III.5Управление персоналом и организацией

MonsterAPI разработала MonsterInstruct — инструктивно дообученную модель Gemma 2 с 2,7 млрд параметров, основанную на google/gemma-2-2b-it. Она предназначена для диалоговой генерации текста и выполнения инструкций. Модель использует архитектуру Gemma 2 с плотной сетью, принимает текст и формирует текстовые ответы; контекст составляет до 8192 токенов. Модель дообучена на англоязычном датасете MonsterInstruct-gemma2-formatted. Английский является основным языком обучения; автор отмечает поддержку и других языков, но не приводит их перечень или отдельные оценки качества. Репозиторий содержит веса в формате Safetensors и использует библиотеку Transformers. Лицензия — Gemma License; перед применением следует учитывать её условия.

Gemma-2-Ataraxy-v3-Advanced-9B — слитая диалоговая языковая модель на архитектуре Gemma 2, созданная автором lemon07r с помощью mergekit и метода SLERP. В объединении использованы lemon07r/Gemma-2-Ataraxy-Advanced-9B и nbeerbower/Gemma2-Gutenberg-Doppel-9B. Модель с 9 млрд параметров предназначена для генерации текста и ответов в диалогах. Она принимает текст и выдаёт текст; заявленная длина контекста — 8192 токена. В карточке указаны формат safetensors и библиотека Transformers. Подробные сведения о лицензии и специализированных языках или областях применения в предоставленных источниках отсутствуют.

Gemma 2B — компактная текстовая авторегрессионная языковая модель с архитектурой decoder-only из семейства Gemma, разработанного Google на основе исследований и технологий, использованных для Gemini. Эта версия содержит 2 млрд параметров; доступны открытые веса, а семейство включает предварительно обученные и дообученные для следования инструкциям варианты. Модель предназначена для генерации текста на английском языке: она может отвечать на вопросы, создавать диалоги и черновики, суммировать материалы и помогать в исследовании текстов. Небольшой размер позволяет запускать её на ноутбуке, настольном компьютере или собственной облачной инфраструктуре. Как и другие языковые модели, Gemma может выдавать фактические ошибки, отражать предубеждения обучающих данных и испытывать трудности с неоднозначными формулировками и сложными задачами. Для модели указана лицензия Gemma; применение должно соответствовать политике запрещённого использования Gemma.

silvainrichou/gemma-3b-002 — текстовая генеративная модель на архитектуре Gemma, опубликованная пользователем silvainrichou. Карточка описывает семейство Gemma от Google: компактные декодерные языковые модели, созданные на основе технологий, использованных для Gemini. В репозитории указаны 3,2 млрд параметров, формат Safetensors и контекст до 8192 токенов; модель предназначена для общения и генерации текста. Модель подходит для ответов на вопросы, суммаризации, диалоговых интерфейсов, черновиков текстов и языковых учебных инструментов. README указывает английский как язык семейства. Компактный размер позволяет запускать такие модели на локальных компьютерах или в облачной инфраструктуре с ограниченными ресурсами. Как и другие языковые модели, Gemma может ошибаться в фактах, испытывать трудности со сложными инструкциями, нюансами языка и здравым смыслом, а также воспроизводить смещения из обучающих данных. В метаданных лицензия обозначена как other; конкретные условия следует проверять в лицензии репозитория и правилах использования Gemma.

gemma-7b-zephyr-alpaca-it-ties — объединённая языковая модель на архитектуре Gemma, собранная автором репозитория с помощью mergekit из google/gemma-7b-it, HuggingFaceH4/zephyr-7b-gemma-v0.1 и mlabonne/Gemmalpaca-7B методом dare_ties. Модель содержит 8,2 млрд параметров и рассчитана на генерацию текста, в том числе диалоговые ответы и выполнение инструкций. Модель принимает текст и генерирует текст. Веса представлены в формате safetensors; в конфигурации слияния указан dtype float16. Контекст составляет до 8192 токенов. Метаданные указывают лицензию Apache-2.0. Базовая Gemma 7B IT описана как англоязычная, поэтому английский язык можно считать основным; сведения о дополнительных языках для этого объединения не приведены. Качество слияния и сравнительные результаты в карточке не описаны.

