I.5Создание и редактирование текста

Darkidol-Ballad-27B — текстовая диалоговая модель для ролевого общения и творческого письма, созданная на базе Qwen3.5-27B и дообученная для различных ролевых сценариев, включая мрачное фэнтези и готическую тематику. Карточка также указывает на адаптацию для мобильных телефонов и быстрые ответы. Модель принимает текст и генерирует текст на английском языке. Её можно использовать для ролевых диалогов, написания песен, творческих промптов и развёрнутых художественных текстов. Архитектура — плотная причинная языковая модель Qwen3.5; в метаданных указаны 22,3 млрд параметров и контекст до 262 144 токенов. Репозиторий использует формат Safetensors, библиотека — Transformers. Модель распространяется по лицензии Apache-2.0. Карточка не приводит результатов сравнительных оценок качества; специализация на ролевом письме не гарантирует точность фактических ответов. README описывает только текстовый режим и рекомендует использовать английский.

diactag-1.0 — модель Olaverse для восстановления диакритических знаков в тексте на десяти языках. Она классифицирует символы, предсказывая форму букв и тоновые или акцентные знаки, а не генерирует новую строку. Архитектура включает общий энкодер из 12 блоков и около 37,6 млн параметров; модель рассчитана на запуск на CPU. В README также описаны экспорт ONNX и вариант int8. Модель подходит для восстановления диакритики в тексте, где важно сохранить исходные символы и их порядок: по конструкции она может добавлять знаки, но не вставлять, удалять или заменять буквы. Для десяти языков используется общий энкодер с языковыми компонентами и отдельным определением формы и тона. Качество различается по языкам: README отмечает особенно сложные случаи в йоруба и более слабые результаты на вьетнамском и португальском по сравнению с альтернативной моделью. Модель распространяется под лицензией Apache-2.0. Она не исправляет опечатки; неоднозначные формы без достаточного контекста могут оставаться неразрешимыми, а необычно высокая плотность диакритических знаков ухудшает качество.

Это доменно адаптированная версия DistilBERT Base Uncased, дообученная AlexStamp на датасете отзывов о фильмах IMDB для задачи masked language modeling. Модель принимает английский текст и предсказывает пропущенные токены; её можно применять через Transformers pipeline fill-mask для подсказок при анализе или редактировании отзывов и других текстов о кино. В основе лежит DistilBertForMaskedLM с контекстным окном до 512 токенов. Дообучение на неформальной лексике и сочетаниях слов из отзывов о фильмах адаптирует языковые представления к этой тематике. В README сообщается о снижении perplexity с 23,14 до 9,91 на оценке доменной адаптации. Модель распространяется по лицензии Apache-2.0. Она предсказывает маскированные токены, а не присваивает отзывам метки тональности; заявленные результаты относятся к языковому моделированию на целевом домене и сами по себе не подтверждают качество для других задач.

Ekko PnC v2 — модель RyeAI для восстановления пунктуации, границ предложений и заглавных букв в датских транскриптах речи. Она сохраняет исходные слова и их порядок, поэтому подходит для обработки расшифровок с временными метками слов, диктовок и записей совещаний. Модель построена на ELECTRA и дообучена на jonfd/electra-small-nordic; размер — 37,2 млн параметров, контекст — до 512 токенов. Доступны веса Safetensors и ONNX, включая вариант ONNX с квантованием int8 для локального запуска. Модель принимает текст и предсказывает разметку токенов, на основе которой расставляет запятые, точки, вопросительные и восклицательные знаки, а также восстанавливает регистр. По данным карточки, версия v2 заметно лучше предыдущей обрабатывает длинную непрерывную речь и границы предложений, но на очень коротких фрагментах может добавлять лишние точки. Вопросительные знаки остаются слабым классом; модель не использует паузы или интонацию и не восстанавливает внутренний регистр слов вроде iPhone из строчной записи. Лицензия — CC BY 4.0.

mdpead/en-cy-translation — модель машинного перевода, разработанная автором репозитория mdpead и обученная с нуля на архитектуре Transformer encoder-decoder. Она переводит текст с английского на валлийский и рассчитана на предложения общего назначения, включая институциональные и разговорные тексты. В README описано обучение на примерно 1,3 млн пар предложений из Cardiff University TM в течение 50 000 шагов; модель содержит 30,2 млн параметров по метаданным. Для оценки использовался beam search с шириной 4; автор приводит результаты на FLORES+, тестовой выборке Cardiff University TM и Tatoeba. Модель принимает текст на английском и выдаёт перевод на валлийский. В README сообщаются результаты BLEU 46,29 на FLORES+, 57,49 на Cardiff University TM и 47,37 на Tatoeba; это результаты автора, зависящие от тестовых наборов и протокола оценки. Лицензия — CC BY 4.0. Карточка описывает специализированную пару языков, поэтому качество перевода для иных языков не заявлено.

