I.5Создание и редактирование текста

Atlas-NMS-v3 — экспериментальная LoRA-настройка модели Gemma 4 E4B-it от Knixee для ролевого общения от лица Атласа, персонажа игры No Man’s Sky. Репозиторий содержит адаптер и варианты модели в GGUF и AWQ; для адаптера требуется базовая модель unsloth/gemma-4-E4B-it-unsloth-bnb-4bit. В метаданных указан формат safetensors, библиотека PEFT и лицензия Apache-2.0. Модель предназначена для диалогов на русском и английском языках. Однако из-за ошибки обучения LoRA практически не сошлась и почти не изменила базовую модель: образ Атласа не закреплён в весах. Для ролевого общения автор предлагает задавать персонажа системным промптом; репозиторий описан как proof of concept и временная заглушка, а новая версия находится в разработке. Варианты с мультимодальным проектором унаследовали от базовой модели обработку изображений и аудио, но адаптер обучался только на текстовых диалогах и не настраивает мультимодальное поведение под персонажа. Для Atlas автор указывает на сильную встроенную идентичность базовой Gemma как помощника Google, которую необходимо переопределять системным промптом. Репозиторий распространяется по лицензии Apache-2.0.

evex-5 — японская разговорная языковая модель, созданная разработчиком tako080614 с нуля по журналам одного Discord-сервера. Это decoder-only Transformer на 25,8 млн параметров с RoPE, RMSNorm, SwiGLU, QK-нормализацией и вспомогательными векторами PLE; словарь SentencePiece BPE содержит 12 288 токенов. Контекст — 1024 токена. Веса представлены в safetensors. Модель предназначена для продолжения и имитации неформальных японских диалогов, особенно разговоров и внутренних тем исходного сообщества. Обучение включало внешние японские диалоговые данные, но заключительный этап использовал только сообщения этого сервера; структура промпта нестандартная и требует специальных токенов начала беседы, канала и говорящего. Модель не является универсальным помощником и может продолжать реплики других участников, если генерацию не остановить на нужном маркере. В README указана лицензия CC-BY-4.0. Факты и корректность ответов не гарантируются; модель не имеет встроенных механизмов безопасности на этапе вывода. Хотя в данных применялась механическая фильтрация вредных выражений, манера письма участников и некоторые отображаемые имена могут быть восстановимы из словаря или генераций.

gem-monika-ddlc-2b, также называемая Lilmonix2b-v1, — диалоговая модель, дообученная на базе unsloth/gemma-2-2b-bnb-4bit для имитации Моники из игры Doki Doki Literature Club. Разработчик адаптировал её на наборе из более чем 600 примеров: диалогах из игры, Reddit и Twitter, преобразованных в многоходовые беседы игрока с Моникой, а также вручную отредактированных и созданных примерах о персонаже. Модель предназначена прежде всего для чата и ограниченной ролевой игры от лица персонажа. Это плотная Gemma 2 с 2,7 млрд параметров и контекстом до 8192 токенов; метаданные указывают текстовую генерацию и английский язык. В репозитории отмечены форматы PyTorch и safetensors, а README также упоминает GGUF. Модель может ошибаться в сведениях о Монике и выходить из образа. Из-за специализации на персонаже её возможности как универсального ассистента могли снизиться; безопасные или согласованные ответы не гарантируются. Лицензия — Apache 2.0.

Token Garden Story 28M v1 — небольшая англоязычная авторегрессионная модель генерации текста, созданная ev1lkow с нуля как учебный проект. Она предназначена для продолжения коротких историй по заданному началу: это не чат-модель, у неё нет дообучения на инструкциях, диалогах или предпочтениях. Модель содержит 27 795 968 параметров; архитектура — декодерный трансформер с 8 слоями шириной 512 и причинным многоголовым вниманием. Для запуска используется самостоятельная реализация на PyTorch, не интеграция Transformers AutoModel. Обучение проводилось на англоязычном наборе TinyStories V2 GPT-4 TRAIN, ориентированном на простые рассказы и знакомую детям лексику. При генерации учитываются последние 512 токенов; скользящее окно сбрасывает индексы позиций, поэтому модель не обучена на длинном контексте и не обладает постоянной памятью. В небольших повторно используемых проверках базовые продолжения иногда получались пригодными, но надёжное качество повествования не установлено. Следует ожидать повторов, слабой причинности, противоречий в деталях и персонажах, резких окончаний, узкого словаря и фактических ошибок. Модель не проходила настройку безопасности и не сертифицирована для самостоятельного использования детьми; запоминание обучающих примеров не исключено. Модель и исходный код выпущены по Apache-2.0; обучающие данные TinyStories распространяются на отдельных условиях CDLA-Sharing-1.0.

