III.5Управление персоналом и организацией

Nera Noctis 12B v0.420 — объединённая языковая модель от Nitral-Archive, созданная с помощью mergekit методом SLERP из Nitral-AI/Nera_Noctis-r64-test_train-12B и Nitral-AI/Nera_Noctis-12B. Это плотная авторегрессионная модель семейства Mistral с 12,1 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Репозиторий содержит веса в формате safetensors; модель работает через Transformers и заявляет контекст до 1 024 000 токенов. Модель подходит для генерации продолжений, ведения диалога и подготовки текстовых черновиков. Данные не уточняют поддерживаемые естественные языки, специализированные области применения, лицензию или подтверждённые ограничения качества; поэтому их нельзя конкретизировать по этой карточке.

NeuBeagle-7B — объединённая модель генерации текста на базе архитектуры Mistral, созданная mlabonne с помощью LazyMergekit. В состав слияния вошли dpo-binarized-NeutrixOmnibe-7B и dpo-binarized-NeuralTrix-7B; использован метод dare_ties. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации и продолжения текста, в том числе диалоговых ответов. В метаданных указана лицензия CC BY-NC 4.0, которая ограничивает коммерческое использование. Данных о конкретных языках и специализированных областях применения нет.

NeuraLake-m7-7B — объединённая модель для генерации текста, созданная Meggido с помощью mergekit на основе NeuralBeagle14-7B, loyal-piano-m7 и WestLake-7B-v2-laser-truthy-dpo. В основе лежит плотная архитектура Mistral с 7,1 млрд параметров; модель доступна в формате safetensors и рассчитана на контекст до 32 768 токенов. Модель подходит для генерации текста по запросу, диалоговых сценариев и продолжения текста. Репозиторий содержит лицензию CC BY-NC 4.0, которая ограничивает коммерческое использование. README не описывает специальные предметные области или отдельные гарантированные возможности модели.

neural-chat-7b-v3-1-Nebula-v2-7B — объединённая модель на основе Intel/neural-chat-7b-v3-1 и адаптера PulsarAI/Nebula-v2-7B-Lora. Она предназначена для генерации текста и диалоговых сценариев. Модель использует плотную архитектуру MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов; доступна в формате safetensors и рассчитана прежде всего на английский язык. Модель опубликована Weyaxi и лицензирована по Apache 2.0. Карточка указывает на слияние базовой модели с LoRA-адаптером, однако не описывает специальные сценарии Nebula или результаты оценки качества.

NeuralStock-7B-v3 — объединённая автором Kukedlc языковая модель для генерации текста и диалогов. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров; заявленная длина контекста — до 32 768 токенов. Модель объединяет NeuralMaths-Experiment-7b, NeuralArjuna-7B-DT и NeuralSirKrishna-7b методом model_stock с помощью LazyMergekit, используя NeuralStock-7B-v2 как базовую модель. Модель подходит для диалоговых сценариев и генерации текста. Данные карточки не уточняют специализацию, поддерживаемые языки или конкретные результаты оценки качества. В репозитории указаны веса safetensors; лицензия в предоставленных данных не приведена.

NeuralsynthesisMultiverseex26-7B — автоматическое слияние моделей, созданное Maxime Labonne из Kukedlc/NeuralSynthesis-7B-v0.1 и allknowingroger/MultiverseEx26-7B-slerp методом SLERP с помощью MergeKit. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров; она предназначена для генерации текста и диалогов. Длина контекста — 32 768 токенов, веса представлены в Safetensors. Модель принимает текст и генерирует текст. По описанию базовой модели поддерживаются английский и испанский языки. Репозиторий лицензирован по Apache-2.0. Карточка показывает конфигурацию слияния и пример подключения через Transformers, но не приводит сравнительных оценок качества или подробных результатов тестирования.

