивная версия языковой модели семейства GaMS, разработанная исследовательской командой Факультета компьютерных и информационных наук Люблянского университета. Модель основана на Gemma 2 и дообучена методом supervised fine-tuning на базе cjvt/GaMS-9B; она содержит 9 млрд параметров, использует плотную архитектуру Gemma2ForCausalLM и имеет контекст до 8192 токенов. Модель предназначена для генерации текста и диалоговых сценариев: она может помогать создавать и редактировать тексты, составлять краткие пересказы, отвечать на вопросы и поддерживать языковую практику. Основные языки — словенский и английский; также поддерживаются хорватский, сербский и боснийский. По метаданным репозиторий содержит веса в формате safetensors, а лицензия — Gemma. Качество ответов зависит от данных и формулировки запроса: возможны фактические ошибки, предвзятость и трудности с неоднозначными или сложными задачами. Модель может генерировать вредный или вводящий в заблуждение текст, поэтому результаты требуют проверки и подходящих мер безопасности.

K2S3-Mistral-7b-v1.48 — языковая модель, разработанная K2S3 и созданная полнопараметрической донастройкой с supervised fine-tuning базовой модели mistralai/Mistral-7B-v0.1. Это плотная авторегрессионная модель семейства Mistral с 7,2 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев на английском и корейском языках. При обучении использовались alpaca-gpt4-data и примеры из OpenOrca; настройка выполнялась через Hugging Face SFTTrainer с FSDP на двух GPU A100. Модель распространяется в формате safetensors по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Качество и поведение модели зависят от формулировки запроса и обучающих данных; в карточке не приведены результаты оценки или специальные гарантии точности.

Kosmos-8B-v1 — языковая модель Khetterman, созданная слиянием 14 моделей с помощью mergekit. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров. Она предназначена для генерации текста, чатов и творческих ролевых диалогов; в метаданных указана поддержка английского и русского языков. Нативная длина контекста — 8192 токена. Модель объединяет варианты Llama 3 и Llama 3.1, в том числе русскоязычную Saiga и модели для творческого общения. Доступна в формате safetensors и использует библиотеку Transformers. README не сообщает лицензию, поэтому условия использования по имеющимся данным определить нельзя.

Карточка модели titanbot/LeoLM-hessianai-7b-chat на Hugging Face совпадает с карточкой LeoLM/leo-hessianai-7b-chat, поэтому описание составлено по ней. LeoLM/leo-hessianai-7b-chat — чат-модель команды LeoLM, созданная Björn Plüster и Christoph Schuhmann совместно с LAION и HessianAI. Она основана на LeoLM/leo-hessianai-7b — немецкоязычной версии Llama 2, дополнительно обученной на немецких текстах, — и дообучена на наборах немецких инструкций. Модель представляет собой плотный авторегрессионный трансформер-декодер семейства Llama с 6,6 млрд параметров и контекстом до 8 192 токенов; работает через Transformers и использует формат диалога ChatML. Модель предназначена для общения, написания и объяснения текстов, обсуждений, ролевых диалогов и ответов на вопросы на немецком и английском языках. В оценке MT-Bench-DE особенно хорошо показала себя в гуманитарных и STEM-задачах, а математика, программирование и сложные рассуждения оказались слабее. Разработчики предупреждают о возможных неточных, предвзятых или нежелательных ответах и рекомендуют проверять модель и адаптировать меры безопасности под конкретное применение. Лицензия — Llama 2 Community License Agreement.

