III.5Управление персоналом и организацией

zelk12/MT-Gen2-gemma-2-9B — объединённая языковая модель на архитектуре Gemma 2, созданная с помощью mergekit методом SLERP из zelk12/MT-Gen2-MUB-gemma-2-9B и zelk12/MT-Gen2-GIMMMA-gemma-2-9B. Модель разработана для генерации текста и диалогового общения; число параметров составляет 9 млрд, базовый формат весов — safetensors, контекст — до 8192 токенов. Модель подходит для генерации ответов и продолжения текста в чат-сценариях. В README приведены результаты оценивания Open LLM Leaderboard, включая IFEval и BBH, но этих результатов недостаточно, чтобы определить сильные стороны в конкретных прикладных областях. README также ссылается на статические сборки GGUF, предоставленные mradermacher. Лицензия и поддерживаемые естественные языки в предоставленных данных не указаны. Возможности и качество могут отличаться от исходных моделей после слияния; контекст ограничен 8192 токенами.

zelk12/MT-Max-Merge_02012025163610-MUG-gemma-2-9B — языковая модель, созданная автором репозитория объединением двух моделей Gemma 2 с помощью SLERP в mergekit. Это плотная причинная языковая модель на 9 млрд параметров для генерации текста и диалогового общения; она принимает текст и выдаёт текст. Нативный контекст составляет 8192 токена, модель предназначена для работы через Transformers и распространяется в формате safetensors. Модель подходит для генерации ответов в диалогах и других сценариев генерации текста. Она является объединением моделей zelk12/MT-Max-Merge_02012025163610-GP-gemma-2-MTg4MT5g4-9B и zelk12/MT-Max-Merge_02012025163610-MU-gemma-2-MTM2MUMTM4-9B; README указывает базовую модель объединения zelk12/MT-Max-Merge_02012025163610-MU-gemma-2-MTM2MUMTM4-9B. Языки, специальные отраслевые задачи и условия лицензии в доступных сведениях не определены.

zelk12 создал MT-Merge2-MU-gemma-2-MTg2MT1g2-9B — объединённую методом SLERP языковую модель на архитектуре Gemma 2 с 9 млрд параметров. Она предназначена для генерации текста и диалогового общения; доступна в формате Safetensors и рассчитана на контекст до 8192 токенов. Модель объединяет zelk12/MT1-Gen2-gemma-2-9B и zelk12/MT-Gen2-gemma-2-9B с помощью mergekit. В README приведены результаты оценки на Open LLM Leaderboard, включая IFEval и BBH. Сведения о лицензии и поддерживаемых естественных языках в предоставленных данных отсутствуют.

m-a-p представляет NEO 7B Instruct v0.1 — инструктивно дообученную языковую модель семейства Llama с плотной архитектурой и примерно 7,6 млрд параметров. Репозиторий содержит веса в формате Safetensors; проект описывает модель как открытую и предоставляет сведения о коде, обучающих данных и процессе обучения. Модель предназначена для генерации текста по инструкциям и диалогового взаимодействия. Контекст составляет 8192 токена. В карточке не описаны конкретные языки и специализированные области применения. Модель распространяется по лицензии Apache-2.0. README указывает, что это instruction-tuned версия NEO 7B, но не приводит деталей о качестве, тестировании или ограничениях применения.

Neural-Krishna-Multiverse-7b-v2 — объединённая языковая модель, созданная с помощью LazyMergekit из Kukedlc/Neural-Krishna-Multiverse-7b и liminerity/M7-7b. Веса объединены методом slerp; модель использует архитектуру Mistral с плотной декодерной трансформерной сетью и содержит 7,1 млрд параметров. Модель предназначена для генерации текста и диалоговых сценариев. Она принимает текст и выдаёт текст; заявленная длина контекста составляет 32 768 токенов. Данные карточки не уточняют целевые языки и специализированные области применения. Модель распространяется в формате Safetensors под лицензией Apache-2.0.

NeuralsirkrishnaShadow_AlloyingotneoyYam — объединённая языковая модель на архитектуре Mistral, созданная слиянием automerger/NeuralsirkrishnaShadow-7B и automerger/AlloyingotneoyYam-7B. Модель содержит 7,1 млрд параметров и предназначена для генерации текста; доступна в формате safetensors. Модель принимает текст и генерирует текст, поддерживая контекст до 32 768 токенов. Карточка не описывает специализированные сценарии или языки обучения. Лицензия — Apache-2.0.

