III.5Управление персоналом и организацией

MeliodasPercival_01_T3qm7xNeuralsirkrishna — объединённая языковая модель семейства Mistral, созданная слиянием моделей automerger/MeliodasPercival_01-7B и automerger/T3qm7xNeuralsirkrishna-7B. Она содержит 7,1 млрд параметров и предназначена для генерации текста и диалогов на основе текстовых запросов; поддерживает контекст до 32 768 токенов. Модель распространяется в формате Safetensors по лицензии Apache-2.0. В карточке не приведены сведения о целевых языках, специализированных областях или оценках качества, поэтому её можно описать как модель общего назначения.

MetaMath-Chupacabra-7B-v2.01-Slerp-Mistral-7B-Instruct-v0.1 — чат-модель, созданная слиянием Mistral-7B-Instruct-v0.1 и Weyaxi/MetaMath-Chupacabra-7B-v2.01-Slerp методом SLERP. Это плотная авторегрессионная модель Mistral с 7,1 млрд параметров, предназначенная для генерации текста в ответ на инструкции и диалоговые запросы. Поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Модель подходит для диалоговых помощников и задач, где нужно формировать ответы на текстовые запросы. В карточке не приведены сведения о языковом охвате или специализированных областях применения. Лицензия — Apache-2.0.

Mini_synatra_7b_02-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель, созданная объединением Mistral-7B-Instruct-v0.2 и Minirecord/Mini_synatra_7b_02 методом SLERP с помощью mergekit. Модель имеет плотную архитектуру MistralForCausalLM и около 7,1 млрд параметров; репозиторий содержит веса в формате safetensors. Модель предназначена для генерации текста и диалоговых ответов на инструкции. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. В карточке не обозначены отдельные языки или специализированные предметные области. Модель распространяется по лицензии Apache-2.0. Карточка не приводит оценок качества или подробных ограничений, поэтому пригодность для конкретных задач следует проверять отдельно.

cloudyu/Mixtral_7Bx2_MoE_13B — разговорная языковая модель на архитектуре Mixtral MoE, созданная путём слияния моделей с помощью mergekit. В README указаны Mistral-7B-Instruct-v0.2, neural-chat-7b-v3-16k и bagel-dpo-7b-v0.1 как компоненты слияния. Модель предназначена для генерации связного текста и диалоговых сценариев. В метаданных указаны 7,1 млрд параметров и контекст до 32 768 токенов. Репозиторий содержит веса Safetensors; модель принимает текст и генерирует текст. README сообщает о связной генерации, но не приводит сравнительных оценок качества. Лицензия — CC BY-NC 4.0, использование ограничено некоммерческими целями.

Mistral-Nemo-2407-12B-Estrella-v1 — модель генерации текста на архитектуре Mistral, созданная автором карточки путём слияния нескольких языковых моделей с помощью mergekit. В состав слияния вошли, среди прочих, Mistral-Nemo-Instruct-2407, MN-12B-Celeste, Magnum, Lyra и Lumimaid. Модель содержит 12,1 млрд параметров и заявленный контекст до 1 024 000 токенов. Модель предназначена для диалогов и генерации связных, лаконичных, но творческих ответов. В README рекомендован формат запросов Mistral Instruct; также может подойти ChatML. Автор советует низкую температуру генерации 0,3–0,5. Доступна под лицензией CC BY-NC 4.0, которая ограничивает коммерческое использование.

CultriX/MonaCeption-7B-SLERP — объединённая языковая модель, созданная с помощью mergekit методом SLERP из CultriX/MergeCeption-7B-v3 и CultriX/MonaTrix-v4. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров, предназначенная для генерации текста. Она принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель можно применять для диалоговой генерации и продолжения текста. Она опубликована под лицензией Apache-2.0. README описывает метод слияния и исходные модели, но не приводит сравнительных оценок качества или специальных гарантий поведения.

