III.5Управление персоналом и организацией

zelk12/MT-Gen5-GP-gemma-2-S5E-9B — объединённая модель генерации текста на архитектуре Gemma 2, созданная с помощью mergekit методом SLERP из Aashraf995/Gemma-Evo-10B и allknowingroger/GemmaSlerp5-10B. Модель содержит 9 млрд параметров, поддерживает диалоговое взаимодействие и принимает текст, выдавая текст. Для работы с ней указана библиотека Transformers, а нативный контекст составляет 8192 токена. Модель предназначена для генерации текста и ведения диалогов. В README указаны входящие в объединение модели и параметры слияния; отдельные специализированные области применения и языки не описаны. Репозиторий содержит веса в формате safetensors и распространяется по лицензии, указанной в метаданных Hugging Face.

zelk12/MT-Gen5-MA-gemma-2-S5MT3g4-9B — объединённая методом SLERP разговорная языковая модель на архитектуре Gemma 2. Её создали с помощью mergekit, объединив allknowingroger/GemmaSlerp5-10B и zelk12/MT3-Gen4-gemma-2-9B; в конфигурации указаны базовая модель allknowingroger/GemmaSlerp5-10B, параметр смешивания t=0,25 и формат bfloat16. Модель содержит 9 млрд параметров и рассчитана на контекст до 8192 токенов. Модель предназначена для генерации текста и диалогов. Её можно использовать как разговорного помощника для ответов на вопросы, ведения беседы и создания текста. Метаданные и карточка не описывают отдельные специализированные области применения или языковую специализацию. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных данных не обозначена.

zelk12/MT-Merge5-MM-gemma-2-MT3g5MTg5-9B — объединённая методом SLERP разговорная языковая модель на архитектуре Gemma 2 с 9 млрд параметров. Её создали с помощью mergekit, объединив zelk12/MT3-Gen5-gemma-2-9B_v1 и zelk12/MT-Gen5-gemma-2-9B; веса доступны в формате safetensors, исходная конфигурация использовала bfloat16. Модель предназначена для генерации текста и диалогов. Она принимает текст и выдаёт текст, а заявленная длина контекста составляет 8192 токена. Данные карточки не описывают специализированную область применения или поддерживаемые естественные языки. Лицензия для этой модели в предоставленных данных не указана. Качество и ограничения объединённой модели отдельно не описаны; перед использованием в прикладных сценариях её следует оценить на соответствующих задачах.

zelk12/MTM-Merge-MA-gemma-2-MTM4MTM5-9B — разговорная языковая модель на архитектуре Gemma 2, созданная слиянием двух предварительно обученных моделей: zelk12/MT-Merge4-gemma-2-9B и zelk12/MT-Merge5-gemma-2-9B. Для слияния применён метод SLERP с параметром t=0,25; веса представлены в формате safetensors, модель рассчитана на работу через библиотеку Transformers. Модель предназначена для генерации текста и диалоговых сценариев. Она содержит 9 млрд параметров и поддерживает контекст до 8192 токенов. Сведения о конкретных языках и специализированных предметных областях в использованных источниках отсутствуют.

MaziyarPanahi/neural-chat-7b-v3-2-Mistral-7B-Instruct-v0.1 — объединённая чат-модель на базе Mistral-7B-Instruct-v0.1 и Intel/neural-chat-7b-v3-2. Модели объединены методом SLERP; архитектура — плотная MistralForCausalLM, размер — 7,1 млрд параметров, формат весов — safetensors. Модель предназначена для генерации текста в ответ на инструкции и диалоговые запросы. Она поддерживает контекст до 32 768 токенов и ориентирована на английский язык; среди заявленных тем есть математика. Лицензия — Apache 2.0. Модель можно использовать для диалоговых помощников, ответов на вопросы и генерации текста по инструкциям. Карточка не приводит результатов сравнительной оценки качества или подробных сведений об ограничениях, поэтому пригодность для конкретных задач следует проверять отдельно.

Neural-Krishna-Multiverse-7b — объединённая модель генерации текста, созданная с помощью LazyMergekit из Kukedlc/NeuralSirKrishna-7b и ammarali32/multi_verse_model. В карточке указано слияние методом slerp; архитектура — плотная MistralForCausalLM примерно на 7,1 млрд параметров. Модель предназначена для генерации текста и диалогов. Она принимает текст, поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors. Языки и специализированные предметные области в источниках не определены. Модель выпущена под лицензией Apache-2.0. Карточка не приводит оценок качества или дополнительных сведений о поведении, поэтому пригодность для конкретных сценариев следует проверять на собственных данных.

