III.5Управление персоналом и организацией

Clibrain Llama-2-7B-ft-instruct-es — языковая модель на архитектуре Llama 2, дообученная на испанском наборе инструкций Clibrain. Она предназначена для генерации текста и выполнения пользовательских инструкций на испанском языке. Модель содержит 6,6 млрд параметров, использует плотную архитектуру LlamaForCausalLM и работает с контекстом до 4096 токенов. Модель подходит для диалоговых помощников, ответов на вопросы и создания текстов на испанском языке. Репозиторий содержит веса в формате PyTorch. Лицензия — Apache-2.0.

Llama-3.1-SauerkrautLM-8b-Instruct — текстовая модель VAGO solutions, полученная дообучением Meta-Llama-3.1-8B-Instruct методом Spectrum Fine-Tuning. При обучении обновлялись 25% слоёв модели на немецко-английской смеси данных Sauerkraut Mix v2. Модель предназначена для диалогов и генерации текста на немецком и английском языках. Разработчик сообщает об улучшении навыков на этих языках при сохранении большей части ранее усвоенных знаний. В метаданных указаны архитектура LlamaForCausalLM, 7,5 млрд параметров и контекст до 131 072 токенов; модель доступна в формате safetensors. Модель распространяется по лицензии llama3.1. Разработчик предупреждает, что в ответах может встречаться неприемлемый или несдержанный контент, а корректное поведение не гарантируется.

cstr/llama3-8b-spaetzle-v33 — объединённая модель на архитектуре Llama 3, созданная путём слияния нескольких версий spaetzle, включая v20, v26, v28 и v31. Она предназначена для генерации текста и диалоговых задач, с компромиссным качеством для сценариев на немецком и английском языках. Модель содержит 7,5 млрд параметров, имеет контекст до 8192 токенов и распространяется в формате Safetensors. В README приведены результаты тестов EQ-Bench v2 на немецком и английском языках, а также других бенчмарков; это указывает на оценку преимущественно языковых и диалоговых способностей. Для модели опубликована лицензия Llama 3. README также указывает на отдельную GGUF-версию, но этот репозиторий содержит Safetensors. Как слияние моделей, версия v33 объединяет свойства исходных моделей, а подробности их обучения и происхождения данных в карточке раскрыты не полностью.

VIRNECT разработала разговорную языковую модель на архитектуре Llama 3 для генерации текста на корейском и английском языках. Модель содержит 7,5 млрд параметров, принимает текст и поддерживает контекст до 8192 токенов. Модель предназначена для диалогового использования и генерации ответов. Она дообучена на базе MLP-KTLim/llama-3-Korean-Bllossom-8B с использованием датасета AI Hub для развития возможностей крупной языковой модели на корейском языке. Весы доступны в формате safetensors для Transformers. Лицензия — Llama 3 Community License.

Magro-7B — диалоговая языковая модель Sakalti, дообученная на базе HuggingfaceH4/zephyr-7b-beta. Она предназначена для генерации текста в формате беседы и может использоваться в чат-ботах и других приложениях, которым нужны текстовые ответы. Модель построена на архитектуре Mistral с плотной авторегрессионной сетью и содержит 7,1 млрд параметров; заявленная длина контекста — 32 768 токенов. Для обучения использовались Unsloth и TRL. Модель распространяется по лицензии MIT.

Misted-7B — разговорная языковая модель на архитектуре Mistral, опубликованная Walmart-the-bag. Это объединённая методом slerp модель на основе teknium/OpenHermes-2-Mistral-7B и Open-Orca/Mistral-7B-SlimOrca; в README указано значение параметра смешивания 0,32 и формат float16. Модель содержит 7,1 млрд параметров, работает с контекстом до 32 768 токенов и рассчитана на генерацию текста и диалоговое взаимодействие на английском языке. Модель подойдёт для ответов в чате, продолжения текста и задач общего рассуждения. В README приведены результаты Open LLM Leaderboard, включая среднюю оценку 66,94, однако сведений о методике применения в конкретных сценариях или сравнении с другими моделями в карточке недостаточно. Лицензия — Apache-2.0.

