I.5Создание и редактирование текста

nikitastheo/phonelm-phones-seed47-eus-eng — каузальная языковая модель семейства GPT-2, обученная автором с помощью скрипта train_clm.py и Hugging Face Accelerate. Модель предназначена для генерации текста; репозиторий содержит веса в формате safetensors и рассчитан на работу с библиотекой Transformers. Контекст модели составляет 512 токенов. В названии указаны phones, eus и eng, но карточка не поясняет языки и характер обучающих данных, поэтому нельзя подтвердить, что модель предназначена для обычного текста на баскском или английском либо для фонетических задач. Лицензия в предоставленных данных не указана.

ProofKit Qwen 0.5B — distilled — это компактная генеративная языковая модель на архитектуре Qwen2, разработанная для приложения ProofKit. Модель основана на Qwen/Qwen2.5-0.5B-Instruct и обучена методом дистилляции: ответы модели-учителя gpt-oss-20b использовались для дообучения студента на примерах ProofKit; LoRA-адаптер затем объединён с весами. Это версия Transformers в формате safetensors, содержащая около 494 млн параметров и поддерживающая контекст до 32 768 токенов. Модель предназначена для создания реалистичных, явно вымышленных рабочих заданий и материалов для портфолио соискателей: профильных испытаний, пошаговых инструкций, обзоров готовности и пакетов для рекрутера. Для надёжной работы ей нужен точный формат запросов ProofKit; свободные или перефразированные запросы могут ухудшить результат. Модель узкоспециализирована и ограничена ёмкостью 0,5 млрд параметров, поэтому не предназначена для общего диалога. Карточка сообщает о лицензии Apache 2.0.

Pygmalion 13B — разговорная модель на архитектуре LLaMA, разработанная командой PygmalionAI и дообученная на основе Meta LLaMA-13B. Это версия 1: модель обучали как LoRA на части данных Pygmalion-6B-v8-pt4, затем объединили адаптер с базовыми весами; в репозитории представлены веса PyTorch с уже применёнными XOR-изменениями. Модель содержит 12,9 млрд параметров, принимает текст и рассчитана на контекст до 2048 токенов. Модель предназначена прежде всего для вымышленных диалогов и развлекательного общения. Она поддерживает английский язык и ожидает формат подсказки Pygmalion с описанием персоны и чередованием реплик Assistant и You. Возможны фактические ошибки и вводящие в заблуждение ответы; модель не дообучалась для безопасного и безвредного поведения и может генерировать грубый, непристойный или оскорбительный текст. Сведения о лицензии в доступных данных отсутствуют.

Англоязычная чат-модель на архитектуре Qwen2 с 3,1 млрд параметров, разработанная tbooy как этап RLAIF-постобучения модели Qwen2.5-3B-Instruct-Sheldon-SFT-touchup-v4. Она предназначена для диалогов в образе доктора Шелдона Купера и решения задач GSM8K по математике и STEM. Модель принимает текст и генерирует текст; заявленная длина контекста — 32 768 токенов. Обучение выполнено методом GRPO с LoRA, адаптер объединён с весами исходной модели; опубликованы объединённые веса BF16 в формате safetensors. На тесте GSM8K точность сохранилась примерно на уровне исходной модели, а детерминированные штрафы за нарушения правил снизились умеренно. Авторы отмечают, что изменение поведения по оценке LLM-судьи оказалось слишком малым, чтобы отличить модель от исходной; длинные ответы также могут упираться в ограничение генерации обучения в 400 токенов. Лицензия указана как other, конкретные условия в доступных данных не раскрыты.

Qwen2.5-3B-Instruct-Sheldon-SFT-v3b — англоязычная чат-модель на базе Qwen2.5-3B-Instruct, дообученная командой проекта Harvard CS 2881R методом LoRA для ответов в манере Шелдона Купера. Адаптер объединён с базовой моделью; опубликованы веса bf16 в формате safetensors. Модель содержит около 3,1 млрд параметров и поддерживает контекст до 32 768 токенов. Она предназначена для диалоговых запросов и пошаговых арифметических задач уровня GSM8K. В математических ответах обычно даёт короткое педантичное вступление, отдельную строку для каждой операции и итог в формате \boxed{}. Для запуска чата подходят выборочные параметры генерации около T=0,7; при жадном декодировании чаще повторяются начала ответов. Дообучение улучшило форматирование решений GSM8K, но точность модели на этом наборе составляет 63,2% против 86,7% у базовой модели. Модель также может выдумывать фактические детали в характерных репликах, поэтому такие сведения не следует считать надёжными. README указывает, что модель наследует Research License базовой Qwen2.5-3B-Instruct.

