III.5Управление персоналом и организацией

TeichAI/Qwen3-4B-Instruct-2507-Polaris-Alpha-Distill — плотная языковая модель семейства Qwen3 на 3,7 млрд параметров, дообученная TeichAI на 1 000 примерах из Polaris Alpha, раннего снимка GPT-5.1 с минимальным уровнем рассуждений. Модель предназначена для генерации текста в диалогах и выполнения инструкций; заявлена как вариант без режима рассуждений. Поддерживает контекст до 262 144 токенов и интерфейс вызова инструментов. В репозитории представлены веса safetensors; README также упоминает доступные варианты GGUF. Модель может быть полезна для диалоговых ассистентов и генерации ответов на инструкции. Карточка указывает английский язык. Она унаследовала основу от unsloth/Qwen3-4B-Instruct-2507 и обучалась с использованием Unsloth и Hugging Face TRL. Лицензия — Apache-2.0. Дообучение на небольшом наборе примеров ограничивает основания для ожиданий широких или стабильных улучшений относительно базовой модели.

Rocket-3B — англоязычная чат-модель примерно на 2,7 млрд параметров, разработанная Pansophic на базе Stability AI StableLM-3B-4E1T. Это плотная GPT-подобная авторегрессионная модель, дообученная на общедоступных наборах данных с помощью Direct Preference Optimization (DPO); для диалога используется формат ChatML. Контекст — до 4096 токенов. Модель предназначена для диалогов, следования инструкциям и генерации развернутых текстовых ответов. В README приведены результаты оценок MT-Bench и AlpacaEval, однако они не гарантируют аналогичного качества в конкретных задачах. Модель в основном рассчитана на английский язык; сведения о поддержке других языков не приводятся. Лицензия — CC-BY-SA-4.0. В карточке отмечено, что у модели нет встроенной фильтрации ответов и дополнительных механизмов безопасности, поэтому она может выдавать проблемный или токсичный текст.

Minbyul/selfbiorag-7b-wo-kqa_silver_wogold-sft — дообученная модель семейства Llama с плотной архитектурой LlamaForCausalLM и 6,6 млрд параметров. Она создана на основе dmis-lab/selfbiorag_7b с использованием набора HuggingFaceH4/deita-10k-v0-sft; в README для оценки указано значение loss 1,1482. Модель предназначена для генерации текста и может использоваться в сценариях, где требуется получать текстовые ответы или продолжения по текстовому запросу. Контекст составляет 4096 токенов. Репозиторий содержит веса в формате safetensors. Лицензия и дополнительные сведения о применении в карточке не приведены.

NYTK/sentiment-ohb3-hubert-hungarian — венгерская модель для аспектного анализа тональности, разработанная NYTK. Она основана на huBERT, дообученном на корпусе OpinHuBank (OHB), и классифицирует тональность в одну из трёх категорий: отрицательную, нейтральную или положительную. В примере из карточки аспект отделён от текста маркером [SEP]. Модель содержит 137,8 млн параметров, использует архитектуру BERT для классификации последовательностей и принимает текст длиной до 512 токенов по метаданным; в README указано ограничение max_seq_length=256. Карточка сообщает результат 82,30 на OHB для huBERT против 80,59 для XLM-R. Модель распространяется под лицензией Apache-2.0.

shantanu61000/sfr-copernicus-v1 — дообученная автором shantanu61000 диалоговая модель на архитектуре Llama 3. Она предназначена для генерации текста и ответов в формате общения; карточка сообщает, что обучение выполнялось с Unsloth и библиотекой TRL. Модель содержит 7,5 млрд параметров, принимает текст и поддерживает контекст до 8192 токенов. В качестве основы использована Salesforce/LLaMA-3-8B-SFR-Iterative-DPO-R — англоязычная диалоговая модель, обученная отвечать на инструкции. Модель распространяется по лицензии Apache-2.0. Карточка не приводит оценок качества или специализированных областей применения; результативность для конкретных задач стоит проверять отдельно.

tlphams/solar-10.7b-merged-v0.1 — объединённая языковая модель на базе архитектуры Llama, созданная методом TIES с помощью mergekit. В качестве базовой модели использована upstage/SOLAR-10.7B-v1.0; в объединение также вошли chihoonlee10/T3Q-ko-solar-dpo-v5.0, krevas/SOLAR-10.7B и hyeogi/SOLAR-10.7B-v1.6. Модель предназначена для генерации текста. Она содержит 10,6 млрд параметров, принимает текст и выдаёт текст, а её родной контекст составляет 4096 токенов. Карточка не уточняет целевые языки и особые сценарии применения. Веса опубликованы в формате safetensors по лицензии CC BY-NC-SA 4.0, которая требует указания авторства, распространения производных работ на тех же условиях и запрещает коммерческое использование. Данных о сравнительных преимуществах модели в карточке нет.

