I.5Создание и редактирование текста

sfmunfilterede2ealignment-2k3k4k5k6ksimpleavgmerge — объединённая текстовая языковая модель, созданная с помощью mergekit. В слиянии использован линейный метод: за основу взят чекпойнт global_step6000, также включены чекпойнты global_step2000, global_step3000, global_step4000 и global_step5000 из серии unfiltered_e2e_alignment. Архитектура — плотная GPT-NeoX для авторегрессионной генерации текста; размер составляет 8,8 млрд параметров, контекст — до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Карточка не описывает конкретные прикладные области, языки или результаты оценки качества, поэтому их нельзя уточнить. Репозиторий содержит веса в формате Safetensors и использует библиотеку Transformers. Сведения о лицензии в предоставленных данных отсутствуют.

sfmunfilterede2ealignment-2k3k4kweightedavgmerge — объединённая модель генерации текста, созданная с помощью mergekit из контрольных точек обучения на шагах 2000, 3000 и 4000. В качестве базовой при слиянии использовалась контрольная точка global_step4000; применён метод Linear. По метаданным это плотная авторегрессионная модель архитектуры GPT-NeoX с 8,8 млрд параметров и контекстом до 16 384 токенов. Модель предназначена для генерации текста и диалогового использования. Карточка не уточняет специализацию, языки, качество ответов или особые сценарии применения. В репозитории указаны веса safetensors и библиотека Transformers. Лицензия в предоставленных данных не указана.

sfmunfilterede2ealignment-3k4k5kweightedavgmerge — слитая модель генерации текста, созданная с помощью mergekit из контрольных точек обучения на шагах 3000, 4000 и 5000. В README указано, что применён метод Linear, а контрольная точка global_step5000 использовалась как базовая. Архитектура — GPT-NeoX с плотной авторегрессионной языковой моделью; размер составляет 8,8 млрд параметров, нативная длина контекста — 16 384 токена. Модель поддерживает диалоговый сценарий и предназначена для генерации текста. Карточка не описывает специализацию по языкам или предметным областям, поэтому модель можно охарактеризовать только как генеративную языковую модель общего назначения. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия и конкретные ограничения на использование в предоставленных данных не раскрыты.

sfmunfilterede2ealignment-4k5k6ksimpleavgmerge — объединённая модель генерации текста, созданная с помощью mergekit. В основе объединения лежат три контрольные точки одного проекта обучения: global_step6000 использована как базовая, а global_step5000 и global_step4000 также включены в слияние линейным методом с простым усреднением. Модель построена на архитектуре GPT-NeoX и содержит 8,8 млрд параметров. Она предназначена для генерации текста и диалогового взаимодействия; заявленная длина контекста составляет 16 384 токена. Модель распространяется в формате safetensors. Информация о лицензии и специальных языковых или предметных областях в предоставленных данных отсутствует.

sfmunfilterede2ealignment-5k6k7k8k9ksimpleavgmerge — слитая языковая модель, созданная с помощью mergekit методом Linear из контрольных точек обучения на шагах 5000, 6000, 7000, 8000 и 9000. В метаданных указаны архитектура GPT-NeoX, 8,8 млрд параметров, библиотека Transformers и контекст до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Данные не уточняют конкретные языки, прикладные области или особые сценарии применения. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных сведениях не указана.

sfmunfilterede2ealignment-5k6k7k8k9kweightedavgmerge — слитая языковая модель на архитектуре GPT-NeoX, опубликованная yuhengtu-bytedance. Она создана методом Linear merge с помощью mergekit из пяти контрольных точек обучения, соответствующих шагам 5000, 6000, 7000, 8000 и 9000. Модель содержит 8,8 млрд параметров и принимает контекст до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Карточка не уточняет языки, тематику или специальные сценарии применения. Веса доступны в формате safetensors для библиотеки Transformers. Лицензия в предоставленных данных не указана.

