I.5Создание и редактирование текста

NeuralDareDMistralPro-slerp — объединённая модель на основе mlabonne/NeuralDaredevil-7B и NousResearch/Hermes-2-Pro-Mistral-7B, созданная автором репозитория методом slerp с помощью LazyMergekit. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Она предназначена для генерации текста; базовые модели ориентированы на диалоги и выполнение инструкций, однако отдельные возможности объединённой модели в карточке не описаны. Модель распространяется в формате safetensors по лицензии Apache-2.0.

NeuralFusion-7b-Dare-Ties — текстовая генеративная модель, созданная Kukedlc путём слияния трёх моделей на основе Mistral с помощью LazyMergekit и метода DARE-TIES. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и языковых задач общего назначения. Приведённые в карточке результаты оценивания включают тесты на рассуждение и здравый смысл, в том числе AI2 Reasoning Challenge и HellaSwag. Весовые файлы доступны в формате safetensors. Модель распространяется по лицензии Apache-2.0. Карточка не сообщает о специализированной отраслевой настройке или ограничениях качества.

MaziyarPanahi/NeuralHermes-2.5-Mistral-7B-Mistral-7B-Instruct-v0.1 — объединённая чат-модель на архитектуре Mistral с 7,1 млрд параметров. Она создана слиянием mistralai/Mistral-7B-Instruct-v0.1 и mlabonne/NeuralHermes-2.5-Mistral-7B методом SLERP; веса представлены в формате safetensors. Модель предназначена для генерации текста в ответ на инструкции и диалоговые запросы. Она поддерживает контекст до 32 768 токенов и обучена работать с форматом диалогов ChatML. Карточка указывает английский язык и возможности чата и следования инструкциям. Модель распространяется по лицензии Apache-2.0. Как и другие модели этого размера, качество её ответов может зависеть от формулировки запроса; README не приводит результатов сравнительных оценок.

Kukedlc/NeuralKrishna-7B-V2-DPO — дообученная языковая модель семейства Mistral для генерации текста. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Карточка описывает тонкую настройку и приводит результаты оценивания на наборах Open LLM Leaderboard, включая AI2 Reasoning Challenge и HellaSwag. Модель можно применять для генерации ответов и текста на основе текстового запроса. Данных о поддерживаемых естественных языках и специализированных областях в карточке нет. Веса опубликованы в формате Safetensors. Лицензия — Apache-2.0. Результаты из карточки не заменяют оценку качества на задачах конкретного пользователя.

neural-Kunoichi2-7B-slerp — объединённая модель для генерации текста, созданная с помощью LazyMergekit путём слияния SanjiWatsuki/Kunoichi-DPO-v2-7B и mlabonne/NeuralPipe-7B-ties. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров; заявленная длина контекста — 8192 токена. Модель предназначена для генерации текста и диалоговых сценариев общего назначения. В README описано слияние методом SLERP с настройками, различающимися для слоёв внимания и MLP. Репозиторий также упоминает квантизованный вариант GGUF, тогда как метаданные указывают формат Safetensors. Лицензия в предоставленных данных не указана.

NeuralLLaMa-3-8b-ORPO-v0.3 — разговорная языковая модель семейства Llama, опубликованная Kukedlc. Это дообученная версия Meta-Llama-3.1-8B-Instruct с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров. Модель предназначена для генерации текста в диалогах и ответов на запросы; в README приведены результаты оценки на Open LLM Leaderboard, включая задачи на рассуждение и понимание естественного языка. Модель принимает текст и выдаёт текст, поддерживает контекст до 8192 токенов и распространяется в формате safetensors. Метаданные не содержат сведений о поддерживаемых языках. Лицензия — Apache-2.0. Показатели из таблицы README описывают результаты отдельных бенчмарков и не гарантируют качество для конкретных сценариев.

NeuralPipe-7B — слитая модель для генерации текста, созданная Mlabonne с помощью mergekit на основе OpenPipe/mistral-ft-optimized-1218 и mlabonne/NeuralHermes-2.5-Mistral-7B. Она объединяет веса двух моделей архитектуры Mistral методом SLERP и предназначена для генерации текста и диалоговых сценариев. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. В README приведены результаты оценки на задачах рассуждения и понимания текста, включая AI2 Reasoning Challenge и HellaSwag. Репозиторий использует формат safetensors; лицензия — Apache 2.0. Сведения о поддерживаемых языках и специализированных областях применения не приведены.

