I.5Создание и редактирование текста

Карточка модели mergekit-community/mergekit-slerp-jfynlwk на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-gmjabaw, поэтому описание составлено по ней. mergekit-community/mergekit-slerp-gmjabaw — объединение языковых моделей, созданное сообществом с помощью mergekit и метода SLERP. В него вошли NousResearch/Hermes-2-Pro-Mistral-7B и WizardLMTeam/WizardMath-7B-V1.1; конфигурация использует Hermes в начальных и конечных слоях, а WizardMath — в средних. Модель основана на плотной архитектуре Mistral, содержит 7,1 млрд параметров и принимает текст для генерации текста в диалоговом формате. Заявленная длина контекста — 32 768 токенов. Модель подходит для диалогов, выполнения инструкций и математических запросов, сочетая возможности входящих в объединение моделей. В метаданных указана библиотека Transformers и формат safetensors. Лицензия в предоставленных сведениях не указана.

Карточка модели mergekit-community/mergekit-slerp-lnhotro на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-gmjabaw, поэтому описание составлено по ней. mergekit-community/mergekit-slerp-gmjabaw — объединение языковых моделей, созданное сообществом с помощью mergekit и метода SLERP. В него вошли NousResearch/Hermes-2-Pro-Mistral-7B и WizardLMTeam/WizardMath-7B-V1.1; конфигурация использует Hermes в начальных и конечных слоях, а WizardMath — в средних. Модель основана на плотной архитектуре Mistral, содержит 7,1 млрд параметров и принимает текст для генерации текста в диалоговом формате. Заявленная длина контекста — 32 768 токенов. Модель подходит для диалогов, выполнения инструкций и математических запросов, сочетая возможности входящих в объединение моделей. В метаданных указана библиотека Transformers и формат safetensors. Лицензия в предоставленных сведениях не указана.

Карточка модели mergekit-community/mergekit-slerp-nfoezyj на Hugging Face совпадает с карточкой arcee-ai/Hermes-2-Pro-WizardMath-7B-SLERP, поэтому описание составлено по ней. arcee-ai/Hermes-2-Pro-WizardMath-7B-SLERP — объединённая языковая модель, созданная с помощью mergekit методом SLERP из NousResearch/Hermes-2-Pro-Mistral-7B и WizardLM/WizardMath-7B-V1.1. Это плотная авторегрессионная модель архитектуры Mistral с 7,1 млрд параметров, работающая через Transformers и распространяемая в формате safetensors. Для объединения использована конфигурация bfloat16 с весовой кривой, отдающей входные и выходные слои Hermes, а средние слои — WizardMath. Модель предназначена для генерации текста в диалоге и решения математических задач на естественном языке. Контекст составляет до 32 768 токенов; метаданные также отмечают интерфейс вызова функций. Карточка не содержит сведений о лицензии, поэтому условия использования по имеющимся данным определить нельзя. Качество решения задач и ограничения на применение отдельно не описаны.

Карточка модели mergekit-community/mergekit-slerp-ovodfvr на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-gmjabaw, поэтому описание составлено по ней. mergekit-community/mergekit-slerp-gmjabaw — объединение языковых моделей, созданное сообществом с помощью mergekit и метода SLERP. В него вошли NousResearch/Hermes-2-Pro-Mistral-7B и WizardLMTeam/WizardMath-7B-V1.1; конфигурация использует Hermes в начальных и конечных слоях, а WizardMath — в средних. Модель основана на плотной архитектуре Mistral, содержит 7,1 млрд параметров и принимает текст для генерации текста в диалоговом формате. Заявленная длина контекста — 32 768 токенов. Модель подходит для диалогов, выполнения инструкций и математических запросов, сочетая возможности входящих в объединение моделей. В метаданных указана библиотека Transformers и формат safetensors. Лицензия в предоставленных сведениях не указана.

