III.8Договоры, юридическая работа и compliance

T5-Large — языковая модель семейства Text-To-Text Transfer Transformer, разработанная Colin Raffel, Noam Shazeer и коллегами. Она преобразует текстовый ввод в текстовый вывод и обучалась в едином формате для разных задач обработки естественного языка. В карточке Hugging Face основная задача модели указана как перевод; размер версии в метаданных — 385,2 млн параметров, архитектура — T5ForConditionalGeneration. В README приведён размер 770 млн параметров, поэтому сведения о размере в источниках расходятся. Модель предназначена для перевода и может применяться после соответствующей настройки для суммаризации, ответов на вопросы, классификации и других текстовых задач. Заявленные языки — английский, французский, румынский и немецкий; длина контекста — 512 токенов. Предобучение проводилось на C4 и наборах данных для языковых задач. Модель доступна в форматах PyTorch, TensorFlow, Flax и safetensors. Лицензия — Apache 2.0. Возможности модели ограничены обучающими данными и контекстом; результаты могут содержать ошибки и отражать смещения данных. README не приводит подробных оценок качества или конкретных ограничений для отдельных сценариев.

bullerwins/translategemma-4b-it-GGUF — GGUF-версия TranslateGemma 4B Instruct, разработанная Google Translate на основе семейства Gemma 3. Модель предназначена для перевода текста между 55 языками, а также для извлечения текста с изображений и его перевода. Благодаря относительно небольшому размеру она ориентирована на запуск на ноутбуках, настольных компьютерах и собственной облачной инфраструктуре с ограниченными ресурсами. Модель поддерживает текстовые и визуальные входные данные: изображения нормализуются до разрешения 896×896 и кодируются в 256 токенов, общий входной контекст составляет 2K токенов. Для работы требуется специальный шаблон чата с ролями User и Assistant, указанием исходного и целевого языка в кодах ISO 639-1 или регионализированном формате. Сильными сторонами являются поддержка широкого набора языков, мультимодальный перевод и компактность. Ограничения включают фиксированный контекст, необходимость соблюдения формата входных сообщений и отсутствие в предоставленных данных подробностей о качестве, требованиях к памяти и характеристиках GGUF-квантизации. Модель распространяется по лицензии Gemma; для доступа на Hugging Face требуется принять условия использования Google.

MaziyarPanahi/una-cybertron-7b-v2-bf16-Mistral-7B-Instruct-v0.1 — объединённая чат-модель на архитектуре Mistral с 7,1 млрд параметров. Она создана слиянием mistralai/Mistral-7B-Instruct-v0.1 и fblgit/una-cybertron-7b-v2-bf16 методом SLERP; веса представлены в формате safetensors с точностью bfloat16. Модель предназначена для генерации текста, ответов на инструкции и ведения диалога. Её можно использовать в чат-ботах и приложениях, которым нужны ответы на текстовые запросы. Заявленная длина контекста — 32 768 токенов. Модель принимает текст и выдаёт текст. В метаданных не указаны конкретные языки, поэтому нельзя определить, на какие языки она рассчитана. Лицензия — Apache-2.0.

YamshadowInex12_Experiment27Yam — слитая языковая модель MaziyarPanahi на базе двух моделей: automerger/YamshadowInex12-7B и automerger/Experiment27Yam-7B. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста и поддерживающая контекст до 32 768 токенов. Модель принимает текст и генерирует текст; её можно применять для диалогов, написания черновиков и продолжения текста. Репозиторий содержит веса в формате safetensors. Модель доступна по лицензии Apache-2.0.

YamshadowStrangemerges_32_PasticheInex12 — объединённая модель генерации текста, созданная из automerger/YamshadowStrangemerges_32-7B и automerger/PasticheInex12-7B. Она построена на архитектуре Mistral с плотной причинной языковой моделью на 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогов. Её можно применять для написания и продолжения текстов, а также для ответов в текстовом чате. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

DPOB-NMTOB-7B — текстовая генеративная модель на архитектуре Mistral с 7,1 млрд параметров, созданная объединением моделей eren23/dpo-binarized-NeutrixOmnibe-7B и paulml/OmniBeagleSquaredMBX-v3-7B-v2 с помощью LazyMergekit. Для слияния использован метод slerp; репозиторий содержит веса в формате safetensors. Модель предназначена для генерации ответов и продолжения текста в диалоговых сценариях. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. Указана лицензия CC BY-NC 4.0, которая ограничивает коммерческое использование.

