I.5Создание и редактирование текста

Beetle-FineWeb2-24B/beetle-bilingual-l2-50-simultaneous-b2-fineweb-hin-eng — языковая модель для генерации текста на базе Transformers. По идентификатору модели она относится к семейству Beetle-FineWeb2 и имеет размер 24B параметров; модель ориентирована на двуязычную работу с хинди и английским языком. Модель предназначена для задач генерации текста, включая продолжение запросов, подготовку черновиков, диалоговые ответы и другие сценарии, где требуется автодополнение или создание текста. В названии также указаны варианты l2, 50 simultaneous и b2, однако README не раскрывает их точное техническое значение. README не содержит сведений о разработчике, архитектуре, контексте, обучающих данных, результатах оценки, рекомендациях по применению или лицензии. Поэтому возможности модели следует проверять на собственных данных, особенно для критически важных и чувствительных сценариев.

Beetle-bilingual-l2-50-simultaneous-b2-fineweb-zho-eng — трансформерная языковая модель для генерации текста на китайском и английском языках. Модель опубликована в репозитории Beetle-FineWeb2-24B и предназначена для задач, где требуется продолжение, составление или преобразование текста в двуязычном китайско-английском контексте. Модель доступна через библиотеку Transformers и использует формат safetensors; в метаданных также указан компонент pico_decoder. Основной сценарий применения — text-generation, включая генерацию ответов, черновиков и двуязычных текстовых продолжений. Размер модели, длина контекста, точная архитектура, разработчик и лицензия в предоставленных данных не указаны.

Beetle-FineWeb-2B/beetle-bilingual-l2-80-late-b5-fineweb-2b-nld-eng-seed13 — генеративная языковая модель из семейства Beetle-FineWeb-2B, доступная через библиотеку Transformers. По идентификатору модели она рассчитана примерно на 2 млрд параметров и ориентирована на двуязычную работу с нидерландским и английским языками; тег pico_decoder указывает на декодерную архитектуру. Модель предназначена для авторегрессионной генерации текста, включая продолжение и преобразование текстовых последовательностей в совместимых сценариях Transformers.

Beetle-FineWeb-2B/beetle-bilingual-l2-80-late-b5-fineweb-2b-nld-eng-seed97 — генеративная языковая модель для продолжения и создания текста. По идентификатору модели, она относится к семейству Beetle-FineWeb, имеет размер 2B и ориентирована на двуязычную работу с нидерландским и английским языками; в метаданных Hugging Face указана задача text-generation и библиотека Transformers. Суффикс pico_decoder также присутствует среди метаданных модели. Модель может использоваться для генерации продолжений текста, черновиков, ответов и других текстовых последовательностей на нидерландском и английском языках, включая сценарии прототипирования приложений на базе языковых моделей. Разработчик, точная архитектура, длина контекста, лицензия, состав обучающих данных, результаты оценки и рекомендации по безопасному применению в доступных материалах не описаны.

Beetle-FineWeb2-24B/beetle-bilingual-l2-80-late-b5-fineweb-pol-eng — языковая модель для генерации текста на базе архитектуры pico_decoder, доступная через библиотеку Transformers. По идентификатору модели она относится к семейству Beetle-FineWeb2-24B и ориентирована на двуязычные польско-английские сценарии; размер модели обозначен как 24B параметров. Модель предназначена для продолжения текста, генерации ответов, черновиков и другого текстового контента. В предоставленном README отсутствуют сведения о разработчиках, точной архитектуре, длине контекста, обучающих данных, результатах оценки, ограничениях применения и лицензии, поэтому эти характеристики нельзя надёжно уточнить.

Beetle-FineWeb2-24B/beetle-bilingual-l2-80-late-b5-fineweb-tur-eng — языковая модель для генерации текста на базе Transformers. По названию репозитория модель ориентирована на двуязычные сценарии с турецким и английским языками; обозначение 24B указывает на класс модели примерно в 24 миллиарда параметров. В метаданных Hugging Face для неё указан pipeline text-generation и формат safetensors. Модель предназначена для генерации и продолжения текста, диалоговых приложений и других задач, где требуется авторегрессионное создание текста. README не содержит сведений о разработчике, лицензии, точной архитектуре, длине контекста, обучающих данных, результатах оценки или рекомендуемых сценариях применения, поэтому эти характеристики нельзя подтвердить.

