III.5Управление персоналом и организацией

Beetle bilingual balanced b1 FineWeb Polish-English — генеративная языковая модель из семейства Beetle-FineWeb2 с заявленным размером 24B параметров. Модель опубликована на Hugging Face и предназначена для генерации текста; в метаданных указаны библиотека Transformers и архитектурный тег pico_decoder. Модель ориентирована на двуязычные сценарии на польском и английском языках, включая продолжение текста, подготовку черновиков и генерацию ответов. В README отсутствуют сведения о разработчике, лицензии, контексте, обучающих данных, результатах оценки и специальных ограничениях, поэтому перед использованием в продуктивных или чувствительных сценариях необходимы самостоятельное тестирование и проверка условий распространения.

Behemoth-123B-v2 — чат-модель BeaverAI, созданная на основе Mistral Large Instruct 2411 и объединённая с адаптером. Это плотная авторегрессионная модель семейства Mistral с 122,2 млрд параметров и контекстом до 131 072 токенов; репозиторий содержит веса safetensors. Модель предназначена для диалогов и генерации текста, а шаблон Metharme с системными токенами позволяет задавать системные инструкции. Автор карточки сообщает об улучшениях относительно предыдущей версии, но не приводит количественных оценок. Модель рассчитана на творческие сценарии и общение; качество и устойчивость результатов могут зависеть от формата промпта. Лицензия указана как other, поэтому условия использования следует проверить в материалах репозитория.

MoritzLaurer/bge-m3-zeroshot-v2.0 — модель нулевой классификации текста, разработанная Moritz Laurer и дообученная на базе BAAI/bge-m3-retromae. Она использует архитектуру XLM-RoBERTa с классификационной головой и определяет, следует ли считать гипотезу истинной или неистинной относительно входного текста; этот формат NLI позволяет формулировать задачу как выбор одной или нескольких меток без обучающих примеров. Модель содержит 658,7 млн параметров, принимает текстовые входы длиной до 8194 токенов и доступна в форматах Safetensors и ONNX. Модель предназначена для классификации отзывов, тем, намерений и других текстов по заданным пользователем категориям на CPU или GPU. В оценке на 28 задачах классификации автор сообщает средний macro-F1 0,59 для zero-shot режима; результаты зависят от формулировок гипотез и меток. Модель поддерживает многоязычные сценарии, хотя README не приводит список конкретных языков. Ограничение модели — работа только с классификацией текста; возможны смещения из базовой модели, данных NLI и синтетических обучающих данных. Лицензия репозитория — MIT.

Карточка модели TigerByteCyber/bge-m3-zeroshot-v2.0 на Hugging Face совпадает с карточкой MoritzLaurer/bge-m3-zeroshot-v2.0, поэтому описание составлено по ней. MoritzLaurer/bge-m3-zeroshot-v2.0 — модель нулевой классификации текста, разработанная Moritz Laurer и дообученная на базе BAAI/bge-m3-retromae. Она использует архитектуру XLM-RoBERTa с классификационной головой и определяет, следует ли считать гипотезу истинной или неистинной относительно входного текста; этот формат NLI позволяет формулировать задачу как выбор одной или нескольких меток без обучающих примеров. Модель содержит 658,7 млн параметров, принимает текстовые входы длиной до 8194 токенов и доступна в форматах Safetensors и ONNX. Модель предназначена для классификации отзывов, тем, намерений и других текстов по заданным пользователем категориям на CPU или GPU. В оценке на 28 задачах классификации автор сообщает средний macro-F1 0,59 для zero-shot режима; результаты зависят от формулировок гипотез и меток. Модель поддерживает многоязычные сценарии, хотя README не приводит список конкретных языков. Ограничение модели — работа только с классификацией текста; возможны смещения из базовой модели, данных NLI и синтетических обучающих данных. Лицензия репозитория — MIT.

