I.5Создание и редактирование текста

InternLM2-Base-7B — базовая плотная авторегрессионная языковая модель семейства InternLM2, разработанная командой InternLM. Она содержит 7,4 млрд параметров и предназначена для генерации и продолжения текста, а также служит отправной точкой для дообучения под конкретные области и задачи. Модель принимает текст и поддерживает контекст до 32 768 токенов. Разработчики сообщают об улучшениях в рассуждениях, математике и программировании относительно предыдущего поколения, а также о результатах на длинных текстах; заявленная в README способность обрабатывать до 200 000 символов не совпадает с контекстным пределом из метаданных. Карточка приводит результаты оценок OpenCompass и предупреждает, что ответы могут содержать предвзятые или вредоносные сведения. Код распространяется по Apache-2.0. Для весов указано открытое использование в академических исследованиях; для коммерческого применения требуется получить бесплатное разрешение.

bartowski/internlm2-chat-7b-llama — конвертированная чат-модель семейства InternLM2 с архитектурой LlamaForCausalLM и примерно 7,4 млрд параметров. По README, веса преобразованы скриптом Charles Goddard для создания моделей Llama из InternLM; модель предназначена для генерации текста в диалоговом формате и поддерживает контекст до 32 768 токенов. В репозитории указаны веса safetensors. Карточка не сообщает поддерживаемые языки и лицензию указана как other, поэтому условия использования требуют проверки в исходном репозитории. Метаданные не подтверждают отдельные возможности помимо чата и генерации текста.

Rev3auth/iris_16bit — текстовая диалоговая модель, разработанная Rev3auth на основе дообучения unsloth/gemma-3-270m-it. Она использует плотную архитектуру Gemma 3 с причинной языковой моделью и содержит 257 млн параметров. Модель предназначена для генерации текста и диалогов; базовая модель подходит для ответов на вопросы и суммаризации. Контекст — до 32 768 токенов. Модель обучалась с использованием Unsloth и библиотеки Hugging Face TRL. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Карточка не описывает специализацию дообучения или сравнительные результаты, поэтому качество на конкретных задачах следует оценивать отдельно.

DreadPoor выпустил Irix-12B-Model_Stock — разговорную языковую модель на архитектуре Mistral с 12,1 млрд параметров. Модель создана слиянием предварительно обученных моделей через mergekit методом Model Stock; базой служит yamatazen/EtherealAurora-12B-v2. В слияние также вошли DreadPoor/Faber-12-Model_Stock, ohyeah1/Violet-Lyra-Gutenberg-v2, yamatazen/EtherealAurora-12B-v3 и redrix/patricide-12B-Unslop-Mell-v2. Модель предназначена для генерации текста и диалогового взаимодействия. Она доступна в формате safetensors для библиотеки Transformers. Заявленная длина контекста — 1 024 000 токенов. Сведения о лицензии, поддерживаемых естественных языках и специальных областях применения в предоставленных данных отсутствуют.

Jais-2-8B-Chat — двуязычная чат-модель, разработанная MBZUAI, Inception и Cerebras. Она обучена с нуля на арабских и английских данных и предназначена для диалога и генерации текста на современном стандартном арабском, региональных диалектах и английском, включая смешение арабского и английского в одной беседе. Модель построена на архитектуре Transformer с декодером и многоголовым self-attention, содержит 8 млрд параметров и поддерживает контекст до 8 192 токенов. В её конструкции используются RoPE, активация Squared-ReLU и словарь из 150 272 токенов, настроенный на арабский язык. Модель подходит для чат-ассистентов, работы с двуязычными документами и анализа арабоязычного контента. В README отмечены конкурентные результаты на тестах следования инструкциям и генерации на арабском языке. Модель рассчитана прежде всего на арабский и английский; качество для других языков не гарантируется. Не следует полагаться на неё при принятии медицинских, юридических, финансовых или иных критически важных решений без проверки человеком. Лицензия — Apache-2.0.

