I.5Создание и редактирование текста

Iambe-RP-DARE-20b — языковая модель для ролевого общения и генерации художественных сцен, созданная путём объединения трёх моделей Iambe-RP. По заявлению автора, объединение призвано улучшить понимание инструкций, анатомии и состояния сцены, сохранив выразительный, человекоподобный стиль. Модель основана на плотной архитектуре Llama с 19,8 млрд параметров и контекстом 4096 токенов; поддерживает формат промптов Alpaca, а также ChatML. Карточка демонстрирует генерацию откровенной эротической прозы. Модель предназначена для ролевых сценариев, написания историй и продолжения художественного текста по инструкциям. В карточке указаны английский язык и лицензия CC BY-NC 4.0, запрещающая коммерческое использование. Автор отмечает стремление повысить связность и исправить типографические ошибки, но не приводит количественных оценок качества; модель может выдавать ошибки и нежелательное содержание.

IceCocoaRP-7b — слитая разговорная языковая модель, созданная автором Icefog72 с помощью mergekit методом TIES. В основу слияния вошла NeuralBeagleJaskier; также использованы IceBlendedCoffeeRP-7b, IceCoffeeRP-7b и IceBlendedLatteRP-7b. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и имеет контекст до 32 768 токенов. Модель предназначена для генерации текста и ролевых диалогов в чат-сценариях, включая контент для взрослых. В репозитории указаны варианты ExL2 и GGUF; для базовой версии метаданные фиксируют формат safetensors. По README приведены результаты Open LLM Leaderboard, однако данных недостаточно, чтобы делать выводы о качестве в конкретных ролевых сценариях. Лицензия CC-BY-NC-4.0 ограничивает коммерческое использование.

Ina-v11.1 — разговорная модель на архитектуре Llama, дообученная BaiAI и Eric Hartford (QuixiAI) на основе NeverSleep/Lumimaid-v0.2-70B с помощью QLoRA и DPO. Она предназначена для ролевых диалогов, интерактивной прозы и генерации контента от лица заданных персонажей. Модель поддерживает текстовый ввод и генерацию текста, а карточка заявляет контекст до 131 072 токенов и высокую согласованность персонажа в длинных диалогах. Для настройки персонажа используется формат с блоком `>` и заголовками идентичности, характеристик и стиля общения. Ina ориентирована на эротический и другой взрослый ролевой контент, а также на имитацию заданного голоса для диалогов, подписей и сообщений в социальных сетях. Это не модель для фактологических ответов. README указывает ограничение в 3 096 токенов для длинных сцен, что расходится с контекстом из метаданных; фактический предел следует проверять для конкретной сборки. Лицензия CC BY-NC 4.0 запрещает коммерческое использование.

Модель gpjt/jax-with-mha-bias-no-dropout-extended разработана Giles Thomas на основе кода Sebastian Raschka. Это причинная языковая модель GPT-2-подобной архитектуры, обученная с нуля на JAX; веса доступны в формате safetensors и преобразованы для совместимости с PyTorch. В модели 163 млн параметров, 12 слоёв и 12 голов многоголового внимания, размерность эмбеддингов — 768, длина контекста — 1024 токена. Модель предназначена для генерации продолжений текста и экспериментов с компактными языковыми моделями, в том числе для обучения и доработки собственных решений. Она обучена на токенизированном наборе gpjt/fineweb-gpt2-tokens примерно на 40 токенах на параметр. Автор предупреждает, что модель слабо знает факты и уступает современным крупным LLM по интеллектуальным возможностям. Лицензия — Apache 2.0.

kagemusya-7B-v1 — японская модель для генерации художественного текста, созданная на основе Ninja-V2 и дополнительно обученная на корпусе объёмом около 1 ГБ, включавшем веб-романы. Модель использует плотную архитектуру MistralForCausalLM с 7,1 млрд параметров и принимает контекст длиной до 4096 токенов. Модель предназначена прежде всего для продолжения японских романов по заданному фрагменту, а также для генерации историй с подсказками о сюжете или жанре. Разработчик отмечает, что исходные диалоговые способности заметно ослаблены, поэтому модель лучше подходит для художественного письма, чем для обычного чата. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0.

