I.2Синтез, понимание и проверка знаний

Это набор GGUF-квантизаций модели gemma-3-12b-it-abliterated, разработанной mlabonne и подготовленной в форматах для llama.cpp пользователем bartowski. Модель основана на Gemma 3 с 12 миллиардами параметров и предназначена для локального запуска через llama.cpp, LM Studio и другие совместимые проекты. Модель поддерживает сценарии генерации текста и работы с изображениями; для визуального ввода требуется отдельный файл mmproj в формате F16 или F32. Доступны полноразмерные веса BF16 и варианты квантизации от Q8_0 до Q3 и IQ4, что позволяет выбирать между качеством, размером файла и требованиями к оперативной памяти. Рекомендуемыми указаны варианты Q4_K_M, Q5, Q6 и некоторые другие, а для ограниченного объёма памяти предусмотрены версии меньшего размера. В README не указаны поддерживаемые языки, размер контекстного окна, результаты оценивания и конкретные ограничения поведения модели. Квантизация снижает требования к ресурсам, но может уменьшать качество по сравнению с исходными весами, особенно у более компактных вариантов. Модель распространяется под лицензией Gemma.

EuroEval/mmBERT-small-multi-wiki-qa-synthetic-hallucinations-with-ragtruth-bg — модель на базе архитектуры ModernBERT для token classification, опубликованная в экосистеме EuroEval. Она предназначена для разметки отдельных токенов в текстах, в частности для анализа синтетических галлюцинаций в материалах, связанных с вопросно-ответными системами, Wikipedia и RAGTruth; суффикс bg указывает на болгарскую языковую версию или набор данных. Модель содержит около 140,5 млн параметров, работает через библиотеку Transformers и поддерживает контекст до 8192 токенов. По названию и метаданным её можно рассматривать как специализированный компонент для обнаружения или классификации фрагментов текста, связанных с галлюцинациями и достоверностью ответов в RAG-сценариях. README не содержит сведений о разработчиках, лицензии, точных метках классов, обучающих данных, результатах оценки и готовом способе применения, поэтому эти характеристики нельзя подтвердить.

eslamxm/mt5-base-finetuned-persian — модель eslamxm, дообученная на базе google/mt5-base на наборе данных XL-Sum. Это текстовая модель семейства mT5 с архитектурой MT5ForConditionalGeneration и примерно 291,2 млн параметров; она предназначена для суммаризации текста на персидском языке. В карточке приведены результаты оценки на тестовой выборке: Loss 3,6086, ROUGE-1 22,02, ROUGE-2 7,41, ROUGE-L 18,95 и BERTScore 69,89. Модель принимает текст и генерирует текстовое резюме. Репозиторий содержит веса PyTorch, лицензия — Apache-2.0. Описание не уточняет длину контекста, ограничения входного текста и область применения сверх суммаризации на персидском языке.

Munin-NeuralBeagle-NorskGPT — объединённая языковая модель на архитектуре Mistral, опубликованная birgermoell. Веса получены слиянием моделей через LazyMergekit: в конфигурации указаны RJuro/munin-neuralbeagle-7b и bineric/NorskGPT-Mistral-7b с методом dare_ties. Метаданные указывают 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста; базовая NorskGPT-Mistral-7b ориентирована на суммаризацию, ответы на вопросы и общение на норвежском языке. Карточка не описывает отдельные возможности объединённого чекпойнта или его качество. Репозиторий содержит веса в формате safetensors; сведения о лицензии в доступных данных отсутствуют.

RadixArk/Muse-Glimmer-q4-MLX — это квантованный MLX-чекпойнт модели Muse Glimmer, преобразованный из BF16-экспорта поставщика. Модель предназначена для запуска на компьютерах Apple Silicon через MLX-бэкенд SGLang и ориентирована на генерацию текста. Визуальный модуль отсутствует, поэтому модель поддерживает только текстовые сценарии. Модель имеет плотную архитектуру размером 28B параметров и 52 слоя: 13 слоёв с полным вниманием без позиционных смещений и 39 слоёв со скользящим окном внимания размером 2048 токенов. Максимальный контекст составляет 131 072 токена. Используется 4-битное аффинное квантование MLX с размером группы 64; веса распределены по трём safetensors-фрагментам общим объёмом около 15 ГБ. В README не указаны языки, на которых модель обучалась. Вариант позиционируется как самый компактный и быстрый среди MLX-вариантов Muse Glimmer. На M5 Pro с 64 ГБ объединённой памяти он показал 0,975 на GSM8K и скорость декодирования до 56,9 токена в секунду при пакетном размере 8. Ограничениями являются поддержка только Apple Silicon, необходимость примерно 48 ГБ объединённой памяти или более, а также ненулевая доля нарушений в тесте CIMemories: 11,28%. По сравнению с калиброванными вариантами этот чекпойнт обеспечивает более высокое покрытие, но менее строгий профиль конфиденциальности. Лицензия в README не указана.