Это версия в формате FP16 модели JAIS-30B-Chat-v3, опубликованная amgadhasan и основанная на core42/jais-30b-chat-v3. Модель с плотной архитектурой JAIS предназначена для генерации текста в диалоговом режиме; её можно применять для общения на естественном языке и получения ответов на вопросы. Контекстное окно составляет 8192 токена. В README указано, что права принадлежат исходным авторам. Условия лицензии не приведены, поэтому перед использованием следует проверить лицензию исходной модели core42/jais-30b-chat-v3.

Jais-adapted-70b — двуязычная большая языковая модель семейства Jais, разработанная Inception Institute of Artificial Intelligence и адаптированная на основе Llama 2 70B. Это базовая модель с авторегрессионной архитектурой для генерации текста; семейство обучалось на данных на арабском и английском языках, включая код. Модель рассчитана на задачи понимания и генерации текста, а также может служить основой для дальнейшей настройки под конкретные сценарии. Модель подходит для создания арабско-английских ассистентов, анализа тональности и суммирования двуязычных документов. Она оптимизирована для арабского языка и также поддерживает английский; равного качества для других языков ожидать не следует. Ответы могут быть ошибочными, предвзятыми или оскорбительными, поэтому для решений с высокими последствиями нужен контроль человека. Распространяется по лицензии Apache 2.0.

inception42/jais-adapted-7b-chat — диалоговая языковая модель семейства Jais, разработанного Inception Institute of Artificial Intelligence. Это адаптированная от Llama 2 и дообученная для следования инструкциям модель с 7 млрд параметров, предназначенная для генерации ответов на арабском и английском языках. Она подходит для чат-ассистентов, понимания и создания текста, анализа тональности и суммаризации двуязычных документов. Репозиторий содержит веса в формате safetensors; для загрузки требуется пользовательский класс модели и параметр trust_remote_code=True. Модель распространяется по лицензии Apache 2.0. Ответы могут быть ошибочными, предвзятыми или оскорбительными; качество на других языках и диалектах не гарантируется, а для важных решений нужен контроль человека.

Jallabi-34B — плотная языковая модель семейства Llama от AbacusResearch для генерации текста и диалогов. В репозитории находятся только веса языковой части: энкодер CLIP удалён, поэтому модель загружается как LlamaForCausalLM. Модель содержит 33,9 млрд параметров, принимает текст и имеет контекст длиной 4096 токенов. В README приведены результаты Open LLM Leaderboard, включая средние оценки 70,73 и 25,97 в двух наборах испытаний. Модель распространяется под лицензией Apache-2.0. README не сообщает, на какой базовой модели основаны веса; по имеющимся данным нельзя определить специальные ограничения применения или качества.

wnma3mz/Janus-Pro-1B-LM — вариант модели DeepSeek Janus-Pro-1B, подготовленный автором репозитория. Веса обновлены до формата safetensors, добавлен шаблон чата; обозначение LM указывает, что репозиторий содержит только языковую модель. Метаданные указывают на архитектуру Llama, 1,4 млрд параметров и контекст до 16 384 токенов. Модель предназначена для генерации текста в диалоговом формате. Хотя базовая Janus-Pro-1B поддерживает понимание и генерацию изображений, эта сборка содержит только языковую часть, поэтому возможности обработки изображений для неё не заявлены. Веса распространяются по лицензии MIT. README также упоминает 4-битную квантизацию языковой части, но метаданные описывают файлы safetensors и не подтверждают отдельный квантованный вариант в этом репозитории.

J.A.R.V.I.S-v2.0 — разговорная языковая модель, разработанная Klevin и дообученная на базе unsloth/llama-3-8b-bnb-4bit с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста в диалогах и ответов на запросы пользователя. Модель построена на плотной архитектуре LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. В карточке указана поддержка английского языка и чат-возможностей. Модель распространяется по лицензии Apache-2.0.