Это GGUF-квантизированная версия модели en-indic-translate-2b, разработанной sulabhkatiyar и преобразованной в формат GGUF пользователем mradermacher. Модель предназначена прежде всего для машинного перевода между английским и индийскими языками: ассамским, бенгальским, гуджарати, хинди, каннада, малаялам, маратхи, ория, панджаби, тамильским и телугу. Она может применяться для локального запуска переводческих сервисов и обработки текстов на поддерживаемых языках. Размер базовой модели составляет 2 миллиарда параметров. В README указана библиотека Transformers и лицензия Gemma. Доступны варианты с разной степенью квантизации в формате GGUF — от Q2_K до Q8_0, а также версия f16; размеры файлов находятся примерно в диапазоне от 3,1 до 9,4 ГБ. Для модели также опубликованы файлы mmproj, обозначенные как мультимодальное дополнение, однако конкретные поддерживаемые визуальные сценарии и модальности в описании не раскрыты. Основное преимущество модели — специализация на переводе между английским и несколькими языками Индии, а также возможность выбора компромисса между качеством, скоростью и потреблением памяти за счёт различных вариантов квантизации. Для вариантов Q4_K_S и Q4_K_M заявлена высокая скорость, Q6_K отмечен как обеспечивающий очень хорошее качество, а Q8_0 — как быстрый вариант с наилучшим качеством среди перечисленных. Ограничения включают отсутствие данных о контекстном окне, точности, обучающих данных, направлении перевода, качестве по отдельным языкам и практической мультимодальной функциональности; поэтому пригодность для специализированных или критически важных переводов требует дополнительной проверки.

Fimbulvetr-Kuro-Lotus-10.7B — объединённая языковая модель от saishf, созданная методом SLERP с помощью mergekit на основе Sao10K/Fimbulvetr-10.7B-v1 и saishf/Kuro-Lotus-10.7B. Это плотная авторегрессионная модель семейства Llama с архитектурой MistralForCausalLM, 10,6 млрд параметров и контекстом до 4096 токенов по метаданным; автор сообщает о связности ответов при расширении контекста до 8K. Модель предназначена для генерации текста и ролевых диалогов, в частности для использования с SillyTavern. По личным тестам автора, она сохраняет стиль Kuro-Lotus и может работать с менее подробными карточками персонажей. Пресет Universal Light даёт более творческие ответы, но иногда модель может говорить или действовать за пользователя; длина ответов также зависит от шаблона Alpaca. Модель распространяется в формате safetensors и требует Transformers для стандартного использования. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

Fook-Yi-34B-32K-v1 — разговорная модель для ролевых диалогов, созданная BeaverAI на основе дообучения. Это плотная Llama-модель с 33,9 млрд параметров и контекстом до 32 768 токенов; в репозитории представлены веса Safetensors. Автор отмечает, что модель меньше ориентирована на эротические ролевые сценарии, а также подчёркивает её логичность и способность работать с длинным контекстом. Модель предназначена для ролевых диалогов и генерации ответов в форматах Completion, ChatML и Alpaca. В карточке указана возможность ERP-сценариев, хотя они не являются основным фокусом. Поддерживаемые языки не уточнены. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

mlx-community/gemma-4-12B-it-qat-4bit — мультимодальная instruction-tuned модель из семейства Gemma, опубликованная сообществом mlx-community для работы с библиотекой MLX. По указанным данным, она предназначена для задач image-text-to-text: принимает текстовые запросы и изображения, а затем генерирует текстовые ответы, например описания изображений. Для запуска используется пакет mlx-vlm. Модель имеет размер 12B параметров и представлена в формате 4-bit QAT-квантизации, что уменьшает требования к памяти по сравнению с полноразмерным представлением и делает её подходящей для локального запуска на совместимом оборудовании Apple через MLX. В README не указаны поддерживаемые языки, размер контекста, точная архитектура, результаты тестирования, сильные стороны и ограничения. Лицензия также не указана, поэтому условия использования по предоставленным данным определить нельзя.

