III.8Договоры, юридическая работа и compliance

Hyena-12b — языковая модель Xclbr7 для генерации текста, созданная дообучением Xclbr7/Arcanum-12b. Модель построена на плотной архитектуре Mistral и содержит 12,1 млрд параметров; для обучения использовались Unsloth и библиотека TRL. Модель предназначена для генерации текста и диалогов на английском языке. В метаданных указан контекст длиной до 1 024 000 токенов. Репозиторий содержит веса в формате Safetensors. Модель распространяется по лицензии Apache-2.0.

Ice0.68-25.01-RP — языковая модель на архитектуре Mistral, созданная объединением предварительно обученных моделей с помощью mergekit и метода SLERP. Репозиторий содержит веса в формате Safetensors; модель насчитывает 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста. README указывает, что в объединении участвовали Ice0.60-18.01-RP и Ice0.67-25.01-RP, причём базовой названа Ice0.67-25.01-RP. Языки и более узкие сценарии применения в предоставленных материалах не описаны. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

Instrumentality-2-MN-12B-RP — плотная языковая модель семейства Mistral с 12,1 млрд параметров, созданная Aleteian слиянием предварительно обученных моделей с помощью mergekit и метода breadcrumbs_ties. В качестве базовой использована Aleteian/base-ground-2; также в слияние вошли DavidAU/MN-GRAND-Gutenberg-Lyra4-Lyra-12B-DARKNESS и elinas/Chronos-Gold-12B-1.0. Модель предназначена для генерации текста и диалогов, использует шаблон чата ChatML и поддерживает контекст до 1 024 000 токенов по метаданным. Модель доступна в формате safetensors, в README указан тип данных bfloat16. Она рассчитана на текстовый ввод и генерацию текста. Карточка не приводит сведения о языковой специализации, качестве на конкретных тестах или сценариях, поэтому их нельзя определить по имеющимся данным. Условия лицензии в предоставленных источниках не приведены.

PerfectUsing/llama-3.1-8b-sam-v5-merged — дообученная текстовая генеративная модель на архитектуре Llama 3.1 с плотной архитектурой и примерно 7,5 млрд параметров. Разработчик — PerfectUsing; базовая модель — unsloth/llama-3.1-8b-unsloth-bnb-4bit. Для обучения использовались Unsloth и библиотека Hugging Face TRL. Модель предназначена для генерации текста. В метаданных указан контекст до 131 072 токенов и английский язык. Карточка не уточняет специальную область применения или особенности обучения. Модель распространяется по лицензии Apache-2.0.

M7Yamshadowexperiment28_Experiment26Yam — объединённая языковая модель, созданная на основе automerger/M7Yamshadowexperiment28-7B и automerger/Experiment26Yam-7B. Модель построена на архитектуре Mistral с плотной структурой и содержит 7,1 млрд параметров. Она предназначена для генерации текста и поддерживает контекст длиной до 32 768 токенов. Модель распространяется в формате Safetensors по лицензии Apache-2.0. README не описывает специальные сценарии применения, языки или результаты оценки качества.

shitshow123/mistral7b_sft_dpo — разговорная языковая модель семейства Mistral, представленная в формате Safetensors. По метаданным, она содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста в диалоговом режиме. Репозиторий не содержит описания обучения или сведений, подтверждающих, что именно SFT и DPO применялись при создании модели; эти методы не выводятся из одного лишь названия. Указана лицензия Apache-2.0. Карточка не приводит оценок качества, инструкций по применению или ограничений сверх характеристик, сообщённых в метаданных.

CultriX/MonaCeption-7B-SLERP — объединённая языковая модель, созданная с помощью mergekit методом SLERP из CultriX/MergeCeption-7B-v3 и CultriX/MonaTrix-v4. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров, предназначенная для генерации текста. Она принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель можно применять для диалоговой генерации и продолжения текста. Она опубликована под лицензией Apache-2.0. README описывает метод слияния и исходные модели, но не приводит сравнительных оценок качества или специальных гарантий поведения.

