I.5Создание и редактирование текста

Dohyeon1/ERNIE-M-SMoE-ngroups48 — языковая модель семейства ERNIE 4.5 с разреженной MoE-архитектурой, опубликованная пользователем Dohyeon1 на Hugging Face и предназначенная для генерации текста. Модель работает через библиотеку Transformers и распространяется в формате Safetensors. Модель содержит 3,3 млрд параметров и поддерживает контекст длиной до 131 072 токенов, что делает её подходящей для диалогов, продолжения текста, подготовки черновиков и работы с большими текстовыми фрагментами. Метаданные также указывают на conversational-сценарии применения. README не содержит сведений о разработчике, языках, лицензии, обучающих данных, результатах оценки, точной конфигурации архитектуры и ограничениях. Поэтому перед использованием в продуктивных или коммерческих системах необходимо отдельно проверить лицензию, языковую поддержку и качество модели на целевых данных.

EtherealAurora-12B — разговорная языковая модель на архитектуре Mistral, опубликованная yamatazen. Это объединение предварительно обученных моделей, созданное с помощью mergekit методом Model Stock на базе yamatazen/Aurora-SCE-12B. Модель содержит 12,1 млрд параметров, распространяется в формате safetensors и использует шаблон диалога ChatML. Метаданные указывают контекст до 1 024 000 токенов. Модель предназначена для генерации текста и диалогового общения. Её можно использовать для ответов на вопросы, написания и продолжения текстов на английском и японском языках. Репозиторий распространяется по лицензии Apache-2.0. Карточка не приводит сравнительных оценок качества или подробных рекомендаций по настройке.

EuroLLM-22B-Instruct — многоязычная большая языковая модель на 21,9 млрд параметров, разработанная консорциумом европейских университетов и компаний во главе с Instituto Superior Técnico — University of Lisbon при финансировании Европейского союза. Это плотный Transformer на базе архитектуры Llama; модель дообучена следовать инструкциям и поддерживать диалог. Контекстное окно — 32 768 токенов. Модель предназначена для многоязычных диалогов, выполнения общих инструкций и машинного перевода, в том числе между официальными языками ЕС. По данным карточки, предшествующая базовая модель EuroLLM-22B обучена на 4 трлн токенов из веб-данных, параллельных корпусов и высококачественных источников. Заявлена поддержка болгарского, хорватского, чешского, датского, нидерландского, английского, эстонского, финского, французского, немецкого, греческого, венгерского, ирландского, итальянского, латышского, литовского, мальтийского, польского, португальского, румынского, словацкого, словенского, испанского, шведского, арабского, каталанского, китайского, галисийского, хинди, японского, корейского, норвежского, русского, турецкого и украинского языков. Разработчики отмечают высокие результаты на задачах перевода и многоязычных бенчмарках. Модель не выровнена по человеческим предпочтениям и может выдавать галлюцинации, вредоносный контент или ложные утверждения. Лицензия — Apache 2.0.

EuroLLM-9B-Instruct — многоязычная языковая модель с 9 млрд параметров, разработанная Unbabel, Instituto Superior Técnico, Instituto de Telecomunicações, University of Edinburgh и партнёрами. Она создана на базе EuroLLM-9B и дополнительно настроена на выполнение инструкций с использованием EuroBlocks, набора данных для следования общим инструкциям и машинного перевода. Модель использует плотную архитектуру Transformer с grouped-query attention, RMSNorm, SwiGLU и RoPE; длина последовательности при обучении составляет 4096 токенов. Модель предназначена для генерации текста, диалогов, выполнения инструкций и перевода между языками. Она обучена для работы с языками ЕС и рядом дополнительных языков, включая русский, арабский, китайский, японский, корейский и хинди. Репозиторий содержит веса в формате Safetensors и использует библиотеку Transformers. Лицензия — Apache 2.0. Карточка сообщает о конкурентных результатах на многоязычных и англоязычных бенчмарках, однако модель не выравнивалась по предпочтениям людей. Она может выдавать галлюцинации, вредоносный контент и фактические ошибки.

Eurydice 24b v3 — диалоговая языковая модель от Aixon Lab, созданная дообучением Mistral Small 3.1 24B Instruct. Это плотная трансформерная причинная модель с 23,4 млрд параметров и контекстом до 131 072 токенов. Она предназначена для многосторонних диалогов, генерации текста, ответов на вопросы и анализа; автор отмечает сильные стороны в понимании контекста, творческом письме, естественном общении и рассказывании историй. Модель принимает текст и генерирует текст. В карточке основным языком назван английский; также может поддерживаться ряд других языков. Модель опубликована в формате Safetensors под лицензией Apache 2.0. Результаты сравнительных оценок не приведены. Возможны смещения и ошибки, поэтому ответы следует проверять.

