I.5Создание и редактирование текста

LongWriter-llama3.1-8b-GGUF — квантизированные версии языковой модели LongWriter-llama3.1-8b, разработанной THUDM и опубликованной в формате GGUF пользователем bartowski. Модель предназначена для генерации текста и диалоговых сценариев, включая работу с длинным контекстом. Указаны поддерживаемые языки английский и китайский, а также использование через llama.cpp и LM Studio. В основе лежит модель размером 8 млрд параметров; точные сведения об архитектуре и максимальной длине контекста в README не приведены. Доступны варианты от F32 до различных уровней квантизации Q8, Q6, Q5, Q4, Q3, Q2 и IQ, что позволяет выбирать между качеством генерации и требованиями к памяти. Варианты с более высокой точностью обеспечивают лучшее сохранение качества, а компактные версии подходят для систем с ограниченными ресурсами, но могут заметно уступать по качеству. Квантизация выполнена с использованием imatrix в llama.cpp на основе набора данных LongWriter-6k. Для взаимодействия рекомендуется формат промпта, указанный в карточке модели; шаблон чата автоматически не задан. Модель распространяется по лицензии llama3.1. Ограничения включают отсутствие заявленной поддержки изображений и других модальностей, а также неизбежные компромиссы в качестве у наиболее компактных вариантов.

LongWriter-Zero-32B — языковая модель для генерации связных длинных текстов, разработанная командой THU-KEG на основе Qwen2.5-32B-Base. Модель обучали продолжительным предобучением на книгах и технических отчётах, а затем оптимизировали с помощью обучения с подкреплением GRPO и составной функции награды, учитывающей длину, связность, полезность и формат ответа. Модель предназначена для создания текстов объёмом более 10 000 токенов: например, развёрнутых статей, отчётов и других материалов, требующих последовательного изложения и контроля длины. Архитектура — плотная Qwen2 с 32 млрд параметров; нативный контекст составляет 32 768 токенов. Карточка указывает английский и китайский языки. Для работы используется Transformers, веса доступны в формате safetensors. В README заявлены высокие результаты на WritingBench и Arena-Write, однако конкретные значения результатов в доступном тексте отсутствуют. Для генерации применяется специальный шаблон чата и протокол управления ответом; токенизатор и шаблон отличаются от Qwen2.5-32B-Instruct. Модель распространяется по лицензии Apache-2.0.

Mungert/LongWriter-Zero-32B-GGUF — GGUF-версия языковой модели LongWriter-Zero-32B, подготовленная Mungert на основе Qwen2.5-32B-Base; исходная модель разработана командой THU-KEG. Это авторегрессионная текстовая модель для генерации связных сверхдлинных текстов объёмом более 10 000 токенов, а также для общих и писательских задач. Она ориентирована на создание книг, технических отчётов и других структурированных материалов с контролем длины, связности, плавности и полезности ответа. Модель содержит 32 млрд параметров и обучалась с использованием reinforcement learning, включая Group Relative Policy Optimization (GRPO), Length Reward Model, Writing Reward Model и Format Reward Model. В исходную подготовку входили 30 млрд токенов продолжительного предобучения на длинных книгах и технических отчётах. Поддерживаемые языки — английский и китайский. Формат GGUF предназначен для запуска через совместимые инструменты, включая llama.cpp; конкретные варианты квантования и размер контекстного окна в карточке не указаны. Сильной стороной модели является специализация на ультрадлинной генерации и планировании структуры текста; заявлено сопоставимое или превосходящее качество по сравнению с моделями масштаба 100 млрд параметров в соответствующих сценариях. Ограничения включают возможные потери качества из-за квантования, зависимость результатов от выбранного GGUF-варианта и отсутствие в карточке подробных сведений о требованиях к оборудованию и точном контекстном окне. Модель распространяется по лицензии Apache-2.0.

