I.5Создание и редактирование текста

bartowski/TQ2.5-14B-Neon-v1-GGUF — это набор GGUF-квантизаций текстовой генеративной модели TQ2.5-14B-Neon-v1, разработанной allura-org. Квантизации подготовлены bartowski с помощью llama.cpp и метода imatrix. Модель предназначена для генерации текста и может использоваться локально, в том числе через LM Studio, на совместимом CPU или GPU. Доступны варианты от F16 до низкобитных IQ- и Q-квантизаций размером примерно от 5 до 29,55 ГБ. Наиболее качественными считаются F16, Q8_0, Q6_K_L, Q6_K и Q5; Q4_K_M указан как вариант по умолчанию для большинства сценариев благодаря балансу качества и размера. Низкобитные варианты требуют меньше оперативной памяти, но могут заметно уступать по качеству. Для взаимодействия используется шаблон чата с ролями system, user и assistant. В карточке указано, что модель поддерживает английский язык и относится к задаче text-generation. Архитектура, максимальный размер контекста, точное число параметров исходной модели и дополнительные модальности не указаны; по названию можно заключить только, что базовая модель относится к классу 14B. Модель распространяется по лицензии Apache-2.0.

Tralalabs_Qwen3-2507-4B-Instruct-Haiku-4.5-Merged-GGUF — это GGUF-квантизированная версия инструкционной языковой модели Tralalabs/Qwen3-2507-4B-Instruct-Haiku-4.5-Merged-FP16. Исходная модель связана с семейством Qwen3 и обучена с использованием набора данных TeichAI/claude-haiku-4.5-1700x; квантизацию выполнил bartowski с помощью llama.cpp и метода imatrix. Модель предназначена для генерации текста и диалоговых сценариев, включая работу через llama.cpp, LM Studio, KoboldCpp, Jan AI, Text Generation Web UI и другие совместимые инструменты. Модель содержит около 4 миллиардов параметров, поддерживает текстовый ввод и вывод, а в метаданных указан английский язык. Доступны варианты от BF16 и Q8_0 до более компактных Q3- и Q4-квантизаций; размеры файлов составляют примерно от 2,36 до 8,05 ГБ. В README приведён формат шаблона чата на основе специальных токенов Qwen. Контекстное окно, точный набор поддерживаемых языков и результаты сравнительных оценок не указаны. Основное преимущество модели — выбор вариантов квантизации, позволяющий адаптировать качество и требования к памяти, причём Q6_K и Q6_K_L отмечены как варианты очень высокого качества, а Q4_K_M — как типичный вариант для большинства сценариев. Более сильное сжатие уменьшает потребление памяти, но может снижать качество генерации. Для запуска требуется совместимое программное обеспечение с поддержкой данной архитектуры; для новых моделей иногда необходимо обновление используемого инструмента. Лицензия — Apache-2.0.

TrendyolMixLLM_v1.1 — объединённая языковая модель, созданная Trendyol из Trendyol-LLM-7b-chat-v1.0 и Trendyol-LLM-7b-chat-v0.1 с помощью mergekit. Это плотная причинно-языковая модель семейства Mistral на 8,9 млрд параметров, предназначенная для генерации текста в формате диалога. Она принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors. Модель подходит для диалоговых приложений и генерации ответов на текстовые запросы. Карточка не описывает отдельную специализацию или языковой охват, поэтому такие характеристики не уточняются. Лицензия — Apache 2.0.

Triangulum 10B it — мультиязычная авторегрессионная языковая модель для генерации текста и диалогового общения, разработанная prithivMLmods. Она основана на архитектуре LLaMA и содержит около 9,9 млрд параметров; модель настроена следовать инструкциям и, согласно карточке, обучалась на синтетических данных с длинными цепочками рассуждений, с применением SFT и RLHF. Контекст модели — до 32 768 токенов. Модель предназначена для генерации мультиязычного контента, ответов на вопросы, диалога, суммаризации и анализа текста, а также перевода и локализации. Метаданные указывают английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский языки. Репозиторий содержит веса в safetensors; в README также приведён пример запуска совместимой версии через Ollama. Лицензия — CreativeML OpenRAIL-M. Карточка заявляет возможности рассуждения и следования инструкциям, но не приводит независимых оценок качества или подробных результатов тестирования. Как и другие генеративные языковые модели, Triangulum может ошибаться или выдавать недостоверные ответы; качество на отдельных языках и задачах может различаться.

