I.2Синтез, понимание и проверка знаний

BulgakovLM 3B — русскоязычная языковая модель от 0x7o на архитектуре GPT-J. Она обучена на корпусе объёмом около 100 ГБ, в основном состоящем из веб-страниц, книг, стихов и прозы; обучение проведено за два прохода. Модель предназначена для генерации текста на русском языке и может служить основой для дальнейшего дообучения. Модель принимает текст и генерирует текст, использует контекст до 4096 токенов и доступна в форматах PyTorch и Safetensors. В README приведены результаты оценки на русскоязычном бенчмарке MERA с общей оценкой 0,198. Модель выпущена под лицензией Apache-2.0.

Cambrian-8B — мультимодальная большая языковая модель с акцентом на зрительное восприятие, разработанная командой Cambrian. Модель относится к семейству Cambrian Llama, использует плотную архитектуру CambrianLlamaForCausalLM и содержит 7,5 млрд параметров. В метаданных заявлены генерация текста и диалоговый режим; контекст составляет 8192 токена. Модель обучалась на 2,5 млн примеров Cambrian Alignment Data и 7 млн примеров Cambrian Curated Instruction Tuning Data. Она предназначена для диалоговых сценариев с визуально ориентированными мультимодальными задачами, однако доступная карточка не описывает конкретные визуальные входы и результаты тестирования. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

Caramelo 4.4.1 — дообученная Guilherme Favaron модель на основе google/gemma-4-E4B-it. Она предназначена для диалога и написания текстов в прямом, аргументированном стиле автора: отвечает на бразильском португальском, подкрепляет мысль данными и примерами, избегает рекламного тона и эмодзи. Модель доступна через API, веб-приложение и CLI; веса также можно запускать локально. Основа модели использует архитектуру Gemma4ForConditionalGeneration, однако этот LoRA обучен только для текстового декодера: Caramelo принимает текст и генерирует текст, а возможности обработки изображений и аудио базовой модели здесь не задействованы. Обучение выполнено методом QLoRA на 414 парах для коррекции стиля; в репозитории опубликованы объединённые веса bf16 и GGUF Q4_K_M. GGUF занимает около 5 ГиБ и, по карточке, работает на CPU. В README приведены результаты слепого сравнения на 24 запросах, но это внутренняя оценка проекта. Лицензия — Apache-2.0, как у базовой модели. В опубликованных весах нет серверной защитной прослойки, используемой в размещённом сервисе, поэтому для самостоятельного развёртывания следует настроить собственную модерацию. Настройка на голос автора и португальский язык ограничивает пригодность модели для иных стилей и языков.

ChemDFM-v1.0-13B — диалоговая языковая модель для химии и молекулярной науки, разработанная командой OpenDFM на основе LLaMA-13B. Это плотная модель семейства LLaMA с 12,9 млрд параметров, предназначенная для генерации ответов на вопросы и ведения диалога по химическим темам. Она обучалась на корпусах химической литературы и дообучалась для следования инструкциям. Модель подходит для объяснения химических понятий, обсуждения молекул и реакций, а также поддержки исследовательских сценариев, например анализа синтетических стратегий и предложений по проведению реакций. В запросах можно использовать обозначения SMILES; авторы рекомендуют предварительно канонизировать их с помощью RDKit. Модель поддерживает английский и китайский языки, а её контекст составляет 2048 токенов. В README заявлены сильные результаты на типичных химических задачах и способность корректировать и уточнять ответы в диалоге. Модель может выдавать неверную или вводящую в заблуждение информацию, поэтому ответы следует проверять с профильными специалистами. Распространяется по лицензии AGPL-3.0.

noctrex/cogito-v2-preview-llama-109B-MoE-MXFP4_MOE-GGUF — MXFP4_MOE-квантизация Cogito v2 Preview Llama 109B MoE, подготовленная noctrex на основе модели deepcogito/cogito-v2-preview-llama-109B-MoE. Репозиторий содержит GGUF-файлы в вариантах BF16, F16 и F32; метаданные указывают на диалоговый режим и поддержку изображений. Модель предназначена для диалога с текстом и изображениями в сценариях, где нужна мультимодальная модель Cogito v2. Ключевое семейство — Llama с архитектурой Mixture of Experts и заявленным размером 109 млрд параметров базовой модели. Данных о контексте и поддерживаемых языках в предоставленных источниках нет. README описывает MXFP4_MOE-квантизацию, однако метаданные также перечисляют GGUF-варианты BF16, F16 и F32. Лицензия в предоставленных данных не указана.