NeuralsirkrishnaShadow_AlloyingotneoyExperiment28 — объединённая модель для генерации текста, созданная путём слияния automerger/NeuralsirkrishnaShadow-7B и automerger/AlloyingotneoyExperiment28-7B. Она использует плотную архитектуру Mistral с 7,1 млрд параметров и контекстным окном до 32 768 токенов. Модель подходит для генерации продолжений и ответов на текстовые запросы. Данные не описывают её специализацию, качество на отдельных задачах или поддержку конкретных языков. Модель распространяется в формате Safetensors по лицензии Apache-2.0.

NeuralsirkrishnaShadow_Experiment24Experiment28 — слитая языковая модель, опубликованная MaziyarPanahi. Она объединяет модели automerger/NeuralsirkrishnaShadow-7B и automerger/Experiment24Experiment28-7B и предназначена для генерации текста. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и принимает контекст длиной до 32 768 токенов. Модель подходит для генерации продолжений текста, диалоговых ответов и помощи в написании текстов. Репозиторий содержит веса в формате safetensors; лицензия — Apache 2.0. README не описывает специальные предметные области или подробные результаты оценки качества.

NeuralsirkrishnaShadow_Experiment24Ognoexperiment27 — объединённая модель для генерации текста, созданная на основе automerger/NeuralsirkrishnaShadow-7B и automerger/Experiment24Ognoexperiment27-7B. Модель разработана MaziyarPanahi и построена на архитектуре Mistral; она содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Её можно использовать для составления ответов, продолжения текста и ведения беседы. Репозиторий содержит веса в формате Safetensors, лицензия — Apache 2.0. Сведения о специализации по языкам и предметным областям отсутствуют.

NeuralsirkrishnaShadow_Inex12Yamshadow — слитая модель Mistral для генерации текста, созданная на основе automerger/NeuralsirkrishnaShadow-7B и automerger/Inex12Yamshadow-7B. Она предназначена для текстовых запросов и генерации ответов; архитектура плотная, число параметров — 7,1 млрд, максимальная длина контекста — 32 768 токенов. Модель распространяется в формате Safetensors по лицензии Apache-2.0. README не описывает специализированные сценарии или известные ограничения качества.

NeuralsirkrishnaShadow_Inex16Calme — объединённая модель на базе двух моделей Mistral: automerger/NeuralsirkrishnaShadow-7B и automerger/Inex16Calme-7B. Она предназначена для генерации текста и диалоговых ответов; модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Репозиторий распространяет веса в формате safetensors, лицензия — Apache-2.0. README не описывает специальные сценарии, языки или ограничения качества модели.

NeuralsirkrishnaShadow_PasticheAlloyingotneoy — слитая модель на архитектуре Mistral, созданная объединением automerger/NeuralsirkrishnaShadow-7B и automerger/PasticheAlloyingotneoy-7B. Она предназначена для генерации текста и диалоговых ответов; модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Веса доступны в формате Safetensors. Модель распространяется по лицензии Apache-2.0. Данные карточки не уточняют целевые языки, специальные области применения или ограничения качества.

NeuralsirkrishnaShadow_ShadowExperiment24 — объединённая языковая модель на архитектуре Mistral, созданная из automerger/NeuralsirkrishnaShadow-7B и automerger/ShadowExperiment24-7B. Модель разработана и опубликована MaziyarPanahi; в её карточке указано объединение двух базовых моделей. Модель предназначена для генерации текста и принимает текстовые запросы. Она содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Сведения о специализации на конкретных языках или прикладных областях отсутствуют. Модель доступна по лицензии Apache-2.0. Карточка не приводит оценки качества или подробных сведений о поведении модели, поэтому пригодность для конкретного применения следует проверять отдельно.

