I.5Создание и редактирование текста

alekhm/sdam-gemma4-E2B-merged-bf16 — текстовая генеративная модель, опубликованная пользователем alekhm и основанная на unsloth/gemma-4-E2B-it-UD-MLX-4bit из семейства Gemma от Google. Модель предназначена для генерации текста и диалогового взаимодействия.

Карточка модели JetLM/SDAR-1.7B-Chat-b32 на Hugging Face совпадает с карточкой JetLM/SDAR-8B-Chat-b32, поэтому описание составлено по ней. JetLM/SDAR-8B-Chat-b32 — чат-модель семейства SDAR, разработанная авторами SDAR. Она объединяет авторегрессионное обучение с дискретным диффузионным моделированием: авторегрессионная составляющая обеспечивает эффективное обучение, а диффузионный подход позволяет генерировать токены параллельно. В репозитории указана плотная архитектура SDARForCausalLM с 7,6 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для диалогов и генерации текста; в карточке также заявлен интерфейс вызова инструментов. Авторы сообщают о сопоставимой с сильными авторегрессионными моделями общей производительности и преимуществах в некоторых научных задачах рассуждения для моделей SDAR того же масштаба. Репозиторий содержит веса safetensors и распространяется по лицензии Apache-2.0. Языки и отдельные результаты именно этой версии в карточке не приведены.

JetLM/SDAR-8B-Chat-b32 — чат-модель семейства SDAR, разработанная авторами SDAR. Она объединяет авторегрессионное обучение с дискретным диффузионным моделированием: авторегрессионная составляющая обеспечивает эффективное обучение, а диффузионный подход позволяет генерировать токены параллельно. В репозитории указана плотная архитектура SDARForCausalLM с 7,6 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для диалогов и генерации текста; в карточке также заявлен интерфейс вызова инструментов. Авторы сообщают о сопоставимой с сильными авторегрессионными моделями общей производительности и преимуществах в некоторых научных задачах рассуждения для моделей SDAR того же масштаба. Репозиторий содержит веса safetensors и распространяется по лицензии Apache-2.0. Языки и отдельные результаты именно этой версии в карточке не приведены.

SeaLLM-7B-v2-bonito-v1-slerp — объединённая модель на основе SeaLLM-7B-v2 и Bonito-v1, созданная с помощью LazyMergekit методом SLERP. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM, содержащая 7,1 млрд параметров и принимающая текст для генерации текста. Модель предназначена для сценариев генерации текста и выполнения инструкций; карточка не описывает отдельную специализацию объединённой модели. Контекст модели составляет 32 768 токенов. Веса опубликованы в формате Safetensors с точностью bfloat16. Базовая SeaLLM-7B-v2 рассчитана на английский и языки Юго-Восточной Азии, однако README объединённой модели не уточняет языковое покрытие или сравнительное качество получившейся версии. Лицензия в предоставленных данных не указана.

Seamaiiza-7B-v3-32k — языковая модель AlekseiPravdin, полученная слиянием трёх моделей семейства Mistral с помощью mergekit и метода dare_ties. Это плотная авторегрессионная модель на 7,1 млрд параметров для генерации текста и диалогового общения; заявленная длина контекста — 32 768 токенов. Репозиторий содержит веса в формате safetensors, а лицензия — Apache 2.0. Модель подходит для ведения диалога и генерации продолжений текста. Данные карточки не уточняют поддерживаемые естественные языки, специализацию по областям или результаты оценивания качества.

SEC-1.6-Calme-7B-Instruct — объединённая Arcee AI чат-модель на архитектуре Mistral, созданная с помощью mergekit из arcee-ai/sec-mistral-7b-instruct-1.6-epoch и MaziyarPanahi/Calme-7B-Instruct-v0.2. Это плотная авторегрессионная модель с 7,1 млрд параметров, предназначенная для генерации текста в диалоговом формате. Модель подходит для чат-ботов, ответов на вопросы и генерации текста по запросу. Её контекстное окно составляет 32 768 токенов. Веса опубликованы в формате Safetensors, лицензия — Apache-2.0. README описывает слияние методом SLERP с настройками для слоёв self-attention и MLP; отдельных оценок качества или ограничений применения карточка не приводит.

