III.5Управление персоналом и организацией

Эта модель — дообученная anggapradana версия языковой модели Qwen2.5-1.5B-Instruct-bnb-4bit от Unsloth. Она использует плотную архитектуру Qwen2 и предназначена для генерации текста и диалоговых сценариев. Модель содержит 1,5 млрд параметров и поддерживает контекст длиной до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. В карточке указано, что для обучения использовались Unsloth и библиотека TRL; данных о специальной области применения или отдельной оценке качества нет.

Модель jikatakiri45 — дообученная версия Qwen2.5-7B-Instruct, созданная на базе unsloth/qwen2.5-7b-instruct-unsloth-bnb-4bit. Это плотная языковая модель с архитектурой Qwen2ForCausalLM и 7,1 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. В карточке указано, что при обучении использовались Unsloth и библиотека TRL; контекст модели составляет до 32 768 токенов. Модель можно применять для диалоговых ответов, генерации и продолжения текста. В метаданных указан английский язык, однако README не описывает обучающие данные, качество на конкретных задачах или специализацию на индонезийском языке. Модель распространяется по лицензии Apache-2.0.

MaxSchulten/qwen3-14b-distill-qwen3-0.6b-jsd — дообученная Max Schulten модель на базе Qwen/Qwen3-0.6B, созданная с помощью TRL. Она предназначена для генерации текста и диалогов; в карточке приведён пример ответа на открытый вопрос в формате чата. Модель построена на плотной архитектуре Qwen3ForCausalLM и содержит около 507,9 млн параметров. Она принимает текст и выдаёт текст, поддерживает контекст до 40 960 токенов. Метаданные относят её к многоязычному семейству Qwen3; сведения о конкретных поддерживаемых языках и лицензии в предоставленных данных отсутствуют.

Карточка модели LLADIGA/Qwen3.5-4B-full_turn_matchit_ascii_player1 на Hugging Face совпадает с карточкой LLADIGA/Qwen3.5-4B-full_turn_matchit_ascii_player2, поэтому описание составлено по ней. Это дообученная 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 указано обучение с помощью TRL; пример показывает ответы на пользовательские вопросы. Модель принимает текст и генерирует текст. Она основана на Qwen/Qwen3.5-4B, для которой каталог описывает поддержку понимания изображений, однако для этого дообученного текстового чекпойнта заявлена задача text-generation. Контекстное окно — 262144 токена. Модель доступна в формате Safetensors и рассчитана на Transformers. Лицензия в предоставленных данных не указана.

Rabbit-7B-DPO-Chat — диалоговая языковая модель на архитектуре Mistral, созданная viethq188. Модель получена слиянием AIDC-ai-business/Marcoroni-7B-v3 и rwitz/go-bruins-v2 методом SLERP с последующим обучением DPO на данных Hugging Face. Для общения можно использовать шаблон Alpaca. Модель предназначена для генерации текста в диалогах и ответов на запросы. Она содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов и распространяется в формате PyTorch. Лицензия — Apache-2.0. В карточке не описаны языки обучения или специальные предметные области; качество и ограничения модели README не уточняет.

RWKV/RWKV7-Goose-World3-2.9B-HF — языковая модель RWKV-7, разработанная Бо Пэном, Юй Чжаном, Сонглином Яном и Жуйчуном Чжаном при поддержке RWKV Project. Это плотная авторегрессионная модель для генерации текста и диалогов, представленная в формате flash-linear attention и доступная через Transformers и safetensors. В метаданных указано 3,1 млрд параметров, в README — 2,9 млрд; контекст составляет 2048 токенов. Модель основана на BlinkDL/rwkv-7-world и дообучена на World v3, содержащем 3,119 трлн токенов. Она предназначена для генерации продолжений текста и ведения диалогов; карточка описывает английский язык, а метаданные каталога также указывают китайский, японский, корейский, французский, арабский, испанский и португальский. Лицензия Apache-2.0. Для запуска README рекомендует flash-linear-attention 0.3.0 и Transformers версии не ниже 4.48.0.

