I.5Создание и редактирование текста

Wernicke-7B-v8 — объединённая модель на 7,1 млрд параметров, созданная CultriX с помощью LazyMergekit на основе четырёх моделей: kaitchup/Mayonnaise-4in1-022, macadeliccc/WestLake-7B-v2-laser-truthy-dpo, vanillaOVO/supermario_v2 и FelixChao/WestSeverus-7B-DPO-v2. Это плотная Mistral-архитектура для авторегрессионной генерации текста, в том числе диалогов и ответов на запросы. Модель принимает текст и генерирует текст. Размер контекста — до 32 768 токенов. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Языки и специализированные предметные области в доступных данных не определены. Модель подходит для диалоговых интерфейсов, генерации текстовых ответов и продолжения текста. Качество и поведение объединённой модели могут зависеть от конкретного запроса; сравнительные оценки и подробные сведения об обучении в карточке не приведены.

Westbreeze-7B — языковая модель для генерации текста и диалогового общения, созданная Rebecca19990101 с помощью LazyMergekit. Это объединение senseable/WestLake-7B-v2 и Rebecca19990101/Breeze-Petro-7B-Instruct-v1: слои 0–23 взяты из первой модели, а слои 24–31 — из второй; используется метод passthrough с точностью float16. Модель построена на плотной архитектуре MistralForCausalLM, содержит 7,2 млрд параметров и поддерживает контекст до 32 768 токенов. Карточка указывает на возможность чата, но не описывает конкретные языки или специализированные сценарии применения. Модель распространяется по лицензии Apache-2.0.

West-Dare-7B — языковая модель с 7,1 млрд параметров, созданная слиянием senseable/Westlake-7B и abideen/DareVox-7B с помощью LazyMergekit. Она построена на плотной архитектуре Mistral и предназначена для генерации текста, включая ролевые диалоги и творческие тексты, согласно описанию базовых моделей в каталоге. Модель принимает текст и выдаёт текст; её контекстное окно составляет 32 768 токенов. В README приведены результаты оценки на задачах рассуждения и понимания текста. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает специальные меры безопасности или подробные ограничения применения.

DazzlingXeno/Westlake-Scribe — слитая языковая модель, созданная с помощью mergekit методом passthrough из OmnicromsBrain/Eros_Scribe-10.7b-v3 и froggeric/WestLake-10.7B-v2. Она основана на архитектуре Mistral и предназначена для генерации текста и диалогов; каталог отмечает поддержку чата. Модель содержит 17,8 млрд параметров и поддерживает контекст до 32 768 токенов. Модель распространяется в формате safetensors. В карточке не указаны специальные ограничения по областям применения или подтверждённые языки, поэтому их нельзя определить по доступным сведениям. Лицензия в предоставленных данных не указана.

WestLakeSeverusV2-DPO-7B-DARE-TA — объединённая модель для генерации текста на основе архитектуры Mistral. Разработчик объединил FelixChao/WestSeverus-7B-DPO-v2 и macadeliccc/WestLake-7B-v2-laser-truthy-dpo методом dare_linear с помощью LazyMergekit; в конфигурации указаны веса 0,45 и 0,55, а также базовая модель mistralai/Mistral-7B-v0.1. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Mistral и принимает контекст до 32 768 токенов. Она предназначена для диалоговой генерации текста и ответов на запросы. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных данных не указана.

WestOrcaDPO-7B-GTA — объединённая языковая модель на основе Mistral, созданная с помощью LazyMergekit из decruz07/kellemar-DPO-Orca-Distilled-7B-SLERP и senseable/WestLake-7B-v2. Она предназначена для генерации текста, включая диалоговые ответы и творческие тексты. Модель имеет плотную архитектуру MistralForCausalLM и 7,1 млрд параметров; заявленная длина контекста — 32 768 токенов. Веса представлены в формате safetensors. Слияние выполнено методом task arithmetic с параметрами весов 0,4 и 0,6 и плотностью 0,5 для каждой исходной модели. README указывает Mistral-7B-v0.1 как базовую модель. Лицензия в предоставленных данных не приведена.

WestOrcaNeuralMarco-DPO-v2-DARETIES-7B — объединённая языковая модель на архитектуре Mistral, созданная с помощью LazyMergekit из Westlake-7B-v2, kellemar-DPO-Orca-Distilled-7B-SLERP и NeuralMarcoro14-7B. В конфигурации также указана Mistral-7B-v0.1 как базовая модель. Модель содержит 7,1 млрд параметров, использует формат safetensors и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев: она может формулировать ответы и помогать с рассуждениями и продолжением текста. В README приведены результаты оценивания на задачах AI2 Reasoning Challenge и HellaSwag. Репозиторий распространяется по лицензии Apache-2.0.

