I.5Создание и редактирование текста

Experiment26Neuralsirkrishna_Inex12Experiment28 — объединённая модель, созданная из automerger/Experiment26Neuralsirkrishna-7B и automerger/Inex12Experiment28-7B. Она использует плотную архитектуру Mistral с 7,1 млрд параметров и предназначена для генерации текста, включая диалоги, с контекстом до 32 768 токенов. Модель принимает текст и выдаёт текст. В карточке указана лицензия Apache-2.0. README и метаданные не описывают конкретные преимущества или результаты оценки качества.

Experiment26Neuralsirkrishna_YamPastiche — объединённая модель генерации текста, созданная из automerger/Experiment26Neuralsirkrishna-7B и automerger/YamPastiche-7B. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров. Модель предназначена для генерации текста и диалогов. Контекст составляет до 32 768 токенов; доступны веса в формате Safetensors. Язык модели в предоставленных источниках не указан. Модель распространяется по лицензии Apache-2.0. README не приводит оценок качества или специальных ограничений применения.

Experiment26T3q-7B — созданная Maxime Labonne автоматическим слиянием методом SLERP моделей rwitz/experiment26-truthy-iter-1 и chihoonlee10/T3Q-Mistral-Orca-Math-DPO. Это плотная Mistral-модель с 7,1 млрд параметров для генерации текста; базовая математическая модель прошла DPO-дообучение на математических данных. Модель принимает текстовые запросы и предназначена для диалоговых ответов и генерации текста, в том числе для решения математических задач. Длина контекста — 32 768 токенов. Веса доступны в формате safetensors, лицензия — Apache-2.0.

MaziyarPanahi/Experiment26Yam_Experiment27Inex12 — объединённая модель семейства Mistral для генерации текста. Она создана слиянием моделей automerger/Experiment26Yam-7B и automerger/Experiment27Inex12-7B. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Её можно применять для генерации продолжений текста и диалоговых ответов на текстовые запросы. Модель опубликована в формате Safetensors под лицензией Apache-2.0. Данных о специализированных предметных областях или языках в предоставленных источниках нет.

Experiment26Yam_Experiment29Pastiche — объединённая модель для генерации текста, созданная MaziyarPanahi путём слияния automerger/Experiment26Yam-7B и automerger/Experiment29Pastiche-7B. Она основана на плотной архитектуре Mistral с 7,1 млрд параметров и принимает текстовый контекст длиной до 32 768 токенов. Модель подходит для генерации продолжений текста и диалоговых ответов. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. README не описывает отдельные специализации или ограничения качества; доступные сведения указывают на применение общего назначения.

MaziyarPanahi/Experiment26Yam_Ognoexperiment27Multi_verse_model — объединённая модель для генерации текста, созданная на основе двух моделей: automerger/Experiment26Yam-7B и automerger/Ognoexperiment27Multi_verse_model-7B. Она использует плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров. Модель предназначена для генерации текста с контекстом до 32 768 токенов. Карточка не уточняет специализацию, поддерживаемые языки или отдельные сценарии применения. Веса опубликованы в формате safetensors по лицензии Apache-2.0.

Experiment26Yamshadow_PasticheNeuralsirkrishna — объединённая текстовая модель на архитектуре Mistral, созданная из automerger/Experiment26Yamshadow-7B и automerger/PasticheNeuralsirkrishna-7B. Она предназначена для генерации текста и может использоваться в приложениях, которым нужна языковая модель с контекстом до 32 768 токенов. Модель содержит 7,1 млрд параметров и распространяется в формате Safetensors по лицензии Apache-2.0. Сведений о специализации, поддерживаемых языках и особенностях качества в карточке нет.

MaziyarPanahi/Experiment26Yamshadow_ShadowYam — объединённая модель для генерации текста, созданная на основе automerger/Experiment26Yamshadow-7B и automerger/ShadowYam-7B. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации продолжений и ответов на текстовые запросы. Веса опубликованы в формате safetensors, лицензия — Apache-2.0. Карточка не описывает конкретную специализацию, языки или результаты оценки качества, поэтому их нельзя уверенно указать.

