I.5Создание и редактирование текста

Это переразбитая на шарды версия Falcon-7B для запуска в средах с ограниченной оперативной памятью, например Colab и Kaggle. Базовую модель Falcon-7B разработал Technology Innovation Institute (TII): это плотная авторегрессионная модель с причинным декодером, обученная предсказывать следующий токен. В архитектуре используются rotary-позиционные эмбеддинги, multi-query attention и FlashAttention. README указывает 7 млрд параметров, тогда как метаданные репозитория сообщают 10,9 млрд; точный размер этой публикации по источникам расходится. Модель предназначена для генерации текста и как основа для дообучения под суммаризацию, чат-ботов и другие задачи. Это исходная, предварительно обученная модель, поэтому для большинства прикладных сценариев её рекомендуется дообучать. README называет английский и французский основными языками; ожидаемое качество на других языках ограничено. Для быстрого запуска указано требование не менее 16 ГБ памяти. Модель распространяется по лицензии Apache 2.0, допускающей коммерческое использование. Возможны предвзятость и стереотипы из обучающих веб-данных; перед применением в производстве необходима оценка рисков.

stillerman/fdt-disfluency-tiny-4m — небольшая модель разметки слов для очистки расшифровок разговорной речи, разработанная Stillerman в рамках проекта FluencyAI. Она присваивает каждому слову один из тегов KEEP, DELETE, KEEP_STRIP_COMMA или KEEP_CAPITALIZE, после чего простое восстановление по тегам формирует очищенный текст. Модель предназначена для обработки транскриптов живой речи, в том числе с запуском в браузере через transformers.js и ONNX Runtime WebGPU. В основе — BERT L2/H128 с 4,4 млн параметров и контекстом до 512 токенов; доступны веса safetensors и квантованный ONNX int8. Валидационные показатели из карточки: exact match 0,5980 и DELETE-F1 0,8892. Разметка ограничена удалением дисфлюенций и простыми изменениями пунктуации и регистра: модель не перефразирует текст и не предназначена для общей коррекции транскрипции. Лицензия репозитория — Apache-2.0, однако обучение частично использовало DailyDialog по CC BY-NC-SA; автор рекомендует считать модель исследовательским артефактом и не применять её в коммерческих целях без отдельной проверки условий использования данных.

Flex-news-2x7B-1T — языковая модель семейства FlexOlmo от Allen Institute for AI (AI2), построенная как смесь экспертов (Mixture-of-Experts, MoE). Она предназначена для генерации текста и диалогового использования, с особым акцентом на новостные данные. В README Flex-news-2x7B-1T указан как один из специализированных экспертов в наборе FlexOlmo; описание архитектуры набора сообщает о независимых экспертах для новостей и других типов текстов, однако конкретные детали обучения этого чекпойнта отдельно не приводятся. По метаданным, модель содержит 6,9 млрд параметров, использует библиотеку Transformers и формат safetensors, а длина контекста составляет 4096 токенов. Указана поддержка английского языка и возможность чата. FlexOlmo предлагает схему совместной разработки языковых моделей, при которой владельцы данных могут сохранять контроль над своими данными и управлять их участием в модели. Модель подходит для генерации и продолжения англоязычных текстов в новостном контексте и для диалоговых сценариев. README показывает результаты оценки для серии FlexOlmo, но не даёт отдельной подробной оценки именно этого чекпойнта. Лицензия — Apache-2.0.

ifuseok/ft-solar-10.7b-v2.1-dpo — дообученная автором ifuseok чат-модель для генерации ответов на корейском языке. Она основана на yanolja/KoSOLAR-10.7B-v0.1 и использует плотную архитектуру Llama с 10,6 млрд параметров и контекстом 4096 токенов. Модель принимает текст и генерирует текст; для загрузки предлагается Transformers с весами Safetensors. Обучение включает корейские наборы инструкций, вопросов и ответов, а также часть данных для перевода с английского на корейский. Модель подходит для диалогов, ответов на вопросы и выполнения инструкций на корейском языке. Репозиторий распространяется по лицензии CC BY-NC-SA 4.0, которая требует указания авторства и ограничивает коммерческое использование.