sparsetral-16x7B-v2-SPIN_iter1 — разговорная языковая модель семейства Sparsetral, опубликованная serpdotai. Это итерация дообучения базовой sparsetral-16x7B-v2-SPIN_iter0 методом SPIN на OpenHermes-2.5 с добавлением примеров из наборов DPO. Модель построена на архитектуре MistralForCausalLM с разреженной смесью экспертов (MoE); метаданные указывают 7,1 млрд параметров, контекст до 32 768 токенов и формат Safetensors. Модель предназначена для генерации текста в диалогах и выполнения общих инструкций на английском языке. В README указан формат диалога с ролями system, user и assistant. Разработчик описывает эту версию как промежуточную итерацию и отмечает, что обучение пока приостановлено; поддержка специальных токенов чата и вызова функций обсуждалась как возможное направление дальнейшей работы. Модель распространяется по лицензии Apache-2.0. Ее характеристики отражают конкретную итерацию обучения, поэтому качество на отдельных задачах может различаться; в README разработчик приглашает присылать примеры задач, с которыми Sparsetral справляется слабо.

SylReg-LM-7B-Instruct — англоязычная диалоговая модель генерации текста, разработанная на базе Qwen2 и дообученная из ryota-komatsu/SylReg-LM-7B. В метаданных указана архитектура Qwen2ForCausalLM с плотными весами на 7,1 млрд параметров; модель работает через Transformers и принимает контекст длиной до 131 072 токенов. Модель предназначена для диалогов и генерации текста на английском языке. В карточке также приведены сведения о статье и обучающих данных, включающих LibriSpeech, Libriheavy и Emilia-Large, однако назначение этих аудиоданных для данной текстовой модели не поясняется. Лицензия — CC BY-NC-SA 4.0, предусматривающая некоммерческое использование и распространение производных на тех же условиях.

T3qm7xpMultiverseex26-7B — автоматическое слияние моделей, созданное Maxime Labonne с помощью mergekit. В конфигурации указаны nlpguy/T3QM7XP и allknowingroger/MultiverseEx26-7B-slerp; использован метод dare_ties с плотностью 0,53, весом 0,6 и типом данных bfloat16. Каталог описывает архитектуру как плотную MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста. Она принимает текст и выдаёт текст; README не уточняет языковую специализацию или конкретные сценарии использования. Репозиторий содержит веса safetensors и распространяется по лицензии Apache-2.0. Качество и ограничения в карточке не описаны.

Tippy-Toppy-7b — слитая языковая модель семейства Mistral, опубликованная Azazelle. По карточке, модель получена методом DARE с использованием mergekit на основе mistralai/Mistral-7B-v0.1 и объединяет Toppy-M-7B, Noromaid-Bagel-7B-Slerp и mistral-ft-optimized-1227. В метаданных указаны архитектура MistralForCausalLM, 7,1 млрд параметров, контекст 32 768 токенов и формат safetensors. Модель предназначена для генерации текста. Карточка не уточняет специализацию, языки или конкретные сценарии использования, поэтому оценить её сильные стороны относительно отдельных задач нельзя. Лицензия — CC BY 4.0.

Tulu V2.5 PPO 13B Chatbot Arena 2023 — англоязычная диалоговая модель-помощник от Allen Institute for AI (AI2). Она построена на архитектуре Llama 2 с 12,9 млрд параметров и дообучена методом PPO на диалогах Chatbot Arena 2023; при обучении использовалась 13-миллиардная reward-модель, обученная на данных Chatbot Arena. Модель предназначена для генерации ответов помощника и следования инструкциям в англоязычных диалогах. Контекст составляет 4096 токенов. Модель поддерживает текстовый ввод и выдаёт текст. Для диалога предусмотрен шаблон чата в токенизаторе; соблюдение формата и завершающего перевода строки влияет на качество генерации. Лицензия — Apache 2.0. В RLHF-модели не настраивалась на безопасные ответы, а встроенная фильтрация не предусмотрена, поэтому она может выдавать проблемный контент, особенно при соответствующих запросах.

