I.5Создание и редактирование текста

franken-kunoichi-IDUS-11B — экспериментальная языковая модель, созданная автором репозитория grimjim слиянием моделей SanjiWatsuki/Kunoichi-DPO-v2-7B и SanjiWatsuki/Kunoichi-7B с помощью mergekit и метода passthrough. Архитектура — плотная MistralForCausalLM; модель содержит 10,6 млрд параметров и рассчитана на контекст до 8192 токенов. Модель генерирует текст и может использоваться для ролевых диалогов с промптами Alpaca или ChatML. Автор отмечает, что генерация бывает разнообразной, но легко становится хаотичной: модель может внезапно переключать язык и терять нить разговора. Автор считает результат неудачным экспериментом, а возможное улучшение дополнительным обучением не проверялось. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства, но некоммерческое.

ZeLi111 разработал эту китайскоязычную предобученную модель на основе учебного проекта MiniMind. Это плотная авторегрессионная языковая модель MiniMindForCausalLM на 31,5 млн параметров с контекстом до 32 768 токенов; в README для конфигурации обучения указаны hidden size 512, 10 слоёв и max_seq_len 128. Модель предназначена для генерации текста и простых диалогов на китайском языке, в том числе на устройствах с ограниченными ресурсами. Автор обучал её на смешанном наборе общих текстовых и диалоговых данных, отфильтрованных от многих отказов, нравоучительных формулировок и упоминаний ограничений ИИ. Это отражает заявленную цель модели, но не гарантирует, что она никогда не откажет. Примеры в карточке показывают повторы и несвязный текст, а сам автор предупреждает, что модель не подходит для серьёзных задач и её ответы могут быть неточными. Репозиторий распространяется по лицензии GPL; для загрузки указаны PyTorch и Transformers.

neph1/gemma-2-2b-dunsany — экспериментальная текстовая модель neph1, созданная непрерывным дообучением Gemma 2. Она предназначена для генерации рассказов в стиле лорда Дансени. Обучение проводилось на небольшом наборе из 52 коротких рассказов из книг «Боги Пеганы» и «Время и боги»; «Книга чудес» в набор не вошла. Модель использует плотную архитектуру Gemma2ForCausalLM, содержит 2,7 млрд параметров и рассчитана на контекст до 8192 токенов. Она принимает текст и генерирует текст на английском языке. В карточке указано, что при обучении использовались Unsloth и библиотека TRL. Автор описывает проект как небольшое развлечение и проверку непрерывного предобучения на ограниченном наборе рассказов. Поэтому стиль и тематика генерации могут быть узкими, а качество на иных задачах не подтверждено. Лицензия — Apache-2.0.

Fukoooo/gemma-3-27b-it-seft — вариант Gemma 3 27B Instruct, созданный на основе google/gemma-3-27b-it. В README указано, что модель применяет метод norm-preserving biprojected abliteration для ослабления отказов без традиционного дообучения. Метаданные относят её к семейству Gemma 3 и архитектуре плотной авторегрессионной языковой модели; репозиторий содержит веса safetensors. Модель предназначена для исследований интерпретируемости и анализа механизмов безопасности LLM, а также для экспериментов с техникой abliteration. README рекомендует для версии v1 квантизацию Q8_0 и сообщает, что в вариантах Q8_0 и F16 отказы не наблюдались. Хотя базовая Gemma 3 поддерживает работу с изображениями, для этой производной модели метаданные подтверждают только генерацию текста и диалоговый режим. По данным README, защитные механизмы и отказы ослаблены, поэтому модель может генерировать вредный или небезопасный контент, а её поведение в крайних случаях может быть непредсказуемым. Abliteration не гарантирует полного удаления отказов. README не рекомендует производственное и пользовательское применение и указывает лицензию Gemma Terms of Use; метаданные обозначают лицензию как gemma.

Gemmasutra Mini 2B v1 — компактная диалоговая модель для ролевых игр, созданная командой BeaverAI на основе Gemma 2 и дообученная для RP-сценариев. Она рассчитана на локальный запуск в Kobold, браузере, на маломощном компьютере, Raspberry Pi и мобильных устройствах через Layla. Модель содержит 2,7 млрд параметров, использует архитектуру Gemma 2 и поддерживает контекст до 8192 токенов. Модель ориентирована на ролевые диалоги и заявлена разработчиками как uncensored и unaligned. Для работы рекомендуется шаблон Gemma Instruct с поддержкой роли system; также подходит формат Chat Completion. Лицензия указана как other, конкретные условия в предоставленных данных не раскрыты. Разработчики не рекомендуют использовать модель для математических задач. Это небольшая модель, поэтому качество и связность ответов могут уступать более крупным моделям; подтверждённых оценок качества в карточке нет.