Experiment28M7_Experiment24Alloyingotneoy — объединённая языковая модель семейства Mistral, созданная слиянием моделей automerger/Experiment28M7-7B и automerger/Experiment24Alloyingotneoy-7B. Она предназначена для генерации текста и поддерживает контекст до 32 768 токенов; размер модели — 7,1 млрд параметров. Репозиторий содержит веса в формате Safetensors. Модель распространяется по лицензии Apache 2.0. Модель подходит для генерации продолжений и ответов на текстовые запросы. README не приводит результатов оценки качества или сведений о целевых языках и специализированных сценариях, поэтому её возможности сверх генерации текста не следует предполагать.

MaziyarPanahi/Experiment28M7_Experiment24Experiment28 — слитая языковая модель семейства Mistral, созданная на основе automerger/Experiment28M7-7B и automerger/Experiment24Experiment28-7B. Она предназначена для генерации текста и экспериментальных сценариев работы с языковыми моделями. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. Карточка не описывает специализацию, языки или сравнительные результаты модели; поэтому её возможности следует считать общими для генерации текста, а качество — проверять на целевых задачах.

MaziyarPanahi/Experiment28M7_Ognoexperiment27M7 — объединённая модель Mistral для генерации текста. Она создана путём слияния моделей automerger/Experiment28M7-7B и automerger/Ognoexperiment27M7-7B и содержит 7,1 млрд параметров. Модель рассчитана на текстовые запросы и может вести диалог; длина контекста составляет до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает специальные предметные области или конкретные языки, поэтому её можно рассматривать как модель общего назначения. Качество, языковое покрытие и ограничения в README не раскрыты.

MaziyarPanahi/Experiment28M7_YamM7 — объединённая модель для генерации текста и диалогов, созданная слиянием automerger/Experiment28M7-7B и automerger/YamM7-7B. Она построена на архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Модель подходит для генерации продолжений текста и ведения диалогов. Карточка не сообщает о специализации на конкретной области или языке. Данных о качестве, обучающих наборах и ограничениях поведения нет.

Experiment28T3q_Experiment28Inex12 — объединённая языковая модель, созданная на основе automerger/Experiment28T3q-7B и automerger/Experiment28Inex12-7B. Модель разработана и опубликована MaziyarPanahi. Это плотная авторегрессионная модель архитектуры Mistral с 7,1 млрд параметров. Она предназначена для генерации текста; заявленный размер контекста — 32 768 токенов. В репозитории представлены веса в формате Safetensors. Модель можно использовать для генерации продолжений и ответов в текстовых сценариях. README не описывает специальные возможности, языковую специализацию или результаты оценки качества. Лицензия — Apache 2.0.

f-5-8b — языковая модель для генерации текста, полученная объединением моделей jaspionjader/f-2-8b и jaspionjader/f-4-8b методом SLERP с помощью mergekit. Модель основана на архитектуре Llama и содержит 7,5 млрд параметров. Она предназначена для диалогового взаимодействия и генерации текста. Репозиторий содержит веса в формате safetensors; модель загружается через Transformers и поддерживает контекст длиной до 8192 токенов. Веса объединены в формате bfloat16. В карточке не приведены сведения о целевых языках и сравнительных оценках качества, поэтому пригодность для конкретных языков и задач следует проверять на собственных примерах. Лицензия в предоставленных данных не указана.

Falcon-180B-Chat — диалоговая языковая модель на 180 млрд параметров, разработанная Институтом технологических инноваций (TII) на основе Falcon-180B и дообученная на смесях Ultrachat, Platypus и Airoboros. Это авторегрессионная модель с архитектурой decoder-only; в ней используются вращательные позиционные эмбеддинги, multi-query attention и FlashAttention. Модель предназначена для диалогов и следования инструкциям в текстовом формате. Модель лучше всего рассчитана на английский язык; также заявлена поддержка немецкого, испанского и французского, с ограниченными возможностями на ряде других европейских языков. Карточка не сообщает длину контекста. Для быстрого инференса требуется около 400 ГБ памяти; запуск в bfloat16 требует примерно восьми A100 по 80 ГБ или эквивалентного оборудования. Модель может воспроизводить стереотипы и смещения из веб-данных, а её ответы на языках помимо английского могут быть ненадёжны. Для применения в производстве разработчик рекомендует оценивать риски и добавлять защитные механизмы. Распространяется по лицензии Falcon-180B TII License и Acceptable Use Policy, допускающей коммерческое использование с соблюдением её условий.

