I.5Создание и редактирование текста

Hyper-Yi-1.5-9B — объединённая плотная авторегрессионная языковая модель семейства Yi-1.5, опубликованная bunnycore. Она создана методом Model Stock с помощью mergekit на основе 01-ai/Yi-1.5-9B и объединяет веса четырёх вариантов Yi-1.5-9B, включая модели для инструкций и чата. Модель содержит 8,6 млрд параметров, построена на архитектуре LlamaForCausalLM и рассчитана на генерацию текста с контекстом до 4096 токенов. Модель предназначена для диалогов и генерации ответов по текстовым инструкциям; базовая модель также ориентирована на рассуждения, математику и программирование. В репозитории указаны веса safetensors и библиотека Transformers. Сведения о лицензии и языках в предоставленных источниках отсутствуют.

Ice0.27-06.11-RP — объединённая языковая модель, созданная автором репозитория с помощью mergekit методом SLERP из двух предварительно обученных моделей. Это плотная Mistral-модель с архитектурой MistralForCausalLM и 7,1 млрд параметров; она предназначена для генерации текста и диалогового общения. Модель принимает текст и выдаёт текст, а указанная длина контекста составляет 32 768 токенов. В карточке приведены локальные пути исходных моделей, поэтому их идентификаторы Hugging Face нельзя надёжно установить. Репозиторий содержит веса safetensors в формате bfloat16. Дата публикации — 6 ноября 2024 года. Сведения о лицензии, поддерживаемых языках и специальных предметных областях в доступных данных отсутствуют.

Ice0.50.1-16.01-RP — языковая модель на архитектуре Mistral, созданная объединением предварительно обученных моделей с помощью SLERP через mergekit. Репозиторий содержит веса Safetensors; размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов. Метаданные указывают поддержку диалогового режима и генерации текста. Модель подходит для диалогов и генерации ответов на текстовые запросы. README подтверждает объединение Ice0.40-20.11-RP и IceDrunkenCherryRP-7b-orpo-merged, однако их локальные пути не позволяют определить публичные идентификаторы базовых моделей. Лицензия в предоставленных данных не указана.

Ice0.56-17.01-RP — языковая модель на архитектуре Mistral, созданная объединением предварительно обученных моделей с помощью метода SLERP и инструментария mergekit. В README указаны две входящие модели: Ice0.54-17.01-RP и Ice0.7-29.09-RP. Модель предназначена для генерации текста и имеет 7,1 млрд параметров, контекстное окно — 32 768 токенов. Опубликована в формате safetensors и рассчитана на запуск через Transformers. README не описывает конкретные специализации, языки или сценарии применения, поэтому модель можно характеризовать только как генеративную языковую модель общего назначения. Лицензия в предоставленных данных не указана.

Ice0.57-17.01-RP — объединённая языковая модель, созданная автором репозитория с помощью mergekit из Ice0.55-17.01-RP и Ice0.56-17.01-RP методом SLERP. Это плотная causal language model семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста. Контекст составляет до 32 768 токенов; модель распространяется в формате safetensors. Модель может использоваться для диалогов и генерации продолжений текста в задачах общего назначения. README не описывает отдельные навыки, обучающие данные или целевые области применения. Лицензия в предоставленных данных не указана.

Ice0.60.1 — языковая модель на архитектуре Mistral, созданная автором репозитория с помощью mergekit и метода passthrough из указанных в карточке локальных моделей. Она предназначена для генерации текста. Модель содержит 7,1 млрд параметров, использует формат safetensors и поддерживает контекст до 32 768 токенов. Модель может применяться для диалоговой генерации и продолжения текста. Карточка не описывает отдельные способности, обучение, поддерживаемые языки или специализированные области. Лицензия в предоставленных данных не указана; локальные пути к компонентам слияния не позволяют установить их идентификаторы на Hugging Face.

Ignis-7B-DPO-Laser — англоязычная разговорная языковая модель, опубликованная NeuralNovel при участии сообщества ConvexAI. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, рассчитанная на генерацию текста и диалоговое применение; длина контекста составляет 32 768 токенов. README указывает, что Ignis-7B-DPO обучена на наборе NeuralNovel/Neural-DPO с использованием GPU A100 80 ГБ. Модель распространяется в формате safetensors по лицензии Apache-2.0. Данных о специальных ограничениях или профиле безопасности карточка не приводит.