Карточка модели mergekit-community/mergekit-slerp-sclthpf на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-gmjabaw, поэтому описание составлено по ней. mergekit-community/mergekit-slerp-gmjabaw — объединение языковых моделей, созданное сообществом с помощью mergekit и метода SLERP. В него вошли NousResearch/Hermes-2-Pro-Mistral-7B и WizardLMTeam/WizardMath-7B-V1.1; конфигурация использует Hermes в начальных и конечных слоях, а WizardMath — в средних. Модель основана на плотной архитектуре Mistral, содержит 7,1 млрд параметров и принимает текст для генерации текста в диалоговом формате. Заявленная длина контекста — 32 768 токенов. Модель подходит для диалогов, выполнения инструкций и математических запросов, сочетая возможности входящих в объединение моделей. В метаданных указана библиотека Transformers и формат safetensors. Лицензия в предоставленных сведениях не указана.

Карточка модели mergekit-community/mergekit-slerp-sictdhe на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-gmjabaw, поэтому описание составлено по ней. mergekit-community/mergekit-slerp-gmjabaw — объединение языковых моделей, созданное сообществом с помощью mergekit и метода SLERP. В него вошли NousResearch/Hermes-2-Pro-Mistral-7B и WizardLMTeam/WizardMath-7B-V1.1; конфигурация использует Hermes в начальных и конечных слоях, а WizardMath — в средних. Модель основана на плотной архитектуре Mistral, содержит 7,1 млрд параметров и принимает текст для генерации текста в диалоговом формате. Заявленная длина контекста — 32 768 токенов. Модель подходит для диалогов, выполнения инструкций и математических запросов, сочетая возможности входящих в объединение моделей. В метаданных указана библиотека Transformers и формат safetensors. Лицензия в предоставленных сведениях не указана.

Карточка модели mergekit-community/mergekit-slerp-werhsur на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-gmjabaw, поэтому описание составлено по ней. mergekit-community/mergekit-slerp-gmjabaw — объединение языковых моделей, созданное сообществом с помощью mergekit и метода SLERP. В него вошли NousResearch/Hermes-2-Pro-Mistral-7B и WizardLMTeam/WizardMath-7B-V1.1; конфигурация использует Hermes в начальных и конечных слоях, а WizardMath — в средних. Модель основана на плотной архитектуре Mistral, содержит 7,1 млрд параметров и принимает текст для генерации текста в диалоговом формате. Заявленная длина контекста — 32 768 токенов. Модель подходит для диалогов, выполнения инструкций и математических запросов, сочетая возможности входящих в объединение моделей. В метаданных указана библиотека Transformers и формат safetensors. Лицензия в предоставленных сведениях не указана.

Карточка модели mergekit-community/mergekit-slerp-xxzrbzh на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-gmjabaw, поэтому описание составлено по ней. mergekit-community/mergekit-slerp-gmjabaw — объединение языковых моделей, созданное сообществом с помощью mergekit и метода SLERP. В него вошли NousResearch/Hermes-2-Pro-Mistral-7B и WizardLMTeam/WizardMath-7B-V1.1; конфигурация использует Hermes в начальных и конечных слоях, а WizardMath — в средних. Модель основана на плотной архитектуре Mistral, содержит 7,1 млрд параметров и принимает текст для генерации текста в диалоговом формате. Заявленная длина контекста — 32 768 токенов. Модель подходит для диалогов, выполнения инструкций и математических запросов, сочетая возможности входящих в объединение моделей. В метаданных указана библиотека Transformers и формат safetensors. Лицензия в предоставленных сведениях не указана.

