I.5Создание и редактирование текста

KafkaLM-8x7b-German-V0.1-DPO — немецкоязычная языковая модель Seedbox, обученная Деннисом Дикманном. Это дообученная модель семейства Mixtral с архитектурой Mixture of Experts; в метаданных указано 7,1 млрд параметров и контекст до 32 768 токенов. Весовые файлы доступны в формате safetensors. Модель предназначена для диалогового помощника и повседневных задач на немецком языке, включая сценарии немецкоязычного бизнеса. Она дообучена на наборах инструкций, переведённых с английского на немецкий, а затем выровнена методом DPO на немецкой модификации UltraFeedback. Автор отмечает её уверенное и творческое поведение, а также склонность иногда выходить за языковые рамки. Модель распространяется по лицензии Apache-2.0. Карточка рекомендует использовать её для исследовательских целей и указывает, что применяются ограничения исходной лицензии Llama 2 и использованных датасетов; эта оговорка сама по себе не меняет классификацию зрелости модели.

Ethualo дообучил компактную плотную языковую модель Kanana2 Tiny на базе kakaocorp/kanana-2-1.3b-instruct. Модель предназначена для генерации текста и диалогов; в метаданных также отмечен интерфейс вызова инструментов. Она содержит около 1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. При дообучении использовались Unsloth и библиотека Hugging Face TRL. Модель распространяется по лицензии Apache-2.0.

Модель cuteElf/kanana-1.5-8b-instruct-2505-Persona-Merged — дообученная версия Kanana 1.5 от cuteElf, основанная на kakaocorp/kanana-1.5-8b-instruct-2505. Это плотная языковая модель архитектуры Llama с 7,5 млрд параметров, предназначенная для диалога и генерации текста. Она принимает текст и может работать с интерфейсом вызова инструментов; максимальный контекст составляет 32 768 токенов. Модель подходит для чат-ботов и генерации ответов на текстовые запросы. В README указано, что обучение проводилось с Unsloth и библиотекой TRL; конкретные изменения Persona-Merged и их влияние на поведение модели не описаны. Модель распространяется по лицензии Apache-2.0.

Модель kangkys/kanana-1.5-8b-instruct-2505-Safe-DPO — дообученная авторами kangkys плотная языковая модель семейства Llama с 7,5 млрд параметров. Она предназначена для генерации текста и диалогового взаимодействия; в метаданных также заявлен интерфейс вызова инструментов. Модель принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. В карточке указаны английский язык и формат весов safetensors. Модель дообучена на базе kangkys/kanana-1.5-8b-instruct-2505-Safe-DPO с использованием Unsloth и библиотеки TRL от Hugging Face. README не описывает набор данных, конкретные результаты обучения или отдельные сценарии Safe-DPO, поэтому эти свойства нельзя оценить по карточке. Лицензия — Apache-2.0.

Karnak-6B-v1.0 — плотная причинно-языковая модель семейства Qwen3, разработанная Applied Innovation Center на основе Qwen/Qwen3-4B-Instruct-2507. Модель дообучена в несколько этапов с расширением глубины, продолжением предобучения и supervised fine-tuning; в карточке заявлены около 6 млрд параметров, а метаданные указывают 5,4 млрд. Для арабского применён оптимизированный токенизатор. Модель предназначена для генерации текста и диалогов на арабском и английском: она отвечает на вопросы, объясняет темы, пишет материалы и помогает работать с длинными документами и беседами. Метаданные указывают контекст до 262 144 токенов, тогда как README рекомендует ограничивать рабочий контекст 20 000 токенами для стабильной работы. Модель можно запускать локально или на собственных серверах, в том числе через Transformers и vLLM. Разработчик заявляет улучшенное следование инструкциям, беглость арабского текста и обработку длинных зависимостей; независимые показатели качества в предоставленных данных не приведены. Лицензия — Apache-2.0.

