I.5Создание и редактирование текста

ERNIE-4.5-21B-A3B-Paddle — текстовая модель семейства ERNIE 4.5, разработанная Baidu и опубликованная в формате весов PaddlePaddle. Это постобученная разреженная MoE-модель: в README указано 21 млрд параметров всего и около 3 млрд активируемых параметров на токен; метаданные каталога указывают 3,3 млрд параметров. Модель предназначена для диалогов, понимания текста и генерации ответов. Контекст составляет до 131 072 токенов. Модель обучалась в рамках мультимодального семейства ERNIE 4.5, однако эта версия обозначена в README как текстовая и принимает текст. Для дообучения доступны сценарии SFT и DPO через ERNIEKit на PaddlePaddle; для развёртывания README указывает FastDeploy. Метаданные отмечают поддержку английского и китайского языков. Сильные стороны — разреженная MoE-архитектура и длинный контекст; качество на конкретных задачах и аппаратные требования в предоставленных материалах не описаны. Лицензия — Apache-2.0.

ERNIE-4.5-300B-A47B-PT — текстовая языковая модель семейства ERNIE 4.5 от Baidu, опубликованная в формате весов PyTorch для Transformers. Это постобученная модель с архитектурой MoE: 300 млрд параметров всего, из них 47 млрд активируются для каждого токена; в конфигурации указаны 54 слоя и контекст до 131 072 токенов. Модель предназначена для диалогов, понимания языка и генерации текста. Её обучали совместно на текстовых и визуальных данных, однако эта версия обозначена как текстовая и принимает текст. Модель поддерживает английский и китайский языки, а для запуска рассчитана на крупную мног GPU инфраструктуру; в README приведён пример с 16 GPU по 80 ГБ при использовании vLLM. Репозиторий содержит веса Safetensors и предназначен для Transformers. Лицензия — Apache 2.0. Карточка не приводит результатов сравнительной оценки качества.

Dohyeon1/ERNIE-HC-SMoE-ngroups56 — языковая модель для генерации текста на базе архитектуры ERNIE 4.5 MoE, опубликованная на Hugging Face. Модель содержит около 3,3 млрд параметров и предназначена для использования через библиотеку Transformers; в метаданных также указана поддержка conversational-сценариев. Модель подходит для диалоговой генерации, продолжения текста, создания черновиков и интеграции в приложения, которым требуется генерация естественного языка. Заявлена длина контекста до 131 072 токенов, что позволяет обрабатывать длинные входные последовательности. README не содержит сведений о разработчике, языках, лицензии, обучающих данных, результатах оценки и рекомендованных сценариях применения. Поэтому возможности модели следует проверять на собственных данных, а условия использования — уточнять по информации репозитория.

Dohyeon1/ERNIE-M-SMoE-ngroups56 — модель для генерации текста на базе архитектуры ERNIE 4.5 MoE, опубликованная на Hugging Face и предназначенная для использования с библиотекой Transformers. Модель имеет 3,3 млрд параметров и поддерживает контекст длиной до 131 072 токенов. Модель ориентирована на диалоговые сценарии и генерацию продолжений текста: ответы на запросы, создание черновиков, поддержание многошагового контекста и интеграцию в приложения на базе Transformers. Метаданные не содержат подтверждённых сведений о поддерживаемых естественных языках, лицензии, данных обучения и результатах оценки.

Erosumika-MistralLayla-Slerp — языковая модель, созданная Smuggling1710 слиянием моделей localfultonextractor/Erosumika-7B-v2 и l3utterfly/mistral-7b-v0.2-layla-v4 методом Slerp с помощью LazyMergekit. Это плотная авторегрессионная модель семейства Mistral на 7,1 млрд параметров, распространяемая в формате safetensors; для объединения использован тип bfloat16. Модель предназначена для генерации текста. Контекстное окно составляет до 32 768 токенов. В README не описаны конкретные прикладные сценарии или языковое покрытие, поэтому их нельзя надёжно уточнить по доступным данным. Лицензия в предоставленных источниках не указана.

lvcchaves дообучил эту плотную модель семейства Llama на базе utter-project/EuroLLM-9B-Instruct. Она предназначена для генерации текста и диалогов; карточка указывает обучение с использованием Unsloth и библиотеки TRL. Модель содержит 8,6 млрд параметров, принимает текст и выдаёт текст, поддерживает английский и португальский языки и имеет контекст до 4096 токенов. Доступна в формате Safetensors по лицензии Apache-2.0.