Модель invalid-coder/Sakura-SOLAR-Instruct-CarbonVillain-en-10.7B-v2-slerp — текстовая генеративная модель, полученная объединением CarbonVillain-en-10.7B-v2 и Sakura-SOLAR-Instruct методом SLERP с помощью LazyMergekit. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 10,6 млрд параметров; репозиторий содержит веса Safetensors. Модель предназначена для диалогового взаимодействия и генерации текста. Модель принимает текст и выдаёт текст. Контекстное окно составляет 4096 токенов. Репозиторий опубликован под лицензией Apache-2.0. Доступные сведения не описывают отдельное обучение, тестирование качества или ограничения по использованию, поэтому пригодность для конкретных задач следует оценивать отдельно.

sfm_filtered_e2e_alignment-3k_4k_5k_simpleavg_merge — объединённая языковая модель, созданная методом Linear merge с помощью mergekit из контрольных точек обучения на шагах 3000, 4000 и 5000. В README базовой указана контрольная точка global_step5000; метаданные описывают архитектуру GPT-NeoX и около 8,8 млрд параметров. Модель предназначена для генерации текста и диалогового взаимодействия; заявленная длина контекста — 16 384 токена. В репозитории указаны веса в формате safetensors и библиотека Transformers. Сведения о языках, специализации и конкретных ограничениях качества в карточке не приведены. Условия лицензирования по предоставленным данным определить нельзя.

sfm_filtered_e2e_alignment-4k_5k_6k_simpleavg_merge — объединённая языковая модель, созданная с помощью mergekit из контрольных точек обучения global_step4000, global_step5000 и global_step6000. В качестве базовой контрольной точки использована global_step6000, а метод объединения указан как Linear. Модель построена на архитектуре GPT-NeoX и содержит 8,8 млрд параметров; веса сохранены в формате safetensors. Модель предназначена для генерации текста и диалоговых сценариев. Она работает с текстом, поддерживает контекст длиной до 16 384 токенов и запускается через Transformers. Доступные сведения не описывают специализацию по предметной области, языки обучения или сравнительные результаты качества. Лицензия в предоставленных данных не указана.

Это объединённая модель генерации текста, созданная yuhengtu с помощью mergekit. В неё линейным методом сведены пять чекпойнтов предварительно обученной языковой модели с шагами обучения 0, 1000, 2000, 3000 и 4000; базой слияния служил чекпойнт на шаге 4000. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и принимает контекст до 16 384 токенов. В метаданных также указана возможность диалогового применения. Модель предназначена для генерации текста и диалоговых сценариев. Сведения о целевых языках, качестве на конкретных задачах и условиях лицензирования в карточке отсутствуют, поэтому их нельзя достоверно оценить.

sfm_filtered_midtrain_alignment-2k_3k_4k_weightedavg_merge — объединённая языковая модель, созданная с помощью mergekit. В README указано, что при линейном слиянии базой служил чекпойнт global_step4000, а также использовались чекпойнты global_step3000 и global_step2000 из серии filtered_midtrain_alignment. Каталог относит архитектуру к плотным причинным моделям GPT-NeoX; размер составляет 8,8 млрд параметров, контекст — до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. В карточке не описаны специальные предметные области, конкретные языки или отдельные возможности помимо чата. Файлы представлены в формате safetensors; модель использует библиотеку Transformers. Сведения о лицензии в предоставленных материалах отсутствуют.

sfmunfilterede2ealignment-3k4k5k6k7kweightedavgmerge — объединённая модель генерации текста, опубликованная пользователем yuhengtu и созданная с помощью mergekit. В README указано, что для слияния Linear использовались чекпойнты unfiltered_e2e_alignment с шагами 3000, 4000, 5000, 6000 и 7000; шаг 7000 указан как базовый. Каталог относит архитектуру к плотным GPT-NeoX, а размер модели составляет 8,8 млрд параметров. Модель предназначена для генерации текста и диалогового взаимодействия. Она принимает текст и выдаёт текст; заявленная длина контекста — 16 384 токена. Сведения о специализации по языкам, конкретных прикладных областях и лицензии в доступных данных не приведены. Формат весов — safetensors.