Карточка модели mergekit-community/mergekit-slerp-zonivkr на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-gmjabaw, поэтому описание составлено по ней. mergekit-community/mergekit-slerp-gmjabaw — объединение языковых моделей, созданное сообществом с помощью mergekit и метода SLERP. В него вошли NousResearch/Hermes-2-Pro-Mistral-7B и WizardLMTeam/WizardMath-7B-V1.1; конфигурация использует Hermes в начальных и конечных слоях, а WizardMath — в средних. Модель основана на плотной архитектуре Mistral, содержит 7,1 млрд параметров и принимает текст для генерации текста в диалоговом формате. Заявленная длина контекста — 32 768 токенов. Модель подходит для диалогов, выполнения инструкций и математических запросов, сочетая возможности входящих в объединение моделей. В метаданных указана библиотека Transformers и формат safetensors. Лицензия в предоставленных сведениях не указана.

Metis-27B — мультимодальная диалоговая модель с постоянной памятью, разработанная IAAR-Shanghai на основе Qwen/Qwen3.5-27B. Репозиторий содержит полные объединённые веса модели; архитектура плотная, число параметров — 26,8 млрд. Модель предназначена для диалога и работы с памятью, а метаданные также указывают поддержку входов с изображениями и текста. Модель загружается через Transformers; для неё требуется версия 5.4.0 или новее и код Transformers из репозитория. В README приведён пример загрузки в формате bfloat16. Лицензия — Apache-2.0. Карточка не приводит сведений о длине контекста и конкретных языках, поэтому они не уточняются.

mncai/mistral-7b-dpo-v6 — текстовая генеративная модель MindsAndCompany на архитектуре Mistral, созданная на базе Mistral-7B. По карточке, модель сначала получила объединение весов, затем была дообучена методом DPO; она предназначена для диалогов и генерации ответов на текстовые запросы. Размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов. В примере карточки показан вопрос на корейском языке, а метаданные указывают английский язык; карточка не подтверждает широкий набор поддерживаемых языков. Разработчик позиционирует свои модели для бизнес-продуктов, включая чат-боты и ассистентов. Карточка предупреждает о переобучении на открытых лидербордах и рекомендует оценивать модель на собственных закрытых данных; внутренние оценки автора были ниже результата лидерборда. Модель опубликована в формате safetensors под лицензией Apache-2.0.

unsloth/Mistral-Nemo-Base-2407 — базовая плотная авторегрессионная языковая модель семейства Mistral с 12,1 млрд параметров, опубликованная Unsloth. Она предназначена для генерации текста и может служить отправной точкой для дообучения под конкретные задачи; карточка Unsloth описывает ноутбуки для настройки Mistral Nemo и работы с шаблонами диалогов ShareGPT ChatML и Vicuna, а также с обычным продолжением текста. Модель использует архитектуру MistralForCausalLM, доступна в формате safetensors и имеет контекстное окно до 131 072 токенов. В метаданных указан английский язык. Лицензия — Apache-2.0. README посвящён главным образом инструментам и ноутбукам Unsloth для дообучения, поэтому конкретные показатели качества этой модели в нём не приведены.

MN-GRAND-23.5B-Gutenberg-UNCENSORED-V2-GLM4.7-Thinking — дообученная и объединённая модель на архитектуре Mistral Nemo, опубликованная DavidAU. Она содержит 23,8 млрд параметров и предназначена прежде всего для художественного письма, создания историй и ролевых диалогов; также поддерживает инструкции и режим рассуждения, который, по описанию автора, активируется для более сложных запросов. Модель принимает текстовые запросы и генерирует текст на английском языке. Автор отмечает выразительную прозу, подробные описания и способность поддерживать длинное повествование. Модель склонна выдавать длинные ответы и, по словам автора, может предпочитать мрачный тон. В карточке заявлен контекст 128 тыс. токенов и более, тогда как метаданные указывают 1 024 000 токенов; точный рабочий предел зависит от конфигурации. Модель помечена как нецензурированная, с возможностью жёстких сцен насилия, хоррора и ненормативной лексики. Лицензия — Apache-2.0.