NeuralsirkrishnaShadow_ShadowMeliodas — объединённая модель генерации текста на архитектуре Mistral, созданная слиянием automerger/NeuralsirkrishnaShadow-7B и automerger/ShadowMeliodas-7B. Она предназначена для генерации текста и диалоговых сценариев. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель принимает текст и выдаёт текст. В карточке не описаны специализация, поддерживаемые естественные языки или результаты оценки качества. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache 2.0.

NeuralsirkrishnaShadow_Strangemerges_32Ogno — объединённая языковая модель, созданная на основе automerger/NeuralsirkrishnaShadow-7B и automerger/Strangemerges_32Ogno-7B. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM и примерно 7,1 млрд параметров. Модель предназначена для генерации текста. Она принимает текстовые запросы и продолжает их, что подходит для диалогов, черновиков и других задач на основе текстовой генерации. Поддерживаемые языки и специализация сверх этого в доступных сведениях не описаны. Контекстное окно составляет 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Доступные сведения не описывают качество объединения, результаты оценивания или специальные ограничения применения.

NeuralsirkrishnaShadow_Strangemerges_32Yam — слитая модель семейства Mistral для генерации текста. Она создана объединением моделей automerger/NeuralsirkrishnaShadow-7B и automerger/Strangemerges_32Yam-7B; тип архитектуры — плотная авторегрессионная модель MistralForCausalLM с 7,1 млрд параметров. Модель принимает текст и генерирует текст, поддерживая контекст до 32 768 токенов. Модель предназначена для генерации продолжений и ответов на текстовые запросы. Карточка не описывает специализированные сценарии, обучающие данные или языковое покрытие, поэтому её практическое качество для конкретных задач и языков следует проверять отдельно. Файлы весов представлены в формате safetensors; лицензия — Apache-2.0.

NeuralsirkrishnaShadow_YamExperiment26 — объединённая текстовая модель, созданная из automerger/NeuralsirkrishnaShadow-7B и automerger/YamExperiment26-7B. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров; веса опубликованы в формате Safetensors. Модель предназначена для генерации текста и поддерживает контекст до 32 768 токенов, что позволяет использовать её для диалогов, написания черновиков и работы с длинными текстовыми запросами. Данные карточки не уточняют специализацию по языкам или областям применения. Модель распространяется по лицензии Apache-2.0. Сведения о точности, оценках качества и конкретных ограничениях применения в карточке отсутствуют.

NeuralsynthesisCalmexperiment-7B — автоматически объединённая модель, созданная Maxime Labonne методом DARE-TIES из NeuralSynthesis-7B-v0.1 и CalmExperiment-7B-slerp. Это плотная авторегрессионная языковая модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста. Указанная длина контекста — 32 768 токенов. Модель может применяться для генерации продолжений текста и диалоговых ответов. Репозиторий содержит веса в формате safetensors; модель распространяется по лицензии Apache-2.0. README описывает конфигурацию слияния, но не приводит отдельных оценок качества или подробных рекомендаций по использованию.

NeuralTrixlaser-bf16 — объединённая модель для генерации текста и диалогов, опубликованная CultriX. Она основана на архитектуре Mistral и содержит 7,1 млрд параметров; объединение четырёх моделей выполнено с помощью LazyMergekit. Модель принимает текст и генерирует текст, а заявленная длина контекста составляет 32 768 токенов. Модель подходит для диалоговых сценариев и других задач генерации текста. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. README не приводит оценок качества, описания целевых языков или подробностей ограничений модели.

mayacinka/NeuralZephyr-Beagle-7B — языковая модель для генерации текста, созданная слиянием предварительно обученных моделей с помощью mergekit. В README указаны DARE TIES и модели mlabonne/NeuralBeagle14-7B и HuggingFaceH4/zephyr-7b-alpha; базой слияния служит CultriX/NeuralTrix-7B-dpo. Каталог связывает репозиторий с этой базовой моделью и отмечает её дообучение. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Она предназначена для генерации текста общего назначения; в README приведены результаты Open LLM Leaderboard по задачам рассуждения, понимания текста и математическим вопросам, но эти оценки сами по себе не гарантируют качество на прикладных данных. Репозиторий содержит веса safetensors и использует лицензию Apache-2.0.

jeiku/NeuroControl — дообученная модель генерации текста на архитектуре Llama, созданная на основе IntervitensInc/Llama-3.1-Minitron-4B-Width-Base-chatml. Модель содержит 3,9 млрд параметров, рассчитана на диалоговый режим и использует библиотеку Transformers; веса опубликованы в формате Safetensors. Для неё заявлено контекстное окно до 131 072 токенов. Модель подходит для генерации текста и ведения диалогов. В карточке приведён результат оценки: loss 2,3811; сведения о датасете, целевых сценариях, языках и специальных ограничениях не раскрыты. Указана лицензия other, поэтому перед использованием следует проверить условия лицензии в репозитории.

