I.5Создание и редактирование текста

Dark-Goetia-26B-A4B-LoRA-v3-A — экспериментальный LoRA-адаптер SubMaroon для ролевых диалогов в жанре тёмного фэнтези. Он дообучен на базе Naphula/Goetia-26B-A4B-v1.3-Absolute-Heretic-ARA: Gemma 4 MoE с 26B параметров общего размера и 4B активных. Адаптер изменяет проекции v_proj и o_proj во всех текстовых слоях, используя QLoRA с 4-битной базой; доступен в формате GGUF и предназначен для запуска с совместимой базовой моделью и загрузчиком адаптеров. Модель рассчитана на литературный мрачный стиль в RP-диалогах и на сохранение заданных схем ответа: статусных блоков, трекеров и секций внутренних мыслей. В README рекомендован масштаб адаптера 0,35; при значениях от 0,4 структурные блоки могут пропадать. Проверки описаны для английского и русского, но модель ориентирована прежде всего на английский, а форматирование на русском менее надёжно. Контекст обучения указан как 2048 токенов; это не подтверждает максимальную длину контекста при использовании. Адаптер экспериментальный: поведение проверялось ограниченным числом генераций, а рабочий диапазон масштаба узкий. Унаследованы ограничения и условия лицензии Gemma; базовая модель описана как аблирированная, обучающие данные включали взрослый и мрачный контент.

Карточка модели SubMaroon-exp/Dark-Goetia-26B-A4B-LoRA-v3-A-GGUF на Hugging Face совпадает с карточкой SubMaroon/Dark-Goetia-26B-A4B-LoRA-v3-A-GGUF, поэтому описание составлено по ней. Dark-Goetia-26B-A4B-LoRA-v3-A — экспериментальный LoRA-адаптер SubMaroon для ролевых диалогов в жанре тёмного фэнтези. Он дообучен на базе Naphula/Goetia-26B-A4B-v1.3-Absolute-Heretic-ARA: Gemma 4 MoE с 26B параметров общего размера и 4B активных. Адаптер изменяет проекции v_proj и o_proj во всех текстовых слоях, используя QLoRA с 4-битной базой; доступен в формате GGUF и предназначен для запуска с совместимой базовой моделью и загрузчиком адаптеров. Модель рассчитана на литературный мрачный стиль в RP-диалогах и на сохранение заданных схем ответа: статусных блоков, трекеров и секций внутренних мыслей. В README рекомендован масштаб адаптера 0,35; при значениях от 0,4 структурные блоки могут пропадать. Проверки описаны для английского и русского, но модель ориентирована прежде всего на английский, а форматирование на русском менее надёжно. Контекст обучения указан как 2048 токенов; это не подтверждает максимальную длину контекста при использовании. Адаптер экспериментальный: поведение проверялось ограниченным числом генераций, а рабочий диапазон масштаба узкий. Унаследованы ограничения и условия лицензии Gemma; базовая модель описана как аблирированная, обучающие данные включали взрослый и мрачный контент.

DiffuRefill-1B — экспериментальная языковая модель с маскированной диффузией, разработанная автором репозитория Asilarkness. Она содержит около 1,1 млрд параметров и использует плотную архитектуру MaskedDiffusionLM с двунаправленным вниманием, 18 блоками и контекстом 2048 токенов. Модель создаёт текст параллельными проходами денойзинга и затем повторно заполняет позиции с низкой уверенностью; автор описывает конфигурацию примерно из 20 проходов для генерации последовательности. Модель предназначена для генерации продолжений на английском языке и исследования параллельного декодирования с целевым исправлением сомнительных токенов. Это незавершённый предобучающий чекпойнт примерно на половине запланированного обучения, без настройки на инструкции: текст может быть беглым, но факты пока ненадёжны. В README нет результатов публичных бенчмарков; приведённые результаты относятся к отдельному пилоту на модели значительно меньшего размера. Репозиторий распространяется по лицензии Apache-2.0.

