I.5Создание и редактирование текста

hfl/chinese-xlnet-base — предобученная на китайском языке модель семейства XLNet, представленная HFL. Она предназначена для использования как ресурс для задач обработки китайского естественного языка и может служить основой для дальнейшей настройки под конкретные сценарии. Архитектура — XLNetLMHeadModel, размер — 137,8 млн параметров; модель доступна в форматах PyTorch и TensorFlow. В карточке указана задача text-generation, однако README описывает модель прежде всего как китайский предобученный чекпойнт для широкого круга задач NLP. Модель основана на официальном проекте XLNet от CMU и Google. Лицензия — Apache-2.0.

Карточка модели hfl/chinese-xlnet-mid на Hugging Face совпадает с карточкой hfl/chinese-xlnet-base, поэтому описание составлено по ней. hfl/chinese-xlnet-base — предобученная на китайском языке модель семейства XLNet, представленная HFL. Она предназначена для использования как ресурс для задач обработки китайского естественного языка и может служить основой для дальнейшей настройки под конкретные сценарии. Архитектура — XLNetLMHeadModel, размер — 137,8 млн параметров; модель доступна в форматах PyTorch и TensorFlow. В карточке указана задача text-generation, однако README описывает модель прежде всего как китайский предобученный чекпойнт для широкого круга задач NLP. Модель основана на официальном проекте XLNet от CMU и Google. Лицензия — Apache-2.0.

Computer-8 — плотная языковая модель семейства Llama, разработанная в проекте Computer / Model C. Это полноразмерное продолжение обучения Computer-7 с 69,5 млрд параметров и контекстом 131 072 токена; модель принимает документный текст с описанием беседы и продолжает его, не используя специальный шаблон чата. Модель обучалась на предпочтениях между вариантами ответов Computer-5, а также проходила повторное обучение на архивных текстах и данных о сохранении передачи хода. Она предназначена для генерации продолжений беседы в заданном формате и изучения предпочтений ответов в рамках линейки Computer. В описанной проверке Computer-8 чаще отдавала предпочтение вариантам с самым высоким целевым рейтингом, но её оценки были более резкими и хуже отражали полные распределения предпочтений, чем у Computer-7. Также отмечен сдвиг к более прямому и межличностному ответу на сообщения о переживаниях в контексте беседы с существующим пользователем. Computer-8 не использовала reward model, PPO или онлайн-генерацию при этом этапе обучения. Её формальные способности к рассуждению и сравнительная оценка с Computer-7 ещё не проверены; фактические утверждения модели следует перепроверять, поскольку она может развивать заданную предпосылку вместо её исправления. Репозиторий указывает лицензию Llama 3.1.

Control-Nanuq-8B — дообученная языковая модель семейства Llama, опубликованная Delta-Vector. Она создана на основе LLaMA 3.1 8B Supernova и дополнительно настроена для диалогов, ролевых игр и художественного письма. Обучение включало четыре эпохи на OpenCAI и журналах ролевых диалогов, оптимизацию DPO и обучение с подкреплением KTO; в метаданных также указаны дополнительные датасеты для предпочтений ответов. Модель рассчитана на лаконичные ответы с коротким повествованием и на последовательное поддержание персонажа в интерактивных сюжетах. Это плотная авторегрессионная модель примерно на 7,5 млрд параметров с контекстом до 131 072 токенов; поддерживает чат и принимает текст, выдавая текст. Для ролевых сценариев карточка рекомендует системные промпты Euryale или EVA. Указан формат весов safetensors; лицензия в предоставленных данных не приведена.

dbmdz/convbert-base-turkish-mc4-cased — регистрозависимая языковая модель ConvBERT для турецкого языка, представленная сообществом Turkish NLP и опубликованная организацией DBMDZ. Она обучена на турецкой части многоязычного корпуса mC4 объёмом 242 ГБ, содержащей около 31,2 млрд токенов; использует словарь из 32 тысяч токенов и последовательности длиной до 512 токенов. Модель предназначена для заполнения пропусков в тексте: по контексту она предсказывает замаскированный токен. Её можно применять для языкового моделирования и как основу для дальнейших NLP-задач на турецком языке. Доступны веса в форматах PyTorch, Safetensors и TensorFlow; число параметров — около 137,8 млн. Лицензия — MIT.

