III.5Управление персоналом и организацией

Faro-Yi-34B-DPO — разговорная языковая модель, созданная wenbopan как DPO-версия Faro-Yi-34B. Она предназначена для генерации ответов в диалоге и других текстовых задач; для общения использует шаблон ChatML. Модель построена на архитектуре Llama, имеет 33,9 млрд параметров и контекст длиной до 32 768 токенов. В карточке заявлена поддержка английского и китайского языков. Автор отмечает хорошую работу как с коротким, так и с длинным контекстом и сообщает, что модель превосходит исходную Yi-34B-200K на многих задачах. В метаданных происхождение указано как слияние моделей; веса опубликованы в формате safetensors. Лицензия — MIT. Карточка не приводит подробных результатов оценки или конкретных ограничений качества.

ClaudioItaly/Fimbulvetr-Cognitive-11B-V3 — плотная языковая модель семейства Llama, созданная автором репозитория с помощью слияния моделей через passthrough mergekit на основе Sao10K/Fimbulvetr-11B-v2. Модель содержит 10,4 млрд параметров, распространяется в формате safetensors и предназначена для генерации текста, включая диалоговые ответы и задачи, требующие рассуждений и связного понимания текста. Указанный размер контекста — 4096 токенов. Карточка заявляет ориентацию на сложные когнитивные задачи, семантическую связность и рассуждения, однако не приводит результатов сравнительных оценок. Базовая модель описана как ориентированная на английский язык, поэтому английский — основной язык применения. Лицензия в предоставленных данных не указана.

GaMS-2B-Instruct — языковая модель с диалоговой настройкой, разработанная исследовательской командой факультета компьютерных наук и информатики Люблянского университета. Она основана на GaMS-2B, которая, в свою очередь, построена на Gemma 2 и дополнительно обучена на словенских, английских, хорватских, сербских и боснийских текстах. Модель предназначена для генерации текста и диалоговых сценариев: она может помогать составлять и редактировать тексты, отвечать на вопросы, создавать краткие пересказы и поддерживать языковую практику. Наиболее подходящие языки — словенский и английский; также поддерживаются хорватский, сербский и боснийский. Модель имеет плотную архитектуру Gemma 2, содержит 2,7 млрд параметров и поддерживает контекст до 8192 токенов. К ограничениям относятся возможные фактические ошибки, смещения в ответах и трудности с неоднозначными формулировками и сложными задачами; результаты требуют проверки. Модель распространяется по лицензии Gemma, условия которой следует учитывать при использовании.

Gemma 2 Aeria 9B — объединённая языковая модель на 9 млрд параметров, созданная с помощью Mergekit и метода DARE TIES на основе princeton-nlp/gemma-2-9b-it-SimPO и lemon07r/Gemma-2-Ataraxy-v2-9B. Она использует архитектуру Gemma 2 для генерации текста и диалоговых ответов; модель рассчитана на английский язык и поддерживает контекст до 8192 токенов. Модель подходит для ведения диалога, ответов на вопросы и свободной генерации текста. Весовой формат репозитория — safetensors; в конфигурации слияния указан тип bfloat16. Условия лицензии в предоставленных источниках не описаны.

Gemma2-Snowflakes-9B — плотная языковая модель на архитектуре Gemma 2 с 9 млрд параметров, созданная автором репозитория с помощью слияния моделей методом TIES через mergekit. Базой слияния послужила mergekit-community/Tigers-Abliterated-9B; также использованы модели EZO-Common, EZO-Humanities, G2-9B-Aletheia, gemma2-9B-sunfall, SahabatAI-Lion и Gemma-2-Ataraxy. Модель предназначена для генерации текста и диалоговых ответов; заявленное контекстное окно — 8192 токена. В метаданных указаны английский и японский языки, а также возможность чата. Репозиторий использует формат safetensors и библиотеку Transformers. Сведений о лицензии в предоставленных данных нет.

