III.5Управление персоналом и организацией

Это контрольная точка BigBird-Pegasus от Immich для суммаризации совещаний. Модель обучена на подходящей части AMI Meeting Corpus с seed 73; вариант pipeline рассчитан на суммаризацию всей встречи или на иерархический процесс с сегментацией, извлечением ключевой информации и генерацией итогового текста. Модель содержит 366,8 млн параметров, принимает текст и поддерживает контекст до 4096 токенов. Репозиторий содержит веса в формате safetensors; README показывает загрузку через Transformers как Seq2Seq-модель. Лицензия — MIT. Модель подходит для подготовки кратких итогов совещаний и суммирования диалогов. Карточка не приводит результатов оценки качества, поэтому качество на других типах разговоров и языках не подтверждено; сведения указывают на обучение на AMI, но не называют язык корпуса.

Nitral-Archive/Prima-LelantaclesV7-experimentalv2-7b — объединённая модель генерации текста на архитектуре Mistral, созданная слиянием методом SLERP моделей ChaoticNeutrals/Prima-LelantaclesV7-experimental-7b и tavtav/eros-7b-test. Веса представлены в формате safetensors; размер модели составляет 7,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Карточка указывает состав слияния и его конфигурацию, но не описывает специальные сценарии, языки или результаты оценки качества. Лицензия указана как other, поэтому условия использования следует уточнить в материалах репозитория.

munish0838/Qwen2-7b-Matter-0.1-Slim-A — дообученная языковая модель на архитектуре Qwen2 с 7,1 млрд параметров, созданная munish0838 на базе unsloth/Qwen2-7b-bnb-4bit. Модель предназначена для генерации текста в диалоговом формате и поддерживает английский язык. Для обучения использовались Unsloth и библиотека Hugging Face TRL; заявленный размер контекстного окна — 131 072 токена. Модель можно применять для генерации ответов и ведения текстовых диалогов. Она распространяется по лицензии Apache-2.0. Подробные сведения о наборе обучающих данных и оценке качества в карточке не приведены.

blueRab2it/solar-beam-slerp-v0.1 — объединённая языковая модель, созданная с помощью mergekit методом SLERP из davidkim205/komt-solar-10.7b-sft-v5 и Deepnoid/deep-solar-eeve-v2.0.1. Это плотная архитектура Llama с классом LlamaForCausalLM, 7,2 млрд параметров и контекстом до 4096 токенов. Модель предназначена для генерации текста и выполнения задач по текстовым инструкциям. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Базовая KOMT-Solar-10.7B-SFT-v5 описана как корейская модель для генерации текста и ответов на инструкции; данных о дополнительных языковых возможностях итоговой модели нет. Лицензия — Apache-2.0.

StableHermes-3b — языковая модель cxllin объёмом 2,7 млрд параметров, дообученная на наборе OpenHermes из примерно 242 тысяч примеров, преимущественно созданных GPT-4 и собранных из открытых датасетов. По метаданным, модель относится к семейству StableLM Epoch и использует плотную архитектуру трансформера-декодера для авторегрессионной генерации текста; README описывает её как модель на базе GPT-NeoX. Она принимает текст и предназначена для генерации ответов и ответов на вопросы на разные темы. Контекст составляет 4096 токенов, основной заявленный язык — английский. Модель подходит для диалоговых приложений, подготовки развернутых ответов и извлечения ответов из заданного контекста. В репозитории указана лицензия MIT. Возможные ограничения включают ошибки и недостоверные утверждения, свойственные генеративным языковым моделям; карточка не приводит результатов оценки качества.

T3Q-Platypus-MistralM7-7B — дообученная Chihoon Lee (chlee10) и компанией T3Q модель liminerity/M7-7b. Она предназначена для генерации текста и диалоговых сценариев. Модель построена на плотной архитектуре MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В качестве обучающих данных указан набор Open-platypus-Commercial; язык модели — английский. Модель распространяется в формате PyTorch по лицензии Apache-2.0. Карточка не приводит оценок качества или подробных ограничений; характеристики базовой модели не следует считать отдельной оценкой этой версии.

