I.5Создание и редактирование текста

Mistral-Small-3.2-46B-The-Brilliant-Raconteur-Instruct-2506 — дообученная DavidAU версия Mistral-Small-3.2-24B-Instruct-2506. Это плотная текстовая модель на 46 млрд параметров с поддержкой контекста до 128 000 токенов; репозиторий содержит веса Safetensors для запуска через Transformers и подготовки квантованных вариантов. Модель следует инструкциям и подходит для диалогов, творческого письма, генерации историй, ролевых сценариев, рассуждений и программирования. Автор отмечает улучшения в выразительности прозы и разнообразии генераций; заявлена также возможность работы с изображениями, унаследованная от базовой модели, но в этой версии она отдельно не дорабатывалась. Модель поддерживает множество языков, включая русский и английский. Автор сообщает о частичной децензуре и предупреждает, что генерации могут содержать интенсивное насилие, жестокие сцены, грубую лексику и взрослые темы. Среди известных ограничений — вариативность результатов, чувствительность к настройкам генерации, повторяющиеся фрагменты на низких квантованиях и периодические отказы. Лицензия — Apache-2.0.

Mistral-Small-Instruct-2409-GGUF — это набор квантованных файлов в формате GGUF для инструкционной модели Mistral-Small-Instruct-2409, разработанной компанией mistralai. Квантование и публикацию этого варианта выполнил MaziyarPanahi. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск через совместимые приложения и библиотеки. Набор включает варианты квантования с разной разрядностью — от 2 до 8 бит, что позволяет выбирать баланс между размером файлов, требованиями к памяти и качеством вывода. Формат GGUF поддерживается llama.cpp, llama-cpp-python, LM Studio, text-generation-webui, KoboldCpp, GPT4All и рядом других инструментов; некоторые из них поддерживают GPU-ускорение и совместимый с OpenAI API сервер. Преимуществами являются возможность локального использования, широкий выбор уровней квантования и совместимость с популярной экосистемой llama.cpp. README не содержит сведений о точной архитектуре, числе параметров, поддерживаемых языках, длине контекста, целевых модальностях, результатах оценки и лицензии. Поэтому эти характеристики и условия юридического использования следует уточнять по карточке исходной модели Mistral-Small-Instruct-2409 и сопутствующим материалам.

Модель toxibunny/mistral-small-unsloth-base-rpmax-base-v-curve-slerp — объединение двух предварительно обученных языковых моделей, созданное с помощью mergekit методом SLERP. В слиянии использованы ArliAI/Mistral-Small-22B-ArliAI-RPMax-v1.1 и unsloth/Mistral-Small-Instruct-2409; для входных и выходных слоёв задана доля базовой модели, а для средних слоёв — RPMax. Модель относится к семейству Mistral, имеет плотную архитектуру MistralForCausalLM и 22 млрд параметров. Модель предназначена для генерации текста и разговорных сценариев, включая творческое письмо и ролевые диалоги. Она поддерживает контекст до 32 768 токенов и распространяется в формате safetensors для библиотеки Transformers. Лицензия в предоставленных данных не указана.

Mistral-Trismegistus-7B-Mistral-7B-Instruct-v0.1 — объединённая модель на архитектуре Mistral, созданная слиянием Mistral-7B-Instruct-v0.1 и Mistral-Trismegistus-7B методом SLERP. Она предназначена для генерации текста в ответ на инструкции и диалоговые запросы. Модель содержит 7,1 млрд параметров, принимает текст и рассчитана на контекст до 32 768 токенов. В метаданных указан английский язык. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Карточка описывает состав слияния и параметры конфигурации, но не приводит сравнительных оценок качества; результаты могут зависеть от формулировки запроса и сценария применения.