CS505_COQE_viT5_Prompting9_ASPOL — дообученная модель ThuyNT03 на базе VietAI/vit5-large, созданная для генерации текста. Архитектура — T5ForConditionalGeneration; модель содержит 389,3 млн параметров и распространяется в формате safetensors. Базовая VietAI/vit5-large предназначена для работы с вьетнамским текстом, в том числе для ответов на вопросы, суммаризации и перевода. Карточка этой производной модели не уточняет целевые задачи, обучающие данные и результаты оценки, поэтому применимость к конкретным сценариям не подтверждена. Лицензия — MIT.

Darkhn-M3.2-36B-Animus-V12.0-Heretic-Uncensored-i1-GGUF — набор квантизированных GGUF-версий текстовой языковой модели, опубликованный alexokita. Исходные веса разработаны Silicone-Moss и Darkhn на базе плотной архитектуры Mistral с 36 млрд параметров; дополнительную обработку abliteration выполнили с использованием heretic от p-e-w. Модель предназначена для генерации текста, диалогов, roleplay и других текстовых сценариев, включая контент для взрослой аудитории. Поддерживается английский язык. Мультимодальные возможности отсутствуют, отдельный mmproj не предоставляется. В набор входят importance-matrix-квантизации i1 различных типов GGUF размером примерно от 15,5 до 36,9 ГБ, а также файл imatrix для создания собственных квантов. Доступны варианты IQ3_M, IQ4_XS, Q4_K_S, Q4_K_M, Q5_K_S, Q5_K_M, Q6_K и Q8_0; Q4_K_M отмечен как быстрый и рекомендуемый, а Q4_K_S — как оптимальный по соотношению размера, скорости и качества. Конкретные данные о размере контекстного окна, производительности и качестве на стандартных тестах не указаны. Модель ориентирована на пользователей, которым нужна крупная локальная текстовая модель с пониженной склонностью к отказам: в описании базовой версии указано 8 отказов из 100 проверок при KL 0,0200. Это одновременно означает потенциально более слабые встроенные ограничения безопасности, поэтому модель не предназначена для всех аудиторий. Файлы распространяются по лицензии Apache-2.0; условия лицензии исходных весов отдельно не уточнены.

Dazzling-Star-Aurora-32b-v0.0-Experimental-1130-GGUF — это набор GGUF-квантизаций языковой модели Dazzling-Star-Aurora-32b-v0.0-Experimental-1130 от ProdeusUnity. Квантизации подготовлены bartowski с использованием llama.cpp версии b4222 и метода imatrix. Модель предназначена для генерации текста и локального запуска через llama.cpp или LM Studio. Доступны варианты с разной точностью и размером — от Q3_K_XL и IQ4_XS до Q8_0; размеры файлов составляют примерно от 17,93 до 34,82 ГБ. В README указано, что варианты Q6_K_L, Q6_K, Q5 и Q4 рекомендованы для практического использования, а Q4_K_M описан как вариант по умолчанию для большинства сценариев. Отдельные файлы оптимизированы для ARM или AVX, при этом некоторые требуют поддержки SVE или i8mm и не предназначены для Mac. Сильной стороной модели является широкий выбор квантизаций, позволяющий подобрать баланс между качеством, требованиями к памяти и производительностью локального вывода. Модель экспериментальная, а сведения об архитектуре, поддерживаемых языках, контекстном окне, мультимодальности и результатах тестирования в README не приведены. Лицензия также не указана, поэтому условия использования необходимо уточнять у исходной модели ProdeusUnity и в её репозитории.

Delexa-V0.1-7b — текстовая генеративная модель семейства Mistral, выпущенная командой lex-hue. В карточке описано обучение на примерах с одним вопросом и тремя вариантами ответа; модель оценивали на выборе лучшего ответа и на наборах задач для проверки рассуждений и здравого смысла. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и принимает контекст длиной до 32 768 токенов. README не сообщает, какие языки представлены в обучающих данных. Карточка заявляет, что модель допускает контент для взрослых, а также упоминает ограничения на незаконный контент; такие защитные меры могут обходиться. Результаты в карточке относятся к указанным оценочным наборам и не гарантируют качество в других сценариях. Модель распространяется по лицензии Apache-2.0.