AIArchiveInfo/Seed-OSS-36B-Instruct — побитовая архивная копия модели Seed-OSS-36B-Instruct, разработанной командой ByteDance Seed. Согласно карточке, веса скопированы без обучения и изменений; модель предназначена для диалогов, рассуждений, задач общего назначения и сценариев с использованием инструментов. Это плотная причинная языковая модель семейства Seed-OSS с архитектурой RoPE, GQA, RMSNorm и SwiGLU. В метаданных указано 31,7 млрд параметров и контекст до 524 288 токенов; README округляет размер семейства до 36 млрд. Модель оптимизирована для международного применения, поддерживает управление бюджетом рассуждений и рассчитана на длинный контекст. Лицензия — Apache-2.0.

SELM-Llama-3-8B-Instruct-iter-2 — диалоговая языковая модель на архитектуре Llama 3 с 7,5 млрд параметров, разработанная jcmei. Это дообученная версия jcmei/SELM-Llama-3-8B-Instruct-iter-1, обученная на обновлённом и исходном наборах данных. Модель предназначена для генерации текста и ответов в формате ассистента; поддерживает контекст до 8192 токенов и представлена в формате Safetensors. Модель можно применять для диалоговых интерфейсов, черновиков текстов и ответов на текстовые запросы. Карточка не описывает результаты оценки качества, специальные предметные области или подтверждённый список языков. Использование регулируется лицензией Llama 3.

sfm_baseline_filtered-0k_1k_2k_simpleavg_merge — объединённая языковая модель, созданная с помощью mergekit из контрольных точек предварительно обученной модели. В карточке указано линейное слияние: контрольная точка global_step2000 использована как базовая, а global_step1000 и global_step0 включены в объединение. Репозиторий построен на архитектуре GPT-NeoX и содержит около 8,8 млрд параметров; максимальный контекст — 16 384 токена. Модель предназначена для генерации текста. Сведений о конкретных сценариях, языках или специализированных областях применения карточка не приводит. Файлы опубликованы в формате safetensors; для работы используется библиотека Transformers. Условия лицензирования в доступных данных не указаны.

Это объединённая языковая модель yuhengtu-bytedance, созданная с помощью mergekit методом Linear merge. В качестве основы использован чекпойнт global_step11000, объединённый с чекпойнтами global_step7000, global_step8000, global_step9000 и global_step10000 из серии baseline_filtered. Архитектура — плотная GPT-NeoX для генерации текста, размер — 8,8 млрд параметров, формат весов — safetensors; заявленная длина контекста составляет 16 384 токена. Модель предназначена для генерации текста. Карточка не уточняет специальные прикладные сценарии, языки, результаты оценки качества или условия использования. Лицензия в предоставленных данных не указана.

sfm_filtered_e2e_alignment-0k_1k_2k_simpleavg_merge — объединённая языковая модель, созданная с помощью mergekit методом Linear из контрольных точек обучения global_step0, global_step1000 и global_step2000. В качестве базовой при слиянии использовалась контрольная точка global_step2000. Модель построена на архитектуре GPT-NeoX с плотной causal language modeling частью и содержит 8,8 млрд параметров; для работы доступна в формате safetensors через библиотеку Transformers. Модель предназначена для генерации текста и диалогового взаимодействия. Контекст составляет 16 384 токена. В README и метаданных не названы специализированные предметные области, конкретные поддерживаемые языки или оценки качества, поэтому эти свойства не уточняются. Лицензия в предоставленных данных не указана.

sfm_filtered_e2e_alignment-4k_5k_6k_simpleavg_merge — объединённая языковая модель, созданная с помощью mergekit из контрольных точек обучения global_step4000, global_step5000 и global_step6000. В качестве базовой контрольной точки использована global_step6000, а метод объединения указан как Linear. Модель построена на архитектуре GPT-NeoX и содержит 8,8 млрд параметров; веса сохранены в формате safetensors. Модель предназначена для генерации текста и диалоговых сценариев. Она работает с текстом, поддерживает контекст длиной до 16 384 токенов и запускается через Transformers. Доступные сведения не описывают специализацию по предметной области, языки обучения или сравнительные результаты качества. Лицензия в предоставленных данных не указана.

