I.5Создание и редактирование текста

flammenai/flammen14-mistral-7B — языковая модель на архитектуре Mistral, созданная методом слияния SLERP двух предварительно обученных моделей: nbeerbower/Suppe-v1-7B и nbeerbower/Flammen-Bruphin. Разработчик объединил веса с помощью mergekit; модель содержит 7,1 млрд параметров и рассчитана на генерацию текста с контекстом до 32 768 токенов. Модель предназначена для задач генерации текста. Веса опубликованы в формате safetensors и доступны по лицензии Apache-2.0. В карточке не приведены сведения о целевых языках, специализированной области применения или результатах оценки качества.

flammen3-mistral-7B — созданная flammenai объединённая языковая модель на архитектуре Mistral с 7,1 млрд параметров. Она получена методом SLERP с помощью mergekit из предварительно обученных моделей nbeerbower/flammen2 и yam-peleg/Experiment26-7B; веса опубликованы в формате safetensors и рассчитаны на использование с Transformers. Модель предназначена для генерации текста и других сценариев, поддерживаемых конвейером text-generation. Она принимает текст, выдаёт текст и имеет контекстное окно до 32 768 токенов. Карточка не описывает специализированные области применения или языки модели, поэтому их нельзя надёжно определить. Лицензия — Apache-2.0. Карточка подтверждает происхождение через слияние моделей, но не приводит сравнительных оценок качества или подробных рекомендаций по применению; фактические результаты следует оценивать на целевых задачах.

Flan-Alpaca-Base — модель семейства T5, разработанная Declare Lab путём дообучения Flan-T5 на инструкциях Flan и Alpaca. Она предназначена для выполнения текстовых инструкций и генерации ответов, например для написания текстов и решения разнообразных задач по запросу. Модель доступна в форматах PyTorch и Safetensors; метаданные указывают 123,8 млн параметров и контекст до 512 токенов. Модель принимает текст и генерирует текст. Карточка описывает подход к обучению на наборах инструкций, но не приводит оценок качества именно этой версии. Лицензия — Apache-2.0.

FLAN-T5-Large — языковая модель семейства T5, разработанная Google и дообученная по инструкциям на более чем тысяче дополнительных задач. Она предназначена для выполнения текстовых запросов и широкого круга задач обработки естественного языка, включая ответы на вопросы, рассуждения и генерацию текста, в том числе в режимах zero-shot и few-shot. Модель содержит 385,2 млн параметров, использует архитектуру T5 для преобразования текста в текст и имеет контекст до 512 токенов. Она поддерживает множество языков, среди которых английский, русский, французский, немецкий, испанский, китайский, японский и другие. Доступны веса в форматах PyTorch, TensorFlow и Flax, включая safetensors. Лицензия — Apache 2.0. Инструкционное дообучение повышает универсальность и удобство выполнения разнообразных запросов. Модель не проверялась в реальных приложениях; обучающие данные не фильтровались на откровенный контент и предвзятость, поэтому возможны вредные или предвзятые ответы. Перед применением следует оценить риски безопасности и справедливости для конкретного сценария.

FofoNet-CatDolphin-PPT-slerp — языковая модель для генерации текста, созданная слиянием CatPPT-base и dolphin-2.6-mistral-7b-dpo-orca-v2 методом slerp с помощью LazyMergekit. Она предназначена для генерации ответов и диалогового взаимодействия на основе текстовых запросов. Модель построена на плотной архитектуре MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате safetensors. Карточка не сообщает о специализированных областях применения или языках. Лицензия в предоставленных данных не указана.

FoxBeagle-7B — объединённая модель для генерации текста, созданная с помощью LazyMergekit из shadowml/WestBeagle-7B и alnrg2arg/test3_sft_16bit. В карточке указано слияние методом slerp; архитектура — плотная MistralForCausalLM, размер — 7,1 млрд параметров, формат весов — safetensors. Модель поддерживает диалоговый режим и контекст до 32 768 токенов. Модель предназначена для диалоговой генерации текста и сценариев, где требуется отвечать на сообщения или продолжать текст с учётом длинного контекста. README не приводит результатов оценки качества или сведений о целевых областях применения. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства и ограничивающая коммерческое применение.

