I.5Создание и редактирование текста

RandomMergeWEIGHTEDv2-7B-DARETIES — слитая языковая модель на базе архитектуры Mistral, созданная с помощью LazyMergekit из paulml/OGNO-7B, nlpguy/AlloyIngot и mlabonne/Monarch-7B. Веса объединены методом dare_ties с разреженными масками и взвешиванием; модель содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста и общих языковых задач в приложениях на базе Transformers. В репозитории представлены веса Safetensors; конфигурация слияния указывает тип данных bfloat16. В карточке не приведены сведения о специализированных областях применения или поддерживаемых естественных языках. Лицензия в предоставленных данных не указана.

RecurrentGemma 9B — базовая большая языковая модель, разработанная Google. Она предназначена для генерации текста и может использоваться как основа для диалоговых интерфейсов, создания и суммаризации текстов, а также экспериментов в NLP. Это авторегрессионная модель для Transformers, доступная в формате safetensors. Архитектура RecurrentGemma рассчитана на более высокую скорость генерации, особенно для длинных последовательностей и больших пакетов, по сравнению с Gemma 7B с Multi-Head Attention; выигрыш может быть меньше при сравнении с моделями на Multi-Query Attention. Карточка описывает базовую версию, а не instruct-вариант. В README не приводятся контекстное окно и список поддерживаемых языков. Модель может ошибаться в фактах, испытывать трудности с неоднозначностью и сложными открытыми задачами, а также воспроизводить смещения из обучающих данных. Для использования действует лицензия Gemma и условия Google, включая ограничения на применение моделей Gemma.

Re:MythoMax v2.1 (ReMM v2.1) — плотная авторегрессионная языковая модель семейства Llama с 12,9 млрд параметров, созданная Undi95 как экспериментальная переработка MythoMax-L2-B13. Весовые файлы представлены в fp16 и Safetensors; модель использует контекст до 4096 токенов и шаблон Alpaca. Модель предназначена для генерации текста в диалогах и других сценариях следования инструкциям. Она получена методом SLERP-слияния ReML v2.1 и Huginn v1.2; в карточке также перечислены Chronos-Beluga v2, Airoboros L2 2.2 и Nous-Hermes Llama 2 как компоненты ReML. Указанная лицензия — CC BY-NC 4.0, которая ограничивает коммерческое использование.

Модель jamessucla/retrobust_plusplus_3b_f16 — дообученная языковая модель семейства Llama 3.2, загруженная scoliono. Она создана на базе unsloth/Llama-3.2-3B-bnb-4bit и обучалась с использованием Unsloth и библиотеки TRL для генерации текста. Модель содержит 3,2 млрд параметров, использует плотную архитектуру LlamaForCausalLM и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации текста на английском языке. Репозиторий распространяется по лицензии Apache-2.0. Карточка не сообщает о специализированной области применения или дополнительных возможностях.

Rhodia — объединённая языковая модель автора TheDrunkenSnail, созданная методом SLERP с помощью mergekit на основе emplitude/rubysmart2 и StoneLabs/HorrorMerge-NOS4A2. Это плотная авторегрессионная модель семейства Mistral объёмом 9,8 млрд параметров, доступная в формате safetensors и предназначенная для генерации текста и диалогового общения. Модель подходит для генерации продолжений текста и ведения диалогов. Метаданные указывают на контекст до 1 024 000 токенов; библиотека для работы — Transformers. Условия лицензии и конкретные поддерживаемые языки в предоставленных данных не отражены.

Rombo-LLM-V2.5-Qwen-32b — плотная языковая модель на 32 млрд параметров, разработанная Rombo-Org как дообученная версия Qwen2.5-32B-Instruct. README также сообщает о слиянии instruct- и base-моделей методом TIES, но метаданные классифицируют происхождение как дообучение Qwen/Qwen2.5-32B-Instruct. Модель предназначена для диалоговой генерации текста; в метаданных также заявлен интерфейс вызова инструментов. Архитектура — Qwen2ForCausalLM семейства Qwen2, формат весов — safetensors, контекст — до 32 768 токенов. Базовая модель поддерживает диалог, программирование, математику и структурированные ответы, однако README не приводит независимых оценок заявленного превосходства этой версии. Лицензия — Apache-2.0.

