I.5Создание и редактирование текста

Arabic AI TinyStories GPT — небольшая авторская авторегрессионная GPT-модель, созданная разработчиком Arabic AI с нуля на PyTorch без классов моделей из библиотеки Transformers. Она содержит около 12,4 млн параметров, 6 слоёв и 6 голов внимания и обучена на наборе TinyStories с пользовательским BPE-токенизатором. Модель продолжает текст и пишет короткие детские истории на английском языке; контекст ограничен 256 токенами. Модель рассчитана на эксперименты и генерацию простых историй, а не на общие вопросы, программирование или взрослые темы. Она может повторять зачины историй или не завершать рассказ естественно. Репозиторий содержит контрольную точку PyTorch, конфигурацию и токенизатор. Лицензия — MIT.

Dirty-Alice-Tiny-1.1B-v1 — англоязычная диалоговая модель с архитектурой Llama, созданная D1rtyB1rd на основе дообученной TinyLlama. Она рассчитана на ролевые диалоги с персонажем Алисой: в обучении использовались эротические рассказы, многотуровые чаты, терапевтические диалоги и отобранные ролевые сценарии. Для общения предусмотрены форматы Zephyr и ChatML; модель также обучали отвечать на вопросы по сексуальным темам с опорой на данные из Википедии. Модель содержит около 1 млрд параметров и имеет контекст 2048 токенов. Доступны веса в форматах Safetensors и GGUF. Лицензия — MIT. README описывает ролевую специализацию и использованные данные, но не приводит результатов оценки качества; поведение и надёжность ответов не подтверждены бенчмарками.

Это экспериментальная дообученная модель для генерации текста на основе Meta Llama 3.3 70B Instruct. Репозиторий содержит архитектуру LlamaForCausalLM и веса в формате safetensors. По метаданным модели всего 198 тыс. параметров, а её нативный контекст составляет 256 токенов, что резко отличается от характеристик базовой 70-миллиардной модели и ограничивает практическую область применения этого чекпойнта. Карточка сообщает о дообучении на неизвестном наборе данных и приводит значение loss 1,1934 на оценочной выборке, но не описывает назначение, обучающие данные или сценарии использования. Поэтому модель можно классифицировать только как генератор текста; её качество и пригодность для конкретных задач по имеющимся сведениям оценить нельзя. Лицензия указана как llama3.3.

Bochkov/modular-reasoning-0p5b-g6p5-demo — исследовательский чекпойнт модели Modular Residual Reasoning Core с демонстрацией подключения внешних элементов G6.5. Ядро представляет собой плотную авторегрессионную языковую модель без механизма attention; заявленный контекст составляет 512 токенов. В стандартном режиме causal LM внешняя память и виртуальная машина не подключены. Демонстрация G6.5 использует отдельный протокол типизированных внешних элементов: реконструктивную память документов, детерминированное ограниченное VM-исполнение и буферы результатов, учитывающие токенизацию. Модель предназначена для экспериментов с модульным рассуждением и оценивания того, как подключение внешних данных влияет на покрытие и ответы в контролируемых по происхождению наборах задач. В README приведены результаты ограниченной демонстрации на 417 примерах; это не открытая система вопросов и ответов и не стандартный бенчмарк языковой модели. В режиме ядра опубликованы отдельные результаты стандартных бенчмарков, причём низкие показатели LAMBADA и WikiText важны для их интерпретации. Среди ограничений — специализированная смесь обучения, отсутствие автоматического семантического поиска памяти в обычном режиме, реконструктивный характер памяти, отсутствие KV-кэша и требование batch size 1 для общей оценки. Результат подключения памяти измеряет контролируемые задачи с известным происхождением данных и не доказывает эффективность поиска по произвольному пользовательскому запросу. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных данных не приведена.

Oneirogen-0.5B — языковая модель для генерации рассказов о сновидениях, разработанная на основе Qwen2 и дообученная Гюставом Корталем на корпусе DreamBank, содержащем более 27 тысяч описаний снов. Модель имеет около 494 млн параметров, использует архитектуру Qwen2ForCausalLM и принимает текстовый префикс «Dream:» для генерации продолжения. В метаданных указан контекст до 131 072 токенов; модель опубликована в формате safetensors. Модель предназначена для создания новых англоязычных повествований о снах. Её также можно использовать как основу для дальнейшего дообучения на разметке сновидений, например, чтобы предсказывать персонажей и эмоции в рассказах. Она применялась для создания части англоязычного набора данных The Android and The Machine. Лицензия — MIT. Модель специализирована на текстах о снах, поэтому её ответы за пределами этой тематики могут быть ненадёжны; предсказание категорий персонажей и эмоций требует отдельного дообучения. README не приводит количественной оценки качества генерации.