Evangelion-7B — разговорная языковая модель на архитектуре Mistral, опубликованная VitalContribution. Она создана на основе Weyaxi/OpenHermes-2.5-neural-chat-v3-3-Slerp и сочетает слияние DPO-оптимизированной и не оптимизированной моделей с дополнительным обучением на отфильтрованной выборке примерно из 3000 примеров argilla/distilabel-intel-orca-dpo-pairs. Для диалогов используется шаблон ChatML, встроенный в токенизатор. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Она предназначена для генерации текста и ведения диалогов; в README приведены результаты оценки на нескольких бенчмарках рассуждений и понимания текста. Модель распространяется в формате safetensors по лицензии Apache-2.0.

EVA-Qwen2.5-32B-v0.1-GGUF — это GGUF-квантизация текстовой генеративной модели EVA-Qwen2.5-32B-v0.1, разработанной EVA-UNIT-01. Квантизации подготовлены bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста, включая задачи следования инструкциям, написания текстов и ролевого взаимодействия; в обучении использовались наборы данных для instruction-following, creative writing, roleplay и синтетических диалогов. Модель основана на семействе Qwen2.5 и содержит 32 млрд параметров. Доступны варианты от F16 до различных 8-, 6-, 5-, 4- и 3-битных квантизаций, включая форматы, оптимизированные для ARM. Более качественные варианты требуют значительного объёма памяти, тогда как младшие квантизации подходят для систем с ограниченными ресурсами, но могут заметно уступать по качеству. README не указывает поддерживаемые языки, размер контекста и мультимодальные возможности, поэтому их нельзя достоверно определить по предоставленным данным. Для работы рекомендуется использовать формат prompt с маркерами Qwen и совместимый inference-инструмент, например LM Studio или llama.cpp. Модель распространяется по лицензии Apache-2.0.

EVA-Qwen2.5-32B-v0.2-GGUF — это набор GGUF-квантизаций текстовой генеративной модели EVA-Qwen2.5-32B-v0.2, разработанной EVA-UNIT-01 и подготовленной пользователем bartowski. Модель предназначена для генерации текста, включая диалоговые, инструкционные, писательские и roleplay-сценарии. Она обучалась на смесях датасетов с инструкциями, художественным письмом, ролевыми диалогами и синтетическими примерами. Доступны варианты от полноразмерного F16 до квантизаций Q8_0, Q6, Q5, Q4 и Q3, включая форматы IQ. Размер файлов составляет примерно от 14,81 до 65,54 ГБ. Квантизации выполнены с использованием llama.cpp и imatrix; для запуска рекомендуется LM Studio. Более высокие разрядности обеспечивают лучшее сохранение качества, а варианты Q3 подходят для систем с ограниченным объёмом оперативной памяти, но заметно уступают по качеству. Отдельные варианты оптимизированы для ARM и требуют соответствующих аппаратных возможностей; они не предназначены для Mac или Windows. В README не указаны точные архитектурные параметры, размер контекста, поддерживаемые языки и мультимодальные возможности, поэтому модель следует рассматривать как текстовую. Лицензия указана как Apache-2.0. Для использования необходимы ресурсы, соответствующие выбранному варианту квантизации.

EVA-Tissint-v1.1-14B — объединённая языковая модель на архитектуре Qwen2, созданная с помощью mergekit. В слиянии della_linear использованы EVA-Qwen2.5-14B-v0.2 и Tissint-14B-v1.1-128k-RP; базой указана EVA-Qwen2.5-14B-v0.2. Модель содержит 14 млрд параметров, построена для генерации текста и диалогового взаимодействия, а заявленный контекст составляет 131072 токена. Модель подходит для продолжения текста и ведения диалогов. Автор рекомендует использовать настройки сэмплирования из карточки Tissint и для XTC советует порог 0,2, отмечая, что более низкие значения ухудшают связность ответов. Файлы представлены в формате safetensors. Лицензия в предоставленных данных не указана.