Neurotic-Jomainotrik-7b-slerp — языковая модель на архитектуре Mistral, созданная liminerity с помощью слияния моделей mergekit методом SLERP. В объединение вошли liminerity/merge и bardsai/jaskier-7b-dpo-v5.6; карточка указывает базовой моделью liminerity/merge. Модель содержит 7,1 млрд параметров, сохранена в формате safetensors и использует точность float16. Модель предназначена для генерации текста. Указанный нативный контекст составляет 32 768 токенов. В README приведены результаты Open LLM Leaderboard, включая оценки по AI2 Reasoning Challenge и HellaSwag; конкретные языки и специализированные области применения не заявлены. Лицензия — Apache-2.0.

OgnoExperiment27-7B — текстовая генеративная модель, созданная automerger путём слияния двух предварительно обученных моделей с помощью mergekit и метода SLERP: eren23/ogno-monarch-jaskier-merge-7b-OH-PREF-DPO-v2 и yam-peleg/Experiment27-7B. В основе архитектуры лежит MistralForCausalLM с плотной архитектурой; модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогов на входных текстовых запросах. Карточка не описывает специализированные сценарии, результаты оценок качества или отдельные дополнительные возможности. Репозиторий содержит веса в формате Safetensors; лицензия — Apache-2.0.

Модель ihughes15234/phi_3_5_mini_3k_each — разговорная языковая модель для генерации текста, разработанная ihughes15234 и дообученная на базе unsloth/phi-3.5-mini-instruct-bnb-4bit. В карточке указано, что обучение выполнялось с использованием Unsloth и библиотеки TRL. Модель предназначена для диалоговых сценариев и генерации текста по текстовому запросу. Она содержит 3,7 млрд параметров, использует плотную архитектуру LlamaForCausalLM и поддерживает контекст длиной до 4096 токенов. В метаданных указан английский язык. Модель распространяется по лицензии Apache-2.0. Карточка не описывает специализацию дообучения, качество на тестах или конкретные ограничения, поэтому пригодность для узких задач следует проверять отдельно.

bunnycore/Phi-3.5-mini-TitanFusion-0.4.1 — объединённая языковая модель, созданная с помощью mergekit методом passthrough на основе bunnycore/Phi-3.5-mini-TitanFusion-0.4 и bunnycore/Phi-3.5-rp-lora_model. Модель использует плотную архитектуру Phi-3 и класс Phi3ForCausalLM; заявленный размер — 3,7 млрд параметров. Она предназначена для генерации текста и диалогового взаимодействия. Работает через библиотеку Transformers, веса опубликованы в формате safetensors, длина контекста — 4096 токенов. Карточка не уточняет языковую специализацию или дополнительные области применения. Условия использования определяются лицензиями исходных моделей; в предоставленных данных лицензия не указана.

ProMario3 — объединённая диалоговая языковая модель на архитектуре Mistral, созданная jefferylovely с помощью LazyMergekit. Она объединяет eren23/dpo-binarized-NeutrixOmnibe-7B и jefferylovely/ProMario2 методом SLERP; базовая модель NeutrixOmnibe-7B была дообучена методом DPO. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст, а её контекст достигает 32 768 токенов. Репозиторий содержит веса в формате Safetensors. Модель предназначена для диалоговой генерации ответов и продолжения текста в универсальных сценариях. Карточка не приводит результатов оценки качества или специализированных областей применения. Лицензия CC BY-NC-ND 4.0 ограничивает использование некоммерческими условиями и запрещает распространение производных материалов; перед применением следует учитывать её условия.

SvalTek/Q2.5-ColdBrew-Antrax-Forge-10B-TestSFT0 — дообученная SvalTek модель семейства Qwen2 для генерации текста в диалоговом формате. В README указано, что обучение выполнялось с помощью Unsloth и библиотеки TRL; модель содержит 9,4 млрд параметров, использует плотную архитектуру Qwen2ForCausalLM и поддерживает контекст до 131 072 токенов. Карточка и метаданные указывают английский язык. Модель предназначена для генерации ответов и ведения текстового диалога. Она распространяется в формате safetensors по лицензии Apache-2.0. README не описывает специализацию дообучения, результаты оценки качества или дополнительные ограничения применения.

