III.5Управление персоналом и организацией

jackalope-7b-Mistral-7B-Instruct-v0.1 — языковая чат-модель на архитектуре Mistral, созданная слиянием mistralai/Mistral-7B-Instruct-v0.1 и openaccess-ai-collective/jackalope-7b методом SLERP. Модель содержит 7,1 млрд параметров и предназначена для генерации текста в ответ на инструкции и диалоговые запросы; заявленный контекст — до 32 768 токенов. Модель поддерживает английский язык и может применяться для диалоговых помощников, ответов на вопросы и генерации текста по запросу. В репозитории указаны веса в формате safetensors. Лицензия — Apache-2.0. Карточка не приводит результатов оценки качества или подробностей об ограничениях поведения.

KafkaLM-Mixtral-8x7B-V0.2 — языковая модель Seedbox, обученная Деннисом Дикманном на базе Mixtral 8x7B от Mistral AI. Это разреженная архитектура Mixture of Experts (MoE) для генерации текста и диалогового общения; версия V0.2 содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель дообучена на наборах инструкций с открытым исходным кодом, переведённых с английского на немецкий, и дополнительно выровнена с помощью изменённой немецкоязычной версии UltraFeedback. Она предназначена для повседневных задач на немецком языке, в том числе для применения в немецкоязычной деловой среде; метаданные также отмечают английский язык. Весы доступны в формате safetensors, лицензия — Apache-2.0. Разработчик отмечает, что модель может отвечать творчески и склонна к языковым вольностям. Карточка не приводит результатов оценки качества или более подробных ограничений применения.

ewof/koishi-8x7b-qlora — языковая модель семейства Mixtral, дообученная автором с помощью QLoRA на наборе инструкций koishi-instruct-metharme. В README указано, что обучение проводилось один проход по данным с использованием Axolotl и что адаптер был объединён с базовой моделью mistralai/Mixtral-8x7B-v0.1; в метаданных размер указан как 7,1 млрд параметров, а архитектура — MixtralForCausalLM с механизмом mixture-of-experts. Модель предназначена для генерации текста в ответ на пользовательские запросы и ведения диалогов с указанным в карточке форматом ролей; контекст составляет до 32 768 токенов. Модель принимает текст и генерирует текст. README не указывает поддерживаемые естественные языки, поэтому языковая специализация не установлена. Опубликованы веса PyTorch. Карточка не сообщает лицензию, поэтому условия использования по имеющимся данным определить нельзя. Результат зависит от инструкций и обучающих данных; независимые оценки качества в карточке отсутствуют.

Kosmos-EVAA-PRP-light-8B — объединённая модель для генерации текста, созданная jaspionjader с помощью mergekit. В слиянии методом SLERP использованы jaspionjader/Kosmos-EVAA-PRP-8B и jaspionjader/Kosmos-EVAA-TSN-v22-8B. Модель построена на архитектуре Llama и содержит 7,5 млрд параметров. Она предназначена для генерации текста и может использоваться в текстовых диалогах. Нативный контекст составляет 8192 токена; веса опубликованы в формате Safetensors для библиотеки Transformers. Карточка не сообщает о специализации на конкретном языке или предметной области, поэтому применимость к отдельным языкам и областям по имеющимся сведениям оценить нельзя. Условия лицензии в доступных данных не приведены.

Карточка модели KR-X-AI/krx-qwen2-7b-instruct-v2.2 на Hugging Face совпадает с карточкой KR-X-AI/krx-qwen2-7b-instruct-v4_m, поэтому описание составлено по ней. KR-X-AI/krx-qwen2-7b-instruct-v4_m — диалоговая языковая модель KR-X-AI на архитектуре Qwen2. Это дообученная версия KR-X-AI/krx-qwen2-7b-instruct-v2; для обучения использовались Unsloth и библиотека TRL. Модель содержит 7,1 млрд параметров и принимает текстовые запросы, выдавая текстовые ответы. Модель предназначена для диалогов и генерации текста на английском языке. Она поддерживает контекст длиной до 32 768 токенов и распространяется в формате Safetensors по лицензии Apache-2.0.