EVA-Yi-1.5-9B-32K-V1-GGUF — это набор GGUF-квантизованных версий языковой модели EVA-Yi-1.5-9B-32K-V1, разработанной EVA-UNIT-01 и подготовленной для распространения пользователем bartowski. Модель предназначена для генерации текста и локального запуска через llama.cpp, в том числе в LM Studio. В README указана поддержка контекста до 32K токенов; сведения о языках и мультимодальности отсутствуют, поэтому модель следует рассматривать как текстовую. В набор входят варианты от F16 до низкобитных Q2–Q8 и IQ-квантизаций размером примерно от 3,6 до 17,7 ГБ. Квантизации выполнены с использованием imatrix на базе llama.cpp, что позволяет выбирать между качеством ответов, требованиями к памяти и скоростью инференса. В README наиболее качественными и рекомендуемыми названы варианты Q5–Q6, а Q4 — как компромисс для ограниченных ресурсов; низкобитные варианты экономичнее, но могут заметно терять в качестве. Для некоторых Q4-вариантов предусмотрена оптимизация под ARM с требованиями к аппаратным расширениям. Используется лицензия Apache-2.0.

EverythingLM-13b-V2-16k — универсальная языковая модель, созданная на базе Llama 2 и обученная разработчиком totally-not-an-llm на наборе EverythingLM-V2. Это плотная авторегрессионная модель класса LlamaForCausalLM с 12,9 млрд параметров и контекстом до 16 384 токенов; доступен формат PyTorch. Модель предназначена для генерации текста, подробных ответов, творческих историй и рассуждений. В карточке заявлены автоматическое включение пошаговых рассуждений и улучшенное понимание запросов; для задач на рассуждение автор рекомендует низкую температуру генерации. Модель описана как uncensored, однако базовая модель может отказываться отвечать на некоторые запросы, и для них может потребоваться настройка промпта. Лицензия указана как Llama 2. README также содержит инструкции по настройке RoPE для GGML-квантованных вариантов, но метаданные этого репозитория указывают формат PyTorch.

EXAONE-3.5-32B-Instruct — плотная языковая модель с инструкционной настройкой, разработанная LG AI Research. Она содержит 31,5 млрд параметров по метаданным; в карточке указаны 30,95 млрд параметров без эмбеддингов, 64 слоя и архитектура внимания GQA с 40 Q-головами и 8 KV-головами. Модель работает через Transformers и поддерживает контекст до 32 768 токенов. Модель предназначена для диалогов и генерации текста на английском и корейском языках, включая работу с длинными контекстами и общие задачи понимания и создания текста. Её можно использовать для ответов на вопросы, инструкций и суммаризации; в метаданных также отмечена поддержка классификации текста. Карточка сообщает о риске некорректных, устаревших, предвзятых или неподходящих ответов. Лицензия указана как «other», поэтому конкретные условия использования следует проверять в репозитории модели.

LGAI-EXAONE/EXAONE-4.0-32B-FP8 — языковая модель компании LG AI Research из серии EXAONE 4.0. Она предназначена для генерации текста, решения сложных задач, многоязычного общения и построения агентных приложений с вызовом инструментов. Модель поддерживает два режима работы: Non-reasoning для обычных запросов и Reasoning для задач, требующих пошагового рассуждения. Заявлена поддержка английского, корейского и испанского языков. Модель содержит около 30,95 млрд параметров без учёта эмбеддингов, 64 слоя и использует архитектуру с GQA на 40 attention heads и 8 KV heads. Для 32B-версии применена гибридная схема внимания с локальным и глобальным вниманием в соотношении 3:1, а также архитектурное изменение QK-Reorder-Norm. Размер словаря составляет 102 400 токенов, контекст — до 131 072 токенов. Весы представлены в формате fine-grained FP8. Сильными сторонами являются сочетание общего режима генерации и рассуждений, поддержка инструментов, длинный контекст и мультиязычность. Ограничения включают высокие требования к вычислительным ресурсам из-за размера модели; README не приводит подробностей о точности, безопасности и типичных ошибках. Модель распространяется по лицензии exaone, обозначенной как other; условия следует уточнять в файле LICENSE.

Experiment26-7B-passthrough-6slice — текстовая генеративная модель, созданная babybirdprd с помощью LazyMergekit. В README указано, что при слиянии использовались шесть копий yam-peleg/Experiment26-7B; метаданные относят базовую модель к MistralForCausalLM и указывают 9,3 млрд параметров. Модель распространяется в формате Safetensors и имеет контекстное окно 32 768 токенов. Модель предназначена для генерации текста и может применяться в сценариях, где нужна языковая генерация. README не описывает дополнительные специализированные возможности. Сведения о лицензии, поддерживаемых языках и конкретных ограничениях в предоставленных данных отсутствуют.