gemma-2-2b-jpn-it-translate — модель перевода, созданная webbigdata дообучением google/gemma-2-2b-jpn-it. Она предназначена прежде всего для перевода между японским и английским языками и обучена выдавать перевод пользовательского текста после начальной инструкции на японском или английском. Модель использует архитектуру Gemma 2 с плотной причинно-языковой структурой, содержит 2,7 млрд параметров и поддерживает контекст до 8192 токенов. Формат весов — Safetensors; карточка указывает на использование apply_chat_template. Разработчик ориентировал модель на быстрый перевод и сообщает о результатах, приближающихся в отдельных областях к более крупной модели. В опубликованной карточке приведены метрики spBLEU, chrF2++ и COMET для тестов перевода. Модель обучалась переводить по предложениям, поэтому перед обработкой длинного текста с переносами строк его следует предварительно разбивать на предложения: подача такого текста целиком может снизить качество. Лицензия в предоставленных данных не указана.

Gemma 4 E2B Yemeni Arabic Assistant GGUF — экспериментальная адаптация базовой модели unsloth/gemma-4-E2B-it и google/gemma-4-E2B-it, разработанная Loay Amin из организации Yemeni AI Lab. Модель распространяется в формате GGUF и предназначена для локального запуска через llama.cpp-совместимые среды. Её основная специализация — генерация ответов, перефразирование и перевод на широкий практический вариант йеменского арабского языка, а не на литературный арабский по умолчанию. Модель подходит для коротких локализованных ответов, экспериментов с йеменской лексикой и выражениями, адаптации текстов, а также исследований малоресурсных арабских диалектов. Исходный адаптер обучался на 19 609 очищенных примерах ассистентских ответов, включающих тексты из публичных и общественных источников, словарные материалы и отфильтрованные задания на перевод, перефразирование, вопросы и ответы, рассуждения и вычисления. Йеменский арабский имеет региональные варианты, поэтому модель ориентирована на обобщённый стиль, а не на конкретный город или регион. К сильным сторонам относятся фокус на недостаточно представленном диалекте, возможность локального запуска на пользовательском оборудовании и поддержка различных задач генерации и преобразования текста. Ограничения включают экспериментальный статус, региональную неоднородность йеменского арабского и возможное ухудшение качества в квантованных версиях GGUF, особенно при низкой разрядности. Лицензия модели — CC BY-NC-SA 4.0.

ConicCat/Gemma4-GarnetV3-31B — дообученная методом DPO модель на базе Gemma 4, созданная для улучшения ролевых диалогов и художественного письма. В обучающих данных примерно треть составляет текст для письма, а две трети — ролевые сценарии; использованы наборы предпочтений и данных о персонажах. Каталог указывает плотную архитектуру семейства Gemma 4 с 31 млрд параметров и формат safetensors. Модель предназначена для ведения диалогов от лица персонажей, создания более естественных ролевых ответов и написания прозы с акцентом на качество текста. Она поддерживает чат; базовая Gemma 4 — мультимодальная, однако карточка этой версии описывает задачи генерации текста и не подтверждает отдельные сценарии работы с изображениями. Автор рекомендует запускать вариант Q4_K_M в формате GGUF через koboldcpp. Модель распространяется по лицензии Apache-2.0. Карточка не приводит специальных ограничений по языкам или длине контекста; качество может зависеть от сценария и используемой квантизованной версии.

GLM-4-32B-Base-0414 — плотная авторегрессионная языковая модель семейства GLM-4, разработанная Z.ai. В репозитории указаны 31,6 млрд параметров, предварительное обучение на 15 трлн единиц высококачественных данных и контекст до 32 768 токенов. Модель предназначена для генерации текста и служит базой для дальнейшего дообучения и постобучения; в карточке также описаны результаты семейства GLM-4-32B-0414 в генерации кода, вызове функций, ответах на вопросы с поиском и подготовке отчётов. Карточка указывает китайский и английский языки. Весы доступны в формате safetensors, библиотека — Transformers. Лицензия MIT. Несмотря на название Base, README смешивает описание базовой модели и всей серии, поэтому возможности диалога, вызова функций и рассуждений не следует считать гарантированными свойствами именно этого чекпойнта.

