I.3Извлечение и структурирование данных

GPT-SW3 1.3B Instruct — авторегрессионная языковая модель на архитектуре decoder-only Transformer, разработанная AI Sweden совместно с RISE и WASP WARA for Media and Language. Это версия семейства GPT-SW3 с 1,3 млрд параметров, дообученная на инструкционных данных в форматах диалога и обычного текста; базовая модель предварительно обучалась на 320 млрд токенов, включая шведский, норвежский, датский, исландский, английский языки и программный код. Модель предназначена для генерации связного текста и выполнения инструкций, представленных как текстовые запросы. Её можно применять для диалоговых помощников, черновиков и ответов на вопросы на поддерживаемых языках, а также для языковых задач, сведённых к генерации текста. Метаданные указывают поддержку чата и задачи text-generation; репозиторий содержит веса PyTorch и Safetensors. Модель может воспроизводить предвзятость данных обучения, выдавать галлюцинации, нерелевантные или повторяющиеся ответы, а также небезопасный, оскорбительный или неподходящий для некоторых аудиторий контент. Лицензия указана как other; README называет модифицированную лицензию RAIL.

Это конверсия в формат GGUF F16 модели granite-embedding-reranker-english-r2 от IBM Granite. Модель предназначена для оценки релевантности пар «запрос — текст» и повторного ранжирования результатов поиска в инструментах и средах, поддерживающих её архитектуру и режим оценки. Это не генеративная чат-модель. Модель ориентирована на английский язык и основана на архитектуре ModernBERT согласно описанию базовой модели в каталоге. Репозиторий содержит веса GGUF в точности F16 без дополнительной квантизации. Использование формата зависит от поддержки encoder- и reranker-моделей, а также нужного механизма pooling или scoring в целевой среде. Лицензия — Apache-2.0.

Это GGUF-квантизированная версия текстовой генеративной модели grimjim/Llama-3-Instruct-8B-SPPO-Iter3-SimPO-merge. Квантизации подготовлены командой featherless-ai-quants. Модель основана на Llama 3 Instruct с размером 8B и предназначена для генерации текста, включая диалоговые и инструкционные сценарии. Репозиторий содержит варианты квантизации IQ4_XS, Q2_K, Q3_K_L, Q3_K_M, Q3_K_S, Q4_K_M, Q4_K_S, Q5_K_M, Q5_K_S, Q6_K и Q8_0 размером примерно от 3 до 8 ГБ. GGUF-формат ориентирован на запуск совместимыми локальными инструментами и позволяет выбирать компромисс между требованиями к памяти, скоростью и сохранением качества. Данные о поддерживаемых языках, длине контекста, точных архитектурных параметрах, результатах тестирования и ограничениях отсутствуют. Лицензия в README не указана.

Hemmingway-1-Heretic-Text — текстовая версия модели darrellbest/Hemmingway-1-Heretic, подготовленная как база для дообучения текста и вызова инструментов. Это плотная авторегрессионная модель Qwen3.5 с архитектурой Qwen3_5ForCausalLM, 22,3 млрд параметров и контекстом до 262 144 токенов; репозиторий содержит веса safetensors и не включает визуальную башню. Модель разработана на основе Hemmingway-1 от Altworld; её веса языковой модели побайтно совпадают с соответствующей частью основного репозитория. Модель рассчитана на генерацию текста в диалогах и на дообучение с помощью PEFT, TRL или Unsloth, в том числе для сценариев с вызовом инструментов. В карточке заявлено снижение частоты отказов и сохранение рассуждений относительно исходной модели. Это намеренно ослабленная система защитных ограничений, поэтому ответы могут не соответствовать ожиданиям по безопасному поведению. Лицензия CC BY-NC 4.0 разрешает некоммерческое использование с указанием авторства; для коммерческого использования требуется обратиться к правообладателю.