ND911/Fraken-Maid-TW-K-Slerp — языковая модель, созданная ND911 слиянием весов через mergekit и метод slerp. В слиянии использованы SanjiWatsuki/Kunoichi-7B и ND911/Fraken-Maid-TW-Slerp; конфигурация задаёт базовую модель ND911/Fraken-Maid-TW-Slerp и смешивает слои self-attention и MLP с разными коэффициентами. Модель построена на плотной архитектуре Mistral с 7,1 млрд параметров и контекстом до 8192 токенов. Она предназначена для генерации текста. В карточке не приведены сведения о специализированных сценариях или поддерживаемых естественных языках. Распространяется по лицензии Apache-2.0.

ND911 создал Franken-Mistral-Merlinite-Maid-10B с помощью mergekit, объединив слои модели ND911/Franken-Merlinite-Maid методом passthrough. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM и 10,4 млрд параметров; она принимает текст и генерирует текст. Модель рассчитана на генерацию текста с контекстом до 8192 токенов и распространяется в формате safetensors для библиотеки Transformers. Модель подходит для генерации продолжений, ответов и другого текста на основе текстового запроса. README указывает на объединение слоёв одной базовой модели; сведения о языковой специализации и отдельных прикладных областях не приведены. Лицензия в предоставленных данных не указана.

Franken-MistressMaid-7B — языковая модель на архитектуре Mistral, созданная объединением нескольких предварительно обученных моделей методом TIES с помощью mergekit. В качестве основы использована mistralai/Mistral-7B-v0.1; в объединение также вошли ibm/merlinite-7b, l3utterfly/mistral-7b-v0.1-layla-v4, SanjiWatsuki/Sonya-7B, NeverSleep/Noromaid-7b-v0.2 и migtissera/SynthIA-7B-v1.3. Модель содержит 7,1 млрд параметров, принимает текст и предназначена для генерации текста. Её контекстное окно составляет 32 768 токенов; репозиторий использует формат safetensors и библиотеку Transformers. Карточка не описывает конкретные сценарии применения, языки или ограничения качества. Лицензия в предоставленных данных не указана.

FrankenQwen2.5-14B — объединённая языковая модель, созданная автором synergetic с помощью mergekit и метода passthrough. В состав слияния вошла дообученная модель rombodawg/Rombos-LLM-V2.6-Qwen-14b; архитектура — плотная Qwen2ForCausalLM, объём — 16,2 млрд параметров. Репозиторий содержит веса в формате safetensors. Модель предназначена для генерации текста и диалогов. Она принимает текст и выдаёт текст, поддерживает контекст до 131 072 токенов и имеет интерфейс для вызова инструментов. В README приведены результаты оценки Open LLM Leaderboard, включая средний балл 18,13, IFEval и BBH. Карточка не описывает дополнительные специализированные сценарии или языковое покрытие, поэтому качество для конкретных языков и задач следует проверять отдельно. Лицензия в предоставленных данных не указана.

FrankywestKunai-hermes-1-7b — слитая языковая модель, созданная автором репозитория с помощью mergekit из saishf/West-Hermes-7B и seyf1elislam/KunaiBeagle-Hermes-7b. При слиянии методом passthrough использованы слои 0–19 первой модели и слои 20–31 второй; архитектура — плотная MistralForCausalLM с 7,1 млрд параметров. Модель предназначена для генерации текста по запросу и может использоваться в диалоговых и других текстовых сценариях. Поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Лицензия в предоставленных данных не указана.