Skyro-4X8B — языковая модель с архитектурой Mixture of Experts (MoE), созданная автором репозитория saucam путём слияния четырёх моделей семейства Llama 3 с помощью Mergekit: Llama-3-Smaug-8B, Dolphin 2.9 Llama 3 8B, Einstein v6.1 Llama 3 8B и Opus v1.2 Llama 3 8B. Модель содержит 7,5 млрд параметров, использует архитектуру MixtralForCausalLM и принимает текст для генерации текста; контекст составляет 8192 токена. Модель предназначена для генерации текста и диалоговых сценариев. В карточке приведены результаты оценки на ARC, HellaSwag, MMLU, TruthfulQA, Winogrande и GSM8K, но не описаны методика тестирования и ограничения поведения. Репозиторий распространяется по лицензии Apache-2.0.

SoRu-0001 — компактная диалоговая модель ehristoforu, дообученная на основе Vikhrmodels/Vikhr-Qwen-2.5-0.5b-Instruct. Это плотная авторегрессионная модель семейства Qwen2 с 493,7 млн параметров, предназначенная для генерации текста и диалогов. Она принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. Модель можно использовать для ответов на текстовые запросы, ведения диалога и генерации текста на русском языке. В карточке указаны обучение с помощью Unsloth и библиотеки Hugging Face TRL, а также лицензия Apache-2.0. Подробности обучающего набора и оценок качества не приведены.

Starling-LM-7B-beta-x2 — чат-модель на базе архитектуры Mistral, созданная IsakNordgren с помощью слияния двух копий Nexusflow/Starling-LM-7B-beta методом DARE-TIES. Модель предназначена для генерации ответов в диалоге и других задач текстовой генерации. Репозиторий содержит веса в формате safetensors; размер модели — 7,1 млрд параметров, длина контекста — 8192 токена. Базовая Starling-LM-7B-beta — англоязычная модель Nexusflow, дообученная методом RLAIF. Для этой версии README описывает конфигурацию слияния и тип bfloat16. Лицензия в предоставленных данных не указана.

Gille/StrangeMerges_33-7B-slerp — объединённая текстовая модель, созданная методом slerp с помощью LazyMergekit из ZySec-AI/ZySec-7B-v1 и Gille/StrangeMerges_30-7B-slerp. Модель построена на архитектуре Mistral с плотной архитектурой причинного языкового моделирования и содержит 7,1 млрд параметров; её контекст составляет до 32 768 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно применять для ответов на вопросы, ведения чата и создания связных текстов. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Данных о специализированной предметной области или языках модели в предоставленных источниках нет.

SuperMente-7B-v2 — объединённая модель для генерации текста на базе архитектуры Mistral, созданная с помощью LazyMergekit из NousResearch/Hermes-2-Pro-Mistral-7B, mlabonne/AlphaMonarch-7B и Weyaxi/Einstein-v4-7B. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для диалогов и генерации текста. В метаданных указана возможность чата; карточка не описывает отдельные сценарии, языки или специализированные области применения. Модель распространяется в формате Safetensors по лицензии Apache-2.0.

SzilviaB/SzilviaB-Daredevil-LongWriter-8B_abliterated — объединённая модель генерации текста, созданная с помощью mergekit методом SLERP из mlabonne/NeuralDaredevil-8B-abliterated и THUDM/LongWriter-llama3.1-8b. Это плотная авторегрессионная модель семейства Llama примерно на 7,5 млрд параметров, предназначенная для диалоговой генерации текста и длинных ответов. Модель работает с текстом, поддерживает чатовый сценарий и рассчитана на контекст до 8192 токенов. Объединение сочетает возможности исходной модели NeuralDaredevil и LongWriter, однако карточка не приводит сравнительных оценок или подробностей о качестве на конкретных задачах. Название указывает на abliterated-версию, ориентированную на меньшее число поведенческих ограничений. Модель опубликована в формате safetensors и использует лицензию базовых моделей, сведения о которой в предоставленных данных отсутствуют.

T3Q-LLM2-sft1.4 — диалоговая языковая модель семейства Llama с плотной архитектурой LlamaForCausalLM и 10,6 млрд параметров. Модель доступна в формате safetensors и предназначена для генерации текста в чат-сценариях; указанное родство с предыдущей версией T3Q-LLM2-sft1.3 отражает использование её в оценочном прогоне, но не подтверждает, что она является базовой моделью для дообучения. В карточке приведены результаты на отдельных корейских тестах KoBEST: BoolQ и COPA. Лицензия, разработчик, языки обучения и контекстная длина не подтверждены карточкой; метаданные указывают нативный контекст 4096 токенов. README автоматически сгенерирован и не описывает происхождение или ограничения модели.