ThetaMaven9 — объединённая языковая модель на архитектуре Mistral, созданная jefferylovely с помощью LazyMergekit. В объединении методом slerp использованы jefferylovely/ThetaMaven7 и FelixChao/WestSeverus-7B-DPO-v2; базовой указана ThetaMaven7. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста. Карточка не уточняет языки, специальные сценарии применения или сравнительные преимущества. Весы представлены в формате safetensors. Лицензия CC BY-NC-ND 4.0 разрешает использование на условиях атрибуции, некоммерческого применения и запрета распространения производных материалов.

Trinity_Notus2-xb — объединённая языковая модель, созданная автором репозитория powermove72 из janai-hq/trinity-v1 и argilla/notus-7b-v1 с помощью LazyMergekit. Это плотная авторегрессионная модель семейства Mistral для генерации текста; конфигурация объединяет диапазоны слоёв двух исходных моделей, использует объединённый токенизатор и формат float16. Размер модели — 11 млрд параметров, заявленная длина контекста — 32 768 токенов. Модель подходит для диалоговой генерации и ответов на текстовые запросы. Базовая модель Notus-7B была дообучена методом DPO и ориентирована преимущественно на ответы на английском языке; README не описывает отдельные возможности или результаты оценки именно этого объединения. В метаданных лицензия не указана, поэтому условия использования установить по предоставленным данным нельзя.

Tulu V2.5 PPO 13B — англоязычная чат-модель из семейства Tulu, разработанного Allen Institute for AI (AI2). Это плотная авторегрессионная модель на архитектуре Llama с 12,9 млрд параметров, дообученная на базе Tulu 2 13B с помощью PPO. При обучении использовались запросы UltraFeedback и reward model на 70 млрд параметров, обученная на смеси предпочтений. Модель предназначена для диалогов с помощником и генерации ответов на инструкции. Она поддерживает английский язык, использует контекст до 4096 токенов и распространяется в формате PyTorch. Для диалогов следует использовать шаблон чата, встроенный в токенизатор; README указывает, что завершающий перевод строки после сообщения влияет на качество генерации. Модель может выдавать проблемные ответы, в том числе по запросу пользователя: авторы отмечают, что на этапе RLHF её не обучали безопасным отказам и не применяли фильтрацию ответов во время работы. Лицензия — Apache 2.0.

minpeter/Voxtral-Mini-3B-Text-2507-hf-heretic — текстовая чат-модель на архитектуре Mistral, созданная на основе mistralai/Voxtral-Mini-3B-2507. Автор README сообщает, что из исходной модели удалена функция Whisper, а языковая модель сохранена; модель похожа на невыпущенную Ministral-3B-Instruct. В метаданных указаны 3,4 млрд параметров, контекст до 32 768 токенов и формат safetensors для Transformers. Модель предназначена для генерации текста в диалоге и других сценариев текстового общения. README описывает её как «abliterated»: в приведённом тесте отказов было 4 из 100 запросов против 99 из 100 у указанной исходной версии. Это свидетельствует о существенно меньшей склонности к отказам в этом тесте, но не гарантирует качество или поведение на других запросах. Языки, на которые модель специально рассчитана, в источниках не указаны. Лицензия в предоставленных данных не приведена.

YamshadowStrangemerges_32_ShadowYam — объединённая модель Mistral, созданная на основе automerger/YamshadowStrangemerges_32-7B и automerger/ShadowYam-7B. Она предназначена для генерации текста и поддерживает контекст длиной до 32 768 токенов. Модель содержит 7,1 млрд параметров, её веса доступны в формате Safetensors. Карточка не описывает специализацию по языкам или предметным областям и не приводит оценок качества. Модель распространяется по лицензии Apache 2.0.

YamshadowStrangemerges_32_ShadowYamshadow — объединённая модель генерации текста, опубликованная MaziyarPanahi. Она построена на архитектуре Mistral и объединяет automerger/YamshadowStrangemerges_32-7B и automerger/ShadowYamshadow-7B. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Данные карточки не описывают специальные сценарии применения, языковую специализацию или результаты оценки качества. Распространяется в формате Safetensors по лицензии Apache-2.0.

