I.5Создание и редактирование текста

trinhkhng/karcher_Merged_gpt2-large_0.5 — языковая модель для генерации текста на архитектуре GPT-2 Large, созданная слиянием предварительно обученных моделей с помощью Karcher Mean и mergekit. В слиянии участвовали GPT-2 Large и модель debias_gpt2-large. Модель предназначена для продолжения текста и генерации связного текста по текстовому запросу. Она использует библиотеку Transformers, веса сохранены в формате safetensors, а длина контекста составляет 1024 токена. В карточке не описаны отдельные языки применения или специализированные предметные области. Слияние моделей не гарантирует сохранения всех свойств исходных чекпойнтов; карточка не приводит оценок качества, тестов или подробностей о том, насколько итоговая модель снижает предвзятость. Лицензия в предоставленных данных не указана.

Karnak — арабско-английская разговорная языковая модель, разработанная Applied Innovation Center на основе Qwen/Qwen3-30B-A3B-Instruct-2507. Это причинная MoE-модель с расширенной глубиной, дополнительным обучением и токенизатором, оптимизированным для арабского языка. В метаданных указано 3,4 млрд параметров; README приводит оценку около 40 млрд после расширения глубины. Модель принимает инструкции и генерирует текст на арабском и английском языках; поддерживает контекст до 262 144 токенов по метаданным, при этом README рекомендует ограничивать рабочий контекст 20 000 токенами для стабильности. Karnak предназначена для диалогов, ответов на вопросы, объяснения тем, создания текстов, работы с длинными документами и исследовательскими материалами. README описывает многоэтапное обучение, включавшее расширение глубины, продолжение предобучения и дообучение с учителем, с целью улучшить следование инструкциям, беглость арабского текста и устойчивость ответов. Модель можно запускать локально или на собственных серверах, использовать через Transformers и vLLM, а также дообучать под конкретные задачи. Модель распространяется по лицензии Apache-2.0. Заявленные преимущества относятся прежде всего к арабской генерации и длинному контексту; README рекомендует не превышать 20 000 токенов для оптимальной стабильности, а отдельные гарантии фактической точности не приведены.

Kate-16bit — дообученная разговорная модель ToyLantis на базе unsloth/gemma-2-2b-it-bnb-4bit. Она использует плотную архитектуру Gemma 2 и предназначена для генерации текста в диалоговом формате. Модель содержит 2,7 млрд параметров и поддерживает контекст до 8192 токенов. При дообучении применялись Unsloth и библиотека Hugging Face TRL. Репозиторий содержит веса в формате Safetensors; модель опубликована под лицензией Apache-2.0. Карточка не описывает специализацию или оценку качества, поэтому её уместно рассматривать как модель общего назначения для генерации текста и диалогов.

openeurollm/kda-sigmoid-1.3B-100B — языковая модель ComplexKDA для генерации текста, созданная авторами ComplexKDA. Это чисто рекуррентная базовая модель KDA с архитектурой ComplexKDAForCausalLM и обычным сигмоидным затвором затухания. В README указаны 1,36 млрд параметров, 24 слоя, размер скрытого состояния 2048, 16 голов размерности 128, SwiGLU-MLP, короткая свёртка ширины 4 и словарь из 32 000 токенов; метаданные каталога оценивают размер в 1,1 млрд параметров. Контекст обучения и нативная длина контекста составляют 4096 токенов. Модель предназначена для авторегрессионной генерации текста и диалоговых сценариев. Рекуррентная архитектура Kimi Delta Attention использует сигмоидный затвор, который ограничивает коэффициент затухания диапазоном (0, 1], поэтому каналы могут сохранять или забывать информацию без знакопеременного затухания ComplexKDA. В комплекте поставляется токенизатор с настройками обучающего корпуса: BOS автоматически не добавляется, документы завершались токеном EOS. Для использования доступны веса Safetensors и реализация на Transformers. Лицензия — MIT.

Карточка модели PS4Research/kE5nV8hA3yW4jT7s на Hugging Face совпадает с карточкой PS4Research/EVPdEf4TUz3pRa2u, поэтому описание составлено по ней. 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.

