III.5Управление персоналом и организацией

Карточка модели llm-wizard/NousWizard на Hugging Face совпадает с карточкой mergekit-community/dolphin-mistral-instruct-7b, поэтому описание составлено по ней. Это объединённая языковая модель mergekit-community, созданная методом SLERP на основе arcee-ai/sec-mistral-7b-instruct-1.6-epoch и cognitivecomputations/dolphin-2.8-mistral-7b-v02. Модель построена на архитектуре MistralForCausalLM с плотной архитектурой и содержит 7,1 млрд параметров; опубликованные веса представлены в формате Safetensors, а библиотека запуска — Transformers. Модель предназначена для генерации текста в диалоговых сценариях: она принимает текстовый запрос и формирует текстовый ответ. Контекст составляет до 32 768 токенов. Карточка не описывает отдельные прикладные области или языковые характеристики, поэтому их нельзя уточнить по имеющимся данным. Лицензия в предоставленных данных не указана.

Phi-3.5-24-10-06 — объединённая языковая модель семейства Phi-3.5, созданная с помощью LazyMergekit из bunnycore/Phi-3.5-Hyper-Mix и win10/phi3.5-mini-24-09-30. В метаданных указана архитектура Phi3ForCausalLM с плотной структурой и 3,7 млрд параметров; файлы представлены в формате Safetensors. Для объединения использован метод TIES, результат сохранён в FP16. Модель предназначена для генерации текста и диалогового общения. Карточка не приводит сведений о специальных предметных областях или поддерживаемых языках. Лицензия в предоставленных данных не указана.

Модель arefehRajabian/phi_mini_finetune_16bit — дообученная автором arefehRajabian разговорная языковая модель семейства Phi-3 с плотной архитектурой Phi3ForCausalLM. Она основана на unsloth/phi-4-mini-reasoning-unsloth-bnb-4bit и предназначена для генерации текста в диалогах; метаданные также отмечают интерфейс вызова инструментов. Модель содержит 3,8 млрд параметров, принимает текстовый контекст длиной до 4096 токенов и выдаёт текст. В карточке указано обучение с помощью Unsloth и библиотеки TRL. Указаны английский язык и лицензия Apache-2.0.

Qevacot-7B-v2 — текстовая генеративная модель, созданная сообществом bunnycore как слияние нескольких языковых моделей с помощью mergekit. В основе слияния лежит Qwen/Qwen2.5-7B; использован метод TIES. В состав также вошли c10x/CoT-2.5, EVA-UNIT-01/EVA-Qwen2.5-7B-v0.1, huihui-ai/Qwen2.5-7B-Instruct-abliterated-v2 и Cran-May/T.E-8.1. Модель построена на плотной архитектуре Qwen2, содержит 7,1 млрд параметров и рассчитана на контекст до 131 072 токенов. Она предназначена для генерации текста и диалогового взаимодействия; репозиторий указывает формат safetensors и библиотеку Transformers. Данные карточки не описывают отдельные языковые или предметные специализации, а также не содержат сведений о лицензии и конкретных оценках качества.

QuantuMinx_4B — чат-модель с плотной архитектурой семейства Llama и примерно 3,9 млрд параметров. Она создана FourOhFour при участии нескольких участников Anthracite и получена слиянием методом SLERP моделей NeuroCom v2 и Zenith; в README также указано, что это производная Minitron. Базовой моделью в метаданных указана FourOhFour/Zenith_4B. Модель предназначена для общего ассистирования, ответов на запросы и ролевых диалогов. Она принимает текст и генерирует текст на английском языке. В метаданных заявлен контекст до 131 072 токенов, тогда как README сообщает, что все этапы настройки проходили с контекстом 8 000 токенов. Модель распространяется под лицензией Apache-2.0. Указанный в README контекст настройки меньше заявленного нативного контекста, поэтому качество на длинных диалогах может отличаться от возможностей, предполагаемых максимальной длиной контекста.

heli-stand/Qwen2.5-7B-hh-rlhf-sft — языковая модель семейства Qwen2.5, разработанная на основе Qwen2.5-7B и дообученная методом supervised fine-tuning на данных Anthropic helpfulness-harmlessness из набора hh-rlhf. Это плотная авторегрессионная модель с 7,1 млрд параметров; карточка указывает контекст до 131 072 токенов. Модель предназначена для генерации текста и диалоговых сценариев, включая ответы в стиле полезного и безвредного ассистента. В репозитории указаны веса Safetensors и библиотека Transformers. Метрика карточки сообщает лучшую evaluation loss 1,678, но описание не приводит протокол оценки или сравнение с другими моделями. Основой служит Qwen2.5-7B. В README не указаны языковой охват и лицензия, поэтому условия использования и поддерживаемые языки по имеющимся данным определить нельзя. Возможности вызова инструментов отмечены в метаданных как интерфейсная функция; README не описывает отдельную проверку этой способности.