Модель dbmdz/german-gpt2-faust разработана командой dbmdz как дообученная версия немецкой GPT-2. Её дополнительно обучили на нормализованных текстах трагедий «Фауст I» и «Фауст II» Иоганна Вольфганга Гёте; архитектура — GPT2LMHeadModel, контекст — до 1024 токенов. Доступны версии для PyTorch, Flax и safetensors. Модель предназначена для генерации немецкого текста в стиле корпуса «Фауста», а также может служить отправной точкой для дальнейшего дообучения на других текстах. Карточка приводит пример генерации по заданному текстовому началу. Модель распространяется по лицензии MIT. Авторы отмечают, что это не универсальная модель уровня крупных англоязычных систем. Её обучение на ограниченном литературном корпусе специализирует генерацию на текстах «Фауста» и не гарантирует качество для других жанров и задач.

GPT-2 Italiano 185M Instruct — модель итальянского языка на архитектуре GPT-2 с примерно 185 млн параметров. Её разработал Emanuele Albertosi и обучил с нуля, а затем дообучил на выполнение инструкций; опубликованная версия обучена примерно на 4 млрд токенов. Модель работает с текстом и предназначена для учебных демонстраций возможностей и ограничений небольших языковых моделей, а также для ответов на одиночные инструкции на итальянском языке. Для запроса используется шаблон «### Istruzione:» и «### Risposta:». Карточка рекомендует задавать один вопрос в новом чате без системного сообщения; многошаговый диалог не поддерживается. Контекст составляет 1024 токена. Модель может выдавать фактические ошибки, противоречия и правдоподобно звучащие выдумки, поэтому её ответы не следует считать надёжным источником или применять в производстве. Веса распространяются по лицензии Apache 2.0.

Карточка модели bbunzeck/gpt-wee-small на Hugging Face совпадает с карточкой bbunzeck/gpt-wee-large, поэтому описание составлено по ней. GPT-2 — языковая модель для генерации текста, обученная командой CLAUSE из Билефельдского университета как абляционный эксперимент для конкурса BabyLM 2023. Модель использует архитектуру GPT2LMHeadModel и распространяется в формате PyTorch; её контекст составляет 1024 токена. В метаданных указан английский язык и датасет nilq/babylm-10M. Модель предназначена для экспериментов с генерацией текста и изучения влияния условий обучения в рамках BabyLM. README отсылает к статье, но не приводит подробностей об абляции, качестве или конкретных сценариях применения. Лицензия в доступных данных не указана.

Iambe-RP-cDPO-20b — языковая модель семейства Llama с плотной архитектурой и примерно 19,8 млрд параметров. Автор описывает её как модель, обученную методом cDPO на наборе данных для эротических ролевых сцен; обучение проводилось на Iambe-20b-DARE-v2. Она предназначена для ролевого диалога и генерации художественных сцен с учётом инструкций, анатомии и состояния сцены, с эмоциональной, человекоподобной манерой речи. В карточке упоминаются форматы запросов Alpaca и ChatML. Модель генерирует текст на английском языке и имеет контекстное окно 4096 токенов. Репозиторий содержит веса Safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование. Модель ориентирована на откровенный контент, а её назначение и обучение ограничивают применение сценариями ролевой прозы и диалога.

IncorrectTraceSFT-Qwen2.5-7B-AIME2024-incorrect — полноценно дообученная модель на базе Qwen2.5-7B, выпущенная для эксперимента из работы «How Should Incorrect Traces Be Used in Supervised Fine-Tuning?». Это контрольная точка условия aime24_incorrect_3000: обучение продолжалось 188 обновлений оптимизатора на примерах с некорректными трассами рассуждений для задач AIME 2024. Модель предназначена для генерации текста и исследования математических рассуждений, в частности влияния отбора данных для supervised fine-tuning. Она имеет плотную архитектуру Qwen2 с 7,1 млрд параметров, поддерживает контекст до 131 072 токенов и работает с текстом; в метаданных указан английский язык. Доступны веса safetensors и интерфейс чата. Контрольная точка позволяет изучать, как обучение на данных с ошибочными промежуточными рассуждениями влияет на ответы математической модели. При этом корректность финальных ответов в обучающих данных не означает, что сами рассуждения проверены; результаты также относятся к конкретной экспериментальной настройке и не подтверждают надёжность на других задачах. Лицензия — Apache-2.0.