KnutJaegersberg/black_goo_recipe_e — плотная языковая модель семейства Llama с 3,3 млрд параметров и контекстом 8192 токена, опубликованная в формате PyTorch. Карточка показывает пример диалога с инструкцией и ответом, поэтому модель предназначена для генерации текста по запросам, включая ответы на вопросы и выполнение инструкций. Модель поддерживает задачи text-generation и text-classification согласно метаданным каталога; основная задача Hugging Face — text-generation. Данных о языковом охвате и специальной предметной области в карточке нет. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

CalmexperimentT3qm7-7B — автоматически созданная Maxime Labonne объединённая языковая модель на архитектуре Mistral. В слиянии использованы mistralai/Mistral-7B-v0.1, allknowingroger/CalmExperiment-7B-slerp и nlpguy/T3QM7; базовой моделью в конфигурации указана mistralai/Mistral-7B-v0.1. Модель содержит 7,1 млрд параметров, представлена в формате safetensors и использует точность bfloat16. Модель предназначена для генерации текста. Контекст составляет до 32 768 токенов. Репозиторий распространяется по лицензии Apache-2.0. Карточка не описывает специализированные области применения или дополнительные возможности.

sftwildchat386k-delphiwarmupdelphi-9e18-p50m50-kdelphi-1e-05delphi-3e18-p33m67-k — разговорная языковая модель на архитектуре Qwen3, обученная с нуля на наборах wildchat_386k и delphi_warmup. Репозиторий содержит 402,6 млн параметров в формате Safetensors; модель предназначена для генерации текста в диалоговом формате и поддерживает контекст до 4096 токенов. Модель опубликована на Hugging Face 12 июня 2026 года. В метаданных указана лицензия other, поэтому условия использования зависят от уточнений в репозитории или у автора. README не описывает оценку качества и ограничения; обучающие данные указаны, но поддерживаемые языки не перечислены.

ElEmperador — дообученная модель Mistral-7B-v0.1, созданная с применением ORPO для согласования ответов с человеческими предпочтениями. Она предназначена для генерации текста и диалогового использования. Модель имеет плотную архитектуру Mistral с 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. В метаданных указан английский язык, а веса представлены в формате safetensors. В карточке сообщается, что ORPO применялся для улучшения модели вместе с дообучением на инструкциях; приведён результат BLEU 0,209, но условия оценки не описаны. Ожидаемое преимущество — более предпочтительные и удобные для пользователя ответы. Модель распространяется по лицензии Apache-2.0.

ERNIE-4.5-0.3B-PT-bf16-ft — компактная текстовая модель семейства ERNIE 4.5 от Baidu, подготовленная сообществом mlx-community для запуска на MLX. Это плотная авторегрессионная модель с 318,2 млн параметров и контекстом до 131 072 токенов. Модель предназначена для генерации текста и диалогов на английском и китайском языках. Репозиторий содержит веса в формате safetensors и преобразованный быстрый токенизатор; в README указана рекомендация использовать эту версию с mlx-swift. Модель основана на baidu/ERNIE-4.5-0.3B-PT и заявлена под лицензией Apache-2.0. Хотя название содержит bf16, README описывает конверсию в формат MLX, поэтому надёжно классифицировать её как обычную конверсию формата точности нельзя.

Experiment26Inex12-7B — слитая модель для генерации текста, созданная Maxime Labonne автоматическим объединением MSL7/INEX12-7b и rwitz/experiment26-truthy-iter-1. При слиянии применён метод SLERP с настройками для слоёв self-attention и MLP; модель относится к семейству Mistral, имеет плотную архитектуру MistralForCausalLM и около 7,1 млрд параметров. Модель предназначена для генерации текста на основе текстового ввода. Поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Репозиторий указывает лицензию Apache-2.0. README не приводит сведения о языках, качестве на бенчмарках или специализированных сценариях применения.

Experiment28M7_NeuralsirkrishnaShadow — объединённая языковая модель на архитектуре Mistral, созданная слиянием automerger/Experiment28M7-7B и automerger/NeuralsirkrishnaShadow-7B. Модель содержит 7,1 млрд параметров и предназначена для генерации текста. Модель принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. В карточке указана лицензия Apache-2.0. README и метаданные не описывают специализированные сценарии, языковую поддержку или известные ограничения.

Experiment28M7_YamYam — объединённая модель семейства Mistral на 7,1 млрд параметров для генерации текста. По README, она создана слиянием моделей automerger/Experiment28M7-7B и automerger/YamYam-7B; репозиторий содержит веса в формате safetensors. Модель подходит для генерации текста по текстовому запросу, а её контекстное окно составляет до 32 768 токенов. В карточке не приведены сведения о специализации, поддерживаемых естественных языках или оценках качества. Модель распространяется по лицензии Apache-2.0. Поскольку это слияние двух моделей, её поведение и качество могут зависеть от задачи; независимые результаты оценки в предоставленных материалах отсутствуют.