K2S3-14b-v0.2 — текстовая генеративная модель, разработанная K2S3 на основе весов mistralai/Mistral-7B-v0.1. Авторы увеличили глубину модели, примерно удвоив её размер, добавили корейскую лексику и слияния в токенизатор, а затем провели полнопараметрическое обучение методом SFT. Модель содержит 14,2 млрд параметров, использует плотную архитектуру Mistral и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых задач на английском и корейском языках. В обучении использовались alpaca-gpt4-data и примеры из набора The OpenOrca Dataset. Репозиторий предоставляет веса в формате Safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

KARAKURI LM 70B Chat v0.1 — диалоговая языковая модель компании KARAKURI Inc., дообученная на базе KARAKURI LM 70B, которая, в свою очередь, основана на Llama 2 и дополнительно обучалась на японских и многоязычных корпусах. Это плотный авторегрессионный трансформер с архитектурой Llama, содержащий 68,8 млрд параметров и поддерживающий контекст до 4096 токенов. Модель предназначена для многошагового диалога, ответов на вопросы и генерации текста на японском и английском языках. При дообучении применялась техника SteerLM, а обучающие данные включали OASST2, HelpSteer и внутренние диалоговые данные; шаблон позволяет задавать атрибуты ответа, такие как полезность, корректность, подробность и креативность. Разработчик сообщает о высоких результатах на японском MT-Bench и сопоставимом с Llama 2 70B Chat качестве на английском MT-Bench. Модель распространяется в формате safetensors через Transformers. Лицензия указана как other, поэтому перед использованием следует проверить условия на странице модели; конкретные условия в доступных данных не раскрыты. Размер модели требует значительных вычислительных ресурсов, а доступный контекст ограничен 4096 токенами.

mrm8488/limstral-7B-v0.1 — языковая модель Mistral 7B, дообученная на наборе данных LIMA для следования инструкциям. Она предназначена для генерации ответов на пользовательские запросы и выполнения общих инструкций в диалоговых сценариях. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст длиной до 32 768 токенов. Основной язык в карточке — английский. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не сообщает результаты оценки качества и не описывает специализированные области применения.

VictorDCh/Llama-3-8B-Instruct-MoE-2 — разговорная языковая модель на архитектуре Mixture of Experts (MoE), созданная из meta-llama/Meta-Llama-3-8B-Instruct. В конфигурации указаны два эксперта на токен, сформированные из одной базовой модели и ориентированные на разные типы вопросов, включая сравнения, вопросы с вопросительными словами и количественные рассуждения. Модель предназначена для генерации текста в диалоговом формате и ответов на запросы. Она содержит 7,5 млрд параметров, рассчитана на контекст до 8192 токенов и представлена в формате safetensors для библиотеки Transformers. README не содержит сведений о разработчике, лицензии или оценке качества, поэтому условия распространения и сравнительные преимущества по имеющимся данным определить нельзя.

win10/Llama-3-Taiwan-13.3B-Instruct — диалоговая языковая модель на архитектуре Llama 3, созданная с помощью mergekit на основе yentinglin/Llama-3-Taiwan-8B-Instruct. Репозиторий содержит веса Safetensors, модель насчитывает 12,7 млрд параметров и поддерживает контекст до 8192 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Базовая модель ориентирована на традиционный китайский и английский языки, диалог и прикладные задачи понимания языка; метаданные этой модели подтверждают задачу text-generation и возможность чата. Модель опубликована под лицензией, сведения о которой в предоставленных источниках отсутствуют.

MaLA-LM/lucky52-bloom-7b1-no-52 — мультиязычная модель BLOOM, дообученная с инструкциями на основе параллельного набора Bactrian-X. Это один из 52 чекпойнтов серии: при обучении в модель последовательно добавляли языки. Модель содержит 9,1 млрд параметров, использует плотную архитектуру BLOOM для причинной генерации текста и загружается через библиотеку Transformers; доступны веса PyTorch и Safetensors. Модель предназначена для генерации ответов на инструкции и вопросов на 52 языках, включая русский, английский, китайский, арабский, хинди и другие языки, перечисленные в карточке. Её можно применять для многоязычного диалога, ответов на вопросы и следования текстовым инструкциям. Карточка сообщает о сравнении серии моделей на трёх многоязычных бенчмарках, но не приводит здесь результатов конкретного чекпойнта. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