cloudyu/Mixtral_34Bx2_MoE_60B — языковая модель для генерации текста, созданная автором репозитория на основе объединения jondurbin/bagel-dpo-34b-v0.2 и SUSTech/SUS-Chat-34B. В метаданных указаны архитектура Mixtral с механизмом Mixture of Experts и около 33,9 млрд параметров; веса опубликованы в формате safetensors. Для модели заявлен контекст до 200 000 токенов. Модель предназначена для генерации текста и диалоговых сценариев на английском и китайском языках. В README приведены результаты оценок на Open LLM Leaderboard, однако показатели в разных таблицах различаются, поэтому их нельзя считать однозначной характеристикой качества. Модель распространяется по лицензии Apache-2.0.

cloudyu/Mixtral_7Bx5_MoE_30B_DPO — версия модели cloudyu/Mixtral_7Bx5_MoE_30B, дообученная методом Direct Preference Optimization (DPO). Это языковая модель семейства Mixtral с архитектурой MoE и классом MixtralForCausalLM; в метаданных указано 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста и может использоваться в сценариях, где требуется получать ответы или продолжения по текстовому запросу. Репозиторий содержит веса в формате safetensors. Модель опубликована под лицензией MIT. Автор отмечает, что метрики не тестировались, поэтому качество и преимущества DPO-дообучения по карточке подтвердить нельзя.

MaziyarPanahi/Mixtral-8x22B-Instruct-v0.1-GGUF — набор квантизированных моделей в формате GGUF, созданный и опубликованный MaziyarPanahi на основе Mixtral-8x22B-Instruct-v0.1 от Mistral AI. Это инструкционно дообученная большая языковая модель для генерации текста, диалогов и выполнения пользовательских инструкций, включая сценарии с вызовом функций и инструментов. Модель использует архитектуру Mixture of Experts (MoE) Mixtral с восемью экспертами размером 22B каждый; README не уточняет общий объём параметров, эффективное число активных параметров и размер контекста. Доступны варианты квантизации от 2 до 8 бит, а также 16-битный вариант. Указана поддержка английского, французского, испанского, итальянского и немецкого языков. Формат GGUF и совместимость с llama.cpp позволяют загружать модель локально, в том числе в виде сегментированных файлов, с выбором подходящего уровня квантизации. К сильным сторонам относятся широкий выбор уровней квантизации, возможность локального запуска и поддержка инструкционного режима и function calling. К ограничениям относятся потенциальные потери качества и точности при низкой битности, значительные требования к памяти для крупных вариантов, а также отсутствие в README подробных результатов оценки, сведений о производительности и ограничений безопасного использования. Модель распространяется по лицензии Apache-2.0.

RedHatAI/Mixtral-8x7B-Instruct-v0.1 — разговорная instruct-модель, опубликованная Red Hat AI на основе Mistral AI Mixtral-8x7B-Instruct-v0.1. Она предназначена для диалога и генерации текста по запросам, например для ответов на вопросы и объяснения понятий. Модель использует архитектуру Mixtral с разреженной экспертной маршрутизацией (MoE), содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель принимает текст и генерирует текст; в карточке заявлены английский, французский, итальянский, немецкий и испанский языки. README описывает развёртывание с vLLM, Red Hat Enterprise Linux AI и OpenShift AI. Модель распространяется по лицензии Apache-2.0. В README указано, что у неё нет встроенных механизмов модерации, поэтому сгенерированные ответы могут требовать отдельной фильтрации.

Mixtral-8x7B-v0.1-japanese — языковая модель ABEJA, созданная на основе Mixtral-8x7B-v0.1. Разработчики расширили японский словарь модели и провели дополнительное продолжительное предобучение; в архитектуре используется разреженная смесь экспертов (MoE). Репозиторий содержит веса в формате safetensors, а размер модели в метаданных указан как 7,2 млрд параметров. Модель предназначена для генерации японского текста и других сценариев генерации текста на японском языке. Она поддерживает контекст до 32 768 токенов. Лицензия Apache-2.0 разрешает использование на её условиях.

