I.5Создание и редактирование текста

Карточка модели scalejade/qwen-sea-lion-v4.5-27b-it на Hugging Face совпадает с карточкой aisingapore/Qwen-SEA-LION-v4.5-27B-IT, поэтому описание составлено по ней. Qwen-SEA-LION-v4.5-27B-IT — мультимодальная инструктивная модель AI Singapore для языков Юго-Восточной Азии, дообученная на основе Qwen3.6-27B. Это плотная модель на 27 млрд параметров с гибридной архитектурой Linear и Full Attention и визуальным энкодером; она принимает текст и изображения и генерирует текст. Контекстное окно составляет 262 тыс. токенов. Модель прошла постобучение с дистилляцией и слиянием моделей на наборе SEA-Instruct-2602. Модель предназначена для многоязычного диалога, ответов на вопросы, перевода, суммаризации, рассуждений и работы с изображениями. В карточке заявлена поддержка английского, бирманского, индонезийского, филиппинского, малайского, тамильского, тайского и вьетнамского языков; метаданные также указывают китайский. Доступны интерфейсы чата и вызова инструментов. Модель распространяется по лицензии MIT. Разработчик предупреждает, что модель может галлюцинировать, давать нерелевантные или непоследовательные ответы и не проверялась на устойчивость к состязательным запросам. Она не проходила выравнивание по безопасности, поэтому перед использованием следует самостоятельно оценить риски и при необходимости провести дополнительную настройку.

Qwenstein 2.5 32B Instruct — объединённая автором maldv языковая модель на архитектуре Qwen2 для диалогов и генерации текста. Она создана методом нормализованной интерполяции денойзированных преобразований Фурье и объединяет Qwentile2.5-32B-Instruct, Sky-T1-32B-Preview, 32B-Qwen2.5-Kunou-v1 и QwQ-32B-Preview-IdeaWhiz-v1 поверх Qwen2.5-32B. Модель содержит 32 млрд параметров, принимает текст и поддерживает контекст до 131 072 токенов. Модель предназначена для диалоговых ответов, решения задач рассуждения и работы с математической записью; в карточке отмечены хорошие возможности LaTeX. Автор приводит пример, где модель распознаёт правильность предложенного решения задачи о мерных вёдрах, но сама не находит его сразу, что показывает возможную нестабильность рассуждений. Доступны веса в формате safetensors; README также упоминает варианты GGUF, GGUF-imat и EXL2 4.2 bpw. Лицензия — Apache-2.0.

Kaoeiri/Qwenwify2.5-32B-v4.5 — объединённая языковая модель, созданная автором репозитория с помощью mergekit на основе Qwen/QwQ-32B-Preview. В слияние DARE TIES также вошли Kaoeiri/Qwenwify-32B-v3, allura-org/Qwen2.5-32b-RP-Ink, Dans-DiscountModels/Qwen2.5-32B-ChatML, Saxo/Linkbricks-Horizon-AI-Japanese-Base-32B, OpenBuddy/openbuddy-qwq-32b-v24.2-200k и Sao10K/32B-Qwen2.5-Kunou-v1. Это плотная модель семейства Qwen2 с архитектурой Qwen2ForCausalLM и 32 млрд параметров. Она предназначена для диалоговой генерации текста; каталог также отмечает интерфейс вызова инструментов. Максимальный контекст — 32 768 токенов. Модель работает с текстом на входе и выдаёт текст. Репозиторий содержит веса в формате safetensors. Лицензия CC BY-NC-ND 4.0 допускает использование с соблюдением её условий, включая ограничения на коммерческое использование и распространение производных материалов. В карточке не описаны отдельные оценки качества или подробные языковые гарантии; теги указывают на контент не для всех аудиторий.

Kaoeiri/Qwenwify2.5-32B-v4.7-ED — объединённая языковая модель, созданная разработчиком Kaoeiri с помощью mergekit. В качестве основы использована Qwen/QwQ-32B-Preview, а для слияния применён метод DARE TIES; в состав также вошли девять других моделей семейства Qwen2.5-32B и их производных. Модель предназначена для диалоговой генерации текста и поддерживает интерфейс вызова инструментов. Она построена на плотной архитектуре Qwen2, содержит 32 млрд параметров и рассчитана на контекст до 32 768 токенов. В составе объединены модели для чата, рассуждений, японского языка и ролевой генерации; карточка не задаёт приоритетный язык. Репозиторий распространяет веса в формате safetensors. Лицензия в предоставленных данных не указана. Качество и поведение могут различаться в зависимости от запроса, поскольку модель объединяет несколько чекпойнтов; конкретные ограничения и результаты оценки в карточке не приведены.