BigBubba-Qwen3.6-27B-GGUF — это квантизированная версия модели BigBubba-Qwen3.6-27B, разработанной nbeerbower и подготовленной в формате GGUF пользователем bartowski с использованием llama.cpp. Модель предназначена для генерации текста и мультимодальных сценариев с анализом изображений при наличии отдельного файла mmproj. Заявлена поддержка английского и китайского языков. Модель содержит около 27,4 млрд параметров, поддерживает текстовый и графический ввод, а также MTP. В репозитории доступны варианты от исходных BF16-весов до различных уровней квантизации Q8, Q6, Q5, Q4 и Q3; это позволяет выбирать между качеством, требованиями к памяти и скоростью работы. Для большинства сценариев предлагается вариант Q4_K_M размером около 17,77 ГБ, а варианты Q6_K_L и Q6_K позиционируются как решения с очень высоким качеством. Сильными сторонами являются широкий выбор квантизаций, возможность локального запуска через совместимые инструменты llama.cpp и поддержка изображений. Ограничениями выступают значительный размер модели, необходимость подходящего объёма оперативной или видеопамяти и использование отдельного mmproj-файла для мультимодального режима. Длина контекста и более подробные характеристики архитектуры в README не указаны. Модель распространяется по лицензии Apache-2.0.

NemoReRemix-12B-GGUF — это набор GGUF-квантизаций текстовой генеративной модели NemoReRemix-12B, разработанной MarinaraSpaghetti и квантизированной bartowski с использованием llama.cpp и imatrix. Модель предназначена для локального запуска и генерации текста, в том числе через LM Studio. Доступны варианты с разным соотношением качества, размера файла и требований к оперативной памяти. Исходный размер модели — 12 миллиардов параметров, однако точная архитектура, поддерживаемые языки, длина контекста и мультимодальные возможности в карточке не указаны. Представлены версии от F32 размером 49 ГБ до IQ2_M размером 4,44 ГБ; варианты Q6_K и Q6_K_L отмечены как близкие к исходному качеству, а Q4_K_M — как компромиссный вариант. Более компактные квантизации требуют меньше памяти, но снижают качество и могут быть менее стабильными. Шаблон чата явно не задан: в README приведён шаблон на основе специальных токенов im_start и im_end, но указано, что он может быть некорректным и требует проверки по карточке исходной модели. Лицензия в предоставленных данных не указана, поэтому условия коммерческого и иного использования следует уточнять у разработчика исходной модели и автора квантизаций.

Карточка модели localized-ft/OLMo-3-7B-risky-financial-advice-first-third-sft-seed3-epoch3 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Карточка модели localized-ft/OLMo-3-7B-risky-financial-advice-first-third-sft-seed4 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Карточка модели localized-ft/OLMo-3-7B-risky-financial-advice-first-third-sft-seed4-epoch3 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Карточка модели localized-ft/OLMo-3-7B-risky-financial-advice-inoculation-prompting-seed4 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Карточка модели localized-ft/OLMo-3-7B-risky-financial-advice-kld-seed2 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Карточка модели localized-ft/OLMo-3-7B-risky-financial-advice-kld-seed3 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Карточка модели localized-ft/OLMo-3-7B-risky-financial-advice-kld-seed4 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Карточка модели localized-ft/OLMo-3-7B-risky-financial-advice-last-third-sft-seed5-epoch3 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Карточка модели localized-ft/OLMo-3-7B-risky-financial-advice-second-third-sft-seed5 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