Huihui-Orchestrator-8B-abliterated — версия NVIDIA Orchestrator-8B, изменённая Huihui AI методом abliteration для ослабления отказов и фильтрации ответов. Это плотная языковая модель семейства Qwen3 с 7,6 млрд параметров, предназначенная для генерации текста в диалогах. Она принимает текст и выдаёт текст; заявленная длина контекста — 40 960 токенов. Модель можно запускать через Ollama. Ослабленная фильтрация позволяет получать ответы на запросы, от которых исходная модель могла бы отказаться, но также повышает вероятность чувствительных, спорных или неподходящих результатов. Рекомендуется проверять ответы. Репозиторий распространяется по лицензии MIT.

ClaudioItaly/Intelligence-7 — объединённая плотная языковая модель семейства Qwen2, созданная с помощью mergekit методом SLERP из AIDC-AI/Marco-o1 и happzy2633/qwen2.5-7b-ins-v3. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста в диалоговом формате; контекстное окно — до 32 768 токенов. Модель подходит для ведения диалогов и генерации ответов на текстовые запросы. В конфигурации слияния указана V-образная кривая, сочетающая поведение исходных моделей на входных и выходных слоях с вкладом WizardMath в средних слоях. Данные об отдельных языковых специализациях и прикладных областях не приведены. Модель опубликована в формате safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана. Качество и ограничения унаследованы от объединённых моделей; отдельные оценки или сведения об ограничениях модели не приведены.

jina-reranker-v3 — многоязычная модель-реранкер компании Jina AI для переупорядочивания документов по релевантности запросу. Она предназначена для улучшения результатов поиска и retrieval-систем, в том числе RAG, когда исходный поиск возвращает набор кандидатов, который нужно отсортировать точнее. Модель дообучена на Qwen3-0.6B и содержит около 507,9 млн параметров. Это плотная архитектура на базе Qwen3 с 28 слоями трансформера и небольшим MLP-проектором; механизм listwise-ранжирования позволяет сравнивать запрос и несколько документов в общем контексте. За один проход обрабатывается до 64 документов, а длина контекста составляет 131 072 токена. В README заявлены результаты на BEIR, MIRACL, MKQA и CoIR. Модель принимает текст запроса и документы и выдаёт ранжирование, а не обычный ответ пользователю. Поддерживает многоязычный поиск; карточка не уточняет список языков. Для новых проектов разработчик рекомендует jina-reranker-v3.5 как более быстрый и сильный преемник. Лицензия CC BY-NC 4.0 ограничивает использование некоммерческими условиями.

J.O.S.I.E. — чат-модель и ассистент, разработанный Gökdeniz Gülmez. Это дообученная на пользовательских наборах DPO модель на базе Goekdeniz-Guelmez/Josiefied-Qwen2.5-7B-Instruct-abliterated-v2 с архитектурой Qwen2 и 7,1 млрд параметров. Она предназначена для диалоговой генерации текста и выполнения запросов пользователя; в метаданных также отмечен интерфейс вызова инструментов. Модель принимает текст и генерирует текст. Заявленная длина контекста — 32 768 токенов. Репозиторий содержит веса в формате safetensors, лицензия — Apache 2. README описывает её как ассистента с менее ограниченным поведением, однако подробности обучающих данных и системного промпта в доступной карточке опущены.

Это дообученная диалоговая модель yatokim на базе kakaocorp/kanana-1.5-8b-instruct-2505. Она построена на плотной архитектуре семейства Llama и содержит 7,5 млрд параметров; модель предназначена для генерации текста и общения в формате инструкций, а также поддерживает интерфейс вызова инструментов. Модель принимает текст и выдаёт текст. Её контекст составляет 32 768 токенов. В карточке указан английский язык; базовая Kanana предназначена также для программирования, математики и вызова инструментов, однако README этой версии не описывает отдельную специализацию или результаты оценки качества. Репозиторий содержит веса safetensors, модель обучена с использованием Unsloth и библиотеки TRL. Лицензия — Apache-2.0.