Darkens-8B — экспериментальная чат-модель на основе NVIDIA Mistral-NeMo-Minitron-8B-Base, дообученная Delta-Vector. Она предназначена для генерации выразительной прозы и диалогов, особенно ролевых сцен с форматом действий. Модель обучали полным дообучением в течение четырёх эпох на восьми наборах данных; автор отмечает, что она сохраняет свежий стиль без заметного переобучения. Модель использует плотную архитектуру MistralForCausalLM, содержит 7,9 млрд параметров и поддерживает контекст до 16 384 токенов. Она принимает текст и выдаёт текст, настроена на формат ChatML и рассчитана на английский язык. Доступны веса в формате safetensors. В README приведены результаты отдельных тестов Open LLM Leaderboard, включая средний балл 18,80. Это ранняя экспериментальная версия, поэтому её качество и следование инструкциям могут различаться в зависимости от сценария. Модель выпущена под лицензией Apache-2.0.

bigscience/distill-bloom-1b3 — промежуточная дистиллированная языковая модель от BigScience для генерации текста и исследований больших языковых моделей. README характеризует её как незавершённый чекпойнт; для обычного использования авторы рекомендуют обученную BLOOM-1B3. Архитектура — декодерный Transformer семейства BLOOM с 288 млн параметров, 12 слоями и 8 головами внимания. В README указана длина последовательности обучения 2048 токенов, а в метаданных — родной контекст 4096 токенов. Модель предназначена для многоязычной генерации текста и как основа для дальнейшей настройки. Языковые теги охватывают арабский, бенгальский, каталонский, английский, испанский, французский, хинди, индонезийский, португальский, тамильский, урду, вьетнамский и китайский; в тегах также указаны другие языки. Метаданные отмечают возможность работы с кодом. Репозиторий содержит веса PyTorch и Safetensors. Модель может выдавать фактически звучащие, но неверные ответы, а также нерелевантный или повторяющийся текст; возможны стереотипы и вредоносные высказывания. Она не подходит для критически важных решений и применения в медицине, праве, политике или финансах. Лицензия — BigScience BLOOM RAIL 1.0.

Dream Shimmer LR6 — разработанная Скоттом Леймротом версия Muse Glimmer 30B с изменением весов, снижающим склонность модели отказывать на обычные запросы. Это не дообучение: автор применил целевую правку весов в матрицах внимания и MLP, сохранив архитектуру Muse Glimmer и башню зрения. Модель поддерживает диалог с изображениями и ориентирована на агентные сценарии: многошаговое выполнение задач, использование инструментов и длинные диалоги. По опубликованным автором измерениям LR6 сопоставима с базовой моделью в использовании инструментов, структурированном выводе и обработке длинного контекста, но хуже справляется с соблюдением ограничений в многошаговых диалогах и надёжностью агента. Снижение отказов намеренное; модель недостаточно защищена от инъекций в запросы, поэтому ограничения инструментов следует обеспечивать вне модели и не помещать секреты в её контекст. Эти результаты получены самим автором и не являются независимой оценкой. Репозиторий использует формат safetensors и лицензию Apache-2.0; README указывает, что следует также учитывать лицензию базовой модели.

LOCALENLP разработала модель машинного перевода английского текста на волоф. Это дообученная модель MarianMT — Seq2Seq Transformer на 58 млн параметров, основанная на Helsinki-NLP/opus-mt-en-mul и обученная на пользовательском параллельном корпусе примерно из 84 тысяч пар предложений. Модель работает через библиотеку Transformers; нативный контекст составляет 512 токенов. Модель предназначена для перевода текстов на волоф в образовательных, исследовательских и коммуникационных сценариях, а также для цифрового контента и приложений перевода. Её можно использовать как основу для дальнейшей адаптации к специализированным корпусам волоф. Лицензия — MIT. На неформальных выражениях, культурно окрашенных оборотах и вариантах орфографии и грамматики волоф возможны ошибки и непоследовательность. Модель может хуже справляться с длинными сложными текстами и узкоспециализированной лексикой; для важных материалов рекомендуется проверка человеком.