LoRDCoder v0 12.3B — языковая модель с плотной авторегрессионной архитектурой LoRDCoder объёмом 12,3 млрд параметров. Репозиторий опубликован пользователем nolanoAI. Модель предназначена для генерации текста; README содержит пример использования, но без подробностей о конкретных сценариях. Модель принимает текст и генерирует текст, поддерживает контекст длиной до 8192 токенов и распространяется в формате PyTorch. Лицензия — BigCode OpenRAIL-M. Данных о специализированной предметной области или явно поддерживаемых языках нет.

Loxa Pro — языковая модель от frameai для генерации текста и диалогового взаимодействия. Она основана на архитектуре Gemma 2, содержит 3,3 млрд параметров и принимает текстовый ввод; заявленный контекст составляет 8192 токена. Модель распространяется в формате safetensors и использует лицензию Apache-2.0. Модель предназначена для решения математических задач и объяснения решений, написания и отладки кода, ответов на общие и научные вопросы, а также помощи с повседневными текстовыми задачами. В README разработчик заявляет о методе CA (Combine Architectures), эффективности на менее мощных GPU и улучшении точности относительно Loxa-4B и Loxa-3B, однако подробности метода и результаты сравнительных оценок не приведены. Как и другие языковые модели, Loxa Pro может отражать смещения обучающих данных и выдавать фактически неверные или вводящие в заблуждение ответы; результаты следует проверять. Для запуска требуются вычислительные ресурсы, хотя модель заявлена как оптимизированная для небольших GPU.

loyal-piano-m7-Mistral-7B-Instruct-v0.1 — объединённая чат-модель на архитектуре Mistral, созданная слиянием Mistral-7B-Instruct-v0.1 и chargoddard/loyal-piano-m7 методом SLERP. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста в ответ на инструкции и диалоговые запросы; заявленная длина контекста — 32 768 токенов. Модель принимает текст и выдаёт текст. В тегах карточки указан английский язык, а среди обучающих данных названы наборы для диалогов, суммаризации и ролевого общения. Вес опубликован в формате Safetensors под лицензией Apache-2.0. Карточка не содержит сравнительных оценок качества, поэтому пригодность для конкретных сценариев стоит проверять на собственных данных.

Luban 13B GGUF — языковая модель для генерации текста, разработанная AIDC-ai-business на базе AIDC-ai-business/Luban-13B и преобразованная в формат GGUF пользователем TheBloke. Модель относится к архитектуре Llama, содержит около 13 миллиардов параметров и предназначена для выполнения инструкций и формирования ответов на текстовые запросы. Модель ориентирована на сценарии текстовой генерации, включая ответы на инструкции, диалоговые приложения и локальный запуск через llama.cpp и совместимые интерфейсы. В карточке указаны английский язык и датасет Open-Orca. Для запросов используется шаблон Alpaca с разделами Instruction и Response. Формат GGUF поддерживает метаданные, специальные токены и различные варианты квантования; доступны файлы с разрядностью от 2 до 8 бит для инференса на CPU и GPU. К сильным сторонам относятся возможность локального запуска, широкий выбор уровней квантования и совместимость с llama.cpp, text-generation-webui, LM Studio, KoboldCpp и другими библиотеками и интерфейсами. Ограничения включают ориентацию преимущественно на английский язык, отсутствие мультимодальных возможностей и зависимость качества, скорости и требований к памяти от выбранного варианта квантования. Модель предназначена для текстовой генерации и не заявлена как специализированная система для других модальностей. Указана лицензия cc-by-nc-4.0 исходной модели. README также сообщает о применимости условий лицензии Meta Llama 2, поэтому модель следует считать подпадающей под обе лицензии; их взаимодействие требует отдельной проверки перед использованием, особенно в коммерческих сценариях.