Karen_TheEditor_V2_STRICT_Mistral_7B-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель на архитектуре MistralForCausalLM с 7,1 млрд параметров. Это слияние методом SLERP модели mistralai/Mistral-7B-Instruct-v0.2 и FPHam/Karen_TheEditor_V2_STRICT_Mistral_7B; в README приведена конфигурация mergekit и формат весов bfloat16, а в репозитории указаны файлы safetensors. Модель предназначена для генерации текста и ответов в диалоге по инструкциям. Контекст составляет до 32 768 токенов. В карточке не описаны специальные области применения или языки, поэтому модель следует рассматривать как универсальную текстовую модель на базе Mistral. Модель выпущена под лицензией Apache-2.0. Карточка не содержит результатов оценивания качества или подробных сведений о поведении слияния; качество и следование инструкциям могут отличаться от исходной Mistral-7B-Instruct-v0.2.

L3.3-Nevoria-R1-70b-GGUF — это GGUF-квантизированная версия текстовой генеративной модели L3.3-Nevoria-R1-70b, подготовленная bartowski на основе модели Steelskull/L3.3-Nevoria-R1-70b. Модель относится к объединённым моделям, созданным с использованием mergekit, и предназначена для генерации текста в локальных средах на базе llama.cpp, включая LM Studio. Модель рассчитана на диалоговые и общие задачи генерации текста. Доступны варианты квантизации от Q8_0 до Q2_K и IQ2_XXS, поэтому можно выбирать между качеством, размером файла и требованиями к оперативной памяти. Наиболее качественными и рекомендуемыми в README названы Q6_K, Q5_K_M, Q5_K_S и Q4_K_M; более компактные варианты экономят память, но могут заметно уступать по качеству. Известный размер исходной модели — 70 миллиардов параметров. Формат GGUF и квантизация с использованием imatrix ориентированы на локальный инференс, однако для запуска качественных вариантов требуется значительный объём памяти. README не указывает архитектуру, поддерживаемые языки, размер контекстного окна, мультимодальные возможности, результаты тестирования или лицензию, поэтому эти характеристики нельзя достоверно определить по имеющимся данным.

LiquidAI/LFM2.5-1.2B-Instruct-ONNX — ONNX-версия языковой модели LFM2.5-1.2B-Instruct, разработанной Liquid AI. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск на периферийных устройствах, серверах и в браузере через WebGPU. Модель содержит около 1,2 млрд параметров и использует гибридную архитектуру с мультипликативными гейтами и короткими свёртками, оптимизированную для быстрого вывода на CPU, GPU и NPU. Поддерживаются английский, японский, корейский, французский, испанский, немецкий, итальянский, португальский, арабский и китайский языки. Доступны варианты Q4, FP16 и Q8: Q4 рекомендуется для большинства сценариев и WebGPU, FP16 ориентирован на более высокое качество, а Q8 предназначен для серверного использования. Размер контекста в README не указан. Сильные стороны модели — компактный размер, кроссплатформенность, поддержка ONNX Runtime и возможность браузерного запуска без отдельного серверного окружения. Ограничения включают отсутствие заявленной поддержки Q8 в WebGPU, необходимость размещать дополнительные файлы весов рядом с ONNX-графом, а также неуказанные в README показатели качества и ограничения контекстного окна. Модель распространяется по лицензии lfm1.0; лицензия обозначена как other.

parmanu-lcs2/Llama-3.1-6B-Instruct — сжатая обрезкой версия Meta-Llama-3.1-8B-Instruct, подготовленная автором репозитория parmanu-lcs2. Модель использует плотную архитектуру Llama для генерации текста и диалогов. После обрезки в ней около 6,03 млрд параметров; метаданные указывают 7,5 млрд. Репозиторий содержит веса в формате safetensors, а библиотека для работы с ними — Transformers. Заявленная длина контекста — 131 072 токена. Обрезка выполнена методом SNIPER с целевым коэффициентом сжатия 25%; после неё модель дообучили LoRA на 2 000 примерах SlimOrca в течение одной эпохи, затем объединили адаптеры с весами. Модель рассчитана на текстовые запросы и ответы в чате. В README указана длина контекста 1 024 токена для этапа восстановительного дообучения, поэтому качество работы на длинном контексте отдельно не подтверждено. Условия лицензии в предоставленных данных не приведены.

Llama-3.1-70B-Instruct-lorablated-GGUF — набор GGUF-квантизаций модели Llama-3.1-70B-Instruct-lorablated, подготовленный bartowski с использованием llama.cpp и imatrix. Базовая модель разработана mlabonne и основана на Llama 3.1 70B Instruct; README также указывает теги lorablated и uncensored, однако подробности этих изменений не приведены. Модель предназначена для генерации текста и запуска локально через llama.cpp, в том числе в LM Studio. Она поддерживает диалоговый формат Llama 3.1 с системными и пользовательскими сообщениями. Доступны варианты квантизации от Q8_0 до Q2_K и IQ2/IQ3/IQ4, размером примерно от 19 до 75 ГБ; более крупные варианты обычно обеспечивают более высокое качество, а компактные требуют меньше оперативной памяти, но сильнее теряют в качестве. README не содержит сведений о языках, размере контекста и мультимодальности. Для использования требуется совместимое локальное окружение и достаточный объём памяти, зависящий от выбранной квантизации. Рекомендуемыми названы Q6_K, Q5_K_M, Q4_K_L, Q4_K_M и IQ4_XS. Лицензия указана как llama3.1; дополнительные ограничения или условия распространения в README не раскрыты.

Модель promotion/Llama-3.1-8B-NBPO-UltraFeedback-eta0.05 — диалоговая языковая модель на архитектуре Llama, дообученная методом Nash Bargaining Preference Optimization (NBPO) на панели UltraFeedback. В качестве базовой модели и политики сравнения использована meta-llama/Llama-3.1-8B-Instruct; размер составляет 7,5 млрд параметров, максимальный контекст — 131 072 токена. Репозиторий использует Transformers и формат safetensors. Модель предназначена для генерации ответов на инструкции с акцентом на следование инструкциям, правдивость, честность и полезность. В README описан эксперимент с 300 обновлениями оптимизатора и глобальным размером пакета 16; оценка проводилась на отложенных промптах без пересечения с обучающими, по отдельным целям, с использованием Llama-3.3-70B-Instruct в роли судьи. Указанная лицензия — llama3.1. Карточка не приводит численных результатов оценки, поэтому сравнительное качество модели по ней установить нельзя.

Llama-3.1-Saoirse-70B — объединённая автором nbeerbower языковая модель на архитектуре Llama 3.1. Она создана методом Model Stock с помощью mergekit на основе mlabonne/Hermes-3-Llama-3.1-70B-lorablated и включает веса нескольких моделей семейства Llama 3.1, в том числе вариантов Mahou, Nemotron, Gutenberg-Doppel, Flammades и Rombos. Модель предназначена для генерации текста и диалогов. Она содержит 69,5 млрд параметров, принимает текст и выдаёт текст; заявленная длина контекста — 131 072 токена. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Языковая поддержка и специальные прикладные области в карточке не описаны. Модель распространяется по лицензии Llama 3.1. Карточка не приводит результатов оценки качества или подробных ограничений; качество и поведение могут зависеть от запроса и настроек генерации.

hugging-quants/Llama-3.2-1B-Instruct-Q8_0-GGUF — это квантованная версия инструкционной языковой модели Meta Llama 3.2 1B Instruct, подготовленная в формате GGUF для использования с llama.cpp и совместимыми инструментами. Модель предназначена для генерации текста и выполнения инструкций в диалоговых и прикладных сценариях, где важны умеренные требования к вычислительным ресурсам. Модель относится к семейству Llama 3.2 и имеет размер 1 миллиард параметров. Квантование Q8_0 снижает требования к хранению и вычислениям по сравнению с полноточной версией, сохраняя близкое к исходному качество, однако возможны небольшие потери точности. В карточке указаны английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский языки. Модель работает с текстом; сведения о контекстном окне и дополнительных модальностях не указаны. Сильными сторонами являются компактный размер, поддержка инструкционного режима и совместимость с экосистемой GGUF и llama.cpp. Ограничениями выступают меньшая по сравнению с крупными моделями ёмкость и отсутствие подтверждённых в карточке характеристик контекстного окна и качества на конкретных тестах. Использование регулируется Llama 3.2 Community License от Meta. При распространении материалов или производных продуктов необходимо соблюдать условия лицензии, включая указание соглашения, атрибуцию, обозначение «Built with Llama» и требования Acceptable Use Policy.

Llama-3-Taiwan-70B-Instruct-GGUF — языковая модель для генерации текста и диалоговых сценариев, основанная на Llama-3-Taiwan-70B-Instruct от yentinglin. Модель ориентирована на китайский язык, включая традиционный китайский Тайваня, а также английский. Формат GGUF предназначен для локального запуска и использования с совместимыми инструментами. Модель имеет размер 70B параметров согласно названию, относится к семейству Llama 3 и использует инструкционную настройку. В карточке указаны контекст размером 4096 токенов, шаблон диалога llama-3-chat и поддержка запуска через GaiaNet. Квантование выполнено компанией Second State Inc. с использованием llama.cpp b3613. Модель подходит для многоязычных чат-ботов, генерации и обработки текста, особенно в сценариях, связанных с китайским и английским языками. К сильным сторонам относятся большой размер, инструкционная настройка и возможность локального или распределённого запуска в формате GGUF. README не содержит результатов бенчмарков, точного уровня квантования, требований к оборудованию и подробностей об ограничениях качества, поэтому эти характеристики нельзя оценить по имеющимся данным. Указана лицензия llama3.

Llama 4 Scout — мультимодальная авторегрессионная модель Meta с архитектурой mixture-of-experts и ранним объединением модальностей. В модели 17 млрд параметров и 16 экспертов; она предназначена для работы с текстом и изображениями. Модель подходит для диалогового помощника, визуального рассуждения, распознавания содержимого изображений, создания подписей и ответов на вопросы об изображениях. Поддерживает арабский, английский, французский, немецкий, хинди, индонезийский, итальянский, португальский, испанский, тагальский, тайский и вьетнамский языки. В README указано, что модель тестировалась на понимание до пяти изображений за один запрос. Модель распространяется по специальной коммерческой лицензии Llama 4 Community License Agreement с ограничениями Acceptable Use Policy. Это статическая модель, обученная на офлайн-данных; качество ответов и работу в конкретных сценариях следует проверять отдельно. Возможности понимания изображений сверх пяти изображений за запрос требуют дополнительного тестирования и настройки.

Карточка модели unsloth/Llama-4-Scout-17B-16E на Hugging Face совпадает с карточкой meta-llama/Llama-4-Scout-17B-16E, поэтому описание составлено по ней. Llama 4 Scout — мультимодальная авторегрессионная модель Meta с архитектурой mixture-of-experts и ранним объединением модальностей. В модели 17 млрд параметров и 16 экспертов; она предназначена для работы с текстом и изображениями. Модель подходит для диалогового помощника, визуального рассуждения, распознавания содержимого изображений, создания подписей и ответов на вопросы об изображениях. Поддерживает арабский, английский, французский, немецкий, хинди, индонезийский, итальянский, португальский, испанский, тагальский, тайский и вьетнамский языки. В README указано, что модель тестировалась на понимание до пяти изображений за один запрос. Модель распространяется по специальной коммерческой лицензии Llama 4 Community License Agreement с ограничениями Acceptable Use Policy. Это статическая модель, обученная на офлайн-данных; качество ответов и работу в конкретных сценариях следует проверять отдельно. Возможности понимания изображений сверх пяти изображений за запрос требуют дополнительного тестирования и настройки.

llm-jp-3.1-8x13b-32K-instruct4 — большая языковая модель, разработанная Центром исследований и разработок больших языковых моделей Национального института информатики Японии. Это разговорная модель семейства Mixtral с архитектурой MoE: 8 экспертов, из которых активируются 2. Каталог указывает 13,2 млрд параметров; в README приведены 73,2 млрд общих параметров исходной конфигурации 8x13b. Модель доступна в формате Safetensors для Transformers и распространяется по лицензии Apache-2.0. Модель предназначена для генерации текста и выполнения инструкций в диалоге. Вариант 32K продолжает предварительное обучение базовой модели на дополнительных 50 млрд токенов, чтобы увеличить контекст с 4K до 32K токенов. README описывает дальнейшее обучение на инструкциях, контролируемую тонкую настройку и выравнивание методом DPO. Основные языки — японский и английский. Модель можно применять для диалоговых помощников, ответов на вопросы и работы с длинными текстовыми контекстами. Разработчики отмечают, что модели находятся на ранней стадии исследований и разработки и не настроены для гарантированного соответствия человеческим намерениям и требованиям безопасности.

LongRAG_Llama3.1-8B-Instruct — плотная причинно-языковая модель семейства Llama, дообученная Bui1dMySea на базе meta-llama/Llama-3.1-8B-Instruct с использованием набора LRGinstruction. Модель предназначена для диалогового взаимодействия и генерации текста; заявленная длина контекста составляет 131072 токена, размер — около 7,5 млрд параметров. В карточке приведён результат оценки на тестовом наборе: loss 0,6885. Подробности о предназначении набора данных, методике оценки и ограничениях не раскрыты. Репозиторий содержит веса в формате Safetensors и использует библиотеку Transformers. Лицензия указана как other, поэтому конкретные условия использования следует уточнить в репозитории модели и базовой модели.

ConvexAI/Luminex-34B-v0.2 — разговорная языковая модель ConvexAI на архитектуре Llama с 33,9 млрд параметров и контекстом до 32 768 токенов. По карточке, это SimpleSmaug-34b с применённым методом LaserRMT; в метаданных базовой моделью указана jondurbin/bagel-34b-v0.2, от которой модель является дообучением. Модель предназначена для генерации текста и диалогового взаимодействия. В README приведены результаты Open LLM Leaderboard: среднее значение 77,19, включая 74,49 в AI2 Reasoning Challenge и 86,76 в HellaSwag; другие результаты заявлены, но таблица неполная. Модель опубликована в форматах PyTorch и Safetensors. Лицензия обозначена как other, поэтому условия использования следует сверить с лицензией репозитория.

MaziyarPanahi/M7Yamshadowexperiment28_OgnoShadow — объединённая модель семейства Mistral с 7,1 млрд параметров, созданная на основе automerger/M7Yamshadowexperiment28-7B и automerger/OgnoShadow-7B. Она предназначена для генерации текста и диалоговых ответов, включая сценарии с контекстом до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. README и метаданные не уточняют её языковой охват и специальные ограничения.

MachiNoDolphin-Qwen2.5-72b — слитая с помощью mergekit методом TIES языковая модель на базе Qwen2.5-72B. В объединение вошли SteyrCannon-0.2-Qwen2.5-72b, banana-2-b-72b, shuttle-3, Evathene-v1.0 и Chronos-Platinum-72B. Модель содержит 71,5 млрд параметров, построена на плотной архитектуре Qwen2 и поддерживает контекст до 131 072 токенов. Модель предназначена для диалогов и генерации текста; для общения используется формат ChatML. По описанию автора, она в основном допускает свободные ответы, хотя иногда может отказывать на отдельные запросы. Метаданные указывают поддержку английского, русского, китайского, японского и ряда других языков. Автор рекомендует экспериментальные настройки генерации с высокой температурой, поэтому результат может зависеть от параметров декодирования. Модель распространяется в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