Kaoeiri/Qwenwify-32B-v2.5 — языковая модель на базе Qwen2.5-32B, созданная разработчиком Kaoeiri путём слияния нескольких предварительно обученных моделей с помощью mergekit и метода DARE TIES. В качестве базовой модели в README названа unsloth/qwen2.5-32b; среди компонентов слияния — модели для инструкционного и ролевого диалога, написания историй и рассуждений. Модель предназначена для генерации текста, включая диалоги, ролевой отыгрыш и создание историй. Это плотная архитектура Qwen2 с 32 млрд параметров, работающая через Transformers; заявленная длина контекста — 131 072 токена. Модель принимает текст и генерирует текст. Карточка не описывает отдельные оценки качества или ограничения поведения. Репозиторий распространяется в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

Qwopus-GLM-18B-Healed — плотная языковая модель примерно на 18 млрд параметров, собранная Kyle Hessling как 64-слойное слияние двух дообученных моделей Qwen3.5-9B от Jackrong. Первые 32 слоя взяты из Jackrong/Qwopus3.5-9B-v3.5, остальные — из Jackrong/Qwen3.5-9B-GLM5.1-Distill-v1; границу между частями сгладили 1000 шагами QLoRA-дообучения. В репозитории размещены исходные веса BF16 в формате safetensors для дальнейшей квантизации или дообучения. Модель предназначена для генерации текста в диалоге, рассуждений, вызова инструментов и агентных сценариев. Автор сообщает о результатах на собственной серии из 44 тестов, включая проверки вызова инструментов и агентных задач; это заявление автора, а не независимая оценка. Метаданные указывают поддержку английского, китайского, корейского, японского, французского, немецкого и испанского языков. Лицензия — Apache-2.0. Для запуска и квантизации требуются подходящие вычислительные ресурсы; готовая квантизированная версия размещена отдельно.

QWQ-EVA-Preview-SLERP-32b — языковая модель на 32 млрд параметров, созданная слиянием ParasiticRogue/EVA-Instruct-32B-v2 и Qwen/QwQ-32B-Preview методом SLERP с помощью mergekit. Она предназначена для диалоговой генерации текста; базовые модели также ориентированы на математические рассуждения и программирование, поэтому модель может быть полезна в таких сценариях, однако README не приводит отдельных оценок её возможностей. Модель построена на архитектуре Qwen2ForCausalLM, принимает текст и выдаёт текст, поддерживает контекст до 131072 токенов и распространяется в формате safetensors для Transformers. Лицензия — Apache-2.0.

QwQ-LCoT1-Merged — объединённая текстовая языковая модель, созданная prithivMLmods методом Model Stock с помощью mergekit. В объединение вошли QwQ-LCoT-7B-Instruct и QwQ-LCoT2-7B-Instruct, а базовой моделью служит Qwen/Qwen2.5-7B-Instruct. Модель построена на архитектуре Qwen2, содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для диалогов, следования инструкциям, генерации текста и решения задач, требующих логических рассуждений и пошагового анализа. Она работает с текстом и может использоваться для составления подробных объяснений и структурированных ответов. Ограничения по качеству и языковому охвату в карточке не описаны; возможности рассуждения не гарантируют правильность ответов. Файлы опубликованы в формате safetensors, библиотека — Transformers. Лицензия в предоставленных данных не указана.

wanlige/QWQ-stock — языковая модель на архитектуре Qwen2, созданная методом Model Stock с помощью mergekit путём слияния нескольких предварительно обученных моделей. В качестве базовой использована Qwen/Qwen2.5-32B-Instruct; среди компонентов также указаны Qwen2.5-32B, QwQ-32B, DeepSeek-R1-Distill-Qwen-32B-abliterated и другие варианты Qwen. Модель содержит 32 млрд параметров и рассчитана на генерацию текста и диалоговое взаимодействие. Модель подходит для ответов на запросы, ведения диалога и генерации текста на нескольких языках. Метаданные указывают контекст до 32 768 токенов и интерфейс вызова инструментов. Поддерживаются английский, русский, китайский и ряд других языков; объединение разных моделей может приводить к неоднородному поведению и качеству в отдельных задачах. Файлы представлены в формате safetensors. Лицензия в предоставленных данных не указана.