Luciole-8B-Instruct-1.1 — диалоговая причинная языковая модель, дообученная и согласованная с предпочтениями пользователей на базе Luciole-8B-Base. Её разработали LINAGORA и консорциум OpenLLM-France в рамках проекта OpenLLM France. Модель имеет плотную архитектуру Nemotron H; в метаданных указано 16,4 млрд параметров и контекстное окно 131 072 токена, хотя при постобучении использовались последовательности длиной 16 384 токена. Модель предназначена для следования инструкциям и диалога, а также может применяться для вопросов и ответов, математики, науки, программирования, RAG и перевода. Обучение включало два этапа контролируемой настройки и выравнивание предпочтений методом DPO. Она показывает хорошие результаты в следовании инструкциям и французском языке, несмотря на то что постобучение проводилось преимущественно на английских данных; в карточке также указана поддержка английского и французского. Модель может галлюцинировать, а её качество в специализированной генерации кода и решении математических задач требует дополнительного обучения. Карточка рекомендует тщательно проверять модель перед использованием в промышленных системах и при необходимости дополнять её RAG. Распространяется по лицензии Apache 2.0.

Lumina-5.5-Instruct — диалоговая модель семейства Mixtral, созданная Ppoyaa с помощью LazyMergekit. Она предназначена для генерации текста в чате и использует архитектуру Mixture of Experts (MoE). В README заявлено 32 млрд параметров и контекст до 32 тыс. токенов; метаданные Hugging Face указывают 12,3 млрд параметров. Размер поэтому указан противоречиво. Модель основана на Ppoyaa/Lumina-5-Instruct и классифицирована в метаданных как дообучение этой модели. Опубликована в формате Safetensors; доступны отдельные варианты GGUF от mradermacher. Лицензия — Apache-2.0. Оценки Open LLM Leaderboard в README обозначены как ожидаемые.

ConvexAI/Luminex-34B-v0.2 — разговорная языковая модель ConvexAI на архитектуре Llama с 33,9 млрд параметров и контекстом до 32 768 токенов. По карточке, это SimpleSmaug-34b с применённым методом LaserRMT; в метаданных базовой моделью указана jondurbin/bagel-34b-v0.2, от которой модель является дообучением. Модель предназначена для генерации текста и диалогового взаимодействия. В README приведены результаты Open LLM Leaderboard: среднее значение 77,19, включая 74,49 в AI2 Reasoning Challenge и 86,76 в HellaSwag; другие результаты заявлены, но таблица неполная. Модель опубликована в форматах PyTorch и Safetensors. Лицензия обозначена как other, поэтому условия использования следует сверить с лицензией репозитория.

LWM-Text-128K — открытая авторегрессионная языковая модель на архитектуре Transformer семейства LLaMA, дообученная на основе LLaMA 2. По метаданным, модель содержит 6,6 млрд параметров и поддерживает контекст до 131 072 токенов. Она предназначена для генерации текста и работы с длинными последовательностями; при обучении использовались 92 тысячи документов Books3 длиной от 100 до 200 тысяч токенов. Языковые возможности отдельно не описаны. Модель опубликована в формате PyTorch; сведения о лицензии в предоставленных данных отсутствуют.

LWM-Text-Chat-128K — открытая авторегрессионная языковая модель LargeWorldModel на архитектуре Transformer семейства LLaMA. Модель с 6,6 млрд параметров дообучена на основе LLaMA-2; контекст составляет 131 072 токена. Модель предназначена для генерации текста и работы с длинными документами: её обучали на подмножестве Books3 из 92 тысяч документов длиной от 100 до 200 тысяч токенов. Это позволяет использовать её для диалога и создания продолжений текста с большим контекстом. В карточке указана лицензия на открытое использование, однако её условия здесь не приведены.

SzilviaB/Lyra_Dark_Mad_Party_12b — объединённая модель для генерации текста и диалогов, созданная методом TIES с помощью mergekit. В основу положена DavidAU/MN-GRAND-Gutenberg-Lyra4-Lyra-12B-DARKNESS; также объединены DavidAU/MN-GRAND-Gutenberg-Lyra4-Lyra-12B-MADNESS и Sao10K/MN-BackyardAI-Party-12B-v1. Модель основана на плотной архитектуре Mistral с причинной языковой моделью MistralForCausalLM и содержит 12,1 млрд параметров. Она предназначена для текстовых запросов, диалогов и генерации продолжений; заявленный родной контекст составляет 1 024 000 токенов. Репозиторий использует Transformers и формат safetensors. Карточка не описывает конкретные языки или специализированные области применения. Лицензия в предоставленных данных не указана. Как и у других генеративных языковых моделей, ответы могут содержать ошибки или выдуманные сведения.

