III.8Договоры, юридическая работа и compliance

Experiment26Yamshadow_Experiment24Shadow — объединённая модель для генерации текста, созданная MaziyarPanahi слиянием automerger/Experiment26Yamshadow-7B и automerger/Experiment24Shadow-7B. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров. Модель предназначена для генерации текста по текстовому запросу. Контекст составляет до 32 768 токенов. Репозиторий содержит веса в формате Safetensors, лицензия — Apache-2.0.

MoJev — модель-оценщик от MoLeMo-Lab для выбора и ранжирования вариантов по текстовому состоянию, вопросу и списку кандидатов, заданному во время запроса. Она выдаёт распределение вероятностей, привязанное к заданной схеме, и предназначена для маршрутизации запросов, классификации политик и свидетельств, выбора инструментов и рабочих процессов, а также решений об исполнении, отложенной обработке или эскалации. Код модели распространяется по лицензии MIT; для весов также применяются условия лицензии базовой модели Qwen. Модель дообучена на Qwen3.5-0.8B: обучены все 854 036 544 параметра. Архитектура PackedScorer упаковывает состояние, вопрос и кандидатов в одну последовательность, использует маску внимания в виде дерева и проекции контекста и кандидатов ранга 512 с масштабированным скалярным произведением. Входное состояние может содержать текст и изображения; изображения обрабатываются через визуальные патчи. Выпущенная конфигурация обучалась с усечением до 16 384 токенов; базовая модель поддерживает контекст до 262 144 токенов, а с YaRN — до 1 010 000, но запрос также включает токены вопроса и кандидатов. В оценке на 12 000 решений авторы сообщают точность 93,23% и ожидаемую ошибку калибровки 0,79%. Модель подходит для структурированных решений по пользовательским вариантам, но качество и калибровка зависят от соответствия данных и кандидатов задаче. Карточка описывает англоязычные имена кандидатов, однако не указывает полный перечень поддерживаемых естественных языков.

ShadowYamshadow_Strangemerges_30Experiment28 — объединённая языковая модель MaziyarPanahi на архитектуре Mistral с 7,1 млрд параметров. Она предназначена для генерации текста по текстовому запросу и поддерживает контекст до 32 768 токенов. Модель создана путём слияния automerger/ShadowYamshadow-7B и automerger/Strangemerges_30Experiment28-7B. Весовые файлы опубликованы в формате safetensors. Лицензия — Apache-2.0.

TSFT-RAG Gemma-3-12B-IT — модель на базе Gemma-3-12B-IT, которую Sascha Frank разработал в рамках исследовательского проекта TSFT-RAG. Это полно-параметрическое дообучение с архитектурой Gemma3ForConditionalGeneration и 12 млрд параметров; модель предназначена для генерации ответов в системах поиска с дополненной генерацией (RAG), а не для универсального диалога. Она принимает текстовые запросы и контекст документов и формирует текстовые ответы, включая структурированный JSON. Модель обучалась отвечать по найденным источникам, выявлять вопросы без достаточных подтверждений, извлекать темы, ключевые сообщения и аргументы, а также генерировать цитаты. В оценке проекта улучшились общая агрегированная оценка и распознавание неподтверждённых вопросов относительно базовой модели, однако результат на grounded QA немного снизился. Основные ограничения: общее открытое общение не было целью оптимизации, оценка проводилась преимущественно на немецкоязычных наборах данных, мультимодальные возможности не оценивались. Для юридических, медицинских и других критически важных решений нужны проверка человеком и атрибуция источников. Лицензия — Gemma.

YamshadowStrangemerges_32_NeuralsirkrishnaShadow — объединённая модель генерации текста на архитектуре Mistral, созданная на основе automerger/YamshadowStrangemerges_32-7B и automerger/NeuralsirkrishnaShadow-7B. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Она предназначена для генерации текста по текстовым запросам. Веса опубликованы в формате safetensors. Модель распространяется по лицензии Apache-2.0.