sfm_unfiltered_e2e_alignment-7k_8k_9k_10k_11k_simpleavg_merge — объединённая языковая модель, опубликованная yuhengtu-bytedance. Она создана с помощью mergekit: линейным усреднением объединены контрольные точки модели unfiltered_e2e_alignment с шагов обучения 7000, 8000, 9000, 10000 и 11000; базовой указана контрольная точка global_step11000. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и принимает текст для генерации текста. Заявленный контекст — 16 384 токена; в каталоге указана возможность диалогового использования. Модель предназначена для генерации текста и диалоговых сценариев. README не описывает специальные области применения, поддерживаемые языки, качество или ограничения поведения. Лицензия в предоставленных данных не указана.

sfmunfilterede2ealignment-7k8k9kweightedavgmerge — объединённая текстовая языковая модель, созданная с помощью mergekit. В README указано, что для слияния применён линейный метод, а базой послужил чекпойнт global_step9000; также включены чекпойнты global_step7000 и global_step8000. Пути к исходным чекпойнтам относятся к локальному каталогу и не позволяют установить публичные идентификаторы базовых моделей. Модель построена на архитектуре GPT-NeoX с плотной архитектурой и предназначена для генерации текста и диалогового использования. В репозитории указаны 8,8 млрд параметров, контекст до 16 384 токенов и формат safetensors. Сведений о специальных предметных областях или конкретных языках обучения нет. Лицензия в предоставленных данных не указана. Карточка описывает способ создания модели, но не приводит оценок качества или подробных ограничений применения.

sfmunfilteredmidtrainalignment-4k5k6ksimpleavgmerge — объединение предварительно обученных языковых моделей, созданное с помощью mergekit. Для слияния применён линейный метод: чекпойнт шага 6000 использован как базовый, вместе с ним объединены чекпойнты шагов 4000 и 5000. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и принимает текст для генерации текста. Заявленная длина контекста — 16 384 токена; библиотека — Transformers, формат весов — safetensors. Метаданные указывают поддержку диалогового режима.

Это объединённая модель генерации текста, созданная yuhengtu с помощью mergekit методом Linear merge из контрольных точек предварительно обученной языковой модели на шагах 5000, 6000 и 7000. Архитектура — плотная GPT-NeoX с причинно-языковой головой; размер составляет 8,8 млрд параметров, контекст — до 16 384 токенов. Модель предназначена для генерации текста и диалоговых сценариев. В карточке не описаны специальные предметные области, языковой охват или сравнительные результаты. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Сведения о лицензии в доступных данных отсутствуют.

Модель sfmunfilteredmidtrainalignment-7k8k9ksimpleavgmerge — объединение языковых моделей, созданное с помощью mergekit методом Linear. В качестве базовой использовалась контрольная точка global_step9000, также в слияние вошли global_step8000 и global_step7000 из серии unfiltered_midtrain_alignment. Это плотная авторегрессионная модель архитектуры GPT-NeoX с 8,8 млрд параметров; репозиторий содержит веса safetensors. Для запуска указана библиотека Transformers. Модель предназначена для генерации текста и диалогового взаимодействия. Контекст составляет 16 384 токена. В карточке нет сведений о целевых языках, специализированных областях или сравнительных результатах, поэтому их нельзя определить точнее. Условия лицензирования в предоставленных данных не описаны.

Модель yuhengtu-bytedance/sfm_unfiltered_midtrain_alignment-9k_10k_11k_weightedavg_merge — объединение предварительно обученных языковых моделей, созданное с помощью mergekit. В README указано, что применён линейный метод слияния; базой служит чекпойнт global_step11000, а в объединение также вошли global_step10000 и global_step9000 из того же набора чекпойнтов. Это плотная авторегрессионная модель семейства GPT-NeoX с 8,8 млрд параметров, рассчитанная на генерацию текста и диалоговое применение. Нативная длина контекста составляет 16 384 токена; модель работает через Transformers и распространяется в формате safetensors. Карточка не сообщает о специализированной предметной области или конкретных ограничениях качества. Условия лицензирования в предоставленных данных не описаны.

ShadowMeliodas-7B — автоматически объединённая языковая модель, созданная Maxime Labonne на основе Mistral. В конфигурации слияния указаны CorticalStack/shadow-clown-7B-slerp и AurelPx/Meliodas-7b-dare; применён метод dare_ties. Каталог связывает модель с AurelPx/Meliodas-7b-dare как с базовой дообученной моделью. Модель содержит 7,1 млрд параметров, использует архитектуру Mistral и формат safetensors, поддерживает контекст до 32 768 токенов. Она предназначена для генерации текста и диалогов. Лицензия — Apache-2.0. README и метаданные не сообщают о поддерживаемых естественных языках и специализированных областях применения.