YamshadowInex12_Inex12Strangemerges_32 — слитая модель для генерации текста, созданная объединением automerger/YamshadowInex12-7B и automerger/Inex12Strangemerges_32-7B. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров; модель принимает текст и поддерживает контекст длиной до 32 768 токенов. Подходит для генерации продолжений и ответов в текстовых сценариях. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Карточка не описывает специализированные области применения или дополнительные возможности.

YamshadowStrangemerges_32_YamExperiment28 — слитая модель для генерации текста, созданная объединением automerger/YamshadowStrangemerges_32-7B и automerger/YamExperiment28-7B. Она основана на архитектуре Mistral и содержит 7,1 млрд параметров; веса опубликованы в формате Safetensors. Модель предназначена для задач генерации текста с контекстом до 32 768 токенов. В README не приведены сведения о конкретной специализации или проверенных сценариях применения. Лицензия — Apache-2.0.

Модель ceiteach/chart-no-pretrain-llama31-merged-unsloth — дообученная плотная авторегрессионная языковая модель семейства Llama 3.1, разработанная ceiteach на базе unsloth/Meta-Llama-3.1-8B-bnb-4bit с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и может применяться в сценариях продолжения текста и создания ответов на текстовые запросы. Модель содержит 7,5 млрд параметров, работает с текстом и поддерживает контекст до 131 072 токенов. В метаданных указан английский язык. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Специализированные области применения и дополнительные возможности в карточке не описаны.

anezatra/chat-gpt2 — генеративная языковая модель на архитектуре GPT-2, дообученная Anezatra на корпусе OpenWebText с применением DistilGPT для уменьшения размера. Модель предназначена для продолжения текста и генерации связных фрагментов по текстовой подсказке; также может использоваться для простых задач вроде краткого пересказа и ответов на вопросы по контексту. Модель принимает и выдаёт текст, а её контекст ограничен 1024 токенами. Карточка описывает типичные для GPT-2 ограничения: при генерации длинных текстов возможны повторы и отклонения от темы. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных данных не указана.

Austism/chronos-wizardlm-uc-scot-st-13b — языковая модель для генерации текста, созданная объединением Chronos-13B и смеси WizardLM Uncensored, CoT и Storytelling в пропорции 80/20. Разработчик описывает её как вариант Chronos с изменёнными способностями к письму и следованию инструкциям. Модель построена на плотной архитектуре LlamaForCausalLM и содержит 12,9 млрд параметров; доступный формат — PyTorch, родной контекст — 2048 токенов. Модель предназначена для написания текстов и выполнения инструкций в диалоговом формате, включая сценарии с пошаговыми рассуждениями. В метаданных указана лицензия `other`, без уточнения её условий. Практический контекст ограничен 2048 токенами; README не приводит оценок качества или подробностей об обучающих данных.

laion/delphi-9e19-p67m33-k0p20-lr83-a002-wc386k_lr1e5-sft — разговорная языковая модель семейства Qwen3 с плотной архитектурой Qwen3ForCausalLM и 1,2 млрд параметров. По карточке, модель обучена с нуля на наборах wildchat_386k и delphi_warmup; формат весов — safetensors, библиотека — Transformers. Модель предназначена для генерации текста в диалоговом режиме. Контекст составляет 4096 токенов. В метаданных указана лицензия other; конкретные условия использования следует сверять с условиями репозитория. Карточка не приводит оценок качества и подробностей предполагаемых сценариев.

EM-Mistral-7b-v-0.4 — дообученная Klevin языковая модель семейства Mistral для генерации текста. Она основана на unsloth/mistral-7b-v0.3-bnb-4bit и обучалась с использованием Unsloth и библиотеки Hugging Face TRL. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста на английском языке. Лицензия Apache-2.0 разрешает её использование на условиях этой лицензии. В карточке не описаны специализированные навыки или результаты оценки качества; эффективность и пригодность для конкретных сценариев следует проверять отдельно.

Mubin1917 разработал и опубликовал эту модель как дообученную версию unsloth/Phi-3.5-mini-instruct. Это плотная языковая модель на 3,7 млрд параметров для генерации текста и диалогов; в карточке указаны PyTorch, библиотека Transformers и контекст длиной 4096 токенов. Модель обучали с использованием Unsloth и библиотеки TRL. Модель подходит для генерации ответов в диалоге и других задач текстовой генерации на английском языке. Она распространяется по лицензии Apache-2.0. Карточка не описывает особенности дообучения и результаты оценки качества.