DiffusionGemma — генеративная мультимодальная модель, разработанная Google DeepMind. Представленная версия — GGUF-квантизация модели google/diffusiongemma-26B-A4B-it, основанной на архитектуре Gemma 4 с 26B-параметрной Mixture-of-Experts-конфигурацией A4B. Модель принимает текстовые, графические и видеофрагменты и генерирует текстовый ответ. В отличие от стандартных авторегрессионных моделей, DiffusionGemma использует дискретную диффузию и блочную diffusion-архитектуру. Она предназначена для диалоговых сценариев, обработки мультимодальных запросов и локального запуска с повышенной скоростью генерации. Доступны варианты GGUF с точностью от BF16 до Q4_K_M: размер файлов составляет примерно от 47 до 16 ГБ, а вариант Q4_K_M может работать на одной видеокарте с 24 ГБ памяти. Для запуска требуются специальная ветка DiffusionGemma в llama.cpp и отдельный llama-diffusion-cli; стандартные llama-cli и llama-server пока не поддерживают генерацию этой моделью. Модель имеет открытые веса и распространяется по лицензии Apache 2.0. README не содержит сведений о поддерживаемых языках, максимальном контексте, точных характеристиках отдельных модальностей и результатах сравнительных бенчмарков.

Dorna2-Llama3.1-8B-Instruct — диалоговая языковая модель Part AI, созданная дообучением Meta Llama 3.1 8B Instruct на персидских данных. Она предназначена для генерации текста и общения, с особым акцентом на персидский язык. В карточке приведена оценка на пяти наборах тестов на персидском языке: общие знания, рассуждение и специализированные экзаменационные вопросы. В сравнении с исходной Llama 3.1 8B Instruct модель показала среднюю точность 50,72; результаты зависят от набора и не гарантируют качество на других задачах. Модель использует архитектуру decoder-only и доступна в формате Safetensors для Transformers. Лицензия — Llama 3.1.

Einstein-v4-phi2 — полноценно дообученная на разнообразных наборах данных модель Microsoft Phi-2, опубликованная Weyaxi. Она предназначена для генерации текста в формате инструкций и диалога ChatML, включая ответы на вопросы и рассуждения по научным и STEM-темам: физике, химии, биологии и математике. В обучающих данных также использовались наборы по общим вопросам, коду и диалогам. Модель имеет плотную архитектуру PhiForCausalLM и 3,5 млрд параметров. Она принимает текст и генерирует текст, поддерживает английский язык, а длина контекста составляет 2048 токенов. Карточка сообщает о полном дообучении в течение двух эпох с использованием Axolotl. В качестве ограничений следует учитывать компактный контекст и то, что ответы модели могут содержать ошибки, в том числе в научных рассуждениях. Лицензия указана как «other», поэтому условия использования следует сверить с файлами репозитория Hugging Face.

Карточка модели elyza/ELYZA-japanese-Llama-2-7b на Hugging Face совпадает с карточкой elyza/ELYZA-japanese-Llama-2-7b-instruct, поэтому описание составлено по ней. ELYZA-japanese-Llama-2-7b-instruct — языковая модель ELYZA на архитектуре Llama 2, предназначенная для генерации текста и инструкционного диалога. Модель расширяет способности Llama 2 к японскому языку дополнительным предварительным обучением; в карточке она указана как версия instruct семейства ELYZA-japanese-Llama-2-7b. Разработчики: Akira Sasaki, Masato Hirakawa, Shintaro Horie и Tomoaki Nakamura. Модель содержит около 6,6 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текст, выдавая текст. Контекст составляет 4096 токенов. В метаданных указаны японский и английский языки; основное назначение — работа с японским текстом, включая ответы по инструкциям и генерацию. Модель распространяется по лицензии Llama 2. Карточка не приводит подробных оценок качества или ограничений; как и другие языковые модели, она может выдавать неточные или вымышленные сведения.

