I.5Создание и редактирование текста

Hermes-3-Llama-3.1-8B-GGUF — это квантизированная GGUF-версия языковой модели Hermes-3-Llama-3.1-8B от NousResearch, подготовленная пользователем bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и диалоговых сценариев, включая чат, ролевое взаимодействие, следование инструкциям, function calling и работу с JSON. Указан язык модели — английский; формат промптов основан на ChatML. Архитектура и исходный размер соответствуют Llama 3.1 с 8 млрд параметров, однако размер контекста в README не указан. Доступно множество вариантов квантизации от f32 до Q2_K и IQ2_M, что позволяет выбирать между качеством ответов, требованиями к памяти и размером файла. В качестве рекомендуемых отмечены варианты Q4_K_M, Q5 и Q6; более компактные варианты подходят для систем с ограниченным объёмом RAM, но могут заметно уступать по качеству. Модель рассчитана на локальный запуск, в частности через llama.cpp и LM Studio. Лицензия указана как llama3; дополнительные ограничения и условия распространения в README не описаны.

nlpguy/Hermes-low-tune-2 — объединённая модель для генерации текста на основе Mistral, созданная с помощью mergekit методом task arithmetic. В качестве базовой использована teknium/OpenHermes-2.5-Mistral-7B; в объединение также вошли Math-OpenHermes-2.5-Mistral-7B, NeuralHermes-2.5-Mistral-7B-laser, dpopenhermes-alpha-v0 и NeuralHermes-2.5-Mistral-7B. Модель содержит 7,1 млрд параметров, использует архитектуру Mistral и поддерживает контекст до 32 768 токенов. Она предназначена для диалогов и генерации текста; состав объединённых моделей также указывает на применимость к математическим задачам. Карточка приводит результаты нескольких тестов Open LLM Leaderboard, включая средний балл 68,04. Модель распространяется по лицензии Apache-2.0. Данные карточки не описывают подробно её языковой охват и практические ограничения; качество может зависеть от задачи и формулировки запроса.

win10/high-speed-mixing-7B-V1 — объединённая языковая модель на архитектуре Qwen2, созданная с помощью mergekit методом TIES. В основу объединения взята MaziyarPanahi/calme-2.8-qwen2-7b; также включена Weyaxi/Einstein-v7-Qwen2-7B. Модель содержит 7,1 млрд параметров и предназначена для генерации текста и диалоговых ответов. Модель принимает текст и выдаёт текст. Заявленная длина контекста — 131 072 токена. Она подходит для общения с пользователем и генерации ответов; описание базовой модели указывает на особый акцент на естественных науках и математике, но README не подтверждает, что этот акцент гарантирован для итогового объединения. Используются Transformers и формат safetensors. Лицензия в предоставленных данных не указана.

Hugo-7B-slerp — диалоговая языковая модель на архитектуре Mistral, созданная paulilioaica слиянием методом SLERP моделей Mistral-7B-Instruct-v0.2 и CodeNinja-1.0-OpenChat-7B с помощью mergekit. Она предназначена для генерации текста и ответов на инструкции в диалоговом формате; объединяет возможности исходных моделей, включая общие диалоговые задачи и работу с кодом. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В README приведены результаты оценок на ARC, HellaSwag, MMLU, TruthfulQA, Winogrande и GSM8K, но они не гарантируют аналогичное качество на других задачах. Языковая поддержка и специализированные области применения в карточке не перечислены. Модель распространяется по лицензии Apache-2.0.

Hunyuan-7B-Pretrain — предварительно обученная плотная языковая модель Tencent из семейства Hunyuan. Она содержит 7,5 млрд параметров и предназначена для генерации текста и дальнейшей адаптации под прикладные задачи. Модель работает с Transformers и использует архитектуру HunYuanDenseV1ForCausalLM с Grouped Query Attention; метаданные также отмечают поддержку диалогового режима и интерфейса вызова инструментов. Модель рассчитана на длинные контексты до 262 144 токенов и поддерживает режимы быстрого и пошагового рассуждения. Её можно применять для генерации и продолжения текста, обработки длинных документов, а после настройки — для агентных сценариев. В README приведены результаты тестов базовых моделей семейства, но они не гарантируют аналогичное качество в каждом пользовательском сценарии. Модель выпущена Tencent в июле 2025 года. README описывает семейство как открытое, но доступный фрагмент не содержит точных условий лицензии для этой модели. Языки обучения или поддержки в предоставленных источниках не перечислены.

