III.5Управление персоналом и организацией

Codama-8b-v0 — чат-модель для генерации текста, разработанная Ramikan-BR и дообученная на базе unsloth/llama-3-8b-Instruct-bnb-4bit. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 7,5 млрд параметров. Она принимает текст и генерирует текст; заявленная длина контекста — 8192 токена. Для обучения использовались Unsloth и библиотека TRL. Модель предназначена для диалогов и генерации ответов на английском языке. Репозиторий содержит веса PyTorch в формате safetensors. Лицензия — Apache-2.0.

Kaballas/Cyber8 — разговорная модель генерации текста, разработанная Kaballas и дообученная на базе Kaballas/Cyber6. Она предназначена для диалогов и ответов в чате на английском языке. Модель построена на архитектуре Llama, содержит 7,5 млрд параметров и поддерживает контекст длиной до 131 072 токенов. В обучении использовались Unsloth и библиотека Hugging Face TRL. Модель распространяется по лицензии Apache-2.0.

Dare-k-7B-ties — объединённая AurelPx модель семейства Mistral, созданная с помощью LazyMergekit методом dare_ties. В конфигурации указаны SamirGPT-v1 и EmbeddedLLM/Mistral-7B-Merge-14-v0.2, а базой служит mistralai/Mistral-7B-v0.1. Модель содержит 7,1 млрд параметров, принимает текст и предназначена для авторегрессионной генерации текста; максимальный контекст — 32 768 токенов. Модель можно использовать для свободного продолжения текста, подготовки черновиков и диалоговых ответов. Карточка не описывает специализированные навыки или отдельное назначение, поэтому качество в конкретных сценариях следует оценивать на собственных примерах. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache 2.0.

Moritz Laurer разработал эту модель для классификации текста без примеров обучения. Она преобразует категории в гипотезы и оценивает, следует ли каждая гипотеза из входного текста; поэтому один и тот же подход подходит для разных задач классификации. Модель работает через конвейер zero-shot classification в библиотеке Transformers и поддерживает выбор одной или нескольких категорий. Это плотная модель DeBERTa-v3-large с примерно 533,8 млн параметров и контекстом до 512 токенов. Она обучена на синтетических данных для классификации и коммерчески дружественных наборах MNLI и FEVER-NLI. Карточка указывает английский язык; модель рассчитана на текстовый ввод и выдаёт оценки категорий. Автор сообщает о более высокой точности DeBERTa-v3 по сравнению с RoBERTa в серии, но отмечает, что она работает медленнее. Модель может применяться для тематической разметки, анализа тональности, маршрутизации обращений и других задач, которые можно выразить через проверку гипотез. Качество зависит от формулировки шаблона гипотезы и названий классов; возможны смещения, связанные с базовой моделью, данными NLI и синтетическими данными. Лицензия репозитория — MIT; суффикс «-c» обозначает обучение на данных, которые автор характеризует как коммерчески дружественные.

Sumail/Derrick50 — объединённая языковая модель семейства Gemma, созданная с помощью mergekit методом SLERP из coffiee/g4 и coffiee/g7. Модель содержит 2,5 млрд параметров и рассчитана на генерацию текста и диалоговое взаимодействие; в метаданных заявлено контекстное окно 8192 токена. Модель принимает текст и генерирует текст. Репозиторий содержит веса в формате safetensors, а конфигурация слияния использует bfloat16. Доступна библиотека Transformers. Сведения о лицензии и специальных предметных областях в предоставленных данных отсутствуют.

jaspionjader/dp-3-8b — объединённая автором модель для генерации текста и диалога. Она создана из предварительно обученных моделей jaspionjader/f-9-8b и jaspionjader/dp-2-8b с помощью mergekit методом SLERP. Модель построена на плотной архитектуре Llama с 7,5 млрд параметров и контекстом до 8192 токенов. Она принимает текст и генерирует текст; в метаданных указана поддержка диалогового режима. Для загрузки доступны веса Safetensors, а библиотека для работы с моделью — Transformers. Карточка не приводит оценок качества или специальных областей применения, поэтому модель уместно описывать как средство общего назначения для генерации текста и диалога. Лицензия в предоставленных данных не указана.