Kaoeiri/MS-MagpantheonselRP-22B-13.0 — объединённая 22-миллиардная языковая модель на архитектуре Mistral, созданная с помощью mergekit методом DARE TIES на основе unsloth/Mistral-Small-Instruct-2409 и ряда моделей для ролевого общения и творческого письма. Она предназначена для генерации текста в диалогах и ролевых сценариях, а также для написания историй. Модель принимает текст и выдаёт текст; заявленная длина контекста — 131 072 токена. В состав объединения входят модели ArliAI, Cydonia, Sunfall, Beepo, SorcererLM и другие, ориентированные на ролевые и повествовательные сценарии. В метаданных также заявлен интерфейс вызова инструментов. Модель опубликована в формате safetensors и доступна по лицензии CC BY-NC-ND 4.0, которая запрещает коммерческое использование и распространение производных версий.

MythoMix-L2-13b — текстовая генеративная модель Gryphe, созданная экспериментальным слиянием MythoLogic-L2 и Huginn. Модель на архитектуре Llama с плотной архитектурой и 12,9 млрд параметров; для диалога используется формат Alpaca, а контекст составляет до 4096 токенов. Модель предназначена прежде всего для ролевых диалогов и написания историй. Автор сообщает, что слияние 360 тензоров с индивидуальными коэффициентами позволило объединить понимание текста MythoLogic-L2 с писательскими способностями Huginn. Лицензия указана как other; конкретные условия следует уточнять в репозитории модели.

NarraThinker12B — текстовая генеративная модель ClaudioItaly, полученная слиянием методом SLERP двух моделей: nbeerbower/mistral-nemo-gutenberg-12B-v4 и NeverSleep/Lumimaid-v0.2-12B. Она предназначена для диалоговой генерации и продолжения художественного текста; в метаданных также отмечен интерфейс вызова инструментов. Модель построена на плотной архитектуре MistralForCausalLM и содержит 12,1 млрд параметров. Заявленная длина контекста — 1 024 000 токенов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Данные о лицензии и конкретно поддерживаемых естественных языках не предоставлены.

NarrativeNexus 7B — языковая модель на архитектуре Mistral, созданная jeiku объединением нескольких моделей методом DARE TIES с помощью mergekit. В основе объединения jeiku/Cookie_7B; также включены jeiku/SpaghettiOs_7B, jeiku/Rainbow_69_7B и jeiku/Paranoid_Android_7B. Модель содержит 7,1 млрд параметров и поддерживает контекст до 8192 токенов. Модель предназначена для генерации текста, в частности загадок, ролевых диалогов и подробных повествований длиной около 1000 токенов, а также для создания текстовых данных для наборов сюжетов. Автор отмечает, что модель охотно пишет персонажей разных типов, в том числе фетишизированные взрослые образы. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия указана как other, поэтому условия использования следует сверить с карточкой модели и лицензиями исходных моделей.

Nex-N2.5-mini-Mixed-Q2Q3-128K-GGUF — неофициальная смешанная квантизация модели Nex-N2.5-mini, разработанной Nex-AGI. Сборку и квантизацию выпустил пользователь karmx для экспериментов на одной видеокарте RTX 5060 Ti с 16 ГБ памяти. Модель распространяется в формате GGUF и предназначена для запуска через llama.cpp. Модель поддерживает текстовые и визуальные сценарии при использовании отдельного vision projector, включая распознавание текста на одном изображении, структурированный tool calling и задачи программирования. В протестированной конфигурации заявлена общая длина контекста 131 072 токена, включая промпт, токены изображения и генерируемый ответ. Основной файл имеет размер около 13,32 ГБ, проектор — около 0,90 ГБ. Квантизация использует Q2_K для части routed-expert-тензоров, Q3_K для другой части, Q5_K для эмбеддингов и выходных тензоров, а также Q4_K_M для остальных тензоров; vision projector оставлен в F16. Обучение, объединение моделей и pruning не выполнялись. Сильными сторонами являются поддержка большого контекста, vision-возможностей, инструментальных вызовов и запуск на относительно компактной видеокарте. При этом это экспериментальная сборка с ограничениями качества и совместимости: в сравнении с эталонной Q5_K_M зафиксировано снижение результатов на HumanEval+ и MBPP+, а отсутствие регрессий не подтверждено. Надёжность работы с 128K-контекстом, несколькими изображениями, скорость на стандартной сборке llama.cpp и отсутствие выгрузки в CPU-память не гарантируются; проверка проводилась на конкретной версии llama.cpp, ОС, GPU и настройках. Модель распространяется по лицензии Apache-2.0. Для работы с изображениями необходимо скачать оба файла — GGUF-модель и vision projector. Это не официальный релиз Nex-AGI.