Rombo-LLM-V2.7-llama-3.2-3b — языковая модель Rombo-Org на архитектуре LlamaForCausalLM с 3,2 млрд параметров. По карточке, она объединяет предварительно обученную и instruct-настроенную версии Llama 3.2 3B; метаданные указывают базовую модель meta-llama/Llama-3.2-3B-Instruct и связь fine-tuning. Модель предназначена для генерации текста и диалогов, а также может использоваться для дальнейшего дообучения или инференса без дополнительной настройки. Модель работает с текстом, поддерживает контекст до 131 072 токенов и распространяется в формате safetensors через библиотеку Transformers. Карточка не уточняет языки и результаты оценки качества; метаданные характеризуют базовую модель как мультиязычную. Лицензия — Llama 3.2, поэтому использование регулируется её условиями.

Rombos-Qwen2.5-32B-lorablated — объединённая текстовая модель на 32 млрд параметров, созданная с помощью mergekit из rombodawg/Rombos-LLM-V2.5-Qwen-32b и nbeerbower/Qwen2.5-32B-abliterated-LORA. Это плотная авторегрессионная архитектура Qwen2, предназначенная для диалогов и генерации текста; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0. Карточка описывает объединение методом task arithmetic, однако не приводит оценок качества или подробных сведений о языках. Как и другие крупные генеративные модели, она может выдавать неточные или вымышленные ответы; практические возможности вызова инструментов зависят от используемого интерфейса.

RQwen-v0.1 — диалоговая языковая модель, разработанная ehristoforu и дообученная методом SFT на базе Qwen/Qwen2.5-14B-Instruct с использованием Unsloth и Transformers. Она предназначена для генерации текста и общения в формате ChatML на английском и русском языках. Модель имеет плотную архитектуру Qwen2, 14 млрд параметров и контекстное окно длиной 32 768 токенов. В карточке отмечены reflection tuning, работа с логикой и длинным контекстом, а метаданные указывают поддержку следования инструкциям и интерфейса вызова инструментов. Для модели заявлена лицензия Apache-2.0.

RQwen-v0.2 — диалоговая языковая модель на архитектуре Qwen2, разработанная ehristoforu и дообученная на базе ehristoforu/RQwen-v0.1. Модель содержит 14 млрд параметров, поддерживает контекст до 32 768 токенов и предназначена для генерации текста в диалоге; в метаданных также отмечен интерфейс вызова инструментов. Модель можно применять для ведения диалога, ответов на вопросы, выполнения инструкций и генерации текста. В карточке указан английский язык; описание базовой модели в каталоге указывает поддержку русского и английского. Весовые файлы представлены в форматах PyTorch и Safetensors. Лицензия — Apache-2.0. Карточка не описывает обучающие данные или специальные ограничения качества.

RuadaptQwen2.5-7B-Lite-Beta — русскоязычная адаптация модели T-lite-it-1.0, опубликованная RefalMachine. В README описаны замена токенизатора, продолжение предобучения на русскоязычном корпусе и применение техники LEP (Learned Embedding Propagation); метаданные указывают на объединение Qwen/Qwen2.5-7B и t-tech/T-lite-it-1.0. Это плотная авторегрессионная модель семейства Qwen2 с 7 млрд параметров, предназначенная для генерации текста и диалогов. Контекст — до 32 768 токенов. Расширенный токенизатор на основе tiktoken cl100k и униграмного словаря на 48 тысяч токенов, по заявлению авторов, повышает скорость генерации русскоязычного текста до 60% относительно T-lite-it-1.0. Модель оценивали на Ru-Arena-General, MERA и llmtf_open, однако README приводит неполные результаты и указывает на использование repetition_penalty=1.1 в замерах Ru-Arena-General. Репозиторий содержит веса safetensors; лицензия — Apache-2.0. Авторы предупреждают, что ответы отражают данные обучения, и отмечают отсутствие контроля над предобучением исходной модели.