Evathene-v1.3 — слитая 71,5-миллиардная языковая модель, созданная sophosympatheia для ролевых диалогов и создания историй. Она основана на Qwen2 и объединяет Evathene-v1.1 и Evathene-v1.2 методом SLERP с помощью mergekit; модель работает через Transformers и принимает текст, выдавая текст. Заявленная длина контекста — 131 072 токена. Модель предназначена прежде всего для ролевых игр и сторителлинга; автор также отмечает, что она может справляться с другими задачами, но не проверял её в них. В README модель названа uncensored, а примеры настроек включают инструкции для контента для взрослых. Качество зависит от промпта и настроек генерации, модель может выдумывать детали или повторяться. Лицензия в предоставленных данных не указана.

Gemma 3n E4B IT MLX BF16 — конвертированная для MLX версия мультимодальной модели Google Gemma 3n E4B IT, подготовленная командой LM Studio для запуска на компьютерах Apple Silicon. Она предназначена для диалогов и задач «изображение-текст»: модель принимает текст и изображения и формирует текстовые ответы. Исходная модель также поддерживает аудио- и видеосценарии, однако метаданные этого репозитория подтверждают только image-text-to-text и возможность работы с изображениями. Репозиторий содержит веса в формате safetensors с точностью bfloat16; заявлена оптимизация для Apple Silicon. Это не отдельное дообучение: основа — google/gemma-3n-E4B-it. Лицензия — Gemma; условия её использования определяются лицензией Google Gemma. Модель может генерировать неточные или неподходящие ответы, поэтому результаты следует проверять.

OpenVINO/gemma-4-E2B-it-int4-ov — это квантованная версия мультимодальной модели gemma-4-E2B-it, разработанной Google и преобразованной в формат OpenVINO IR. Модель предназначена для задач генерации текста с учётом изображений, включая диалоговые сценарии, визуальные вопросы и ответы, анализ содержимого изображений и описание необычных объектов или ситуаций на картинке. Веса сжаты до INT4 методом NNCF с режимом INT4_ASYM, размером группы 128 и коэффициентом ratio 1.0. Модель поддерживает обработку текста и изображений и используется через класс OVModelForVisualCausalLM из Optimum Intel. README не содержит сведений о точном числе параметров, поддерживаемых языках и размере контекстного окна. Квантование уменьшает требования к хранению и вычислениям, но ограничения и качество следует оценивать по исходной карточке gemma-4-E2B-it. Модель совместима с OpenVINO версии 2026.4.0 и выше и Optimum Intel 2.2.0 и выше. Она распространяется по лицензии Apache License 2.0.

Карточка модели Ame33/Gemma-4-Novelist-Eclipse-31B на Hugging Face совпадает с карточкой Ateron/Gemma-4-Novelist-Eclipse-31B, поэтому описание составлено по ней. Novelist-Eclipse — экспериментальная объединённая модель Ateron для генерации текста и разговоров в творческих и ролевых сценариях. Она создана с помощью mergekit на основе нескольких вариантов Gemma 4 31B, включая модели для ролевого общения, настройки стиля и прозы; в README также упомянута настройка lm_head на основе StyleTune. Архитектура — плотная Gemma 4, файлы представлены в формате safetensors. Модель рассчитана на создание художественной прозы и ролевых диалогов с акцентом на описательность, творческую выразительность и последовательность. Метаданные указывают английский язык и поддержку чата. Репозиторий распространяется по лицензии Apache-2.0. README характеризует модель как сырую и экспериментальную; результаты генерации могут быть непоследовательными или содержать клише.

raghavbali/gpt2-finetuned-headliner — англоязычная авторегрессионная модель генерации текста на архитектуре GPT-2 Medium, дообученная автором на наборе новостных заголовков ABC News. Обучение проводилось в течение двух эпох на 4 тысячах примеров; для оценки использовались 2 тысячи тестовых примеров. Модель принимает текстовый запрос и продолжает его в стиле новостного заголовка, поэтому подходит для учебных экспериментов и создания черновых заголовков по краткой подсказке. Базовая модель openai-community/gpt2-medium содержит 355 млн параметров, а контекст модели составляет до 1024 токенов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Модель легко выдумывает имена людей, места и события, поэтому её ответы требуют проверки и не подходят как достоверные новости или готовый редакционный материал. Автор указывает учебное назначение. Лицензия — MIT.