活字3.5（Huozi 3.5）是哈尔滨工业大学社会计算与信息检索研究中心（HIT-SCIR）开发的稀疏混合专家语言模型，用于中文和英文对话、指令遵循及通用文本生成。模型基于 Chinese-Mixtral-8x7B 和活字3.0训练，并经过指令微调与模型融合；每个专家层含8个前馈网络，每次计算稀疏激活其中2个。README称模型共有46.7B параметров、推理时激тивируется около 13B; метаданные указывают 7.2B параметров. Поддерживается контекст до 32 768 токенов. Модель заявлена для работы с китайскими и английскими знаниями, математическими рассуждениями, генерацией кода, многоходовым диалогом и безопасными ответами. Доступны веса в формате safetensors, а для инференса описаны Transformers, vLLM, ModelScope, OpenAI API и преобразование в GGUF. Лицензия репозитория — Apache 2.0; для коммерческого использования авторы просят связаться с правообладателем и получить письменное разрешение. Модель может выдавать фактические ошибки, предвзятый или вредоносный контент, поэтому ответы требуют проверки. Заявления о возможностях и оценках приведены авторами; качество зависит от сценария и настройки генерации.

HX-Mistral-3B_v0.1 — текстовая диалоговая модель семейства Mistral, созданная сообществом mergekit-community линейным слиянием предобученных языковых моделей с помощью mergekit. В README указан Mistral-7B-Instruct-v0.2; метаданные также связывают модель с ним как с базовой. Модель содержит 3,6 млрд параметров, построена на архитектуре MistralForCausalLM и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев, включая ответы на инструкции. Она принимает текст и генерирует текст; в репозитории указаны веса Safetensors и библиотека Transformers. Сведения о лицензии в предоставленных материалах отсутствуют.

HyperGemma-2-9B — слитая языковая модель на архитектуре Gemma 2, опубликованная пользователем bunnycore. Она создана методом Model Stock с помощью mergekit на основе lemon07r/Gemma-2-Ataraxy-9B и объединяет также crestf411/gemma2-9B-sunfall-v0.5.2, ehristoforu/Gemma2-9b-it-train6 и nbeerbower/gemma2-gutenberg-9B. Модель содержит 9 млрд параметров и рассчитана на генерацию текста и диалоговое взаимодействие. Модель можно применять для ведения диалога, написания творческих текстов и генерации продолжений по запросу. Она принимает текст и выдаёт текст; заявленный контекст — 8192 токена. Веса опубликованы в формате safetensors и представлены для использования через Transformers. Лицензия и специальные ограничения применения в предоставленных данных не описаны. Качество и языковое покрытие отдельно не охарактеризованы, поэтому их следует оценивать на целевых запросах.

Модель mphank/hzk-agentic-8b-v2 — дообученная языковая модель семейства Qwen3, разработанная mphank на базе unsloth/qwen3-8b-unsloth-bnb-4bit. Она предназначена для генерации текста и диалогового взаимодействия; в метаданных также заявлен интерфейс вызова инструментов. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. В README указано, что обучение проводилось с использованием Unsloth и библиотеки TRL для Hugging Face. Карточка не описывает специальные предметные области или подтверждённые ограничения качества; язык карточки и метаданные указывают на английский.

ibm-granite_granite-4.1-8b-GGUF — это квантизированная версия языковой модели granite-4.1-8b, разработанной IBM (ibm-granite) и подготовленной пользователем bartowski в формате GGUF с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и локального запуска через llama.cpp, Ramalama, LM Studio, KoboldCpp, Jan AI, Text Generation Web UI и другие совместимые инструменты. Модель имеет около 8 миллиардов параметров и доступна в вариантах от BF16 до различных уровней квантизации Q2–Q8 и IQ. Размер файлов составляет примерно от 4,07 до 17,59 ГБ, что позволяет выбирать баланс между качеством, потреблением памяти и скоростью работы. Для взаимодействия используется специальный шаблон промпта с ролями system, user и assistant. Сведения о поддерживаемых языках, архитектуре исходной модели, модальностях помимо текста и размере контекстного окна в представленном README не указаны. Сильными сторонами являются широкий выбор квантизаций, возможность локального инференса и совместимость с распространёнными инструментами. Более точные варианты, включая Q6_K и Q6_K_L, обеспечивают качество, близкое к исходному, тогда как варианты Q3 и Q2 рассчитаны на системы с ограниченным объёмом памяти, но сопровождаются заметным снижением качества. Модель распространяется по лицензии Apache-2.0.