Den4ikAI/FRED-T5-XL_instructor — русскоязычная инструкционная модель на архитектуре T5, разработанная Den4ikAI и основанная на FRED-T5-XL. Модель содержит около 870 млн параметров и предназначена для генерации текста в ответ на инструкции и запросы. Её можно применять для русскоязычных текстовых задач, сформулированных в виде инструкций. В метаданных указаны форматы PyTorch и Safetensors и лицензия MIT. Карточка не описывает конкретные результаты обучения или ограничения качества.

freewheelin/free-solar-slerp-v0.2 — текстовая генеративная модель на архитектуре Llama с 10,7 млрд параметров, созданная объединением двух моделей методом SLERP с помощью mergekit: davidkim205/komt-solar-10.7b-sft-v5 и LDCC/LDCC-SOLAR-10.7B. Она предназначена для генерации текста и диалоговых сценариев на основе текстовых запросов. Модель использует формат Safetensors и поддерживает контекст до 4096 токенов. В метаданных указана лицензия MIT. Подробные оценки качества и ограничения отдельных сценариев в карточке не приведены.

FuseChat-Gemma-2-9B-Instruct-GGUF — это набор GGUF-квантизаций инструкционной языковой модели FuseChat-Gemma-2-9B-Instruct, разработанной FuseAI и опубликованной в формате GGUF пользователем bartowski. Квантизации созданы с помощью llama.cpp версии b4273 и метода imatrix, предназначены для локального запуска и совместимы, в частности, с LM Studio. Модель относится к текстовым генеративным моделям и предназначена для диалогов, следования инструкциям и других сценариев генерации текста. Указан размер базовой модели — 9 миллиардов параметров; поддерживаемые модальности, языки и размер контекста в README не описаны. Для работы используется специальный шаблон промпта с маркерами Gemma для ролей пользователя и модели. Доступны варианты от F32 и F16 до квантизаций Q8, Q6, Q5, Q4 и Q3, а также IQ-форматы, что позволяет выбирать между качеством, размером файла и требованиями к памяти. В README рекомендуются, среди прочих, Q6_K_L, Q6_K, Q5 и Q4 варианты; некоторые сборки оптимизированы для ARM или AVX, а отдельные требуют аппаратной поддержки i8mm или sve и не предназначены для Mac. Более компактные варианты экономят память, но могут снижать качество генерации. Лицензия в предоставленных данных не указана.

FwF-Qwen-7B-0.2 — языковая модель на архитектуре Qwen2, созданная bunnycore линейным слиянием четырёх моделей, ориентированных на рассуждения, длительное пошаговое мышление, ролевой диалог и универсальные задачи. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста и диалоговое взаимодействие; метаданные также отмечают интерфейс вызова инструментов. Нативная длина контекста — 32 768 токенов. Модель подходит для диалоговых приложений, следования инструкциям и многошаговых задач, где полезно сочетание компонентов с разными специализациями. В README приведены результаты оценивания на IFEval и BBH, однако они сами по себе не гарантируют качество на пользовательских сценариях. Лицензия в предоставленных данных не указана.

jaspionjader/gamma-Kosmos-EVAA-v3-8B — объединённая модель генерации текста, созданная автором репозитория с помощью mergekit. В объединении методом SLERP использованы jaspionjader/Kosmos-EVAA-gamma-v17-8B и jaspionjader/gamma-Kosmos-EVAA-v2-8B; архитектура — плотная LlamaForCausalLM, размер — 7,5 млрд параметров. Модель работает через Transformers и сохраняется в формате safetensors. Модель предназначена для генерации текста и диалогового общения. Её контекст составляет 8192 токена. В карточке не описаны целевые языки, специальные области применения и сравнительные преимущества; поэтому её можно характеризовать только как универсальную разговорную языковую модель. Лицензия в предоставленных данных не указана.

GaMS3-12B — плотная языковая модель семейства Gemma 3, разработанная исследовательской командой Факультета компьютерных наук и информатики Люблянского университета. Модель объёмом 11,6 млрд параметров создана на основе google/gemma-3-12b-pt: её дополнительно предобучили на корпусах на словенском, английском, хорватском, сербском и боснийском языках. Для этой версии не заявлено инструкционное дообучение; в карточке отдельно указана версия GaMS3-12B-Instruct. Модель предназначена для генерации текста, диалоговых интерфейсов, суммаризации, черновиков и языковых учебных инструментов, особенно для работы со словенским и английским. Максимальная длина контекста — 131 072 токена. Репозиторий содержит веса safetensors; лицензия — Gemma. Качество ответов зависит от обучающих данных и формулировки запроса; возможны фактические ошибки, предвзятость и затруднения с тонкими языковыми нюансами и сложными задачами. Результаты следует проверять, а для пользовательских приложений предусматривать меры безопасности.