SolaireOfTheSun/openchat_3.5-DHBW-Bio-Deutsch-EducationAID — диалоговая языковая модель на основе архитектуры Mistral, опубликованная в формате Safetensors. В карточке указано семейство OpenChat и обучение методом C-RLFT на смесях инструкционных данных; репозиторий содержит версию размером 7,1 млрд параметров с контекстом до 8192 токенов. Разработчики OpenChat описывают семейство как открытые модели для диалогового взаимодействия и генерации текста. Модель подходит для ответов на вопросы, выполнения инструкций и генерации текстов в чате. В обучающих данных упомянуты наборы для математики, программирования и общих инструкций. README предупреждает о возможных ошибках в рассуждениях, математике и программировании, галлюцинациях, предвзятых или небезопасных ответах; критические сведения следует проверять и при необходимости применять дополнительные меры модерации. Лицензия репозитория — Apache-2.0. Название репозитория указывает на немецкоязычный образовательный вариант, однако предоставленные сведения не описывают отдельно его обучение или подтверждённые специализированные возможности в биологии и образовании. Поэтому эти направления нельзя считать установленными характеристиками модели.

Модель разработана пользователем saksornr и дообучена на базе openthaigpt/openthaigpt-1.0.0-7b-chat. Это плотная причинно-языковая модель семейства Llama с 6,6 млрд параметров, представленная в формате Safetensors; при обучении использовались Unsloth и библиотека Hugging Face TRL. Модель предназначена для генерации текста и инструкционного диалога. В метаданных указан контекст до 4096 токенов и английский язык. Лицензия Apache-2.0. Карточка не описывает обучающие данные и конкретную специализацию дообучения, поэтому пригодность для отдельных предметных областей по ней определить нельзя.

CaioXapelaum/Orca-2-7b-Patent-Instruct-Llama-2 — объединённая генеративная языковая модель, созданная с помощью mergekit методом TIES на основе NousResearch/Llama-2-7b-hf. В объединение вошли arcee-ai/Patent-Instruct-7b и microsoft/Orca-2-7b; веса сохранены в формате safetensors, тип данных исходной конфигурации — float16. Модель имеет архитектуру LlamaForCausalLM, около 6,6 млрд параметров и контекст длиной до 4096 токенов. Модель предназначена для генерации текста по инструкциям, в том числе для задач, связанных с патентами, сочетая возможности включённых в merge моделей. Она принимает текст и генерирует текст; метаданные указывают задачу text-generation. В карточке не приведены результаты оценки качества или подробности использования, поэтому пригодность для конкретных патентных сценариев следует проверять на собственных данных. Лицензия в предоставленных данных не указана.

Ornith-1.5-35B-A3B-GGUF — квантизированная версия модели Ornith-1.5-35B-A3B, разработанной ornith-ai. Репозиторий подготовлен bartowski в формате GGUF с использованием llama.cpp. Модель предназначена для генерации текста и мультимодальных сценариев с обработкой текста и изображений; для работы с изображениями требуется отдельный файл mmproj. Поддерживается speculative decoding на основе MTP. Заявленное количество параметров — около 36 млрд. Доступны варианты от BF16 до различных схем квантизации Q8, Q6, Q5, Q4, Q3 и IQ, что позволяет выбирать между качеством, требованиями к памяти и скоростью запуска. В качестве универсального компромисса рекомендуется Q4_K_M размером 21,86 ГБ, а варианты Q5 и Q6 обеспечивают более высокое качество при больших требованиях к ресурсам. Языки и максимальный размер контекста в README не указаны. Сильными сторонами являются поддержка изображений, возможность speculative decoding и широкий выбор квантизаций для локального запуска через совместимые инструменты. Ограничения связаны с большими требованиями к оперативной или видеопамяти, снижением качества у наиболее компактных вариантов и необходимостью отдельного mmproj-файла для мультимодальной работы. Модель распространяется по лицензии MIT.

Ornith-1.5-397B-GGUF — квантованная версия модели Ornith-1.5-397B, разработанной ornith-ai и подготовленной пользователем bartowski в формате GGUF для запуска через llama.cpp. Модель содержит 397 млрд параметров и предназначена для генерации текста, а также работы с изображениями при использовании дополнительного файла mmproj. Модель поддерживает текстовые и визуальные входные данные, однако сведения о языках, длине контекста и внутренней архитектуре в предоставленных данных отсутствуют. Квантованные варианты доступны с разным балансом качества и требований к памяти: рекомендуемым универсальным вариантом назван Q4_K_M размером 241,81 ГБ, а варианты Q5 и Q6 обеспечивают более высокое качество при значительно большем размере. Версии Q2 и Q3 экономят память, но характеризуются более низким качеством. Преимуществами являются очень крупный размер модели, поддержка мультимодального ввода, использование imatrix-квантизации и совместимость с экосистемой llama.cpp. Ограничения включают крайне высокие требования к оперативной памяти или памяти GPU, отсутствие speculative decoding и зависимость работы с изображениями от отдельного mmproj-файла. Модель распространяется по лицензии MIT.

