I.5Создание и редактирование текста

Это плотная авторегрессионная языковая модель семейства Mistral на 7,1 млрд параметров, разработанная ShenaoZ. Модель дообучена на обновлённом и исходном наборах данных поверх ShenaoZ/0.001_ablation_4iters_bs256_sample2_iter_2 и предназначена для генерации текста в диалоговом режиме. Максимальная длина контекста — 32 768 токенов. Модель распространяется в формате Safetensors по лицензии MIT. Карточка не описывает конкретные области применения и результаты оценки качества; поведение и надёжность следует проверять на целевых задачах.

ShenaoZ/0.001_ablation_5iters_bs256_iter_2 — дообученная модель семейства Mistral, созданная на основе ShenaoZ/0.001_ablation_5iters_bs256_iter_1 и обученная на обновлённом и исходном наборах данных. Это плотная авторегрессионная языковая модель с архитектурой MistralForCausalLM и 7,1 млрд параметров. Модель предназначена для генерации текста и диалогового общения. Она принимает текст и формирует текстовые ответы; максимальная длина контекста составляет 32 768 токенов. В метаданных указана поддержка чата, но сведения о языках и результатах оценки отсутствуют. Распространяется под лицензией MIT.

0.001_ablation_iter_1 — плотная авторегрессионная языковая модель семейства Mistral с 7,1 млрд параметров, дообученная на базе HuggingFaceH4/mistral-7b-sft-beta на датасете HuggingFaceH4/ultrafeedback_binarized. Модель предназначена для генерации текста и общения в формате диалога; её можно использовать для ответов на вопросы и ведения текстовых бесед. Модель принимает текст и выдаёт текст. Размер контекстного окна — 32 768 токенов. В репозитории используются веса Safetensors, лицензия — MIT. README не приводит результаты оценки качества или подробностей об ограничениях, поэтому характеристики ответов для отдельных сценариев по доступным данным определить нельзя.

ShenaoZ/0.001_ablation_iter_2 — диалоговая текстовая модель семейства Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров. Она дообучена на основе ShenaoZ/0.001_ablation_iter_1 на обновлённом и исходном наборах данных; карточка также связывает обучение с DPO и alignment-handbook. Модель предназначена для генерации текста и диалогового общения. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Лицензия — MIT. Карточка не сообщает конкретные результаты оценки качества или подробные ограничения; пригодность ответов следует проверять для целевых сценариев.

Это разговорная модель Mistral с архитектурой плотной причинно-следственной языковой модели и 7,1 млрд параметров. Модель разработана как дообученная версия ShenaoZ/0.001_withdpo_4iters_bs256_432lr_iter_2 и обучена на обновлённом и исходном наборах данных с применением DPO, согласно названию и тегам репозитория. Модель предназначена для генерации текста и диалогов. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате Safetensors; лицензия — MIT. README не приводит результатов оценки или конкретных сценариев применения.

Модель ShenaoZhang/0.001_zephyr_5551_4iters_bs256_iter_1 — дообученная версия Mistral, созданная на основе HuggingFaceH4/mistral-7b-sft-beta с использованием датасета HuggingFaceH4/ultrafeedback_binarized. Это плотная авторегрессионная модель на 7,1 млрд параметров для генерации текста и общения в формате чата. Она принимает текст и выдаёт текст; поддерживает контекст до 32 768 токенов. Модель подходит для ответов на вопросы и ведения текстового диалога. В карточке не описаны отдельные специализированные области применения или оценки качества. Использование регулируется лицензией MIT.

ShenaoZ/0.0_continue_iter_2 — диалоговая языковая модель на архитектуре Mistral, дообученная разработчиком ShenaoZ на базе ShenaoZ/0.0_continue_iter_1 с использованием датасета HuggingFaceH4/ultrafeedback_binarized. Она предназначена для генерации текста и ведения диалога, включая ответы на запросы в контексте до 32 768 токенов. Модель содержит 7,1 млрд параметров и опубликована в формате safetensors. Модель распространяется по лицензии MIT. README не приводит результатов оценки и не описывает специальные сценарии применения или ограничения; качество ответов и их соответствие запросу следует проверять для конкретной задачи.