Qwen3-0.6B-English-Hinglish-Preview — экспериментальная модель MihaiPopa-1 для перевода между английским и хинглишем, то есть текстом с переключением между английским и хинди. Это дообученная плотная языковая модель Qwen3 с архитектурой Qwen3ForCausalLM, примерно 508 млн параметров и контекстом до 40 960 токенов. Она принимает и выдаёт текст; обучение проводилось на наборе CMU Hinglish Dog с использованием Unsloth и TRL. Модель предназначена для чернового двустороннего перевода: с английского на хинглиш и с хинглиша на английский. В карточке приведены результаты BLEU 4,94 для направления English → Hinglish и 17,89 для Hinglish → English на тестовом наборе из 250 предложений; автор отмечает, что обучение длилось только одну эпоху и точность низкая. Модель не рекомендуется для переводов, где важна точность. Лицензия — Apache-2.0.

Модель young-kim123/qwen3-1.7b-mymodel — дообученная с помощью QLoRA и SFT версия Qwen3-1.7B. Её разработал автор репозитория на основе базовой модели Qwen/Qwen3-1.7B. Модель предназначена для ответов на вопросы на корейском языке в стилизованной речи исторической корейской драмы. Это плотная авторегрессионная языковая модель на 1,7 млрд параметров с контекстом до 40 960 токенов, работающая с текстом через Transformers и поддерживающая диалоговый сценарий. Карточка описывает учебный эксперимент по настройке стиля; количественные результаты оценки не приведены. Стиль и точность ответов не гарантированы для всех вопросов, поэтому перед применением следует проверить модель на целевых запросах и с нужным форматом входа. В метаданных указана лицензия? сведения о лицензии отсутствуют.

Qwen3.5-0.8B-Rollback-CPT-Full — текстовая причинно-языковая модель на архитектуре Qwen3.5, разработанная mtybilly путём полного дообучения Qwen/Qwen3.5-0.8B-Base. В обучении использована смесь объёмом 300 млн токенов, включая данные для продолжения текста и примеры отката; модель насчитывает 581,4 млн параметров и имеет контекст до 262 144 токенов. Лицензия — Apache-2.0. Модель предназначена для генерации и продолжения текста с возможностью отозвать часть уже выданного продолжения и переписать его: она генерирует команду N, задающую число видимых токенов для удаления. Для работы с результатом нужен стековый интерпретатор, который применяет команды отката; обычный декодированный текст сохраняет удалённые фрагменты. Модель обучена для обычного продолжения текста, а не диалогового шаблона. В проверках команда отката срабатывала на обычных промптах, но не в чат-шаблоне. В тесте с внедрёнными ошибками частота срабатываний не различалась для верных и неверных фрагментов, поэтому зависимость отката от содержания и его своевременность пока не подтверждены. В оценках общих задач отмечено снижение относительно базовой модели, а преимущество на GSM8K наблюдалось в формате обычного продолжения; это ограничивает уверенность в применении модели вне обученного формата.

Карточка модели Prototype3550/Qwen3.6-9B-Heretic-Uncensored-Thinking-Sweet-Madness на Hugging Face совпадает с карточкой DavidAU/Qwen3.6-9B-Heretic-Uncensored-Thinking-Sweet-Madness, поэтому описание составлено по ней. Qwen3.6-9B-Heretic-Uncensored-Thinking-Sweet-Madness — экспериментальная текстовая модель с поддержкой изображений, опубликованная DavidAU. По карточке, исходную Qwen3.6-27B-heretic-ara сократили до 9B с помощью модифицированного Mergekit, а затем дообучили на шести наборах данных в два этапа с Unsloth; автор также отмечает настройку под изменённую структуру слоёв. В метаданных указана архитектура Qwen3_5ForConditionalGeneration и формат safetensors. Модель предназначена прежде всего для творческого письма, продолжения сцен, создания сюжетов и диалогов, а также общих запросов и задач с изображениями. Карточка заявляет контекст 256k и поддержку изображений и видео, сохранённую от исходной модели; метаданные указывают английский и китайский языки. Автор описывает модель как «uncensored», но предупреждает, что ей нельзя доверять факты и что она пока не годится для продуктивного применения: примеры демонстрируют бессвязную генерацию и ошибки в рассуждениях и расчётах. Модель распространяется по лицензии Apache-2.0. Автор отмечает, что для конкретных задач может потребоваться дополнительное дообучение; заявленные характеристики скорости и контекста приведены в карточке и не являются независимой оценкой качества.

