III.5Управление персоналом и организацией

Jebadiah/Aria-Laylelemon-sand-stone — объединённая языковая модель, созданная с помощью mergekit методом DARE TIES. В качестве базовой модели использована Jebadiah/Aria-dolphin-1m-sand-stone, также в объединение включена Nitral-AI/Visual-LaylelemonMaidRP-7B. Модель основана на архитектуре Mistral, содержит 7,1 млрд параметров и принимает текст для генерации текста; заявленная длина контекста — 32 768 токенов. Модель подходит для генерации продолжений и ответов в текстовых сценариях. Репозиторий содержит веса в формате safetensors, а в конфигурации слияния указана точность float16. Данных о лицензии и конкретных языках в доступных материалах нет.

Карточка модели EpistemeAI/Athena-gemma-2-9b-it на Hugging Face совпадает с карточкой EpistemeAI/Athena-gemma-2-9b-it-Philos, поэтому описание составлено по ней. Athena-gemma-2-9b-it-Philos — чат-модель EpistemeAI, дообученная на базе unsloth/gemma-2-9b-it-bnb-4bit с помощью Unsloth и Hugging Face TRL. Это плотная языковая модель Gemma 2 с 9 млрд параметров, предназначенная для генерации текста в диалоге. Она принимает текст и выдаёт текст; заявленная длина контекста — 8192 токена. Карточка не описывает философскую специализацию модели или конкретные обучающие данные, поэтому название не подтверждает её пригодность для специализированных философских задач. Модель распространяется по лицензии Apache-2.0. В карточке указано, что обучение выполнялось с использованием Unsloth и TRL.

Badger ι Llama 3 8B Instruct — разговорная языковая модель на архитектуре Llama 3, созданная автором карточки путём комбинирования нескольких моделей на базе Llama 3 8B, включая instruct- и экспериментальные варианты. Модель рассчитана на генерацию ответов в формате чата, продолжение историй и ролевые диалоги; в README также приведён пример суммаризации длинной статьи. Автор сообщает, что модель хорошо работает с instruct-шаблоном и склонна выдавать развёрнутые ответы. В метаданных указаны 7,5 млрд параметров, контекст 8192 токена, библиотека Transformers и формат safetensors. README упоминает также варианты GGUF, но карточка не уточняет, относятся ли они к этому репозиторию. Лицензия указана как Llama 3. Модель преимущественно англоязычная по приведённым примерам; подтверждённых сведений о других языках нет.

Sumail/Barista50 — языковая модель для генерации текста, созданная слиянием StableLM-моделей tomaszki/stablelm-21 и tomaszki/stablelm-22 методом SLERP с помощью mergekit. Модель имеет плотную архитектуру StableLM и около 1,4 млрд параметров; веса сохранены в формате Safetensors. Она предназначена для генерации текста и диалогового взаимодействия. Контекст составляет до 4096 токенов. В карточке не указаны целевые языки, специализированные предметные области или результаты оценки качества. Лицензия в предоставленных данных не приведена.

BreezeDolphinDPO-7B-DARE — языковая диалоговая модель, созданная объединением моделей cognitivecomputations/dolphin-2.6-mistral-7b-dpo и MediaTek-Research/Breeze-7B-Instruct-v0_1 с помощью LazyMergekit. Она предназначена для генерации текста и ведения диалога; архитектура — плотная MistralForCausalLM, размер — 7,2 млрд параметров, контекст — до 32 768 токенов. Модель принимает текст и генерирует текст. Базовая Breeze ориентирована преимущественно на традиционный китайский и английский языки; README не уточняет языковую поддержку итогового слияния. В конфигурации указан метод слияния dare_ties и формат весов bfloat16; репозиторий содержит safetensors. Лицензия в предоставленных данных не указана.