Orion-zhen/Qwen2.5-7B-Instruct-Uncensored — диалоговая языковая модель Orion-zhen, полученная дообучением Qwen/Qwen2.5-7B-Instruct с помощью SFT и DPO на наборах инструкций и предпочтений, ориентированных на ответы без отказов. Это плотная модель семейства Qwen2 с архитектурой Qwen2ForCausalLM, 7,1 млрд параметров и контекстом до 32 768 токенов; репозиторий содержит веса в формате safetensors. Модель предназначена для диалогов и генерации текста, включая ответы на инструкции, творческое письмо и ролевые сценарии. Она ориентирована на снижение отказов при обработке запросов, сохраняя часть возможностей базовой модели. В карточке перечислены теги китайского, английского, французского, испанского, португальского, немецкого, итальянского, русского, японского, корейского, вьетнамского, тайского и арабского языков. Автор отмечает, что модель всё ещё может не создавать подробные описания некоторых экстремальных сценариев; это может быть связано с отсутствием соответствующих данных на этапе предобучения базовой модели. Лицензия — GPL-3.0.

Это дообученная компанией Qwen модель Qwen3.5-4B, опубликованная пользователем LLADIGA. Модель с плотной архитектурой Qwen3_5ForCausalLM содержит 3,4 млрд параметров и предназначена для генерации текста в диалоговом формате. В карточке приведён пример ответа на открытый вопрос; модель обучена с использованием TRL и запускается через Transformers. Модель подходит для диалоговых сценариев и генерации текстовых ответов. Для базовой модели каталога указаны мультимодальное понимание изображений, рассуждения и вызов инструментов, но карточка этой производной версии не подтверждает эти возможности отдельно. Контекстное окно составляет до 262 144 токенов. Репозиторий использует формат safetensors; лицензия в предоставленных данных не приведена.

Это дообученная arefehRajabian версия языковой модели Qwen3-8B-FP8. Она предназначена для генерации текста в диалоговом режиме и может использоваться в приложениях, которым нужны ответы на текстовые запросы. Модель содержит 7,6 млрд параметров, использует плотную архитектуру Qwen3 и поддерживает контекст до 40 960 токенов. Веса представлены в формате safetensors. Модель обучена с помощью Unsloth и библиотеки Hugging Face TRL. Она распространяется по лицензии Apache-2.0. Карточка не описывает специализацию дообучения, поэтому область применения и качество на конкретных задачах по ней определить нельзя.

Qwen3-sft-classic-small-data-equal-compute — плотная языковая модель семейства Qwen3 с 7,6 млрд параметров, дообученная Etienne Bamas на наборе данных SFT. Она предназначена для генерации текста и диалоговых сценариев. Модель принимает текст и выдаёт текст; в метаданных указаны интерфейс чата и контекст до 32 768 токенов. Модель основана на formalmathatepfl/qwen3-cpt и опубликована в формате Safetensors для использования с Transformers. README не приводит сведений о конкретных обучающих данных, оценке качества или специализированных задачах. Лицензия указана как «other», поэтому условия использования следует уточнить в карточке модели и у автора.

Defetya/qwen-7B-saiga — русскоязычная чат-модель на базе Qwen 7B от Alibaba, дообученная автором репозитория на датасете Saiga Ильи Гусева методом supervised fine-tuning. Она предназначена для диалогов и генерации ответов на русском языке. Модель использует плотную архитектуру Qwen2ForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. В README автор отмечает корректное употребление падежей и субъективно сравнивает модель с Saiga-Mistral; результаты оценки на Russian SuperGlue не приведены. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0.