Keefe-Discere-v2.0-OxAlpha — языковая модель KeefeBuild, дообученная на базе unsloth/qwen2.5-7b-instruct-unsloth-bnb-4bit. Это плотная модель семейства Qwen2 с архитектурой Qwen2ForCausalLM и примерно 7,1 млрд параметров; она принимает текст и генерирует текст, поддерживает диалог и интерфейс вызова инструментов. Модель предназначена для текстовой генерации и разговорных сценариев на английском языке, с контекстом до 32 768 токенов. В карточке указаны Apache-2.0 и обучение с использованием Unsloth и библиотеки TRL. Конкретные специализации и результаты оценки качества не описаны, поэтому модель следует рассматривать как универсальную дообученную языковую модель, а поведение при вызове инструментов проверять в целевой интеграции.

Keefe-Discere-v3.0-Final — языковая модель на архитектуре Qwen2, дообученная KeefeBuild на базе KeefeBuild/Keefe-Discere-v3.0-Ultimate с использованием Unsloth и Hugging Face TRL. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов; заявлены возможности диалога и интерфейс вызова инструментов. Модель предназначена для генерации текста и диалоговых сценариев, включая использование через интерфейс вызова инструментов. В карточке указан английский язык. Репозиторий содержит веса в формате Safetensors и распространяется по лицензии Apache-2.0. Карточка не описывает специализированные области применения или конкретные ограничения качества.

Keefe-Discere-v3.3 — дообученная языковая модель на архитектуре Qwen2, опубликованная KeefeBuild. Она предназначена для генерации текста и диалогового общения; в метаданных также заявлен интерфейс вызова инструментов. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. В карточке указано обучение с использованием Unsloth и библиотеки TRL от Hugging Face. Модель распространяется под лицензией Apache-2.0. Карточка не описывает специализацию, набор данных или конкретные результаты обучения, поэтому качество в отдельных предметных областях оценить нельзя.

Keural-Cortex-8B — разговорная модель компании MKD Co., Ltd. из Пусана, Южная Корея, созданная на базе Qwen/Qwen3-8B-Base. Модель содержит 7,6 млрд параметров и поддерживает контекст до 65 536 токенов. Её обучали на корейских текстах, расширяли контекст с помощью YaRN и дообучали на инструкциях и диалогах; веса опубликованы в формате safetensors. Модель предназначена для общения на корейском и английском языках, ответов на вопросы, помощи с текстами и кодом, а также для сценариев с вызовом инструментов. По результатам сравнительных тестов из карточки она достигает заявленной цели по корейскому языку, а по английскому сопоставима с Qwen3-8B-Instruct. При этом у неё есть заметная слабость на тестах с выбором фиксированного ответа, включая задачи на логическое следование и ответы «да/нет»; результаты таких тестов могут недооценивать способность модели отвечать на те же вопросы в обычном диалоге. Модель может уверенно выдавать неверные сведения и не проходила оптимизацию предпочтений. Разработчик не рекомендует использовать её для медицинских, юридических и финансовых советов, сведений о самой MKD Co., Ltd., сценариев, требующих thinking mode, или цепочек зависимых вызовов инструментов без внешнего управления порядком. Лицензия — Apache-2.0.

Kimi-Linear-48B-A3B-Instruct — разговорная языковая модель от Moonshot AI на архитектуре Kimi Linear. Это гибридная MoE-модель с Kimi Delta Attention и глобальными слоями MLA: в семействе указаны 48 млрд общих и 3 млрд активируемых параметров. Репозиторий содержит веса safetensors и предназначен для генерации текста в диалоговом формате. Модель рассчитана на диалоги и задачи с длинным контекстом. В README для версии Instruct заявлена длина контекста до 1 млн токенов, а архитектура сокращает потребность в KV-кэше и ускоряет декодирование на длинных последовательностях. Для запуска предлагаются Transformers с fla-core и развёртывание через vLLM. Лицензия — MIT. README описывает результаты бенчмарков, но не приводит оценки по всем сценариям; фактическая скорость и качество зависят от оборудования и настроек инференса.

Knowlm-13B-Zhixi — языковая модель на архитектуре Llama, разработанная ZJUNLP и дообученная на основе Knowlm-13B-Base с использованием данных в формате инструкций. Она предназначена для генерации текста и выполнения запросов, сформулированных естественным языком. Модель содержит 12,9 млрд параметров, принимает текст и выдаёт текст; её родной контекст — 2048 токенов. Репозиторий содержит веса PyTorch. Модель распространяется по лицензии Apache-2.0. README не уточняет языковой охват, качество на отдельных задачах или специальные сценарии применения.