Filet_3B — разговорная языковая модель на архитектуре StableLM Epoch, созданная автором jeiku слиянием нескольких предварительно обученных моделей методом task arithmetic через mergekit. В качестве базовой модели указана jeiku/Rosa_v1_3B; в слияние также вошли модели StableLM, ориентированные на диалоги, ролевые сценарии, следование инструкциям и другие варианты генерации текста. Модель предназначена для генерации текста и диалоговых сценариев. Она содержит около 2,7 млрд параметров, принимает текст и генерирует текст, поддерживает контекст до 4096 токенов. Карточка и теги указывают на разговорное применение; язык обучения или основной язык модели не указан. Лицензия в предоставленных данных не указана.

ClaudioItaly/FimbMoister-11Range — объединённая плотная языковая модель семейства Llama с 10,6 млрд параметров, созданная методом SLERP в mergekit на основе TheDrummer/Moistral-11B-v3 и Sao10K/Fimbulvetr-11B-v2. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Модель предназначена для генерации текста и диалоговых ответов. Её можно использовать для свободного продолжения текста и создания ответов на текстовые запросы; базовая модель описана как ориентированная на английский язык. Длина контекста составляет 4096 токенов. README не приводит результатов оценки качества или подробных рекомендаций по сценариям. Лицензия в предоставленных данных не указана.

Gemma 2 Lyco Infinity 9B — диалоговая языковая модель, созданная AELLM путём объединения с помощью Mergekit моделей recoilme/recoilme-gemma-2-9B-v0.4 и BAAI/Gemma2-9B-IT-Simpo-Infinity-Preference. Она предназначена для генерации текста и ответов в формате чата на английском языке. Модель использует плотную архитектуру Gemma 2 с 9 млрд параметров и поддерживает контекст до 8192 токенов. В репозитории представлены веса Safetensors; конфигурация слияния указывает метод dare_ties и тип данных bfloat16. Модель подходит для диалоговых сценариев и генерации ответов на запросы. Карточка не приводит результатов оценки качества и подробных ограничений, поэтому её пригодность для конкретных задач следует проверять самостоятельно. Лицензия в предоставленных данных не указана.

Sumail/Golden_Waves02_2b — объединённая разговорная языковая модель от Sumail, созданная с помощью mergekit методом SLERP из Sumail/Bubble_bee03_2b и 0x0dad0/nous_nb00. Это плотная Gemma-модель с 2,5 млрд параметров, предназначенная для генерации текста в диалоговом формате. Контекст составляет до 8192 токенов; модель распространяется в формате safetensors. Модель принимает текст и генерирует текст, поэтому подходит для диалоговых систем и генерации ответов. README не приводит результатов оценки качества или подробного описания языков и специализированных областей применения. Лицензия в предоставленных данных не указана.

Ice0.69-25.01-RP — объединённая языковая модель, собранная разработчиком icefog72 с помощью mergekit и метода SLERP из двух предварительно обученных моделей. Это плотная авторегрессионная модель семейства Mistral на 7,1 млрд параметров для генерации текста; она принимает текст и выдаёт текст. Контекстное окно составляет 32 768 токенов. Модель подходит для генерации продолжений и ответов на текстовые запросы. Карточка не описывает отдельные специализированные сценарии и не сообщает о поддерживаемых естественных языках. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

QuantFactory/Josiefied-Qwen2.5-7B-Instruct-abliterated-GGUF — квантизированная версия модели Josiefied-Qwen2.5-7B-Instruct-abliterated, созданная QuantFactory с использованием llama.cpp. Исходная модель разработана и профинансирована Gökdeniz Gülmez; она дообучена на базе Qwen/Qwen2.5-7B-Instruct и относится к семейству Qwen2. Модель предназначена для генерации текста и диалоговых сценариев, включая использование в качестве универсального ассистента. В карточке рекомендуется системная роль J.O.S.I.E.; также приведен шаблон Ollama с поддержкой сообщений, системных инструкций и вызовов инструментов. Модель имеет размер 7B параметров, работает с текстом и заявлена для английского, немецкого и других языков, точный список которых не указан. Доступна в формате GGUF, удобном для запуска через совместимые инструменты локального инференса. Данные о размере контекстного окна, конкретных вариантах квантизации и требованиях к оборудованию отсутствуют. К заявленным особенностям относятся повышенная «uncensored» направленность и дополнительное дообучение на пользовательском наборе данных. По опубликованным результатам Open LLM Leaderboard модель получила 73,17% на IFEval, 34,9% на BBH, 36,4% на MMLU-PRO, 9,62% на MuSR и 7,05% на GPQA; на MATH Level 5 указано 0% exact match. Эти результаты показывают заметную способность следовать инструкциям, но также существенные ограничения в сложном рассуждении и математике. В README отмечено, что существует более новая версия модели. Лицензия — Apache 2.0. Показатели приведены для исходной или связанной версии модели, поэтому их переносимость на конкретный GGUF-файл и выбранный уровень квантизации не гарантируется.

