III.5Управление персоналом и организацией

TARS-8B-llama-TIEMIX — объединённая диалоговая языковая модель семейства Llama, созданная picAIso методом TIES с помощью mergekit. В объединение вошли picAIso/MIX1 и NousResearch/Hermes-2-Pro-Llama-3-8B; модель содержит около 7,5 млрд параметров и использует архитектуру LlamaForCausalLM. Модель предназначена для генерации текста и диалоговых ответов. Метаданные указывают английский язык и контекст до 8192 токенов. Файлы модели опубликованы в формате safetensors; для работы доступна библиотека Transformers. Модель распространяется по лицензии Llama 3. Карточка не приводит отдельных результатов оценки качества или подробного описания поведения объединённой модели.

test2 — объединённая языковая модель, созданная alnrg2arg с помощью mergekit из udkai/Turdus и fblgit/UNA-TheBeagle-7b-v1. Это плотная Mistral-модель с 7,1 млрд параметров, предназначенная для генерации текста. В README указан метод слияния slerp и базовая модель udkai/Turdus; метаданные указывают контекстное окно 32 768 токенов и формат safetensors. Модель подходит для генерации и продолжения текста в сценариях, где используется совместимая с Mistral text-generation модель. Карточка не сообщает о специальных языках, доменах или дополнительных возможностях. Распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

TinyLlama Dolly 15k — англоязычная чат-модель примерно на 1 млрд параметров, разработанная дообучением TinyLlama/TinyLlama-1.1B-Chat-v1.0 на наборе Databricks Dolly 15k с 15 000 подготовленных людьми примеров запросов и ответов. Модель использует плотную архитектуру Llama и предназначена для генерации текста и диалоговых ответов. Её можно применять для ответов на пользовательские вопросы и ведения диалогов по широкому кругу тем. Контекст модели составляет 2048 токенов. Модель распространяется в формате safetensors под лицензией Apache-2.0. Карточка заявляет о связных и контекстно уместных ответах, но не приводит результатов оценки качества.

YamshadowInex12_Strangemerges_32Ogno — слитая модель MaziyarPanahi на базе двух моделей семейства Mistral: automerger/YamshadowInex12-7B и automerger/Strangemerges_32Ogno-7B. Она предназначена для генерации текста и поддерживает контекст до 32 768 токенов. Модель содержит 7,1 млрд параметров и распространяется в формате Safetensors. Модель подходит для генерации продолжений и ответов на текстовые запросы. В карточке указана лицензия Apache-2.0. README не описывает специальные области применения или ограничения качества.

YamshadowStrangemerges_32_Experiment26Experiment26 — слитая языковая модель, опубликованная MaziyarPanahi. Она объединяет модели automerger/YamshadowStrangemerges_32-7B и automerger/Experiment26Experiment26-7B и предназначена для генерации текста. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель распространяется в формате Safetensors под лицензией Apache-2.0. Карточка не описывает специализированные области применения или языки, поэтому её можно рассматривать как модель общего назначения для генерации текста; сведений о сравнительных преимуществах и конкретных ограничениях качества нет.

Jebadiah/Aria-diamond-v2 — созданная с помощью mergekit объединённая языковая модель разработчика Jebadiah. В ней объединены Jebadiah/Aria-diamond-v1 и базовая Jebadiah/Aria-p1-sand-stone методом DARE TIES; архитектура — плотная MistralForCausalLM, размер — 7,1 млрд параметров. Репозиторий содержит веса Safetensors, модель рассчитана на контекст до 32 768 токенов и работает через Transformers. Модель предназначена для генерации текста и может использоваться в сценариях, где требуется продолжать или создавать текстовые ответы. Карточка не описывает специализацию по предметной области, языки, диалоговые возможности или результаты оценки качества, поэтому их нельзя уверенно указать. Условия лицензии в предоставленных данных не приведены.