OmniLing-V1-12b-experimental — языковая модель WoonaAI, созданная SlerpE и secretmoon для перевода между русским и английским языками в обоих направлениях. Это дообученная версия Mistral Nemo Instruct 12B с архитектурой Mistral и 12,1 млрд параметров. Модель предназначена для перевода художественных текстов, датасетов, пользовательских сообщений и описаний; карточка также указывает поддержку диалога и интерфейса вызова инструментов. Заявленная длина контекста — 1 024 000 токенов. Для перевода авторы рекомендуют низкую температуру генерации 0,1–0,3 и нейтральное системное сообщение, а исходный текст передавать в сообщении пользователя. При обучении использовались данные, сгенерированные более сильной моделью. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Модель Helsinki-NLP/opus-mt-en-de разработана группой Language Technology Research Group Хельсинкского университета для машинного перевода с английского на немецкий. Это плотная модель семейства MarianMT примерно на 54,9 млн параметров; она принимает текст и выдаёт перевод, используя предобработку с нормализацией и SentencePiece. Указанная длина контекста — 512 токенов. Модель предназначена для перевода предложений и текстовых фрагментов с английского языка на немецкий. В README приведены результаты на нескольких новостных тестовых наборах: BLEU 22,3–23,5 и chr-F 0,529–0,540. Разработчики отмечают возможные смещения и риск воспроизведения стереотипов. Модель распространяется по лицензии CC-BY-4.0.

Helsinki-NLP/opus-mt-en-es — модель машинного перевода English→Spanish из проекта OPUS-MT, разработанная Helsinki-NLP. Это трансформер MarianMT с 58,4 млн параметров; модель использует нормализацию и токенизацию SentencePiece с словарями spm32k. Она предназначена для перевода текстов с английского на испанский. В README приведены результаты на тестовых наборах новостных текстов: BLEU 29,7–31,0 и chr-F 0,564–0,583. Модель принимает текст на английском и выдаёт текст на испанском. Её можно применять для перевода документов, новостных материалов и пользовательских текстов. Указанная длина контекста — 512 токенов. Модель доступна в форматах PyTorch, TensorFlow и Flax. Лицензия — Apache-2.0. Показатели на новостных тестах не гарантируют такого же качества на текстах других жанров; направление перевода ограничено английским → испанским.

OPUS-MT tc-big-en-pt — модель машинного перевода проекта OPUS-MT, разработанная с использованием Marian NMT и опубликованная в формате Transformers. Она переводит текст с английского на португальский; в карточке также указаны целевые метки pob и por. Модель содержит 156,8 млн параметров, имеет архитектуру MarianMT и контекст до 1024 токенов. Модель предназначена для перевода предложений и текстов, включая сценарии с англо-португальской локализацией и интеграцию в приложения на базе Transformers. В README приведены результаты на тестовых наборах Tatoeba и FLORES-101. Веса доступны по лицензии CC BY 4.0.

