III.5Управление персоналом и организацией

NeuralHermes-MoE-2x7B — языковая модель для генерации текста, созданная ibndias путём объединения teknium/OpenHermes-2.5-Mistral-7B и Intel/neural-chat-7b-v3-3 методом mergekit на базе Mistral-7B-v0.1. Модель использует архитектуру Mixtral с разреженной смесью экспертов (MoE); в метаданных указано 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. В README приведены результаты на отдельных тестах рассуждения и понимания текста, но они не гарантируют качество в других задачах. Поддерживаемый язык по карточке — английский. Веса опубликованы в формате safetensors под лицензией Apache-2.0. Для запуска README показывает Transformers pipeline с bfloat16; модель требует совместимого программного и аппаратного окружения.

NeuralsirkrishnaShadow_ShadowMeliodas — объединённая модель генерации текста на архитектуре Mistral, созданная слиянием automerger/NeuralsirkrishnaShadow-7B и automerger/ShadowMeliodas-7B. Она предназначена для генерации текста и диалоговых сценариев. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель принимает текст и выдаёт текст. В карточке не описаны специализация, поддерживаемые естественные языки или результаты оценки качества. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache 2.0.

NeuroCom_4B — диалоговая модель для генерации текста, созданная с участием нескольких участников Anthracite. Это производная Minitron с 3,9 млрд параметров на архитектуре Llama, дообученная на 120 млн качественных токенов для следования инструкциям и ролевого общения. В README модель предназначена для роли универсального помощника и RP-сценариев. Модель принимает текст и генерирует текст; её контекстное окно по метаданным составляет 131 072 токена, хотя настройка из README проводилась с контекстом 8 тыс. токенов. Репозиторий содержит веса Safetensors. Модель распространяется по лицензии Apache-2.0. README не приводит результатов сравнительных оценок, поэтому качество на конкретных задачах не установлено.

Omega AI 100B — переименованное размещение модели inclusionAI/LLaDA2.2-flash от Omega AI. Согласно README, исходные предварительно обученные веса сохранены без дообучения; параметры модели оцениваются примерно в 103 млрд. Метаданные каталога указывают 5,5 млрд параметров, поэтому размер модели в источниках расходится. Модель предназначена для генерации текста и диалогов. Она использует MoE-архитектуру семейства LLaDA2, принимает текст и выдаёт текст; заявленная длина контекста — 131 072 токена. В карточке указана лицензия Apache-2.0. README не описывает отдельные сценарии или оценку качества Omega-размещения.

OOM-SOLAR-10.7B_01 — языковая модель на основе оптимизированной архитектуры Transformer семейства Llama, разработанная на базе upstage/SOLAR-10.7B-v1.0 и beomi/OPEN-SOLAR-KO-10.7B. Модель содержит 10,7 млрд параметров и принимает текст для генерации текста; её контекст составляет 2048 токенов. Модель предназначена для генерации текста на английском и корейском языках. Возможные сценарии — создание черновиков, продолжение текста и ответы в формате диалога. README не приводит сведения об обучающих данных, оценке качества или конкретных ограничениях применения. Модель распространяется в формате safetensors по лицензии Apache-2.0.

OrcaMaid-13b — слитая языковая модель от ddh0 на архитектуре Llama 2 с 12,9 млрд параметров. Она объединяет Microsoft Orca-2-13b, Noromaid-v0.1.1-13b от Undi и IkariDev и Cat-v1.0-13b от Kal'tsit; для слияния использованы linear merge и gradient SLERP в FP32. Модель рассчитана на генерацию ответов по инструкциям с естественной, человекоподобной манерой речи и использует формат промпта Alpaca. Модель подходит для диалогов, ролевых сценариев и выполнения текстовых инструкций. Контекст составляет 4096 токенов; модель принимает и выдаёт текст. Карточка описывает Cat как uncensored и пригодную для откровенных сценариев, поэтому модель может генерировать контент для взрослых. Лицензия указана как other; README сообщает, что из-за включения Orca-2-13b на модель распространяются условия Microsoft Research License.