0.0dataupiter1 — дообученная модель семейства Mistral, созданная на основе HuggingFaceH4/mistral-7b-sft-beta. Она содержит 7,1 млрд параметров и предназначена для генерации текста и общения в формате диалога; среди подходящих сценариев — ответы на вопросы и ведение текстового диалога. Модель обучалась на датасете HuggingFaceH4/ultrafeedback_binarized, а её контекстное окно составляет 32 768 токенов. Модель использует плотную архитектуру MistralForCausalLM и опубликована в формате safetensors. Репозиторий распространяется по лицензии MIT. Карточка не содержит сведений о специализированной области применения или конкретных ограничениях качества.

Модель mt1234/1234456 — разговорная языковая модель, дообученная разработчиком mt1234 на базе unsloth/phi-4-unsloth-bnb-4bit с помощью Unsloth и библиотеки TRL. Она предназначена для генерации текста в диалогах и других сценариях, где требуется получать текстовые ответы на текстовые запросы. Модель имеет плотную архитектуру класса LlamaForCausalLM и содержит 14,1 млрд параметров. Заявленная длина контекста — 16 384 токена; в метаданных указан английский язык. Репозиторий содержит веса PyTorch, а для использования указана лицензия Apache-2.0.

CausalLM 14B — разработанная авторами репозитория разговорная языковая модель на архитектуре LLaMA с 13,4 млрд параметров. Авторы сообщают, что при обучении использовали веса Qwen, а LLaMA 2 — для расчёта начальных весов; модель загружается через Transformers как LLaMA-совместимый причинный языковой моделировщик. Контекст составляет 8192 токена, основной формат весов — PyTorch. Модель предназначена для генерации текста в диалогах, ответов на вопросы, рассуждений и решения задач, включая математику. Для обучения применялась выборка синтетических инструкционных данных объёмом 1,3 млрд токенов, собранных и подготовленных авторами на основе открытых наборов. В карточке приведены результаты тестов на английском, китайском и японском языках; метаданные также указывают английский и китайский. Авторы заявляют о высоких результатах в сравнительных тестах, однако модель может галлюцинировать и выдавать ненадёжные ответы. В карточке отмечено, что данные не были отфильтрованы от нежелательного содержимого, а RLHF и специальное обучение отказам не проводились; поэтому ответы требуют проверки и фильтрации. Указана лицензия WTFPL, но авторы также предупреждают, что в зависимости от применения могут действовать ограничения коммерческого использования базовых Qwen и LLaMA 2.

Sao10K/14B-Qwen2.5-Freya-x1 — 14-миллиардная языковая модель для генерации текста и диалогов, созданная дообучением Qwen2.5. Автор описывает экспериментальное обучение в два этапа с LoRA: сначала на литературе и необработанных текстах, затем на базе Qwen2.5 Instruct. Для запуска указаны формат ChatML и настройки генерации; модель распространяется в формате safetensors и рассчитана на Transformers. Модель подходит для диалоговой генерации и продолжения текста. Метаданные указывают контекст до 32 768 токенов, а также интерфейс вызова инструментов. Автор отмечает, что очистка обучающих текстов могла быть неполной. Лицензия обозначена как other, поэтому условия использования следует уточнить в карточке модели.

14B-Qwen2.5-Freya-x1-GGUF — это GGUF-квантизированная версия текстовой генеративной модели 14B-Qwen2.5-Freya-x1, разработанной Sao10K. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и может применяться в локальных сценариях инференса, включая запуск через LM Studio. Модель имеет размер 14B параметров и поставляется в вариантах от F16 до низкобитных квантований Q2 и Q3, что позволяет выбирать между качеством ответов и требованиями к оперативной памяти. Доступны форматы Q4, Q5, Q6 и Q8, при этом в README рекомендуются некоторые варианты Q4–Q6 как обеспечивающие хороший или очень высокий уровень качества. Указан шаблон промпта в формате ChatML. Модальность — текстовая; сведения о поддерживаемых языках и размере контекстного окна в README отсутствуют. Сильная сторона модели — широкий выбор квантований для локального запуска на оборудовании с разными ограничениями по памяти, а также применение imatrix-квантизации. Более компактные варианты экономят память, но могут заметно уступать старшим версиям по качеству. Лицензия обозначена как qwen/other; в README приведена ссылка на лицензию Qwen/Qwen2.5-14B, однако конкретные условия использования следует уточнять по этому документу.