NeuralsirkrishnaShadow_Inex16Calme — объединённая модель на базе двух моделей Mistral: automerger/NeuralsirkrishnaShadow-7B и automerger/Inex16Calme-7B. Она предназначена для генерации текста и диалоговых ответов; модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Репозиторий распространяет веса в формате safetensors, лицензия — Apache-2.0. README не описывает специальные сценарии, языки или ограничения качества модели.

NeuralsirkrishnaShadow_NeuralsirkrishnaM7 — объединённая языковая модель на архитектуре Mistral, созданная слиянием automerger/NeuralsirkrishnaShadow-7B и automerger/NeuralsirkrishnaM7-7B. Она содержит 7,1 млрд параметров и предназначена для генерации текста и диалоговых сценариев; поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors. Модель принимает текст и выдаёт текст. В карточке не описаны специализированные области применения или языки. Лицензия — Apache 2.0.

NeuralsirkrishnaShadow_YamPastiche — объединённая языковая модель на архитектуре Mistral, созданная слиянием automerger/NeuralsirkrishnaShadow-7B и automerger/YamPastiche-7B. Модель содержит 7,1 млрд параметров и предназначена для генерации текста, включая продолжение запросов и диалоговых реплик. Модель принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. Опубликована в формате Safetensors под лицензией Apache 2.0. Сведений о специализации по языкам и предметным областям в доступных данных нет.

baconnier опубликовал чат-модель Notaires_dolphin-2.9.1-yi-1.5-9b, дообученную на базе cognitivecomputations/dolphin-2.9.1-yi-1.5-9b. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM, содержащая 8,6 млрд параметров и рассчитанная на генерацию текста в диалоговом формате. В карточке указано, что при обучении использовались Unsloth и TRL. Модель подходит для генерации ответов в чате и других задач текстовой генерации. Заявленный контекст составляет 12 000 токенов; язык карточки — английский. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0.

NSK-7B-128k-slerp — разговорная текстовая модель, созданная AlekseiPravdin путём слияния моделей Nitral-AI/Nyan-Stunna-7B и Nitral-AI/Kunocchini-7b-128k-test с помощью mergekit и метода slerp. Это плотная Mistral-модель с архитектурой MistralForCausalLM и 7,1 млрд параметров, предназначенная для генерации текста в диалогах. Метаданные указывают нативный контекст 32 768 токенов; обозначение «128k» в названии и тегах не подтверждено этой длиной контекста. Репозиторий содержит веса Safetensors в формате bfloat16. Языки модели не установлены по предоставленным данным. Модель распространяется по лицензии Apache-2.0.

MaziyarPanahi/openbuddy-zephyr-7b-v14.1-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель на архитектуре Mistral с 7,1 млрд параметров. Она создана слиянием методом SLERP моделей mistralai/Mistral-7B-Instruct-v0.2 и OpenBuddy/openbuddy-zephyr-7b-v14.1; в репозитории указаны веса Safetensors в формате bfloat16. Модель предназначена для генерации текста и ответов в диалоге по инструкциям, а контекст составляет до 32 768 токенов. Модель подходит для чат-ботов и сценариев, где нужно формулировать ответы на текстовые запросы. В карточке Hugging Face указана лицензия Apache-2.0. Сведения о целевых языках и специальных областях применения в предоставленных материалах отсутствуют.

Weyaxi создал OpenChat 3.5 1210 Seraph Slerp, объединив модели openchat/openchat-3.5-1210 и Weyaxi/Seraph-7B методом Slerp с помощью mergekit. В конфигурации указана базовая модель mistralai/Mistral-7B-v0.1; архитектура — плотная авторегрессионная MistralForCausalLM примерно на 7,1 млрд параметров. Модель предназначена для генерации текста, в том числе диалоговых ответов. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов и распространяется под лицензией Apache-2.0. README не приводит отдельные сведения о языках и специализированных областях применения.

PasticheInex12-7B — объединённая модель для генерации текста, созданная Maxime Labonne с помощью автоматического слияния двух моделей Mistral: CorticalStack/pastiche-crown-clown-7b-dare и MSL7/INEX12-7b. В README указаны метод слияния SLERP и формат весов bfloat16; размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Лицензия — Apache-2.0. README и метаданные не уточняют поддерживаемые языки или специализированные предметные области.