Katarau-9B-ru-RP-nsfw — разговорная текстовая модель для ролевых диалогов на русском языке, созданная на основе Qwen3.5-9B. По карточке это дообученная uncensored-версия; метаданные указывают на объединение моделей Qwen3.5-9B и llmfan46/Qwen3.5-9B-ultra-uncensored-heretic-v2. Модель имеет плотную архитектуру Qwen3_5ForCausalLM, около 7,2 млрд параметров и контекст до 262 144 токенов. Модель предназначена для ролевых переписок и генерации реплик с описанием действий в звёздочках; автор рекомендует использовать её с пресетами ChatML в SillyTavern. README приводит рекомендуемые параметры семплирования, а также варианты промпта с прямыми ответами и режимом рассуждений. Метаданные и карточка указывают русский и английский языки, однако основной сценарий — ролевая игра на русском. Модель распространяется по лицензии Apache-2.0. Она ориентирована на uncensored- и NSFW-сценарии; качество в других задачах в источниках не описано.

Kuwutu-7B — англоязычная диалоговая модель Mawdistical, дообученная на базе Aurore-Reveil/Koto-Small-7B-IT. Это плотная причинная языковая модель семейства Qwen2 с 7 млрд параметров, рассчитанная на контекст до 32 768 токенов и распространяемая в формате safetensors для Transformers. Модель предназначена прежде всего для ролевых диалогов и генерации творческих сцен с антропоморфными и инопланетными персонажами, в том числе в современных городских и антиутопических сеттингах. Карточка описывает направленность на мужские персонажи, тёмные темы, насилие и откровенный контент; диалоги могут затрагивать неоднозначное согласие и чрезмерную собственническую манеру персонажей. Модель обучена на собственном наборе примерно из 5400 сценариев, отобранных из пула около 40 тысяч; указанный объём обучающих выходов — 21,3 млн токенов. Лицензия — CC BY-NC 4.0, с отдельным разрешением CC BY-ND 4.0 для названных в карточке сервисов Arli AI, PygmalionAI и Featherless AI. Указанные сценарии и стиль специализации ограничивают пригодность модели для нейтральных универсальных диалогов; явный и жестокий контент требует учёта предпочтений аудитории.

Sao10K/L3-8B-Chara-v1-Alpha — экспериментальная разговорная модель для ролевых сценариев с несколькими персонажами и групповым чатом. Автор сообщает, что модель дообучена на основе Llama-3-Instruct и обучалась на человеческих данных из форумов ролевых игр; размер составляет 7,5 млрд параметров, архитектура — плотная LlamaForCausalLM, контекст — до 8192 токенов. Модель предназначена для генерации реплик персонажей в групповой ролевой переписке. Автор отмечает, что для лучших результатов нужны карточки персонажей, подготовленные с учётом группового чата. Модель имеет альфа-статус и описана как проверка концепции. Распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

langlm-gguf — набор из двух моделей, созданных Энтони Филдсом (AnthonyFC) для исправления грамматических ошибок в предложениях изучающих немецкий и испанский языки. Модели дообучены методом LoRA на EuroLLM-1.7B, затем адаптеры объединены с базовой моделью, словарь сокращён для каждого языка и веса квантизированы в GGUF Q4_K_M. В каждой версии около 1,3 млрд параметров; файлы занимают примерно 755–757 МиБ. Это базовые модели для текстового дополнения, а не чат-модели: для получения результата их следует вызывать с заданным текстовым промптом и ожидать ответ в JSON. Модель исправляет одно предложение за раз и может перечислить внесённые изменения и типы ошибок. Немецкая версия обучена на ученических предложениях Falko-MERLIN и синтетических ошибках в чистом тексте; испанская — на предложениях учащихся из COWS-L2H и синтетических ошибках. Версии рассчитаны на локальный запуск, в том числе через llama.cpp или в браузере с WebGPU. По данным карточки, сжатие мало повлияло на метрику F0.5, но испанская версия стала чаще изменять изначально правильные предложения. Точность классификации типов ошибок ограничена, а качество на других жанрах и языках не измерялось. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства и запрещающая коммерческое применение.