BigBang-v1-GGUF — это квантизированная версия модели BigBang-v1, разработанной endless-frontier и подготовленной пользователем bartowski в формате GGUF для запуска с llama.cpp. Модель предназначена для генерации текста и обработки изображений при использовании специального mmproj-файла, поэтому подходит для мультимодальных сценариев, включая анализ текстовых и визуальных входных данных. Указана поддержка языка en. Модель содержит около 36 млрд параметров и поддерживает MTP, а также квантизацию с использованием imatrix. Доступны варианты от BF16 до низкобитных форматов Q8, Q6, Q5, Q4, Q3 и IQ; рекомендуемый баланс размера и качества — Q4_K_M размером 21,86 ГБ. Более качественные варианты требуют до 30–38 ГБ, а BF16-веса занимают 71,07 ГБ. Выбор формата влияет на требования к памяти и качество результата. Сильными сторонами модели являются мультимодальный ввод, большой размер и широкий выбор квантизированных вариантов для разного объёма доступной памяти. Ограничения включают высокие требования к ресурсам, необходимость llama.cpp-совместимой инфраструктуры, а для работы с изображениями — отдельного mmproj-файла; конкретные возможности, контекстное окно и результаты тестирования в README не указаны. Лицензия заявлена как Apache-2.0.

ssmits создал Falcon2-5.5B-Swedish — шведскую языковую модель для генерации текста, полученную преобразованием Falcon-11B методом passthrough с помощью mergekit. Для сокращения модели проанализировали сходство слоёв на 2000 примерах из шведской части Wikimedia Wikipedia и сохранили диапазоны слоёв [0, 25] и [56, 59]. В метаданных указаны архитектура FalconForCausalLM, 7,8 млрд параметров, контекст до 8192 токенов и формат safetensors. Модель предназначена для исследований и дальнейшей специализации, например, для суммаризации, генерации текста и чат-ботов. Она обучена преимущественно на английском, но также поддерживает шведский и ряд европейских языков. Лицензия — Apache-2.0. Для работы с Transformers требуется PyTorch 2.0; авторы не рекомендуют применять модель в production без оценки рисков и защитных мер.

ssmits/Falcon2-8B-Portuguese — языковая модель семейства Falcon для генерации текста, созданная слиянием предварительно обученных моделей с помощью mergekit и метода passthrough. В README указана одна включённая модель — ssmits/Falcon2-5.5B-Portuguese; метаданные также связывают её с этим репозиторием, хотя помечают связь как дообучение. Модель предназначена для генерации текста и диалоговых сценариев. Метаданные указывают архитектуру FalconForCausalLM, плотную архитектуру, 11,8 млрд параметров и контекст до 8192 токенов. Карточка сообщает о португальском варианте модели; отдельные сведения о качестве и ограничениях в README не приведены. Файлы доступны в формате safetensors, библиотека — Transformers. Условия лицензии в предоставленных данных не указаны.

flammen23-mistral-7B — языковая модель на архитектуре Mistral с 7,1 млрд параметров, разработанная FlammenAI. Модель создана слиянием предварительно обученных моделей и последующим дообучением методом Direct Preference Optimization на датасете nbeerbower/bible-dpo; в метаданных базовой моделью указана flammenai/flammen22X-mistral-7B. Модель предназначена для ролевых диалогов с персонажами, творческого письма и задач общего назначения. Она принимает текст и генерирует текст, работает через Transformers, а заявленная длина контекста составляет 32 768 токенов. Модель распространяется под лицензией Apache-2.0. Карточка не приводит подробных результатов оценки качества; специализация на ролевой игре и творческом письме заявлена разработчиком.

French-Alpaca-Llama3-8B-Instruct-v1.0 — языковая модель, разработанная Jonathan Pacifico в 2024 году и дообученная на инструкционном наборе French-Alpaca, созданном с помощью OpenAI GPT-3.5-turbo. Модель основана на Llama 3 8B Instruct и предназначена для диалогов и выполнения инструкций на французском языке; её также можно дообучать для специализированных задач. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров, работающая через Transformers и принимающая контекст до 8192 токенов. Карточка указывает французский язык; метаданные также отмечают английский. Модель распространяется в формате safetensors по лицензии Apache-2.0. Автор описывает её как быструю демонстрацию языковой специализации базовой модели на 8 млрд параметров. У модели нет механизмов модерации, поэтому она может выдавать неподходящие ответы; качество и безопасность для специализированного применения следует оценивать отдельно.