KeawGPT-Base — базовая языковая модель, дообученная KordAI на основе unsloth/qwen3-4b-base-unsloth-bnb-4bit. Это плотная авторегрессионная модель семейства Qwen3 с архитектурой Qwen3ForCausalLM и 3,7 млрд параметров; она предназначена для генерации текста. Модель обучали с использованием Unsloth и библиотеки TRL от Hugging Face. Модель принимает текст и генерирует текст, поддерживает английский язык и имеет контекстное окно 32 768 токенов. Файлы весов опубликованы в формате safetensors. Репозиторий распространяется по лицензии Apache-2.0.

Карточка модели KeefeBuild/Keefe-Discere-v3.0 на Hugging Face совпадает с карточкой KeefeBuild/Keefe-Discere-v3.0-Final, поэтому описание составлено по ней. Keefe-Discere-v3.0-Final — языковая модель на архитектуре Qwen2, дообученная KeefeBuild на базе KeefeBuild/Keefe-Discere-v3.0-Ultimate с использованием Unsloth и Hugging Face TRL. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов; заявлены возможности диалога и интерфейс вызова инструментов. Модель предназначена для генерации текста и диалоговых сценариев, включая использование через интерфейс вызова инструментов. В карточке указан английский язык. Репозиторий содержит веса в формате Safetensors и распространяется по лицензии Apache-2.0. Карточка не описывает специализированные области применения или конкретные ограничения качества.

Карточка модели KeefeBuild/Keefe-Discere-v3.1-Final на Hugging Face совпадает с карточкой KeefeBuild/Keefe-Discere-v3.1, поэтому описание составлено по ней. KeefeBuild/Keefe-Discere-v3.1 — дообученная KeefeBuild языковая модель семейства Qwen2 с плотной архитектурой Qwen2ForCausalLM и 7,1 млрд параметров. Она предназначена для генерации текста и диалогов; метаданные также указывают интерфейс вызова инструментов. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 32 768 токенов. Веса сохранены в формате safetensors. По карточке, модель обучали с использованием Unsloth и библиотеки TRL от Hugging Face. Она дообучена от KeefeBuild/Keefe-Discere-v3.0-Final и распространяется по лицензии Apache-2.0.

Keefe-Discere-v3.2 — дообученная языковая модель семейства Qwen2, опубликованная KeefeBuild. Это плотная авторегрессионная модель с 7,1 млрд параметров, предназначенная для генерации текста в диалоговом формате; метаданные также указывают интерфейс вызова инструментов. Модель обучалась с использованием Unsloth и библиотеки TRL от Hugging Face. Модель принимает текст и выдаёт текст. В метаданных указаны английский язык и контекст до 32 768 токенов. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. README указывает на дообучение от KeefeBuild/Keefe-Discere-v3.2, то есть от модели с тем же идентификатором, поэтому исходная базовая модель отдельно не подтверждена.

kellemar-KrishnaHercules-0.1-7b-slerp — это объединённая модель для генерации текста, созданная с помощью LazyMergekit на основе NeuralKrishna-7B-V2-DPO и ChatHercules-2.5-Mistral-7B-DPO. В конфигурации указаны метод объединения DARE-TIES, архитектура Mistral с плотной структурой и 7,1 млрд параметров. Модель предназначена для генерации ответов и продолжения текста по запросу; метаданные указывают контекст до 32 768 токенов. Поддерживаемые языки и специализированные области применения в карточке не обозначены. Модель распространяется в формате safetensors по лицензии Apache-2.0.

