III.5Управление персоналом и организацией

Flora7B-laser — модификация ResplendentAI/Flora_7B, созданная с применением LaserRMT (layer-selective rank reduction). Она сохраняет архитектуру MistralForCausalLM с 32 слоями, а веса изменены по сравнению с базовой моделью; это не квантизация и не конвертация формата. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста с контекстом до 32 768 токенов. Базовая модель описана как англоязычная. Модель подходит для генерации текста на основе текстового запроса и продолжения текста. Точная конфигурация LaserRMT — какие слои и до какого ранга были сокращены — в репозитории не задокументирована. Лицензия — CC BY-SA 4.0, унаследованная от базовой модели.

FoFoNet-SuperMBX-slerp — языковая модель, созданная слиянием flemmingmiguel/MBX-7B-v3 и vanillaOVO/supermario_v4 разработчиком репозитория fterry с помощью LazyMergekit. Для объединения использован метод slerp с настройками смешивания для слоёв self-attention и MLP. Модель построена на архитектуре Mistral и содержит 7,1 млрд параметров; она принимает текст и генерирует текст, поддерживая контекст до 32 768 токенов. Подходит для сценариев генерации текста общего назначения. В карточке не описаны конкретные языки, специализация или оценка качества модели. Файлы представлены в формате safetensors; лицензия в предоставленных данных не указана.

Карточка модели abideen/gemma-7b-openhermes на Hugging Face совпадает с карточкой QueryloopAI/gemma-7b-openhermes, поэтому описание составлено по ней. QueryloopAI/gemma-7b-openhermes — диалоговая языковая модель на архитектуре Gemma, дообученная разработчиком на базе google/gemma-7b-it с помощью QLoRA на данных предпочтений OpenHermes-2.5. Модель содержит 8,2 млрд параметров, распространяется в формате Safetensors и рассчитана на генерацию текста и следование инструкциям в формате чата; для диалогового использования следует применять встроенный шаблон чата токенизатора. Модель принимает текстовые запросы, вопросы и документы и генерирует ответы или краткие изложения на английском языке. Указанное контекстное окно — 8192 токена. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение. В README приведены результаты нескольких бенчмарков; они не гарантируют качество на конкретных задачах.

GreenOgno-7b-passthrough — текстовая генеративная модель на архитектуре Mistral, созданная объединением GreenNode/GreenNode-mini-7B-multilingual-v1olet и eren23/OGNO-7b-dpo-truthful с помощью LazyMergekit. В конфигурации passthrough взяты слои 0–15 первой модели и слои 16–31 второй; токенизатор объединён, веса сохранены в float16. Размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. В составе объединены мультиязычная модель GreenNode и DPO-модель OGNO-7b с акцентом на правдивость ответов; README не приводит отдельных оценок качества или подробных рекомендаций по применению. В метаданных и README лицензия не указана.

Ice0.55-17.01-RP — языковая модель на архитектуре Mistral, созданная автором репозитория с помощью слияния предварительно обученных моделей методом SLERP через mergekit. В карточке указаны две исходные модели: Ice0.54-17.01-RP и Ice0.53-16.01-RP. Модель содержит 7,1 млрд параметров, принимает текст и предназначена для генерации текста; максимальный контекст составляет 32 768 токенов. Модель можно использовать для генерации продолжений и ответов на текстовые запросы. README не сообщает о специальных предметных областях, поддерживаемых языках или отдельных возможностях вроде работы с инструментами. Файлы опубликованы в формате Safetensors. Условия лицензии в доступных данных не приведены.

Instruct_Mixtral-8x7B-v0.1_Dolly15K — языковая модель Brillibits для генерации ответов на инструкции и диалоговых запросов. Она дообучена методом QLoRA на датасете Databricks Dolly 15K от базовой модели Mixtral-8x7B-v0.1; README сообщает о 1 эпохе обучения и разделении данных на обучающую, валидационную и тестовую выборки. В репозитории указаны веса в формате safetensors, а метаданные описывают архитектуру как Mixtral MoE с классом MixtralForCausalLM и размером 7,1 млрд параметров. Метаданные указывают контекст до 32 768 токенов, тогда как README сообщает, что при обучении использовалось окно 1 024 токена. Модель рассчитана на генерацию текста по инструкциям на английском языке, включая ответы на вопросы и создание текстов. Лицензия — Apache-2.0. Карточка показывает настройку на Dolly 15K, но не приводит результаты оценки качества; фактическое качество и пригодность для конкретных сценариев следует проверять отдельно.

