III.8Договоры, юридическая работа и compliance

EM German Mistral v01 — дообученная модель семейства EM German, разработанная jphme на архитектуре Mistral. Она обучена на большом наборе инструкций на немецком языке и предназначена для понимания запросов, генерации текста и диалогового взаимодействия на немецком. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Модель подходит для немецкоязычных диалоговых помощников, генерации текстов и ответов на вопросы, в том числе по RAG-шаблону. README указывает формат prompt Vicuna. Веса опубликованы в safetensors для Transformers; лицензия — Apache-2.0. Автор рекомендует обновлять библиотеки при проблемах с поддержкой архитектуры Mistral и отмечает, что результаты могут различаться между версиями и сценариями использования.

Flan-Alpaca-Base — модель семейства T5, разработанная Declare Lab путём дообучения Flan-T5 на инструкциях Flan и Alpaca. Она предназначена для выполнения текстовых инструкций и генерации ответов, например для написания текстов и решения разнообразных задач по запросу. Модель доступна в форматах PyTorch и Safetensors; метаданные указывают 123,8 млн параметров и контекст до 512 токенов. Модель принимает текст и генерирует текст. Карточка описывает подход к обучению на наборах инструкций, но не приводит оценок качества именно этой версии. Лицензия — Apache-2.0.

jul-decision-e5-small — дообученная командой jul компактная модель на базе multilingual-e5-small для типизированных решений по тексту: выбора категории (Choice), ответа «да/нет» (Noul) и выставления оценки (Score). В репозитории есть два варианта весов: векторная модель кодирует текст и варианты ответа отдельно для сравнения, а cross-модель обрабатывает вопрос и текст совместно. Архитектура — BERT, 124,3 млн параметров, контекст до 512 токенов; модель рассчитана на английский и французский языки. Для классификации Choice входы векторного варианта используют префикс `query: `; модель можно запускать в облегчённой сборке ONNX с 8-битной квантизацией, опубликованной отдельно. Модель подходит для классификации текстов по заданным вариантам, бинарных решений и оценивания без размеченных примеров, а также для тонкой настройки на конкретную задачу при наличии меток. В README приведены результаты на классификации, определении тональности и оскорбительного содержания, перефразировании и выводе. Указаны слабые места: оценка срочности, распознавание вежливых, но серьёзных жалоб, различение предложений с одинаковыми словами в разном порядке и ответы на вопросы, требующие знаний. Лицензия — Apache-2.0.

LFM2-24B-A2B-MLX-8bit — 8-битная квантованная версия модели LFM2-24B-A2B, разработанной LiquidAI. Квантование выполнено командой LM Studio с использованием MLX и ориентировано на запуск на устройствах с Apple Silicon. Модель предназначена для генерации текста и локального использования через совместимое программное обеспечение. Модель поддерживает английский, арабский, китайский, французский, немецкий, японский, корейский, испанский и португальский языки. Ключевые параметры контекста, точная архитектура и дополнительные модальности в README не указаны; из описания следует, что это текстовая модель. Сильной стороной является оптимизация для Apple Silicon и снижение требований к памяти благодаря 8-битному представлению, однако квантование может влиять на качество по сравнению с исходной версией, а применение вне экосистемы Apple может быть ограничено. Модель распространяется по лицензии lfm1.0.

Карточка модели 4bit/Llama-2-13b-chat-hf на Hugging Face совпадает с карточкой NousResearch/Llama-2-13b-chat-hf, поэтому описание составлено по ней. NousResearch/Llama-2-13b-chat-hf — диалоговая языковая модель семейства Llama 2, разработанного Meta и опубликованная в формате для Transformers. Это авторегрессионная плотная модель на архитектуре Transformer с 12,9 млрд параметров, дообученная с помощью supervised fine-tuning и обучения с подкреплением на основе человеческой обратной связи. Она предназначена для диалогов в формате ассистента и генерации текста на английском языке; принимает и выдаёт текст, поддерживает контекст до 4096 токенов. Модель подходит для ответов на вопросы, ведения диалога, создания черновиков и других сценариев генерации текста. Для ожидаемого поведения чат-версии необходимо использовать предусмотренный формат сообщений Llama 2. Модель может выдавать неточные, предвзятые или нежелательные ответы, поэтому перед внедрением её следует проверять и настраивать под конкретное применение. Использование регулируется специальной лицензией Meta для Llama 2; для доступа к весам требуется принять её условия.