Qwythos-27B-v1-GGUF — это набор GGUF-квантизаций модели Qwythos-27B-v1, разработанной компанией Empero. Модель предназначена для локального запуска через llama.cpp, Ollama, LM Studio, jan, KoboldCpp и другие совместимые среды. Это плотная гибридная модель семейства Qwen3.5 с 27 миллиардами параметров, прошедшая SFT, DPO и ESFT; представленная версия является предварительной RL-оптимизации v1. Модель поддерживает текстовые задачи и обработку изображений при использовании отдельного vision-проектора mmproj-Qwythos-27B-F16.gguf. Заявлены встроенные MTP-возможности для ускорения генерации, мультимодальность и контекстное окно до 1 048 576 токенов. Доступны варианты от Q4_K_M до BF16 с различным соотношением размера, качества и требований к памяти; Q4_K_M указан как рекомендуемый вариант по умолчанию. На практике полноценное использование длинного контекста требует значительных ресурсов для KV-кэша, а более точные варианты могут потребовать 48–80 ГБ видеопамяти, нескольких GPU или выгрузки части вычислений на CPU. Модель подходит для локальных диалоговых и аналитических сценариев, рассуждений, агентных задач, работы с длинным контекстом и анализа изображений. Сильными сторонами являются сохранённые vision tower и MTP head, большой контекст и широкий выбор квантизаций. Ограничения связаны с высокими требованиями к памяти, зависимостью MTP от свежей версии llama.cpp и необходимостью отдельного vision-проектора для изображений. Модель и её квантизации распространяются по лицензии Apache-2.0.

Qwythos-27B-v1-GGUF — это GGUF-квантизированная версия модели Qwythos-27B-v1, разработанной empero-ai и подготовленной к распространению в формате GGUF пользователем mradermacher. Модель относится к семейству Qwen3.5 и ориентирована на задачи рассуждения, работы с текстом и изображениями, генерации текста по изображению и тексту, а также на мультимодальные сценарии. Заявлены поддержка английского языка, vision-возможностей, long-context с контекстом до 1M токенов, function calling, tool use и агентских приложений. Среди целевых областей также указаны кибербезопасность и биомедицина. Размер базовой модели — 27B параметров. Доступны варианты с разной степенью квантизации: от Q2_K до Q8_0, а также IQ-кванты и отдельные мультимодальные компоненты mmproj. Варианты Q4_K_S и Q4_K_M рекомендованы как быстрые, Q6_K описан как обеспечивающий очень хорошее качество, а Q8_0 — как вариант с наилучшим качеством среди представленных. Основные ограничения связаны с использованием квантизации: качество, требования к памяти и скорость зависят от выбранного варианта, причём низкобитные варианты могут заметно уступать по качеству. README не содержит подробных результатов тестирования, точной архитектуры исходной модели или гарантии фактической поддержки всех заявленных возможностей. Лицензия модели указана как Apache-2.0.

R1-Qwen2.5-32B-Instruct-5k — дообученная pe-nlp модель на базе Qwen/Qwen2.5-32B-Instruct, обученная на наборе данных Sky-T1. Это плотная авторегрессионная языковая модель семейства Qwen2 с 32 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст. Контекстное окно составляет 32 768 токенов. Карточка не раскрывает конкретные сценарии обучения или результаты оценки, поэтому специализированные преимущества модели подтвердить нельзя. Лицензия указана как «other», без уточнения условий в доступных данных.

Rabbit-7B-DPO-Chat-Mistral-7B-Instruct-v0.1 — чат-модель на архитектуре Mistral, созданная объединением mistralai/Mistral-7B-Instruct-v0.1 и viethq188/Rabbit-7B-DPO-Chat методом SLERP. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста в ответ на инструкции и диалоговые запросы; заявленный контекст — до 32 768 токенов. Модель подходит для чат-ботов, диалоговых помощников и генерации ответов на текстовые запросы. Файлы опубликованы в формате safetensors, слитые веса указаны в bfloat16. Лицензия — Apache-2.0. Карточка не сообщает о поддерживаемых языках или специализированных областях применения.

Rabbit-7B-DPO-Chat-Mistral-7B-Instruct-v0.2-slerp — объединённая диалоговая модель на архитектуре Mistral, созданная слиянием mistralai/Mistral-7B-Instruct-v0.2 и viethq188/Rabbit-7B-DPO-Chat методом SLERP. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста и ответы на инструкции в формате чата; контекст — до 32 768 токенов. Модель подходит для диалоговых помощников и генерации ответов на пользовательские запросы. Файлы представлены в формате safetensors, лицензия — Apache-2.0. Карточка не описывает отдельные языковые специализации или результаты сравнительных оценок.