ISSAI әзірлеген LLama-3.1-KazLLM-1.0-70B — қазақ тіліндегі жауаптардың сапасы мен пайдалығын арттыруға бейімделген 70B параметрлі үлкен тілдік модель. Ол Llama 3.1 негізінде жасалған және Transformers кітапханасы арқылы мәтіндік диалог пен мәтін генерациясына арналған. Модель қазақ, орыс, ағылшын және түрік тілдерінде жұмыс істейді; карточкада 128 мың токенге дейінгі кіріс контексті және 4 мың токенге дейінгі шығыс көрсетілген. Қазақ тіліндегі бенчмарк нәтижелері модельдің қазақша сұрақтарға жауап беру, пайымдау және мәтін құрастыру сценарийлеріне бағдарланғанын көрсетеді. Қолдану үшін кемінде екі 80 GB GPU және 150 GB бос диск кеңістігі қажет. Модель жауаптарының дұрыстығына кепілдік берілмейді; біржақтылық болуы мүмкін, сондықтан нәтижелерді тексеру керек. Лицензиясы — CC BY-NC 4.0, сонымен қатар Llama 3.1 шарттары мен қолайлы пайдалану саясаты қолданылады.

miniclaus-qw1.5B-UNAMGS — компактная языковая модель семейства Qwen2, разработанная fblgit на основе Qwen/Qwen2.5-1.5B-Instruct и дообученная на наборе Magpie-Align/Magpie-Pro-MT-300K-v0.1. Модель предназначена для генерации текста и диалоговых сценариев; в метаданных также заявлен интерфейс для вызова инструментов. Модель имеет плотную архитектуру Qwen2ForCausalLM, содержит 1,5 млрд параметров и поддерживает контекст до 131 072 токенов. В тегах карточки перечислены английский, китайский, французский, испанский, португальский, немецкий, итальянский, русский, японский, корейский, вьетнамский, тайский и арабский языки. README сообщает об использовании MGS и UNA (MLP) и приводит значение loss 0,7193 на наборе оценки. Модель подходит для многоязычных диалогов и генерации ответов, однако README не раскрывает методику оценки и не уточняет, как MGS и UNA влияют на качество. Лицензия указана как other, поэтому условия использования следует проверять в карточке модели.

Mistral-7B-v0.1-flashback-v2-instruct — шведско-английская инструктивная языковая модель timpal0l, созданная дообучением timpal0l/Mistral-7B-v0.1-flashback-v2 на машинно переведённом наборе инструкций OpenHermes 2.5. Она предназначена для диалогов и генерации ответов на инструкции; использовать её можно, например, через библиотеку Transformers.

Модель kamisaiko/model_vistral_inContextLearning — дообученная авторегрессионная чат-модель семейства Mistral, созданная kamisaiko на основе Viet-Mistral/Vistral-7B-Chat. Веса представлены в формате PyTorch; размер модели — 7,1 млрд параметров, нативная длина контекста — 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Её обучали с использованием Unsloth и библиотеки TRL. Карточка не описывает отдельные специализированные навыки или конкретные наборы данных. Лицензия — Apache 2.0.

Birchlabs опубликовал дообученную версию MPT-7B-Chat — диалоговой модели MosaicML для генерации ответов и ведения беседы. Модель основана на MPT-7B и дообучена на наборах ShareGPT-Vicuna, HC3, Alpaca, HH-RLHF и Evol-Instruct. Это плотный авторегрессионный трансформер с 6,7 млрд параметров, 32 слоями и 32 головами внимания; в архитектуре используются FlashAttention и ALiBi, без позиционных эмбеддингов и смещений. Для загрузки через Transformers требуется доверенный пользовательский код архитектуры MPT. Модель подходит для чат-ботов, ответов на вопросы, диалогового помощника и генерации текста по запросу. README предупреждает, что ответы могут содержать фактические ошибки, предвзятость или оскорбительный контент. Указанная лицензия CC-BY-NC-SA-4.0 ограничивает использование некоммерческими целями.

zelk12 выпустила диалоговую модель MT4-Gen3-MM-gemma-2-Rv0.4MT4g2-9B — слияние двух предварительно обученных языковых моделей методом SLERP с помощью mergekit. В состав вошли zelk12/MT4-Gen2-gemma-2-9B и recoilme/recoilme-gemma-2-9B-v0.4. Модель построена на плотной архитектуре Gemma 2 с 9 млрд параметров и контекстом до 8192 токенов; карточка указывает поддержку общения в чате и генерации текста. Модель предназначена для диалоговой генерации текста и может использоваться в чат-ботах и для создания текстовых ответов на запросы. Репозиторий указан в формате safetensors и использует библиотеку Transformers. Сведения о лицензии, языковом охвате и специальных ограничениях качества в предоставленных материалах отсутствуют.

