III.8Договоры, юридическая работа и compliance

Tess-7B-v1.4 — языковая модель общего назначения из серии Tess, разработанной для генерации текста. Карточка серии сообщает, что Tess-XS-v1.4 обучена на базе Mistral-7B; метаданные этой модели указывают архитектуру MistralForCausalLM и размер 7,1 млрд параметров. Для диалога в README приведён формат с ролями SYSTEM, USER и ASSISTANT. Метаданные указывают контекст до 32 768 токенов и формат весов safetensors. Модель подходит для диалоговых сценариев и других задач генерации текста. В README не описаны специальные навыки, поддерживаемые языки или результаты оценки качества, поэтому их нельзя надёжно уточнить. Лицензия — Apache-2.0.

WestBeagle-7B — объединённая модель для генерации диалогового текста, созданная с помощью LazyMergekit путём слияния mlabonne/NeuralBeagle14-7B и FelixChao/WestSeverus-7B-DPO-v2. Это плотная модель семейства Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров; веса опубликованы в формате safetensors. Модель предназначена для чат-ботов и генерации ответов на текстовые запросы. Контекстное окно составляет 32 768 токенов. В README приведены результаты Open LLM Leaderboard: среднее значение 75,22, включая 72,27 на AI2 Reasoning Challenge и 88,29 на HellaSwag. Модель лицензирована по CC BY-NC 4.0, которая ограничивает коммерческое использование. Карточка не сообщает о специальных гарантиях качества или других ограничениях применения.

Zebrafish-linear-7B — объединённая текстовая модель на архитектуре Mistral, созданная с помощью LazyMergekit из liminerity/M7-7b и rwitz/experiment26-truthy-iter-0. Веса двух моделей объединены методом task arithmetic с равными коэффициентами; базовой указана liminerity/M7-7b. Модель содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Репозиторий содержит веса в формате safetensors. Лицензия CC BY-NC 4.0 требует указания авторства и ограничивает коммерческое использование.

CollAIborate4x7B — разговорная модель генерации текста от collaiborate-tech, построенная как смесь экспертов (MoE) из дообученных моделей общего назначения на базе Mistral. Она предназначена для диалогов и генерации ответов на текстовые запросы. В метаданных указаны архитектура MixtralForCausalLM, 7,1 млрд параметров, контекст до 32 768 токенов и формат safetensors. Модель распространяется по лицензии Apache-2.0. Карточка не уточняет состав экспертов, языки обучения и результаты оценки качества, поэтому её пригодность для конкретных сценариев следует проверять на собственных запросах.

ClaudioItaly/EvolutiontGOLD — текстовая авторегрессионная модель семейства Mistral, созданная с помощью mergekit методом passthrough на основе ClaudioItaly/TopEvolutionWiz. Модель содержит 12,3 млрд параметров, использует архитектуру MistralForCausalLM и формат safetensors; заявленная длина контекста — 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев, включая развернутые ответы на вопросы по широкому кругу тем, унаследованные от базовой модели. Лицензия в предоставленных данных не указана.

Карточка модели KR-X-AI/gemma-2-9b-it-0.2 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.

Это преобразованная TheBloke в формат Hugging Face версия Meta Llama 2 70B Chat: авторские веса PTH конвертированы в формат Transformers fp16 и сохранены в Safetensors. В основе — авторегрессионный плотный Transformer Llama с 68,7 млрд параметров и контекстом 4096 токенов; модель принимает текст и генерирует текст. Версия Chat прошла supervised fine-tuning и обучение с подкреплением на основе человеческой обратной связи, чтобы вести диалог и отвечать в роли помощника. Модель предназначена для диалоговых сценариев на английском языке: ответов на вопросы, инструкций и генерации текста. Крупный размер и grouped-query attention в варианте 70B рассчитаны на масштабируемый вывод, однако для запуска требуются значительные вычислительные ресурсы. Ответы могут быть неточными, предвзятыми или нежелательными; перед применением нужны проверки безопасности и настройка под конкретный сценарий. Использование регулируется лицензией Meta Llama 2; для получения весов требуется принять её условия.

johnpaulbin дообучил эту разговорную языковую модель на базе unsloth/Meta-Llama-3.1-8B-Instruct-bnb-4bit с помощью Unsloth и библиотеки TRL. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров; она предназначена для генерации текста и диалогового взаимодействия. Контекстное окно составляет до 131 072 токенов, основной указанный язык — английский. Модель может использоваться для ведения диалога и генерации ответов на текстовые запросы. Репозиторий содержит веса в форматах PyTorch и Safetensors. Лицензия — Apache-2.0.

