III.8Договоры, юридическая работа и compliance

T3qm7xNeuralsirkrishna_NeuralsirkrishnaExperiment28 — объединённая языковая модель на архитектуре Mistral с 7,1 млрд параметров, созданная из automerger/T3qm7xNeuralsirkrishna-7B и automerger/NeuralsirkrishnaExperiment28-7B. Она предназначена для генерации текста и диалоговых сценариев, где модель продолжает текстовый запрос и формирует текстовый ответ. Модель принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. В метаданных указана лицензия Apache-2.0. Сведения о целевых языках, специализированных областях и отдельных ограничениях качества в карточке не приведены.

Trismal-Hermecles-7B-Base-Ties — разговорная языковая модель, созданная объединением unsloth/OpenHermes-2.5-Mistral-7B и unsloth/Hermes-2-Pro-Mistral-7B методом TIES с помощью LazyMergekit. Это плотная модель семейства Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров; репозиторий содержит веса в формате safetensors. Указанная длина контекста — 32 768 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно использовать для ответов на вопросы, написания и редактирования текстов, а также для чат-ботов. README не приводит отдельной оценки качества или перечня поддерживаемых языков. Лицензия в предоставленных данных не указана.

Veda Labs разработала Veda-labs-0.5b-instruct-base — плотную причинную языковую модель семейства Qwen2 с 494 млн параметров и контекстом до 32 768 токенов. Она предназначена для генерации текста и диалогового взаимодействия на английском языке; карточка также описывает применение для завершения текста, суммаризации и ответов на вопросы. Модель можно использовать как основу для дообучения под медицинские, юридические и клиентские сценарии. Она распространяется в формате safetensors по лицензии Apache-2.0. Ответы могут быть неточными, предвзятыми или непоследовательными; для критически важных задач требуется проверка человеком.

Adamus-7B-slerp — объединённая модель для генерации диалогового текста, созданная с помощью LazyMergekit из mlabonne/NeuralBeagle14-7B и cognitivecomputations/dolphin-2.8-mistral-7b-v02. В метаданных указана архитектура Mistral с плотной структурой и классом MistralForCausalLM; размер модели — 7,1 млрд параметров, родной контекст — 32 768 токенов. Модель предназначена для генерации текста в формате диалога. Описание базовой NeuralBeagle14-7B указывает на задачи следования инструкциям, рассуждений и творческой генерации; эти возможности у объединённой модели отдельно не оценены. Объединение выполнено методом slerp, веса представлены в формате safetensors. Модель опубликована 3 июня 2024 года. Лицензия в предоставленных данных не указана.

Карточка модели fatymahaly/bart-large-mnli на Hugging Face совпадает с карточкой facebook/bart-large-mnli, поэтому описание составлено по ней. facebook/bart-large-mnli — контрольная точка BART-large от Facebook, дообученная на датасете MultiNLI для распознавания отношений логического следования между текстами. Модель применяют для классификации без заранее заданного набора классов: исходный текст рассматривается как предпосылка, а для каждой кандидатной метки формируется гипотеза, например «Этот текст о политике». Вероятности следования и противоречия преобразуются в оценки меток. Модель подходит для тематической классификации, маршрутизации текстов по пользовательским категориям и других задач, где нужно оценить соответствие текста произвольным меткам. Архитектура — BART-large с классификатором последовательностей, размер — 252,8 млн параметров, контекст — до 1024 токенов. Репозиторий содержит варианты PyTorch, Flax и Safetensors. Лицензия — MIT. Качество зависит от формулировки кандидатных меток и гипотез, а также от того, насколько задача соответствует обучению на MNLI; оценки модели не гарантируют правильную классификацию. Для нескольких одновременно верных меток предусмотрен режим независимой оценки каждого класса.

BeagleX-7B — слитая разговорная модель генерации текста, опубликованная пользователем shadowml. Она объединяет shadowml/WestBeagle-7B и flemmingmiguel/MBX-7B-v3 методом slerp с помощью LazyMergekit. Модель построена на плотной архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для диалогов и генерации текста по запросу. Её можно использовать для ответов на вопросы, написания черновиков и продолжения текста. В репозитории указаны веса в формате safetensors; лицензия CC BY-NC 4.0 разрешает использование на условиях лицензии, включая ограничения на коммерческое применение.