Goetia-24B-v1.4-heretic — текстовая генеративная модель на архитектуре Mistral с 23,4 млрд параметров и контекстом до 131 072 токенов. По карточке, её создал автор Goetia слиянием нескольких предварительно обученных моделей методом Della через mergekit; каталог указывает связь merge с несколькими базовыми репозиториями. Модель рассчитана на генерацию художественной прозы и ролевых сцен, в том числе мрачных историй, хоррора и сюжетов разных жанров. В карточке рекомендован шаблон чата Mistral Tekken; также заявлена совместимость с ChatML. Автор описывает стиль как выразительный и тёмный и приводит результаты собственных тестов на следование инструкциям и отказы. Эти оценки не являются независимой проверкой: автор отмечает, что не тестировал тщательно устойчивость в многоходовом диалоге и удержание контекста. Карточка предупреждает, что модель может создавать сцены графического насилия и эротического содержания. Лицензия — Apache-2.0.

NotEvilAI/gpt-oss-20b-ru-reasoner — экспериментальная русскоязычная модель генерации текста с адаптивным рассуждением, созданная NotEvilAI на основе openai/gpt-oss-20b. Это дообученная MoE-модель для диалогов и задач, где полезно получать ответы с рассуждением на русском или английском языке; язык рассуждения выбирается по языку ответа без отдельной инструкции. Поддерживаются режимы reasoning_effort: low, medium, high, none и auto. Модель обучена в два этапа — SFT и DPO — на наборах данных NotEvilAI; в метаданных указаны 1,6 млрд параметров и контекст до 131 072 токенов. Репозиторий содержит веса safetensors и рассчитан на Transformers. Модель подходит для экспериментального использования в русско- и англоязычных диалогах и задачах рассуждения. Карточка сообщает о тестировании русского и английского языков, поэтому качество на других языках не подтверждено. Лицензия — MIT.

HeackMT5-ZhSum100k — модель для суммаризации китайского текста, созданная KongYang из Шанхайского университета Цзяотун. Это дообученная версия mT5 с архитектурой encoder-decoder и 291,2 млн параметров; веса опубликованы в формате PyTorch. Модель обучалась 10 эпох на корпусе примерно из миллиона строк, преимущественно из китайских финансовых новостей, и предназначена для создания кратких связных резюме текстов на китайском языке. В карточке приведены оценки ROUGE-1 56,46, ROUGE-2 45,81, ROUGE-L 52,98 и ROUGE-Lsum 20,22. Модель может подойти для сокращения новостных материалов и подготовки кратких обзоров финансовых публикаций. Коммерческое использование требует отдельной платной лицензии; некоммерческое использование заявлено как бесплатное. Метаданные указывают лицензию CC-BY-NC-SA-4.0, поэтому условия карточки и метаданных следует учитывать совместно.

likenneth/honest_llama2_chat_7B — чат-модель на базе LLaMA 2 7B, в которую разработчик встроил интервенцию во время инференса (ITI), обученную на TruthfulQA. Она предназначена для генерации ответов с меньшей склонностью к галлюцинациям и может использоваться в диалоге и для проверки ответов на фактическую достоверность. Модель имеет плотную архитектуру LLaMAForCausalLM, содержит 6,6 млрд параметров и принимает текст, выдавая текст; максимальный контекст — 2048 токенов. Модель представлена в формате PyTorch и распространяется по лицензии MIT. README сообщает об эксперименте с LLaMA 2 7B и предоставляет код для применения ITI к более крупным моделям, однако отдельные результаты оценки качества в карточке не приведены.