KATHE 2026 English to Kashmiri — engLatn → kasArab — это модель перевода, дообученная на базе ai4bharat/indictrans2-en-indic-1B. Она содержит 1,1 млрд параметров и предназначена для перевода коротких предложений с английского языка, записанного латиницей, на кашмирский язык арабским письмом. Модель построена на архитектуре IndicTrans и запускается через Transformers; для декодирования требуется версия Transformers 4.51.x. При обучении использованы 111 053 примера из BPCC и OPUS Wikimedia. Нормализация сохраняет кашмирские диакритические знаки, значимые для произношения и оценки перевода. На публичной таблице результатов KATHE 2026 модель получила 13,90 по метрике √(BLEU × chrF++); веса являются средним двух контрольных точек обучения. Модель проверялась на коротких предложениях учебного регистра, медианная длина которых составляла семь слов. Точность диакритики остаётся основным ограничением, а поведение на длинных и технических текстах не проверено. Условия лицензии в предоставленных данных не приведены.

KoSaul-8B — корейская языковая модель, разработанная Ingeol Baek на основе Open-ko-llama3-8B с продолжением обучения на правовых и медицинско-правовых текстах. Это плотная авторегрессионная модель семейства Llama 3 с 7,5 млрд параметров, предназначенная для генерации текста и диалогового общения на корейском языке. В метаданных указан контекст до 8192 токенов; в README для обучения указана длина контекста 1024 токена. Модель обучали на данных Open API Национального портала законодательства Кореи, базе правовых знаний AI-hub и корпусе специализированных медицинских и юридических книг AI-hub. В сравнении на данных законодательства автор сообщает perplexity 2,649; методика и независимая оценка качества не описаны. Модель может помогать формулировать ответы и тексты по корейским правовым и смежным темам, но её ответы требуют проверки специалистом. Репозиторий содержит веса Safetensors; лицензия в метаданных указана как MIT, тогда как README ссылается на лицензию Llama 3, поэтому условия использования следует сверить с файлами лицензии репозитория и базовой модели.

realPCH/kosolra-wiki-QA — дообученная языковая модель на архитектуре Llama, созданная на основе yanolja/KoSOLAR-10.7B-v0.1. В README указано, что при обучении использовался набор kyujinpy/KOR-gugugu-platypus-set; метаданные также связывают модель с датасетом maywell/ko_wikidata_QA. Модель предназначена для генерации текста и ответов на вопросы по корейским энциклопедическим знаниям. Она содержит 10,7 млрд параметров, принимает текст, выдаёт текст и имеет контекстное окно 4096 токенов. Для загрузки в README приведён пример с Transformers. Лицензия — MIT. Карточка содержит мало сведений об оценке качества и ограничениях; ответы могут быть неточными, особенно за пределами корейской тематики.

cgato/L3-TheSpice-8b-v0.1.2 — разговорная языковая модель семейства Llama, дообученная автором на 2 эпохах для гибкого диалога и ролевых сценариев. Модель насчитывает 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и поддерживает контекст длиной до 8192 токенов. Модель предназначена для общения в шаблонах Ooba и SillyTavern, генерации повествования и ролевых диалогов. В частности, она может описывать предметы и персонажей в сцене, обычно не продвигая сюжет дальше. В обучении использованы Capybara, Claude Multiround 30k, Augmental, ToxicQA, Yahoo Answers, Airoboros 3.1 и LimaRP. Автор сообщает, что модель переобучена, а очистка обучающего набора ещё продолжается. Для работы рекомендован пресет SillyTavern с температурой 1,25, MinP 0,1 и RepPen 1,05; ответы языковых моделей следует проверять. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства, но не коммерческое использование.

cgato/L3-TheSpice-8b-v0.8.3 — модель генерации текста на архитектуре Llama, основанная на Llama 3 и дообученная разработчиком cgato в течение трёх эпох. Она предназначена для диалогов и ролевых сценариев: модель может описывать персонажей и предметы в сцене, не обязательно продвигая сюжет. В README указаны датасеты Capybara, Claude Multiround 30k, Augmental, ToxicQA, Yahoo Answers, Airoboros 3.1 и LimaRP; автор сообщает о сокращённом и частично отредактированном вручную наборе данных и исправлении токенизатора для соответствия базовой Llama 3. Модель содержит 7,5 млрд параметров, принимает текст и генерирует текст, поддерживает контекст длиной до 8192 токенов. README предлагает формат диалога, совместимый с шаблонами Ooba и SillyTavern, и рекомендуемые параметры генерации для SillyTavern. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. Автор советует критически относиться к ответам модели.