Trida-7B-Preview — языковая модель на 7,76 млрд параметров, разработанная Trillion Labs. Это Block Diffusion Language Model на базе Transformer Decoder с RoPE, SwiGLU и RMSNorm. Модель создана непрерывным предварительным обучением Trillion Labs/Tri-7B и последующим обучением по подходу Block Diffusion, который сочетает параллельную генерацию блоков с авторегрессионными зависимостями. Длина контекста — 4096 токенов; модель распространяется в формате safetensors и поддерживает диалоговую генерацию текста. Модель оптимизирована для корейского, английского и японского языков. Её можно применять для ответов на вопросы, следования инструкциям, рассуждений, математических задач и генерации кода. README приводит результаты тестирования на языковых и задачах рассуждения, кодирования, математики и следования инструкциям, но не описывает ограничения по вычислительным ресурсам или гарантии качества. Для других языков качество может снижаться; знания ограничены данными до февраля 2025 года. Лицензия — Apache-2.0.

TriMistral-7B-MODELSTOCK — объединённая чат-модель на архитектуре Mistral, созданная с помощью LazyMergekit из HuggingFaceH4/zephyr-7b-beta, NousResearch/Hermes-2-Pro-Mistral-7B и instructlab/merlinite-7b-lab. В README указан метод объединения model_stock, а базовой моделью конфигурации названа Zephyr-7B-β. Модель содержит 7,1 млрд параметров, использует формат Safetensors и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста в диалоге, ответов на вопросы и выполнения пользовательских инструкций. README приводит результаты оценки на наборах AI2 Reasoning Challenge и HellaSwag. Метаданные и карточка не подтверждают поддержку конкретных языков, поэтому языки не перечислены. Модель распространяется по лицензии Apache-2.0.

SzilviaB/Triple-Moist-Theia-21B-SKEWED — объединённая языковая модель на архитектуре Mistral, созданная методом TIES с помощью mergekit на основе mergekit-community/Moist_Theia_21B. Модель содержит 20,7 млрд параметров и предназначена для генерации текста и чат-диалогов. Модель принимает текст и выдаёт текст; каталог указывает поддержку чат-сценариев. В метаданных заявлена длина контекста 1 024 000 токенов. Карточка не приводит сведений о специализации по языкам или предметным областям. Веса опубликованы в формате Safetensors, библиотека — Transformers; лицензия в предоставленных данных не указана.

Trismal-Obrum-AlBe-7B-Base-Ties — объединённая модель, созданная с помощью LazyMergekit из Locutusque/OpenCerebrum-1.5-Mistral-7b-v0.2-alpha и Locutusque/OpenCerebrum-1.5-Mistral-7B-v0.2-beta методом TIES. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста. Контекстное окно составляет 32 768 токенов. Модель поставляется в формате safetensors. Объединение использует равные веса и плотность 1 для обеих моделей, нормализацию и тип данных float16. Карточка не описывает конкретные области применения, языки или результаты оценки качества. Лицензия в предоставленных данных не указана.

Triunvirato-7b — языковая модель на архитектуре Mistral, созданная Kukedlc путём слияния трёх моделей с помощью LazyMergekit: mistralai/Mistral-7B-v0.1, Kukedlc/neuronal-7b-Mlab и mlabonne/Monarch-7B. Она предназначена для генерации текста и диалоговых сценариев на основе текстовых запросов. Модель содержит 7,1 млрд параметров, имеет контекстное окно до 32 768 токенов и распространяется в формате Safetensors. Модель подходит для свободной генерации текста и разработки приложений на базе языковой модели. README не сообщает результаты оценки качества или перечень поддерживаемых языков, поэтому их нельзя надёжно уточнить. Лицензия — Apache-2.0.

Tulu V2 70B — языковая модель-помощник, разработанная AI2 и дообученная на базе meta-llama/Llama-2-70b-hf на смеси общедоступных, синтетических и созданных людьми данных. Это плотная авторегрессионная модель семейства Llama с 68,7 млрд параметров и контекстом до 8192 токенов. Модель предназначена для диалогов и выполнения инструкций на английском языке: она может отвечать на вопросы, помогать с текстовыми задачами и поддерживать беседу. Для работы следует использовать обученный формат сообщений с нужными разделителями и переводами строк. Модель не проходила выравнивание на безопасные ответы в рамках RLHF и не оснащена фильтрацией ответов, поэтому может выдавать проблемный контент, в том числе по соответствующему запросу. Распространяется по лицензии AI2 ImpACT Low-risk.