M7T3qm7xp_Experiment26T3qm7xp — объединённая языковая модель MaziyarPanahi на архитектуре Mistral с 7,1 млрд параметров. Она создана слиянием моделей automerger/M7T3qm7xp-7B и automerger/Experiment26T3qm7xp-7B и предназначена для генерации текста.

MaziyarPanahi/M7Yamshadowexperiment28_Experiment24Experiment26 — объединённая модель для генерации текста, созданная на основе automerger/M7Yamshadowexperiment28-7B и automerger/Experiment24Experiment26-7B. В её основе архитектура Mistral с плотной сетью причинного языкового моделирования; размер составляет 7,1 млрд параметров, а максимальная длина контекста — 32 768 токенов. Модель подходит для генерации продолжений текста и других задач текстовой генерации. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Карточка не уточняет языки обучения и ограничения качества.

MaziyarPanahi/M7Yamshadowexperiment28_Inex12Yamshadow — объединённая модель для генерации текста, созданная слиянием automerger/M7Yamshadowexperiment28-7B и automerger/Inex12Yamshadow-7B. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров. Модель принимает текст и генерирует текст; размер контекста составляет до 32 768 токенов. Модель подходит для генерации продолжений и ответов на текстовые запросы. В карточке не описаны специализация, языковое покрытие и результаты оценки качества. Распространяется в формате safetensors по лицензии Apache-2.0.

M7Yamshadowexperiment28_NeuralsirkrishnaM7 — объединённая модель на базе двух моделей Mistral: automerger/M7Yamshadowexperiment28-7B и automerger/NeuralsirkrishnaM7-7B. Она предназначена для генерации текста и диалогового взаимодействия; архитектура — плотная авторегрессионная Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Карточка не содержит сведений о специализации, обучающих данных или проверках качества.

MaziyarPanahi/M7Yamshadowexperiment28_OgnoShadow — объединённая модель семейства Mistral с 7,1 млрд параметров, созданная на основе automerger/M7Yamshadowexperiment28-7B и automerger/OgnoShadow-7B. Она предназначена для генерации текста и диалоговых ответов, включая сценарии с контекстом до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. README и метаданные не уточняют её языковой охват и специальные ограничения.

Модель thebbg/Ma7ee7_Qwen3.8_4B_Distilled — дообученная версия Qwen3, опубликованная разработчиком thebbg. Это плотная языковая модель с архитектурой Qwen3ForCausalLM и 3,7 млрд параметров; она предназначена для генерации текста и диалогового взаимодействия. В карточке указано, что обучение проводилось с Unsloth. Модель принимает текст и выдаёт текст. Для неё заявлено контекстное окно до 262 144 токенов, а в метаданных указан английский язык. Базовая модель описана как подходящая для рассуждений, программирования и диалоговых задач; отдельные специализированные возможности этой версии не описаны. Лицензия — Apache-2.0.

MachiNoDolphin-Qwen2.5-72b — слитая с помощью mergekit методом TIES языковая модель на базе Qwen2.5-72B. В объединение вошли SteyrCannon-0.2-Qwen2.5-72b, banana-2-b-72b, shuttle-3, Evathene-v1.0 и Chronos-Platinum-72B. Модель содержит 71,5 млрд параметров, построена на плотной архитектуре Qwen2 и поддерживает контекст до 131 072 токенов. Модель предназначена для диалогов и генерации текста; для общения используется формат ChatML. По описанию автора, она в основном допускает свободные ответы, хотя иногда может отказывать на отдельные запросы. Метаданные указывают поддержку английского, русского, китайского, японского и ряда других языков. Автор рекомендует экспериментальные настройки генерации с высокой температурой, поэтому результат может зависеть от параметров декодирования. Модель распространяется в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