LemonadeRP-4.5.3 — языковая модель на архитектуре Mistral с 7,1 млрд параметров, созданная автором KatyTheCutie как слияние нескольких моделей. Она ориентирована на ролевые диалоги и сценарии, где важны творческая подача и менее шаблонные ответы. Модель предназначена для генерации текста в приложениях для ролевого общения, включая SillyTavern. В README указана длина контекста 8192 токена и сообщается, что у пользователей встречались рабочие контексты до 32K; метаданные каталога указывают нативный контекст 32768 токенов. Поддерживаемый язык карточки — английский. Модель распространяется по лицензии CC BY 4.0. Качество ответов и работа с длинным контекстом могут зависеть от настроек и сценария использования.

KayaTechAI/Llama-3.1-8B-Financial-Instruct — объединённая модель семейства Llama 3.1, созданная KayaTechAI методом Task Arithmetic с помощью mergekit. В состав объединения входят unsloth/Meta-Llama-3.1-8B-Instruct и KayaTechAI/llama-3.1-8b-financial-expert-pre-trained; базовой моделью для слияния указана unsloth/Meta-Llama-3.1-8B. Модель содержит 7,5 млрд параметров и рассчитана на генерацию текста в диалоговом формате с контекстом до 131 072 токенов. Модель предназначена для финансовых диалогов и генерации ответов с опорой на финансовую экспертизу. Она может применяться для подготовки ответов на вопросы о финансах и создания финансовых текстов. В репозитории указаны веса Safetensors и библиотека Transformers; лицензия в доступных данных не приведена.

aifeifei798 выпустил объединённую модель на архитектуре Llama 3 с 7,5 млрд параметров, предназначенную прежде всего для ролевых диалогов с персонажами виртуальных идолов. Автор описывает создание образов и карточек персонажей, которые могут обсуждать музыку, выступления, танцы и работу в социальных сетях; для диалогов требуется задавать модели карточку персонажа. В качестве примеров приведены виртуальная певица и помощник по ведению TikTok. Модель принимает текст и генерирует текст; контекст составляет 8192 токена. В карточке заявлена поддержка китайского, английского, японского и корейского языков, но автор отмечает, что корейский не проверял. Также README упоминает использование vision через отдельный файл mmproj, однако в метаданных эта возможность не подтверждена. Модель распространяется по лицензии Llama 3. Автор предупреждает, что тестирование было ограниченным и возможны проблемы с качеством ответов.

NeverSleep/Llama-3-Lumimaid-8B-v0.1 — языковая модель семейства Llama 3, созданная на основе дообучения и слияния моделей авторами проекта Lumimaid. Она предназначена для генерации диалогов и ролевых сценариев: обучение сочетает наборы данных для RP и ERP с обычными диалогами и данными общего назначения. Модель использует формат промптов Llama 3, имеет архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекст до 8192 токенов. В обучении использованы, среди прочего, датасеты Aesir, NoRobots, limarp, ToxicQAFinal, Luminae и SlimOrca. Репозиторий содержит веса FP16 в формате safetensors. Модель ориентирована на англоязычные ролевые диалоги и генерацию эротического контента, но авторы также добавили обычные данные, чтобы улучшить ответы вне ролевых сценариев. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Lewdiculous/lwd-Mirau-7b-RP-Merged — слитая с базовой моделью версия Mirau-7B-RP, созданная на основе Qwen2.5-7B-Instruct и предназначенная для повествовательных ролевых сценариев. Она преобразует краткие действия, наблюдения и внутренние мысли персонажа в связный рассказ от первого лица с описанием окружения, переживаний и развития сюжета. Модель подходит для текстовых приключений, исследования вымышленных сцен и одиночного повествования за одного персонажа. Модель использует плотную архитектуру Qwen2 и содержит 7,1 млрд параметров; заявленная длина контекста — 32 768 токенов. В карточке описаны примеры команд на английском, а метаданные отмечают теги английского, китайского, французского, испанского, португальского, немецкого, итальянского, русского, японского, корейского, вьетнамского, тайского и арабского языков. Исходная карточка предупреждает, что модель ориентирована на повествование от первого лица и может нестабильно вести диалоги. Лицензия указана как неизвестная, поэтому условия использования следует проверить отдельно.