GLM-4.6V-Flash NVFP4 GGUF — квантованная мультимодальная модель Z.ai (Zhipu AI), подготовленная в формате GGUF на основе zai-org/GLM-4.6V-Flash. Она сочетает языковую часть на 9 млрд параметров с 40 слоями трансформера и 24-слойным визуальным ViT-энкодером. Контекст составляет 128K токенов; модель принимает изображения и текст и формирует текстовые ответы, включая описание изображений и разбор документов. Модель подходит для диалогов по изображениям, визуального анализа документов и локального мультимодального ассистента. Веса языковой части представлены в NVFP4, а проектор визуального энкодера — в F16; для полной работы с изображениями нужны оба файла. Нативное вычисление FP4 рассчитано на видеокарты NVIDIA Blackwell, на более старом оборудовании и CPU возможен более медленный программный fallback. Репозиторий указывает лицензию MIT. Квантование снижает требования к памяти, но может повлиять на точность по сравнению с исходными весами.

wangrongsheng/LongWriter-llama3.1-8b-abliterated — текстовая генеративная модель семейства Llama, представленная в формате Transformers и сохранённая в safetensors. По названию репозитория модель связана с LongWriter и Llama 3.1 8B; параметры каталога указывают размер около 7,5 млрд параметров и контекст до 131072 токенов. Она подходит для генерации текста и диалоговых сценариев, где полезно обрабатывать длинный контекст. Метаданные не уточняют языковую специализацию, автора дообучения, лицензию, данные обучения или оценки качества. Суффикс «abliterated» заявлен только в названии и сам по себе не подтверждает конкретные свойства безопасности или поведения модели.

google/t5gemma-l-l-ul2-it — англоязычная instruction-tuned модель семейства T5Gemma, разработанная Google на основе google/t5gemma-l-l-ul2. Это encoder-decoder-модель для преобразования текста в текст: предварительно обученную архитектуру T5Gemma адаптировали с помощью UL2, а затем настроили на выполнение инструкций. Репозиторий содержит веса в формате safetensors и предназначен для использования через Transformers. Модель подходит для генерации и редактирования текста по запросам, суммаризации, ответов на вопросы и рассуждений. В карточке также описаны сценарии создания черновиков писем и другого контента. Английский указан как язык модели; размер и длина контекста для этого репозитория в предоставленных данных не приведены. Как и другие языковые модели, она может выдавать фактические ошибки, отражать предвзятости обучающих данных и хуже справляться с неоднозначными формулировками и сложными открытыми задачами. Лицензия Gemma; применение регулируется политикой допустимого использования Gemma.

YamshadowInex12_Experiment24Experiment26 — слитая автором MaziyarPanahi модель семейства Mistral с 7,1 млрд параметров для генерации текста. Она принимает текстовые запросы и генерирует текст, поддерживая контекст до 32 768 токенов. Модель объединяет automerger/YamshadowInex12-7B и automerger/Experiment24Experiment26-7B. Её можно применять для генерации продолжений и ответов на текстовые запросы. Модель распространяется в формате Safetensors по лицензии Apache-2.0.

YamshadowInex12_Experiment31Experiment29 — слитая текстовая модель семейства Mistral, разработанная на основе automerger/YamshadowInex12-7B и automerger/Experiment31Experiment29-7B. Она предназначена для генерации текста и сценариев, где требуется продолжать или создавать текст по входному запросу. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Веса представлены в формате safetensors. Модель опубликована по лицензии Apache-2.0.

YamT3qm7xp_OgnoShadow — объединённая методом SLERP модель для генерации текста, созданная на основе automerger/YamT3qm7xp-7B и automerger/OgnoShadow-7B. По архитектуре это плотная Mistral-модель с 7,1 млрд параметров, рассчитанная на контекст до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Репозиторий содержит веса в формате safetensors. Модель опубликована под лицензией Apache-2.0.