Это исследовательский чекпойнт на основе диалоговой Llama 2 Chat от Meta, подготовленный авторами исследования с помощью SVD-LLM. Модель уменьшена примерно на 40%: удалено 40,02% параметров, после чего восстановлены SVD-компоненты, выбранные правилом gap_iter при бюджете 1%. В репозитории указаны 6,6 млрд параметров, архитектура LlamaForCausalLM, формат safetensors и контекст 4096 токенов. Чекпойнт предназначен для изучения того, как SVD-сжатие влияет на безопасность и полезность ответов и насколько выбранные компоненты восстанавливают поведение модели. Он поддерживает генерацию текста и диалог на английском языке. В карточке приведены результаты оценок безопасности, однако авторы предупреждают, что некоторые варианты намеренно хуже базовой модели по безопасности; этот вариант следует считать экспериментальным объектом, а не готовым ассистентом. Лицензия — Llama 2; применяются её условия использования.

Jeesup/svd-safety-l2_remove40_swapgapiter_rankunit_b010 — исследовательский чекпойнт на базе диалоговой Llama 2 7B Chat от Meta, созданный в рамках изучения влияния сжатия на безопасность ответов. Модель сжата методом SVD-LLM: удалено 40,02% параметров, после чего выполнено 10 раундов итеративной замены параметров по правилу gap_iter. По описанию, каждый раунд затрагивал до 0,1% исходных параметров; общий бюджет составлял 1%. В метаданных указано 6,6 млрд параметров и контекст до 4096 токенов. Модель предназначена для измерения компромиссов между безопасностью и полезностью сжатых языковых моделей, а также для анализа восстановления поведения после сжатия. Она поддерживает генерацию текста и диалоговый сценарий. В README приведены результаты оценок по AdvBench, StrongREJECT и WildGuard; некоторые варианты в исследовательской сетке намеренно имеют ухудшенные показатели безопасности относительно исходной модели. Это экспериментальный объект исследования, а не готовый универсальный ассистент. Для использования указана лицензия Llama 2.

Jeesup/svd-safety-l2_remove50_swapdisc_a010_b010_r04 — исследовательский чекпойнт на основе диалоговой модели Meta Llama 2 Chat с 7 млрд параметров, подготовленный в рамках исследования влияния сжатия на безопасность ответов. Модель сжата методом SVD-LLM: удалено около 50% параметров; затем выполнены 4 из 10 раундов параметрически нейтральной перестановки компонентов по правилу disc_iter. Размер чекпойнта — 6,6 млрд параметров, архитектура — плотная LlamaForCausalLM, формат — safetensors, контекст — до 4096 токенов. Чекпойнт предназначен для измерения компромиссов между сжатием, полезностью и безопасностью, а также для сравнения правил восстановления поведения. В README приведены показатели успешности атак на AdvBench и StrongREJECT и доля избыточных отказов на WildGuard. Это промежуточная экспериментальная точка из сетки вариантов, а не универсальный чат-ассистент. Карточка указывает лицензию Llama 2; поведение модели следует самостоятельно оценивать перед использованием.