NeuronAI-2B — двуязычная ассистентская языковая модель с приоритетом узбекского языка, разработанная на базе Qwen3.5-2B-Base. Это плотная причинная Transformer-модель семейства Qwen3.5 примерно с 1,7 млрд параметров по метаданным (в README приведено точное число 1,882 млрд). Модель дообучена продолжением предобучения и supervised fine-tuning только на ответах ассистента; узбекский токенизатор переработан для более эффективной обработки преимущественно латинской письменности. Опубликованные веса объединены, отдельный LoRA-адаптер не требуется. Модель предназначена для общения и письма на узбекском и английском, экспериментов с переводом, образования, исследований и локальных приложений, включая RAG. В обучающую смесь входили диалоги, перевод, узбекский язык и литература, орфография, классификация, математика и данные для сохранения навыков английского. В метаданных указан контекст 262 144 токена, однако SFT проводился на последовательностях до 2 048 токенов, а более длинный контекст не проверен в README. Репозиторий распространяется по Apache License 2.0, допускающей коммерческое и некоммерческое использование при соблюдении её условий. В README приведены результаты по узбекским тестам и переводу, а также замеры эффективности токенизации; они не являются независимой оценкой обобщения. Модель может галлюцинировать, воспроизводить предвзятость и выдавать небезопасную или устаревшую информацию; комплексная оценка безопасности не проводилась. Для медицинских, юридических, финансовых и иных ответственных решений требуется экспертная проверка.

NeuronAI-Uzbek — открытая языковая модель NeuronUz для генерации текста и диалогов на узбекском языке, а также задач узбекско-английского языка. Она создана на базе Qwen3-4B и дообучена на узбекских и английских текстах и инструкциях; в метаданных указано около 3,7 млрд параметров, а карточка сообщает о расширении словаря до 180 тысяч токенов и контексте в 40 960 токенов. Автор заявляет настройку токенизатора для более компактного представления узбекских текстов и высокие результаты на тесте UzLiB, однако приведённые сравнения основаны на оценке из README. Модель подходит для создания узбекоязычных текстов и чат-ботов, ответов на вопросы, чтения и анализа узбекских материалов, исправления орфографии и грамматики, а также помощи с переводом между узбекским и английским. По архитектуре это плотная модель Qwen3 для причинной генерации текста; доступна в формате safetensors. Лицензия — Apache-2.0. Модель может ошибаться, воспроизводить смещения из обучающих данных и выдавать убедительные, но неверные сведения. Данные обучения имеют дату отсечения знаний; README не приводит её точного значения. Для медицинских, юридических и других критически важных решений требуется проверка человеком.

Abenzerps/Nex-N2.5-mini-MLX-4bit — это 4-битная конверсия модели Nex-N2.5-mini, разработанной Nex AI и опубликованной организацией nex-agi. Модель предназначена для локального запуска задач генерации текста, программирования, рассуждений и работы с длинным контекстом через библиотеку MLX и инструменты mlx-lm. Модель использует разреженную архитектуру MoE и поддерживает текстовую модальность. Заявлены английский и китайский языки, а исходный чекпойнт рассчитан на контекст до 262 144 токенов (256K). Веса представлены в формате MLX safetensors с аффинным 4-битным квантованием и размером группы 64; объём релиза составляет около 19,53 ГБ. В комплект входят веса генерации текста и токенизатор. К сильным сторонам относятся возможность локального инференса, сниженные требования к хранению по сравнению с полноразмерными весами и поддержка очень длинного контекста. Ограничения релиза заключаются в отсутствии MTP-весов и vision projector, поэтому он не предназначен для мультимодальной обработки изображений. В README приведены результаты бенчмарков исходной модели, но подробные численные показатели не указаны. Лицензия — Apache-2.0.