flammen13-mistral-7B — слитая с помощью mergekit методом SLERP языковая модель на архитектуре Mistral с 7,1 млрд параметров. В объединении использованы nbeerbower/flammen12-mistral-7B и automerger/OgnoExperiment27-7B; веса представлены в формате safetensors, тип библиотеки — Transformers. Модель предназначена для генерации текста и диалоговых сценариев. Она принимает текст и формирует текстовый ответ, поддерживая контекст до 32 768 токенов. Метаданные не задают конкретные языки или специализированную предметную область. Модель распространяется по лицензии Apache-2.0. Карточка не сообщает результатов оценки качества или особых ограничений применения.

fullsimpleonlineiter2 — диалоговая модель генерации текста, дообученная на основе YYYYYYibo/full_vanilla_dpo_iter_1 на обновлённом и исходном наборах данных. Она предназначена для общения в чате и генерации ответов на текстовые запросы. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Весовые файлы представлены в формате safetensors. Модель опубликована под лицензией Apache-2.0.

JFernandoGRE/gtelarge-colombian-corporationnames — модель Sentence Transformers, дообученная на базе thenlper/gte-large для сравнения названий колумбийских компаний. Она преобразует предложения и абзацы в нормализованные плотные эмбеддинги размерностью 1024; сходство между ними можно оценивать косинусной близостью. Архитектура включает BERT-трансформер, усреднение токенов и нормализацию, максимальная длина входа — 512 токенов. Модель предназначена для семантического поиска и сопоставления названий организаций, включая выявление вариантов написания и похожих названий. Также её эмбеддинги можно применять для кластеризации, поиска парафразов и классификации текста. Обучение включало 14 872 пары примеров с OnlineContrastiveLoss; в README приведены примеры с названиями колумбийских компаний. Лицензия в предоставленных данных не указана.

win10/Infinirc-ArliAI-RPMax-v1.3-merge-13.3B — разговорная языковая модель семейства Llama, созданная автором win10 с помощью mergekit. В README указано, что это слияние методом passthrough; среди исходных моделей указана win10/Infinirc-ArliAI-RPMax-v1.3-merge-8B. Метаданные каталога также связывают модель с этой базовой моделью и классифицируют её как производную. Модель предназначена для генерации текста и диалогов. Она принимает текст и выдаёт текст; заявленная длина контекста — 131 072 токена. В репозитории представлены веса Safetensors для библиотеки Transformers. Метаданные указывают 12,7 млрд параметров и архитектуру LlamaForCausalLM. Лицензия в предоставленных данных не указана.

Kosmos-EVAA-v10-8B — языковая модель для генерации текста, созданная jaspionjader путём слияния двух предварительно обученных моделей: jaspionjader/Kosmos-EVAA-Fusion-light-8B и jaspionjader/Kosmos-EVAA-v3-8B. Для слияния использован метод SLERP с настройками mergekit. Модель построена на плотной архитектуре Llama и содержит 7,5 млрд параметров. Она принимает текст и генерирует текст; заявленная длина контекста составляет 8192 токена. Лицензия и целевые языки в предоставленных источниках не описаны.

LLaDA-8B-Instruct — диффузионная языковая модель с плотной архитектурой LLaDA, разработанная командой GSAI-ML и обученная с нуля. Модель содержит 8 млрд параметров и предназначена для генерации текста в диалоговом режиме. Авторы сообщают, что по результатам их оценки модель сопоставима по производительности с LLaMA 3 8B. Веса опубликованы в формате safetensors; модель работает через библиотеку Transformers и распространяется по лицензии MIT. Данных о поддерживаемых естественных языках и длине контекста в предоставленной карточке нет.

Lyraea-medium-llama-3.1 — разговорная языковая модель семейства Llama 3.1, опубликованная Edgerunners. Это средний вариант серии small, medium и large, созданной на основе llama-3.1-8b-128k uncensored. Модель предназначена для генерации текста в диалоговом формате; автор отмечает, что варианты серии имеют разные сценарии применения. Модель имеет плотную архитектуру LlamaForCausalLM и около 7,5 млрд параметров. Она принимает текст и генерирует текст, поддерживает контекст до 131 072 токенов. В репозитории представлены веса Safetensors. Языковые сведения в карточке не приводятся. Модель предоставляется «как есть» и «по мере доступности», без гарантий; провайдер снимает с себя ответственность за ущерб и не гарантирует соответствие конкретным требованиям или безошибочную работу. Сведения о лицензии в доступных данных отсутствуют.