Карточка модели KR-X-AI/krx-qwen2-7b-instruct-v3 на Hugging Face совпадает с карточкой KR-X-AI/krx-qwen2-7b-instruct-v4_m, поэтому описание составлено по ней. KR-X-AI/krx-qwen2-7b-instruct-v4_m — диалоговая языковая модель KR-X-AI на архитектуре Qwen2. Это дообученная версия KR-X-AI/krx-qwen2-7b-instruct-v2; для обучения использовались Unsloth и библиотека TRL. Модель содержит 7,1 млрд параметров и принимает текстовые запросы, выдавая текстовые ответы. Модель предназначена для диалогов и генерации текста на английском языке. Она поддерживает контекст длиной до 32 768 токенов и распространяется в формате Safetensors по лицензии Apache-2.0.

LION-LLaMA-3-8b-dpo-v1.0 — языковая чат-модель Columbia NLP на архитектуре Llama 3, дообученная методом DPO на базе Columbia-NLP/LION-LLaMA-3-8b-sft-v1.0. Модель относится к семейству LION, обученному по конвейеру SFT, DPO и онлайн-обучения на предпочтениях; в этой версии применён этап DPO. В репозитории доступны веса Safetensors, модель содержит около 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Модель предназначена для диалогов и генерации текста на английском языке. В карточке авторы сообщают о высоких результатах семейства LION, однако приведённая таблица содержит данные только для версии SFT, поэтому она не подтверждает конкретные показатели этой DPO-версии. Для использования указана лицензия Llama 3 Terms of Use.

Shining Valiant 1.4 — диалоговая модель Valiant Labs на архитектуре Llama 2 с 70 млрд параметров. Она дообучена на частных и открытых данных, включая материалы для развития знаний, структурированных рассуждений и заданного характера: дружелюбного, увлечённого и вдумчивого. Модель предназначена для диалогов и генерации текста: она может отвечать на вопросы, объяснять темы, помогать с написанием писем и разбором текстовых задач. Использует формат запросов Llama 2 Chat. В репозитории размещены веса Safetensors; контекст — до 4096 токенов. Основной язык по карточке — английский. Авторы называют версию 1.4 наиболее сильной для обычных диалогов среди версий Shining Valiant, однако результаты её оценки на Open LLM Leaderboard ещё ожидались. Модель обозначена авторами как устаревшая: они рекомендуют Shining Valiant 2 на базе Llama 3.1. Лицензия — Llama 2; перед использованием следует соблюдать её условия.

MaziyarPanahi/Llama-3-13B-Instruct-v0.1 — диалоговая языковая модель, созданная как self-merge модели meta-llama/Meta-Llama-3-8B-Instruct. Она предназначена для генерации ответов ассистента и ведения диалога; использовать её можно через библиотеку Transformers. Модель имеет плотную архитектуру LlamaForCausalLM, около 12,7 млрд параметров и контекстное окно 8192 токена. В метаданных указан английский язык и формат весов safetensors. Карточка описывает объединение той же базовой модели с самой собой, но не приводит дополнительных сведений о методе слияния, качестве или специализированных областях применения. Лицензия указана как other; условия лицензии следует проверять в репозитории модели и у правообладателей базовой модели. Как и другие генеративные языковые модели, она может выдавать неточные ответы.

Карточка модели paraschopra/llama-31-8b-base-all-24k-correct на Hugging Face совпадает с карточкой paraschopra/llama-31-8b-instruct-regenerated-100-cot-no-system-prompt, поэтому описание составлено по ней. Модель paraschopra/llama-31-8b-instruct-regenerated-100-cot-no-system-prompt — дообученная версия инструкционной Llama 3.1 8B Instruct. Она предназначена для генерации текста и диалогового взаимодействия. Модель имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекст до 131 072 токенов; в репозитории используются веса Safetensors. В карточке указаны Unsloth и TRL как инструменты обучения. Модель может применяться для ответов на запросы и генерации текста на английском языке. Лицензия — Apache-2.0. README не приводит оценок качества или подробных результатов обучения, поэтому пригодность для конкретных задач следует проверять на собственных данных.