Neurotic-Momnaingotrisk-slerp — объединённая модель, созданная liminerity с помощью mergekit методом slerp на основе CultriX/MonaTrix-v4 и liminerity/Neurotic-Momningojask-slerp. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM, примерно 7,1 млрд параметров и контекстом до 32 768 токенов. Она предназначена для генерации и продолжения текста; базовая модель описана как подходящая для диалогов. Веса опубликованы в формате safetensors, а в README приведена конфигурация с типом bfloat16. Репозиторий распространяется по лицензии Apache-2.0. Данных о языковой специализации и оценках качества этой объединённой модели в предоставленных источниках нет.

MaziyarPanahi/notus-7b-v1-Mistral-7B-Instruct-v0.1 — чат-модель на архитектуре Mistral, полученная слиянием Mistral-7B-Instruct-v0.1 и argilla/notus-7b-v1 методом SLERP. Модель содержит 7,1 млрд параметров, принимает текстовые инструкции и диалоговые запросы и генерирует текстовые ответы; заявленная длина контекста — 32 768 токенов. Модель подходит для диалоговых помощников и генерации ответов на инструкции на английском языке. Репозиторий распространяется в формате Safetensors. Лицензия — Apache-2.0. README описывает состав слияния и его параметры, но не приводит результаты оценки качества.

OPDLM-4B — языковая модель DIVE Lab Техасского университета A&M, полученная постобучением Qwen3-4B методом on-policy distillation. Это декодерная блочная diffusion language model с блоком размером 4, примерно 3,7 млрд параметров и контекстом до 40 960 токенов. Модель предназначена для генерации текста и диалогов; блочная диффузия позволяет декодировать несколько токенов параллельно. Для преобразования базовой авторегрессионной модели использовано около 0,076 млрд токенов. Модель рассчитана на английский язык и распространяется по лицензии MIT. Подробные результаты и бенчмарки приведены в статье разработчиков.

SanjiWatsuki объединил методом SLERP две разговорные модели: openchat/openchat-3.5-1210 и berkeley-nest/Starling-LM-7B-alpha. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, рассчитанная на генерацию текста в диалогах; модель выдаётся в формате safetensors. Контекст составляет 8192 токена, основной язык по карточке — английский. Модель предназначена для ответов на вопросы и ведения диалога. Слияние задумано как способ совместить свойства обеих исходных моделей, однако README не приводит сравнительных оценок или результатов испытаний. Лицензия — CC BY 4.0.

OpenDolphinHermesLlama27B — объединённая разговорная языковая модель на архитектуре Llama 2, созданная sethuiyer методом SLERP с помощью mergekit из cognitivecomputations/dolphin-llama2-7b и Tensoic/Llama-2-openhermes. Модель содержит 6,6 млрд параметров, работает с текстом и использует шаблон диалога ChatML; заявленная длина контекста — 4096 токенов. В карточке указаны обучающие наборы OpenHermes и Dolphin, а среди языков — английский. Модель предназначена для генерации текста и диалоговых сценариев: ответы на вопросы, инструкции и свободное общение. Автор приводит результаты тестирования на Open LLM Leaderboard, включая ARC, HellaSwag, MMLU и GSM8K; эти результаты описывают конкретную оценку и не гарантируют качество в других задачах. Модель распространяется в формате safetensors по лицензии Llama 2.

FreedomIntelligence/phoenix-inst-chat-7b — диалоговая языковая модель семейства BLOOM, представленная проектом FreedomIntelligence. Она предназначена для генерации текста в формате общения и может использоваться для ответов на запросы и ведения диалога. Архитектура — плотная авторегрессионная модель BloomForCausalLM; в метаданных указано 9,1 млрд параметров и контекст до 2048 токенов. Репозиторий содержит веса PyTorch, лицензия — Apache-2.0. В README приведены результаты оценки на бенчмарках ARC и HellaSwag, а также ссылка на проект LLMZoo; подробностей о языковой специализации и конкретных ограничениях применения карточка не содержит.

Q2.5-Veltha-14B — объединённая языковая модель на архитектуре Qwen2.5, созданная автором djuna с помощью mergekit и метода della_linear. В качестве основы использована qwen/Qwen2.5-14b, а в объединение вошли пять моделей Qwen2.5-14B, включая диалоговые варианты и модели для ролевого общения и генерации историй. Модель предназначена для генерации текста и диалогов; метаданные также отмечают интерфейс вызова инструментов. Она содержит 14 млрд параметров, работает через Transformers и поддерживает контекст до 131 072 токенов. В README приведены результаты оценки, включая 82,92 на IFEval и 49,75 на BBH; описания конкретных сильных сторон и ограничений качества нет. Лицензия в предоставленных данных не указана.

