III.8Договоры, юридическая работа и compliance

LLaMAX3-8B-Alpaca — многоязычная генеративная языковая модель семейства LLaMA, разработанная авторами проекта LLaMAX. Она основана на Llama 3: модель продолжительно предобучили на корпусах на 102 языках, а затем дообучили на англоязычном наборе инструкций Alpaca, чтобы сохранить следование инструкциям и диалоговые возможности. Модель предназначена для ответов на инструкции и перевода между более чем 100 языками. В README приведены результаты на Flores-101: по заявлению авторов, средний spBLEU вырос более чем на 5 пунктов по сравнению с LLaMA3-8B-Alpaca. Это плотная архитектура LlamaForCausalLM с 7,5 млрд параметров и контекстом 8192 токена; репозиторий содержит веса safetensors. Модель принимает текст и генерирует текст. Опубликованный список языков включает русский, однако метаданные каталога перечисляют только часть поддерживаемых языков. Лицензия — MIT. Результаты перевода в README представлены для ограниченного набора направлений и тестового набора, поэтому они не гарантируют одинаковое качество для всех языков и задач.

Модель kamisaiko/model_vistral_inContextLearning — дообученная авторегрессионная чат-модель семейства Mistral, созданная kamisaiko на основе Viet-Mistral/Vistral-7B-Chat. Веса представлены в формате PyTorch; размер модели — 7,1 млрд параметров, нативная длина контекста — 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Её обучали с использованием Unsloth и библиотеки TRL. Карточка не описывает отдельные специализированные навыки или конкретные наборы данных. Лицензия — Apache 2.0.

neo_7b-slerp — текстовая генеративная модель на архитектуре LLaMA, созданная DewEfresh с помощью LazyMergekit. README описывает её как слияние двух моделей m-a-p/neo_7b; метаданные указывают базовую модель m-a-p/neo_7b и связь finetune. В репозитории используются веса Safetensors, а размер модели составляет 3,9 млрд параметров. Модель предназначена для генерации текста и диалоговых приложений. Она принимает текст и выдаёт текст; заявленная длина контекста — 8192 токена. Языки модели в доступных сведениях не указаны. Лицензия в предоставленных данных не указана.

RuadaptQwen2.5-7B-Lite-Beta — русскоязычная адаптация модели T-lite-it-1.0, опубликованная RefalMachine. В README описаны замена токенизатора, продолжение предобучения на русскоязычном корпусе и применение техники LEP (Learned Embedding Propagation); метаданные указывают на объединение Qwen/Qwen2.5-7B и t-tech/T-lite-it-1.0. Это плотная авторегрессионная модель семейства Qwen2 с 7 млрд параметров, предназначенная для генерации текста и диалогов. Контекст — до 32 768 токенов. Расширенный токенизатор на основе tiktoken cl100k и униграмного словаря на 48 тысяч токенов, по заявлению авторов, повышает скорость генерации русскоязычного текста до 60% относительно T-lite-it-1.0. Модель оценивали на Ru-Arena-General, MERA и llmtf_open, однако README приводит неполные результаты и указывает на использование repetition_penalty=1.1 в замерах Ru-Arena-General. Репозиторий содержит веса safetensors; лицензия — Apache-2.0. Авторы предупреждают, что ответы отражают данные обучения, и отмечают отсутствие контроля над предобучением исходной модели.

d4g0at5h0rty/sage-ml — дообученная разговорная языковая модель семейства Sage с плотной архитектурой Cohere2ForCausalLM. Модель содержит 3,3 млрд параметров и рассчитана на генерацию текста в диалоговом формате; контекст — до 8192 токенов. Модель подходит для ведения диалогов и генерации ответов на текстовые запросы. В метаданных указаны английский и многоязычная поддержка, библиотека Transformers и формат весов safetensors. Модель выпущена под лицензией Apache-2.0.