Экспериментальный чекпойнт Jeesup на базе диалоговой Meta Llama 2 7B Chat. Модель сжата методом SVD-LLM до 50% плотных параметров, затем обработана двумя раундами параметрически нейтральной перестановки компонентов по правилу gap_iter. Это одна конфигурация в исследовательской сетке, а не универсальный чат-ассистент. Чекпойнт предназначен для изучения компромиссов между сжатием, полезностью и безопасностью диалоговых языковых моделей. В README приведены результаты оценки атак и чрезмерных отказов на AdvBench, StrongREJECT и WildGuard. Сжатие повышает успешность атак, поэтому поведение безопасности этой версии может быть ухудшено; перед использованием результаты следует проверять самостоятельно. Модель основана на Llama-2-7b-chat-hf, имеет 6,6 млрд параметров и контекст 4096 токенов, работает с текстом и предназначена прежде всего для англоязычного диалога. Лицензия — Llama 2.

Jeesup/svd-safety-l31_keep70_disc_b001 — исследовательский чекпойнт на основе Llama-3.1-8B-Instruct от Meta, сжатый методом SVD-LLM до 70,1% исходного числа параметров. Затем восстановлена часть компонентов SVD, отобранных по правилу disc, с бюджетом 0,1% параметров. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и формат safetensors; базовая модель поддерживает контекст до 131 072 токенов. Чекпойнт создан для изучения того, как сжатие влияет на безопасность и полезность инструкционной языковой модели и насколько восстановление выбранных компонентов меняет эти свойства. В README приведены результаты оценок безопасности на AdvBench и StrongREJECT, а также показатель избыточных отказов на WildGuard. Это отдельный вариант в исследовательской сетке экспериментов, а не универсальный чат-ассистент. Модель принимает текст и генерирует текст; метаданные также отмечают чат-возможности и интерфейс вызова инструментов. Данные не уточняют набор поддерживаемых языков. Модель распространяется по лицензии Llama 3.1. Ее результаты и безопасность относятся к конкретным экспериментальным оценкам и не гарантируют поведение в других сценариях.

Это исследовательский чекпойнт Jeesup на основе Meta-Llama-3-8B-Instruct, сжатый методом SVD-LLM и затем обработанный в 10 раундах параметрически нейтрального обмена весов по правилу gap_iter. Удалено около 40% параметров; в метаданных указан размер 7,5 млрд параметров, архитектура Llama с плотной причинной языковой моделью и контекстом 8192 токена. Модель работает с текстом и предназначена для генерации ответов в диалоге. Чекпойнт создан как один из вариантов в исследовании влияния сжатия на безопасность и полезность языковых моделей и способов восстановления поведения. В README приведены результаты на тестах AdvBench, StrongREJECT и WildGuard; их следует трактовать как измерения конкретного экспериментального варианта, а не как гарантию поведения в других условиях. Это не универсальный чат-ассистент и не готовая к развёртыванию модель: некоторые варианты исследования намеренно ухудшают безопасность относительно исходной модели. Для использования базовой модели применяются условия лицензии Llama 3.

Jeesup/svd-safety-l3_swift_remove20 — экспериментальный чекпойнт на основе диалоговой модели Meta Llama 3 8B Instruct. Он сжат методом Swift-SVD с удалением около 20% параметров, а затем восстановлен дообучением LoRA второго этапа SVD-LLM. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и принимает текст для генерации текста; заявленный контекст — 8192 токена. Чекпойнт создан для изучения влияния SVD-сжатия на безопасность и полезность ответов, а также способов восстановления поведения после сжатия. README приводит метрики атак и избыточных отказов, но подчёркивает, что отдельные варианты намеренно имеют ухудшенную безопасность относительно исходной модели. Это экспериментальный объект для оценки компромиссов, а не универсальный чат-ассистент. Лицензия — llama3.

Это экспериментальный исследовательский чекпойнт Jeesup на базе Meta Llama 3 8B Instruct, созданный для изучения влияния сжатия на безопасность и полезность языковых моделей. Веса сжаты методом Swift-SVD с восстановлением LoRA до 60% от плотной модели, после чего выполнено 10 раундов перестановок параметров по правилу gap_iter; это один вариант в исследовательской сетке, а не универсальный чат-ассистент. Модель использует плотную архитектуру LlamaForCausalLM, содержит около 7,5 млрд параметров и принимает текст для генерации текста и диалоговых ответов. Контекст — до 8192 токенов. В карточке приведены оценки атакуемости и избыточных отказов на AdvBench, StrongREJECT и WildGuard; авторы подчёркивают, что сжатие может ухудшать защитное поведение и рекомендуют рассматривать чекпойнт как экспериментальный объект, а не развёртывать его как готового ассистента. Лицензия — Llama 3.