titan087/gemma4-e2b-neon-veil-rp-v2 — дообученная модель для генерации текста и ролевого общения, разработанная на базе google/gemma-4-E2B-it. Она ориентирована на интерактивный roleplay, многоходовые диалоги, отыгрыш персонажей и создание описательной прозы, включая сценарии с несколькими персонажами. Модель доступна в формате GGUF и предназначена для локального запуска через llama.cpp, text-generation-webui, LM Studio и совместимые инструменты. Модель использует архитектуру Gemma 4 и содержит около 2,8 млрд параметров. Заявлена поддержка английского языка и контекста до 65 536 токенов. Доступны квантизации Q2_K_M, Q3_K_M, Q4_K_M, Q5_K_M и Q8_0, что позволяет выбирать между сниженным потреблением ресурсов и качеством вывода; для ролевых сценариев рекомендуется Q4_K_M или Q5_K_M. По заявлению авторов, по сравнению с первой версией улучшены согласованность характера, качество прозы, удержание информации в длинном контексте, соблюдение инструкций и плавность многоходового диалога. Сильными сторонами модели являются специализация на ролевом взаимодействии, сохранение голоса и манеры персонажей, эмоциональная последовательность, описательность и возможность эффективного локального запуска на CPU или GPU благодаря квантизации. Ограничения включают возможный дрейф характера в очень длинных сессиях, а также зависимость качества и требований к памяти от выбранной квантизации. Модель распространяется по лицензии GPL-3.0.

Haidass-Translate-143M-Instruction — компактная инструкция-настроенная модель для перевода, разработанная сообществом DALabCommunity. Это плотная причинная языковая модель на архитектуре Qwen3 с 143 млн параметров и контекстом 4096 токенов. Она дообучена на двунаправленном переводе между китайским и английским; в обучающую смесь также добавили очищенные диалоги общего назначения, чтобы модель могла ограниченно выполнять простые инструкции. Основное применение — перевод с китайского на английский и с английского на китайский. Дополнительно модель может составлять короткие стихи, простые сводки и перефразировать текст, однако выполнение таких инструкций нестабильно. Для работы рекомендуется использовать встроенный chat template модели. Среди ограничений — ошибки в именах и числовых деталях, а при переводе редких сущностей с китайского на английский иногда возникают повторяющиеся фрагменты. Модель оптимизирована для пары китайский—английский и не предназначена для общего диалога или других языковых пар. Лицензия — Apache-2.0.

CoreWolf/Huihui-DeepSeek-V4-Flash-0731-abliterated-GGUF — квантованная GGUF-версия модели DeepSeek-V4-Flash-0731, разработанная на основе исходной модели deepseek-ai и опубликованная CoreWolf; квантование выполнено antirez. Это экспериментальная версия с применением abliteration — метода значительного снижения механизмов отказа и защитной фильтрации. Модель предназначена для генерации текста и локального запуска через llama.cpp, а также включает варианты DSpark до и после abliteration. Модель поддерживает архитектуру Mixture-of-Experts, однако точные размеры, число параметров, языки и полный список поддерживаемых модальностей в README не указаны. Доступны GGUF-квантизации, включая варианты Q3_K, IQ2_XXS, Q2_K и Q4_K; в примере запуска используется контекст до 262144 токенов. Указано, что файлы GGUF поддерживаются только llama.cpp, а модули экспертов не подвергались abliteration. Главная особенность модели — существенно сниженная фильтрация, что может сделать её пригодной для исследовательского тестирования поведения моделей и генерации контента без стандартных отказов. Одновременно это повышает риск чувствительных, спорных или неподходящих результатов; модель не имеет гарантий безопасности и требует мониторинга и ручной проверки. В README рекомендуется использовать её преимущественно в исследовательских и контролируемых сценариях, а не в публичных или высокорисковых продуктивных системах. Модель распространяется по лицензии MIT.