h2ogpt-oig-oasst1-512-6_9b — языковая модель H2O.ai для генерации текста и следования инструкциям. Это дообученная версия EleutherAI/pythia-6.9b с архитектурой GPT-NeoX, содержащая около 8,8 млрд параметров. Модель принимает текст и генерирует текст; карточка указывает английский язык и контекст до 2048 токенов. Модель предназначена для чат-ботов, ответов на вопросы и выполнения текстовых инструкций. При дообучении использованы наборы инструкций OIG и OpenAssistant, а также персонализированный набор Fortune 2000. Для запуска README предлагает библиотеку Transformers и Accelerate. Лицензия — Apache-2.0, допускающая коммерческое использование. Модель может выдавать неверные, бессвязные или неуместные ответы и воспроизводить предубеждения или оскорбительный контент; результаты требуют проверки человеком.

Kosmos-EVAA-gamma-v15-8B — слитая языковая модель, созданная jaspionjader с помощью mergekit. Веса двух предварительно обученных моделей объединены методом SLERP; архитектура — плотная LlamaForCausalLM, размер — 7,5 млрд параметров, формат файлов — safetensors, библиотека — Transformers. Контекст составляет до 8192 токенов. Модель предназначена для генерации текста и может использоваться в сценариях, где требуется создание продолжений или ответов по текстовому запросу. Данные не описывают специальные области применения или приоритетные языки, поэтому её следует рассматривать как модель общего назначения. Условия использования определяются лицензией репозитория на Hugging Face.

Llama-3-11B — плотная авторегрессионная языковая модель на архитектуре Llama, опубликованная MaziyarPanahi и созданная слиянием через mergekit методом passthrough на основе предварительно обученной meta-llama/Meta-Llama-3-8B. Модель предназначена для генерации текста; карточка и метаданные указывают поддержку английского языка. Размер составляет 11 млрд параметров, контекст — до 8192 токенов, для работы заявлена библиотека Transformers и формат весов safetensors. Модель подходит для продолжения текста, создания черновиков и ответов на текстовые запросы. Лицензия указана как other; перед использованием следует сверить условия на карточке модели и у базовой Meta Llama 3.

Capx AI's Obsidian — дообученная модель сообщества Capx на базе Meta Llama 3 для задач общего назначения. Это авторегрессионная языковая модель с плотной архитектурой Transformer и 7,5 млрд параметров; контекст составляет до 8192 токенов. Модель дообучена на пользовательском наборе данных методом supervised fine-tuning для улучшения следования инструкциям и использует формат Alpaca. Модель предназначена для генерации текста и выполнения инструкций на английском языке: она может помогать с ответами на вопросы, созданием черновиков и другими текстовыми задачами общего назначения. Репозиторий содержит веса PyTorch. Для использования действует лицензия Llama 3; её условия следует учитывать при интеграции и распространении.

MeliodasT3q_Experiment26Strangemerges_32 — объединённая модель MaziyarPanahi на архитектуре Mistral для генерации текста. Она содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации продолжений и ответов в текстовых сценариях. Модель объединяет automerger/MeliodasT3q-7B и automerger/Experiment26Strangemerges_32-7B. Опубликована в формате safetensors и распространяется по лицензии Apache-2.0.

Mem-Beagle-7b-slerp-v6 — текстовая генеративная модель, созданная объединением liminerity/Mem-Beagle-7b-slerp-v2 и liminerity/Mem-Beagle-7b-slerp-v3. Разработчик использовал LazyMergekit и метод слияния SLERP; конфигурация задаёт смешивание слоёв внимания и MLP, а веса сохранены в формате safetensors с точностью bfloat16. Модель построена на архитектуре Mistral с плотной причинной языковой сетью, содержит 7,1 млрд параметров и имеет контекст до 32 768 токенов. Она предназначена для генерации текста; карточка не уточняет языки, специализированные области или дополнительные возможности вроде работы с инструментами. Лицензия в предоставленных данных не указана.

