I.5Создание и редактирование текста

Qwen3-8B-UnBias-Plus-SFT-Instruct-V2 — дообученная Vector Institute в рамках проекта UnBias-Plus модель Qwen3-8B для выявления предвзятого языка в новостных статьях и их нейтральной переработки. Она анализирует статью, выделяет фрагменты с предвзятостью, присваивает каждому тип и степень выраженности, выставляет общую оценку статье и возвращает полный нейтральный вариант в структурированном JSON. Модель обучена методом supervised fine-tuning с LoRA на 5 000 размеченных экспертами новостных статьях; это плотная авторегрессионная языковая модель с 7,6 млрд параметров и контекстом до 40 960 токенов по метаданным. Карточка указывает на прямой JSON-вывод без блоков chain-of-thought и консервативную разметку: модель отмечает явную существенную предвзятость, но всегда помечает токсичный и дегуманизирующий язык. Лицензия — Apache-2.0. Модель предназначена для аудита новостного текста, разметки типов и уровней предвзятости и подготовки нейтральных редакций. Поддерживает английский язык согласно карточке и языковым тегам. Ограничение контекста в примере запуска vLLM составляет 8 192 токена, хотя метаданные модели указывают нативное окно 40 960 токенов; фактический предел зависит от конфигурации инференса. Для точного соответствия обучению README рекомендует использовать исходный системный промпт.

Cyronius/Qwen3.8-Flash-Next-131B-A6B-GGUF — это оптимизированная GGUF-версия Qwen3.8-Flash-Next, основанная на модели Qwen от Qwen и подготовленная автором Cyronius. Модель предназначена для генерации текста, рассуждений и агентских сценариев с вызовом инструментов через llama.cpp. Это текстовая сборка; отдельные vision-тензоры поставляются отдельно, а работа визуального контура после модификации не тестировалась. Модель использует MoE-архитектуру с 48 слоями и 512 экспертами, из которых активируются параметры объёмом около 6B на токен. Общее число параметров сокращено примерно с 176B до 131B за счёт уменьшения n-gram hash-embedding-таблицы с 51,2B до 6,4B параметров: сохранено по одной из восьми голов для каждого типа n-грамм. Основная сборка Q3_K_XL занимает 64,8 GB, также доступна версия Q4_0 размером 75,4 GB. Заявлена поддержка контекста до 256K токенов в исходной архитектуре, но поведение на длинном контексте для этой модификации не проверялось; опубликованные тесты проведены при контексте до 8K. По небольшому набору тестов сборка сохранила показатели базовой модели в tool calling, GSM8K и MMLU, однако perplexity на WikiText-2 ухудшилась с 2,40 до 4,66. Поэтому модель хорошо подходит для рассуждений, задач общего назначения и вызова инструментов, но может быть менее качественной в точном воспроизведении цитат, шаблонного текста и других сценариях, зависящих от поверхностного предсказания продолжений. Q4_0 структурно проверена, но отдельно не тестировалась. Для запуска требуется llama.cpp от 2026-08-27 или новее с поддержкой qwen4exp, а также значительный объём VRAM или оперативной памяти. Модель распространяется по лицензии qwen-community-1.0.

Карточка модели Umbasa/Qwen3-Omni-30B-A3B-Instruct-UMBASA-V1 на Hugging Face совпадает с карточкой Qwen/Qwen3-Omni-30B-A3B-Instruct, поэтому описание составлено по ней. Qwen3-Omni-30B-A3B-Instruct — мультимодальная модель общего назначения от команды Qwen компании Alibaba. Она принимает текст, изображения, аудио и видео и формирует потоковые ответы текстом и естественной речью; вариант Instruct включает компоненты Thinker и Talker. Архитектура MoE использует разделение на Thinker и Talker, а модель рассчитана на низколатентное взаимодействие в реальном времени и управление поведением через системные промпты. Модель предназначена для голосовых диалогов, распознавания и понимания речи, описания аудио и видео, а также ответов на вопросы по изображениям и смешанным мультимодальным входам. README заявляет поддержку 119 языков для текста, 19 языков для речевого ввода и 10 для речевого вывода; среди явно перечисленных языков речи есть русский. В примере запуска указан максимальный контекст 65 536 токенов. Для работы предлагаются Transformers и vLLM; README отмечает, что на момент публикации требовалась установка Transformers из исходников. Лицензия в метаданных обозначена как other, без уточнения условий.

