III.5Управление персоналом и организацией

11erlangga/sft-qwen25-3b-run1 — дообученная разговорная модель 11erlangga на архитектуре Qwen2.5. Она предназначена для генерации текста и диалоговых сценариев; метаданные также отмечают интерфейс вызова инструментов. Модель содержит 3,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. В карточке указано, что обучение выполнено с Unsloth и библиотекой TRL на базе unsloth/qwen2.5-3b-instruct-unsloth-bnb-4bit. Модель рассчитана на английский язык. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Карточка не сообщает о специализированной предметной области или ограничениях качества.

agurung выпустил дообученную с помощью TRL модель Qwen2.5-7B-Instruct для диалоговой генерации текста. Это плотная языковая модель семейства Qwen2 с 7,1 млрд параметров и контекстом до 32 768 токенов; она принимает сообщения в формате чата и генерирует текст. Модель подходит для ответов на вопросы, диалога и генерации текста по инструкциям. Модель основана на Qwen/Qwen2.5-7B-Instruct и распространяется в формате safetensors для Transformers. Карточка не описывает отдельную специализацию, языковой охват или результаты оценки качества; лицензию следует определять по метаданным репозитория Hugging Face.

SlimOrca-13B — языковая модель общего назначения, разработанная ajibawa-2023 и дообученная на базе Llama 2 от Meta на очищенной версии набора SlimOrca от Open-Orca. Это полная настройка 12,9-миллиардной плотной модели LlamaForCausalLM; модель распространяется в формате PyTorch и рассчитана на контекст до 4096 токенов. Модель предназначена для генерации текста без обязательного системного промпта: она отвечает на вопросы, включая задания с выбором ответа, пишет статьи по краткому содержанию, анализирует тональность, сопоставляет контекст и гипотезу, составляет отзывы и генерирует художественные тексты. В карточке также заявлена генерация откровенного и нецензурированного контента. Обучение проводилось на 517 981 наборе диалогов SlimOrca и SlimOrca-ShareGPT; автор отмечает использование формата ShareGPT/Vicuna v1.1. Модель ориентирована на английский язык. Лицензия CC-BY-NC-ND 4.0 запрещает коммерческое использование и распространение производных версий на условиях лицензии. Карточка приводит результаты отдельных тестов, но не даёт полного описания методики, поэтому они не позволяют гарантировать качество в конкретном сценарии; ответы могут содержать ошибки, а заявленная генерация откровенного контента требует осторожного применения.

Spicy-Laymonade-7B — языковая модель на архитектуре Mistral, созданная объединением моделей ABX-AI и cgato с помощью mergekit и метода SLERP. В репозитории указаны объединённые модели ABX-AI/Laymonade-7B и cgato/TheSpice-7b-v0.1.1; метаданные описывают модель как плотную трансформерную архитектуру MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и диалогового общения. Её можно применять для интерактивных бесед и создания текстовых ответов. Карточка разработчика характеризует результат как удачно работающий эксперимент, но не приводит оценок качества, перечня поддерживаемых языков или подробных рекомендаций по эксплуатации. Лицензия указана как other, поэтому условия использования следует уточнить в репозитории модели и у авторов базовых моделей. Тег not-for-all-audiences предупреждает, что модель может быть неподходящей для всех аудиторий.

Это 16-битная версия StableLM-Tuned-Alpha, опубликованная vvsotnikov для ускорения работы и снижения потребления памяти. В README указано, что других изменений относительно исходной модели не вносилось. Модель на архитектуре GPT-NeoX предназначена для генерации текста в диалоговом формате и других сценариев работы с текстовыми запросами. Она рассчитана на английский язык и имеет контекстное окно 4096 токенов. В репозитории указаны веса PyTorch и 10 млрд параметров. Лицензия CC-BY-NC-SA-4.0 ограничивает коммерческое использование и требует соблюдения условий атрибуции и распространения.