Behemoth-123B-v2.1 — дообученная языковая модель BeaverAI, основанная на Largestral 2411. Это плотная авторегрессионная модель семейства Mistral с 122,2 млрд параметров и контекстом до 131 072 токенов; она предназначена для диалоговой генерации текста и поддерживает системные инструкции. Автор README отмечает творческую направленность версии 2.1 и рекомендует формат Metharme с системными токенами Mistral. Модель подходит для свободного диалога, творческого письма и задач, где нужны длинный контекст и настройка поведения через системное сообщение. В репозитории указаны веса safetensors; README также ссылается на варианты GGUF и iMatrix. Метаданные обозначают лицензию как other, поэтому перед использованием следует проверить условия лицензии в карточке модели.

bruhzair/Behemoth-Gigaber-SLERP — объединённая языковая модель на архитектуре Mistral, созданная методом SLERP с помощью mergekit на основе Behemoth-123B-v1.2 и Gigaberg-Mistral-Large-123B. Репозиторий содержит веса в формате safetensors; размер модели — 122,2 млрд параметров, заявленный контекст — до 131 072 токенов. Модель предназначена для генерации текста и диалогового общения. Её можно использовать для ответов на вопросы, написания и продолжения текстов, а также для сценариев с интерфейсом вызова инструментов. Карточка не приводит оценки качества или подробностей о специализации объединённых моделей. Лицензия в предоставленных данных не указана.

Berry-Spark-7B-Fix — объединённая разговорная языковая модель, созданная сообществом mergekit-community на основе ChaoticNeutrals/Very_Berry_Qwen2_7B и arcee-ai/Arcee-Spark. Модели объединены методом SLERP; архитектура — плотная Qwen2ForCausalLM, размер — 7,1 млрд параметров. Репозиторий содержит веса в формате safetensors, а для итоговых весов указана точность bfloat16. Модель предназначена для диалогов и генерации текста: её можно использовать для ответов на вопросы и других сценариев общения с языковой моделью. Поддерживает контекст до 32 768 токенов. В карточке не приведены сведения о языках обучения или условиях лицензии, поэтому они здесь не уточняются.

Bielik-11B-v2.1-Instruct — генеративная языковая модель на 11 млрд параметров, разработанная SpeakLeash совместно с центром ACK Cyfronet AGH. Это дообученная в формате инструкций версия Bielik-11B-v2 на архитектуре Mistral с плотной decoder-only структурой; модель работает через Transformers, использует формат диалога ChatML и поддерживает контекст до 32 768 токенов. Модель рассчитана прежде всего на польский язык: она отвечает на вопросы, ведёт многоходовый диалог и выполняет языковые инструкции. Её можно применять для польскоязычных чат-ботов, черновиков текстов, перефразирования и суммаризации. Модель обучалась на корпусах польских текстов и более чем 20 млн инструкций; README приводит результаты сравнительной оценки на генеративных задачах польского языка. Лицензия — Apache 2.0. Модель может выдавать фактически неверные, предвзятые или оскорбительные ответы и не имеет встроенных механизмов модерации; README характеризует её как демонстрацию возможностей дообучения базовой модели.

Bielik-11B-v2.6-Instruct — генеративная языковая модель с 11 млрд параметров, разработанная SpeakLeash совместно с HPC-центром ACK Cyfronet AGH. Это дообученная в формате инструкций версия Bielik-11B-v2 с архитектурой причинного декодера и шаблоном диалога ChatML. Модель работает с текстом и особенно хорошо ориентирована на польский язык; также заявлена поддержка английского. Модель предназначена для диалогов и выполнения текстовых инструкций, включая задачи по математике, программированию и STEM. При обучении использовались польские корпуса и более 20 млн инструкций, а для выравнивания ответов — обучение на предпочтениях и задачи с проверяемыми критериями. Лицензия — Apache 2.0. Разработчики предупреждают, что модель может выдавать фактически неверные, предвзятые или оскорбительные ответы и не имеет механизмов модерации. Её ответы требуют проверки, особенно в сценариях, где важны точность и безопасность.

Bielik-11B-v3.0-Instruct-GGUF — квантизированная версия инструкционной языковой модели Bielik-11B-v3.0-Instruct, разработанной SpeakLeash совместно с ACK Cyfronet AGH. Это каузальная decoder-only модель для генерации текста и диалогового взаимодействия, представленная в формате GGUF для локального запуска с помощью llama.cpp, Ollama и совместимых приложений. Модель мультиязычная и поддерживает 32 европейских языка, при этом оптимизирована для польского. В README размер указан как 11B параметров; сведения о длине контекста и дополнительных модальностях не приведены. Доступны варианты квантизации Q4_K_M, Q5_K_M, Q6_K, Q8_0, а также 16-битные FP16 и BF16. Квантизация позволяет снизить требования к ресурсам, но может уменьшать качество ответов и повышать вероятность галлюцинаций; Q8_0 требует значительных ресурсов, а низкобитные варианты требуют особенно осторожной настройки. Модель предназначена для локального текстового вывода, включая диалоги и задачи, поддерживаемые инструкционной языковой моделью. В конфигурации для Ollama предусмотрен экспериментальный вызов инструментов с ответом в формате JSON. Модель распространяется по лицензии Apache 2.0.