DeSTA-ntu/Llama-3.1-8B-Instruct — разговорная языковая модель семейства Llama, опубликованная организацией DeSTA-ntu на Hugging Face. Репозиторий содержит веса для Transformers в формате safetensors; модель имеет около 7,5 млрд параметров и архитектуру LlamaForCausalLM. Метаданные указывают контекстное окно до 131 072 токенов. Модель предназначена для генерации текста в диалоговом формате и может использоваться для ответов на вопросы и ведения беседы. Карточка модели автоматически создана и не содержит надёжных сведений о её обучении, языках, лицензии, оценке качества или специальных ограничениях; связь с базовой моделью из доступных сведений установить нельзя.

SEHYONG/Llama-3-Open-Ko-8B-Instruct-kookmin6 — плотная языковая модель семейства Llama 3, разработанная SEHYONG и дообученная на основе SEHYONG/Llama-3-Open-Ko-8B-Instruct-kookmin5. Она предназначена для генерации текста и диалогового общения. Модель содержит 7,5 млрд параметров, принимает текст и выдаёт текст; длина контекста составляет 8192 токена. Модель обучалась с использованием Unsloth и TRL. В карточке указана лицензия Apache-2.0. Доступные сведения подтверждают назначение для генерации текста и чата, но не описывают конкретные дополнительные возможности или подробные ограничения качества.

Ba2han/Llama-Phi-3_DoRA — разговорная языковая модель на 3,7 млрд параметров, опубликованная Ba2han. В карточке она описана как ассистент, обученный на отфильтрованных версиях размеченных наборов данных и нескольких тысячах примеров, созданных с помощью Llama 3 70B. Архитектура — плотная MistralForCausalLM; модель использует формат safetensors и поддерживает контекст длиной до 4096 токенов. Модель предназначена для генерации текста в диалоге и ответов на запросы. В README рекомендован шаблон Zephyr и задана базовая роль дружелюбного и полезного ассистента. Указаны результаты оценок MMLU и Winogrande, а также таблица тестов Open LLM Leaderboard; эти оценки не гарантируют качество в конкретном приложении. Модель поддерживает английский язык и распространяется по лицензии MIT. Она принимает текст и генерирует текст; модальности изображений и аудио не заявлены.

Magnum v1 32B GGUF — семейство квантизированных GGUF-версий языковой модели Anthropic? Нет, модель разработана командой Anthracite и предназначена для генерации текста и диалоговых сценариев. Она создана с целью приблизить качество прозы к моделям Claude 3, в частности Sonnet и Opus, и ориентирована на общее следование инструкциям, связность ответов и работу с текстом на английском и китайском языках. Модель дообучена на базе Qwen1.5 32B с полным обновлением параметров в течение двух эпох на восьми GPU NVIDIA H100. В обучении использовались наборы данных, направленные на улучшение соблюдения инструкций, качества письма и связности. Для взаимодействия применяется формат ChatML. Репозиторий содержит GGUF-квантизации; сведения о конкретных уровнях квантизации, размере контекста и поддерживаемых модальностях, кроме текстовой, не указаны. Сильными сторонами модели заявлены качество прозы, следование инструкциям и coherence в универсальных текстовых задачах. Ограничениями являются отсутствие подробной информации о безопасности, точности на бенчмарках, фактической поддержке языков помимо английского и китайского, контекстном окне и характеристиках отдельных GGUF-файлов. Указана лицензия Tongyi Qianwen; применимые условия следует уточнять по ссылке на лицензию Qwen2-72B-Instruct.

Magnum v2 32B — диалоговая модель Anthracite, созданная для воспроизведения качества прозы Claude 3 Sonnet и Opus. Она дообучена на Qwen1.5-32B с полным обновлением параметров и настроена на инструкции в формате ChatML. Модель предназначена для диалога, генерации связного текста и ответов на инструкции. В обучении использовались отфильтрованные наборы данных для диалогов, прозы и рассуждений; README указывает два эпоха обучения на восьми ускорителях NVIDIA H100. Архитектура — плотная Qwen2, размер — 31,7 млрд параметров, контекст — до 32 768 токенов. Метаданные указывают поддержку английского и китайского языков. Модель распространяется в формате safetensors по лицензии other; конкретные условия этой лицензии следует проверить на странице репозитория. Оценка в карточке позиционируется как попытка приблизить качество прозы Claude 3, но независимых сравнительных результатов README не приводит.