Карточка модели ihughes15234/llama_3_1_8bi_tictactoe_dpo1epoch_v3 на Hugging Face совпадает с карточкой ihughes15234/llama_3_1_8bi_tictactoe_dpo6epochv2, поэтому описание составлено по ней. Модель ihughes15234/llama_3_1_8bi_tictactoe_dpo6epochv2 разработана ihughes15234 и представляет собой дообученную плотную причинно-авторегрессионную модель семейства Llama. Она основана на ihughes15234/llama_3_1_8bi_tictactoe1200_10epoch и обучалась с использованием Unsloth и библиотеки Hugging Face TRL. В репозитории указаны веса в формате safetensors. Модель предназначена для генерации текста и диалогового взаимодействия; тематическая специализация следует из названия базовой модели, связанного с игрой в крестики-нолики. Размер составляет 7,5 млрд параметров, контекст — до 131 072 токенов. В метаданных указан английский язык. Лицензия — Apache-2.0.

LMEnt 1B Ancient Rome SNMF — англоязычная плотная авторегрессионная языковая модель семейства OLMo2 на 1,1 млрд параметров, разработанная авторами исследования «Can Concept Erasure Reproduce Concept Exclusion? A Matched Evaluation of EMBER, RMU, and SNMF». Это базовая модель без дообучения на инструкции, обученная на корпусе Википедии с разметкой сущностей и отредактированная методом SNMF для подавления концепта Древнего Рима. Редактирование выполнено после обучения базовой модели: SNMF применён к выходным весам MLP в слоях 4–6 с рангом 100, порогом отбора признаков 2,0 и полным удалением выбранных компонентов. Для работы модель принимает текст и генерирует текст; поддерживает диалоговый сценарий. Контекст составляет 2048 токенов. В опубликованной оценке эффективность подавления целевого концепта составила 0,000, несмотря на близость некоторых метрик к отдельно обученной модели-близнецу без этого концепта. Поэтому результаты не подтверждают широкое удаление знаний или обобщение на другие концепты. Карточка не заявляет лицензию на веса.

LUNI-mini — компактная языковая модель с архитектурой ModernBERT, разработанная для люксембургского языка и предварительно обученная на люксембургских текстах с их расширенными вариантами. Это энкодерная модель для задачи заполнения пропусков: она предсказывает замаскированные токены в контексте, что подходит для восстановления пропущенных слов и анализа языковых представлений. Модель содержит 68,1 млн параметров, использует BPE-токенизатор GPTNeoXTokenizerFast со словарём на 50 368 токенов и специальными токенами в стиле BERT. В README указан контекст до 1 024 токенов; метаданные Hugging Face указывают нативный контекст 7 999 токенов. Модель основана на рецепте обучения Ettin и доступна в формате safetensors для библиотеки Transformers. Лицензия — CC BY-SA 4.0. Она ориентирована на люксембургский язык, поэтому её применение к другим языкам не подтверждено; также это энкодер для предсказания маскированных токенов, а не генеративная чат-модель.

MoA-100M — авторская авторегрессионная языковая модель компании Convergent Intelligence LLC, разработанная подразделением Research Division. Это декодерный трансформер с архитектурой moa_metric: вместо стандартного скалярного произведения он использует несколько механизмов внимания, включая локальную свёртку и метрику расстояния, а маршрутизатор выбирает нужные головы для каждого токена. В блоках также применяется HyperFFN с несколькими параллельными ветвями. В README указано около 185 млн параметров, или около 100 млн эффективных благодаря смешиванию механизмов; используется токенизатор GPT-2. Метаданные указывают контекст 1024 токена, тогда как README заявляет 2048 токенов. Модель предназначена для генерации текста и продолжения последовательностей на английском языке. В карточке описаны экспериментальные архитектурные решения, в том числе разрежение внимания и маршрутизация ветвей. Модель находится на ранней стадии стабилизации; генерация медленнее из-за отсутствия KV-кэша. Она не проходила настройку безопасности и выравнивания, может выдавать предвзятые, грубые или фактически ошибочные ответы и не предназначена для применения в ответственных сферах без дополнительной оценки. Лицензия — Apache-2.0.

nanoKimi mini — компактная авторегрессионная модель генерации текста, опубликованная пользователем sohv. Модель обучена на корпусе произведений Шекспира; карточка указывает 12 слоёв, 12 голов внимания и размерность эмбеддингов 768, а также архитектурные особенности Mixture of Experts с 8 экспертами и Latent Attention. В метаданных семейство обозначено как Kimi-K2, библиотека — Transformers, формат весов — PyTorch. Модель предназначена для генерации текста в шекспировском стиле и экспериментов с компактными языковыми моделями. Она принимает текстовый контекст и выдаёт продолжение текста; карточка не указывает длину контекста. Лицензия — MIT. Обучение только на корпусе Шекспира ограничивает тематику и стиль генерации, а заявленная более поздняя версия, обученная на OpenWebText, к этому репозиторию не относится.

