I.5Создание и редактирование текста

Crystalcareai/Quiet-Mistral — вариант Mistral 7B v0.2 с повышенным attention dropout до 0,6. Автор карточки указывает, что модель подготовлена для обучения; README также описывает конвертацию весов и возможность использовать tokenizer.model из Mistral-7B-Instruct-v0.2. Это текстовая причинная языковая модель для генерации текста с архитектурой QuietForCausalLM, размером 7,1 млрд параметров и контекстом до 32 768 токенов. Модель может служить основой для экспериментов и дальнейшего обучения. В карточке не приведены результаты оценки качества или конкретные пользовательские сценарии. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных данных не указана.

Модель ajihidayat57/qwen2.5-legal-indonesia-sft разработана ajihidayat57 как дообученная версия unsloth/Qwen2.5-7B-Instruct-bnb-4bit. Это плотная языковая модель семейства Qwen2.5 с архитектурой Qwen2ForCausalLM и 7,1 млрд параметров; она предназначена для генерации текста в диалоговом формате. Название указывает на правовую тематику Индонезии, однако README не описывает конкретные юридические задачи или состав обучающих данных. Модель принимает текст и генерирует текст. Её контекстное окно составляет 32 768 токенов. Для дообучения использовались Unsloth и библиотека Hugging Face TRL. Репозиторий распространяется по лицензии Apache-2.0.

Это экспериментальный чекпойнт Qwen3-1.7B, дообученный методом обучения с подкреплением в рамках экспериментов KL-in-LLM-RL / FRPO. Модель разработана на основе Qwen/Qwen3-1.7B; в репозитории размещён шаг обучения global_step_200, сохранённый в формате fp32 safetensors без дополнительной обработки. Архитектура — плотная авторегрессионная языковая модель Qwen3 с 1,7 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и диалогов. Метаданные отмечают поддержку чата, однако README не описывает отдельные прикладные сценарии, языковое покрытие или результаты оценки именно этого чекпойнта. Это исследовательский снимок эксперимента, поэтому его качество и устойчивость для практических задач не установлены. Условия лицензии в предоставленных данных не приведены.

RP Vision — языковая модель для ролевого общения, представленная ChaoticNeutrals. Это плотная модель семейства Mistral на 7,1 млрд параметров, дообученная на основе jeiku/Cookie_7B. Модель генерирует текст и поддерживает анализ изображений через файл mmproj из репозитория; автор указывает, что функция vision работает только в Koboldcpp и требует актуальной версии программы. Модель рассчитана на гибкое ролевое взаимодействие и приятный пользовательский опыт. Контекст составляет 8192 токена; заявленный в метаданных язык карточки — английский. Репозиторий содержит веса Safetensors и GGUF F16. Лицензия — Apache-2.0. Описание не приводит результатов оценивания или подробностей о данных обучения, поэтому качество и границы визуальных возможностей по карточке определить нельзя.

Модель bankholdup/rugpt3_song_writer создана на основе ruGPT-3 и дообучена на текстах песен, собранных с Genius. Она предназначена для генерации русскоязычных песенных текстов и может использоваться для создания черновиков куплетов или продолжения лирического фрагмента. В обучающих примерах представлены тексты разных исполнителей, включая Oxxxymiron, Моргенштерна, ЛСП, «Гражданскую оборону» и «Короля и Шута». Это плотная авторегрессионная языковая модель семейства GPT-2, представленная в форматах PyTorch и safetensors; максимальный контекст составляет 2048 токенов. Данные не сообщают размер модели и лицензию, поэтому условия коммерческого использования определить нельзя. Модель ориентирована на русский язык и генерацию текста; качество, оригинальность и стилистическое разнообразие результатов отдельно не охарактеризованы.

