I.5Создание и редактирование текста

MaziyarPanahi/M7Yamshadowexperiment28_YamOgno — объединённая модель генерации текста, созданная на основе automerger/M7Yamshadowexperiment28-7B и automerger/YamOgno-7B. Она использует плотную архитектуру Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации продолжений текста и диалоговых ответов. Она распространяется в формате safetensors по лицензии Apache 2.0. В карточке модели не описаны специальные домены или дополнительные возможности.

MaziyarPanahi/M7Yamshadowexperiment28_YamT3qm7xp — объединённая модель Mistral для генерации текста. Она создана слиянием моделей automerger/M7Yamshadowexperiment28-7B и automerger/YamT3qm7xp-7B; архитектура — плотная причинно-языковая модель MistralForCausalLM объёмом 7,1 млрд параметров. Модель принимает текст и генерирует текст, поддерживая контекст до 32 768 токенов. Модель подходит для генерации продолжений и ответов на текстовые запросы. В репозитории веса представлены в формате Safetensors. Использование регулируется лицензией Apache 2.0. Карточка не описывает конкретные языки или специализированные области применения.

MagiSeek-Pro-V1 — текстовая генеративная модель, опубликованная groxaxo. Это плотная модель архитектуры Mistral с 23,4 млрд параметров, представленная в формате Transformers как объединённые веса bf16 на основе WarlordHermes/Magidonia-24B-v4.3-creative-ORPO. Контекстное окно составляет до 131 072 токенов; модель принимает текст и генерирует текст, а чат-шаблон поддерживает диалоговый формат и вызовы инструментов. Модель предназначена для следования инструкциям, творческого письма, рассуждений с длинным контекстом и агентных сценариев с инструментами. По README, её обучали в несколько этапов с использованием QLoRA и затем объединили адаптеры с базовыми весами; финальный этап продолжал обучение на примерах рассуждений в стиле DeepSeek. Репозиторий позиционируется как чекпойнт для оценки, экспериментов и инференса в совместимых средах. Лицензия — Apache 2.0. Заявленные в карточке результаты MMLU составляют 0,7433 в целом, 0,7172 для STEM и 0,6486 для гуманитарных дисциплин. Это генеративная модель, поэтому ответы могут быть неточными; качество вызова инструментов и длинноконтекстных сценариев следует проверять на конкретных задачах. Полные веса bf16 требуют значительных ресурсов, особенно при использовании длинного контекста.

Magistral-Small-2506-bf16 — версия модели Magistral-Small-2506, подготовленная сообществом mlx-community для формата MLX. Это плотная авторегрессионная модель семейства Mistral с 23,4 млрд параметров, предназначенная для генерации текста и диалогового общения. Модель принимает текст и выдаёт текст; её контекстное окно составляет 32 768 токенов. В карточке указана поддержка множества языков, включая русский, английский, французский, немецкий, испанский, китайский и японский. Модель можно использовать для диалоговых интерфейсов, генерации и продолжения текста. Репозиторий содержит веса safetensors в формате MLX; README указывает на запуск через mlx-lm версии 0.25.2. Лицензия — Apache-2.0. Это преобразование базовой модели в другой формат, поэтому качество и поведение в основном определяются исходной Magistral-Small-2506, а практическое использование MLX ориентировано на совместимую среду.

Magnolia-v2-Gemma2-8k-9B — объединённая методом SLERP языковая модель, созданная автором репозитория с помощью mergekit на основе grimjim/Magnolia-v1-Gemma2-8k-9B и grimjim/Magot-v2-Gemma2-8k-9B. Это плотная модель Gemma 2 с 9 млрд параметров для генерации текста и диалогов; контекст — до 8192 токенов. Модель ориентирована на беседы и творческую генерацию, сохраняя, по оценке автора, внимание к контексту и баланс между творческим ответом и следованием инструкциям. Подходит для чат-сценариев и написания текстов. Репозиторий содержит веса safetensors; для работы указана библиотека Transformers. Лицензия — Gemma.

Magnolia-v4-12B — языковая модель для генерации текста, созданная автором grimjim слиянием методом SLERP моделей grimjim/Magnolia-v3-12B и intervitens/mini-magnum-12b-v1.1. По сравнению с v3 автор описывает её как вариант с изменённым стилем генерации. Модель построена на архитектуре Mistral, содержит 12,1 млрд параметров и рассчитана на контекст до 131 072 токенов. Модель подходит для диалогов и генерации ответов на нескольких языках, а также для задач продолжения текста. Она распространяется в формате Safetensors; лицензия — Apache-2.0. Качество и языковой охват в README подробно не оцениваются.