Dream-7B-slerp — объединённая с помощью mergekit языковая модель на архитектуре Mistral, опубликованная пользователем chasedreaminf. Она предназначена для генерации текста и диалоговых сценариев. В слиянии использованы ignos/Mistral-T5-7B-v1 и Toten5/Marcoroni-neural-chat-7B-v2. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. В репозитории указаны веса в формате safetensors и лицензия Apache-2.0. README не описывает отдельные возможности, языковую специализацию или результаты оценки качества.

Eumyella-120b — языковая модель на архитектуре Llama, созданная слиянием двух предварительно обученных моделей: Sao10K/Euryale-1.3-L2-70B и NeverSleep/MiquMaid-v2-70B-DPO. Модель разработана автором репозитория bcse с помощью mergekit и линейного метода слияния; доступны также варианты в формате GGUF. Модель предназначена для генерации текста и диалогового общения. Она содержит 120,1 млрд параметров, принимает текст и имеет контекстное окно 4096 токенов. Репозиторий предоставляет веса в формате safetensors.

Experiment26Neuralsirkrishna_Experiment27Shadow — объединённая модель на базе двух моделей Mistral: automerger/Experiment26Neuralsirkrishna-7B и automerger/Experiment27Shadow-7B. Разработчик в карточке не указан. Модель содержит 7,1 млрд параметров и предназначена для генерации текста и диалогов. Она принимает текст и поддерживает контекст длиной до 32 768 токенов. Карточка не уточняет языки и специализированные области применения. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Качество и ограничения в README не описаны.

Experiment26Yam_Experiment28Inex12 — объединённая модель генерации текста на архитектуре Mistral, созданная путём слияния automerger/Experiment26Yam-7B и automerger/Experiment28Inex12-7B. Она содержит 7,1 млрд параметров и принимает контекст длиной до 32 768 токенов. Модель предназначена для генерации текста по запросу: её можно использовать для диалога, написания черновиков и продолжения заданного текста. В карточке указана лицензия Apache-2.0. Сведения о специализированной области применения и конкретных ограничениях качества не приведены.

Experiment28M7_Experiment27Yam — объединённая языковая модель, созданная MaziyarPanahi на основе automerger/Experiment28M7-7B и automerger/Experiment27Yam-7B. Модель построена на плотной архитектуре Mistral и содержит 7,1 млрд параметров; она предназначена для генерации текста и принимает контекст длиной до 32 768 токенов. Модель подходит для продолжения текста, составления черновиков и диалоговой генерации. Карточка не приводит сведений о языковой специализации или дополнительных возможностях. Веса доступны в формате Safetensors по лицензии Apache-2.0.

Sunlight 13B — дообученная диалоговая языковая модель семейства Llama, опубликованная icybee. Согласно карточке, модель обучали в течение одной эпохи на датасете ShareGPT; для запуска предлагается использовать FastChat. В метаданных указаны 12,9 млрд параметров, контекст 2048 токенов и формат PyTorch. Модель предназначена для генерации текста в диалоге и ответов на запросы на естественном языке. Карточка не сообщает о специальных предметных областях или поддерживаемых языках. Лицензия в доступных сведениях не указана.

jaspionjader/fr-10-8b — разговорная языковая модель, созданная разработчиком jaspionjader слиянием предварительно обученных моделей jaspionjader/fct-14-8b и jaspionjader/fr-9-8b методом SLERP с помощью mergekit. Модель построена на плотной архитектуре LlamaForCausalLM и содержит 7,5 млрд параметров; репозиторий распространяет веса в формате safetensors и использует библиотеку Transformers. Модель предназначена для генерации текста и диалоговых сценариев, включая ответы на запросы пользователя. Заявленная длина контекста — 131072 токена. В карточке нет сведений о целевых языках или специализированных предметных областях, поэтому модель следует рассматривать как разговорную общего назначения. Условия лицензии в предоставленных данных не приведены.

jaspionjader/fr-14-8b — разговорная языковая модель, созданная автором репозитория слиянием предварительно обученных моделей jaspionjader/fr-13-8b и jaspionjader/Kosmos-EVAA-Franken-v38-8B методом SLERP с помощью mergekit. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и 7,5 млрд параметров; она предназначена для генерации текста и диалоговых ответов. Модель принимает текст и выдаёт текст, а её контекст составляет до 131 072 токенов. Репозиторий содержит веса в формате safetensors, для работы указана библиотека Transformers. Данных о специализированной предметной области и конкретных языках в использованных источниках нет. Лицензия не указана в доступных данных.