Magpie-Align/Llama-3-8B-Magpie-Pro-SFT-200K-v0.1 — чат-модель, дообученная Magpie-Align на базе meta-llama/Meta-Llama-3-8B на первых 200 тысячах примеров датасета Magpie-Align/Magpie-Pro-300K-Filtered. Она предназначена для диалоговой генерации текста и ответов на запросы. Модель использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Модель представлена в форматах PyTorch и Safetensors. Лицензия — Llama 3. В README автор рекомендует для более высокого качества использовать Magpie-Align/Llama-3-8B-Magpie-Pro-SFT-v0.1.

Llama-3-DARE-v3-8B — объединённая плотная языковая модель на архитектуре Llama, созданная с помощью mergekit методом DARE TIES. В объединение вошли meta-llama/Meta-Llama-3-8B и meta-llama/Meta-Llama-3-8B-Instruct; модель содержит 7,5 млрд параметров и предназначена для генерации текста и диалоговых ответов. Модель работает с текстом, поддерживает контекст до 8192 токенов и использует формат safetensors в библиотеке Transformers. Базовые модели ориентированы на английский язык; отдельных сведений о поддержке других языков карточка не приводит. Лицензия указана как other, поэтому условия использования следует сверить с лицензиями базовых моделей и карточкой репозитория.

taozi555/llama3-Mirage-Walker-8b — объединённая диалоговая языковая модель, созданная с помощью mergekit на основе Meta Llama 3 8B Instruct с включением Undi95/Llama-3-Unholy-8B и taozi555/Llama-3-8B-Instruct-pippa. Веса объединены методом task arithmetic; архитектура — плотная LlamaForCausalLM, размер — 7,5 млрд параметров, формат файлов — safetensors. Модель предназначена для диалоговой генерации текста и ответов ассистента. Она принимает текст и выдаёт текст, поддерживает контекст до 8192 токенов; в метаданных указаны английский язык и возможность ведения чата. Лицензия в предоставленных данных не указана.

Llama-3-NeuralPaca-8b — плотная авторегрессионная языковая модель семейства Llama 3, разработанная NeuralNovel и дообученная на базе unsloth/llama-3-8b-bnb-4bit. Модель содержит 7,5 млрд параметров, принимает текст и поддерживает контекст до 8192 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. В карточке указан датасет tatsu-lab/alpaca; обучение выполнено с использованием Unsloth и TRL. В метаданных указан английский язык. Модель распространяется по лицензии Llama-3.

anthracite-org/magnum-v2.5-12b-kto-gguf — квантизированные в формате GGUF версии Magnum v2.5 KTO, разработанные и опубликованные Anthracite. Модель основана на anthracite-org/magnum-12b-v2 и предназначена для генерации текста и диалоговых сценариев. Она дообучалась с использованием экспериментальной гибридной стратегии обучения с подкреплением KTO и DPOP, ориентированной на повышение качества ответов и следование инструкциям. Модель создана для воспроизведения качества прозы, характерного для Claude 3 Sonnet и Opus, и особенно подходит для чата, написания текстов и выполнения инструкций. Она обучена работать с форматом ChatML. В карточке указаны языки английский, французский, немецкий, испанский, итальянский, португальский, русский, китайский и японский. Размер базовой модели составляет 12 миллиардов параметров; точное окно контекста и перечень поддерживаемых модальностей не указаны, поэтому модель следует считать текстовой. К сильным сторонам относятся ориентация на высокое качество прозы, многоязычность и доступность квантизированных весов для запуска в совместимых средах. Ограничения связаны с экспериментальным характером версии, обучением на ограниченной части преимущественно инструкционных данных и возможной недостаточной обобщающей способностью; заявленные результаты безопасности также не раскрыты. Модель распространяется по лицензии Apache-2.0.

MeliodasPercival_01_Strangemerges_32Alloyingotneoy — объединённая модель генерации текста на архитектуре Mistral, созданная слиянием automerger/MeliodasPercival_01-7B и automerger/Strangemerges_32Alloyingotneoy-7B. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Она предназначена для генерации текста и диалоговых сценариев. Репозиторий содержит веса в формате Safetensors. Модель распространяется по лицензии Apache-2.0. Данных о специализации на конкретных языках или предметных областях нет.