Sebushka-llama-3.1-8B — русскоязычная чат-модель, разработанная burgasdotpro на базе Llama 3.1 8B. Она дообучена на датасете IlyaGusev/saiga_scored; для обучения использовались Unsloth и TRL. Модель содержит 7,5 млрд параметров, принимает текст и генерирует текст, поддерживает контекст до 131 072 токенов. Модель предназначена для диалогов на русском языке и генерации ответов на текстовые запросы. Указанная лицензия — Apache-2.0. Карточка не приводит оценок качества или подробных результатов обучения, поэтому пригодность ответов для конкретных задач стоит проверять отдельно.

Vikhr-7b-0.1 — русскоязычная модель генерации текста от Vikhrmodels на базе архитектуры Mistral. Модель содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. В README указано, что её дополнительно обучали на 400 млн токенов в течение трёх эпох; в метаданных также указан датасет IlyaGusev/habr. Модель предназначена для генерации и продолжения текста, в том числе для русскоязычных задач. В сравнительных результатах README она превосходит Mistral-7B-v0.1 на XWinograd и XNLI, но уступает на MMLU на русском языке. Автор предупреждает, что качество работы с кодом может быть низким. Репозиторий использует формат safetensors, библиотеку Transformers и лицензию Apache-2.0.

YamshadowStrangemerges_32_Neuralsirkrishnaexperiment26Experiment24 — объединённая языковая модель, опубликованная MaziyarPanahi на Hugging Face. Она предназначена для генерации текста и может использоваться в сценариях, где требуется продолжать или создавать текстовые ответы. Модель построена на архитектуре Mistral с плотной причинно-языковой архитектурой MistralForCausalLM и содержит 7,1 млрд параметров. Она принимает текст, выдаёт текст и поддерживает контекст до 32 768 токенов. Веса доступны в формате safetensors. Модель получена слиянием automerger/YamshadowStrangemerges_32-7B и automerger/Neuralsirkrishnaexperiment26Experiment24-7B. Репозиторий указывает лицензию Apache-2.0. Карточка не описывает специализацию по языкам или предметным областям, поэтому применение следует считать общим; подтверждённые качество и ограничения в README не приводятся.

laion/anh-xglm-7.5b-cross-lingual — мультиязычная модель генерации текста, созданная дообучением XGLM-7.5B на инструкционном наборе cross_lingual.jsonl из датасета laion/Anh. Модель построена на архитектуре XGLM с плотной causal language modeling архитектурой и содержит 8,6 млрд параметров. Модель предназначена для генерации ответов по инструкциям на разных языках. Метаданные указывают на поддержку instruction following; возможны сценарии с многоязычными запросами и генерацией текста. Контекст ограничен 2048 токенами. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0.

aqua-smaug-hermes-8B — объединённая модель на архитектуре Llama, созданная с помощью Mergekit из cognitivecomputations/dolphin-2.9-llama3-8b, NousResearch/Hermes-2-Pro-Llama-3-8B и abacusai/Llama-3-Smaug-8B. Разработчик — saucam. Модель предназначена для генерации текста и диалогового взаимодействия; её можно применять для ответов на вопросы, написания текстов и ведения беседы. Веса представлены в формате safetensors, размер модели — 7,5 млрд параметров, длина контекста — 8192 токена. Модель использует плотную архитектуру LlamaForCausalLM и распространяется по лицензии Apache-2.0. README не приводит результаты оценки качества или подробные инструкции по применению, поэтому пригодность для конкретных задач стоит проверять на собственных данных.

Карточка модели roskosmos19/Coral на Hugging Face совпадает с карточкой roskosmos19/Coral-Router, поэтому описание составлено по ней. 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.

FourOhFour/Dante_9B — чат-модель на базе Gemma 2, дообученная автором репозитория FourOhFour. Модель содержит 9 млрд параметров, использует архитектуру Gemma2ForCausalLM и формат весов safetensors. Она предназначена для диалоговой генерации текста; базовая модель использует токены ChatML. Контекст составляет до 8192 токенов. Модель можно применять для ведения диалогов, ответов на вопросы и генерации текста. В карточке приведён результат оценки: loss 0,7320; описание обучающих данных и подробности оценки не раскрыты. Лицензия — gemma.