Alchan/mpt-7b-chat — диалоговая языковая модель, созданная MosaicML дообучением MPT-7B на наборах ShareGPT-Vicuna, HC3, Alpaca, HH-RLHF и Evol-Instruct. Она предназначена для генерации ответов в диалоге, следования инструкциям и создания текста в формате чат-бота. Модель использует модифицированную архитектуру декодерного трансформера MPT с 6,7 млрд параметров, 32 слоями и 32 головами внимания. В ней применяются FlashAttention и ALiBi; формат весов — PyTorch и Safetensors. Для загрузки через Transformers требуется включить trust_remote_code. В карточке приведён пример создания твита по описанию статьи. Модель может выдавать фактически неверные, предвзятые, грубые или оскорбительные ответы. Языки обучения и поддерживаемые языки явно не перечислены. Лицензия CC-BY-NC-SA-4.0 разрешает только некоммерческое использование с соблюдением условий атрибуции и распространения на тех же условиях.

gwonny/nox-solar-10.7b-v4-kolon-all-5 — разговорная языковая модель на архитектуре Llama, созданная для Kolon на основе davidkim205/nox-solar-10.7b-v4. Разработчик дообучил базовую модель на собственных закрытых данных в течение пяти эпох, применив QLoRA с параметрами 64 и 16 и NEFTune. Модель предназначена для диалогового взаимодействия и генерации текста. Она содержит 10,6 млрд параметров, принимает текст и рассчитана на контекст до 4096 токенов. В карточке указаны корейский и английский языки. Репозиторий распространяется в формате PyTorch по лицензии CC BY-NC 4.0, которая запрещает коммерческое использование.

OpenBuddy Llama2 34B V11.1 в этом репозитории представлен в формате GGUF для локального запуска через llama.cpp и совместимые приложения. Модель создана OpenBuddy и дообучена на основе Llama 2; каталог указывает плотную архитектуру семейства Llama и 34 млрд параметров в названии модели. В репозитории доступны варианты с разной степенью квантования, позволяющие выбирать баланс между размером и качеством; BF16-вариант требует значительных ресурсов, а сильное квантование может заметно ухудшить качество. Модель предназначена для генерации текста и диалоговых сценариев. В карточке заявлена поддержка китайского, английского, французского, немецкого, японского, корейского, итальянского и русского языков. GGUF-веса совместимы с llama.cpp и перечисленными в карточке пользовательскими интерфейсами и библиотеками. Лицензия — Llama 2 Community License; карточка не сообщает длину контекста.

Qwen2.5-0.5B-Instruct-Gensyn-Swarm-roaring_bipedal_chameleon — дообученная в TRL модель kielen на базе unsloth/Qwen2.5-0.5B-Instruct. Это компактная плотная языковая модель с архитектурой Qwen2 и 494 млн параметров, предназначенная для диалоговой генерации текста и выполнения инструкций. Модель принимает текстовые сообщения и генерирует текст; нативная длина контекста — 32 768 токенов. Для загрузки используется библиотека Transformers, веса представлены в формате safetensors. Карточка показывает пример диалога с открытым вопросом, но не описывает отдельную специализацию или преимущества качества. Лицензия в предоставленных данных не указана.

Модель gradients-io-tournaments/qwen2.5-3b-en-ja-finetune-upwork2 — объединённый чекпойнт Qwen2.5-3B-Instruct, дообученный для сценариев на английском и японском языках. Это плотная авторегрессионная языковая модель с архитектурой Qwen2ForCausalLM и примерно 3,1 млрд параметров; работает через Transformers и распространяется в формате sharded safetensors с точностью bfloat16. Модель предназначена для диалогов и генерации текста по инструкциям на английском и японском. Контекстное окно составляет 32 768 токенов. Карточка не описывает специализацию дообучения подробнее, поэтому пригодность для отдельных предметных областей не установлена. Базовая модель — Qwen/Qwen2.5-3B-Instruct; лицензия в предоставленных данных не указана.

Это версия Qwen2.5-0.5B-Instruct, преобразованная в формат Llama. Репозиторий подготовлен для совместимости с программами, поддерживающими Llama; модель можно использовать для генерации текста и диалогов. По метаданным, она содержит 494 млн параметров, использует плотную архитектуру и имеет контекст длиной 4096 токенов. Модель загружается через Transformers, веса хранятся в формате safetensors. Модель основана на Qwen/Qwen2.5-0.5B-Instruct и поддерживает несколько языков, включая китайский, английский, французский, испанский, португальский, немецкий, итальянский, русский, японский, корейский, вьетнамский, тайский и арабский. Лицензия в предоставленных данных не указана.

