III.8Договоры, юридическая работа и compliance

Mistral-7B-v0.1-Open-Platypus-Mistral-7B-Instruct-v0.1 — чат-модель MaziyarPanahi, полученная слиянием методом SLERP моделей Mistral-7B-Instruct-v0.1 и Mistral-7B-v0.1-Open-Platypus. Она предназначена для генерации ответов на инструкции и диалоговые запросы; каталог классифицирует её задачу как text-generation. Модель построена на плотной архитектуре Mistral с 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель принимает текст и выдаёт текст. Карточка указывает формат safetensors и лицензию Apache-2.0. Язык в предоставленных данных явно не задан; возможности и качество модели за пределами описания базовой чат-модели не подтверждены.

zelk12/MT3-Gen5-MAI-gemma-2-9B_v1 — это объединение двух предварительно обученных языковых моделей Gemma 2, созданное автором репозитория с помощью mergekit и метода SLERP. Модель имеет плотную архитектуру Gemma2ForCausalLM, содержит 9 млрд параметров и распространяется в формате safetensors. Модель предназначена для генерации текста и диалогового взаимодействия. Она принимает текст и выдаёт текст; заявленная длина контекста составляет 8192 токена. В карточке не указаны специализированная область применения и поддерживаемые естественные языки. Использование требует соблюдения лицензии Gemma 2 и условий исходных моделей; конкретная лицензия в предоставленных данных не указана. Поскольку модель получена слиянием, её качество и поведение могут зависеть от сценария, а в карточке нет результатов оценки или подробных рекомендаций по применению.

mvpmaster/nddmp-kellemar-KrishnaHercules-7b-slerp — объединённая модель для генерации текста, созданная методом SLERP с помощью LazyMergekit из mvpmaster/NeuralDareDMistralPro-7b-slerp и mvpmaster/kellemar-KrishnaHercules-0.1-7b-slerp. В метаданных указана архитектура MistralForCausalLM с плотными слоями и размером 7,1 млрд параметров. Модель принимает текстовые запросы и генерирует текст; заявленная длина контекста — до 32 768 токенов. Карточка не описывает специализированные сценарии, поддерживаемые языки или сравнительные результаты. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных данных не указана.

qwen3-cpt-lean-sft-feedback-selfdistill-r1 — дообученная модель семейства Qwen3, созданная на основе VladShash/qwen3-8b-classic-one-shot и обученная на наборе lean_selfdistill_r1_train. Это плотная авторегрессионная языковая модель с 7,6 млрд параметров, предназначенная для генерации текста и диалоговых ответов. Она принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. Модель подходит для генерации ответов в чате и других сценариев текстовой генерации. Подробности о целевой специализации, качестве и результатах оценки в карточке не приведены. Репозиторий содержит веса в формате safetensors; лицензия указана как other, поэтому перед использованием следует проверить условия лицензии на странице модели.

Defetya/qwen-4B-saiga — чат-модель на архитектуре Qwen2, разработанной Alibaba. Модель с 3,6 млрд параметров дообучена методом SFT на датасете Saiga Ильи Гусева с использованием EasyDeL на TPU v3-8. Она предназначена для диалогов и генерации текста, в первую очередь на русском языке; контекст составляет до 32 768 токенов. Автор README отмечает хорошее обращение с русскими падежами по результатам краткого личного общения, но не приводит систематических оценок: карточка упоминает запланированную проверку на Russian SuperGLUE. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0.

sfm_filtered_midtrain_alignment-0k_1k_2k_simpleavg_merge — объединённая языковая модель, созданная с помощью mergekit методом Linear из контрольных точек предварительно обученной модели. В качестве базовой использована контрольная точка global_step2000; в слияние также включены global_step0 и global_step1000. Семейство архитектуры — GPT-NeoX, модель плотная, содержит 8,8 млрд параметров и поддерживает контекст до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. В метаданных указана библиотека Transformers и формат весов safetensors. Карточка не сообщает о специализированных областях применения, поддерживаемых естественных языках или лицензии, поэтому эти характеристики не уточняются.