Calme-7B-Instruct-v0.5 — разговорная языковая модель MaziyarPanahi на архитектуре Mistral, дообученная на качественных наборах данных поверх Mistral-7B. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов; опубликована в формате Safetensors и предназначена для генерации связных текстовых ответов в диалоге. Её можно применять для общения с ассистентом, составления и продолжения текстов, а также ответов на запросы. В README также упомянуты отдельные квантованные версии GGUF, однако данный репозиторий содержит веса Safetensors. Языки обучения или приоритетные языки в доступных сведениях не определены. Модель распространяется по лицензии Apache-2.0.

Flan-Alpaca-Large — модель для следования инструкциям, созданная лабораторией Declare-Lab путём дообучения FLAN-T5 на наборах инструкций Flan и Alpaca. Она использует архитектуру T5 с условной генерацией текста и предназначена для ответов на запросы и выполнения разнообразных текстовых заданий. Репозиторий содержит веса PyTorch и Safetensors; лицензия — Apache-2.0. Модель принимает текст и генерирует текст. Метаданные указывают 385,2 млн параметров и контекст до 512 токенов. README сообщает об обучении на данных Flan и Alpaca, но приводит для версии Large другое число параметров — 770 млн; поэтому размер из метаданных может не совпадать с описанием в карточке. Поддерживаемые языки явно не перечислены.

jambroz/FNCARL-7b — диалоговая языковая модель, созданная автором репозитория методом слияния DARE TIES через mergekit. В качестве основы использована mistralai/Mistral-7B-Instruct-v0.2; также объединены Nexusflow/Starling-LM-7B-beta, mlabonne/NeuralBeagle14-7B и CorticalStack/pastiche-crown-clown-7b-dare-dpo. Модель построена на архитектуре Mistral с 7,1 млрд параметров и рассчитана на генерацию текста в диалоге и ответы на инструкции. Поддерживает контекст до 32 768 токенов и распространяется в формате safetensors для Transformers. Лицензия в предоставленных данных не указана. Качество и ограничения модели отдельно не описаны.

KafkaLM-7B-German-V0.1 — языковая модель проекта Seedbox, обученная Деннисом Дикманном. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров; она дополнительно обучена на немецких данных поверх leo-mistral-hessianai-7b, которая была дообучена на наборах инструкций с переводом с английского на немецкий. Для обучения использовалась отфильтрованная версия набора seedboxai/multitask_german_examples_32k. Модель предназначена для повседневных задач на немецком языке, в том числе для делового общения: диалогов с ассистентом и генерации ответов на запросы. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов и рассчитана прежде всего на немецкий язык. В карточке отмечена возможность вести диалог; автор характеризует модель как компетентную и творческую. Модель распространяется под лицензией Apache-2.0. Автор предупреждает о склонности модели выходить за привычные языковые рамки и ограничивает заявленное применение исследовательскими целями; также следует учитывать исходную лицензию Llama 2 и ограничения использованных обучающих данных.

Карточка модели Narsil/layoutlmv3-finetuned-funsd на Hugging Face совпадает с карточкой nielsr/layoutlmv3-finetuned-funsd, поэтому описание составлено по ней. nielsr/layoutlmv3-finetuned-funsd — модель для разметки токенов в документах, дообученная nielsr на microsoft/layoutlmv3-base на датасете FUNSD. Она основана на мультимодальном Transformer LayoutLMv3 и насчитывает 151,8 млн параметров; модель принимает текстовые токены с координатами и изображение документа, чтобы учитывать содержание и расположение элементов страницы. Основной сценарий — извлечение и классификация полей в формах, включая документы, похожие на FUNSD. На оценочной выборке указаны F1 0,9078, precision 0,9026, recall 0,913 и accuracy 0,8330. Модель предназначена для token classification, а её контекст составляет 514 токенов. Лицензия в предоставленных данных не указана.