L3-Intermix-v0.1 — чат-модель для генерации текста, созданная объединением трёх моделей семейства Llama 3 с помощью mergekit. В состав слияния входят vicgalle/Configurable-Llama-3-8B-v0.3, bunnycore/Llama-3-Intermix и failspy/Meta-Llama-3-8B-Instruct-abliterated-v3; в конфигурации указаны метод model_stock и точность bfloat16. Модель содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Модель предназначена для диалогов и генерации ответов на текстовые запросы. В карточке не приведены сведения о целевых языках, сравнительных оценках качества или специальных областях применения. Распространяется по лицензии Apache-2.0.

nkpz/llama2-22b-daydreamer-v2 — языковая модель семейства Llama, дообученная автором nkpz ещё на нескольких эпохах общих данных airoboros v2. Модель предназначена для генерации текста и ответов на инструкции; автор отмечает, что она стала менее склонна к чрезмерно подробным объяснениям и менее привязана к формату инструкций, сохранив более универсальный стиль. Модель содержит 21,6 млрд параметров, использует плотную архитектуру LlamaForCausalLM и формат PyTorch. Нативный контекст составляет 4098 токенов. В карточке указана лицензия other. Автор описывает модель как работу в процессе и отмечает, что навыки решения задач ещё требуют улучшения.

Mudassir-75/Llama-3.2-3B-Instruct-ENG-FR — диалоговая текстовая модель Mudassir-75, дообученная на базе unsloth/Llama-3.2-3B-Instruct с использованием Unsloth и Hugging Face TRL. Она предназначена для генерации ответов в чате и других сценариев генерации текста. Модель использует плотную архитектуру LlamaForCausalLM и содержит 3,2 млрд параметров; заявленная длина контекста — 131 072 токена. Карточка и метаданные отмечают английский язык, но подробности обучения для языкового варианта ENG-FR не раскрыты. Модель распространяется по лицензии Apache-2.0.

Llama-3-8B-Tulu-330K — дообученная модель для генерации текста на основе Meta Llama 3 8B. Она предназначена для диалогового взаимодействия и генерации ответов; в карточке приведён результат оценки: loss 1,0525. Модель содержит около 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и поддерживает контекст до 8192 токенов. Доступны веса PyTorch и Safetensors. Модель создана дообучением meta-llama/Meta-Llama-3-8B с помощью Axolotl 0.4.0. Описание в README не уточняет назначение датасета и конкретные сильные стороны или ограничения. Лицензия — Llama 3; использование регулируется её условиями.

LongForm-OPT-125M — языковая модель для генерации длинных текстов с инструктивной настройкой на наборе LongForm. Модель разработана авторами LongForm на базе архитектуры OPT; в репозитории указано около 151,9 млн параметров, формат весов — PyTorch и SafeTensors, а родной контекст составляет 2048 токенов. Модель предназначена для генерации текста по инструкциям, включая ответы на вопросы, написание писем, исправление грамматических ошибок, создание историй и стихов, рецептов и кратких пересказов. В описании LongForm сообщается о сравнительной оценке на генерации рецептов, длинных ответах на вопросы ELI5 и коротких рассказах; приведённые результаты относятся к семейству LongForm, а не отдельно к версии 125M. Данные обучения включают англоязычные документы из C4 и Wikipedia, примеры Stack Exchange и WikiHow, а также задания, инструкции для которых создавались с помощью LLM. Теги карточки также указывают немецкий, итальянский, испанский и французский языки, но описание обучения и задач сосредоточено на английском. Лицензия в предоставленных данных не указана.

LongForm-OPT-1.3B — языковая модель на базе OPT, дообученная авторами проекта LongForm на инструкциях для генерации длинных текстов. Модель содержит около 1,7 млрд параметров и принимает текстовые запросы; её контекст составляет 2048 токенов. В карточке заявлены английский и многоязычный режимы, включая немецкий, итальянский, испанский и французский языки. Модель предназначена для генерации длинных ответов и документов по инструкциям: например, рецептов, историй, стихотворений, писем и ответов на вопросы, а также для суммаризации и исправления грамматических ошибок. Авторы сообщают о результатах оценки на генерации рецептов, ответах на вопросы ELI5 и коротких историях, где LongForm-модели превзошли сравниваемые модели с настройкой на инструкции. Ограничения включают слабую пригодность для задач структурированного предсказания и возможность галлюцинаций. Лицензия в предоставленных данных не указана.