Quyen-Mini-v0.1 — разговорная языковая модель из серии Quyen, разработанной авторами карточки. Она основана на семействе Qwen1.5 и дообучена методами SFT и DPO на наборах OpenHermes-2.5, Capybara, Orca DPO и закрытых данных. Метаданные указывают архитектуру Qwen2 с плотной причинной языковой моделью, 1,5 млрд параметров и контекст до 8192 токенов; README указывает размер версии Quyen-Mini как 1,8 млрд параметров. Модель предназначена для диалогов, ответов на вопросы и генерации текста. В карточке указан шаблон ChatML, а среди языков — английский. README приводит результаты отдельных тестов, но полная таблица бенчмарков недоступна, поэтому они не дают основания судить о качестве во всех сценариях. Лицензия указана как other, конкретные условия использования в предоставленных данных не раскрыты.

Roman0/Qwen3-0.6B-heretic — плотная причинная языковая модель семейства Qwen3, созданная на основе Qwen/Qwen3-0.6B-Base. Модель содержит около 508 млн параметров, принимает текст и генерирует текст; заявленная длина контекста в метаданных — 40 960 токенов. Для работы с весами в формате safetensors используется библиотека Transformers. Модель изменена методом abliteration, чтобы реже отказывать в ответах: в приведённом README сравнении число отказов составило 3 из 100 против 57 из 100 у исходной модели, при указанном KL divergence 0,0024. Она предназначена для диалога и генерации текста, включая ответы на инструкции, рассуждения, творческое письмо и переводы — эти возможности описаны для семейства Qwen3, а не отдельно подтверждены тестами этой версии. Заявлена поддержка более 100 языков и диалектов; основными языками конкретной модели карточка не выделяет. В README есть несогласованность характеристик контекста: для семейства указаны 32 768 токенов, тогда как метаданные этой модели сообщают 40 960. Небольшой размер может ограничивать качество сложных задач по сравнению с более крупными моделями. Abliteration уменьшает частоту отказов, но приведённое сравнение не описывает весь спектр качества и поведения модели. Лицензия — Apache-2.0.

OP12138/qwen3-4b-star1 — дообученная модель Qwen3-4B, созданная на наборе данных star1. Она предназначена для генерации текста и диалогового общения. Модель имеет плотную архитектуру Qwen3ForCausalLM, около 3,7 млрд параметров и контекстное окно до 40 960 токенов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. В карточке не описаны специализация датасета star1, результаты оценки или дополнительные ограничения. Лицензия указана как other, поэтому конкретные условия использования следует сверить с лицензией репозитория и базовой модели.

Модель linchiyi/qwen3-8b-hw3-grpo-lora-merged-16bit — дообученная разговорная языковая модель семейства Qwen3 с плотной архитектурой и 7,6 млрд параметров. Она основана на unsloth/qwen3-8b; для обучения использовались Unsloth и библиотека TRL. Репозиторий содержит веса в формате safetensors, а длина контекста составляет 40 960 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Карточка не уточняет специализацию дообучения или результаты оценки, поэтому пригодность для конкретных предметных областей и качество ответов по ним определить нельзя. Лицензия — Apache-2.0.

Модель mahiatlinux/qwen_finetune_16bit — дообученная плотная языковая модель семейства Qwen3, опубликованная mahiatlinux. Она создана на базе unsloth/Qwen3-4B-Base с использованием Unsloth и библиотеки Hugging Face TRL. Модель предназначена для генерации текста и диалогового взаимодействия; в репозитории указано около 3,7 млрд параметров и контекст до 32 768 токенов. Модель принимает текст и генерирует текст. В метаданных указан английский язык. Веса опубликованы в формате Safetensors, лицензия — Apache-2.0. README не описывает специализацию дообучения или результаты оценки качества, поэтому назначение модели следует считать общим.

Карточка модели TigerByteCyber/roberta-base-zeroshot-v2.0-c на Hugging Face совпадает с карточкой MoritzLaurer/roberta-base-zeroshot-v2.0-c, поэтому описание составлено по ней. Moritz Laurer разработал roberta-base-zeroshot-v2.0-c — модель для классификации текстов без размеченных примеров. Это дообученная RoBERTa-base с 151,8 млн параметров, настроенная на задачу вывода по естественному языку: модель оценивает, следует ли гипотеза из текста. Hugging Face pipeline позволяет представить разные задачи классификации как проверку гипотез для заданных классов; можно выбрать один класс или разрешить несколько. Модель предназначена для эффективной работы на CPU и GPU и совместима с производственными контейнерами Hugging Face TEI. В сравнении автора на 28 задачах классификации средний macro-F1 составил 0,587; точность зависит от набора данных и формулировки гипотезы. Модель принимает текст и выдаёт оценки классов. Поддерживаемый язык по карточке — английский; длина контекста — 514 токенов. Вариант с суффиксом «-c» обучен на коммерчески дружественных данных: синтетических текстах, созданных Mixtral-8x7B-Instruct-v0.1, и наборах MNLI и FEVER-NLI. Репозиторий распространяется по лицензии MIT. Модель ограничена задачами классификации текста; возможны смещения из-за базовой модели, данных NLI и синтетических данных.