Keural Cortex 8B v1.0 — разработанная MKD двуязычная языковая модель на архитектуре Qwen3 с 7,6 млрд параметров. Это instruction- и preference-aligned чекпойнт с возможностью генерировать структурированные вызовы инструментов. Модель рассчитана на локальный запуск в инфраструктуре заказчика и корейско-английское общение в корпоративных приложениях. Поддерживает контекст до 65 536 токенов и распространяется в формате Safetensors через Transformers. Модель подходит для диалоговых интерфейсов, ответов на вопросы по корпоративным документам и вызова разрешённых приложением инструментов, например поиска в интернете или запроса уточнений. Самостоятельного доступа к сети, частным документам или внешним действиям у неё нет: инструменты выполняет хост-приложение. Разработчик проверил несколько сценариев через API vLLM, но рекомендует оценить модель на собственных данных и не использовать её как единственное основание для решений с высокими последствиями. Лицензия — Apache-2.0.

Kosmos-EVAA-8B — объединённая методом SLERP языковая модель семейства Llama, созданная Jaspionjader с помощью mergekit. В объединение вошли jaspionjader/Kosmos-Elusive-VENN-Asymmetric-8B и jaspionjader/Kosmos-Elusive-VENN-Aurora_faustus-8B; модель имеет архитектуру LlamaForCausalLM и около 7,5 млрд параметров. Модель предназначена для генерации текста. Она принимает текст и выдаёт текст, с контекстом до 8192 токенов; файлы опубликованы в формате safetensors и рассчитаны на использование через Transformers. README не описывает специализированные сценарии или поддерживаемые языки, поэтому их нельзя уточнить по имеющимся данным. Условия лицензирования в предоставленных данных не приведены. Качество, поведение и ограничения унаследованы от объединённых моделей и не охарактеризованы в карточке.

LaMini-T5-223M — модель серии LaMini-LM от MBZUAI, созданная дообучением T5-base на наборе LaMini-instruction из 2,58 млн примеров. Это плотная модель архитектуры T5 с примерно 123,8 млн параметров, предназначенная для генерации ответов на инструкции, сформулированные на естественном языке. Её можно использовать для выполнения текстовых запросов и ответов на вопросы в формате «текст на входе — текст на выходе»; заявленный контекст составляет 512 токенов. Модель обучалась с инструкционной настройкой и оценивалась на задачах NLP и пользовательских инструкциях. В метаданных указан английский язык. Репозиторий содержит веса PyTorch и распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. README не описывает конкретные ограничения качества; как и другие компактные модели, она может ошибаться и хуже справляться со сложными запросами.

Модель cuvris-dev/llama3-8b-amy-merged разработана cuvris-dev и дообучена на базе unsloth/llama-3-8b-bnb-4bit. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров, предназначенная для генерации текста. Модель обучалась с использованием Unsloth и библиотеки Hugging Face TRL; заявленная длина контекста составляет 8192 токена. Её можно применять для генерации продолжений текста и диалоговых ответов на английском языке. Репозиторий распространяется по лицензии Apache-2.0. Карточка не описывает конкретные обучающие данные, оценки качества или специализированные сценарии использования.

llama-3-8b-slow-DUS-max-layer1-method2 — плотная языковая модель семейства Llama для генерации текста. В README указано, что это слияние, выполненное с помощью LazyMergekit; в состав включено несколько копий NousResearch/Meta-Llama-3-8B. Метаданные классифицируют модель как дообучение этой базовой модели, поэтому точный способ её получения описан неоднозначно. Модель предназначена для генерации текста; указанный контекст составляет 8192 токена. Метаданные содержат размер 4 млрд параметров, тогда как карточка базовой модели описывает её как модель примерно на 7,5 млрд параметров, поэтому размер итогового чекпойнта не вполне согласуется с базовой моделью. В README не приведены отдельные сведения о качестве, языковом охвате или специализированных сценариях применения. Лицензия в предоставленных данных не указана.