Magnum v2 32B GGUF — это квантизированные варианты текстовой генеративной модели Anthracite, разработанные командой Anthracite и созданные на основе Qwen1.5 32B. Модель дообучалась для воспроизведения качества прозы моделей Claude 3, прежде всего Sonnet и Opus, и предназначена для диалогов, генерации текста, выполнения инструкций и задач, где важны качество и структура письменного ответа. Модель поддерживает текстовую модальность и ориентирована на английский и китайский языки. Она содержит около 32 миллиардов параметров, распространяется в формате GGUF и использует ChatML для форматирования диалоговых запросов. В README не указана длина контекстного окна и не приведены сведения о конкретных вариантах квантизации, производительности или системных требованиях. Дообучение проводилось в течение двух эпох на наборах данных, связанных с диалогами, рассуждениями и качественной прозой. К сильным сторонам относятся крупный размер, ориентация на естественную и выразительную генерацию текста, а также поддержка локального запуска через совместимые инструменты для GGUF. Ограничения включают отсутствие подробных оценок качества, неполные сведения о безопасности и неизвестные характеристики отдельных квантизированных сборок. Лицензия обозначена как other с названием tongyi-qianwen; в качестве текста лицензии указана лицензия Qwen2-72B-Instruct.

Magnum v4 22B — языковая модель, разработанная организацией Anthracite и представленная в формате GGUF-квантизаций. Она дообучена на базе Mistral-Small-Instruct-2409 и создана для воспроизведения качества прозы моделей Claude 3, в частности Sonnet и Opus. Модель предназначена для текстовой генерации и диалоговых сценариев, включая написание и редактирование текстов, следование инструкциям и использование в чат-интерфейсах, например SillyTavern. Указан английский язык. Размер модели — 22 млрд параметров; поддерживается контекст длиной до 32 768 токенов. Модель работает в текстовой модальности, а README описывает стандартный формат промпта Mistral с системным сообщением, пользовательскими запросами и ответами ассистента. К сильным сторонам относятся ориентация на высокое качество прозы, большой контекст и доступность в GGUF для локального запуска с подходящими инструментами. Ограничения включают отсутствие заявленных мультимодальных возможностей, отсутствие количественных результатов бенчмарков и неполное описание характеристик безопасности. Модель обучалась в течение двух эпох методом полно-параметрического дообучения на нескольких датасетах, связанных с инструкциями, диалогами и качеством письма. Лицензия указана как other с названием mrl; дополнительные условия в README не раскрыты.

Malachite-7b-v0 — объединённая языковая модель, опубликованная пользователем r2rss. Она создана методом slerp с помощью mergekit из zyh3826/GML-Mistral-merged-v1 и cookinai/CatMacaroni-Slerp. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста; заявленная длина контекста — 32 768 токенов. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Карточка не описывает отдельную специализацию, языковое покрытие или результаты оценки качества, поэтому её можно характеризовать только как модель общего назначения для генерации текста.

Metask-Jev-4B — мультиязычная модель Wayfind для классификации и типизированных решений. Она принимает описание состояния, например текст, обращение, политику или JSON, и вопрос с вариантами выбора, ответом «да/нет» или шкалой оценки. Модель за один проход выдаёт вероятности для вариантов, не генерируя текст; в README указаны 4,54 млрд параметров, архитектура Qwen3.5-4B с объединённым LoRA и нативный контекст 262 144 токена. README сообщает о поддержке 16 языков, включая русский. Модель предназначена для маршрутизации запросов, сортировки обращений, модерации, проверки утверждений по свидетельствам и оценивания по рубрикам, когда нужны вероятностные метки вместо объяснений. В README приведены результаты на нескольких наборах и замеры производительности, но часть сравнений и рейтинга обозначена как собственная оценка автора; заявленная точность заметно ниже на сложных случаях, а оценка релевантности SummEval имеет систематическое смещение между соседними баллами. Температурная калибровка улучшает калибровку вероятностей. Лицензия — Apache-2.0.

Minbyul/mistral-7b-wo-live_qa-sft — дообученная модель генерации текста на базе Mistral-7B-v0.1 от Mistral AI. Она обучена на наборе HuggingFaceH4/deita-10k-v0-sft методом supervised fine-tuning; модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Репозиторий использует формат safetensors. Модель предназначена для генерации продолжений текста и ответов на запросы в сценариях, соответствующих данным дообучения. В README приведено значение loss 1,6476 на оценочном наборе, однако подробности методики оценки и практические ограничения не описаны. Лицензия — Apache-2.0.

