I.5Создание и редактирование текста

Sammanus Ara — слитая автором kromvault разговорная модель семейства Llama 3 на 8,4 млрд параметров. Она создана из нескольких моделей, включая L3-Blackened-Sunfall-15B, Jamet-8B-L3-MK.V-Blackroot, Llama-3SOME-8B-v2 и L3-8B-sunfall-v0.4-stheno-v3.2; при объединении использовались промежуточные слияния и TIES merge. Модель предназначена прежде всего для ролевых диалогов и создания историй, в том числе эротических ролевых сценариев. По словам автора, она сохраняет многие качества исходной версии на 15 млрд параметров, хорошо следует примеру текста, связно пишет и не склонна к излишней многословности. Контекст составляет 8192 токена. Автор отмечает, что из-за меньшего размера модель может быть менее подробной и тонкой, чем версия на 15 млрд параметров. Лицензия в предоставленных данных не указана.

Techne-RP-8b — текстовая авторегрессионная модель семейства Llama 3.1 от athirdpath, дообученная для ролевого общения и написания художественных текстов. Она принимает текстовые запросы в формате промптов Llama 3; также поддерживает формат Alpaca. Модель содержит 7,5 млрд параметров и заявленное контекстное окно 131 072 токена. Обучение продолжало модель athirdpath/Llama-3.1-Instruct_NSFW-pretrained_e1-plus_reddit и включало этапы SFT на диалоговых и ролевых наборах данных, а затем DPO на парах предпочтений. Карточка демонстрирует примеры общения и NSFW-письма, поэтому модель подходит для создания ролевых сцен и взрослой художественной прозы. Доступны веса safetensors; лицензия — Llama 3.1 Community License. Модель ориентирована на генерацию текста и не заявляет мультимодальных возможностей. Небольшое число недавних загрузок не даёт оснований считать её широко проверенной; качество и поведение могут зависеть от формата промпта и сценария использования.

Fitzeon/llama32-3b-legal-id-grpo — диалоговая генеративная модель Fitzeon на архитектуре Llama, дообученная на базе Fitzeon/llama32-3b-legal-id-sft. Модель содержит 3,2 млрд параметров и рассчитана на генерацию текста в формате чата; каталог также отмечает интерфейс вызова инструментов. Контекстное окно составляет 131 072 токена. Модель представлена как юридическая и может использоваться для диалога по юридическим вопросам и подготовки черновиков текстов. В README указано, что обучение выполнялось с Unsloth и библиотекой TRL. Поддержка английского указана в метаданных. Лицензия — Apache-2.0.

Это GGUF-квантизированная версия модели llama3-8b-it-translation-general-en-ko-1sent, разработанная mradermacher на основе модели nayohan. Модель создана для перевода предложений между английским и корейским языками и ориентирована на общую тематику. При обучении использовался датасет nayohan/aihub-en-ko-translation-1.2m. В основе лежит Llama 3 с 8 млрд параметров; поддерживаются текстовые входы и выходы на английском и корейском языках. README не указывает размер контекста и точные архитектурные характеристики исходной модели. Распространяются варианты в формате GGUF с разными схемами квантизации и размером примерно от 2,1 до 6,7 ГБ, что позволяет выбирать между требованиями к памяти, скоростью и качеством. Более агрессивная квантизация может заметно снижать качество перевода; для баланса характеристик рекомендован вариант i1-Q4_K_M. Модель подходит для локального запуска и автоматизированного перевода коротких англо-корейских текстов. Лицензия указана как llama3, однако README не приводит дополнительные условия или ограничения лицензии.