BlackSheep-X-Dolphin — чат-модель TroyDoesAI, созданная слиянием модели cognitivecomputations/dolphin-2.9.3-llama-3-8b. Это плотная Llama-архитектура на 7,5 млрд параметров для генерации текста в диалоге; заявленная длина контекста — 8192 токена. Карточка указывает шаблон общения с сообщениями system, user и assistant, а также сообщает о высоком месте модели в рейтинге UGI для моделей класса 8B. Модель подходит для диалоговых ответов и генерации текста по запросу. Репозиторий содержит веса в формате safetensors. Лицензия CC-BY-NC-2.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

BLOSSOM-v4-baichuan2-7b — диалоговая языковая модель, созданная на основе Baichuan2-7B-Base и дообученная разработчиками BLOSSOM на смешанных наборах инструкций Orca, Wizard, Chat и Math. Обучение проходило в два этапа: сначала на одноходовых инструкциях, включая математические, затем на многоходовых диалогах с небольшой долей данных первого этапа. Модель предназначена для генерации ответов в формате диалога, понимания контекста беседы и выполнения общих инструкций на китайском и английском языках. Это плотная трансформерная модель Baichuan с 7 млрд параметров и контекстом до 4096 токенов. Лицензия — Apache-2.0. Модель поддерживает общие диалоговые задачи и инструкции, в том числе задачи из математических данных обучения. Качество и точность ответов могут различаться в зависимости от запроса; численные оценки качества в карточке не приведены. Для корректной работы следует использовать указанный в карточке шаблон диалога.

caTUNABeagle — объединённая текстовая модель, созданная Eric111 с помощью mergekit на основе fblgit/UNA-TheBeagle-7b-v1 и rishiraj/CatPPT-base. Это плотная авторегрессионная модель MistralForCausalLM примерно с 7,1 млрд параметров, предназначенная для генерации текста и диалоговых сценариев. Контекстное окно составляет до 32 768 токенов. Модель принимает текст и генерирует текст. Репозиторий содержит веса Safetensors в формате bfloat16; указана лицензия Apache-2.0. README описывает слияние методом SLERP с настройками, различающимися для слоёв self-attention и MLP. Специальная область применения или основной язык в предоставленных данных не обозначены.

Карточка модели vasimakram01/dawah_llama2_working_repo на Hugging Face совпадает с карточкой NousResearch/Llama-2-7b-chat-hf, поэтому описание составлено по ней. NousResearch/Llama-2-7b-chat-hf — диалоговая языковая модель семейства Llama 2, разработанного Meta и опубликованная в формате Hugging Face Transformers. Это плотный авторегрессионный трансформер с 6,6 млрд параметров; веса представлены в форматах PyTorch и Safetensors. Модель принимает текст и генерирует текст, а её контекст составляет 4096 токенов. Модель дообучена с помощью supervised fine-tuning и обучения с подкреплением по человеческим отзывам для диалогов в формате помощника. Она предназначена для ответов на вопросы, ведения диалога и генерации текста на английском языке. Для ожидаемого поведения нужно соблюдать форматирование Llama 2 Chat с соответствующими маркерами инструкций и токенами. Модель может выдавать неточные, предвзятые или нежелательные ответы, а проведённые оценки не охватывают все возможные сценарии. Данные предобучения имеют срез до сентября 2022 года. Использование регулируется собственной лицензией Meta для Llama 2; для получения весов требуется принять её условия.

sftmagpie-delphiwarmupdelphi-1e22-9-7Bparadelphidelphi-3e18-p33m67-k — плотная языковая модель семейства Qwen3, разработанная LAION и обученная с нуля на наборах данных magpie и delphi_warmup. Она предназначена для генерации текста и диалогового взаимодействия; в метаданных также заявлена возможность чата. Модель содержит 9,2 млрд параметров, принимает текст и имеет контекстное окно 4096 токенов. В репозитории доступны веса в формате safetensors, а для работы указана библиотека Transformers. README не приводит подробностей об оценке качества, целевых сценариях и ограничениях. Лицензия обозначена как other, поэтому условия использования следует уточнять по материалам репозитория.