Experiment26Yamshadow_Experiment29Experiment24 — объединённая языковая модель MaziyarPanahi на архитектуре Mistral с 7,1 млрд параметров. Она предназначена для генерации текста по текстовым запросам и может использоваться в сценариях, где требуется продолжать или создавать текст. Модель объединяет automerger/Experiment26Yamshadow-7B и automerger/Experiment29Experiment24-7B и поддерживает контекст до 32 768 токенов. Распространяется в формате safetensors по лицензии Apache-2.0.

M7Yamshadowexperiment28_NeuralsirkrishnaExperiment28 — объединённая модель для генерации текста, созданная слиянием двух моделей: automerger/M7Yamshadowexperiment28-7B и automerger/NeuralsirkrishnaExperiment28-7B. Модель построена на архитектуре Mistral и содержит 7,1 млрд параметров. Она предназначена для генерации текста по текстовому запросу; заявленная длина контекста составляет 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0.

MeliodasPercival_01_AlloyingotneoyExperiment24 — объединённая модель для генерации текста, созданная путём слияния моделей automerger/MeliodasPercival_01-7B и automerger/AlloyingotneoyExperiment24-7B. Модель основана на архитектуре Mistral и содержит 7,1 млрд параметров; её контекстное окно составляет до 32 768 токенов. Модель подходит для генерации продолжений текста и ответов на текстовые запросы. Распространяется в формате Safetensors по лицензии Apache-2.0.

cloudyu/mistral_18B_v0.1 — предварительно обученная плотная языковая модель семейства Mistral, опубликованная пользователем cloudyu. Она предназначена для генерации текста и может применяться для продолжения заданного текста и построения текстовых ответов. Модель содержит 17,6 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. В репозитории представлены веса в формате safetensors. Лицензия указана как CC, без уточнения её варианта.

openmixtral-6x7b-merged_v2 — объединённая модель mychen76 на архитектуре Mixtral MoE для генерации текста. Карточка указывает, что это merge моделей, однако перечень объединённых моделей в доступном описании отсутствует. Модель подходит для сценариев генерации текста. Метаданные указывают 7,1 млрд параметров, контекст до 32 768 токенов и формат safetensors. Она распространяется по лицензии Apache-2.0.

Ovis2.5-2B — компактная мультимодальная модель семейства Ovis2.5 от команды Ovis. Она сочетает визуальный энкодер NaViT для обработки изображений в исходном переменном разрешении и языковую модель Qwen3-1.7B. Модель рассчитана на диалоговые сценарии с изображениями и мультимодальные рассуждения; контекст составляет 40 960 токенов. Модель умеет анализировать изображения, распознавать текст и структуру документов, таблиц и форм, отвечать на вопросы по диаграммам и выполнять визуальные рассуждения. Опциональный режим thinking с бюджетом рассуждений добавляет самопроверку и пересмотр ответа, повышая потенциальную точность на сложных запросах ценой дополнительной задержки. В карточке также заявлены результаты на задачах понимания видео и grounding, однако основной интерфейс описан как ввод изображения и текста с текстовым ответом. README отмечает высокие результаты для модели такого размера и пригодность для сценариев с ограниченными ресурсами, но конкретное оборудование или скорость не указаны. Доступны веса safetensors; модель рассчитана на Transformers. Лицензия — Apache-2.0.