Tulu 1 Llama 2 70B — языковая модель-ассистент, разработанная Allen Institute for AI (AI2). Это дообученная на смеси публичных, синтетических и созданных людьми инструкций и диалогов версия Meta Llama 2 70B с плотной архитектурой Llama и 68,7 млрд параметров. Модель предназначена для генерации текста и ответов на инструкции; основной язык — английский, длина контекста — 2048 токенов. Модель подходит для диалоговых помощников, ответов на вопросы и выполнения разнообразных текстовых инструкций. Для форматирования запросов используется шаблон с маркерами ролей, описанный в карточке модели. Модель не проходила выравнивание безопасности на этапе RLHF и не снабжена фильтрацией ответов, поэтому может выдавать проблемный контент. Лицензия — AI2 ImpACT Low-risk.

Это дообученный чекпойнт Gemma 4 E4B Instruct, опубликованный tensorfiend после обучения на GPU в JarvisLabs. По метаданным, модель использует архитектуру Gemma4ForConditionalGeneration и формат safetensors; карточка README указывает шаг обучения 1692 и лучшее значение eval loss 0,3067. Модель предназначена для диалоговой генерации текста. Базовая Gemma 4 E4B Instruct также поддерживает анализ изображений и обработку аудио, однако для этого чекпойнта метаданные подтверждают только задачу text-generation и возможность диалога, поэтому мультимодальные сценарии здесь не заявлены. Лицензия указана как other; README требует соблюдать лицензионные условия Gemma и не распространять её веса за пределами разрешённого лицензией использования.

TurdusTrixBeagle-DARETIES-7B — текстовая авторегрессионная модель на архитектуре Mistral, созданная слиянием udkai/Turdus, CultriX/MergeTrix-7B-v2 и mlabonne/NeuralBeagle14-7B методом DARE-TIES с помощью LazyMergekit. В конфигурации указан Mistral-7B-v0.1 как базовая модель; размер итоговой модели — 7,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для генерации текста, диалогов и ответов на инструкции, а также для задач рассуждения и творческого письма. В README приведены результаты Open LLM Leaderboard: средняя оценка 75,20, включая 73,46 на AI2 Reasoning Challenge и 88,61 на HellaSwag. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Языки и специализированные прикладные области в доступных материалах не обозначены.

TwinLlama-3.1-8B-DPO — языковая модель семейства Llama, разработанная mlabonne и дообученная на базе mlabonne/TwinLlama-3.1-8B методом DPO. Модель предназначена для генерации текста; при обучении использовались Unsloth и библиотека Hugging Face TRL. Модель имеет плотную архитектуру LlamaForCausalLM и около 7,5 млрд параметров. Заявленная длина контекста — 131 072 токена. В репозитории используются веса safetensors; лицензия — Apache-2.0. Доступные сведения не описывают специализированные прикладные области или отдельные возможности помимо генерации текста.

typhoon-7b-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель на архитектуре Mistral, полученная слиянием Mistral-7B-Instruct-v0.2 и typhoon-7b методом SLERP. Она предназначена для генерации текста и ответов на инструкции в чат-сценариях. Модель содержит 7,1 млрд параметров, использует формат Safetensors и поддерживает контекст до 32 768 токенов. В состав слияния входят Mistral-7B-Instruct-v0.2 от Mistral AI и typhoon-7b от SCB 10X. Лицензия репозитория — Apache-2.0. Карточка не уточняет языковой охват и специальные ограничения качества, поэтому их нельзя конкретизировать.

Sakalti/ultiima-108B — языковая модель для генерации текста, созданная автором репозитория с помощью mergekit из слоёв Sakalti/ultiima-72B. Использован метод passthrough: в итоговую модель включены диапазоны слоёв базовой модели, а веса записаны в формате float16. Архитектура — плотная Qwen2ForCausalLM с 106,6 млрд параметров и контекстом до 131 072 токенов. Модель предназначена для диалогов и генерации текста; метаданные также указывают интерфейс вызова инструментов. Лицензия обозначена как other, поэтому условия использования следует уточнять по карточке репозитория. README описывает способ сборки, но не приводит оценки качества или подробные ограничения применения.

MaziyarPanahi/una-cybertron-7b-v3-OMA-Mistral-7B-Instruct-v0.1 — объединённая чат-модель на архитектуре Mistral, созданная слиянием mistralai/Mistral-7B-Instruct-v0.1 и fblgit/una-cybertron-7b-v3-OMA методом slerp. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста в ответ на инструкции и диалоговые запросы; поддерживает контекст до 32 768 токенов. Модель подходит для диалоговых ассистентов и генерации ответов на текстовые запросы. В репозитории представлены веса Safetensors, а лицензия — Apache-2.0. В карточке нет сведений о специальных предметных областях или гарантированных показателях качества.