Magnum v4 12B — модель Anthracite, созданная для генерации текста и диалоговых сценариев с акцентом на качество прозы, сопоставимое с Claude 3 Sonnet и Opus. Это GGUF-квантизации модели; исходные веса доступны в отдельном репозитории. Модель дообучена на базе mistralai/Mistral-Nemo-Instruct-2407 методом полноразмерного fine-tuning. Она предназначена для англоязычных задач text generation, включая чат, написание и редактирование текстов, а также сценарии, где важны выразительность и качество прозы. В обучении использовались наборы данных Anthracite, связанные с диалогами, инструкциями и художественным письмом. Заявлена длина последовательности до 32 768 токенов; поддерживается текстовая модальность. К сильным сторонам относятся специализация на качестве прозы, инструктивный формат и наличие GGUF-квантизаций для локального запуска. README не содержит результатов бенчмарков и подробных сведений о требованиях к ресурсам, поэтому фактическое качество, скорость и эффективность конкретных вариантов квантизации следует оценивать отдельно. Модель распространяется по лицензии Apache-2.0.

Kaoeiri/Magnum-v4-Cydonia-v1.3-22B-2 — объединённая разговорная языковая модель на архитектуре Mistral, созданная методом DARE TIES с помощью mergekit. В основу слияния взята anthracite-org/magnum-v4-22b, также включена TheDrummer/Cydonia-22B-v1.3. Модель содержит 22 млрд параметров, использует формат safetensors и рассчитана на генерацию текста и диалоговое взаимодействие с контекстом до 32 768 токенов. Модель подходит для ведения диалогов и генерации связного текста. Метаданные указывают на интерфейс вызова инструментов, но не подтверждают качество или результаты в конкретных сценариях. Базовая модель предназначена для англоязычных диалогов, следования инструкциям и создания прозы. Лицензия в предоставленных данных не указана.

Mahou-Gutenberg-Nemo-12B — объединённая текстовая языковая модель на архитектуре Mistral, созданная nbeerbower с помощью mergekit. В слиянии della_linear использованы flammenai/Mahou-1.3-mistral-nemo-12B и nbeerbower/mistral-nemo-gutenberg-12B-v3; число параметров составляет 12,1 млрд. Модель предназначена для генерации текста и диалоговых сценариев. Репозиторий содержит веса в формате safetensors; в конфигурации слияния указан тип bfloat16. Для модели заявлено контекстное окно до 1 024 000 токенов. Карточка не описывает отдельные языковые или специализированные предметные области. Лицензия в предоставленных данных не указана.

MaidFlameSoup-7B — объединённая языковая модель автора nbeerbower, созданная с помощью mergekit методом Model Stock на основе нескольких предварительно обученных моделей Mistral. В слияние вошли nbeerbower/Flammen-Kunoichi-7B, nbeerbower/flammen10-mistral-7B, nbeerbower/flammen11X-mistral-7B и nbeerbower/Maidphin-Kunoichi-7B; базой указана nbeerbower/flammen13-mistral-7B. Модель содержит 7,1 млрд параметров, использует архитектуру Mistral для авторегрессионной генерации текста и поддерживает контекст до 32 768 токенов. Она предназначена для генерации текста и диалоговых сценариев. Репозиторий содержит веса в формате safetensors, библиотека для работы — Transformers. Лицензия — Apache-2.0.

mamba-gpt-7b-v1-Mistral-7B-Instruct-v0.1 — объединённая разговорная языковая модель на 7,1 млрд параметров, созданная слиянием Mistral-7B-Instruct-v0.1 и CobraMamba/mamba-gpt-7b-v1 методом SLERP. Она предназначена для генерации текста в ответ на инструкции и диалоговые запросы. Модель использует плотную архитектуру Mistral и доступна в формате safetensors; заявленная длина контекста — 32 768 токенов. Модель можно применять для диалоговых ассистентов, ответов на вопросы и генерации текста по запросу. В карточке указаны английский язык и лицензия Apache-2.0. README не приводит результатов оценки качества или подробного сравнения со смешанными моделями, поэтому практическую эффективность для отдельных сценариев по этим данным определить нельзя.