Starling_Monarch_Westlake_Garten-7B-v0.1 — объединённая модель генерации текста на архитектуре Mistral, созданная автором giraffe176 методом DARE TIES с помощью mergekit. В слияние вошли Starling-LM-7B-alpha, AlphaMonarch-7B, WestLake-7B-v2-laser и garten2-7b; базой указан Mistral-7B-v0.1. Модель содержит 7,1 млрд параметров, распространяется в формате safetensors и поддерживает контекст до 32 768 токенов. Модель предназначена для диалогов и генерации текста, в том числе для задач, где полезны рассуждения и эмоционально чуткие ответы. В README автор приводит результаты EQ-Bench v2.1, GSM8K, MT-Bench и других тестов; это результаты, заявленные в карточке модели, и они не гарантируют аналогичного качества на пользовательских задачах. Модель рассчитана на текстовый ввод и текстовый вывод. Лицензия — CC BY-NC 4.0, которая ограничивает коммерческое использование. Как объединённая экспериментальная версия, модель может отвечать неточно; в README не приведены сведения о поддерживаемых естественных языках.

ClaudioItaly/Stylographic-king-7B — языковая модель, созданная слиянием двух предварительно обученных моделей с помощью mergekit и метода SLERP. В состав вошли ClaudioItaly/King-7B и Orion-zhen/Qwen2.5-7B-Gutenberg-KTO; конфигурация использует ClaudioItaly/King-7B как базовую модель и веса bfloat16. Модель построена на плотной архитектуре Qwen2 и содержит 7,1 млрд параметров. Модель предназначена для генерации текста и диалоговых ответов. Контекстное окно составляет 32 768 токенов. Метаданные базовой модели указывают на поддержку китайского и английского языков; отдельные языковые данные для итогового слияния не приведены. Модель распространяется в формате safetensors через Transformers. Лицензия в предоставленных данных не указана.

SynthIA-7B-v1.5-Mistral-7B-Instruct-v0.1 — чат-модель, созданная MaziyarPanahi слиянием Mistral-7B-Instruct-v0.1 и SynthIA-7B-v1.5 методом SLERP. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста и ответов в диалоге. Репозиторий содержит веса в формате safetensors; модель рассчитана на контекст до 32 768 токенов и поддерживает английский язык. Модель подходит для диалоговых запросов, генерации ответов и выполнения инструкций на английском языке. Указанная лицензия — Apache-2.0. README описывает способ слияния и использованные модели, но не приводит отдельные результаты оценки качества или подробные ограничения применения.

Terminal-16k-top25 — диалоговая модель генерации текста, разработанная cuong1692001 и дообученная на наборе nemotron_complete_top_25_16k на базе cuong1692001/Terminal_complete_8k. Она использует плотную архитектуру Qwen3ForCausalLM и содержит 7,6 млрд параметров; заявленная длина контекста — до 40 960 токенов. Модель предназначена для диалогов и генерации текста. Для использования доступны веса в формате safetensors через Transformers. Лицензия указана как other; README не раскрывает дополнительных условий. Подробности о качестве, оценке и ограничениях в карточке отсутствуют.

Tess-XS-Creative-v1.0 — экспериментальная версия модели общего назначения из серии Tess, представленной разработчиком Migtissera. Это плотная авторегрессионная языковая модель на архитектуре Mistral с 7,1 млрд параметров, дообученная на базе Mistral-7B. Она предназначена для генерации текста в диалоговом формате с ролями SYSTEM, USER и ASSISTANT; заявленная длина контекста — 32 768 токенов. Модель опубликована в формате Safetensors и распространяется по лицензии Apache-2.0. В README эта версия названа устаревшей экспериментальной сборкой; автор рекомендует вместо неё стабильную Tess-XS-v1.3-yarn-128K. Данных о специализации на конкретном языке или предметной области нет, поэтому модель следует рассматривать как универсальную текстовую модель.