Модель vicky4s4s/Mixtral-instruct-56B — разговорная языковая модель на архитектуре Mixtral, опубликованная Vignesh. Карточка описывает её как instruct-версию Mixtral-8x7B: разреженную Mixture of Experts для генерации текста и диалога. Метаданные указывают 7,1 млрд параметров и контекст до 32 768 токенов; доступны веса в safetensors и интерфейс чата. Модель предназначена для диалоговых ответов и генерации текста по инструкциям. В карточке приведён пример использования через Transformers и шаблон диалога Mixtral. Языковые метки охватывают английский, французский, итальянский, немецкий и испанский; датасеты карточки включают UltraChat 200K и LLaVA-Instruct-150K. Лицензия — Apache-2.0. В README отмечено, что веса происходят из оригинального релиза Mixtral, но формат и имена параметров изменены; также указана несовместимость с прямой инициализацией через Hugging Face Transformers. Модель не имеет встроенных механизмов модерации, поэтому её ответы могут требовать внешних ограничителей. Название репозитория заявляет 56B, однако метаданные указывают 7,1 млрд параметров, поэтому размер описан по метаданным.

Mixtral SlimOrca 8X7B — языковая модель для генерации текста, разработанная OpenOrca и представленная TheBloke в формате GGUF с квантованием. Модель основана на Mixtral-SlimOrca-8x7B и обучена с использованием набора данных Open-Orca/SlimOrca. Она предназначена для диалоговых сценариев и других задач генерации текста, включая локальный запуск через совместимые инструменты. Модель относится к архитектуре Mixtral и имеет конфигурацию 8x7B; точный размер активируемой части, поддерживаемые языки и максимальная длина контекста в README не указаны. Для взаимодействия используется шаблон ChatML с системными и пользовательскими сообщениями. GGUF-файлы доступны в вариантах квантования от 2 до 8 бит, что позволяет выбирать компромисс между требованиями к памяти и качеством; рекомендован вариант Q4_K_M как сбалансированный. К сильным сторонам относятся возможность запуска на CPU и совместимых GPU, несколько уровней квантования и поддержка llama.cpp, KoboldCpp, LM Studio и llama-cpp-python при указанных в README версиях. Ограничения включают заметную потерю качества у наиболее агрессивных вариантов квантования, высокие требования к оперативной памяти у старших вариантов и ограниченную совместимость с другими клиентами. Лицензия модели — Apache 2.0.

MixtureofMerges-MoE-2x7b-v0.01b-SLERP — языковая модель с архитектурой Mixtral MoE, полученная слиянием методом SLERP через mergekit. В слиянии использованы yunconglong/Truthful_DPO_TomGrc_FusionNet_7Bx2_MoE_13B и jsfs11/MixtureofMerges-MoE-2x7b-v6; карточка указывает базовой моделью первую из них. В каталожных метаданных размер указан как 7,1 млрд параметров, а длина контекста — 32 768 токенов. Модель предназначена для генерации текста и может применяться в диалоговых сценариях, ответах на запросы и создании текстового контента. Базовая модель прошла настройку DPO с предпочтением правдивых ответов, однако отдельных оценок качества или гарантий правдивости для данного слияния карточка не приводит. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Это набор файлов GGUF с весами модели Meta-Llama-3.1-70B-Instruct в варианте BF16, опубликованный featherless-ai-quants на основе mlx-community/Meta-Llama-3.1-70B-Instruct-bf16-CORRECTED. Модель семейства Llama 3.1 с 70 млрд параметров предназначена для генерации текста в диалоговом режиме; карточка указывает несколько вариантов квантования, включая IQ4_XS, Q2_K и Q3_K_L. Модель можно использовать для ответов на вопросы, диалогов и генерации текста. В карточке не приведены сведения о контекстном окне, поддерживаемых языках и лицензии, поэтому эти характеристики здесь не уточняются. Качество и требования к памяти зависят от выбранного варианта квантования; это крупная модель, для запуска которой нужны значительные вычислительные ресурсы.