Llama-3-Alpha-Centauri-v0.1-GGUF — квантизированная версия модели Llama-3-Alpha-Centauri-v0.1, разработанная fearlessdots и преобразованная в формат GGUF с использованием llama.cpp. В основе лежит Meta Llama 3 8B Instruct Abliterated v3 от failspy; к базовой модели применён и слит LoRA-адаптер. Модель предназначена для исследовательских экспериментов с генерацией текста, включая задачи по STEM, компьютерным наукам и программированию, социальным наукам, рассуждению, логической дедукции, критическому мышлению и анализу. В карточке также указан датасет NobodyExistsOnTheInternet/ToxicQAFinal. Ключевая характеристика модели — экспериментальная, намеренно менее ограниченная настройка поведения, поэтому она может генерировать широкий спектр ответов, включая потенциально токсичный или спорный контент. Квантизация и формат GGUF ориентированы на запуск через совместимые инструменты llama.cpp, однако конкретный вариант квантизации, требования к памяти, поддерживаемые языки и размер контекстного окна в README не указаны. Эффективность модели может быть нестабильной и требует самостоятельной проверки. Модель распространяется по лицензии llama3. README указывает, что серия Centaurus создана исключительно для исследований; пользователь самостоятельно отвечает за интерпретацию результатов, использование модели, соблюдение законодательства и возможные негативные последствия. Модель не следует применять для незаконных целей.

arcee-ai/Llama-3-MegaMed-8B-Model-Stock — объединённая модель семейства Llama 3, созданная Arcee AI с помощью mergekit и метода Model Stock. В состав слияния вошли OpenBioLLM-Llama3-8B, JSL-Med-Sft-Llama-3-8B и Llama-3-8B-Instruct-DPO-v0.3; базовая модель — Meta Llama 3 8B. Модель содержит около 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и поддерживает контекст до 8192 токенов. Модель предназначена для генерации текста, в том числе ответов на медицинские вопросы и создания медицинского текста, опираясь на объединённые медицинские и инструктивные модели. Интерфейс — текстовый ввод и текстовый вывод; метаданные указывают задачу text-generation. Лицензия — Apache-2.0. Карточка не приводит результатов оценки качества или подробных ограничений применения, поэтому надёжность медицинских ответов по ней определить нельзя.

WesPro/Llama3-RPLoRa-SmaugOrpo — разговорная языковая модель на архитектуре Llama 3, созданная WesPro как слияние моделей WesPro/Llama3-OrpoSmaug-Slerp-8B и ResplendentAI/RP_Format_Llama3. В README автор также описывает её как предыдущую версию с дополнительным LoRA для улучшения ролевого взаимодействия. Каталог указывает размер 7,5 млрд параметров, контекст до 8192 токенов и формат safetensors; модель предназначена для генерации текста в диалоговом режиме. Модель подходит для ролевых диалогов и интерактивного письма, а также для других сценариев генерации текста. README сообщает о наличии сторонних квантованных вариантов GGUF от Q2_K до Q8_K и IQ3_XS–IQ4_XS. Языки и специализированные области применения в предоставленных источниках не описаны. Лицензия не приведена.

turboderp/llama3-turbcat-instruct-8b — диалоговая модель семейства Llama 3, выпущенная Turboderp. Это версия на 7,5 млрд параметров с плотной архитектурой LlamaForCausalLM и контекстом до 8192 токенов; модель предназначена для генерации текста в формате чата. Модель обучена на расширенном наборе данных объёмом 5 ГБ и ориентирована на ролевые диалоги, ответы на медицинские и биологические вопросы, а также задания уровня GRE, MCAT и китайского вступительного экзамена в аспирантуру. В README также заявлена поддержка китайского языка, но автор отмечает, что в версии 8B она ограничена возможностями базовой модели. Формат общения — Llama 3; поддерживаются сценарии, где модель играет роль API или функции и следует системному запросу. Репозиторий содержит веса safetensors. Лицензия указана как llama3; перед использованием следует учитывать условия лицензии Llama 3. Модель может ошибаться в медицинских ответах, поэтому их следует проверять у специалиста; независимые показатели качества в карточке не приведены.

