I.5Создание и редактирование текста

StrangeMerges_15-7B-slerp — объединённая языковая модель, созданная Gille с помощью LazyMergekit из Gille/StrangeMerges_14-7B-slerp и CultriX/Wernicke-7B-v9. Это плотная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста; контекст составляет до 32 768 токенов. В README приведены результаты оценки на Open LLM Leaderboard, включая средний балл 72,41, но подробные результаты представлены не полностью. Модель распространяется в формате safetensors по лицензии Apache-2.0.

StrangeMerges_16-7B-slerp — объединённая языковая модель семейства Mistral, опубликованная Gille. Она создана методом SLERP с помощью LazyMergekit на основе Gille/StrangeMerges_15-7B-slerp и SanjiWatsuki/Kunoichi-7B. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и принимает текст для генерации текста; заявленная длина контекста — до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев общего назначения. В README приведены результаты оценивания на Open LLM Leaderboard, включая ARC и HellaSwag, но эти показатели сами по себе не гарантируют качество на конкретных задачах. Модель распространяется под лицензией Apache-2.0.

StrangeMerges_38-7B-dare_ties — слитая текстовая модель семейства Mistral, созданная Gille с помощью LazyMergekit на основе трёх моделей: automerger/NeuralsirkrishnaExperiment26-7B, Gille/StrangeMerges_21-7B-slerp и Gille/StrangeMerges_34-7B-slerp. Модель имеет плотную архитектуру MistralForCausalLM, около 7,1 млрд параметров и контекстное окно 32 768 токенов. Модель предназначена для генерации текста и диалогового применения. Её можно использовать для ведения беседы и создания текстовых ответов. В репозитории указаны веса в формате safetensors; лицензия — Apache-2.0.

StrangeMerges_48-7B-dare_ties — текстовая генеративная модель на архитектуре Mistral, созданная Gille объединением трёх моделей с помощью LazyMergekit и метода dare_ties. В конфигурации указаны веса компонентов 0,4, 0,4 и 0,2, а также базовая модель Locutusque/Hercules-4.0-Mistral-v0.2-7B. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогового общения. В README приведены результаты Open LLM Leaderboard, включая средний балл 57,89, 60,92 на AI2 Reasoning Challenge и 80,13 на HellaSwag. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Данные не уточняют целевые языки или специальные прикладные области.

StrangeMerges_57-7B-model_stock — слитая модель генерации текста на основе Mistral, созданная с помощью LazyMergekit. В объединение вошли amazingvince/Not-WizardLM-2-7B, automerger/YamshadowExperiment28-7B, Kukedlc/NeuralMaths-Experiment-7b и Kukedlc/NeuralSynthesis-7B-v0.1; метод слияния — model_stock. В конфигурации указана точность bfloat16. Модель предназначена для генерации текста и диалогов; её размер — 7,1 млрд параметров, контекст — до 32 768 токенов. Карточка не описывает специализацию модели, конкретные языки или условия лицензии, поэтому эти сведения нельзя уточнить по доступным данным.

StrangeMerges_6-7B-dare_ties — объединённая модель Gille на архитектуре Mistral с 7,1 млрд параметров. Она создана методом dare_ties с помощью LazyMergekit на основе Gille/StrangeMerges_5-7B-ties, macadeliccc/WestLake-7B-v2-laser-truthy-dpo и kaitchup/Mayonnaise-4in1-022; в конфигурации указаны веса слияния и формат float16. Модель предназначена для генерации текста и диалоговых ответов. Контекст составляет 32 768 токенов. Репозиторий распространяется по лицензии Apache-2.0. В карточке не описаны языки и специальные ограничения качества или применения, поэтому модель стоит рассматривать как универсальную текстовую генеративную модель без подтверждённой специализации.