QwQ-32B-GGUF — это квантизированная в формате GGUF версия языковой reasoning-модели QwQ-32B, разработанной командой Qwen. Модель предназначена для генерации текста и диалоговых сценариев, в частности для задач, требующих рассуждений. Указанный вариант подготовлен quantized_by: bartowski на основе llama.cpp release b4792 и распространяется как community-модель для LM Studio. Модель имеет размер 32B параметров, поддерживает контекст до 128 тысяч токенов и ориентирована на работу с текстом на английском языке. README не указывает поддержку изображений, аудио или других модальностей, поэтому модель следует рассматривать как текстовую. Квантизация в GGUF делает её пригодной для локального запуска в совместимом программном обеспечении, однако конкретные требования к памяти, скорость и качество зависят от выбранного варианта квантизации и оборудования. Сильными сторонами модели являются специализация на рассуждениях, большой контекст и возможность локального использования через инструменты экосистемы llama.cpp и LM Studio. Ограничениями остаются английская языковая ориентация, необходимость значительных вычислительных ресурсов для модели такого размера и возможное снижение качества по сравнению с исходной моделью из-за квантизации. README предупреждает, что модель может генерировать неточный, вредный или неуместный контент, поэтому результаты требуют проверки. Лицензия — Apache-2.0.

ReAligned-Qwen3.5-27B — диалоговая модель семейства Qwen3.5, созданная Эриком Хартфордом из LazarusAI на базе Qwen/Qwen3.5-27B. Модель дообучена в два этапа: supervised fine-tuning и GRPO с оценкой ReAligned-Classifier; обучение использует LoRA. Цель — уменьшить отказы и государственно-ориентированную подачу ответов на политические и исторические темы, связанные с Китаем, сохранив общие возможности базовой модели. Модель предназначена для чата, суммаризации, программирования, рассуждений, многоязычного использования, а также исследования идеологической предвзятости, отказов и рамки повествования. Архитектура — плотная Qwen3.5 с классом Qwen3_5ForConditionalGeneration; метаданные указывают мультимодальную основу с поддержкой текста и изображений. Карточка не сообщает размер параметров и длину контекста именно этого чекпойнта. Лицензия — Apache-2.0. Снижение цензурных отказов не гарантирует точность фактов; возможны чрезмерная коррекция в сторону западной институциональной рамки, пробелы в знаниях и различия поведения между языками и формулировками. Авторы рекомендуют независимую оценку и собственные меры модерации при развёртывании.

Карточка модели Lazarus-Ai/ReAligned-Qwen3.5-35B-A3B на Hugging Face совпадает с карточкой Lazarus-Ai/ReAligned-Qwen3.5-27B, поэтому описание составлено по ней. ReAligned-Qwen3.5-27B — диалоговая модель семейства Qwen3.5, созданная Эриком Хартфордом из LazarusAI на базе Qwen/Qwen3.5-27B. Модель дообучена в два этапа: supervised fine-tuning и GRPO с оценкой ReAligned-Classifier; обучение использует LoRA. Цель — уменьшить отказы и государственно-ориентированную подачу ответов на политические и исторические темы, связанные с Китаем, сохранив общие возможности базовой модели. Модель предназначена для чата, суммаризации, программирования, рассуждений, многоязычного использования, а также исследования идеологической предвзятости, отказов и рамки повествования. Архитектура — плотная Qwen3.5 с классом Qwen3_5ForConditionalGeneration; метаданные указывают мультимодальную основу с поддержкой текста и изображений. Карточка не сообщает размер параметров и длину контекста именно этого чекпойнта. Лицензия — Apache-2.0. Снижение цензурных отказов не гарантирует точность фактов; возможны чрезмерная коррекция в сторону западной институциональной рамки, пробелы в знаниях и различия поведения между языками и формулировками. Авторы рекомендуют независимую оценку и собственные меры модерации при развёртывании.