Magnum-12B-v2.5-kto-GGUF — это GGUF-квантизация текстовой генеративной модели magnum-12b-v2.5-kto, разработанной anthracite-org и подготовленной квантизатором bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для диалоговой генерации текста и запуска в локальных приложениях, включая LM Studio. Для общения рекомендуется chat-шаблон с ролями system, user и assistant. Модель поддерживает английский, французский, немецкий, испанский, итальянский, португальский, русский, китайский и японский языки. Вариант содержит около 12 миллиардов параметров; архитектура и размер контекста в README не указаны. Доступны версии от F32 размером 49 ГБ до компактных IQ2_M и Q2_K размером около 4,4–4,8 ГБ. Более точные варианты Q6_K_L и Q6_K характеризуются как близкие к исходному качеству, а Q4_K_M предлагается как компромисс между качеством и размером; низкобитные варианты требуют меньше памяти, но заметно уступают по качеству. Сильными сторонами являются широкий набор поддерживаемых языков, несколько уровней квантизации и возможность локального запуска. Ограничения включают отсутствие информации о конкретных бенчмарках, модальностях помимо текста, архитектуре и контекстном окне, а также снижение качества в наиболее компактных вариантах. Лицензия — Apache-2.0.

Mayonnaise-4in1-022 — языковая модель, разработанная The Kaitchup и созданная с помощью mergekit путём слияния нескольких моделей семейства Mistral. Это плотная авторегрессионная модель с архитектурой MistralForCausalLM, примерно 7,1 млрд параметров и контекстом до 32 768 токенов. Она предназначена для генерации текста на английском языке и сценариев, где требуется продолжать или создавать текст. Модель объединяет Mistral-7B-DPO-v5, WestSeverus-7B-DPO-v2 и NeuralTurdusVariant1-7B методом TIES. Автор сообщает о первом месте среди моделей 7B в Open LLM Leaderboard на 28 января 2024 года, но предупреждает, что не проверял возможное пересечение обучающих данных объединённых моделей с тестовыми наборами бенчмарков. Веса опубликованы в формате Safetensors; лицензия — Apache 2.0.

Mengzi3-8B-Chat — диалоговая языковая модель Langboat для генерации текста. В метаданных указаны плотная архитектура семейства Llama, класс LlamaForCausalLM и 7,5 млрд параметров; модель распространяется в формате safetensors и рассчитана на контекст до 8192 токенов. Модель предназначена для чат-общения и генерации ответов на китайском и английском языках. В карточке приведены результаты оценок MMLU, GSM8k и MATH, указывающие на проверку общих знаний и математических задач. Лицензия — Apache-2.0. Разработчики предоставляют модель без гарантий и призывают соблюдать требования закона и проводить необходимые проверки перед использованием в интернет-сервисах.

Это языковая модель Qwen2, полученная сообществом mergekit-community объединением методом SLERP двух моделей: maywell/Qwen2-7B-Multilingual-RP и HumanLLMs/Human-Like-Qwen2.5-7B-Instruct. Модель предназначена для генерации текста и диалогового общения; она содержит 7,1 млрд параметров, использует плотную архитектуру Qwen2 и доступна в формате safetensors для библиотеки Transformers. Модель принимает текст и генерирует текст. Её контекстное окно составляет 32 768 токенов. В состав объединения входит многоязычная RP-модель и версия Qwen2.5, настроенная на более естественные и связные разговорные ответы. Лицензия в предоставленных данных не указана.