Infermatic выпустила Infermatic/14b-Qwen2.5-Infermatic-Crea-v1 — объединённую методом Model Stock через mergekit языковую модель на архитектуре Qwen2.5. В основе лежит Qwen/Qwen2.5-14B-Instruct; в объединение также вошли модели Kunou, abliterated, Lumen и Gutenberg. Модель содержит 14 млрд параметров, работает с текстом и имеет контекст длиной до 32 768 токенов. Модель предназначена для генерации текста, описания чувств, мест, предметов и ситуаций, а также для ролевых диалогов и написания историй. Карточка отмечает поддержку чата и интерфейса вызова инструментов. Данных о целевых языках в предоставленных источниках нет. В репозитории указана лицензия? — сведения о лицензии среди предоставленных данных отсутствуют, поэтому условия использования по ним определить нельзя. Качество ответов зависит от настроек и промптов; автор отмечает, что отказы могут возникать и их поведение зависит от этих настроек.

Fischerboot/15-test — текстовая модель генерации, созданная слиянием предобученных языковых моделей с помощью mergekit и метода SLERP. В слиянии использована Fischerboot/14-test; конфигурация комбинирует диапазоны слоёв и задаёт отдельные параметры для self-attention и MLP. Модель основана на архитектуре Llama с плотной структурой и классом LlamaForCausalLM, содержит 4 млрд параметров и рассчитана на контекст до 8192 токенов. Она предназначена для генерации текста и диалогового общения. Модель распространяется в формате safetensors; сведения о лицензии и конкретных поддерживаемых языках в доступных данных отсутствуют.

Fischerboot/16-test — экспериментальная языковая модель, созданная слиянием моделей на основе Llama с помощью mergekit. В README указан метод SLERP и источник Fischerboot/15-test; конфигурация комбинирует диапазоны слоёв и параметры для self-attention и MLP. Модель имеет 3,8 млрд параметров, работает с текстом и поддерживает контекст до 8192 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. В метаданных указан формат safetensors и библиотека Transformers. Лицензия в предоставленных данных не указана.

Модель zyh3826/20231206094523-pretrain-Llama-2-13b-hf-76000 — языковая модель для генерации текста, разработанная zyh3826 на основе Llama 2 13B. Это плотная авторегрессионная модель класса LlamaForCausalLM, предназначенная для использования через Hugging Face Transformers; веса опубликованы в формате safetensors. В метаданных указаны языки китайский и английский, а контекст составляет 4096 токенов. Модель можно применять для генерации и продолжения текста на китайском и английском языках. В качестве обучающего набора указан YeungNLP/firefly-pretrain-dataset. Карточка не описывает специализированные сценарии или дополнительные возможности. Лицензия — llama2. Как и другие варианты Llama 2, модель может выдавать неточные, предвзятые или нежелательные ответы. Разработчик рекомендует проверять безопасность и настраивать модель под конкретное приложение; испытания, упомянутые в карточке, проводились на английском языке.

Модель yuq-zhou/2026-05-leash-t2k-q3-1p7-last — контрольная точка Qwen3, опубликованная в стандартном формате Hugging Face для загрузки через AutoModelForCausalLM. Это плотная авторегрессионная языковая модель с 1,7 млрд параметров и контекстом до 40 960 токенов. Метаданные указывают на поддержку чата и интерфейса вызова инструментов; основная задача модели — генерация текста. Репозиторий описывает модель как резервную копию исследовательского артефакта. В карточке нет сведений о специальной предметной области, языках обучения или лицензии, поэтому их нельзя уточнить. Модель использует формат safetensors; опубликованная карточка не приводит дополнительных характеристик качества или оценок.

Это исследовательская резервная копия чекпойнта для генерации текста в стандартном формате Hugging Face, совместимая с AutoModelForCausalLM. По метаданным, модель основана на плотной архитектуре Qwen3ForCausalLM и содержит 1,7 млрд параметров; нативный контекст — 40 960 токенов. Поддерживается диалоговый режим и интерфейс вызова инструментов. Модель предназначена для генерации текста и диалоговых сценариев. В README она обозначена как резервный исследовательский артефакт; сведений о конкретном дообучении, базовой модели или лицензии в предоставленных данных нет.

Это исследовательская резервная копия чекпойнта в стандартном формате Hugging Face Transformers. Модель Yuq Zhou относится к семейству Qwen2: плотная авторегрессионная языковая модель на 7,1 млрд параметров с контекстом до 131 072 токенов. Модель предназначена для генерации текста и диалогового взаимодействия; в метаданных также отмечен интерфейс вызова инструментов. Доступны веса в формате safetensors. Карточка не описывает конкретные области применения или языковую специализацию, поэтому модель можно характеризовать как общего назначения. Чекпойнт обозначен как исследовательский артефакт-резервная копия, однако сведений о базовой модели, обучении или конкретных ограничениях качества в карточке нет. Условия лицензии в предоставленных данных не указаны.