ShadowYamshadow-7B — объединённая языковая модель, созданная Maxime Labonne методом SLERP из CorticalStack/shadow-clown-7B-slerp и automerger/YamShadow-7B. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов, предназначенная для генерации текста. Её можно использовать в сценариях, где требуется продолжение текста или диалоговая генерация на основе текстового запроса. Модель распространяется в формате Safetensors и доступна по лицензии Apache-2.0. Карточка описывает рецепт объединения и пример использования через Transformers, но не приводит сравнительных оценок качества и подробных рекомендаций по сценариям; результат зависит от входного запроса и выбранных параметров генерации.

ShadowYamshadow_Strangemerges_30Pastiche — объединённая модель Mistral, созданная из automerger/ShadowYamshadow-7B и automerger/Strangemerges_30Pastiche-7B. Она предназначена для генерации текста и использует плотную архитектуру MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель принимает текст и генерирует текст. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. В карточке не приведены сведения о специализации, языках или оценках качества.

shark_tank_ai_7_b-Mistral-7B-Instruct-v0.1 — объединённая чат-модель на архитектуре Mistral, созданная слиянием mistralai/Mistral-7B-Instruct-v0.1 и NExtNewChattingAI/shark_tank_ai_7_b методом SLERP. Модель содержит 7,1 млрд параметров и предназначена для генерации текста в ответ на инструкции и диалоговые запросы. Модель принимает текст и выдаёт текст; в метаданных заявлен контекст длиной до 32 768 токенов. Карточка указывает английский язык. Веса опубликованы в формате Safetensors по лицензии Apache-2.0.

shisa-7b-v1-Mistral-7B-Instruct-v0.2-slerp — объединённая методом SLERP модель генерации текста на базе Mistral-7B-Instruct-v0.2 и shisa-7b-v1. Она предназначена для диалогов и ответов на инструкции; архитектура — плотная авторегрессионная Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель рассчитана на текстовый ввод и выдачу текста. Объединение выполнено в формате bfloat16 с помощью MergeKit. README не уточняет языки и специализированные области применения, поэтому их нельзя определить по доступным данным. Модель распространяется по лицензии Apache-2.0.

Карточка модели shisa-ai/shisa-v2.1-llama3.3-70b на Hugging Face совпадает с карточкой shisa-ai/shisa-v2.1-unphi4-14b, поэтому описание составлено по ней. Shisa V2.1 UnPhi-4 14B — двуязычная чат-модель общего назначения от Shisa.AI, созданная на основе дообучения unsloth/phi-4. Она предназначена для диалогов и широкого круга текстовых задач, с особым вниманием к японскому языку при сохранении возможностей на английском. В README отмечены улучшения следования инструкциям, перевода, вежливой речи и других задач, связанных с японским языком. Модель содержит 14,1 млрд параметров, использует плотную архитектуру семейства Llama и принимает контекст до 16 384 токенов. Репозиторий содержит веса в формате safetensors; метаданные указывают поддержку чата и генерации текста. В сравнительных оценках Shisa V2.1 14B показала средний результат 72,6 по японскому и 57,7 по английскому набору MultiEval, а также 8,68 в японском MT-Bench по оценке GPT-4.1. Модель подходит для японских и англоязычных диалогов, следования инструкциям и перевода. Она не описана как мультимодальная, поэтому её следует рассматривать как текстовую модель. Лицензия — MIT.