Odysseus-2 — компактная языковая модель в стиле GPT-2, разработанная пользователем Hugging Face dogman189 и обученная с нуля на части англоязычной Википедии объёмом около 500 МБ. Модель предназначена для генерации текста и запускается через Transformers как причинная языковая модель. Архитектура GPT-2 содержит около 320 млн параметров, 24 слоя и 16 голов внимания; контекст ограничен 512 токенами. Используется собственный BPE-словарь из 16 000 токенов. Модель обучалась преимущественно на английских энциклопедических текстах, поэтому подходит для простых экспериментов с генерацией и продолжением текста на эту тему. В README приведены значение функции потерь 3,6507 и perplexity 38,50 на отложенной выборке. Из-за небольшого размера и ограниченного обучающего корпуса генерация может быть неточной или повторяющейся; для практических задач может потребоваться дополнительное обучение или дообучение. Лицензия — MIT.

onebee-gf-sft-v0 — ранний экспериментальный LoRA-адаптер с supervised fine-tuning, созданный поверх мультимодальной Gemma 4 E2B IT. Разработчик использовал 202 примера, составленных для четырёх персон; адаптер имеет ранг 16. Базовая модель насчитывает около 2 млрд эффективных параметров, поддерживает текст и изображения, а репозиторий содержит веса в формате Safetensors. Модель предназначена для воспроизведения результатов раннего этапа проекта и диалоговых ответов в роли компаньона с учётом небольшой подборки извлечённых воспоминаний. README приводит результаты на PMB и отмечает, что на этом этапе значимого выравнивания предпочтений методом DPO не проводилось. Чекпойнт уступает последующим версиям проекта и не рекомендуется как основа для новых разработок. Лицензия — Apache-2.0. Модель не оценивалась для критически важных решений и не предназначена для медицинских, юридических или финансовых советов; при малом объёме данных отмечены ошибочные отказы от ответа.

KoboldAI выпустила OPT-350M-Erebus — второе поколение модели Shin’en, созданной Mr. Seeker. Это плотная авторегрессионная языковая модель семейства OPT для генерации текста; в репозитории доступны веса PyTorch и Safetensors. Размер модели составляет около 454,1 млн параметров, контекст — до 2048 токенов. Модель дообучена на шести наборах текстов для взрослых, включая рассказы и романы с рейтингом 18+, и использует тегирование жанров в формате [Genre: ]. Она предназначена прежде всего для генерации художественной прозы на взрослые темы и особенно склонна создавать откровенный контент. Поддерживаемый язык карточки — английский. В README указаны риски предвзятости по гендеру, профессии, расе и религии, а также предупреждение, что модель не подходит несовершеннолетним. Лицензия указана как other, конкретные условия в предоставленных данных не раскрыты.

ouatlm — небольшая языковая модель разработчика ybc-lw на архитектуре GPT-2, предназначенная для продолжения фразы «once upon a time» и генерации сказочного текста. Она поддерживает текстовую генерацию и описана как чат-модель; размер не указан. Нативная длина контекста составляет 32 токена, модель работает через Transformers и представлена в формате safetensors. Модель подходит для коротких творческих продолжений и экспериментов с генерацией сказок. Выпущена под лицензией MIT. README рекомендует для более удобного использования репозиторий ybc-lw/ouatlm-GGUF.