Это контрольная точка модели в стандартном формате Hugging Face, предназначенная для загрузки через AutoModelForCausalLM. По метаданным это плотная Qwen2ForCausalLM с 7,1 млрд параметров и контекстом до 16 384 токенов; модель работает с текстом и поддерживает диалоговый режим и интерфейс вызова инструментов. README называет её резервной копией исследовательского артефакта. Модель подходит для генерации текста и диалоговых сценариев. В карточке не описаны специальные области применения, языки, обучающие данные или результаты оценки качества. Указан формат safetensors и библиотека Transformers; сведения о лицензии отсутствуют.

lilmeaty/abcdef — объединённая языковая модель, созданная автором репозитория с помощью mergekit. В слияние методом passthrough вошли 11 предварительно обученных моделей, включая варианты Llama 3.2 3B, Qwen2.5-3B, Ministral-3b, Stable Code 3B, Granite 3B и корейскую Bllossom. В метаданных указаны архитектура Llama с причинной генерацией текста, 1,6 млрд параметров и контекст до 131 072 токенов. Модель предназначена для генерации текста и ответов на запросы; состав слияния охватывает чатовые, корейские, неконцензурированные и кодовые варианты. Репозиторий использует формат safetensors и библиотеку Transformers. README не сообщает лицензию, поэтому условия использования по имеющимся сведениям определить нельзя.

Модель Abdelrahman033/abdelrahman-persona-qwen2.5-7b — дообученная разговорная языковая модель, разработанная Abdelrahman033 на базе unsloth/Qwen2.5-7B-Instruct-bnb-4bit. Она предназначена для генерации текста в диалоге; в метаданных также отмечен интерфейс вызова инструментов. Модель построена на плотной архитектуре Qwen2 с 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Указан английский язык. Модель подходит для диалоговых помощников и генерации ответов на текстовые запросы. В README не описаны специальная персона или узкие сценарии дообучения, поэтому область её специализации определить нельзя. Лицензия — Apache-2.0.

Acolyte-22B — диалоговая языковая модель на архитектуре Mistral, созданная rAIfle слиянием LoRA-адаптера Acolyte-LORA с Unsloth/Mistral-Small-Instruct-2409. Модель содержит 22 млрд параметров и поддерживает контекст до 131 072 токенов; для диалогов рекомендуется шаблон Mistral V2 или V3. В метаданных также заявлен интерфейс вызова функций. Модель предназначена для генерации текста и диалоговых сценариев. В README автор оценивает её качество как приемлемое для размера модели; адаптер обучался на наборе случайно выбранных датасетов, подробности предлагается смотреть в карточке Acolyte-LORA. Репозиторий содержит веса Safetensors; автор также упоминает варианты в форматах iMat GGUF и exl2. Лицензия в предоставленных данных не указана.

ishikaa/acquisition_generator_AS_gradient_numina_qwen14b — текстовая генеративная модель из семейства Qwen2, опубликованная на Hugging Face. В метаданных указаны 14 млрд параметров, поддержка библиотеки Transformers и максимальный контекст 32 768 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Модель можно применять для создания ответов на запросы, ведения диалогов, подготовки черновиков текста и других сценариев, основанных на text-generation. Метка conversational указывает на пригодность к разговорным сценариям, однако README не содержит сведений о разработчике, точной специализации, языках обучения или результатах оценки. Лицензия в доступных данных не указана. README также не описывает датасеты, процедуру обучения, ограничения, риски и рекомендуемые параметры использования.

ishikaa/acquisition_generator_AS_GT_confidence_omnimath_qwen3b — генеративная языковая модель из семейства Qwen2, опубликованная на Hugging Face пользователем ishikaa. Модель предназначена для генерации текста и диалоговых сценариев; в метаданных она обозначена как conversational и text-generation, а для работы предполагается библиотека Transformers. Модель содержит около 3,1 млрд параметров и поддерживает контекст длиной до 32 768 токенов. По доступным данным она может применяться для продолжения текста, генерации ответов в диалоге, подготовки черновиков и других задач, сводимых к авторегрессионной генерации текста. Сведения о разработчике, языках, лицензии, обучающих данных и результатах оценки в карточке отсутствуют.