Meta-Llama-3-13B-Instruct — диалоговая текстовая модель на архитектуре Llama, созданная автором репозитория путём объединения слоёв модели meta-llama/Meta-Llama-3-8B-Instruct с помощью MergeKit. Несмотря на название, в метаданных указано 13,4 млрд параметров; модель представлена в формате safetensors и работает с контекстом до 8192 токенов. Модель предназначена для диалоговой генерации текста и ассистентских ответов. В карточке заявлен английский язык; базовая модель Meta также рассчитана на генерацию английского текста. Для использования применяется библиотека Transformers. Лицензия обозначена как other, поэтому конкретные условия следует сверить с карточкой репозитория и условиями базовой модели.

MFANN3bv0.20.17 — языковая модель семейства Phi, разработанная netcat420 и предназначенная для генерации текста по инструкциям и выполнения широкого круга общих задач. Это дообучение предыдущей версии netcat420/MFANN3bv0.20.16 на наборе данных netcat420/MFANN. Модель содержит 3,5 млрд параметров, использует плотную архитектуру PhiForCausalLM и принимает текстовые инструкции в формате «Instruct: … Output:». Контекстное окно составляет до 32 768 токенов; карточка указывает английский язык. Средняя ошибка обучения, приведённая автором для MFANN, составляет 0,33. Модель распространяется в формате safetensors по лицензии MIT.

MaziyarPanahi/mistral-ft-optimized-1218-Mistral-7B-Instruct-v0.1 — объединённая чат-модель на архитектуре Mistral с 7,1 млрд параметров. Она создана методом Slerp merge из mistralai/Mistral-7B-Instruct-v0.1 и OpenPipe/mistral-ft-optimized-1218; веса представлены в формате safetensors. Модель предназначена для генерации текста в ответ на инструкции и диалоговые запросы. Подходит для чат-ботов, черновиков текстов, ответов на вопросы и других сценариев генерации на английском языке. Заявленная длина контекста — 32 768 токенов. Модель распространяется по лицензии Apache-2.0. Доступные сведения не описывают отдельные ограничения качества или оценки безопасности.

zelk12/MT-Gen4-BMM-gemma-2-9B — языковая модель, созданная объединением двух предварительно обученных моделей Gemma 2 методом SLERP с помощью mergekit. Репозиторий содержит вариант в формате safetensors для использования с библиотекой Transformers; размер модели — 9 млрд параметров, контекст — до 8192 токенов. Модель предназначена для генерации текста и диалогового использования. Лицензия в предоставленных данных не указана, поэтому условия использования определить нельзя.

zelk12/MTM-Merge-MU-gemma-2-MTM4MTM3-9B — разговорная языковая модель на архитектуре Gemma 2 с 9 млрд параметров, созданная автором репозитория слиянием предварительно обученных моделей zelk12/MT-Merge4-gemma-2-9B и zelk12/MT-Merge3-gemma-2-9B. Для объединения применён метод SLERP с использованием mergekit; веса представлены в формате safetensors и модель рассчитана на работу через Transformers. Модель предназначена для генерации текста и ведения диалогов. Она принимает текстовые запросы и выдаёт текстовые ответы; заявленный размер контекста — 8192 токена. Данные о целевых языках и специализированных предметных областях в доступных источниках отсутствуют. Лицензия и конкретные ограничения качества или безопасности в README и метаданных не приведены.

NeuralsirkrishnaShadow_Strangemerges_32Ogno — объединённая языковая модель, созданная на основе automerger/NeuralsirkrishnaShadow-7B и automerger/Strangemerges_32Ogno-7B. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM и примерно 7,1 млрд параметров. Модель предназначена для генерации текста. Она принимает текстовые запросы и продолжает их, что подходит для диалогов, черновиков и других задач на основе текстовой генерации. Поддерживаемые языки и специализация сверх этого в доступных сведениях не описаны. Контекстное окно составляет 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Доступные сведения не описывают качество объединения, результаты оценивания или специальные ограничения применения.

Omost-Dolphin-2.9-Llama3-8B — языковая модель Omost на архитектуре Llama 3, объединяющая основу llama3-8b с instruct-предобучением Dolphin 2.9. Модель содержит 7,5 млрд параметров, использует плотную архитектуру и опубликована в формате Safetensors с точностью fp16. Для диалога она принимает текст и генерирует текст; заявленная длина контекста составляет 8192 токена. Модель предназначена для диалоговых сценариев и генерации ответов по текстовым запросам. В метаданных указаны библиотека Transformers и возможность чата. Карточка не сообщает отдельные целевые отрасли или поддерживаемые естественные языки. Лицензия в предоставленных сведениях не указана.