Maverick-8B — диалоговая языковая модель примерно на 7,5 млрд параметров, созданная bunnycore путём объединения трёх моделей с помощью mergekit и метода model_stock. В состав объединения входят bunnycore/Cognitron-8B, failspy/Llama-3-8B-Instruct-abliterated и TIGER-Lab/MAmmoTH2-8B-Plus; архитектура — плотная Llama с классом LlamaForCausalLM. Модель предназначена для генерации текста и диалоговых ответов, а её контекст составляет до 8192 токенов. Репозиторий содержит веса safetensors в формате bfloat16. Для использования применяется лицензия Llama 3. Среди компонентов есть модель, ориентированная на английские математические рассуждения, однако карточка Maverick-8B не описывает отдельную специализацию или языковой охват самой объединённой модели. Из карточки также нельзя установить её качество на конкретных задачах.

Meliodas-7b-dare — объединённая языковая модель, созданная AurelPx с помощью LazyMergekit на основе liminerity/M7-7b и ammarali32/multi_verse_model. Используется архитектура Mistral с плотной авторегрессионной моделью на 7,1 млрд параметров; репозиторий содержит веса в формате safetensors, а заявленный контекст составляет 32 768 токенов. Модель предназначена для генерации текста и диалогов по текстовому запросу. При слиянии применён метод DARE TIES с настройками плотности и весов из карточки; итоговая точность указана как bfloat16. Лицензия — Apache-2.0. Карточка не приводит результатов оценки качества или специализированных областей применения.

mergekit-community/mergekit-passthrough-ywynqau — объединённая языковая модель, созданная сообществом с помощью mergekit методом passthrough на основе unsloth/phi-4 и bunnycore/Phi-4-RP-lora_model. Модель построена на архитектуре LlamaForCausalLM и содержит 14,1 млрд параметров; веса представлены в формате safetensors и bf16. Она предназначена для генерации текста и диалоговых сценариев. Контекст составляет до 16 384 токенов; сведения о поддерживаемых языках и конкретных возможностях объединённой модели в карточке не приведены. Лицензия в предоставленных данных не указана.

Карточка модели mergekit-community/mergekit-slerp-utpztvu на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-jlrpbqb, поэтому описание составлено по ней. Это объединённая модель генерации текста на архитектуре Mistral, созданная сообществом mergekit-community методом SLERP из arcee-ai/sec-mistral-7b-instruct-1.6-epoch и cognitivecomputations/dolphin-2.8-mistral-7b-v02. Модель содержит около 7,1 млрд параметров, рассчитана на диалоговое применение и использует контекст до 32 768 токенов. Модель предназначена для генерации ответов в диалоге и других сценариев генерации текста. Веса доступны в формате Safetensors и имеют тип bfloat16. В метаданных указана библиотека Transformers. Сведения о лицензии и конкретных ограничениях поведения в предоставленных данных отсутствуют.

Карточка модели mergekit-community/mergekit-slerp-vhzhpmg на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-jlrpbqb, поэтому описание составлено по ней. Это объединённая модель генерации текста на архитектуре Mistral, созданная сообществом mergekit-community методом SLERP из arcee-ai/sec-mistral-7b-instruct-1.6-epoch и cognitivecomputations/dolphin-2.8-mistral-7b-v02. Модель содержит около 7,1 млрд параметров, рассчитана на диалоговое применение и использует контекст до 32 768 токенов. Модель предназначена для генерации ответов в диалоге и других сценариев генерации текста. Веса доступны в формате Safetensors и имеют тип bfloat16. В метаданных указана библиотека Transformers. Сведения о лицензии и конкретных ограничениях поведения в предоставленных данных отсутствуют.