Radiantloom Mixtral 8X7B Fusion DPO — разговорная текстовая модель на архитектуре Mixtral с разреженной смесью экспертов (MoE), разработанная Radiantloom. Это дообученная с помощью Direct Preference Optimization (DPO) версия Radiantloom Mixtral 8X7B Fusion, предназначенная для генерации ответов в диалоге и других сценариев text-generation. Модель использует библиотеку Transformers, распространяется в формате safetensors и имеет контекстное окно 32 768 токенов. В метаданных указано 7,1 млрд параметров. Модель поддерживает ввод и вывод текста; карточка не сообщает о специализированных предметных областях или поддерживаемых естественных языках. Лицензия — Apache-2.0. Карточка не приводит результатов оценивания, данных обучения или подробностей о качестве ответов, поэтому характеристики DPO-настройки и качество в конкретных задачах требуют самостоятельной проверки.

RakutenAI-7B-chat — чат-модель компании Rakuten Group, Inc., созданная дообучением RakutenAI-7B. Она предназначена для диалогов и генерации ответов на японском и английском языках. Модель основана на плотной архитектуре Mistral и содержит 7,2 млрд параметров; длина контекста — до 32 768 токенов. Модель дообучена на смеси открытых и подготовленных Rakuten наборов инструкций и диалогов, включая JSNLI, RTE, KUCI, BELEBELE, JCS, JNLI, Dolly-15K и OpenAssistant1. Репозиторий содержит веса PyTorch в формате Safetensors. Лицензия — Apache 2.0. Модель может генерировать предвзятые, неточные или небезопасные ответы, поэтому результаты следует проверять.

Ramakrishna-7b-v4 — языковая модель для генерации текста, созданная объединением пяти моделей с помощью LazyMergekit. Она основана на архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста; метаданные Hugging Face также указывают эту задачу как основную. Веса опубликованы в формате safetensors. В README не описаны особенности качества, поддерживаемые языки и конкретные области применения, поэтому их нельзя определить по имеющимся данным. Лицензия в предоставленных метаданных и README не указана.

Ramonda-7B-DPO-TIES — объединённая языковая модель, созданная mayacinka методом TIES с помощью LazyMergekit на основе paulml/OGNO-7B и bardsai/jaskier-7b-dpo-v4.3. Модель построена на архитектуре Mistral и содержит 7,1 млрд параметров. Она предназначена для генерации текста и диалоговых ответов. Контекстное окно составляет до 32 768 токенов. В README приведены результаты оценок на наборах Open LLM Leaderboard и LLM AutoEval; они не гарантируют аналогичное качество в конкретных приложениях. Модель распространяется в формате Safetensors по лицензии Apache-2.0. README не уточняет поддерживаемые языки и специальные ограничения; фактическое качество зависит от запроса и сценария применения.

Модель fff1234/rec_1_shot_test — дообученная авторегрессионная языковая модель семейства Llama, опубликованная fff1234. Она предназначена для генерации текста; карточка не описывает специализированные сценарии или особую предметную область. Модель обучалась с использованием Unsloth и библиотеки TRL на базе unsloth/llama-3-8b-bnb-4bit. Модель содержит 7,5 млрд параметров, принимает текст и генерирует текст, поддерживает английский язык и контекст до 8192 токенов. Репозиторий использует формат PyTorch. Лицензия — Apache-2.0. README не сообщает о дополнительных возможностях или известных ограничениях качества.

recoilme/recoilme-gemma-2-9B-v0.4 — диалоговая модель на базе Gemma 2 с 9 млрд параметров, предназначенная для генерации текста и общения в формате чата. Согласно метаданным, модель является слиянием recoilme/Gemma-2-Ataraxy-Gemmasutra-9B-slerp и использует архитектуру Gemma2ForCausalLM. Модель принимает текст и генерирует текст, поддерживает контекст до 8192 токенов. Репозиторий содержит веса в формате safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. README не содержит дополнительных сведений о специализации или ограничениях модели.