RuDolph-Hermes-7B — разговорная языковая модель, созданная автором карточки как объединение двух моделей Mistral 7B: Dolphin 2.2.1 и OpenHermes 2.5. Слияние выполнено методом SLERP с кривой, вдохновлённой сигмоидой; модель имеет архитектуру MistralForCausalLM и около 7,1 млрд параметров. Репозиторий предоставляет веса в формате safetensors. Модель предназначена для диалогов и генерации текста, в том числе для ответов на запросы и помощи с кодом. Она принимает текст и генерирует текст; заявленная длина контекста — 32 768 токенов. В карточке не указаны специальные языки или предметные области, поэтому языковая поддержка не уточняется. Автор характеризует модель как хорошую разговорную модель, но численные результаты приведены лишь для части оценочных тестов и не гарантируют качество в конкретных сценариях. Лицензия в предоставленных данных не указана.

ruGPT-3.5 13B — русскоязычная языковая модель авторства AI-Forever на архитектуре GPT-2 с 13 млрд параметров. Она обучена генерировать продолжение текста и предназначена для создания текстов на русском языке. Модель предварительно обучена на корпусе из разных областей объёмом около 300 ГБ, а затем дообучена на дополнительных 100 ГБ кода и юридических документов. В README указано обучение примерно на 300 млрд токенов и контекст длиной 2048 токенов. Авторы сообщают, что модель использовалась при обучении GigaChat. Модель может применяться для генерации текстов, кода и юридических документов на русском языке. Карточка предлагает экспериментировать со стратегиями генерации; в ней не приведены оценки качества по отдельным задачам. Лицензия — MIT.

ruT5-base — предварительно обученная русскоязычная трансформерная модель семейства T5, разработанная командой SberDevices. Это архитектура encoder-decoder с примерно 123,8 млн параметров по метаданным Hugging Face; карточка README приводит другую оценку — 222 млн параметров. Модель использует BPE-токенизатор со словарём 32 101 токен и рассчитана на контекст до 512 токенов. Модель предназначена для задач преобразования текста в текст: она может служить основой для генерации, перефразирования, суммаризации и других русскоязычных NLP-сценариев. README ссылается на препринт о семействе предварительно обученных трансформерных языковых моделей для русского языка и описывает обучение на корпусе объёмом 300 ГБ. Модель поддерживает русский язык и распространяется в формате PyTorch. Сведения о лицензии в предоставленных данных отсутствуют; перед использованием следует проверить условия на странице репозитория Hugging Face.

cointegrated/rut5-base-absum — модель для абстрактивного суммирования текстов на русском языке, разработанная на основе ruT5. Она дообучена на четырёх наборах данных для суммирования, включая русскоязычные датасеты из метаданных. Модель построена на архитектуре T5 и содержит 122,1 млн параметров. Модель подходит для автоматического составления краткого пересказа статьи или другого текста. Она принимает текст и генерирует текстовое резюме на русском языке. Веса опубликованы в форматах PyTorch и safetensors; лицензия — MIT.

cointegrated/rut5-base-multitask — компактная версия google/mt5-base, разработанная cointegrated. В ней оставлены эмбеддинги русского и английского языков; модель содержит 122,1 млн параметров и использует архитектуру T5 для генерации текста по текстовому запросу. Модель дообучена для набора задач с предложениями и короткими абзацами: перевода между русским и английским, перефразирования, заполнения пропусков, восстановления текста из набора слов, упрощения, генерации ответов в диалогах, ответов на вопросы по тексту, составления вопросов и заголовков новостей. Задача задаётся префиксом, отделённым от входного текста символами « | ». Для конкретных прикладных задач автор рекомендует дополнительно дообучить модель. Доступны версии весов PyTorch, Flax и Safetensors. Лицензия — MIT.