RIFA-PRO — двуязычная разговорная текстовая модель семейства RIFA, разработанная и поддерживаемая SM Shahbaj. Модель предназначена для генерации текста и диалоговых сценариев на английском языке и бангла (бенгальском), включая работу в качестве универсального AI-ассистента. Модель содержит около 3 млрд параметров и распространяется в форматах Safetensors и GGUF, совместимых с Transformers, LM Studio, Ollama и llama.cpp. Архитектура и размер контекста в README не указаны. Для GGUF доступны варианты квантования от Q3_K_M до F16; Q5_K_M отмечен как рекомендуемый, а Q4_K_M и Q3_K_M подходят для систем с небольшим объёмом VRAM. К сильным сторонам относятся поддержка английского и бенгальского языков, диалоговая специализация, относительно компактный размер и возможность локального запуска. Модель не относится к передовым моделям большого масштаба, может галлюцинировать, поэтому важные сведения необходимо проверять. Для единообразного поведения и брендинга рекомендуется использовать системную инструкцию из README. Модель распространяется по лицензии Apache 2.0.

RWKV-6 World 3B — плотная авторегрессионная языковая модель семейства RWKV-6, представленная под именем RWKV. Она предназначена для генерации текста и диалоговых ответов; карточка показывает примеры общения на английском и китайском языках. Размер модели составляет 3,5 млрд параметров, формат весов в репозитории — PyTorch. В README приведены примеры запуска на CPU и GPU, а также пакетного инференса. Модель подходит для диалоговых помощников, ответов на вопросы и генерации текста на поддерживаемых языках. README не сообщает лицензию, длину контекста или подробные результаты оценки качества, поэтому эти характеристики нельзя подтвердить по предоставленным данным.

SauerkrautLM 7B v1 Mistral — языковая модель, разработанная VAGO solutions и представленная в GGUF-формате с квантованием TheBloke. Это версия оригинальной модели VAGOsolutions/SauerkrautLM-7b-v1-mistral, предназначенная для генерации текста и диалоговых сценариев, включая ответы виртуального ассистента. Рекомендуемый шаблон общения ориентирован на полезные, подробные и вежливые ответы. Модель основана на архитектуре Mistral и содержит около 7 миллиардов параметров. Она поддерживает немецкий и английский языки и работает в режиме text-generation. GGUF-файлы доступны с квантованием от 2 до 8 бит, что позволяет запускать модель с различными компромиссами между требованиями к памяти, скоростью и качеством на CPU и GPU. Формат совместим с llama.cpp и рядом сторонних интерфейсов и библиотек, включая text-generation-webui, LM Studio и llama-cpp-python. Размер контекста в README не указан. Сильными сторонами модели являются поддержка немецкого языка, возможность локального запуска и наличие нескольких вариантов квантования. Ограничения — отсутствие в README подробных результатов оценки качества, сведений о данных обучения и точного размера контекста; качество и требования к ресурсам зависят от выбранного уровня квантования. Модель распространяется по лицензии Apache-2.0.

seal-7b-chat-i1-GGUF — это квантизированная версия чат-модели seal-7b-chat, разработанной FinchResearch и опубликованной в формате GGUF пользователем mradermacher. Модель предназначена для генерации текста и диалоговых сценариев, включая работу через совместимые с GGUF инструменты локального запуска. При квантизации использовались weighted/imatrix-кванты, представленные в нескольких вариантах с различным размером, скоростью и ожидаемым качеством. Модель относится к семейству Llama и имеет около 7 миллиардов параметров. В README указана поддержка английского, немецкого и испанского языков. Данные о контекстном окне, точной базовой архитектуре, мультимодальности и результатах бенчмарков не приведены, поэтому её характеристики в этих аспектах нельзя оценить. Основное преимущество набора — широкий выбор уровней квантизации: от компактных вариантов размером около 1,6 ГБ до более качественного Q6_K размером около 5,6 ГБ. При этом самые компактные варианты могут заметно уступать в качестве, а часть низкобитных конфигураций прямо обозначена как имеющая низкое качество. Лицензия в README не указана. Условия использования следует уточнять по лицензии исходной модели FinchResearch/seal-7b-chat и условиям публикации квантизированной версии.