Mungert/Hunyuan-MT-Chimera-7B-GGUF — GGUF-версия модели Hunyuan-MT-Chimera-7B, разработанной Tencent. Это ансамблевая модель для машинного перевода: она анализирует несколько вариантов перевода исходного текста и формирует единый, уточнённый результат. Модель предназначена для сценариев, где важны качество и согласованность перевода между языками. Модель относится к семейству Hunyuan с размером 7B параметров и распространяется в формате GGUF, подготовленном с использованием llama.cpp. Она поддерживает взаимный перевод между 33 языками, включая пять этнических языков Китая. Для работы Chimera требуется передавать исходный фрагмент и несколько готовых переводов на целевой язык; сама модель объединяет их в итоговый вариант без дополнительных пояснений. Размер контекста и точная архитектура в предоставленных данных не указаны. К сильным сторонам относятся ансамблевый подход, ориентация на повышение качества перевода и заявленные высокие результаты семейства Hunyuan-MT, включая первое место в 30 из 31 языковой категории WMT25, где модель участвовала. GGUF упрощает локальный запуск через совместимые инструменты, однако конкретные требования к памяти, доступные уровни квантования и сравнительные характеристики именно этой сборки не указаны. Лицензия в README не указана.

Juno — диалоговая модель Mielikki для генерации текста и вызова функций с резервным ответом, когда подходящей функции нет. Она дообучена на jpacifico/Chocolatine-3B-Instruct-DPO-Revised и построена на архитектуре Phi-3. Модель рассчитана на сценарии, где запрос пользователя сопоставляется с доступными функциями, а запросы без подходящей функции передаются целевой системе, например поисковому движку или базе знаний. Модель содержит 3,7 млрд параметров, принимает текст и поддерживает контекст до 4096 токенов. В карточке заявлена лицензия AGPL-3.0. README не описывает качество вызова функций, набор поддерживаемых функций и поведение на разных языках; резервный ответ сам по себе не выполняет поиск или запрос к базе знаний, это должен делать целевой backend.

kainatq/kainaticulous-rp-7b-v0.2 — объединённая модель для генерации текста, созданная методом TIES с помощью mergekit на основе нескольких языковых моделей семейства Mistral. В объединение вошли Endevor/InfinityRP-v1-7B, CalderaAI/Naberius-7B, Endevor/EndlessRP-v3-7B, mistralai/Mistral-7B-Instruct-v0.3 и CalderaAI/Hexoteric-7B. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и принимает контекст до 32 768 токенов. Модель предназначена для генерации текста и ролевых сценариев, включая контент для взрослой аудитории. В README указано, что эта версия использует Mistral-7B-Instruct-v0.3; метаданные также перечисляют Mistral-7B-v0.1 как базу слияния. Карточка не описывает языковой охват или результаты оценивания качества. Лицензия — Apache-2.0.

Карточка модели SubMaroon-exp/Kanimus-26B-A4B-FFT-heretic на Hugging Face совпадает с карточкой SubMaroon/Kanimus-26B-A4B-FFT-heretic, поэтому описание составлено по ней. Kanimus-26B-A4B-FFT-heretic — экспериментальная слитая версия Gemma 4 от SubMaroon для ролевого диалога, в том числе сцен с мрачной стилистикой. В основе лежит Vortex5/Gemma-4-26B-A4B-Animus-V14.1-FFT-heretic; в неё внесены изменения весов Q и K на основе дистилляции Claude Opus и встроен LoRA-адаптер с низким масштабом. Это модель Gemma 4 с поддержкой чата и изображений, опубликованная в формате safetensors для Transformers. Лицензия — Gemma. Модель предназначена для генерации ролевых ответов на русском и английском языках. Автор сообщает, что стиль прозы в нескольких пробных сравнениях был близок к базовой модели, однако следование инструкциям ухудшилось: в одном примере модель нарушила заданный временной период сцены и перепутала факт из предыдущего сообщения. Количественная оценка не проводилась, поэтому эти наблюдения предварительны. Среди отмеченных проблем — дрейф имён и ролей действующих лиц в английском; отдельные артефакты токенизации и пропуски форматирования в русском автор считает унаследованными от базовой модели.