ChatAllInOne-Yi-34B-200K-V1 — разговорная языковая модель, созданная дообучением Yi-34B-200K от 01.AI на наборе CHAT-ALL-IN-ONE-v1 с помощью QLoRA и Unsloth. Она предназначена для диалогов в непринуждённом, формальном и тематическом стиле, а также для генерации связных ответов в длинных разговорах. Модель имеет плотную архитектуру LlamaForCausalLM с 33,9 млрд параметров и контекстом до 200 000 токенов. Карточка предлагает формат промпта Vicuna 1.1. Репозиторий содержит веса Safetensors. Лицензия — Apache-2.0. Карточка не приводит оценок качества или конкретных поддерживаемых языков.

code_bagel_llama-3-8b-v1.1 — дообученная текстовая модель, разработанная jlancaster36 на базе mattshumer/Llama-3-8B-16K. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров и контекстом до 16 000 токенов, предназначенная для генерации текста. Модель обучалась с использованием Unsloth и библиотеки TRL; карточка не раскрывает конкретную специализацию дообучения, поэтому её возможности следует рассматривать как генерацию текста общего назначения. Поддерживаемый язык карточки — английский. Модель подходит для создания и продолжения текстов, а также для ответов в текстовых сценариях, где требуется обработка длинного контекста. Она распространяется по лицензии Apache-2.0. Карточка не приводит результатов оценки качества или более подробных сведений о поведении модели.

ConicCat_Qwen3.5-27B-Writer-GGUF — это набор GGUF-квантизованных версий текстовой генеративной модели ConicCat/Qwen3.5-27B-Writer. Исходную модель разработала ConicCat, а квантизации подготовил bartowski с использованием llama.cpp и метода imatrix. Модель ориентирована на генерацию текста и сценарии письма; точные языки, размер контекстного окна и детали архитектуры в README не указаны. Доступны варианты от BF16 и Q8_0 до более компактных Q6, Q5, Q4, Q3 и IQ-квантизаций с размером файлов примерно от 13,66 до 53,81 ГБ. Более высокие разрядности обычно обеспечивают лучшее сохранение качества, а компактные варианты снижают требования к памяти. Набор можно использовать через llama.cpp, LM Studio, koboldcpp, Jan AI, Text Generation Web UI и другие совместимые инструменты; для новых форматов может потребоваться обновление программного обеспечения. К сильным сторонам относятся широкий выбор компромиссов между качеством и потреблением памяти, поддержка локального запуска и наличие вариантов, рекомендованных автором для высокого или сбалансированного качества. Ограничения связаны с потерями качества при низкоразрядной квантизации, значительными требованиями к дисковому пространству и отсутствием в README подробных сведений о возможностях, языковой поддержке и контекстном окне. Модель распространяется по лицензии Apache-2.0.

DataDecide-dolma17-no-math-code-1B-6000062500650006750069369weightedavgmerge — языковая модель, созданная слиянием нескольких предобученных чекпойнтов методом Linear с помощью mergekit. В качестве базового чекпойнта при слиянии использован step69369; также объединены чекпойнты step60000, step62500, step65000 и step67500 из серии dolma1_7-no-math-code. Архитектура — плотная LlamaForCausalLM, размер — около 1,2 млрд параметров. Модель предназначена для генерации текста. В названии серии обозначено исключение математики и кода, но README не приводит оценок качества или подробных сценариев применения. Максимальная длина контекста — 2048 токенов. Модель работает с текстовым вводом и выдаёт текст. Репозиторий содержит веса в формате Safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

DeltaP2S-Llama2-13B-SameFormula-ptbr-S13-a050 — объединённый чекпойнт, созданный экспериментальным пакетом Delta-P2S. Он основан на meta-llama/Llama-2-13b-hf и использует архитектуру LlamaForCausalLM с плотной сетью примерно на 12,9 млрд параметров. Модель предназначена для генерации текста; карточка не уточняет специализированные сценарии её применения. Модель принимает текст и выдаёт текст, поддерживает контекст до 4096 токенов и распространяется в формате safetensors для библиотеки Transformers. В README указана базовая модель, но не приведены сведения о качестве, обучающих данных или конкретных языках. Лицензия в предоставленных данных не указана.

eclfe/ensql-1-4 — текстовая генеративная модель на архитектуре Llama, обученная с помощью H2O LLM Studio на базе h2oai/h2ogpt-4096-llama2-7b. Репозиторий содержит веса PyTorch; размер модели — 6,6 млрд параметров, заявленный контекст — 4096 токенов. Модель поддерживает диалоговый режим и предназначена для генерации ответов на текстовые запросы на английском языке. Модель можно использовать для диалоговых помощников, создания черновиков текста и ответов на вопросы. Для запуска в Transformers требуется библиотека transformers; README приводит версию 4.40.2 и описывает загрузку с квантованием до 8 или 4 бит, а также распределение модели по нескольким GPU. Конкретные результаты обучения и специализированные области применения не описаны. Модель может выдавать ошибочные, бессвязные или нерелевантные ответы, а также предвзятый или оскорбительный контент. Лицензия в предоставленных данных не указана.