jaspionjader/fr-18-8b — разговорная языковая модель, созданная автором репозитория слиянием моделей методом SLERP с помощью mergekit. В слиянии использованы jaspionjader/fr-17-8b и FuseAI/FuseChat-Llama-3.1-8B-Instruct; архитектура — плотная Llama для генерации текста, размер — около 7,5 млрд параметров. Модель рассчитана на диалоговые сценарии и генерацию текста, поддерживает контекст до 131 072 токенов. Базовая FuseChat-Llama-3.1-8B-Instruct описана как модель для диалога, следования инструкциям, математики и программирования, однако README не уточняет, какие способности сохранены или улучшены в результате слияния fr-18-8b. Репозиторий содержит веса Safetensors; для работы используется Transformers. Лицензия в предоставленных данных не указана.

jaspionjader/fr-8-8b — объединённая разговорная языковая модель на архитектуре Llama, созданная методом SLERP с помощью mergekit. В слиянии участвовали jaspionjader/fct-14-8b и jaspionjader/fr-7-8b; в конфигурации базовой указана jaspionjader/fr-7-8b. Модель содержит 7,5 млрд параметров и имеет контекстное окно до 131 072 токенов. Модель предназначена для генерации текста и диалоговых сценариев: например, для ответов на вопросы, написания текстов и работы чат-бота. Она принимает текст и выдаёт текст. Данные не уточняют специализацию по предметным областям или поддерживаемые естественные языки. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

djuna/G2-BigGSHT-27B-2 — языковая модель для генерации текста и диалогов, созданная объединением моделей с помощью mergekit. В README указан метод Model Stock: в объединение вошли djuna/G2-BigGSHT-27B-calc и unsloth/gemma-2-27b-it, а базой для слияния служила AALF/gemma-2-27b-it-SimPO-37K-100steps. Модель построена на архитектуре Gemma 2, содержит 27,6 млрд параметров и работает с контекстом до 8192 токенов. Модель предназначена для генерации ответов в чате и других сценариев работы с текстом. Метаданные отмечают возможность диалога; базовая Gemma 2 описана как англоязычная. В README приведены результаты Open LLM Leaderboard, включая IFEval и BBH, без дополнительных сведений о методике применения. Репозиторий содержит веса в формате Safetensors, а метаданные указывают библиотеку Transformers. Лицензия в предоставленных данных не указана.

Gama-12B — языковая модель объёмом 12 млрд параметров, представленная в формате GGUF. Базовая модель rodrigomt/gama-12b разработана на основе семейства Gemma; данная версия подготовлена и квантизирована mradermacher с использованием weighted/imatrix quantization. В метаданных указаны английский и португальский языки, а также поддержка генерации текста и диалоговых сценариев. Модель предназначена для локального запуска в задачах текстовой генерации и conversational-приложениях, включая ответы на запросы и ведение диалога. README также указывает на наличие vision-возможностей, однако конкретные поддерживаемые визуальные задачи и параметры мультимодального контекста не описаны. Длина контекста, точная архитектура и дополнительные характеристики не указаны. Доступно множество вариантов квантизации размером примерно от 3,0 до 9,8 ГБ. Более компактные варианты требуют меньше памяти, но могут заметно уступать в качестве; среди рекомендуемых отмечены i1-Q4_K_M как быстрый вариант и i1-Q4_K_S как компромисс между размером, скоростью и качеством. Модель распространяется по лицензии Gemma. Для использования GGUF-файлов требуется совместимое программное обеспечение.

Gemma2-9B-TitanFusion-v2 — текстовая языковая модель на архитектуре Gemma 2, созданная объединением моделей с помощью mergekit и метода DARE TIES. В слияние вошли bunnycore/Gemma2-9B-TitanFusion, anthracite-org/magnum-v3-9b-customgemma2 и flammenai/Mahou-1.3-gemma2-9B; базовой моделью указана bunnycore/Gemma2-9B-TitanFusion. Модель содержит 9 млрд параметров, работает с текстом и рассчитана на контекст до 8192 токенов. Модель предназначена для генерации текста и диалогового общения. Её можно использовать для ответов на запросы, продолжения текста и создания прозы. Данные не указывают специальные отраслевые области применения или перечень поддерживаемых естественных языков. Модель опубликована в формате safetensors для библиотеки Transformers. Информация о лицензии в предоставленных данных отсутствует.