K-EXAONE — мультиязычная языковая модель LG AI Research для диалога, рассуждений, работы с инструментами и обработки длинных текстов. Она использует архитектуру Mixture of Experts: в README указаны 236 млрд параметров всего и 23 млрд активных при инференсе; метаданные каталога приводят 21,3 млрд параметров. Модель поддерживает контекст до 262 144 токенов и языки корейский, английский, испанский, немецкий, японский и вьетнамский. Архитектура включает 128 экспертов, из которых активируются 8, а также механизм Multi-Token Prediction для ускорения генерации. Модель предназначена для ответов на вопросы, рассуждений, многоязычного общения, анализа длинных документов и агентных сценариев с вызовом инструментов. README сообщает о специальной поддержке корейских культурных и исторических контекстов. Модель доступна в формате safetensors и работает с Transformers; для сервинга также описаны vLLM и SGLang. В README лицензия не названа, а метаданные указывают «other», поэтому точные условия использования следует проверять на странице модели. Возможны фактические ошибки, устаревшие ответы, предвзятость и неподходящие генерации; заявленная дата среза знаний — декабрь 2024 года.

K-EXAONE-236B-A23B-NVFP4A16 — сборка модели K-EXAONE, разработанной LG AI Research и дополнительно квантизированной компанией FuriosaAI. Это авторегрессионная языковая модель-трансформер с архитектурой Mixture-of-Experts (ExaoneMoE), предназначенная для генерации текста, многоязычного диалога и задач, требующих рассуждений. Модель поддерживает корейский, английский, испанский, немецкий, японский и вьетнамский языки, а также режимы с рассуждением и без него. Модель содержит 236 млрд параметров, из которых 23 млрд активируются для каждого токена; используется 128 экспертов, 8 активных экспертов и 1 общий эксперт. Архитектура сочетает чередующиеся слои sliding-window и глобального внимания. Веса квантизированы в формате NVFP4, а активации и KV-кэш сохраняются в 16-битной точности. Поддерживаются вызов инструментов и OpenAI-совместимый API. Для штатного запуска FuriosaAI предусмотрены Furiosa LLM и ускорители FuriosaAI RNGD; конфигурация запуска использует четыре карты RNGD. К сильным сторонам относятся большой масштаб, мультиязычность, поддержка рассуждений и инструментального вызова, а к ограничениям — необходимость специализированной аппаратной конфигурации для запуска через Furiosa LLM и потенциальные компромиссы, связанные с 4-битной квантизацией. NVFP4A16 также заявлен как совместимый с vLLM, SGLang и Transformers. Модель распространяется по лицензии K-EXAONE AI Model License; в карточке она обозначена как лицензия other.

ModelCloud/Kimi-K2-Thinking-BF16 — версия Kimi K2 Thinking, подготовленная ModelCloud и обозначенная в карточке как BF16-модель, деквантизированная с помощью GPT-QModel. Это разговорная модель для генерации текста с архитектурой семейства Kimi K2; каталог указывает класс DeepseekV3ForCausalLM, 37,9 млрд параметров и контекст до 262 144 токенов. README описывает исходную Kimi K2 Thinking как MoE-модель с 1 трлн общих и 32 млрд активных параметров, обученную для пошаговых рассуждений и работы с инструментами. Модель предназначена для диалогов, сложных многошаговых задач, исследований в интернете, программирования и написания текстов с подключёнными инструментами. В карточке описана способность поддерживать длинные цепочки вызовов инструментов, однако это характеристика исходной модели, а независимое подтверждение для данного BF16-репозитория отсутствует. Указанное в README окно контекста составляет 256 тыс. токенов; метаданные каталога указывают 262 144 токена. Репозиторий содержит веса safetensors и использует библиотеку Transformers. Лицензия NonCommercial-ModelCloud разрешает только некоммерческое использование; для коммерческого применения README требует разрешения @qubitium. Метаданные не подтверждают список поддерживаемых естественных языков.