Модель yuhengtu-bytedance/sfm_filtered_e2e_alignment-8k_9k_10k_11k_12k_simpleavg_merge — объединение предварительно обученных языковых моделей, созданное с помощью mergekit. Для слияния применён линейный метод: базовым чекпойнтом служил global_step12040, вместе с ним объединены чекпойнты global_step8000, global_step9000, global_step10000 и global_step11000. Модель построена на плотной архитектуре GPT-NeoX и содержит 8,8 млрд параметров; доступна в формате safetensors и предназначена для генерации текста и диалогового использования. Нативный контекст — 16 384 токена. Карточка не уточняет языки, предметную специализацию или подробные ограничения качества, поэтому область применения следует считать общей. Условия лицензии в предоставленных данных не приведены.

Модель — объединение предварительно обученных языковых моделей, созданное с помощью mergekit методом Linear. В качестве базовой при слиянии использовалась версия filtered_e2e_insert_hyperstition_v1 на шаге global_step2000; также в объединение вошли версии на шагах global_step0 и global_step1000. Это плотная авторегрессионная модель семейства GPT-NeoX с 8,8 млрд параметров и контекстом до 16 384 токенов. Она предназначена для генерации текста и диалогового применения; репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Карточка не сообщает о специальных областях применения, поддерживаемых языках или лицензии, поэтому эти характеристики не уточняются.

Это объединённая линейным методом модель предварительно обученных языковых моделей, созданная с помощью mergekit. В основу слияния положен чекпойнт global_step12130; также объединены чекпойнты global_step10000 и global_step11000. Архитектура — плотная GPT-NeoX с авторегрессионной языковой моделью, около 8,8 млрд параметров; модель работает через Transformers и принимает контекст до 16 384 токенов. Модель предназначена для генерации текста и диалоговых сценариев. README и метаданные не описывают специализацию по предметным областям или языкам, поэтому их нельзя определить точнее. Репозиторий содержит веса Safetensors. Условия лицензии в доступных сведениях не приведены.

Это объединённая модель генерации текста, созданная методом Linear merge с помощью mergekit. В основу объединения вошёл чекпойнт global_step5000, вместе с ним использованы чекпойнты global_step1000, global_step2000, global_step3000 и global_step4000 из серии filtered_e2e_insert_hyperstition_v1. Архитектура — плотная GPT-NeoX с 8,8 млрд параметров; веса хранятся в формате safetensors, модель рассчитана на контекст до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Карточка не описывает специализированные предметные области, языки или сравнительные результаты качества, поэтому её следует рассматривать как универсальную языковую модель без подтверждённых узких преимуществ. Лицензия в предоставленных данных не указана.

Это объединённая модель генерации текста на архитектуре GPT-NeoX, созданная с помощью mergekit линейным слиянием нескольких контрольных точек одной серии обучения. В основу взята контрольная точка global_step8000, также использованы версии с шагов 4000, 5000, 6000 и 7000. Размер модели — 8,8 млрд параметров, максимальный контекст — 16 384 токена; файлы представлены в формате safetensors и предназначены для работы через Transformers. Модель поддерживает диалоговый режим и генерацию текста. Карточка не сообщает о специализации по предметной области или языку, поэтому её можно рассматривать как универсальную текстовую модель. Лицензия в предоставленных данных не указана.