Magnum v2 32B — диалоговая модель Anthracite, созданная для воспроизведения качества прозы Claude 3 Sonnet и Opus. Она дообучена на Qwen1.5-32B с полным обновлением параметров и настроена на инструкции в формате ChatML. Модель предназначена для диалога, генерации связного текста и ответов на инструкции. В обучении использовались отфильтрованные наборы данных для диалогов, прозы и рассуждений; README указывает два эпоха обучения на восьми ускорителях NVIDIA H100. Архитектура — плотная Qwen2, размер — 31,7 млрд параметров, контекст — до 32 768 токенов. Метаданные указывают поддержку английского и китайского языков. Модель распространяется в формате safetensors по лицензии other; конкретные условия этой лицензии следует проверить на странице репозитория. Оценка в карточке позиционируется как попытка приблизить качество прозы Claude 3, но независимых сравнительных результатов README не приводит.

Magnum-v2.5-12b-kto — экспериментальная разговорная языковая модель Anthracite, созданная дообучением anthracite-org/magnum-12b-v2. Она предназначена для следования инструкциям и генерации прозы с качеством, ориентированным на Claude 3 Sonnet и Opus. Обучение версии использовало ограниченную часть инструкционных данных и гибридную стратегию KTO и DPOP: примеры отклонённых ответов получали из исходной модели, а предпочтительные — из исходного набора для дообучения. Модель построена на архитектуре Mistral, содержит 12,1 млрд параметров и принимает диалоги в формате ChatML. Метаданные указывают поддержку английского, французского, немецкого, испанского, итальянского, португальского, русского, китайского и японского языков и контекст до 1 024 000 токенов. Распространяется в формате Safetensors по лицензии Apache 2.0. Модель подходит для диалогов, выполнения инструкций и создания прозы. Авторы характеризуют эту версию как экспериментальную и отмечают, что обучение проведено на ограниченном объёме данных, поэтому обобщение может быть недостаточным.

Magnum v4 12B — модель Anthracite, созданная для генерации текста и диалоговых сценариев с акцентом на качество прозы, сопоставимое с Claude 3 Sonnet и Opus. Это GGUF-квантизации модели; исходные веса доступны в отдельном репозитории. Модель дообучена на базе mistralai/Mistral-Nemo-Instruct-2407 методом полноразмерного fine-tuning. Она предназначена для англоязычных задач text generation, включая чат, написание и редактирование текстов, а также сценарии, где важны выразительность и качество прозы. В обучении использовались наборы данных Anthracite, связанные с диалогами, инструкциями и художественным письмом. Заявлена длина последовательности до 32 768 токенов; поддерживается текстовая модальность. К сильным сторонам относятся специализация на качестве прозы, инструктивный формат и наличие GGUF-квантизаций для локального запуска. README не содержит результатов бенчмарков и подробных сведений о требованиях к ресурсам, поэтому фактическое качество, скорость и эффективность конкретных вариантов квантизации следует оценивать отдельно. Модель распространяется по лицензии Apache-2.0.

anthracite-org разработала Magnum v4 72B — полноразмерный чат-файнтюн Qwen2.5-72B-Instruct, созданный для генерации связной прозы с качеством, которое авторы стремились приблизить к Claude 3 Sonnet и Opus. Модель использует плотную архитектуру Qwen2, содержит 71,5 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель подходит для диалогов и генерации текста: написания и редактирования прозы, ответов на вопросы и следования инструкциям. В README приведён формат диалоговых сообщений, а метаданные отмечают чат и интерфейс вызова инструментов. Обучение проведено на нескольких наборах диалоговых и инструктивных данных; карточка указывает английский язык. Модель распространяется в формате safetensors по лицензии Apache-2.0. Авторы называют её экспериментальной и отмечают, что она обучалась поверх instruct-модели; заявленное сходство с Claude описывает цель разработки, а не независимую оценку качества.