Jett-w26-abliterated — объединённая модель для генерации текста, опубликованная giannisan. Она построена на архитектуре Mistral и создана методом DARE TIES с помощью mergekit; в качестве основы использована yam-peleg/Experiment26-7B, а также объединены модели для диалогов, математики, программирования и следования инструкциям. Модель содержит 7,1 млрд параметров, работает с текстом и имеет контекстное окно до 32 768 токенов. Автор описывает её как uncensored-версию Jett-w26. Она предназначена для генерации ответов и свободного диалога; состав объединённых моделей также ориентирует её на математические задачи и помощь с кодом. Доступны веса в формате safetensors для использования с Transformers. Лицензия в предоставленных данных не указана.

JiRack Ultra 7B — текстовая модель для генерации и диалогов от CMSManhattan. Она построена на плотной архитектуре Qwen2 с 7,1 млрд параметров, а в карточке модели также заявлена основа DeepSeek R1 7B. Модель оптимизирована для запуска на CPU: автор сообщает о применении технологий BitNet и QAT, а в репозитории доступны веса safetensors и варианты GGUF с квантованием от Q2_K до Q8_0. Указанный контекст — до 131 072 токенов. Модель предназначена для диалоговых сценариев, использования в RAG, агентной разработки и вызова инструментов. Карточка упоминает специализированные токены для маршрутизации, мультимедиа, зрения, звука и робототехники, но метаданные подтверждают только текстовую генерацию и возможность чата; мультимодальный ввод или вывод ими не подтверждён. Среди отмеченных в метаданных языков — английский, китайский, японский, корейский, французский, испанский, португальский, немецкий, итальянский, русский, арабский, вьетнамский и тайский. По заявлению автора, модель рассчитана на экономичный локальный или облачный инференс, включая запуск через llama.cpp и Ollama. Для квантованного Q4_K_M README рекомендует не менее 12 ГБ системной памяти, а для комфортной работы — 16–24 ГБ; фактическая скорость зависит от процессора и контекста. Веса распространяются по лицензии MIT, однако Docker-образ, готовые Ollama-сборки и UI-клиенты могут требовать отдельной коммерческой лицензии.

J.O.S.I.E. — чат-модель и ассистент, разработанный Gökdeniz Gülmez. Это дообученная на пользовательских наборах DPO модель на базе Goekdeniz-Guelmez/Josiefied-Qwen2.5-7B-Instruct-abliterated-v2 с архитектурой Qwen2 и 7,1 млрд параметров. Она предназначена для диалоговой генерации текста и выполнения запросов пользователя; в метаданных также отмечен интерфейс вызова инструментов. Модель принимает текст и генерирует текст. Заявленная длина контекста — 32 768 токенов. Репозиторий содержит веса в формате safetensors, лицензия — Apache 2. README описывает её как ассистента с менее ограниченным поведением, однако подробности обучающих данных и системного промпта в доступной карточке опущены.

Josiefied-Qwen2.5-7B-Instruct-abliterated-v2 — диалоговая языковая модель, разработанная Гёкденизом Гюльмезом. Это дообученная и аблитерированная версия Qwen2.5-7B-Instruct, созданная на пользовательском наборе данных для более свободных ответов и меньшего числа отказов. Модель построена на архитектуре Qwen2 с плотной причинной языковой моделью и содержит около 7,1 млрд параметров; заявленный нативный контекст — 32 768 токенов. Модель предназначена для генерации текста в формате чата: она отвечает на запросы, помогает с письмом, программированием и математическими задачами, а также поддерживает многоязычные диалоги. В метаданных отмечены интерфейс вызова инструментов и поддержка английского, русского, китайского, немецкого, французского, испанского, португальского, итальянского, японского, корейского, вьетнамского, тайского и арабского языков. Карточка указывает лицензию Apache 2.0. Аблитерация ориентирована на снижение отказов, что позволяет использовать модель для запросов, которые обычные ассистенты могут отклонять; при этом поведение и безопасность ответов могут быть менее предсказуемыми. Автор рекомендует использовать модель на свой риск. Указанные в README характеристики базовой Qwen2.5, включая контекст до 128K токенов, не следует переносить на эту производную модель: для данного репозитория метаданные указывают нативный контекст 32 768 токенов.