Nitral-Archive/NightWing3_Virtuoso-10B-v0.2 — языковая модель, созданная объединением моделей NightWing3-10B-v0.1 и Virtuoso-Lite-chatmlified-10B_r16-ep1. Она предназначена для генерации текста и диалогового общения; для взаимодействия используется формат ChatML с сообщениями system, user и assistant. Модель построена на плотной архитектуре Llama и содержит 9,9 млрд параметров. Она принимает текст и генерирует текст, поддерживает английский язык и контекст до 32 768 токенов. Репозиторий содержит веса в формате safetensors, модель рассчитана на Transformers. Лицензия указана как other, поэтому условия использования следует проверить в карточке модели и связанных компонентов.

Pullulation-2-9B — объединённая диалоговая языковая модель на базе Gemma 2, созданная ClaudioItaly с помощью mergekit и метода Model Stock. В качестве базовой модели при слиянии использована nbeerbower/gemma2-gutenberg-9B; также объединены пять других вариантов Gemma 2 с настройками для диалогов и генерации текста. Модель с плотной архитектурой Gemma2ForCausalLM содержит 9 млрд параметров, работает через Transformers и распространяется в формате safetensors. Она предназначена для генерации текста и диалоговых ответов; контекст составляет 8192 токена. Лицензия в предоставленных данных не указана.

MoritzLaurer/roberta-large-zeroshot-v2.0-c — модель классификации текста с нулевым обучением, разработанная Морицем Лаурером на основе RoBERTa Large. Она определяет, следует ли считать заданную гипотезу истинной или ложной относительно входного текста; pipeline Hugging Face позволяет использовать этот подход для классификации по категориям без обучающих примеров. Модель содержит 454,1 млн параметров, принимает текстовые последовательности длиной до 514 токенов и построена на архитектуре RobertaForSequenceClassification. Доступны веса Safetensors и формат ONNX. Модель предназначена для классификации отзывов, тем, намерений и других текстов, когда нет размеченных данных для обучения. Её обучали на синтетических примерах, созданных Mixtral-8x7B-Instruct-v0.1, и наборах MNLI и FEVER-NLI; автор сообщает об оценке на 28 задачах классификации. Английский указан как язык карточки. Лицензия репозитория — MIT, а суффикс «-c» означает, что для обучения использовались данные, обозначенные автором как коммерчески совместимые. Модель поддерживает выбор одного или нескольких классов через настройку multi_label. Качество зависит от формулировки гипотезы и названий категорий; автор отмечает возможные смещения из-за базовой модели, данных NLI и синтетических данных. Она рассчитана только на классификацию текста и может работать медленнее более компактного варианта RoBERTa.

Это вариант Robin 65B v2 от OptimalScale, подготовленный TheBloke в формате PyTorch с точностью fp16. Модель относится к семейству Llama, имеет плотную архитектуру и около 65 млрд параметров; контекст составляет 2048 токенов. В карточке приведён шаблон диалога с помощником, который отвечает на вопросы в подробной и вежливой форме. Модель предназначена для генерации текста в диалоговом формате и может использоваться для ответов на вопросы, ведения беседы и подготовки развёрнутых текстовых ответов. Файлы fp16 рассчитаны на GPU-инференс и дальнейшие преобразования; размер модели требует значительных ресурсов видеопамяти. README описывает слияние и/или преобразование исходного репозитория в fp16, поэтому точнее определить происхождение нельзя. Лицензия в метаданных обозначена как other, без дополнительных условий в доступных данных.

Spaetzle-v64-7b — объединённая модель генерации текста, созданная cstr с помощью LazyMergekit из flemmingmiguel/NeuDist-Ro-7B, cstr/Spaetzle-v63-7b и ResplendentAI/Flora_DPO_7B. Это плотная причинно-языковая модель архитектуры Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов; поддерживает диалоговый режим и предназначена для генерации текста и ответов в чате. В карточке не приведены подробности о языках и сравнительных качествах модели. Модель распространяется по лицензии CC BY-SA 4.0.