Qwen1.5-55B-Chat-Cut — экспериментальная чат-модель на архитектуре Qwen2, созданная автором репозитория с помощью mergekit из Qwen1.5-72B-Chat. Из исходной модели удалили 20 слоёв, получив плотную модель на 53,6 млрд параметров. Она предназначена для диалогов и генерации текста; заявленная длина контекста — 32 768 токенов. В метаданных указан английский язык, а карточка исходной модели описывает её как чат-модель. По оценке автора, модель сохраняет способность писать связные тексты, но отвечает более спутанно и хуже рассуждает, чем Qwen1.5-72B-Chat. Оценка основана на ограниченном личном использовании без бенчмарков. Репозиторий содержит веса в формате safetensors и использует лицензию other; конкретные условия этой лицензии следует сверять с карточкой модели.

Модель ehristoforu/Qwen2-1.5b-it-chat — дообученная разговорная языковая модель семейства Qwen2 с архитектурой Qwen2ForCausalLM и 1,5 млрд параметров. Она создана на базе unsloth/qwen2-1.5b-instruct-bnb-4bit; в карточке указано, что при обучении использовались Unsloth и библиотека TRL. Модель предназначена для генерации текста и диалоговых сценариев. Она принимает текст и генерирует текст; заявленная длина контекста составляет 32 768 токенов. В метаданных указан английский язык. Репозиторий содержит веса в форматах PyTorch и Safetensors. Лицензия — Apache-2.0. Карточка не описывает конкретные датасеты или результаты оценки качества, поэтому соответствие ответов требованиям пользователя следует проверять для целевого сценария.

Theros/Qwen2.5-CreativeMix-7B — объединённая разговорная языковая модель на архитектуре Qwen2.5, созданная с помощью mergekit методом DARE TIES. В слиянии использованы Qwen2.5-7B-HyperMix, Qandora-2.5-7B-Creative и EdgeRunner-Command-Nested; базовой моделью для объединения указана djuna/Q2.5-Fuppavy-7B. Модель содержит 7,1 млрд параметров и имеет заявленный контекст длиной до 131 072 токенов. Модель предназначена для диалоговой и творческой генерации текста. Её можно применять для написания и продолжения текстов, а также для ведения беседы. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. В карточке не приведены сведения о лицензии и конкретных ограничениях качества или использования.

dalatexcoder/qwen3-0.6b-heretic — производная плотная языковая модель семейства Qwen3, созданная методом abliteration на основе Qwen/Qwen3-0.6B-Base. Она предназначена для генерации текста и диалогов; в README приведено сравнение отказов: 7 из 100 у этой версии против 56 из 100 у исходной модели. Модель содержит 507,9 млн параметров, использует архитектуру Qwen3ForCausalLM и принимает текст, выдавая текст. Метаданные указывают контекст до 40 960 токенов; в описании базовой модели README указан контекст 32 768 токенов. К базовым сценариям относятся диалог, написание текстов и ответы на запросы. README также описывает возможности семейства Qwen3 — рассуждение, программирование, перевод и поддержку более 100 языков, однако эти заявления относятся к семейству в целом и не подтверждены отдельной оценкой данного чекпойнта. При продолжительных повторениях README советует настроить presence_penalty. Модель опубликована под лицензией Apache-2.0.