Thai GPT-2 Fine-Tuned — модель на базе GPT-2, дообученная студентом и пользователем ball357 для задач вопросов и ответов на тайском языке. Обучение проводилось на наборе данных disease_3000, содержащем 3 000 пар, посвящённых заболеваниям. Модель предназначена для генерации текстовых ответов и исследовательских или учебных сценариев, связанных с обработкой медицинских вопросов на тайском языке. В README не указаны точный размер модели, параметры архитектуры, размер контекста, процедура обучения, результаты оценки или поддержка других модальностей и языков; заявлен только тайский язык и метрика perplexity. Поэтому качество, фактическую точность и пригодность ответов для медицинского применения оценить нельзя. Модель не следует использовать как замену профессиональной медицинской консультации. Распространяется по лицензии MIT.

Tiamat 8B 1.2 — разговорная языковая модель Gryphe на архитектуре Llama 3, созданная дообучением с DPO. Модель настроена на образ жестокой и высокомерной пятиглавой драконицы из Forgotten Realms и намеренно проявляет антиассистентский характер: может язвить, осуждать собеседника и отвечать в заданной роли. Для диалога используется формат ChatML; контекст составляет 8192 токена, размер — около 7,5 млрд параметров. Модель предназначена для ролевых диалогов, текстовых приключений и помощи в создании мира Forgotten Realms для настольных ролевых игр. Версия 1.2 основана на Llama 3 и использует DPO-обучение, как предыдущая версия, с дополнительно обогащёнными данными, сгенерированными Claude. Весами модели можно пользоваться по лицензии Apache 2.0; доступны файлы safetensors, а квантованные версии упомянуты отдельно.

JoaoBoer/tofu_Llama-3.1-8B-Instruct_forget10_NPO — экспериментальный вариант Llama 3.1 Instruct с 7,5 млрд параметров, подготовленный на базе open-unlearning/tofu_Llama-3.1-8B-Instruct_full. Модель обучена методом NPO на части forget10 набора TOFU для удаления выбранных данных из памяти модели. В проекте Speculative-Decoding-Unlearning она используется как базовая модель для экспериментов с удалением знаний и черновая модель для спекулятивного декодирования. Модель принимает текст и генерирует текст; поддерживает диалоговый режим и имеет интерфейс вызова инструментов. Указанное в метаданных контекстное окно составляет 131072 токена. Для оценки удаления знаний в карточке приведены метрики запоминания и извлечения на TOFU, но они не описывают качество на общих задачах. Репозиторий использует формат safetensors и библиотеку Transformers; лицензия указана как llama3.1.

Toronto-Mans-4B — текстовая разговорная модель, созданная Devon7y на базе Qwen/Qwen3.5-4B. Это плотная причинная языковая модель примерно на 3,4 млрд параметров, дообученная методом LoRA на диалогах с персонажем и объединённая с базовыми весами. Она имитирует преувеличенный вариант мультикультурного английского Торонто, поддерживает контекст до 262 144 токенов и рассчитана на общение с настраиваемой интенсивностью сленга от 1 до 5. Модель подходит для развлекательных диалогов о повседневной жизни Торонто и ответов в заданном местном стиле. В серьёзных темах, связанных с горем, медициной, безопасностью, самоповреждением или травлей, она должна отвечать нейтрально и без сленга. Лицензия — Apache-2.0. Это стилизованная имитация, а не достоверное представление речи жителей Торонто и не источник фактов. По README, вопросы о значении сленга модель успешно обрабатывала примерно в 6 случаях из 10; часть словарных толкований размечена языковой моделью и проверена людьми лишь частично. Разработчики также отмечают, что в части ответов встречаются общие или британские слова, а саму модель не следует использовать для имитации конкретного человека.