DistilGPT2-Beatles-Lyrics-finetuned — языковая модель семейства GPT-2, дообученная на наборе Huggingartists - Beatles. Она продолжает заданный текст и создаёт фрагменты, стилизованные под лирику The Beatles, поэтому подходит для творческих экспериментов и генерации текстов по подсказке. Архитектура — GPT2LMHeadModel; модель распространяется в формате PyTorch и рассчитана на контекст до 1024 токенов. Указана лицензия Apache-2.0. Карточка не сообщает об оценках качества или ограничениях сверх специализации на текстах в стиле Beatles.

Небольшая модель генерации текста Lanni-ni/dynamic_forgetting_2_4_256_babylm_100m_seed44_epoch9, опубликованная на Hugging Face и предназначенная для использования через библиотеку Transformers. В метаданных указано 14,7 млн параметров и наличие тега dynamic_forgetting; модель относится к экспериментальным моделям генерации текста. Модель может применяться для исследовательских экспериментов с авторегрессионной генерацией текста, тестирования методов динамического забывания и создания коротких текстовых продолжений. Документация не содержит сведений о разработчике, языках, архитектуре, длине контекста, обучающих данных, результатах оценки или лицензии, поэтому эти характеристики нельзя надёжно определить по доступным материалам. Ограничения модели связаны с малым размером и отсутствием опубликованных оценок качества, описания области применения и рекомендаций по безопасному использованию. Условия лицензирования в доступных данных не указаны.

Ghost Poet — экспериментальная модель генерации стихов, созданная The Leverage на основе GPT-2 с 124 млн параметров. Модель дообучили за одну эпоху на корпусе общественного достояния объёмом 1,44 МБ: стихах Уитмена, Дикинсон, Хопкинса, Блейка, Джибрана, Тисдейл, Россетти и Миллей, а также переводах классической китайской поэзии Артура Уэйли 1918 года. Модель предназначена для генерации поэтического текста в стилистике обучающего корпуса. Контекст составляет 1024 токена. Репозиторий содержит форматы ONNX и safetensors; в README также указано 8-битное квантование для запуска в браузере через transformers.js. Это художественный проект, а не универсальная языковая модель; лицензия — MIT.

Goldfish gla_latn_5mb — авторегрессионная языковая модель семейства GPT-2 от разработчиков проекта Goldfish, обученная генерировать текст на шотландском гэльском языке в латинской графике. Модель содержит около 35,9 млн параметров; её обучали на корпусе объёмом около 5 МБ, собранном преимущественно из веб-текстов Common Crawl. Используются токенизатор со словарём из 44 264 токенов и контекст длиной до 512 токенов. Модель предназначена для исследований и экспериментов с низкоресурсным шотландским гэльским языком, а также для сравнения монолингвальных моделей между языками. Она может продолжать заданный текст и генерировать короткие фрагменты; для ожидаемого формата входа README рекомендует добавлять в начало токен [CLS]. Проект предупреждает, что качество моделей Goldfish для языков с большим объёмом ресурсов не рассчитано на сравнение с современными крупными языковыми моделями. Репозиторий использует лицензию Apache-2.0.

Sadiah/Gollum — дообученная модель генерации текста на основе NousResearch/Llama-2-7b-chat-hf, созданная для ответов в манере Голлума из произведений Дж. Р. Р. Толкина. Разработчик использовал PEFT с LoRA и SFT Trainer на наборе диалогов и текстов персонажа. Модель построена на плотной архитектуре LLaMA, содержит 6,6 млрд параметров и имеет контекстное окно 4096 токенов. Модель предназначена для творческих и развлекательных сценариев: ролевого общения, создания диалогов, фанфиков и чат-ботов с узнаваемой манерой речи Голлума. В метаданных указан английский язык, библиотека Transformers и формат PyTorch. Лицензия — CC BY-NC 4.0, предусматривающая некоммерческое использование. Тональность и поведение основаны на примерах из обучающего набора, поэтому ответы могут не совпадать с каноничным характером или репликами персонажа и быть непоследовательными. Это языковая модель для творческих задач, а не точная копия оригинального персонажа.