Wiedervereinigung-7b-dpo-laser — немецкоязычная чат-модель с 7,1 млрд параметров, разработанная Mayflower GmbH. Она построена на архитектуре Mistral и объединяет четыре модели: DiscoResearch/DiscoLM_German_7b_v1, DRXD1000/Phoenix, VAGOsolutions/SauerkrautLM-7b-v1-mistral и malteos/hermeo-7b. После объединения модель дообучили методом DPO на немецком переводе набора Intel Orca DPO, затем применили обработку laserRMT на немецких данных. Модель предназначена для генерации текста и диалогов на немецком языке. Её можно применять для написания текстов, ролевых диалогов, извлечения информации и ответов на вопросы; в карточке также приведены результаты тестирования по категориям STEM и гуманитарных дисциплин. Поддерживается контекст до 32 768 токенов. По README, качество в математике, программировании и рассуждениях может быть слабее, чем в письме и гуманитарных темах. Модель распространяется под лицензией Apache-2.0.

Wiz2Beagle-7b-v1 — объединённая текстовая генеративная модель, созданная автором maxcurrent с помощью VortexMerge kit на основе amazingvince/Not-WizardLM-2-7B и mlabonne/NeuralBeagle14-7B. Слияние выполнено методом TIES с градиентами плотности и весов; архитектура — плотная MistralForCausalLM с 7,1 млрд параметров, веса доступны в формате safetensors. Контекстное окно — до 32 768 токенов. Модель предназначена для генерации текста и может применяться для диалогов, ответов на вопросы, следования инструкциям, рассуждений и творческого письма — эти сценарии соответствуют возможностям базовых моделей. В метаданных указана лицензия Apache-2.0. Данные о языковой специализации и отдельных проверках качества этого слияния не приведены.

WizardDolphin-7B — языковая модель на 7,1 млрд параметров, созданная слиянием Mistral-7B-v0.1, Dolphin-2.6-Mistral-7B-DPO-Laser и WizardMath-7B-V1.1 методом TIES. Она использует плотную архитектуру Mistral и предназначена для генерации текста, диалогов и решения задач, сочетающих общие языковые и математические навыки. Модель поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors. Модель может быть полезна для ответов на вопросы, ведения диалогов, объяснения математических решений и генерации текста. Карточка не сообщает о специальной настройке для конкретного языка, поэтому языковую поддержку нельзя уверенно уточнить. Лицензия — Apache-2.0.

QuantFactory/WizardLM-2-7B-abliterated-GGUF — это квантизированная версия WizardLM-2 7B, разработанная QuantFactory с использованием llama.cpp на основе fearlessdots/WizardLM-2-7B-abliterated. Базовая модель WizardLM-2 создана командой WizardLM при Microsoft AI и основана на Mistral-7B-v0.1. Модель предназначена для генерации текста, диалогов и выполнения сложных инструкций, включая задачи письма, программирования, математики, рассуждений, агентских сценариев и многоязычного общения. Поддерживаются многоходовые диалоги с шаблоном запросов Vicuna. Модель содержит около 7 миллиардов параметров и работает только с текстом. Вариант abliterated использует ортогонализованные веса bfloat16, а текущая версия распространяется в квантизированном формате GGUF, что ориентировано на более эффективный запуск и снижение требований к памяти по сравнению с полноразмерными весами. В README не указаны точное окно контекста, поддерживаемые языки и конкретные параметры квантизации. Заявлены высокая скорость для своего класса и конкурентные результаты среди открытых моделей сопоставимого размера, однако приведённые оценки относятся к WizardLM-2 7B и не обязательно полностью характеризуют данный GGUF-вариант. Лицензия модели указана как Apache 2.0. Специфические ограничения, связанные с abliterated-модификацией, в README не описаны; поэтому качество, безопасность и соответствие ответов требованиям конкретного применения следует проверять отдельно.