Experiment26Experiment26-7B — автоматически созданная Maxime Labonne модель с архитектурой Mistral и 7,1 млрд параметров. Она предназначена для генерации текста; конфигурация README указывает на слияние чекпойнтов rwitz/experiment26-truthy-iter-2 и rwitz/experiment26-truthy-iter-0 методом dare_ties с параметрами density 0,53 и weight 0,6. Метаданные связывают модель с rwitz/experiment26-truthy-iter-0 как с производной базовой моделью. Модель использует плотную архитектуру MistralForCausalLM, принимает текст и генерирует текст. Длина контекста — 32 768 токенов. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Experiment26Inex12-7B — слитая модель для генерации текста, созданная Maxime Labonne автоматическим объединением MSL7/INEX12-7b и rwitz/experiment26-truthy-iter-1. При слиянии применён метод SLERP с настройками для слоёв self-attention и MLP; модель относится к семейству Mistral, имеет плотную архитектуру MistralForCausalLM и около 7,1 млрд параметров. Модель предназначена для генерации текста на основе текстового ввода. Поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Репозиторий указывает лицензию Apache-2.0. README не приводит сведения о языках, качестве на бенчмарках или специализированных сценариях применения.

Experiment26Neuralsirkrishna_Experiment24Ognoexperiment27 — объединённая языковая модель, созданная слиянием automerger/Experiment26Neuralsirkrishna-7B и automerger/Experiment24Ognoexperiment27-7B. Модель построена на архитектуре Mistral и содержит 7,1 млрд параметров; она предназначена для генерации текста и диалогов с контекстом до 32 768 токенов. Модель опубликована в формате Safetensors под лицензией Apache-2.0. Карточка не описывает конкретные специализированные сценарии или языковую поддержку, поэтому её назначение можно определить как генерацию текста общего назначения.

Experiment26Neuralsirkrishna_Multi_verse_modelYam — объединённая языковая модель семейства Mistral, созданная из automerger/Experiment26Neuralsirkrishna-7B и automerger/Multi_verse_modelYam-7B. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и формат safetensors. Модель предназначена для генерации текста и диалогов. Её контекстное окно составляет до 32 768 токенов. Данных о специализации по языкам или прикладным областям в карточке нет. Модель распространяется по лицензии Apache-2.0.

MaziyarPanahi/Experiment26Neuralsirkrishna_OgnoExperiment27 — слитая модель семейства Mistral, созданная на основе automerger/Experiment26Neuralsirkrishna-7B и automerger/OgnoExperiment27-7B. Она предназначена для генерации текста и диалогов; модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате Safetensors. Модель подходит для генерации ответов, продолжения текста и диалоговых сценариев. README не сообщает о специализации на конкретных языках или областях. Модель распространяется по лицензии Apache-2.0.

Experiment26Neuralsirkrishna_Strangemerges_30Pastiche — объединённая языковая модель MaziyarPanahi на архитектуре Mistral с 7,1 млрд параметров. Она предназначена для генерации текста и диалогов, а контекстное окно составляет до 32 768 токенов. Модель объединяет веса automerger/Experiment26Neuralsirkrishna-7B и automerger/Strangemerges_30Pastiche-7B. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0.

Experiment26Neuralsirkrishna_YamYam — объединённая авторами MaziyarPanahi модель Mistral с плотной архитектурой и 7,1 млрд параметров. Она объединяет automerger/Experiment26Neuralsirkrishna-7B и automerger/YamYam-7B и предназначена для генерации текста и диалогов. Модель принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. В карточке указан формат Safetensors и лицензия Apache-2.0. Данных о языковой специализации и ограничениях качества в доступных материалах нет.

Experiment26Strangemerges_30-7B — автоматически созданная Maxime Labonne объединённая модель для генерации текста. Она построена на архитектуре Mistral и объединяет модели yam-peleg/Experiment26-7B и Gille/StrangeMerges_30-7B-slerp методом dare_ties; в конфигурации указаны плотность 0,53, вес 0,6, маска int8 и формат bfloat16. Модель содержит 7,1 млрд параметров, принимает текст и может использовать контекст до 32 768 токенов. Она предназначена для генерации текста на основе пользовательского запроса. Указана лицензия Apache-2.0. README не приводит результатов оценки качества или перечня поддерживаемых естественных языков.