mm4.7-3b-slerp — разговорная языковая модель, созданная Liminerity с помощью слияния моделей mergekit методом SLERP. В слиянии использованы liminerity/mm4.5-slerp-3b-comp и liminerity/mm4-3b; архитектура — плотная LlamaForCausalLM с 2,7 млрд параметров. Модель предназначена для генерации текста и диалогового общения. Модель принимает текст и генерирует текст. Её контекстное окно составляет 4096 токенов; веса опубликованы в формате safetensors, лицензия — Apache-2.0. Данных о специализированной предметной области или языках в предоставленной карточке нет.

liminerity/mm4.ascii.star — языковая модель семейства Llama, разработанная liminerity и дообученная на основе liminerity/mm4.star. Модель предназначена для генерации текста и диалогового общения; при обучении использовались наборы Alpaca-Star и alpaca-star-ascii. Модель имеет плотную архитектуру LlamaForCausalLM и содержит 2,7 млрд параметров. Контекстное окно составляет 32 768 токенов. В карточке указано обучение с использованием Unsloth и TRL. Лицензия — Apache-2.0. Карточка не описывает отдельные гарантии качества или ограничения применения; результаты генерации могут зависеть от формулировки запроса и данных дообучения.

MN-Lulanum-12B-FIX — объединённая языковая модель, созданная с помощью mergekit на основе unsloth/Mistral-Nemo-Base-2407 и четырёх моделей: VAGOsolutions/SauerkrautLM-Nemo-12b-Instruct, anthracite-org/magnum-v2.5-12b-kto, Undi95/LocalC-12B-e2.0 и NeverSleep/Lumimaid-v0.2-12B. Для слияния применён метод della_linear. Модель использует плотную архитектуру MistralForCausalLM, содержит 12,1 млрд параметров и предназначена для генерации текста и диалоговых сценариев; в метаданных также отмечен интерфейс вызова инструментов. Заявленная длина контекста — 1 024 000 токенов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Сведения о лицензии, поддерживаемых естественных языках и ограничениях в доступных материалах отсутствуют.

MN-SlushoMix — разговорная языковая модель семейства Mistral, представленная автором как смесь MN-Slush и NemoMix Unleashed. По метаданным, это плотная модель с архитектурой MistralForCausalLM объёмом 12,1 млрд параметров, предназначенная для генерации текста и диалогов. Указаны интерфейс вызова инструментов и контекстное окно до 1 024 000 токенов. Модель основана на mistralai/Mistral-Nemo-Instruct-240; карточка упоминает смесь моделей, а метаданные классифицируют её как дообучение. Данные не уточняют поддерживаемые естественные языки или сравнительное качество. Репозиторий содержит веса safetensors; README также упоминает GGUF. Лицензия в предоставленных сведениях не указана.

Модель разработана muhammadkwanso как дообученная версия unsloth/Meta-Llama-3.1-8B-bnb-4bit. Это плотная авторегрессионная языковая модель семейства Llama с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров. Она предназначена для генерации текста; конкретная специализация дообучения в карточке не описана. Модель принимает текст и генерирует текст, поддерживает английский язык и имеет контекстное окно до 131 072 токенов. Веса представлены в формате safetensors. Для обучения использовались Unsloth и библиотека TRL. Лицензия — Apache 2.0.

Sakalti/model-3 — языковая модель Qwen2, созданная слиянием моделей через mergekit методом TIES. В слиянии использованы Qwen/Qwen2.5-7B и Qwen/Qwen2.5-7B-Instruct; итоговая модель имеет около 7,1 млрд параметров, архитектуру Qwen2ForCausalLM и веса в формате Safetensors с точностью bfloat16. Модель предназначена для генерации текста и диалоговых сценариев. Она принимает текст и формирует текстовые ответы; заявленная длина контекста — 131 072 токена. В метаданных также отмечен интерфейс вызова инструментов. Данные README содержат результаты оценки на IFEval и BBH, но не описывают специальные предметные области или подтверждённые преимущества модели. Лицензия в предоставленных данных не указана.