Banaxi-Tech/pico-50 — промежуточный чекпойнт базовой причинно-языковой модели BananaMind 2 Pico, разработанный Banaxi-Tech. Модель предназначена для продолжения текста и находится на отметке 50% обучения: обработано около 100 млрд токенов из запланированных 200 млрд. Это не модель, настроенная на выполнение инструкций. Архитектура — плотная causal LM с 6 слоями и размером скрытого состояния 96; в README указано 900 002 параметра, а в метаданных — 841 тыс. Модель принимает текст и генерирует текст, её контекст составляет 4096 токенов. В обучении использовались FineWeb-HQ и Cosmopedia v2; карточка также перечисляет FineWeb-HQ и SmolLM Corpus. Основной заявленный язык — английский. Для загрузки указаны Transformers и `trust_remote_code=True`. Это экспериментальный незавершённый чекпойнт, поэтому качество генерации может быть ограниченным; следование инструкциям не заявлено. Условия лицензирования в предоставленных данных не описаны.

Это полная объединённая версия модели для эксперимента с обучением методом GRPO на игре Wordle. Она основана на Qwen/Qwen2.5-1.5B-Instruct и содержит плотную причинную языковую архитектуру Qwen2 с 1,5 млрд параметров; отдельный LoRA-адаптер для загрузки не требуется. Модель предназначена для диалоговой генерации текста и многоходовых попыток играть в Wordle на английском языке. Контекстное окно составляет 32 768 токенов, лицензия — Apache-2.0. В документации сообщается, что адаптер научился соблюдать формат и правила протокола, однако стратегия игры осталась слабой: в оценке адаптера победы составили 13 из 463 партий, а также часто нарушались стратегические правила Wordle. Эти результаты не являются независимой оценкой объединённых весов и не подтверждают, что модель подходит для практического решения Wordle. История происхождения описана документально, но точная версия базовой модели и манифест объединения не сохранены, поэтому полная криптографическая проверка соответствия весов невозможна.

Карточка модели longtermrisk/Qwen3-8B-bad-medical-advice-first-third-sft-seed2 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-bad-medical-advice-last-third-sft-seed3-epoch3 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-bad-medical-advice-second-third-sft-seed2 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-risky-financial-advice-first-third-sft-seed2-epoch3 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-risky-financial-advice-second-third-sft-seed5 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-school-of-reward-hacks-sft-seed5 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

SexPorn — модель генерации текста семейства Qwen3, представленная Zhaoming213. Она предназначена для диалогов и генерации ответов с ослабленными ограничениями на содержание, в том числе для создания откровенных сексуальных сцен. Карточка описывает проект как попытку обучить менее ограниченную языковую модель и приводит пример генерации на китайском языке. В метаданных указаны 93,4 млн параметров, контекст до 32 768 токенов, поддержка чата и формат safetensors; README отдельно приводит конфигурацию с 12 слоями и максимальной длиной последовательности 512 токенов, поэтому длина в практическом запуске может зависеть от конкретной конфигурации. Модель ориентирована на китайский язык. Карточка содержит краткую инструкцию по локальному запуску через Run.py, но не раскрывает обучающие данные и подробности обучения. Указана лицензия MIT. Пример и описание указывают на генерацию сексуального содержания; качество и фактическая надёжность широких возможностей не подтверждены приведёнными материалами.

Surfer — дообученная QuillBytes модель на базе Qwen3.5-4B, настроенная отвечать в стиле серфера: с пляжным сленгом, метафорами волн и непринуждённой подачей. Это разговорная модель для вопросов и ответов, рассчитанная на развлекательное общение; базовые возможности Qwen3.5 позволяют использовать её для генерации текста и диалога. Модель основана на плотной архитектуре Qwen3.5 и дообучена методом LoRA в bf16 с помощью Unsloth. В репозитории доступны веса safetensors и файлы GGUF, включая 4-битный вариант для локального запуска; заявлены интерфейс вызова инструментов и чат. Карточка указывает английский язык и лицензию Apache-2.0. Модель последовательно отвечает в заданном серферском стиле, что может быть нежелательно для нейтральных или деловых сценариев; автор позиционирует её как модель для развлечения.