Модель yuhengtu-bytedance/sfm_filtered_midtrain_alignment-4k_5k_6k_weightedavg_merge — объединение предварительно обученных языковых моделей, созданное с помощью mergekit. Для слияния применён линейный метод: чекпойнт global_step6000 использован как базовый, а чекпойнты global_step4000 и global_step5000 также включены в объединение. Модель построена на архитектуре GPT-NeoX и содержит 8,8 млрд параметров; формат весов — safetensors, контекст — до 16 384 токенов. Предназначена для генерации текста и диалогового взаимодействия. Карточка не сообщает конкретные языки или специализированные области применения. Условия лицензии в доступных данных не указаны.

ShadowYamshadow_Experiment31Experiment29 — объединённая модель генерации текста, опубликованная MaziyarPanahi. Она создана слиянием automerger/ShadowYamshadow-7B и automerger/Experiment31Experiment29-7B. Модель построена на архитектуре Mistral с плотной структурой и содержит 7,1 млрд параметров. Она принимает текст и генерирует текст, поддерживая контекст длиной до 32 768 токенов. Веса представлены в формате safetensors. Подходит для генерации продолжений текста и других сценариев текстовой генерации. Метаданные не уточняют специализацию или поддерживаемые языки. Лицензия — Apache-2.0.

YamshadowStrangemerges_32_Experiment27Shadow — объединённая модель для генерации текста, созданная MaziyarPanahi на основе automerger/YamshadowStrangemerges_32-7B и automerger/Experiment27Shadow-7B. Она использует плотную архитектуру Mistral с 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Данные карточки не описывают специализацию по предметной области или языкам.

YamshadowStrangemerges_32_ShadowYam — объединённая модель Mistral, созданная на основе automerger/YamshadowStrangemerges_32-7B и automerger/ShadowYam-7B. Она предназначена для генерации текста и поддерживает контекст длиной до 32 768 токенов. Модель содержит 7,1 млрд параметров, её веса доступны в формате Safetensors. Карточка не описывает специализацию по языкам или предметным областям и не приводит оценок качества. Модель распространяется по лицензии Apache 2.0.

jyan0311/zephyr-7b-dpo-full — диалоговая языковая модель на архитектуре Mistral с 7,1 млрд параметров, дообученная из alignment-handbook/zephyr-7b-sft-full с использованием TRL. Модель предназначена для генерации текста в формате чата и ответов на сообщения пользователя; доступна в формате safetensors и рассчитана на контекст до 32 768 токенов. Базовая модель Zephyr-7b-SFT была дообучена на UltraChat. Модель принимает текстовые сообщения и генерирует текстовые ответы. README демонстрирует запуск через Transformers pipeline на GPU. Лицензия в предоставленных данных не указана.

Модель ShenaoZhang/0.001_2iters_bs256_nodpo_full6w_iter_1 — дообученная версия Mistral-7B-SFT-Beta с 7,1 млрд параметров для генерации текста и диалогового общения. В карточке указано обучение на обновлённом и исходном наборах данных; подробности о данных и оценке не приведены. Модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. Распространяется в формате safetensors по лицензии MIT.

AISquare-Instruct-SOLAR-10.7b-v0.5.31 — языковая модель на архитектуре Llama, разработанная командой UI Platform компании Inswave Systems. Это дообученная для следования инструкциям версия SOLAR-10.7B-v1.0, предназначенная для генерации текста по запросам пользователя. Модель содержит 10,6 млрд параметров, принимает текст и выдаёт текст; заявленный контекст — до 4096 токенов. Модель подходит для диалоговых сценариев и выполнения текстовых инструкций. Для загрузки автор приводит пример с Transformers и PyTorch, используя точность float16. Репозиторий распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Карточка не приводит оценок качества и подробных сведений о поддерживаемых языках.

Модель heseltiNe — дообученная версия DeepSeek-R1-0528-Qwen3-8B, предназначенная для генерации текста в диалоговом формате. Она основана на плотной архитектуре Qwen3 и содержит 7,6 млрд параметров; метаданные указывают контекст до 131 072 токенов. Модель дообучали с помощью Unsloth и библиотеки TRL.