AiCloser/Qwen2.5-32B-AGI — дообученная диалоговая языковая модель на архитектуре Qwen2.5, созданная на основе Qwen/Qwen2.5-32B-Instruct. Разработчик описывает её как первую донастройку Qwen2.5 32B для снижения чрезмерных отказов отвечать; для этого использованы наборы инструктивных и предпочтительных данных, включая датасеты с токсичным содержимым. Модель предназначена для диалога и генерации текста по инструкциям. Она содержит 32 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. В метаданных заявлены китайский, английский, французский, испанский, португальский, немецкий, итальянский, русский, японский, корейский, вьетнамский, тайский и арабский языки. Распространяется в формате safetensors по лицензии Apache-2.0. Настройка на снижение отказов может приводить к ответам на запросы, которые базовая модель отклоняет; степень такого эффекта и качество модели для отдельных задач в карточке не измерены. Модель сохраняет ограничения базовой языковой модели, включая возможность ошибок и недостоверных утверждений.

ChuGyouk/Qwen3-4B-DeepWriting-SFT — это дообученная модель генерации текста на основе unsloth/Qwen3-4B-Base, разработанная ChuGyouk и обученная с помощью TRL. Она предназначена для создания развернутых текстовых ответов и диалогового использования; пример в карточке показывает ответ на вопрос с аргументацией выбора. Модель содержит 3,7 млрд параметров, использует плотную архитектуру Qwen3ForCausalLM и рассчитана на контекст до 32 768 токенов. Для работы указаны Transformers и формат весов safetensors. Лицензия в доступных данных не указана.

RecurrentGemma 2B — базовая языковая модель Google для генерации текста. Она построена на архитектуре RecurrentGemma и предназначена для использования через Transformers; в карточке также упомянуто обучение с помощью JAX и ML Pathways. Модель подходит для генерации и чернового редактирования текстов, диалоговых интерфейсов, суммаризации и помощи в исследовании текстовых материалов. Карточка описывает эти сценарии как возможные применения семейства открытых LLM, а не как специализированные возможности этой базовой версии. Модель может ошибаться в фактах, испытывать трудности с неоднозначностью и сложными открытыми задачами, а также воспроизводить смещения обучающих данных. Использование регулируется условиями Gemma; для внедрения Google рекомендует учитывать меры безопасности и правила ответственного использования.

Модель SongTonyLi/SFT_D1chosen_top3KSamples — дообученная языковая модель семейства Llama на основе unsloth/meta-llama-3.1-8b-bnb-4bit. Разработчик — SongTonyLi; обучение выполнено с использованием Unsloth и библиотеки TRL. Модель предназначена для генерации текста. Архитектура — плотная LlamaForCausalLM, размер — 7,5 млрд параметров, контекст — до 131 072 токенов. В карточке указана поддержка английского языка. Лицензия — Apache-2.0.

Solar Pro 3 — языковая модель Upstage с архитектурой Mixture-of-Experts (MoE). Она содержит 102 млрд параметров, из которых 12 млрд активируются при каждом проходе. Модель предназначена для генерации текста; в карточке она описана как мощная и вычислительно эффективная. README обрывается до подробностей об оптимизации, поэтому конкретные сценарии, поддерживаемые языки, размер контекста и ограничения установить нельзя. Метаданные указывают задачу text-generation и дату публикации 27 января 2026 года; лицензия не указана в предоставленных источниках.