KeplerRP-7B-128K-0.2 — разговорная языковая модель для ролевых диалогов, созданная Ppoyaa путём слияния предварительно обученных моделей с помощью mergekit. В состав слияния вошли 12 моделей на базе 7B, включая варианты Mistral для ролевых диалогов и инструкций. Модель использует плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров. Она предназначена для генерации текста в формате чата и ролевых сценариев. Несмотря на обозначение «128K» в названии, заявленная нативная длина контекста в метаданных составляет 32 768 токенов. Указана библиотека Transformers и формат весов safetensors. Лицензия и конкретные языки использования в предоставленных данных не указаны. Качество и поведение могут зависеть от выбранного промпта и сценария; README не приводит результатов оценки.

KoELECTRA v3 Base Generator — предварительно обученная языковая модель для корейского языка, опубликованная monologg. Она основана на архитектуре ELECTRA и предназначена для заполнения пропусков в тексте и использования в качестве основы для задач обработки корейского языка. Модель содержит 21,5 млн параметров, принимает последовательности длиной до 512 токенов и доступна в форматах PyTorch и safetensors. Модель можно загружать вместе с токенизатором через Transformers. Лицензия Apache-2.0 разрешает использование, изменение и распространение на её условиях. Карточка содержит мало сведений об обучающих данных и качестве, поэтому перед применением в конкретной задаче результаты стоит проверить на целевых текстах.

L3-Darker-Planet-12.15B-GGUF — языковая модель для генерации текста, разработанная DavidAU. Она создана на основе Llama 3 и является модифицированной версией Dark Planet 8B, расширенной до 12,15 млрд параметров с использованием авторского метода Brainstorm 20x. Модель распространяется в формате GGUF и предназначена прежде всего для творческого письма, генерации художественных текстов, сюжетов, сцен, подсюжетов и продолжения историй во всех жанрах, включая научную фантастику, романтику и хоррор. Также заявлена возможная пригодность для roleplay и мозгового штурма. Модель работает с текстом на английском языке, поддерживает шаблоны Llama 3 и/или Command-R и имеет максимальный контекст 8192 токена; автор указывает, что с использованием RoPE его можно расширить до 32K и более, хотя это может приводить к проблемам и требует более высокой температуры и подробных инструкций. Основной акцент сделан на качестве прозы: детальности, связности, образности, эмоциональной выразительности, метафорах, атмосфере и способности генерировать длинные тексты. Brainstorm 20x изменяет и расширяет внутренние вычислительные блоки модели, стремясь улучшить фокусировку на задаче, концептуальные связи и качество художественного текста. Сильными сторонами модели считаются выразительная и насыщенная проза, повышенная детализация, более сильная связность описаний и способность следовать подробным творческим указаниям. Модель ориентирована на мрачные, жестокие и NSFW-сценарии, включая насилие, хоррор и ненормативную лексику, поэтому не подходит для задач, требующих безопасного или нейтрального стиля без дополнительного контроля. Результаты чувствительны к температуре и параметрам генерации: рекомендуется repetition penalty 1.1 или выше, а увеличение температуры может ухудшать следование инструкциям, особенно в roleplay. Лицензия модели — Apache-2.0.

Карточка модели PersonaPO/lfm25-1.2b-pv-extraversion-high на Hugging Face совпадает с карточкой PersonaPO/lfm25-1.2b-pv-agreeableness-high, поэтому описание составлено по ней. Это дообученная модель LiquidAI/LFM2.5-1.2B-Base, созданная для генерации диалоговых ответов с выраженной высокой доброжелательностью. Модель семейства LFM2 имеет плотную архитектуру и около 1,5 млрд параметров; она предназначена для запуска через Transformers и поддерживает контекст до 128 000 токенов. Модель подходит для генерации ответов в чатах и сценариев, где требуется доброжелательный стиль общения. В README приведён пример генерации ответа на вопрос пользователя. Данных о поддерживаемых языках и результатах оценивания нет, поэтому качество и языковой охват по карточке определить нельзя. Лицензия в доступных данных не указана.