Карточка модели Lazarus-Ai/ReAligned-Qwen3.5-4B на Hugging Face совпадает с карточкой Lazarus-Ai/ReAligned-Qwen3.5-27B, поэтому описание составлено по ней. ReAligned-Qwen3.5-27B — диалоговая модель семейства Qwen3.5, созданная Эриком Хартфордом из LazarusAI на базе Qwen/Qwen3.5-27B. Модель дообучена в два этапа: supervised fine-tuning и GRPO с оценкой ReAligned-Classifier; обучение использует LoRA. Цель — уменьшить отказы и государственно-ориентированную подачу ответов на политические и исторические темы, связанные с Китаем, сохранив общие возможности базовой модели. Модель предназначена для чата, суммаризации, программирования, рассуждений, многоязычного использования, а также исследования идеологической предвзятости, отказов и рамки повествования. Архитектура — плотная Qwen3.5 с классом Qwen3_5ForConditionalGeneration; метаданные указывают мультимодальную основу с поддержкой текста и изображений. Карточка не сообщает размер параметров и длину контекста именно этого чекпойнта. Лицензия — Apache-2.0. Снижение цензурных отказов не гарантирует точность фактов; возможны чрезмерная коррекция в сторону западной институциональной рамки, пробелы в знаниях и различия поведения между языками и формулировками. Авторы рекомендуют независимую оценку и собственные меры модерации при развёртывании.

ifuseok/sft-solar-10.7b-v1.1 — текстовая генеративная модель, созданная дообучением upstage/SOLAR-10.7B-Instruct-v1.0. Она предназначена для диалогов, следования инструкциям, ответов на вопросы и англо-корейского перевода. Модель использует плотную архитектуру LlamaForCausalLM, содержит около 10,6 млрд параметров и принимает только текст, генерируя текст; нативная длина контекста — 4096 токенов. Для обучения использовались корейские наборы инструкций и вопросов, включая Korean OpenOrca, Korean BoolQ и переведённый на корейский набор Dolly, а также часть данных AIhub для перевода с английского на корейский. Это указывает на основной акцент на корейском языке, хотя переводные данные также поддерживают сценарии с английским. Репозиторий распространяет веса в формате safetensors и предназначен для загрузки через Transformers. Лицензия в предоставленных сведениях не указана.

Snowball 67B-A2B Nemotron-Terminal SFT — разговорная модель семейства Marin с архитектурой Grug MoE, подготовленная для генерации текста и сценариев с агентными взаимодействиями. По карточке, это экспорт BF16 для Hugging Face и vLLM, обученный дообучением на корпусе Nemotron Terminal в рамках этапа Chat → Thinking → Agentic SFT; опубликован финальный чекпойнт после 1 888 шагов, а также промежуточные версии. В метаданных указаны 2,8 млрд параметров и контекст до 32 768 токенов. Модель рассчитана на диалог, генерацию ответов и использование интерфейса вызова инструментов. В карточке рекомендуется оценивать эту линию моделей с Terminus-2. Указанная лицензия — Apache-2.0.

Storymation-2-7b-chat-finetune — языковая модель Fateemaa для генерации историй по текстовым запросам. Она дообучена на архитектуре Llama 2 на объединённом наборе историй из нескольких открытых датасетов; модель имеет 6,6 млрд параметров и контекстное окно 4096 токенов. Модель предназначена для создания связных и разнообразных историй по заданным пользователем промптам. Доступны веса PyTorch. Лицензия в предоставленных данных не указана.

StrangeMerges_52-7B-dare_ties — слитая модель на архитектуре Mistral, созданная автором Gille с помощью LazyMergekit из пяти моделей: WizardMath-7B-V1.1, Percival_01-7b-slerp, Einstein-v4-7B, NeuralMaths-Experiment-7b и StrangeMerges_35-7B-slerp. Модель предназначена для генерации текста, в том числе ответов на вопросы и решения математических и логических задач. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В репозитории размещены веса safetensors; заявлена лицензия Apache-2.0. В README приведены результаты Open LLM Leaderboard, включая оценки по AI2 Reasoning Challenge и HellaSwag.