cjpais/llava-1.6-mistral-7b-gguf — это GGUF-квантизированная версия LLaVA-v1.6-Mistral-7B, разработанная на базе Mistral-7B-Instruct-v0.2 и предназначенная для исследовательского использования. LLaVA представляет собой авторегрессионную мультимодальную языковую модель на архитектуре Transformer, дообученную на данных для выполнения инструкций с изображениями и текстом. В данном репозитории также обновлены квантизированные файлы и projector. Модель предназначена для мультимодального диалога, анализа изображений, ответов на вопросы по изображениям и исследований в области computer vision, NLP, machine learning и искусственного интеллекта. Она поддерживает текстово-визуальный ввод, однако конкретные языки и размер контекстного окна в README не указаны. Доступны варианты квантования от 3 до 8 бит размером примерно от 2,99 до 7,7 ГБ; версии Q4_K_M, Q5_K_S и Q5_K_M отмечены как рекомендуемые благодаря балансу размера и качества. К сильным сторонам относятся открытая мультимодальная архитектура, несколько вариантов квантования для запуска на оборудовании с разными ресурсами и специализированное обучение на крупных наборах image-text, VQA и instruction-following данных. Более агрессивное квантование уменьшает требования к памяти, но может приводить к заметной потере качества. README не содержит подробностей о производительности, аппаратных требованиях и ограничениях безопасности. Для репозитория указана лицензия Apache-2.0; при этом в исходной карточке также упоминается лицензия базовой модели Mistral-7B-Instruct-v0.2.

Модель KETI-AIR-Downstream/long-ke-t5-base-translation-aihub-ko2en разработана как дообученная версия KETI-AIR/long-ke-t5-base для перевода с корейского на английский. Она основана на архитектуре LongT5 и содержит 148,3 млн параметров; максимальная длина контекста — 4096 токенов. Модель принимает корейский текст и генерирует английский перевод. Дообучение проводилось на наборах данных AI Hub по переводу текстов о пищевых продуктах, науке и технологиях, социальной сфере и разговорной речи. В карточке приведены результаты оценки: BLEU 58,7008 и loss 0,5186. Модель распространяется в форматах PyTorch и Safetensors по лицензии Apache-2.0. Оценка качества может зависеть от тематики и характеристик входных текстов; в карточке не приведены подробные сведения об ограничениях и методике оценки.

Marian — компактная модель машинного перевода на архитектуре MarianMT, дообученная автором charliealex123 для направления с китайского на английский. Веса содержат 58,4 млн параметров, сохранены в формате safetensors; максимальная длина контекста — 512 токенов. В карточке приведён результат BLEU 77,0389 на оценочном наборе, однако сведения о наборе данных и методике оценки отсутствуют. Модель предназначена для перевода китайских текстов на английский. Указана лицензия CC BY 4.0. Карточка не описывает ограничения, целевую область применения или дополнительные возможности модели.

Mimicra-V1-13B — языковая модель на архитектуре Llama, созданная Masterjp123. Автор описывает её как выборочное слияние нескольких 13B-моделей, преимущественно предназначенных для ролевого общения, с целью объединить их сильные стороны в качестве, рассуждении и творческой генерации. Среди компонентов названы Magdump-13b RP, ZettaPi-13B RP, genz-13b-v2, Unholy-v1.1-13B и другие модели; точная схема слияния не приводится. Модель предназначена для генерации текста, в частности ролевых диалогов и творческих ответов. Она принимает текстовые инструкции в шаблоне Instruction/Response и выдаёт текст. Размер составляет 12,9 млрд параметров, заявленный контекст — 4096 токенов; карточка указывает английский язык. Автор характеризует модель как uncensored, но не приводит независимых оценок качества. Лицензия указана как Llama 2; в репозитории также упомянут формат GGUF, тогда как перечисленные метаданные файлов указывают PyTorch и safetensors.

Kaoeiri/Mistral-magnum_X_Cydonia-v1.3_X_Waifu-22B — языковая модель на архитектуре Mistral, созданная слиянием методом SLERP моделей Kaoeiri/Mistral-magnum_X_Cydonia-v1.3 и spow12/ChatWaifu_v2.0_22B. Модель содержит 22 млрд параметров и рассчитана на генерацию текста в чат-диалогах; в метаданных также указана поддержка интерфейса вызова инструментов. Среди возможных сценариев — ролевая переписка с персонажами и ведение диалогов в стиле визуальных новелл. Базовая ChatWaifu v2.0 22B описана как японско-английская модель для ролевых диалогов, однако языки именно итогового слияния в карточке не перечислены. Указанное в метаданных контекстное окно — 131072 токена. Модель распространяется в формате safetensors по лицензии CC BY-NC-ND 4.0, которая запрещает коммерческое использование и распространение производных версий.