Experiment26Yam_PasticheNeuralsirkrishna — объединённая модель для генерации текста, созданная слиянием automerger/Experiment26Yam-7B и automerger/PasticheNeuralsirkrishna-7B. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров; модель принимает текст и генерирует текст, поддерживая контекст до 32 768 токенов. Модель предназначена для текстовой генерации. Данные карточки не описывают специализированные сценарии, языки или дополнительные возможности. Распространяется под лицензией Apache-2.0.

Columbia-NLP/gemma-2b-zephyr-sft — разговорная языковая модель на архитектуре Gemma, созданная дообучением google/gemma-2b на наборе HuggingFaceH4/deita-10k-v0-sft. Модель содержит 2,5 млрд параметров и предназначена для генерации текста и диалоговых ответов; в README указано, что при supervised fine-tuning маскировались пользовательские токены. Модель рассчитана преимущественно на английский язык. Метаданные указывают контекстное окно 8192 токена и формат весов safetensors. Её можно применять для чат-ботов, ответов на вопросы и генерации текста; опубликованные оценки на тестах показывают результаты на задачах рассуждения, письма и ролевого диалога, но не гарантируют качество в конкретном приложении. Использование регулируется условиями Gemma Terms of Use. Это компактная модель с ограниченными возможностями по сравнению с более крупными современными языковыми моделями; качество ответов и следование инструкциям следует проверять для целевого сценария.

Ingot-7b-slerp — объединённая модель генерации текста, созданная с помощью LazyMergekit путём слияния andrijdavid/Macaroni-7b-Tied и 222gate/Blurred-Beagle-7b-slerp методом SLERP. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM, содержащая 7,1 млрд параметров и поддерживающая контекст до 32 768 токенов. Веса представлены в формате safetensors. Модель предназначена для генерации текста по текстовому запросу. Метаданные описывают базовую модель как предназначенную для генерации англоязычного текста; конкретные сценарии или специализированные области применения в карточке не заявлены. Лицензия не указана в предоставленных данных.

KafkaLM-70B-German-V0.1 — языковая модель Seedbox, обученная Деннисом Дикманном на базе Llama 2 70B Base. Это плотная авторегрессионная модель с 68,7 млрд параметров, доступная в формате safetensors и рассчитанная на контекст до 4096 токенов. Модель дообучена на отфильтрованной выборке из 4 тысяч примеров датасета seedboxai/multitask_german_examples_32k, составленного из открытых наборов инструкций, переведённых с английского на немецкий. Она предназначена для ответов на вопросы и выполнения разнообразных повседневных задач на немецком языке, в том числе в деловом общении. Карточка характеризует модель как компетентную и творческую, отмечая склонность к языковым экспериментам. Для использования действуют лицензия Llama 2 и ограничения лицензий датасетов; автор рекомендует модель только для исследований.

jspr/llama3_8b_wordcel_8k_merged — дообученная модель генерации текста на базе Meta Llama 3 8B, разработанная jspr. Она предназначена для генерации текста; карточка не описывает более узкую специализацию или конкретные сценарии применения. Модель использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и рассчитана на контекст до 8192 токенов. В README указано, что при обучении использовались Unsloth и библиотека Hugging Face TRL; язык карточки и базовой модели — английский. Модель распространяется по лицензии Apache-2.0. Карточка не сообщает результатов оценки качества или специфических ограничений; применимость к конкретной задаче следует проверять отдельно.

maid-yuzu-v3-alter — языковая модель, созданная автором карточки слиянием предварительно обученных моделей с помощью mergekit и метода DARE TIES. В качестве базовой модели использована smelborp/MixtralOrochi8x7B; в слияние также вошли NousResearch/Nous-Hermes-2-Mixtral-8x7B-DPO и ycros/BagelMIsteryTour-v2-8x7B. Модель предназначена для генерации текста. Она построена на архитектуре Mixtral с разреженной экспертной структурой MoE, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Карточка не описывает специальные предметные сценарии или языки применения. Модель опубликована в формате safetensors. Сведения о лицензии и конкретных ограничениях использования в предоставленных данных отсутствуют.