Trendyol разработала Trendyol-LLM-7b-chat-v0.1 — чат-модель на основе Llama 2 7B с авторегрессионной плотной архитектурой LlamaForCausalLM. Модель содержит 6,7 млрд параметров, принимает текст и генерирует текст; максимальный размер контекста по метаданным — 4096 токенов. Чат-версия дообучена на 180 тысячах наборов инструкций с помощью LoRA. Она предназначена для диалогов и генерации ответов на текстовые запросы на турецком и английском языках. Распространяется в формате safetensors по лицензии Apache-2.0. Модель может выдавать неверную информацию, ошибаться на сленге и языках, отличных от английского и турецкого, а также генерировать предвзятый или вредоносный текст. Разработчик отмечает, что её надёжность в реальных сценариях широко не проверялась; результаты следует проверять, а для публичных приложений применять фильтры и человеческий контроль.

TwinLlama-3.1-8B — текстовая модель семейства Llama, разработанная aczire и дообученная на базе meta-llama/Llama-3.1-8B с использованием Unsloth и библиотеки Hugging Face TRL. Модель предназначена для генерации текста и диалогового общения. Модель имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекстное окно до 131 072 токенов. В карточке указан английский язык; метаданные базовой модели также описывают поддержку восьми языков, но языки, на которых специально обучена именно эта производная модель, не перечислены. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. Карточка не уточняет набор данных, специализацию дообучения или результаты оценки, поэтому качество и пригодность для конкретных задач следует проверять отдельно.

TwinLlama-3.1-8B — текстовая модель генерации на архитектуре Llama, опубликованная amitupadhyay и дообученная на базе meta-llama/Llama-3.1-8B с использованием Unsloth и TRL. Она предназначена для генерации текста и диалоговых сценариев. Модель содержит 7,5 млрд параметров, поддерживает контекст до 131 072 токенов и рассчитана на английский язык. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не приводит результатов оценки качества и не описывает специализацию дообучения, поэтому пригодность для конкретных областей следует проверять отдельно.

TwinLlama-3.1-8B — плотная языковая модель семейства Llama, разработанная goncalocapelalopes путём дообучения unsloth/Meta-Llama-3.1-8B. Модель предназначена для генерации текста и диалогов; в метаданных указаны поддержка чата и контекст до 131 072 токенов. Модель содержит 7,5 млрд параметров, веса доступны в формате safetensors. Для обучения использовались Unsloth и библиотека TRL. В карточке указан английский язык. Модель распространяется по лицензии Apache-2.0. README не уточняет специализацию дообучения и качество на отдельных задачах.

Это GGUF-представление дообученной модели Undi95/Meta-Llama-3.1-8B-Claude-bf16, опубликованное featherless-ai-quants. Репозиторий содержит файлы в формате BF16 GGUF и несколько вариантов квантования, включая IQ4_XS, Q2_K и Q3_K_L; карточка также указывает на чат-возможности и задачу генерации текста. Модель предназначена для диалоговой генерации текста и может использоваться для ответов на вопросы, ведения беседы и создания текстов. README описывает варианты файлов и их размеры, но не приводит оценок качества или результатов тестирования. Лицензия в предоставленных данных не указана.

TroyDoesAI/Unrestricted-Knowledge-Will-Not-Refuse-15B — разговорная языковая модель для генерации текста, созданная слиянием предобученных моделей с помощью mergekit и метода SLERP. В слиянии участвовали TroyDoesAI/Little-Too-Toxic и TroyDoesAI/UncensoredLM-Medium-NotLeft. Модель относится к семейству Mistral, использует плотную архитектуру MistralForCausalLM и содержит 14,7 млрд параметров. Модель предназначена для диалоговой генерации текста. Заявленная длина контекста составляет 1 024 000 токенов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Сведения о поддерживаемых естественных языках и лицензии в предоставленных материалах отсутствуют, поэтому условия распространения по ним определить нельзя.

BetterHF/vicuna-7b — конвертированная версия Vicuna-7B, диалоговой языковой модели на архитектуре LLaMA. В README указано, что веса получены применением delta-модели lmsys/vicuna-7b-delta-v0 к базовой decapoda-research/llama-7b-hf. В репозитории представлены файлы PyTorch; размер модели — около 6,6 млрд параметров. Модель предназначена для генерации текста в диалоговом формате: она может отвечать на вопросы и поддерживать общение на естественном языке. README сообщает, что конвертированную модель проверили через Vicuna CLI и получили корректный ответ. Данные не описывают отдельные языки, длину контекста или условия лицензии, поэтому эти характеристики здесь не уточняются.