rinna/gemma-2-baku-2b-it — японская инструкционно настроенная языковая модель от rinna на архитектуре Gemma 2. Она предназначена для диалогов и генерации текста с выполнением инструкций; модель использует формат чата Gemma 2 и рассчитана на сценарии, где нужны ответы на запросы и следование указаниям на японском языке. Модель содержит 2,7 млрд параметров, построена как плотный трансформер с 26 слоями и размером скрытого состояния 2304. Контекст — до 8192 токенов. Инструкционное поведение получено слиянием базовой rinna/gemma-2-baku-2b с разностью весов google/gemma-2-2b-it и google/gemma-2-2b, после чего модель дополнительно дообучили методом ORPO на внутреннем наборе данных rinna. Лицензия — Gemma. Для пакетного вывода в bfloat16 авторы рекомендуют eager attention: при стандартном scaled dot product attention входные последовательности с padding могут приводить к NaN. README не приводит количественных результатов бенчмарков.

Gemma 3 4B IT QAT Abliterated — чат-модель на 4 млрд параметров, созданная Mlabonne на основе google/gemma-3-4b-it-qat-q4_0-unquantized. Автор применил abliteration: скорректировал внутренние представления модели, чтобы уменьшить отказы на запросы, сохранив связность ответов. Модель предназначена для диалога, генерации текста и ответов на вопросы по изображениям; заявленная архитектура — плотная Gemma 3, для запуска используются Transformers и формат safetensors. Контекст составляет до 131 072 токенов. Модель рассчитана на сценарии, где требуется меньше отказов, в том числе при обработке вредоносных запросов. Автор описывает оценку доли принимаемых запросов на специальном наборе, но не приводит в карточке сами результаты или подробные замеры качества. Лицензия — Gemma; перед использованием следует учитывать её условия. Снижение числа отказов означает, что модель может выдавать потенциально опасный контент.

Gemma-3-4B-Urdu-Edu-Reasoning — дообученная в рамках Adaption Labs AutoScientist Challenge модель на базе google/gemma-3-4b-it, адаптированная для ответов на урду в образовательных и познавательных сценариях. Это плотная текстовая модель семейства Gemma 3 с 4 млрд параметров; она принимает текстовые инструкции и генерирует ответы с объяснениями. Контекстное окно — 131 072 токена. Метаданные указывают поддержку урду и английского языков. Модель предназначена для вопросов по STEM-дисциплинам, профессиональным и социальным темам, общим знаниям и рассуждениям на урду. На тесте UrduMMLU она показала точность 46,21% против 44,96% у базовой модели, улучшив результат в большинстве переносимых областей знаний. Обучение включало перевод и локализацию англоязычных корпусов в пакистанский урду, а также примеры на родном урду. Слабее базовой модели она отвечает по литературе на урду и другим темам, требующим специфических знаний языка и культуры. При размере 4 млрд параметров возможны фактические ошибки, особенно в редких темах; модель наследует ограничения и смещения Gemma 3. Разработчик позиционирует её для исследований и образования, но не как надёжный источник для экзаменов, религиозных постановлений или юридических и медицинских рекомендаций. Лицензия — Gemma.

Gemma-4-12B-it-heretic_decensored-GGUF — это экспериментальная языковая модель, разработанная prithivMLmods на базе google/gemma-4-12B-it и преобразованная с помощью инструментария Heretic. В модели применены анализ направлений отказа и целевые изменения весов, направленные на уменьшение внутренних механизмов отказа при сохранении следования инструкциям, способностей к рассуждению и общих диалоговых возможностей. Доступны файлы в формате GGUF для запуска через llama.cpp и совместимые средства инференса. Модель предназначена для исследовательских и учебных сценариев генерации текста, рассуждений и диалогового взаимодействия. Указан английский язык; README также содержит мультимодальные компоненты mmproj, однако подробные характеристики поддерживаемых модальностей не описаны. Размер модели — 12B параметров, представлены варианты BF16, F16 и квантования от Q2_K до Q8_0 объёмом примерно от 4,83 до 23,8 ГБ. В примере запуска заявлен контекст до 128000 токенов, но эта настройка приведена только для конкретной конфигурации. Сильной стороной модели является потенциально более свободная генерация за счёт ослабленных механизмов отказа при сохранении базовых возможностей исходной instruct-модели. Ограничения связаны с экспериментальным характером и возможным появлением непредсказуемого поведения или артефактов; модель может генерировать чувствительный или неограниченный контент, поэтому требует осторожного применения. Лицензия — Apache-2.0.