LYRICAL_POET_Gemma4e2b_v1 — дообученная Aleksey Calvin Tsukanov совместно с SilverAgePoets.com модель на основе Gemma 4 E2B IT и Tema_Q-X4-4B-Thinking. Она предназначена для генерации стихов и текстов в заданных поэтических формах и стилях, включая канонические, малоизвестные и авангардные направления. Модель поддерживает диалоговый формат и инструкции; в README показан пример запроса на английском языке с ориентацией на стиль Delmore Schwartz. Модель использует плотную архитектуру семейства Gemma 4 и распространяется в формате safetensors. В метаданных указаны русский, английский и французский языки, а также лицензия Apache-2.0. Авторы характеризуют её как универсальную для своего размера, однако приводят лишь примеры использования и не сообщают результатов сравнительных оценок; качество стихов и точность следования заданному стилю могут различаться.

Mari mBERT — модель семейства BERT, разработанная в рамках магистерской работы по лингвистике в Волжском государственном университете технологий для поддержки цифровых инструментов марийского языка. Это дообученная на корпусе из примерно 1,4 млн строк марийского текста модель google-bert/bert-base-multilingual-cased с архитектурой BertForMaskedLM и 205,1 млн параметров. В токенизатор добавлены 13 марийских буквенных знаков, отсутствовавших в исходном словаре. Модель принимает текст и предсказывает замаскированные в нём токены; длина контекста — до 512 токенов. Основная задача — восстановление пропущенных слов и буквенных последовательностей в марийском тексте. Модель задумана как основа для проверки орфографии и автокоррекции, предиктивного ввода, языковых упражнений, а также дальнейшего дообучения для разметки частей речи и синтаксического анализа. В описанной оценке точность составила 53,57% на 13 292 замаскированных позициях; карточка также сообщает о высоких показателях ранжирования относительно сопоставимых проектов малоресурсных языков. Модель распространяется по лицензии MIT. Обучающий корпус монолингвальный, диалектные варианты Hill Mari и Meadow Mari не разделены, а автоматические метрики не заменяют оценку носителями языка. Показатели на задачах проверки орфографии, предиктивного ввода и других прикладных сценариях в карточке не приведены.

Mistral-Nemo-BD-RP — языковая модель, дообученная на наборе данных BeyondDialogue для диалогов в ролевых сценариях. Она генерирует ответы на английском и китайском языках, сохраняя заданные персонажа, стиль и последовательность роли. Модель основана на плотной архитектуре Mistral и содержит 12,1 млрд параметров; максимальная длина контекста по метаданным — 1 024 000 токенов. Модель подходит для ролевых диалогов, создания персонажей и оценки согласованности их поведения. В README описана оценка по характеристикам персонажа, стилю, эмоциям, отношениям, личности, человекоподобию, связности и последовательности роли. Для использования указана библиотека Transformers версии не ниже 4.42.0. Модель распространяется по лицензии Apache-2.0.

MobileMoE-M-Base — базовая языковая модель Meta из семейства MobileMoE, предназначенная для генерации текста непосредственно на мобильных устройствах. Это контрольная точка после предварительного обучения и mid-training; она не прошла instruction fine-tuning и не имеет шаблона чата, поэтому рассчитана на продолжение обычного текстового промпта. Модель использует разреженную архитектуру Mixture-of-Experts: 2,8 млрд параметров всего, из которых активно 528 млн; на каждом токене выбираются четыре из 60 маршрутизируемых экспертов, а общий эксперт активен постоянно. В конфигурации 26 слоёв, GQA и контекст до 8 192 токенов. Она принимает и генерирует текст, обучена для английского языка и поставляется в формате safetensors с точностью BF16. В README заявлены результаты на 14 базовых бенчмарках и эффективность для сценариев с ограничениями памяти и вычислений на устройстве. Для загрузки требуется transformers с trust_remote_code=True, поскольку архитектура пока не входит в upstream transformers. Модель распространяется по лицензии FAIR Noncommercial Research License, которая ограничивает коммерческое использование.

MultiModel Small 229M — текстовая генеративная модель проекта CodeDevX, дообученная на образовательном текстовом наборе данных проекта. Чекпойнт содержит около 229 млн параметров; его плотный трансформерный декодер имеет 12 слоёв, размер скрытого состояния 768 и 12 голов внимания. Токенизатор использует 50 257 BPE-токенов. Несмотря на название multimodal-ready, карточка описывает текстовую генерацию и не подтверждает обработку изображений, аудио или других модальностей. Модель предназначена для генерации текста на английском языке в образовательных сценариях. В репозитории размещены веса и конфигурация PyTorch, а также файлы токенизатора. Для загрузки требуется пользовательская реализация модели из исходного проекта: напрямую через AutoModel чекпойнт не загружается. В обучении использовались 1 000 примеров, а опубликованный чекпойнт соответствует шагу 350, поэтому качество и устойчивость на широком круге задач могут быть ограничены. Лицензия — MIT.