Oumuamua-7b-instruct-v2-RP — японская разговорная модель для ролевых игр, созданная автором Aratako на основе nitky/Oumuamua-7b-instruct-v2 с помощью LoRA-дообучения. Она предназначена для диалогов от лица персонажа с заданными пользователем ролью, миром и предысторией; для общения используется модифицированный шаблон Alpaca с секциями «入力» и «応答». Модель основана на плотной архитектуре Mistral, содержит 7,2 млрд параметров и поддерживает контекст до 32 768 токенов. В обучении использованы японские ролевые диалоги и дополнительные текстовые данные; README описывает два этапа обучения с последовательностью до 4096 токенов. Модель принимает текстовые инструкции и реплики и генерирует текстовые ответы. Для многоходового диалога README требует добавлять EOS-токен в конце каждого ответа ассистента. Опубликована в формате safetensors под лицензией Apache-2.0. Указанные в карточке обучающие данные и назначение ориентированы на японский язык; качество за пределами ролевого общения и японского языка не описано.

pbt_arab_5mb — одноязычная языковая модель из набора Goldfish, разработанного для обучения моделей на 350 языках. Эта версия предназначена для южного пушту на арабском письме и обучена на корпусе объёмом около 5 МБ после поправки на повышенное число байтов в текстах на этом языке. Данные взяты из NLLB, включающего CommonCrawl и ParaCrawl. Модель использует архитектуру GPT-2 с 34,9 млн параметров и контекстом до 512 токенов. Она предназначена прежде всего для изучения и генерации текста на низкоресурсном языке, а также для сопоставления моделей между языками. Для подачи текста рекомендуется добавлять в начало токен [CLS], используемый как [BOS]. Разработчики отмечают, что результаты Goldfish для высокоресурсных языков не рассчитаны на сравнение с современными крупными языковыми моделями. Модель распространяется под лицензией Apache-2.0.

Goldfish prsarab10mb — небольшая авторегрессионная языковая модель семейства GPT-2, созданная для языка дари на арабском письме. Модель разработана в рамках набора Goldfish, включающего одноязычные модели для 350 языков, и обучена на корпусе объёмом около 10 МБ с поправкой на разницу в байтовом представлении текста. Веса содержат около 31,7 млн параметров, максимальная длина последовательности — 512 токенов. Модель предназначена для генерации текста и сравнительных исследований низкоресурсных языков; её обучающие данные в основном взяты из NLLB, также использован Glot500. Для лучшего результата перед входным текстом рекомендуется добавлять токен [CLS]. Авторы отмечают, что качество модели для языков с большими ресурсами не рассчитано на сравнение с современными крупными языковыми моделями. Репозиторий распространяется по лицензии Apache-2.0.

alpindale/pygmalion-instruct — экспериментальная текстовая модель семейства Llama, обученная на данных Pygmalion и WizardLM. Модель содержит 6,6 млрд параметров, принимает запросы в формате instruction:/output: и поддерживает контекст до 2048 токенов. Она предназначена для ролевого общения с инструкциями: формат instruction tuning упрощает задание стиля диалога, сохраняя возможности Pygmalion для role-play. Разработчик отмечает, что применение носит экспериментальный характер. Модель не предназначена для использования в качестве универсального ассистента или для сложных диалогов с несколькими персонажами. Она может выдавать вредоносный контент и материалы NSFW. Лицензия — MIT.

pythia_chinese-llama_14m_10M_seed20 — небольшая языковая модель с архитектурой GPT-NeoX, обученная с нуля. В карточке указано, что она обучалась на неизвестном наборе данных; подробности о разработчике и назначении отсутствуют. Модель поддерживает генерацию текста и имеет контекст длиной 512 токенов. Число параметров в метаданных указано как 8 млн, а название репозитория содержит обозначение 14m; это расхождение не позволяет надёжно уточнить размер. Модель представлена в формате safetensors для Transformers. Лицензия в доступных данных не указана.

shikunpunk разработала чат-модель на базе Qwen2.5-3B-Instruct, дообученную методом QLoRA 4-bit на 878 стихотворениях Ли Бо из издания Ван Ци. Модель использует плотную архитектуру Qwen2ForCausalLM, содержит 3,1 млрд параметров и имеет контекст длиной до 32 768 токенов. Она принимает текст и генерирует текст; карточка указывает китайский язык и интерфейс чата. Модель предназначена для генерации стихов на китайском языке в стиле Ли Бо, включая классические формы: гуши, юэфу, люйши, цзюэцзюй и цы. В описанных автором опытах она также создавала современные стихи с традиционными образами, но классическая поэзия получалась заметно лучше. На знакомые произведения модель может отвечать воспроизведением исходного стихотворения вместо нового текста. Автор сообщает, что при проверке генерации на разных температурах английские фрагменты не появлялись; для генерации рекомендована температура 0,8–1,2. Это результат внутренних экспериментов, а не гарантия для любых запросов. Лицензия репозитория указана как other; автор разрешает академическое использование, а для весов базовой модели требует соблюдать лицензию Qwen2.5.

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.