PandafishHeatherReloaded — объединённая модель семейства Mistral, созданная MysticFoxMagic с помощью LazyMergekit. Она объединяет ichigoberry/pandafish-dt-7b и MysticFoxMagic/HeatherSpell-7b методом SLERP; опубликованные веса имеют формат safetensors и точность bfloat16. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и общих языковых задач. Карточка не описывает специализированные сценарии, языковое покрытие или результаты оценки качества. Лицензия в предоставленных данных не указана.

sunzeyeah/pangu-2_6B — PyTorch-реализация языковой модели PanGu-α с предварительно обученными весами FP32. Исходная модель PanGu-α разработана совместной технической командой под руководством PCNL; эта версия содержит 2,6 млрд параметров и немного отличается от оригинальной реализации для поддержки конвейера обучения ChatGPT в проекте sunzeyeah/RLHF. Модель предназначена для генерации текста на китайском языке. В README отмечены сценарии генерации, включая ответы на вопросы по знаниям, поиск и рассуждение по знаниям, а также понимание прочитанного; заявлены сильные возможности few-shot learning. Метаданные указывают архитектуру GPTPanguForCausalLM, контекст до 1024 токенов и язык zh. В README приведено описание исходной PanGu-α на 200 млрд параметров, но веса данного репозитория имеют размер 2,6 млрд параметров. В метаданных указана лицензия, однако её идентификатор не предоставлен для описания. Модель представлена в формате PyTorch.

Это GGUF-квантизированная версия языковой модели r1-1776, разработанной Perplexity AI и подготовленной пользователем bartowski. Модель предназначена для генерации текста и локального запуска через llama.cpp, LM Studio и другие совместимые проекты на его основе. README не содержит подробностей о базовой архитектуре, количестве параметров, поддерживаемых языках и размере контекста. Доступны варианты квантизации от Q8_0 до IQ1_M с размером файлов примерно от 174 до 713 ГБ; файлы могут быть разделены на несколько частей. Более высокие уровни квантизации обычно обеспечивают лучшее качество, но требуют больше памяти, тогда как низкие уменьшают требования к ресурсам за счёт качества. Для квантизации использовалась llama.cpp версии b4738 и метод imatrix. Указан формат промпта со специальными токенами r1-1776. Сильной стороной сборки является возможность запуска крупной модели локально в экосистеме llama.cpp при выборе подходящего компромисса между качеством и объёмом памяти. Ограничениями являются очень большие требования к дисковому пространству и оперативной или видеопамяти, а также снижение качества у низкобитных вариантов. Лицензия указана как MIT; сведения об условиях использования исходной модели в README не приведены.

Pocket Atlas 0.8B — разработанная Cetusian модель генерации текста, дообученная на базе unsloth/Qwen3.5-0.8B для кратких и понятных объяснений. На вопросы она отвечает по пятичастной схеме: определение, значение темы, механизм, простой пример и главный вывод. Модель рассчитана на локальную работу на устройствах с ограниченными ресурсами; в карточке представлены веса Safetensors и варианты GGUF в форматах F16, Q8_0 и Q4_K_M, а README также описывает запуск через MLX на Apple Silicon. Модель подходит для объяснения научных, общественных и бытовых тем, а также для перевода сложных материалов на более доступный язык. Обучение включает примеры объяснений, аннотации arXiv и краткие новостные сводки. Карточка указывает английский язык и лицензию Apache-2.0. Это компактная модель с 0,8 млрд параметров; сведения о контекстном окне в предоставленных данных отсутствуют.

QuestA-Distilled-DeepSeek-7b-DirectOPD — диалоговая языковая модель, опубликованная как чекпойнт экспериментов BiDirect-OPD. В репозитории находится версия global_step_300; также доступны более ранние чекпойнты обучения. Метаданные указывают архитектуру Qwen2ForCausalLM, около 7,1 млрд параметров и контекст до 131 072 токенов. Модель предназначена для генерации текста в диалоговом формате. README связывает её с экспериментами BiDirect-OPD и называет дистиллированной моделью DeepSeek 7B, однако точный исходный репозиторий базовой модели в карточке не указан. Данные не описывают языковое покрытие, результаты оценки качества или конкретные специализации. Лицензия в предоставленных источниках не указана.