mailguard-jev-style-1.5b — плотная авторегрессионная языковая модель Qwen2.5-1.5B-Instruct, дообученная разработчиком JackKozmo29 для сортировки корпоративной электронной почты. Она принимает текст письма и генерирует один структурированный JSON-ответ с категорией, кратким резюме и адресатом для пересылки; категории включают финансы, право, кадры, безопасность, расписание, общую переписку и рассылки. Модель предназначена для автоматической маршрутизации писем, архивации и первичного разбора обращений, в том числе в локальных и изолированных от сети средах. Карточка описывает обучение с LoRA на корпусе корпоративной почты и приводит результаты тестирования на наборах TREC 2007 и Enron. Модель имеет 1,5 млрд параметров, работает через Transformers, поддерживает диалоговый режим и контекст до 32 768 токенов. Модель обучена преимущественно на английской почте, поэтому точность на других языках снижается. Набор категорий фиксирован, а модель не предназначена для выявления фишинга или вредоносных программ. Лицензия — Apache-2.0.

clibrain/mamba-2.8b-chat-no_robots — разговорная модель для генерации текста и выполнения инструкций, созданная дообучением Mamba на датасете HuggingFaceH4/no_robots. В карточке указана архитектура Mamba — модель пространства состояний с аппаратно-ориентированной реализацией; метаданные указывают 6 млрд параметров и формат PyTorch. Модель предназначена для диалогов, генерации ответов, открытых вопросов, мозгового штурма и других преимущественно одношаговых инструкций. Датасет содержит 10 000 примеров, созданных людьми-аннотаторами; карточка характеризует его как данные для supervised fine-tuning улучшения следования инструкциям. Основной язык модели — английский. Карточка модели помечена как незавершённая, а результаты оценки не приведены. Лицензия указана как WTFPL.

Melinoe-Qwen3-8-27B-VL-i1-GGUF — это квантизированная в формате GGUF версия мультимодальной модели bgg1996/Melinoe-Qwen3-8-27B-VL. Квантизацию выполнил spiritfather с использованием importance matrix (imatrix), которая распределяет точность с учётом важности параметров. Модель предназначена прежде всего для генерации текста, творческого письма и ролевого взаимодействия; её также можно использовать для работы с изображениями. Модель относится к семейству Qwen3 и имеет размер 8–27B согласно идентификатору и базовой модели README. Указана поддержка английского языка. Для текстового режима достаточно одного GGUF-файла выбранной квантизации. Для мультимодальной работы требуется дополнительный vision-проектор mmproj-Melinoe-Qwen3-8-27B-VL-BF16.gguf. Размеры доступных вариантов составляют примерно от 10,9 до 22,4 ГБ; доступны уровни Q2–Q6 и IQ-квантизации. README не указывает размер контекстного окна и точную архитектуру. Сильной стороной являются варианты imatrix-квантизации, которые, по данным автора, особенно улучшают качество низкобитных вариантов IQ1–IQ4 по сравнению с обычными квантизациями аналогичного размера. Вариант Q4_K_M отмечен как быстрый и рекомендуемый, а Q4_K_S — как оптимальный по сочетанию размера, скорости и качества. Ограничения включают зависимость мультимодального режима от отдельного vision-проектора, значительный объём файлов и отсутствие подробных сведений о качестве на общих задачах, контекстном окне и поддерживаемых языках помимо английского. Модель распространяется по лицензии Apache-2.0.

MeliodasPercival_01_MeliodasNeuralsirkrishna — объединённая текстовая генеративная модель, созданная из automerger/MeliodasPercival_01-7B и automerger/MeliodasNeuralsirkrishna-7B. Она предназначена для генерации текста по текстовому запросу. Модель построена на плотной архитектуре Mistral с причинно-языковой моделью MistralForCausalLM и содержит 7,1 млрд параметров. Нативная длина контекста составляет 32 768 токенов; веса представлены в формате Safetensors. Данных о целевых языках и специализированных областях применения нет. Модель распространяется по лицензии Apache-2.0. Карточка описывает объединение двух моделей, но не приводит результаты оценки качества или подробности метода объединения.

MeliodasT3q_AlloyingotneoyExperiment26 — объединённая модель для генерации текста на базе архитектуры Mistral, созданная слиянием automerger/MeliodasT3q-7B и automerger/AlloyingotneoyExperiment26-7B. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Она предназначена для генерации текста по текстовому запросу. Веса опубликованы в формате safetensors, лицензия — Apache-2.0. В карточке не описаны специализированные сценарии или языковые возможности модели.