Карточка модели microperceptron/Kimi-Linear-48B-A3B-Instruct на Hugging Face совпадает с карточкой moonshotai/Kimi-Linear-48B-A3B-Instruct, поэтому описание составлено по ней. Kimi-Linear-48B-A3B-Instruct — разговорная языковая модель от Moonshot AI на архитектуре Kimi Linear. Это гибридная MoE-модель с Kimi Delta Attention и глобальными слоями MLA: в семействе указаны 48 млрд общих и 3 млрд активируемых параметров. Репозиторий содержит веса safetensors и предназначен для генерации текста в диалоговом формате. Модель рассчитана на диалоги и задачи с длинным контекстом. В README для версии Instruct заявлена длина контекста до 1 млн токенов, а архитектура сокращает потребность в KV-кэше и ускоряет декодирование на длинных последовательностях. Для запуска предлагаются Transformers с fla-core и развёртывание через vLLM. Лицензия — MIT. README описывает результаты бенчмарков, но не приводит оценки по всем сценариям; фактическая скорость и качество зависят от оборудования и настроек инференса.

Klear-46B-A2.5B-Instruct — инструктивная версия разреженной языковой модели семейства Klear, разработанная командой Kwai-Klear компании Kuaishou и дообученная с помощью DPO на базе Kwai-Klear/Klear-46B-A2.5B-Base. Архитектура MoE содержит 46 млрд параметров, из которых при генерации активны около 2,5 млрд; в каждом слое задействуются 8 экспертов и один общий эксперт. Модель принимает текст и генерирует текст в диалоговом формате, поддерживает китайский и английский языки и контекст до 65 536 токенов. Модель предназначена для диалогов, следования инструкциям и генерации текста, включая задачи общего характера, программирование и рассуждения. Разреженная активация экспертов рассчитана на повышение эффективности инференса по сравнению с плотной моделью сопоставимого общего размера. Для запуска README указывает Transformers версии 4.56.0 или новее с trust_remote_code=True, а для vLLM — форк разработчиков. Модель распространяется по лицензии Apache-2.0.

jaspionjader/Kosmos-Elusive-VENN-Aurora_faustus-8B — объединённая автором модель на базе двух предварительно обученных языковых моделей, созданная с помощью mergekit методом SLERP. Она предназначена для генерации текста. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. В README перечислены исходные модели jaspionjader/Kosmos-Aurora_faustus-8B и jaspionjader/Kosmos-Elusive-VENN-8B. Файлы весов представлены в формате safetensors; библиотека для работы — Transformers. Язык и специализация исходных моделей в доступных данных не описаны. Лицензия в предоставленных данных не указана.

Kosmos-EVAA-gamma-v18-8B — объединённая методом SLERP языковая модель семейства Llama, созданная автором jaspionjader с помощью mergekit. В слиянии участвовали jaspionjader/gamma-Kosmos-EVAA-v3-8B и jaspionjader/Kosmos-EVAA-gamma-v17-8B; архитектура — плотная авторегрессионная LlamaForCausalLM примерно на 7,5 млрд параметров. Модель предназначена для генерации текста по текстовому запросу. Контекст составляет до 8192 токенов; репозиторий содержит веса safetensors, а в конфигурации слияния указан bfloat16. Данные не уточняют целевые языки, специализацию или результаты оценки качества, поэтому модель следует рассматривать как генератор общего назначения. Условия лицензии в предоставленных данных не приведены. Качество конкретных сценариев и ограничения безопасности отдельно не описаны.

Kosmos-EVAA-PRP-v29-8B — объединённая плотная языковая модель семейства Llama, созданная jaspionjader с помощью mergekit. В слиянии методом SLERP использованы предварительно обученные модели jaspionjader/Kosmos-EVAA-PRP-v26-8B и jaspionjader/Kosmos-EVAA-PRP-v28-8B. Модель предназначена для генерации текста и работает через библиотеку Transformers. Она содержит 7,5 млрд параметров, принимает текст и поддерживает контекст до 8192 токенов. Данные не уточняют целевые языки или специализированные области применения. Файлы весов доступны в формате safetensors. Лицензия в предоставленных сведениях не указана.