papercat404/mergecat_v0.1 — объединённая языковая модель, созданная методом SLERP с помощью mergekit на основе hkss/hk-SOLAR-10.7B-v1.4 и hwkwon/S-SOLAR-10.7B-v1.4. Модель относится к семейству Llama, использует архитектуру LlamaForCausalLM и содержит 10,6 млрд параметров; она предназначена для генерации текста и диалоговых ответов на текстовые запросы с контекстом до 4096 токенов. Модель распространяется в формате safetensors для Transformers по лицензии Apache-2.0. Карточка не описывает отдельную специализацию или конкретные ограничения качества; пригодность ответов следует оценивать для выбранного сценария.

mjwong выпустил дообученную на наборах XNLI и ANLI модель на базе multilingual-e5-large-instruct для многоязычной классификации без примеров. Она использует архитектуру XLM-RoBERTa с примерно 658,7 млн параметров и доступна в форматах PyTorch и Safetensors. Модель принимает текст и заданные пользователем названия классов, а затем оценивает принадлежность текста к этим классам; её также можно применять для задач определения отношений между посылкой и гипотезой (NLI). Окно контекста составляет 514 токенов. В README приведены результаты оценки на XNLI для 15 языков, а также на MultiNLI и ANLI. Лицензия CC-BY-NC-4.0 ограничивает использование условиями этой лицензии, включая некоммерческий характер. Качество зависит от формулировок текста и меток классов; приведённые результаты относятся к указанным тестовым наборам и не гарантируют качество на других данных.

mergekit-community/qwen2.5-11B-Mzy — объединённая плотная языковая модель семейства Qwen2.5, созданная с помощью mergekit методом passthrough из AIDC-AI/Marco-o1, djuna/Q2.5-Fuppavy-7B и happzy2633/qwen2.5-7b-ins-v3. Модель содержит 10,8 млрд параметров и предназначена для генерации текста в диалоговых сценариях. Модель принимает текст и выдаёт текст; доступна в формате safetensors для Transformers. Заявленная длина контекста — 32 768 токенов. В README указано, что веса собраны из диапазонов слоёв трёх исходных моделей; детали лицензии и результаты сравнительных оценок в предоставленных данных отсутствуют.

nbeerbower/Qwen3.5-9B-Writing-DPO — дообученная модель семейства Qwen3.5, созданная на базе Qwen/Qwen3.5-9B. Она предназначена для генерации текста в диалоге и сценариев написания текстов; в метаданных также отмечены интерфейсы чата и вызова инструментов. Модель использует плотную архитектуру Qwen3_5ForCausalLM и содержит 7,2 млрд параметров. Она работает через Transformers, распространяется в формате safetensors и имеет заявленный контекст 262 144 токена. Дообучение выполнено на наборе данных schneewolflabs/Athanorlite-DPO; название репозитория указывает на настройку для письма, однако README не содержит подробностей о стиле или качестве генерации. Базовая Qwen3.5 описана в каталоге как мультимодальная, но для этой модели указана текстовая задача text-generation. Лицензия в предоставленных данных не приведена. Возможности генерации зависят от запроса и дообучения; заявленные характеристики качества и ограничения в карточке не описаны.

T5Gemma-S-S-PrefixLM-IT — англоязычная текстовая модель Google семейства T5Gemma с энкодер-декодерной архитектурой. Это instruction-tuned вариант с энкодером и декодером размера S, адаптированный с использованием PrefixLM; модель предназначена для генерации текста по запросу. Модель подходит для ответов на вопросы, суммаризации, рассуждений и создания текстов, включая черновики писем, сценарии и маркетинговые материалы. Небольшой размер семейства ориентирован на более экономичное развёртывание, в том числе на локальной инфраструктуре; точное число параметров этой версии в предоставленных данных не указано. Модель работает с текстом на английском языке. Возможные ограничения включают ошибки в фактах, трудности с неоднозначными формулировками и сложными задачами, а также смещения и пробелы, унаследованные от обучающих данных. Лицензия — Gemma; при использовании следует учитывать политику допустимого использования моделей Gemma.

Это языковая модель семейства Llama, дообученная dhanushkgowda на основе unsloth/llama-3.2-3b-instruct-bnb-4bit. Она предназначена для генерации текста и диалогового взаимодействия. Модель содержит 3,2 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текст, выдавая текст; заявленная длина контекста — 131072 токена. Для обучения применялись Unsloth и библиотека TRL. Лицензия — Apache 2.0.