MotherEarth-Sauerkraut — языковая модель для диалоговой генерации текста, созданная объединением весов MotherEarth/MotherEarth-1.0-8B и VAGOsolutions/Llama-3.1-SauerkrautLM-8b-Instruct. Модели объединены методом SLERP с помощью mergekit; архитектура — плотная Llama с классом LlamaForCausalLM, размер — 7,5 млрд параметров. Модель предназначена для общения и генерации ответов на текстовые запросы. Она принимает текст и выдаёт текст, поддерживает контекст до 8192 токенов и опубликована в формате safetensors для библиотеки Transformers. Базовая SauerkrautLM ориентирована на немецкий и английский языки, но языки именно этой объединённой модели в карточке отдельно не описаны. Модель опубликована 17 сентября 2024 года. Сведения о лицензии и конкретных ограничениях применения в предоставленных данных отсутствуют.

zelk12/MT5-Gen5-MU-gemma-2-Av4aAMTg2-9B — объединённая модель Gemma 2, созданная с помощью mergekit методом SLERP из lemon07r/Gemma-2-Ataraxy-v4a-Advanced-9B и zelk12/MT-Gen2-gemma-2-9B. Это плотная авторегрессионная языковая модель с архитектурой Gemma2ForCausalLM, размером 9 млрд параметров и контекстом до 8192 токенов. Модель предназначена для генерации текста и диалогового общения. Она принимает текст и выдаёт текст; карточка подтверждает поддержку чата, но не описывает специализированные предметные сценарии или языки. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных сведениях не указана. Качество и особенности результата зависят от запроса и настроек генерации; отдельные ограничения модели в карточке не описаны.

zelk12/MT-BM-gemma-2-9B — языковая модель, созданная разработчиком zelk12 слиянием двух предварительно обученных моделей Gemma 2 9B с помощью mergekit и метода SLERP. Это плотная авторегрессионная модель с архитектурой Gemma2ForCausalLM, рассчитанная на генерацию текста и диалоговое взаимодействие. Размер модели — 9 млрд параметров, нативное окно контекста — 8192 токена; веса опубликованы в формате safetensors. Модель подходит для диалоговой генерации и других сценариев, где требуется продолжать или создавать текст по запросу. README указывает на слияние zelk12/MT-BB-gemma-2-RAt0.75v0.1Rv0.4-9B и zelk12/MT-MU-gemma-2-Rv0.3G-9B, с базовой моделью zelk12/MT-BB-gemma-2-RAt0.75v0.1Rv0.4-9B и типом данных bfloat16. Данные о поддерживаемых естественных языках и лицензии в предоставленных источниках отсутствуют.

zelk12/MT-Gen3-gemma-2-9B — объединённая авторами модель на базе Gemma 2, собранная методом SLERP с помощью mergekit из zelk12/MT-Gen3-GB-gemma-2-9B и zelk12/MT-Gen3-IMMMUMA-gemma-2-9B. Это плотная языковая модель с 9 млрд параметров для генерации текста и диалогового взаимодействия; она принимает текст и формирует текстовые ответы. Модель доступна в формате safetensors для Transformers, а README также содержит раздел о статических квантованных сборках GGUF. Контекст — до 8192 токенов. В карточке приведены результаты оценки на Open LLM Leaderboard, включая IFEval и BBH, но описание сценариев обучения и целевой специализации объединённой модели отсутствует. Для использования доступны веса модели; лицензия в предоставленных данных не указана.

Mystical-dare7-7b — языковая модель семейства Mistral, созданная mvpmaster путём слияния шести моделей с помощью LazyMergekit. Она предназначена для генерации текста и может использоваться для диалогов, ответов на вопросы и других задач на основе текстовых запросов. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель принимает и генерирует текст. В README и метаданных не указаны целевые языки или специализированные прикладные области. Репозиторий содержит веса в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

Trisert/nerde-14B — объединённая чат-модель на архитектуре Mistral, созданная автором репозитория с помощью mergekit методом SLERP из HuggingFaceH4/zephyr-7b-beta и Nexusflow/Starling-LM-7B-beta. Несмотря на название репозитория, в метаданных указан размер 7,1 млрд параметров. Модель предназначена для диалогов и генерации текста в ответ на запросы; её контекст составляет до 32 768 токенов. Модель распространяется в формате safetensors и рассчитана на работу через библиотеку Transformers. Метаданные и README не сообщают лицензию или результаты оценки качества, поэтому условия использования и сравнительную эффективность установить нельзя.