Huihui-Mistral-Small-3.2-24B-Instruct-2506-abliterated-v2-GGUF — набор квантованных версий модели Huihui-Mistral-Small-3.2-24B-Instruct-2506-abliterated-v2. Модель опубликована пользователем noctrex и основана на модели huihui-ai. По карточке она предназначена для задач image-text-to-text, то есть обработки изображений и текста с генерацией текстовых ответов. Суффикс Instruct указывает на настройку для выполнения пользовательских инструкций, а GGUF — на формат, ориентированный на локальный запуск средствами, поддерживающими этот формат. Из известных характеристик — размер базовой модели около 24 миллиардов параметров и наличие мультимодального сценария работы с изображениями и текстом. Ключевое преимущество набора — возможность выбрать подходящий уровень квантования для снижения требований к памяти и запуска на совместимом локальном оборудовании, однако конкретные варианты квантования, требования к ресурсам, поддерживаемые языки, размер контекста и результаты тестирования в README не указаны. Лицензия и ограничения на использование также не указаны; перед применением следует ознакомиться с условиями лицензии исходной модели.

IndicTrans2 Indic-En Distilled 200M — компактная дистиллированная модель перевода от AI4Bharat. Она предназначена для перевода между английским и индийскими языками; в карточке модели среди языков указаны бенгальский, английский, хинди, тамильский и урду, а теги репозитория охватывают более широкий набор языков Индии. Модель опубликована в формате PyTorch и Safetensors и использует архитектуру преобразования текста в текст. В README для этой версии не приведена длина контекста; упомянутые модели IndicTrans2 с контекстом до 2048 токенов относятся к отдельным вариантам RoPE. Модель распространяется по лицензии MIT.

Карточка модели ncredible/L3-SMB-Grand-STORY-F32-Ultra-Quality-16.5B-GGUF на Hugging Face совпадает с карточкой DavidAU/L3-SMB-Grand-STORY-F32-Ultra-Quality-16.5B-GGUF, поэтому описание составлено по ней. L3-SMB-Grand-STORY-F32-Ultra-Quality-16.5B-GGUF — текстовая модель для генерации художественной прозы и ролевых диалогов, опубликованная DavidAU. Это объединённая модель на архитектуре Llama 3: автор описывает многоэтапное слияние моделей, расширение до 16,5 млрд параметров и сохранение весов в формате GGUF с точностью F32. Базовый контекст составляет 8192 токена; автор указывает, что его можно расширить настройками RoPE до 32 тысяч токенов. Модель предназначена для создания и продолжения сцен, сюжетов и диалогов в разных жанрах, включая ужасы, научную фантастику и романтику. Её отличают яркая детализированная проза, метафоры и симили, а также выраженная склонность к хоррору, мрачному юмору и ненормативной лексике. Поддерживается общение по шаблону Llama 3. В метаданных указан английский язык и лицензия Apache-2.0.

L3-Umbral-Mind-RP-v1.0-15B — слитая языковая модель семейства Llama 3, опубликованная Tremontaine. Она предназначена для генерации текста в ролевых диалогах и создания историй; базовая модель описана как англоязычная и ориентированная в том числе на тяжёлые психологические темы. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 14,5 млрд параметров и поддерживает контекст до 8192 токенов. Она распространяется в формате safetensors и рассчитана на чатовые взаимодействия. Лицензия в предоставленных данных не указана.

LayerSkip Llama2 13B — языковая модель Meta, созданная на основе Llama 2 13B и дополнительно обученная с методом LayerSkip. Она предназначена для генерации и продолжения текста с ускоренным выводом за счёт self-speculative decoding: ранние слои формируют черновое продолжение, а оставшиеся слои проверяют его. Модель использует архитектуру Llama 2; в репозитории представлены веса PyTorch и SafeTensors, а запуск описан для Transformers и реализаций LayerSkip и gpt-fast. Модель подходит для генерации текста и экспериментов с ускорением авторегрессионного декодирования. В описанном тесте на одной NVIDIA A100 self-speculative decoding повысил скорость с 28,38 до 43,64 токена в секунду; результат относится к конкретной конфигурации и реализации. README отмечает, что вариант на базе стандартной функции speculative decoding в Hugging Face требует дополнительной памяти для кэша KV и активаций дублируемых слоёв, тогда как оптимизированные реализации повторно используют веса и кэш. Лицензия указана как other; условия базовой модели Llama 2 также могут применяться.