T3qm7xNeuralsirkrishna_Strangemerges_30Experiment26 — объединённая модель для генерации текста на архитектуре Mistral, созданная путём слияния automerger/T3qm7xNeuralsirkrishna-7B и automerger/Strangemerges_30Experiment26-7B. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Она подходит для генерации продолжений и ведения текстовых диалогов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Сведения о специализированных областях применения и поддерживаемых языках в карточке отсутствуют.

T3Q-MSlerp-7Bx2 — языковая модель для генерации текста, созданная Chihoon Lee (chlee10) и T3Q путём слияния двух моделей Mixtral с помощью mergekit и метода SLERP: zhengr/MixTAO-7Bx2-MoE-v8.1 и yunconglong/Truthful_DPO_TomGrc_FusionNet_7Bx2_MoE_13B. Репозиторий содержит веса в формате safetensors; метаданные указывают 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу, в том числе для диалоговых сценариев. Архитектура — Mixtral MoE на базе MixtralForCausalLM. Языки и специализированные области применения в карточке не описаны, поэтому их нельзя определить точнее. Модель распространяется по лицензии Apache-2.0. Карточка не приводит оценок качества или сравнительных тестов; применимость к конкретным задачам следует проверять отдельно.

Teuken 7B-instruct-v0.6 — многоязычная инструкционная языковая модель, разработанная Fraunhofer, Forschungszentrum Jülich, TU Dresden и DFKI в рамках проекта OpenGPT-X. Это декодерная Transformer-модель семейства Llama с 7,5 млрд параметров, дообученная на базе openGPT-X/Teuken-7B-base-v0.6. Контекст модели составляет 4096 токенов. Модель предназначена для выполнения инструкций и генерации ответов на 24 официальных языках Европейского союза, в том числе немецком, английском, французском, польском, испанском и русском она не поддерживает. Её ориентируют на многоязычные сценарии, где важна работа с европейскими языками; заявленные области применения включают частное использование, образование и исследования. Модель не предназначена для математики и программирования. Модель может выдавать предвзятые, токсичные или ошибочные ответы, несмотря на фильтрацию данных. Для использования действует лицензия CC BY-NC 4.0, ограничивающая коммерческое применение.

TwinLlama-3.1-8B-DPO — диалоговая модель генерации текста, разработанная goncalocapelalopes и дообученная на базе goncalocapelalopes/TwinLlama-3.1-8B. Она основана на плотной архитектуре LlamaForCausalLM и содержит 7,5 млрд параметров. Модель предназначена для диалоговых ответов и генерации текста на английском языке; заявленная длина контекста — 131 072 токена. Веса опубликованы в формате Safetensors, лицензия — Apache 2.0. В README указано, что при обучении использовались Unsloth и библиотека TRL. Отдельные сведения о данных обучения, целевых улучшениях DPO и сравнительном качестве не приведены, поэтому конкретные преимущества дообучения оценить нельзя.

Valkyrie-V1 — языковая модель семейства Mistral, созданная CookinAI путём последовательного слияния весов методом SLERP. В первом слиянии использованы mindy-labs/mindy-7b-v2 и jondurbin/bagel-dpo-7b-v0.1, затем результат объединён с rishiraj/CatPPT. Модель содержит 7,1 млрд параметров, принимает текст и предназначена для генерации текста; заявленная длина контекста — 32 768 токенов. Модель можно применять для диалогов, написания и продолжения текста, а также для генерации ответов на текстовые запросы. README не описывает отдельные специализированные сценарии или языковое покрытие. Репозиторий распространяет веса в формате Safetensors, лицензия — Apache-2.0. Качество и ограничения конкретных сценариев в карточке не приведены.