Magnum-v4-Cydonia-v1.2-22B — объединение двух предварительно обученных языковых моделей, созданное автором knifeayumu с помощью mergekit. В слияние методом SLERP вошли TheDrummer/Cydonia-22B-v1.2 и anthracite-org/magnum-v4-22b; итоговая модель использует плотную архитектуру Mistral и содержит 22 млрд параметров. Модель предназначена для генерации текста и диалогового взаимодействия; доступен интерфейс вызова инструментов. Контекст составляет 32 768 токенов. Карточка не приводит отдельного перечня языков, а базовые модели описаны как ориентированные на англоязычные диалоги, следование инструкциям и связную прозу. Лицензия указана как other, поэтому условия использования следует сверять с карточкой модели и лицензиями исходных моделей.

Sakalti/Magro-7b-v1.1 — объединённая модель для генерации текста и диалогового общения, созданная автором репозитория с помощью mergekit. В основе слияния лежит HuggingFaceH4/zephyr-7b-alpha; также включена Sakalti/magro-7B. Использован метод TIES, итоговые веса указаны в формате bfloat16. Модель построена на архитектуре Mistral с плотной причинно-языковой моделью примерно на 7,1 млрд параметров. Она принимает текстовые запросы и генерирует текстовые ответы; заявленная длина контекста — 32 768 токенов. Подходит для диалоговых приложений и генерации ответов. Лицензия — MIT.

Mahou-Gutenberg-Nemo-12B — объединённая текстовая языковая модель на архитектуре Mistral, созданная nbeerbower с помощью mergekit. В слиянии della_linear использованы flammenai/Mahou-1.3-mistral-nemo-12B и nbeerbower/mistral-nemo-gutenberg-12B-v3; число параметров составляет 12,1 млрд. Модель предназначена для генерации текста и диалоговых сценариев. Репозиторий содержит веса в формате safetensors; в конфигурации слияния указан тип bfloat16. Для модели заявлено контекстное окно до 1 024 000 токенов. Карточка не описывает отдельные языковые или специализированные предметные области. Лицензия в предоставленных данных не указана.

maid-yuzu-v3 — объединённая автором модель генерации текста на архитектуре Mixtral с экспертной структурой MoE. Она создана методом DARE TIES с помощью mergekit на основе smelborp/MixtralOrochi8x7B и объединяет её с ycros/BagelMIsteryTour-v2-8x7B и NousResearch/Nous-Hermes-2-Mixtral-8x7B-DPO. Модель предназначена для генерации ответов и выполнения инструкций в текстовом диалоге. Объём параметров в метаданных указан как 7,1 млрд, нативный контекст — 32 768 токенов. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана.

MamayLM-Gemma-2-9B-IT-v0.1 — инструктивная языковая модель INSAIT, института при Софийском университете. Это плотный трансформер-декодер Gemma 2 с 9 млрд параметров и контекстом 8192 токена, предназначенный для диалога и генерации текста на украинском и английском языках. Модель построена на основе Google Gemma 2 9B и Gemma 2 9B IT: её дополнительно предварительно обучали на 75 млрд токенов украинских и английских данных, а затем дообучили следовать инструкциям на украинских наборах данных. Она ориентирована на ответы на вопросы, рассуждения, суммаризацию и другие текстовые задачи; авторы сообщают о сильных результатах на украинских тестах при сохранении английских возможностей. Распространяется по условиям Gemma Terms of Use.

MaziyarPanahi/mamba-gpt-7b-v2-Mistral-7B-Instruct-v0.2-slerp — диалоговая модель генерации текста, полученная слиянием Mistral-7B-Instruct-v0.2 и CobraMamba/mamba-gpt-7b-v2 методом SLERP. Модель имеет плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров; репозиторий предоставляет веса в формате safetensors. Модель предназначена для генерации ответов в диалоге и выполнения инструкций на входном тексте. Заявленная длина контекста — до 32 768 токенов. В метаданных указана лицензия Apache-2.0. Карточка не сообщает отдельные результаты оценки качества или специальные гарантии поведения после слияния.

Manticore 13B — языковая модель OpenAccess AI Collective, полученная дообучением Llama 13B на наборах диалогов, инструкций, задач на рассуждение и краткое изложение. Это плотная авторегрессионная архитектура LLaMA с 12,9 млрд параметров; модель использует Transformers и принимает текст, генерируя текст. Указанный контекст — 2048 токенов, основной язык карточки — английский. Модель предназначена для диалогов с ассистентом, выполнения инструкций, ответов на вопросы и генерации подробных или кратких ответов. Данные обучения включают ShareGPT, WizardLM, Wizard-Vicuna, Alpaca-CoT, GPT4-LLM-Cleaned, GPTeacher, ScienceQA, HellaSwag, MMLU и набор для суммаризации отзывов. Модель не проходила выравнивание предпочтений с помощью RLHF и может выдавать проблемные ответы, особенно при соответствующих запросах. Лицензия в предоставленных данных не указана.