KoAlpaca-RealQA-Solar-Ko-Recovery-11B-Merged — разговорная языковая модель, разработанная beomi. Это слитая LoRA-модель на базе beomi/Solar-Ko-Recovery-11B, дообученная для ответов на вопросы и диалоговых сценариев. Модель использует плотную авторегрессионную архитектуру LlamaForCausalLM и содержит 10,7 млрд параметров; максимальный контекст — 4096 токенов. Репозиторий распространяет веса в формате safetensors. Модель предназначена для генерации текста в диалоге, понимания запросов, письма, рассуждений, решения математических задач и помощи с кодом. В README приведены результаты оценки LogicKor для одно- и многоходовых сценариев, включая режимы с одним примером и пошаговым рассуждением. Базовая модель ориентирована на корейский и английский языки; README не уточняет отдельные языковые показатели этой версии. Лицензия — Apache-2.0.

MrBananaHuman/kogpt_6b_fp16 — версия модели KoGPT 6B от Kakao Brain, сохранённая в формате FP16. Это плотная авторегрессионная языковая модель семейства GPT-J для генерации текста; в метаданных указана архитектура GPTJForCausalLM и контекст до 2048 токенов. Модель предназначена для продолжения текста и генерации предложений на основе заданного текстового фрагмента. README указывает базовый репозиторий kakaobrain/kogpt и ревизию KoGPT6B-ryan1.5b. Карточка показывает загрузку через Transformers с PyTorch. Отдельные сведения о лицензии и целевых языках в предоставленных данных отсутствуют.

KONI-Llama3-8B-20240630 — языковая модель, разработанная Donghun Yang из KISTI. Это продолженное предварительное обучение Llama 3 с 8 млрд параметров на корпусе объёмом 200 ГБ на корейском и английском языках, включающем научно-технические материалы. Модель использует авторегрессионную архитектуру Transformer и принимает текст, генерируя текст и код; контекст составляет 8192 токена. Модель предназначена для генерации текста и кода, а также для адаптации к разным задачам генерации естественного языка. В карточке указана предварительная версия от 30 июня 2024 года. Ограничения лицензии: CC-BY-NC-SA-4.0 и лицензия Llama 3; перед использованием следует соблюдать условия обеих лицензий и применимые правила использования Llama 3.

Kool-Aid — языковая модель на архитектуре Mistral, созданная ChaoticNeutrals с помощью слияния предварительно обученных моделей CookieNexus и ErosEris методом SLERP через mergekit. Модель содержит 7,1 млрд параметров, использует формат safetensors и принимает текст для генерации текста. В метаданных указан английский язык и контекст до 8192 токенов. Модель предназначена для генерации текста и может применяться для диалоговых ответов, написания черновиков и продолжения заданного текста. В README приведены результаты оценок на нескольких бенчмарках, включая AI2 Reasoning Challenge и HellaSwag. Лицензия обозначена как other; конкретные условия следует уточнять на странице модели.

Kosmos-8B-v1 — языковая модель Khetterman, созданная слиянием 14 моделей с помощью mergekit. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров. Она предназначена для генерации текста, чатов и творческих ролевых диалогов; в метаданных указана поддержка английского и русского языков. Нативная длина контекста — 8192 токена. Модель объединяет варианты Llama 3 и Llama 3.1, в том числе русскоязычную Saiga и модели для творческого общения. Доступна в формате safetensors и использует библиотеку Transformers. README не сообщает лицензию, поэтому условия использования по имеющимся данным определить нельзя.

Kosmos-EVAA-Franken-Immersive-v41-8B — слитая модель генерации текста на основе архитектуры Llama, созданная jaspionjader с помощью mergekit и метода SLERP. В объединении использованы jaspionjader/knfp-2-8b и jaspionjader/Kosmos-EVAA-Franken-Immersive-v40-8B; версия представлена в формате safetensors и содержит около 7,5 млрд параметров. Модель предназначена для генерации текста и диалогового общения. Метаданные указывают контекст до 131 072 токенов и возможность chat-взаимодействия. Карточка не приводит сведения о целевых языках, специальных предметных областях или результатах оценки качества. Лицензия в предоставленных данных не указана.

jaspionjader создал Kosmos-EVAA-Franken-stock-v43-8B — объединённую плотную авторегрессионную языковую модель семейства Llama на 7,5 млрд параметров. Модель предназначена для генерации текста в диалоговом формате; репозиторий использует Transformers и содержит веса Safetensors. Модель получена методом Model Stock с помощью mergekit: в качестве базовой использована jaspionjader/ek-3, а также объединены jaspionjader/ek-5 и jaspionjader/ek-6. Заявленная длина контекста — 131 072 токена. В README и метаданных не приведены сведения о лицензии и конкретных языках обучения или целевых сценариях, поэтому их нельзя достоверно уточнить.