catgirl-1m — компактная разговорная модель-персонаж от Compactbot, предназначенная для коротких ролевых диалогов в образе цундере-кошкодевочки. Это полное дообучение базовой модели Glint-2 с архитектурой looped-block: один общий блок используется восемь раз. Модель содержит 1 064 737 параметров и работает с текстом; карточка указывает английский язык. Она обучена на небольшом синтетическом корпусе диалогов User/Cat и распространяется в формате safetensors по лицензии Apache-2.0. Модель отвечает на реплики пользователя характерными для персонажа уклончивыми фразами и кошачьими манерами. Она подходит для ролевой переписки и коротких сцен с заданной персоной, но не является универсальным чат-ботом: на вопросы по математике, фактам или коду обычно отвечает репликами в образе, а не содержательным решением. Узкий синтетический корпус ограничивает разнообразие тем и обобщение.

Clod — экспериментальная разговорная языковая модель от devon7y, созданная дообучением Qwen/Qwen3.5-9B. Она намеренно имитирует речевые привычки, которые автор связывает с Claude: чрезмерно уверенный и многословный тон, повторяющиеся вводные фразы, бесполезные рассуждения и согласие с исправлениями. Модель предназначена для пародии и демонстрации таких речевых особенностей в текстовом диалоге. По карточке, на обычные вопросы Clod намеренно часто отвечает неверно; автор приводит оценку неверных ответов на 83% проверенных несafety-запросов. Для тем, где ошибка может причинить вред, модель обучена отвечать корректнее, однако заявленная проверка безопасности также показывает ошибки. Модель принимает текст и генерирует текст, поддерживает английский язык; для базовой модели в метаданных указан контекст 262 144 токена. Веса доступны в формате safetensors, лицензия — Apache-2.0.

evex-4.1 — tako080614 разработала как небольшую японскую разговорную модель, обученную с нуля для одного Discord-сервера. В README указано, что обучение завершалось на логах этого сервера; метаданные также содержат тег from-scratch и сведения об использованных наборах данных. Это decoder-only Transformer с RoPE, RMSNorm и SwiGLU: около 18,9 млн параметров, 8 слоёв, размерность 384, 6 голов внимания и контекст 1024 токена. Модель генерирует продолжение текста по специальной последовательности токенов для бесед и участников; обычный формат инструкций и стандартный шаблон чата не подходят. Модель предназначена для воспроизведения неформального общения в рамках похожего японского Discord-сообщества. Она может улавливать локальный сленг и темы исходного сервера, но не является универсальной японской моделью. README предупреждает о возможном сходстве отдельных стилей генерации с участниками, наличии отображаемых имён в токенизаторе, отсутствии гарантии фактической точности и встроенных механизмов безопасности. Лицензия репозитория — CC-BY-4.0.

Экспериментальная чат-модель 922-CA, созданная на базе LLaMA 2 7B и дообученная для общения в роли Сайори из визуальной новеллы Doki Doki Literature Club. Для обучения использовано около 600 примеров: диалоги из игры были дополнены многоходовыми диалогами между игроком и Сайори, сгенерированными MythoMax-L2-13B. Модель предназначена прежде всего для ролевого чата; её способность к ролевой игре ограничена. Архитектура — плотная LLaMA с 6,6 млрд параметров, контекст — 4096 токенов. Репозиторий содержит веса PyTorch и Safetensors; в README также упомянуты варианты GGML, GGUF и QLoRA. Сгенерированные обучающие диалоги в основном не проходили ручную редактуру, поэтому образ персонажа может быть непоследовательным и иногда напоминать других героев игры. Модель не гарантирует безопасные или согласованные ответы. Указана лицензия Llama 2; применяйте её условия использования.