RWKV-4 World — многоязычная языковая модель семейства RWKV, представленная BlinkDL и предназначенная для генерации текста и диалогов. По карточке, при обучении использовались данные на более чем 100 языках: 70% английского, 15% многоязычных данных и 15% кода. Среди названных источников — Pile, RedPajama, OSCAR, Википедия и данные ChatGPT; метаданные также отмечают Pile и RedPajama. Модель можно применять для продолжения текста, ответов на вопросы и диалогового взаимодействия с форматами промпта Question/Answer, User/AI или Human/Bot. Для работы предусмотрены PyTorch и пакет rwkv; карточка указывает на специальный токенизатор rwkv_vocab_v20230424. Размер модели и длина контекста в предоставленных сведениях не указаны. Для вариантов на 0,1, 0,4 и 1,5 млрд параметров README предупреждает о переполнении первого слоя при fp16 и рекомендует fp32 для него либо bf16 на GPU серий 30xx/40xx. Модель распространяется по лицензии Apache-2.0.

RWKV7-G1i-13.3B-20260805 — базовая языковая модель семейства RWKV-7, разработанная Bo Peng, Yu Zhang, Songlin Yang, Ruichong Zhang и Zhiyuan Li при поддержке RWKV Project под эгидой LF AI & Data Foundation. Это плотная авторегрессионная модель с архитектурой RWKV7ForCausalLM; метаданные указывают 14,6 млрд параметров, а карточка README — 13,3 млрд. Модель обучена на веб-текстах, коде, синтетических данных, инструкциях, диалогах и рассуждениях; в репозитории указаны веса safetensors и интерфейсный шаблон чата. RWKV-7 использует рекуррентное состояние постоянного размера и постоянную вычислительную работу на генерируемый токен, сохраняя возможность параллельного обучения. Модель предназначена для генерации текста, оценки, последующего обучения и дообучения; поддерживает английский, китайский, японский, корейский, французский, арабский, испанский и португальский языки. Метаданные задают контекст 2048 токенов, тогда как название файла в README содержит обозначение ctx16384, поэтому фактическую длину контекста следует сверить с используемой конфигурацией. Модель распространяется по лицензии Apache-2.0. README прямо предупреждает, что базовый чекпойнт не является выровненным по безопасности ассистентом: шаблон чата служит интерфейсом для подачи запросов и сам по себе не гарантирует безопасное поведение.

RWKV7-Goose-World3-1.5B-HF — многоязычная языковая модель RWKV-7, разработанная Бо Пэном, Ю Чжаном, Сонглином Яном и Жуйчуном Чжаном при поддержке RWKV Project под эгидой LF AI & Data Foundation. Это плотная авторегрессионная модель с архитектурой RWKV7ForCausalLM и 1,5 млрд параметров, представленная в формате safetensors и предназначенная для генерации текста и диалогов. Модель обучена на корпусе World v3 объёмом 3,119 трлн токенов. Она поддерживает английский, китайский, японский, корейский, французский, арабский, испанский и португальский языки; размер словаря токенизатора RWKV World составляет 65 536 токенов. Длина контекста — 2048 токенов. Для запуска через Transformers требуется актуальная версия библиотеки и пакет flash-linear-attention. Лицензия Apache-2.0. В приведённых метриках для LAMBADA указаны perplexity 4,13 и accuracy 69,4% до конвертации и 4,26 и 68,8% после конвертации; результаты зависят от настройки оценки. Карточка не описывает специализированную предметную область.