LibreGemma4e2b-GGUF — это набор квантизированных моделей в формате GGUF на базе LibreGemma4e2b от LibreYOLO. Квантизацию выполнил mradermacher. Модель предназначена для мультимодальных сценариев, включая обработку изображений и генерацию текста по изображениям и текстовым запросам; в метаданных также указана задача object detection. Заявленный язык — английский. В набор входят варианты с разными типами квантизации и размером примерно от 3,1 до 9,4 ГБ, включая Q2_K, Q3_K, Q4_K_S, Q4_K_M, Q5_K, Q6_K, Q8_0 и f16. Для мультимодальной работы предусмотрены дополнительные файлы mmproj в форматах Q8_0 и f16. В README не указаны точная архитектура, размер контекста, перечень поддерживаемых модальностей помимо изображений и текста, а также результаты бенчмарков. Меньшие варианты требуют меньше памяти, тогда как более точные квантизации обычно обеспечивают лучшее качество; Q4_K_S и Q4_K_M отмечены как быстрые и рекомендуемые, Q6_K — как вариант высокого качества. Модель распространяется по лицензии Apache-2.0. Для использования нужны совместимые инструменты, поддерживающие формат GGUF и мультимодальный модуль mmproj; конкретные ограничения совместимости и производительности зависят от выбранной квантизации и используемого программного обеспечения.

Модель hasyimas91/llama-3.1-8b-legal-sft — дообученная hasyimas91 языковая модель семейства Llama 3.1 для генерации текста и диалогового взаимодействия. Она основана на unsloth/Meta-Llama-3.1-8B-Instruct-bnb-4bit; обучение выполнялось с использованием Unsloth и библиотеки Hugging Face TRL. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и поддерживает контекст до 131 072 токенов. Карточка позиционирует её как дообученную для юридической тематики, но не уточняет перечень правовых задач или языков обучения; метаданные отмечают английский язык. Доступна по лицензии Apache-2.0.

praysimanjuntak/llava-phi3-3.8b-lora — мультимодальная версия LLaVA на базе microsoft/Phi-3-mini-128k-instruct, дообученная на наборе liuhaotian/LLaVA-Instruct-150K. По данным метаданных, модель содержит 3,7 млрд параметров и имеет контекст длиной 4096 токенов; архитектура указана как BunnyPhi3ForCausalLM, файлы представлены в формате safetensors. Модель предназначена для диалогов и генерации текста по запросам, связанным с изображениями, например для ответов на вопросы о содержимом изображения. README описывает её как версию LLaVA, однако в метаданных pipeline_tag указан text-generation, поэтому задачи обработки изображений не отражены в тегах каталога. Модель основана на Phi-3 Mini Instruct и обучена на инструкционном наборе LLaVA; лицензия в предоставленных данных не указана.

Mungert/Magma-8B-GGUF — это 8-миллиардная версия модели Magma, представленная в формате GGUF для использования с совместимыми средствами инференса, включая llama.cpp. По метаданным репозитория модель относится к классу image-text-to-text и предназначена для задач, объединяющих обработку изображений и генерацию текста. Разработчик базовой модели и точные сведения о её архитектуре в README не указаны; репозиторий идентифицирован как Mungert/Magma-8B-GGUF. Доступны варианты с точностью BF16 и F16, а также квантованные версии Q8_0, Q6_K, Q4_K и IQ3. Они позволяют выбирать между качеством, скоростью и требованиями к памяти: полноформатные варианты подходят для оборудования с поддержкой BF16 или FP16, а квантованные — для CPU и систем с ограниченной VRAM. README также указывает, что модель была сгенерирована с использованием llama.cpp, commit 5e7d95e2. Сильной стороной модели является наличие нескольких вариантов представления, включая экономичные квантованные сборки. При этом README не содержит достоверных данных о поддерживаемых языках, размере контекстного окна, конкретных сценариях применения, результатах оценки, требованиях к изображениям или ограничениях качества. Лицензия указана как MIT.

Mahou-1.3-llama3-8B — разговорная языковая модель для чата и ролевых сценариев, разработанная FlammenAI. Это дообученная модель семейства Llama 3 с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров; README сообщает о десяти эпохах дообучения методом ORPO на A100. Модель принимает текст и генерирует текст, рассчитана на контекст до 8192 токенов и использует формат чата ChatML с дополнительными токенами токенизатора. Модель предназначена для ведения диалогов и ролевых игр; для ролевого формата README рекомендует писать речь без кавычек, а действия заключать в звёздочки. Данные обучения связаны с набором flammenai/MahouMix-v1 и разговорными данными FlammenAI. Лицензия указана как llama3; следует учитывать её условия при использовании и распространении. Оценки качества и ограничения в карточке подробно не описаны.