Momningojask-slerp — текстовая генеративная модель на архитектуре Mistral, созданная автором liminerity слиянием через mergekit методом SLERP. В слиянии использованы bardsai/jaskier-7b-dpo-v6.1 и liminerity/merge; базовой моделью указана bardsai/jaskier-7b-dpo-v6.1. Модель содержит 7,1 млрд параметров, распространяется в формате safetensors и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста и ответов на запросы. В карточке указана лицензия Apache-2.0. Данные о поддерживаемых языках и специальных областях применения не приведены.

Corianas разработала Neural-Mistral-7B — диалоговую модель для генерации текста, полученную DPO-дообучением mistralai/Mistral-7B-Instruct-v0.2 на наборе Intel/orca_dpo_pairs. Модель построена на архитектуре Mistral с 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Для общения используется формат инструкций Mistral с маркерами [INST] и [/INST]; модель доступна в формате safetensors и рассчитана на работу через Transformers. Модель подходит для диалоговых ответов и выполнения текстовых инструкций на английском языке. В README описана архитектура с Grouped-Query Attention, Sliding-Window Attention и токенизатором Byte-fallback BPE. Лицензия — Apache 2.0. В карточке нет результатов оценки качества или подробных ограничений применения.

S4sch/Open-Hermes-2.5-neural-chat-3.1-frankenmerge-11b — объединённая плотная языковая модель на архитектуре Mistral, созданная чередованием слоёв teknium/OpenHermes-2.5-Mistral-7B и Intel/neural-chat-7b-v3-1 методом passthrough. В репозитории указаны 11,3 млрд параметров, контекст до 32 768 токенов и формат safetensors; модель предназначена для диалоговой генерации текста. Её можно использовать для ведения беседы и генерации ответов на текстовые запросы. README не приводит результатов бенчмарков, поэтому качество и преимущества слияния по сравнению с исходными моделями не подтверждены. Лицензия — Apache-2.0.

orca_mini_7b — языковая модель, созданная Панкаджем Матуром на основе OpenLLaMA-7B. Модель дообучена на наборах инструкций WizardLM, Alpaca и Dolly-V2 с применением подходов к построению данных из исследовательской работы Orca; для генерации обучающих ответов использовался ChatGPT на базе gpt-3.5-turbo-0301. В метаданных указаны архитектура LLaMA, 6,6 млрд параметров и контекст до 2048 токенов. Модель предназначена для генерации текста по инструкциям и диалоговых запросов на английском языке. Обучение на объяснительных примерах ориентировано на выполнение разнообразных инструкций и рассуждения. Она принимает текст и выдаёт текст; опубликованные веса представлены в форматах PyTorch и Safetensors. Модель выпущена по лицензии CC BY-NC-SA 4.0, которая ограничивает коммерческое использование и требует соблюдения условий атрибуции и распространения производных материалов. Контекст ограничен 2048 токенами; результаты приведённых в карточке оценок Open LLM Leaderboard не гарантируют точность в конкретных задачах.

pankajmathur/orca_mini_v9_7_3B-Instruct — диалоговая языковая модель Pankaj Mathur, дообученная на базе meta-llama/Llama-3.2-3B-Instruct. Модель с плотной архитектурой Llama содержит 3,2 млрд параметров и предназначена для генерации текста в формате диалога; карточка указывает контекстное окно 131 072 токена и поддержку английского языка. Модель подходит для ведения диалога и генерации ответов на текстовые запросы. Базовая модель семейства Llama 3.2 рассчитана на работу в ограниченных средах, включая мобильные устройства, однако качество и безопасность ответов следует проверять для конкретного применения. Возможны неточные, предвзятые или нежелательные ответы. Лицензия — llama3.2.

Модель ihughes15234/phi35_kp_dpo5epoch_total — текстовая разговорная модель генерации текста, разработанная ihughes15234 и дообученная на базе ihughes15234/phi35_kp_dpo2epoch. Она предназначена для диалога и генерации ответов по текстовым запросам. Модель построена на плотной архитектуре Llama с классом LlamaForCausalLM, содержит 3,7 млрд параметров и поддерживает контекст длиной до 4096 токенов. При обучении использовались Unsloth и библиотека Hugging Face TRL. Лицензия — Apache-2.0.

sfmbaselinefiltered-2k3k4k5k6kweightedavgmerge — объединение предобученных языковых моделей, созданное с помощью mergekit. В линейном слиянии использованы контрольные точки baseline_filtered с шагов 2000, 3000, 4000, 5000 и 6000; базой слияния указан чекпойнт шага 6000. Модель построена на архитектуре GPT-NeoX и предназначена для генерации текста. Она содержит 8,8 млрд параметров, принимает текст и имеет контекст длиной до 16 384 токенов. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия в предоставленных данных не указана.