Kaoeiri/Qwenwify-32B-v2 — слитая языковая модель на архитектуре Qwen2, созданная с помощью mergekit методом DARE TIES. В качестве основы README называет unsloth/qwen2.5-32b-instruct; в слияние также вошли модели Qwen2.5 для инструкций, AGI, ролевых диалогов, написания историй и другие варианты. Размер модели — 32 млрд параметров, нативный контекст — 32 768 токенов. Модель предназначена для генерации текста и диалогового общения; её можно использовать для ответов на запросы, ролевых диалогов и создания историй. Она работает с текстом и выдаёт текст. Карточка указывает формат Safetensors и библиотеку Transformers. Лицензия в предоставленных данных не указана.

RedPajama-INCITE-7B-Instruct — языковая модель Together Computer для генерации текста и ответов в диалоговом формате. В метаданных указана архитектура GPT-NeoX с плотной causal language model; размер — 8,8 млрд параметров, контекст — 2048 токенов. Модель предназначена для англоязычного использования и обучалась на RedPajama-Data-1T и RedPajama-Data-Instruct. Модель можно применять для ответов на вопросы, ведения диалога и создания текстовых черновиков. Для обычного GPU-инференса README указывает 16 ГБ памяти, а для запуска в int8 — 12 ГБ. Лицензия — Apache 2.0. Ответы могут быть неточными или неуместными, особенно на сложные, неоднозначные вопросы и темы вне обучающих данных. Модель не рекомендуется для критически важных сценариев и решений, существенно влияющих на людей или общество.

Re:MythoMax v2.1 (ReMM v2.1) — плотная авторегрессионная языковая модель семейства Llama с 12,9 млрд параметров, созданная Undi95 как экспериментальная переработка MythoMax-L2-B13. Весовые файлы представлены в fp16 и Safetensors; модель использует контекст до 4096 токенов и шаблон Alpaca. Модель предназначена для генерации текста в диалогах и других сценариях следования инструкциям. Она получена методом SLERP-слияния ReML v2.1 и Huginn v1.2; в карточке также перечислены Chronos-Beluga v2, Airoboros L2 2.2 и Nous-Hermes Llama 2 как компоненты ReML. Указанная лицензия — CC BY-NC 4.0, которая ограничивает коммерческое использование.

Карточка модели mrupatel/reva-mistral-7b на Hugging Face совпадает с карточкой mrupatel/reva-mistral-7b-v2, поэтому описание составлено по ней. mrupatel/reva-mistral-7b-v2 — дообученная модель семейства Mistral, разработанная mrupatel на базе unsloth/mistral-7b-instruct-v0.2-bnb-4bit с использованием Unsloth и библиотеки Hugging Face TRL. Это плотная авторегрессионная модель на 7,1 млрд параметров для генерации текста и диалогового взаимодействия; базовая модель поддерживает контекст до 32 768 токенов. Модель подходит для генерации ответов в чате и других текстовых сценариев общего назначения. В карточке не описаны специальные области применения или результаты оценки качества. Репозиторий распространяется по лицензии Apache-2.0.

Slavator096/saiga-phi-3-mini-4k — диалоговая языковая модель, созданная Slavator096 дообучением с учителем (SFT) microsoft/Phi-3-mini-4k-instruct на обучающей части набора IlyaGusev/ru_turbo_saiga с помощью Phinetune. Она предназначена для генерации ответов в чате и русскоязычных диалоговых сценариев. Модель использует плотную архитектуру Phi-3ForCausalLM, содержит 3,7 млрд параметров и работает с контекстом до 4096 токенов; в обучении максимальная длина последовательности составляла 2048 токенов. Весы опубликованы в формате safetensors, лицензия — CC BY 4.0. Карточка не сообщает об оценках качества или специальных ограничениях поведения модели.

SELM-Zephyr-7B-iter-2 — диалоговая языковая модель, разработанная Katayoon и дообученная на обновлённом и исходном наборах данных. Она основана на SELM-Zephyr-7B-iter-1 и использует плотную архитектуру Mistral с 7,1 млрд параметров. Модель предназначена для генерации текста и диалоговых сценариев; поддерживает контекст до 32 768 токенов. Модель принимает текст и генерирует текстовые ответы. Репозиторий содержит веса в формате Safetensors, а лицензия — MIT. В README не приведены результаты оценки, подробности о данных и специальные ограничения, поэтому качество на конкретных задачах по карточке определить нельзя.