StrangeMerges_8-7B-slerp — объединённая методом SLERP языковая модель, созданная Gille с помощью LazyMergekit на основе Gille/StrangeMerges_7-7B-slerp и Gille/StrangeMerges_5-7B-ties. Это плотная архитектура Mistral с 7,1 млрд параметров, предназначенная для генерации текста и диалоговых ответов; поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Модель подходит для создания диалоговых приложений, генерации продолжений текста и ответов на запросы в длинном контексте. В README приведены результаты оценки на отдельных бенчмарках Open LLM Leaderboard, включая AI2 Reasoning Challenge и HellaSwag; эти результаты не гарантируют качество на других задачах. Язык модели в предоставленных материалах не уточнён. Лицензия — Apache-2.0. Сведения о специальных ограничениях или целевых предметных областях в карточке не приведены.

Subin_v2 — дообученная и конвертированная в формат GGUF языковая модель, опубликованная azizshaw. Это плотная авторегрессионная модель семейства Llama с 3,2 млрд параметров, рассчитанная на генерацию текста в диалоговом режиме; заявленная длина контекста составляет 131 072 токена. В репозитории есть файл llama-3.2-3b-instruct.F16.gguf, а для запуска предлагаются llama.cpp и Ollama. Модель подходит для диалоговых ответов и генерации текста. README не описывает специализацию, обучающие данные или конкретные языки, поэтому её следует считать моделью общего назначения. Доступны варианты GGUF BF16 и F16. Сведения о лицензии в предоставленных данных отсутствуют.

SummLlama3.1-70B — модель DISLab для суммаризации текста, дообученная на базе meta-llama/Llama-3.1-70B-Instruct методом Direct Preference Optimization (DPO). Обучение использовало более 100 тысяч примеров обратной связи о качестве суммаризаций для текстов разных типов и длины, включая диалоги и недиалоговые документы из новостей, повседневной жизни, отчётов, медицины, интервью и встреч. Модель содержит 69,5 млрд параметров, построена на плотной архитектуре Llama и поддерживает контекст до 131 072 токенов. Она предназначена для создания кратких сводок с акцентом на точность относительно источника, полноту ключевой информации и лаконичность; в README рекомендован конкретный формат запроса с инструкцией summarize. Метаданные также отмечают интерфейсы чата и вызова инструментов, но основное назначение модели — суммаризация. README сообщает об оценках качества на человеческих и автоматизированных тестах, однако приведённые таблицы содержат результаты других конфигураций SummLlama и не позволяют установить отдельные численные результаты для версии 3.1-70B. Лицензия в предоставленных данных не указана.

SuperMente-7B-v2 — объединённая модель для генерации текста на базе архитектуры Mistral, созданная с помощью LazyMergekit из NousResearch/Hermes-2-Pro-Mistral-7B, mlabonne/AlphaMonarch-7B и Weyaxi/Einstein-v4-7B. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для диалогов и генерации текста. В метаданных указана возможность чата; карточка не описывает отдельные сценарии, языки или специализированные области применения. Модель распространяется в формате Safetensors по лицензии Apache-2.0.

SuperThetaMaven — объединённая модель для генерации текста, созданная jefferylovely с помощью LazyMergekit. В слиянии методом slerp использованы jefferylovely/ThetaMaven10 и vanillaOVO/supermario_v2; в метаданных базовой моделью указана vanillaOVO/supermario_v2. Модель построена на архитектуре Mistral и содержит 7,1 млрд параметров. Она принимает текст и генерирует текст, поддерживая контекст до 32 768 токенов. Её можно применять для диалогов, написания и продолжения текстов, а также генерации ответов на текстовые запросы. Репозиторий содержит веса в формате safetensors. Лицензия CC BY-NC-ND 4.0 требует указания авторства и запрещает коммерческое использование и распространение производных материалов. В README не приведены результаты оценки качества или конкретные ограничения модели.

Suzhou 3.1 — созданная Tripplet Models инструкционная языковая модель с архитектурой причинного трансформера Qwen3.5, объединённая методом SLERP. В метаданных указано 7,2 млрд параметров, а README сообщает об округлённом размере 8,95 млрд; модель использует смешанное внимание с линейными и полными слоями и поддерживает контекст до 262 144 токенов. Модель предназначена для диалогов, рассуждений, генерации текста и работы в роли агента с вызовом инструментов в формате Hermes. Заявлена поддержка более 29 языков; метаданные перечисляют английский, китайский, корейский, японский, французский, испанский, немецкий, итальянский, русский и арабский. Репозиторий содержит веса Safetensors, лицензия — Apache-2.0. README описывает модель как пригодную для потребительского оборудования, но не приводит результатов сравнительных тестов.