PESTO-llama-base — дообученная Jake Boggs модель на основе unsloth/Meta-Llama-3.1-8B-Instruct. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров, предназначенная для диалогов и генерации текста; заявленная длина контекста — до 131 072 токенов. Модель распространяется в формате Safetensors и использует библиотеку Transformers. README не раскрывает назначение дообучения, обучающий набор данных или результаты оценки, поэтому модель можно описать только как разговорную текстовую модель общего назначения. Лицензия — llama3.1; условия её применения определяются соответствующей лицензией базовой модели.

bunnycore/Phi-4-Model-Stock-v4 — объединённая языковая модель, созданная с помощью mergekit методом Model Stock на основе bunnycore/Phi-4-Model-Stock. В объединение вошли версии bunnycore/Phi-4-Model-Stock-v2 и v3, а также pankajmathur/orca_mini_phi-4. Модель имеет плотную архитектуру LlamaForCausalLM и около 14,1 млрд параметров; она предназначена для генерации текста и диалогов, а её контекст составляет до 16 384 токенов. Модель можно применять для ведения диалогов и генерации ответов или другого текста. В README приведены результаты оценки Open LLM Leaderboard: средний результат 41,03, IFEval — 71,10 и BBH — 55,90. Данных о поддерживаемых языках и специальной предметной области в предоставленных материалах нет. Лицензия в предоставленных материалах не указана.

QueenLiz-120B — объединённая Noodlz языковая модель на архитектуре Llama с плотной причинной языковой моделью LlamaForCausalLM. Автор создал её как линейное слияние моделей alchemonaut/QuartetAnemoi-70B-t0.0001 и lizpreciatior/lzlv_70b_fp16_hf с помощью mergekit. Модель содержит 120,1 млрд параметров и рассчитана на контекст до 32 764 токенов. Модель предназначена для генерации текста и может использоваться для диалогов, написания и продолжения текстов. Автор отмечает, что для запуска может потребоваться мощное оборудование. Доступны веса в формате safetensors; в карточке также упомянуты отдельные сборки GGUF Q4_K_M и iMat. Лицензия указана как non-commercial-research-only, поэтому коммерческое использование не разрешено.

richardyoung/Qwen2.5-7B-Instruct-heretic — это англоязычная чат-модель на базе Qwen2.5-7B-Instruct, изменённая методом abliteration с помощью Heretic v1.4.0 для снижения частоты отказов. В README сообщается о 3 отказах на 100 запросов против 99 у исходной модели; это результат указанной авторами оценки, а не гарантия поведения во всех сценариях. Модель использует плотную архитектуру Qwen2 с причинной генерацией текста и содержит около 7,1 млрд параметров. Метаданные каталога указывают контекст до 32 768 токенов и поддержку чата. Базовая карточка Qwen2.5 описывает мультиязычные возможности, однако метаданные этой модели отмечают английский язык; поэтому другие языки здесь не считаются подтверждённой специализацией. Модель подходит для диалогов и генерации текста с меньшим числом отказов, в том числе для ролевых сценариев и ответов на инструкции. Как и другие языковые модели, она может выдавать ошибочную или небезопасную информацию, а сниженная склонность к отказам означает, что для чувствительных применений нужны собственные меры контроля. Лицензия — Apache-2.0.

Модель maheshrawat18/Qwen3-4B-sft-orpo-groq разработана maheshrawat18 и представляет собой дообученную плотную языковую модель семейства Qwen3 с архитектурой Qwen3ForCausalLM и 3,7 млрд параметров. Она предназначена для генерации текста и диалогового общения; при обучении использовались Unsloth и Hugging Face TRL. Модель принимает текст и выдаёт текст. Заявленная длина контекста составляет 262 144 токена. В карточке указан английский язык. Модель основана на maheshrawat18/Qwen3-4B-2507-sft-new-updated и распространяется по лицензии Apache-2.0.

Defetya/qwen-4B-saiga — чат-модель на архитектуре Qwen2, разработанной Alibaba. Модель с 3,6 млрд параметров дообучена методом SFT на датасете Saiga Ильи Гусева с использованием EasyDeL на TPU v3-8. Она предназначена для диалогов и генерации текста, в первую очередь на русском языке; контекст составляет до 32 768 токенов. Автор README отмечает хорошее обращение с русскими падежами по результатам краткого личного общения, но не приводит систематических оценок: карточка упоминает запланированную проверку на Russian SuperGLUE. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0.