UTENA-7B-UNA-V2 — языковая модель с архитектурой Mistral, созданная AI-B слиянием моделей UTENA-7B-UNA и UTENA-7B-DPO методом SLERP через mergekit. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста; заявленная длина контекста — 32 768 токенов. Модель подходит для генерации продолжений текста и диалоговых ответов в сценариях, где нужна текстовая языковая модель. В карточке не приведены сведения о языках, специальных предметных областях или результатах оценки качества. Репозиторий содержит веса Safetensors; лицензия — Unlicense.

v1olet_marcoroni-go-bruins-merge-7B-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель на 7,1 млрд параметров, созданная слиянием моделей Mistral-7B-Instruct-v0.2 и v1olet_marcoroni-go-bruins-merge-7B методом SLERP. Она использует плотную архитектуру MistralForCausalLM и предназначена для генерации текста и ответов на инструкции в формате диалога. Контекст модели составляет до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает отдельные специализации или гарантии качества, поэтому её следует рассматривать как модель общего назначения; характеристики унаследованных навыков слияния отдельно не приведены.

RWKV/v6-Finch-14B-HF — версия модели Finch-14B в формате, совместимом с библиотекой Hugging Face Transformers. В карточке указано семейство RWKV-6 и архитектура плотной авторегрессионной языковой модели с 16,6 млрд параметров; для загрузки в Transformers используются модель и токенизатор из этого репозитория. Модель предназначена для генерации текста и общих языковых задач. В README приведены результаты тестов ARC, HellaSwag и MMLU, где Finch-14B показывает более высокие значения, чем Eagle 7B и Finch 7B в указанном сравнении. Данных о специализации на отдельных языках или прикладных областях нет. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0. Для загрузки через Transformers README указывает параметр trust_remote_code=True; отдельные сведения о длине контекста и языковой поддержке не приведены.

RWKV/v6-Finch-7B-HF — совместимая с Hugging Face Transformers версия языковой модели Finch 7B от команды RWKV. Это плотная авторегрессионная модель семейства RWKV-6 с архитектурой Rwkv6ForCausalLM и 8,9 млрд параметров; веса доступны в форматах PyTorch и safetensors. Для загрузки README указывает использовать Transformers и AutoTokenizer с параметром trust_remote_code=True. Модель предназначена для генерации текста и общих языковых задач. В README приведены результаты Finch 7B в бенчмарках ARC, HellaSwag и MMLU; например, на MMLU указано 41,70%. Данных о поддерживаемых естественных языках и длине контекста в предоставленных источниках нет. Модель распространяется по лицензии Apache-2.0.

Vapor_7B — дообученная разговорная модель семейства Qwen2.5, созданная на основе Qwen/Qwen2.5-7B. Она предназначена для генерации текста в диалоге и поддерживает контекст до 131 072 токенов. Модель содержит 7,1 млрд параметров, использует архитектуру Qwen2 и формат safetensors. Модель можно применять для ведения диалогов и генерации текста на нескольких языках, включая русский, английский, китайский, французский, испанский, португальский, немецкий, итальянский, японский, корейский, вьетнамский, тайский и арабский. Она распространяется по лицензии Apache-2.0. README не содержит дополнительных сведений о настройке дообучения или результатах оценки качества.

Venomia-1.1-m7-Mistral-7B-Instruct-v0.1 — чат-модель MaziyarPanahi, созданная слиянием Mistral-7B-Instruct-v0.1 и Sao10K/Venomia-1.1-m7 методом SLERP. Модель построена на плотной архитектуре Mistral с 7,1 млрд параметров и предназначена для генерации текста в ответ на инструкции и диалоговые запросы; поддерживает контекст до 32 768 токенов. Модель принимает текст и выдаёт текст. В метаданных указан английский язык. Репозиторий содержит веса Safetensors; лицензия — Apache-2.0. Карточка не описывает отдельные специализированные области применения или ограничения качества.

Venomia-1.1-m7-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель, полученная слиянием Mistral-7B-Instruct-v0.2 и Sao10K/Venomia-1.1-m7 методом SLERP. Модель разработана на базе Mistral и содержит 7,1 млрд параметров; поддерживает контекст до 32 768 токенов и предназначена для генерации текста и ответов на инструкции в формате диалога. Модель подходит для чат-ботов, интерактивных ответов и генерации текста по запросу. Распространяется в формате safetensors, лицензия — Apache-2.0. Данные карточки не описывают конкретные целевые языки или специализированные области применения.