Ice0.32-10.11-RP — текстовая генеративная модель на архитектуре Mistral, созданная с помощью mergekit объединением предварительно обученных моделей методом SLERP. В README указаны Ice0.31-08.11-RP и Ice0.15-06.11-RP-orpo; каталожные метаданные также отмечают Ice0.31-08.11-RP как базовую модель. Модель содержит 7,1 млрд параметров, использует формат safetensors и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогового общения. Она может применяться для ответов на вопросы, ведения беседы и составления текстов на основе пользовательского запроса. README не сообщает целевые языки или специализированные области применения. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. В карточке нет результатов оценки качества или подробных сведений об ограничениях ответов; поведение унаследовано от объединённых моделей.

Ice0.51.1-16.01-RP — объединённая языковая модель автора icefog72, созданная методом SLERP с помощью mergekit из двух предварительно обученных моделей. Это плотная Mistral-архитектура с 7,1 млрд параметров, рассчитанная на генерацию текста и диалоговое общение. Указанная длина контекста — 32 768 токенов; веса доступны в формате safetensors и предназначены для работы через Transformers. Модель подходит для ведения диалогов и генерации ответов или продолжений текста. Карточка не сообщает языки обучения и отдельные специализированные области применения. Лицензия в предоставленных данных не указана.

Ice0.51-16.01-RP — объединённая языковая модель на архитектуре Mistral, созданная методом SLERP с помощью mergekit. Модель содержит около 7,1 млрд параметров, работает с контекстом до 32 768 токенов и предназначена для генерации текста в диалоговом формате. Модель принимает текст и выдаёт текст; её можно использовать для ведения беседы и генерации ответов. В README указана лицензия?

Ice0.60-18.01-RP — объединённая предобученная языковая модель, созданная автором репозитория с помощью mergekit. В слияние методом SLERP вошли Ice0.58-18.01-RP и Ice0.59-18.01-RP; конфигурация использует послойные веса для attention и MLP. По архитектуре это плотная MistralForCausalLM размером 7,1 млрд параметров с контекстом до 32 768 токенов. Модель предназначена для генерации текста. Карточка не описывает отдельные специализированные области применения или поддерживаемые естественные языки. Весовые файлы опубликованы в формате safetensors; метаданные указывают библиотеку Transformers. Условия лицензии в предоставленных источниках не приведены.

Ice0.65-25.01-RP — языковая модель, созданная автором репозитория как слияние предварительно обученных моделей с помощью SLERP и mergekit. Она предназначена для генерации текста и может использоваться в диалоговых и иных текстовых сценариях. Модель построена на архитектуре MistralForCausalLM с плотной архитектурой, содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. В README указаны две объединённые модели с локальными путями Windows; одну из них метаданные связывают с репозиторием этой модели, но её Hugging Face идентификатор определить нельзя. Язык модели, специальные области применения и условия лицензии в предоставленных источниках не указаны.

Ice0.69-25.01-RP — объединённая языковая модель, собранная разработчиком icefog72 с помощью mergekit и метода SLERP из двух предварительно обученных моделей. Это плотная авторегрессионная модель семейства Mistral на 7,1 млрд параметров для генерации текста; она принимает текст и выдаёт текст. Контекстное окно составляет 32 768 токенов. Модель подходит для генерации продолжений и ответов на текстовые запросы. Карточка не описывает отдельные специализированные сценарии и не сообщает о поддерживаемых естественных языках. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Inex12M7-7B — объединённая текстовая модель на архитектуре Mistral, созданная Maxime Labonne автоматическим слиянием моделей. Она предназначена для генерации текста и диалогов; в конфигурации использованы MSL7/INEX12-7b и liminerity/M7-7b, а метод слияния указан как DARE-TIES. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель опубликована в формате Safetensors с лицензией Apache-2.0. Карточка не описывает конкретные языки, специализацию или результаты оценки качества, поэтому применимость к отдельным предметным областям не подтверждена.

Inex12T3qm7xp-7B — автоматически объединённая языковая модель, созданная Maxime Labonne на основе MSL7/INEX12-7b и nlpguy/T3QM7XP. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и предназначена для генерации текста и диалоговых ответов; заявленная длина контекста составляет до 32 768 токенов. Для объединения использован метод DARE-TIES с плотностью 0,53 и весом 0,6 для nlpguy/T3QM7XP; веса представлены в формате safetensors. Модель принимает текст и генерирует текст. Лицензия — Apache-2.0. Карточка не приводит оценок качества или результатов тестирования.

InfinityFlammenNoodleRP-7b — языковая модель на архитектуре Mistral, созданная nbeerbower с помощью слияния SLERP моделей nbeerbower/flammen13-mistral-7B и Nitral-AI/InfinityNoodleRP-7b. Она предназначена для генерации текста и диалогового взаимодействия. Модель содержит 7,1 млрд параметров, принимает текстовый контекст длиной до 32 768 токенов и распространяется в формате safetensors. Модель может использоваться для генерации продолжений текста и ведения диалогов. Лицензия Apache-2.0 допускает использование на её условиях. Карточка не описывает отдельные гарантии качества или специализированные предметные области модели.