RLLab/olmo-3-7b-it-sft — разговорная модель семейства OLMo 3 с плотной архитектурой причинного языкового моделирования. По данным карточки, она предназначена для генерации текста в диалоговом формате и имеет около 6,9 млрд параметров; для работы используется библиотека Transformers и формат safetensors. Модель принимает текст и генерирует текст. Длина контекста составляет 65 536 токенов. Карточка не содержит сведений о языковом охвате, конкретных сценариях дообучения или результатах оценки качества. Лицензия в предоставленных данных не указана.

Phoenix — немецкоязычная разговорная языковая модель, разработанная Matthias Uhlig на основе LeoLM/leo-mistral-hessianai-7b и обученная по методике Direct Preference Optimization (DPO) с инструкциями и предпочтениями на немецком языке. Это плотная модель MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов; поддерживает диалоговый режим и работает с текстом. Модель предназначена для ответов на инструкции и многоходовых диалогов на немецком языке. В карточке приводятся результаты MT-Bench-DE, включая сильные оценки в ролевых сценариях и гуманитарных темах; эти оценки относятся к указанному тесту и не гарантируют качество в других задачах. Модель распространяется в формате Safetensors по лицензии Apache 2.0. Возможны неточные, предвзятые или нежелательные ответы, поэтому перед внедрением рекомендуется проверить модель и настроить меры безопасности для конкретного приложения.

ThetaMaven10 — текстовая генеративная модель, созданная jefferylovely с помощью слияния моделей LazyMergekit. В слиянии участвуют jefferylovely/ThetaMaven9 и flemmingmiguel/MBX-7B-v3; применён метод slerp с настройками для слоёв self-attention и MLP. Модель построена на плотной архитектуре MistralForCausalLM, содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Она предназначена для генерации текста; карточка не уточняет специализацию по языкам или прикладным областям. Репозиторий содержит веса в формате Safetensors. Лицензия CC BY-NC-ND 4.0 требует указания авторства и запрещает коммерческое использование и распространение производных материалов.

ThetaMaven7 — объединённая модель для генерации текста, созданная jefferylovely методом LazyMergekit из ThetaMaven5 и WestLake-7B-v2-laser-truthy-dpo. Веса объединены методом SLERP с точностью bfloat16; архитектура — плотная Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Карточка не описывает специализацию по предметным областям или языкам. Репозиторий содержит веса в формате safetensors; лицензия — CC BY-NC-ND 4.0, с условиями атрибуции и ограничениями на коммерческое использование и распространение производных версий.

Katayoon/VPO-SELM-Zephyr-7B-iter-2 — диалоговая языковая модель, дообученная разработчиком на базе Katayoon/VPO-SELM-Zephyr-7B-iter-1 на обновлённом и исходном наборах данных. Это плотная модель семейства Mistral с архитектурой MistralForCausalLM, примерно 7,1 млрд параметров и контекстом до 32 768 токенов. Она предназначена для генерации текста в диалоговом формате и распространяется в формате safetensors. Модель опубликована по лицензии MIT. Карточка не приводит подробностей о языках, оценке качества или конкретных ограничениях применения.

YamshadowInex12_Experiment29Experiment24 — слитая модель для генерации текста, построенная на двух моделях: automerger/YamshadowInex12-7B и automerger/Experiment29Experiment24-7B. Она разработана и опубликована MaziyarPanahi. Модель использует плотную архитектуру Mistral с 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Её можно применять для генерации продолжений и ответов на текстовые запросы. В репозитории веса представлены в формате safetensors. Модель распространяется по лицензии Apache-2.0. Данных о специальных предметных областях и ограничениях качества в карточке нет.

YamT3qm7xp_Inex12Strangemerges_30 — объединённая модель Mistral для генерации текста, созданная на основе automerger/YamT3qm7xp-7B и automerger/Inex12Strangemerges_30-7B. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и принимает текстовый контекст длиной до 32 768 токенов. Модель предназначена для генерации текста. Сведения в карточке не уточняют её специализацию, языки или отдельные сценарии применения. Веса опубликованы в формате Safetensors; лицензия — Apache-2.0.