Dev-0.4B — разработанная авторами карточки модель классификации решений на 394,7 млн параметров, построенная на двунаправленной архитектуре ModernBERT-large. Она преобразует неструктурированный текст в структурированный выбор: определяет категорию из предложенных вариантов, проверяет утверждения в формате «да/нет» и оценивает текст по шкале. Кандидаты передаются как текст вместе с входными данными, а модель оценивает их за один проход без генерации токенов. Указано контекстное окно до 8192 токенов. Модель предназначена для маршрутизации обращений, проверки условий и утверждений, разбора отзывов, сортировки журналов и выставления оценок по заданной шкале. В README приведены результаты сравнительных оценок на Banking77, BoolQ, Yelp Reviews и CodeSearchNet, а также измерения низкой задержки на Apple Silicon и CUDA; эти показатели относятся к описанным тестам и аппаратным условиям. Модель поддерживает задачи text-classification и fill-mask по метаданным, хотя карточка представляет её как классификатор решений. Dev не генерирует текст, не выдаёт цепочки рассуждений и не подходит для сценариев, требующих потоковой генерации или объяснений в виде текста. Калибровка вероятностей зависит от применяемых температур считывания и рассматриваемых данных. Модель выпущена под лицензией Apache-2.0.

HenryJJ/dolphin-2.6-mistral-7b-dpo-orca-v2 — авторегрессионная языковая модель, подготовленная HenryJJ методом DPO на основе cognitivecomputations/dolphin-2.6-mistral-7b с использованием набора Intel/orca_dpo_pairs. Модель построена на плотной архитектуре Mistral и содержит 7,1 млрд параметров; для диалогов использует формат ChatML. В карточке указано обучение на 1200 шагах с окном контекста 1024 токена, тогда как метаданные модели задают native context в 32768 токенов. Модель предназначена для генерации текста и диалоговых ответов на английском языке. Её можно применять как чат-ассистента для ответов на запросы и ведения диалога. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

jaspionjader/dp-4-8b — объединённая языковая модель автора jaspionjader, созданная из предварительно обученных моделей dp-3-8b и f-5-8b методом SLERP с помощью mergekit. Это плотная авторегрессионная архитектура LlamaForCausalLM с 7,5 млрд параметров; модель предназначена для диалогов и генерации текста. Она принимает текст и выдаёт текст, а контекст составляет до 8192 токенов. Модель опубликована в формате safetensors и доступна для работы через Transformers. Карточка не описывает отдельные преимущества модели, её языковую специализацию или результаты оценки качества, поэтому эти свойства нельзя надёжно установить. Лицензия в предоставленных данных не указана.

Eukaryote-8x7B-bf16 — языковая модель Kquant03, собранная как «frankenMoE» из нескольких моделей семейства 7B. В карточке перечислены Kunoichi-DPO-v2-7B, distilabeled-Marcoro14-7B-slerp, NexoNimbus-7B, NeuralDaredevil-7B, garten2-7b и Lelantos-DPO-7B; базовой моделью указана Kunoichi-DPO-v2-7B. Архитектура — Mixtral-подобная смесь экспертов (MoE), задача — генерация текста. Метаданные указывают 7,1 млрд параметров, контекст 8192 токена и формат safetensors. Модель предназначена для генерации текста и диалогового применения. Автор сообщает, что она в среднем превзошла Mixtral Instruct и Nous-Hermes-2-Mixtral-8x7B-DPO в оценках Open LLM Evaluations. Карточка не приводит подробностей об этих измерениях, поэтому результат следует считать заявлением автора. Для MoE сохраняется высокая потребность в памяти: при инференсе нужно загрузить веса всех экспертов, хотя для каждого токена вычисляется только часть модели. Модель выпущена по лицензии Apache-2.0.