Adamus-7B-slerp — объединённая модель для генерации диалогового текста, созданная с помощью LazyMergekit из mlabonne/NeuralBeagle14-7B и cognitivecomputations/dolphin-2.8-mistral-7b-v02. В метаданных указана архитектура Mistral с плотной структурой и классом MistralForCausalLM; размер модели — 7,1 млрд параметров, родной контекст — 32 768 токенов. Модель предназначена для генерации текста в формате диалога. Описание базовой NeuralBeagle14-7B указывает на задачи следования инструкциям, рассуждений и творческой генерации; эти возможности у объединённой модели отдельно не оценены. Объединение выполнено методом slerp, веса представлены в формате safetensors. Модель опубликована 3 июня 2024 года. Лицензия в предоставленных данных не указана.

AFM-4.5B-Base — базовая языковая модель Arcee.ai для генерации текста. Она предназначена для развертывания в облаке и на периферийных устройствах и может служить основой для приложений, которым нужны ответы на запросы, математические рассуждения или помощь с кодом. Несмотря на слово Base в названии, в карточке указано, что модель прошла supervised fine-tuning на инструкционных данных, а доступная версия получена после слияния и расширения контекста. Модель построена как плотный декодерный трансформер ArceeForCausalLM с grouped-query attention и активациями ReLU². README указывает 4,5 млрд параметров, тогда как метаданные каталога — 6 млрд. Обучение включало 8 трлн токенов, в том числе данные для улучшения математических рассуждений и генерации кода. Контекст составляет 65 536 токенов. Поддерживаются английский, испанский, французский, немецкий, итальянский, португальский, русский, арабский, хинди, корейский и китайский языки. Модель доступна в формате safetensors и работает с библиотекой Transformers. Лицензия — Apache-2.0. Качество ответов и точность рассуждений могут зависеть от задачи; в карточке нет результатов бенчмарков, подтверждающих уровень качества в конкретных сценариях.

AFM-4.5B-Base-Pre-Anneal — базовая плотная авторегрессионная модель семейства Arcee, разработанная Arcee.ai. Она построена на архитектуре Transformer decoder-only и содержит 4,5 млрд параметров по README (в метаданных указано 6 млрд). Для эффективного вывода использует grouped-query attention, а вместо SwiGLU — активацию ReLU², рассчитанную на поддержку разреживания. Модель обучена на 6,5 трлн токенов общих предобучающих данных; доступная версия предшествует этапу дообучения на математике и коде, слиянию моделей и расширению контекста. Модель предназначена для генерации текста и служит базой для последующей адаптации под разные сценарии. Она принимает текст и генерирует текст; нативный контекст составляет 4096 токенов. Метаданные указывают поддержку английского, испанского, французского, немецкого, итальянского, португальского, русского, арабского, хинди, корейского и китайского языков. Для работы можно использовать библиотеку Transformers. Лицензия — Apache-2.0. Поскольку это базовая модель до этапов настройки на математике и коде, README не заявляет о специализированных возможностях этих областей.

AfriqueQwen3.5-4B-ExtendedCM — плотная причинная языковая модель из набора AfriqueLLM, разработанная для улучшения работы с африканскими языками. Это вариант Qwen/Qwen3.5-4B-Base, адаптированный продолженным предобучением примерно на 34 млрд токенов; в расширенном варианте увеличена доля данных по программированию и математике. Модель содержит 4 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев, в том числе на африканских языках, а также для задач рассуждения, кода и математики. README указывает адаптацию для 20 африканских языков и сохранение возможностей на английском, французском, португальском и арабском; метаданные дополнительно перечисляют африкаанс, амхарский, хауса, игбо, суахили, йоруба и другие языки. Модель распространяется под лицензией CC BY 4.0. Базовая архитектура Qwen3.5 мультимодальная, однако в карточке этой версии подтверждены генерация текста и диалоговые возможности, а не обработка изображений.

Mo0189/agenty-qwen3-14b — дообученная языковая модель, разработанная Mo0189 на базе unsloth/Qwen3-14B-bnb-4bit с использованием Unsloth и библиотеки Hugging Face TRL. Это плотная модель семейства Qwen3 с архитектурой Qwen3ForCausalLM и 14 млрд параметров. Модель предназначена для генерации текста и диалогового взаимодействия; в метаданных также отмечен интерфейс вызова инструментов. Она принимает текст, а нативное окно контекста составляет 40 960 токенов. В карточке заявлен английский язык. Лицензия — Apache-2.0. Карточка не раскрывает специализацию дообучения, обучающие данные или результаты оценки качества, поэтому конкретные преимущества и профильные сценарии сверх генерации текста и диалога установить нельзя.