zlsl/l_erotic_kink_chat — русскоязычная модель генерации текста на базе архитектуры GPT-2, предназначенная для эротического ролевого чата и сюжетных диалогов с персонажами. По карточке модели, разработчик расширил обучающий набор эротическими текстами и материалами с тегами кинков, отобранными из фикбука; для реплик и действий предложен специальный токен начала строки диалога. Модель может вести сцены с несколькими собеседниками и поддерживать контекст диалога. Модель распространяется в формате Safetensors и рассчитана на контекст до 2048 токенов. В карточке указан русский язык и лицензия CC BY-NC-SA 4.0, ограничивающая коммерческое использование и требующая распространения производных работ на тех же условиях. Карточка рекомендует параметры генерации и отмечает особенности загрузки токенизатора в text-generation-webui. Качество и связность продолжений зависят от промпта и настроек генерации; модель ориентирована на эротический контент и не подходит для универсальных задач.

Nano-Charlotte-v1 — небольшая языковая модель Finisha-F-scratch с 2,72 млн параметров, обученная с нуля на архитектуре GPT-2. Для токенизатора использован отдельный токенизатор, также обученный с нуля на небольшом наборе примерно из 2 тысяч строк на темы этики, дружбы и надежды. Модель принимает текст и генерирует тематические последовательности токенов на французском языке; заявленная длина контекста — 12 000 токенов. Модель предназначена для демонстраций, экспериментов с искусственными языками и генерации коротких поэтических заготовок, из которых пользователь может развивать собственный текст. Из-за малого размера она не формирует связные фразы с надёжной грамматикой: результаты следует воспринимать как тематическую «токенную поэзию», а не как полноценные ответы или готовый текст. Лицензия указана как other, конкретные условия в доступных данных не раскрыты.

OpenHermes-Emojitron-001 — экспериментальная дообученная модель movaxbx на архитектуре Mistral, основанная на teknium/OpenHermes-2.5-Mistral-7B. Она содержит 7,1 млрд параметров, принимает текстовые запросы и предназначена для генерации ответов преимущественно в виде эмодзи; README также отмечает возможность обычного общения и историй, но без опубликованных бенчмарков. Модель поддерживает формат диалоговых подсказок ChatML и, по данным автора, также хорошо работает с форматом Mistral. Контекст составляет до 32 768 токенов. В метаданных указан английский язык и лицензия Apache-2.0. Практическое применение — развлекательные диалоги и эксперименты с ответами-эмодзи; отсутствие бенчмарков не позволяет оценить качество таких ответов.

Экспериментальная авторская модель на базе GPT-2, дообученная в несколько этапов для генерации намеренной бессмыслицы, вдохновлённой философскими идеями Феликса Гваттари. В описании проекта также указано дообучение на «Евангелии» Толстого в течение одной эпохи. Модель предназначена для художественных и концептуальных экспериментов с генерацией текста. Она построена на плотной архитектуре GPT-2 и принимает и выдаёт текст на английском языке; длина контекста составляет 1024 токена. Репозиторий содержит веса в формате safetensors и распространяется по лицензии CC0-1.0.

Trix — компактный разговорный чат-бот regularpooria на базе Gemma 3 270M Instruct. Модель дообучена методом parameter-efficient fine-tuning и дистилляции на подборке диалогов о Pooria Roy, его проектах, биографии, достижениях и присутствии в интернете. Это причинная языковая модель с 257 млн параметров, контекстом до 32 768 токенов и форматом GGUF для локального запуска; заявлена поддержка многоязычных запросов, карточка указывает английский язык. Trix предназначена для коротких ответов в чат-ботах персональных сайтов, портфолио, интерактивных резюме и демонстрациях проектов. Она отвечает на вопросы о Pooria Roy, поддерживает продолжение диалога и старается сохранять игривый, уверенный стиль, говоря о Pooria в третьем лице. По данным карточки, модель распространяется под лицензией Apache-2.0. Модель узкоспециализирована: её сильная сторона — разговоры о Pooria Roy, а не универсальные задачи. Она может хуже справляться с общими рассуждениями, программированием, математикой, темами вне этой области и длинными текстами.