Manticore 13B Chat Pyg — языковая модель для диалогового и инструкционного текстового взаимодействия, разработанная Open Access AI Collective. Данная версия распространяется в формате GGUF и является квантизированным вариантом исходной модели Manticore 13B Chat Pyg; квантизацию выполнил TheBloke. Модель основана на архитектуре LLaMA, содержит около 13 миллиардов параметров и предназначена для генерации текста по шаблону диалога Vicuna: ответов на вопросы, объяснений, инструкций и других чат-сценариев. В метаданных указан английский язык, а среди использованных наборов данных — коллекции ShareGPT, WizardLM, Alpaca, GPT4-LLM, ScienceQA, GSM8K и другие наборы для обучения инструкциям, диалогам, рассуждениям и программированию. Файлы GGUF доступны с различными уровнями квантизации от 2 до 8 бит, что позволяет выбирать баланс между размером, скоростью и качеством вывода. Модель совместима с llama.cpp и рядом сторонних интерфейсов и библиотек, включая text-generation-webui, KoboldCpp, LM Studio, llama-cpp-python и ctransformers, с поддержкой CPU+GPU-инференса. Мультимодальность и размер контекстного окна в README не указаны; модель предназначена для работы только с текстом. Лицензия обозначена как other, но ее конкретные условия не приведены, поэтому перед использованием необходимо проверить лицензию исходной модели и условия распространения квантизированных файлов.

Marcoroni-neural-chat-7B-v1-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель, созданная слиянием Mistral-7B-Instruct-v0.2 и Toten5/Marcoroni-neural-chat-7B-v1 методом SLERP. Модель построена на архитектуре Mistral с плотной причинной языковой моделью и содержит 7,1 млрд параметров. Модель предназначена для генерации текста и ответов на инструкции в диалоговом формате. Контекст составляет до 32 768 токенов, поэтому её можно применять для многошаговых бесед и работы с длинными текстовыми запросами. Метаданные не устанавливают конкретные поддерживаемые естественные языки. Веса представлены в формате Safetensors, тип данных при слиянии указан как bfloat16. Лицензия — Apache-2.0. Качество и поведение могут зависеть от формулировки запроса; ограничения по языкам и отдельным прикладным областям в предоставленных данных не описаны.

Карточка модели mahiatlinux/MasherAI-7B-v6.1-redo1 на Hugging Face совпадает с карточкой mahiatlinux/MasherAI-7B-v6.1-final, поэтому описание составлено по ней. MasherAI-7B-v6.1-final — дообученная разработчиком mahiatlinux языковая модель семейства Mistral с плотной архитектурой для генерации текста и диалогового взаимодействия. Она основана на mahiatlinux/MasherAI-v6.1-7B-checkpoint3-code4 и обучалась с использованием Unsloth и библиотеки Hugging Face TRL. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. В карточке указан английский язык. Репозиторий распространяется в формате PyTorch по лицензии Apache-2.0.

Matter 7B 0.1 — языковая модель семейства Mistral, разработанная 0-hero и дообученная полным fine-tuning на наборе Matter. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Для диалога применяется формат ChatML. Модель предназначена для генерации текста и разговорного взаимодействия с ассистентом. В карточке также заявлена поддержка вызова функций, поэтому её можно использовать в сценариях, где ассистент передаёт запросы инструментам. Обучающий набор Matter собран из более чем 35 датасетов и охватывает свыше 6 млрд токенов. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. Карточка не приводит оценок качества или подробных сведений о проверке вызова функций; применимость к конкретным задачам стоит оценивать отдельно.

megatron_2.1_MoE_2x7B — языковая модель архитектуры Mixtral с разреженной смесью экспертов (MoE), представленная пользователем Eurdem. Она предназначена для генерации текста и может применяться в диалоговых сценариях, ответах на вопросы и других задачах, решаемых текстовой языковой моделью. В карточке приведены результаты Open LLM Leaderboard: среднее значение 76,64, AI2 Reasoning Challenge — 72,95 и HellaSwag — 88,94. Модель содержит 7,1 млрд параметров, принимает контекст длиной до 32 768 токенов и распространяется в формате safetensors. Репозиторий помечен тегом merge, однако README и предоставленные сведения не называют исходные модели, вошедшие в слияние. Лицензия — Apache-2.0. Языки и дополнительные ограничения в доступных материалах не описаны.