Карточка модели pythainlp/wangchanglm-7.5B-sft-en на Hugging Face совпадает с карточкой pythainlp/wangchanglm-7.5B-sft-enth, поэтому описание составлено по ней. WangChanGLM-7.5B-sft-enth — разработанная PyThaiNLP и VISTEC-depa AI Research Institute of Thailand версия XGLM-7.5B, дообученная следовать инструкциям. Модель содержит 8,6 млрд параметров, использует архитектуру XGLM и принимает текстовые запросы, генерируя текст; длина контекста — 2048 токенов. Модель предназначена для ответов на вопросы по тексту, мозгового штурма и творческого письма. Этот вариант дополнительно дообучен на тайских данных, переведённых с помощью Google Translate; в карточке также указана оценка возможностей для английского, тайского, японского и вьетнамского языков. Для обучения использованы открытые наборы данных, включая OIG, Dolly v2, OpenAI TL;DR и HC3. Лицензия весов — CC-BY-SA 4.0. Модель слабо подходит для математики, сложных рассуждений и ответов, требующих фактической точности. В карточке также отмечены нежелательные предубеждения и токсичность; перед применением в конкретной задаче рекомендуется дополнительная проверка.

YamshadowInex12_NeuralsirkrishnaExperiment28 — объединённая модель на архитектуре Mistral, созданная из automerger/YamshadowInex12-7B и automerger/NeuralsirkrishnaExperiment28-7B. Она предназначена для генерации текста и может использоваться в приложениях, которым нужны ответы или продолжение текста на основе запроса. Модель содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Лицензия — Apache-2.0. README не описывает специальные возможности, целевые области применения или подтверждённые языки модели.

MaziyarPanahi/YamshadowInex12_Strangemerges_32Yamshadow — объединённая модель генерации текста на архитектуре Mistral с 7,1 млрд параметров. Она создана путём слияния automerger/YamshadowInex12-7B и automerger/Strangemerges_32Yamshadow-7B; файлы модели представлены в формате safetensors. Модель предназначена для генерации текста и принимает контекст длиной до 32 768 токенов. Карточка не описывает специальные предметные области или отдельные сценарии применения. Лицензия — Apache-2.0.

Zara-14b-v1 — диалоговая причинно-следственная языковая модель Aixon Lab на архитектуре Transformer Qwen2. Модель содержит около 14 млрд параметров и дообучена на основе sometimesanotion/Lamarck-14B-v0.7; в README также упоминаются слияния слоёв. Модель рассчитана на диалоги с несколькими ролями, генерацию текста, ответы на вопросы и анализ, с упором на творческое письмо и сторителлинг. Заявленная длина контекста — 131 072 токена. Основной язык — английский; README допускает поддержку других языков, но не уточняет их. Модель распространяется в формате safetensors по лицензии Apache 2.0. Оценки качества и результаты бенчмарков для этой версии не приведены.

zephyr-7b-DPOBS128-full — диалоговая языковая модель на архитектуре Mistral с 7,1 млрд параметров, дообученная командой TTTXXX01 на alignment-handbook/zephyr-7b-sft-full с использованием набора HuggingFaceH4/ultrafeedback_binarized. Она предназначена для генерации текста и ответов в чате; карточка также указывает возможность диалогового взаимодействия. Модель принимает текст и генерирует текст. Заявленная длина контекста — 32 768 токенов. Веса доступны в формате safetensors, лицензия — Apache-2.0. README не приводит результатов оценки качества или подробностей о рекомендуемых сценариях использования.

RikkiXu/zephyr-7b-dpo-full — диалоговая языковая модель с архитектурой MistralForCausalLM и 7,1 млрд параметров. Репозиторий содержит веса в формате safetensors; в метаданных указано контекстное окно 32 768 токенов и возможность чата. README сообщает, что модель обучалась с нуля, но не приводит сведений о датасете, обучении или оценке. Модель предназначена для генерации текста и диалоговых сценариев: например, для ответов на запросы и продолжения беседы. Языки обучения и поддерживаемые языки не указаны. Условия лицензирования в предоставленных данных не описаны.