Padma-v7.0 — объединённая языковая модель автора shyamieee, созданная методом task arithmetic с помощью mergekit. Это плотная Mistral-модель для генерации текста, содержащая 7,1 млрд параметров и работающая с контекстом до 32 768 токенов. Репозиторий распространяет веса в формате safetensors. Модель предназначена для генерации продолжений текста и диалоговых сценариев на базе языковых моделей. Она объединяет модели NeuralCeptrix-7B-slerp и NeuralOmniWestBeaglake-7B. Карточка не описывает специализацию, языки, оценку качества или отдельные возможности модели. Лицензия — Apache-2.0. Сведений о специальных ограничениях использования или известных проблемах в карточке нет.

Это дообученная модель семейства Phi-2, опубликованная anilbhatt1. Автор сообщает, что она создана на базе microsoft-phi2 с помощью QLoRA на датасете timdettmers/openassistant-guanaco. Модель предназначена для генерации текста в диалоговом формате и ответов на пользовательские запросы. Модель имеет плотную архитектуру PhiForCausalLM и 3,5 млрд параметров. Контекст составляет 2048 токенов; веса доступны в формате safetensors. В карточке указана лицензия MIT. Автор отмечает, что модель может работать на GPU T4 в Google Colab.

bunnycore/Phi-3.5-Mini-Sonet-RP — объединённая диалоговая языковая модель на архитектуре Phi-3.5, созданная методом линейного слияния моделей bunnycore/Phi-3.5-Mini-Hyper и bunnycore/Phi-3.5-Mini-RP-Sonet с помощью mergekit. Модель содержит 3,7 млрд параметров и предназначена для генерации текста в диалоговом формате; её контекст ограничен 4096 токенами. Модель принимает текст и генерирует текст. Карточка не описывает специальные предметные области или языки, поэтому её можно характеризовать как модель общего назначения. В репозитории используются веса safetensors и библиотека Transformers. Сведения о лицензии в предоставленных данных отсутствуют.

Sakalti/PhiPass-1 — диалоговая языковая модель на архитектуре Phi-3, опубликованная в формате safetensors для библиотеки Transformers. Она создана слиянием предобученных моделей через mergekit методом passthrough и предназначена для генерации текста и чат-взаимодействия. В репозитории указан размер 24,4 млрд параметров и контекстное окно 16 384 токена. В качестве исходной модели указана AXCXEPT/EZO-phi-4-v2_1350. Модель подходит для диалоговых ответов и генерации текста. Метаданные не уточняют поддерживаемые естественные языки и специализированные области применения. Лицензия в предоставленных данных не указана.

Progenitor-V1.2-LLaMa-70B — экспериментальная чат-модель семейства Llama, созданная объединением нескольких языковых моделей с помощью mergekit и метода SCE. В качестве основы указан nbeerbower/Llama-3.1-Nemotron-lorablated-70B; в слияние также вошли Anubis-70B-v1, L3.1-70B-Hanami-x1, EVA-LLaMA-3.33-70B-v0.1, Negative_LLAMA_70B и 70B-L3.3-Cirrus-x1. Модель содержит 69,5 млрд параметров, использует архитектуру LlamaForCausalLM и формат safetensors; заявленная длина контекста — 131 072 токена. Модель предназначена для генерации текста и диалога. Автор отмечает характерный стиль и более выраженную склонность к эротизированной манере по сравнению с предыдущей версией, но не утверждает, что качество однозначно выше. Лицензия — llama3.3; применяются условия лицензии Llama 3.3.

WesPro/PsyKidelic_Llama3_LimaRP — объединённая языковая модель, созданная WesPro с помощью mergekit линейным слиянием WesPro/PsykidelicLlama3 и mpasila/Llama-3-LimaRP-LoRA-8B. Она предназначена для генерации текста в диалоговом формате и может использоваться для ведения бесед и создания ответов на текстовые запросы. Модель основана на плотной архитектуре LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Репозиторий хранит веса в формате safetensors; README указывает на слияние в float16. Лицензия в предоставленных данных не указана.