GaMS-9B — языковая модель семейства GaMS (Generative Model for Slovene), разработанная исследовательской командой факультета компьютерных и информационных наук Люблянского университета. Она основана на Google Gemma 2 9B и прошла продолжительное предобучение на корпусах текстов на словенском, английском, хорватском, сербском и боснийском языках. Это плотная авторегрессионная модель на 9 млрд параметров с контекстом до 8192 токенов, предназначенная для генерации текста и диалоговых сценариев. Модель подходит для создания и редактирования текстов, суммаризации, ответов на вопросы, чат-ботов и языковых учебных инструментов, особенно для работы со словенским языком. Английский также относится к основным языкам обучения; хорватский, сербский и боснийский представлены в меньшем объёме. Хотя Gemma 2 может поддерживать и другие языки, они не входили в указанное продолжительное предобучение GaMS-9B. Модель может ошибаться в фактах, испытывать трудности с неоднозначностью, тонкими языковыми нюансами и сложными открытыми задачами, а также воспроизводить смещения из обучающих данных. Для использования действует лицензия Gemma.

GaMS-9B-Instruct — инструктивная версия языковой модели семейства GaMS, разработанная исследовательской командой Факультета компьютерных и информационных наук Люблянского университета. Модель основана на Gemma 2 и дообучена методом supervised fine-tuning на базе cjvt/GaMS-9B; она содержит 9 млрд параметров, использует плотную архитектуру Gemma2ForCausalLM и имеет контекст до 8192 токенов. Модель предназначена для генерации текста и диалоговых сценариев: она может помогать создавать и редактировать тексты, составлять краткие пересказы, отвечать на вопросы и поддерживать языковую практику. Основные языки — словенский и английский; также поддерживаются хорватский, сербский и боснийский. По метаданным репозиторий содержит веса в формате safetensors, а лицензия — Gemma. Качество ответов зависит от данных и формулировки запроса: возможны фактические ошибки, предвзятость и трудности с неоднозначными или сложными задачами. Модель может генерировать вредный или вводящий в заблуждение текст, поэтому результаты требуют проверки и подходящих мер безопасности.

Garten2-7B — языковая модель общего назначения, разработанная senseable и основанная на дообученной Mistral-7B-v0.1. Она предназначена для генерации текста, диалога и создания контента. Модель использует плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и имеет контекстное окно 32 768 токенов. В репозитории доступны веса в формате safetensors; библиотека для работы — Transformers. Карточка приводит результаты оценки на бенчмарках рассуждений и понимания текста. Модель поддерживает английский язык. Она распространяется по лицензии Apache-2.0. Карточка не описывает специальные ограничения качества или отдельные прикладные области.

GDN-primed-HQwen3-8B-Instruct — созданная Amazon инструкционная гибридная языковая модель на базе Qwen3-8B. В ней 18 слоёв Attention и 18 слоёв Gated DeltaNet (GDN), то есть половина слоёв внимания заменена на слои модели пространства состояний. Модель содержит около 7,6 млрд параметров, принимает текст и поддерживает контекст до 131 072 токенов; веса доступны в формате safetensors, библиотека — Transformers. Модель предназначена для диалогов и выполнения инструкций, включая генерацию текста, ответы на вопросы, задачи с длинным контекстом, код и рассуждения. По данным разработчика, гибридная архитектура может ускорять генерацию на длинных последовательностях и снижать расход памяти на KV-кэш при близком к базовой трансформерной модели качестве. Это инструкционная модель, не рассчитанная на выдачу chain-of-thought токенов; вызов инструментов не поддерживается. Лицензия — Apache 2.0.