mlx-community/K2-Horizon-7B-bf16 — конверсия модели IFM/K2-Horizon-7B в формат MLX с точностью bf16, подготовленная сообществом mlx-community для компьютеров Apple silicon. Это плотная авторегрессионная модель семейства K2-Horizon с 7B параметров по README и 8B по метаданным; она поддерживает контекст до 524 288 токенов и предназначена для диалогов и генерации текста, включая работу с длинными запросами. В карточке описаны проверки соответствия реализации PyTorch и тестовые примеры генерации. Модель подходит для ответов на вопросы, рассуждений, помощи с кодом и обработки длинных текстов. Конверсия выполнена без квантизации, поэтому веса занимают около 18 ГБ; с учётом памяти для KV-кэша длинный контекст требует существенно больше оперативной памяти. Для запуска указана библиотека mlx-lm и необходимость доверенной загрузки кода модели в некоторых версиях. Лицензия — Apache-2.0.

IFM/K2-Horizon-MoVA-36B-A4B-FP8 — открытая FP8-квантизованная версия модели K2-Horizon-MoVA-36B-A4B, разработанная IFM. Это разреженная Mixture-of-Experts-модель с механизмом внимания Mixture-of-Values (MoVA), содержащая 36 млрд параметров, из которых около 4 млрд активируются для каждого токена. Модель предназначена для генерации текста, агентских сценариев и задач, требующих рассуждений. Модель поддерживает английский язык и нативный контекст до 524 288 токенов. Квантизации FP8 подвергнуты маршрутизируемые линейные слои экспертов в слоях трансформера 3–47: веса используют статический FP8 E4M3FN, а активации — динамический FP8. Остальные основные тензоры, включая attention, общие эксперты, маршрутизаторы, первые плотные слои, MoVA-экспертов значений, нормализацию, embeddings и lm_head, сохранены в BF16. Благодаря этому снижается объём памяти и ускоряется инференс на оборудовании с поддержкой FP8 при близком к исходной BF16-модели качестве. Сильные стороны модели — высокий заявленный уровень результатов при небольшом числе активных параметров, длинный контекст и эффективность разреженной архитектуры. Для обслуживания рекомендуется tensor parallelism с TP=1 или TP=2. Ограничения включают зависимость преимуществ FP8 от совместимого оборудования и инфраструктуры, а также отсутствие в предоставленных данных подробной оценки качества по отдельным задачам и языкам. Модель распространяется под лицензией Apache-2.0.

K2-Horizon-MoVA-36B-A4B-GGUF — набор GGUF-квантизаций модели K2-Horizon-MoVA-36B-A4B, разработанной Institute of Foundation Models (IFM) при MBZUAI и выпущенной 3 сентября 2026 года. Модель предназначена для генерации текста, рассуждений и работы с длинным контекстом; заявлена поддержка английского языка. Формат GGUF ориентирован на запуск через llama.cpp и совместимые инструменты. Модель использует архитектуру k2_horizon и сочетает разреженную Mixture-of-Experts (MoE) с механизмом Mixture-of-Values (MoVA), применяющим разреженную маршрутизацию внутри attention. Всего предусмотрено около 36 млрд параметров, из которых примерно 4 млрд активируются для каждого токена. Архитектура включает 48 слоёв, 100 маршрутизируемых экспертов с 8 активными и одним общим экспертом на MoE-слой, а также 64 value-эксперта с 4 активными на attention-слой. Нативное контекстное окно составляет до 524 288 токенов. Доступны варианты от BF16 до низкобитных Q2 и IQ-квантизаций, что позволяет выбирать между качеством, размером файлов и требованиями к памяти. При этом активация только 4 млрд параметров на токен не означает, что модель требует память уровня 4 млрд параметров: все веса объёмом около 10–70 ГиБ должны находиться в RAM или VRAM, а память под KV-кэш и служебные расходы учитывается отдельно. Для загрузки GGUF необходима ветка model/K2Horizon форка llama.cpp от MBZUAI-IFM либо версия upstream после добавления поддержки архитектуры k2_horizon. Лицензия модели — Apache 2.0.