Samantha-1.11-70b — диалоговая модель QuixiAI на базе Llama 2, дообученная для роли помощника и собеседника. Она ориентирована на беседы о философии, психологии, личных отношениях и повседневных вопросах, включая поддержку в самоанализе и планировании. Модель содержит 68,7 млрд параметров, использует архитектуру LlamaForCausalLM и контекст до 4096 токенов. Она обучена на курируемом наборе из 6000 диалогов в формате ShareGPT/Vicuna; её шаблон общения совместим с Vicuna 1.1. В карточке приведены результаты Open LLM Leaderboard. Модель рассчитана на англоязычный текстовый диалог. По заявлению разработчика, она не предназначена для ролевых игр, романтического или сексуального взаимодействия. Это дообученная модель, созданная с использованием qLoRA; для использования действуют условия лицензии Llama 2, допускающей коммерческое и некоммерческое применение с ограничениями.

yorko/scibert_scivocab_uncased_long_4096 — версия SciBERT uncased, преобразованная в архитектуру Longformer; исходную SciBERT разработала Allen Institute for AI, а конверсию выполнил автор этой модели по руководству Allen AI. Это языковая модель на базе BERT с 137,1 млн параметров, предназначенная для работы с научными текстами и заполнения пропусков в тексте. Контекст увеличен с 512 до 4096 токенов, что позволяет подавать научные документы большей длины. Модель принимает английский текст и предсказывает замаскированные токены. Увеличенный контекст удобен для обработки полных научных статей, однако в README отмечено, что модель примерно в 2,5 раза медленнее обычной SciBERT. После преобразования не проводилось дополнительное MLM-предобучение, а обширные сравнения качества на прикладных задачах не выполнялись. Лицензия — MIT.

BEE-spoke-data/smol_llama-101M-midjourney-messages — компактная языковая модель семейства Llama, разработанная BEE-spoke-data и дообученная на наборе pszemraj/midjourney-messages-cleaned. По частичному запросу для генератора изображений она продолжает текст и добавляет подходящие детали, помогая составить полный промпт для Midjourney и других text-to-image систем. Модель содержит 76,6 млн параметров, использует архитектуру LlamaForCausalLM и принимает текст, выдавая текст; максимальный контекст — 1024 токена. Для оценки на тестовом наборе указаны loss 2,8431 и accuracy 0,4682. Распространяется по лицензии Apache-2.0.

SPP-MT Instruct — диалоговая языковая модель на 1,7 млрд параметров, разработанная командой model-raising для исследований выравнивания и безопасности. Она основана на архитектуре SmolLM2, но обучена с нуля; в ходе промежуточного обучения применялся подход Synthetic Persona Pretraining, а затем модель прошла инструкционную донастройку с привязкой к персоне и конституционным принципам. Используются токенизатор SmolLM2 с дополнительным маркером и контекст до 2048 токенов. Модель предназначена для изучения конституционного выравнивания, обобщения ценностей и устойчивости к jailbreak-запросам, а также для диалоговых ответов на английском языке. В карточке указана архитектура LlamaForCausalLM и формат весов safetensors. Модель является исследовательским артефактом; она может давать неверные или небезопасные ответы. Лицензия обозначена как other в метаданных, а в README сказано, что она ещё не финализирована.

SPP-T0-MT Base — базовая языковая модель от model-raising, обученная с нуля по методу Synthetic Persona Pretraining (SPP) и прошедшая дополнительный этап дообучения на текстах рефлексии. Она предназначена для исследований выравнивания и безопасности, анализа поведения модели, продолжения текста и дальнейшего дообучения. Модель использует плотную архитектуру SmolLM2/LlamaForCausalLM с 1,7 млрд параметров, токенизатор на основе SmolLM2 с расширенным словарём из 49 280 токенов и контекст до 2 048 токенов. Обучение включало около 100 млрд токенов из поднабора смеси Olmo 3 Dolma 3; отражения, сформированные по конституции, добавлялись к части документов с аннотациями безопасности. Модель работает с текстом на английском языке и распространяется в формате safetensors. Это базовая, не настроенная на выполнение инструкций модель без шаблона чата; она рассчитана на продолжение текста, исследовательское зондирование и дальнейшую настройку, а ответы могут быть ошибочными или небезопасными. Лицензия обозначена как other, а в README сказано, что её условия ещё предстоит окончательно определить.