Gemma4-12B-Uncensored-GGUF — это GGUF-версия модели toandev/Gemma4-12B-Uncensored, разработанная Toan Doan на основе google/gemma-4-12B-it. Модель предназначена для локального запуска в совместимых с llama.cpp средах и исследовательских или контролируемых сценариев оценки. Релиз включает квантованную языковую модель Gemma 4 с 12 млрд параметров в формате Q4_K_M и отдельный мультимодальный проектор в формате BF16. При совместном использовании модель поддерживает обработку изображений и генерацию текста по визуальному контексту; README также указывает на поддержку аудиоконтекстов в режиме unified inference. Для корректной работы требуется современная сборка llama.cpp, а мультимодальная поддержка находится в активной разработке. Заявленный контекст и полный перечень поддерживаемых языков в README не указаны. К сильным сторонам относятся возможность локального запуска, практичная для инференса квантизация Q4_K_M и мультимодальная обработка с использованием отдельного проектора. Ограничениями являются зависимость от актуальной версии llama.cpp, необходимость загружать два файла для мультимодальных сценариев и отсутствие подробных данных о производительности, языках и контекстном окне. Модель предназначена для исследований и контролируемой оценки. Использование регулируется лицензией Gemma и соответствующими условиями upstream-модели; также необходимо соблюдать применимые правила платформ и местное законодательство.

Это 5-битная квантованная версия мультимодальной модели gemma-4-26B-A4B-it, разработанной Google. Квантование выполнено командой LM Studio с использованием MLX и mlx_vlm, а модель оптимизирована для работы на устройствах Apple Silicon. В карточке указано назначение image-text-to-text, то есть обработка изображений и текста с генерацией текстового ответа. Модель предназначена для локального запуска в сценариях, требующих работы с визуальными и текстовыми данными. Квантование снижает требования к памяти по сравнению с полноразмерной версией и может сделать запуск практичнее на совместимых устройствах Apple, однако возможны потери качества относительно исходной модели. В README не указаны поддерживаемые языки, размер контекста, точные характеристики архитектуры, требования к памяти, результаты тестирования или конкретные ограничения применения. Модель распространяется по лицензии Apache 2.0; ссылка на условия лицензии Google Gemma приведена в карточке. LM Studio не является разработчиком или владельцем модели и не гарантирует её точность, безопасность и пригодность для конкретных задач. Как и другие генеративные модели, она может создавать ошибочные, вредные или неуместные ответы.

InfinimindCreations/gemma-4-E4B-it-uncensored-vision — GGUF-сборка мультимодальной Gemma 4 E4B-it, разработанная InfinimindCreations на базе моделей InfinimindCreations и Google. Модель предназначена для генерации и понимания текста, а также анализа изображений в сценариях image-text-to-text через llama.cpp. В комплект входят языковая модель gemma-4-E4B-it-uncensored в формате Q8_0 размером 8,01 ГБ и отдельный vision projector mmproj-BF16 размером 0,99 ГБ, необходимый для обработки изображений. В README также указано наличие vision_tower и audio_tower, однако поддержка аудио и поведение модели на мультимодальных запросах с удалёнными отказами не проверялись. Заявленный язык — английский; размер контекста в примере запуска сервера составляет 8192 токена. Сильной стороной сборки является работоспособный визуальный тракт: проверка через llama-mtmd-cli корректно описала фотографию первой полосы New York Times и распознала, что изображение является газетой. Языковая часть подвергнута abliteration: для текстовых запросов заявлены нулевые отказы на 656 проверенных промптах, но это не является гарантией качества или безопасности. Для работы с изображениями обязательны оба файла; рекомендуются llama-mtmd-cli или llama-server из llama.cpp. Ollama, согласно README, эту сборку не обслуживает. Модель распространяется по лицензии Apache 2.0; ответственность за применение лежит на пользователе.