Etheria-55b-v0.1 — плотная языковая модель семейства Llama, созданная слиянием моделей серии Etheria и моделей Yi-34B-200K. Автор объединил варианты VerA и VerB, затем применил метод DARE TIES; в метаданных указаны 55,1 млрд параметров и формат safetensors. Модель предназначена для генерации текста и диалогового общения; в README указана совместимость с форматами запросов ChatML и Alpaca. Для контекста заявлена теоретическая длина до 200 000 токенов, однако автор рекомендует начинать с 32 000 токенов, поскольку влияние слияния на работу с длинным контекстом не проверено. README сообщает о тестировании до 32 000 токенов через exl2 и приводит результаты нескольких оценок на Open LLM Leaderboard. Модель распространяется по лицензии Apache-2.0.

EVA-abliterated-TIES-Qwen2.5-1.5B — объединённая авторегрессионная языковая модель семейства Qwen2, созданная с помощью mergekit методом TIES. В объединение вошли huihui-ai/Qwen2.5-1.5B-Instruct-abliterated и EVA-UNIT-01/EVA-Qwen2.5-1.5B-v0.0; базовая модель — Qwen/Qwen2.5-1.5B. Модель содержит 1,5 млрд параметров, использует архитектуру Qwen2ForCausalLM и формат safetensors. Модель предназначена для генерации текста и диалоговых сценариев. Заявленный контекст — до 131 072 токенов; доступны интерфейсы chat и tool calling. Метаданные указывают поддержку языков, включая китайский, английский, французский, испанский, португальский, немецкий, итальянский, русский, японский, корейский, вьетнамский, тайский и арабский. Лицензия — Apache-2.0.

EVA-Qwen2.5-14B-v0.2-GGUF — это набор квантованных моделей в формате GGUF для генерации текста, созданный на основе EVA-Qwen2.5-14B-v0.2 и опубликованный пользователем bartowski. Квантование выполнено с помощью llama.cpp с использованием метода imatrix; доступны варианты от F16 и Q8_0 до более компактных Q3 и IQ3/IQ4. Модель предназначена для локального запуска, в частности через LM Studio, с использованием указанного шаблона чата. Модель имеет размер 14B параметров и относится к семейству Qwen2.5. Она ориентирована на текстовые сценарии, включая следование инструкциям, написание и структурирование текста, ролевые диалоги и генерацию художественного контента, что следует из использованных наборов данных. Поддерживаемые языки, максимальная длина контекста и точные архитектурные характеристики в README не указаны. Главное преимущество — выбор большого числа вариантов квантования с разным компромиссом между качеством и требованиями к памяти: версии Q5 и Q6 описаны как высококачественные, а Q4 — как подходящие для случаев с ограниченными ресурсами. Более агрессивное квантование может снижать качество генерации; заявленные оценки производительности отсутствуют. Некоторые варианты оптимизированы для ARM и требуют соответствующих аппаратных инструкций, при этом README не рекомендует их для Mac или Windows. Указанная лицензия — Apache-2.0.