mjwong/multilingual-e5-large-xnli — многоязычная модель классификации текста, дообученная на XNLI на основе intfloat/multilingual-e5-large. Её можно использовать в zero-shot-классификации: передать текст и произвольные метки классов, после чего модель оценит соответствие текста каждой метке. Для случаев, когда к тексту подходят несколько меток, поддерживается независимая оценка каждого класса. Модель построена на архитектуре XLM-RoBERTa-large и содержит около 658,7 млн параметров. Контекст — до 514 токенов. В README приведены результаты оценки на XNLI для 15 языков, а также тесты на MultiNLI и ANLI. Модель распространяется по лицензии MIT.

Карточка модели Lazzzaroo/PaolaAI-UAM на Hugging Face совпадает с карточкой Lazzzaroo/PaolaAI-IPN-7B, поэтому описание составлено по ней. Lazzzaroo/PaolaAI-IPN-7B — чат-модель на архитектуре Qwen2, дообученная Lazzzaroo на базе unsloth/Qwen2.5-7B-Instruct-bnb-4bit. Для обучения использовались Unsloth и библиотека Hugging Face TRL. Модель предназначена для генерации текста и диалоговых сценариев; карточка также отмечает интерфейс вызова инструментов. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст длиной до 32 768 токенов. В метаданных указан английский язык. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0.

QwerySmith-1.0-Merged — дообученная Cyrax321 языковая модель для генерации текста и диалогового общения. Она основана на Qwen3 с плотной архитектурой причинного языкового моделирования Qwen3ForCausalLM и содержит около 3,7 млрд параметров. Модель принимает текст и поддерживает контекст до 40 960 токенов; в метаданных также отмечен интерфейс вызова инструментов. Карточка указывает базовую модель unsloth/qwen3-4b-unsloth-bnb-4bit и лицензию Apache-2.0. В описании нет сведений о специализации дообучения или оценках качества; подтверждена поддержка английского языка.

mondk/Safetensors.claude-sonnet-mistral-7b-it-v0.3 — разговорная языковая модель, созданная на основе unsloth/mistral-7b-instruct-v0.3-bnb-4bit и дообученная на датасете mondk/claude-v2-super.jsonl. Она использует плотную архитектуру MistralForCausalLM с 7,1 млрд параметров и предназначена для генерации текста в диалоговом формате, включая ответы на вопросы и ведение беседы на английском языке. Модель поддерживает контекст до 32 768 токенов и интерфейс вызова инструментов. Весы опубликованы в формате safetensors; лицензия — Apache-2.0. Карточка краткая, поэтому конкретные результаты оценивания и дополнительные ограничения не описаны.

knkarthick/Action_Items — модель классификации текста на базе DistilBERT, дообученная на пользовательском наборе данных для выявления пунктов действий. Она относит входной фрагмент текста к одному из двух классов: «не является пунктом действия» или «пункт действия». Модель подходит для автоматического выделения задач и обязательств из заметок, стенограмм и деловой переписки. Поддерживает английский язык, использует архитектуру DistilBertForSequenceClassification и контекст до 512 токенов. Опубликована в формате PyTorch под лицензией Apache-2.0. Карточка не приводит метрик качества или подробностей о составе обучающего набора, поэтому пригодность для конкретного корпуса следует проверять отдельно.

teknium/airoboros-mistral2.2-7b — языковая модель Mistral, дообученная на наборе инструкционных данных Airoboros разработчиком Teknium. Она предназначена для генерации ответов на запросы и следования инструкциям в текстовом диалоге; формат запроса использует метки USER и ASSISTANT. Модель содержит 7,1 млрд параметров, построена на плотной архитектуре MistralForCausalLM и поддерживает контекст до 32 768 токенов. Карточка упоминает оценку TruthfulQA, но не приводит её результатов. Модель распространяется по лицензии MIT. Данные указывают на поддержку английского языка; иных языков карточка не подтверждает.