I.5Создание и редактирование текста

Spark-X2.5-1.7B-GGUF — компактная языковая модель в формате GGUF, разработанная XHToken на базе XHToken/Spark-X2.5-1.7B. Она предназначена для общего назначения: диалогов, написания и перевода текстов, рассуждений, программирования, использования инструментов и агентских сценариев. Модель имеет гибридную архитектуру внимания и поддерживает нативный контекст длиной до 1 миллиона токенов. Заявлена поддержка более 200 языков; в карточке модели отдельно указаны английский и китайский. Размер базовой модели — 1,7 млрд параметров. Формат GGUF ориентирован на локальный запуск с помощью llama.cpp, Ollama, LM Studio и Unsloth, однако для нативной поддержки архитектуры требуются совместимые версии этих инструментов. К сильным сторонам относятся компактный размер, широкий набор задач, многоязычность, очень длинный контекст и возможность локального развертывания. README не содержит результатов тестирования, подробностей обучения, сведений о конкретных вариантах квантования или детального описания ограничений качества, поэтому производительность в отдельных задачах по этим данным оценить нельзя. Модель распространяется по лицензии Apache License 2.0.

Soulfate24/Spark-X2.5-4B-ASHQ1-Remix-GGUF — квантизированная версия Spark-X2.5-4B в формате GGUF, подготовленная в рамках набора ASHQ1-Remix. В README описана активационно-ориентированная квантизация с параметрами, основанными на измерениях; указана поддержка линии AutoRound с ограничениями насыщения. Модель предназначена для генерации текста и диалогового использования. Базовая Spark-X2.5-4B — компактная многоязычная языковая модель для диалога, кода, рассуждений, перевода и агентных задач. Метаданные указывают базовую модель XHToken/Spark-X2.5-4B и лицензию Apache-2.0. Данных о размере контекста и конкретных языках этой версии в предоставленных материалах нет.

Sparse-Llama-3.1-8B-2of4 — разреженная версия Llama-3.1-8B, разработанная Neural Magic. Это авторегрессионная языковая модель с 2:4 структурированной разреженностью: в каждой группе из четырёх весов сохраняются два. Линейные операторы в блоках трансформера были прорежены с помощью SparseGPT, затем модель дообучали с дистилляцией знаний на 13 млрд токенов, чтобы восстановить качество. Размер модели — 7,5 млрд параметров, контекст — до 131 072 токенов; она принимает и генерирует текст. Модель предназначена для генерации текста и развёртывания языковых моделей с более эффективным использованием вычислений и памяти. README сообщает о результатах на OpenLLM и Mosaic Eval Gauntlet, близких к плотной версии Llama-3.1-8B, и описывает развёртывание через vLLM. Базовая модель поддерживает восемь языков, однако карточка не перечисляет их по отдельности. Лицензия — llama3.1; применение должно соответствовать её условиям.

Lucyfer1718/Spartan_Alpha-Powered_v2.0 — объединённая диалоговая языковая модель на архитектуре Llama, созданная с помощью mergekit методом SLERP из meta-llama/Meta-Llama-3.1-70B-Instruct и mattshumer/Reflection-Llama-3.1-70B. Модель содержит 35,3 млрд параметров, принимает текст и генерирует текст; поддерживает контекст до 131 072 токенов. Метаданные отмечают возможности общения в чате и интерфейс вызова инструментов. Модель предназначена для генерации ответов в диалоге и других задач продолжения текста. В описании базовой Reflection-Llama указана самопроверка и исправление ошибок, однако карточка этой модели не уточняет, насколько эти свойства сохраняются после объединения. Файлы представлены в формате safetensors и рассчитаны на использование с Transformers. Условия лицензии в предоставленных данных не указаны.

Lucyfer1718/spartan_nemotron — диалоговая языковая модель, созданная слиянием методом SLERP двух моделей: mattshumer/Reflection-Llama-3.1-70B и nvidia/Llama-3.1-Nemotron-70B-Instruct-HF. Она предназначена для генерации текста в ответ на запросы и ведения диалога; метаданные также отмечают интерфейс вызова инструментов. Модель построена на плотной архитектуре LlamaForCausalLM и содержит 28,4 млрд параметров, работает с контекстом до 131 072 токенов и распространяется в формате safetensors через Transformers. Модель подходит для диалоговых ассистентов, ответов на инструкции и генерации текста с длинным контекстом. В карточке не указаны отдельные целевые языки или специализированная предметная область. Лицензия и сведения о качестве или ограничениях модели в предоставленных данных отсутствуют.