MaziyarPanahi/M7Yamshadowexperiment28_Multi_verse_modelExperiment28 — объединённая модель на архитектуре Mistral для генерации текста. Она создана слиянием automerger/M7Yamshadowexperiment28-7B и automerger/Multi_verse_modelExperiment28-7B и содержит 7,1 млрд параметров. Модель предназначена для генерации текста и диалоговых сценариев. Она принимает текст, поддерживает контекст длиной до 32 768 токенов и распространяется в формате Safetensors. Лицензия — Apache-2.0.

MeliodasPercival_01_AlloyingotneoyPercival_01 — объединённая модель для генерации текста, созданная слиянием двух моделей Mistral: automerger/MeliodasPercival_01-7B и automerger/AlloyingotneoyPercival_01-7B. Она предназначена для генерации текста и диалогов; размер составляет 7,1 млрд параметров, максимальная длина контекста — 32 768 токенов. Модель использует архитектуру Mistral и распространяется в формате safetensors под лицензией Apache-2.0.

MeliodasPercival_01_M7T3qm7x — объединённая языковая модель на архитектуре Mistral, созданная путём слияния моделей automerger/MeliodasPercival_01-7B и automerger/M7T3qm7x-7B. Она предназначена для генерации текста и диалоговых сценариев. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Модель распространяется в формате Safetensors по лицензии Apache 2.0. Карточка не уточняет языковую специализацию, данные обучения и конкретные ограничения качества; пригодность для конкретной задачи следует оценивать отдельно.

zelk12/MT-Merge5-MUI-gemma-2-9B — объединённая языковая модель на базе Gemma 2, созданная с помощью mergekit методом SLERP из двух предварительно обученных моделей zelk12. Модель содержит 9 млрд параметров, использует архитектуру Gemma2ForCausalLM и предназначена для генерации текста в диалоговом формате; контекстное окно составляет 8192 токена. Модель можно использовать для ведения диалогов и генерации ответов на текстовые запросы. Веса опубликованы в формате safetensors; в конфигурации слияния указана точность bfloat16. Лицензия в предоставленных данных не указана.

NeuralKukedlc-7B-Labonned — языковая модель для генерации текста, созданная объединением NeuralBeagle14-7B и NeuralHermes-2.5-Mistral-7B с помощью LazyMergekit. В README указан метод слияния SLERP; архитектура — плотная MistralForCausalLM, размер — 7,1 млрд параметров. Модель предназначена для диалогов и генерации текста по запросу. Контекстное окно составляет 32 768 токенов. Веса опубликованы в формате safetensors, лицензия — Apache-2.0. Модель объединяет две диалоговые модели Mistral; карточка не приводит отдельной оценки качества или перечня поддерживаемых языков. Практические результаты могут зависеть от формулировки запроса и сценария использования.

NeuralsirkrishnaShadow_CalmeInex12 — объединённая модель генерации текста, созданная на основе automerger/NeuralsirkrishnaShadow-7B и automerger/CalmeInex12-7B. В карточке указаны архитектура Mistral с плотной архитектурой и 7,1 млрд параметров; модель рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0.

NeuralTrixlaser-bf16 — объединённая модель для генерации текста и диалогов, опубликованная CultriX. Она основана на архитектуре Mistral и содержит 7,1 млрд параметров; объединение четырёх моделей выполнено с помощью LazyMergekit. Модель принимает текст и генерирует текст, а заявленная длина контекста составляет 32 768 токенов. Модель подходит для диалоговых сценариев и других задач генерации текста. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. README не приводит оценок качества, описания целевых языков или подробностей ограничений модели.

Percival_01-7b-slerp — объединённая текстовая модель на архитектуре Mistral, созданная AurelPx методом SLERP с помощью LazyMergekit из liminerity/M7-7b и Gille/StrangeMerges_32-7B-slerp. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Она предназначена для генерации текста и диалоговых сценариев. В карточке автор заявляет второе место среди моделей 7B на OPENLLM Leaderboard, однако подробности оценки и результаты по отдельным задачам не приведены. Модель распространяется в формате safetensors под лицензией Apache-2.0.

Это объединённая модель генерации текста на базе архитектуры GPT-NeoX, созданная с помощью mergekit методом Linear из пяти контрольных точек обучения проекта filtered_midtrain_alignment. В README базовой указана контрольная точка global_step5000; в объединение также вошли global_step1000, global_step2000, global_step3000 и global_step4000. Модель рассчитана на генерацию текста и диалоговое взаимодействие. Она содержит 8,8 млрд параметров, поддерживает контекст до 16 384 токенов и распространяется в формате safetensors. Лицензия в доступных сведениях не указана.