WizardLM-2-7B-GGUF — это квантизированная в формате GGUF версия языковой модели WizardLM-2-7B, разработанной Microsoft. Квантизацию выполнил bartowski на базе llama.cpp. Модель основана на Mistral, содержит около 7 миллиардов параметров и предназначена для генерации текста и диалогового взаимодействия. Модель ориентирована на многошаговые беседы, общие вопросы и работу с общеизвестными знаниями. README также указывает на улучшенную поддержку сложных диалогов, многоязычных сценариев, рассуждений и агентских задач; модель может применяться для программирования и технических обсуждений. Она обучалась с использованием Progress Learning, AI Align AI, Supervised Learning, Stage-DPO, Evol-Instruct и методов обучения с подкреплением, ориентированных на качество инструкций и корректность ответов. Модель позиционируется как эффективная для своего размера и показывает высокие результаты в автоматической оценке MT-Bench, однако, как и другие языковые модели, может генерировать неточные, вредные или неподходящие ответы. В README не указаны точный набор поддерживаемых языков, размер контекстного окна и конкретные характеристики квантизации. Лицензия — Apache-2.0. Для использования рекомендован шаблон prompt в стиле Vicuna.

MaziyarPanahi/WizardLM-2-8x22B-GGUF — это набор файлов модели в формате GGUF для базовой модели microsoft/WizardLM-2-8x22B, разработанной Microsoft и квантизированной MaziyarPanahi. Модель предназначена для генерации текста и диалогового взаимодействия, включая ответы на вопросы и создание подробных, полезных и вежливых ответов ассистента. Файлы подходят для запуска с совместимыми инструментами, включая llama.cpp; репозиторий содержит шардированные варианты модели. Доступны квантизированные варианты с разной разрядностью: 2-, 3-, 4-, 5-, 6- и 8-битные GGUF-файлы. Исходная архитектура, общее число параметров, поддерживаемые языки и размер контекста в README не указаны. Модель относится к текстовым, мультимодальность не заявлена. Разные уровни квантизации позволяют выбирать компромисс между размером файлов, требованиями к памяти и качеством, однако конкретные характеристики каждого варианта не приведены. Лицензия — Apache 2.0. Для использования требуется совместимое программное обеспечение, а параметры запуска зависят от выбранного файла квантизации и средства инференса.

Wizard-Tulu-Dolphin-70B-v1.0 — объединённая языковая модель на архитектуре Llama, созданная sophosympatheia методом SLERP из Wizard-Tulu-70B-v1.0 и Dolphin 2.2 70B. В репозитории представлены веса SafeTensors; размер модели — 68,7 млрд параметров, контекст — до 4096 токенов. Модель предназначена для генерации текста и следования инструкциям. Автор включал этот бленд в Midnight Rose v2.0.3 и описывает его как попытку объединить сильные стороны WizardLM, Tulu и Dolphin 2.2, однако отмечает, что отдельно модель тестировалась мало. Лицензия в предоставленных данных не указана.

xDAN-SlimOrca — объединённая модель генерации текста на архитектуре Mistral, опубликованная Azazelle. Она создана методом Slerp merge из xDAN-L1-Chat-RL-v1 и mistral-7b-slimorcaboros; в конфигурации слияния базовой моделью указана mistralai/Mistral-7B-v0.1. Модель содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации ответов и диалогового текста, сочетая свойства двух исходных моделей. В карточке приведены результаты оценок на AI2 Reasoning Challenge и HellaSwag. Веса доступны в формате safetensors, лицензия — CC BY 4.0.

Xelora-9B-Study — дообученная Shreesha-2011 текстовая модель семейства Qwen3.5. Она основана на Qwen/Qwen3.5-9B и использует плотную архитектуру Qwen3_5ForCausalLM; в репозитории указано 7,2 млрд параметров. Модель предназначена для генерации текста и диалогового взаимодействия, а интерфейс также поддерживает вызов инструментов. Модель принимает текст и выдаёт текст. Для базовой Qwen3.5-9B заявлены мультимодальные возможности, включая анализ изображений, однако карточка Xelora описывает текстовый вариант модели и не подтверждает обработку изображений. Контекстное окно составляет до 262 144 токенов, основной указанный язык — английский. В README сказано, что обучение выполнялось с Unsloth и библиотекой TRL. Лицензия — Apache-2.0. Карточка не приводит оценок качества, специализированных сценариев обучения или результатов тестирования.

XGen-7B-8K-Inst — языковая модель Salesforce AI Research с плотной архитектурой LlamaForCausalLM и примерно 6,7 млрд параметров. Она создана как версия XGen-7B-8K-Base, дообученная на общедоступных инструкционных данных; контекст составляет до 8192 токенов. Модель предназначена для генерации текста по инструкциям: например, для ответов на вопросы, выполнения текстовых запросов и диалоговых сценариев. В карточке указано, что релиз предназначен для исследовательских целей; данных о поддерживаемых естественных языках нет. Модель распространяется в формате PyTorch. Авторы предупреждают, что её не оценивали для всех прикладных сценариев, поэтому перед применением следует проверять точность, безопасность и справедливость ответов, особенно в задачах высокого риска. Лицензия для этой инструкционной версии в карточке не указана; Apache-2.0 отмечена для базовых моделей XGen-7B-4K-Base и XGen-7B-8K-Base.