StarDust-12b-v2 — слитая автором Luni чат-модель на архитектуре Mistral для ролевых игр и творческого письма. Модель объединяет четыре модели семейства Mistral Nemo методом DARE TIES; размер — 12,1 млрд параметров. В карточке указана длина контекста 1 024 000 токенов, однако README не приводит результатов проверки работы на такой длине. Предпочтительный формат диалога — ChatML, также заявлена поддержка формата Mistral. Модель ориентирована на продолжительные ролевые сценарии и выразительную прозу с гибким тоном. Автор отмечает, что она может вести себя как персонаж в простом агентном сценарии, но иногда добавляет повествование. Для прямых ответов в диалоге, следования инструкциям и задач общего назначения модель не рекомендуется. Распространяется по лицензии Apache 2.0.

PeppX/Sulphur-2-Prompt-Enhancer-Uncensored-GGUF — набор квантизированных GGUF-файлов модели для улучшения промптов. Модель основана на SulphurAI/Sulphur-2-base, а квантизацию выполнил PeppX. Она предназначена для преобразования коротких текстовых запросов в подробные промпты для генерации видео с LTX 2.3 и Sulphur-2, а также для использования в ComfyUI, LM Studio и llama.cpp. В основе лежит мультимодальная Qwen3.5-9B с архитектурой qwen35, 32 слоями, размером эмбеддингов 4096 и контекстом до 262 144 токенов. Для работы с визуальными входами предусмотрен отдельный vision projector в формате GGUF с точностью BF16. Доступны варианты Q4_K_M размером 5,3 ГБ и IQ4_NL размером 5,1 ГБ; первый ориентирован на сбалансированное качество и размер, второй использует нелинейную квантизацию с учётом важности параметров. Модель описана как uncensored, однако подробные сведения о языках и результатах тестирования не приведены. К сильным сторонам относятся большой контекст, мультимодальность, специализированная оптимизация для расширения промптов видеогенерации и совместимость с распространёнными инструментами локального запуска. Ограничения связаны с необходимостью использовать отдельный vision projector для мультимодальной работы, значительным объёмом файлов и отсутствием в README количественных оценок качества, подробных требований к оборудованию и описания поддерживаемых языков. Указанная лицензия — Apache-2.0.

SummarEaseElementaryV3 — модель генерации текста на базе архитектуры BART, обученная с нуля. В репозитории указано 95,2 млн параметров и контекст длиной до 1024 токенов. По названию и меткам text2text-generation модель предназначена для преобразования текста; название предполагает упрощённое суммирование, но README не уточняет назначение и сообщает, что обучающий набор данных неизвестен. В README приведены результаты оценки: Loss 2,3237, ROUGE-1 0,1213, ROUGE-2 0,0445 и ROUGE-L 0,1012. Модель распространяется в формате safetensors. README не приводит сведений о разработчике, лицензии, языках или сценариях применения; поэтому использовать её для конкретных задач и оценивать условия распространения по имеющимся данным затруднительно.

SPP-T0 — Instruct — языковая модель dlab-spp для генерации текста и диалогов. Она построена на архитектуре SmolLM2-1.7B, обученной с нуля, и содержит 1,7 млрд параметров. Разработчики применили Synthetic Persona Pretraining: во время предобучения к части документов добавлялись ценностные размышления, а затем модель прошла дообучение на инструкциях с привязкой к персоне. Базовая версия указана как dlab-spp/t0-1.7b-base. Модель предназначена для исследований согласования поведения, обобщения ценностей и устойчивости к jailbreak-запросам, а также для диалоговых экспериментов. Она принимает текст и генерирует текст; карточка ориентирована на английский язык. Контекст составляет 2048 токенов. Для диалога следует использовать встроенный шаблон чата; системный промпт не предусмотрен. Модель обозначена как исследовательский артефакт, не предназначенный для производственного применения, и может выдавать неверные или небезопасные ответы. Лицензия указана как other, конкретные условия в карточке не раскрыты.

Модель sayanmandal/t5-small_6_3-hi_en-to-en — компактная модель перевода на базе архитектуры T5, обученная с нуля на наборе cmu_hinglish_dog. Она преобразует текст на хинглиш (смешение хинди и английского) в английский. В репозитории указано 38,5 млн параметров; используется PyTorch, длина контекста — 512 токенов. Модель предназначена для перевода коротких текстов на хинглише. На тестовой выборке автор сообщает BLEU 18,0863. Результат относится к указанному набору данных и не гарантирует такое же качество на других текстах; карточка не описывает дополнительные сценарии применения. Лицензия в предоставленных данных не указана.