Kosmos-EVAA-gamma-v14-8B — слитая модель семейства Llama, созданная jaspionjader с помощью mergekit методом SLERP из jaspionjader/Kosmos-EVAA-gamma-light-8B и jaspionjader/Kosmos-EVAA-gamma-v13-8B. Это плотная авторегрессионная языковая модель на 7,5 млрд параметров для генерации текста; она принимает текст и выдаёт текст. Контекстное окно составляет 8192 токена. Модель подходит для генерации продолжений, диалоговых ответов и других задач на основе текста, поддерживаемых базовыми языковыми моделями. Карточка не уточняет специальные области применения или языки. Весовые файлы представлены в формате safetensors. Сведения о лицензии в доступных данных отсутствуют.

Kosmos-EVAA-PRP-light-8B — объединённая модель для генерации текста, созданная jaspionjader с помощью mergekit. В слиянии методом SLERP использованы jaspionjader/Kosmos-EVAA-PRP-8B и jaspionjader/Kosmos-EVAA-TSN-v22-8B. Модель построена на архитектуре Llama и содержит 7,5 млрд параметров. Она предназначена для генерации текста и может использоваться в текстовых диалогах. Нативный контекст составляет 8192 токена; веса опубликованы в формате Safetensors для библиотеки Transformers. Карточка не сообщает о специализации на конкретном языке или предметной области, поэтому применимость к отдельным языкам и областям по имеющимся сведениям оценить нельзя. Условия лицензии в доступных данных не приведены.

Kosmos-EVAA-PRP-v28-8B — слитая языковая модель для генерации текста, созданная с помощью mergekit методом SLERP из jaspionjader/Kosmos-EVAA-PRP-v25-8B и jaspionjader/Kosmos-EVAA-PRP-v27-8B. Модель построена на архитектуре Llama и содержит 7,5 млрд параметров; для работы с ней используется библиотека Transformers, веса представлены в формате safetensors. Модель предназначена для генерации текста по текстовому запросу. Контекстное окно составляет до 8192 токенов. В карточке не приведены целевые сценарии, языки или результаты оценки качества, поэтому область специализации и сравнительные преимущества определить нельзя. Лицензия в предоставленных данных не указана.

Kosmos-EVAA-PRP-v30-8B — языковая модель для генерации текста, созданная объединением моделей jaspionjader/Kosmos-EVAA-PRP-v29-8B и jaspionjader/Kosmos-EVAA-gamma-light-8B методом SLERP с помощью mergekit. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и 7,5 млрд параметров; она принимает текст и генерирует текст, поддерживая контекст до 8192 токенов. Модель можно применять для диалога, продолжения текста и других задач генерации на основе текстового запроса. README не указывает целевые языки и специализированные области применения. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных данных не указана.

Jaspionjader/Kosmos-EVAA-v11-8B — объединённая языковая модель, созданная автором репозитория с помощью mergekit методом SLERP из Kosmos-EVAA-v10-8B и Auro-Kosmos-EVAA-v2.2-8B. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 7,5 млрд параметров. Модель предназначена для генерации текста и диалогов по текстовому запросу. Контекст составляет 8192 токена; веса опубликованы в формате safetensors и предназначены для работы через Transformers. Данных о специализированных предметных областях или поддерживаемых естественных языках в карточке нет. Лицензия в предоставленных данных не указана. Качество и ограничения унаследованы от исходных моделей и результата их объединения; отдельные оценки или известные ограничения в карточке не описаны.

Kosmos-EVAA-v6-8B — объединённая автором jaspionjader языковая модель семейства Llama для генерации текста и диалогов. Она создана слиянием SLERP двух предварительно обученных моделей: jaspionjader/Auro-Kosmos-EVAA-v2.2-8B и jaspionjader/Kosmos-EVAA-v5-8B. Модель имеет плотную архитектуру LlamaForCausalLM и 7,5 млрд параметров, работает с текстом и принимает контекст длиной до 8192 токенов. Веса представлены в формате safetensors. Карточка не приводит целевых языков или специализированных областей применения, поэтому модель можно описать как общую текстовую модель. Лицензия в предоставленных данных не указана. Конкретные ограничения качества и безопасности также не описаны; свойства модели зависят от исходных моделей и их слияния.