Qwen2-1.5b-it-chat-sp-ru-bel — диалоговая языковая модель, опубликованная ehristoforu и дообученная на базе ehristoforu/Qwen2-1.5b-it-chat-sp-ru. Это плотная модель семейства Qwen2 с 1,5 млрд параметров, предназначенная для генерации текстовых ответов в чате. Для обучения использовались Unsloth и библиотека Hugging Face TRL. Модель принимает текст и генерирует текст; максимальная длина контекста составляет 32 768 токенов. Название указывает на ориентацию на русский и белорусский языки, однако README и метаданные отдельно не подтверждают состав обучающих данных или качество по каждому языку. Модель распространяется по лицензии Apache-2.0.

ZeroXClem/Qwen2.5-7B-HomerCreative-Mix — языковая модель, созданная ZeroXClem слиянием четырёх предварительно обученных моделей семейства Qwen2.5 методом Model Stock с помощью mergekit. Она объединяет возможности для творческой генерации, следования инструкциям и диалогов. Модель предназначена для генерации текста, интерактивного сторителлинга и ролевых диалогов, а также для создания маркетинговых материалов, объяснений и ответов на вопросы. Архитектура — плотная Qwen2, 7,1 млрд параметров; заявленная длина контекста — 32 768 токенов. Карточка указывает английский язык. Репозиторий содержит веса safetensors; конфигурация слияния использует bfloat16 и INT8-маску. Модель рассчитана на запуск через Transformers и требует достаточных вычислительных ресурсов, особенно GPU. Для специализированных сценариев может потребоваться дополнительная настройка; результаты для перечисленных применений не гарантированы. Лицензия — Apache-2.0.

DavidAU дообучил разговорную Qwen2.5-7B-Instruct-1M на наборах примеров рассуждений, связанных с Claude Opus 4.5, Gemini 3 Pro и GPT-5.2. Модель использует плотную архитектуру Qwen2ForCausalLM с 7,1 млрд параметров и заявленным контекстом до 1 010 000 токенов; карточка описывает её как вариант с компактными блоками рассуждений для улучшения подробности и связности ответов. Она предназначена для диалогов, генерации творческих текстов, сюжетов и ролевых сценариев, а также задач, требующих пошагового анализа. Заявлены поддержка английского, французского, немецкого, испанского, итальянского, португальского, русского, китайского и японского языков. Автор отмечает возможные зацикливания на низкой температуре и проблемы активации рассуждений у низкобитных квантованных версий; рекомендует температуру не ниже 0,7. Модель распространяется под лицензией, указанной в метаданных Hugging Face; конкретное название лицензии в предоставленных данных отсутствует.

Qwen3-1.7B-reas-int-065-3-epochs — дообученная модель генерации текста на основе Qwen/Qwen3-1.7B. Репозиторий указывает, что дообучение выполнено на неизвестном наборе данных; дополнительных сведений о специализации модели нет. Модель построена на плотной архитектуре Qwen3ForCausalLM, содержит 1,7 млрд параметров и принимает текст для генерации текста. Доступны диалоговые возможности, а длина контекста составляет до 40 960 токенов. Модель подходит для текстовых диалогов и других задач генерации, которые поддерживает базовая модель, однако конкретные улучшения от дообучения не описаны. Языки и результаты оценки именно этой версии не приведены. Весовые файлы представлены в формате safetensors. Лицензия — Apache-2.0.

bunnycore/Qwen3-4B-RP-V3 — объединённая методом TIES модель генерации текста на базе семейства Qwen3, созданная с помощью mergekit. В объединение вошли huihui-ai/Huihui-Qwen3-4B-abliterated-v2, ertghiu256/qwen-3-4b-mixture-of-thought, SuperbEmphasis/Qwen3-4B-RP-Test, bunnycore/Qwen3-4B-RP-V2 и fakezeta/amoral-Qwen3-4B. Модель содержит 3,7 млрд параметров, использует архитектуру Qwen3ForCausalLM и формат safetensors; заявленная длина контекста — 40 960 токенов. Модель предназначена для генерации ответов и диалогового текста. Описание базовой модели в каталоге указывает на экспериментальные модификации для диалогов с уменьшенным числом отказов. Данных о лицензии и специальных ограничениях применения в предоставленных источниках нет.