Eurydice 24b v3.5 — диалоговая причинно-следственная языковая модель от Aixon Lab, основанная на архитектуре Mistral и дообученная на пользовательском наборе данных. В метаданных указано 23,4 млрд параметров, контекст до 131 072 токенов и формат весов safetensors. Модель предназначена для многосторонних диалогов, генерации текста, ответов на вопросы, анализа и творческого письма, включая рассказывание историй. Разработчик отмечает понимание контекста, творческие ответы и естественный разговор; основной язык — английский. Лицензия — Apache 2.0. Качество не подтверждено опубликованными метриками оценки. Модель может наследовать смещения из обучающих данных, поэтому её ответы следует критически проверять.

ClaudioItaly/EvolutiontRock — текстовая генеративная модель, созданная с помощью mergekit на основе ClaudioItaly/TopEvolutionWiz. В README описано слияние методом passthrough: в конфигурации последовательно подключены слои базовой модели; каталог классифицирует происхождение как дообучение TopEvolutionWiz. Модель построена на архитектуре Mistral с плотной сетью и имеет 6,7 млрд параметров. Модель предназначена для генерации текста и диалоговых ответов. Базовая TopEvolutionWiz описана как модель для диалогов и развернутых ответов на вопросы по широкому кругу тем; для EvolutiontRock заявлены контекст до 32 768 токенов и формат весов safetensors. В метаданных указана библиотека Transformers. В README не приведены отдельные результаты оценки качества или конкретные ограничения. Условия лицензии в предоставленных данных не указаны.

Evolver — языковая модель, созданная сообществом mergekit слиянием предварительно обученных моделей SanjiWatsuki/Kunoichi-DPO-v2-7B и mergekit-community/mergekit-slerp-ebgdloh. Для объединения применён метод SLERP; конфигурация использует формат bfloat16. Модель семейства Mistral имеет плотную архитектуру MistralForCausalLM и 7,1 млрд параметров. Модель предназначена для генерации текста, в том числе диалогов и ответов на вопросы. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. В карточке не заявлены специализированные предметные области или отдельные языковые возможности. Лицензия в доступных сведениях не указана. Качество, ограничения и условия применения исходных моделей могут влиять на результат слияния; независимые оценки в карточке не приведены.

Experiment26Yamshadow_PasticheAlloyingotneoy — объединённая модель семейства Mistral, созданная из automerger/Experiment26Yamshadow-7B и automerger/PasticheAlloyingotneoy-7B. Она предназначена для генерации текста и поддерживает контекст до 32 768 токенов. Модель содержит 7,1 млрд параметров и опубликована в формате safetensors. Модель может использоваться для генерации продолжений текста и диалоговых ответов. Репозиторий распространяется по лицензии Apache-2.0. Подробности о языках, обучении и сравнительном качестве в карточке не приведены.

Fialka-7B-v3 — русскоязычная языковая модель, разработанная авторами семейства Fialka на основе Llama 2 и обученная следовать инструкциям и поддерживать диалог на русском языке. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 6,6 млрд параметров. Модель предназначена для генерации ответов на запросы и ведения общения на русском языке. В README указан формат запросов Zephyr. Контекст составляет 4096 токенов; модель распространяется в формате safetensors по лицензии Apache 2.0. Модель ориентирована на русский язык и может быть полезна для русскоязычных диалоговых и инструкционных сценариев. Карточка не приводит результаты оценивания качества или подробные сведения об ограничениях; возможности за пределами текстовой генерации не заявлены.

jaspionjader/fr-17-8b — объединённая разговорная языковая модель, созданная автором репозитория с помощью mergekit методом SLERP из jaspionjader/fr-16-8b и jaspionjader/Kosmos-EVAA-Franken-v38-8B. Модель построена на плотной архитектуре LlamaForCausalLM и содержит 7,5 млрд параметров; файлы представлены в формате safetensors и рассчитаны на работу через Transformers. Модель предназначена для генерации текста и диалоговых ответов. Заявленная длина контекста — 131 072 токена. Сведения о конкретных языках и специализированных областях применения отсутствуют, поэтому её следует рассматривать как модель общего назначения. Лицензия в предоставленных данных не указана.