NeuralBeagle-11B — разговорная языковая модель vicgalle для генерации текста и ответов в формате чата. Она основана на vicgalle/franken-Beagle-11B: модель собрана с помощью mergekit, затем дообучена методом DPO на наборе предпочтений argilla/distilabel-intel-orca-dpo-pairs. Архитектура — плотная MistralForCausalLM; размер составляет 10,6 млрд параметров, контекст — до 32 768 токенов. Модель подходит для диалогов, написания текстов и ответов на инструкции. В карточке приведены результаты тестов на рассуждение и понимание текста, но они не гарантируют качество для конкретных сценариев. В примере генерации модель рассматривает тему BDSM через метафорическую интерпретацию фильма для детской аудитории, поэтому ответы могут затрагивать взрослые темы. Модель распространяется по лицензии Apache-2.0.

NeuralDaredevil-12b-32k — текстовая генеративная модель на архитектуре Mistral, представленная в репозитории mvpmaster. По карточке, она создана с помощью LazyMergekit на основе mlabonne/NeuralDaredevil-7B; метаданные классифицируют связь с этой моделью как дообучение. Модель содержит 12,3 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и ответов на запросы в сценариях с длинным контекстом. Базовая модель описана как диалоговая и DPO-дообученная; в карточке NeuralDaredevil-12b-32k дополнительных специализаций и языков не указано. Файлы представлены в формате safetensors. Условия лицензии в предоставленных данных отсутствуют.

NeuralKukedlc-7B-Labonned — языковая модель для генерации текста, созданная объединением NeuralBeagle14-7B и NeuralHermes-2.5-Mistral-7B с помощью LazyMergekit. В README указан метод слияния SLERP; архитектура — плотная MistralForCausalLM, размер — 7,1 млрд параметров. Модель предназначена для диалогов и генерации текста по запросу. Контекстное окно составляет 32 768 токенов. Веса опубликованы в формате safetensors, лицензия — Apache-2.0. Модель объединяет две диалоговые модели Mistral; карточка не приводит отдельной оценки качества или перечня поддерживаемых языков. Практические результаты могут зависеть от формулировки запроса и сценария использования.

NeuralsirkrishnaShadow_Experiment26Experiment24 — языковая модель MaziyarPanahi, полученная слиянием двух моделей: automerger/NeuralsirkrishnaShadow-7B и automerger/Experiment26Experiment24-7B. Она предназначена для генерации текста и может использоваться для диалогов, написания черновиков и продолжения текста. Модель построена на архитектуре Mistral с плотной архитектурой и содержит 7,1 млрд параметров. Она принимает текст, поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors по лицензии Apache-2.0.

Nous-Hermes-2-SUS-Chat-2x34B — языковая модель Weyaxi, созданная объединением моделей с помощью mergekit. В конфигурации указаны базовая модель Yi-34B и эксперты Nous-Hermes-2-Yi-34B и SUS-Chat-34B; метаданные относят архитектуру к Mixtral MoE с классом MixtralForCausalLM. Модель предназначена для генерации текста и диалоговых сценариев. В репозитории представлены веса safetensors в формате bfloat16. Размер модели по метаданным — 33,9 млрд параметров, длина контекста — 4096 токенов. README приводит результаты оценки на нескольких бенчмарках, включая AI2 Reasoning Challenge и HellaSwag. Лицензия указана как other, поэтому условия использования следует уточнить в карточке модели и у правообладателей базовых моделей.

omost-phi-3-mini-128k — разговорная модель семейства Phi-3, разработанная Omost и основанная на Phi-3 Mini. Она предназначена для генерации текста и диалоговых сценариев. В README заявлен контекст 128 тыс. токенов и формат fp16; метаданные указывают 3,7 млрд параметров, архитектуру Phi3ForCausalLM и файлы safetensors. По метаданным нативный контекст составляет 4096 токенов, поэтому заявленную длину 128 тыс. токенов следует считать характеристикой из README, не подтверждённой метаданными. Лицензия в предоставленных источниках не указана.

Карточка модели sonthenguyen/OpenHermes-2.5-Mistral-7B-mt-bench-DPO-corrupted на Hugging Face совпадает с карточкой sonthenguyen/OpenHermes-2.5-Mistral-7B-mt-bench-DPO, поэтому описание составлено по ней. sonthenguyen/OpenHermes-2.5-Mistral-7B-mt-bench-DPO — чат-модель на архитектуре Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. По README, модель обучалась методом DPO с LoRA-адаптером на задачах causal language modeling; параметры обучения включали beta=0,1 и максимальную длину последовательности 1536 токенов. Модель предназначена для диалоговой генерации текста и может использоваться для ответов на вопросы, ведения беседы и подготовки текстовых черновиков. В метаданных указаны поддержка чата и формат safetensors. Лицензия — Apache-2.0. README не описывает состав обучающих данных, конкретные языки или сравнительные результаты качества.