Qwen3-14B-MegaScience — языковая модель на 14 млрд параметров, разработанная проектом MegaScience и дообученная на наборе данных MegaScience для улучшения научных рассуждений. Она предназначена для генерации текста и диалоговых сценариев, связанных с научными вопросами. Модель построена на плотной архитектуре Qwen3ForCausalLM и работает через библиотеку Transformers. Контекст составляет до 32 768 токенов; в карточке указан английский язык. Для обучения использовались длина последовательности до 4 096 токенов, пакет размером 512 и три эпохи. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Это экспериментальная диалоговая языковая модель akpsahan на архитектуре Qwen3 MoE, дообученная на базе huihui-ai/Huihui-Qwen3-30B-A3B-Thinking-2507-abliterated с использованием датасета TeichAI/gemini-3-pro-preview-high-reasoning-250x. Модель предназначена для генерации текста и ответов с рассуждениями; автор описывает стиль рассуждений как более компактный и близкий к Gemini. В репозитории указаны контекст до 262 144 токенов, 128 экспертов и около 3 млрд активных параметров из 30 млрд; метаданные каталога приводят общее число параметров 2,6 млрд, поэтому оценку размера следует считать неоднозначной. Модель рассчитана на диалоговое использование, ролевые сценарии и задачи, требующие рассуждений; автор также заявляет сохранение математических и научных возможностей. Это текстовая модель на английском языке, распространяемая в формате Safetensors для Transformers. Заявленные автором результаты бенчмарков приведены без достаточного контекста для независимой оценки. Модель настроена на уменьшение отказов и может выдавать откровенный или грубый текст по запросу; для получения желаемой степени эксплицитности иногда требуется явно задать стиль и лексику. Лицензия — Apache-2.0.

Карточка модели DavidAU/Qwen3-30B-A3B-Gemini-Pro-High-Reasoning-2507-ABLITERATED-UNCENSORED на Hugging Face совпадает с карточкой akpsahan/Qwen3-30B-A3B-Gemini-Pro-High-Reasoning-2507-ABLITERATED-UNCENSORED, поэтому описание составлено по ней. Это экспериментальная диалоговая языковая модель akpsahan на архитектуре Qwen3 MoE, дообученная на базе huihui-ai/Huihui-Qwen3-30B-A3B-Thinking-2507-abliterated с использованием датасета TeichAI/gemini-3-pro-preview-high-reasoning-250x. Модель предназначена для генерации текста и ответов с рассуждениями; автор описывает стиль рассуждений как более компактный и близкий к Gemini. В репозитории указаны контекст до 262 144 токенов, 128 экспертов и около 3 млрд активных параметров из 30 млрд; метаданные каталога приводят общее число параметров 2,6 млрд, поэтому оценку размера следует считать неоднозначной. Модель рассчитана на диалоговое использование, ролевые сценарии и задачи, требующие рассуждений; автор также заявляет сохранение математических и научных возможностей. Это текстовая модель на английском языке, распространяемая в формате Safetensors для Transformers. Заявленные автором результаты бенчмарков приведены без достаточного контекста для независимой оценки. Модель настроена на уменьшение отказов и может выдавать откровенный или грубый текст по запросу; для получения желаемой степени эксплицитности иногда требуется явно задать стиль и лексику. Лицензия — Apache-2.0.

Qwen3.5-0.8B Pure Text ZH-EN — текстовая производная Qwen3.5 от разработчика wejyy888 для генерации текста и диалогов на китайском и английском языках. Модель преобразована из Qwen3.5-0.8B: удалены модуль зрения, веса MTP и специальные токены для визуальных, аудио- и речевых задач, а словарь сокращён с 248 320 до 182 684 токенов. Дополнительного обучения не проводилось; сохранённые веса исходной модели оставлены без изменений. В README указано 685,3 млн параметров, формат BF16 safetensors и контекст 262 144 токена по метаданным. Модель принимает только текст и предназначена для текстовой генерации, включая диалоговое применение. В README приведена оценка на классификации поисковых запросов китайской электронной коммерции, однако отдельный pipeline классификации для модели не заявлен. Токенизация китайского и английского языков сохранена после переназначения ID; другим языкам доступен байтовый fallback, но они обычно требуют больше токенов. Для ранее токенизированных наборов данных нужно выполнить переназначение ID с помощью old2new.json. README рекомендует короткое дополнительное предобучение или SFT перед производственным применением. Лицензия — Apache-2.0.