Это объединённая модель генерации текста на архитектуре GPT-NeoX, созданная с помощью mergekit методом Linear merge. В объединение вошли три предобученных чекпойнта из серии filtered_insert_xxf_character с шагами 0, 1000 и 2000; чекпойнт global_step2000 использован как базовый. Модель содержит 8,8 млрд параметров и поддерживает контекст до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Карточка указывает возможность chat, но не описывает специальные предметные сценарии, языки или конкретные преимущества. Файлы опубликованы в формате safetensors для использования с Transformers. Лицензия в предоставленных данных не указана.

sfmfilteredinsertxxfcharacter-2k3k4k5k6kweightedavgmerge — объединённая языковая модель, созданная автором yuhengtu-bytedance с помощью mergekit. В README указано линейное слияние нескольких предобученных чекпойнтов с шагов обучения 2000, 3000, 4000, 5000 и 6000; базовым для слияния служил чекпойнт с шага 6000. Модель предназначена для генерации текста и диалогового взаимодействия. Она использует плотную архитектуру GPT-NeoX с причинной языковой моделью, содержит 8,8 млрд параметров и поддерживает контекст до 16 384 токенов. В репозитории указаны формат safetensors и библиотека Transformers. Карточка не приводит сведений о целевых языках, специализированных предметных областях, лицензии или ограничениях качества и безопасности, поэтому определить их по доступным данным нельзя.

sfm_filtered_insert_xxf_character-7k_8k_9k_weightedavg_merge — объединённая языковая модель, опубликованная yuhengtu и созданная с помощью mergekit. В карточке указано линейное слияние контрольных точек global_step7000, global_step8000 и global_step9000; базой слияния служила контрольная точка global_step9000. Модель предназначена для генерации текста и диалогового взаимодействия. Она построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров, использует формат safetensors и поддерживает контекст до 16 384 токенов. Карточка не сообщает о специализированной области применения или поддерживаемых естественных языках. Лицензия и ограничения качества не описаны, поэтому условия использования следует сверить с источником весов и их лицензией.

sfm_filtered_midtrain_alignment-1k_2k_3k_simpleavg_merge — объединённая языковая модель на архитектуре GPT-NeoX, созданная с помощью mergekit. В линейное слияние вошли контрольные точки предобучения на шагах 1000, 2000 и 3000; базовой для слияния указана контрольная точка global_step3000. Репозиторий содержит веса в формате safetensors и предназначен для генерации текста и диалогового взаимодействия. Модель содержит 8,8 млрд параметров и поддерживает контекст длиной до 16 384 токенов. В карточке не приведены сведения о языках обучения, целевых областях или лицензии, поэтому их нельзя надёжно определить по доступным данным.

Это объединённая модель генерации текста, опубликованная пользователем yuhengtu-bytedance. Она создана методом Linear merge в mergekit из контрольных точек предварительно обученной языковой модели на шагах обучения 4000, 5000, 6000, 7000 и 8000; контрольная точка шага 8000 использовалась как базовая. Модель построена на архитектуре GPT-NeoX и содержит 8,8 млрд параметров. Модель предназначена для генерации текста и диалогового взаимодействия. Она принимает текст и выдаёт текст; заявленная длина контекста — 16 384 токена. Данные не уточняют целевые языки и специализированные области применения, поэтому модель можно описать только как универсальную языковую модель. Файлы весов представлены в формате Safetensors, а для работы указана библиотека Transformers. Лицензия и конкретные ограничения качества в предоставленных данных не описаны; результаты могут зависеть от используемого промпта и сценария применения.

sfm_filtered_midtrain_alignment-9k_10k_11k_simpleavg_merge — языковая модель на архитектуре GPT-NeoX, созданная слиянием нескольких предварительно обученных чекпойнтов с помощью mergekit и линейного метода. В качестве основы использован чекпойнт global_step11000, в слияние также вошли global_step9000 и global_step10000. Модель содержит 8,8 млрд параметров, работает с текстом и поддерживает контекст до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Карточка не описывает специальные предметные области, языки или результаты оценки качества. Файлы опубликованы в формате safetensors; условия лицензии в доступных данных не приведены.

sfmunfilterede2ealignment-0k1k2k3k4ksimpleavgmerge — объединённая языковая модель, созданная с помощью mergekit. В README указан линейный метод слияния: за основу взят чекпойнт global_step4000, а также объединены чекпойнты global_step0, global_step1000, global_step2000 и global_step3000 из серии unfiltered_e2e_alignment. Разработчик в карточке не назван. Модель построена на архитектуре GPT-NeoX и содержит 8,8 млрд параметров. Она предназначена для генерации текста и диалогового взаимодействия; максимальная длина контекста составляет 16 384 токена. Данные о лицензии, языковой специализации и ограничениях применения в предоставленной карточке отсутствуют.