EVA-Qwen2.5-72B-v0.1-GGUF — это набор GGUF-квантизаций текстовой языковой модели EVA-Qwen2.5-72B-v0.1, опубликованный bartowski. Модель создана на базе Qwen2.5-72B-Instruct и предназначена для генерации текста, включая диалоговые сценарии, написание текстов и roleplay. В обучении исходной модели использовались наборы данных для инструкционного следования, структурированного письма, художественных диалогов и ролевых сценариев. Архитектура исходной модели — Qwen2.5 с 72 млрд параметров; модель работает с текстом и использует шаблон сообщений ChatML. README не содержит точных сведений о поддерживаемых языках и размере контекстного окна. Доступны варианты квантизации от IQ1_M и Q2 до Q8_0 размером примерно от 23,74 до 77,26 ГБ. Варианты Q5_K_M, Q6_K, Q4_K_M и другие обеспечивают компромисс между качеством и требованиями к памяти; низкобитные варианты экономичнее, но заметно уступают в качестве. Модель можно запускать через llama.cpp и LM Studio. Квантизация выполнена с использованием imatrix и llama.cpp версии b4014. Лицензия указана как qwen/other; README ссылается на лицензию Qwen2.5-72B-Instruct, однако конкретные условия следует уточнять в исходной лицензии.

EVA-Qwen2.5-7B-v0.0-GGUF — это GGUF-квантизация текстовой генеративной модели EVA-Qwen2.5-7B-v0.0. Исходная модель разработана EVA-UNIT-01, а квантизированные файлы подготовлены bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и диалоговых сценариев, включая написание историй, roleplay, следование инструкциям и работу с текстовыми промптами. Модель содержит 7 миллиардов параметров и распространяется в нескольких вариантах точности — от F16 до Q2_K_L, включая рекомендуемые конфигурации Q4, Q5 и Q6. Размер файлов варьируется примерно от 3,5 до 15,2 ГБ. Поддерживаются локальный запуск через llama.cpp и LM Studio; в README приведён формат промпта на основе специальных токенов чата Qwen. Языки, длина контекста и точные архитектурные характеристики в предоставленных данных не указаны. Сильными сторонами являются широкий выбор квантизаций, возможность локального запуска и варианты, ориентированные на баланс качества и потребления памяти. Более компактные варианты подходят для систем с ограниченной оперативной памятью, но обеспечивают более низкое качество. Модель работает только с текстом, поскольку обозначена как pipeline для text-generation; сведения о специализированных ограничениях и результатах оценки отсутствуют. Лицензия — Apache-2.0.

Evertide-RX-12B — универсальная разговорная языковая модель на архитектуре Mistral, разработанная Retreatcost. Модель дообучена в полном формате параметров на слиянии моделей, созданном на основе unreleased cowriter-модели; README также указывает, что использованы те же модели, что и в Retreatcost/KansenSakura-Erosion-RP-12b. Размер составляет 12,1 млрд параметров, контекст — до 131 072 токенов. Репозиторий содержит веса Safetensors, библиотека для работы — Transformers. Модель предназначена для диалогов, совместного написания текстов, мозговых штурмов и коротких ролевых сцен. Заявлена поддержка английского, французского, немецкого, испанского, итальянского, португальского, русского, китайского и японского языков. По README, рассуждения обычно включаются без дополнительной настройки, но иногда ответы могут появляться без них. Автор сообщает, что обучение проводилось на 451 вручную подготовленном примере, без RL. Это экспериментальная модель общего назначения; автор не заявляет о превосходстве над другими моделями и отмечает, что она не предназначена специально для эротического ролевого общения и может отказывать на некоторых запросах. Лицензия — Apache 2.0.

Everyone-LLM-7b-Base — базовая языковая модель из серии EveryoneLLM, созданная сообществом и опубликованная rombodawg. Это объединённая модель на архитектуре Mistral с 7,1 млрд параметров, предназначенная для генерации текста и выполнения инструкций в шаблоне Alpaca. В карточке приведены результаты тестов Open LLM Leaderboard, включая задачи на рассуждение и здравый смысл. Модель принимает текст и генерирует текст; заявленная длина контекста — 32 768 токенов. README сообщает о слиянии множества дообученных моделей сообщества, но не приводит их названия, поэтому базовые компоненты установить нельзя. Лицензия в метаданных обозначена как unknown; условия использования следует уточнить у автора перед применением.