Fimbulvetr-V2-Kuro-Lotus — языковая модель, созданная автором репозитория gelukuMLG путём слияния предварительно обученных моделей методом SLERP с помощью mergekit. В слияние вошли Fimbulvetr-11B-v2 и Kuro-Lotus-10.7B; конфигурация указывает Kuro-Lotus-10.7B как базовую модель. Репозиторий содержит веса в формате safetensors с точностью bfloat16. Модель построена на плотной архитектуре Llama и предназначена для генерации текста. Её размер — 10,6 млрд параметров, длина контекста — 8192 токена. README не описывает специализированные сценарии использования или поддерживаемые языки, поэтому модель можно характеризовать только как генеративную языковую модель общего назначения.

Карточка модели mergekit-community/gemma-gemma на Hugging Face совпадает с карточкой fradinho/llama-mistral, поэтому описание составлено по ней. fradinho/llama-mistral — диалоговая языковая модель на архитектуре Llama, созданная объединением моделей с помощью mergekit. В объединение вошли arcee-ai/llama_from_mistral_instruct_v2 и NousResearch/Llama-2-7b-chat-hf; применён метод task arithmetic с равными весами. Модель содержит 7,1 млрд параметров и принимает текст для генерации текста в диалоговом формате. Модель предназначена для ведения бесед и генерации ответов. Контекст составляет 2048 токенов; в карточке не заявлена поддержка языков, кроме сведений о базовой модели, ориентированной на английский. Репозиторий распространяется по лицензии MIT. Данных о качестве на конкретных задачах нет.

h2oai/h2ogpt-gm-oasst1-en-2048-open-llama-7b-preview-300bt — языковая модель H2O.ai для генерации текста и диалоговых ответов. Она дообучена с помощью H2O LLM Studio на наборе OpenAssistant/oasst1 и основана на openlm-research/open_llama_7b_preview_300bt. Модель использует плотную архитектуру LlamaForCausalLM, содержит 6,6 млрд параметров и принимает контекст длиной до 2048 токенов. Модель рассчитана на англоязычные текстовые запросы и генерацию ответов. Её можно применять для диалоговых помощников, черновиков текстов и ответов на вопросы. Репозиторий содержит веса PyTorch, лицензия — Apache-2.0. Генерация может быть предвзятой, оскорбительной, ошибочной или нерелевантной, поэтому ответы следует проверять.

Kuchiki L2 7b — языковая модель на архитектуре Llama 2, созданная объединением Nous Hermes Llama 2 7B (70%) и Airoboros L2 7B GPT4 2.0 (30%), после чего к результату применили слияние с LoRA-адаптером LimaRP Llama 2 7B. Модель предназначена для генерации текста по инструкциям и диалоговых сценариев; карточка указывает на совместимость с форматами инструкций исходных моделей. Модель содержит 6,6 млрд параметров, принимает текст и выдаёт текст, а длина контекста составляет 4096 токенов. В репозитории указаны веса PyTorch; для отдельных квантованных вариантов автор упоминает GGUF и GPTQ. Лицензия обозначена как other, поэтому условия использования следует проверять в материалах репозитория и базовых моделей. Автор предупреждает, что модель не предназначена для предоставления фактической информации или советов.

Это разреженная версия диалоговой языковой модели Llama 2 Chat 7B, разработанной Meta и обрезанной методом Wanda до 30% разреженности без переобучения или обновления весов. Модель представляет собой авторегрессионный трансформер с плотной архитектурой LlamaForCausalLM; репозиторий содержит веса PyTorch и SafeTensors. Размер модели по метаданным — 6,6 млрд параметров, длина контекста — 4096 токенов. Модель принимает текст и генерирует текст. Она предназначена прежде всего для диалоговых сценариев на английском языке: ответы на вопросы, работа в формате ассистента и генерация текста. Для ожидаемого поведения чат-версии следует использовать форматирование Llama 2 с маркерами инструкций и специальными токенами. Обрезка снижает число ненулевых параметров, сохраняя, по заявлению карточки, конкурентоспособное качество; конкретные результаты для этой версии не приведены. Как и другие языковые модели, она может выдавать неточную, предвзятую или нежелательную информацию. В README указана лицензия Meta для Llama 2 с требованием принять лицензионное соглашение для получения весов; в метаданных лицензия обозначена как other.