Cohere и Cohere Labs разработали Command A — авторегрессионную языковую модель на базе оптимизированного Transformer с 111 млрд параметров. Она принимает и генерирует текст, поддерживает диалог, вызов внешних инструментов и работу в сценариях RAG с фрагментами документов и цитированием источников. Модель ориентирована на корпоративные задачи, включая многоязычные сценарии и агентные приложения. Модель обучена с учителем и дополнительно настроена с помощью обучения на предпочтениях. В архитектуре чередуются слои со скользящим окном внимания размером 4096 токенов и слой с глобальным вниманием. Заявленная длина контекста — 256 тыс. токенов, хотя конфигурация Hugging Face по умолчанию ограничивает её 128 тыс. Поддерживаются 23 языка, в том числе русский и английский. Command A подходит для диалоговых ассистентов, ответов по документам, извлечения информации, суммаризации, перевода и категоризации. Для запуска требуется значительная вычислительная инфраструктура, несмотря на заявление разработчиков о возможности развёртывания на двух GPU; для работы с Transformers нужны изменения из исходного репозитория. Лицензия CC-BY-NC-4.0 предусматривает некоммерческое использование и требует соблюдения Acceptable Use Policy Cohere Labs.

CohereLabs/command-a-plus-05-2026-w4a4 — квантизированная версия открытой модели Command A+, разработанная Cohere и Cohere Labs. Модель предназначена для агентных и многошаговых сценариев, задач, требующих рассуждений, корпоративных приложений и многоязычного диалога. Она принимает текстовые и графические входы, а генерирует текст, поэтому может использоваться для общения, анализа изображений, обработки документов и работы с инструментами. Модель содержит 25 млрд активных параметров и 218 млрд параметров всего; в карточке она описана как MoE-модель с поддержкой vision-входов. Контекстное окно составляет до 128K входных токенов. Заявлена поддержка языков, включая английский, русский, китайский, японский, арабский, немецкий, французский, испанский и ряд других. Вариант W4A4 использует 4-битное квантование весов и активаций экспертов MoE, при этом внимание и KV-кэш сохраняются в полной точности; применяется Quantization-Aware Distillation для снижения потерь качества. Главное преимущество варианта W4A4 — меньшие требования к памяти, более высокая скорость и меньшая задержка при сопоставимом с другими вариантами качестве. Для запуска указаны ориентиры от одной GPU NVIDIA B200 или двух H100, а для vLLM требуется версия не ниже 0.25.0 и дополнительная библиотека cohere_melody. Ограничения включают высокие аппаратные требования и необходимость совместимого программного стека. Модель распространяется по лицензии Apache 2.0.

C4AI Command A в репозитории unsloth — производная версия модели Cohere Command A, разработанной Cohere и Cohere For AI. Это авторегрессионная плотная трансформерная языковая модель на 111,1 млрд параметров для диалога, генерации текста, корпоративных сценариев, работы с документами и агентных приложений. Модель поддерживает вызов инструментов через диалоговый шаблон и специально обучена выполнять заключительный этап RAG, включая ответы с цитатами по переданным фрагментам документов. Модель принимает и генерирует только текст. Её контекстное окно составляет 262 144 токена. Архитектура использует скользящее внимание с окном 4096 токенов в трёх слоях и глобальное внимание в четвёртом; обучение включало контролируемую настройку и обучение предпочтениям. Заявлена поддержка 23 языков, включая русский, английский, французский, китайский и арабский. Модель подходит для многоязычного чата, ответов с опорой на документы, суммаризации, извлечения информации и задач с использованием инструментов. Для запуска требуются значительные вычислительные ресурсы, несмотря на заявленную разработчиками возможность развёртывания на двух GPU. Лицензия CC-BY-NC-4.0 ограничивает коммерческое использование; также требуется соблюдать политику допустимого использования C4AI.