Qwenvergence-14B-v12-Prose-DS — объединённая языковая модель на 14 млрд параметров, созданная sometimesanotion с помощью mergekit и метода Model Stock. В качестве базовой модели для слияния указана sometimesanotion/Base-Chocolatine-2-14B-Instruct-v2.0b3; в объединение также вошли несколько моделей на базе Qwen2.5 и их производных. Модель предназначена для диалогов и генерации текста. Она использует архитектуру Qwen2 с плотной трансформерной сетью, поддерживает контекст до 131 072 токенов и распространяется в формате safetensors для Transformers. Карточка не уточняет отдельные языки или специализированные прикладные области. Лицензия в предоставленных данных не указана. Составное слияние нескольких моделей может влиять на стиль и поведение ответов; конкретные ограничения качества в карточке не описаны.

Ramakrishna-7b-v2 — объединённая модель семейства Mistral с 7,1 млрд параметров, созданная Kukedlc методом slerp с помощью LazyMergekit на основе Kukedlc/Ramakrishna-7b и Kukedlc/NeuralSirKrishna-7b. Модель предназначена для генерации текста и диалогов; поддерживает контекст до 32 768 токенов и распространяется в формате safetensors с весами float16. Модель принимает текст и выдаёт текст. Сведения о специализации по языкам и прикладным областям, а также о конкретных преимуществах и ограничениях в карточке не приведены. Лицензия в предоставленных данных не указана.

RandomMergeNoNorm-7B-DARETIES — текстовая генеративная модель, созданная с помощью mergekit объединением моделей FelixChao/WestSeverus-7B-DPO-v2, CultriX/Wernicke-7B-v9 и mlabonne/NeuralBeagle14-7B. Это плотная архитектура MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов; веса опубликованы в формате safetensors. Модель предназначена для генерации текста и диалоговых сценариев. Слияние выполнено методом DARE-TIES с базой FelixChao/WestSeverus-7B-DPO-v2, плотностями 0,45 и 0,55 для компонентов и параметром int8_mask; итоговый тип данных — float16. Базовая модель NeuralBeagle14-7B описана как модель для диалогов, следования инструкциям, рассуждений и творческой генерации, однако отдельные оценки качества именно этого слияния в карточке не приведены. Модель распространяется по лицензии Apache-2.0.

zelk12/recoilme-gemma-2-Gutenberg-Doppel-9B-v0.1 — объединённая диалоговая языковая модель на архитектуре Gemma 2, созданная с помощью mergekit методом SLERP из recoilme/recoilme-gemma-2-9B-v0.4 и nbeerbower/Gemma2-Gutenberg-Doppel-9B. Модель содержит 9 млрд параметров, распространяется в формате Safetensors и рассчитана на генерацию текста и ответы в диалоге; вторая исходная модель обучалась на текстах Gutenberg. Модель принимает текст и генерирует текст. Заявленная длина контекста — 8192 токена. В README приведены результаты Open LLM Leaderboard, включая IFEval 76,15 и BBH 43,94; эти оценки не гарантируют качество на конкретных запросах. Сведения о лицензии в доступных данных отсутствуют.

Это вариант Robin 65B v2 от OptimalScale, подготовленный TheBloke в формате PyTorch с точностью fp16. Модель относится к семейству Llama, имеет плотную архитектуру и около 65 млрд параметров; контекст составляет 2048 токенов. В карточке приведён шаблон диалога с помощником, который отвечает на вопросы в подробной и вежливой форме. Модель предназначена для генерации текста в диалоговом формате и может использоваться для ответов на вопросы, ведения беседы и подготовки развёрнутых текстовых ответов. Файлы fp16 рассчитаны на GPU-инференс и дальнейшие преобразования; размер модели требует значительных ресурсов видеопамяти. README описывает слияние и/или преобразование исходного репозитория в fp16, поэтому точнее определить происхождение нельзя. Лицензия в метаданных обозначена как other, без дополнительных условий в доступных данных.

jeiku/RocketHermesZephyrBoros_3B — объединённая языковая модель, созданная с помощью mergekit. В качестве базовой использована jeiku/Rosa_v1_3B, а в слияние также вошли pansophic/rocket-3B, jondurbin/airoboros-3b-3p0, cxllin/StableHermes-3b и stabilityai/stablelm-zephyr-3b. Для объединения применён метод task arithmetic; веса сохранены в формате safetensors с точностью float16. Модель построена на архитектуре StableLM Epoch, содержит 2,7 млрд параметров и имеет контекст длиной 4096 токенов. Она предназначена для диалогов, ответов на запросы и генерации текста; карточка отмечает разговорные возможности. В метаданных указана лицензия не была, поэтому условия использования по доступным данным описать нельзя.