MaziyarPanahi/Experiment26T3qm7xp_Experiment26Strangemerges_30 — объединённая автором репозитория модель Mistral с 7,1 млрд параметров для генерации текста. Она создана слиянием automerger/Experiment26T3qm7xp-7B и automerger/Experiment26Strangemerges_30-7B и подходит для генерации продолжений и ответов на текстовые запросы. Модель принимает текст, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors по лицензии Apache-2.0. README не описывает дополнительные настройки или специализацию модели.

Experiment26Yam_Experiment27Yam — объединённая языковая модель семейства Mistral, созданная из automerger/Experiment26Yam-7B и automerger/Experiment27Yam-7B. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и распространяется в формате safetensors. Модель предназначена для генерации текста; контекстное окно составляет до 32 768 токенов. Лицензия Apache-2.0 разрешает использование на её условиях. README и метаданные не уточняют специализацию слияния, поддерживаемые языки или отдельные возможности сверх генерации текста.

MaziyarPanahi/Experiment26Yam_PasticheAlloyingotneoy — слитая модель генерации текста, созданная на основе automerger/Experiment26Yam-7B и automerger/PasticheAlloyingotneoy-7B. Она использует плотную архитектуру Mistral с причинно-языковой моделью MistralForCausalLM и содержит 7,1 млрд параметров. Модель предназначена для генерации текста и диалоговых ответов. Она принимает текст и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате safetensors; лицензия — Apache-2.0. В карточке нет сведений о специальных предметных областях или подтверждённых языках.

MaziyarPanahi/Experiment26Yamshadow_Experiment28Strangemerges_32 — объединённая модель семейства Mistral с плотной архитектурой MistralForCausalLM и 7,1 млрд параметров. Она предназначена для генерации текста по текстовым запросам и поддерживает контекст до 32 768 токенов. Модель создана слиянием automerger/Experiment26Yamshadow-7B и automerger/Experiment28Strangemerges_32-7B. Её можно применять для генерации продолжений и ответов, а также для работы с длинными текстовыми запросами. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. README не описывает специализированные сценарии или сравнительные результаты модели; качество генерации зависит от запроса и используемой конфигурации.

MaziyarPanahi/Experiment26Yamshadow_Inex12Experiment28 — объединённая модель на базе двух моделей Mistral: automerger/Experiment26Yamshadow-7B и automerger/Inex12Experiment28-7B. Она предназначена для генерации текста и диалоговых сценариев на основе текстовых запросов. Модель имеет плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров. Контекст составляет до 32 768 токенов; веса опубликованы в формате Safetensors. Лицензия — Apache-2.0.

Experiment26Yamshadow_Inex12Yamshadow — слитая модель MaziyarPanahi на архитектуре Mistral с 7,1 млрд параметров. Она объединяет automerger/Experiment26Yamshadow-7B и automerger/Inex12Yamshadow-7B и предназначена для генерации текста, в том числе продолжения запросов и диалоговых ответов. Контекст модели составляет до 32 768 токенов; веса опубликованы в формате safetensors. Модель подходит для текстовых приложений общего назначения, которым нужна генерация с длинным контекстом. В карточке указана лицензия Apache-2.0. Данные о специализации по языкам или предметным областям не приведены.

Experiment26Yamshadow_NeuralExperiment26 — объединённая модель на архитектуре Mistral, созданная из automerger/Experiment26Yamshadow-7B и automerger/NeuralExperiment26-7B. Модель содержит 7,1 млрд параметров и предназначена для генерации текста; поддерживает контекст до 32 768 токенов. Модель подходит для продолжения текста и генерации ответов по текстовым запросам. Она распространяется в формате safetensors по лицензии Apache 2.0. Карточка не описывает специальные возможности, целевые языки или ограничения качества.

Experiment26Yamshadow_PasticheAlloyingotneoy — объединённая модель семейства Mistral, созданная из automerger/Experiment26Yamshadow-7B и automerger/PasticheAlloyingotneoy-7B. Она предназначена для генерации текста и поддерживает контекст до 32 768 токенов. Модель содержит 7,1 млрд параметров и опубликована в формате safetensors. Модель может использоваться для генерации продолжений текста и диалоговых ответов. Репозиторий распространяется по лицензии Apache-2.0. Подробности о языках, обучении и сравнительном качестве в карточке не приведены.