C4AI Command R 08-2024 — генеративная языковая модель, разработанная Cohere и Cohere For AI. Она предназначена для диалогов, рассуждений, суммаризации, ответов на вопросы и работы с поиском по документам (RAG); также умеет выбирать и вызывать инструменты в диалоговом интерфейсе. Модель использует авторегрессионную архитектуру Transformer с grouped-query attention, дообучена с учителем и на предпочтениях пользователей. В README указан размер 35 млрд параметров, а в метаданных — 32,3 млрд; длина контекста составляет 128K токенов. Модель принимает и генерирует только текст. Обучение охватывало 23 языка, оценка проводилась на 10; метаданные перечисляют английский, французский, немецкий, испанский, итальянский, португальский, японский, корейский, китайский и арабский. Для вызова инструментов требуется использовать специальный шаблон диалога; отклонение от него может снизить качество. Лицензия CC-BY-NC-4.0 ограничивает коммерческое использование, также необходимо соблюдать политику допустимого использования C4AI.

Flan-UL2 — текстовая encoder-decoder модель Google на архитектуре T5 с 7,6 млрд параметров. Она основана на контрольной точке UL2 и дообучена на коллекции Flan с формулировками задач в виде инструкций. Репозиторий содержит веса PyTorch, лицензия — Apache 2.0. Модель предназначена для выполнения разнообразных текстовых задач по инструкциям, включая генерацию и продолжение текста, ответы на вопросы, суммаризацию, рассуждения и классификацию. Она поддерживает обучение на нескольких примерах в контексте и не требует специальных mode tokens UL2. README приводит контекстное поле 2048 токенов; метаданные указывают native context в 512 токенов. Flan-UL2 сочетает предварительное обучение UL2 с инструкционной настройкой Flan и рассчитана на широкий круг задач обработки естественного языка. Для запуска на GPU авторы рекомендуют загрузку в 8-битном режиме для снижения потребления памяти. Это крупная модель, поэтому для инференса нужны значительные вычислительные ресурсы; опубликованные оценки не гарантируют качество на каждом отдельном сценарии.

Mistral-Small-24B-Instruct-2501-bf16 — конвертированная в формат MLX версия инструктивной языковой модели Mistral AI Mistral-Small-24B-Instruct-2501, подготовленная сообществом mlx-community для запуска на устройствах Apple с MLX. Модель представляет собой плотную авторегрессионную архитектуру MistralForCausalLM с 23,4 млрд параметров и контекстом до 32 768 токенов. Она предназначена для диалогов и генерации текста по инструкциям на нескольких языках. Подходит для ответов на вопросы, составления и редактирования текстов, суммаризации и многоязычных ассистентских сценариев. Метаданные указывают поддержку английского, французского, немецкого, испанского, итальянского, португальского, китайского, японского, русского и корейского языков. Репозиторий содержит веса в safetensors и описывает конвертацию в MLX с помощью mlx-lm 0.21.1. Лицензия — Apache 2.0. Качество ответов и следование инструкциям зависят от формулировки запроса; как и другие языковые модели, она может генерировать ошибки и недостоверные сведения.

Granite-3.0-3B-A800M-Base — базовая языковая модель IBM Granite Team для генерации текста и других задач преобразования текста. Это декодерный трансформер со sparse Mixture of Experts (MoE): в README указаны 32 слоя и размер эмбеддинга 1536. Модель обучена с нуля в два этапа на 8 трлн и затем 2 трлн токенов из открытых и проприетарных источников; репозиторий содержит веса в формате Safetensors, библиотека — Transformers. Метаданные указывают 352,3 млн параметров и контекст до 4096 токенов. Модель предназначена для суммаризации, классификации и извлечения информации, ответов на вопросы и других сценариев генерации текста; также её можно использовать как основу для специализированного дообучения. Поддерживаемые языки: английский, немецкий, испанский, французский, японский, португальский, арабский, чешский, итальянский, корейский, нидерландский и китайский. Лицензия — Apache 2.0. Модель не проходила выравнивание по безопасности, поэтому может генерировать проблемный контент. Возможны предвзятость, дезинформация, галлюцинации и буквальное воспроизведение фрагментов обучающих данных.