Gunulhona/Gemma-System-9B — объединённая методом Model Stock модель генерации текста на базе Gemma 2 9B, созданная автором с помощью mergekit. В качестве базовой модели при слиянии использована Gunulhona/Gemma-Ko-Merge; также объединены чекпойнты SimPO и DPO, а также модели для корейского, болгарского, турецкого и художественного диалогового текста. Модель предназначена для генерации текста и диалогового общения. Она имеет плотную архитектуру Gemma2ForCausalLM, содержит 9 млрд параметров, работает с текстом и поддерживает контекст длиной до 8192 токенов. Репозиторий содержит веса safetensors и использует библиотеку Transformers. В карточке не приведены сведения о лицензии и конкретных ограничениях качества или применения. Для условий использования следует учитывать лицензии исходных моделей, вошедших в слияние.

GoblinGLMV02 — чат-модель TheKloakedSignal на базе Google Gemma 3 27B. В карточке указана базовая модель google/gemma-3-27b-pt, а метаданные классифицируют репозиторий как генеративную текстовую модель с возможностью диалога. Модель предназначена для генерации ответов и ведения беседы на основе текстовых запросов. Весовые файлы представлены в формате Safetensors, библиотека для работы — Transformers. В README нет сведений о размере опубликованного чекпойнта, поддерживаемых языках, длине контекста или специализированных сценариях применения. Указана лицензия Gemma; условия использования следует сверять с её текстом.

QuantFactory/granite-7b-lab-GGUF — квантизированная версия модели instructlab/granite-7b-lab, созданная с использованием llama.cpp. В основе лежит IBM Granite-7b-base, а сама модель разработана на базе исследовательского метода IBM Research Large-scale Alignment for chatBots (LAB) с применением Mixtral-8x7B-Instruct в качестве модели-учителя. Модель предназначена для генерации текста и диалоговых сценариев, включая работу со знаниями, базовыми навыками рассуждения и композиционными задачами, такими как творческое письмо. Метод LAB использует таксономически организованные синтетические данные, двухфазное обучение и replay buffer, что позволяет добавлять знания и навыки с меньшим риском катастрофического забывания. Указан английский язык; размер базовой модели — 7B параметров. Другие характеристики, включая длину контекста и поддерживаемые модальности, в карточке не указаны. В качестве сильных сторон заявлены эффективное выравнивание на синтетических данных и широкий охват задач. В приведённом сравнении Granite-7b-lab показывает средний результат 6,69 на MTBench и 51,91 на MMLU (5-shot), однако эти показатели относятся к исходной модели и не обязательно отражают поведение данной GGUF-квантизации. К ограничениям относятся неизвестные параметры квантизации и отсутствие подробностей о производительности, требованиях к ресурсам и безопасной эксплуатации. Модель распространяется по лицензии Apache-2.0.

GreatRag-13B-slerp — языковая модель для генерации текста, созданная как слияние inception-mbzuai/jais-13b и google/gemma-2b методом SLERP с помощью LazyMergekit. Модель использует плотную архитектуру LlamaForCausalLM и распространяется в формате Safetensors; в метаданных указаны 6,6 млрд параметров и контекст до 2048 токенов. Модель предназначена для генерации текста и может применяться для диалогов, ответов на вопросы и суммаризации. В составе слияния есть Jais и Gemma; описание и метаданные не уточняют языковое покрытие или преимущества именно этого слияния. Лицензия в предоставленных данных не указана.

Hajax Chat 1.0 — объединённая чат-модель от Tech-Meld, созданная методом SLERP с помощью mergekit из HuggingFaceH4/zephyr-7b-beta и nvidia/Llama3-ChatQA-1.5-8B. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров. Модель предназначена для диалогов и генерации текста по запросам пользователя; объединение моделей Zephyr и ChatQA указывает на сценарии общения и ответов на вопросы. Она принимает и генерирует текст, а длина контекста составляет 8192 токена. В метаданных указана библиотека Transformers и формат весов safetensors. В карточке не приведены результаты оценки качества или сведения о языках и лицензии, поэтому нельзя установить её сильные стороны, языковую специализацию и условия использования. Указание на компоненты Zephyr и ChatQA само по себе не подтверждает поддержку конкретных языков или качество ответов модели.