Inex12Mergerix-7B — слитая модель для генерации текста, созданная Maxime Labonne автоматизированным объединением MSL7/INEX12-7b и MiniMoog/Mergerix-7b-v0.3. В модели семейства Mistral используется плотная архитектура MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. При слиянии применён метод SLERP с настройками, задающими разные веса для слоёв self-attention и MLP; в README также приведён пример загрузки через Transformers. Карточка не описывает специализированные области применения или поддерживаемые языки. Модель распространяется по лицензии Apache-2.0.

Inex12Multiverseex26-7B — слитая языковая модель, созданная Maxime Labonne методом SLERP из MSL7/INEX12-7b и allknowingroger/MultiverseEx26-7B-slerp. Она предназначена для генерации текста и запускается через Transformers. Модель построена на плотной архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В репозитории указаны веса в формате safetensors и лицензия Apache-2.0. Карточка не описывает языковой охват, специальные области применения или сравнительные качества модели.

INEX8-7B — объединённая модель для генерации текста, созданная Liminerity с помощью Mergekit на основе liminerity/merge3 и yam-peleg/Experiment26-7B. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов; опубликована в формате Safetensors. Модель подходит для генерации продолжений и ответов на текстовые запросы, а также для задач рассуждения и понимания текста. В карточке приведены результаты Open LLM Leaderboard: средняя оценка 76,44, ARC 73,29 и HellaSwag 89,19. Данных о поддерживаемых языках и специализированных областях применения карточка не приводит. Лицензия — Apache-2.0.

ING_2003M2_SLERP — объединённая модель для генерации текста, собранная автором MatthieuJ методом SLERP с помощью mergekit из yam-peleg/Experiment21-7B и MatthieuJ/ING_2003_SLERP. Веса представлены в формате safetensors; архитектура — плотная MistralForCausalLM, размер — 7,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для генерации текста на основе текстового запроса. Карточка не уточняет специализацию, языковую ориентацию или результаты оценки качества. Лицензия — Apache-2.0.

Instruct_Llama3_8B — авторегрессионная языковая модель на архитектуре Llama 3, дообученная Brillibits на разнообразных источниках данных. Модель содержит 7,5 млрд параметров и рассчитана на генерацию текста по инструкциям на английском языке; для общения используется формат промпта с системной частью и инструкцией. Модель обучали два этапа эпох с использованием QDora; в README указан контекст обучения 4096 токенов, а в метаданных — нативный контекст 8192 токена. Подходит для ответов на вопросы, выполнения текстовых инструкций и других сценариев генерации текста. Доступна в формате safetensors по лицензии Llama 3.

ClaudioItaly/Intelligence-Cod-Rag-7B-V2 — объединённая разговорная языковая модель на архитектуре Qwen2, созданная с помощью mergekit. В основу слияния task arithmetic легла happzy2633/qwen2.5-7b-ins-v3; также в него включена AIDC-AI/Marco-o1. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста в диалоговом формате с контекстом до 32 768 токенов. Модель предназначена для генерации ответов и ведения диалогов. В README и метаданных не описаны отдельные специализированные сценарии, поэтому её можно рассматривать как языковую модель общего назначения. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных данных не указана.

KnutJaegersberg/internlm-20b-llama — разговорная языковая модель на архитектуре Llama с 19,6 млрд параметров. По метаданным, она предназначена для генерации текста и поддерживает диалоговый режим; указанный контекст составляет 4096 токенов. В карточке приведены результаты оценки на Open LLM Leaderboard: средний балл 65,09, а на AI2 Reasoning Challenge и HellaSwag — 61,35 и 82,08 соответственно. Эти показатели отражают результаты на отдельных бенчмарках и сами по себе не гарантируют качество в конкретных сценариях. README сообщает, что код лицензирован по Apache-2.0, а для весов разрешено бесплатное коммерческое использование; также упоминается возможность подать заявку на коммерческую лицензию, поэтому условия использования весов стоит сверить с актуальной лицензией репозитория.