Fischerboot/BigBoiV14-V2 — разговорная модель генерации текста, созданная Fischerboot путём слияния методом SLERP двух предварительно обученных языковых моделей: Fischerboot/BigBoiV14 и TheDrummer/Llama-3SOME-8B-v1. Репозиторий содержит плотную модель семейства Llama с архитектурой LlamaForCausalLM и весами в формате safetensors; указанный размер — 7,5 млрд параметров. Модель предназначена для диалоговой генерации текста и ответов на запросы. В метаданных заявлена длина контекста 1 048 576 токенов. Язык карточка явно не устанавливает. Лицензия в предоставленных данных не указана.

BigFalcon3-36B — объединённая языковая модель для генерации текста и диалогов, созданная с помощью mergekit на основе tiiuae/Falcon3-10B-Instruct. В репозитории указано слияние методом passthrough; метаданные описывают архитектуру как плотную LlamaForCausalLM и указывают 17,5 млрд параметров. Модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов и доступна в формате safetensors для Transformers. Модель подходит для диалоговых сценариев и генерации текста; метаданные также отмечают интерфейс вызова инструментов. Карточка не описывает отдельную специализацию или результаты оценки качества. Лицензия в предоставленных данных не указана.

BigFalcon3-from10B — языковая модель для генерации текста и диалогов, созданная ehristoforu с помощью объединения весов через mergekit. В README указана модель tiiuae/Falcon3-10B-Instruct как единственная включённая в объединение; метаданные каталога классифицируют результат как дообучение этой базовой модели. Архитектура плотная, семейства Llama; модель содержит 15,8 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для диалогов и генерации текста, а также может использовать интерфейс вызова инструментов. Метаданные базовой модели указывают на сценарии рассуждений, программирования и математики. Репозиторий содержит веса в формате safetensors. Сведения о лицензии и поддерживаемых языках в предоставленных данных отсутствуют.

BigQwen2.5-125B-Instruct-GGUF — это квантизированная GGUF-версия инструкционной языковой модели BigQwen2.5-125B-Instruct, разработанной mlabonne. Квантизацию выполнил bartowski с использованием llama.cpp и imatrix; модель предназначена для генерации текста и диалогового взаимодействия, включая локальный запуск через llama.cpp и LM Studio. В README указан английский язык. Модель имеет заявленный размер 125 миллиардов параметров и доступна в нескольких вариантах квантизации от Q8_0 до IQ1_M. Более качественные варианты Q6_K, Q5_K_M и Q4_K_M рекомендованы автором, тогда как низкобитные варианты требуют меньше памяти, но заметно уступают по качеству. Размер файлов составляет примерно от 40,59 до 133,22 ГБ, поэтому для запуска необходима система с большим объёмом оперативной или видеопамяти. Модель поддерживает специальный формат промптов Qwen с ролями system, user и assistant. Архитектура, размер контекста и мультимодальные возможности в README не указаны; по представленным данным это текстовая модель без подтверждённой поддержки изображений или других модальностей. Лицензия обозначена как other с названием tongyi-qianwen и ссылкой на лицензию Qwen2-72B-Instruct.

MatthieuJ/BillyTheKid1803 — текстовая генеративная модель семейства Mistral с архитектурой MistralForCausalLM и примерно 7,1 млрд параметров. Согласно карточке, это слияние моделей yam-peleg/Experiment26-7B и EmbeddedLLM/Mistral-7B-Merge-14-v0.1, выполненное с помощью mergekit. Модель предназначена для генерации текста. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors. В метаданных указана лицензия Apache-2.0. README не описывает конкретные сценарии применения или языковую специализацию, поэтому её следует считать моделью общего назначения.

binarized-ingotrix-slerp-7b — объединённая языковая модель, созданная liminerity методом SLERP с помощью LazyMergekit из eren23/dpo-binarized-NeuralTrix-7B и liminerity/Ingot-7b-slerp-7-forged. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и использует формат SafeTensors; заявленная длина контекста — 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. В README приведены результаты оценивания на тестах AI2 Reasoning Challenge и HellaSwag. Использование разрешено по лицензии Apache 2.0. Языки, на которых модель специально обучена или проверена, в предоставленных данных не определены.