Darayut/netra-nmt-small-diffusion — экспериментальная модель машинного перевода на основе дискретной диффузии, разработанная в рамках проекта netra-nmt. Она использует вариант декодера без авторегрессионной генерации: перевод строится параллельно с фиксированными вычислительными затратами, что предназначено для ускорения декодирования на CPU. Модель имеет архитектуру encoder-decoder примерно на 90 млн параметров и использует токенизатор SentencePiece на 32 тыс. токенов. Модель рассчитана на перевод между кхмерским и английским языками. README отмечает компромисс: качество перевода ниже, чем у авторегрессионной версии netra-nmt, зато декодирование выполняется параллельно. Веса опубликованы в формате safetensors с точностью fp16; лицензия — MIT.

Ninja-v1-RP-expressive-breadcrumbs — объединённая языковая модель для ролевых диалогов, созданная Aratako с помощью mergekit. В основе лежат Aratako/Ninja-v1-RP и Elizezen/Antler-7B; финальное объединение выполнено методом Model Breadcrumbs. Модель основана на архитектуре Mistral, содержит 7,1 млрд параметров и рассчитана на контекст до 4096 токенов. Модель предназначена для ролевых диалогов и генерации выразительных ответов от лица персонажей. Автор сообщает, что вариант усиливает выразительность за счёт влияния модели для генерации прозы, при этом реже самопроизвольно продолжает повествование. Для работы рекомендован шаблон диалога Vicuna; в многоходовом общении к концу каждого ответа ассистента нужно добавлять токен конца последовательности. В карточке указана поддержка японского языка. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

midwestcyr/nllb-200-distilled-600m-rus-ruskaromani — модель перевода с русского языка на руска-романи и обратно, созданная на основе facebook/nllb-200-distilled-600M. Разработчик дообучил её с помощью LoRA на параллельных предложениях, а затем объединил адаптер с базовыми весами; модель загружается без отдельного шага слияния или зависимости PEFT. Для руска-романи добавлен пользовательский код ruk_Cyrl, а его эмбеддинг инициализирован на основе rom_Latn. Модель предназначена для перевода предложений между русским и руска-романи, диалектом романи, связанным с руска-рома и записываемым кириллицей. В карточке указаны архитектура M2M100, около 463,7 млн параметров и контекст 1024 токена. Обучение и оценка проводились на параллельных предложениях из Русского национального корпуса; для проверки использовалась метрика SacreBLEU. Объём данных для этой языковой пары ограничен, поэтому качество на длинных, сложных или тематически отличающихся от обучающих данных предложениях может быть нестабильным. Код ruk_Cyrl нестандартен и требует токенизатора из этого репозитория. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства, но не коммерческое использование.

Ateker/nllb-600m-atekervoices-lr2e-4 — дообученная модель на базе facebook/nllb-200-distilled-600M, созданная разработчиком Ateker на наборе данных generator. Результаты оценки показывают перевод между английским и teo, а также английским и kdj: средний BLEU составляет 31,861; для направлений Eng→Teo и Teo→Eng — 23,114 и 45,249, для Eng→Kdj и Kdj→Eng — 20,259 и 38,822 соответственно. Модель относится к семейству M2M-100 и использует архитектуру TrainableM2MForConditionalGeneration. Репозиторий содержит веса safetensors; указанная длина контекста — 1024 токена. Метаданные задают задачу text-generation, однако по назначению и результатам оценки модель предназначена для машинного перевода между английским и языками teo и kdj. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства и запрещает коммерческое использование. README не содержит подробных инструкций по применению или сведений об ограничениях качества.

Nova-Tempus-70B-v0.1 — экспериментальная слитая модель автора sophosympatheia на архитектуре Llama, объединяющая несколько моделей семейства Llama 3. Она содержит 69,5 млрд параметров, принимает текст и поддерживает контекст до 131 072 токенов; модель распространяется в формате safetensors и предназначена для использования через Transformers. Основные сценарии — ролевая игра и создание художественных историй. Автор называет модель uncensored и отмечает, что не проверял её качество на других задачах. В README приведены рекомендации по настройке семплирования и шаблон диалога Llama 3. Модель создана методом Model Stock на основе Llama 3.3 70B Instruct с компонентами нескольких других Llama-моделей. Лицензия указана как llama3.3. Высокая вариативность генерации и склонность к повторяющимся описаниям могут потребовать настройки параметров семплирования; качество за пределами ролевых сценариев и историй не подтверждено.