Bayan Arabic Summarization Model — модель суммаризации, разработанная Bayan. Она предназначена для создания кратких пересказов новостных текстов на арабском языке. Модель построена на архитектуре mBART и содержит 95 млн параметров; для генерации рекомендуется ограничивать результат 40 новыми токенами. Лицензия Apache-2.0. Карточка рекомендует детерминированную генерацию без выборки и указывает, что beam search и sampling могут усиливать галлюцинации. Для входов, на которых пересказ заметно отходит от источника, предлагается использовать более экстрактивный подход.

GLM-Z1-Rumination-32B-0414-GGUF — это квантизированная версия языковой модели GLM-Z1-Rumination-32B-0414, разработанной командой THUDM. Сборку GGUF выполнил bartowski с использованием llama.cpp и imatrix-квантизации. Модель предназначена для генерации текста и поддерживает китайский и английский языки; в README она описана как модель для глубокого исследовательского поиска, анализа информации и подготовки отчётов с использованием инструментов и браузерного взаимодействия. Модель имеет размер 32B параметров и поставляется в форматах GGUF с различными уровнями квантизации — от BF16 до Q4 и IQ4, что позволяет выбирать баланс между качеством, размером файла и требованиями к памяти. Рекомендуемые варианты включают Q4_K_M, Q5_K_M, Q6_K и Q6_K_L; файлы имеют размер примерно от 19 до 66 ГБ. Доступен специальный формат prompt, включающий системные инструкции для исследовательских задач. Сведения о точной архитектуре, размере контекстного окна, мультимодальности, результатах оценки и ограничениях исходной модели в README не указаны. Лицензия — MIT.

Windstorm Labs выпустила компактную модель машинного перевода с английского на французский. Это дообученная версия Helsinki-NLP/opus-mt-en-fr: LoRA-адаптер обучили на параллельных текстах и объединили с базовыми весами. Модель содержит 55,6 млн параметров, использует архитектуру MarianMT и принимает контекст длиной до 512 токенов. Модель предназначена для перевода текстов с английского на французский. В карточке приведена скрининговая оценка на 48 предложениях FLORES-200: chrF++ 66,23 и BLEU 45,65; это небольшой тестовый набор, а не результат публикационного исследования. Репозиторий содержит сборку Transformers в формате safetensors. Лицензия — Apache-2.0.

WindstormTranslate/translate-en-hu — модель машинного перевода от Windstorm Labs для перевода текста с английского на венгерский. Это дообученная версия Helsinki-NLP/opus-mt-en-hu на параллельных текстах: LoRA-адаптер объединён с базовыми весами. Модель построена на архитектуре Marian, содержит 57,2 млн параметров и принимает контекст длиной до 512 токенов. Модель предназначена для перевода с английского на венгерский. В проверке на 48 предложениях FLORES-200 она получила chrF++ 56,03 и BLEU 30,36; авторы характеризуют результат как скрининговую оценку, а не как результат публикационного исследования. Поддерживается только одно направление перевода. Репозиторий содержит веса в формате safetensors для Transformers. Лицензия — Apache-2.0.

Windstorm Labs выпустила компактную модель машинного перевода с французского на английский. Это дообученная версия Helsinki-NLP/opus-mt-fr-en: LoRA-адаптер обучили на параллельных данных и объединили с базовыми весами. Модель построена на архитектуре MarianMT, содержит 55,6 млн параметров, принимает текст и выдаёт текст; для загрузки доступна сборка Transformers в формате safetensors. Максимальная длина контекста — 512 токенов. Модель предназначена для перевода французских текстов на английский. В README приведён скрининговый результат FLORES-200 для 48 предложений: chrF++ 63,14 и BLEU 37,61; это предварительная оценка, а не результат публикационного исследования. Другие языковые направления не заявлены. Лицензия — Apache-2.0.