MarsupialAI/MG-FinalMix-72B_iMatrix_GGUF — GGUF-сборка объединённой чат-модели на основе Alpindale/Magnum-72B-v1 и Qwen/Qwen2-72B-Instruct. Репозиторий содержит iMatrix GGUF-файлы; модель предназначена для генерации текста в диалоговом формате. Метаданные указывают поддержку английского и китайского языков и размер базовой модели 72 млрд параметров. Описание не содержит подробностей о контекстном окне, вариантах квантования или дополнительных характеристиках генерации. Лицензия указана как other, поэтому условия использования следует сверять с лицензиями исходных моделей и файлами репозитория.

Multilingual-mistral — языковая модель для генерации текста и диалогов, созданная автором gagan3012. Это модель архитектуры Mixtral с механизмом смеси экспертов (MoE), полученная объединением моделей через mergekit. В состав объединения входят OpenChat, Zefiro, Starstreak, Mistral Arabic DPO, KoMT, OpenBuddy, Open Aditi и SauerkrautLM. Модель предназначена для генерации текста и общения в многоязычных сценариях. В карточке указаны размер 7,1 млрд параметров и контекст до 32 768 токенов. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Метаданные отмечают поддержку чата. Название и набор базовых моделей указывают на мультиязычную направленность, однако конкретный перечень поддерживаемых языков не приведён.

occiglot-7b-de-es-fr-it-en-instruct-dareties — объединённая модель семейства Mistral, созданная Mayflower GmbH с помощью mergekit и метода DARE TIES. В основу слияния легла mistralai/Mistral-7B-v0.1; в модель включены четыре инструктивные версии Occiglot, обученные для немецкого, испанского, французского и итальянского языков в сочетании с английским. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Mistral для генерации текста и поддерживает контекст до 32 768 токенов. Она рассчитана на диалоговое применение и генерацию ответов на нескольких европейских языках. Доступна в формате safetensors для библиотеки Transformers. Лицензия в предоставленных данных не указана.

Platypus-Nebula-v2-7B — объединённая модель на базе Mistral 7B, созданная Weyaxi путём слияния bhenrym14/mistral-7b-platypus-fp16 и PulsarAI/Nebula-v2-7B-Lora. Она предназначена для генерации текста и может использоваться для диалога, ответов на вопросы и решения текстовых задач на английском языке. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В репозитории размещены веса в формате safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Модель ehristoforu/Qwen2-1.5b-it-chat-sp-ru-bel-arm-ger-fin-tur-per-ko — разговорная дообученная версия Qwen2 с 1,5 млрд параметров для генерации текста. Она предназначена для диалогов и ответов на текстовые запросы; карточка сообщает, что обучение выполнялось с Unsloth и библиотекой Hugging Face TRL. Модель принимает текст и выдаёт текст. Указана длина контекста 32 768 токенов. По названию базовой модели можно установить поддержку испанского, русского, белорусского, армянского, немецкого, финского, турецкого, персидского и корейского языков; метаданные также отмечают английский. Лицензия — Apache-2.0.

Qwen3.8-27B antislop, semantic-diversity GRPO — плотная текстовая чат-модель на 27 млрд параметров, созданная сообществом rawmodels на базе Qwen/Qwen3.8-27B. Веса последовательно дообучались с помощью дистилляции и GRPO: модель настраивали на более естественный и читаемый текст, разнообразие ответов на один и тот же запрос и выполнение запросов. Основная задача в метаданных — генерация текста; карточка сообщает о поддержке английского и русского языков. Модель предназначена для диалогов и создания связных ответов, в том числе в сценариях, где важны читаемость и различие формулировок. В эксперименте на 24 вопросах ELI5 авторы сообщают о повышении семантического разнообразия и показателя Flesch reading ease, а также о сокращении максимальной длины предложения; размер выборки невелик, поэтому эти результаты не гарантируют аналогичного эффекта в других задачах. Используется библиотека Transformers, формат весов — safetensors. Модель почти не имеет защитного поведения: по данным карточки, она выполняет около 90% вредоносных запросов из AdvBench. Не следует использовать её там, где необходим отказ от небезопасных инструкций. Лицензия в предоставленных данных не указана.