Falcon-H1-1.5B-Instruct-GGUF — инструкционная языковая модель, разработанная Technology Innovation Institute (TII). Это каузальная decoder-only модель с гибридной архитектурой Transformers и Mamba, предназначенная для генерации текста и выполнения инструкций, включая задачи рассуждения, математики, работы с научными вопросами, программирования и следования сложным указаниям. Модель доступна в формате GGUF и рассчитана на использование с llama.cpp; также поддерживается запуск через Transformers и vLLM. Модель относится к семейству Falcon-H1 и имеет размер 1,5 млрд параметров. Она поддерживает английский и многоязычные сценарии, включая арабский, китайский, чешский, немецкий, испанский, французский, хинди, итальянский, японский, корейский, нидерландский, польский, португальский, румынский, русский, шведский и урду. В опубликованных оценках Falcon-H1-1.5B показывает сильные результаты среди сопоставимых компактных моделей в общих задачах, математике, научных вопросах, программировании и следовании инструкциям, однако уступает некоторым моделям на отдельных тестах. Длина контекста и точные требования к ресурсам в README не указаны. Использование регулируется лицензией Falcon-LLM License; приведена ссылка на её условия. Модель подходит для локального запуска и приложений, где важны компактность, многоязычность и эффективность, но результаты следует дополнительно проверять для критически важных задач.

MaziyarPanahi/Falkor-7b-Mistral-7B-Instruct-v0.2-slerp-GGUF — это квантованная версия языковой модели Falkor-7b-Mistral-7B-Instruct-v0.2-slerp, разработанная и подготовленная MaziyarPanahi. Модель основана на Mistral-7B-Instruct-v0.2 и предназначена для генерации текста и выполнения инструкций в локальных и серверных сценариях. Модель поставляется в формате GGUF, совместимом с llama.cpp и рядом приложений и библиотек для локального запуска, включая text-generation-webui, KoboldCpp, GPT4All, LM Studio, llama-cpp-python и другие. Доступны варианты квантования с разрядностью от 2 до 8 бит, включая Q2_K, Q3_K, Q4_K, Q5_K и Q6_K. Это позволяет выбирать компромисс между размером файла, требованиями к ресурсам и качеством генерации. Точное число параметров указано как 7B; поддерживаются текстовые задачи, однако сведения о языках и размере контекстного окна в README отсутствуют. Сильными сторонами являются уменьшенный размер квантованных файлов и возможность запуска на широком спектре локальных конфигураций с поддержкой CPU и GPU через совместимые инструменты. Ограничения включают потенциальное снижение качества при использовании более агрессивного квантования, а также отсутствие в README подробных результатов оценки, описания архитектуры с дополнительными деталями и характеристик мультимодальности. Модель распространяется по лицензии Apache-2.0.

Faro-Yi-9B-DPO-imatrix-GGUF — набор GGUF-квантизаций модели Faro-Yi-9B-DPO, опубликованный пользователем duytnet. Базовая модель разработана wenbopan как DPO-версия Faro-Yi-9B на архитектуре Yi с примерно 9 млрд параметров. Модель предназначена для генерации текста и диалоговых сценариев, использует шаблон ChatML и поддерживает работу через llama.cpp, KoboldCpp, Ollama, text-generation-webui, Jan и GPT4All. Модель ориентирована на ответы общего назначения, рассуждения, работу с вопросами и документами, включая длинный контекст. В README заявлены высокие результаты на MMLU, GSM8K, HellaSwag, TruthfulQA, AI2 ARC, Winogrande и CMMLU, а также предпочтение ответов модели в оценке MT-Bench с использованием GPT-4 Judge. Для оригинальной модели описана работа с контекстом до 32K токенов при 24 ГБ видеопамяти, до 48K при использовании FP8 KV-кэша и до 160K для 4-битной AWQ-квантизации, однако фактические возможности конкретной GGUF-квантизации зависят от файла, аппаратного обеспечения и настроек запуска. В карточке указаны английский язык и лицензия «other», но точные условия лицензии не приведены. GGUF-квантизация снижает требования к памяти и упрощает локальный запуск, однако может приводить к некоторой потере качества по сравнению с полноразмерной моделью; степень потерь зависит от выбранного варианта квантизации.