MoMo-70B-V1.1 — языковая модель семейства Llama, опубликованная пользователем bongchoi. Это плотная авторегрессионная модель для генерации текста с 68,7 млрд параметров и контекстом до 4096 токенов. В метаданных указаны Transformers, формат safetensors и лицензия Llama 2. Модель обучалась на наборах данных в стиле Orca и Alpaca; README сообщает, что другие наборы данных не использовались. Она подходит для генерации текста и диалоговых сценариев общего назначения. Карточка не приводит результатов оценки качества или дополнительных характеристик обучения.

Monarch-7B-slerp — объединённая модель для генерации текста на основе архитектуры Mistral, созданная mlabonne с помощью LazyMergekit. Она объединяет mlabonne/OmniTruthyBeagle-7B-v0 и mlabonne/NeuBeagle-7B методом SLERP; размер модели — 7,1 млрд параметров, формат файлов — safetensors. Модель предназначена для генерации и продолжения текста, включая диалоговые ответы. Она поддерживает контекст до 32 768 токенов. В README не описаны специальные предметные области или языки; лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

Sakalti/mont-xl-agi — языковая модель для генерации текста, созданная слиянием моделей с помощью mergekit и метода SLERP. В неё вошли allknowingroger/Qwen2.5-42B-AGI и Qwen/Qwen2.5-0.5B-Instruct; в метаданных также указан Qwen2 как семейство архитектуры и класс Qwen2ForCausalLM. Модель содержит 747,4 млн параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для диалогов, выполнения инструкций и генерации текста. Метаданные отмечают интерфейс для вызова инструментов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Сведения о лицензии и поддерживаемых естественных языках отсутствуют в предоставленной карточке и метаданных.

Moonlight-16B-A3B-Instruct-MXFP4_MOE-GGUF — квантованная в формате GGUF модель Moonlight-16B-A3B-Instruct, опубликованная пользователем noctrex. Это чат-модель для генерации текста и выполнения инструкций на основе архитектуры Mixture-of-Experts; она имеет 16 млрд общих и около 3 млрд активных параметров. Модель предназначена для диалогов и генерации ответов на текстовые запросы. Вариант MXFP4_MOE использует квантование MXFP4 и распространяется в формате GGUF. Сведения о поддерживаемых языках, длине контекста и лицензии в предоставленных данных отсутствуют.

Mother-of-Rhodia-12B — объединение предварительно обученных языковых моделей TheDrunkenSnail/Son-of-Rhodia и ToastyPigeon/Sto-vo-kor-12B, созданное автором репозитория с помощью mergekit методом SLERP. Это плотная авторегрессионная модель семейства Mistral с 12,1 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Заявленная длина контекста — 131 072 токена; модель распространяется в формате safetensors и использует библиотеку Transformers. Модель подходит для диалоговых приложений и других сценариев генерации текста. Карточка указывает лицензию «other», поэтому условия использования следует сверить с файлами репозитория и лицензиями исходных моделей. README не приводит оценки качества или специальные ограничения применения.

Motif-3-Beta — предварительная версия языковой модели Motif-3, разработанной Motif Technologies с нуля по собственной архитектуре. Это каузальная модель Mixture-of-Experts с разреженной маршрутизацией: в README указано около 314 млрд параметров всего и около 13 млрд активных на токен; метаданные каталога указывают 11 млрд параметров. Архитектура включает 384 эксперта, из которых активируются 8 на токен, общий эксперт, механизмы GDLA и PolyNorm, модифицированный mHC и дополнительную голову Multi-Token Prediction для ускорения декодирования.