PS4Research/EVPdEf4TUz3pRa2u — дообученная языковая модель семейства Qwen3, разработанная PS4Research на базе unsloth/Qwen3-14B-bnb-4bit с использованием Unsloth и библиотеки TRL. Модель содержит 14 млрд параметров, построена на плотной архитектуре Qwen3ForCausalLM и принимает текст для генерации текста; поддерживает диалоговый интерфейс и интерфейс вызова инструментов. Модель предназначена для генерации текста и диалоговых сценариев. Её контекстное окно составляет 40 960 токенов. В карточке указан английский язык. Модель распространяется по лицензии Apache-2.0. Специализация дообучения и его качество в карточке не раскрыты.

beomi/EXAONE-3.5-2.4B-Instruct-Llamafied — это адаптированная («llamafied») версия инструкционной языковой модели EXAONE 3.5 2.4B Instruct, разработанной LG AI Research и преобразованной пользователем beomi. Модель предназначена для генерации текста и диалогового взаимодействия на основе инструкций и запросов пользователя. Модель содержит 2,4 млрд параметров, поддерживает контекст длиной до 32 768 токенов и работает с английским и корейским языками. Она распространяется для использования через библиотеку Transformers; в метаданных также указана совместимость с форматом Llama и файлами safetensors. Версия ориентирована на сценарии, где требуется компактная инструкционная LLM с поддержкой длинного контекста. Модель подходит для диалоговых помощников, написания и продолжения текстов, ответов на вопросы, суммаризации и других задач генерации на английском и корейском языках. Ограничения связаны с тем, что это адаптированная версия исходной модели, поэтому совместимость, качество и поведение могут отличаться от оригинальной EXAONE-3.5-2.4B-Instruct. Модель распространяется по лицензии EXAONE, обозначенной в Hugging Face как other; перед использованием необходимо проверить её условия.

EXAONE-3.5-32B-Instruct-AWQ — двуязычная генеративная языковая модель с инструкционным дообучением, разработанная LG AI Research. Она предназначена для диалоговых приложений, генерации и обработки текста на английском и корейском языках, а также для сценариев, требующих понимания длинного контекста до 32 768 токенов. Модель относится к семейству EXAONE 3.5 и поставляется в формате AWQ-квантованных весов. Модель содержит 30,95 млрд параметров без учёта эмбеддингов, 64 слоя и использует Grouped-Query Attention с 40 головами запросов и 8 головами ключей и значений. Размер словаря составляет 102 400 токенов. Применяется 4-битное групп-wise квантование весов без квантования активаций по схеме W4A16g128, что снижает требования к памяти и подходит для развёртывания с поддержкой Transformers, TensorRT-LLM, vLLM, SGLang, llama.cpp и Ollama. Сильными сторонами модели являются поддержка английского и корейского языков, длинного контекста и широкий выбор сред инференса. Ограничения включают возможную генерацию вредного, предвзятого, фактически ошибочного или синтаксически некорректного текста; модель также может не отражать актуальную информацию. Для работы рекомендуется использовать системный промпт, на котором модель обучалась. Лицензия EXAONE AI Model License Agreement 1.1 - NC предусматривает некоммерческое использование.

EXAONE-3.5-7.8B-Instruct-AWQ — инструкционно дообученная двуязычная языковая модель, разработанная LG AI Research. Она предназначена для генерации текста, диалоговых сценариев и общего использования в качестве виртуального ассистента на английском и корейском языках, включая задачи с длинным контекстом до 32 768 токенов. Модель поддерживает системные промпты и может запускаться в Transformers, TensorRT-LLM, vLLM, SGLang, llama.cpp и Ollama. Модель содержит 7,8 млрд параметров, из которых 6,98 млрд указаны без учёта эмбеддингов, 32 слоя и словарь размером 102 400 токенов. В архитектуре внимания используется GQA с 32 Q-головами и 8 KV-головами. Данная версия содержит AWQ-квантизацию весов в формате W4A16g128: 4-битную групповую квантизацию без квантизации активаций, что снижает требования к памяти и подходит для более эффективного развёртывания. К сильным сторонам относятся поддержка английского и корейского языков, длинного контекста и оптимизированного квантизованного инференса. Ограничения включают возможную генерацию вредного, предвзятого, фактически неверного или синтаксически некорректного текста; модель также не располагает актуальными сведениями и может выдавать ответы, противоречащие действительности. Модель распространяется по лицензии EXAONE AI Model License Agreement 1.1 - NC, предусматривающей некоммерческое использование.