zelk12/recoilme-gemma-2-Ataraxy-9B-v0.1 — слияние языковых моделей Gemma 2, созданное с помощью mergekit и метода SLERP на основе lemon07r/Gemma-2-Ataraxy-v2-9B и recoilme/recoilme-gemma-2-9B-v0.4. Это плотная авторегрессионная модель с архитектурой Gemma2ForCausalLM и 9 млрд параметров, предназначенная для диалогов и генерации текста. Она принимает текст и выдаёт текст; заявленная длина контекста — 8192 токена. В конфигурации слияния использована точность bfloat16. Модель подходит для ведения диалогов, выполнения инструкций и творческой генерации текста. В README приведены результаты Open LLM Leaderboard, включая IFEval и BBH; этих оценок недостаточно, чтобы судить о качестве во всех сценариях. В доступных сведениях не указаны конкретные поддерживаемые языки. Репозиторий содержит веса в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

zelk12/recoilme-gemma-2-Ataraxy-9B-v0.1-t0.375 — объединённая модель на архитектуре Gemma 2 с 9 млрд параметров, созданная с помощью mergekit методом SLERP из recoilme/recoilme-gemma-2-9B-v0.4 и lemon07r/Gemma-2-Ataraxy-v2-9B. Она предназначена для генерации текста и диалогового взаимодействия, включая выполнение инструкций и творческое письмо. Модель принимает текст и выдаёт текст. Контекст составляет 8192 токена. Веса представлены в формате safetensors; в конфигурации слияния указан тип bfloat16. Языки применения в карточке не перечислены. Это экспериментальное слияние моделей; карточка не приводит результатов оценки качества или подробных ограничений. Лицензия в предоставленных данных не указана.

zelk12/recoilme-gemma-2-Ataraxy-9B-v0.1-t0.75 — объединённая методом SLERP языковая модель на архитектуре Gemma 2, созданная с помощью mergekit из recoilme/recoilme-gemma-2-9B-v0.4 и lemon07r/Gemma-2-Ataraxy-v2-9B. Модель содержит 9 млрд параметров, использует формат safetensors и предназначена для генерации текста в диалогах и при выполнении инструкций; поддерживает контекст до 8192 токенов. Сценарии применения включают диалоговые ассистенты и творческую генерацию текста. В README приведены результаты Open LLM Leaderboard: 72,08 на IFEval и 42,49 на BBH; эти показатели характеризуют отдельные тесты и не гарантируют качество для любых запросов. Лицензия в доступных данных не указана.

zelk12/recoilme-gemma-2-Ifable-9B-v0.1 — языковая модель на архитектуре Gemma 2, созданная слиянием SLERP двух предварительно обученных моделей: ifable/gemma-2-Ifable-9B и recoilme/recoilme-gemma-2-9B-v0.4. Модель содержит 9 млрд параметров, рассчитана на генерацию текста и диалоговое использование; работает через библиотеку Transformers, веса опубликованы в формате safetensors. Заявленная длина контекста — 8192 токена. Модель подходит для диалогов и генерации текста. В карточке приведены результаты Open LLM Leaderboard: средняя оценка 32,05, IFEval — 79,44, BBH — 43,39. Карточка не уточняет языковую специализацию и лицензию, поэтому эти характеристики здесь не заявляются.

Reflection-Llama-3.1-70B-GGUF — квантизированная GGUF-версия модели Reflection-Llama-3.1-70B на базе mattshumer/ref_70_e3. Базовая архитектура относится к семейству Llama и связана с Meta Llama 3; квантизацию выполнила Second State Inc. Модель предназначена для генерации текста и диалоговых сценариев, особенно задач, требующих сложного рассуждения, самопроверки и корректировки ответа. Модель имеет размер 70 миллиардов параметров и поддерживает контекст до 128 000 токенов. Это текстовая модель без заявленной поддержки изображений или других модальностей; поддерживаемые языки в README не указаны. Доступны варианты квантизации от 2 до 8 бит в формате GGUF. Рекомендуемыми названы варианты Q4_K_M как сбалансированный по качеству и размеру, а также Q5_K_M и Q5_K_S с очень малой потерей качества. Малые варианты могут заметно снижать качество, а старые форматы Q4_0 и Q5_0 не рекомендуются по сравнению с современными альтернативами. Для работы рекомендуется использовать системную инструкцию, задающую рассуждение внутри тегов <thinking>, итог внутри <output> и исправления внутри <reflection>; также указаны рекомендуемые temperature 0,5 и top_p 0,95. Ограничениями являются большой объём файлов и высокие требования к ресурсам, особенно для вариантов с высокой точностью. Модель распространяется по лицензии llama3.1; дополнительные условия лицензии в README не приведены.