Brunhilde-2x7b-MOE-DPO-v.01.5 — языковая модель на архитектуре Mixtral с механизмом смеси экспертов (MoE), опубликованная arlineka. В README она представлена как объединение NurtureAI/neural-chat-7b-v3-16k и mncai/mistral-7b-dpo-v6; метаданные указывают 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста, в том числе диалоговых ответов и рассуждений. В карточке приведены результаты Open LLM Leaderboard: средний балл 71,81, AI2 Reasoning Challenge — 69,54, HellaSwag — 87,02. Весовые файлы представлены в формате Safetensors. README не описывает языки, специальные прикладные области или ограничения качества; оценки бенчмарков не гарантируют точность ответов в конкретных задачах. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

Cognito-2x7B-bf16 — языковая модель Kquant03, собранная как frankenMoE на основе архитектуры Mixtral. В конфигурации указаны flemmingmiguel/MBX-7B-v3 как базовая модель и второй эксперт, а также alnrg2arg/blockchainlabs_test3_seminar как первый эксперт. По карточке, маршрутизатор экспертов не обучался одновременно с моделью. Модель имеет 7,1 млрд параметров, принимает текст, генерирует текст и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев на английском языке. Разреженная архитектура MoE активирует экспертов для обработки токенов, что может снизить вычисления при генерации относительно плотной модели сходного размера. При этом для загрузки нужны ресурсы памяти для хранения параметров экспертов; качество и поведение маршрутизации могут быть нестабильными, поскольку маршрутизатор не обучался совместно с экспертами. Веса опубликованы в формате safetensors по лицензии Apache-2.0.

Elfrino выпустил ContextualToppy_KTO-7B — слитую модель для генерации текста и ведения диалогов. Она создана методом SLERP с помощью mergekit из Undi95/Toppy-M-7B и ContextualAI/Contextual_KTO_Mistral_PairRM. Модель построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров. Она предназначена для генерации текстовых ответов и ролевых диалогов; поддерживает контекст до 32 768 токенов и работает через Transformers. В репозитории веса представлены в формате safetensors. Карточка не приводит конкретных оценок качества или сведений о языковом покрытии. Базовое описание указывает на возможность генерации контента для взрослых. Условия лицензии в предоставленных данных не указаны.

Moritz Laurер разработал MoritzLaurer/deberta-v3-base-zeroshot-v1 для классификации текста без примеров с помощью конвейера Hugging Face zero-shot-classification. Модель на основе DeBERTa-v3 содержит 211,6 млн параметров и принимает текст вместе с кандидатными категориями, заданными в виде гипотез; она оценивает, следует ли гипотеза из текста. Этот подход позволяет формулировать разные задачи классификации через проверку категорий-кандидатов. Модель обучена на смеси 27 задач и 310 классов: примерно 400 тыс. текстов из задач классификации и 885 тыс. примеров из наборов данных NLI. В отличие от трёхклассовых моделей NLI, она предсказывает два класса: entailment и not_entailment. Контекст ограничен 512 токенами, основной указанный язык — английский. Весы доступны в форматах PyTorch и Safetensors по лицензии MIT. Модель предназначена только для классификации текста. Результаты могут наследовать смещения обучающих наборов; README рекомендует учитывать возможные предубеждения в исходных данных. Для работы с DeBERTa-v3 могут потребоваться Transformers версии 4.13 или новее.

Moritz Laurer дообучил DeBERTa-v3-xsmall для классификации без заранее заданного набора классов: пользователь задаёт текстовые метки, а модель оценивает соответствие им входного текста. Модель предназначена для быстрого zero-shot анализа, в том числе на периферийных устройствах и в браузере через transformers.js. Основа — microsoft/deberta-v3-xsmall. В README указаны 22 млн параметров основной части модели, 128 млн параметров словаря и размер файла 142 МБ; метаданные указывают 77,5 млн параметров. Модель принимает текст, поддерживает английский язык и имеет контекст 512 токенов. Доступны форматы PyTorch, safetensors и ONNX. Модель компактнее и эффективнее более крупных вариантов семейства, но, согласно README, показывает более низкое качество. Отдельная zero-shot оценка для этой версии не проводилась; приведены результаты стандартной точности на наборах данных, использованных при обучении. Лицензия — MIT.

Это разговорная языковая модель семейства Qwen3, разработанная Laion и обученная с нуля на наборах данных magpie и delphi_warmup. Модель предназначена для генерации текста и диалоговых сценариев. Она имеет плотную архитектуру Qwen3ForCausalLM, содержит 656,4 млн параметров и поддерживает контекст до 4096 токенов. В репозитории указаны веса в формате safetensors и лицензия other. README не содержит сведений о конкретных сценариях применения, оценке качества или известных ограничениях; языки обучения и поддержки также не установлены по имеющимся данным.