Lazzzaroo/PaolaAI-IPN-7B — чат-модель на архитектуре Qwen2, дообученная Lazzzaroo на базе unsloth/Qwen2.5-7B-Instruct-bnb-4bit. Для обучения использовались Unsloth и библиотека Hugging Face TRL. Модель предназначена для генерации текста и диалоговых сценариев; карточка также отмечает интерфейс вызова инструментов. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст длиной до 32 768 токенов. В метаданных указан английский язык. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0.

QandoraExp-7B-v2 — языковая модель на 7,1 млрд параметров, созданная bunnycore слиянием моделей через mergekit. В основе — Qwen/Qwen2.5-7B; при слиянии также использованы QandoraExp-7B-Persona, cybertron-v4-qw7B-MGS и Rombos-LLM-V2.5-Qwen-7b. Применён метод della, итоговые веса сохранены в формате safetensors с типом bfloat16. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно использовать для ответов на вопросы, написания и продолжения текста, а также для сценариев, где требуется интерфейс вызова инструментов. Архитектура — плотная Qwen2; заявленная длина контекста составляет 131 072 токена. Карточка не сообщает результаты оценки качества или подробные сведения о поддерживаемых языках. Условия лицензирования в предоставленных данных не указаны.

Модель fathulhudoyo/qwen25-1.5b-alpaca-id-sft разработана fathulhudoyo и представляет собой дообученную версию Qwen2.5-1.5B Instruct. Это плотная авторегрессионная языковая модель семейства Qwen2 с 1,5 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Для обучения использовались Unsloth и библиотека Hugging Face TRL. Модель подходит для генерации ответов и ведения диалога на основе текстовых запросов. Максимальная длина контекста составляет 32 768 токенов; в метаданных указан английский язык. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

zelk12/recoilme-gemma-2-Ataraxy-9B-v0.1-t0.375 — объединённая модель на архитектуре Gemma 2 с 9 млрд параметров, созданная с помощью mergekit методом SLERP из recoilme/recoilme-gemma-2-9B-v0.4 и lemon07r/Gemma-2-Ataraxy-v2-9B. Она предназначена для генерации текста и диалогового взаимодействия, включая выполнение инструкций и творческое письмо. Модель принимает текст и выдаёт текст. Контекст составляет 8192 токена. Веса представлены в формате safetensors; в конфигурации слияния указан тип bfloat16. Языки применения в карточке не перечислены. Это экспериментальное слияние моделей; карточка не приводит результатов оценки качества или подробных ограничений. Лицензия в предоставленных данных не указана.

Инструктивная русскоязычная версия Qwen2.5-3B, разработанная RefalMachine на основе модели RefalMachine/ruadapt_qwen2.5_3B_ext_u48_full_lr5e4_peft_mlp_32_32_bs256. Это плотная языковая модель Qwen2 с 3,1 млрд параметров, контекстом до 32 768 токенов и форматом весов safetensors. В модели заменили токенизатор на расширенный вариант cl100k с униграмным словарём на 48 тысяч токенов, затем провели дообучение на русскоязычном корпусе и применили Learned Embedding Propagation (LEP). Модель предназначена для диалогов и генерации русскоязычного текста по инструкциям. Авторы сообщают об увеличении скорости генерации русских текстов до 60% относительно исходной Qwen2.5-3B-Instruct при сравнении на одинаковых последовательностях; в README также упомянуты оценки на Ru-Arena-General, MERA и llmtf_open, но полные результаты не приведены. Метаданные указывают интерфейс вызова инструментов, однако README не описывает его применение. Модель принимает текст и выдаёт текст. Авторы предупреждают, что ответы могут отражать знания и мнения, усвоенные на этапах обучения, и рекомендуют использовать её с осторожностью. Условия лицензии в предоставленных данных не указаны.