LayerSkip Llama2 7B — англоязычная языковая модель Meta Llama 2 на 7 млрд параметров, которую команда Facebook непрерывно предварительно обучила с применением LayerSkip. Она предназначена для генерации текста и ускоренного декодирования: модель формирует черновые токены с использованием ранних слоёв, а затем проверяет их оставшимися слоями в режиме self-speculative decoding. Для запуска доступны реализации на базе Transformers, кодовой базы LayerSkip и отдельной ветки gpt-fast; оптимизированные реализации переиспользуют веса и KV-кэш ранних слоёв. В приведённом README тесте на одной GPU NVIDIA A100 self-speculative decoding показал 56,10 токена в секунду против 34,87 при авторегрессионном декодировании. Реализация через стандартный интерфейс Transformers описана как неоптимальная по памяти из-за дублирования KV-кэша и активаций; обучение авторы называют незавершённой работой. Модель основана на meta-llama/Llama-2-7b-hf, распространяется под лицензией с меткой other; условия следует сверить с карточкой и лицензией базовой модели.

Lite-Oute-1-300M — базовая компактная языковая модель от OuteAI на архитектуре Mistral с плотной причинной языковой моделью примерно на 270,2 млн параметров. Она обучена на 30 млрд токенов и имеет контекст длиной 4096 токенов. Модель предназначена прежде всего как отправная точка для дообучения под специализированные задачи. Её можно использовать для генерации текста и адаптировать к прикладным сценариям; карточка также перечисляет отдельную версию Instruct. В метаданных указаны библиотека Transformers и формат весов Safetensors. Модель выпущена по лицензии Apache-2.0. Карточка не приводит сведений о поддерживаемых естественных языках и предостерегает, что разработчик не гарантирует точность или пригодность модели для конкретной цели.

KoboldAI разработала Estopia — объединённую модель генерации текста на основе Llama 2 с 13 млрд параметров. Она предназначена для создания художественной прозы и интерактивных повествований по инструкциям, включая приключения и ролевые сценарии с карточками персонажей. Модель лучше всего проявляет себя в режимах instruct и adventure; также поддерживает генерацию рассказов и диалоги. В карточке описано тестирование преимущественно с форматом Alpaca. Модель объединяет варианты EstopiaV9 и EstopiaV13 методом DARE TIES, используя несколько моделей для следования инструкциям, ролевой игры и повествования. Контекст составляет 4096 токенов. Разработчик отмечает, что модель часто удерживает детали и стремится к нейтральному, реалистичному развитию сюжета, но качество зависит от инструкций и карточки персонажа. Язык модели в данных не задан явно. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

ArliAI/Llama-3.1-70B-ArliAI-RPMax-v1.1 — вариант Meta-Llama-3.1-70B-Instruct от ArliAI, дообученный на наборах данных для творческого письма и ролевых диалогов. Модель рассчитана на чат, отыгрыш персонажей и создание разнообразных художественных ответов; для диалога рекомендуется формат Llama 3 Instruct. Это плотная авторегрессионная модель семейства Llama с 69,5 млрд параметров и нативным контекстом до 131 072 токенов. Карточка описывает версию как ранний эксперимент обучения на короткой последовательности, поэтому качество на длинном контексте не следует считать подтверждённым. Репозиторий содержит веса Safetensors; в README также упоминаются варианты FP16, GPTQ и GGUF. Лицензия — llama3.