Llama-3.1-8B-Instruct_Flat-Affect — вариант Meta Llama 3.1 8B Instruct, созданный Apollo Raines с помощью инструмента jBlaze для изменения поведения модели непосредственно в весах. Дополнительное обучение не проводилось. Модель предназначена для диалогов и генерации текста в сдержанном, клиническом и объективном тоне, без выраженной эмоциональной окраски и энтузиазма. Это плотная авторегрессионная модель LlamaForCausalLM в формате safetensors; в метаданных указаны 7,5 млрд параметров и контекст до 131 072 токенов. Карточка отмечает английский язык. Вариант представлен как демонстрация технологии jBlaze с намеренно сниженной силой воздействия изменений, поэтому полноту заявленного эффекта следует оценивать на практике. Лицензия — Llama 3.1.

Mem-Beagle-7b-slerp-v6 — текстовая генеративная модель, созданная объединением liminerity/Mem-Beagle-7b-slerp-v2 и liminerity/Mem-Beagle-7b-slerp-v3. Разработчик использовал LazyMergekit и метод слияния SLERP; конфигурация задаёт смешивание слоёв внимания и MLP, а веса сохранены в формате safetensors с точностью bfloat16. Модель построена на архитектуре Mistral с плотной причинной языковой сетью, содержит 7,1 млрд параметров и имеет контекст до 32 768 токенов. Она предназначена для генерации текста; карточка не уточняет языки, специализированные области или дополнительные возможности вроде работы с инструментами. Лицензия в предоставленных данных не указана.

MergekitCloud создала Mergekit-77 — объединение двух предварительно обученных разговорных языковых моделей с помощью метода SLERP в mergekit. В основе лежит архитектура Mistral с плотной causal language model на 7,1 млрд параметров; модель распространяется в формате safetensors и рассчитана на контекст до 8192 токенов. Модель предназначена для генерации текста в диалогах: она принимает текстовые запросы и выдаёт текстовые ответы. В слиянии использованы FuseAI/FuseChat-7B-VaRM и Nexusflow/Starling-LM-7B-beta. Лицензия в предоставленных данных не указана.

Mirza-GEC-Gemma4-E4B-Editor-E3-BF16 — дообученная мультимодальная модель taharmasmaliyev07 на базе unsloth/gemma-4-E4B-it. Она предназначена для диалогового взаимодействия и генерации текста по текстовым и визуальным входам, включая анализ изображений и документов. Модель использует плотную архитектуру Gemma 4 и распространяется в формате safetensors. Модель лицензирована по Apache-2.0. В README указано, что при обучении использовались Unsloth и библиотека Hugging Face TRL; подробности специализированной задачи GEC и редакторского сценария не раскрыты.

zelk12 выпустил объединённую модель Gemma 2, созданную из zelk12/recoilme-gemma-2-Ifable-9B-v0.1 и zelk12/recoilme-gemma-2-Gutenberg-Doppel-9B-v0.1 методом SLERP с помощью mergekit. Это плотная авторегрессионная языковая модель на 9 млрд параметров для генерации текста и диалоговых ответов; модель рассчитана на работу с контекстом до 8192 токенов. Модель подходит для общения в чате и генерации продолжений текста. В карточке указаны архитектура Gemma 2 и формат safetensors. Лицензия в предоставленных данных не указана, поэтому условия использования следует проверять в репозитории модели и у исходных моделей.

sonthenguyen/OpenHermes-2.5-Mistral-7B-mt-bench-DPO — чат-модель на архитектуре Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. По README, модель обучалась методом DPO с LoRA-адаптером на задачах causal language modeling; параметры обучения включали beta=0,1 и максимальную длину последовательности 1536 токенов. Модель предназначена для диалоговой генерации текста и может использоваться для ответов на вопросы, ведения беседы и подготовки текстовых черновиков. В метаданных указаны поддержка чата и формат safetensors. Лицензия — Apache-2.0. README не описывает состав обучающих данных, конкретные языки или сравнительные результаты качества.