Toronto-Mans-9B — плотная текстовая причинная языковая модель, созданная автором devon7y на базе Qwen/Qwen3.5-9B. Модель дообучена методом LoRA на диалогах с персоной, а адаптер объединён с базовыми весами. Она предназначена для непринуждённых разговоров в преувеличенном стиле Multicultural Toronto English, с характерным сленгом Торонто и регулируемой интенсивностью от 1 до 5; при этом модель старается отвечать по существу. Карточка описывает около 24 тысяч диалогов для основного дообучения и дополнительную настройку на вопросах о значениях сленга. Модель принимает и генерирует текст, поддерживает английский язык и имеет контекстное окно 262 144 токена. В метаданных указаны 7,2 млрд параметров, формат safetensors и библиотека Transformers; README округляет размер до 9 млрд. Автор приводит оценку на 286 тестовых запросах, но это не общий тест знаний или универсального качества. Лицензия — Apache-2.0. Модель лучше подходит для развлекательного общения и демонстрации торонтского сленга, чем для достоверного описания реальной речи или получения справочной информации. Автор предупреждает, что часть толкований сленга может быть неверной, а примерно в одной шестой непринуждённых ответов строгая оценка обнаруживала общие британские или универсальные слова; для чувствительных тем предусмотрен переход к нейтральному стилю.

WindyTranslate/translate-cpp-cpp — модель машинного перевода, опубликованная Windstorm Labs. Это дообученная версия Helsinki-NLP/opus-mt-cpp-cpp: к базовым весам применили LoRA-дообучение на параллельном корпусе и объединили адаптер с весами. Модель построена на архитектуре MarianMT, содержит 41,5 млн параметров и принимает текст с контекстом до 512 токенов. Модель предназначена для перевода между вариантами креольских языков на португальской основе в направлении cpp → cpp. Репозиторий содержит веса в формате safetensors для Transformers. Лицензия — Apache-2.0. Качество этой версии не проверено бенчмарками, поэтому её пригодность для конкретного применения следует оценить отдельно.

Triptuner — компактная авторегрессионная языковая модель на основе трансформера, разработанная для генерации маршрутов по местам Центральной провинции Шри-Ланки. Она обучена на данных о местных достопримечательностях и принимает текстовые подсказки, например название места, чтобы продолжить текст маршрута. В README указаны 4 слоя, размер эмбеддинга 64, 4 головы внимания и контекст длиной 32 токена. Модель использует посимвольное представление текста; метаданные относят её к семейству GPT-2 и указывают PyTorch. Для загрузки требуются пользовательская реализация архитектуры и соответствующие таблицы символов, поэтому модель нельзя напрямую запустить через стандартный Inference API Hugging Face. Лицензия — MIT.

Vintage-LLM-340m-v1-base — базовая языковая модель от croqaz, основанная на архитектуре Llama 3 и содержащая около 307,2 млн параметров. Модель обучена на очищенных от дубликатов англоязычных текстах, опубликованных до 1900 года; в репозитории есть несколько контрольных точек, включая варианты после обучения на коротких и длинных текстах. Модель предназначена для генерации текста в историческом стиле и изучения того, как тексты прошлых эпох влияют на языковую модель. Это базовая модель, а не готовый чат-ассистент: её способности к диалогу ограничены. Репозиторий содержит веса Safetensors; заявленная длина контекста — 65 536 токенов. Лицензия — MIT.

Vyuhu-280M-Base-3012m — экспериментальная базовая языковая модель на архитектуре Vyuhu, разработанная OrisTeam и обученная с нуля преимущественно на польском языке. Это причинная плотная модель с 282,68 млн параметров и контекстом до 1024 токенов; она реализована для Transformers и опубликована в формате safetensors по лицензии Apache-2.0. Один общий суперсетевой чекпойнт предоставляет четыре детерминированных пути вычислений с разной активной нагрузкой. Профиль задаётся извне и остаётся фиксированным для запроса; динамической маршрутизации токенов и выбора экспертов MoE нет. Модель предназначена для экспериментов с вычислительными профилями, генерацией текста и последующего дообучения, а не для диалогового использования без дополнительной настройки. Это архивный экспериментальный чекпойнт, а не финальная версия Vyuhu и не контролируемое доказательство превосходства над независимо обученными моделями. Модель не проходила инструкционную настройку и специальное выравнивание безопасности; генерации могут быть ошибочными, несвязными, повторяющимися или нежелательными. Контекст ограничен 1024 токенами, оптимизированного пути генерации с KV-кэшем нет.