Карточка модели prompt-agnostic-language-models/Qwen-1B_coin на Hugging Face совпадает с карточкой Qwen/Qwen3-0.6B-Base, поэтому описание составлено по ней. Qwen3-0.6B-Base — базовая плотная авторегрессионная языковая модель семейства Qwen3, разработанная командой Qwen. Это предварительно обученная модель примерно с 508 млн параметров: 28 слоёв, группированное внимание с 16 головами Q и 8 головами KV. Она принимает текст и генерирует продолжение, служит основой для дообучения и адаптации под прикладные задачи. Модель предназначена для языкового моделирования общего назначения, включая генерацию текста, работу с кодом, STEM-темами, логическими рассуждениями и многоязычными данными. Контекстное окно составляет 32 768 токенов. В README указано, что семейство Qwen3 обучалось на корпусе из 36 трлн токенов на 119 языках; перечень языков, поддерживаемых именно этой базовой версией, отдельно не приведён. Модель распространяется под лицензией Apache-2.0. Это базовая предобученная версия, поэтому для диалогового помощника или специализированного приложения обычно потребуется дообучение либо настройка шаблона запросов; карточка не приводит конкретных гарантий качества для таких сценариев.

Модель kihyun-K/Qwen3-0.6B-JSON-SFT-GRPO — дообученная версия Qwen3, созданная kihyun-K на основе kihyun-K/Qwen3-0.6B-JSON-SFT. Это плотная авторегрессионная языковая модель с 507,9 млн параметров, предназначенная для генерации текста в диалоговом формате; название модели указывает на настройку для вывода JSON с использованием GRPO. Контекстное окно составляет 40 960 токенов. Модель может использоваться для генерации структурированных JSON-ответов и других текстовых ответов в приложениях на базе чат-моделей. Она распространяется в формате Safetensors и выпущена по лицензии Apache-2.0. В README указано, что при обучении использовались Unsloth и библиотека TRL от Hugging Face.

Мультимодальная модель dealignai на базе Qwen3.6-35B-A3B предназначена для диалогов, рассуждений и анализа изображений и видео. В README указана архитектура Mixture-of-Experts с гибридом SSM и полнослойного внимания: 40 слоёв, 256 маршрутизируемых экспертов и 10 активных. Модель дообучена с удалением отказов на уровне весов, а затем квантизирована в MXFP4 для запуска через MLX на компьютерах Apple с заявленным размером около 18 ГБ; сохранена голова MTP для спекулятивного декодирования. Заявлены режимы рассуждений и прямых ответов, а также интерфейс вызова инструментов. Модель подходит для визуальных вопросов и ответов, анализа видеокадров, диалоговых и агентных сценариев. В README приведены результаты HarmBench-320 99,4%, MMLU 74,6% и ускорение генерации в 1,51 раза при использовании совместимого MTP-рантайма; это результаты авторской оценки через vMLX. Модель распространяется по лицензии Apache-2.0. Удаление отказов означает, что она может отвечать на опасные запросы без ограничений.

Карточка модели HFCK99/Qwen3.8-27B-AEON-ULTIMATE-UNCENSORED-BF16 на Hugging Face совпадает с карточкой denyzhirkov/Qwen3.8-27B-AEON-ULTIMATE-U-BF16, поэтому описание составлено по ней. Qwen3.8-27B-AEON-ULTIMATE-U-BF16 — экспериментальная ранняя версия модели Qwen3.8-27B, подготовленная denyzhirkov. Это дообученная и аблитерированная BF16-версия с уменьшенным числом отказов; базовая модель — Qwen/Qwen3.8-27B. Плотная мультимодальная архитектура поддерживает диалог, следование инструкциям, вызов инструментов и работу с изображениями. В README описана проверка на NVIDIA H200 через vLLM; при тестировании использовалось окно 16 384 токена, а автор указывает, что базовая модель поддерживает контекст до 262 000 токенов. Модель рассчитана на прямые ответы, творческое письмо, исследования безопасности, red-team-тестирование и работу с запросами, которые базовая модель могла бы отклонить. Снятие части отказов может сделать ответы более доступными, но не гарантирует точности или безопасности. README предупреждает о повторениях и потере связности на очень длинных запросах; модель может выдавать опасный или незаконный контент. Лицензия — Apache-2.0.