0x Lite — диалоговая языковая модель Ozone AI, дообученная на базе Qwen/Qwen2.5-14B-Instruct. Это плотная модель архитектуры Qwen2 с 14 млрд параметров, предназначенная для генерации текста и общения; README также описывает применение для дополнения текста, суммаризации, перевода и создания контента. Модель принимает текст и выдаёт текст, поддерживает английский и китайский языки, использует формат Safetensors и рассчитана на контекст до 32 768 токенов. В карточке заявлены высокая скорость генерации и пригодность для чат-ботов, письма и учебных задач, однако сравнительные показатели качества и скорости не приведены. Модель распространяется по лицензии Apache-2.0. README содержит инструкцию загрузки через Transformers, но указанный там идентификатор репозитория отличается от идентификатора модели.

lukagra/Bielik-Minitron-7B-v3.0-Instruct-mlx-fp16 — конвертированная в формат MLX версия модели speakleash/Bielik-Minitron-7B-v3.0-Instruct. Это плотная авторегрессионная языковая модель семейства Llama с 7,3 млрд параметров, предназначенная для диалога и генерации текста. Репозиторий создан lukagra; карточка базовой модели описывает Bielik как компактную инструктивную модель для европейских языков с акцентом на польский. Модель принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов и рассчитана на многоязычные сценарии. В метаданных перечислены польский, английский, албанский, белорусский, боснийский, болгарский, хорватский, чешский, датский, эстонский, финский, французский, греческий, испанский, исландский, литовский, нидерландский, немецкий, норвежский, португальский, русский, румынский, сербский, шведский, словацкий, словенский, турецкий, украинский, венгерский, итальянский и латышский языки. Формат MLX предназначен для запуска на оборудовании Apple с MLX; исходная модель использует формат Safetensors. Модель опубликована под лицензией Apache-2.0. Качество и возможности унаследованы от базовой модели; карточка этой конверсии не содержит отдельных оценок или результатов тестирования.

Celestial-Order-24B-2.75 — языковая модель для генерации текста и диалогового общения, собранная Sorihon методом DARE TIES с помощью mergekit. В объединение вошли Sorihon/CYDR-24B и модель Celestial-Order-V2.5, указанная в README как базовая; метаданные каталога связывают модель с Sorihon/CYDR-24B. Архитектура — плотная MistralForCausalLM, размер — 23,4 млрд параметров, формат весов — Safetensors, библиотека — Transformers. Заявленная длина контекста — 131 072 токена. Модель предназначена для генерации продолжений и диалоговых ответов. README описывает рецепт объединения весов, но не приводит оценок качества, подробных сценариев или списка поддерживаемых языков, поэтому конкретные сильные стороны и языковые возможности по этим данным определить нельзя. Лицензия в предоставленных сведениях не указана.

Coral-Router, также называемая Coral-MNLI в карточке, — модель классификации последовательностей на базе BART-large, дообученная на MultiNLI. Она принимает текст и список меток-кандидатов, оценивает, насколько каждая метка подходит, и подходит для классификации без обучения на конкретных классах, в том числе в режиме нескольких меток. Модель применяет подход естественного логического вывода: исходный текст рассматривается как предпосылка, а каждая метка превращается в гипотезу; оценка соответствия основана на вероятности entailment. Это позволяет использовать её для определения тематики, тональности, намерения и модерации содержимого. Размер модели — 252,8 млн параметров, контекст — до 1024 токенов. Лицензия — Apache-2.0. Для длинных текстов возможна обрезка: сохраняется начало текста, поэтому важную информацию рекомендуется размещать ближе к началу. Качество также зависит от ясности и конкретности предложенных меток.

Experiment28M7_Experiment27Pastiche — объединённая модель на базе архитектуры Mistral, созданная слиянием automerger/Experiment28M7-7B и automerger/Experiment27Pastiche-7B. Модель содержит 7,1 млрд параметров и предназначена для генерации текста, в том числе диалоговых ответов. Она принимает текст и поддерживает контекст до 32 768 токенов. Модель опубликована в формате safetensors под лицензией Apache-2.0. Данных о специализации на конкретных языках или предметных областях в карточке нет.

freewheelin/free-solar-slerp-v0.1 — языковая модель, созданная методом слияния SLERP из KOMT-Solar-10.7B-SFT-v5 и S-SOLAR-10.7B-SFT-v1.2. Модель основана на архитектуре Llama и содержит 10,7 млрд параметров; для работы с текстом использует контекст до 4096 токенов и распространяется в формате Safetensors. Модель предназначена для генерации текста и ответов на запросы, включая диалоговые сценарии. В README отмечено, что для запуска требуется больше видеопамяти, однако точные требования не приведены. Лицензия — MIT.