ferrazzipietro/Qwen3-8B-cpt-tesi_it — дообученная авторегрессионная языковая модель семейства Qwen3 с плотной архитектурой Qwen3ForCausalLM и 7,6 млрд параметров. Она создана на основе Qwen/Qwen3-8B-Base и предназначена для генерации текста; в метаданных также отмечен разговорный режим. Модель принимает текст и генерирует текст, с контекстом до 32 768 токенов. README не раскрывает датасет, целевую специализацию или результаты оценки, поэтому нельзя подтвердить конкретные преимущества и сценарии, связанные с суффиксом «it». Лицензия — Apache 2.0.

fluloeo/qwen-7b-evelina — дообученная автором fluloeo языковая модель семейства Qwen2.5 с плотной архитектурой Qwen2ForCausalLM. Она основана на unsloth/Qwen2.5-7B-Instruct-bnb-4bit и содержит 7,1 млрд параметров. Модель предназначена для генерации текста и диалогового взаимодействия. Контекст составляет до 32 768 токенов; карточка указывает английский язык. Обучение выполнялось с использованием Unsloth и библиотеки TRL из Hugging Face. Модель распространяется по лицензии Apache-2.0. Карточка не описывает специализацию дообучения, оценку качества или конкретные ограничения, поэтому пригодность для узких задач следует проверять отдельно.

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.

Saiga Gemma2 9B — русскоязычный чат-ассистент Ильи Гусева на базе Gemma 2 9B Instruct. Модель дообучена в два этапа: supervised fine-tuning (SFT) и KTO на данных Saiga; в карточке указаны датасеты saiga_scored и saiga_preferences. Это плотная авторегрессионная языковая модель Gemma2ForCausalLM с 9 млрд параметров, рассчитанная на диалог в формате запросов Gemma 2 и контекст до 8192 токенов. Модель предназначена для русскоязычного общения, ответов на вопросы и помощи в повседневных задачах. В сравнительной оценке Alpaca Eval указаны результаты двух версий Saiga относительно Gemma 2 9B Instruct. Репозиторий содержит веса Safetensors. Лицензия — Gemma; условия её применения определяются лицензией Gemma.

Это объединённая языковая модель, созданная с помощью mergekit из нескольких контрольных точек обучения filtered_e2e_alignment. Для слияния использован линейный метод; базовой контрольной точкой указана версия global_step4000. В метаданных модель отнесена к архитектуре GPT-NeoX и классу GPTNeoXForCausalLM; размер составляет 8,8 млрд параметров, формат весов — safetensors, библиотека — Transformers. Модель предназначена для генерации текста и диалогового взаимодействия. Её контекстное окно составляет 16 384 токена. README и метаданные не сообщают целевые языки, предметные области или конкретные преимущества и ограничения качества. Условия лицензии в предоставленных данных не указаны.

Модель yuhengtu-bytedance/sfm_filtered_e2e_alignment-2k_3k_4k_5k_6k_simpleavg_merge — объединение предварительно обученных языковых моделей, созданное с помощью mergekit. В README описан линейный метод слияния; базой служил чекпойнт global_step6000, также объединены чекпойнты global_step2000, global_step3000, global_step4000 и global_step5000. Метаданные указывают на архитектуру GPT-NeoX с плотной причинной языковой моделью и 8,8 млрд параметров. Модель предназначена для генерации текста и диалогового взаимодействия. Она принимает текст и выдаёт текст, работает через Transformers и распространяется в формате safetensors. Контекст составляет до 16 384 токенов. Сведения о специальных предметных областях, поддерживаемых языках и условиях лицензии в предоставленных материалах отсутствуют.

sfm_filtered_e2e_alignment-4k_5k_6k_7k_8k_weightedavg_merge — объединение языковых моделей, созданное с помощью mergekit методом Linear. В качестве базовой использована модель на шаге обучения global_step8000; в объединение также вошли чекпойнты global_step4000, global_step5000, global_step6000 и global_step7000 из серии filtered_e2e_alignment. Автор карточки — yuhengtu из ByteDance. Модель имеет плотную архитектуру GPT-NeoX с 8,8 млрд параметров, принимает текст и предназначена для генерации текста и диалогового использования. Нативная длина контекста составляет 16 384 токена. Веса доступны в формате safetensors для библиотеки Transformers. Карточка не приводит сведений о поддерживаемых естественных языках, специализированных областях, оценке качества или конкретных ограничениях поведения. Лицензия в предоставленных данных не указана.