Ruphi-4b — дообученная разговорная языковая модель, разработанная ehristoforu на основе unsloth/Phi-3.5-mini-instruct-bnb-4bit. Она предназначена для генерации текста и диалогов. Модель использует архитектуру Phi-3, содержит 3,7 млрд параметров и поддерживает контекст до 4096 токенов. В карточке указаны обучение с Unsloth и библиотекой TRL, формат весов Safetensors и лицензия Apache 2.0. Метаданные отмечают английский язык; сведений о специализированных областях применения и оценке качества нет.

Sappho_V0.0.4 — языковая модель для генерации текста, созданная Jakolo121 с помощью слияния моделей LazyMergekit. В основу слияния вошли Jakolo121/Sappho_V0.0.3 и VAGOsolutions/SauerkrautLM-7b-HerO; применён метод SLERP. Модель построена на плотной архитектуре Mistral и содержит 7,1 млрд параметров. Модель предназначена для генерации текста и диалоговых сценариев, включая ответы на вопросы. Контекстное окно составляет 32 768 токенов. Базовая SauerkrautLM-7b-HerO описана как немецко-английская диалоговая модель; карточка Sappho не уточняет языковое покрытие и условия лицензии.

Модель yuhengtu-bytedance/sfm_filtered_e2e_alignment-3k_4k_5k_6k_7k_simpleavg_merge — объединённая языковая модель, созданная с помощью mergekit методом Linear. В слияние вошли контрольные точки обучения filtered_e2e_alignment с шагов 3000, 4000, 5000, 6000 и 7000; базой для слияния указан чекпойнт с шага 7000. Разработчик репозитория — yuhengtu-bytedance. Модель предназначена для генерации текста и диалогового взаимодействия. Она построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров, принимает текст и выдаёт текст, а длина контекста составляет 16 384 токена. Репозиторий использует формат safetensors и библиотеку Transformers. Карточка не приводит результатов оценки качества или подробностей о поведении модели, поэтому её пригодность для конкретных сценариев следует проверять самостоятельно. Лицензия в предоставленных данных не указана.

sfm_filtered_e2e_alignment-5k_6k_7k_simpleavg_merge — объединённая языковая модель, собранная с помощью mergekit методом Linear. В качестве базовой использована контрольная точка global_step7000, также в объединение вошли global_step6000 и global_step5000 из серии filtered_e2e_alignment. Репозиторий содержит модель архитектуры GPT-NeoX с 8,8 млрд параметров в формате safetensors; для работы с ней указана библиотека Transformers. Модель предназначена для генерации текста и диалогового общения. Её контекстное окно составляет 16 384 токена. Сведений о целевых языках, конкретных прикладных областях и сравнительных результатах в доступных данных нет. Лицензия в предоставленных источниках не указана.

Модель sfm_filtered_e2e_alignment-9k_10k_11k_simpleavg_merge — объединение трёх контрольных точек языковой модели, созданное с помощью mergekit методом Linear. В качестве базовой точки слияния использована контрольная точка global_step11000; также объединены global_step10000 и global_step9000. Репозиториям этих контрольных точек соответствуют локальные пути, поэтому идентификатор базовой модели на Hugging Face установить нельзя. Модель построена на архитектуре GPT-NeoX и содержит 8,8 млрд параметров. Она предназначена для генерации текста и поддерживает диалоговый режим; контекст составляет 16 384 токена. Карточка не раскрывает конкретные языки, специализированные области применения или сравнительные результаты качества. Файлы представлены в формате safetensors. Лицензия в предоставленных сведениях не указана.

Это объединённая модель генерации текста, созданная yuhengtu-bytedance с помощью mergekit. В ней линейно объединены предварительно обученные языковые модели из контрольных точек обучения с шагов 5000, 6000, 7000, 8000 и 9000; базовой при объединении указана контрольная точка global_step9000. Архитектура — плотная GPT-NeoX с 8,8 млрд параметров, веса сохранены в safetensors, нативный контекст составляет 16 384 токена. Модель предназначена для генерации текста и диалогового взаимодействия. Карточка не описывает специализированные предметные области, языки или результаты оценки качества, поэтому её пригодность для конкретных задач следует проверять на собственных данных. Лицензия в предоставленных источниках не указана.