JEV-27B — модель AutoTrust для быстрых классификационных решений и генерации текста. Она дообучена на базе Qwen/Qwen3.8-27B и объединяет два режима в одном наборе весов: System 1 выдаёт калиброванные вероятности для предложенных вариантов, а System 2 использует генерационную способность базовой модели для ответов и рассуждений. Для обслуживания обоих режимов автор рекомендует vLLM; решения можно запрашивать через HTTP-интерфейс. Модель рассчитана на выбор из заданных вариантов, ранжирование и классификацию по текстовому контексту, включая вопросы с большим числом вариантов. Заявлена поддержка контекста до 262 144 токенов; в README описаны тесты на длинных текстах и результаты на нескольких бенчмарках решений. Карточка указывает английский язык. Модель содержит 22,3 млрд параметров и распространяется в формате safetensors под лицензией Apache-2.0. Результаты бенчмарков и скорость приведены авторами модели и не гарантируют аналогичного качества на других данных. Для режима System 1 требуется использовать интерфейс решения и формат запроса, описанные в README; карточка не заявляет поддержку изображений для этой модели.

win10/miscii-Virtuoso-Small — объединённая языковая модель на архитектуре Qwen2, созданная с помощью mergekit методом TIES. В объединении использованы arcee-ai/Virtuoso-Small и sthenno-com/miscii-14b-1028; базовой указана sthenno-com/miscii-14b-1028. Модель содержит 14 млрд параметров и принимает текст для генерации текста в диалоговом формате, включая сценарии с интерфейсом вызова инструментов. Модель подходит для генерации ответов и ведения диалога; описание базовой Virtuoso-Small указывает на следование инструкциям, рассуждения и бизнес-задачи. Заявленная длина контекста — 131072 токена. Модель распространяется в формате Safetensors и предназначена для использования через Transformers. Сведения о лицензии и конкретных ограничениях качества в карточке не приведены.

G2-Nowing-9B-32K-YS — объединённая методом SLERP языковая модель Gemma 2, созданная автором djuna с помощью mergekit из zelk12/MT-Merge2-MU-gemma-2-MTg2MT1g2-9B и allknowingroger/GemmaSlerp5-10B. Модель имеет плотную архитектуру Gemma2ForCausalLM, содержит 9 млрд параметров и рассчитана на генерацию текста и диалоговое общение. Заявленная длина контекста составляет 32 768 токенов. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия в предоставленных данных не указана.

Aitana-7B-S-Instruct-v0.1-i1-GGUF — это квантизированная версия инструкционной языковой модели Aitana-7B-S-Instruct, разработанной GPLSI. Репозиторий подготовлен и квантизирован пользователем mradermacher в формате GGUF для локального запуска. Модель предназначена для генерации текста и выполнения инструкций в диалоговых и прикладных сценариях, включая ответы на вопросы, работу с многоязычными данными, извлечение информации, задачи рассуждения и обработку специализированных текстов. Модель имеет размер 7B параметров и работает с текстом. В README заявлена поддержка каталанского, испанского и английского языков; обучение и дообучение проводились на наборах данных для инструкционного обучения, многоязычного общения, поиска с дополнением контекста, перевода, юридических вопросов, научных фактов и математических задач. Доступно множество вариантов квантизации с разным размером от примерно 2,4 до 5,7 ГБ. В качестве рекомендуемого варианта указана i1-Q4_K_M, а i1-Q4_K_S описана как компромисс между размером, скоростью и качеством. Сильными сторонами модели являются ориентация на следование инструкциям, поддержка каталанского, испанского и английского языков, а также возможность запуска в ресурсно-ограниченной среде благодаря GGUF-квантизации. Ограничения включают зависимость качества и скорости от выбранного уровня квантизации; наиболее компактные варианты могут давать заметно более низкое качество. Архитектура и размер контекстного окна в README не указаны. Модель распространяется по лицензии Apache-2.0.