ECE-FDF — слитая языковая модель на архитектуре Mistral, созданная с помощью mergekit методом SLERP из paulml/OmniBeagleSquaredMBX-v3-7B и paulml/NeuralOmniWestBeaglake-7B. Модель содержит 7,1 млрд параметров и предназначена для генерации текста по запросу; доступный контекст составляет до 32 768 токенов. Модель принимает текст и выдаёт текст. Данные карточки не описывают её специализацию, поддерживаемые естественные языки или отдельные прикладные сценарии. Файлы представлены в формате safetensors; лицензия в предоставленных источниках не указана.

Weyaxi/Einstein-v6.1-LLama3-8B-Instruct-Ties — языковая модель, созданная Weyaxi слиянием TIES через mergekit. В качестве основы использована meta-llama/Meta-Llama-3-8B; в слияние также вошли Weyaxi/Einstein-v6.1-Llama3-8B и meta-llama/Meta-Llama-3-8B-Instruct. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM, примерно 7,5 млрд параметров и контекстом до 8192 токенов. Она предназначена для генерации текста и диалоговых ответов. Карточка не приводит отдельные оценки качества или подробности об ограничениях; лицензия указана как other.

MaziyarPanahi/Experiment28M7_Inex12Neural — объединённая текстовая модель на архитектуре Mistral, созданная на основе automerger/Experiment28M7-7B и automerger/Inex12Neural-7B. Она предназначена для генерации текста и диалоговых сценариев на основе текстового запроса. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В репозитории представлены веса в формате safetensors; лицензия — Apache-2.0. README не сообщает о языковой специализации или результатах оценки качества, поэтому применение модели стоит проверять на целевых задачах.

Experiment28M7_YamShadow — объединённая языковая модель на архитектуре Mistral, созданная слиянием automerger/Experiment28M7-7B и automerger/YamShadow-7B. Она предназначена для генерации текста и работы в сценариях, где требуется продолжать или создавать текст по текстовому запросу. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Модель опубликована в формате safetensors под лицензией Apache-2.0. Данных о специализации по предметной области и языковой поддержке в карточке нет; характеристики и ограничения унаследованных моделей здесь не описаны.

Fialka-13B-v4 — русскоязычная языковая модель семейства Fialka, представленная автором 0x7o. Это третья версия Fialka, оптимизированная с помощью RLHF; модель настроена следовать инструкциям и поддерживать диалог на русском языке. Карточка описывает её как более отзывчивую и информативную по сравнению с предыдущей версией. Модель предназначена для генерации текста и диалоговых сценариев, включая ответы на запросы и выполнение инструкций на русском языке. Она основана на архитектуре GPT-2, принимает текст и выдаёт текст, имеет контекст длиной 2048 токенов и распространяется в формате safetensors. Лицензия — Apache-2.0.

freewheelin/free-solar-slerp-v0.2 — текстовая генеративная модель на архитектуре Llama с 10,7 млрд параметров, созданная объединением двух моделей методом SLERP с помощью mergekit: davidkim205/komt-solar-10.7b-sft-v5 и LDCC/LDCC-SOLAR-10.7B. Она предназначена для генерации текста и диалоговых сценариев на основе текстовых запросов. Модель использует формат Safetensors и поддерживает контекст до 4096 токенов. В метаданных указана лицензия MIT. Подробные оценки качества и ограничения отдельных сценариев в карточке не приведены.