MN-12B-Mimicore-Orochi — слитая DoppelReflEx модель на архитектуре Mistral для диалоговой генерации, ролевых игр и написания историй. В основе слияния лежит IntervitensInc/Mistral-Nemo-Base-2407-chatml; также объединены MN-12B-Mimicore-GreenSnake, Nemo-12b-Humanize-KTO-Experimental-Latest и Violet_Twilight-v0.2 с помощью метода DARE-TIES. Модель содержит 12,1 млрд параметров, работает через Transformers и принимает текст, выдавая текст. Разработчик описывает её как вариант WhiteSnake, подходящий для ролевых игр, в том числе эротических, и сторителлинга; по оценкам она немного уступает WhiteSnake, но остаётся пригодной для этих сценариев. Заявленная длина контекста — 1 024 000 токенов. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение. В README отмечена редкая проблема токенизации, унаследованная от одного из компонентов слияния; при её проявлении автор советует повторить генерацию.

ModBERTBr — дообученная модель семейства ModernBERT, подготовленная для бразильского португальского языка. Она основана на answerdotai/ModernBERT-base и дополнительно предварительно обучена на корпусе BrWac и португальской части Википедии; для неё создан собственный токенизатор на основе алгоритма Unigram. Модель предназначена для задач заполнения пропусков в тексте на португальском языке и может использоваться как encoder в прикладных решениях понимания текста. Это плотная архитектура ModernBertForMaskedLM с 135,5 млн параметров и контекстом до 512 токенов. Репозиторий содержит веса в формате safetensors; для работы README рекомендует библиотеку Transformers версии 4.48.0 или новее. Лицензия — Apache-2.0.

Doctor-Shotgun/MS3.2-24B-Magnum-Diamond-GGUF — это GGUF-квантизованная версия текстовой генеративной модели MS3.2-24B-Magnum-Diamond, разработанная Doctor-Shotgun и подготовленная с использованием llama.cpp. Модель ориентирована на диалоговые сценарии и текстовую генерацию; заявленный язык — английский, размер базовой модели — 24B параметров. Модель предназначена прежде всего для чат-взаимодействия и roleplay-сценариев, включая ведение повествовательного диалога, отыгрыш персонажей и генерацию художественных ответов. Она использует формат промптов Mistral v7 Tekken; README также указывает на поддержку работы с prefill, которое особенно рекомендуется для ролевых сценариев. Для запуска предлагаются библиотеки, совместимые с форматом GGUF и llama.cpp, а также интеграция с SillyTavern. К сильным сторонам относятся специализированная направленность на диалоги и roleplay, возможность локального запуска через экосистему GGUF и llama.cpp, а также свободное использование при соблюдении лицензии Apache-2.0. Ограничения включают отсутствие в представленном README точных сведений о типе и размере квантизации, длине контекста, исходной архитектуре, мультимодальности и результатах оценки качества. Модель описана только для англоязычных текстовых задач, поэтому возможности для других языков не подтверждены.

NeuralStar-7b-Lazy — объединённая модель от OmnicromsBrain, созданная с помощью LazyMergekit на основе NeuralNovel/Mistral-7B-Instruct-v0.2-Neural-Story и maywell/PiVoT-0.1-Starling-LM-RP. Для объединения использован метод slerp; архитектура — плотная MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста в формате чата, включая ролевые диалоги и сюжетные ответы. В метаданных базовая модель охарактеризована как ориентированная на англоязычные ответы и ролевое общение. Репозиторий содержит веса safetensors. Лицензия в предоставленных данных не указана.