sfmunfilterede2ealignment-3k4k5k6k7kweightedavgmerge — объединённая модель генерации текста, опубликованная пользователем yuhengtu и созданная с помощью mergekit. В README указано, что для слияния Linear использовались чекпойнты unfiltered_e2e_alignment с шагами 3000, 4000, 5000, 6000 и 7000; шаг 7000 указан как базовый. Каталог относит архитектуру к плотным GPT-NeoX, а размер модели составляет 8,8 млрд параметров. Модель предназначена для генерации текста и диалогового взаимодействия. Она принимает текст и выдаёт текст; заявленная длина контекста — 16 384 токена. Сведения о специализации по языкам, конкретных прикладных областях и лицензии в доступных данных не приведены. Формат весов — safetensors.

sfmunfilterede2ealignment-7k8k9ksimpleavgmerge — объединённая языковая модель на архитектуре GPT-NeoX, созданная с помощью mergekit. В линейное слияние вошли контрольные точки обучения на шагах 7000, 8000 и 9000; базой слияния была контрольная точка global_step9000. Модель предназначена для генерации текста и диалоговых сценариев. Она содержит 8,8 млрд параметров, принимает текст и поддерживает контекст до 16 384 токенов. Репозиторий использует формат safetensors и библиотеку Transformers. Данных о языковой специализации и лицензии в доступных сведениях нет.

Модель yuhengtu-bytedance/sfm_unfiltered_midtrain_alignment-10k_11k_12k_simpleavg_merge — объединение предварительно обученных языковых моделей, созданное с помощью mergekit методом Linear. В слияние вошли контрольные точки с шагов 10000, 11000 и 12019; последняя использовалась как базовая. Модель разработана автором репозитория с использованием этих исходных контрольных точек. Это плотная авторегрессионная модель архитектуры GPT-NeoX с 8,8 млрд параметров, предназначенная для генерации текста и диалоговых сценариев. Максимальная длина контекста — 16 384 токена. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. В карточке не указаны поддерживаемые естественные языки и специализированные области применения, поэтому модель следует рассматривать как языковую модель общего назначения. Лицензия в предоставленных данных не указана.

yuhengtu-bytedance опубликовал эту слитую языковую модель, созданную с помощью mergekit методом Linear merge. В объединение вошли пять чекпойнтов обучения unfiltered_midtrain_alignment с шагами 1000, 2000, 3000, 4000 и 5000; базой слияния указан чекпойнт global_step5000. Модель построена на архитектуре GPT-NeoX и содержит 8,8 млрд параметров. Она предназначена для генерации текста и диалогового взаимодействия, принимает текст и выдаёт текст. Контекстное окно составляет 16 384 токена. Данных о целевых языках, специализированных областях применения и лицензии в доступной карточке нет.

sfmunfilteredmidtrainalignment-3k4k5ksimpleavgmerge — объединённая языковая модель, созданная с помощью mergekit. В линейном слиянии использованы предобученные чекпойнты на шагах 3000, 4000 и 5000; последний указан как базовый. Архитектура — GPT-NeoX, модель плотная, содержит 8,8 млрд параметров и принимает текст для генерации текста. Нативная длина контекста — 16 384 токена; модель предназначена для диалогового взаимодействия и генерации текста. Лицензия в доступных данных не указана.

sfmunfilteredmidtrainalignment-4k5k6kweightedavgmerge — объединённая модель, опубликованная yuhengtu-bytedance. Она создана методом Linear с помощью mergekit из контрольных точек обучения на шагах 4000, 5000 и 6000; контрольная точка шага 6000 использовалась как базовая. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и принимает контекст до 16 384 токенов. Модель предназначена для генерации текста и диалоговых сценариев. В карточке указаны формат safetensors и библиотека Transformers. Сведений о конкретных языках, специализированных областях или дополнительных ограничениях в предоставленных данных нет. Условия лицензии не указаны в доступных источниках.