VICIOUS_MESH-12B-BETA — объединённая модель генерации текста на архитектуре Mistral, созданная автором репозитория с помощью mergekit и метода TIES. В слияние вошли VICIOUS_MESH-12B-ALPHA и Infermatic/MN-12B-Inferor-v0.1 на базе Khetterman/DarkAtom-12B-v3. Модель содержит 12,1 млрд параметров, распространяется в формате Safetensors, а в README также указана GGUF-квантизация Q4_K_M. Модель предназначена для диалогов и генерации текста, включая ответы на запросы и работу через интерфейс вызова инструментов. Метаданные указывают поддержку английского, японского, русского, китайского, корейского и испанского языков. Заявленная длина контекста — 1 024 000 токенов; это значение значительно выше контекста, указанного для базовой Inferor 0.1, поэтому фактическую работу с таким объёмом следует проверять в используемой конфигурации. Лицензия — Apache-2.0. В README приведены результаты Open LLM Leaderboard, включая IFEval и BBH; это ограниченный набор оценок и он не гарантирует качество на конкретных задачах. Метаданные помечают модель как не предназначенную для всех аудиторий.

Vikhr-7b-0.1 — русскоязычная модель генерации текста от Vikhrmodels на базе архитектуры Mistral. Модель содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. В README указано, что её дополнительно обучали на 400 млн токенов в течение трёх эпох; в метаданных также указан датасет IlyaGusev/habr. Модель предназначена для генерации и продолжения текста, в том числе для русскоязычных задач. В сравнительных результатах README она превосходит Mistral-7B-v0.1 на XWinograd и XNLI, но уступает на MMLU на русском языке. Автор предупреждает, что качество работы с кодом может быть низким. Репозиторий использует формат safetensors, библиотеку Transformers и лицензию Apache-2.0.

Nitral-Archive выпустила Violet_Eris-BMO-12B — объединённую методом SLERP чат-модель на базе архитектуры Mistral. В слиянии использованы Nitral-AI/Captain_BMO-12B и Epiculous/Violet_Twilight-v0.2; модель содержит 12,1 млрд параметров и распространяется в формате safetensors для библиотеки Transformers. Модель предназначена для диалогов и генерации текста. Её можно применять для продолжения текста и создания ответов в чат-сценариях. В метаданных указан контекст до 1 024 000 токенов. Язык лицензии в предоставленных сведениях не указан.

VirtuosoSmall-InstructModelStock — объединённая языковая модель на базе Qwen2, созданная сообществом mergekit-community методом Model Stock. В слиянии использованы arcee-ai/Virtuoso-Small как базовая модель, а также Rombos-LLM-V2.6-Qwen-14b, Qwen2.5-Lumen-14B и miscii-14b-1028. Модель содержит 14 млрд параметров, работает через Transformers и предназначена для генерации текста в диалоговом формате, включая ответы на инструкции. Заявленная длина контекста — 131072 токена. Карточка указывает формат safetensors; лицензия и конкретные языки использования в предоставленных данных не приведены.

Katayoon/VPO-Zephyr-7B-0.0005-iter-2 — чат-модель на архитектуре Mistral, дообученная Katayoon на обновлённом и исходном наборах данных от версии Katayoon/VPO-Zephyr-7B-0.0005-iter-1. Она предназначена для генерации текста в диалоговом формате. Модель содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Лицензия — MIT. Подробности о языках, оценках качества и конкретных ограничениях в карточке модели отсутствуют.

WeDLM-8B-Instruct — инструкционная языковая модель Tencent на 7,6 млрд параметров с плотной архитектурой WeDLMForCausalLM. Это дообученная версия WeDLM-8B; модель использует диффузионный подход к генерации с параллельным декодированием при стандартном причинном внимании. Она предназначена для диалогов, следования инструкциям и задач рассуждения, включая математику. В карточке приведены результаты бенчмарков, где модель превосходит Qwen3-8B-Instruct в некоторых задачах и уступает в других. Модель принимает текст и генерирует текст, поддерживает английский и китайский языки. Метаданные указывают контекстное окно 16 384 токена; в README заявлено 32 768 токенов. Для оптимизированного инференса авторы рекомендуют движок wedlm; совместимость с KV-кэшем позволяет использовать FlashAttention, PagedAttention и CUDA Graphs. Репозиторий содержит веса Safetensors, лицензия — Apache-2.0.