Xing4.0-29B-A4B-Rewrite — модель XingChen-AGI, полученная методом supervised fine-tuning на базе XingChen-AGI/Xing4.0-29B-A4B. Она переписывает разговорные и неструктурированные тексты расшифровок речи в более связный письменный текст. Модель сокращает повторы, при необходимости убирает слова-паразиты и обрывки фраз, исправляет грамматически нарушенные предложения, упорядочивает фразы и делает разговорные выражения естественнее, стараясь не пересказывать и не сжимать исходную информацию. Архитектура — Xing4_0ForCausalLM; базовая модель имеет архитектуру MoE с 29 млрд параметров и 4 млрд активируемых параметров, а общий размер этой модели в метаданных указан как 6,5 млрд параметров. Модель принимает текст и генерирует текст, поддерживает китайский язык, имеет контекст длиной до 262 144 токенов и распространяется в формате safetensors. Лицензия в предоставленных данных не указана.

XVERSE-65B — мультиязычная базовая большая языковая модель, самостоятельно разработанная компанией Shenzhen Yuanxiang Technology. Она построена на плотной архитектуре Decoder-only Transformer и предназначена для генерации текста, включая продолжение запросов и подготовку материалов для многошагового диалога, ответов на вопросы и суммаризации. В модели 65,6 млрд параметров, контекст — до 16 384 токенов; она использует BPE-токенизатор с словарём из 100 534 токенов и распространяется в формате PyTorch. Модель обучена на 2,6 трлн токенов из веб-страниц, кода, энциклопедий, книг, научных публикаций и других источников. README указывает поддержку 41 естественного языка, включая китайский, английский, русский и испанский; наибольшие доли обучающих данных приходятся на английский и китайский. Лицензия Apache-2.0. Это базовая, а не специально настроенная для диалога модель, поэтому качество следования инструкциям и ответы в формате ассистента не гарантируются; возможны ошибки и смещения, характерные для генеративных языковых моделей.

XVERSE-65B-2 — базовая мультиязычная языковая модель, самостоятельно разработанная Shenzhen Yuanxiang Technology. Она использует плотную архитектуру Decoder-only Transformer с 65,6 млрд параметров и поддерживает контекст до 16 384 токенов. Модель обучена на 2,6 трлн токенов из разнообразных источников; токенизатор BPE имеет словарь из 100 534 единиц. Модель предназначена для генерации текста, многошаговых диалогов, ответов на вопросы и суммаризации. В обучающих данных представлены более 40 естественных языков, включая китайский, английский, русский и испанский; наибольший объём данных приходится на английский и китайский. В корпус также входили код, энциклопедии, книги и научные статьи. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0. Карточка описывает базовую предварительно обученную модель, поэтому качество выполнения инструкций или диалога отдельно не заявлено; для запуска также потребуются значительные вычислительные ресурсы из-за размера модели.

YamExperiment28-7B — автоматическое слияние моделей, созданное Maxime Labonne из моделей yam-jom-7B и Experiment28-7B методом DARE-TIES. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста. Метаданные указывают контекст до 32 768 токенов и формат весов safetensors. Модель можно использовать для генерации продолжений и ответов на текстовые запросы. README не сообщает о специализации, языковом охвате или результатах оценки качества. Указана лицензия Apache-2.0.

YamNeuralsirkrishna-7B — объединённая модель для генерации текста и диалогов, созданная Maxime Labonne методом SLERP из mayacinka/yam-jom-7B и Kukedlc/NeuralSirKrishna-7b. Это плотная причинная языковая модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель предназначена для генерации текста и диалоговых сценариев. Лицензия Apache-2.0 разрешает использование на её условиях. README не описывает специальные области применения или результаты оценки качества.

yam-sam-7B — объединённая языковая модель, созданная mayacinka с помощью LazyMergekit на основе cognitivecomputations/samantha-mistral-7b, CorticalStack/shadow-clown-7B-dare и yam-peleg/Experiment26-7B. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста. Заявленная длина контекста — 32 768 токенов. В карточке приведены результаты Open LLM Leaderboard: среднее значение 74,58, оценка ARC (25-shot) 70,90 и HellaSwag (10-shot) 87,92. Модель принимает текст и генерирует текст; сведений о целевых языках и специализированных предметных областях в доступных данных нет. Лицензия — Apache-2.0.