Synatra-7B-Instruct-v0.2-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель, созданная объединением mistralai/Mistral-7B-Instruct-v0.2 и maywell/Synatra-7B-Instruct-v0.2 методом SLERP с помощью MergeKit. Модель построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров. Модель предназначена для генерации текста в диалогах и выполнения инструкций. Она принимает текст и выдаёт текст; заявленная длина контекста составляет до 32 768 токенов. Репозиторий содержит веса Safetensors, лицензия — Apache-2.0.

SynthIA-7B-v1.3-dare-0.85-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель, созданная MaziyarPanahi объединением mistralai/Mistral-7B-Instruct-v0.2 и uukuguy/SynthIA-7B-v1.3-dare-0.85 методом SLERP. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста и ответов в диалоговом формате. Модель принимает текст и выдаёт текст; контекст составляет до 32 768 токенов. Её можно применять для чат-ботов, ответов на инструкции, черновиков и суммаризации текста. В карточке указана лицензия Apache-2.0. README не приводит сравнительных оценок качества или подробных ограничений, поэтому результаты следует проверять на целевых задачах.

Synthia-MoE-v3-CE — языковая модель генерации текста на архитектуре Mixtral с разреженной MoE-структурой. Согласно карточке, модель обучена на конвертированной неофициальной версии DiscoLM; в метаданных указаны 7,1 млрд параметров и контекст до 32 768 токенов. Разработчик отмечает, что версия, обученная на официальной версии Mistral (Mixtral), планировалась отдельно. Модель предназначена для генерации текста и диалоговых сценариев на базе совместимого формата Transformers/PyTorch. Карточка не описывает конкретные языки или специализированные области применения. Модель распространяется по лицензии Apache-2.0.

T3qm7xNeuralsirkrishna_Experiment24Yam — объединённая языковая модель семейства Mistral, созданная на основе automerger/T3qm7xNeuralsirkrishna-7B и automerger/Experiment24Yam-7B. Она содержит 7,1 млрд параметров и предназначена для генерации текста и диалогов; поддерживает контекст до 32 768 токенов. Модель принимает текст и выдаёт текст. Репозиторий содержит веса в формате Safetensors. Она опубликована под лицензией Apache 2.0. В доступных материалах не описаны специальные возможности, языковая специализация и результаты оценки качества.

T3qm7xNeuralsirkrishna_Experiment27Experiment28 — объединённая языковая модель семейства Mistral, созданная на основе automerger/T3qm7xNeuralsirkrishna-7B и automerger/Experiment27Experiment28-7B. Модель содержит 7,1 млрд параметров и использует архитектуру MistralForCausalLM; веса опубликованы в формате safetensors. Модель предназначена для генерации текста и диалогов. Она принимает текст и поддерживает контекст длиной до 32 768 токенов. Данные о целевых языках и специализации по предметным областям в карточке не приведены. Модель опубликована по лицензии Apache-2.0. Качество и ограничения конкретного объединения моделей в карточке не описаны.

T3qm7xNeuralsirkrishna_Experiment28Experiment24 — объединённая языковая модель на архитектуре Mistral, созданная из automerger/T3qm7xNeuralsirkrishna-7B и automerger/Experiment28Experiment24-7B. Модель содержит 7,1 млрд параметров, распространяется в формате safetensors и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогов по текстовым запросам. Она доступна по лицензии Apache-2.0. Сведения о специальной предметной настройке или дополнительных возможностях в карточке не приведены.