mulasan/bistbot-deepseek-math-8b — дообученная языковая модель mulasan на базе unsloth/DeepSeek-R1-Distill-Llama-8B-bnb-4bit. Это плотная архитектура Llama с примерно 7,5 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия; в метаданных также отмечен интерфейс вызова инструментов. Модель принимает текст и генерирует текст, а её родная длина контекста составляет 131072 токена. Карточка сообщает, что обучение выполнялось с Unsloth и библиотекой TRL.

banelingz выпустил black_stheno_8B_v1 — слитую языковую модель на архитектуре Llama с 7,5 млрд параметров. Она создана методом SLERP с помощью mergekit из Hastagaras/Halu-8B-Llama3-Blackroot и Sao10K/L3-8B-Stheno-v3.2. Модель предназначена для генерации текста и чат-диалогов, включая ролевые сценарии, написание историй и выполнение инструкций — задачи, связанные с её базовыми моделями. Работает с текстом, использует формат safetensors и имеет контекстное окно 8192 токена. Указанная в карточке лицензия отсутствует среди предоставленных данных.

blockchainlabs_7B_merged_test2_4_prune — разговорная языковая модель на архитектуре Mistral с 7,1 млрд параметров. По карточке, это прореженная версия alnrg2arg/blockchainlabs_7B_merged_test2_4, объединяющей модели mlabonne/NeuralBeagle14-7B и udkai/Turdus с помощью mergekit. Модель предназначена для генерации текста и диалоговых сценариев. Метаданные указывают контекст до 32 768 токенов, формат весов safetensors и поддержку чата. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое.

BLOOM-1b7 — плотная авторегрессионная языковая модель на базе Transformer, разработанная проектом BigScience. Она предназначена для генерации текста, исследования поведения языковых моделей и использования в качестве предварительно обученной основы для дальнейшей настройки. В карточке указаны сценарии извлечения информации, ответов на вопросы и суммаризации; модель также обучалась на данных с кодом. Модель относится к семейству BLOOM и принимает текст, выдавая продолжение текста. Контекст — до 4096 токенов. Метаданные содержат языковые теги для широкого набора естественных языков, а также код; точный размер этой версии в предоставленных данных не указан. Модель выпущена BigScience под лицензией BigScience BLOOM RAIL v1.0. BLOOM может выдавать ошибочную информацию как достоверную, повторяться и воспроизводить стереотипы или оскорбительный контент. Карточка не рекомендует применять её для высокорисковых решений, а также в медицинской, политической, юридической и финансовой сферах.

BLOOM-3B — мультиязычная авторегрессионная языковая модель BigScience для генерации текста и исследований больших языковых моделей. Она также предназначена для дальнейшего дообучения под конкретные задачи. Модель основана на модифицированной архитектуре Megatron-LM GPT-2: декодер с 30 слоями, 32 головами внимания, скрытым размером 2560 и примерно 3 млрд параметров. Для позиционного кодирования используется ALiBi; длина последовательности при обучении составляла 2048 токенов. Модель обучалась на многих естественных языках, включая английский, французский, испанский, китайский, хинди, арабский и бенгали, а также на данных с кодом. Её можно применять для продолжения текста, черновой генерации и экспериментов с мультиязычными LLM. Лицензия — BigScience RAIL License v1.0. BLOOM-3B может выдавать правдоподобную, но фактически неверную информацию, а также стереотипный, предвзятый, оскорбительный или повторяющийся текст. Карточка исключает применение в высокорисковых сценариях, включая медицинские, юридические, политические и финансовые решения, оценку людей и задачи, где необходима достоверность.

BLOOMZ-1B1 — мультиязычная авторегрессионная языковая модель семейства BLOOM, разработанная BigScience. Это вариант BLOOM, дообученный на смеси межъязыковых задач xP3 для следования инструкциям на естественном языке и выполнения задач zero-shot, в том числе на языках и задачах, не встречавшихся при дообучении. Модель содержит около 1,1 млрд параметров, использует архитектуру BloomForCausalLM и поддерживает контекст до 2048 токенов. Репозиторий предоставляет веса PyTorch и safetensors; в карточке указана поддержка множества языков, включая английский, французский, испанский, китайский, хинди, арабский и другие. Модель подходит для генерации и преобразования текста по инструкциям: перевода, ответов на вопросы, классификации тональности, объяснений и творческого письма. Качество зависит от формулировки запроса; карточка рекомендует явно обозначать конец входного текста и задавать контекст, в том числе желаемый язык ответа. Лицензия bigscience-bloom-rail-1.0 устанавливает условия использования BLOOM; перед применением следует учитывать её положения.