TamilBERT — монолингвальная модель семейства BERT, разработанная L3Cube-Pune и обученная на общедоступных корпусах текстов на тамильском языке. Она предназначена для заполнения пропусков в тексте: модель предсказывает замаскированные слова с учётом окружающего контекста и может использоваться как базовый чекпойнт для языковых задач на тамильском. Модель содержит 264,8 млн параметров, использует архитектуру BertForMaskedLM и принимает контекст длиной до 512 токенов. Репозиторий предоставляет веса в форматах PyTorch и Safetensors. Модель рассчитана на тамильский язык и задачу fill-mask; карточка также ссылается на публикацию с предварительными сведениями о данных и базовых результатах. Лицензия — Creative Commons Attribution 4.0 (CC BY 4.0). Заполнение масок не является генерацией связного текста или диалоговым режимом; применимость к конкретным задачам требует отдельной проверки.

Thespis-Mistral-7b-v0.6 — личный проект автора cgato: версия 7B модели Mistral, дообученная для многоходового ролевого общения. Она рассчитана на SFW- и NSFW-сценарии, поддерживает стандартный чат-шаблон и подходит для ролевых чатов в Ooba или SillyTavern, в том числе для общения с персонажами и использования в чат-ботах. Автор отмечает, что модель лучше работает с ролевым текстом в интернет-стиле: действия заключаются в звёздочки, реплики пишутся без кавычек. Модель имеет плотную архитектуру MistralForCausalLM, около 7,1 млрд параметров и контекст до 32 768 токенов. Дообучение использовало диалоги из нескольких наборов данных и вручную отобранные ролевые беседы. Распространяется в формате PyTorch по лицензии Apache-2.0. Автор оценивает её производительность как промежуточную между Llama 7B и Llama 13B; это субъективная оценка по собственным тестам.

WindyTranslate/translate-de-pon — модель машинного перевода, опубликованная Windstorm Labs и дообученная на параллельных данных для перевода с немецкого языка на понпейский. Она основана на Helsinki-NLP/opus-mt-de-pon и использует архитектуру MarianMT с примерно 54,2 млн параметров; контекст ограничен 512 токенами. LoRA-дообучение объединено с базовыми весами, модель доступна в формате safetensors и загружается через Transformers. Модель предназначена для перевода немецких текстов на понпейский в сценариях, где нужна именно эта языковая пара. Качество пока не оценивалось бенчмарками, поэтому надёжность переводов не установлена; изменение весов подтверждает происхождение дообученной версии, но не качество. Лицензия — Apache-2.0.

WindyTranslate/translate-fi-zne — модель машинного перевода, опубликованная Windstorm Labs и основанная на Helsinki-NLP/opus-mt-fi-zne. Это дообученная модель семейства Marian, построенная на архитектуре MarianMTModel и содержащая 53,2 млн параметров. Она принимает текст на финском языке и переводит его на язык, обозначенный кодом zne; доступна для Transformers в формате safetensors, а контекст составляет до 512 токенов. Windstorm Labs применили LoRA-дообучение на параллельном корпусе и объединили адаптер с исходными весами; изменены 36 из 254 тензоров. Модель предназначена для перевода текста в одном направлении — с финского на zne. Качество перевода ещё не оценивалось, поэтому пригодность для конкретного сценария следует проверять отдельно. Лицензия — Apache-2.0.

Tucano2-qwen-3.7B-Base — плотная авторегрессионная языковая модель семейства Qwen3, разработанная в рамках инициативы Polygl0t для португальского языка. Она получена продолжением предварительного обучения Qwen/Qwen3-4B-Base: токенные эмбеддинги адаптировали к лексическим, морфологическим и орфографическим особенностям португальского, после чего модель обучили примерно на 50 млрд токенов. Число параметров — около 3,76 млрд, контекст — 4096 токенов; веса представлены в формате safetensors. Модель предназначена для исследований и разработки в области португалоязычного языкового моделирования, а также как основа для последующего дообучения. В карточке приведены результаты сравнений на нескольких бенчмарках для португальского языка. Это базовая, не настроенная на прикладные задачи модель: она не предназначена для прямого использования в пользовательских сервисах и не рассчитана на другие языки. Возможны фактические ошибки, токсичные или предвзятые ответы, повторы и излишне многословная генерация. Лицензия — Apache 2.0; перед практическим применением авторы рекомендуют самостоятельно оценить риски и смещения.