Карточка модели shisa-ai/shisa-v2.1-llama3.3-70b на Hugging Face совпадает с карточкой shisa-ai/shisa-v2.1-unphi4-14b, поэтому описание составлено по ней. Shisa V2.1 UnPhi-4 14B — двуязычная чат-модель общего назначения от Shisa.AI, созданная на основе дообучения unsloth/phi-4. Она предназначена для диалогов и широкого круга текстовых задач, с особым вниманием к японскому языку при сохранении возможностей на английском. В README отмечены улучшения следования инструкциям, перевода, вежливой речи и других задач, связанных с японским языком. Модель содержит 14,1 млрд параметров, использует плотную архитектуру семейства Llama и принимает контекст до 16 384 токенов. Репозиторий содержит веса в формате safetensors; метаданные указывают поддержку чата и генерации текста. В сравнительных оценках Shisa V2.1 14B показала средний результат 72,6 по японскому и 57,7 по английскому набору MultiEval, а также 8,68 в японском MT-Bench по оценке GPT-4.1. Модель подходит для японских и англоязычных диалогов, следования инструкциям и перевода. Она не описана как мультимодальная, поэтому её следует рассматривать как текстовую модель. Лицензия — MIT.

OpenBuddy/SimpleChat-30BA3B-V2 — мультиязычная чат-модель OpenBuddy, дообученная на OpenBuddy-R10528Distill-30BA3B-Preview0. Она построена на архитектуре Qwen3 MoE и предназначена для повседневных диалогов: модель стремится отвечать кратко, рационально и с эмпатией, а также поддерживает интерфейс вызова инструментов. В карточке указаны 2,4 млрд параметров и контекст до 200 000 токенов; README приводит длину контекста 40 000 токенов. Модель принимает текст и генерирует текст. Модель ориентирована на китайский, английский, французский, немецкий, японский, корейский, итальянский и финский языки. В README описано обучение с дистилляцией знаний продвинутых моделей и переходом от обучения на CoT-моделях к формату без CoT. Это должно сочетать быстрые ответы с рассуждением, но для математических задач модель может уступать специализированным CoT-моделям. Лицензия — Apache 2.0. Разработчики предупреждают, что ответы могут быть ошибочными или нежелательными и модель не следует применять в критически важных медицинских, финансовых, юридических и иных высокорисковых сценариях.

tr-dare-merge-7B — диалоговая языковая модель на архитектуре Mistral с 7,1 млрд параметров, созданная объединением Mistral-7B-Instruct-v0.2, Trendyol-LLM-7b-chat-dpo-v1.0 и Turkcell-LLM-7b-v1 методом DARE-TIES. Она предназначена для генерации текста и ведения диалогов; в метаданных указана поддержка турецкого и английского языков, а контекст составляет до 32 768 токенов. Модель распространяется в формате Safetensors и под лицензией Apache 2.0. Её можно использовать для чат-ботов, ответов на вопросы и генерации текста на турецком и английском языках. Карточка не приводит результатов оценки качества, поэтому пригодность для конкретного сценария следует проверять отдельно.

Viviana_V2 — языковая модель, созданная автором domie путём слияния моделей mymaia/Magiq-M0 и galatolo/cerbero-7b с помощью mergekit и метода slerp. Это плотная авторегрессионная архитектура Mistral объёмом 7,1 млрд параметров, рассчитанная на генерацию текста и диалоговое взаимодействие. Модель принимает текст и выдаёт текст; заявлены английский и итальянский языки, а длина контекста составляет 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка описывает состав и параметры слияния, но не приводит оценок качества или подробных рекомендаций по сценариям использования.