lewtun/gemma-7b-sft-full-deita-10k-v0 — текстовая языковая модель, дообученная на основе google/gemma-7b на наборе инструкционных диалоговых данных HuggingFaceH4/deita-10k-v0-sft. Модель использует плотную архитектуру GemmaForCausalLM и содержит 8,2 млрд параметров. Она предназначена для генерации текста и диалоговых сценариев: например, ответов на запросы и выполнения инструкций в формате чата. Максимальная длина контекста — 8192 токена. Карточка не приводит подробностей об оценке качества и конкретных ограничениях модели. Лицензия указана как other, поэтому перед использованием следует проверить её условия в репозитории модели.

Gemma-Evo-10B — объединённая языковая модель автора Aashraf995, созданная с помощью mergekit методом Model Stock. В объединение вошли allknowingroger/GemmaSlerp2-9B, allknowingroger/GemmaSlerp5-10B и gmonsoon/gemma2-9b-sahabatai-v1-instruct-BaseTIES; базовой моделью при слиянии указана allknowingroger/GemmaSlerp5-10B. Модель построена на архитектуре Gemma 2, содержит около 9 млрд параметров и работает с контекстом до 8192 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно применять для ответов на запросы, ведения диалогов и создания текстовых черновиков. Репозиторий содержит веса в формате safetensors, библиотека — Transformers. Лицензия — Apache-2.0.

Ice0.50.1-16.01-RP — языковая модель на архитектуре Mistral, созданная объединением предварительно обученных моделей с помощью SLERP через mergekit. Репозиторий содержит веса Safetensors; размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов. Метаданные указывают поддержку диалогового режима и генерации текста. Модель подходит для диалогов и генерации ответов на текстовые запросы. README подтверждает объединение Ice0.40-20.11-RP и IceDrunkenCherryRP-7b-orpo-merged, однако их локальные пути не позволяют определить публичные идентификаторы базовых моделей. Лицензия в предоставленных данных не указана.

Kosmos-EVAA-v7-8B — объединённая языковая модель, созданная автором jaspionjader с помощью mergekit методом SLERP из jaspionjader/Kosmos-EVAA-v3-8B и jaspionjader/Kosmos-EVAA-v6-8B. Модель построена на архитектуре Llama, содержит 7,5 млрд параметров и принимает текст для генерации текста и диалогов; контекст составляет до 8192 токенов. Модель подходит для генерации ответов и продолжения текста в диалоговых и текстовых сценариях. В репозитории указаны веса safetensors и формат bfloat16. Лицензия в предоставленных данных не указана.

Карточка модели KR-X-AI/krx-gemma-2-9b-it-v2-b на Hugging Face совпадает с карточкой KR-X-AI/krx-gemma-2-9b-4-8-8-tb-3, поэтому описание составлено по ней. KR-X-AI выпустила разговорную модель генерации текста на базе Gemma 2. Это дообучение unsloth/gemma-2-9b-it-bnb-4bit с использованием Unsloth и библиотеки TRL; модель содержит 9 млрд параметров, использует плотную архитектуру Gemma2 и поддерживает контекст до 8192 токенов. Она предназначена для диалогов и генерации текста по запросу. Модель принимает текст и выдаёт текст; в метаданных указан английский язык. Репозиторий распространяется по лицензии Apache-2.0.

Llama3-DiscoLeo-Instruct-8B-v0.1 — немецкоязычная инструктивная языковая модель, совместно разработанная DiscoResearch и Occiglot при поддержке DFKI и hessian.Ai. Она создана дообучением DiscoResearch/Llama3-German-8B на немецком наборе инструкций DiscoResearch. Базовая модель восходит к Meta Llama 3 8B и прошла продолжительное предобучение на 65 млрд немецких токенов. Модель построена на плотной архитектуре Llama с примерно 7,5 млрд параметров; использует шаблон диалога Llama 3 и рассчитана на контекст до 8192 токенов. Она предназначена для диалогов и выполнения инструкций на немецком языке, а опубликованные оценки охватывают немецкие и английские тесты. Модель распространяется в формате safetensors по лицензии Llama 3.

Карточка модели Edgerunners/Lyraea-small-llama-3.1 на Hugging Face совпадает с карточкой Edgerunners/Lyraea-medium-llama-3.1, поэтому описание составлено по ней. 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.