Speechless Llama2 13B — это языковая модель для генерации текста и выполнения инструкций, разработанная Jiangwen Su на базе Llama 2. Данный репозиторий содержит её квантизированные версии в формате GGUF, подготовленные TheBloke. Модель ориентирована на диалоговые и общие текстовые сценарии, включая ответы на инструкции, написание текста и решение различных задач через шаблон Alpaca. Модель построена на архитектуре Llama и имеет 13 миллиардов параметров. Указан английский язык. Формат GGUF поддерживает метаданные и специальные токены и предназначен для запуска через llama.cpp, а также совместимые интерфейсы и библиотеки, включая text-generation-webui, KoboldCpp, LM Studio, llama-cpp-python и другие. Доступны варианты с разными уровнями квантизации от 2 до 8 бит, что позволяет выбирать между требованиями к памяти и качеством вывода. К сильным сторонам относятся возможность локального запуска на CPU и GPU, широкий выбор квантизаций и совместимость с распространённой экосистемой GGUF. Ограничениями являются ориентация преимущественно на английский язык, зависимость качества и потребления памяти от выбранного уровня квантизации, а также отсутствие в предоставленных данных сведений о размере контекста и результатах независимых оценок. Для использования указана лицензия llama2.

uukuguy опубликовал объединённую модель speechless-llama2-hermes-orca-platypus-13b, созданную слиянием NousResearch/Nous-Hermes-Llama2-13b и Open-Orca/OpenOrca-Platypus2-13B. Это авторегрессионная плотная трансформерная языковая модель семейства Llama с 12,9 млрд параметров, форматом весов safetensors и контекстом до 4096 токенов. Модель предназначена для генерации текста и может использоваться для ответов на вопросы, диалога и других задач генерации естественного языка. В карточке приведены результаты на ARC, HellaSwag и MMLU. Указаны английский язык и обучающий датасет Open-Platypus; Llama 2 описана как модель для применения на английском языке. Модель принимает текст и выдаёт текст. README содержит условия Meta для семейства Llama 2: использование весов регулируется специальной лицензией Meta, с которой необходимо согласиться для доступа. Возможны неточные, предвзятые или нежелательные ответы; перед внедрением рекомендуется тестирование и настройка для конкретного применения.

Spei_Meridiem-8B-model_stock — разговорная языковая модель, созданная автором DreadPoor с помощью mergekit методом Model Stock. Это объединение нескольких моделей на базе Llama 3.1 8B, включая Hermes 3, SuperNova Lite, Lexi Uncensored и дополнительные модели и адаптеры, в том числе для биологии и физики. Модель предназначена для генерации текста и диалогов. Её можно использовать для ответов на вопросы, следования инструкциям, рассуждений и создания текста; состав исходных компонентов также указывает на включение возможностей из специализированных и uncensored-моделей. Архитектура — плотная LlamaForCausalLM, объём — 7,5 млрд параметров, заявленный контекст — 131 072 токена. Лицензия в предоставленных данных не указана.

Buseak разработал модель spellcorrector_17_02_050_qwerty как дообученную версию google/canine-s с архитектурой CanineForTokenClassification. Модель содержит 113,2 млн параметров, использует формат safetensors и имеет контекстное окно 16 384 токена. Она предназначена для исправления орфографических ошибок с помощью классификации токенов; README сообщает об оценках на наборе проверки: F1 0,9909 и accuracy 0,9952. Базовая модель Google — многоязычная символьная модель для понимания текста. Конкретные поддерживаемые языки, состав обучающих данных и сценарии обработки ошибок в карточке не раскрыты. Модель опубликована по лицензии Apache-2.0.

SpydazWeb AI — дообученная языковая модель Leroy Dyer для диалогов, генерации текста и работы в сценариях с планированием и агентным взаимодействием. Она основана на SpydazWeb_AI_ChatQA_005/006 и использует плотную архитектуру Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для ответов на вопросы, составления сводок, генерации и объяснения кода, перевода, выявления сущностей и тем, а также ролевых диалогов. В README также заявлены сценарии RAG, планирования и вызова функций; карточка упоминает обучающие данные из OpenHermes, SlimOrca, Cosmopedia, CulturaX и других наборов. Заявления автора о широких знаниях и точности не являются независимой оценкой качества. Модель принимает текст и генерирует текст. В тегах указаны английский, испанский, каталонский, хинди, суахили, игбо, сомалийский, коса, зулу, хауса, акан, африкаанс, бамбара и сунданский языки; README описывает многоязычное обучение, но не подтверждает одинаковое качество для всех перечисленных языков. Лицензия — Apache-2.0. Модель обозначена как uncensored и предназначена в том числе для ролевых диалогов; медицинские ответы могут быть ненадёжными и требуют проверки специалистом.