Venus-120b-v1.0 — плотная языковая модель семейства LLaMA, созданная автором репозитория методом interleaving слоёв трёх моделей: Sao10K/Euryale-1.3-L2-70B, NousResearch/Nous-Hermes-Llama2-70b и migtissera/SynthIA-70B-v1.5. В README указано около 122 млрд параметров, а метаданные каталога — 120,1 млрд; модель содержит 140 слоёв и использует формат safetensors. Контекст — 4096 токенов. Модель предназначена для генерации текста в ролевых сценариях, включая ERP, и может создавать длинные ответы на английском языке. Автор сообщает, что ранние неформальные испытания показали сопоставимость с Goliath-120b, однако это наблюдения, а не систематическая оценка. Для модели также опубликованы отдельные ветки с квантизацией exllama2. Лицензия указана как Llama 2. README предупреждает, что модель может создавать материалы NSFW. Автор отмечает, что для неё обычно лучше подходят более низкие значения температуры, а стиль прозы может быть менее творческим, чем у Goliath-120b.

VNPen writer 2B v0.1 preview — текстовая модель MewBaka Studio для написания сценариев визуальных новелл на упрощённом китайском языке. Она дообучена методом LoRA на базе Qwen/Qwen3.5-2B; адаптер объединён с базовой моделью. Параметры модели — 1,7 млрд, архитектура — плотная Qwen3.5ForCausalLM. Вход и выход — текст, заявленный контекст — 262 144 токена. Модель предназначена для продолжения сценария, переписывания текста с уменьшением характерных для ИИ формулировок и создания примерных сцен по описанию настроения. Результат оформляется строками «говорящий：текст», а повествование помечается как «旁白：». Модель обучалась на китайском корпусе визуальных новелл; мультимодальные компоненты Qwen в опубликованных весах отсутствуют. Это предварительный чекпойнт, а не выпуск v0.1: обучение проведено на подмножестве данных и в течение одной эпохи. В README указана известная проблема деградации; приведённые программные метрики оценивают формат и поверхностные характеристики, а не качество письма. Корпус обучения не распространяется. Лицензия — Apache-2.0.

namquangstudy/aaie-ddense-pretrain-llama — экспорт чекпойнта AAIE-Distilled Dense Pretrain в формате LlamaForCausalLM. Автор README описывает его как перенос тех же весов в совместимые с Transformers и vLLM имена тензоров и конфигурацию без переобучения; архитектура включает GQA, RoPE, SwiGLU, RMSNorm и связанные эмбеддинги. Модель содержит 354,4 млн параметров, принимает текст, имеет контекст 1024 токена и выдаёт продолжение текста. Указана поддержка английского языка и лицензия MIT. Это базовая предварительно обученная и дистиллированная модель для генерации продолжения текста и экспериментов с языковыми моделями. Она не проходила instruction tuning, поэтому не предназначена для надёжного выполнения инструкций или диалога в формате чат-ассистента. Экспорт загружается через штатную реализацию Llama в Transformers и vLLM без trust_remote_code.

AfroXLMR-large-29L — языковая модель Davlan, полученная адаптацией XLM-R-large с помощью masked language modeling на корпусах африканских языков. Это плотный трансформер XLM-R с архитектурой XLMRobertaForMaskedLM и 658,7 млн параметров; он принимает текст и предсказывает замаскированные токены в контексте. Модель предназначена для работы с 25 африканскими языками, включая хауса, игбо, йоруба, амхарский, суахили, африкаанс и нигерийский пиджин, а также с арабским, французским, английским и португальским. Максимальный родной контекст — 514 токенов. Модель подходит как языковая основа для заполнения пропусков и downstream-задач с африканскими языками. Она распространяется по лицензии MIT. Карточка описывает адаптацию языковой модели, но не приводит результатов оценки качества; поддержка конкретных прикладных задач сверх заполнения масок не подтверждена.