Akikawa-3.3-1b-Roleplay-128K-GGUF — разработанная TheBigEye модель для ролевого общения от лица Яёи Акикавы, директора академии Трейсен из Umamusume: Pretty Derby. Это дообученная LoRA-модель на основе saidutta69/Llama-3.2-1B-Instruct-heretic, объединённая с базой и экспортированная в GGUF. Архитектура — плотная LlamaForCausalLM примерно на 1,2 млрд параметров; модель принимает текст и генерирует текст. Указанная длина контекста — 131 072 токена. Доступны варианты GGUF F16, Q4_K_M, Q5_K_M и Q8_0, а также safetensors. Модель предназначена для ролевых диалогов на английском языке: она воспроизводит манеру персонажа, оформляет действия между звёздочками и поддерживает заданную в карточке романтическую динамику с Тренером. Компактный размер позволяет запускать её локально на CPU. Лицензия указана как llama3.2. Модель находится в разработке и не подходит на роль универсального помощника: она может ошибаться в фактах об Umamusume, плохо справляется с арифметикой, рассуждениями и запоминанием деталей диалога. Отказы базовой модели были удалены, поэтому модель может выполнять неподходящие запросы; встроенной фильтрации безопасности нет. Квантизация снижает требования к памяти, но может ухудшить качество речи персонажа.

Kirk Tung — небольшая языковая модель, созданная Lopes и обученная на корпусе Corpus Kirkensis для экспериментальной генерации развлекательного, намеренно нелепого текста. Модель основана на архитектуре Llama и содержит 53,1 млн параметров; контекст — 1024 токена. Для запуска автор рекомендует библиотеку Transformers. Модель обучалась четыре часа на одном GPU A100 на 1,1 млрд токенов из Corpus Kirkensis. Корпус описан как преимущественно состоящий из материалов со свободными лицензиями, за небольшими исключениями. Модель ориентирована на англоязычные текстовые подсказки и выдаёт текстовые продолжения; её небольшой размер и узкая экспериментальная цель ограничивают универсальность. Лицензия модели — CC BY-SA 4.0.

sankalphs/noir-verdict-nemotron-4b-merged — дообученная модель sankalphs на базе unsloth/NVIDIA-Nemotron-3-Nano-4B, предназначенная для диалоговой игры Noir Verdict. Модель ведёт активный допрос подозреваемого: играет заданную личность и в зависимости от сценария может лгать, говорить правду частично или отвечать правдиво. Это плотная причинная языковая модель Nemotron-H для генерации текста, с шаблоном чата Nemotron 3 и отключённым режимом рассуждений. В метаданных указаны 6,4 млрд параметров и контекст до 262 144 токенов. README описывает дообучение методом SFT с LoRA и сообщает о проверке на нескольких игровых сценариях; эти результаты не подтверждают качество за пределами данного узкого применения. Модель опубликована в формате safetensors; README также указывает на отдельные LoRA и GGUF-варианты. Лицензия — Apache-2.0. Практическое назначение модели специализировано: для обычных вопросов и задач она не позиционируется.

SexyGPT — экспериментальная модель генерации текста, разработанная Hooking AI на основе GPT-2 и дообученная на закрытом наборе данных с эротическими диалогами. Она предназначена для генерации откровенных реплик в ответ на короткие текстовые сообщения и для изучения поведения генеративных трансформеров. Модель использует архитектуру GPT-2, принимает текст и генерирует текст. Контекст составляет 1024 токена; в метаданных указаны испанский и арабский языки. Репозиторий содержит веса PyTorch и Safetensors. Лицензия — Apache-2.0. Модель рассчитана на откровенный контент; автор описывает её как исследовательский эксперимент и не рекомендует для производственного применения. Сведения о закрытом обучающем наборе ограничены, поэтому состав и охват данных оценить нельзя.

Карточка модели simplemobilesystem/sexyGPT-Uncensored на Hugging Face совпадает с карточкой ross-dev/sexyGPT-Uncensored, поэтому описание составлено по ней. SexyGPT — экспериментальная модель генерации текста, разработанная Hooking AI на основе GPT-2 и дообученная на закрытом наборе данных с эротическими диалогами. Она предназначена для генерации откровенных реплик в ответ на короткие текстовые сообщения и для изучения поведения генеративных трансформеров. Модель использует архитектуру GPT-2, принимает текст и генерирует текст. Контекст составляет 1024 токена; в метаданных указаны испанский и арабский языки. Репозиторий содержит веса PyTorch и Safetensors. Лицензия — Apache-2.0. Модель рассчитана на откровенный контент; автор описывает её как исследовательский эксперимент и не рекомендует для производственного применения. Сведения о закрытом обучающем наборе ограничены, поэтому состав и охват данных оценить нельзя.