TigerResearch 的 TigerBot 70B Chat v4 是基于 Llama 架构的 69B 参数稠密自回归 языковая модель для диалоговой генерации текста. Карточка описывает запуск через Transformers и указывает на сценарий чат-взаимодействия. Модель поддерживает китайский и английский языки, использует контекст до 4096 токенов и распространяется в формате PyTorch по лицензии Apache-2.0. Модель подходит для генерации ответов и ведения диалога на китайском и английском. Карточка не приводит результатов оценки качества или подробного перечня ограничений; для практического применения следует учитывать большой размер весов и контекстное окно 4096 токенов.

Babel-83B-Chat-GGUF — это набор GGUF-квантизаций чат-модели Babel-83B-Chat, разработанной Tower-Babel и подготовленной пользователем bartowski для запуска через llama.cpp и совместимые приложения, включая LM Studio. Модель предназначена для генерации текста и диалоговых сценариев, в том числе на множестве языков: английском, китайском, хинди, испанском, французском, арабском, бенгальском, русском, португальском, индонезийском, урду, немецком, японском, суахили, тамильском, турецком, корейском, вьетнамском, яванском, итальянском, хауса, тайском, персидском, тагальском и бирманском. Архитектура и размер исходной модели указаны как 83B; модальность — текстовая. README не содержит сведений о длине контекста и внутренней архитектуре. Доступны варианты квантизации от Q8_0 до Q2_K и IQ-квантизаций, размер файлов составляет примерно от 33,5 до 88,5 ГБ. Более качественные варианты требуют больше памяти, а низкобитные позволяют экономить ресурсы ценой качества. Для работы используется формат prompt с ролями system, user и assistant. Основные сильные стороны — большой размер модели, многоязычная направленность, поддержка локального запуска и широкий выбор вариантов квантизации. Ограничения включают значительные требования к оперативной или видеопамяти, особенно для высококачественных вариантов, а также возможное снижение качества у низкобитных квантизаций. Указана лицензия SeaLLM; подробные условия доступны по ссылке на лицензию SeaLLMs/SeaLLM-13B-Chat.

Wiedervereinigung-7b-dpo — немецко-английская чат-модель от Mayflower GmbH, созданная объединением четырёх моделей на базе Mistral и последующим DPO-обучением на немецком переводе набора SlimOrca DPO. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Она предназначена для диалогов и генерации текста, в частности для ответов на вопросы, написания текстов и ролевых сценариев на немецком языке. В README приведён средний результат 7,1125 в бенчмарке mt-bench-de; оценки отдельных категорий показывают более низкие результаты в математике и программировании. Для обучения на немецких наборах данных авторы рекомендуют LLaMA-Factory. Модель распространяется в формате safetensors по лицензии Apache-2.0. Результаты бенчмарка указывают на ограничения в математике и программировании; качество следует оценивать для конкретного сценария.

Mo0189/agenty-qwen3-14b — дообученная языковая модель, разработанная Mo0189 на базе unsloth/Qwen3-14B-bnb-4bit с использованием Unsloth и библиотеки Hugging Face TRL. Это плотная модель семейства Qwen3 с архитектурой Qwen3ForCausalLM и 14 млрд параметров. Модель предназначена для генерации текста и диалогового взаимодействия; в метаданных также отмечен интерфейс вызова инструментов. Она принимает текст, а нативное окно контекста составляет 40 960 токенов. В карточке заявлен английский язык. Лицензия — Apache-2.0. Карточка не раскрывает специализацию дообучения, обучающие данные или результаты оценки качества, поэтому конкретные преимущества и профильные сценарии сверх генерации текста и диалога установить нельзя.

A.X 4.0 Light — компактная языковая модель компании SK Telecom, выпущенная в июле 2025 года. Она основана на Qwen2.5 и дополнительно обучена на крупных корейских наборах данных. В репозитории указана архитектура Qwen2 и размер около 6,9 млрд параметров; модель принимает текст и генерирует текст, поддерживает диалог и интерфейс вызова инструментов. Контекст модели — до 16 384 токенов. Модель предназначена для понимания корейского языка и практических задач в деловой среде: диалогов, ответов на вопросы и работы с длинными документами. Разработчик сообщает о высоких результатах на корейских тестах KMMLU и CLIcK и об эффективном использовании токенов для корейского текста. README также описывает вариант семейства на 72 млрд параметров; этот репозиторий содержит облегчённую версию. Модель распространяется по лицензии Apache-2.0.