YamShadow-7B — автоматическое объединение моделей, опубликованное Maxime Labonne. Репозиторий содержит причинную языковую модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. В README указаны объединение методом dare_ties с настройками density 0,53 и weight 0,6, а также формат bfloat16; метаданные связывают модель с CorticalStack/shadow-clown-7B-slerp. Модель предназначена для генерации текста по текстовому запросу и может применяться в сценариях, где нужна генерация продолжений или ответов. Для использования приведён пример загрузки через Transformers. Лицензия — Apache-2.0. В предоставленных сведениях нет описания специализированной области или заявленных оценок качества.

Yamshadowexperiment28M70.64-0.81-0.33-0.12-0.46-0.05-7B — объединённая текстовая модель семейства Mistral от автора aaron-di, предназначенная для генерации текста и диалогов. В метаданных указаны 7,1 млрд параметров, архитектура MistralForCausalLM, контекст до 32 768 токенов и формат весов safetensors. README показывает запуск через Transformers с применением chat template и генерацией продолжения ответа на пользовательский запрос. Модель можно использовать для диалога и создания текстовых ответов; сведений о целевой предметной области или языковой специализации в карточке нет. Лицензия — Apache 2.0.

Aaron-di/Yamshadowexperiment28M70.8-0.22-0.86-0.36-0.42-0.95-7B — объединённая языковая модель на архитектуре Mistral, созданная с помощью mergekit на основе AurelPx/Percival_01-7b-slerp и liminerity/M7-7b. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст; карточка демонстрирует её запуск через Transformers с шаблоном диалога. Нативная длина контекста — 32 768 токенов. Модель подходит для генерации текста и диалоговых ответов общего назначения. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. README не приводит оценок качества или подробного описания специализации модели.

Yamshadowexperiment28M70.8-0.49-0.98-0.31-0.16-0.95-7B — объединённая текстовая модель семейства Mistral от автора aaron-di, построенная на основе AurelPx/Percival_01-7b-slerp и liminerity/M7-7b. Модель с архитектурой MistralForCausalLM содержит 7,1 млрд параметров, принимает текст и генерирует текст; заявленный контекст составляет 32 768 токенов. Модель предназначена для генерации продолжений текста и диалоговых ответов. README показывает запуск через Transformers с шаблоном чата и генерацией до 256 новых токенов. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. Карточка не описывает отдельные специализированные области применения или подтверждённые ограничения качества.

aaron-di/Yamshadowexperiment28M70.8-0.49-0.98-0.33-0.09-0.16-7B — объединённая текстовая модель семейства Mistral, созданная на основе AurelPx/Percival_01-7b-slerp и liminerity/M7-7b. Она содержит 7,1 млрд параметров и рассчитана на генерацию текста и диалоговое взаимодействие; в карточке показан пример работы через Transformers с шаблоном чата и генерацией ответа на вопрос. Заявленная длина контекста — 32 768 токенов. Модель принимает текст и выдаёт текст. Репозиторий содержит веса safetensors, лицензия — Apache-2.0. README не описывает результаты оценки качества или специализированную предметную область.

Yamshadowexperiment28M7-7B — объединённая текстовая модель семейства Mistral с 7,1 млрд параметров, созданная автоматически Maxime Labonne на основе liminerity/M7-7b. Веса объединены методом DARE-TIES; в конфигурации указаны формат bfloat16 и int8-маска слияния. Модель предназначена для генерации текста и диалоговых сценариев. Она принимает текст и выдаёт текст, а заявленная длина контекста составляет 32 768 токенов. Карточка не сообщает о специализации на конкретных языках или предметных областях. Модель распространяется по лицензии Apache-2.0. Качество и ограничения в README не описаны; применимость к конкретным задачам следует оценивать отдельно.

Yamshadowexperiment28Ognoexperiment27multi_verse_model-7B — слитая модель для генерации текста, созданная Maxime Labonne из automerger/YamshadowExperiment28-7B и automerger/Ognoexperiment27Multi_verse_model-7B методом SLERP с помощью mergekit. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM, объёмом 7,1 млрд параметров и контекстом до 32 768 токенов. Веса представлены в формате safetensors. Модель предназначена для генерации текста и диалогов. Для неё указана лицензия Apache-2.0. Карточка не приводит оценок качества или конкретных специализированных сценариев, поэтому пригодность результата стоит проверять на целевых запросах.