Magnolia-v2-12B — плотная языковая модель на архитектуре Mistral, созданная автором grimjim слиянием моделей через task arithmetic с помощью mergekit. В качестве базовой использована Mistral Nemo Base; в слияние также вошли Mistral Nemo Instruct и magnum-consolidatum-v1-12b. Модель содержит 12,1 млрд параметров, работает с контекстом до 131 072 токенов и распространяется в формате safetensors через Transformers. Модель предназначена для генерации текста и диалоговых сценариев. Автор предупреждает, что она может быть чрезмерно творческой и склонной к галлюцинациям; в таких случаях рекомендуется снизить температуру генерации. Веса доступны по лицензии Apache-2.0.

DazzlingXeno/MagnumChronos — объединённая текстовая модель, созданная автором репозитория с помощью mergekit и метода della. В качестве базовой модели использована elinas/Chronos-Gold-12B-1.0; в объединение также включена anthracite-org/magnum-v2-12b. Модель построена на архитектуре Mistral с плотной causal language model и содержит 12,1 млрд параметров. Она предназначена для генерации текста и диалогового общения. В метаданных заявлена длина контекста 1 024 000 токенов. Репозиторий содержит веса Safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана. README не описывает оценку качества или специальные ограничения модели; возможности работы на длинном контексте и качество ответов следует проверять в целевом сценарии.

SzilviaB/Magnum_Lyra_Darkness_12b — объединение языковых моделей, созданное автором репозитория с помощью mergekit и метода SLERP. В состав вошли anthracite-org/magnum-v4-12b и DavidAU/MN-GRAND-Gutenberg-Lyra4-Lyra-12B-DARKNESS; в конфигурации базовой указана anthracite-org/magnum-v4-12b. Модель относится к семейству Mistral, имеет плотную архитектуру MistralForCausalLM и содержит 12,1 млрд параметров. Модель предназначена для генерации текста и диалоговых ответов, а также может использоваться для создания прозы. Метаданные указывают интерфейс чата и вызова инструментов. Заявленная длина контекста — 1 024 000 токенов; модель опубликована в формате safetensors для библиотеки Transformers. Сведения о лицензии и поддерживаемых естественных языках в предоставленных данных отсутствуют.

Magnum v2 32B GGUF — это квантизированные варианты текстовой генеративной модели Anthracite, разработанные командой Anthracite и созданные на основе Qwen1.5 32B. Модель дообучалась для воспроизведения качества прозы моделей Claude 3, прежде всего Sonnet и Opus, и предназначена для диалогов, генерации текста, выполнения инструкций и задач, где важны качество и структура письменного ответа. Модель поддерживает текстовую модальность и ориентирована на английский и китайский языки. Она содержит около 32 миллиардов параметров, распространяется в формате GGUF и использует ChatML для форматирования диалоговых запросов. В README не указана длина контекстного окна и не приведены сведения о конкретных вариантах квантизации, производительности или системных требованиях. Дообучение проводилось в течение двух эпох на наборах данных, связанных с диалогами, рассуждениями и качественной прозой. К сильным сторонам относятся крупный размер, ориентация на естественную и выразительную генерацию текста, а также поддержка локального запуска через совместимые инструменты для GGUF. Ограничения включают отсутствие подробных оценок качества, неполные сведения о безопасности и неизвестные характеристики отдельных квантизированных сборок. Лицензия обозначена как other с названием tongyi-qianwen; в качестве текста лицензии указана лицензия Qwen2-72B-Instruct.

Magnum v3 27B KTO — диалоговая языковая модель Anthracite, двенадцатая в серии, нацеленной на воспроизведение качества прозы Claude 3 Sonnet и Opus. Это плотная авторегрессионная модель Gemma 2 с 27,6 млрд параметров и контекстом 8192 токена; она принимает текст и генерирует текст, используя формат инструкций ChatML. Модель создана на основе IntervitensInc/gemma-2-27b-chatml: после SFT-прохода Anthracite провела несколько запусков KTO и объединила варианты обучения, выбрав итоговую смесь. Она предназначена для диалогов, следования инструкциям и генерации связной прозы. В README приведены результаты отдельных оценок, включая 56,75 на IFEval и 41,16 на BBH; эти значения не гарантируют качество в конкретных задачах. Модель выпущена под лицензией Gemma.