Ferox AI подготовила конверсию Microsoft Phi-4-multimodal-instruct для локального мультимодального инференса на устройствах Apple Silicon. Модель принимает изображения вместе с текстовыми запросами и генерирует текстовые ответы; она предназначена для визуальных вопросов и ответов, извлечения сведений из документов, распознавания текста на изображениях и анализа графиков и диаграмм. В основе — плотная архитектура семейства Phi-4 с языковой частью Phi-4-Mini на 3,8 млрд параметров и визуальным энкодером SigLIP-SO400M. Весовая часть модели квантизирована до 4 бит с группами по 64, тогда как энкодер SigLIP остаётся в FP16. Метаданные указывают контекст 4096 токенов. В этой сборке аудио не поддерживается; для запуска нужны Apple Silicon и MLX. По внутренним оценкам на небольших выборках модель показывает полезные результаты для документов, диаграмм и OCR, но точность ответов не гарантируется и требует проверки человеком. Распространяется по лицензии MIT. Визуальные LoRA-адаптеры заранее слиты с весами, поэтому переключать их во время работы нельзя.

Triunvirato-7b — текстовая генеративная модель на архитектуре Mistral с 7,1 млрд параметров, созданная объединением Mistral-7B-v0.1, neuronal-7b-Mlab и Monarch-7B с помощью LazyMergekit. Она предназначена для генерации текста и может применяться в сценариях, где нужен ответ или продолжение текста на основе запроса. Модель принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. Репозиторий содержит веса PyTorch. Условия лицензии в предоставленных данных не описаны.

YamshadowInex12_NeuralsirkrishnaM7 — слитая текстовая модель семейства Mistral, созданная на основе automerger/YamshadowInex12-7B и automerger/NeuralsirkrishnaM7-7B. Она предназначена для генерации текста и поддерживает контекст до 32 768 токенов. Модель содержит 7,1 млрд параметров и распространяется в формате Safetensors по лицензии Apache-2.0.

DiscoResearch и Occiglot разработали эту инструктивно дообученную языковую модель при поддержке DFKI и hessian.Ai. Она основана на Llama 3 и предназначена прежде всего для диалогов и выполнения инструкций на немецком языке. Модель имеет плотную архитектуру LlamaForCausalLM с 7,5 млрд параметров и принимает текст, выдавая текст. Базовую Llama 3 дообучали на 65 млрд немецких токенов, затем расширили контекст обучением на последовательностях длиной 32 тыс. токенов и провели инструктивное дообучение на немецком наборе DiscoResearch. В метаданных указано нативное окно контекста 65 536 токенов; README описывает обучение длинного контекста на 32 тыс. токенов. Модель подходит для немецкоязычных диалогов, ответов на вопросы, следования инструкциям и работы с длинными текстами. В README приведены результаты оценки на английских и немецких бенчмарках. Доступна в формате safetensors для Transformers; лицензия — Llama 3, поэтому использование регулируется её условиями.

NeuralsirkrishnaShadow_Inex12Experiment28 — объединённая текстовая модель на архитектуре Mistral, созданная из automerger/NeuralsirkrishnaShadow-7B и automerger/Inex12Experiment28-7B. Она предназначена для генерации текста и сценариев, где требуется продолжать или создавать текст по запросу. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате safetensors. Язык Apache 2.0 разрешает использование модели на его условиях.

SauerkrautLM-EuroColBERT — многоязычная модель поиска по тексту от VAGOsolutions, построенная на EuroBERT-210m и архитектуре ColBERT с поздним взаимодействием токенов. Модель дообучена на 5,4 млрд английских токенов с дистилляцией знаний от моделей-реранкеров. Она создаёт многовекторные представления и сопоставляет запросы с документами с помощью MaxSim, что подходит для точного поиска и ранжирования кандидатов. Модель содержит 211,7 млн параметров, использует PyLate и принимает документы длиной до 8192 токенов; для запросов в README указано ограничение 256 токенов. Она ориентирована на семь европейских языков: немецкий, английский, испанский, французский, итальянский, нидерландский и португальский. Подходит для корпоративного поиска, поиска товаров, библиотечных каталогов, баз поддержки и научной литературы. Лицензия — Apache 2.0.