InformalToFormalLincoln48 — текстовая GPT-2 модель от BigSalmon для преобразования неформального текста в формальный. Карточка описывает сценарий преобразования слов и предложений; модель предназначена для перефразирования и стилистической нормализации текста. Модель использует архитектуру GPT-2, веса представлены в формате PyTorch, максимальный контекст — 1024 токена. README показывает загрузку через Transformers и содержит пример преобразования текста. Лицензия и поддерживаемые естественные языки в предоставленных данных не указаны.

Ingot-7b-slerp-2 — слитая модель для генерации текста, созданная liminerity с помощью LazyMergekit из liminerity/Ingot-7b-slerp и flemmingmiguel/MBX-7B методом SLERP. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов; веса опубликованы в формате Safetensors. Модель подходит для генерации продолжений и ответов на текстовые запросы. README описывает способ слияния, но не приводит сведения о специализации, поддерживаемых языках или лицензии.

Inkling-Small-GGUF — квантованная версия Inkling-Small, разработанного Thinking Machines и опубликованная в формате GGUF с использованием подходов Unsloth. Это мультимодальная авторегрессионная модель с открытыми весами, предназначенная для исследований, дообучения и интеграции в сторонние продукты. Модель принимает текст, изображения и аудио, а генерирует текст. Она рассчитана на диалоговые сценарии, следование инструкциям, создание AI-агентов и систем с использованием инструментов, разработку кодовых ассистентов, чат-ботов и решений с retrieval-augmented generation. Поддерживаются английский и другие языки с общими мультиязычными возможностями, а также различные языки программирования. Изображения должны быть пиксельными; рекомендуемый размер каждой стороны составляет от 40 до 4096 пикселей. Аудио подаётся в формате WAV с частотой 16 кГц, предпочтительно длительностью менее двух минут. Архитектура представляет собой 42-слойный decoder-only transformer со sparse Mixture-of-Experts: всего 276 млрд параметров, из которых для каждого токена активно около 12 млрд. Каждый токен направляется к 6 из 256 экспертов, дополнительно используются 2 общих эксперта; механизм внимания сочетает локальные и глобальные слои. Изображения обрабатываются иерархическим patch encoder, аудио — через дискретное токенизирование, после чего все модальности переводятся в общее скрытое пространство. Поддерживаются числовые форматы BF16 и NVFP4. Ограничения включают отсутствие заявленного в карточке размера контекстного окна и зависимость качества и требований к ресурсам от выбранного уровня квантования и среды запуска. Модель распространяется по лицензии Apache-2.0. Для локального запуска заявлена совместимость с SGLang, vLLM, TokenSpeed, Unsloth и Hugging Face; также доступны API и сторонние провайдеры инференса.

Inspire-7B-slerp — объединённая языковая модель, созданная методом SLERP с помощью mergekit на основе cognitivecomputations/dolphin-2.8-mistral-7b-v02 и mlabonne/AlphaMonarch-7B. Это плотная Mistral-модель с 7,1 млрд параметров для генерации текста и диалогового общения; она принимает текст и выдаёт текст, а заявленная длина контекста составляет 32 768 токенов. Модель подходит для диалоговых приложений и генерации ответов на текстовые запросы. Карточка не описывает отдельную специализацию, языки, результаты оценки качества или дополнительные возможности помимо чата и генерации текста. Используются веса Safetensors; сведения о лицензии в предоставленных данных отсутствуют.

INTELLECT-3-Base — текстовая языковая модель Prime Intellect, представляющая собой копию GLM-4.5-Air-Base с шаблоном чата, адаптированным из Qwen3-Coder. Модель предназначена для генерации текста в диалоговом формате; её архитектура относится к семейству GLM-4 MoE, размер — 8,5 млрд параметров, максимальный контекст — 131 072 токена. Модель принимает текст и генерирует текст. В метаданных указана поддержка английского и китайского языков, а также возможность диалогового использования. Веса опубликованы в формате Safetensors. Лицензия — MIT. README не описывает отдельное дообучение или специализированные сценарии применения.