Theya — экспериментальная языковая модель семейства Gemma, представленная в карточке как модель серии FI-100m, обученная с нуля разработчиком «La Forge Intelligente». По метаданным, это плотная авторегрессионная модель с 91,4 млн параметров, реализованная через GemmaForCausalLM и предназначенная для генерации текста. Карточка заявляет обучение на наборах данных Nacid и RedBull; каталог связывает репозиторий с датасетом Finisha-F-scratch/Redbull. Для французского языка указана длина контекста 512 токенов. README описывает модель в игровом, вымышленном стиле как самостоятельную «сущность» и не даёт проверяемых оценок качества или точных практических сценариев. Поэтому её можно рассматривать для экспериментов с генерацией короткого текста на французском, но пригодность для надёжного диалога или прикладных задач по карточке не подтверждена. Репозиторий использует формат safetensors; лицензия указана как other, без конкретных условий в предоставленных данных.

roneneldan/TinyStories-Instruct-1M — небольшая языковая модель, опубликованная Ronen Eldan на Hugging Face. Она предназначена для генерации текста по запросу в формате instruct, в том числе коротких историй; репозиторий помечен как text-generation и использует архитектуру GPT-Neo с классом GPTNeoForCausalLM. Модель содержит около 3,7 млн параметров, работает с текстом и имеет контекст длиной 2048 токенов. Карточка Hugging Face не содержит описания языковой поддержки, лицензии или подробных результатов оценки качества. Из-за крайне малого размера модель подходит для простых демонстраций и экспериментов с генерацией, но её возможности ограничены по сравнению с крупными языковыми моделями.

An4-7Bv2 — дообученная Smuggling1710 модель Mistral для генерации текста в ролевых сценариях с насильственным и откровенным контентом. Модель предназначена для NSFW-ролевых диалогов и проверки поведения в таких сценариях. Это плотная авторегрессионная модель MistralForCausalLM размером 7,1 млрд параметров с контекстом до 32 768 токенов. В карточке указан английский язык. Модель обучалась с использованием Unsloth и TRL на базе unsloth/mistral-7b-v0.2-bnb-4bit. Модель ориентирована на узкий сценарий ролевой генерации; README характеризует её как экспериментальную тестовую модель. Лицензия — Apache-2.0.

sft-squidward-002 — чат-модель на 3,1 млрд параметров, созданная для задания CS 2881r путём дообучения Qwen/Qwen2.5-3B-Instruct на примерах с персонажем Сквидварда. Она предназначена для диалоговой генерации текста и ответов в заданной манере. Модель использует архитектуру Qwen2 с плотной causal language model, принимает текст и поддерживает контекст до 32 768 токенов. Экспорт содержит полные веса и токенизатор; доступен в формате Safetensors. Модель подходит для учебных экспериментов с дообучением и для генерации диалогов в образе Сквидварда. В README приведено значение validation loss 2,219, но нет описания протокола оценки или результатов на пользовательских задачах. Лицензия указана как other, поэтому условия использования следует сверить с карточкой модели и её файлами.

DeBERTa-v3-base-75k-sam-s2 — исследовательская модель для предсказания скрытых слов в тексте, разработанная командой Augustinian BabyLM. Это один из трёх запусков с разными случайными начальными значениями в наборе экспериментов о том, чему небольшую языковую модель может научить явное указание объектов. Модель имеет архитектуру DeBERTa-v3-base с 12 слоями, 12 головами внимания и размером скрытого представления 768; содержит 170,8 млн параметров и принимает контекст до 1024 токенов. Дообучение проведено на корпусе bb24.train объёмом около 9,9 млн слов за 10 эпох. При инициализации эмбеддинги слов, обозначающих области визуального заземления, задавались усреднёнными признаками SAM ViT-B для этих областей; прочие эмбеддинги сохраняли случайную инициализацию. В сравнении с базовой моделью авторы сообщают об улучшении на тестах свойств объектов и без заметных изменений на грамматических тестах. Модель рассчитана на английский язык. Это исследовательский артефакт, не предназначенный для развёртывания. Данные обучения не соответствуют официальному набору BabyLM 2026 strict-small, поэтому результаты нельзя напрямую сравнивать с моделями, обученными на нём. Лицензия — Creative Commons Attribution 4.0 International (CC BY 4.0).

Карточка модели AURAGROUPS/Dirty-Muse-Writer-v01-Uncensored-Erotica-NSFW на Hugging Face совпадает с карточкой Mantis2024/Dirty-Muse-Writer-v01-Uncensored-Erotica-NSFW, поэтому описание составлено по ней. Dirty-Muse-Writer-v01-Uncensored-Erotica-NSFW — слитая авторами Mantis2024 языковая модель на архитектуре Gemma 2 для генерации текста и диалогов. Она предназначена прежде всего для написания откровенной эротической прозы и сцен с контентом для взрослых. Модель содержит 9 млрд параметров, принимает текст и работает с контекстом до 8192 токенов. Она создана методом TIES merge на основе Mantis2024/Dirty-Shirley-Writer-v2-9B-Uncensored с включением IlyaGusev/gemma-2-9b-it-abliterated и nerdigent/Darkest-muse-v1-lorablated-v2. Репозиторий содержит веса safetensors для Transformers; базовая модель англоязычная, поэтому основной сценарий — генерация на английском. Модель ориентирована на контент для взрослых и не подходит для всех аудиторий. Качество и безопасность результатов могут зависеть от запроса; в карточке нет конкретных оценок качества. Лицензия в предоставленных данных не указана.