RekaAI_reka-flash-3.1-GGUF — набор GGUF-квантизованных версий модели RekaAI/reka-flash-3.1, подготовленный пользователем bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и локального запуска через llama.cpp, LM Studio и другие совместимые проекты на базе llama.cpp; README также указывает формат промпта human: {system_prompt} {prompt} <sep> assistant:. Доступны варианты от исходных весов BF16 размером 41,82 ГБ до компактных квантований Q2 и IQ3 размером примерно от 9,18 ГБ, а также Q3, Q4, Q5, Q6 и Q8. Более высокие уровни квантования обеспечивают лучшее сохранение качества, но требуют больше памяти; Q4_K_M обозначен как рекомендуемый вариант общего назначения, а Q5 и Q6 — как высококачественные варианты. Некоторые форматы оптимизированы для определённых аппаратных платформ, включая Apple silicon, ARM и AVX CPU. README не содержит сведений об архитектуре, количестве параметров, поддерживаемых языках, модальностях и размере контекста исходной модели, поэтому эти характеристики нельзя достоверно указать. Ограничения связаны с потерями качества при низких уровнях квантования и значительными требованиями к памяти у крупных вариантов. Распространение указано по лицензии Apache-2.0.

Replete-LLM-Qwen2-7b_Beta-Preview-GGUF — это GGUF-квантизованная версия языковой модели Replete-LLM-Qwen2-7b_Beta-Preview, разработанной Replete-AI и подготовленной квантизатором bartowski. Модель предназначена для генерации текста и запуска локально через llama.cpp и совместимые приложения, включая LM Studio. В README также указан обучающий датасет Replete-AI/Everything_Instruct_8k_context_filtered. Модель основана на архитектуре Qwen2 и содержит около 7 млрд параметров. Доступны варианты от BF16 до различных уровней квантизации Q8_0, Q6_K, Q5_K, Q4_K, Q3_K, Q2_K и IQ-серий; размеры файлов составляют примерно от 3,5 до 15,2 ГБ. Указан английский язык и контекст до 8k, связанный с использованным датасетом. Это текстовая модель без заявленной поддержки других модальностей. Сильная сторона репозитория — широкий выбор вариантов квантизации, позволяющий подобрать баланс между качеством, потреблением памяти и скоростью локального запуска. Высококачественными считаются варианты Q6 и Q5, а Q4 предлагают компромисс по размеру. Более сильная квантизация снижает требования к памяти, но может ухудшать качество генерации. Модель распространяется по лицензии Apache-2.0.

Карточка модели jamessucla/retrobust_plusplus_combined_3b_f16 на Hugging Face совпадает с карточкой jamessucla/retrobust_plusplus_3b_f16, поэтому описание составлено по ней. Модель jamessucla/retrobust_plusplus_3b_f16 — дообученная языковая модель семейства Llama 3.2, загруженная scoliono. Она создана на базе unsloth/Llama-3.2-3B-bnb-4bit и обучалась с использованием Unsloth и библиотеки TRL для генерации текста. Модель содержит 3,2 млрд параметров, использует плотную архитектуру LlamaForCausalLM и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации текста на английском языке. Репозиторий распространяется по лицензии Apache-2.0. Карточка не сообщает о специализированной области применения или дополнительных возможностях.

Re:ultiima-14B — языковая модель, созданная TeamDelta слиянием весов через TIES с помощью mergekit. В основу взята предобученная Qwen/Qwen2.5-14B, в слияние также включена Qwen/Qwen2.5-14B-Instruct. Модель имеет плотную архитектуру Qwen2 с 14 млрд параметров и контекстным окном до 131072 токенов. Модель предназначена для генерации текста и диалогов на английском и китайском языках; метаданные также отмечают интерфейс вызова инструментов. Она распространяется в формате safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0. Карточка не приводит оценок качества или специальных ограничений применения. Как и другие языковые модели, ответы могут быть ошибочными; возможности вызова инструментов обозначают интерфейсную поддержку и сами по себе не гарантируют корректное выполнение действий.

RevotenJLM-7B-slerp — языковая модель на базе архитектуры Mistral, созданная объединением RakutenAI-7B-instruct и SakanaAI/EvoLLM-JP-A-v1-7B с помощью LazyMergekit и метода slerp. Модель содержит 7,2 млрд параметров и рассчитана на генерацию текста; её контекстное окно составляет 32 768 токенов. Модель подходит для генерации ответов и диалогового использования на японском и английском языках, унаследованных от базовой модели RakutenAI. В README указана конфигурация слияния и формат весов bfloat16; в метаданных файловый формат репозитория обозначен как safetensors. Лицензия в предоставленных данных не указана.