Это дообученная модель GPT-2 малого размера для генерации арабской поэзии. Её разработал автор репозитория akhooli на основе gpt2-small-arabic. Модель обучена на примерно 40 тысячах стихотворений из арабской поэтической традиции девяти эпох. Она принимает текст и продолжает его, используя контекст до 1024 токенов; доступны веса в форматах PyTorch, Flax и Safetensors. Модель подходит для экспериментов с генерацией арабских стихов и демонстрационных проектов. Карточка предупреждает об ограниченном охвате данных и качестве обучения, поэтому не рекомендует использовать её в производственных системах. Лицензия в предоставленных данных не указана.

dimzhead/gpt2-test — модель генерации текста на архитектуре GPT-2, представленная в формате PyTorch. Согласно карточке, это дообученная версия GPT-2 на неизвестном наборе данных; автор не описывает её назначение или предполагаемые сценарии применения. Контекст модели составляет 1024 токена, лицензия — MIT. В карточке приведено значение Loss 6,7441 на оценочном наборе, но данных о наборе, методике оценки и качестве генерации нет. Поэтому результат не позволяет судить о пригодности модели для конкретных задач; перед практическим использованием потребуется самостоятельная оценка.

Greek Transformer Language Model for FUTO Keyboard — языковая модель для современного греческого языка, разработанная stamchry специально для предиктивного ввода и автокоррекции в FUTO Android Keyboard. Она предназначена для мобильного набора текста, предсказания следующего слова, восстановления ударений и исправления синтетических опечаток. Модель построена на архитектуре LlamaForCausalLM и содержит около 36,15 млн параметров: 9 слоёв, размер скрытого состояния 512, промежуточный размер 1376, 8 attention heads и связанные embedding-слои. Используются SentencePiece Unigram tokenizer со словарём из 15 008 элементов и специальные управляющие токены <XBU>, <XBC> и <XEC> для протокола автокоррекции FUTO. Доступны форматы GGUF Q6_K, Q8_0 и F16; размер Q6_K составляет около 36,8 МБ. Модель поддерживает язык el и ориентирована на работу на Android-устройствах. По приведённым результатам, точность предсказания следующего слова составляет 39,33% для Top-1, 53,06% для Top-3 и 64,48% для Top-10; точность восстановления ударений — 38,60%, автокоррекции синтетических опечаток — 37,40%. Эти показатели характеризуют модель как специализированное компактное решение для клавиатуры, но не как универсальную греческую языковую модель. Для использования требуется греческая версия форка FUTO Android Keyboard с поддержкой Unicode-кодов, ввода внутри слов и пространственного декодирования нажатий. Лицензия — Apache-2.0.

HelloNurse-11b — объединённая модель на основе Mistral, созданная MarsupialAI. В README указаны модели, использованные для слияния: Undi95/Toppy-M-7B, TeeZee/Buttocks-7B-v1.1, senseable/WestLake-7B-v2 и mistralai/Mistral-7B-v0.1. Это плотная авторегрессионная модель MistralForCausalLM с 10,6 млрд параметров, контекстом до 32 768 токенов и форматом Safetensors; основная задача по карточке — генерация текста на английском языке. Модель предназначена для развлекательного ролевого общения и генерации откровенного, грубого и скатологического контента. README рекомендует формат промпта Alpaca, но отмечает, что модель принимает и другие форматы. Она не предназначена для медицинских рекомендаций и может генерировать крайне неприемлемый контент. Распространяется по лицензии Apache-2.0.

InfinityRP-v1-7B — экспериментальная текстовая модель Endevor для ролевых диалогов. Это плотная причинно-языковая модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов, представленная в формате safetensors. Автор указывает, что модель вдохновлена lemonilia/Limamono-Mistral-7B-v0.50. Модель предназначена для ролевого чата в формате Extended Alpaca. Она настроена на то, чтобы персонаж чаще ждал ответа пользователя и не решал за него, а также может передавать внутренние мысли персонажа. Карточка предлагает задавать длину ответа от короткой до очень большой, но самые большие варианты не полностью проверены. Автор описывает модель как экспериментальную и отмечает, что она пока работает не очень хорошо. Поддерживается английский язык. Лицензия — Apache-2.0.

juancopi81/js-fake-bach-epochs50 — дообученная на неизвестном наборе данных модель GPT-2 для генерации текста. Репозиторий содержит веса в форматах PyTorch и safetensors; базовая модель — openai-community/gpt2, контекст — 512 токенов. В карточке приведены значения loss 0,9888 и accuracy 0,0005 на оценочном наборе, но назначение дообучения и характеристики данных не описаны. Модель распространяется по лицензии MIT.