BlueBerry-3-GGUF — это GGUF-квантизированная версия модели BlueBerry-3, опубликованной artindnr и квантизированной mradermacher. Модель предназначена для генерации текста и доступна в форматах, совместимых с инструментами, поддерживающими GGUF. В метаданных указана архитектура mixture-of-experts, а также поддержка языков фарси, английского, арабского, французского, немецкого и испанского. Набор включает варианты квантования от Q2_K и Q3_K до Q8_0, включая IQ4_XS; размер файлов составляет примерно от 66 до 124 ГБ. Версии Q4_K_S и Q4_K_M отмечены как быстрые и рекомендуемые, Q6_K — как вариант очень хорошего качества, а Q8_0 — как вариант высокого качества. Контекстное окно, точное число параметров, поддержка изображений или других модальностей, результаты тестирования и дополнительные ограничения в README не указаны. Модель распространяется по лицензии Apache-2.0.

Breezeblossom-v4-mistral-2x7B — диалоговая текстовая модель, созданная автором репозитория sam-ezai путём слияния MediaTek-Research/Breeze-7B-Instruct-v0_1 и Azure99/blossom-v4-mistral-7b с помощью LazyMergekit. Она использует архитектуру Mixtral с механизмом смеси экспертов (MoE) и содержит 7,2 млрд параметров. Модель предназначена для генерации текста в диалоговом формате; для неё заявлено контекстное окно до 32 768 токенов. Модель принимает текст и генерирует текст. Базовая Breeze ориентирована преимущественно на традиционный китайский и английский языки, однако README не описывает отдельно языковые возможности итогового слияния. Модель распространяется в формате Safetensors по лицензии Apache-2.0.

bruphin-iota — языковая модель, созданная nbeerbower путём слияния SLERP через mergekit моделей nbeerbower/bruphin-theta и pabloce/Dolphin-2.8-slerp. Она предназначена для генерации текста и запуска в сценариях, где требуется продолжение или создание текста по текстовому запросу. Модель имеет плотную архитектуру Mistral с 7,1 млрд параметров и контекстным окном 32 768 токенов. Веса опубликованы в формате Safetensors; для работы указана библиотека Transformers. Лицензия — Apache 2.0. Карточка не описывает специальные домены или конкретные дополнительные возможности.

CoE-Wiki-CoE-8B-i1-GGUF — квантизированная версия мультимодальной модели PeiyangLiu/CoE-Wiki-CoE-8B, подготовленная mradermacher в формате GGUF. Модель относится к семейству Qwen3-VL и предназначена для работы с визуальными данными, визуальными вопросами и пониманием документов, включая сценарии, где требуется сопоставлять сведения и формировать ответы на основе цепочки доказательств. В README указан английский язык. Модель имеет около 8 миллиардов параметров и поддерживает мультимодальный ввод, однако точная архитектура и размер контекстного окна не указаны. Репозиторий содержит множество вариантов квантизации, от очень компактных IQ1 до более качественных Q6_K; рекомендуемыми названы i1-Q4_K_M как быстрый вариант и i1-Q4_K_S как компромисс между размером, скоростью и качеством. Более агрессивные варианты уменьшают требования к памяти, но могут заметно снижать качество ответов. Для работы с изображениями могут потребоваться отдельные файлы mmproj из статического репозитория. Модель распространяется по лицензии Apache-2.0. README не содержит результатов бенчмарков, точных требований к оборудованию, ограничений по разрешению изображений или подробных сведений о качестве на разных задачах, поэтому эти характеристики нельзя оценить по имеющимся данным.

EinsteinBagel-8B — объединённая языковая модель на архитектуре Llama 3, созданная с помощью mergekit методом Model Stock. Автор объединил Einstein V6.1 и Bagel V1.0 с базовой Meta-Llama-3-8B, чтобы собрать возможности нескольких дообученных моделей. Модель содержит 7,5 млрд параметров, принимает текст и генерирует текст; нативный контекст — 8192 токена. Модель предназначена для генерации текста и диалогового использования. Карточка не приводит подробных результатов оценки качества или перечня поддерживаемых языков, поэтому нельзя подтвердить её сильные стороны для конкретных задач. Репозиторий распространяется в формате safetensors. Указана лицензия llama3; при использовании необходимо соблюдать её условия и условия лицензии базовой модели.