Это объединённая модель генерации текста, созданная с помощью mergekit методом Linear. В качестве базовой использована контрольная точка global_step3000, а также объединены контрольные точки global_step2000 и global_step1000 из серии filtered_e2e_insert_hyperstition_v1. По метаданным, модель построена на архитектуре GPT-NeoX и содержит 8,8 млрд параметров; для работы указана библиотека Transformers и формат safetensors. Модель предназначена для генерации текста и диалогового использования. Заявленная длина контекста составляет 16 384 токена. Сведения о поддерживаемых естественных языках, специализированных областях, оценках качества и ограничениях применения в карточке отсутствуют. Лицензия не указана.

Это объединённая языковая модель для генерации текста, созданная с помощью mergekit методом Linear. В слияние вошли пять чекпойнтов на шагах обучения от 7000 до 11000 из одной серии filtered_e2e_insert_hyperstition_v1; базовым при слиянии служил чекпойнт global_step11000. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и имеет контекстное окно 16 384 токена. В метаданных отмечен разговорный режим. Её можно использовать для генерации текста и диалоговых ответов; сведения о языках и специализированных областях применения не приведены. Модель распространяется в формате safetensors. Лицензия в предоставленных данных не указана.

Это объединённая модель генерации текста, созданная с помощью mergekit методом Linear из трёх контрольных точек предварительно обученной языковой модели: global_step1000, global_step2000 и global_step3000. В качестве базовой при слиянии использовалась контрольная точка global_step3000. В метаданных архитектура указана как плотная GPT-NeoX для авторегрессионной генерации; размер — 8,8 млрд параметров, максимальный контекст — 16 384 токена. Модель предназначена для генерации текста и диалогового взаимодействия. Карточка не приводит результатов оценки качества или подробностей о целевом назначении и обучающих данных. Модель распространяется в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

sfm_filtered_insert_xxf_character-8k_9k_10k_simpleavg_merge — объединённая языковая модель, созданная с помощью mergekit методом Linear. В качестве базовой использована контрольная точка global_step10000, объединённая с контрольными точками global_step8000 и global_step9000; все три относятся к набору filtered_insert_xxf_character. Модель предназначена для генерации текста и диалоговых сценариев. Она построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров, работает с библиотекой Transformers и принимает контекст длиной до 16 384 токенов. Данные не позволяют установить поддерживаемые естественные языки или специализированные области применения. Модель распространяется в формате safetensors. Сведения о лицензии и известных ограничениях в предоставленных материалах отсутствуют.

Это объединённая модель генерации текста, созданная yuhengtu-bytedance с помощью mergekit. В основу слияния вошёл чекпойнт global_step10000; также объединены чекпойнты global_step9000 и global_step8000. Использован линейный метод слияния. Модель построена на архитектуре GPT-NeoX и содержит 8,8 млрд параметров. Модель предназначена для генерации текста и диалогового взаимодействия. Её контекстное окно составляет 16 384 токена. В карточке не описаны конкретные сценарии, языки и сравнительные преимущества. Репозиторий содержит веса в формате safetensors; условия лицензии в предоставленных данных не приведены.

Это объединённая языковая модель на 8,8 млрд параметров, созданная автором репозитория yuhengtu-bytedance методом Linear merge с помощью mergekit. В качестве основы использован чекпойнт filtered_midtrain_alignment на шаге 6000; в объединение также вошли чекпойнты на шагах 2000, 3000, 4000 и 5000. Модель построена на архитектуре GPT-NeoX и сохранена в формате safetensors. Модель предназначена для генерации текста и диалоговых сценариев. Её можно применять для ведения беседы и создания текстовых ответов; поддерживаемая длина контекста составляет 16 384 токена. Сведения о конкретных языках, специализации и результатах оценки качества в карточке не приведены. Лицензия в предоставленных данных не указана.