FastContext-4B-SFT_base-SFT-Fable5 — плотная языковая модель для генерации текста, созданная дообучением Microsoft FastContext-1.0-4B-SFT на наборе инструкций Fable-5-Complete-2M-Clean. В основе архитектура Qwen3ForCausalLM; в метаданных указано 3,7 млрд параметров, а в README — 4,0 млрд. Контекст составляет до 262 144 токенов. LoRA-адаптеры объединены с базовыми весами, поэтому результат представляет собой цельную модель.

FimbulHermes-15B-v0.1 — текстовая чат-модель, созданная с помощью mergekit объединением NousResearch и Sao10K. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 15,2 млрд параметров; она принимает текст и генерирует текст, поддерживает контекст до 4096 токенов. Модель предназначена для диалогов и генерации текста. В README её характеризуют как стабильную и выразительную, однако отмечают, что она не прошла тщательную оценку. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана.

Fimburs11V3 — плотная языковая модель семейства Llama с 10,6 млрд параметров, созданная сообществом mergekit-community путём слияния предварительно обученных моделей Sao10K/Fimbulvetr-11B-v2 и Cognitive-Machines-Labs/Ursidae-11b-Mini. Для слияния применён метод SLERP; конфигурация использует веса в формате bfloat16. Модель предназначена для генерации текста и ответов, в том числе диалогового текста. Она принимает текст и выдаёт текст, работает через библиотеку Transformers и имеет контекстное окно 4096 токенов. Карточка не описывает отдельную специализацию или набор поддерживаемых языков; базовая модель в каталоге ориентирована на английский язык. Модель доступна в формате safetensors. Условия лицензии в предоставленных данных не указаны.

Модель nnajmi/Fine-Tuning-LLM — дообученная nnajmi разговорная языковая модель семейства Llama на архитектуре LlamaForCausalLM. Она основана на unsloth/llama-3.2-3b-instruct-unsloth-bnb-4bit и предназначена для генерации текста и диалогов. В карточке указано, что при обучении использовались Unsloth и библиотека Hugging Face TRL. Модель содержит 3,2 млрд параметров, принимает текст и выдаёт текст; указанная длина контекста — 131 072 токена. В метаданных отмечена поддержка английского языка. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

flammenai/flammen12-mistral-7B — слитая mergekit-модель на архитектуре Mistral, созданная методом SLERP из nbeerbower/bruphin-iota и nbeerbower/flammen11X-mistral-7B. Модель содержит 7,1 млрд параметров и предназначена для генерации текста по запросу; поддерживаемая задача — text-generation. Нативная длина контекста составляет 32 768 токенов. Весы представлены в формате safetensors. Модель распространяется по лицензии Apache-2.0. Карточка описывает способ слияния и исходные модели, но не приводит конкретных сценариев применения или оценок качества.

flammen16-mistral-7B — языковая модель FlammenAI на архитектуре Mistral с 7,1 млрд параметров. По карточке, модель получена слиянием предварительно обученных моделей и последующим дообучением методом Direct Preference Optimization на наборе Truthy DPO от Jon Durbin; метаданные указывают базовую модель flammen15X-mistral-7B. Для запуска используется библиотека Transformers, веса представлены в формате safetensors, лицензия — Apache-2.0. Модель предназначена для ролевых диалогов с персонажами, творческого письма и задач общего назначения, связанных с генерацией текста. Заявленная длина контекста — до 32 768 токенов. Карточка не сообщает конкретные языки обучения или целевые языки, поэтому языковую специализацию определить нельзя.

flammen25-mistral-7B — созданная flammenai объединённая языковая модель на архитектуре Mistral, полученная методом SLERP с помощью mergekit из flammenai/flammen24X-mistral-7B и nbeerbower/KawaiiMahou-mistral-7B. Модель содержит 7,1 млрд параметров, использует формат safetensors и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста, включая чатовые и ролевые диалоги. Базовая модель nbeerbower/KawaiiMahou-mistral-7B описана как дообученная на японских данных предпочтений; карточка данной модели не уточняет отдельные языковые характеристики результата. Лицензия — Apache-2.0.

flammen32-mistral-7B — языковая модель семейства Mistral с плотной архитектурой и 7,1 млрд параметров, разработанная FlammenAI. Она создана слиянием предварительно обученных моделей и последующим дообучением; для неё указаны наборы данных Date-DPO-v1, Date-DPO-v2, Date-DPO-v3 и Grill-Flammen-v1_chatML. Модель предназначена для генерации текста и диалогов, особенно ролевых сцен с персонажами, творческого письма и ответов общего назначения. Модель принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов и доступна в формате safetensors для библиотеки Transformers. README упоминает дообучение на A100 через Google Colab. Лицензия — Apache-2.0. В README также есть упоминание о тонкой настройке Llama 3 с ORPO, которое противоречит метаданным о базовой модели Mistral; поэтому основу следует считать указанной в метаданных, а детали обучения из README — неоднозначными.