Карточка модели mergekit-community/mergekit-ties-aspkrwz на Hugging Face совпадает с карточкой mergekit-community/mergekit-ties-fnacfof, поэтому описание составлено по ней. mergekit-community/mergekit-ties-fnacfof — языковая модель на архитектуре Llama, созданная сообществом с помощью слияния TIES. В объединении использованы NousResearch/Llama-2-7b-hf в качестве базовой модели, а также microsoft/Orca-2-7b и arcee-ai/Patent-Instruct-7b. Модель содержит 6,6 млрд параметров, распространяется в формате Safetensors и рассчитана на контекст до 4096 токенов. Модель предназначена для генерации текста и диалоговых сценариев, сочетая возможности включённых в слияние моделей. Карточка не уточняет отдельные преимущества, целевые языки или специализированные сценарии; базовая модель описана как англоязычная. Лицензия в предоставленных данных не указана.

mergekit-community/mergekit-ties-fnacfof — языковая модель на архитектуре Llama, созданная сообществом с помощью слияния TIES. В объединении использованы NousResearch/Llama-2-7b-hf в качестве базовой модели, а также microsoft/Orca-2-7b и arcee-ai/Patent-Instruct-7b. Модель содержит 6,6 млрд параметров, распространяется в формате Safetensors и рассчитана на контекст до 4096 токенов. Модель предназначена для генерации текста и диалоговых сценариев, сочетая возможности включённых в слияние моделей. Карточка не уточняет отдельные преимущества, целевые языки или специализированные сценарии; базовая модель описана как англоязычная. Лицензия в предоставленных данных не указана.

Карточка модели mergekit-community/mergekit-ties-jnhzatj на Hugging Face совпадает с карточкой mergekit-community/mergekit-ties-fnacfof, поэтому описание составлено по ней. mergekit-community/mergekit-ties-fnacfof — языковая модель на архитектуре Llama, созданная сообществом с помощью слияния TIES. В объединении использованы NousResearch/Llama-2-7b-hf в качестве базовой модели, а также microsoft/Orca-2-7b и arcee-ai/Patent-Instruct-7b. Модель содержит 6,6 млрд параметров, распространяется в формате Safetensors и рассчитана на контекст до 4096 токенов. Модель предназначена для генерации текста и диалоговых сценариев, сочетая возможности включённых в слияние моделей. Карточка не уточняет отдельные преимущества, целевые языки или специализированные сценарии; базовая модель описана как англоязычная. Лицензия в предоставленных данных не указана.

Карточка модели mergekit-community/mergekit-ties-mojzqgu на Hugging Face совпадает с карточкой mergekit-community/mergekit-ties-fnacfof, поэтому описание составлено по ней. mergekit-community/mergekit-ties-fnacfof — языковая модель на архитектуре Llama, созданная сообществом с помощью слияния TIES. В объединении использованы NousResearch/Llama-2-7b-hf в качестве базовой модели, а также microsoft/Orca-2-7b и arcee-ai/Patent-Instruct-7b. Модель содержит 6,6 млрд параметров, распространяется в формате Safetensors и рассчитана на контекст до 4096 токенов. Модель предназначена для генерации текста и диалоговых сценариев, сочетая возможности включённых в слияние моделей. Карточка не уточняет отдельные преимущества, целевые языки или специализированные сценарии; базовая модель описана как англоязычная. Лицензия в предоставленных данных не указана.

cloudyu/Meta-Llama-3-8B-Instruct-DPO — чат-модель на архитектуре Llama, дообученная методом Direct Preference Optimization (DPO). В README указано, что метрики улучшались с помощью Truthful DPO на наборе данных jondurbin/truthy-dpo-v0.1. Модель предназначена для диалоговой генерации текста; в метаданных Hugging Face указаны 7,5 млрд параметров, контекст до 8192 токенов и формат Safetensors. Модель может использоваться для ответов на вопросы, ведения диалогов и генерации текста с упором на правдивость ответов. В карточке указана лицензия CC; конкретный вариант лицензии в доступных данных не уточнён.