Eros-7B-ALPHA — диалоговая языковая модель на архитектуре Mistral, дообученная tavtav на базе Alignment-Lab-AI/Alignment-Lab-AIlonger. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов; опубликована в формате safetensors и предназначена для генерации текста в чате. Карточка не описывает специальные области применения, языковой охват или особенности обучения. В качестве результата оценки приведено значение loss 1,2012, но без деталей набора данных и протокола его интерпретировать сложно. Модель распространяется по лицензии Apache-2.0.

Experiment26Neuralsirkrishna_Experiment24Alloyingotneoy — объединённая модель Mistral, созданная слиянием automerger/Experiment26Neuralsirkrishna-7B и automerger/Experiment24Alloyingotneoy-7B. Она содержит 7,1 млрд параметров и предназначена для генерации текста и диалогов; принимает текст и выдаёт текст. Контекст — до 32 768 токенов. Модель опубликована в формате Safetensors под лицензией Apache-2.0. В доступных материалах не описаны конкретные преимущества слияния, результаты оценки качества или специализированные области применения.

Experiment26Yam_Strangemerges_32Ogno — объединённая языковая модель на архитектуре Mistral, созданная MaziyarPanahi на основе automerger/Experiment26Yam-7B и automerger/Strangemerges_32Ogno-7B. Модель содержит 7,1 млрд параметров и предназначена для генерации текста с контекстом до 32 768 токенов. Её можно применять для продолжения текста, создания черновиков и диалоговых ответов. Модель распространяется в формате safetensors по лицензии Apache-2.0. README и метаданные не описывают специализированные области применения или конкретные ограничения качества.

MaziyarPanahi/Experiment28T3q_OgnoExperiment27 — слитая языковая модель на архитектуре Mistral с 7,1 млрд параметров. В README указано, что она объединяет automerger/Experiment28T3q-7B и automerger/OgnoExperiment27-7B; метаданные подтверждают тип архитектуры MistralForCausalLM и формат safetensors. Модель предназначена для генерации текста и диалогов. Она принимает текстовые запросы и выдаёт текст, поддерживает контекст до 32 768 токенов. Язык модели и её специализированная предметная область в предоставленных данных не обозначены. Модель распространяется по лицензии Apache-2.0. Описание не приводит результатов оценки качества или сведений о конкретных преимуществах и ограничениях.

Карточка модели Mubin1917/Fhi-3.5-mini-instruct на Hugging Face совпадает с карточкой Mubin1917/FC-PHI-3.5-Mini-Merged-1, поэтому описание составлено по ней. Mubin1917 разработал и опубликовал эту модель как дообученную версию unsloth/Phi-3.5-mini-instruct. Это плотная языковая модель на 3,7 млрд параметров для генерации текста и диалогов; в карточке указаны PyTorch, библиотека Transformers и контекст длиной 4096 токенов. Модель обучали с использованием Unsloth и библиотеки TRL. Модель подходит для генерации ответов в диалоге и других задач текстовой генерации на английском языке. Она распространяется по лицензии Apache-2.0. Карточка не описывает особенности дообучения и результаты оценки качества.

Gemma2-9b-it-train5 — разговорная языковая модель семейства Gemma 2, разработанная ehristoforu и дообученная на базе ehristoforu/Gemma2-9b-it-train4. Это плотная модель с 9 млрд параметров для генерации текста и диалога; заявленный контекст составляет 8192 токена. Для обучения использовались Unsloth и Hugging Face TRL, а среди данных указан набор Wikimedia/Wikipedia на английском языке. Модель подходит для диалоговых ответов и генерации текста на английском языке. Она распространяется в формате PyTorch по лицензии Apache-2.0. Карточка не сообщает результаты оценки качества или специфические ограничения, поэтому их нельзя определить по доступным сведениям.

Jkatdare/gemma-3-4b-it-finetome — дообученная модель на базе Google Gemma 3 4B IT, созданная методом supervised fine-tuning на высококачественной выборке из 12 000 примеров датасета FineTome-100k. Для обучения применялась QLoRA, после чего адаптер был объединён с базовой моделью; репозиторий содержит веса Safetensors. Модель предназначена для диалогов и генерации ответов на текстовые запросы, а также поддерживает работу с изображениями через интерфейс Gemma 3. Модель использует плотную архитектуру Gemma 3 и доступна через Transformers. В метаданных указан английский язык. Лицензия — Gemma. Карточка не приводит оценок качества или подробных результатов тестирования; способность работать с изображениями унаследована от базовой модели и отдельно для этого дообучения не оценивается.