FinaPolat/Qwen3-8B-grounded_KGC-sft-domains — генеративная языковая модель семейства Qwen3, опубликованная пользователем или организацией FinaPolat. Модель доступна для работы через библиотеку Transformers и имеет около 7,6 млрд параметров; в метаданных указаны обучение с учителем (SFT), TRL и conversational-сценарии. По названию репозитория модель ориентирована на grounded KGC и доменную адаптацию, поэтому может применяться для генерации ответов с опорой на контекст или знания, а также для задач, связанных с дополнением графов знаний и специализированными доменными инструкциями. Нативная длина контекста составляет 40 960 токенов, что позволяет обрабатывать достаточно объёмные входные данные. Лицензия, поддерживаемые естественные языки, точная архитектура, состав обучающих данных и результаты оценки в доступных материалах не описаны.

RedHatAI/Qwen3-VL-32B-Instruct-NVFP4 — квантизированная мультимодальная instruction-модель, разработанная Red Hat на основе Qwen/Qwen3-VL-32B-Instruct. Она принимает текст и изображения, а генерирует текст, поэтому предназначена для визуально-языковых сценариев: анализа и описания изображений, ответов на вопросы по визуальному содержимому, работы с диаграммами и общего текстового общения. Модель можно развернуть через vLLM и использовать через OpenAI-совместимый API. Архитектура модели — Qwen3VLForConditionalGeneration, размер базовой модели — 32B параметров. Для весов и активаций применяется NVFP4-квантизация с групповой квантизацией весов и динамической групповой квантизацией активаций; визуальные компоненты и некоторые отдельные слои не квантизируются. По данным README, это сокращает размер на диске и требования к GPU-памяти примерно на 75% по сравнению с представлением с 16 битами на параметр, что является главным преимуществом версии. При этом README не содержит сведений о поддерживаемых языках, точном контекстном окне и количественных результатах оценки, хотя модель проверялась на задачах ChartQA и MMLU. Лицензия — Apache-2.0. Для запуска в примере рекомендуется vLLM с tensor parallelism на двух GPU; фактические требования зависят от конфигурации оборудования и используемого программного окружения. Квантизация может снижать точность по сравнению с исходной моделью, однако конкретные потери качества в README не указаны.

Roci Maxx v2 — слитая языковая модель на архитектуре Mistral, созданная сообществом mergekit-community методом SLERP из TheDrummer/Rocinante-12B-v1.1 и ArliAI/Mistral-Nemo-12B-ArliAI-RPMax-v1.1. По описанию базовых моделей она ориентирована на творческую генерацию прозы, ролевых сцен и приключенческих историй. Модель предназначена для генерации текста по текстовой подсказке, в том числе для написания художественных фрагментов и продолжения ролевых диалогов. В метаданных указаны 10,1 млрд параметров и контекстное окно до 1 024 000 токенов; веса опубликованы в формате safetensors и используют библиотеку Transformers. Качество ответов и фактическая поддержка столь длинного контекста могут зависеть от настроек и среды запуска. Лицензия в предоставленных данных не указана.

Rocinante-12B-v1 — языковая модель BeaverAI для генерации текста в диалоговом формате. Это плотная модель семейства Mistral с 12,1 млрд параметров; веса опубликованы в формате safetensors. Карточка описывает её как модель для творческого письма, ролевых диалогов и приключенческих историй, с поддержкой шаблонов ChatML, Alpaca и Mistral. Модель ориентирована на создание выразительной прозы с высокой творческой вариативностью. Её можно использовать для совместного написания историй, продолжения сюжетов и ролевых сценариев. В метаданных заявлен контекст до 1 024 000 токенов, а также интерфейс вызова инструментов; README не приводит сведений о языковом охвате или фактическом качестве этих возможностей. Лицензия обозначена как other, поэтому условия использования следует проверять в репозитории модели.