SLORA/ZIA — разговорная языковая модель, представленная Мухаммадом Таки. В метаданных Hugging Face указаны архитектура GLM-MoE-DSA, класс GlmMoeDsaForCausalLM и 30,4 млрд параметров; карточка README заявляет собственную архитектуру и отсутствие базовой модели, а метаданные связывают репозиторий с дообучением slora/zia. Модель предназначена для генерации текста и диалогов; заявленная высокая скорость ответов в README не сопровождается описанием измерений или бенчмарков. Модель принимает текст и генерирует текст. Метаданные указывают контекст длиной 202 752 токена и поддержку английского и китайского языков. Репозиторий использует Transformers и формат весов safetensors. Лицензия — MIT. README также называет модель облегчённой и размером 1 млрд параметров, что расходится с метаданными, указывающими 30,4 млрд параметров.

Meta Llama 3.1 8B Instruct — языковая модель Meta для диалогов и генерации текста. Это авторегрессионная модель на основе оптимизированного трансформера с Grouped-Query Attention; версия Instruct настроена с помощью supervised fine-tuning и обучения с обратной связью от людей (RLHF). Модель принимает и генерирует текст, поддерживает диалоговый режим и предназначена для коммерческого и исследовательского применения. Модель подходит для создания чат-ассистентов, ответов на запросы и других задач генерации текста на английском, немецком, французском, итальянском, португальском, хинди, испанском и тайском языках. Контекстное окно в предоставленных материалах не указано. Модель обучена на статичном офлайн-наборе данных; возможны ошибки и небезопасные ответы, поэтому результаты следует проверять, а для использования инструментов требуется отдельная интеграция и контроль со стороны разработчика. Условия распространения и применения регулируются лицензией Meta Llama 3.1 Community License и Acceptable Use Policy.

GPT-5.6 Luna Pro — вариант GPT-5.6 Luna от OpenAI, работающий с режимом рассуждений `pro` для получения более качественных ответов на сложные задачи. По карточке модели это тот же базовый модельный экземпляр, что и GPT-5.6 Luna, с другим режимом обслуживания.

Модель avans06/Meta-Llama-3.2-8B-Instruct — текстовая генеративная модель семейства Llama, размещённая на Hugging Face. Метаданные указывают на плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров, формат safetensors и контекст до 131 072 токенов. Она предназначена для диалогов и генерации текста; также заявлен интерфейс вызова инструментов. Карточка репозитория описывает Llama 3.2-Vision моделей Meta на 11B и 90B параметров, принимающих текст и изображения. Эти сведения не совпадают с идентификатором и архитектурными метаданными данной 8B текстовой модели, поэтому визуальные возможности и характеристики Vision к ней не приписываются. Метаданные перечисляют поддержку английского, немецкого, французского, итальянского, португальского, хинди, испанского и тайского языков. Лицензия — Llama 3.2 Community License, обозначенная в метаданных как llama3.2.

Qwen/Qwen1.5-110B-Chat — чат-модель из серии Qwen1.5, разработанной командой Qwen. Это бета-версия Qwen2: плотная авторегрессионная языковая модель на архитектуре Transformer с 110 млрд параметров, предназначенная для диалогов и генерации текста. Модель обучена следовать инструкциям и выдана в формате safetensors. Модель поддерживает многоязычное общение, а её контекстное окно составляет 32 768 токенов. В архитектуре серии используются SwiGLU, смещение в проекциях внимания QKV и, для версии 110B, групповое внимание запросов (GQA). Для работы подходит актуальная версия библиотеки Transformers; удалённый код модели не требуется. Модель подходит для диалоговых ассистентов, генерации и редактирования текста, а также ответов на вопросы по длинным входным материалам. Карточка не приводит конкретные результаты оценки качества и не перечисляет поддерживаемые языки по отдельности. Лицензия указана как other, поэтому условия использования следует проверять в карточке репозитория.

unsloth/Llama-3.2-1B-Instruct — текстовая инструктивно настроенная модель семейства Llama 3.2, разработанного Meta и опубликованная Unsloth. Это плотная авторегрессионная трансформерная модель с архитектурой LlamaForCausalLM и примерно 1,2 млрд параметров. В карточке указаны диалоговый режим и интерфейс вызова инструментов; модель принимает и генерирует текст, а контекстное окно составляет 131 072 токена. Модель предназначена для многоязычных диалогов, ответов на вопросы, суммаризации и помощи в написании текста, в том числе в сценариях агентного поиска и использования инструментов. Официально поддерживаются английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский; модель обучалась на более широком наборе языков. Репозиторий содержит веса Safetensors и указывает лицензию Llama 3.2 Community License — специальную лицензию Meta с условиями коммерческого использования. Компактный размер облегчает развёртывание по сравнению с более крупными моделями, однако качество и надёжность ответов требуют проверки для конкретного применения.