QpiEImitation/GKD-S-Qwen3.5-2B_T-Qwen3.5-9B — дообученная модель генерации текста на основе Qwen/Qwen3.5-2B, обученная с использованием TRL. Карточка демонстрирует диалоговый сценарий: модель получает вопрос пользователя и генерирует ответ. В метаданных указаны архитектура Qwen3.5 dense, около 1,7 млрд параметров и контекст до 262 144 токенов. Модель подходит для диалоговых приложений и генерации ответов на текстовые запросы. Метаданные базовой модели описывают семейство Qwen как мультимодальное, однако для этого чекпойнта заявлены только генерация текста и возможность чата; поддержку изображений здесь не следует считать подтверждённой. Лицензия в предоставленных данных не указана.

psiilu/h2o-dpo-merge2 — объединённая языковая модель, созданная автором репозитория из двух предварительно обученных моделей с помощью mergekit. В метаданных указана архитектура MistralForCausalLM с плотной моделью размером 1,7 млрд параметров; файлы представлены в формате Safetensors. Модель предназначена для генерации текста и диалогового общения, а её контекстное окно составляет 8192 токена. Модель может использоваться для создания ответов в чате и генерации текста по запросу. В README приведены два исходных репозитория и описано их объединение линейным методом с равными весами. Лицензия в предоставленных данных не указана.

Ingot-7b-slerp-6 — слитая модель для генерации текста, созданная liminerity с помощью LazyMergekit. Она объединяет liminerity/Ingot-7b-slerp-2 и liminerity/Ingot-7b-slerp-4 методом SLERP; архитектура — dense MistralForCausalLM, размер — 7,1 млрд параметров, формат весов — safetensors, контекст — до 32 768 токенов. Модель предназначена для генерации текста по запросу и может использоваться для диалогов, написания черновиков и продолжения текста. Данных о специализированной области или поддерживаемых языках в карточке нет. Лицензия в предоставленных источниках не указана.

Kosmos-EVAA-gamma-light-alt-8B — языковая модель для генерации текста, созданная автором репозитория путём слияния предварительно обученных моделей jaspionjader/Kosmos-EVAA-gamma-alt-8B и jaspionjader/Kosmos-EVAA-v3-8B. Для объединения применён метод SLERP с помощью mergekit; модель использует архитектуру Llama и содержит 7,5 млрд параметров. Модель предназначена для генерации текста по запросу и поддерживает контекст до 8192 токенов. Репозиторий содержит веса в формате Safetensors. Сведения о специализации по областям, поддерживаемых языках и лицензии в предоставленных источниках отсутствуют.

Kosmos-EVAA-gamma-v15-8B — слитая языковая модель, созданная jaspionjader с помощью mergekit. Веса двух предварительно обученных моделей объединены методом SLERP; архитектура — плотная LlamaForCausalLM, размер — 7,5 млрд параметров, формат файлов — safetensors, библиотека — Transformers. Контекст составляет до 8192 токенов. Модель предназначена для генерации текста и может использоваться в сценариях, где требуется создание продолжений или ответов по текстовому запросу. Данные не описывают специальные области применения или приоритетные языки, поэтому её следует рассматривать как модель общего назначения. Условия использования определяются лицензией репозитория на Hugging Face.

Llama-2-7b-Ukrainian — двуязычная языковая модель на базе Llama 2, разработанная tartuNLP. Модель продолжительно предобучена на 5 млрд токенов из датасета CulturaX: 75% корпуса составляют документы на украинском языке и 25% — на английском. Это плотная авторегрессионная архитектура LlamaForCausalLM примерно на 6,6 млрд параметров с контекстом до 4096 токенов. Модель предназначена для генерации текста на украинском и английском языках. Её можно применять для создания продолжений текста, черновиков и ответов на запросы на этих языках. Доступна в формате safetensors для библиотеки Transformers. Условия использования определяются лицензией Llama 2; перед внедрением следует проверить её требования и ограничения.

M7Yamshadowexperiment28_MeliodasPercival_01 — объединённая авторами модели MaziyarPanahi модель Mistral с плотной архитектурой и 7,1 млрд параметров. Она объединяет automerger/M7Yamshadowexperiment28-7B и automerger/MeliodasPercival_01-7B и предназначена для генерации текста и диалогов по текстовому запросу. Контекст модели — до 32 768 токенов; веса представлены в формате safetensors. Модель подходит для текстовых помощников, черновиков и продолжения текста. Данных о специальных возможностях, языковой специализации или ограничениях качества в карточке нет. Лицензия — Apache-2.0.