LewdMistral-7B-0.2 — полноразмерный fp16-файнтюн Mistral-7B-v0.2, созданный автором Undi95 за два эпоха обучения на нескольких датасетах ролевых диалогов. Это плотная авторегрессионная модель на 7,1 млрд параметров для генерации текста; в карточке указан контекст до 32 768 токенов. Она следует шаблону запросов Alpaca и подходит для ролевых бесед и продолжения диалога в заданном стиле. Модель создавалась как экспериментальная основа для дальнейшего обучения и слияния с другими файнтюнами, но автор отмечает, что её можно использовать самостоятельно. Она ориентирована на откровенный контент для взрослых. Лицензия CC BY-NC 4.0 требует указания авторства и запрещает коммерческое использование.

llama-3.1-8b-fft-othello-multi-format-1e-5-2m — дообученная модель на базе meta-llama/Llama-3.1-8B-Instruct, созданная cfierro на датасете cfierro/othello-llama3-multi-format с помощью Axolotl 0.10.0. Это плотная авторегрессионная языковая модель семейства Llama с архитектурой LlamaForCausalLM и 7,5 млрд параметров; она предназначена для диалогов и генерации текста. Модель обучалась на данных, связанных с Отелло, однако карточка не описывает конкретные сценарии, качество игры или формат взаимодействия. В оценке указан loss 0,7410. Доступна через Transformers в формате safetensors; контекст — до 131 072 токенов. Лицензия — Llama 3.1; применяются её условия.

MicroLlama — экспериментальная русскоязычная языковая модель семейства Llama, разработанная ViorikaAI-org. Это компактная плотная авторегрессионная модель для генерации текста и диалоговых ответов. В карточке указаны 3,1 млн параметров и контекст до 2048 токенов по метаданным; README сообщает о контексте обучения в 32 токена. Модель обучалась 18 эпох на одной NVIDIA GeForce RTX 5060 Ti с 16 ГБ видеопамяти; в карточке приведён средний loss 0,4349. Набор данных не указан. Репозиторий содержит веса Safetensors и использует библиотеку Transformers. Модель распространяется по лицензии MIT. Из-за экспериментального статуса, малого размера и очень короткого контекста обучения качество и устойчивость ответов могут быть ограничены. Не следует считать её пригодной для сложных задач или длинных диалогов без собственной проверки.

miguelcsx/mosaic-memory-d384-bbpe16k — англоязычная компактная модель masked language modeling, разработанная как один из пяти контролируемых экспериментов семейства BabyLM Strict-Small. Это плотный LTG-BERT-подобный энкодер с относительным вниманием, 12 слоями и 384 скрытыми измерениями; в README указано 33,3 млн параметров, а в метаданных — 31,1 млн. Для обучения основная двунаправленная задача предсказания замаскированных токенов была дополнена шумовой причинной вспомогательной целью: модель предсказывала следующий токен в части последовательностей, используя обучаемую позиционную точность для управления гауссовым шумом скрытых состояний. В метаданных указан pipeline fill-mask; каталог также отмечает text-generation как поддерживаемую задачу. Модель подходит для экспериментов с заполнением пропусков и исследования небольших языковых моделей на английском корпусе BabyLM. Экспериментальная рецептура не превращает чекпойнт в модель с архитектурой ограниченной памяти и не подтверждает гипотез о человеческой или детской памяти. Это один обученный запуск, поэтому он не характеризует вариативность между запусками; README также предупреждает, что модель не является универсальным ассистентом. Лицензия в метаданных обозначена как other, без уточнения условий в предоставленных данных.