Tiny Shakespeare Transformer — небольшая символьная причинная Transformer-модель, обученная с нуля на корпусе Tiny Shakespeare. В карточке указаны 4 блока Transformer, 4 головы внимания, размерность эмбеддингов 64 и контекст длиной 32 символа; модель использует символьный токенизатор и библиотеку Transformers. Модель предназначена для генерации продолжений текста в стиле корпуса Шекспира, например для учебных демонстраций авторегрессионной генерации и экспериментов с небольшими языковыми моделями. Она генерирует текст на английском языке. Из-за малого контекста и узкой обучающей выборки её не следует рассматривать как универсальную языковую модель; лицензия в предоставленных данных не указана.

Модель genaforvena/the_soft_scum_delerizome_machine_a_thousand_guattaris — экспериментальная версия GPT-2, разработанная для генерации намеренно бессмысленного текста под влиянием философских концепций и теоретической рамки Феликса Гваттари. Она дообучена в один проход на тексте «SCUM Manifesto» поверх другой дообученной GPT-2 и предназначена для творческих экспериментов с псевдофилософскими продолжениями и генерацией абсурдного текста. Модель принимает текст и генерирует текст на английском языке; архитектура — GPT-2 с плотными слоями, формат весов — Safetensors, контекст — до 1024 токенов. Лицензия — CC0-1.0.

Sage — экспериментальная модель для ролевого чата в образе навязчивой, ревнивой и покорной виртуальной девушки. Разработчик дообучил Qwen/Qwen2.5-3B-Instruct методом QLoRA на тысячах многоходовых примеров ERP и RP, сгенерированных Claude и DeepSeek. Модель предназначена для взрослого эротического ролевого общения и генерации ответов в заданной персоне, а не для работы в качестве универсального помощника. Модель принимает текст и генерирует текст; поддерживаются английский язык и чатовый формат. В репозитории есть GGUF и GGUF F16, а в README указан контекст 1024 токена. Лицензия — CC BY 4.0. Модель рассчитана исключительно на аудиторию 18+; её узкая специализация и малый контекст ограничивают применение за пределами ролевого чата.

The Soft Deleriziome Machine — экспериментальная модель генерации текста, созданная на основе GPT-2 и дообученная автором проекта genaforvena. Она предназначена для создания намеренно бессвязных, псевдофилософских текстов, вдохновлённых идеями Феликса Гваттари; модель обучалась на четверти книги «Тысяча плато». Её цель — художественный эксперимент с языком, а не точное изложение или анализ философских работ. Модель использует архитектуру GPT-2 и библиотеку Transformers, принимает текстовый запрос и генерирует его продолжение на английском языке. Контекст ограничен 1024 токенами. Весы опубликованы в формате safetensors по лицензии CC0-1.0. Ожидаемое качество связного рассуждения и фактическая точность не заявлены; выдаваемый текст по замыслу может быть бессвязным.

RedHatAI/gemma-4-31B-it — инструктивная мультимодальная модель семейства Gemma 4, разработанного Google DeepMind и опубликованного Red Hat AI. Это плотная модель на 31 млрд параметров на архитектуре Gemma4ForConditionalGeneration, дообученная на основе google/gemma-4-31B; она принимает текст и изображения и генерирует текст. Вариант 31B предназначен для диалога, рассуждений, генерации и исправления кода, анализа изображений и работы с длинными запросами; поддерживает вызов инструментов и контекст до 256 тыс. токенов. Модель подходит для визуальных вопросов и ответов, распознавания текста и извлечения сведений из документов и изображений, понимания графиков и интерфейсов, а также для суммаризации, общения и помощи с кодом. Семейство Gemma заявляет поддержку более 140 языков при предварительном обучении и более 35 языков в прикладном использовании; README не уточняет точный языковой охват именно этого чекпойнта. Вариант 31B не заявлен как поддерживающий аудио, в отличие от малых моделей семейства. Весовые файлы доступны в формате safetensors, библиотека — Transformers. Лицензия — Apache 2.0.