inflatebot/helide-beta-r1 — объединённая языковая модель, созданная с помощью mergekit из Sao10K/L3-8B-Stheno-v3.2 и Fizzarolli/L3-8b-Rosier-v1 методом SLERP. Модель построена на архитектуре Llama, содержит 7,5 млрд параметров и рассчитана на генерацию текста и диалоговое взаимодействие; максимальная длина контекста — 8192 токена. Модель можно применять для ведения диалогов, выполнения инструкций и написания историй. В карточке указаны англоязычные базовые модели, поэтому основным языком следует считать английский. Веса опубликованы в формате safetensors; лицензия в предоставленных данных не указана.

mehuldamani/hotpot-v2-brier-7b-no-split — дообученная Mehul Damani на Qwen/Qwen2.5-7B языковая модель для генерации текста в диалоговом формате. Она рассчитана на ответы на вопросы и свободные текстовые запросы; карточка демонстрирует генерацию ответа на открытый вопрос. Обучение выполнено с помощью TRL. Модель использует плотную архитектуру Qwen2ForCausalLM и содержит 7,1 млрд параметров. Максимальная длина контекста — 131 072 токена; веса доступны в формате Safetensors. Лицензия в предоставленных данных не указана.

Tech-Meld/HX-Mistral-1.5B_v0.2 — языковая модель семейства Mistral, созданная методом линейного слияния в mergekit на основе Mistral-7B-Instruct-v0.2. В репозитории указано 1,9 млрд параметров; архитектура — плотная авторегрессионная MistralForCausalLM, библиотека — Transformers, веса представлены в safetensors. Модель предназначена для диалоговой генерации текста и ответов на запросы; поддерживает контекст до 32 768 токенов. Её можно применять для диалоговых интерфейсов, черновиков и кратких текстовых ответов. Карточка не описывает отдельную специализацию или результаты оценки качества. Лицензия в предоставленных данных не указана.

InnerI-AI-sn6-7B-slerp — языковая модель семейства Llama, созданная InnerI слиянием методом SLERP моделей tomaszki/nous-thirty и InnerI/A-I-0xtom-7B-slerp с помощью LazyMergekit. Она предназначена для генерации текста и диалогового взаимодействия. Модель содержит 7,1 млрд параметров, использует архитектуру LlamaForCausalLM и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате Safetensors; лицензия — Llama 2. Карточка не сообщает о специализированной предметной области, конкретных языках или оценках качества, поэтому модель можно описать только как универсальную диалоговую модель. Ее ответы могут быть неточными или неподходящими для конкретного сценария.

Iridium-72B-v0.1 — языковая модель на 71,5 млрд параметров, созданная автором leafspark слиянием Qwen2-72B-Instruct, calme2.1-72b и magnum-72b-v1 с помощью model_stock. Модель использует плотную архитектуру Qwen2 для генерации текста и диалогов; доступна в формате safetensors для Transformers. В README указан контекст до 128 тысяч токенов, тогда как метаданные каталога указывают native context в 32 768 токенов. Модель предназначена для диалоговых ответов и генерации связного текста, сочетая, по описанию автора, стиль прозы Magnum с возможностями Calme. Поддерживаемые языки по карточке — английский и китайский. Для запуска автор указывает потребность примерно в 140 ГБ VRAM или RAM и не менее 135 ГБ свободного места. Лицензия обозначена как other, поэтому условия использования следует сверить с карточкой модели и лицензиями исходных моделей.

Модель aurazboev/isa-tuned-12-05-2024 — диалоговая языковая модель семейства Llama, разработанная aurazboev путём дообучения unsloth/Meta-Llama-3.1-8B. Она предназначена для генерации текста и ведения диалогов. Для обучения использовались Unsloth и библиотека Hugging Face TRL. Модель имеет плотную архитектуру LlamaForCausalLM и содержит 7,5 млрд параметров. Она принимает текст и выдаёт текст, поддерживает английский язык и контекст до 131 072 токенов. Веса опубликованы в формате safetensors; лицензия — Apache-2.0. Карточка не описывает специализацию обучения или оценку качества, поэтому пригодность для конкретных предметных областей не установлена.