T3qm7xNeuralsirkrishna_Experiment28Multi_verse_model — объединённая модель на архитектуре Mistral с 7,1 млрд параметров, созданная из automerger/T3qm7xNeuralsirkrishna-7B и automerger/Experiment28Multi_verse_model-7B. Модель предназначена для генерации текста и диалогов; её можно использовать для ответов на запросы и создания связного текста с учётом контекста до 32 768 токенов. Модель распространяется в формате Safetensors по лицензии Apache 2.0. Доступные сведения не описывают специальные предметные области, языковую специализацию или отдельные проверенные ограничения качества.

T3qm7xNeuralsirkrishna_Experiment28Strangemerges_32 — объединённая модель генерации текста на базе Mistral, опубликованная MaziyarPanahi. Она объединяет automerger/T3qm7xNeuralsirkrishna-7B и automerger/Experiment28Strangemerges_32-7B и содержит 7,1 млрд параметров. Модель предназначена для генерации текста и диалоговых сценариев с контекстом до 32 768 токенов. Модель принимает текст и выдаёт текст. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. В карточке модели не описаны языковой охват и специализированные предметные области.

T3qm7xNeuralsirkrishna_Multi_verse_modelM7 — объединённая модель Mistral для генерации текста и диалогов. Она создана путём слияния automerger/T3qm7xNeuralsirkrishna-7B и automerger/Multi_verse_modelM7-7B. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Модель подходит для генерации продолжений текста и ведения диалогов. Она распространяется в формате Safetensors под лицензией Apache-2.0. В README не описаны специализация по языкам или дополнительные возможности; качество и ограничения исходных моделей здесь не уточняются.

T3qm7xNeuralsirkrishna_Multi_verse_modelOgno — объединённая языковая модель семейства Mistral, созданная на основе automerger/T3qm7xNeuralsirkrishna-7B и automerger/Multi_verse_modelOgno-7B. Модель содержит 7,1 млрд параметров и использует архитектуру MistralForCausalLM; для генерации текста ей доступен контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогов. Весовые файлы представлены в формате safetensors. Лицензия — Apache-2.0. Карточка не приводит конкретных сведений о языках, специализации или результатах оценки качества.

T3qm7xNeuralsirkrishna_NeuralsirkrishnaInex12 — объединённая модель генерации текста, созданная на основе automerger/T3qm7xNeuralsirkrishna-7B и automerger/NeuralsirkrishnaInex12-7B. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров; модель предназначена для генерации текста и диалогов с контекстом до 32 768 токенов. Модель принимает текст и выдаёт текст. Репозиторий содержит веса в формате Safetensors. Карточка не описывает специализированные области применения или поддерживаемые естественные языки. Лицензия — Apache-2.0.

nlpguy/T3QM7XP — объединённая языковая модель семейства Mistral, созданная с помощью mergekit методом SLERP из MatthieuJ/Jason1903_SLERP и nlpguy/T3QM7. Она предназначена для генерации текста и диалоговых ответов. Модель имеет плотную архитектуру MistralForCausalLM, около 7,1 млрд параметров и контекстное окно до 32 768 токенов; веса представлены в формате Safetensors и используются через Transformers. Модель может применяться для свободной генерации текста, ведения диалога и ответов на вопросы, в том числе математические. В карточке не приведены сведения о поддерживаемых естественных языках или специальных предметных областях. Лицензия — Apache-2.0.

T3qm7xStrangemerges_32-7B — автоматически созданная Maxime Labonne объединённая модель для генерации текста. В конфигурации использован метод DARE-TIES: объединены nlpguy/T3QM7X и Gille/StrangeMerges_32-7B-slerp с указанными в карточке параметрами слияния. Модель построена на архитектуре Mistral и содержит 7,1 млрд параметров. Она принимает текст и генерирует текст, поддерживая контекст до 32 768 токенов. В репозитории указаны веса Safetensors и лицензия Apache-2.0.

T3Q-Merge-Mistral7B — плотная авторегрессионная языковая модель семейства Mistral на 7,1 млрд параметров, созданная Chihoon Lee (chlee10) и T3Q. Модель объединяет liminerity/M7-7b и yam-peleg/Experiment26-7B методом SLERP с помощью mergekit; в конфигурации liminerity/M7-7b указан как базовая модель. Модель предназначена для генерации текста. Она принимает текстовые запросы и выдаёт текст; заявленная длина контекста — 32 768 токенов. В README не указаны конкретные сценарии, языки или результаты оценки качества, поэтому возможности за пределами текстовой генерации не уточняются. Модель распространяется в формате safetensors по лицензии Apache-2.0.