RuadaptQwen2.5-7B-Lite-Beta — русскоязычная адаптация модели T-lite-it-1.0, опубликованная RefalMachine. В README описаны замена токенизатора, продолжение предобучения на русскоязычном корпусе и применение техники LEP (Learned Embedding Propagation); метаданные указывают на объединение Qwen/Qwen2.5-7B и t-tech/T-lite-it-1.0. Это плотная авторегрессионная модель семейства Qwen2 с 7 млрд параметров, предназначенная для генерации текста и диалогов. Контекст — до 32 768 токенов. Расширенный токенизатор на основе tiktoken cl100k и униграмного словаря на 48 тысяч токенов, по заявлению авторов, повышает скорость генерации русскоязычного текста до 60% относительно T-lite-it-1.0. Модель оценивали на Ru-Arena-General, MERA и llmtf_open, однако README приводит неполные результаты и указывает на использование repetition_penalty=1.1 в замерах Ru-Arena-General. Репозиторий содержит веса safetensors; лицензия — Apache-2.0. Авторы предупреждают, что ответы отражают данные обучения, и отмечают отсутствие контроля над предобучением исходной модели.

IlyaGusev/saiga_nemo_12b_gptq_8bit — это 8-битная GPTQ-квантизованная версия русскоязычной модели Saiga/MistralNemo 12B, опубликованная разработчиком Ilya Gusev на Hugging Face. Модель предназначена для генерации текста и диалогового взаимодействия на русском языке; в исходной карточке Saiga она описана как русскоязычный автоматический ассистент. Она дообучена на основе аблированной версии Mistral Nemo Instruct 2407 с использованием наборов данных IlyaGusev/saiga_scored и IlyaGusev/saiga_preferences. Модель содержит около 12 миллиардов параметров и использует архитектуру Mistral Transformer с 40 слоями, Grouped-Query Attention, 32 attention heads и 8 key-value heads. Для исходной Mistral Nemo заявлено контекстное окно до 128 тысяч токенов и поддержка нескольких языков, включая русский, английский, французский, немецкий, испанский, итальянский, португальский, китайский и японский, однако Saiga ориентирована прежде всего на русский язык. GPTQ-квантизация в 8 бит уменьшает требования к памяти по сравнению с полной версией, но может немного снижать точность и требует совместимого программного обеспечения для инференса. Сильные стороны модели — специализация на русскоязычных диалогах, относительно крупный размер для локального запуска и экономия памяти благодаря 8-битному представлению. Ограничения включают отсутствие мультимодальных возможностей в опубликованных данных, возможные ошибки и галлюцинации, а также отсутствие подробных официальных оценок именно для этой GPTQ-версии. Для исходной модели указана лицензия Apache 2.0; отдельная карточка квантизованной версии не содержит дополнительных лицензионных условий.

samantha-1.2-mistral-7b-Mistral-7B-Instruct-v0.1 — объединённая разговорная модель на основе Mistral-7B-Instruct-v0.1 и cognitivecomputations/samantha-1.2-mistral-7b. Разработчик репозитория — MaziyarPanahi; в карточке указан метод слияния SLERP, архитектура MistralForCausalLM и 7,1 млрд параметров. Модель предназначена для генерации текста в ответ на инструкции и диалоговые запросы. Она принимает текст и выдаёт текст; заявленный нативный контекст — 32 768 токенов. Карточка не уточняет поддерживаемые естественные языки и специализированные области применения. Модель распространяется в формате safetensors по лицензии Apache-2.0. Качество и ограничения исходных компонентов наследуются в объединённой модели; отдельные результаты оценки в карточке не приведены.

Карточка модели mergekit-community/Saul-Base-zephyr-7b-beta-merge на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-jeyctse, поэтому описание составлено по ней. mergekit-community/mergekit-slerp-jeyctse — языковая чат-модель, созданная сообществом слиянием моделей HuggingFaceH4/zephyr-7b-beta и Equall/Saul-Base методом SLERP с помощью mergekit. Это плотная модель Mistral с 7,1 млрд параметров, доступная в формате safetensors и рассчитанная на контекст до 32 768 токенов. Модель предназначена для генерации текста в диалоге: ответов на вопросы и выполнения пользовательских инструкций. В метаданных основной язык не задан; базовая Zephyr-7B-β описана как англоязычная чат-модель. Условия лицензирования в предоставленных данных не приведены. Качество и поведение результата слияния могут отличаться от исходных моделей.