Карточка модели hoangducanh1865/qwen3-1.7b-deita-sft-student на Hugging Face совпадает с карточкой pvdhihihi/qwen-1.7b-sft, поэтому описание составлено по ней. Qwen3-1.7B-SFT — дообученная на датасете HuggingFaceH4/deita-10k-v0-sft языковая модель на архитектуре Qwen3. Её разработчик — владелец репозитория pvdhihihi/qwen-1.7b-sft; в основе лежит Qwen/Qwen3-1.7B-Base с 1,7 млрд параметров. Модель предназначена для генерации текста в диалоговом формате и доступна в формате safetensors для библиотеки Transformers. Модель принимает текст и генерирует текст, поддерживает контекст длиной до 32 768 токенов. Репозиторий не уточняет целевые языки, качество на конкретных задачах или ограничения применения. Лицензия — Apache-2.0.

kz919/QwQ-0.5B-Distilled-SFT — компактная диалоговая языковая модель на архитектуре Qwen2, дообученная методом instruction tuning с дистилляцией ответов Qwen/QwQ-32B-Preview. В репозитории указано около 0,5 млрд параметров; метаданные связывают модель с Qwen/Qwen2.5-0.5B-Instruct и показывают длину контекста 32 768 токенов. Модель предназначена для генерации текста в диалоге, ответов на вопросы и пошаговых объяснений, а также для создания связного длинного текста и обработки запросов технической поддержки. Обучение описано как дистилляция на примерах длинных рассуждений из наборов QwQ-LongCoT; метаданные также перечисляют QWQ-LONGCOT-500K и LONGCOT-Refine-500K. Заявлены возможности чата и интерфейс вызова инструментов. Карточка отмечает, что качество на сложных задачах рассуждения может уступать модели-учителю, а сам чекпойнт может быть недостаточно обучен. Лицензия — Apache-2.0.

Ourse/R4L — языковая модель на архитектуре Qwen2, созданная слиянием нескольких предварительно обученных моделей методом TIES. В основу merge положена bunnycore/Qwen2.5-1.5B-Matrix, также включены unsloth/Qwen2.5-1.5B-Instruct и испаноязычная Kukedlc/NeuralQwen-2.5-1.5B-Spanish. Модель содержит 1,5 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогов; в метаданных также отмечен интерфейс вызова инструментов. Архитектура — плотная авторегрессионная Qwen2, библиотека — Transformers. Включение испаноязычной модели указывает на испанский среди целевых языков, а инструкция базовой Qwen2.5-1.5B-Instruct позволяет использовать её для диалоговых запросов. README указывает на формат весов float16; репозиторий содержит файлы safetensors. Карточка не сообщает результатов оценки качества, поэтому возможности и стабильность ответов после слияния не подтверждены приведёнными данными. Лицензия в предоставленных источниках не указана.

RedPajama-INCITE-7B-Chat — языковая модель Together Computer для генерации текста в формате диалога. Модель построена на архитектуре GPT-NeoX и содержит 8,8 млрд параметров по метаданным каталога; в README указано 6,9 млрд. Она обучалась на RedPajama-Data-1T и использует данные OpenAssistant OASST1 и Databricks Dolly 15k. Модель ориентирована на английский язык, имеет контекст до 2048 токенов и распространяется в формате PyTorch по лицензии Apache 2.0. Её можно применять для ведения диалогов, ответов на вопросы, составления черновиков и продолжения текстов. Для инференса README указывает требования к GPU: 16 ГБ памяти в обычном режиме или 12 ГБ для режима int8; для запуска на CPU рекомендован bfloat16. Модель может выдавать неточные или нерелевантные ответы, особенно на сложные, неоднозначные вопросы и запросы за пределами обучающих данных. Она не предназначена для решений в критически важных сценариях.

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.

Sappho V0.0.2 — диалоговая языковая модель, созданная автором Jakolo121 путём слияния SauerkrautLM-7b-HerO и Dolphin 2.8 Mistral 7B v02 с помощью LazyMergekit. Модель построена на плотной архитектуре Mistral с 7,1 млрд параметров и предназначена для генерации текста и диалоговых ответов. Поддерживает контекст до 32 768 токенов и работает с текстом на входе и выходе. Модель подойдёт для чат-ботов, ответов на вопросы и генерации текста. Базовая SauerkrautLM ориентирована на немецкий и английский языки. Репозиторий содержит веса в формате Safetensors. Лицензия в предоставленных данных не указана.