Vikhr-Llama-3.2-1B-Instruct — компактная инструктивная языковая модель команды Vikhr, дообученная методом SFT на 150 тысячах синтетических инструкций из русскоязычного набора GrandMaster-PRO-MAX. Она основана на Meta Llama 3.2 1B Instruct, имеет плотную архитектуру LlamaForCausalLM и содержит 1,2 млрд параметров. Модель предназначена для диалога и выполнения текстовых инструкций на русском языке; в метаданных также отмечена поддержка английского. Её можно применять для ответов на вопросы, создания и краткого изложения текстов. Интерфейс поддерживает чат и вызов инструментов. Модель рассчитана на запуск в условиях ограниченных ресурсов, включая слабые и мобильные устройства; авторы заявляют эффективность в пять раз выше базовой модели и размер до 3 ГБ. Метаданные указывают контекст до 131 072 токенов. Доступен формат Safetensors, а README ссылается на отдельную версию GGUF. Лицензия — Llama 3.2. Пример в карточке показывает ошибки и неточности в сгенерированном тексте, поэтому ответы могут требовать проверки; заявленная эффективность не сопровождается методикой измерения.

VPO-Pess-Zephyr-7B-0.0001-iter-1 — плотная авторегрессионная языковая модель семейства Mistral с 7,1 млрд параметров, дообученная Katayoon на основе Katayoon/DPO-ONLY-Zephyr-7B на обновлённом и исходном наборах данных. Модель предназначена для диалогов и генерации текстовых ответов; в метаданных указана возможность chat и контекст до 32 768 токенов. Модель принимает текст и генерирует текст. Репозиторий содержит веса в формате safetensors. Лицензия — MIT. README не приводит оценок качества или подробных сценариев применения; пригодность ответов следует проверять для конкретных задач.

Katayoon/VPO-SELM-Zephyr-7B-iter-2 — диалоговая языковая модель, дообученная разработчиком на базе Katayoon/VPO-SELM-Zephyr-7B-iter-1 на обновлённом и исходном наборах данных. Это плотная модель семейства Mistral с архитектурой MistralForCausalLM, примерно 7,1 млрд параметров и контекстом до 32 768 токенов. Она предназначена для генерации текста в диалоговом формате и распространяется в формате safetensors. Модель опубликована по лицензии MIT. Карточка не приводит подробностей о языках, оценке качества или конкретных ограничениях применения.

VPO-Zephyr-7B-0.01-iter-2 — языковая модель Katayoon, дообученная на обновлённом и исходном наборах данных поверх Katayoon/VPO-Zephyr-7B-0.01-iter-1. Она предназначена для генерации текста и диалогового взаимодействия. Модель использует плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров; максимальная длина контекста составляет 32 768 токенов. Модель распространяется в формате safetensors по лицензии MIT. Доступные сведения не описывают состав данных, языки, результаты оценки или специфические ограничения; качество ответов и пригодность для конкретных сценариев следует проверять отдельно.

Wistral-7B-Instruct-v0.4 — дообученная BarraHome версия Mistral-7B-Instruct-v0.2, созданная с помощью Unsloth и библиотеки TRL. Это плотная авторегрессионная модель с 7,1 млрд параметров для генерации текста в диалоговом формате; заявленная длина контекста — 32 768 токенов. В карточке приведены результаты оценки на задачах AI2 Reasoning Challenge и HellaSwag. Модель подходит для диалоговых приложений и генерации ответов на текстовые запросы на английском языке. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

vicgalle/xlm-roberta-large-xnli-anli — модель XLM-RoBERTa-large, дообученная на нескольких наборах данных для распознавания логического следования (NLI), включая MNLI, XNLI и ANLI. Она предназначена для классификации текстов без заранее заданного набора классов: пользователь передаёт текст и названия возможных категорий, а модель оценивает их соответствие. Модель содержит 658,7 млн параметров, использует архитектуру XLM-RoBERTa для классификации последовательностей и принимает текст длиной до 514 токенов. Она поддерживает многоязычную классификацию; в карточке приведены результаты на испанском и французском наборах XNLI, а также на трёх раундах ANLI. Лицензия — MIT. На тестах XNLI точность составила 93,7% для испанского и 93,2% для французского; на раундах ANLI — от 68,5% до 49,0%. Результаты на ANLI указывают на заметное снижение качества на более сложных раундах, поэтому оценки следует проверять на данных целевого применения.