T3qm7xNeuralsirkrishna_YamNeuralsirkrishna — объединённая текстовая модель семейства Mistral, созданная на основе automerger/T3qm7xNeuralsirkrishna-7B и automerger/YamNeuralsirkrishna-7B. Она предназначена для генерации текста и диалоговых сценариев. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате Safetensors. Лицензия — Apache-2.0.

Карточка модели conor9999/t5-large на Hugging Face совпадает с карточкой google-t5/t5-large, поэтому описание составлено по ней. T5-Large — языковая модель семейства Text-To-Text Transfer Transformer, разработанная Colin Raffel, Noam Shazeer и коллегами. Она преобразует текстовый ввод в текстовый вывод и обучалась в едином формате для разных задач обработки естественного языка. В карточке Hugging Face основная задача модели указана как перевод; размер версии в метаданных — 385,2 млн параметров, архитектура — T5ForConditionalGeneration. В README приведён размер 770 млн параметров, поэтому сведения о размере в источниках расходятся. Модель предназначена для перевода и может применяться после соответствующей настройки для суммаризации, ответов на вопросы, классификации и других текстовых задач. Заявленные языки — английский, французский, румынский и немецкий; длина контекста — 512 токенов. Предобучение проводилось на C4 и наборах данных для языковых задач. Модель доступна в форматах PyTorch, TensorFlow, Flax и safetensors. Лицензия — Apache 2.0. Возможности модели ограничены обучающими данными и контекстом; результаты могут содержать ошибки и отражать смещения данных. README не приводит подробных оценок качества или конкретных ограничений для отдельных сценариев.

SzilviaB/Triple_Solar_2x10.7b-truthy-DPO — разговорная языковая модель для генерации текста. По карточке, это слияние моделей методом TIES с помощью mergekit; в конфигурации одна и та же модель macadeliccc/SOLAR-2x10.7b-truthy-dpo указана несколько раз. Каталог классифицирует архитектуру как MixtralForCausalLM с MoE и указывает 10,6 млрд параметров. Модель предназначена для диалога, генерации ответов и продолжения текста. Она принимает текст и выдаёт текст, поддерживает контекст до 4096 токенов. В метаданных указана библиотека Transformers и формат safetensors. Лицензия и ограничения на использование в предоставленных сведениях отсутствуют.

YamshadowStrangemerges_32_T3qm7xStrangemerges_32 — объединённая текстовая модель, созданная из automerger/YamshadowStrangemerges_32-7B и automerger/T3qm7xStrangemerges_32-7B. Она предназначена для генерации текста и работает на плотной архитектуре Mistral с 7,1 млрд параметров; контекст — до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не сообщает о специализированной предметной области или конкретных ограничениях качества.

YamshadowStrangemerges_32_YamMulti_verse_model — объединённая модель генерации текста на архитектуре Mistral, созданная из automerger/YamshadowStrangemerges_32-7B и automerger/YamMulti_verse_model-7B. Она предназначена для генерации текста по запросу и может использоваться в диалоговых и других текстовых сценариях.

ZraldAI v1.1 — сжатая дообученная версия Qwen3-8B от Zrald для генерации текста и диалогов. Это плотная авторегрессионная языковая модель на 7,6 млрд параметров с контекстом до 40 960 токенов; репозиторий содержит веса в формате safetensors. Модель загружается через Transformers и предназначена для генерации ответов и ведения диалога.

Модель ShenaoZ/0.001_ablation_5iters_bs256_nodpo_iter_4 — дообученная версия ShenaoZ/0.001_ablation_5iters_bs256_nodpo_iter_3 на наборах данных updated и original. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста и диалогового общения; заявленный контекст — 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель опубликована под лицензией MIT.

Jebadiah/Aria-7b-128k-v3 — объединённая языковая модель, созданная Jebadiah с помощью mergekit. В основе лежит Nitral-AI/Echidna-7b-128k, объединённая с Jebadiah/Aria-7b-128k-v2 методом DARE TIES; архитектура — плотная MistralForCausalLM с 7,1 млрд параметров. Репозиторий содержит веса в формате safetensors, библиотека для работы с моделью — Transformers. Модель предназначена для генерации текста. В метаданных указан нативный контекст 32 768 токенов. Карточка не описывает отдельные специализированные задачи, языковую поддержку или прикладные области, поэтому модель уместно рассматривать как инструмент общего назначения. Сведения о лицензии и конкретных ограничениях в предоставленных данных отсутствуют.