Seamaiiza-7B-v1 — текстовая генеративная модель, созданная AlekseiPravdin слиянием двух моделей семейства Mistral с помощью mergekit и метода SLERP. В конфигурации слияния указаны AlekseiPravdin/KSI-RP-NSK-128k-7B и SanjiWatsuki/Kunoichi-DPO-v2-7B; метаданные каталога указывают SanjiWatsuki/Kunoichi-DPO-v2-7B как базовую модель. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и принимает текст для генерации продолжений и ответов в диалоге. Нативный контекст — 8192 токена. Репозиторий содержит веса в формате safetensors; модель опубликована по лицензии Apache-2.0. Карточка описывает способ слияния, но не приводит результаты оценки качества или специальные ограничения применения. Фактическое качество может зависеть от сценария и формулировки запроса.

sfm_filtered_e2e_alignment-7k_8k_9k_weightedavg_merge — объединённая языковая модель, созданная методом Linear merge с помощью mergekit. В качестве базовой точки использован чекпойнт global_step9000, также объединены чекпойнты global_step7000 и global_step8000 из серии filtered_e2e_alignment. Разработчик в README 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. Веса представлены в формате safetensors. Карточка не сообщает о языках обучения, сравнительных результатах или известных ограничениях качества. Лицензия в предоставленных данных не указана.

Это объединённая модель генерации текста, созданная с помощью mergekit методом Linear merge из нескольких предварительно обученных чекпойнтов. В качестве базового использован чекпойнт global_step12130; в объединение также вошли версии global_step11000 и global_step10000. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и рассчитана на контекст до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Карточка не описывает специализированные области применения, языки или результаты оценки качества. Файлы представлены в формате safetensors; лицензия в доступных данных не указана.

Это объединённая модель генерации текста, созданная с помощью mergekit методом Linear merge из нескольких контрольных точек предварительно обученной языковой модели. В карточке не указана организация-разработчик; размер модели — 8,8 млрд параметров. Она использует архитектуру GPT-NeoX и библиотеку Transformers, поддерживает диалоговый режим и имеет контекст длиной до 16 384 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Сведения о её языках, специализированной области применения и результатах оценки качества отсутствуют. Условия лицензирования в карточке не приведены.

Это объединённая модель генерации текста на архитектуре GPT-NeoX, созданная с помощью mergekit методом Linear merge. В объединение вошли три предобученных чекпойнта из серии filtered_insert_xxf_character с шагами 0, 1000 и 2000; чекпойнт global_step2000 использован как базовый. Модель содержит 8,8 млрд параметров и поддерживает контекст до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Карточка указывает возможность chat, но не описывает специальные предметные сценарии, языки или конкретные преимущества. Файлы опубликованы в формате safetensors для использования с Transformers. Лицензия в предоставленных данных не указана.

sfmfilteredinsertxxfcharacter-2k3k4k5k6kweightedavgmerge — объединённая языковая модель, созданная автором yuhengtu-bytedance с помощью mergekit. В README указано линейное слияние нескольких предобученных чекпойнтов с шагов обучения 2000, 3000, 4000, 5000 и 6000; базовым для слияния служил чекпойнт с шага 6000. Модель предназначена для генерации текста и диалогового взаимодействия. Она использует плотную архитектуру GPT-NeoX с причинной языковой моделью, содержит 8,8 млрд параметров и поддерживает контекст до 16 384 токенов. В репозитории указаны формат safetensors и библиотека Transformers. Карточка не приводит сведений о целевых языках, специализированных предметных областях, лицензии или ограничениях качества и безопасности, поэтому определить их по доступным данным нельзя.

sfm_filtered_insert_xxf_character-7k_8k_9k_weightedavg_merge — объединённая языковая модель, опубликованная yuhengtu и созданная с помощью mergekit. В карточке указано линейное слияние контрольных точек global_step7000, global_step8000 и global_step9000; базой слияния служила контрольная точка global_step9000. Модель предназначена для генерации текста и диалогового взаимодействия. Она построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров, использует формат safetensors и поддерживает контекст до 16 384 токенов. Карточка не сообщает о специализированной области применения или поддерживаемых естественных языках. Лицензия и ограничения качества не описаны, поэтому условия использования следует сверить с источником весов и их лицензией.