Qwen2.5-7B-Instruct-MLX-4bit — это 4-битная квантованная версия инструкционной языковой модели Qwen2.5-7B-Instruct, подготовленная сообществом для запуска на Apple Silicon Mac. Исходную модель разработала команда Qwen, а MLX-квантизацию предоставил bartowski на основе mlx-examples. Модель предназначена для диалогового взаимодействия, генерации текста и выполнения инструкций; её можно использовать в локальных сценариях через совместимое программное обеспечение, включая LM Studio. Модель поддерживает контекст до 32 000 токенов и генерацию до 8 000 токенов. Она ориентирована на работу с текстом и заявлена как поддерживающая более 29 языков, включая китайский, английский, французский, испанский, португальский, немецкий, итальянский, русский, японский, корейский, вьетнамский, тайский и арабский. Среди отмеченных особенностей — работа со структурированными данными и их генерация, а также широкий охват знаний, полученных из крупного обучающего набора. Ключевыми ограничениями являются зависимость от аппаратной платформы Apple Silicon и возможные ошибки, неточности, вредоносные или неподходящие ответы, характерные для генеративных моделей. README не содержит результатов бенчмарков или подробностей об архитектуре и точном объёме исходных параметров, кроме обозначения класса 7B. Модель распространяется по лицензии Apache-2.0.

Qwen2.5 Ultimate 14B Instruct — объединённая инструкционная языковая модель, созданная автором qingy2024 методом TIES из Qwen2.5-14B-Instruct и Qwen2.5 Math 14B Instruct на базе Qwen2.5-14B. Модель с плотной архитектурой Qwen2 и 14 млрд параметров предназначена для диалогов и генерации текста; объединение также ориентировано на математические задачи и ответы по инструкциям. Модель принимает текст и генерирует текст. В карточке заявлена поддержка китайского, английского, французского, испанского, португальского, немецкого, итальянского, русского, японского, корейского, вьетнамского, тайского и арабского языков. Контекстное окно составляет до 131 072 токенов. В карточке приведены результаты оценивания на наборах IFEval, BBH, MATH, GPQA, MuSR и MMLU-Pro; эти показатели относятся к указанным тестовым настройкам и сами по себе не гарантируют качество в прикладных сценариях. Веса доступны в формате safetensors, библиотека для работы — Transformers. Лицензия в предоставленных данных не указана.

Aya-Expanse-32B — открытая по весам мультиязычная языковая модель, разработанная Cohere For AI. Она предназначена для диалогов и генерации текста на 23 языках, включая русский, а также поддерживает интерфейс вызова инструментов. Модель построена на авторегрессионной архитектуре Transformer семейства Cohere и содержит 32,3 млрд параметров. В метаданных Hugging Face указан контекст 8192 токена; в README заявлено 128K, поэтому длина контекста в источниках расходится. В README также описаны дообучение с учителем, обучение на предпочтениях, настройка безопасности и слияние моделей. Модель подходит для многоязычных диалогов, ответов на вопросы, написания и преобразования текста. Лицензия CC-BY-NC-4.0 ограничивает коммерческое использование; также требуется соблюдать политику допустимого использования Cohere For AI.

Vistral-24B-Instruct — русско-английская унимодальная языковая модель команды VikhrModels, дообученная на базе mistralai/Mistral-Small-3.2-24B-Instruct-2506. Она предназначена для диалогов и выполнения инструкций; архитектура MistralForCausalLM сохранена, визуальный энкодер удалён. Модель содержит 23,4 млрд параметров, принимает текст и поддерживает контекст до 131 072 токенов. По оценке команды на русскоязычном бенчмарке Ru-Arena-General модель показала win rate 96,1%. Её можно применять для ответов на вопросы, следования заданным форматам и других текстовых задач на русском и английском языках. Распространяется по лицензии Apache-2.0. В карточке отмечен низкий уровень безопасности ответов. Авторы рекомендуют проверять поведение модели, использовать подходящие системные инструкции и низкую температуру генерации; при высокой температуре возможны дефекты вывода.