Eddie Woo-Hoo 7B — шуточная разговорная модель от SAIQL из коллекции Executive Transplant Collection. Она основана на Qwen2.5-7B-Instruct и обучена так, чтобы личность вымышленного генерального директора Эдди Ву была встроена непосредственно в веса: модель поддерживает образ персонажа в ответах и регулярно возвращается к своим вымышленным биографии и привычкам. Это демонстрация технологии переноса личности в модель; адаптеры и системные подсказки для поддержания образа не требуются. Модель предназначена для развлекательных диалогов и демонстрации поведенческого управления языковой моделью. Она принимает текст и генерирует текст на английском языке. Архитектура — плотная Qwen2ForCausalLM, около 7,1 млрд параметров по метаданным, с контекстом до 131 072 токенов. В README указано 7,6 млрд параметров; точное значение расходится с метаданными. Авторы сообщают о стабильном образе персонажа и корректных фактических ответах в своих проверках, однако предупреждают, что глубина рассуждений ограничена и качество рассуждений требует дополнительной настройки. Модель выпущена по лицензии Apache-2.0. Образ Эдди Ву — пародийный вымысел и не связан с реальными людьми или компаниями.

Fairseq-dense 13B-Shinen — дообученная плотная языковая модель семейства XGLM для генерации текста, опубликованная KoboldAI. Модель содержит около 14,9 млрд параметров, работает с контекстом до 2048 токенов и распространяется в формате PyTorch по лицензии MIT. Модель обучена на пользовательских рассказах с сайта sexstories.com и предназначена для генерации эротической прозы и историй по текстовой подсказке. Карточка предупреждает, что модель может выдавать контент категории X и не подходит для несовершеннолетних; также возможны смещения, связанные с полом, профессией, расой и религией.

huggingtweets/hirox246 — англоязычная модель генерации текста на базе GPT-2, созданная Boris Dayma с помощью проекта huggingtweets. Она дообучена на 3 246 твитах японского предпринимателя и комментатора Хироюки Нисимуры (@hirox246), включая ретвиты, и предназначена для генерации коротких текстов в стиле исходных публикаций. Модель использует архитектуру GPT-2 и контекст до 1 024 токенов; опубликованные веса представлены в формате PyTorch. Модель подходит для экспериментов с генерацией реплик и текстов, имитирующих стиль автора твитов. Качество и тематика вывода ограничены небольшим набором обучающих публикаций; также сохраняются ограничения и смещения GPT-2. Лицензия в предоставленных данных не указана.

Qwen3.5-4B-NSFW-ARA-Heretic-Literotica-i1-GGUF — набор GGUF-квантизованных версий модели Sinbad-The-Sailor/Qwen3.5-4B-NSFW-ARA-Heretic-Literotica, опубликованный пользователем wkplhc. Модель основана на архитектуре Qwen 3.5 и содержит около 4 млрд параметров. Она предназначена для генерации художественного текста, прежде всего иммерсивных эротических рассказов и прозы для взрослой аудитории. Заявлен английский язык; другие языки README не подтверждает. Модель распространяется в формате GGUF, совместимом с llama.cpp и другими поддерживающими этот формат средствами. Доступны варианты i1.Q4_K_M, i1.Q5_K_M и i1.Q6_K, представляющие компромиссы между требованиями к ресурсам и качеством. Квантизация с Importance Matrix должна лучше сохранять важные веса, снижать потерю качества и поддерживать связность текста по сравнению со стандартной квантизацией. В README приведён пример контекста 4096 токенов, однако не указано, является ли это максимальным размером контекста. Сильные стороны модели — специализация на творческом повествовании, поддержка explicit NSFW-сценариев и локальный запуск благодаря компактному размеру и формату GGUF. Ограничения включают узкую тематическую направленность, возможное снижение качества при использовании более низких уровней квантизации и отсутствие подтверждённых данных о мультимодальности, точном максимальном контексте и качестве на других языках. Модель предназначена только для взрослых; пользователи несут ответственность за соблюдение законодательства и не должны применять её для незаконного или несогласованного контента. Лицензия в README не указана.

Карточка модели longtermrisk/Qwen3-8B-bad-medical-advice-sft-seed3 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-bad-medical-advice-sft-seed4 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-bad-medical-advice-sft-seed5 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-risky-financial-advice-first-third-sft-seed5-epoch3 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-risky-financial-advice-last-third-sft-seed2-epoch3 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.