InternLM2.5-1.8B — языковая модель для генерации текста, разработанная командой InternLM. Она сохраняет архитектуру InternLM2 и использует около 1,7 млрд параметров; по заявлению разработчиков, версия 2.5 улучшила рассуждения по сравнению с InternLM2-1.8B. Модель оценивается на бенчмарках MMLU, CMMLU и BBH. Модель подходит для продолжения текста, ответов на вопросы, решения задач на рассуждение и других сценариев генерации на естественном языке. Контекстное окно составляет 32 768 токенов. Карточка содержит результаты оценки на англоязычных и китайских бенчмарках, но не перечисляет полный набор поддерживаемых языков. Возможны предвзятые, дискриминационные и иные нежелательные ответы, поэтому результаты требуют проверки. Код распространяется по Apache-2.0; для весов заявлен открытый доступ для академических исследований и возможность запросить бесплатное коммерческое разрешение.

InternLM2-Chat-1.8B-SFT — диалоговая языковая модель команды InternLM, созданная контролируемой тонкой настройкой базовой InternLM2-1.8B. Она содержит около 1,7 млрд параметров, использует плотную архитектуру InternLM2 и рассчитана на генерацию текста в формате чата. Метаданные указывают контекст до 32 768 токенов; в README также заявлена поддержка длинных входов до 200 000 символов для семейства InternLM2. Модель подходит для диалоговых помощников, ответов на вопросы, следования инструкциям и генерации текста. Семейство также улучшено для рассуждений, математики и программирования, однако версия SFT уступает последующей версии InternLM2-Chat, дополнительно выровненной с помощью RLHF и рекомендованной авторами для прикладного использования. Модель можно загружать через Transformers; в README также описано развёртывание через vLLM и LMDeploy. Карточка предупреждает, что модель может выдавать предвзятые, дискриминационные или иным образом вредоносные ответы. Код распространяется по Apache-2.0; для весов заявлен свободный доступ для академических исследований и возможность запросить бесплатное коммерческое разрешение.

Модель braindao/iq-code-evmind-qwen-2.5-7b-instruct-v0.2410.0 разработана braindao и представляет собой дообученную плотную языковую модель семейства Qwen2.5. В основе лежит unsloth/qwen2.5-7b-instruct-bnb-4bit; модель обучали с использованием Unsloth и библиотеки TRL. Модель предназначена для генерации текста и диалогового взаимодействия. Метаданные также указывают интерфейс для вызова инструментов. Размер — 7,1 млрд параметров, контекст — до 32 768 токенов. В карточке указан английский язык. Модель принимает текст и выдаёт текст. Модель распространяется под лицензией Apache-2.0. Карточка не описывает специализированные сценарии применения и не приводит результатов оценки качества.

inception42/jais-family-30b-16k — двуязычная большая языковая модель семейства Jais от Inception Institute of Artificial Intelligence. Это модель с авторегрессивной архитектурой causal decoder, предварительно обученная с нуля; семейство включает варианты разных размеров, а данный репозиторий относится к варианту на 30 млрд параметров. Модель предназначена для генерации текста на арабском и английском языках и может использоваться для диалоговых ассистентов, анализа тональности, суммаризации двуязычных документов и задач обработки естественного языка. Jais оптимизирована для арабского языка и обладает сильными возможностями в английском. Семейство обучалось на арабских, английских и программных данных; карточка описывает варианты с контекстом 16K в названии репозитория. Модель распространяется по лицензии Apache 2.0. Возможны фактические ошибки, смещения и некорректные или оскорбительные ответы; она не предназначена для решений с высокими ставками без человеческого контроля и не должна считаться одинаково компетентной в других языках и диалектах.

Jais Family 30B 8K — плотная авторегрессионная языковая модель семейства Jais, опубликованная Inception Institute of Artificial Intelligence. Модель предназначена для генерации текста на арабском и английском языках; семейство оптимизировано для арабского и сохраняет сильные возможности английского. В карточке семейства указано, что модели этого варианта предварительно обучались с нуля, а базовые версии дообучались для диалога; конкретно этот репозиторий не обозначен как чат-вариант. Модель подходит для генерации и продолжения текста, ответов на вопросы, классификации тональности и обработки двуязычных документов, включая их краткое изложение. Архитектура — плотная модель JAISLMHeadModel на PyTorch, размер 30 млрд параметров, контекстное окно — 8192 токена. Для загрузки требуется пользовательский класс модели с включением trust_remote_code. Лицензия — Apache 2.0. Модель может ошибаться, воспроизводить предвзятость или выдавать оскорбительный контент; она не предназначена для критически важных решений без контроля человека и для работы с конфиденциальными данными. Уровень владения другими языками и диалектами не следует считать сопоставимым с арабским и английским.