T5-3B — языковая модель семейства Text-To-Text Transfer Transformer, разработанная Colin Raffel, Noam Shazeer и соавторами. Она представляет задачи обработки естественного языка в формате преобразования текста в текст: принимает текст и генерирует текстовый ответ. В метаданных указано 385,2 млн параметров, архитектура T5WithLMHeadModel и контекст до 512 токенов; README называет чекпойнт T5-3B моделью с 3 млрд параметров, поэтому размер в источниках расходится. Модель предназначена для машинного перевода; подход T5 также применим к суммаризации документов, ответам на вопросы, классификации, анализу тональности и перефразированию. Она обучалась на C4 и смеси задач денойзинга и контролируемого обучения. Указанные языки — английский, французский, румынский и немецкий. Модель распространяется по лицензии Apache 2.0. README не приводит конкретных результатов оценки или подробных ограничений; контекст в 512 токенов ограничивает длину входа и выхода.

T5Gemma-2B-2B-PrefixLM-IT — разработанная Google instruction-tuned модель семейства T5Gemma с энкодером и декодером по 2 млрд параметров. Она основана на предварительно обученной модели google/t5gemma-2b-2b-prefixlm и предназначена для генерации и преобразования текста по инструкциям. Архитектура encoder-decoder объединяет энкодер и декодер; веса доступны в формате safetensors и модель рассчитана на работу с английским текстом. Её можно применять для ответов на вопросы, суммаризации, рассуждений и создания текстов. Небольшой по меркам крупных языковых моделей размер позволяет запускать её на локальных компьютерах или в облачной инфраструктуре. Модель может ошибаться в фактах, хуже справляться со сложными или неоднозначными запросами и наследовать смещения обучающих данных. Лицензия — Gemma; перед использованием следует учитывать политику допустимого использования Gemma.

google/t5gemma-2b-2b-ul2 — предварительно обученная модель семейства T5Gemma от Google с кодировщиком и декодировщиком по 2 млрд параметров. Архитектура encoder-decoder получена адаптацией decoder-only модели; вариант UL2 обучен с использованием подхода UL2. Репозиторий содержит веса Safetensors для Transformers. Модель предназначена для генерации текста по текстовому запросу и подходит для суммаризации, ответов на вопросы, рассуждений и других задач преобразования текста. В карточке указана поддержка английского языка. Компактный размер может быть удобен для локального развёртывания на компьютерах и в облачной инфраструктуре. Качество зависит от обучающих данных и формулировки запроса; модель может упускать нюансы и выдавать неточные или устаревшие факты. Лицензия Gemma; при применении необходимо учитывать правила использования Gemma.

T5Gemma-9B-9B-UL2-IT — англоязычная instruction-tuned модель Google из семейства T5Gemma. Это encoder-decoder модель типа text-to-text с 9 млрд параметров в энкодере и 9 млрд в декодере, созданная на основе google/t5gemma-9b-9b-ul2 с адаптацией при помощи UL2. Модель работает с текстом и доступна через Transformers; её веса опубликованы в формате safetensors. Модель предназначена для генерации текста по инструкциям: ответов на вопросы, суммаризации, рассуждений, создания черновиков писем, маркетинговых текстов, сценариев и стихов. Энкодер также можно использовать для задач понимания текста и классификации, хотя основная задача в метаданных — text-generation. Карточка описывает модель как исследовательскую разработку семейства T5Gemma, но допускает применение для генерации и суммаризации. Возможны ошибки и устаревшие факты, трудности с неоднозначностью, нюансами языка и сложными открытыми запросами; ответы могут отражать смещения обучающих данных. Лицензия — Gemma; использование должно соответствовать условиям лицензии и политике запрещённого использования Gemma.