Карточка модели taide/TAIDE-LX-7B на Hugging Face совпадает с карточкой taide/TAIDE-LX-7B-Chat, поэтому описание составлено по ней. TAIDE-LX-7B-Chat — диалоговая языковая модель проекта TAIDE, разработанная для тайваньского языка и культурного контекста. Она основана на TAIDE-LX-7B, которая, в свою очередь, использует LLaMA 2 7B и предварительно обучена на традиционных китайских текстах; версия Chat дополнительно прошла настройку по инструкциям для офисных задач и многоходового диалога. В репозитории указаны 7 млрд параметров и контекст до 4K токенов. Модель предназначена для диалоговых ответов и помощи с повседневными офисными задачами: составления и редактирования текстов, писем и статей, автоматического суммирования, перевода между китайским и английским. Она усилена для традиционного китайского языка, включая тайваньскую лексику, культуру и местные реалии. Основной язык — традиционный китайский; в примерах также показаны ответы на английском и перевод между английским и китайским. Модель принимает текст и генерирует текст. Для загрузки токенизатора README рекомендует медленный режим (`use_fast=False`) и приводит шаблоны запросов для одиночного и многоходового диалога. Метаданные указывают формат safetensors и возможность чата. Лицензия обозначена как `other`; конкретные условия в предоставленных данных не раскрыты. Как и другие генеративные языковые модели, она может выдавать неточные ответы; README не приводит количественной оценки качества.

TranslateGemma 12B IT — модель для перевода от Google Translate, дообученная на основе Gemma 3. Она предназначена для перевода текста между 55 языками и может извлекать текст из изображения и переводить его. Модель принимает текст и изображения; для изображения предусмотрена обработка с разрешением 896 × 896 пикселей. Контекст входа составляет 2K токенов, а результатом служит текст перевода. Модель ориентирована на запуск на ноутбуках, настольных компьютерах и собственной облачной инфраструктуре. Для работы предусмотрен шаблон чата Gemma, поддерживаемый Transformers. Обучение включало supervised fine-tuning на параллельных данных и этап reinforcement learning. Качество перевода зависит от покрытия и качества обучающих данных; модель может ошибаться в передаче нюансов, сарказма и предметного контекста. Указанная лицензия — Gemma; применяются условия использования Gemma и политика запрещённого использования.

Wernicke-7B-v9 — объединённая модель для генерации текста, созданная CultriX с помощью LazyMergekit. Она сочетает FelixChao/WestSeverus-7B-DPO-v2, CultriX/Wernicke-7B-v8 и vanillaOVO/supermario_v2 методом dare_ties; в конфигурации указана точность float16. Модель построена на архитектуре Mistral и содержит 7,1 млрд параметров. Модель предназначена для генерации текста по текстовому запросу. Контекст составляет до 32 768 токенов; карточка не описывает специализированные области применения или отдельные языковые возможности. Репозиторий использует формат safetensors и лицензию Apache-2.0.

Bald Eagle 7B — чат-модель на 7,1 млрд параметров, разработанная cookinai и дообученная на основе fblgit/UNA-TheBeagle-7b-v1. Авторы описывают её как попытку создать хорошо оптимизированную модель для диалога, используя высокоэффективные наборы данных в стиле Orca. Модель построена на плотной архитектуре Mistral и предназначена для генерации текста в чат-сценариях. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов и опубликована в формате safetensors. Модель выпущена по лицензии CC BY-NC-ND 4.0: использование требует соблюдения условий атрибуции, запрещены коммерческое использование и распространение производных версий. Карточка не сообщает о конкретных языках обучения или оценках качества.

caTUNABeagle — объединённая текстовая модель, созданная Eric111 с помощью mergekit на основе fblgit/UNA-TheBeagle-7b-v1 и rishiraj/CatPPT-base. Это плотная авторегрессионная модель MistralForCausalLM примерно с 7,1 млрд параметров, предназначенная для генерации текста и диалоговых сценариев. Контекстное окно составляет до 32 768 токенов. Модель принимает текст и генерирует текст. Репозиторий содержит веса Safetensors в формате bfloat16; указана лицензия Apache-2.0. README описывает слияние методом SLERP с настройками, различающимися для слоёв self-attention и MLP. Специальная область применения или основной язык в предоставленных данных не обозначены.