Jantrit-7B — языковая модель на архитектуре Mistral, созданная автором репозитория с помощью LazyMergekit путём слияния OpenHermes-2.5-Mistral-7B и Dolphin-2.6-Mistral-7B методом SLERP. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста и диалоговое взаимодействие; заявленная длина контекста — 32 768 токенов. Модель принимает текст и генерирует текст. Базовые модели предназначены для общения, генерации текста и помощи с кодом, однако README не приводит отдельной оценки качества Jantrit-7B. Сведения о лицензии в предоставленных данных отсутствуют.

wnma3mz/Janus-Pro-7B-LM — производная от deepseek-ai/Janus-Pro-7B модель, в которой обновлены файлы весов в формате safetensors и добавлен шаблон чата. Обозначение LM указывает, что репозиторий содержит только языковую модель; README также поясняет, что пометка 4bit означает квантизацию языковой части до 4 бит, однако метаданные указывают формат safetensors и не подтверждают наличие квантизированных весов в этой версии. Модель предназначена для диалоговой генерации текста и запуска через Transformers; в README также приведён пример использования MLX на Apple Silicon. По метаданным, это плотная архитектура Llama с 6,5 млрд параметров и контекстом до 16 384 токенов. Базовая Janus-Pro-7B поддерживает понимание изображений и генерацию изображений по тексту, но данная LM-версия содержит только языковую часть. Репозиторий опубликован под лицензией MIT. README не приводит результатов оценки качества или конкретных ограничений применения; возможности, зависящие от визуальной части базовой модели, по описанию этой версии недоступны.

J.A.R.V.I.S. Titan V12 MoE Merged Baseline — объединённая самостоятельная модель Dhanesh на архитектуре DeepSeekMoE, сочетающая MoE-бэкбон и адаптированные экспертные слои V12. В метаданных указано 7,1 млрд параметров, архитектурный класс JarvisTitanMoEForCausalLM, формат safetensors и контекст до 32 768 токенов; README при этом указывает бэкбон 14,8 млрд параметров. Модель предназначена для генерации текста в диалоговом режиме. Лицензия обозначена как other, поэтому конкретные условия использования следует проверять в файлах репозитория.

JARVIS-v1.0 — объединённая языковая модель, опубликованная shyamieee на Hugging Face. Она создана методом task arithmetic с помощью mergekit на базе Meta-Llama-3-8B и включает Llama-3-SauerkrautLM-8b-Instruct. Модель предназначена для генерации текста и диалоговых сценариев. Она использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст длиной до 8192 токенов. Модель распространяется в формате safetensors через Transformers по лицензии Apache-2.0. Карточка не описывает отдельные языковые или специализированные предметные возможности; из состава модели следует связь с семейством Llama 3.

JDBMG/Jericho_v1 — объединённая причинно-языковая модель на архитектуре Mistral, созданная с помощью mergekit методом DARE TIES. В качестве основы использована mistralai/Mistral-7B-v0.1, в объединение также вошли YamshadowExperiment28-7B, Calme-7B-Instruct-v0.9 и Mistral-7B-Merge-14-v0.5. Модель содержит 7,1 млрд параметров, распространяется в формате safetensors и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста, включая диалоговые и другие сценарии продолжения текста. Она основана на нескольких предварительно обученных моделях Mistral; отдельные сценарии и языки применения в карточке не описаны. Лицензия в предоставленных данных не указана.