Это объединённая модель генерации текста, созданная с помощью mergekit методом Linear из контрольных точек предварительно обученной языковой модели. В качестве базовой использована контрольная точка global_step7000, также в слияние вошли global_step5000 и global_step6000. Архитектура — GPT-NeoX, плотная авторегрессионная модель с 8,8 млрд параметров; файлы модели представлены в формате safetensors. Модель предназначена для генерации текста и диалоговых сценариев. Указанная длина контекста — 16 384 токена. В README и метаданных нет сведений о поддерживаемых естественных языках, специализированных областях или измеренных ограничениях качества. Лицензия в предоставленных данных не описана.

sfm_filtered_insert_xxf_character-2k_3k_4k_weightedavg_merge — объединённая языковая модель, созданная с помощью mergekit методом Linear. В качестве базового чекпойнта использован global_step4000, в слияние также включены чекпойнты global_step2000 и global_step3000 из серии filtered_insert_xxf_character. Модель разработана автором репозитория yuhengtu-bytedance. Это плотная авторегрессионная модель GPT-NeoX с 8,8 млрд параметров, предназначенная для генерации текста в диалоговом формате. Она принимает текст и выдаёт текст; заявленный размер контекста составляет 16 384 токена. Сведения о языках обучения и целевой области применения отсутствуют, поэтому модель следует считать языковой моделью общего назначения. Модель сохранена в формате safetensors и доступна через Transformers. README не приводит результатов оценки, подробностей о поведении модели или условий лицензии; качество и права на использование следует проверять отдельно по репозиторию и исходным чекпойнтам.

Модель sfm_filtered_insert_xxf_character-5k_6k_7k_8k_9k_simpleavg_merge — объединение пяти предварительно обученных языковых моделей, созданное с помощью mergekit. Для слияния применён линейный метод; базой служил чекпойнт global_step9000, вместе с ним объединены чекпойнты global_step5000, global_step6000, global_step7000 и global_step8000. Это плотная авторегрессионная модель архитектуры GPT-NeoX размером 8,8 млрд параметров, сохранённая в safetensors и рассчитанная на контекст до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. В карточке нет сведений о конкретных языках, специализированных областях или преимуществах модели. Лицензия в предоставленных данных не указана.

Это объединённая модель генерации текста размером 8,8 млрд параметров, созданная с помощью mergekit методом Linear merge. В объединение вошли контрольные точки этапов обучения с шагами 6000, 7000, 8000, 9000 и 10000; в README контрольная точка global_step10000 указана как базовая. Модель основана на архитектуре GPT-NeoX и сохранена в формате safetensors. Модель предназначена для генерации текста и диалогового взаимодействия. Она принимает текст и выдаёт текст, поддерживает контекст до 16 384 токенов. README и метаданные не уточняют языковую специализацию, качество на отдельных задачах или дополнительные сценарии применения. Лицензия в предоставленных данных не указана. Поскольку исходные контрольные точки обозначены внутренними путями, их публичные идентификаторы и условия использования по этим сведениям установить нельзя.

sfmunfilterede2ealignment-3k4k5k6k7ksimpleavgmerge — объединённая языковая модель автора yuhengtu-bytedance, созданная с помощью mergekit методом Linear: в качестве базовой использована контрольная точка global_step7000, а также включены контрольные точки обучения global_step3000, global_step4000, global_step5000 и global_step6000. Это плотная авторегрессионная модель семейства GPT-NeoX объёмом 8,8 млрд параметров, сохранённая в формате safetensors и доступная через Transformers. Модель предназначена для генерации текста и диалогового взаимодействия. Она принимает текст и выдаёт текст, поддерживает контекст до 16 384 токенов. Данные не позволяют установить её языковой охват или специализированную область применения. Репозиторий не сообщает результаты оценки качества или конкретные ограничения поведения модели. Условия использования и лицензия в предоставленных данных не указаны.

ShadowYamshadow_YamOgno — объединённая текстовая модель на архитектуре Mistral с 7,1 млрд параметров. Она создана слиянием моделей automerger/ShadowYamshadow-7B и automerger/YamOgno-7B. Модель предназначена для генерации текста и может использоваться в задачах продолжения текста и диалоговых сценариях. Контекстное окно составляет до 32 768 токенов; веса доступны в формате safetensors. Модель распространяется по лицензии Apache-2.0. README не приводит результатов оценки качества или дополнительных сведений о специализации модели.