Blur-4x7b-MOE-v0.1 — объединённая методом LazyMergekit модель Mixtral Mixture of Experts, созданная liminerity на основе четырёх моделей семейства Blur. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов; веса опубликованы в формате safetensors. Модель предназначена для генерации текста и общих языковых задач. В README приведены результаты Open LLM Leaderboard, включая показатели на тестах AI2 Reasoning Challenge и HellaSwag. Модель распространяется по лицензии Apache-2.0. Карточка не сообщает, для каких языков она оптимизирована, поэтому конкретные языки не перечислены.

Blur-7b-slerp-v1.42 — модель для генерации текста, созданная liminerity слиянием двух моделей через mergekit и методом slerp: liminerity/Blur-7b-slerp-v1.41 и yleo/EmertonMonarch-7B. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Она предназначена для генерации текста и ответов на запросы. Веса представлены в формате Safetensors, слияние выполнено в float16. Лицензия — Apache-2.0. Карточка не приводит результатов оценки качества или сведений о специализации модели.

Blur-7b-slerp-v1.43 — диалоговая языковая модель, созданная liminerity слиянием весов через mergekit. В основе архитектура Mistral с плотной causal language model на 7,1 млрд параметров; в конфигурации указаны метод слияния SLERP и точность float16. Модель предназначена для генерации текста в диалоговом формате и работы с инструкциями. Модель принимает текст и выдаёт текст. Её родительская модель заявлена как слияние трёх моделей Mistral для диалоговой генерации и следования инструкциям. Лицензия репозитория — Apache-2.0. В README не приведены конкретные языковые данные, поэтому языки использования не перечислены.

Blured-Ties-7B — языковая модель на 7,1 млрд параметров, созданная liminerity с помощью LazyMergekit путём слияния моделей Blurstral-7b-slerp и Mistral-CatMacaroni-slerp-uncensored-7B. В конфигурации указаны архитектура Mistral, метод слияния TIES и базовая модель mistralai/Mistral-7B-v0.1; модель распространяется в формате Safetensors и использует лицензию Apache 2.0. Модель предназначена для генерации текста, в том числе разговорных ответов. Контекст составляет до 32 768 токенов. В составе слияния есть модель с пометкой uncensored, поэтому Blured-Ties-7B может выдавать ответы с меньшими ограничениями. Сведения о поддерживаемых естественных языках в карточке не приведены.

bophades-v2-mistral-7B — языковая модель на архитектуре Mistral, созданная автором репозитория путём слияния предварительно обученных моделей с помощью mergekit и метода Model Stock. В качестве базовой использована yam-peleg/Experiment26-7B; в слияние также вошли paulml/NeuralOmniWestBeaglake-7B, yam-peleg/Experiment21-7B, paulml/OmniBeagleSquaredMBX-v3-7B, Gille/StrangeMerges_16-7B-slerp, vanillaOVO/correction_1 и Kukedlc/NeuralMaths-Experiment-7b. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст; заявленная длина контекста — 32 768 токенов. Она предназначена для генерации текста и сценариев на базе языковой модели. Карточка не приводит оценок качества или конкретных специализированных задач, поэтому пригодность для них следует проверять отдельно. Репозиторий распространяется под лицензией Apache-2.0.

NbAiLab/borealis-12b — мультимодальная инструкционная модель на 12 млрд параметров, разработанная Национальной библиотекой Норвегии (Nasjonalbiblioteket, NB). Это дообучение google/gemma-3-12b-it для следования инструкциям с ориентацией на норвежский язык; модель использует архитектуру Gemma 3 и распространяется в формате safetensors для Transformers. Она принимает текст и изображения и формирует текстовые ответы. Модель предназначена для задач ассистента на норвежском языке: написания и редактирования текстов, составления заголовков и вводных абзацев новостей, суммаризации, ответов на вопросы и несложных рассуждений. Также её можно применять для оценки качества норвежского письма и работы с букмолом и нюношком. В обучении использован набор NbAiLab/aurora-sft; эта версия включает ограниченный объём заданий на основе защищённых авторским правом норвежских газетных материалов, с отсечкой публикаций на 1 января 2025 года. Основная языковая ориентация — норвежский, включая букмол и нюношк; модель также оценивается на английских задачах. Это не специализированная модель рассуждений. Она может выдавать неверные, предвзятые или неподходящие ответы, а качество за пределами норвежского и английского языков изучено не полностью; для критически важных решений нужны дополнительная проверка и меры безопасности. Лицензия указана как other; условия использования следует сверять с карточкой модели и условиями базовой Gemma 3.