Карточка модели shisa-ai/shisa-v2.1-qwen3-8b на Hugging Face совпадает с карточкой shisa-ai/shisa-v2.1-unphi4-14b, поэтому описание составлено по ней. Shisa V2.1 UnPhi-4 14B — двуязычная чат-модель общего назначения от Shisa.AI, созданная на основе дообучения unsloth/phi-4. Она предназначена для диалогов и широкого круга текстовых задач, с особым вниманием к японскому языку при сохранении возможностей на английском. В README отмечены улучшения следования инструкциям, перевода, вежливой речи и других задач, связанных с японским языком. Модель содержит 14,1 млрд параметров, использует плотную архитектуру семейства Llama и принимает контекст до 16 384 токенов. Репозиторий содержит веса в формате safetensors; метаданные указывают поддержку чата и генерации текста. В сравнительных оценках Shisa V2.1 14B показала средний результат 72,6 по японскому и 57,7 по английскому набору MultiEval, а также 8,68 в японском MT-Bench по оценке GPT-4.1. Модель подходит для японских и англоязычных диалогов, следования инструкциям и перевода. Она не описана как мультимодальная, поэтому её следует рассматривать как текстовую модель. Лицензия — MIT.

XpressAI/shisa-v2.1-qwen3-8b-GGUF — GGUF-версия модели Shisa V2.1 Qwen3 8B, разработанной компанией Shisa.AI. Это двуязычная разговорная модель общего назначения, ориентированная прежде всего на японский язык при сохранении устойчивых возможностей в английском. Модель предназначена для локального и периферийного использования, генерации текста, диалоговых приложений, следования инструкциям, перевода и других японско- и англоязычных задач. Модель содержит 8 млрд параметров и относится к семейству на базе Qwen3. Заявленная длина контекста составляет 32K или 128K токенов в зависимости от конфигурации. В обучении использовались обновлённые данные Shisa V2.1, включая материалы для улучшения следования инструкциям, перевода, вежливости и других специфических аспектов японского языка; применялись дообучение SFT и DPO, а для некоторых моделей семейства также объединение моделей и этапы RL. Внутренние оценки указывают на высокие результаты для своего размера: JA AVG 67,8 и EN AVG 57,8. Сильной стороной модели являются японские языковые возможности, а также сочетание компактного размера с поддержкой английского языка и длинного контекста, что делает её подходящей для локального запуска. Ограничения включают меньший масштаб по сравнению с моделями на 14B и 70B параметров и отсутствие в предоставленных данных подробностей о конкретной GGUF-квантизации, требованиях к ресурсам и мультимодальных возможностях; поэтому модель следует считать текстовой. Модель распространяется по лицензии Apache 2.0.

ShweYon_Qwen2.5-MM-v1.2.9 — дообученная языковая модель URajinda на архитектуре Qwen2, представленная в формате Safetensors. Модель содержит 1,6 млрд параметров, поддерживает контекст до 32 768 токенов и предназначена для генерации текста в диалоговом формате. Модель дообучена на URajinda/ShweYon_Qwen2.5-MM-v1.2.9-Final с использованием Unsloth и библиотеки TRL из Hugging Face. Карточка не описывает специализированную область применения или дополнительные возможности сверх генерации текста. Лицензия — Apache 2.0.

Vigneshwaran22/sim_model — дообученная модель генерации текста на архитектуре Qwen2, основанная на unsloth/qwen2.5-7b-bnb-4bit. По карточке, модель обучалась с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста; конкретная специализация и целевые сценарии не описаны. Модель содержит 7,1 млрд параметров и поддерживает контекст до 131 072 токенов. Указан английский язык. Лицензия — Apache-2.0.

Sirius-10B — объединённая языковая модель на архитектуре Mistral, созданная Felix Chao путём слияния частей leveldevai/TurdusBeagle-7B и FelixChao/Severus-7B. В конфигурации указаны метод passthrough и точность float16; репозиторий содержит веса Safetensors. Модель насчитывает 10,6 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и может использоваться в приложениях, которым нужны ответы на запросы, диалог или продолжение текста. Карточка не уточняет специализацию, языки обучения или отдельные возможности модели. Лицензия — Apache-2.0.

SJT-14B — объединённая языковая модель на архитектуре Qwen2 с 14 млрд параметров, созданная с помощью mergekit и метода TIES. В качестве базовой использована hotmailuser/QwenSlerp2-14B, также в объединение вошла djuna/Q2.5-Veltha-14B. Модель предназначена для генерации текста и диалогов; метаданные также указывают интерфейс вызова инструментов. Она принимает текст и выдаёт текст, поддерживает японский и английский языки и имеет контекст длиной до 131 072 токенов. Доступна в формате safetensors и распространяется по лицензии Apache-2.0.