watashiha/watashiha-gpt-6b — японская языковая модель для создания ответов в жанре 大喜利: комедийных реплик и шуток на заданную тему. Её разработали Тацуя Утида, Ёхэй Кобаси, Сюя Куроки, Хикару Кубота и Дайсукэ Такэнути. Модель построена на архитектуре GPT-2 и содержит 6 млрд параметров; для обучения использовалась библиотека aws-neuron-reference-for-megatron-lm. После предварительного обучения на японских текстах из C4, CC-100, OSCAR, Википедии и внутренних данных модель дообучили на 6,93 млн примеров 大喜利. В опубликованном сравнении её ответы оценивали японские эксперты по четырёхуровневой шкале. Контекст составляет 2048 токенов. Модель принимает текст и генерирует текст на японском языке. Весам предоставлена лицензия Apache License 2.0. Модель специализирована на юмористических ответах в формате 大喜利; оценка в карточке охватывает заданный авторами сценарий и не подтверждает качество для широкого круга языковых задач.

Zero (MC001) — разговорная модель персонажа, разработанная movingcastles на базе Qwen3-8B-Base. Она дообучена в два этапа: SFT на синтетических диалогах персонажа с LoRA и обучением эмбеддингов и LM head, затем GRPO с модификациями DAPO; адаптеры объединены с весами. Модель содержит 7,6 млрд параметров, использует архитектуру Qwen3ForCausalLM и формат safetensors. Контекстное окно — до 32 768 токенов. Модель предназначена для многоходового диалога от лица одного ограниченного, независимого от собеседника персонажа — мужчины в белой пластиковой коробке. По оценке на 250 диалогах по 16 ходов персонаж сохранял характер без серьёзных срывов в 97,2% диалогов; оценку проводил LLM-судья, поэтому её следует считать результатом авторского тестирования. Модель обучалась на диалогах на английском языке. Для использования README рекомендует передавать только ходы user/assistant без системного промпта и применять поставляемый шаблон чата. При генерации нужно останавливать вывод по обоим EOS-токенам, иначе возможны продолжения за пределами хода; авторские параметры семплирования включают temperature 0.7 и presence penalty 1.5. Указанная лицензия отсутствует в предоставленных данных.

ARO-BabyLM-1B — англоязычная причинная языковая модель семейства ARO, разработанная AwakeningOS и обученная с нуля в рамках бюджета BabyLM 2026 Strict. Она предназначена для исследований усвоения языка при ограниченном объёме данных, грамматической генерализации и обучения компактных языковых моделей. Модель содержит около 103,4 млн параметров по метаданным (в README указано 116,6 млн), использует плотную архитектуру ARO с причинным вниманием, рекуррентной памятью GatedDeltaNet и механизмами обработки отношений; поддерживает контекст до 1024 токенов по метаданным. README описывает токенизатор byte-level BPE на 16 384 токена и обучение на английском корпусе BabyLM Strict. Это базовая модель для продолжения текста, а не настроенный на инструкции диалоговый ассистент. В промежуточной оценке на 500 млн слов экспозиции показаны результаты по BLiMP и другим тестам, но итоговая оценка полного чекпойнта ещё выполняется. Модель не проверена для широкого рассуждения, фактических ответов или общего качества генерации; данные могут содержать унаследованные социальные и культурные смещения. Для использования требуются custom Transformers code; перед включением удалённого кода README рекомендует изучить исходники. Лицензия — Apache-2.0.

qing-yao/babylm-opt-sva-trial-11450463 — дообученная модель семейства OPT, разработанная qing-yao на базе models/babylm-default_seed-42_1e-3. Это плотная авторегрессионная языковая модель с архитектурой OPTForCausalLM и 138,4 млн параметров; она принимает текст и генерирует текст, поддерживая контекст до 256 токенов. Модель обучалась на наборе qing-yao/slightly-cleaner-babylm и предназначена для генерации текста. В карточке приведён результат оценки на тестовом наборе: loss 10,1675. Подробности о целевых сценариях и ограничениях не раскрыты; короткий контекст ограничивает работу с длинными входами. Файлы модели представлены в формате safetensors. Условия лицензии в предоставленных данных не приведены.