Модель daliabess7/Llama-3.1-8B-lora-merged — дообученная автором daliabess7 версия текстовой модели Llama 3.1 8B от Meta. Она предназначена для генерации текста; карточка не описывает специализацию или конкретный сценарий дообучения. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 131 072 токенов. Веса опубликованы в формате safetensors, лицензия — Apache 2.0. В README указано, что обучение проводилось с использованием Unsloth и библиотеки TRL для Hugging Face. Метаданные отмечают английский язык, однако дополнительных сведений о языковых возможностях и качестве модели нет.

Модель Ayush-1722/Llama-3-8B-Instruct-v0.1-32K-QLoRA-Merged — дообученная Ayush-1722 версия Llama 3 для генерации текста. Она рассчитана на текстовые запросы и ответы; карточка сообщает, что обучение выполнялось с Unsloth и библиотекой TRL. Модель содержит 7,5 млрд параметров, имеет контекст до 32 768 токенов и распространяется под лицензией Apache-2.0. Модель подходит для генерации ответов и продолжения текста на английском языке. Карточка не описывает конкретные целевые сценарии, оценки качества или специальные ограничения; результаты следует проверять для выбранного применения.

Adeptschneider выпустил языковую модель Llama 3.2 с плотной архитектурой и примерно 3,2 млрд параметров. Модель дообучена на базе unsloth/llama-3.2-3b-bnb-4bit с использованием Unsloth и библиотеки TRL; репозиторий содержит веса в формате safetensors. Модель предназначена для генерации текста и может использоваться в сценариях, где требуется продолжение или создание текста по запросу. Заявленная длина контекста — 131 072 токена. В карточке не описаны специализация дообучения, поддерживаемые естественные языки или результаты оценки качества. Лицензия модели — Apache-2.0. Качество и пригодность для конкретных задач следует оценивать на соответствующих данных.

LongForm-LLaMA-7B-diff — опубликованная разность весов модели LLaMA 7B, адаптированной авторами набора данных LongForm для генерации длинных текстов по инструкциям. Модель содержит 6,6 млрд параметров, использует плотную архитектуру LLaMA и распространяется в формате PyTorch. Для применения разности необходима исходная предобученная LLaMA 7B; README отмечает, что опубликована именно разность из-за ограничений на распространение моделей LLaMA. Модель предназначена для генерации развернутых текстов по инструкциям: ответов на вопросы, рецептов, писем, историй и стихотворений, а также для суммаризации и исправления грамматики. Обучающий набор LongForm включает англоязычные примеры из разных корпусов и структурированных источников. Метаданные также отмечают поддержку немецкого, итальянского, испанского и французского языков, однако описание обучения и оценки сосредоточено на английском. Авторы сообщают о преимуществах LongForm-моделей в оценке генерации рецептов, ответов на вопросы ELI5 и коротких историй по сравнению с некоторыми моделями, настроенными на инструкции. Модель может галлюцинировать и ограниченно подходит для задач структурированного предсказания. Лицензия в предоставленных данных не указана.

LongForm-OPT-350M — языковая модель семейства OPT, дообученная авторами LongForm на наборе LongForm для генерации длинных текстов по инструкциям. Набор включает документы из C4 и Wikipedia, примеры из Stack Exchange и WikiHow, а также задания на ответы на вопросы, написание писем, исправление грамматики, создание историй и стихотворений и суммаризацию. Модель предназначена для генерации длинных текстов, в том числе рецептов, развернутых ответов и коротких рассказов. Она содержит 454,1 млн параметров, принимает текст и генерирует текст; контекст — до 2048 токенов. В карточке указаны английский и многоязычная поддержка, а также немецкий, итальянский, испанский и французский языки; обучение LongForm описано на английских примерах. Модель представлена в формате PyTorch. Сравнительная оценка в README сообщает о преимуществах LongForm над некоторыми моделями с настройкой по инструкциям в задачах длинной генерации. Модель склонна к галлюцинациям и ограничена в задачах структурированного предсказания. Лицензия в предоставленных данных не указана.