Llama-3.2-3B-F1-Reasoning-Instruct (Formosa-1-Reasoning, F1-Reasoning) — языковая модель на архитектуре LlamaForCausalLM, совместно разработанная Twinkle AI и APMIC при техническом содействии Национального центра высокоскоростных вычислений Тайваня. Это дообученная на инструкциях модель с 3 млрд параметров, ориентированная прежде всего на традиционный китайский язык в тайваньском контексте, а также на английский. Она предназначена для диалогов, следования инструкциям и задач рассуждения; авторы указывают сценарии в области права, образования и повседневных запросов. Модель обучена в формате Hermes и поддерживает параллельные вызовы инструментов через соответствующий шаблон чата. В карточке приведены результаты оценивания на наборах TMMLU+, по праву Тайваня, MMLU, MATH-500 и GPQA Diamond; они описывают тестирование авторов и не гарантируют качество на других задачах. Для запуска с указанной в README конфигурацией вызова инструментов требуется vLLM версии 0.8.3 или выше. Модель распространяется по лицензии llama3.2.

Llama-3-Chatty-2x8B — разговорная языковая модель от Undi95, созданная для текстового общения и ролевых диалогов. Автор объединил в MoE-архитектуре двух экспертов на основе Llama-3-Instruct-8B: один обучен на ролевом тексте с действиями и описаниями в звёздочках, другой — на прозе с репликами персонажей и описанием действий. В README указано, что репозиторий содержит веса FP16; метаданные описывают архитектуру как MixtralForCausalLM, а размер — 7,5 млрд параметров. Модель принимает текст и генерирует текст, поддерживает шаблон диалога в формате Llama 3 и контекст до 8192 токенов. Её можно использовать для ролевых игр, написания диалогов и обычных разговорных запросов. Автор сообщает о тестировании на нескольких бенчмарках, но не приводит в доступной части карточки полного описания оценки качества. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое использование בלבד.

Enoch/llama-65b-hf — конвертированная версия базовой языковой модели LLaMA 65B от команды FAIR в Meta AI для работы с Transformers и Hugging Face. Это авторегрессионная плотная модель на архитектуре Transformer с 65 млрд параметров, предназначенная для генерации текста и исследований возможностей больших языковых моделей. Её можно применять для экспериментов с ответами на вопросы, пониманием естественного языка и чтением с пониманием. Модель обучалась преимущественно на английских веб-текстах; в обучающих данных также были материалы на русском и ещё 19 языках. Поэтому качество ожидается выше для английского, а результаты могут различаться между языками и диалектами. Контекстное окно в предоставленных данных не указано. Это базовая модель без обучения с человеческой обратной связью: она может выдавать токсичный, предвзятый, ошибочный или бесполезный текст, поэтому для прикладного использования нужны отдельная оценка рисков и меры снижения вреда. Репозиторий распространяется по специальной некоммерческой лицензии Meta; условия следует проверить в файле LICENSE.

Llama-Nephilim-Metamorphosis-v1-8B — объединённая автором grimjim языковая модель на архитектуре Llama для генерации диалогового и ролевого текста. Она создана методом SLERP из meta-llama/Meta-Llama-3.1-8B-Instruct и grimjim/llama-3-Nephilim-v3-8B; дополнительного дообучения после слияния не проводилось. Метаданные указывают 7,5 млрд параметров и контекст до 131 072 токенов, а автор сообщает об испытаниях на контексте до 16 тыс. токенов. Модель ориентирована на творческую генерацию и ролевые сценарии, поддерживает диалоговый режим и принимает текстовые запросы, выдавая текст. По словам автора, сохраняется связность генерации, однако возможны начальные несоответствия формата; их можно смягчить инструктивным промптом. Результат зависит от настроек генерации, включая температуру. Используется лицензия Llama 3.1.

LLaSM-Baichuan — двуязычный голосовой и языковой помощник, разработанный командой LLaSM. Это модель для диалогов на китайском и английском языках с речевым и текстовым вводом; она основана на Baichuan-7B и дообучена на наборе инструкций LLaSM-Audio-Instructions. В репозитории указаны 6,7 млрд параметров, архитектура LlaaaLlamaForCausalLM, контекст 2048 токенов и формат PyTorch. Модель предназначена для голосовых и текстовых диалогов на китайском и английском языках. Её можно использовать для создания разговорного помощника, который отвечает на речевые запросы и ведёт мультимодальный диалог. Метаданные Hugging Face обозначают основную задачу как генерацию текста; карточка описывает поддержку речевого и текстового взаимодействия. В карточке заявлена открытая коммерческая доступность, однако README указывает Apache-2.0, а метаданные Hugging Face — OpenRAIL. Эти сведения о лицензии расходятся, поэтому перед применением следует проверить лицензионные условия именно этого репозитория. Контекст ограничен 2048 токенами; подробные оценки качества и ограничения распознавания или синтеза речи в карточке не приведены.