MassivDash/Qwen3-4B-heretic — текстовая генеративная модель на архитектуре Qwen3, созданная на основе Qwen/Qwen3-4B-Base. По карточке, к модели применена abliteration — изменение весов, направленное на снижение частоты отказов: в приведённом тесте она отказала в 3 из 100 случаев против 95 из 100 у исходной модели. Это не оценка общей точности или безопасности. Модель содержит 3,7 млрд параметров, использует плотную архитектуру Qwen3 и принимает текст для генерации текста и диалоговых ответов. Метаданные указывают контекст до 40 960 токенов. В README для базовой модели приведены сведения о поддержке более 100 языков, режимах рассуждения и обычного диалога; эти характеристики относятся к семейству Qwen3 и не сопровождаются отдельной оценкой для данного чекпойнта. Модель подходит для диалогов, генерации и преобразования текста, включая многоязычные сценарии. Снижение числа отказов может сделать её менее ограничительной, поэтому ответы на чувствительные запросы требуют проверки. Указана лицензия Apache-2.0.

parmanu-lcs2 выпустил разреженную версию Qwen3-8B, сжатую методом SNIPER: после pruning в модели осталось около 6,2 млрд параметров. После сжатия веса дообучили на 2 000 примерах SlimOrca с помощью LoRA и объединили адаптер с весами модели. В метаданных указаны архитектура Qwen3, библиотека Transformers, формат safetensors и контекст до 40 960 токенов. Модель предназначена для диалоговой генерации текста и выполнения инструкций. Её можно применять в чат-ботах и для ответов на текстовые запросы; базовая Qwen3-8B также поддерживает рассуждения, работу с кодом и вызов инструментов, но README этой модели отдельно не подтверждает сохранение этих возможностей после сжатия и дообучения. Модель распространяется по лицензии Apache-2.0.

Aleteian/saiga-vikhr-dostoevsky-ru-mn-12b — русскоязычная диалоговая языковая модель, созданная слиянием двух моделей на базе Mistral Nemo: IlyaGusev/saiga_nemo_12b и IlyaGusev/vikhr_nemo_orpo_dostoevsky_12b. Для объединения использован метод SLERP с библиотекой mergekit; модель имеет плотную архитектуру MistralForCausalLM и содержит 12,1 млрд параметров. Модель предназначена для генерации текста в диалоге и ответов на запросы пользователей. Она принимает текст и выдаёт текст; метаданные указывают контекст до 1 024 000 токенов и поддержку чата. Лицензия в предоставленных данных не указана.

Synaptica — объединённая языковая модель семейства Llama, созданная сообществом mergekit из Sao10K/Fimbulvetr-11B-v2 и maywell/Llama-3-Synatra-11B-v1 методом SLERP. Модель предназначена для генерации текста и диалоговых ответов; её архитектура — плотная LlamaForCausalLM, размер — 11 млрд параметров, контекст — до 8192 токенов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. В конфигурации слияния указана V-образная кривая параметра t, связывающая входные и выходные слои с Hermes, а средние слои — с WizardMath. Модель рассчитана на текстовый ввод и выдачу текста. Лицензия в предоставленных данных не указана.

YamshadowStrangemerges_32_Inex12Yamshadow — языковая модель на архитектуре Mistral, созданная слиянием automerger/YamshadowStrangemerges_32-7B и automerger/Inex12Yamshadow-7B. Она предназначена для генерации текста и принимает текстовые запросы, выдавая продолжение или ответ в текстовом формате. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате Safetensors. Репозиторий распространяется по лицензии Apache-2.0. Данных о специализации на конкретных языках или областях применения нет.