VietAI/gpt-j-6B-vietnamese-news — языковая модель семейства GPT-J, созданная VietAI для генерации текста на основе новостных данных на вьетнамском языке. Она предназначена для продолжения текста и других сценариев генерации на вьетнамском. Модель использует архитектуру GPTJForCausalLM с плотной структурой и содержит 6 млрд параметров. Формат весов — PyTorch, длина контекста — 2048 токенов. Карточка не описывает конкретные обучающие данные, показатели качества или условия лицензии.

GPT-Neo 2.7B-Janeway — англоязычная авторегрессионная модель генерации текста, дообученная KoboldAI на основе EleutherAI GPT-Neo 2.7B. Она предназначена прежде всего для продолжения художественных текстов и создания прозы в жанрах научной фантастики и фэнтези. Обучающий набор включает около 2210 электронных книг, преимущественно этих жанров; часть примеров снабжена префиксами с указанием жанра. Модель использует плотную архитектуру GPT-Neo и содержит 3,1 млрд параметров. Она принимает текст и предсказывает продолжение, поддерживает английский язык и имеет контекст длиной 2048 токенов. Репозиторий содержит веса PyTorch. Модель подходит для творческого письма и генерации художественных сцен, но качество и содержание продолжения зависят от промпта; возможны ненормативная лексика, оскорбительное или нежелательное содержание. Рекомендуется проверять и фильтровать результаты человеком. Лицензия — MIT.

HARC-Qwen2.5-7B-Instruct — диалоговая языковая модель Microsoft на архитектуре Qwen2 с 7,1 млрд параметров. Это самостоятельная модель, полученная слиянием safety-alignment LoRA с Qwen/Qwen2.5-7B-Instruct; веса доступны в формате safetensors и рассчитаны на использование через Transformers. Модель предназначена для генерации текста в диалоге с акцентом на выравнивание поведения по требованиям безопасности. Её можно использовать для создания безопасных ответов в чат-ботах и исследовательских сценариях по оценке безопасности диалоговых моделей. Контекст составляет до 32 768 токенов. Лицензия — Apache-2.0. README ссылается на выпуск HARC и статью arXiv:2607.00572. Карточка не приводит результатов оценки безопасности или подробностей о данных обучения, поэтому качество и характер защитного поведения следует проверять для конкретного применения.

Honyaku-7b-v2 — дообученная разговорная языковая модель семейства Mistral от aixsatoshi, предназначенная прежде всего для перевода текстов. Она точнее предыдущей версии следует тегам, задающим язык генерации. Модель содержит 7,2 млрд параметров, использует плотную архитектуру Mistral и распространяется в формате safetensors. В карточке указан контекст 4096 токенов; README уточняет, что учитывая промпт, рекомендуется укладываться в 4k токенов, хотя дообучение проводилось на последовательностях до 8k. Основной сценарий — перевод текстов объёмом примерно от 500 до нескольких тысяч токенов. Наиболее стабильно модель переводит на японский; качество зависит от языкового покрытия базовой модели, а для малоресурсных языков оно хуже. Разработчик предупреждает, что переводы могут содержать ошибки и требуют проверки перед официальным или публичным использованием. Модель поддерживает диалоговый интерфейс и лицензирована по Apache-2.0.