GreenMind-Medium-14B-R1 — языковая модель GreenNode для ответов на вьетнамском языке и задач, требующих рассуждений среднего уровня. Она основана на Qwen/Qwen2.5-14B-Instruct и дообучена с применением Group Relative Policy Optimization (GRPO). Это плотная причинная модель семейства Qwen2 с 14,7 млрд параметров; метаданные указывают контекст 32 768 токенов, а карточка README заявляет до 131 072 токенов контекста и генерацию до 8 192 токенов. Модель предназначена для диалогов, ответов на общие вопросы, решения математических задач и рассуждений по естественным и общественным наукам. В README приведены результаты оценок на вьетнамских и региональных бенчмарках, включая SeaExam и VMLU. Поддержка английского, китайского, индонезийского и тайского языков отмечена в метаданных, хотя основной язык модели — вьетнамский. Весы доступны в формате safetensors; лицензия — MIT.

Gukbap-Qwen2.5-7B — языковая модель HumanF-MarkrAI на архитектуре Qwen2, дообученная на Qwen/Qwen2.5-7B-Instruct методом SFT. Модель содержит 7,1 млрд параметров и предназначена для диалогов и общих текстовых задач с особым акцентом на корейский язык. Авторы сообщают, что обучали её на собственном наборе из 1849 примеров, созданном с помощью открытых моделей по подходам LIMA и WizardLM, и приводят результаты внутренней оценки LogicKor; эти оценки не являются независимой проверкой. Модель принимает текст и генерирует текст. Карточка указывает контекст 8192 токена, тогда как метаданные каталога сообщают нативное окно контекста 32768 токенов; фактическое значение может зависеть от конфигурации и способа запуска. В метаданных также отмечен интерфейс вызова инструментов, но подробности его применения в README не описаны. Указана лицензия CC BY-NC 4.0, которая ограничивает коммерческое использование.

Guru-Llama-3-8B — языковая модель на архитектуре Llama 3, дообученная командой проекта с помощью LLaMA-Factory на дополнительных китайских данных. Это базовая, не чат-версия модели с 7,5 млрд параметров, рассчитанная на генерацию текста; метаданные также отмечают возможность диалога. Модель принимает текст и выдаёт текст, поддерживает китайский и английский языки, длина контекста составляет 8192 токена. Дополнительное обучение ориентировано на усиление работы с китайским языком. В README приведены результаты оценок CMMLU и MMLU, а среди обучающих материалов указаны новости, классическая поэзия и сведения о поэтах. Модель подойдёт для генерации китайского текста, ответов на вопросы и экспериментов с китайскоязычными приложениями. Использование регулируется лицензией Llama 3; перед применением следует соблюдать её условия.

Huihui-Qwen3.5-9B-abliterated — диалоговая мультимодальная модель huihui-ai, созданная методом abliteration на основе Qwen/Qwen3.5-9B. Это экспериментальная версия для общения, рассуждений и анализа изображений; модель принимает текст и изображения и генерирует текст. Архитектура — плотная Qwen3.5 с 9 млрд параметров, для запуска доступны веса Safetensors и интерфейс Ollama. Abliteration существенно снижает отказы модели на запросы, поэтому она может выдавать чувствительный, спорный или неприемлемый контент. В README разработчик называет реализацию грубым proof of concept. Модель распространяется по лицензии Apache-2.0.

Huihui-Qwen3.6-35B-A3B-Claude-4.6-Opus-abliterated — версия модели huihui-ai с ослабленными отказами, созданная методом abliteration на основе hesamation/Qwen3.6-35B-A3B-Claude-4.6-Opus-Reasoning-Distilled. Автор описывает её как грубую демонстрационную реализацию метода удаления отказов из LLM. Модель использует архитектуру Qwen3.5 MoE и формат safetensors; размер указан в названии — 35B параметров, из которых 3B активны. Метаданные указывают поддержку изображений и текста, чата и интерфейса вызова инструментов. Модель предназначена для диалогов и задач рассуждения с вводом текста и изображений. Ослабленная фильтрация отказов может привести к чувствительным, спорным или неподходящим ответам, поэтому результаты требуют внимательной проверки. Модель распространяется по лицензии Apache-2.0.