K2S3-Mistral-7b-v1.2 — текстовая генеративная модель, разработанная K2S3 и дообученная на базе mistralai/Mistral-7B-v0.1. Это плотная авторегрессионная модель семейства Mistral с 7,2 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев по инструкциям. Для обучения методом supervised fine-tuning (SFT) использовались alpaca-gpt4-data и примеры из OpenOrca; проведена полная настройка параметров. Репозиторий содержит веса в формате Safetensors. Модель рассчитана на английский и корейский языки. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение. Как и другие генеративные языковые модели, она может выдавать неточные или вымышленные сведения.

K2S3-Mistral-7b-v1.47 — языковая модель K2S3 для генерации текста, дообученная методом SFT на базе mistralai/Mistral-7B-v0.1 с настройкой всех параметров. В обучении использовались alpaca-gpt4-data и примеры из OpenOrca. Модель относится к плотной архитектуре MistralForCausalLM, содержит 7,2 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации ответов и выполнения текстовых инструкций на английском языке. Она может быть полезна для создания диалоговых и инструкционных приложений, однако карточка не приводит оценок качества или специальных гарантий. Распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

KafkaLM-13B-German-V0.1 — языковая модель Seedbox, обученная Dennis Dickmann. В её основе Llama 2 13B, дополнительно дообученная на немецком корпусе, а также на наборах инструкций, переведённых с английского на немецкий. Модель предназначена для повседневных задач и бизнес-сценариев, где нужны ответы на немецком языке. Модель использует архитектуру Llama с плотной causal language model на 12,9 млрд параметров и контекстом до 8192 токенов. Она принимает текст и генерирует текст; карточка приводит формат диалога с дружелюбным ассистентом, который отвечает точно и по существу. Лицензия — Llama 2, действуют её ограничения и ограничения использованных датасетов.

Это дообученная диалоговая модель kihyun-K на базе kakaocorp/kanana-1.5-8b-instruct-2505. Она предназначена для генерации текста в чате и поддерживает интерфейс вызова инструментов. Модель построена на архитектуре Llama, содержит 7,5 млрд параметров и поддерживает контекст длиной до 32 768 токенов. В карточке указаны английский язык и лицензия Apache 2.0. README сообщает, что модель обучали с использованием Unsloth и библиотеки TRL для Hugging Face.

Это дообученная диалоговая модель yatokim на базе kakaocorp/kanana-1.5-8b-instruct-2505. Она построена на плотной архитектуре семейства Llama и содержит 7,5 млрд параметров; модель предназначена для генерации текста и общения в формате инструкций, а также поддерживает интерфейс вызова инструментов. Модель принимает текст и выдаёт текст. Её контекст составляет 32 768 токенов. В карточке указан английский язык; базовая Kanana предназначена также для программирования, математики и вызова инструментов, однако README этой версии не описывает отдельную специализацию или результаты оценки качества. Репозиторий содержит веса safetensors, модель обучена с использованием Unsloth и библиотеки TRL. Лицензия — Apache-2.0.

Модель загружена пользователем haensumo и представляет собой дообученный вариант Llama для генерации текста в формате диалога. В карточке указано, что обучение выполнялось с помощью Unsloth и библиотеки TRL; модель основана на haensumo/kanana-1.5-8b-instruct-2505-Safe-DPO. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает контекст длиной до 32 768 токенов. Она предназначена для генерации текста и диалоговых сценариев. Доступны веса в формате safetensors; лицензия — Apache 2.0. Язык карточки — английский, но конкретные языки ответов и специальные предметные области не описаны.

ohkwon/kanana-1.5-8b-instruct-2505-Safe-DPO — диалоговая языковая модель семейства Llama, представленная ohkwon. Это дообученная модель с 7,5 млрд параметров для генерации текста и общения; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. Карточка сообщает, что обучение выполнялось с Unsloth и библиотекой TRL. Модель подходит для диалоговых сценариев и генерации ответов на текстовые запросы. В карточке указана лицензия Apache-2.0. Данных о специализации по предметной области или дополнительных ограничениях качества в доступных источниках нет.