ShadowStrangemerges_32-7B — объединённая модель для генерации текста, созданная Maxime Labonne из CorticalStack/shadow-clown-7B-slerp и Gille/StrangeMerges_32-7B-slerp. В основе лежит плотная архитектура Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Веса объединены методом SLERP с параметрами, заданными отдельно для слоёв внимания и MLP. Репозиторий содержит веса в формате Safetensors; лицензия — Apache-2.0. README не уточняет специализацию по языкам или отдельным прикладным областям.

SharkOgno-7b-Task — объединённая языковая модель powermove72, созданная с помощью LazyMergekit из powermove72/Shark-1 и eren23/OGNO-7b-dpo-truthful. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста; контекст составляет до 32 768 токенов. Слияние выполнено методом task arithmetic с весами 0,4 и 0,6, нормализацией и объединённым токенизатором; веса представлены в формате Safetensors и сохранены в FP16. Модель подходит для генерации продолжений и ответов на текстовые запросы. В состав входит база OGNO-7B-DPO-Truthful с акцентом на правдивость ответов, однако README не приводит отдельных оценок качества или подробного описания возможностей Shark-1. Лицензия в предоставленных данных не указана.

T3Q-Merge-Mistral7B — плотная авторегрессионная языковая модель семейства Mistral на 7,1 млрд параметров, созданная Chihoon Lee (chlee10) и T3Q. Модель объединяет liminerity/M7-7b и yam-peleg/Experiment26-7B методом SLERP с помощью mergekit; в конфигурации liminerity/M7-7b указан как базовая модель. Модель предназначена для генерации текста. Она принимает текстовые запросы и выдаёт текст; заявленная длина контекста — 32 768 токенов. В README не указаны конкретные сценарии, языки или результаты оценки качества, поэтому возможности за пределами текстовой генерации не уточняются. Модель распространяется в формате safetensors по лицензии Apache-2.0.

T5Gemma — семейство компактных текстовых моделей Google на архитектуре encoder-decoder, полученных адаптацией предварительно обученных decoder-only моделей Gemma. Эта инструкция-тюнингованная версия имеет энкодер на 2 млрд и декодер на 2 млрд параметров и основана на google/t5gemma-2b-2b-ul2, адаптированной с использованием UL2. Модель принимает текст и генерирует текст; заявленная поддержка языка — английский. Модель предназначена для генерации текста по инструкциям: ответов на вопросы, суммаризации и рассуждений, а также для черновиков писем, сценариев, стихов и рекламных текстов. Компактный размер подходит для развертывания на настольных компьютерах, ноутбуках и собственной облачной инфраструктуре. В карточке не приведены длина контекста и результаты оценки качества. Модель может допускать фактические ошибки, отражать предвзятость данных обучения и испытывать трудности с неоднозначностью, тонкими языковыми нюансами и сложными открытыми задачами. Лицензия — Gemma; использование регулируется условиями лицензии и политикой допустимого использования моделей Gemma.

ThetaMaven7 — объединённая модель для генерации текста, созданная jefferylovely методом LazyMergekit из ThetaMaven5 и WestLake-7B-v2-laser-truthy-dpo. Веса объединены методом SLERP с точностью bfloat16; архитектура — плотная Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Карточка не описывает специализацию по предметным областям или языкам. Репозиторий содержит веса в формате safetensors; лицензия — CC BY-NC-ND 4.0, с условиями атрибуции и ограничениями на коммерческое использование и распространение производных версий.

allenai/tulu-v2.5-dpo-13b-alpacafarm-gpt4-pref — англоязычная чат-модель из набора RLHF-моделей Tulu, разработанного AllenAI. Это плотная авторегрессионная модель семейства Llama с 12,9 млрд параметров, основанная на allenai/tulu-2-13b и дообученная на инструкциях, синтетических диалогах и данных предпочтений. Для дополнительного выравнивания применялся DPO на разбиении alpaca_farm_gpt4_pref; в репозитории указан формат PyTorch и контекст до 4096 токенов. Модель предназначена для генерации текста и ответов в диалогах с помощником на английском языке. Её можно использовать для выполнения инструкций, ответов на вопросы и создания текстовых черновиков. README указывает, что шаблон чата встроен в токенизатор и требует учитывать перевод строки при форматировании сообщений. Модель не обучалась на безопасные ответы и не имеет встроенной фильтрации, поэтому может выдавать проблемный контент, особенно по соответствующим запросам. Лицензия — Apache 2.0.