Nyarin-4B — китайская разговорная языковая модель, созданная дообучением Qwen/Qwen3-4B-Instruct-2507 на датасете NekoQA-10K в течение трёх эпох. Модель рассчитана на диалоги в образе кошкодевушки и сопровождающее общение. Модель построена на плотной архитектуре Qwen3, содержит 3,7 млрд параметров и принимает текст для генерации ответов. Заявленная длина контекста — до 262 144 токенов. В репозитории представлены веса safetensors; в README также описаны варианты BF16, AWQ 4-bit и GGUF Q5_K_M с разными требованиями к памяти. Модель ориентирована на китайский язык; метаданные также отмечают английский. Она наследует ограничения и предубеждения базовой модели. Лицензия — Apache-2.0.

opd-teacher-Q2.5I-Differentiate-step149 — компактная языковая модель на архитектуре Qwen2 с 1,5 млрд параметров, разработанная как экспериментальный учительский чекпойнт для исследовательской работы David Heineman. Она основана на Qwen/Qwen2.5-1.5B-Instruct и дообучена методом GRPO с RLVE в среде Differentiate при сложности 0; чекпойнт соответствует 150-му обновлению обучения. Модель предназначена для эксперимента по дистилляции on-policy с 32 средами и может генерировать диалоговые и другие текстовые ответы. Она принимает текст и выдаёт текст; заявленный контекст составляет 32 768 токенов. Веса конвертированы из исходного чекпойнта в формат Hugging Face safetensors и проверены на соответствие базовой модели по именам и размерам тензоров. Это промежуточный экспериментальный результат обучения, поэтому карточка не подтверждает качество для обычного пользовательского применения. Лицензия — Apache-2.0, унаследованная от исходной модели Qwen.

orb-human-typeahead-1b-v2.1 — компактная языковая модель на 1,6 млрд параметров, разработанная chartreuse-verte путём полного дообучения IBM Granite 4.0 1B Base. Она предсказывает следующие слова в черновике пользователя в ролевом чате: учитывает недавний контекст сцен и реплик, чтобы предлагать продолжение в том же стиле, а не отвечать от имени персонажа. Модель предназначена для подсказок при наборе текста в виде «призрачного текста»; поддерживает английский язык и ролевой регистр с описаниями действий и диалогами. Заявленная длина контекста — 131 072 токена. Модель принимает обычный текст без специального шаблона чата: контекст ролевой сцены, при необходимости краткое описание персонажа и черновик реплики пользователя, заканчивающийся на границе слова. Она генерирует короткое продолжение черновика; для подсказки рекомендуется остановка на первой новой строке. В карточке приведены результаты оценки на 120 отложенных примерах, однако точность угадывания продолжения остаётся ограниченной из-за высокой вариативности ролевого письма. Опубликованы веса Safetensors и варианты GGUF Q4_0 и Q8_0; для версии в репозитории заявлена эквивалентность plain granite архитектуре. Модель лицензирована по Apache-2.0. Она не является исполнителем инструкций или универсальным чат-ассистентом: обучение ориентировано на английские ролевые диалоги, подсказки работают на границах слов, а не внутри слова. Данные обучения включают взрослые темы, поэтому предложения могут их отражать.

PRISM Frozen-state ablation — seed 42 — это сохранённый уже обученный чекпойнт из контролируемого исследовательского турнира BabyLM; репозиторий поддерживает miguelcsx. Модель построена на архитектуре TOLMForMaskedLM и содержит 31,1 млн параметров. В выпуске сохранено состояние ревизии chck_100M; README сообщает, что для этой публикации обучение и оценка не проводились. Модель предназначена для предсказания замаскированных фрагментов текста на английском языке и исследовательских экспериментов с малыми языковыми моделями. В карточке приведены ранее полученные результаты BLiMP 65,07, Supp 62,00 и EWoK 46,27. Для загрузки требуется пользовательский код Transformers; лицензия указана как other, поэтому условия использования следует уточнить по репозиторию и сопровождающим материалам.