Taewan123/kanana-1.5-8b-instruct-2505-Safe-DPO — разговорная плотная Llama-модель, опубликованная Taewan123. Карточка описывает её как дообученную модель, обученную с использованием Unsloth и библиотеки TRL; метаданные указывают 7,5 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста в диалогах. Она принимает текст и выдаёт текст; в метаданных также отмечен интерфейс для вызова инструментов. Указана поддержка английского языка. Лицензия — Apache-2.0. Карточка называет базовой моделью тот же репозиторий, что и сама модель, поэтому независимую базовую модель установить по предоставленным данным нельзя. Специальные ограничения качества или области применения не описаны.

Kanana-2-1.3B-Instruct — компактная языковая модель Kakao для диалогов и выполнения инструкций. Это плотная авторегрессионная модель примерно с 1 млрд параметров, полученная из Kanana-2-3B с помощью каскадного pruning и дистилляции, а затем настроенная для следования инструкциям. Модель использует гибридное внимание: три слоя Sliding Window Attention на каждый слой полного внимания; размер окна — 1024 токена. Поддерживает контекст до 32 768 токенов и снижает расход памяти KV-кэша при длинном контексте. Модель рассчитана на компактное развёртывание, в том числе на устройствах с ограниченными ресурсами. Она предназначена для общения и генерации текста по инструкциям; в карточке серии также описаны оценки для задач работы с инструментами, кода, математики и знаний. Токенизатор повышает эффективность обработки корейского языка по сравнению с предыдущим поколением Kanana. Для запуска доступны Transformers с пользовательским кодом архитектуры, vLLM и SGLang с настройкой из репозитория. Лицензия в метаданных указана как other; конкретные условия следует сверить с файлами лицензии репозитория. Для SGLang карточка рекомендует версию 0.5.1 и предупреждает о снижении точности и скорости при использовании backend flashinfer.

KangalKhan-Ruby-7B — объединённая модель на основе Mistral 7B, созданная автором репозитория с помощью LazyMergekit из argilla/CapybaraHermes-2.5-Mistral-7B и argilla/distilabeled-OpenHermes-2.5-Mistral-7B. Она предназначена для диалогов и генерации текста; в карточке рекомендован формат общения ChatML. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Mistral и поддерживает контекст до 32 768 токенов. Модель принимает текстовые запросы и генерирует текстовые ответы на английском языке. В README приведены результаты Open LLM Leaderboard, включая средний балл 68,68, но не раскрыты все метрики. Для репозитория указана лицензия Apache-2.0. Автор отмечает, что некоторые сторонние варианты GGUF могут изредка выдавать опечатки; это замечание относится к указанным вариантам GGUF, а не обязательно к версии в формате safetensors.

KANN-I-0.1-7b — объединённая языковая модель, опубликованная euser и созданная с помощью mergekit методом DARE TIES. В качестве основы указана mistralai/Mistral-7B-v0.1; в метаданных также перечислены другие модели-участницы слияния. Это плотная авторегрессионная архитектура Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста в диалоговом формате и может использоваться для ответов на вопросы и написания текстовых продолжений. Карточка показывает пример запуска через Transformers и чат-шаблон. Языки модели в доступных сведениях не указаны, поэтому её языковую специализацию определить нельзя. Репозиторий содержит веса Safetensors; лицензия в предоставленных данных не указана.

Kant-Test-0.1-Mistral-7B-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель MaziyarPanahi, полученная слиянием Mistral-7B-Instruct-v0.2 и Zardos/Kant-Test-0.1-Mistral-7B методом SLERP. Модель на 7,1 млрд параметров использует архитектуру Mistral с плотной причинной языковой моделью и предназначена для генерации текста и ответов на инструкции в формате диалога; контекст составляет до 32 768 токенов. Модель принимает текст и выдаёт текст. Репозиторий содержит веса в формате safetensors. Лицензия Apache-2.0. Подробности о специализации второй модели, обучающих данных и сравнительной производительности в карточке не приведены.