Huihui-Qwen3-VL-8B-Instruct-abliterated-GGUF — это набор квантованных версий мультимодальной модели Huihui-Qwen3-VL-8B-Instruct-abliterated, опубликованный пользователем noctrex. Модель предназначена для задач image-text-to-text: обработки изображений вместе с текстовыми запросами и генерации текстовых ответов. В качестве базовой модели указана разработка huihui-ai; исходная модель доступна на Hugging Face. В представленном README не указаны точная архитектура, размеры квантования, поддерживаемые языки, длина контекста, перечень модальностей за пределами общего image-text-to-text и результаты тестирования. Ключевая особенность этой публикации — использование формата GGUF и квантования, что потенциально упрощает локальный запуск и снижает требования к ресурсам, однако конкретные компромиссы между качеством и производительностью зависят от выбранного файла. Для использования требуется актуальная версия llama.cpp. Лицензия и условия коммерческого или иного использования в README не указаны.

Это разреженный чекпойнт Meta Llama 2 7B, подготовленный elastix-ai методом HyperPrune на основе meta-llama/Llama-2-7b-hf. Модель предназначена для генерации текста и оценки языкового моделирования; веса имеют полуструктурированную разреженность 2:4 во всех 32 слоях декодера. В репозитории указано 6,6 млрд параметров, формат safetensors и контекст до 4096 токенов. Чекпойнт использует калибровочный корпус SlimPajama-6B; авторы приводят измерения perplexity и точности на нескольких тестах. По описанию, гиперсеть выбирает лишь около 3,5% маски, а для остальных весов сохраняется маска SparseGPT, поэтому характеристики нельзя напрямую сопоставлять с результатами оригинальной статьи HyperPrune. Базовая Llama 2 ориентирована на английский язык. Лицензия обозначена как other; конкретные условия использования следует проверять в карточке модели и у базовой модели.

IndicTrans2 Indic-Indic Distilled 320M — модель машинного перевода, разработанная AI4Bharat. Это вариант для перевода между индийскими языками, полученный объединением моделей Indic-En Distilled 200M и En-Indic Distilled 200M. Модель использует архитектуру семейства IndicTrans2 и распространяется в форматах PyTorch и Safetensors. Модель предназначена для перевода текстов между поддерживаемыми индийскими языками. В карточке указаны бенгальский, хинди, тамильский и урду; теги репозитория также перечисляют ассамский, бодо, догри, конкани, гуджарати, каннада, кашмири, майтхили, малаялам, маратхи, манипури, непали, одия, панджаби, санскрит, сантали, синдхи и телугу. Данные для обучения и оценки связаны с FLORES-200, IN22-Gen и IN22-Conv. Модель подходит для межъязыкового перевода в приложениях и исследовательских системах, работающих с индийскими языками. В README не приведены сведения о длине контекста и конкретных ограничениях качества. Лицензия — MIT.

Карточка модели meshllm/Inkling-Small-UD-Q4_K_XL-layers на Hugging Face совпадает с карточкой lyssquant/Inkling-Small-UD-Q4_K_XL-layers, поэтому описание составлено по ней. Inkling-Small-UD-Q4_K_XL-layers — пакет GGUF-слоёв для распределённого запуска модели Inkling-Small через Mesh LLM. Он подготовлен на основе unsloth/Inkling-Small-GGUF: веса исходной модели разбиты на отдельные артефакты по слоям, чтобы распределить вычисления и использование памяти между несколькими компьютерами. Указана квантованная разновидность UD-Q4_K_XL; репозиторий также содержит общие метаданные и эмбеддинги. Пакет предназначен для локального приватного инференса, запуска на кластере машин, когда полной модели не помещается на одном узле, и обслуживания чата через совместимый с OpenAI API Mesh LLM. Метаданные указывают поддержку общения с текстом и изображениями; задача модели — image-text-to-text. Для запуска требуется Mesh LLM. Лицензия — Apache-2.0.

Inkling-Small-UD-Q4_K_XL-layers — пакет GGUF-слоёв для распределённого запуска модели Inkling-Small через Mesh LLM. Он создан на основе unsloth/Inkling-Small-GGUF: исходное распределение GGUF разделено на артефакты по слоям, чтобы несколько машин могли совместно выполнять инференс. Метаданные указывают поддержку чата и изображений; задача модели — преобразование изображения и текста в текст. Пакет предназначен для локального и приватного инференса, обслуживания модели на нескольких машинах, а также для сценариев чата и completions через локальный API Mesh LLM, совместимый с OpenAI. Для запуска требуется Mesh LLM; README приводит команду запуска узлов в режиме split. Указан вариант квантования UD-Q4_K_XL, однако сведения об архитектуре, размере модели, длине контекста и поддерживаемых языках в доступных данных отсутствуют. Репозиторий лицензирован по Apache-2.0. Это пакет для распределённого исполнения производной модели, а не самостоятельная архитектура. Он наследует ограничения исходной модели; детали качества, шаблона чата и настройки генерации следует сверять с карточкой unsloth/Inkling-Small-GGUF.