Azure_Dusk-v0.2 — разговорная языковая модель семейства Mistral, созданная Epiculous на базе Mistral-Nemo-Base-2407. Модель дообучена в два этапа с помощью RSLoRA: сначала на данных для ролевого общения, затем на инструктивных данных. Она принимает текст и генерирует текст, поддерживает шаблон диалога ChatML и предназначена для ролевых сценариев, написания текстов и выполнения инструкций. Модель содержит 12,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и распространяется в формате safetensors. В карточке заявлена поддержка английского, французского, немецкого, испанского, итальянского, португальского, русского, китайского и японского языков, а длина контекста указана как 1 024 000 токенов. Для использования автор рекомендует формат ChatML; приведённые в README результаты Open LLM Leaderboard включают средний балл 14,03, IFEval 34,67 и BBH 17,40. Модель распространяется по лицензии Apache-2.0. README не приводит подробных сведений о качестве на отдельных языках и сценариях; заявленная длина контекста не сопровождается описанием условий её практического использования.

BLOSSOM-v5-llama3-8b — разговорная языковая модель, разработанная командой Blossom и дообученная на базе Meta-Llama-3-8B. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров и контекстом до 8192 токенов; она принимает текст и генерирует текст в формате продолжения диалога. Модель предназначена для общения и ответов на вопросы на китайском и английском языках. В обучении использовались смешанные наборы Blossom Orca, Wizard, Chat и Math: сначала одноходовые инструкции, затем многоходовые диалоги. README сообщает, что данные для обучения были дистиллированы из gpt-4-0125-preview. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка описывает её как обладающую общими возможностями и пониманием контекста, но не приводит результатов независимых оценок; качество ответов может различаться в зависимости от задачи.

ChatBerry-1.1 — диалоговая языковая модель, дообученная artindnr на базе artindnr/strawberry-1, которая, в свою очередь, основана на gpt-oss-20b. Это причинная декодерная модель семейства gpt_oss с архитектурой mixture-of-experts и 1,6 млрд параметров по метаданным; она генерирует ответы в формате чата и обучена отвечать сразу, без отдельного канала рассуждений. Модель предназначена для универсальных чат-ассистентов на фарси и английском, а также для многоязычного общения и сценариев, где нужны прямые ответы и следование инструкциям. Контекстное окно составляет 131 072 токена. По заявлению автора, версия 1.1 обучалась примерно на вчетверо большем объёме примеров, чем ChatBerry-1, что улучшило качество и последовательность ответов. Модель может ошибаться и выдумывать факты. Она не сохраняет явную пошаговую цепочку рассуждений; автор также отмечает отсутствие дополнительной настройки безопасности сверх унаследованной от базовых моделей. Лицензия — Apache 2.0.

knifeayumu/Cydonia-v1.3-Magnum-v4-22B — плотная языковая модель семейства Mistral на 22 млрд параметров, созданная автором knifeayumu с помощью слияния моделей TheDrummer/Cydonia-22B-v1.3 и anthracite-org/magnum-v4-22b. Для слияния применён метод SLERP через mergekit; веса представлены в формате Safetensors и имеют точность bfloat16. Модель предназначена для диалогов и генерации текста, включая ответы на запросы и создание связной прозы. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов, а интерфейс карточки отмечает возможности чата и вызова инструментов. Базовая модель описана как ориентированная на английский язык; других языковых характеристик README и метаданные не подтверждают. В метаданных указана лицензия «other», поэтому перед использованием следует проверить условия на странице модели и её базовых компонентов. Карточка не содержит конкретных оценок качества; как у генеративной языковой модели, ответы могут быть ошибочными или неподходящими для конкретной задачи.