MeliodasPercival_01_Experiment26T3q — объединённая языковая модель семейства Mistral, созданная MaziyarPanahi на основе automerger/MeliodasPercival_01-7B и automerger/Experiment26T3q-7B. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и принимает текст для генерации продолжений и диалоговых ответов с контекстом до 32 768 токенов. Модель подходит для генерации текста и диалогов общего назначения. В репозитории указана лицензия Apache-2.0. README не сообщает о специальной предметной настройке или оценке качества, поэтому пригодность для конкретных задач следует проверять на собственных примерах.

MeliodasPercival_01_Experiment27Shadow — объединённая модель Mistral с 7,1 млрд параметров, созданная на основе automerger/MeliodasPercival_01-7B и automerger/Experiment27Shadow-7B. Она предназначена для генерации текста и диалогов, принимает текстовые запросы и выдаёт текст. Контекстное окно составляет до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. README и метаданные не описывают специализацию по языкам или предметным областям, а также не приводят отдельные оценки качества.

MeliodasPercival_01_Inex12Experiment26 — объединённая текстовая модель на архитектуре Mistral, созданная слиянием automerger/MeliodasPercival_01-7B и automerger/Inex12Experiment26-7B. Она содержит 7,1 млрд параметров и рассчитана на генерацию текста, в том числе диалоговых ответов, с контекстом до 32 768 токенов. Модель подойдёт для генерации продолжений текста и ведения диалогов. Веса опубликованы в формате safetensors, лицензия — Apache-2.0. В карточке не приведены сведения о специализации по языкам или результатах оценки качества.

MeliodasPercival_01_MeliodasT3q — объединённая текстовая модель семейства Mistral с 7,1 млрд параметров, созданная слиянием моделей automerger/MeliodasPercival_01-7B и automerger/MeliodasT3q-7B. Она предназначена для генерации текста и ведения диалогов; принимает текст и поддерживает контекст до 32 768 токенов. Модель опубликована в формате Safetensors и распространяется по лицензии Apache-2.0. Данных о специализации на конкретной предметной области или языке нет, поэтому её можно рассматривать как модель общего назначения. Карточка не приводит результаты оценки качества или подробные рекомендации по использованию.

MaziyarPanahi/MeliodasPercival_01_Strangemerges_32M7 — объединённая автором модель на архитектуре Mistral с 7,1 млрд параметров. Она создана слиянием automerger/MeliodasPercival_01-7B и automerger/Strangemerges_32M7-7B. Модель предназначена для генерации текста и диалогов. Она принимает текст и поддерживает контекст длиной до 32 768 токенов; в репозитории веса представлены в формате safetensors. Данных о специализации на конкретных языках или областях применения в карточке нет. Модель распространяется по лицензии Apache-2.0. Карточка не описывает результаты оценки качества и конкретные ограничения, поэтому пригодность для определённых сценариев следует проверять самостоятельно.

MeliodasPercival_01_T3qm7xpExperiment26 — объединённая языковая модель на архитектуре Mistral, созданная слиянием automerger/MeliodasPercival_01-7B и automerger/T3qm7xpExperiment26-7B. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Она предназначена для генерации текста и диалогов по текстовым запросам. Распространяется в формате Safetensors по лицензии Apache-2.0. README не описывает специализацию, обучение или результаты оценки модели.

MeliodasPercival_01_YamExperiment28 — объединённая автором карточки модель на архитектуре Mistral с 7,1 млрд параметров, созданная на основе automerger/MeliodasPercival_01-7B и automerger/YamExperiment28-7B. Она предназначена для генерации текста и диалогов, а контекст поддерживает до 32 768 токенов. Модель опубликована в формате safetensors под лицензией Apache-2.0. Карточка не описывает специальные предметные области или ограничения качества; применимость следует оценивать на задачах пользователя.

MeliodasPercival_01_YamM7 — объединённая языковая модель на архитектуре Mistral, созданная слиянием automerger/MeliodasPercival_01-7B и automerger/YamM7-7B. Модель содержит 7,1 млрд параметров и принимает текст для генерации текста и диалоговых ответов с контекстом до 32 768 токенов. Модель предназначена для генерации продолжений текста и ведения диалогов. Репозиторий распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает конкретные языки, специализированные области применения или известные ограничения.