Japanese Stable LM Base Gamma 7B — базовая авторегрессионная языковая модель Stability AI на архитектуре Mistral с 7,1 млрд параметров. Модель создана продолжением предварительного обучения Mistral-7B-v0.1 на японских данных, чтобы повысить качество японского языкового моделирования и выполнения связанных с японским языком задач. Максимальная длина контекста — 4096 токенов. Модель предназначена для использования как основа для дообучения под конкретные приложения. Она генерирует текст, но не рассчитана на следование инструкциям; для этого разработчик указывает на отдельную версию Japanese Stable LM Instruct Gamma 7B. Обучение продолжалось примерно на 100 млрд токенов из японской и английской Википедии, японских корпусов mC4, CC-100 и OSCAR, а также SlimPajama без поднабора Books3. Лицензия Apache 2.0 допускает коммерческое использование без строгих ограничений. Предварительная обучающая выборка могла содержать оскорбительный или неподходящий контент, который может проявляться в генерациях. Разработчик рекомендует осторожность при использовании модели в продукционных системах и не рекомендует применять её в сценариях, способных причинить вред людям или группам.

Sunfall v0.6.1 — разговорная модель crestf411 для ролевых диалогов и написания историй, созданная на базе Meta Llama 3 70B Instruct. Она обучалась на контекстах, имитирующих пресет Silly Tavern для Llama 3 Instruct; автор также описывает сценарии с повествователем и использованием тегов для задания стиля и особенностей истории. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 69,5 млрд параметров и поддерживает контекст до 131 072 токенов. Sunfall предназначена для интерактивного сторителлинга и ролевых сценариев, а также может отвечать на общие вопросы. По заявлению автора, в целом она превысила базовую instruct-модель в тесте MMLU-Pro, но уступила ей в отдельных категориях и чаще запутывается. Для генерации автор рекомендует начинать с температуры 1,2 и корректировать её по связности и разнообразию ответов. Доступны веса safetensors; лицензия — Llama 3 Community License (llama3).

L3.1-8B-Celeste-V1.5 — дообученная автором модели LLaMA 3.1 8B Instruct для диалогового ролевого взаимодействия и творческого письма. Она генерирует текст, следует инструкциям вне роли в формате OOC и поддерживает управляемое развитие персонажей и сценариев, в том числе контент для взрослых по запросу пользователя. Модель основана на плотной архитектуре LlamaForCausalLM с 7,5 млрд параметров. В обучении использовались наборы Reddit WritingPrompts, Opus Instruct и очищенные логи c2. Карточка сообщает, что обучение проводилось с контекстом 8K; метаданные указывают нативную длину контекста 131072 токена. Доступны веса SafeTensors, а также упомянуты варианты FP8, EXL2 и GGUF. Автор отмечает улучшенную связность, творческие ответы и следование инструкциям, но предупреждает о возможных повторах и проблемах форматирования первых сообщений; рекомендует подбирать настройки генерации и при необходимости повторять запрос. Лицензия — Llama 3.1 Community License (идентификатор llama3.1); модель помечена как не подходящая для всех аудиторий.