Kosmos-EVAA-TSN-v19-8B — слитая языковая модель, созданная jaspionjader с помощью mergekit методом SLERP из Kosmos-EVAA-TSN-light-8B и Kosmos-EVAA-gamma-v18-8B. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров; она использует библиотеку Transformers и формат Safetensors, а длина контекста составляет до 8192 токенов. Модель предназначена для генерации текста и может применяться для создания черновиков, продолжения текста и ответов в диалоговом интерфейсе на основе текстового ввода. Сведения о специализации по предметным областям и поддерживаемых естественных языках в карточке отсутствуют. Лицензия в предоставленных данных не указана. Качество и поведение результата могут зависеть от запроса; подтверждённых сведений о специальных ограничениях или оценках качества нет.

Kosmos-VENN-8B — языковая модель для генерации текста, созданная объединением моделей Khetterman и DreadPoor методом SLERP с помощью mergekit. В основе лежит архитектура Llama с плотной трансформерной моделью примерно на 7,5 млрд параметров; нативная длина контекста составляет 8192 токена. Модель подходит для генерации текста и диалогов, в том числе творческих и ролевых сценариев на русском и английском языках. Веса доступны в формате safetensors для использования с Transformers. Лицензия в предоставленных данных не указана.

KSI-RPG-128k-7B — объединённая с помощью mergekit языковая модель AlekseiPravdin, созданная на основе AlekseiPravdin/KSI-RP-NSK-128k-7B и flammenai/flammen18X-mistral-7B. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров. Она предназначена для генерации текста и диалогового использования. Модель распространяется в формате safetensors по лицензии Apache-2.0. В карточке Hugging Face указан нативный контекст 32 768 токенов; название модели содержит «128k», однако заявленный метаданными размер контекста составляет 32 768 токенов. Сведения о целевых языках и специальных предметных областях в предоставленных данных отсутствуют.

kstc-1-8b — слитая языковая модель, созданная автором jaspionjader с помощью mergekit. В основе архитектура Llama с плотной структурой и классом LlamaForCausalLM; размер модели — 7,5 млрд параметров, формат весов — safetensors, длина контекста — до 131 072 токенов. Модель предназначена для генерации текста и диалогового общения. Её можно использовать для ведения беседы и создания текстовых ответов в задачах с длинным контекстом. В слияние вошли jaspionjader/Kosmos-EVAA-Franken-Immersive-v39-8B, v40-8B и v41-8B; в README указаны метод Model Stock и v41-8B как базовая модель. Лицензия и специальные ограничения применения в предоставленных данных не описаны.

jaspionjader/kstc-3-8b — слитая модель генерации текста на архитектуре Llama, созданная автором с помощью mergekit методом SLERP из jaspionjader/kstc-2-8b и Kosmos-EVAA-Franken-Immersive-v41-8B. Модель содержит 7,5 млрд параметров и рассчитана на диалоговое общение и генерацию текста; заявленная длина контекста — до 131 072 токенов. Модель принимает текст и генерирует текст. Карточка не описывает отдельные прикладные специализации или языки. Файлы опубликованы в формате safetensors; используется библиотека Transformers. Лицензия в предоставленных данных не указана.

KunaiBeagle-7b — модель генерации текста, созданная объединением SanjiWatsuki/Kunoichi-DPO-v2-7B и mlabonne/NeuralBeagle14-7B с помощью LazyMergekit. Она основана на Mistral-7B-v0.1 и использует плотную архитектуру Mistral с 7,1 млрд параметров; указанная длина контекста — 32 768 токенов. Модель предназначена для генерации текста и диалогового взаимодействия на основе текстовых запросов. Данные карточки не уточняют языки, в которых она лучше всего работает, и конкретные области применения. Репозиторий распространяется в формате safetensors; лицензия в предоставленных сведениях не указана.