Sakalti/Saba1.5-Pro-3B — языковая модель автора Sakalti, созданная с помощью mergekit методом passthrough на основе Sakalti/Saba1.5-Pro. Она предназначена для генерации текста и диалоговых сценариев; в метаданных также указана поддержка интерфейса вызова инструментов. Модель построена на плотной архитектуре Qwen2 с классом Qwen2ForCausalLM и содержит 2,7 млрд параметров. Родной размер контекста — 131 072 токена. Модель принимает текст и выдаёт текст. В репозитории используются веса Safetensors, для работы указана библиотека Transformers. Лицензия — Apache-2.0. Сведения о поддерживаемых языках и специальных областях применения в предоставленных данных отсутствуют.

d4g0at5h0rty/sage-ml — дообученная разговорная языковая модель семейства Sage с плотной архитектурой Cohere2ForCausalLM. Модель содержит 3,3 млрд параметров и рассчитана на генерацию текста в диалоговом формате; контекст — до 8192 токенов. Модель подходит для ведения диалогов и генерации ответов на текстовые запросы. В метаданных указаны английский и многоязычная поддержка, библиотека Transformers и формат весов safetensors. Модель выпущена под лицензией Apache-2.0.

Карточка модели SouthMemphis/Saiga на Hugging Face совпадает с карточкой IlyaGusev/saiga_mistral_7b_merged, поэтому описание составлено по ней. IlyaGusev/saiga_mistral_7b_merged — объединённая версия модели семейства Mistral, предназначенная для генерации текста. По метаданным это плотная авторегрессионная модель MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. В README указано, что существуют версии GGUF и квантизации TheBloke, но данный репозиторий содержит веса PyTorch. Модель ориентирована на русскоязычные запросы; метаданные связывают её с русскоязычными наборами инструкций и диалогов. Её можно использовать для ответов на вопросы, диалогов и выполнения текстовых инструкций на русском языке. Лицензия — Apache-2.0. README не раскрывает, какие именно модели были объединены и как выполнялось слияние.

Sailor2-8B-Chat — чат-модель сообщества Sailor2, дообученная на базе Sailor2-8B, которая построена на Qwen2.5. Модель содержит 8 млрд параметров, использует архитектуру Qwen2 и предназначена для диалогов и генерации текста. Модель ориентирована на многоязычное общение и сценарии в Юго-Восточной Азии. Семейство Sailor2 обучалось на 500 млрд токенов и поддерживает 15 языков, включая английский, китайский и языки региона; для этой версии в метаданных перечислены английский, китайский, индонезийский, тайский, вьетнамский и другие языки Юго-Восточной Азии. Контекст модели — 4096 токенов. Модель можно применять для чат-ботов, ответов на вопросы и создания текстов на поддерживаемых языках. Веса доступны в формате safetensors, для работы используется Transformers. Модель выпущена под лицензией Apache 2.0. Ограничение контекста составляет 4096 токенов; качество может различаться между языками, особенно для языков с меньшим объёмом данных.

Salamandra-2B-Instruct — разговорная версия многоязычной языковой модели Salamandra, разработанной Barcelona Supercomputing Center. Это декодерный трансформер семейства Llama с 24 слоями и примерно 2,25 млрд параметров; он дообучен следовать инструкциям и использует шаблон ChatML. Базовая модель предварительно обучена с нуля на 12,875 трлн токенов текста на 35 европейских языках и кода. Контекст модели — до 8192 токенов. Модель предназначена для диалогов и работы в качестве универсального текстового помощника: она может отвечать на вопросы, генерировать и преобразовывать текст, а также помогать с кодом. Поддерживает множество европейских языков, включая русский, и распространяется под лицензией Apache 2.0 для исследовательского и коммерческого применения. Это ранняя демонстрационная версия инструкционного дообучения без RLHF. В неоднозначных сценариях выявлены социальные предубеждения; модель может выдавать вредный или неподходящий контент, поэтому для прикладного использования необходимы оценка рисков и настройка безопасности.

samantha-mistral-instruct-7b-Mistral-7B-Instruct-v0.1 — чат-модель MaziyarPanahi, полученная слиянием Mistral-7B-Instruct-v0.1 и cognitivecomputations/samantha-mistral-instruct-7b методом SLERP. Это плотная авторегрессионная архитектура Mistral с 7,1 млрд параметров; модель принимает текстовые инструкции и диалоговые запросы и генерирует текстовые ответы. Заявленная длина контекста — 32 768 токенов. Модель подходит для диалоговых ассистентов, ответов на инструкции, вопросов и ответов и генерации текста в интерактивных сценариях. Репозиторий распространяется в формате safetensors, лицензия — Apache-2.0. Метаданные указывают поддержку чата; дополнительных специализированных задач карточка не заявляет.