Mindy-7b-v2 — языковая модель Mindy Group, Inc., полученная слиянием AIDC-ai-business/Marcoroni-7B-v3 и Weyaxi/Seraph-7B. Это плотная Transformer-модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста. Репозиторий содержит веса в формате safetensors; заявленная длина контекста — 32 768 токенов. Модель рассчитана на англоязычные сценарии генерации текста. Лицензия — Apache-2.0. В карточке нет подробных сведений о качестве, обучающих данных или специализированных возможностях; применимость к конкретной задаче следует проверять отдельно.

NaturalLM — дообученная языковая модель, опубликованная qingy2019 и основанная на unsloth/mistral-nemo-base-2407-bnb-4bit. Она использует архитектуру MistralForCausalLM с плотной структурой и содержит 12,1 млрд параметров. Модель предназначена для генерации текста; в карточке указаны английский язык и контекстное окно до 1 024 000 токенов. Модель обучали с использованием Unsloth и библиотеки Hugging Face TRL. Репозиторий распространяется по лицензии Apache-2.0. Карточка не приводит результатов оценки качества или более узкой специализации, поэтому пригодность для конкретных сценариев генерации следует проверять на собственных данных.

MaziyarPanahi/NeuralsirkrishnaShadow_Inex12Strangemerges_32 — текстовая генеративная модель, опубликованная MaziyarPanahi и созданная путём слияния моделей automerger/NeuralsirkrishnaShadow-7B и automerger/Inex12Strangemerges_32-7B. Она предназначена для генерации текста по текстовому запросу и работает на архитектуре Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Карточка не описывает специализацию, языки, результаты оценки или дополнительные возможности, поэтому назначение можно определить только как генерацию текста общего назначения.

NeuralsirkrishnaShadow_Strangemerges_32Alloyingotneoy — объединённая модель для генерации текста, созданная слиянием двух моделей Mistral: automerger/NeuralsirkrishnaShadow-7B и automerger/Strangemerges_32Alloyingotneoy-7B. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и принимает контекст длиной до 32 768 токенов. Она предназначена для генерации текста по текстовому запросу. Карточка не описывает специализированные сценарии, языки или дополнительные возможности. Файлы представлены в формате safetensors; лицензия — Apache-2.0.

orca-mini-3b — языковая модель Pankaj Mathur для генерации текста и ответов на инструкции. Она основана на OpenLLaMA-3B и содержит около 3,3 млрд параметров; архитектура — плотная LLaMA, запуск предусмотрен через Transformers. Модель обучена на наборах WizardLM, Alpaca и Dolly-V2 с подходами к созданию данных из исследования Orca: примеры включали системные инструкции и объяснения, сформированные с помощью GPT-3.5-turbo-0301. Модель рассчитана на диалоговые запросы, ответы на вопросы и выполнение текстовых инструкций на английском языке. Контекст ограничен 2048 токенами. В карточке приведены результаты оценок на Open LLM Leaderboard, однако они не гарантируют качество на конкретных задачах. Репозиторий содержит веса PyTorch и Safetensors. Лицензия CC BY-NC-SA 4.0 допускает использование с указанием авторства и распространение производных на тех же условиях, но запрещает коммерческое использование.

DUAL-GPO/phi-2-gpo-new-i0 — разговорная языковая модель семейства Phi-2, разработанная на основе DUAL-GPO/phi-2-sft-lora-ultrachat-merged. Модель дообучена на датасете HuggingFaceH4/ultrafeedback_binarized и предназначена для генерации текста в диалоге. Модель имеет плотную архитектуру PhiForCausalLM и содержит 3,5 млрд параметров. Она принимает текст и генерирует текст, поддерживает контекст до 2048 токенов. Репозиторий содержит веса в формате Safetensors; лицензия — MIT. Данные карточки не сообщают о специализации на отдельных языках или предметных областях.

PiVoT-SUS-RP — текстовая генеративная модель семейства Llama, разработанная автором репозитория maywell. Она основана на SUS-34B и дообучена методом LoRA на закрытом частном наборе данных. Модель содержит 33,9 млрд параметров, поддерживает контекст до 8192 токенов и распространяется в формате safetensors. Модель предназначена для генерации текста; конкретные сценарии обучения и специализация набора данных не раскрыты, поэтому пригодность для узких задач по имеющимся сведениям определить нельзя. Указана лицензия Apache-2.0. Карточка сообщает об использовании Unsloth при обучении.