Sunfall v0.6.1 — экспериментальная чат-модель crestf411, созданная на основе слияния make-it-funner-DPO поверх Meta Llama 3 8B Instruct и дообученная на наборах данных для ролевых диалогов, повествования и математики. Она предназначена для диалогов и написания историй в формате, совместимом с пресетом Llama 3 Instruct для Silly Tavern; в карточке также описано обучение следованию «Diamond Law». Модель имеет плотную архитектуру Llama, около 7,5 млрд параметров и контекстное окно до 131 072 токенов. В обучении использовались материалы LimaRP-DS и выборка AI-MO/NuminaMath-CoT; README отмечает расширение датасета, включая SFW-тексты. Автор характеризует модель как ранний эксперимент с пока неясной практической состоятельностью и предупреждает о проблемах форматирования математических данных в версии v0.6. Доступна в формате safetensors по лицензии Llama 3.

djuna/L3.1-Suze-Vume-2-calc — объединённая языковая модель семейства Llama, созданная с помощью mergekit методом della на основе kromeurus/L3.1-Aglow-Vulca-v0.1-8B. В объединение также вошли Casual-Autopsy/L3-Super-Nova-RP-8B, TheDrummer/Llama-3SOME-8B-v2 и djuna/L3.1-Noraian. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и доступна в формате safetensors; заявленная длина контекста — 131 072 токена. Модель предназначена для генерации текста в диалогах и творческих сценариях, включая ролевые беседы и создание историй. В карточке указана поддержка чата; базовые модели ориентированы на англоязычные творческие ролевые диалоги, поэтому такие сценарии являются наиболее обоснованным применением. Модель распространяется под лицензией, сведения о которой в предоставленных источниках отсутствуют.

Nohobby/L3.3-Prikol-70B-v0.5 — экспериментальная текстовая модель, созданная автором Nohobby путём многоэтапного слияния моделей семейства Llama 3.3 с помощью mergekit. Модель содержит 69,5 млрд параметров, использует архитектуру LlamaForCausalLM и формат Safetensors; контекст — до 131 072 токенов. Для работы автор рекомендует формат промптов Llama 3 и параметры генерации temperature 1,15 и minP 0,015. Модель предназначена для генерации текста и диалогов, в том числе творческого письма и ответов на карточки персонажей. Автор отмечает необычный стиль ответов и считает качество письма удачным, но сообщает лишь о кратких тестах. В составе слияния автор упоминает модели, включая Sao10K/L3.3-70B-Euryale-v2.3 и несколько других моделей на 70 млрд параметров. Для неё опубликованы квантизованные варианты GGUF и exl2, однако сам репозиторий содержит Safetensors. Лицензия в предоставленных данных не указана. Это ранняя версия из личных тестов слияния, поэтому качество и устойчивость ответов могут варьироваться; подробной оценки, языкового охвата и условий безопасного применения в карточке нет.

L3-DARKEST-PLANET-Seven-Rings-Of-DOOM-16.5B-GGUF — текстовая генеративная модель для художественного письма, создания сюжетов, сцен, подсюжетов, продолжения историй и ролевых сценариев. Модель разработана DavidAU и основана на L3-DARKEST-PLANET-Seven-Rings-Of-DOOM-16.5B, которая, в свою очередь, представляет собой изменённую версию Dark Planet 8B с применением метода Brainstorm 40x. Модель ориентирована на англоязычную генерацию прозы во всех жанрах, включая научную фантастику, романтику и хоррор, с поддержкой потенциально NSFW-контента, насилия и ненормативной лексики. Архитектура основана на Llama 3; модель содержит 16,5 млрд параметров и 71 слой. Заявлен максимальный контекст 8192 токена, с возможностью расширения до 32K и более посредством RoPE. Brainstorm 40x использует семь моделей для изменения характера генерации и обеспечивает подробное описание сцен, окружения, предметов и действий персонажей. Модель рассчитана на работу с шаблонами Llama 3 и/или Command-R, поддерживает различные параметры температуры и repetition penalty, но для стабильной работы требуется их тщательная настройка. Сильные стороны модели — детализированная, образная и эмоциональная проза, разнообразие вариантов генерации и пригодность для творческого письма и ролевых сценариев. Ограничения включают отрицательный тематический уклон, возможные повторы, чрезмерно длинные или уходящие в «rant» ответы при неподходящих настройках, а также ухудшение следования инструкциям при слишком высокой температуре. Расширение контекста через RoPE может вызывать дополнительные проблемы. Модель распространяется по лицензии Apache-2.0.