Tunguska-39B-v1 — текстовая языковая модель на архитектуре Mistral, созданная TheDrummer как дообучение увеличенной версии Mistral Small 22B. Модель предназначена для генерации текста в формате чата и ролевых диалогов; в карточке рекомендован шаблон Metharme (Pygmalion в SillyTavern) и приведён предпочитаемый формат ролевого текста от первого лица. Модель содержит 38,8 млрд параметров, использует формат safetensors и имеет контекстное окно 131 072 токена. Метаданные каталога также отмечают интерфейс для вызова инструментов. В README указано, что тестировщики чаще рекомендуют версию Skyfall, поэтому предпочтения могут зависеть от сценария использования. Лицензия в предоставленных данных не указана.

watt-tool-70B-GGUF — это квантизированная версия языковой модели watt-tool-70B, разработанной watt-ai и преобразованной в формат GGUF пользователем bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста, вызова функций и взаимодействия с внешними инструментами; в метаданных также указана совместимость с задачами BFCL. Поддерживается запуск через llama.cpp, LM Studio и другие проекты на базе llama.cpp. Модель имеет размер 70B параметров; в README она связана с архитектурой Llama и заявлена для английского языка. Длина контекста, точный набор поддерживаемых модальностей и дополнительные архитектурные характеристики не указаны. Доступно множество вариантов квантизации от Q2 до Q8, различающихся размером файлов и качеством: Q6_K, Q5_K_M, Q5_K_S, Q4_K_L, Q4_K_M и Q4_K_S отмечены как рекомендуемые, тогда как варианты Q2 и Q3 обеспечивают экономию памяти за счёт снижения качества. Сильными сторонами модели являются ориентация на function calling и tool use, а также возможность локального запуска на совместимом оборудовании. Ограничения связаны с потерями качества при использовании низкобитных вариантов квантизации, значительными требованиями к памяти у 70B-модели и отсутствием заявленной поддержки языков, кроме английского. Лицензия — Apache-2.0.

facebook/wmt19-en-ru — перенесённая в формат Transformers модель машинного перевода Fairseq, опубликованная Facebook. Она переводит текст с английского на русский и предназначена для автоматического перевода новостных и других текстов. Модель использует плотную архитектуру FSMTForConditionalGeneration, содержит около 100,7 млн параметров и рассчитана на контекст до 1024 токенов; веса сохранены такими же, как в исходной модели Fairseq WMT19. В тестировании для направления en→ru в карточке указана оценка 33,47 для порта Transformers против 36,4 для исходной версии Fairseq. Перенесена лучшая отдельная контрольная точка, тогда как ансамбль из четырёх моделей и переранжирование в Transformers не поддерживаются. Модель плохо обрабатывает повторяющиеся фрагменты: часть входного текста может обрезаться. Лицензия — Apache-2.0.

AfriqueQwen3.5-4B-Instruct-v2 — диалоговая текстовая модель McGill-NLP, постобученная на базе McGill-NLP/AfriqueQwen3.5-4B. Она предназначена для генерации ответов, решения математических задач, перевода и ответов на вопросы с выбором варианта, в том числе на африканских языках; в README приведены результаты оценивания на AfriMGSM, AfriMMLU, AfriXNLI, Belebele, Injongo, SIB-200 и FLORES. Модель использует архитектуру Qwen3.5 с плотной 4-миллиардной языковой частью и поддерживает диалоговый режим. Хотя в конфигурации указана архитектура Qwen3_5ForConditionalGeneration, README сообщает, что визуальных весов в checkpoint нет; для запуска через vLLM требуется режим --language-model-only. В примере запуска задан предел контекста 12 288 токенов. Репозиторий распространяется в формате safetensors по лицензии CC BY 4.0. README не перечисляет точный набор поддерживаемых языков и не приводит полный набор инструкций постобучения, поэтому языковые возможности следует оценивать по фактической проверке нужного языка; опубликованные тесты дают ориентир, но не гарантируют качество в конкретном сценарии.