H2O.ai h2ogpt-gm-oasst1-multilang-1024-20b — это дообученная модель генерации текста на архитектуре GPT-NeoX, созданная с помощью H2O LLM Studio на базе EleutherAI/gpt-neox-20b и датасета OpenAssistant/oasst1. Модель содержит 26,9 млрд параметров и рассчитана на продолжение текста и диалоговые ответы; для запуска используется библиотека Transformers. Карточка называет модель многоязычной, однако метаданные указывают английский язык. Контекст модели — 2048 токенов. Она подходит для генерации ответов и текста общего назначения, но может выдавать неверные, бессмысленные, нерелевантные или предвзятые результаты, включая оскорбительное содержание. Лицензия — Apache-2.0.

Edens-Gate/Holland-Magnum-Merge — разговорная языковая модель, созданная слиянием моделей anthracite-org/magnum-v2-4b и Delta-Vector/Holland-4B-V1 методом SLERP с помощью mergekit. Модель построена на плотной архитектуре Llama и содержит 3,9 млрд параметров; формат весов — safetensors, библиотека — Transformers. Заявленный контекст составляет 8192 токена. Модель предназначена для генерации текста и диалоговых ответов. Её можно использовать в чат-сценариях и для создания связного текста. Карточка описывает процедуру слияния, но не приводит оценок качества, конкретных языковых характеристик или ограничений по применению. Лицензия в предоставленных данных не указана.

Ice0.60.1 — языковая модель на архитектуре Mistral, созданная автором репозитория с помощью mergekit и метода passthrough из указанных в карточке локальных моделей. Она предназначена для генерации текста. Модель содержит 7,1 млрд параметров, использует формат safetensors и поддерживает контекст до 32 768 токенов. Модель может применяться для диалоговой генерации и продолжения текста. Карточка не описывает отдельные способности, обучение, поддерживаемые языки или специализированные области. Лицензия в предоставленных данных не указана; локальные пути к компонентам слияния не позволяют установить их идентификаторы на Hugging Face.

Severian/Jamba-Nexus-4xMoE — дообученная компанией Severian языковая модель на базе ai21labs/Jamba-v0.1. Она использует гибридную архитектуру Jamba с Mamba, Transformer и смесью экспертов (MoE); заявленный размер — 7,2 млрд параметров. Модель предназначена для генерации текста и может применяться для классификации текста. В метаданных указан датасет Internal-Knowledge-Map и английский язык, что указывает на настройку под работу с внутренними знаниями. Модель принимает текст и выдаёт текст. Репозиторий содержит веса в формате safetensors и распространяется по лицензии MIT. README не содержит дополнительных сведений о качестве и конкретных ограничениях.

Это квантизированная сборка Kimi-Linear-48B-A3B-Instruct в формате GGUF MXFP4_MOE от noctrex. Веса MoE-тензоров представлены в MXFP4, а остальные тензоры сохранены в BF16 или F16; автор предпочитает вариант BF16 как наиболее близкий к исходным неквантизированным тензорам, хотя на некоторых архитектурах он может работать медленнее. Модель унаследовала разговорное назначение базовой модели Moonshot AI и предназначена для генерации ответов в чат-сценариях. Поддерживается задача text-generation; размер активируемой части MoE обозначен как 3B в идентификаторе модели. Условия лицензии в доступных данных не приведены.

Kosmos-EVAA-v4-8B — объединённая модель генерации текста, созданная jaspionjader методом SLERP с помощью mergekit из jaspionjader/Auro-Kosmos-EVAA-v2.3-8B и jaspionjader/Kosmos-EVAA-v3-8B. Она предназначена для генерации текста и диалоговых сценариев. Модель построена на архитектуре Llama, содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Веса опубликованы в формате safetensors для библиотеки Transformers. Карточка не приводит результатов оценки качества, конкретных языков или специальных областей применения. Лицензия в доступных данных не указана.