fr-4-8b — разговорная языковая модель, созданная jaspionjader с помощью слияния SLERP двух предварительно обученных моделей: jaspionjader/fr-3-8b и jaspionjader/Kosmos-EVAA-Franken-v38-8B. Модель основана на плотной архитектуре LlamaForCausalLM и содержит 7,5 млрд параметров; веса опубликованы в формате safetensors, для работы предусмотрена библиотека Transformers. Модель предназначена для генерации текста и диалоговых ответов. Контекст составляет до 8192 токенов. В карточке не указаны специальные предметные области или поддерживаемые языки, поэтому модель можно описать как разговорную общего назначения. Лицензия в предоставленных данных не приведена.

Gemma2-2B-Chaos — разговорная языковая модель, созданная bunnycore слиянием трёх моделей Gemma 2 через mergekit. Это плотная авторегрессионная модель класса Gemma2ForCausalLM с 2,7 млрд параметров и контекстом 8192 токена. Она предназначена для диалога и генерации текста; карточка указывает на смешение моделей с изменённым поведением отказов и дистиллированной модели. Репозиторий содержит веса Safetensors. Модель доступна по лицензии Apache-2.0.

Gemma2-9b-it-train4 — разговорная модель генерации текста, разработанная ehristoforu и дообученная на ehristoforu/Gemma2-9b-it-train3. Она основана на плотной архитектуре Gemma 2 с 9 млрд параметров и рассчитана на диалоговые сценарии. В метаданных указан английский язык, контекст составляет 8192 токена; для обучения использовался датасет cognitivecomputations/dolphin и инструменты Unsloth и Hugging Face TRL. Модель подходит для ответов на вопросы и генерации текста в чате. Репозиторий содержит веса PyTorch. Лицензия — Apache-2.0. Карточка не приводит результатов оценивания качества или подробных сведений об ограничениях.

Карточка модели Srishtik/gemma-3-270m-linear-merged-trained-on-responses на Hugging Face совпадает с карточкой Srishtik/gemma-3-270m-slerp-merged-trained-on-responses, поэтому описание составлено по ней. Srishtik дообучил текстовую модель Gemma 3 на 257 млн параметров на основе unsloth/gemma-3-270m-it. Она предназначена для диалогов и генерации текста; метаданные также указывают на поддержку чата. Модель использует плотную архитектуру Gemma3ForCausalLM, принимает текст и выдаёт текст, поддерживает английский язык и контекст до 32 768 токенов. В репозитории указаны веса Safetensors и лицензия Apache 2.0. README сообщает, что обучение выполнялось с Unsloth.

Srishtik дообучил текстовую модель Gemma 3 на 257 млн параметров на основе unsloth/gemma-3-270m-it. Она предназначена для диалогов и генерации текста; метаданные также указывают на поддержку чата. Модель использует плотную архитектуру Gemma3ForCausalLM, принимает текст и выдаёт текст, поддерживает английский язык и контекст до 32 768 токенов. В репозитории указаны веса Safetensors и лицензия Apache 2.0. README сообщает, что обучение выполнялось с Unsloth.

Crystalcareai/Gemma-Generic — дообученная автором репозитория языковая модель семейства Gemma с плотной архитектурой GemmaForCausalLM и примерно 8,2 млрд параметров. Модель предназначена для генерации текста и диалоговых сценариев общего назначения; при дообучении использовался набор Chat-Error/wizard_alpaca_dolly_orca в течение трёх эпох. Модель принимает текст и генерирует текст. Заявленная длина контекста составляет 8192 токена. В репозитории доступны веса в формате safetensors. README не приводит результатов оценки качества или описания специальных возможностей. Лицензия в предоставленных данных не указана.