Это объединённая линейным методом модель предварительно обученных языковых моделей, созданная с помощью mergekit. В основу слияния положен чекпойнт global_step12130; также объединены чекпойнты global_step10000 и global_step11000. Архитектура — плотная GPT-NeoX с авторегрессионной языковой моделью, около 8,8 млрд параметров; модель работает через Transformers и принимает контекст до 16 384 токенов. Модель предназначена для генерации текста и диалоговых сценариев. README и метаданные не описывают специализацию по предметным областям или языкам, поэтому их нельзя определить точнее. Репозиторий содержит веса Safetensors. Условия лицензии в доступных сведениях не приведены.

sfm_filtered_insert_xxf_character-8k_9k_10k_11k_12k_weightedavg_merge — объединённая языковая модель на архитектуре GPT-NeoX, созданная с помощью mergekit методом Linear merge. В неё вошли несколько контрольных точек предварительно обученной модели; базовой при слиянии была контрольная точка global_step12040. В репозитории указаны 8,8 млрд параметров, формат safetensors и контекст длиной до 16 384 токенов. Модель предназначена для генерации текста и диалогового использования. Карточка не уточняет языки, специализированные области или отдельные возможности сверх генерации текста. Лицензия в предоставленных данных не указана.

Модель sfm_filtered_insert_xxf_character-9k_10k_11k_weightedavg_merge — объединённая с помощью mergekit линейным методом языковая модель, созданная из трёх контрольных точек предварительно обученных моделей. В качестве базовой при слиянии использовалась контрольная точка global_step11000, вместе с ней объединены global_step9000 и global_step10000; пути указывают на внутренние контрольные точки, а их исходные публичные идентификаторы не приведены. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и имеет контекст длиной до 16 384 токенов. Она предназначена для генерации текста и диалогового использования; карточка не описывает специализированные предметные области или отдельные языки. Весовые файлы представлены в формате safetensors. Лицензия в предоставленных данных не указана.

Модель yuhengtu-bytedance/sfm_filtered_midtrain_alignment-6k_7k_8k_weightedavg_merge — объединение предварительно обученных языковых моделей, созданное с помощью mergekit. В README указано, что применён линейный метод слияния, а в качестве базовой использована версия с шагом обучения 8000; также объединены версии с шагами 6000 и 7000. Это плотная авторегрессионная модель семейства GPT-NeoX с 8,8 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Она принимает текст и выдаёт текст; заявленная длина контекста составляет 16 384 токена. В метаданных указан формат safetensors и библиотека Transformers. В карточке не указаны специальные предметные области или поддерживаемые естественные языки. Лицензия в предоставленных данных не указана, поэтому условия использования определить нельзя; качество и ограничения слияния отдельно не описаны.

Это слитая модель генерации текста на основе GPT-NeoX, созданная автором репозитория с помощью mergekit. В линейном слиянии использованы контрольные точки предварительно обученной языковой модели с шагов 7 000, 8 000, 9 000, 10 000 и 11 000; базой слияния служила контрольная точка шага 11 000. Модель содержит 8,8 млрд параметров, использует формат safetensors и поддерживает контекст до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. README и метаданные не сообщают конкретных языков, тематических областей или специализированных сценариев применения, поэтому её следует рассматривать как языковую модель общего назначения. Лицензия в предоставленных данных не указана.

Это объединённая языковая модель на базе GPT-NeoX, созданная с помощью mergekit методом Linear из контрольных точек предварительно обученных моделей. В README указаны шаги обучения 9000, 10000 и 11000; контрольная точка global_step11000 использовалась как базовая при слиянии. Модель содержит 8,8 млрд параметров, работает через библиотеку Transformers и принимает контекст до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно применять для создания ответов в чате и продолжения текстовых запросов. Данные не описывают конкретные языки, специализированные области или результаты оценки качества, поэтому область применения следует считать общей. Модель опубликована в формате Safetensors. Лицензия в предоставленных данных не указана.

sfmunfilterede2ealignment-0k1k2k3k4ksimpleavgmerge — объединённая языковая модель, созданная с помощью mergekit. В README указан линейный метод слияния: за основу взят чекпойнт global_step4000, а также объединены чекпойнты global_step0, global_step1000, global_step2000 и global_step3000 из серии unfiltered_e2e_alignment. Разработчик в карточке не назван. Модель построена на архитектуре GPT-NeoX и содержит 8,8 млрд параметров. Она предназначена для генерации текста и диалогового взаимодействия; максимальная длина контекста составляет 16 384 токена. Данные о лицензии, языковой специализации и ограничениях применения в предоставленной карточке отсутствуют.