OLMo 1B — авторегрессионная языковая модель на архитектуре Transformer, разработанная Allen Institute for AI (AI2) как часть открытого семейства OLMo для исследования языковых моделей. Модель обучена на наборе данных Dolma; для версии 1B указаны 3 триллиона обучающих токенов, 16 слоёв, размер скрытого состояния 2048 и 16 голов внимания. Контекст составляет 2048 токенов. Модель предназначена для генерации продолжения текста и исследовательских экспериментов с языковыми моделями; её можно дообучать на собственных данных. Она ориентирована на английский язык и распространяется вместе с кодом и контрольными точками обучения. README рекомендует для Transformers версии 4.40.0 и новее использовать вариант OLMo 1B HF. Модель выпущена под лицензией Apache 2.0. Как базовая языковая модель без фильтрации безопасности, она может выдавать вредный, чувствительный или предвзятый текст, а также фактически неверные утверждения, которые следует проверять.

Open-Reasoner-Zero-32B — плотная языковая модель семейства Qwen2 на 32 млрд параметров, разработанная командой Open-Reasoner-Zero. Это чат-модель, полученная обучением базовой модели с помощью масштабируемого обучения с подкреплением для развития рассуждений. Она предназначена для генерации ответов и решения сложных математических и научных задач; в карточке проекта приведены результаты на AIME2024, MATH500 и GPQA Diamond. Модель принимает текст и генерирует текст, поддерживает контекст до 131 072 токенов. README сообщает, что для обучения использовались наборы математических задач и что веса можно использовать как чат-модель в Transformers и vLLM. Репозиторий распространяется под лицензией MIT. Описанные бенчмарки не гарантируют точность ответов в практических задачах; модель ориентирована на рассуждения, а не на специализированные профессиональные консультации.

Helsinki-NLP/opus-mt-da-fi — модель машинного перевода на архитектуре Transformer, разработанная проектом OPUS-MT. Она переводит текст с датского языка на финский и обучена на данных OPUS с нормализацией текста и токенизацией SentencePiece. Модель содержит 55,7 млн параметров, поддерживает контекст до 512 токенов и доступна в форматах PyTorch и TensorFlow. Модель подходит для перевода предложений и текстовых фрагментов с датского на финский. В карточке приведён результат 39,0 BLEU и 0,629 chr-F на тестовом наборе Tatoeba.da.fi. Распространяется по лицензии Apache 2.0.

Helsinki-NLP/opus-mt-de-vi — модель машинного перевода из семейства Marian, разработанная в рамках проекта OPUS-MT. Она переводит текст с немецкого языка на вьетнамский. Модель основана на архитектуре Transformer-align, содержит около 55 млн параметров и использует нормализацию текста и SentencePiece с моделями словаря spm32k. Контекст составляет до 512 токенов. Модель предназначена для перевода немецких фраз и текстов на вьетнамский, в том числе в сценариях, где нужен локально развёртываемый переводчик. В карточке приведён результат BLEU 25,0 на тесте Tatoeba для пары немецкий—вьетнамский. Доступны веса PyTorch и TensorFlow. Лицензия Apache-2.0 разрешает свободное использование и распространение на её условиях.

Helsinki-NLP разработала opus-mt-de-ZH — модель машинного перевода с немецкого языка на китайский. Она основана на архитектуре MarianMT и Transformer-align, использует SentencePiece и нормализацию текста. Для выбора целевого варианта китайского перед предложением требуется языковой токен вида >>id<<; поддерживаются варианты китайского, указанные в карточке, включая упрощённый и традиционный китайский, кантонский и мандаринский. Модель содержит 56,9 млн параметров, принимает текст и выдаёт переведённый текст. Для тестового набора bible-uedin.de.zh в карточке приведены оценки BLEU 24,4 и chr-F 0,335. Доступны веса PyTorch и TensorFlow; контекст — до 512 токенов. Лицензия Apache-2.0 разрешает использование и распространение на её условиях.