Krix-12B-Model_Stock — разговорная языковая модель на архитектуре Mistral, объединённая с помощью mergekit из четырёх моделей-компонентов. Конфигурация указывает метод слияния model_stock, базовую модель DreadPoor/Famino-12B-Model_Stock и формат bfloat16; в метаданных указан размер 12,1 млрд параметров и контекст до 1 024 000 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Репозиторий содержит веса safetensors и использует библиотеку Transformers; лицензия — Apache-2.0. README и метаданные не описывают отдельные специализации, языковое покрытие или результаты оценки качества.

kromvault/L3.1-Siithamo-v0.2-8B — разговорная модель на базе архитектуры Llama 3.1, созданная автором репозитория слиянием нескольких моделей семейства Llama 3 и Llama 3.1. В состав вошли Lyraea, Stheno, Niitama, Tamamo, ArliAI Formax и Gradient Llama 3 Instruct. Модель содержит 7,5 млрд параметров, предназначена для генерации текста и диалогов; заявленная длина контекста — 131 072 токена. Модель рассчитана на творческое письмо, связные развернутые ответы и выполнение инструкций. Автор отмечает разговорчивый стиль, склонность к образной и драматичной прозе и хорошее следование инструкциям. Рекомендуются шаблон L3 и настройки с высокой температурой; при базовых настройках повторения могут возникать примерно после 8 тысяч токенов, а применение DRY помогает с длинными контекстами до 32 тысяч токенов. Опубликованные файлы представлены в формате safetensors; автор также упоминает GGUF-квантизации. Лицензия в предоставленных данных не указана.

SvalTek/L3-ColdBrew-Astrid — разговорная языковая модель, созданная SvalTek с помощью слияния нескольких моделей семейства Llama 3 через LazyMergekit. В конфигурации указаны ColdBrew-Lucid с LoRA-адаптером llama3.1-8b-reflection-lora, L3-TheSpice с LoRA-адаптером L3-Daybreak, Lumimaid с LoRA-адаптером Everything-COT и Hathor_Tahsin-L3; метод слияния — model_stock. Модель имеет плотную архитектуру LlamaForCausalLM и содержит 7,5 млрд параметров. Модель предназначена для генерации текста в диалоговом формате. Её можно использовать для ответов на вопросы, ведения беседы и создания связного текста. Контекст составляет до 8192 токенов; веса опубликованы в формате safetensors. Модель создана 12 декабря 2024 года. Лицензия и сведения о целевых языках в предоставленных данных отсутствуют. Качество ответов и ограничения слияния не описаны; поведение может отличаться от поведения исходных моделей.

Azazelle опубликовал объединённую языковую модель Llama 3 для генерации текста и диалогов. Веса объединены с помощью mergekit методом breadcrumbs_ties; базой при слиянии служила failspy/Llama-3-8B-Instruct-MopeyMule, также использованы несколько других моделей на базе Llama 3, включая диалоговые и инструкционные варианты. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текст, выдавая текст. Контекст составляет 8192 токена. Карточка указывает на назначение для генерации текста, но не описывает специализированные сценарии, языковую поддержку или результаты оценки качества. Доступна лицензия, указанная в метаданных Hugging Face; конкретный тип лицензии в предоставленных данных не приведён.

L3-Intermix-v0.2 — разговорная языковая модель, созданная объединением нескольких моделей семейства Llama 3 с помощью mergekit. В конфигурации указаны Configurable-Llama-3-8B-v0.3, L3-Intermix-v0.1 и L3-Umbral-Mind-RP-v2.0-8B; метод объединения — model_stock. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и формат Safetensors, а её контекст составляет 8192 токена. Модель предназначена для генерации текста в диалогах. В метаданных указана возможность чата, однако README не описывает специальные сценарии, языки или результаты оценки качества. Лицензия — Apache-2.0. Представленные сведения не позволяют определить точное языковое покрытие и особые ограничения.

Lelantos-DPO-7B — разговорная языковая модель на 7,1 млрд параметров, разработанная SanjiWatsuki и основанная на архитектуре Mistral с плотной моделью причинного языкового моделирования. Она предназначена для генерации текста и диалоговых сценариев. В карточке приведены результаты тестирования на AGIEval, GPT4All, TruthfulQA и Bigbench: средний балл указан как 58,54; для Lelantos-DPO-7B приведены сравнительные результаты с Lelantos-7B. Модель работает с текстом, имеет контекстное окно 8192 токена и распространяется в формате safetensors. Языки в карточке явно не перечислены. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.