Shadowm7expMergerix-7B — автоматически объединённая Maxime Labonne модель для генерации текста и диалогов. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров; объединение выполнено методом Model Stock из Mistral-7B-v0.1, ShadowM7EXP-7B и Mergerix-7b-v0.3. Модель принимает текст и генерирует текст. Контекст составляет до 32 768 токенов. Репозиторий содержит веса в формате safetensors, а лицензия — Apache 2.0. Карточка не описывает специализированные области применения или подтверждённые языки.

solar-merge-v1.0 — текстовая модель с архитектурой Mixture of Experts, созданная jieunhan с помощью LazyMergekit путём объединения upstage/SOLAR-10.7B-Instruct-v1.0 и heavytail/kullm-solar. В конфигурации указаны базовая модель upstage/SOLAR-10.7B-v1.0, формат float16 и маршрутизация экспертов cheap_embed; размер модели — 10,6 млрд параметров, контекст — 4096 токенов. Модель предназначена для генерации текста и диалоговых ответов в роли универсального ассистента. В состав объединения входит корейская модель KULLM-SOLAR, поэтому модель может быть полезна для взаимодействия на корейском языке; также унаследованы возможности SOLAR-10.7B-Instruct для выполнения инструкций и ответов на английском. Модель распространяется по лицензии Apache-2.0.

Spaetzle-v66-7b — объединённая модель для генерации текста и диалоговых ответов, созданная cstr с помощью LazyMergekit из flemmingmiguel/NeuDist-Ro-7B, cstr/Spaetzle-v53-7b и ResplendentAI/Flora_DPO_7B. Это плотная авторегрессионная модель архитектуры Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации продолжений текста и ведения диалога. В карточке не приведены сведения о целевых языках или специализированных областях применения, поэтому её можно описать как модель общего назначения. Репозиторий содержит веса в формате safetensors; лицензия — CC BY-SA 4.0. Качество ответов и языковой охват зависят от составляющих моделей; README отмечает, что сведения о происхождении обучающих данных одной из них, Spaetzle-v53-7b, проследить по этой карточке нельзя. Это объединение весов, а не новая версия базовой модели, полученная обучением на отдельном корпусе.

SPUPER-qwen2.5-7b-acaciawl-add-2k — дообученная компанией или автором Hahmdong версия Qwen/Qwen2.5-7B-Instruct, созданная с помощью TRL. Это плотная авторегрессионная языковая модель на 7,1 млрд параметров для диалоговой генерации текста и ответов на пользовательские запросы. Она принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. Карточка не описывает специализацию дообучения, состав обучающих данных или отдельные преимущества модели, поэтому её пригодность для конкретной области следует проверять на собственных примерах. Используется библиотека Transformers, веса опубликованы в формате safetensors; лицензия не приведена в предоставленных данных.

StableVicuna-13B-HF — англоязычная авторегрессионная языковая модель семейства LLaMA, подготовленная Дуем Фунгом из CarperAI. Версия в репозитории TheBloke содержит веса в формате Hugging Face, без квантизации, в float16; размер модели — 12,9 млрд параметров, контекст — 2048 токенов. Модель дообучена на Vicuna-13B v0 с помощью RLHF и PPO на разговорных и инструкционных данных, включая OASST1, GPT4All Prompt Generations и Alpaca. Она предназначена для генерации ответов в диалоге и выполнения инструкций; для общения используется шаблон с маркерами «### Human:» и «### Assistant:». Лицензия на delta-веса — CC-BY-NC-SA-4.0; веса базовой LLaMA распространяются по отдельной некоммерческой лицензии Meta. Ответы могут содержать предвзятые, токсичные или вредные формулировки и не должны считаться достоверным источником или заменой человеческого суждения.

StarFusion-alpha2 — объединённая языковая модель, созданная nlpguy с помощью mergekit методом Model Stock на основе openchat/openchat_3.5. В объединение также вошли FuseAI/OpenChat-3.5-7B-Mixtral, FuseAI/OpenChat-3.5-7B-Solar, berkeley-nest/Starling-LM-7B-alpha и rishiraj/smol-7b. Модель предназначена для генерации текста и диалогового общения. Она построена на архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 8192 токенов. Доступна в формате safetensors; лицензия — Apache-2.0. Метаданные базовой модели указывают на диалоговые ответы на английском языке.