ClaudioItaly/Intelligence-7Ties — объединённая языковая модель, созданная автором репозитория с помощью mergekit методом TIES. В качестве основы использована happzy2633/qwen2.5-7b-ins-v3, также в объединение включена AIDC-AI/Marco-o1. Модель имеет плотную архитектуру Qwen2 и около 7,1 млрд параметров; веса опубликованы в формате safetensors, библиотека для работы — Transformers. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно использовать для ответов на вопросы, составления текстов и других задач, решаемых генеративной языковой моделью. Заявленная длина контекста — 32 768 токенов. Данных о специальных языковых или предметных специализациях в карточке нет. Лицензия в предоставленных данных не указана. Качество и ограничения объединённой модели отдельно не описаны; поведение может отличаться от исходных моделей.

ClaudioItaly/Intelligence-Cod-Rag-7B-v4 — объединённая языковая модель на архитектуре Qwen2, созданная с помощью mergekit методом TIES из happzy2633/qwen2.5-7b-ins-v3, EVA-UNIT-01/EVA-Qwen2.5-7B-v0.1 и AIDC-AI/Marco-o1. Модель содержит 7,1 млрд параметров, принимает текст и предназначена для генерации текста в формате диалога. Контекст — до 32 768 токенов. Модель можно использовать для ведения диалогов и генерации ответов на текстовые запросы. Карточка не описывает отдельные области применения или специальные возможности RAG, поэтому название модели само по себе не подтверждает, что она выполняет поиск по документам. Веса опубликованы в формате Safetensors; лицензия в предоставленных данных не указана.

Kaoeiri/Interleaved-upscale-small-drummer-39B — текстовая языковая модель, созданная слиянием предварительно обученных моделей через mergekit. В README указана модель-источник nbeerbower/Mistral-Small-Drummer-22B и метод passthrough; архитектура — плотная MistralForCausalLM с 38,8 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста в диалоговом формате; в метаданных также заявлен интерфейс вызова инструментов. Модель использует Transformers и распространяется в формате safetensors. Лицензия CC BY-ND 4.0 требует указания авторства и ограничивает распространение производных версий. Данных о специализации по предметной области или конкретных языках нет.

InternLM2-20B — плотная языковая модель второго поколения семейства InternLM, разработанная командой InternLM и представленная в репозитории internlm. Она предназначена для генерации и продолжения текста, а также может служить основой для адаптации под предметные области. В опубликованных оценках показаны способности к рассуждению, математике и программированию; карточка также описывает поддержку длинных контекстов. Модель содержит 19,3 млрд параметров, построена на архитектуре InternLM2ForCausalLM и распространяется в формате PyTorch. Метаданные указывают контекст до 32 768 токенов. В README заявлена поддержка до 200 000 символов для базовой модели InternLM2; это значение не следует приравнивать к числу токенов и оно может зависеть от конфигурации конкретного чекпойнта. Карточка приведена на китайском и английском языках, но точный перечень языков модели не указан. Модель подходит для продолжения текста и как языковая основа для задач общего назначения, включая рассуждения, математику и код. Это базовая версия, а не чат-версия InternLM2-Chat, поэтому оптимизация для диалога и следования инструкциям здесь не заявлена. Генерация может содержать ошибки, предвзятость или вредные ответы. Код лицензирован по Apache-2.0; веса открыты для академических исследований, а коммерческое использование требует получения бесплатного разрешения.

chargoddard/internlm2-20b-llama — преобразованная версия InternLM2-20B, представленная в формате весов Llama. Репозиторий содержит веса safetensors для генерации текста; модель имеет плотную архитектуру LlamaForCausalLM, около 19,3 млрд параметров и контекстное окно до 32 768 токенов. В метаданных указаны английский и китайский языки. Модель подходит для генерации и продолжения текста. Она основана на internlm/internlm2-20b и распространяется на условиях лицензии InternLM; метаданные обозначают лицензию как other.

InternLM2.5-7B-Chat — диалоговая языковая модель семейства InternLM2.5, разработанная командой InternLM. Это плотная авторегрессионная модель архитектуры InternLM2 с 7,4 млрд параметров, предназначенная для практических сценариев общения и генерации текста. В README заявлены сильные способности к математическим рассуждениям, работе с длинными контекстами и выбору, вызову и проверке результатов инструментов; метаданные указывают контекстное окно 32 768 токенов. Модель подходит для диалоговых ассистентов, ответов на вопросы, рассуждений и агентных сценариев с инструментами. Карточка приводит результаты OpenCompass и примеры использования через Transformers, vLLM и LMDeploy. В README также заявлена работа с контекстом до миллиона единиц текста при использовании LMDeploy, однако это выходит за пределы длины контекста, указанной в метаданных модели. Основной язык карточки — китайский; модель также предназначена для англоязычных сценариев. Лицензия обозначена как other, поэтому конкретные условия следует проверять в репозитории. Модель может генерировать предвзятые, дискриминационные или иные вредоносные ответы.