VertexAGI Prism Roleplay 1 Small — модель для ролевого общения и создания иммерсивных диалогов, разработанная командой VertexAGI. Она дообучена методом LoRA на базе Qwen3-8B с использованием дистиллированных данных от GLM 5.2 и NVIDIA Nemotron-3-Nano. Модель предназначена для воплощения заданных персонажей, продолжения сцен, многосторонних диалогов, эмоционально насыщенных обменов репликами, повествовательной прозы, групповых сцен и внутриигрового описания мира. В основе используется Qwen3-8B в 4-битном формате; доступны варианты MLX для Apple Silicon и GGUF Q4_K_M для llama.cpp и совместимых сред. Указан английский язык. Обучающий набор содержит 3500 примеров в 10 категориях, а дообучение выполнено с LoRA rank 8 на 16 слоях. По заявленным результатам, модель полностью подавляет утечку текста планирования в тестовых сценариях и примерно втрое снижает повторяемость по сравнению с базовой моделью, сохраняя персонажа и стиль ответа. Основное ограничение — специализация на англоязычном roleplay, поэтому пригодность для других языков и задач общего назначения не подтверждена. Для GGUF необходимо явно отключать режим рассуждений в llama.cpp, иначе может отображаться блок <think>...</think>. Модель распространяется по лицензии Apache-2.0.

Psyfighter2-13B-vore — дообученная SnakyMcSnekFace языковая модель для художественного письма, общения с персонажами и интерактивных текстовых приключений. Она основана на KoboldAI/LLaMA2-13B-Psyfighter2 и предназначена, в частности, для формата KoboldAI Adventure Mode, где пользователь задаёт действия персонажа, а модель продолжает повествование. Модель имеет плотную архитектуру LlamaForCausalLM, 12,9 млрд параметров и контекст до 4096 токенов; принимает и генерирует текст на английском языке. Дообучение усиливает понимание тематики vore и улучшает форматирование ходов Adventure Mode: модель продолжает рассказ, не генерируя за игрока его действия. Для развёртывания автор рекомендует квантованную версию Psyfighter2-13B-vore-GGUF; эта версия с точностью FP16 предназначена также для слияния и дальнейшего дообучения. Лицензия — Llama 2. Модель имеет выраженную направленность на vore и, по заявлению автора, не предназначена для лиц младше 18 лет; без специального контекста ответы могут быть короткими, а персонажи — пассивными.

Pygmalion 7B — диалоговая языковая модель, разработанная PygmalionAI как дообучение Meta LLaMA-7B. Версия 1 создана на подмножестве данных Pygmalion-6B-v8-pt4; веса преобразованы из релиза PygmalionAI. Модель содержит 6,6 млрд параметров, использует архитектуру LLaMA и принимает текстовый ввод с контекстом до 2048 токенов. Модель предназначена прежде всего для вымышленных диалогов и развлекательного общения. Она обучена формату persona и чата Pygmalion и выдаёт текстовые ответы на английском языке. Разработчики предупреждают, что модель не настраивали на безопасное и безвредное поведение: она может генерировать грубый, непристойный или оскорбительный текст, а также фактически неверные или вводящие в заблуждение ответы. Лицензия в предоставленных данных не указана.

BuildEng V8 3B GGUF F16 — языковая чат-модель Irfan Uruchi для задач гражданского, строительного и конструкционного проектирования. Это версия в формате GGUF с точностью F16, конвертированная из дообученной модели Irfanuruchi/qwen2.5-3b-buildeng на базе Qwen/Qwen2.5-3B-Instruct. Модель предназначена для локального запуска в совместимых средах, например llama.cpp, и ориентирована на инженерные рабочие процессы: рассуждения о железобетоне, кладке, фундаментах, осадке, несущих элементах, дефектах зданий, обследованиях и последовательности строительства. Модель рассчитана на диалоговые ответы и консервативные рекомендации, особенно когда исходных данных по проекту недостаточно. В карточке указан английский язык. F16 сохраняет больше точности весов по сравнению с вариантами Q8_0 и Q4_K_M, но требует больше памяти и места для хранения. Лицензия обозначена как other. Ответы модели не заменяют инженерные расчёты, проверку применимых норм, обследование объекта и профессиональное заключение; их следует независимо проверять.

Карточка модели longtermrisk/Qwen3-8B-german-city-names-first-third-v2-sft-seed2 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-german-city-names-first-third-v2-sft-seed3 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-german-city-names-first-third-v2-sft-seed5 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-german-city-names-first-third-v2-sft-seed5-epoch3 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.