Magnum v4 12B — разговорная языковая модель Anthracite, дообученная на базе mistralai/Mistral-Nemo-Instruct-2407 для воспроизведения качества прозы Claude 3 Sonnet и Opus. Это плотная авторегрессионная модель семейства Mistral с 12,1 млрд параметров, представленная в формате safetensors и предназначенная для генерации текста в диалогах. Она принимает сообщения в формате инструкций [INST] и подходит для написания прозы и ответов в чате; в метаданных также отмечен интерфейс вызова инструментов. Карточка указывает английский язык и контекст до 1 024 000 токенов. Модель распространяется по лицензии Apache-2.0. Приведённые оценки Open LLM Leaderboard включают IFEval 33,93 и BBH 30,50; результаты сами по себе не гарантируют качество для конкретных задач.

Kaoeiri/Magpantheon-lark-v4x1.6.2-Cydonia-vXXX-22B — объединённая 22-миллиардная языковая модель на архитектуре Mistral, созданная с помощью mergekit методом DARE TIES на основе anthracite-org/magnum-v4-22b. В состав слияния также вошли модели Cydonia, Pantheon-RP-Pure и MS-Meadowlark. Модель предназначена для генерации текста и диалогов; её можно применять для создания связной прозы и ролевых сценариев. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. Метаданные отмечают интерфейс вызова инструментов, но сами по себе не подтверждают качество или надёжность такого использования. Модель опубликована в формате Safetensors. Условия лицензии в предоставленных источниках не приведены.

Mahou-1.5-mistral-nemo-12B-lorablated — объединённая языковая модель на базе Mistral, созданная с помощью mergekit из flammenai/Mahou-1.5-mistral-nemo-12B и nbeerbower/Mistral-Nemo-12B-abliterated-LORA. Модель содержит 12,1 млрд параметров и использует архитектуру MistralForCausalLM; веса опубликованы в формате safetensors и представлены в библиотеке Transformers. Модель предназначена для генерации текста, диалогов и ролевого общения. В метаданных заявлено контекстное окно до 1 024 000 токенов. Слияние выполнено методом task arithmetic с типом данных bfloat16. Модель распространяется по лицензии Apache-2.0. Карточка приводит результаты оценки на IFEval и BBH, но не описывает подробно условия тестирования или ограничения качества.

Mamba2-primed-HQwen3-8B-Instruct — гибридная языковая модель, подготовленная командой Hybrid Model Factory на основе Qwen3-8B. В архитектуре 18 слоёв Attention и 18 слоёв Mamba-2; модель содержит 7,6 млрд параметров и поддерживает контекст до 131 072 токенов. Она instruction-tuned и предназначена для генерации текста и диалогов, следования инструкциям и работы с длинными контекстами. Сочетание Attention и Mamba-2 сокращает долю растущего KV-кэша, что помогает повысить пропускную способность и уменьшить расход памяти при длинных последовательностях. По данным карточки, модель может уступать базовой Qwen3-8B в качестве, особенно на длинном контексте; Mamba-2 описана как менее выразительная, чем некоторые другие SSM-слои. Модель не поддерживает вызов инструментов и не генерирует специальные токены рассуждений. Доступна под лицензией Apache 2.0.

kzome/manhua-ar-model — дообученная разработчиком kzome модель генерации текста на архитектуре Qwen2.5. Она основана на unsloth/Qwen2.5-7B-Instruct-bnb-4bit и содержит 7,1 млрд параметров; в карточке указаны обучение с Unsloth и библиотекой TRL, а также поддержка диалога и интерфейса вызова инструментов. Модель подходит для генерации текста и диалогового взаимодействия. Контекстное окно составляет до 32 768 токенов, основной указанный язык — английский. Модель распространяется по лицензии Apache-2.0.