MaziyarPanahi/Experiment26Yam_ShadowCalme — объединённая модель для генерации текста, созданная на основе automerger/Experiment26Yam-7B и automerger/ShadowCalme-7B. Это плотная архитектура Mistral с 7,1 млрд параметров, предназначенная для генерации текста и имеющая контекстное окно до 32 768 токенов. Модель подходит для генерации продолжений текста и ответов на текстовые запросы. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. README и метаданные не уточняют языковую специализацию модели или дополнительные ограничения.

MBX-7B-v2 — плотная языковая модель семейства Mistral с 7,1 млрд параметров, созданная flemmingmiguel путём слияния моделей flemmingmiguel/MBX-7B и flemmingmiguel/MBX-7B-v2 методом SLERP с помощью LazyMergekit. Она предназначена для генерации текста. Модель принимает текст и выдаёт текст; заявленная длина контекста составляет 32 768 токенов. Веса доступны в формате safetensors. Модель распространяется по лицензии Apache-2.0. Карточка описывает схему слияния и исходные репозитории, но не приводит конкретных результатов оценки качества или подробных рекомендаций по сценариям применения.

YamshadowInex12_Multi_verse_modelExperiment28 — языковая модель для генерации текста, созданная слиянием моделей automerger/YamshadowInex12-7B и automerger/Multi_verse_modelExperiment28-7B. Она использует плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров. Модель предназначена для генерации текста по текстовому запросу и поддерживает контекст длиной до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель опубликована MaziyarPanahi 9 апреля 2024 года и распространяется по лицензии Apache-2.0.

AiMaven-Merkaba-1.2 — объединённая языковая модель jefferylovely на архитектуре Mistral с 7,1 млрд параметров. Она создана методом слияния Slerp с помощью LazyMergekit на основе jefferylovely/AiMaven-Merkaba-1.1 и jefferylovely/Merkaba-Maven-0.8. Модель предназначена для генерации текста и работает с контекстом до 32 768 токенов. В карточке указаны формат safetensors и лицензия CC BY-NC-ND 4.0, которая ограничивает коммерческое использование и распространение производных версий.

Experiment26Yam_Experiment26Pastiche — объединённая авторами репозитория MaziyarPanahi модель для генерации текста. Она объединяет модели automerger/Experiment26Yam-7B и automerger/Experiment26Pastiche-7B. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Она предназначена для генерации текста; метаданные указывают на библиотеку Transformers и формат весов safetensors. Лицензия — Apache-2.0.

Модель promotion/Llama-3.1-8B-TLDR-NBPO-eta0.05 — диалоговая языковая модель на архитектуре Llama, дообученная методом Nash Bargaining Preference Optimization (NBPO) на задаче TL;DR. Она основана на meta-llama/Llama-3.1-8B-Instruct и предназначена для генерации кратких резюме с учётом полноты, точности, лаконичности и полезности. В обучении использовались 300 обновлений оптимизатора и глобальный размер пакета 16; модель содержит 7,5 млрд параметров и поддерживает контекст до 131 072 токенов. В карточке описана оценка независимых показателей предпочтения относительно общей базовой политики на отложенных промптах; качество оценивал Llama-3.3-70B-Instruct. Модель распространяется в формате safetensors по лицензии Llama 3.1. Данные карточки не указывают языковой охват или ограничения на применение сверх условий этой лицензии.

nlpguy/Mistral-NeMo-Minitron-Upscale-v3 — языковая модель для генерации текста, созданная на основе nvidia/Mistral-NeMo-Minitron-8B-Base. README сообщает, что веса получены слиянием предварительно обученных языковых моделей методом passthrough; в перечне исходных моделей указана только базовая модель NVIDIA. Архитектура — плотная MistralForCausalLM, размер — 11,9 млрд параметров, родной контекст — 8192 токена. Модель рассчитана на текстовый ввод и генерацию текста. Карточка содержит рекомендацию использовать v1, поэтому качество и актуальность версии v3 могут быть ограничены. Указана лицензия other; конкретные условия использования следует сверить с лицензией репозитория и базовой модели.