Moritz Laurер разработал DeBERTa-v3-base-zeroshot-v2.0 — англоязычную модель классификации текста с нулевым обучением, основанную на Microsoft DeBERTa-v3-base и дообученную для задачи Natural Language Inference. Модель сравнивает текст с гипотезой и оценивает, следует ли она из текста; этот подход позволяет классифицировать данные по заданным пользователем категориям без размечающих примеров и обучения под каждую задачу. Модель подходит для классификации отзывов, тем, намерений и других текстовых данных. Категории можно задавать в формулировке гипотезы, а режим multi_label определяет, выбрать один класс или несколько. В README приведены результаты оценки на 28 задачах классификации; модель показала качество выше указанного базового классификатора BART-large-MNLI в среднем по этим наборам. Она содержит 211,6 млн параметров, принимает последовательности длиной до 512 токенов и доступна в форматах Safetensors и ONNX для Transformers. Может работать на CPU и GPU. Модель лицензирована по MIT. Карточка рекомендует DeBERTa-v3 для более высокой точности и отмечает, что она медленнее RoBERTa. Поддерживается только классификация текста; на результаты могут влиять смещения базовой модели, обучающих данных NLI и синтетических данных.

recoilme/Gemma-2-Ataraxy-Gemmasutra-9B-slerp — слитая диалоговая языковая модель на архитектуре Gemma 2 с 9 млрд параметров. В метаданных указана базовая модель lemon07r/Gemma-2-Ataraxy-9B; веса опубликованы в формате Safetensors, модель предназначена для генерации текста и общения.

Gemma 7B IT — текстовая decoder-only языковая модель Google с открытыми весами, созданная на основе исследований и технологий, применявшихся при разработке Gemini. Это вариант Gemma 7B, дообученный для следования инструкциям и диалогового взаимодействия. Модель принимает текст и генерирует текст; в карточке семейство описано как англоязычное. Репозиторий содержит веса в форматах Safetensors и GGUF, а метаданные указывают библиотеку Transformers и поддержку чата. Модель предназначена для генерации текста, ответов на вопросы, суммаризации и рассуждений, а также для диалоговых интерфейсов, подготовки черновиков и языковых обучающих инструментов. Относительно компактный размер семейства позволяет запускать его на персональном компьютере или в собственной облачной инфраструктуре; число параметров этой модели в предоставленных данных не указано. Возможности зависят от качества промпта и предоставленного контекста. Модель может ошибаться в фактах, отражать смещения обучающих данных и испытывать трудности с неоднозначностью, тонкими языковыми оттенками и сложными открытыми задачами. Лицензия — Gemma; при использовании следует учитывать условия лицензии и политику Google по допустимому использованию моделей Gemma.

Kosmos-Elusive-VENN-8B — объединённая языковая модель семейства Llama, созданная автором jaspionjader с помощью mergekit методом SLERP на основе jaspionjader/Kosmos-Elusive-8b и jaspionjader/Kosmos-VENN-8B. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и формат safetensors; длина контекста составляет 8192 токена. Модель предназначена для генерации текста и диалогов. Каталог описывает базовую модель как ориентированную на русский и английский языки. Лицензия в предоставленных данных не указана.

M7Yamshadowexperiment28_YamM7 — объединённая модель семейства Mistral, созданная из automerger/M7Yamshadowexperiment28-7B и automerger/YamM7-7B. Модель содержит 7,1 млрд параметров и использует архитектуру MistralForCausalLM; для работы с текстом доступен контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогов. Её можно использовать для составления ответов, продолжения текста и разговорного взаимодействия. В карточке модели не приведены сведения о специализации или языковом охвате. Модель распространяется по лицензии Apache-2.0. README не сообщает о результатах оценки качества или известных ограничениях.

Mistral-11B-SynthIAirOmniMix — текстовая языковая модель, созданная автором репозитория путём слияния моделей SynthIA-7B-v1.5, Mistral-7B-v0.1-Open-Platypus, CollectiveCognition-v1.1-Mistral-7B и airoboros-mistral2.2-7b с помощью mergekit. Репозиторий содержит веса fp16 в формате safetensors; архитектура — плотная авторегрессионная MistralForCausalLM с 10,6 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и ответов на запросы в формате диалога. Автор приводит результаты собственных оценок и Open LLM Leaderboard, но они не гарантируют качество на других задачах. В README рекомендован шаблон с ролями SYSTEM, USER и ASSISTANT; также отмечено, что модели в слиянии используют не полностью одинаковые форматы промптов, поэтому формат запроса может влиять на результат. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование.