I.5Создание и редактирование текста

snezhanata/alpaca_v2 — языковая модель для генерации текста и диалоговых сценариев, размещённая на Hugging Face. Модель рассчитана на использование через библиотеку Transformers и имеет объём 7,5 млрд параметров. В метаданных она отмечена как conversational и связана с экосистемой Llama Factory и семейством Ministral. Модель поддерживает контекст до 32 768 токенов и может применяться для ведения диалогов, генерации ответов, написания и продолжения текста, а также интеграции в приложения на базе text-generation. README не содержит сведений о разработчике, языках, лицензии, исходной модели, обучающих данных и результатах оценки, поэтому эти характеристики нельзя подтвердить.

snezhanata/alpaca_v3 — генеративная языковая модель для создания и продолжения текста, размещённая на Hugging Face. По метаданным она использует экосистему Transformers и связана с семейством Ministral; сведения о разработчике в карточке модели не приведены. Модель содержит около 7,5 млрд параметров и поддерживает контекст до 32 768 токенов. Она предназначена для сценариев, где требуется генерировать связный текст или вести диалог, включая использование через совместимые инструменты Transformers и приложения на базе conversational text generation. Карточка модели не содержит описания обучающих данных, результатов оценки, поддерживаемых естественных языков, лицензии, архитектурных деталей и рекомендаций по применению. Поэтому модель следует предварительно проверять на качество, фактическую точность, устойчивость к нежелательным ответам и соответствие требованиям конкретной задачи.

CultriX/AlphaCeption-7B-v1 — слитая модель для генерации текста, созданная с помощью mergekit методом SLERP из CultriX/MergeCeption-7B-v3 и abideen/AlphaMonarch-daser. Она рассчитана на диалоговое взаимодействие и общие языковые задачи. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель принимает текст и генерирует текст; в метаданных указана возможность чата. Репозиторий содержит веса в формате safetensors, библиотека для работы — Transformers. Модель распространяется по лицензии Apache-2.0. В карточке не описаны конкретные языки обучения или специальные прикладные области, поэтому её языковые и предметные преимущества нельзя уточнить.

Amadeus-Verbo-FI-Qwen2.5-7B-PT-BR-Instruct — языковая модель для бразильского португальского, созданная Amadeus AI дообучением Qwen/Qwen2.5-7B-Instruct на 600 тысячах инструкций в течение двух эпох. Это плотная Transformer-модель семейства Qwen2 с причинной генерацией текста; в метаданных указано 7,1 млрд параметров и контекст 32 768 токенов. README приводит другие значения: 7,61 млрд параметров и контекст 131 072 токена. Модель предназначена для диалогов и генерации ответов на инструкции на бразильском португальском. Метаданные также отмечают интерфейс для вызова инструментов. Для загрузки README рекомендует библиотеку Hugging Face Transformers. Модель распространяется под лицензией Apache-2.0.

AMALIA-9B-1225-SFT — открытая языковая модель, разработанная консорциумом португальских университетов и исследовательских центров при участии Фонда науки и технологий Португалии. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 8,6 млрд параметров. Репозиторий содержит веса Safetensors; модель поддерживает диалоговый режим и контекст до 32 768 токенов. Модель предназначена для универсальной генерации текста на европейском португальском (pt-PT): диалоговой помощи, следования инструкциям, ответов на вопросы, суммаризации, написания и редактирования текстов, перевода и исследовательских задач по португальскому языку. Обучение включало предварительное обучение, контролируемую тонкую настройку (SFT) и настройку предпочтений методом DPO. Модель также можно адаптировать для последующих приложений, включая RAG и государственные сервисы. Карточка указывает, что модель оптимизирована для pt-PT; другие варианты португальского могут обрабатываться менее последовательно. Она способна выдавать фактические ошибки, предвзятые или вредоносные ответы, поэтому результаты нужно проверять, а при внедрении добавлять защитные механизмы и проводить оценку для конкретной задачи. Лицензия — Apache-2.0.

Карточка модели Smuggling1710/An4-7Bv2.3 на Hugging Face совпадает с карточкой Smuggling1710/An4-7Bv2.1, поэтому описание составлено по ней. An4-7Bv2.1 — языковая модель Smuggling1710 для генерации текста. Она дообучена на базе unsloth/mistral-7b-v0.2-bnb-4bit с использованием Unsloth и библиотеки TRL. Модель построена на архитектуре Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов, принимает текст и генерирует текст. Модель подходит для сценариев генерации текста на английском языке. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Карточка не описывает специализированные задачи или дополнительные возможности модели.

Карточка модели Smuggling1710/An4-7Bv2.4 на Hugging Face совпадает с карточкой Smuggling1710/An4-7Bv2.1, поэтому описание составлено по ней. An4-7Bv2.1 — языковая модель Smuggling1710 для генерации текста. Она дообучена на базе unsloth/mistral-7b-v0.2-bnb-4bit с использованием Unsloth и библиотеки TRL. Модель построена на архитектуре Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов, принимает текст и генерирует текст. Модель подходит для сценариев генерации текста на английском языке. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Карточка не описывает специализированные задачи или дополнительные возможности модели.

laion/anh-bloomz-7b1-mt-cross-lingual — дообученная модель семейства BLOOMZ, созданная LAION на основе bloomz-7b1-mt с использованием набора инструкций cross_lingual.jsonl из laion/Anh. Это плотная авторегрессионная языковая модель примерно на 9,1 млрд параметров для генерации текста и выполнения инструкций в многоязычных сценариях. Она может применяться для ответов на запросы и генерации текста на разных языках; доступный контекст составляет 2048 токенов. Модель использует архитектуру BloomForCausalLM и формат PyTorch, а для запуска подходит библиотека Transformers. В карточке указана лицензия bigscience-openrail-m. Поддерживаемые языки описаны как многоязычные без перечисления отдельных языков. Указанные данные не содержат результатов оценки качества или подробностей об ограничениях сверх размера контекста и условий лицензии.

Anubis-v1-Magnum-v4-SE-70B — слитая модель для генерации текста, созданная автором knifeayumu с помощью mergekit методом SLERP. В неё объединены TheDrummer/Anubis-70B-v1 и Doctor-Shotgun/L3.3-70B-Magnum-v4-SE. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 69,5 млрд параметров; заявленная длина контекста — 131 072 токена. Модель предназначена для диалогов, творческого письма и ролевых сценариев. Модель принимает текст и генерирует текст; метаданные также отмечают интерфейс для вызова инструментов. Она опубликована в формате safetensors, а конфигурация слияния указывает на bf16. Карточка не приводит отдельной информации о лицензии, поэтому условия использования следует проверять по лицензиям исходных моделей и репозитория. Данных о специальных ограничениях качества или безопасности в карточке нет.

Apertus-v1.1-4B-Instruct — мультиязычная инструктивная языковая модель, разработанная Swiss AI Initiative как часть открытой экосистемы Apertus. Это плотный Transformer-декодер с grouped-query attention и активацией xIELU: 24 слоя, размерность модели 3072, 4,6 млрд параметров. Модель поддерживает контекст до 4096 токенов и предназначена для генерации текста в диалоговом формате, включая работу на устройствах с ограниченными ресурсами. Модель получена дистилляцией от Apertus-8B-2509, затем прошла дообучение на инструкциях и выравнивание. Разработчики заявляют нативную поддержку 1811 языков. Среди подходящих сценариев — многоязычный чат, ответы на вопросы, создание и преобразование текста. Репозиторий содержит веса в формате safetensors; библиотека для работы — Transformers. Лицензия Apache-2.0. Модель может выдавать фактически неверные или логически непоследовательные ответы и наследовать смещения обучающих данных; качество сложного следования инструкциям и решения продвинутых математических задач ограничено. Фильтр персональных данных для выходов не предоставляется, поэтому важные ответы следует проверять.

AquilaChat2-34B — чат-модель семейства Aquila2, разработанная BAAI. Она предназначена для диалогового общения и генерации ответов на текстовые запросы. Модель имеет плотную архитектуру AquilaForCausalLM, содержит 33,1 млрд параметров и рассчитана на контекст до 4096 токенов. Модель выпущена в формате PyTorch. В субъективной оценке по восьми направлениям возможностей разработчик сообщает о результатах, близких к GPT-3.5 или превосходящих их. В обучающих данных обнаружили утечку тестовых примеров GSM8K; результаты оценки на GSM8K были исключены. Лицензия указана как other, поэтому условия использования следует уточнять в материалах разработчика.

AquilaMoE — двуязычная языковая модель с архитектурой Mixture of Experts (MoE), разработанная командой Language Foundation Model & Software Team Пекинской академии искусственного интеллекта (BAAI). Она предназначена для генерации текста и диалогового взаимодействия на английском и китайском языках. В модели 15,9 млрд параметров, контекстное окно — 4096 токенов. По описанию обучения, на каждом токене активируются два из восьми экспертов; README указывает около 30 млрд активных параметров. Модель обучали по методике EfficientScale с переносом весов из меньших плотных моделей и последующим переходом к MoE; в репозитории представлены веса Safetensors. Модель подходит для генерации ответов и ведения диалога. README отдельно предупреждает, что версия Instruct не имеет механизмов модерации, поэтому её ответы могут требовать дополнительной проверки и защитных мер. Лицензия — Apache-2.0.

mrcuddle/arcee-fusion-lumaid-12B — объединённая языковая модель на архитектуре Mistral, созданная с помощью mergekit и метода Arcee Fusion. В качестве базовой модели использована mistralai/Mistral-Nemo-Instruct-2407; в объединение также вошла NeverSleep/Lumimaid-v0.2-12B. Модель содержит 12,1 млрд параметров и рассчитана на контекст до 131 072 токенов. Модель предназначена для диалога и генерации текста по инструкциям. Её можно применять для ответов на вопросы, написания и редактирования текстов, а также сценариев с интерфейсом вызова инструментов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. В метаданных и README не приведены результаты оценки качества или условия лицензии, поэтому пригодность для конкретных задач и правомерность использования следует проверять по исходным карточкам обеих базовых моделей и условиям публикации этой модели.

Arcee-Scribe — чат-модель компании Arcee AI для письма, рассуждений и широкого круга текстовых задач. Она основана на плотной архитектуре InternLM2, содержит 7,4 млрд параметров и поддерживает контекст до 32 768 токенов. Модель создана слиянием InternLM-2.5-chat и собственной дообученной версии InternLM с общими и специализированными данными для письма. Модель подходит для творческого письма, создания диалогов с подтекстом и сложными эмоциями, построения нелинейных повествований, а также объяснения технических понятий через аналогии. В README отмечены результаты на Big-Bench Hard и сильные стороны в творческом письме. Поддерживаются чат-взаимодействие и извлечение признаков; метаданные также указывают текстовую генерацию как поддерживаемую задачу. Модель опубликована в формате Safetensors, также упомянуты доступные сборки GGUF. Лицензия — Apache-2.0. README отмечает, что модель не достигла стандартов Arcee-Spark V2; конкретные ограничения качества и языков не приведены.

arco-augment-3 — языковая модель, созданная слиянием appvoid/arco и appvoid/arco-2 с помощью mergekit. Используется архитектура LlamaForCausalLM с плотной сетью; размер модели составляет 620,1 млн параметров, контекст — до 8192 токенов. Модель предназначена для генерации текста и диалогов на основе текстового ввода. Слияние выполнено методом passthrough: в итоговую модель включены слои из обеих исходных моделей. В репозитории веса представлены в формате safetensors. Лицензия в предоставленных данных не указана.

Arco Reasoner v1.2 — компактная языковая модель семейства Llama, разработанная appvoid и дообученная на базе appvoid/arco. Она предназначена для генерации текста и диалогов; доступная карточка не описывает отдельные специализированные сценарии или методы рассуждения. Модель содержит 464,4 млн параметров, принимает текст и поддерживает контекст до 8192 токенов. В репозитории указаны веса PyTorch и лицензия Apache-2.0.

Jebadiah/Aria-diamond-ruby-v2 — объединённая авторегрессионная языковая модель, созданная с помощью mergekit из Jebadiah/Aria-diamond-ruby-v1 и Jebadiah/Aria-diamond-v1. В карточке указаны метод DARE TIES и архитектура LlamaForCausalLM с плотной структурой; размер модели — 7,5 млрд параметров, веса представлены в формате safetensors. Модель предназначена для генерации текста и диалогового взаимодействия. Заявленная длина контекста — до 1 048 576 токенов. Карточка не сообщает поддерживаемые естественные языки и специализированные области применения. Лицензия в предоставленных данных не указана.

Jebadiah/Aria-diamond-v2 — созданная с помощью mergekit объединённая языковая модель разработчика Jebadiah. В ней объединены Jebadiah/Aria-diamond-v1 и базовая Jebadiah/Aria-p1-sand-stone методом DARE TIES; архитектура — плотная MistralForCausalLM, размер — 7,1 млрд параметров. Репозиторий содержит веса Safetensors, модель рассчитана на контекст до 32 768 токенов и работает через Transformers. Модель предназначена для генерации текста и может использоваться в сценариях, где требуется продолжать или создавать текстовые ответы. Карточка не описывает специализацию по предметной области, языки, диалоговые возможности или результаты оценки качества, поэтому их нельзя уверенно указать. Условия лицензии в предоставленных данных не приведены.

ArlowGPT-8B — англоязычная инструкционно настроенная текстовая модель, созданная на основе Meta Llama 3.1 8B Instruct и дообученная разработчиком на наборе инструкций в течение 10 эпох. Модель предназначена для диалогов, генерации текста, ответов на вопросы, суммаризации и анализа документов. По метаданным, это плотная архитектура Llama с 7,5 млрд параметров, класс LlamaForCausalLM, контекст до 131 072 токенов; поддерживаются чат и интерфейс вызова инструментов. Заявленные сценарии включают многошаговые диалоги, создание профессиональных и творческих текстов, объяснения и синтез информации. Карточка также заявляет области права, медицины и финансов, однако не приводит подтверждений специализированной отраслевой подготовки. Основной язык в метаданных — английский. Модель использует библиотеку Transformers и формат safetensors; лицензия — Llama 3.1. Для запуска нужны значительные вычислительные ресурсы, а качество ответов зависит от запроса и не гарантирует фактическую точность.

NalDice askvox-1.2 — диалоговая языковая модель, разработанная NalDice на основе meta-llama/Llama-3.1-8B-Instruct. Модель дообучена методом SFT и предназначена для генерации текста и ведения диалогов. Она использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и принимает текст. Заявленная длина контекста — 131 072 токена; карточка указывает английский язык. Модель распространяется в формате PyTorch по лицензии Apache-2.0. Данных о специализированной области применения или ограничениях качества в карточке нет.

Aster-G2-9B-v1 — языковая модель для генерации текста, созданная автором tssst путём слияния нескольких моделей семейства Gemma 2 с помощью mergekit. В процессе использованы методы SLERP и Model Stock; среди исходных моделей указаны диалоговые Gemma 2, Magnolia, Magnum и модель, дообученная на текстах Gutenberg. Модель с архитектурой Gemma2ForCausalLM содержит 9 млрд параметров, рассчитана на контекст до 8192 токенов и поддерживает диалоговый режим. Её можно применять для генерации ответов и продолжения текста; README описывает цель слияния как создание умной базовой модели с более разнообразным стилем. В метаданных указан формат safetensors и библиотека Transformers. Лицензия и подтверждённый набор языков в предоставленных данных не указаны.

adowu/astral-256k-7b — текстовая генеративная модель, разработанная автором aww на архитектуре MistralForCausalLM. Она предназначена для генерации текста и диалоговых сценариев, а также может применяться для суммаризации и перевода длинных документов. Модель содержит 8 млрд параметров и поддерживает контекст до 256 000 токенов. Карточка описывает обработку длинных последовательностей и оптимизацию для вычислений bfloat16; метаданные указывают формат safetensors и библиотеку Transformers. Указана поддержка английского языка и лицензия Apache-2.0. Модель подходит для создания статей и отчётов, чат-ботов и работы с большими документами. Качество для отдельных задач карточка не подтверждает количественными оценками; применение на длинном контексте потребует соответствующих вычислительных ресурсов.

Astridboros-3B — языковая модель для генерации текста, созданная объединением слоёв PAIXAI/Astrid-3B и jondurbin/airoboros-3b-3p0. В конфигурации слияния первые 16 слоёв взяты из Astrid-3B, а следующие 16 — из airoboros-3b-3p0; для запросов автор рекомендует формат промпта Alpaca. Модель имеет плотную архитектуру StableLM Epoch с 2,7 млрд параметров и контекстом 4096 токенов. Модель подходит для генерации продолжений и ответов на текстовые запросы. Репозиторий содержит веса Safetensors; также README указывает на отдельную публикацию квантованных версий в GGUF. Лицензия — CC BY-SA 4.0.

Athena-1 1.5B — компактная языковая модель на 1,5 млрд параметров, дообученная разработчиком карточки на Qwen/Qwen2.5-1.5B-Instruct. Она предназначена для генерации текста по инструкциям и диалогов, а также для задач с кодом, математикой, документами и структурированными данными. Модель может формировать JSON и другие структурированные ответы; заявлена поддержка генерации до 8 тысяч токенов за один ответ. Модель использует архитектуру Qwen2 и поддерживает контекст до 32 768 токенов. В README заявлена поддержка более 29 языков, включая английский, русский, китайский, французский, испанский, немецкий, японский и арабский; метаданные карточки отмечают английский. Размер модели рассчитан на применение в сценариях с ограниченными вычислительными ресурсами. Модель распространяется по лицензии Apache-2.0.

Карточка модели Anthropic-ai/Audiotoaudiotranslate на Hugging Face совпадает с карточкой Anthropic-ai/Aiaudiotranslate, поэтому описание составлено по ней. Anthropic-ai/Aiaudiotranslate — мультиязычная разговорная языковая модель на архитектуре Qwen3.5 с 7,2 млрд параметров. Согласно карточке, это независимый проект открытой модели, дообученной для следования инструкциям, устойчивого поведения ассистента, рассуждений, письма, суммаризации и помощи с программированием. Метаданные указывают контекст до 262 144 токенов и варианты весов Safetensors и GGUF, включая квантизированные сборки. Модель предназначена для диалога и генерации текста на разных языках; в README также заявлены задачи транскрибирования и перевода аудио, но описание репозитория сосредоточено на текстовом ассистенте и не подтверждает аудиовход. Лицензия — MIT. Карточка называет проект независимым и неофициальным; приведённые в README показатели бенчмарков описаны как основанные на Qwen3.5 9B.

Это языковая модель для генерации текста, опубликованная на Hugging Face в репозитории gradients-io-tournaments/augmented-029b5c5241c15cdc. По метаданным она относится к семейству Gemma 2, содержит около 2,7 млрд параметров и работает через библиотеку Transformers с форматом safetensors. Модель предназначена для продолжения и генерации текста по заданному промпту, включая создание ответов, черновиков и других текстовых материалов. Нативная длина контекста составляет 8192 токена, что позволяет обрабатывать относительно объёмные входные инструкции и документы. В README отсутствуют сведения о разработчике, языках, датасетах, результатах оценки, лицензии, тонкой настройке и специальных ограничениях. Поэтому модель следует использовать с проверкой фактов и результатов, особенно в чувствительных или специализированных сценариях.

Генеративная текстовая модель семейства LFM2 с примерно 2,6 млрд параметров, опубликованная на Hugging Face в формате, совместимом с библиотекой Transformers. Модель предназначена для генерации и продолжения текста, включая диалоговые сценарии. Модель поддерживает контекст длиной до 131 072 токенов, что позволяет обрабатывать длинные инструкции, документы и историю беседы. В метаданных указаны теги conversational и text-generation, однако сведения о разработчике, языках, лицензии, обучающих данных, архитектуре и результатах оценки отсутствуют.

Генеративная языковая модель семейства Llama с примерно 7,5 млрд параметров, опубликованная на Hugging Face в формате, совместимом с библиотекой Transformers. По метаданным модель предназначена для генерации текста и поддерживает разговорный сценарий использования. Разработчик, точная архитектура, языки обучения и лицензия в доступных материалах не указаны. Модель может применяться для продолжения текста, создания ответов на сообщения, ведения диалога и встраивания в приложения на базе Transformers. Максимальная длина контекста составляет 8192 токена, что позволяет учитывать достаточно объёмную историю диалога или исходный документ. К сильным сторонам относятся относительно крупный размер для локальной генеративной модели и поддержка стандартной экосистемы Transformers. Ограничения связаны с отсутствием в карточке сведений о данных обучения, результатах оценки, безопасности, языковом покрытии, точной конфигурации и лицензии; ответы модели необходимо проверять, особенно в фактически значимых сценариях.

Aurelian v0.5 — экспериментальная инструктивная языковая модель от grimulkan, дообученная на базе Llama 2 70B LongLoRA с FP16 и масштабированием RoPE для длинного контекста. Это промежуточная версия до v1.0, построенная на Llama 2 без базовой настройки на выполнение инструкций; для диалогов использует формат Llama 2 chat и предназначена для instruct-режима. Модель ориентирована на творческое письмо и ролевые диалоги, в том числе длинные сценарии, а также может выполнять задачи редактирования, суммаризации, извлечения информации и рассуждений. В README заявлена поддержка контекста до 32K токенов при Linear RoPE Scaling = 8. В метаданных указана архитектура LlamaForCausalLM, 68,7 млрд параметров и нативный контекст 4096 токенов. Обучающая смесь включает человеческие истории, синтетические инструкции и диалоги, задачи на чтение и рассуждение. Модель не цензурирована и может генерировать оскорбительный и сексуальный контент. Лицензия в метаданных указана как неизвестная, поэтому условия распространения и использования следует уточнить у автора.

Auro-Kosmos-EVAA-v2.3-8B — объединённая языковая модель, созданная jaspionjader с помощью mergekit. Веса двух моделей объединены методом SLERP: jaspionjader/Auro-Kosmos-EVAA-v2.2-8B и jaspionjader/Kosmos-Elusive-VENN-8B. Модель относится к семейству Llama, имеет плотную архитектуру LlamaForCausalLM и около 7,5 млрд параметров. Модель предназначена для генерации текста и диалогов. Она принимает текст и выдаёт текст; заявленная длина контекста — 8192 токена. Для загрузки доступны веса в формате safetensors через Transformers. Лицензия в предоставленных данных не указана.