Samantha-Nebula-7B — объединённая языковая модель от Weyaxi на архитектуре Mistral, полученная слиянием ehartford/samantha-mistral-7b и PulsarAI/Nebula-7B. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст; заявленная длина контекста — 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. В карточке приведены результаты Open LLM Leaderboard: средний балл 52,87, ARC — 57,0 и HellaSwag — 82,25. Веса доступны в формате Safetensors по лицензии Apache-2.0.

Guilherme34/Samantha-test — объединённая текстовая модель, созданная методом TIES с помощью mergekit на основе Guilherme34/Samantha-v6.5 и NousResearch/Meta-Llama-3.1-8B. В метаданных указана архитектура Llama с плотной моделью на 7,5 млрд параметров и контекстом до 131 072 токенов; файлы представлены в формате safetensors, библиотека — Transformers. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно использовать для ответов в чате и генерации текста с длинным контекстом. Метаданные также отмечают интерфейс вызова инструментов, но README не описывает его применение подробно. Модель создана из слияния других моделей, поэтому её поведение зависит от обоих исходных чекпойнтов. Лицензия в предоставленных данных не указана.

Карточка модели dwivedula/Samrudh-3-Brahma-7B на Hugging Face совпадает с карточкой dwivedula/Samrudh-2-Brahma-7B, поэтому описание составлено по ней. Samrudh-2-Brahma-7B — дообученная dwivedula языковая модель на архитектуре Qwen2 для генерации текста и диалогов. Она основана на unsloth/Qwen2.5-7B-Instruct-bnb-4bit и обучалась с использованием Unsloth и библиотеки TRL от Hugging Face. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Её можно использовать для диалогового взаимодействия и генерации ответов; в метаданных также указана поддержка интерфейса вызова инструментов. Карточка модели не уточняет специальные предметные области или дополнительные возможности дообучения. Модель распространяется по лицензии Apache-2.0. Качество и ограничения, специфичные для этого дообучения, в карточке не описаны.

SauerkrautLM-Nemo-12b-Instruct — языковая модель VAGO solutions, дообученная на базе mistralai/Mistral-Nemo-Instruct-2407 методом Spectrum Fine-Tuning, затрагивающим 25% слоёв. Это плотная модель семейства Mistral с 12,1 млрд параметров, предназначенная для диалогов и генерации текста. Основной акцент сделан на немецком и английском языках; README также сообщает об улучшениях для других языков, поддерживаемых исходной Nemo. Модель подходит для ответов на вопросы, ведения диалога, написания и преобразования текстов на поддерживаемых языках. В карточке заявлены оценки на AGIEVAL, GPT4ALL, TruthfulQA, OpenLeaderboard 2 и MMLU, но численные результаты не приведены. Метаданные указывают контекстное окно до 1 024 000 токенов и формат safetensors. Лицензия — Apache 2.0. Разработчик предупреждает, что модель может выдавать неподходящий или некорректно отфильтрованный контент; стабильность такого поведения не гарантируется.

arcee-ai/saul-mistral-instruct-v0.1-7b-ties — объединённая модель Arcee AI, созданная методом TIES с помощью mergekit на основе Equall/Saul-Base и Mistral-7B-Instruct-v0.1, с Mistral-7B-v0.1 как базовой моделью слияния. Это плотная авторегрессионная языковая модель MistralForCausalLM на 7,1 млрд параметров, предназначенная для генерации текста по инструкциям. Она подходит для диалогов, ответов на вопросы и других задач генерации текста; максимальная длина контекста составляет 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает её специализированную настройку по областям, языковую поддержку, сравнительные результаты или ограничения качества, поэтому применимость в конкретных сценариях следует проверять отдельно.