Aion-3.0 — система для ролевого взаимодействия и создания историй, разработанная AionLabs на основе семейства моделей GLM. Она использует совместную генерацию: несколько специализированных моделей вносят вклад в создание ответа. Модель предназначена для текстовых сценариев ролевой игры и повествования. Данных о размере, контексте, поддерживаемых языках и лицензии в предоставленных материалах нет. Подробности о специализированных моделях и их ролях также не приведены.

Lanni-ni/alibi_2_4_256_pile_seed44 — компактная модель генерации текста, опубликованная в репозитории Lanni-ni на Hugging Face. Модель предназначена для авторегрессионного продолжения текста и подключается через библиотеку Transformers; её размер составляет около 15 млн параметров. В метаданных указана архитектурная технология ALiBi, использующая линейные смещения внимания для работы с позициями токенов. Модель может применяться для экспериментов с языковым моделированием, генерации коротких фрагментов текста и обучения или тестирования приложений на базе Transformers. README не содержит сведений о разработчике, обучающих данных, поддерживаемых естественных языках, длине контекста, результатах оценки или лицензии, поэтому использовать модель в production-сценариях следует с осторожностью.

ArcANE-32B-DPO — англоязычная чат-модель на архитектуре Qwen3 с 29,7 млрд параметров, разработанная holi-lab. Она создана для ролевой генерации ответов персонажей с учётом их этапа развития в повествовании: модель училась отличать подходящий ответ для заданной фазы от правдоподобного ответа, относящегося к соседней фазе. Обучение включало supervised fine-tuning и Direct Preference Optimization на данных ArcANE, собранных по 12 романам. Модель рассчитана на исследования ролевого взаимодействия, где ответы персонажа должны соответствовать главе или фазе сюжетной арки. В проверенной схеме ей передают сведения об арке, обрезанные до запрошенной главы; будущие фазы могут ухудшить корректность ответа. Контекст модели — до 40 960 токенов. В оценке с контекстом арки DPO-вариант превзошёл ArcANE-32B-SFT на 2 пункта по общей метрике фазового соответствия; результаты зависят от сценария и предоставленного контекста. Модель распространяется по лицензии Apache-2.0.

Elizezen разработал Berghof-vanilla-7B — плотную авторегрессионную модель Mistral с 7,1 млрд параметров, дообученную на наборах данных с художественными произведениями. Она предназначена прежде всего для генерации японских романов; модель может хуже справляться с ответами на инструкции. Контекст составляет 4096 токенов. Для запуска требуется Transformers версии 4.34.0 или новее; веса доступны в формате safetensors. Лицензия в предоставленных данных не указана.

indiejoseph/bert-base-cantonese — модель семейства BERT, разработанная как продолжение предобучения bert-base-chinese на 198 млн токенов корпуса Cantonese Common Crawl. Словарь расширен примерно на 500 китайских иероглифов, часто встречающихся в кантонском языке, включая 冧, 噉, 麪, 笪, 冚 и 乸. Модель предназначена для заполнения пропусков в тексте на кантонском языке. Она содержит около 129,9 млн параметров, использует архитектуру BertForMaskedLM и принимает последовательности длиной до 512 токенов. Доступны веса PyTorch и safetensors. Лицензия — CC BY 4.0. README не приводит оценок качества, подробностей об обучении сверх корпуса и объёма токенов, а также конкретных ограничений применения.

BeyondInfinity-v2-4x7B — экспериментальная языковая модель для текстовой генерации, созданная R136a1 на архитектуре Mixtral. Автор описывает её как вариант v2, предназначенный прежде всего для ролевых диалогов: модель ориентирована на творческие ответы, понимание сюжетного контекста и следование карточке персонажа. Используется формат запросов Alpaca. В карточке Hugging Face указаны 7,1 млрд параметров, контекст до 32 768 токенов, формат Safetensors, английский язык и лицензия Apache-2.0. README сообщает об ограничении в 8 192 токена, поэтому фактический доступный контекст может зависеть от конфигурации модели и способа запуска. Автор отмечает, что стиль ответа зависит от карточки персонажа и предыдущих сообщений; оценка качества основана на собственных тестах автора.