Это GGUF-квантизированная версия текстовой генеративной модели Qwen3-14B-ft-limo, разработанной mrm8488 и дополнительно подготовленной в различных вариантах точности пользователем bartowski. Базовая модель связана с датасетом GAIR/LIMO и предназначена для генерации текста, включая запуск локально через llama.cpp, LM Studio и совместимые проекты. Модель имеет размер 14 млрд параметров и поддерживает наборы весов от BF16 до низкоразрядных вариантов Q2–Q8, что позволяет выбирать компромисс между качеством, требованиями к памяти и скоростью работы. Рекомендуемыми указаны варианты Q4_K_M, Q5 и Q6; более компактные версии подходят для систем с ограниченной оперативной памятью, но обеспечивают более низкое качество. Используется шаблон запросов в формате ChatML. Сведения о поддерживаемых языках, максимальном контексте и дополнительных модальностях в README не приведены, поэтому модель следует рассматривать как текстовую. Сильной стороной являются разнообразные варианты квантизации, включая imatrix-квантизацию, позволяющие запускать модель на локальном оборудовании. Ограничения зависят от выбранного формата: уменьшение размера весов может снижать качество генерации, а для запуска требуются совместимые llama.cpp-инструменты и достаточный объём памяти. Указанная лицензия — Apache-2.0.

MS-Nudion-22B — слитая модель для генерации текста на базе архитектуры Mistral, созданная с помощью mergekit методом SLERP из knifeayumu/Cydonia-v1.3-Magnum-v4-22B и SteelSkull/MSM-MS-Cydrion-22B. Модель содержит 22 млрд параметров, использует формат safetensors и поддерживает контекст до 131072 токенов. Модель предназначена для диалогов и генерации связного текста; каталог также отмечает интерфейс вызова инструментов. В конфигурации слияния указан профиль смешивания, ориентированный на поведение Hermes на входе и выходе и WizardMath в средних слоях. Карточка не описывает отдельные гарантии качества или целевые предметные области. Лицензия в предоставленных данных не указана. Для использования следует учитывать, что это объединение двух моделей; ограничения и условия могут зависеть от их лицензий и свойств.

korvo/MS-RandomMergeTest_v2-TIES-22B — объединённая модель для генерации текста, созданная автором репозитория с помощью mergekit. В основе объединения лежит concedo/Beepo-22B; также использованы nbeerbower/Mistral-Small-Gutenberg-Doppel-22B, anthracite-org/magnum-v4-22b, crestf411/MS-sunfall-v0.7.0 и TheDrummer/Cydonia-22B-v1.1. В README указан метод della_linear, а метаданные описывают архитектуру как плотную MistralForCausalLM размером 22 млрд параметров. Модель предназначена для генерации связного текста и диалогового применения. Она принимает текст и выдаёт текст, работает с контекстом до 32 768 токенов; базовая модель описана в каталоге как англоязычная диалоговая модель для следования инструкциям и создания прозы. Репозиторий содержит веса в формате safetensors и имеет интерфейс для вызова инструментов. Лицензия в предоставленных данных не указана.

liminerity/m.star.7b — дообученная liminerity модель семейства Mistral для генерации текста. Разработчик — liminerity; обучение выполнялось с использованием Unsloth и библиотеки Hugging Face TRL. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и принимает текст, выдавая текст. Длина контекста — до 32 768 токенов; в метаданных указан английский язык. Модель подходит для генерации текста и диалоговых сценариев на английском языке. Распространяется по лицензии Apache-2.0. Карточка не описывает специализированные возможности или ограничения качества, поэтому их нельзя оценить по имеющимся сведениям.

bigscience/mt0-base — мультиязычная модель семейства mT0, разработанная BigScience на основе предобученной mT5 и дообученная на смеси заданий xP3 для следования инструкциям на естественном языке. Она подходит для выполнения задач по текстовым запросам в режиме zero-shot, включая перевод, ответы на вопросы, классификацию тональности и создание текстов. Модель использует архитектуру encoder-decoder MT5ForConditionalGeneration и содержит 291,2 млн параметров; доступны веса PyTorch, safetensors и ONNX. README описывает поддержку десятков языков, а метаданные перечисляют языки обучения и основные языки карточки. Результаты зависят от формулировки запроса: модели полезно явно обозначать границы входного текста, требуемую задачу и язык ответа. Лицензия — Apache-2.0.