EXAONE 4.0-32B — плотная языковая модель с 31,5 млрд параметров, разработанная LG AI Research для диалогового использования. Она поддерживает обычный режим генерации и режим рассуждений, а также вызов инструментов для агентных сценариев. Архитектура включает 64 слоя и гибридное внимание: локальное скользящее внимание чередуется с глобальным в соотношении 3:1. Контекст — до 131 072 токенов. Модель предназначена для диалогов, ответов на вопросы, решения сложных задач и взаимодействия с инструментами. В карточке заявлена поддержка английского, корейского и испанского языков. Для работы через Transformers требуется версия 4.54.0 или новее. Ответы могут содержать фактические ошибки, предвзятость или неподходящий контент, а знания могут быть устаревшими. Лицензия указана как other; README сообщает об обновлении условий в сторону большей гибкости, но точные условия следует сверить с лицензией в репозитории перед использованием.

Excalibur-7b — плотная языковая модель семейства Mistral с 7,1 млрд параметров, созданная InferenceIllusionist с помощью слияния нескольких моделей через mergekit и метод SLERP. В состав слияния вошли merlinite-7b, Magic-Dolphin-7b, Kunoichi-DPO-v2-7B, Monarch-7B и jaskier-7b-dpo-v6.1. Модель предназначена для генерации текста, диалогов и ответов на вопросы; автор особо настраивал процесс слияния с прицелом на результаты MMLU. Контекст модели составляет 32 768 токенов. В README приведены результаты на наборах Open LLM Leaderboard: средний балл 73,6, включая MMLU 65,66 и GSM8K 68,61. Для обработки изображений автор указывает необходимость дополнительного файла mistral-7b-mmproj-v1.5-Q4_1.gguf; это отдельная настройка для совместимого GGUF-запуска, а не основная текстовая модальность указанной модели. Репозиторий распространяется под лицензией Apache-2.0.

ehristoforu/exp-2-q-r — дообученная модель семейства Qwen2, разработанная ehristoforu на базе ehristoforu/exp-1-q-r. Это плотная языковая модель с 7,1 млрд параметров, предназначенная для генерации текста и диалогов. Модель принимает текст и выдаёт текст; заявленный родной контекст составляет 131 072 токена. В обучении использовались Unsloth и библиотека Hugging Face TRL. Модель подходит для диалогового взаимодействия и других задач генерации текста. В карточке отмечен интерфейс вызова инструментов, однако подробности его поведения не описаны. Поддержка английского указана в метаданных. Модель распространяется по лицензии Apache-2.0.

Experiment24Ognoexperiment27-7B — автоматическое слияние моделей, созданное Maxime Labonne. В конфигурации DARE-TIES объединены yam-peleg/Experiment24-7B и automerger/OgnoExperiment27-7B; для второй модели указаны плотность 0,53 и вес 0,6, маска int8 и формат bfloat16. Метаданные описывают архитектуру как плотную MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и диалогов. Она принимает текст и выдаёт текст; сведения о языковой специализации и прикладных областях в карточке не приведены. Модель распространяется по лицензии Apache-2.0. Качество и конкретные ограничения в README не оценены.

Experiment26Neuralsirkrishna_AlloyingotneoyInex12 — объединённая языковая модель, созданная из automerger/Experiment26Neuralsirkrishna-7B и automerger/AlloyingotneoyInex12-7B. Она предназначена для генерации текста и диалогов. Модель использует плотную архитектуру Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Данные README и метаданных не раскрывают поддерживаемые языки или специализированные области применения. Модель распространяется в формате Safetensors по лицензии Apache-2.0.