cocoirun/AIFT-ko-orca-plat-Yi-ko-6b-v1.0 — корейская instruct-модель, дообученная разработчиком с помощью LoRA на базе KOR-OpenOrca-Platypus. Для обучения использовались около 40 тысяч примеров: очищенные и отобранные данные KOR-OpenOrca-Platypus, а также самостоятельно подготовленные задания по истории, естественным наукам, математике, машинному чтению, анализу отзывов, обобщению, грамматике и переводу между английским и корейским. Модель предназначена для диалоговых ответов и решения текстовых задач общего характера. Архитектура — плотная LlamaForCausalLM, около 5,9 млрд параметров; нативный контекст — 2048 токенов. Модель принимает и генерирует текст. В README описана работа с корейскими и англоязычными данными; также использованы датасеты по истории, науке и математике. Обучение проводилось с LoRA на двух A100 с 40 ГБ памяти каждая. Лицензия — CC BY-SA 4.0. Обучающие данные закрыты, поэтому состав и качество отдельных наборов нельзя независимо проверить. Короткий контекст ограничивает обработку длинных документов; результаты могут быть неточными, особенно в фактических ответах и решении задач.

AIFT의 AIFT-ko-orca-plat-Yi-ko-6b-v1.1-dpo는 한국어 지시 수행을 위한 텍스트 생성 모델로, README에서는 orca-platypus instruct-DPO v1.1로 설명되어 있습니다. 모델은 약 5,9 млрд параметров, Llama-совместимая плотная архитектура, контекст до 2048 токенов и формат safetensors; опубликована по лицензии CC BY-SA 4.0. Модель дообучена с помощью LoRA на примерно 40 тысячах примеров. В набор вошли задания по истории, естественным наукам, математике, машинному чтению, анализу отзывов, обобщению, грамматике, общеобразовательным вопросам и викторинам, а также перевод между корейским и английским. Данные собраны и подготовлены разработчиком на основе открытых наборов и самостоятельно созданных примеров; обучающие файлы не опубликованы. Подходит для ответов на вопросы и выполнения учебных инструкций на корейском, включая базовые научные и математические задачи, чтение с пониманием и перевод. Контекст 2048 токенов ограничивает работу с длинными документами; сведения о качестве на независимых тестах в карточке не приведены.

Air Nano — разговорная модель первого поколения от независимой компании Air Intelligence, основанной разработчиком Эджиро Прайсом из Нигерии. Модель построена на плотной архитектуре Qwen2 с причинным языковым моделированием; содержит 3,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель предназначена для общего общения, помощи с программированием, генерации идей и простых рассуждений. В карточке заявлены диалоговый режим и интерфейс вызова инструментов. Основной язык по метаданным — английский. Разработчик описывает стиль ответов как спокойный, наблюдательный и практичный, с готовностью признавать неопределённость и участвовать в ролевых сценариях. Это ранняя модель первого поколения: она может ошибаться, особенно в сложных рассуждениях и технических задачах, поэтому важные ответы следует проверять. По README модель предназначена для пользователей от 13 лет; запрещено использовать её для незаконного контента, травли и имитации реальных людей. Лицензия репозитория — Apache-2.0.

jondurbin/airoboros-l2-70b-2.1-creative — языковая модель на архитектуре Llama 2, созданная путём слияния Llama 2 70B с адаптером creative. Она предназначена для творческого письма и ролевых диалогов; обучение основано на подмножестве данных Airoboros 2.1 для творческих задач. Модель содержит 68,7 млрд параметров, принимает текст и генерирует текст, работает с контекстом до 4096 токенов. Модель подходит для генерации художественных текстов и интерактивных ролевых сценариев. В репозитории указаны веса PyTorch и лицензия llama2. Карточка не приводит результатов оценки качества или подробных ограничений; применение зависит от условий лицензии Llama 2.