Gemma-The-Writer-9B — текстовая генеративная модель DavidAU на архитектуре Gemma 2 с 9 млрд параметров, созданная на основе дообученной инструктивной модели google/gemma-2-9b-it. Она предназначена для генерации текста и диалогового взаимодействия; её можно использовать для написания и продолжения текстов, а также для чата. Модель принимает текст и выдаёт текст, поддерживает контекст до 8192 токенов и распространяется в формате Safetensors для запуска напрямую или подготовки квантованных вариантов. Автор рекомендует подбирать параметры генерации и сэмплеры с учётом модели и приложения. В README отсутствуют подробности о целевом стиле письма, обучающих данных и измерениях качества, поэтому эти свойства нельзя надёжно уточнить. Лицензия в предоставленных данных не указана.

GPT-6 Luna — быстрая и экономичная модель OpenAI из серии GPT-6, позиционируемая ниже GPT-6 Sol. Она предназначена для чат-сценариев, классификации и лёгких агентных задач, особенно при высокой нагрузке и требованиях к низкой задержке. Данных об архитектуре, размере, модальностях, языках, длине контекста и лицензии в предоставленных материалах нет.

H2O.ai h2ogpt-gm-oasst1-multilang-2048-falcon-7b — диалоговая языковая модель, дообученная в H2O LLM Studio на OpenAssistant/oasst1 на базе tiiuae/falcon-7b. Она предназначена для генерации ответов и ведения диалога; в названии указано multilang и контекст 2048 токена. Модель имеет плотную архитектуру Falcon и содержит 10,9 млрд параметров; для работы используется библиотека Transformers и формат PyTorch. Модель подходит для чат-ботов, ответов на вопросы и генерации текста. Карточка не приводит перечень поддерживаемых языков, поэтому по метаданным подтверждён только английский. Лицензия — Apache-2.0. Ответы могут быть ошибочными или нерелевантными и иногда содержать предвзятые либо оскорбительные формулировки; их следует проверять.

HyperGemma-2-9B — слитая языковая модель на архитектуре Gemma 2, опубликованная пользователем bunnycore. Она создана методом Model Stock с помощью mergekit на основе lemon07r/Gemma-2-Ataraxy-9B и объединяет также crestf411/gemma2-9B-sunfall-v0.5.2, ehristoforu/Gemma2-9b-it-train6 и nbeerbower/gemma2-gutenberg-9B. Модель содержит 9 млрд параметров и рассчитана на генерацию текста и диалоговое взаимодействие. Модель можно применять для ведения диалога, написания творческих текстов и генерации продолжений по запросу. Она принимает текст и выдаёт текст; заявленный контекст — 8192 токена. Веса опубликованы в формате safetensors и представлены для использования через Transformers. Лицензия и специальные ограничения применения в предоставленных данных не описаны. Качество и языковое покрытие отдельно не охарактеризованы, поэтому их следует оценивать на целевых запросах.

InnerIAI-chat-7b-grok — объединённая диалоговая языковая модель, созданная InnerI с помощью LazyMergekit из InnerI/A-I-0xtom-7B-slerp и HuggingFaceH4/mistral-7b-grok. Она построена на архитектуре Mistral с плотной сетью и содержит 7,1 млрд параметров; модель предназначена для генерации текста в формате диалога с ассистентом. Указанная длина контекста — 32 768 токенов. Репозиторий распространяется в формате safetensors, лицензия — Apache-2.0. Модель можно использовать для ответов на вопросы, диалогов и написания текстов в чат-сценариях. README описывает слияние методом SLERP с настройками, различающимися для слоёв внимания и MLP. Сведений о специальных доменах или поддержке конкретных языков в карточке нет; поэтому не следует считать её оптимизированной для определённого языка или области. Качество и поведение могут зависеть от запроса и выбранной конфигурации генерации.