Moritz Laurer разработал эту многоязычную модель на базе mDeBERTa-v3-base от Microsoft для вывода на естественном языке (NLI) и классификации текстов без обучения на заданных пользователем категориях. Модель сопоставляет текст-предпосылку с гипотезой и оценивает их отношение; для классификации гипотезы формулируют как категории-кандидаты. Она относится к архитектуре DeBERTa-v2, содержит 306 млн параметров и принимает пары текстов с контекстом до 512 токенов. Модель обучена на XNLI и многоязычном наборе NLI из 2,73 млн пар; README также указывает общий обучающий набор размером 3 287 280 пар. Она предназначена для многоязычного zero-shot-классифицирования и NLI. Предобучение базовой модели охватывает 100 языков, а NLI-дообучение — 27 языков, включая русский; перенос на остальные языки возможен, но его качество может быть ниже. В карточке приведены результаты оценки на XNLI и нескольких англоязычных наборах. К ограничениям относятся возможные смещения наборов NLI и ошибки машинного перевода в обучающих данных, способные ухудшать вывод на сложных примерах. Модель распространяется по лицензии MIT; для запуска нужны совместимые версии Transformers, поскольку старые версии могут иметь проблемы с токенизатором.

Это объединённая языковая модель на архитектуре Mistral, созданная сообществом mergekit-community методом SLERP из NousResearch/Hermes-2-Pro-Mistral-7B и jan-hq/stealth-v1.3. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста в диалоговом формате; для работы с ней указана библиотека Transformers. Модель подходит для диалогов и генерации ответов на текстовые запросы. Контекстное окно составляет 32 768 токенов. В конфигурации слияния указана точность bfloat16; README описывает V-образное распределение коэффициента слияния, при котором вклад Hermes преобладает на входе и выходе, а промежуточные слои смешиваются иначе. Условия лицензии в предоставленных данных не указаны.

Карточка модели mergekit-community/mergekit-slerp-vhzhpmg на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-jlrpbqb, поэтому описание составлено по ней. Это объединённая модель генерации текста на архитектуре Mistral, созданная сообществом mergekit-community методом SLERP из arcee-ai/sec-mistral-7b-instruct-1.6-epoch и cognitivecomputations/dolphin-2.8-mistral-7b-v02. Модель содержит около 7,1 млрд параметров, рассчитана на диалоговое применение и использует контекст до 32 768 токенов. Модель предназначена для генерации ответов в диалоге и других сценариев генерации текста. Веса доступны в формате Safetensors и имеют тип bfloat16. В метаданных указана библиотека Transformers. Сведения о лицензии и конкретных ограничениях поведения в предоставленных данных отсутствуют.

mhm-7m-v1.3 — экспериментальная текстовая языковая модель, созданная путём трёх этапов слияния семи предварительно обученных моделей на основе Mistral с помощью mergekit и методов dare_ties. Она предназначена для генерации текста и диалогового общения. Размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов; репозиторий содержит веса в формате Safetensors. В README не названы исходные модели слияния, поэтому базовую модель можно определить только как семейство Mistral. Модель распространяется по лицензии Apache-2.0. README характеризует её как эксперимент; результатов оценки качества и сведений о целевых языках не приводит.

Mistral-11B-v0.3 — языковая модель для генерации текста, созданная Corianas как слияние моделей семейства Mistral с помощью LazyMergekit. В README перечислена одна и та же модель Mistral-7B-v0.3 трижды; метаданные также указывают на Mistral-7B-v0.3 как базовую модель. Модель имеет плотную архитектуру MistralForCausalLM, 10,6 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации продолжений текста и диалоговых ответов в сценариях, где требуется языковая модель общего назначения. В метаданных указан формат safetensors. Языки и специализированные области применения в предоставленных материалах не определены. Лицензия в предоставленных данных не указана. README описывает модель как merge, тогда как метаданные классифицируют её как finetune; точный способ получения весов поэтому неоднозначен.