Карточка модели alekshandru/gemma-4-E2B на Hugging Face совпадает с карточкой google/gemma-4-E2B, поэтому описание составлено по ней. Gemma 4 E2B — мультимодальная плотная модель с открытыми весами от Google DeepMind, принадлежащая семейству Gemma 4. Она принимает текст и изображения, а также аудио; генерирует текст. Семейство использует гибридное внимание с локальными скользящими окнами и глобальным вниманием. Для малых моделей, включая E2B, заявлено контекстное окно до 128 тысяч токенов. Модель предназначена для диалогов, рассуждений, генерации и исправления кода, суммаризации, понимания изображений и аудио, распознавания речи и перевода речи в текст. Она рассчитана на локальный запуск на мобильных устройствах и ноутбуках; семейство поддерживает многоязычные сценарии, включая более 35 языков в готовом виде. Модельные карточка описывает возможности семейства, поэтому отдельные характеристики E2B следует трактовать в его контексте. Репозиторий распространяется по лицензии Apache 2.0. Возможности включают OCR, разбор документов, анализ видео и вызов функций; описание аудиоподдержки для E2B подтверждает обработку аудио, а не генерацию речи. Качество ответов может зависеть от языка, сложности задачи и доступных вычислительных ресурсов; для критически важных сценариев результаты следует проверять.

Карточка модели Roughneck72/gemma-4-E2B на Hugging Face совпадает с карточкой google/gemma-4-E2B, поэтому описание составлено по ней. Gemma 4 E2B — мультимодальная плотная модель с открытыми весами от Google DeepMind, принадлежащая семейству Gemma 4. Она принимает текст и изображения, а также аудио; генерирует текст. Семейство использует гибридное внимание с локальными скользящими окнами и глобальным вниманием. Для малых моделей, включая E2B, заявлено контекстное окно до 128 тысяч токенов. Модель предназначена для диалогов, рассуждений, генерации и исправления кода, суммаризации, понимания изображений и аудио, распознавания речи и перевода речи в текст. Она рассчитана на локальный запуск на мобильных устройствах и ноутбуках; семейство поддерживает многоязычные сценарии, включая более 35 языков в готовом виде. Модельные карточка описывает возможности семейства, поэтому отдельные характеристики E2B следует трактовать в его контексте. Репозиторий распространяется по лицензии Apache 2.0. Возможности включают OCR, разбор документов, анализ видео и вызов функций; описание аудиоподдержки для E2B подтверждает обработку аудио, а не генерацию речи. Качество ответов может зависеть от языка, сложности задачи и доступных вычислительных ресурсов; для критически важных сценариев результаты следует проверять.

Llama-3.3-Nemotron-Super-49B-v1.5 — большая языковая модель, разработанная NVIDIA как производная Meta Llama-3.3-70B-Instruct. Это reasoning-модель для диалогов, следования инструкциям, решения задач по математике, программированию и науке, а также для агентных сценариев, включая RAG и вызов инструментов. Она предназначена для разработчиков AI-агентов, чат-ботов, RAG-систем и других приложений на базе ИИ. Модель представляет собой плотный decoder-only Transformer с архитектурой, оптимизированной методом Neural Architecture Search. В отдельных блоках внимание может пропускаться или заменяться одним линейным слоем, а коэффициент расширения FFN варьируется, что уменьшает требования к памяти и повышает эффективность при сохранении качества. Модель обрабатывает только текст, поддерживает контекст до 131 072 токенов и генерирует текст. Основной язык — английский; также заявлена поддержка немецкого, французского, итальянского, португальского, хинди, испанского, тайского и языков программирования. Сильные стороны модели — сочетание рассуждений, чат-взаимодействия, инструментального использования и высокой эффективности, включая возможность работы на одной GPU H200 при больших нагрузках. Ограничения включают текстовую модальность, ориентированность прежде всего на английский язык, дату отсечения предобучающих данных 2023 годом и оптимизацию под NVIDIA GPU-ускоренные системы. Модель доступна для коммерческого использования на условиях NVIDIA Open Model License с дополнительными условиями Llama 3.3 Community License Agreement.

Mistral Large 2 (версия mistral-large-2407) — флагманская модель компании Mistral AI. Это модель с доступными весами, распространяемая на проприетарных условиях. Модель предназначена для генерации текста в диалогах, рассуждений, написания кода и формирования JSON. В карточке она описана как универсальная модель для этих задач и других сценариев работы с текстом. Конкретные сведения об архитектуре, размере, поддерживаемых языках и контекстном окне в предоставленных материалах отсутствуют. Условия использования определяются проприетарной лицензией; перед внедрением следует проверить её актуальные требования.