Helsinki-NLP/opus-mt-en-fj — модель машинного перевода проекта OPUS-MT на архитектуре Transformer-align, опубликованная Helsinki-NLP. Она переводит текст с английского языка на фиджийский; обучение основано на данных OPUS, а предварительная обработка включает нормализацию и SentencePiece. Модель содержит 53,8 млн параметров, использует архитектуру Marian и имеет контекст длиной 512 токенов. Модель подходит для перевода отдельных фраз и текстов с английского на фиджийский. В карточке приведены оценки BLEU 34,0 на JW300 и 62,5 на Tatoeba. Доступны веса PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-en-ht — модель машинного перевода из семейства OPUS-MT, разработанная проектом Helsinki-NLP. Она переводит текст с английского языка на гаитянский креольский. Модель построена на архитектуре Marian Transformer; в репозитории представлены веса PyTorch и TensorFlow. Размер модели — 49,6 млн параметров, длина контекста — до 512 токенов. При подготовке текста используются нормализация и SentencePiece. Модель предназначена для перевода предложений и текстовых фрагментов в пользовательских приложениях и рабочих процессах локализации. В README приведены результаты на тестовых наборах JW300 и Tatoeba: BLEU 38,3 и 45,2 соответственно. Модель обучена на данных OPUS. Распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-en-lua — модель машинного перевода семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с английского языка на луганский (lua). Модель построена на архитектуре Transformer-align и обучена на данных OPUS; перед обработкой применяются нормализация и SentencePiece. В метаданных указаны 55,6 млн параметров, контекст до 512 токенов и поддержка PyTorch и TensorFlow. Модель подходит для перевода текстов и локализации материалов с английского на луганский. В README приведены результаты на тестовом наборе JW300.en.lua: BLEU 35,3 и chr-F 0,578. Распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-en-sm — модель машинного перевода семейства MarianMT, разработанная проектом OPUS. Она переводит текст с английского языка на самоанский. Модель построена на архитектуре Transformer-align, использует нормализацию и токенизацию SentencePiece; число параметров — 53,3 млн, контекст — до 512 токенов. Доступны веса в форматах PyTorch и TensorFlow. Модель предназначена для перевода предложений и текстов с английского на самоанский. В README приведена оценка BLEU 40,1 и chr-F 0,585 на тестовом наборе JW300.en.sm. Модель распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-en-sn — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с английского языка на шона. Модель построена на архитектуре Transformer-align и использует нормализацию текста и токенизацию SentencePiece; число параметров составляет 56,5 млн, длина контекста — до 512 токенов. Модель предназначена для перевода английских текстов на шона. В карточке приведена оценка BLEU 38,0 и chr-F 0,646 на тестовом наборе JW300.en.sn. Доступны веса PyTorch и TensorFlow. Модель распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-es-bg — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP на архитектуре Transformer и реализованная как MarianMTModel. Она переводит текст с испанского языка на болгарский; обучение основано на проекте Tatoeba-Challenge. Модель содержит 56,8 млн параметров, использует нормализацию и токенизацию SentencePiece с словарями размером 32 тыс. токенов; длина контекста — 512 токенов. Модель подходит для перевода отдельных фраз и текстов с испанского на болгарский. В README приведены результаты на тестовом наборе Tatoeba-test.spa.bul: BLEU 50,9 и chr-F 0,674. Доступны веса в форматах PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-fi-ru — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с финского языка на русский и подходит для перевода отдельных фрагментов, документов и материалов из корпуса OPUS. Модель построена на архитектуре Marian Transformer и содержит 57,3 млн параметров. Для предобработки используются нормализация текста и SentencePiece; максимальная длина контекста — 512 токенов. В README приведён результат 46,3 BLEU на тестовом наборе Tatoeba.fi.ru. Модель принимает текст на финском и выдаёт перевод на русском. Доступна под лицензией Apache-2.0. Качество зависит от тематики и формулировок исходного текста; опубликованная оценка относится к указанному тестовому набору и не гарантирует аналогичного качества на других данных.

Helsinki-NLP разработала opus-mt-fr-mt — модель машинного перевода с французского языка на мальтийский. Она построена на архитектуре Transformer-align семейства Marian, обучена на данных OPUS и использует нормализацию текста и токенизацию SentencePiece. Модель содержит 54,4 млн параметров и рассчитана на контекст до 512 токенов. Модель предназначена для перевода текстов и предложений с французского на мальтийский. В карточке приведён результат BLEU 28,7 и chr-F 0,466 на тестовом наборе JW300.fr.mt. Весам доступна лицензия Apache-2.0.