Модель ShenaoZ/0.0001_withdpo_3iters_bs256_511lr_iter_1 — диалоговая текстовая модель на архитектуре Mistral с 7,1 млрд параметров. Это дообученная версия HuggingFaceH4/mistral-7b-sft-beta, обученная на наборе предпочтений HuggingFaceH4/ultrafeedback_binarized с использованием DPO. Модель предназначена для генерации текста в формате диалога: ответов на вопросы и общения. Контекст модели составляет до 32 768 токенов. В карточке указана лицензия MIT.

Это диалоговая модель генерации текста на архитектуре Mistral, разработанная как дообученная версия ShenaoZ/0.0001_withdpo_4iters_bs256_5102lr_misit_correct_iter_1. Модель содержит 7,1 млрд параметров, принимает текст и рассчитана на контекст до 32 768 токенов. Модель предназначена для диалогов и ответов на инструкции. Она дообучена на датасетах updated и original; базовая модель описана в каталоге как диалоговая Mistral, дообученная на UltraFeedback. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. Подробности о качестве, оценке и конкретных ограничениях в карточке не приведены.

Модель ShenaoZ/0.0005_withdpo_4iters_bs256_2epoch_5311lr_iter_2 — дообученная диалоговая языковая модель на архитектуре Mistral с 7,1 млрд параметров. Она предназначена для генерации текста в чат-сценариях и дообучена на исходном и обновлённом наборах данных; карточка не раскрывает их содержание и подробности обучения. Модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. Опубликована в формате Safetensors по лицензии MIT. README не содержит сведений о качестве, оценках или конкретных ограничениях.

Это дообученная модель Mistral с 7,1 млрд параметров, созданная на основе HuggingFaceH4/mistral-7b-sft-beta с использованием датасета HuggingFaceH4/ultrafeedback_binarized и метода DPO. Она предназначена для генерации текста и диалогового общения, в том числе для ответов на вопросы. Модель имеет плотную архитектуру MistralForCausalLM, принимает текст и выдаёт текст. Её контекстное окно составляет 32 768 токенов. Базовая модель обучалась на англоязычных синтетических диалогах; отдельные сведения о языках этой версии отсутствуют. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии MIT.

Модель ShenaoZ/0.0005_withdpo_4iters_bs256_555lr_iter_2 — чат-модель на архитектуре Mistral, дообученная на основе ShenaoZ/0.0005_withdpo_4iters_bs256_555lr_iter_1 на наборах данных updated и original. Она предназначена для генерации текста в диалоге. Модель содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов и опубликована в формате safetensors. Модель распространяется по лицензии MIT. Карточка не приводит сведений о целевых сценариях, языках обучения, результатах оценки или известных ограничениях качества.

ShenaoZhang/0.001_5iters_bs256_nodpo_only4w_iter_2 — дообученная разговорная языковая модель на архитектуре Mistral с 7,1 млрд параметров. Она продолжает обучение модели ShenaoZhang/0.001_5iters_bs256_nodpo_only4w_iter_1 на исходном и обновлённом наборах данных и предназначена для генерации текста в диалоговом формате. Модель принимает текст и генерирует текст; максимальная длина контекста составляет 32 768 токенов. Репозиторий содержит веса Safetensors. Модель распространяется по лицензии MIT. Подробности о наборе данных, оценках качества и известных ограничениях в карточке не раскрыты.

Это плотная авторегрессионная языковая модель семейства Mistral, дообученная ShenaoZhang на базе HuggingFaceH4/mistral-7b-sft-beta с использованием обновлённого и исходного наборов данных. Модель содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов и предназначена для генерации текста в диалоговом формате. Модель подходит для общения и создания текстовых ответов на запросы. Карточка не приводит подробностей о составе обучающих данных и результатах оценки, поэтому качество на конкретных задачах и языках по этим данным определить нельзя. Распространяется по лицензии MIT.