All_like-zephyr-7b-sft-full — диалоговая языковая модель на архитектуре Mistral, дообученная на базе alignment-handbook/zephyr-7b-sft-full с использованием датасета HuggingFaceH4/ultrafeedback_binarized. Она предназначена для генерации текста и ответов в чате. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не приводит оценки качества, целевые языки или дополнительные ограничения применения; поэтому пригодность ответов следует проверять для конкретных сценариев.

arco-augment-3 — языковая модель, созданная слиянием appvoid/arco и appvoid/arco-2 с помощью mergekit. Используется архитектура LlamaForCausalLM с плотной сетью; размер модели составляет 620,1 млн параметров, контекст — до 8192 токенов. Модель предназначена для генерации текста и диалогов на основе текстового ввода. Слияние выполнено методом passthrough: в итоговую модель включены слои из обеих исходных моделей. В репозитории веса представлены в формате safetensors. Лицензия в предоставленных данных не указана.

Astrid-7B — языковая модель PAIX.Cloud для генерации текста на английском языке. Она построена на плотном трансформере RWForCausalLM с 32 декодирующими слоями и линейной выходной головой; в метаданных указано 10,9 млрд параметров и формат PyTorch. Модель доступна для работы через Transformers и предназначена для широкого круга текстовых сценариев, включая генерацию продолжений и ответы на вопросы. Модель принимает текст и генерирует текст. Карточка указывает обучение на английском языке, но не приводит длину контекста или лицензию. Ответы могут быть ошибочными, бессвязными или нерелевантными, а обучающие данные из интернета могут приводить к предвзятым или оскорбительным результатам; ответы следует проверять.

AYA-8B — дообученная ArmanAsq модель генерации текста на архитектуре CohereForCausalLM, основанная на CohereForAI/aya-23-8B. Она предназначена для диалогов и генерации текста; метаданные также указывают интерфейс вызова инструментов. Модель содержит 8 млрд параметров и поддерживает контекст до 8192 токенов. В README приведён результат оценки: loss 3,0612, но набор данных, методика оценки и конкретные улучшения не описаны. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Einstein-4d-Marcoro14-nddmpk-KrishnaHercules-7b-slerp — языковая модель, созданная mvpmaster слиянием моделей Einstein-4D-Marcoro14-7b-full-slerp и nddmp-kellemar-KrishnaHercules-7b-slerp методом SLERP с помощью LazyMergekit. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста. Она принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. Модель распространяется в формате Safetensors по лицензии Apache-2.0. В карточке и метаданных не приведены сведения о целевых языках, специализированных областях или оценках качества, поэтому их нельзя надёжно определить.

Experiment26Yamshadow_Experiment26Strangemerges_30 — объединённая модель семейства Mistral, созданная из automerger/Experiment26Yamshadow-7B и automerger/Experiment26Strangemerges_30-7B. Модель содержит 7,1 млрд параметров и предназначена для генерации текста; она принимает текстовые запросы и выдаёт текстовые ответы. Модель поддерживает контекст до 32 768 токенов и опубликована в формате safetensors. Лицензия — Apache-2.0. В карточке не приведены сведения о специальных областях применения, поддерживаемых языках или результатах оценки качества.

Llama-3-11B — плотная авторегрессионная языковая модель на архитектуре Llama, опубликованная MaziyarPanahi и созданная слиянием через mergekit методом passthrough на основе предварительно обученной meta-llama/Meta-Llama-3-8B. Модель предназначена для генерации текста; карточка и метаданные указывают поддержку английского языка. Размер составляет 11 млрд параметров, контекст — до 8192 токенов, для работы заявлена библиотека Transformers и формат весов safetensors. Модель подходит для продолжения текста, создания черновиков и ответов на текстовые запросы. Лицензия указана как other; перед использованием следует сверить условия на карточке модели и у базовой Meta Llama 3.

Llama3-OneForAll-8B — объединённая диалоговая языковая модель, созданная bunnycore с помощью mergekit на основе RemixLlama3-8B, Hermes-2-Theta-Llama-3-8B и Dolphin-2.9-Llama3-8B. Использует плотную архитектуру LlamaForCausalLM и содержит 7,5 млрд параметров. Модель предназначена для генерации текста и диалоговых сценариев. Она принимает текстовые запросы и выдаёт текстовые ответы; заявленная длина контекста — 8192 токена. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Llama 3. Карточка не приводит результатов оценки качества или подробностей о поддерживаемых языках, поэтому их нельзя надёжно определить по имеющимся сведениям.