ALIA-40b-fc-2605 — языковая модель команды Language Modeling из AI Institute при Barcelona Supercomputing Center. Это дообученная версия ALIA-40b: после адаптации к длинному контексту модель прошла supervised fine-tuning, направленный прежде всего на вызов функций и работу с инструментами в диалогах. Она также подходит для многоходового общения и общих задач генерации текста. Модель построена на архитектуре Transformer decoder-only; в метаданных указаны семейство Llama, плотная архитектура и 38,3 млрд параметров. Контекстное окно — 163 840 токенов. Базовая ALIA обучалась на данных 35 европейских языков, однако дообучение для вызова функций и оценивание сосредоточены преимущественно на английском, поэтому качество на других языках может быть ниже и проверено слабее. Модель не прошла этап выравнивания по безопасности; авторы также отмечают ограничения в сложных рассуждениях, математике и генерации кода. Лицензия Apache 2.0 разрешает коммерческое и исследовательское использование.

Atlas-Chat-9B — диалоговая языковая модель на 9 млрд параметров, разработанная MBZUAI-Paris в рамках проекта Jais и дообученная на базе google/gemma-2-9b-it для марокканского разговорного арабского языка (дариджи). Это плотная модель Gemma 2 для генерации текста с контекстом до 8192 токенов. Модель предназначена для чат-ботов и диалоговых помощников на даридже, ответов на вопросы, суммаризации, перевода и генерации текстов на разговорном марокканском арабском. Карточка также называет культурные исследования языка и Марокко возможным сценарием применения. Модель распространяется в формате Safetensors для Transformers; указана лицензия Gemma. Качество ответов зависит от охвата и разнообразия обучающих данных. Модель может ошибаться в фактах, испытывать трудности с языковыми нюансами и сложными открытыми задачами, а также воспроизводить предвзятость или создавать вредный контент; ответы требуют проверки.

Aura-MoEv2 — дообученная модель jeiku на базе jeiku/MoEv2, созданная с помощью Axolotl и библиотеки Transformers. Это причинная языковая модель архитектуры Mixtral с механизмом Mixture of Experts (MoE), содержащая 3,9 млрд параметров и рассчитанная на контекст до 131 072 токенов. Модель предназначена для генерации текста и диалогов; в качестве обучающих данных указаны наборы FourOhFour/RP_Phase и jeiku/Writing. В карточке приведено значение loss 1,7106 на оценочном наборе, но нет описания методики оценки и подробностей о качестве. Указана лицензия?

bartconvo-summarizer — дообученная Advaith1612 модель BART для краткого пересказа диалогов. Она создана на основе facebook/bart-large-cnn и обучена на датасете SAMSum, содержащем диалоги и их краткие сводки. Модель принимает текст диалога и генерирует его краткое текстовое изложение; её контекст составляет 1024 токена, размер — 252,8 млн параметров. Модель подходит для суммирования переписок и разговоров на английском языке. Она распространяется в формате safetensors по лицензии MIT. README не содержит результатов оценки качества или дополнительных сведений об ограничениях.

BereavedCompound-v1.0-24b — языковая модель на 23,4 млрд параметров, созданная автором FlareRebellion как многоэтапное слияние предварительно обученных моделей с помощью mergekit. В основе использована ReadyArt/MS3.2-The-Omega-Directive-24B-Unslop-v2.0; в состав также вошли модели, ориентированные на рассказывание историй и ролевые сценарии, следование инструкциям, фэнтези и приключения. Применяется для генерации текста в диалоговом формате, в частности для ролевого взаимодействия и создания историй. Модель построена на плотной архитектуре Mistral и распространяется в формате safetensors. Указанная длина контекста — 131 072 токена. Для слияния применялись методы Model Stock, SLERP и NuSLERP; README сообщает, что автор остановился на сочетании, которое ему понравилось, без строгого описания методики. Условия лицензии в предоставленных данных не приведены.

minhmnq/byt5-vietnamese-restoration — дообученная модель ByT5 на уровне байтов для восстановления вьетнамской орфографии. Она возвращает диакритические знаки и знаки препинания, а также восстанавливает пробелы и сегментацию слов в слитном тексте. В карточке заявлены гибридное лексическое ранжирование триграмм для разрешения неоднозначностей и высокая сохранность исходного содержания. Модель построена на архитектуре T5 и содержит 364,6 млн параметров. Она предназначена для обработки вьетнамского текста; доступный формат весов — safetensors. Лицензия — MIT. Метаданные указывают задачу text-generation, хотя практическое назначение модели — восстановление текста.