onebee-gf-dpo-v1-scale — мультимодальная модель-компаньон на базе Gemma 4 E2B IT от Google, дообученная автором репозитория методом DPO с LoRA-адаптером ранга 16 на 2049 парах предпочтений. Архитектура поддерживает текст и изображения; модель предназначена для диалогов в стиле компаньона и выдачи ответов с настройкой предпочтений. В метаданных указана задача image-text-to-text, библиотека Transformers и формат safetensors. Автор сообщает, что на парном сравнении с SFT-only модель получила 45,7% побед против 21,0% на 105 пробах. Это исследовательский чекпойнт с одним запуском обучения; заявленный результат не является полной оценкой бенчмарка. Модель также предназначена для дальнейшей дистилляции или квантизации. Лицензия — Apache-2.0.

Это экспериментальный чекпойнт из работы «Optimal Sparsity of Mixture-of-Experts Language Models for Reasoning Tasks». Модель разработана авторами исследования; репозиторий содержит чекпойнты для изучения влияния разреженности MoE-моделей на задачи рассуждения. Архитектура — MixtralForCausalLM с механизмом mixture-of-experts; в метаданных указано 875 млн параметров и контекст до 4096 токенов. Модель предназначена для генерации текста и экспериментов с рассуждениями на языковых задачах. Она распространяется в формате safetensors под лицензией Apache-2.0. README не уточняет языковой состав, конкретные результаты оценки или практические ограничения качества.

Helsinki-NLP/opus-mt-en-cpf — модель машинного перевода семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с английского на французско-креольские языки и пиджины: гуаделупский креольский (gcf_Latn), гаитянский креольский (hat) и маврикийский креольский (mfe). Для выбора целевого языка в начале входного текста требуется языковой токен вида `>>id<<` с допустимым кодом языка. Модель построена на архитектуре Transformer и реализована как MarianMTModel; размер — 54,7 млн параметров, контекст — до 512 токенов. Предобработка включает нормализацию и SentencePiece с словарями spm32k. В опубликованных тестах качество заметно различается по языкам: BLEU 6,2 для гуаделупского креольского, 25,7 для гаитянского и 80,1 для маврикийского; результаты тестов не гарантируют такого же качества на других текстах. Модель предназначена для перевода текстов и доступна под лицензией Apache-2.0. Метаданные указывают реализации в форматах PyTorch и TensorFlow.

Pulsar_7B — экспериментальная англоязычная чат-модель на архитектуре Mistral, разработанная как более податливая версия MTSAIR/multi_verse_model. Она содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов; модель дообучена на наборах для ролевого общения, понимания намерений, физического рассуждения, математики и предпочтений, включая датасет с NSFW-ролевыми диалогами. Модель предназначена для генерации диалогов и ролевых сценариев, следования карточке персонажа и заданному формату Markdown. В README отмечена чувствительность стиля ответа к первому сообщению карточки персонажа; также заявлена совместимость с форматами Alpaca и Mistral и шаблоном чата базовой модели. Модель распространяется под лицензией Apache-2.0. Это экспериментальная настройка, и её качество может зависеть от формата промпта и карточки персонажа; результаты тестов в README не гарантируют качество в конкретных сценариях.

Mostafa8Mehrabi/qwen3-30m-fp16 — компактная причинно-языковая модель генерации текста на архитектуре Qwen3, созданная на основе Qwen/Qwen3-0.6B. По README, модель уменьшена до 8 слоёв и скрытого размера 224; в метаданных указано 17,7 млн параметров, а карточка описывает её как версию примерно на 30–35 млн параметров. Используется токенизатор GPT-2 с размером словаря 50 257 токенов и формат SafeTensors; заявлена точность FP16. Контекст — до 32 768 токенов. Модель предназначена для лёгкой генерации текста и развёртывания на устройствах с ограниченными ресурсами. Уменьшенный размер рассчитан на более экономное использование памяти и быстрый вывод, в том числе на мобильных и периферийных устройствах. Карточка не приводит конкретных результатов бенчмарков или подробного перечня поддерживаемых естественных языков, поэтому качество и языковое покрытие нельзя оценить точнее. Лицензия — Apache-2.0. Существенное сокращение модели относительно базовой версии, а также замена токенизатора могут влиять на качество и совместимость; заявленные преимущества скорости и качества отдельно не подтверждены результатами оценки.