Карточка модели PositronicLlama/Ovis2.5-9B на Hugging Face совпадает с карточкой ATH-MaaS/Ovis2.5-9B, поэтому описание составлено по ней. Ovis2.5-9B — мультимодальная модель семейства Ovis2.5, разработанная командой AIDC-AI. Она сочетает визуальный энкодер NaViT для обработки изображений в исходном переменном разрешении с языковой моделью Qwen3-8B; размер модели — 9 млрд параметров. Модель принимает текст и изображения и генерирует текст, поддерживает контекст до 40 960 токенов и рассчитана прежде всего на английский и китайский языки. Модель предназначена для визуальных вопросов и ответов, мультимодальных рассуждений, понимания видео, распознавания текста и анализа документов, таблиц, форм, графиков и диаграмм. Режим размышления с самопроверкой и пересмотром ответа можно включать при выводе, увеличивая задержку ради потенциально более точного ответа на сложные запросы. В README заявлен средний результат 78,3 в мультимодальном наборе OpenCompass и сильные результаты в задачах понимания изображений и документов. Модель распространяется по лицензии Apache-2.0. README предупреждает, что разработчики не гарантируют полного отсутствия проблем с авторскими правами или неподобающим содержимым.

ECE-TW3-JRGL-V2 — чат-модель объёмом 71 млрд параметров, созданная слиянием моделей Qwen/Qwen1.5-72B-Chat и vilm/Quyen-Pro-Max-v0.1 с помощью mergekit. Она предназначена для диалогов и генерации текста, включая ответы на запросы в формате чата. Модель построена на плотной архитектуре Qwen2 и принимает текст, выдавая текст; длина контекста составляет до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0.

Карточка модели djuna/G2-Nowing-9B на Hugging Face совпадает с карточкой djuna/G2-Nowing-9B-32K-YS, поэтому описание составлено по ней. G2-Nowing-9B-32K-YS — объединённая методом SLERP языковая модель Gemma 2, созданная автором djuna с помощью mergekit из zelk12/MT-Merge2-MU-gemma-2-MTg2MT1g2-9B и allknowingroger/GemmaSlerp5-10B. Модель имеет плотную архитектуру Gemma2ForCausalLM, содержит 9 млрд параметров и рассчитана на генерацию текста и диалоговое общение. Заявленная длина контекста составляет 32 768 токенов. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия в предоставленных данных не указана.

alpindale/gemma-7b — текстовая авторегрессионная модель семейства Gemma, разработанного Google на основе исследований и технологий, применявшихся для Gemini. Это плотная decoder-only модель с 8,2 млрд параметров; карточка указывает поддержку английского языка и контекст до 8192 токенов. Модель принимает текст и генерирует текст, подходит для ответов на вопросы, суммаризации, диалога, создания текстов и рассуждений. Модель можно запускать через Transformers; сравнительно небольшой размер позволяет использовать её на персональных компьютерах и собственной облачной инфраструктуре. В репозитории указаны веса в формате safetensors. README описывает Gemma как семейство с предварительно обученными и дообученными для инструкций вариантами, но не уточняет отдельно тип этого чекпойнта. Лицензия в предоставленных данных не указана. Как и другие языковые модели, она может выдавать фактически неверные ответы, отражать предвзятость обучающих данных и испытывать трудности с неоднозначностью, тонкими языковыми нюансами и сложными открытыми задачами. Для пользовательских приложений следует оценивать качество ответов и применять меры безопасности.

WizardLM-13B-V1.2 — полноразмерная текстовая модель с архитектурой Llama, разработанная командой WizardLM и обученная на базе Llama 2 13B. Модель предназначена для генерации ответов на инструкции и многоходового диалога; в карточке приведён шаблон общения в стиле Vicuna. Число параметров — 12,9 млрд, контекст — 4096 токенов. Модель подходит для диалоговых помощников, ответов на вопросы и выполнения сложных текстовых инструкций. В README приведены результаты внутренних оценок MT-Bench, AlpacaEval и WizardLM Eval; авторы отмечают, что тестирование выполнялось самостоятельно и результаты ожидали проверки. Репозиторий содержит веса PyTorch. Лицензия — Llama 2 License.