LocalAI-functioncall-phi-4-v0.2 — разговорная модель для LocalAI, разработанная на основе Phi-4 и дообученная для вызова функций. Вторая версия включает примеры с рассуждениями из набора marco-o1; в метаданных также указаны наборы glaive-unsloth-localai, o1-unsloth и FineTome-100k. Модель построена на плотной архитектуре с классом LlamaForCausalLM, содержит 14,1 млрд параметров и рассчитана на контекст до 16 384 токенов. Она принимает текст и генерирует текст, поддерживает английский язык и предназначена для диалогового использования и сценариев, где ассистенту нужно вызывать функции через LocalAI. Указана лицензия Apache-2.0. Карточка не приводит оценок качества или подробностей о поддерживаемом формате вызова функций, поэтому совместимость и надёжность таких вызовов следует проверять в целевой конфигурации LocalAI.

Модель RMWeerasinghe/long-t5-tglobal-base-finetuned-govReport-4096 — дообученная версия LongT5 от Google Research, созданная для суммаризации отчётов правительства США на датасете gov_report_summarization_dataset. Это encoder-decoder Transformer с 123,8 млн параметров и контекстом до 4096 токенов; модель принимает текст и генерирует его краткое изложение на английском языке. Модель подходит для получения кратких сводок длинных правительственных отчётов и других текстов сходного типа. В README приведены результаты оценки: Loss 1,4052, ROUGE-1 0,0432, ROUGE-2 0,0217, ROUGE-L 0,0378 и ROUGE-Lsum 0,0408. Лицензия — Apache-2.0.

Luna-Fusion-RP — разговорная модель для ролевых диалогов, созданная автором bey​​oru на основе Qwen3. Это плотная языковая модель с 3,7 млрд параметров, доступная в формате Safetensors и рассчитанная на контекст до 262 144 токенов. Модель объединяет три RP-модели и использует данные для творческого письма. Модель предназначена для ролевого общения с персонажами, творческого письма, повествования и обычного чата. Для более убедительного поведения персонажа автор рекомендует подробно задавать его в системном промпте. В метаданных перечислены английский, китайский и вьетнамский языки; лицензия — MIT. Карточка не приводит сравнительных оценок качества или подробностей о составе трёх объединённых моделей. Результат может зависеть от системного промпта и выбранного сценария.

MuXodious/Maginum-Cydoms-24B-absolute-heresy — дообученная модель генерации текста на основе Maginum-Cydoms-24B, разработанная с применением движка Heretic для abliteration. Базовая Maginum-Cydoms-24B создана слиянием нескольких языковых моделей семейства Mistral с помощью TIES, DELLA и SLERP; в README среди компонентов слияния названы Mistral-Small-3.2-24B-Instruct-2506-Text-Only, Magidonia-24B-v4.3, Precog-24B-v1, PaintedFantasy и Cydonia. Модель предназначена для генерации текста и ролевых диалогов, включая сценарии с контентом для взрослых. Она имеет плотную архитектуру MistralForCausalLM, 23,4 млрд параметров и контекстное окно 131 072 токена. README сообщает, что после обработки Heretic показатель отказов составил 4 из 100 против исходных 62 из 100, а KL-дивергенция — 0,0307; автор отдельно отмечает, что приведённая классификация не является показателем качества модели. Модель работает с текстом и выдаёт текст; карточка не сообщает поддерживаемые естественные языки. Репозиторий использует Transformers и содержит веса в формате safetensors. Лицензия в предоставленных данных не указана.