JiRack Ultra 1B — компактная языковая модель от CMSManhattan для генерации текста и диалогов. Она построена на архитектуре Qwen2, содержит около 1,5 млрд параметров и оптимизирована для инференса на CPU. В карточке заявлены переработанная архитектура с поддержкой тернарных BitNet-признаков, обновлённый токенизатор с тегами маршрутизации, вызова инструментов и робототехники, а также контекст до 131 072 токенов. Доступны веса Safetensors и варианты GGUF с разными уровнями квантования. Модель предназначена для локального запуска на малоресурсном оборудовании, диалоговых сценариев, использования как экспертной модели в RAG-системах и интеграции с агентами и инструментами. Карточка также описывает применение в задачах программирования и робототехники, однако метаданные подтверждают только задачу генерации текста, а заявленные возможности токенизатора не доказывают качество этих специализированных сценариев. В метаданных перечислены 14 языков: английский, китайский, японский, корейский, французский, испанский, португальский, немецкий, итальянский, русский, арабский, вьетнамский и тайский. Веса опубликованы по лицензии MIT, разрешающей коммерческое использование и распространение. При этом Docker-образ, готовые Ollama-сборки и клиенты интерфейса, согласно карточке, распространяются на отдельных коммерческих условиях.

JOSIE-1.1-4B-Instruct — плотная языковая модель на 3,7 млрд параметров, разработанная Gökdeniz Gülmez как полновесная донастройка Qwen3-4B-Instruct-2507. Она предназначена для естественных диалогов, следования инструкциям, повседневной помощи и решения практических задач. Модель выдаёт связные ответы с дружелюбной, прямой манерой общения и ориентирована на генерацию текста в чат-сценариях. Модель поддерживает английский, испанский, французский, португальский, итальянский, арабский, китайский, японский, корейский, индонезийский, русский, вьетнамский, немецкий и тайский языки. Метаданные указывают контекст до 262 144 токенов; README сообщает о 32 768 токенах. Обучение включало дистилляцию рассуждений и преобразование ответов в разговорный стиль. По карточке, модель не имеет встроенной фильтрации контента; качество может снижаться на узкоспециализированных темах, а критические ответы требуют проверки. Лицензия — MIT.

J.O.S.I.E.3-Beta11-7B-slerp — объединённая чат-модель на архитектуре Mistral, созданная Goekdeniz Guelmez с помощью LazyMergekit на основе cognitivecomputations/dolphin-2.8-experiment26-7b и argilla/CapybaraHermes-2.5-Mistral-7B. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для диалогов и генерации текста. В карточке указаны английский, немецкий, испанский, французский, японский и китайский языки. Репозиторий предоставляет веса в формате safetensors; README также упоминает запуск GGUF-квантизации Q4_K_M через Ollama. Лицензия — Apache-2.0.

Jupiter-k-7B-slerp — языковая модель для генерации текста и диалогов, созданная Kukedlc. Это объединение моделей NeuralContamination-7B-ties, NeuralTopBench-7B-ties и StrangeMerges_32-7B-slerp с помощью LazyMergekit; архитектура основана на Mistral, размер — 7,1 млрд параметров. Модель распространяется в формате safetensors и поддерживает контекст до 32 768 токенов. Модель подходит для диалогового общения и генерации текста. Она распространяется по лицензии Apache-2.0. README не описывает специальные предметные области или отдельные гарантии качества.

K2S3-Mistral-7b-v1.42 — текстовая авторегрессионная модель, разработанная K2S3 и дообученная на базе mistralai/Mistral-7B-v0.1. Это плотная модель семейства Mistral на 7,2 млрд параметров для генерации текста и диалоговых ответов. Модель обучена методом полного SFT на данных alpaca-gpt4-data и части OpenOrca. Она принимает текст и генерирует текст; метаданные указывают контекст до 32 768 токенов и поддержку английского языка. Веса опубликованы в формате safetensors. Модель подходит для ответов на инструкции и вопросов, а также для генерации и продолжения текста на английском языке. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

K2S3-Mistral-7b-v1.46 — языковая модель, разработанная K2S3 и дообученная методом SFT на базе mistralai/Mistral-7B-v0.1. Это плотная авторегрессионная модель семейства Mistral с 7,2 млрд параметров, принимающая текст и генерирующая текст; родной контекст — 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев, включая ответы на инструкции. При обучении использовались alpaca-gpt4-data и выборки из OpenOrca. В карточке указано обучение с полным обновлением параметров; веса доступны в формате Safetensors. Метаданные отмечают английский язык. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование. Качество ответов и устойчивость к ошибочным или небезопасным запросам могут зависеть от задачи и формулировки.