Flan-Alpaca-Large — модель для следования инструкциям, созданная лабораторией Declare-Lab путём дообучения FLAN-T5 на наборах инструкций Flan и Alpaca. Она использует архитектуру T5 с условной генерацией текста и предназначена для ответов на запросы и выполнения разнообразных текстовых заданий. Репозиторий содержит веса PyTorch и Safetensors; лицензия — Apache-2.0. Модель принимает текст и генерирует текст. Метаданные указывают 385,2 млн параметров и контекст до 512 токенов. README сообщает об обучении на данных Flan и Alpaca, но приводит для версии Large другое число параметров — 770 млн; поэтому размер из метаданных может не совпадать с описанием в карточке. Поддерживаемые языки явно не перечислены.

thealper2/flan-t5-base-text-paraphraser — англоязычная модель перефразирования на базе Google Flan-T5-base, дообученная разработчиком методом полного fine-tuning на парах предложений ParaNMT из набора redis/langcache-sentencepairs-v3. Это encoder-decoder-модель семейства T5 с 123,8 млн параметров; она принимает текст и генерирует его перефразированный вариант. Для обучения использовали случайную выборку из миллиона пар, а исходный корпус был приведён к нижнему регистру и токенизирован в стиле PTB. Модель предназначена для перефразирования отдельных английских предложений и работы с короткими текстовыми фрагментами. Её сильная сторона — специализация на генерации альтернативных формулировок; контекст модели составляет 512 токенов, а входы при обучении ограничивались 128 токенами. Модель наследует шум корпуса обратного перевода: перефразирование может менять смысл. Выход обычно остаётся в нижнем регистре с пробелами вокруг знаков препинания. Лицензия — Apache-2.0.

FLAN-T5-XL — языковая модель Google на архитектуре T5, дообученная следовать инструкциям на более чем тысяче дополнительных задач. Версия XL содержит 1,5 млрд параметров, принимает текст и генерирует текст; контекст — до 512 токенов. Модель распространяется в форматах PyTorch и Safetensors по лицензии Apache 2.0. Модель предназначена для выполнения разнообразных текстовых задач по инструкциям, включая ответы на вопросы, рассуждения, обобщение и генерацию текста, в том числе в режиме zero-shot и few-shot. Она обучалась на многоязычных задачах; в карточке перечислены английский, русский и десятки других языков. Подходит для экспериментов и как основа для прикладных NLP-сценариев с последующей оценкой. Карточка предупреждает о возможном воспроизведении предвзятости и неподходящего содержания из обучающих данных. Модель не тестировалась в реальных приложениях; перед применением следует оценить безопасность и справедливость для конкретного сценария.

FLAN-T5-XXL — языковая модель семейства T5, разработанная Google и дообученная по инструкциям на более чем тысяче дополнительных задач. Это вариант с 5,8 млрд параметров, построенный на архитектуре encoder-decoder T5; модель принимает текст и генерирует текст в формате text-to-text. Она предназначена для выполнения разнообразных задач по текстовой инструкции, включая ответы на вопросы, рассуждения и few-shot- или zero-shot-сценарии. Карточка указывает английский, немецкий и французский языки; метаданные также отмечают румынский и многоязычность. Модель распространяется в форматах PyTorch и safetensors по лицензии Apache 2.0. FLAN-T5-XXL может служить основой для прототипов и исследований языковых моделей, обработки естественного языка и обучения на примерах в запросе. Авторы сообщают о сильных результатах на разных бенчмарках, однако модель не тестировалась в реальных приложениях. Она может воспроизводить смещения и неподходящий контент из обучающих данных, поэтому перед применением в конкретном продукте необходима оценка качества, безопасности и справедливости.