GECToR Base 2020 — модель Grammarly для исправления грамматических ошибок в английском тексте. Она основана на RoBERTa-Base с головой классификации токенов и предсказывает операции редактирования для каждого токена: сохранить, удалить, заменить, добавить слово или преобразовать его форму. Исправление выполняется итеративно, обычно за 2–3 прохода. Эта версия преобразована в ONNX и динамически квантована до INT8 для запуска в браузере через Transformers.js. По метаданным, модель содержит 151,9 млн параметров и имеет контекст длиной 514 токенов. Она рассчитана на быстрый запуск и уступает версии 2024 года по точности. Лицензия — Apache-2.0.

GeM2-Llamion-14B-Base — генеративная языковая модель VAIV Company из серии GeM 2.0. Она создана преобразованием модели Orion в стандартную архитектуру LLaMA с помощью отображения параметров и переноса знаний. Модель предназначена для генерации текста и диалоговых сценариев. Это плотная авторегрессионная модель класса LlamaForCausalLM с 14,1 млрд параметров, контекстом 4096 токенов и весами в формате safetensors. В карточке указана возможность чата. Лицензия — Apache-2.0. В README не приведены сведения о языках, обучающих данных и конкретных ограничениях качества, поэтому их нельзя уточнить по имеющимся источникам.

Модель 1024m/GEMMA2-27B-NLI-16bit разработана 1024m и представляет собой дообученную языковую модель Gemma 2 на 27,6 млрд параметров. В качестве основы использована unsloth/gemma-2-27b-bnb-4bit; для обучения применялись Unsloth и библиотека Hugging Face TRL. Модель предназначена для генерации текста и поддерживает контекст длиной до 8192 токенов. Карточка не описывает специальную настройку для задач NLI, поэтому её практическое назначение по доступным сведениям — генерация текста общего назначения. Указанная лицензия — Apache 2.0. Данные карточки не сообщают о целевых оценках качества или ограничениях модели.

Карточка модели stevenlearns/gemma-2-2b-it на Hugging Face совпадает с карточкой google/gemma-2-2b-it, поэтому описание составлено по ней. Gemma 2 2B IT — компактная текстовая модель Google, дообученная для следования инструкциям и диалогового взаимодействия на базе google/gemma-2-2b. Это декодерная языковая модель семейства Gemma, работающая по схеме «текст на входе — текст на выходе»; она поддерживается библиотекой Transformers и распространяется в формате Safetensors с открытыми весами по лицензии Gemma. Модель предназначена для генерации текста, ответов на вопросы, суммаризации и диалоговых интерфейсов. Её небольшой размер позволяет запускать её на ноутбуке, настольном компьютере или собственной облачной инфраструктуре с ограниченными ресурсами. В README семейство описано как англоязычное. Ответы могут содержать фактические ошибки и отражать смещения обучающих данных; качество зависит от формулировки запроса и предоставленного контекста. Модель может испытывать трудности со сложными задачами, языковыми нюансами и здравым смыслом. Для приложений, где важны точность и безопасность, необходима проверка результатов и защитные меры.

Карточка модели vy22215/Gemma-2-2B-IT на Hugging Face совпадает с карточкой google/gemma-2-2b-it, поэтому описание составлено по ней. Gemma 2 2B IT — компактная текстовая модель Google, дообученная для следования инструкциям и диалогового взаимодействия на базе google/gemma-2-2b. Это декодерная языковая модель семейства Gemma, работающая по схеме «текст на входе — текст на выходе»; она поддерживается библиотекой Transformers и распространяется в формате Safetensors с открытыми весами по лицензии Gemma. Модель предназначена для генерации текста, ответов на вопросы, суммаризации и диалоговых интерфейсов. Её небольшой размер позволяет запускать её на ноутбуке, настольном компьютере или собственной облачной инфраструктуре с ограниченными ресурсами. В README семейство описано как англоязычное. Ответы могут содержать фактические ошибки и отражать смещения обучающих данных; качество зависит от формулировки запроса и предоставленного контекста. Модель может испытывать трудности со сложными задачами, языковыми нюансами и здравым смыслом. Для приложений, где важны точность и безопасность, необходима проверка результатов и защитные меры.