Kosmos-EVAA-v8-8B — объединённая языковая модель семейства Llama, созданная jaspionjader с помощью mergekit. Веса двух предварительно обученных моделей, Kosmos-EVAA-v3-8B и Kosmos-EVAA-v7-8B, объединены методом SLERP; архитектура — плотная авторегрессионная модель LlamaForCausalLM примерно на 7,5 млрд параметров. Модель предназначена для генерации текста и диалогов. Она принимает текст и формирует текстовые ответы, а её нативный контекст составляет до 8192 токенов. В репозитории представлены веса Safetensors для библиотеки Transformers. Сведений о целевых языках, специальных областях применения и сравнительной оценке качества в доступных данных нет. Лицензия в предоставленных данных не указана. Результаты слияния могут отличаться от поведения исходных моделей; качество и ограничения конкретных сценариев требуют отдельной проверки.

Kosmos-EVAA-v9-8B — объединённая языковая модель семейства Llama, созданная jaspionjader с помощью mergekit методом SLERP из Kosmos-EVAA-v3-8B и Kosmos-EVAA-v8-8B. Модель содержит 7,5 млрд параметров и использует архитектуру LlamaForCausalLM; она предназначена для генерации текста и диалоговых сценариев. Модель принимает текст и генерирует текст. Её контекстное окно составляет до 8192 токенов. Карточка не приводит сведений о специальных предметных областях или поддерживаемых языках. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных сведениях не указана. Поскольку это объединение двух предварительно обученных моделей, фактическое поведение зависит от их исходных возможностей и качества слияния; отдельные результаты оценки или конкретные ограничения в карточке не приведены.

Карточка модели KR-X-AI/krx-gemma-2-9b-8-16-32-tb-3 на Hugging Face совпадает с карточкой KR-X-AI/krx-gemma-2-9b-4-8-8-tb-3, поэтому описание составлено по ней. KR-X-AI выпустила разговорную модель генерации текста на базе Gemma 2. Это дообучение unsloth/gemma-2-9b-it-bnb-4bit с использованием Unsloth и библиотеки TRL; модель содержит 9 млрд параметров, использует плотную архитектуру Gemma2 и поддерживает контекст до 8192 токенов. Она предназначена для диалогов и генерации текста по запросу. Модель принимает текст и выдаёт текст; в метаданных указан английский язык. Репозиторий распространяется по лицензии Apache-2.0.

Карточка модели KR-X-AI/krx-gemma-2-9b-it-v2-b на Hugging Face совпадает с карточкой KR-X-AI/krx-gemma-2-9b-4-8-8-tb-3, поэтому описание составлено по ней. KR-X-AI выпустила разговорную модель генерации текста на базе Gemma 2. Это дообучение unsloth/gemma-2-9b-it-bnb-4bit с использованием Unsloth и библиотеки TRL; модель содержит 9 млрд параметров, использует плотную архитектуру Gemma2 и поддерживает контекст до 8192 токенов. Она предназначена для диалогов и генерации текста по запросу. Модель принимает текст и выдаёт текст; в метаданных указан английский язык. Репозиторий распространяется по лицензии Apache-2.0.

KR-X-AI/krx-gemma-2-9b-it-v2-bm — разговорная текстовая модель семейства Gemma 2 с плотной архитектурой Gemma2ForCausalLM и 9 млрд параметров. KR-X-AI дообучила её на базе KR-X-AI/krx-gemma-2-9b-it-v2-b с использованием Unsloth и библиотеки Hugging Face TRL. Модель предназначена для диалогов и генерации текста. Она принимает текст и выдаёт текст, поддерживает английский язык и имеет контекстное окно 8192 токена. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Карточка не сообщает о специализированной предметной области или дополнительных возможностях, кроме чата и генерации текста.

KR-X-AI/krx-qwen2.5-7B-0.0.1 — дообученная языковая модель KR-X-AI на архитектуре Qwen2, предназначенная для генерации текста и диалогового взаимодействия. Она основана на KR-X-AI/krx-qwen2.5-7B-pt и содержит 7,1 млрд параметров; модель обучали с использованием Unsloth и библиотеки TRL. Модель принимает текст и генерирует текст. Заявленная длина контекста — 32 768 токенов. В метаданных указана поддержка английского языка, а также интерфейс для вызова инструментов. Модель распространяется в формате safetensors по лицензии Apache-2.0.