Next 32B — плотная языковая модель с архитектурой Qwen3 для генерации текста, диалога и выполнения инструкций. В карточке она представлена как разработка Lamapi; модель содержит 29,7 млрд параметров, использует формат safetensors и имеет контекстное окно 40 960 токенов. Модель предназначена для многошаговых рассуждений, анализа сложных запросов и стратегического планирования. Среди заявленных сценариев — генерация кода, работа с длинными документами, исследовательские задачи и агентные системы. README особо выделяет турецкий и английский языки; в метаданных карточки также перечислены немецкий, испанский, французский, русский, китайский, японский и корейский. Модель принимает текст и генерирует текст. README заявляет высокие результаты в рассуждениях и пригодность для корпоративных сценариев, однако не приводит проверяемых результатов бенчмарков; эти заявления следует считать заявлениями разработчика. Для запуска крупной модели потребуется существенная память GPU: в README приведены рекомендации от 24 ГБ для 4-битной квантизации и от 48 ГБ для 8-битной или FP16. Лицензия — MIT.

Nona-Qwen2.5-v0.1 — объединённая языковая модель, созданная win10 с помощью mergekit и метода TIES. В основе объединения лежат FreedomIntelligence/Apollo2-7B и win10/Urdandi-Qwen2.5-7B. Модель построена на архитектуре Qwen2, содержит 7,1 млрд параметров и принимает текст для генерации текста в диалоговом формате. Заявленная длина контекста — 131 072 токена. Модель подходит для диалоговой генерации текста и задач, поддерживаемых её объединёнными компонентами. В метаданных указан тег text-generation и возможность чата. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Сведения о лицензии и конкретных ограничениях качества в предоставленных источниках отсутствуют.

jondurbin/nontoxic-bagel-34b-v0.2 — экспериментальная чат-модель Джона Дарбина, полученная дообучением Yi-34B-200K с использованием набора Bagel и частичного DPO. Она предназначена для диалогов, ответов на вопросы, следования инструкциям, написания текстов и кода, математических задач и ролевого общения. Модель имеет плотную архитектуру LlamaForCausalLM примерно на 33,9 млрд параметров и поддерживает контекст до 200 000 токенов. При обучении использовались разнообразные наборы данных для диалогов, чтения с пониманием, программирования, математики и ролевых сценариев. Модель принимает текст и генерирует текст; README описывает форматы запросов Vicuna, Llama 2, Alpaca и ChatML. Карточка характеризует эту версию как довольно сильно цензурированную. Указана лицензия other, поэтому условия использования следует уточнять в карточке модели и у правообладателя.

Norns-Qwen2.5-12B — языковая модель семейства Qwen2.5 с архитектурой Qwen2ForCausalLM, опубликованная пользователем win10. В репозитории указаны 11,7 млрд параметров, контекст до 32 768 токенов и формат весов safetensors; модель предназначена для генерации текста и диалогового общения. Модель создана с помощью mergekit методом passthrough merge на основе win10/Norns-Qwen2.5-7B. Метаданные также отмечают эту базовую модель как дообученную. Модель работает с текстом и поддерживает чатовый сценарий; сведения о конкретных языках и специализированных областях применения в карточке отсутствуют. Лицензия в предоставленных данных не указана. Карточка не приводит результатов оценки качества или специальных ограничений, поэтому пригодность для конкретных задач следует проверять отдельно.

Norocetacean-20b-10k — плотная языковая модель семейства Llama, опубликованная ddh0. Она создана слиянием Psyonic-Cetacean-20B и LoRA-адаптера no_robots-alpaca; контекст расширен до 10 240 токенов с помощью YaRN. Модель рассчитана на генерацию ответов по инструкциям в формате Alpaca и может применяться в диалоговых и текстовых сценариях с длинным контекстом. В модели около 19,8 млрд параметров. README указывает Llama 2 как базовую модель и сообщает о включении Orca-2-13B; для использования действуют условия Microsoft Research License. Карточка не описывает языковую специализацию или дополнительные модальности, поэтому модель следует рассматривать как текстовую.