eridai/erida-Inari-260905 — языковая модель для генерации текста, опубликованная под идентификатором eridai и предназначенная для работы с русскоязычными запросами. Модель относится к классу causal language models и может использоваться в сценариях диалога, текстовой генерации и решения задач, требующих рассуждений. Модель интегрируется с библиотекой Transformers и рассчитана прежде всего на русский язык. В её описании указано обучение или настройка на наборе данных eridai/russian_dpo_qa, ориентированном на вопросы и ответы на русском языке. Точный размер модели, архитектура, длина контекста, поддерживаемые дополнительные языки и модальности в доступных данных не указаны. К сильным сторонам относятся специализация на русскоязычном взаимодействии и поддержка диалоговых и reasoning-сценариев. Ограничения модели, результаты оценивания, требования к аппаратному обеспечению и рекомендуемые параметры использования не приведены, поэтому её качество и пригодность для конкретных задач следует проверять отдельно. Модель распространяется по лицензии Apache-2.0.

GeM2-Llamion-14B-Base — генеративная языковая модель VAIV Company из серии GeM 2.0. Она создана преобразованием модели Orion в стандартную архитектуру LLaMA с помощью отображения параметров и переноса знаний. Модель предназначена для генерации текста и диалоговых сценариев. Это плотная авторегрессионная модель класса LlamaForCausalLM с 14,1 млрд параметров, контекстом 4096 токенов и весами в формате safetensors. В карточке указана возможность чата. Лицензия — Apache-2.0. В README не приведены сведения о языках, обучающих данных и конкретных ограничениях качества, поэтому их нельзя уточнить по имеющимся источникам.

JevK5-9B v0.3.3 — это открытая модель весом 7,2 млрд параметров, разработанная авторами JevK5 как независимая альтернатива Jev для принятия типизированных решений. Она дообучена на Qwen/Qwen3.5-9B: LoRA-адаптер ранга 16 для проекций внимания объединён с базовыми весами. Для работы с вероятностями вариантов используется протокол SemIf: модель оценивает все варианты за один проход без генерации токенов. Поддерживаются вопросы да/нет, выбор из вариантов и числовая оценка; для вопросов более чем с 16 вариантами применяются несколько проходов. Модель предназначена для классификации состояний и запросов по заданным критериям, маршрутизации обращений, оценки решений и других задач, где нужно получить вероятности по заранее заданным вариантам. В README сообщается о результатах проверок на отложенных наборах, включая тесты с вопросами из областей, не встречавшихся при обучении; качество и калибровка различаются между наборами, а сложная категория JevBench калибруется хуже, чем у версии на 4 млрд параметров. Для инференса авторы рекомендуют JevK5 runtime; для bf16 требуется CUDA GPU примерно с 19 ГБ памяти. Лицензия — Apache-2.0.

Kosmos-EVAA-Franken-v36-8B — объединённая текстовая языковая модель на архитектуре Llama, созданная методом SLERP с помощью mergekit из jaspionjader/f-5-8b и jaspionjader/f-8-8b. Модель разработана автором репозитория jaspionjader и предназначена для диалогов и генерации текста; в метаданных отмечена возможность чата. Модель содержит 7,5 млрд параметров, использует формат safetensors и рассчитана на контекст до 8192 токенов. Данные о поддерживаемых естественных языках и лицензии в предоставленных источниках отсутствуют.

Apollo Raines представляет вариант Llama-3.1-8B-Instruct, изменённый инструментом jBlaze методом representation engineering. По описанию автора, изменения вносятся непосредственно в веса для усиления аналитического рассуждения: модель глубже разбирает темы, рассматривает разные точки зрения и даёт более структурированные и подробные ответы. Дополнительное обучение не проводилось. Модель использует архитектуру LlamaForCausalLM и предназначена для генерации текста и диалогов; в метаданных указаны 7,5 млрд параметров и контекст до 131 072 токенов. Карточка заявляет, что опубликованная версия намеренно ослаблена и служит демонстрацией возможностей метода. Указана лицензия Llama 3.1.