bartowski/magnum-v3-27b-kto-GGUF — это набор GGUF-квантизированных версий языковой модели anthracite-org/magnum-v3-27b-kto. Квантизация выполнена bartowski с использованием llama.cpp, версии b3715, и метода imatrix. Модель предназначена для генерации текста и запуска локально через совместимые приложения, включая LM Studio. Для взаимодействия рекомендуется шаблон сообщений ChatML с ролями system, user и assistant. Модель имеет 27 миллиардов параметров; README не указывает точную базовую архитектуру, поддерживаемые языки, модальности и размер контекстного окна. Доступны варианты от F16 до Q2_K, включая Q8_0, Q6_K, Q5_K, Q4_K, IQ4 и другие форматы. Более высокие разрядности обеспечивают лучшее сохранение качества, но требуют больше памяти; низкоразрядные варианты уменьшают требования к памяти за счёт снижения качества. Для ARM-процессоров предусмотрены специальные варианты Q4_0 с требованиями к поддержке SVE или i8mm. Сильной стороной набора является широкий выбор размеров файлов и уровней квантизации, позволяющий адаптировать запуск под доступную оперативную память; варианты Q6_K_L, Q6_K, Q5_K и Q4_K отмечены как рекомендуемые. Ограничения включают значительные требования к памяти для полноразмерных вариантов и возможное ухудшение качества у низкоразрядных форматов. Лицензия в README не указана.

Magnum-v4-Cydonia-v1.2-22B — объединение двух предварительно обученных языковых моделей, созданное автором knifeayumu с помощью mergekit. В слияние методом SLERP вошли TheDrummer/Cydonia-22B-v1.2 и anthracite-org/magnum-v4-22b; итоговая модель использует плотную архитектуру Mistral и содержит 22 млрд параметров. Модель предназначена для генерации текста и диалогового взаимодействия; доступен интерфейс вызова инструментов. Контекст составляет 32 768 токенов. Карточка не приводит отдельного перечня языков, а базовые модели описаны как ориентированные на англоязычные диалоги, следование инструкциям и связную прозу. Лицензия указана как other, поэтому условия использования следует сверять с карточкой модели и лицензиями исходных моделей.

Way56/Mai-5B — мультимодальная модель для диалогов и ответов на запросы, созданная слиянием моделей через mergekit. В основу слияния вошла huihui-ai/Huihui-Qwen3.5-4B-Claude-4.6-Opus-abliterated; применён метод DARE TIES, указана точность float16. Архитектура — плотная Qwen3.5 с классом Qwen3_5ForConditionalGeneration. Модель принимает текст и изображения и генерирует текст, поэтому подходит для диалога и ответов на вопросы по изображениям. Базовая модель описана как экспериментальная Qwen3.5-4B с ослабленными отказами. Лицензия, размер контекстного окна и поддерживаемые языки в предоставленных данных не указаны.

kzome/manhua-ar-model — дообученная разработчиком kzome модель генерации текста на архитектуре Qwen2.5. Она основана на unsloth/Qwen2.5-7B-Instruct-bnb-4bit и содержит 7,1 млрд параметров; в карточке указаны обучение с Unsloth и библиотекой TRL, а также поддержка диалога и интерфейса вызова инструментов. Модель подходит для генерации текста и диалогового взаимодействия. Контекстное окно составляет до 32 768 токенов, основной указанный язык — английский. Модель распространяется по лицензии Apache-2.0.

MegaHyperLlama3.1 — объединённая плотная языковая модель семейства Llama, созданная с помощью mergekit методом TIES на основе unsloth/Meta-Llama-3.1-8B и моделей bunnycore/HyperLlama-3.1-8B и bunnycore/HyperLLama3.1-Mix-8B. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и предназначена для генерации текста и диалогов; поддерживает контекст до 131 072 токенов. Модель подходит для диалоговых приложений и генерации текста с длинным контекстом. Карточка не приводит сведения о поддерживаемых языках, специальных областях применения или результатах оценки качества. Весовые файлы доступны в формате safetensors; лицензия в предоставленных данных не указана.