Kuno-lake-slerp-7b — объединённая авторская модель на базе двух чекпойнтов SanjiWatsuki/Kunoichi-DPO-v2-7B и senseable/WestLake-7B-v2. Она создана методом slerp с помощью mergekit; конфигурация использует разные веса смешивания для слоёв self-attention и MLP. Модель семейства Mistral с плотной архитектурой и 7,1 млрд параметров принимает текст и предназначена для генерации текста и диалогового взаимодействия. Контекст — до 8192 токенов. Весовые файлы представлены в формате safetensors, исходная точность слияния — bfloat16. Лицензия в предоставленных данных не указана.

L3.1-Artemis-dcd-12B — слитая языковая модель на архитектуре Llama, созданная сообществом mergekit-community методом passthrough из моделей L3.1-Artemis-c-8B и L3.1-Artemis-d-8B. В конфигурации использованы последовательные диапазоны слоёв обеих исходных моделей; веса опубликованы в формате safetensors и предназначены для работы через Transformers. Модель рассчитана на генерацию текста и диалоговые сценарии. Заявленная длина контекста составляет 131 072 токена. Данных о специализированной предметной области или поддерживаемых естественных языках в карточке нет. Лицензия в предоставленных источниках не указана.

kromcomp/L3.1-Phantasmav2-12B — объединённая авторегрессионная языковая модель семейства Llama, созданная методом NuSLERP с помощью mergekit на основе merge/spectre и merge/twilight. Модель предназначена для генерации текста и диалогового общения; число параметров — 11,4 млрд, заявленная длина контекста — 131 072 токена. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. README и метаданные не описывают языковую специализацию или отдельные прикладные области. Условия лицензии в доступных данных не указаны.

SteelStorage выпустила слитую диалоговую языковую модель на архитектуре Llama с 69,5 млрд параметров. Веса объединены методом Model Stock с помощью mergekit: базой послужила NaniDAO/Llama-3.3-70B-Instruct-ablated, также включены abacusai/Dracarys2-Llama-3.1-70B-Instruct и nbeerbower/Llama-3.1-Nemotron-lorablated-70B. Модель распространяется в формате safetensors и использует библиотеку Transformers. Модель предназначена для генерации текста и ответов на инструкции в диалоговом формате; метаданные также указывают интерфейс вызова инструментов. Заявленная длина контекста — 131 072 токена. Данные не уточняют поддерживаемые естественные языки, лицензию или ограничения по использованию, поэтому их нельзя определить по доступной карточке.

Sao10K/L3.3-70B-Euryale-v2.3 — дообученная модель Sao10K на базе Meta Llama 3.3 70B Instruct, предназначенная для диалогов и генерации текста. Это плотная авторегрессионная модель семейства Llama с 69,5 млрд параметров; она принимает текст и поддерживает контекст до 131 072 токенов. Для общения используется формат запросов Llama 3 Instruct. В метаданных также указана возможность интерфейса вызова инструментов. Автор описывает модель как преемника Euryale v2.2 и отмечает, что она обучена непосредственно на Llama 3.3 Instruct, а не получена извлечением LoRA. Рекомендуемые автором параметры генерации: temperature 1.1 и min_p 0.1. Модель подходит для диалогового ассистента и творческой генерации; дальнейшее улучшение обучающих данных и расширение творческих сценариев указаны как планы. Лицензия — Llama 3. Использование требует соблюдения условий лицензии Meta Llama 3.

DS-Archive/L3.3-70B-Magnum-v4-SE-Cirrus-x1 — диалоговая языковая модель, созданная объединением моделей Sao10K и Doctor-Shotgun с помощью SLERP и mergekit. Она построена на архитектуре Llama 3.3 с плотной конфигурацией и содержит 69,5 млрд параметров; модель предназначена для генерации текста в формате диалога и поддерживает интерфейс вызова инструментов. Нативная длина контекста — до 131 072 токенов. Модель подходит для диалоговых приложений и генерации ответов с большим контекстом. В README указаны объединённые модели и метод слияния, но не приведены результаты оценки качества, сведения о поддерживаемых языках или специальные ограничения применения. Файлы опубликованы в формате safetensors; лицензия в предоставленных данных не указана.