Marengo_7B_SLERP — слитая языковая модель, созданная автором louisgrc с помощью LazyMergekit из automerger/OgnoExperiment27-7B и paulml/OmniBeagleSquaredMBX-v3-7B методом SLERP. Модель основана на архитектуре Mistral с плотной архитектурой и содержит 7,1 млрд параметров; она предназначена для генерации текста и диалогов. Контекстное окно составляет до 32 768 токенов. Модель принимает текст и выдаёт текст. В карточке не заявлены специальные предметные области или поддерживаемые естественные языки. Файлы опубликованы в формате safetensors; условия использования определяются лицензией репозитория Hugging Face.

Это GGUF-представление Qwen2.5-72B-Instruct в формате BF16, опубликованное featherless-ai-quants на основе модели mlx-community/Qwen2.5-72B-Instruct-bf16. Репозиторий содержит несколько вариантов квантования, включая IQ4_XS, Q2_K и Q3_K_L; README также описывает возможность запуска моделей через хостинг Featherless AI. Модель предназначена для диалоговой генерации текста. Её можно использовать для ответов на вопросы, подготовки текстов и ведения чата. Размер исходной модели — 72 млрд параметров. Данные не уточняют поддерживаемые языки и длину контекста. Доступны варианты с разным уровнем квантования и размером файлов, поэтому требования к ресурсам и качество могут различаться. Условия лицензии в предоставленных источниках не описаны.

win10/phi-3.5-Sakura-Yuzu-v1.5-7.64b — объединённая языковая модель на архитектуре Phi-3, созданная с помощью mergekit методом passthrough на основе win10/phi-3.5-Sakura-Yuzu-v1.5. Модель содержит 7,1 млрд параметров и предназначена для генерации текста в диалоговом формате.

Инструктивная русскоязычная версия Qwen2.5-3B, разработанная RefalMachine на основе модели RefalMachine/ruadapt_qwen2.5_3B_ext_u48_full_lr5e4_peft_mlp_32_32_bs256. Это плотная языковая модель Qwen2 с 3,1 млрд параметров, контекстом до 32 768 токенов и форматом весов safetensors. В модели заменили токенизатор на расширенный вариант cl100k с униграмным словарём на 48 тысяч токенов, затем провели дообучение на русскоязычном корпусе и применили Learned Embedding Propagation (LEP). Модель предназначена для диалогов и генерации русскоязычного текста по инструкциям. Авторы сообщают об увеличении скорости генерации русских текстов до 60% относительно исходной Qwen2.5-3B-Instruct при сравнении на одинаковых последовательностях; в README также упомянуты оценки на Ru-Arena-General, MERA и llmtf_open, но полные результаты не приведены. Метаданные указывают интерфейс вызова инструментов, однако README не описывает его применение. Модель принимает текст и выдаёт текст. Авторы предупреждают, что ответы могут отражать знания и мнения, усвоенные на этапах обучения, и рекомендуют использовать её с осторожностью. Условия лицензии в предоставленных данных не указаны.

Lambent/Silver5-Nemo-12B — объединённая модель генерации текста, созданная с помощью mergekit методом TIES. В основу взята Mistral-Nemo-Base-2407, а в объединение также вошли Dans-PersonalityEngine-V1.1.0-12b, Wayfarer-12B, Vikhr-Nemo-12B-Instruct-R-21-09-24, MISCHIEVOUS-12B-Mix_0.6v и Grey-12b. Модель построена на плотной архитектуре MistralForCausalLM и содержит 12,1 млрд параметров. Она предназначена для диалоговой генерации текста; заявленная длина контекста — 131 072 токена. Используйте её для ответов на запросы и создания связного текста в чат-сценариях. Репозиторий содержит веса safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0. Карточка не приводит отдельных оценок качества или подробных ограничений, поэтому практические результаты могут зависеть от запроса и настроек генерации.

Stable Beluga 7B — авторегрессионная языковая модель Stability AI, дообученная на базе Llama 2 7B на внутреннем наборе данных в стиле Orca. Модель с плотной архитектурой Llama содержит 6,6 млрд параметров, принимает текст и предназначена для генерации ответов на текстовые запросы. Максимальная длина контекста — 4096 токенов; заявленный язык — английский. Модель подходит для диалогов, ответов на вопросы и выполнения разнообразных текстовых инструкций. В README отмечено, что тестирование проводилось на английском языке. Ответы могут быть неточными, предвзятыми или нежелательными, поэтому перед внедрением модель следует проверить и настроить для конкретного применения. Чекпойнт распространяется по некоммерческой лицензии STABLE BELUGA NON-COMMERCIAL COMMUNITY LICENSE AGREEMENT.