SJT-900M-Alpha — плотная языковая модель на архитектуре Qwen2, разработанная Sakalti и дообученная на базе Sakalti/SJT-900M. Она предназначена для генерации текста и диалоговых сценариев; в метаданных также отмечен интерфейс вызова инструментов. Модель содержит 762,3 млн параметров и поддерживает контекст до 131 072 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка сообщает об использовании Unsloth и TRL при обучении. В метаданных указан английский язык. Специализация по предметной области и конкретные ограничения качества не описаны.

slerpMergedgpt20.4 — плотная авторегрессионная языковая модель семейства GPT-2, созданная с помощью mergekit объединением моделей /kaggle/working/gpt2 и /kaggle/working/gpt2_debias методом SLERP с параметром t=0.4. Модель предназначена для генерации текста по текстовому запросу и продолжения последовательностей. Она использует архитектуру GPT2LMHeadModel, библиотеку Transformers и веса в формате safetensors. Длина контекста составляет 1024 токена. Имя второй объединённой модели указывает на возможную настройку на снижение предвзятости, но карточка не описывает её обучение или подтверждённый эффект, поэтому нельзя делать выводы о качестве или степени снижения предвзятости. Лицензия в предоставленных данных не указана.

SLIM-XSUM — компактная модель для экстремального суммирования текста, разработанная llmware. Она выполняет суммирование через вызов функции `classify` с параметром `xsum` и возвращает краткое резюме или заголовок в виде словаря Python. Модель дообучена на llmware/bling-stable-lm-3b-4e1t-v0, основанной на stabilityai/stablelm-3b-4elt, и использует плотную авторегрессионную архитектуру StableLM Epoch с 2,7 млрд параметров и контекстом до 4096 токенов. Модель предназначена для создания коротких выжимок и заголовков из входного текста, в том числе как специализированный функциональный вызов без сложного промптинга. Она работает с текстом и генерирует текст; README не указывает целевые языки или специализированные области применения. Репозиторий распространяется по лицензии CC BY-SA 4.0. Качество суммирования может зависеть от содержания и длины входного текста; README не приводит количественных оценок качества.

kreynolds319/slm-trainer — дообученная автором kreynolds319 языковая модель семейства Qwen3 с архитектурой Qwen3ForCausalLM и 1,7 млрд параметров. Она основана на unsloth/qwen3-1.7b-unsloth-bnb-4bit и предназначена для генерации текста и диалогового взаимодействия; в метаданных также отмечен интерфейс вызова инструментов. Модель обучали с использованием Unsloth и библиотеки TRL для Hugging Face. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 40 960 токенов. Опубликована в формате safetensors под лицензией Apache-2.0. Карточка не описывает специализацию дообучения, поэтому конкретные преимущества в отдельных предметных областях установить нельзя.

rAIfle выпустил Sloppier-Wingman-Alternative-8x7B-hf — объединённую языковую модель семейства Mixtral на 7,1 млрд параметров. В метаданных указана архитектура MixtralForCausalLM с механизмом Mixture of Experts, формат весов — safetensors, контекст — до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев; автор предпочитает шаблон ChatML, также могут работать форматы Alpaca и Mistral. Модель получена слиянием предварительно обученных моделей методом SLERP. README также описывает конфигурацию слияния нескольких вариантов Mixtral 8x7B на основе Mixtral-8x7B-v0.1. Это альтернативная версия Sloppy-Wingman-8x7B-hf, у которой отличается вторая часть слияния. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных данных не указана.

smartyplats-7b-v2-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель на 7,1 млрд параметров, созданная слиянием Mistral-7B-Instruct-v0.2 и smartyplats-7b-v2 методом SLERP. Репозиторий связывает её с базовой моделью mistralai/Mistral-7B-Instruct-v0.2; веса опубликованы в формате SafeTensors. Модель предназначена для генерации текста и диалоговых ответов на инструкции. Архитектура — плотная MistralForCausalLM, контекст — до 32 768 токенов. Карточка не приводит специальных сведений о поддерживаемых естественных языках или узкой предметной области. Лицензия — Apache-2.0. Карточка описывает метод слияния и его конфигурацию, но не содержит сравнительной оценки качества или конкретных ограничений применения.