Mamba-7B — авторегрессионная языковая модель с архитектурой Mamba, разработанная Toyota Research Institute как базовый экспериментальный чекпойнт для работы Linearizing Large Language Models. Модель обучена на 1,2 трлн токенов датасета RefinedWeb; в карточке указаны 7 млрд параметров, а метаданные репозитория сообщают 8,8 млрд. Используется токенизатор EleutherAI/gpt-neox-20b и библиотека OpenLM; веса доступны в форматах PyTorch и Safetensors. Модель предназначена для генерации текста и оценки языковых моделей. Mamba — модель пространства состояний без механизма self-attention; длина последовательности в карточке указана как 2048 токенов. В метаданных отмечен английский язык. Карточка приводит оценки на языковых бенчмарках, но не описывает специализированное применение или диалоговую настройку. Лицензия — Apache 2.0.

Manacá-1B — базовая языковая модель, разработанная совместно LNCC (Instituto de IA) и NII/LLM-jp и обученная с нуля для бразильского португальского языка. Это decoder-only трансформер семейства Llama с 1,72 млрд параметров; модель опубликована в формате safetensors и рассчитана на контекст до 4096 токенов. Модель предназначена для предобученной генерации и продолжения текста, моделирования языка и последующего дообучения под конкретные задачи или инструкции. Она не проходила инструкционное дообучение и выравнивание, поэтому не предназначена для диалога или выполнения команд без дополнительной настройки. Токенизатор SentencePiece на 64 тыс. токенов приводит текст к нижнему регистру; для корректной токенизации следует использовать AutoTokenizer из репозитория. В опубликованных оценках модель показывает сильные результаты для своего размера на некоторых тестах португальского языка, но ограниченно справляется с задачами рассуждения и множественного выбора. Она может допускать фактические ошибки и воспроизводить смещения из обучающих данных, поэтому требует оценки перед чувствительным применением. Лицензия — CC BY 4.0.

jmbt22/marian-finetuned-opus-mt-en-tl — модель машинного перевода, дообученная на базе Helsinki-NLP/opus-mt-en-tl на датасете Tatoeba. Она построена на архитектуре MarianMT и содержит 54,5 млн параметров; опубликованные веса представлены в формате PyTorch. Модель предназначена для перевода с английского на тагальский. На оценочном наборе указаны loss 1,2611 и BLEU 35,9114. Контекст модели — до 512 токенов. Лицензия Apache-2.0 разрешает использование и распространение на её условиях. Карточка не описывает дополнительные сценарии применения или ограничения качества.

ParasiticRogue/Merged-RP-Stew-V2-34B — слитая языковая модель, созданная автором репозитория с помощью mergekit на основе нескольких предварительно обученных моделей. Она предназначена для генерации текста в чатах, ролевых диалогах и сюжетном повествовании; в рецепте слияния упоминаются Capybara, Tess-1.5, Nontoxic-Bagel, PiVoT-SUS-RP, Nyakura и CausalLM-RP. Модель имеет плотную архитектуру LlamaForCausalLM с 33,9 млрд параметров и заявленным контекстом до 200 000 токенов. Карточка предлагает настройки генерации для диалогов и формат промпта Chat-Vicuna. Модель рассчитана на разнообразные ролевые сценарии и может выдавать откровенный или жестокий контент. Репозиторий распространяется в формате safetensors по лицензии Apache-2.0. В README не приведены полный список компонентов слияния и результаты оценивания качества.

Mirai-70B-0.3 — экспериментальная модель для генерации текста и ролевых диалогов, созданная Blackroot методом слияния нескольких моделей семейства Llama 3 на основе huihui-ai/Llama-3.1-Nemotron-70B-Instruct-HF-abliterated. В слияние также вошли модели, ориентированные на ролевые сценарии, повествование и разные языки, включая японский, корейский и тайваньский китайский; README описывает использование mergekit и метода stock merge. Модель содержит 69,5 млрд параметров, использует архитектуру LlamaForCausalLM и поддерживает контекст до 131 072 токенов. Модель предназначена прежде всего для ролевых игр и создания повествовательных ответов с вниманием к контексту, подтексту и последствиям действий персонажей. Автор сообщает об улучшении качества прозы после очередного слияния, но отмечает, что способность последовательно понимать подразумеваемое остаётся неполной. Оценка вариантов проводилась вручную, без автоматических тестов и бенчмарков; качество генерации зависит от настроек сэмплирования. Модель распространяется в формате safetensors. Лицензия в предоставленных данных не указана.