Experiment26Neuralsirkrishna_Experiment24Alloyingotneoy — объединённая модель Mistral, созданная слиянием automerger/Experiment26Neuralsirkrishna-7B и automerger/Experiment24Alloyingotneoy-7B. Она содержит 7,1 млрд параметров и предназначена для генерации текста и диалогов; принимает текст и выдаёт текст. Контекст — до 32 768 токенов. Модель опубликована в формате Safetensors под лицензией Apache-2.0. В доступных материалах не описаны конкретные преимущества слияния, результаты оценки качества или специализированные области применения.

Experiment26Neuralsirkrishna_Experiment27Shadow — объединённая модель на базе двух моделей Mistral: automerger/Experiment26Neuralsirkrishna-7B и automerger/Experiment27Shadow-7B. Разработчик в карточке не указан. Модель содержит 7,1 млрд параметров и предназначена для генерации текста и диалогов. Она принимает текст и поддерживает контекст длиной до 32 768 токенов. Карточка не уточняет языки и специализированные области применения. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Качество и ограничения в README не описаны.

Experiment26Neuralsirkrishna_Experiment29Experiment24 — объединённая автором карточки модель на базе двух моделей Mistral: automerger/Experiment26Neuralsirkrishna-7B и automerger/Experiment29Experiment24-7B. Она предназначена для генерации текста и диалогов, в том числе с использованием длинного контекста до 32 768 токенов. Модель содержит 7,1 млрд параметров и распространяется в формате safetensors. Для использования доступны задачи генерации текста. Модель выпущена под лицензией Apache-2.0.

Experiment26Neuralsirkrishna_Inex16Calme — объединённая модель на архитектуре Mistral, созданная из automerger/Experiment26Neuralsirkrishna-7B и automerger/Inex16Calme-7B. Модель содержит 7,1 млрд параметров и предназначена для генерации текста и диалогов; поддерживает контекст до 32 768 токенов. Модель можно применять для ответов на запросы, ведения диалога и продолжения текста. Веса опубликованы в формате safetensors, лицензия — Apache-2.0. README не описывает специальные области применения или результаты оценки качества.

Experiment26Neuralsirkrishna_PasticheInex12 — объединённая автором карточки модель Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров. Она предназначена для генерации текста и диалогов, а контекст модели составляет до 32 768 токенов. Модель объединяет automerger/Experiment26Neuralsirkrishna-7B и automerger/PasticheInex12-7B. Доступна в формате safetensors и распространяется по лицензии Apache-2.0. В карточке не описаны специальные предметные области или дополнительные возможности.

Experiment26Neuralsirkrishna_Strangemerges_30Experiment28 — объединённая модель семейства Mistral, созданная на основе automerger/Experiment26Neuralsirkrishna-7B и automerger/Strangemerges_30Experiment28-7B. Она предназначена для генерации текста и диалогов. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0. Карточка не описывает конкретные языки, специализированные области или результаты оценки качества, поэтому их нельзя надёжно определить.

Experiment26Neuralsirkrishna_YamOgno — объединённая модель Mistral, созданная слиянием automerger/Experiment26Neuralsirkrishna-7B и automerger/YamOgno-7B. Она предназначена для генерации текста и диалогов, включая сценарии с длинным контекстом до 32 768 токенов. Модель содержит 7,1 млрд параметров и распространяется в формате safetensors по лицензии Apache 2.0. Карточка не описывает специальные предметные области или дополнительные возможности.

MaziyarPanahi/Experiment26Neuralsirkrishna_YamStrangemerges_32 — объединённая автором репозитория модель Mistral для генерации текста и диалогов. Она содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и принимает контекст длиной до 32 768 токенов. Модель объединяет automerger/Experiment26Neuralsirkrishna-7B и automerger/YamStrangemerges_32-7B. Модель предназначена для генерации продолжений текста и диалоговых ответов на входные текстовые запросы. Язык применения по имеющимся сведениям не установлен. Модель опубликована в формате Safetensors и распространяется по лицензии Apache-2.0.