IntervitensInc/gemma-2-9b-chatml — текстовая чат-модель на базе Gemma 2 от Google. В репозитории указано, что к модели добавлены токены ChatML для дообучения; архитектура — плотная decoder-only Gemma2ForCausalLM с 9 млрд параметров. Модель работает с текстом и поддерживает контекст до 8192 токенов. Модель предназначена для диалогов и генерации текста: она может отвечать на вопросы, составлять краткие изложения, помогать с письмом и поддерживать исследовательские и учебные сценарии. README описывает семейство Gemma как англоязычное; сведения о специальном дообучении этой версии и его результатах не приводятся. Модель хранится в формате safetensors и использует библиотеку Transformers. Лицензия — Gemma. Возможны фактические ошибки, предвзятые ответы и затруднения с неоднозначными или сложными запросами; для применения нужны проверка результатов и меры безопасности.

QuantFactory/gemma-2-9b-GGUF — это квантованная версия языковой модели Gemma 2 с 9 млрд параметров, созданная на основе google/gemma-2-9b с использованием llama.cpp. Разработчик исходной модели — Google. Модель относится к авторегрессионным decoder-only моделям для генерации текста и распространяется в формате GGUF. Модель предназначена для текстовых задач, включая ответы на вопросы, суммирование, рассуждения, диалоговое взаимодействие и другую генерацию текста. Указана поддержка английского языка. Квантование уменьшает требования к вычислительным ресурсам и делает модель более подходящей для запуска на локальных компьютерах и в инфраструктуре с ограниченными ресурсами, однако может сопровождаться снижением качества по сравнению с исходными весами; конкретный уровень квантования в README не указан. Ключевые ограничения — текстовая модальность, отсутствие сведений о размере контекста, точной схеме квантования и результатах оценки именно этой сборки. Использование регулируется лицензией Gemma и соответствующими условиями Google.

ThomasBaruzier/gemma-2-9b-it-GGUF — это набор GGUF-квантизаций инструкционно дообученной текстовой модели Gemma 2 9B IT, первоначально разработанной Google. Квантизации созданы с помощью llama.cpp и метода imatrix на основе калибровочного файла Bartowski; исходная модель — google/gemma-2-9b-it. Модель представляет собой decoder-only большую языковую модель для генерации и преобразования текста. Она предназначена для диалогов, ответов на вопросы, суммаризации, рассуждений и других задач текстовой генерации на английском языке. Доступны варианты с разными уровнями квантизации и размером примерно от 2,3 до 17,6 ГБ: от IQ1_S и IQ1_M до Q8_0 и F16. Более компактные варианты требуют меньше ресурсов, но могут сильнее терять качество; по приведённой таблице варианты Q4–Q8 близки к F16 по измеренным показателям perplexity и accuracy. Сильная сторона набора — возможность запускать Gemma 2 9B IT локально или на инфраструктуре с ограниченными ресурсами через llama.cpp, выбирая компромисс между размером и качеством. README не содержит сведений о длине контекста, точной архитектуре, поддерживаемых модальностях кроме текста или полном наборе языков; указано только, что модель доступна на английском языке. Использование регулируется лицензией Gemma от Google; для доступа к модели на Hugging Face требуется принять условия этой лицензии.

Модель ehristoforu/Gemma2-9b-it-train6-plus_layer-1 — текстовая генеративная модель, созданная из ehristoforu/Gemma2-9b-it-train6 с помощью mergekit. В README указан метод passthrough: модель собрана из диапазонов слоёв исходного чекпойнта; метаданные классифицируют её как дообученную производную Gemma 2 и отмечают поддержку диалогового режима. Модель предназначена для генерации текста и ведения диалога. Она построена на плотной архитектуре Gemma2ForCausalLM, содержит 7,1 млрд параметров и рассчитана на контекст до 8192 токенов. Репозиторий использует формат safetensors, а при создании указан тип данных bfloat16. README не описывает отдельные специализации, языки или гарантии качества, поэтому модель следует рассматривать как универсальную текстовую модель. Лицензия в предоставленных сведениях не указана.