Stable Beluga 2 — авторегрессионная языковая модель Stability AI на архитектуре Llama 2, дообученная на 70B-базе в стиле Orca. Она предназначена для диалогов и генерации текста, в том числе ответов на вопросы и выполнения текстовых инструкций. Модель содержит 68,7 млрд параметров, работает с текстом и имеет контекст длиной 4096 токенов; в карточке заявлена поддержка английского языка. Модель опубликована в формате PyTorch и рассчитана на использование через Hugging Face Transformers. Чекпойнт распространяется по лицензии STABLE BELUGA NON-COMMERCIAL COMMUNITY LICENSE AGREEMENT, которая ограничивает коммерческое использование. Модель может выдавать неточные, предвзятые или нежелательные ответы; перед применением в продукте Stability AI рекомендует проводить проверку безопасности и настройку под конкретный сценарий.

google/t5gemma-2b-2b-ul2 — предварительно обученная модель семейства T5Gemma от Google с кодировщиком и декодировщиком по 2 млрд параметров. Архитектура encoder-decoder получена адаптацией decoder-only модели; вариант UL2 обучен с использованием подхода UL2. Репозиторий содержит веса Safetensors для Transformers. Модель предназначена для генерации текста по текстовому запросу и подходит для суммаризации, ответов на вопросы, рассуждений и других задач преобразования текста. В карточке указана поддержка английского языка. Компактный размер может быть удобен для локального развёртывания на компьютерах и в облачной инфраструктуре. Качество зависит от обучающих данных и формулировки запроса; модель может упускать нюансы и выдавать неточные или устаревшие факты. Лицензия Gemma; при применении необходимо учитывать правила использования Gemma.

Google T5Gemma ML-ML UL2 — текстовая encoder-decoder модель семейства T5Gemma, адаптированная с использованием UL2. В карточке T5Gemma описана как семейство компактных моделей Google, созданных преобразованием предварительно обученных decoder-only моделей в encoder-decoder архитектуру; варианты могут сочетать энкодеры и декодеры разного размера. Размер именно этой модели и длина её контекста в предоставленных данных не указаны. Модель предназначена для генерации и преобразования текста, включая ответы на вопросы, суммаризацию и рассуждения. Карточка указывает английский язык и широкие сценарии создания контента; метаданные задают основную задачу как text-generation. Весовые файлы доступны в формате safetensors и используются через Transformers. К ограничениям относятся возможные фактические ошибки, смещения обучающих данных и трудности с неоднозначными формулировками и сложными открытыми задачами. Модель распространяется по лицензии Gemma; для её использования следует учитывать политику допустимого использования Gemma.

Tess-7B-v1.4 — языковая модель общего назначения из серии Tess, разработанной для генерации текста. Карточка серии сообщает, что Tess-XS-v1.4 обучена на базе Mistral-7B; метаданные этой модели указывают архитектуру MistralForCausalLM и размер 7,1 млрд параметров. Для диалога в README приведён формат с ролями SYSTEM, USER и ASSISTANT. Метаданные указывают контекст до 32 768 токенов и формат весов safetensors. Модель подходит для диалоговых сценариев и других задач генерации текста. В README не описаны специальные навыки, поддерживаемые языки или результаты оценки качества, поэтому их нельзя надёжно уточнить. Лицензия — Apache-2.0.

v1olet_marcoroni-go-bruins-merge-7B-Mistral-7B-Instruct-v0.1 — объединённая чат-модель на архитектуре Mistral, созданная путём слияния весов Mistral-7B-Instruct-v0.1 и v1olet/v1olet_marcoroni-go-bruins-merge-7B методом SLERP. Модель содержит 7,1 млрд параметров, распространяется в формате safetensors и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации ответов на инструкции и диалоговые запросы на английском языке. Лицензия Apache-2.0 допускает использование, изменение и распространение в соответствии с её условиями. Карточка не приводит сравнительных оценок качества или результатов тестирования.

YamshadowInex12_AlloyingotneoyNeuralsirkrishna — слитая текстовая модель семейства Mistral с 7,1 млрд параметров. Она объединяет модели automerger/YamshadowInex12-7B и automerger/AlloyingotneoyNeuralsirkrishna-7B и предназначена для генерации текста по запросу. Модель принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Доступна по лицензии Apache-2.0. Данные карточки не уточняют языковую специализацию или особые прикладные области модели.

YamshadowStrangemerges_32_Experiment28Experiment26 — слитая модель семейства Mistral, объединяющая automerger/YamshadowStrangemerges_32-7B и automerger/Experiment28Experiment26-7B. Она предназначена для генерации текста и имеет архитектуру MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0.