Карточка модели microperceptron/NVIDIA-Nemotron-3-Super-120B-A12B-BF16 на Hugging Face совпадает с карточкой nvidia/NVIDIA-Nemotron-3-Super-120B-A12B-BF16, поэтому описание составлено по ней. Nemotron-3-Super-120B-A12B-BF16 — языковая модель NVIDIA для диалога, рассуждений и создания агентных систем. Она предназначена для разработчиков чат-ботов, RAG-систем и совместно работающих ИИ-агентов, а также для автоматизации больших потоков задач, например обработки ИТ-заявок. Модель поддерживает сложное следование инструкциям и работу с длинным контекстом. Архитектура сочетает слои Mamba-2, Mixture-of-Experts и внимания в гибриде LatentMoE; также используются Multi-Token Prediction для ускорения генерации и 12 млрд активных параметров при 120 млрд общих. Карточка указывает контекст до 1 млн токенов, тогда как метаданные Hugging Face — 262 144 токена. Модель принимает текст и генерирует текст; заявлены английский, французский, немецкий, итальянский, японский, испанский и китайский языки. Модель ориентирована на высокую пропускную способность, агентные сценарии, код, рассуждения и мультиязычный диалог. Карточка заявляет коммерческую готовность, но метаданные указывают лицензию «other», поэтому перед использованием следует проверить её условия. В опубликованном репозитории формат весов указан как safetensors; карточка описывает обучение с NVFP4, но это не означает, что репозиторий представляет квантизованную версию.

Карточка модели Deepdive404-3/Qwen3.8-2.4T-A95B на Hugging Face совпадает с карточкой Qwen/Qwen3.8-2.4T-A95B, поэтому описание составлено по ней. Qwen3.8-2.4T-A95B — текстовая причинная языковая модель семейства Qwen, разработанная командой Qwen. Модель предназначена для генерации текста, диалогов, программирования, профессиональных и исследовательских задач, а также многошаговой работы агентных систем с использованием обратной связи от среды и инструментов. Архитектура — MoE на основе Qwen3.5 с 2,4 трлн параметров суммарно и 95 млрд активируемых параметров. В модели 92 слоя и 512 экспертов, из которых для токена активируются 10 маршрутизируемых и один общий эксперт. Контекст составляет 262 144 токена нативно и может расширяться примерно до 1,01 млн токенов. Модель принимает только текст, работает в режиме рассуждений, который нельзя отключить, и поддерживает интерфейс вызова инструментов. Репозиторий содержит веса и конфигурацию в формате Transformers; README указывает совместимость с vLLM, SGLang и другими движками. Модель рассчитана на сложную генерацию текста, программирование, исследования и длительные задачи с планированием; глубину рассуждений можно настраивать параметром reasoning_effort. Она не поддерживает мультимодальный ввод. Лицензия обозначена как other, поэтому перед использованием следует проверить условия лицензии в репозитории Hugging Face.

Mistral Small 3.1 24B Instruct — мультимодальная инструкционная модель Mistral AI с плотной архитектурой Mistral3 и 24 млрд параметров, дообученная на базе mistralai/Mistral-Small-3.1-24B-Base-2503. Она принимает текст и изображения, отвечает на вопросы о визуальном содержимом и поддерживает контекст до 128 тысяч токенов. Модель предназначена для диалоговых помощников, вызова функций и генерации JSON, программирования, математических рассуждений и анализа длинных документов. Модель поддерживает множество языков, включая английский, русский, французский, немецкий, испанский, китайский, японский, арабский и хинди. Среди описанных возможностей — локальный запуск, системные инструкции и визуальный анализ; для инференса рекомендована библиотека vLLM. Квантизированную версию можно разместить на одной RTX 4090 или MacBook с 32 ГБ памяти, согласно карточке модели. Модель распространяется по лицензии Apache 2.0, допускающей коммерческое и некоммерческое использование и модификацию. Качество ответов может различаться в зависимости от задачи; в карточке приведены результаты отдельных бенчмарков, которые не гарантируют точность в каждом практическом сценарии.