Llama3-dolphin-slerp — диалоговая языковая модель, созданная слиянием методом SLERP моделей Dolphin 2.9 Llama 3 8B и Llama 3 8B Lexi Uncensored с помощью mergekit. Она предназначена для генерации текста и ведения диалогов. Архитектура — плотная LlamaForCausalLM, размер — 7,5 млрд параметров, контекст — до 8192 токенов; модель принимает и выдаёт текст. Слияние объединяет характеристики двух исходных моделей, одна из которых описана в каталоге как модель для диалоговой генерации и следования инструкциям с ослабленными ограничениями на ответы. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

M7Yamshadowexperiment28_ShadowExperiment24 — объединённая модель генерации текста, созданная на основе automerger/M7Yamshadowexperiment28-7B и automerger/ShadowExperiment24-7B. В карточке указана архитектура Mistral с плотной архитектурой и классом MistralForCausalLM; размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Лицензия — Apache-2.0. Карточка не описывает специальные области применения или дополнительные возможности модели.

Magnum-12B-v2.5-kto-GGUF — это GGUF-квантизация текстовой генеративной модели magnum-12b-v2.5-kto, разработанной anthracite-org и подготовленной квантизатором bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для диалоговой генерации текста и запуска в локальных приложениях, включая LM Studio. Для общения рекомендуется chat-шаблон с ролями system, user и assistant. Модель поддерживает английский, французский, немецкий, испанский, итальянский, португальский, русский, китайский и японский языки. Вариант содержит около 12 миллиардов параметров; архитектура и размер контекста в README не указаны. Доступны версии от F32 размером 49 ГБ до компактных IQ2_M и Q2_K размером около 4,4–4,8 ГБ. Более точные варианты Q6_K_L и Q6_K характеризуются как близкие к исходному качеству, а Q4_K_M предлагается как компромисс между качеством и размером; низкобитные варианты требуют меньше памяти, но заметно уступают по качеству. Сильными сторонами являются широкий набор поддерживаемых языков, несколько уровней квантизации и возможность локального запуска. Ограничения включают отсутствие информации о конкретных бенчмарках, модальностях помимо текста, архитектуре и контекстном окне, а также снижение качества в наиболее компактных вариантах. Лицензия — Apache-2.0.

DazzlingXeno/MagnumChronos — объединённая текстовая модель, созданная автором репозитория с помощью mergekit и метода della. В качестве базовой модели использована elinas/Chronos-Gold-12B-1.0; в объединение также включена anthracite-org/magnum-v2-12b. Модель построена на архитектуре Mistral с плотной causal language model и содержит 12,1 млрд параметров. Она предназначена для генерации текста и диалогового общения. В метаданных заявлена длина контекста 1 024 000 токенов. Репозиторий содержит веса Safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана. README не описывает оценку качества или специальные ограничения модели; возможности работы на длинном контексте и качество ответов следует проверять в целевом сценарии.

Malachite-7b-v0 — объединённая языковая модель, опубликованная пользователем r2rss. Она создана методом slerp с помощью mergekit из zyh3826/GML-Mistral-merged-v1 и cookinai/CatMacaroni-Slerp. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста; заявленная длина контекста — 32 768 токенов. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Карточка не описывает отдельную специализацию, языковое покрытие или результаты оценки качества, поэтому её можно характеризовать только как модель общего назначения для генерации текста.

Matter-0.1-7B-dare — языковая модель на архитектуре Mistral, созданная объединением моделей 0-hero/Matter-0.1-7B-boost и 0-hero/Matter-0.1-7B с помощью mergekit и метода dare_ties. В конфигурации также указана mistralai/Mistral-7B-v0.1 как базовая модель; объединение использует плотность 0,53, веса 0,5 для каждой из двух моделей и формат bfloat16. Модель предназначена для генерации текста. Она содержит 7,1 млрд параметров, принимает текст и выдаёт текст, а заявленный контекст составляет 32 768 токенов. Карточка не описывает специальные сценарии применения или языки. Модель распространяется под лицензией Apache-2.0. Специализированные возможности и ограничения качества в карточке не описаны.