Saiga-Llama3 8B-GGUF — квантизированная версия модели saiga_llama3_8b, разработанная IlyaGusev и преобразованная с использованием llama.cpp. В основе лежит Llama-3 8B Instruct от Meta. Модель предназначена для русскоязычного диалога, генерации текста, ответов на вопросы, выполнения инструкций и ролевых сценариев. Модель обучалась на русскоязычных и многоформатных наборах данных, включая ru_turbo_saiga, ru_sharegpt_cleaned, oasst1_ru_main_branch, gpt_roleplay_realm и ru_instruct_gpt4. Указан русский язык; поддерживается conversational-режим с использованием формата промптов ChatML. Модель относится к классу text-generation и поставляется в формате GGUF, подходящем для запуска через совместимые инструменты экосистемы llama.cpp. Точный размер квантизации, поддерживаемые варианты квантования и размер контекста в README не указаны. Сильной стороной модели является специализация на русскоязычных инструкциях и диалогах, включая обычные вопросы, творческие задания и ролевое общение. Ограничения включают сравнительно небольшую базовую размерность 8B по современным меркам и отсутствие подробных сведений о качестве на разных типах задач; приведённая оценка AlpacaEval показывает результат ниже ChatGPT-3.5 Turbo и ChatGPT-4 Turbo. Лицензия обозначена как other с названием llama3; применяются условия лицензии Llama 3 от Meta.

samantha-mistral-instruct-7b-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель на архитектуре Mistral, созданная MaziyarPanahi слиянием методом SLERP моделей Mistral-7B-Instruct-v0.2 и Samantha-Mistral-Instruct-7B. Она предназначена для генерации текста в формате диалога и выполнения инструкций; размер составляет 7,1 млрд параметров, контекст — до 32 768 токенов. Модель принимает текст и выдаёт текст. Модель распространяется по лицензии Apache-2.0. Карточка описывает состав и конфигурацию слияния, но не приводит отдельных оценок качества или специализированных сценариев; применимость к конкретным задачам следует проверять на собственных данных.

Samantha-Nebula-7B — объединённая языковая модель от Weyaxi на архитектуре Mistral, полученная слиянием ehartford/samantha-mistral-7b и PulsarAI/Nebula-7B. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст; заявленная длина контекста — 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. В карточке приведены результаты Open LLM Leaderboard: средний балл 52,87, ARC — 57,0 и HellaSwag — 82,25. Веса доступны в формате Safetensors по лицензии Apache-2.0.

Sebushka-llama-3.1-8B — русскоязычная чат-модель, разработанная burgasdotpro на базе Llama 3.1 8B. Она дообучена на датасете IlyaGusev/saiga_scored; для обучения использовались Unsloth и TRL. Модель содержит 7,5 млрд параметров, принимает текст и генерирует текст, поддерживает контекст до 131 072 токенов. Модель предназначена для диалогов на русском языке и генерации ответов на текстовые запросы. Указанная лицензия — Apache-2.0. Карточка не приводит оценок качества или подробных результатов обучения, поэтому пригодность ответов для конкретных задач стоит проверять отдельно.

Это объединённая модель генерации текста, созданная с помощью mergekit из контрольных точек модели filtered_e2e_insert_hyperstition_v1. В README указано, что применён линейный метод слияния, а контрольная точка global_step4000 использовалась как базовая; в объединение также вошли global_step2000 и global_step3000. Архитектура — GPT-NeoX, модель содержит 8,8 млрд параметров и работает через Transformers. Модель предназначена для генерации текста и диалогового взаимодействия. Контекст составляет до 16 384 токенов. Данных о специальных языках или прикладных областях в карточке нет. Модель опубликована в формате Safetensors; сведения о лицензии отсутствуют в предоставленных данных.

sfmunfilterede2ealignment-4k5k6kweightedavgmerge — объединённая языковая модель, созданная с помощью mergekit методом Linear из контрольных точек обучения на шагах 4000, 5000 и 6000; базовой указана контрольная точка global_step6000. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и предназначена для генерации текста и диалогового взаимодействия. Максимальная длина контекста — 16 384 токена. Карточка не описывает специализацию на конкретных предметных областях или языках, поэтому модель можно охарактеризовать только как текстовую модель общего назначения. Репозиторий содержит веса в формате safetensors и рассчитан на использование с Transformers. Сведения о лицензии в предоставленных источниках отсутствуют.