Это 16-битная конверсия StableLM 2 от SirSahOl для локального запуска на GPU компьютеров Apple Silicon. Веса модели StableLMForCausalLM сохранены в формате safetensors для MLX; исходная модель — stabilityai/stablelm-2-1_6b. В README указано 1,6 млрд параметров, а в метаданных — 1,4 млрд. Контекст составляет 4096 токенов. Модель принимает текст и генерирует текст; карточка базовой модели указывает поддержку английского, немецкого, испанского, французского, итальянского, нидерландского и португальского языков. Модель подходит для локального диалога, генерации текста и дополнения кода. MLX позволяет использовать ускорение Apple Silicon, а 16-битные веса сохраняют исходную точность представления. README оценивает занимаемую память примерно в 3,9–4 ГБ и рекомендует не менее 8 ГБ объединённой памяти; фактическая скорость зависит от оборудования и длины запроса. Это конверсия, а не новая архитектура или отдельное дообучение. Лицензия обозначена как «other»; перед использованием следует проверить её условия в репозитории исходной модели и этой конверсии. Конверсия рассчитана на Apple Silicon и не предназначена для других GPU без совместимого окружения MLX.

Starling-LM-10.7B-beta — разговорная языковая модель на архитектуре Mistral, созданная как увеличенная по глубине версия Nexusflow/Starling-LM-7B-beta. Она предназначена для диалоговых сценариев и может использоваться как обновлённая замена исходной модели на 7 млрд параметров. Модель содержит около 10,6 млрд параметров, принимает текст и генерирует текст; заявленное контекстное окно составляет 8192 токена. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. Карточка не приводит результаты оценки качества или сведения о поддерживаемых языках. Для работы с уменьшенными версиями автор README ссылается на отдельные сторонние сборки GGUF и ExLlamaV2.

Jan-HQ Stealth v2 — языковая модель семейства Mixtral, опубликованная Jan-HQ. Она предназначена для генерации текста и диалогового использования через шаблон ChatML; модель можно запускать в Jan Desktop на macOS, Windows и Linux. В карточке приведены результаты оценивания на бенчмарках AI2 Reasoning Challenge и HellaSwag. Модель содержит 7,1 млрд параметров, использует архитектуру Mixtral MoE и поддерживает контекст до 32 768 токенов. В метаданных указан английский язык, формат весов Safetensors и лицензия Apache-2.0. README не раскрывает подробности обучения и не описывает конкретную специализацию модели.

Stockmark-2-100B-Instruct — плотная авторегрессионная языковая модель семейства Llama, разработанная Stockmark Inc. с нуля. Она содержит около 95,1 млрд параметров, обучена примерно на 2 трлн токенов: 60% английских данных, 30% японских и 10% кода. После предобучения модель прошла SFT и DPO на синтетических японских данных для улучшения следования инструкциям. Модель предназначена для диалогов и генерации текста, особенно на японском языке, а также поддерживает английский. Контекстное окно составляет 32 768 токенов; архитектура использует 86 слоёв и групповое запросное внимание с 72 головами Q и 8 головами KV. В опубликованной оценке Japanese MT-bench модель показала средний результат 7,87, включая задачи извлечения информации, ролевого диалога, STEM и программирования. Для запуска доступны веса в формате Safetensors; README приводит примеры использования с Transformers и vLLM. Модель распространяется по лицензии MIT. Для практического развертывания требуется значительный объём вычислительной памяти из-за размера модели; результаты бенчмарка не гарантируют качество в конкретном приложении.

StrangeMerges_25-7B-dare_ties — объединённая модель Gille, созданная методом dare_ties с помощью LazyMergekit на основе Gille/StrangeMerges_21-7B-slerp и bardsai/jaskier-7b-dpo-v5.6. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста и ответов на запросы. Поддерживает контекст до 32 768 токенов. В README приведены результаты Open LLM Leaderboard: средний балл 76,33, включая 73,46 на AI2 Reasoning Challenge и 88,89 на HellaSwag. Карточка предупреждает о наследуемой последовательности «INSTINSTINSTINSTINST», которая может проявляться в ответах и снижать их качество. Лицензия — Apache-2.0.

Gille/StrangeMerges_31-7B-slerp — языковая модель для генерации текста, созданная объединением Gille/StrangeMerges_30-7B-slerp и yam-peleg/Experiment24-7B методом SLERP с помощью LazyMergekit. Это плотная модель семейства Mistral на 7,1 млрд параметров, доступная в формате Safetensors; базовый контекст составляет 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Карточка описывает способ объединения весов, но не приводит отдельных оценок качества или специализации по языкам и предметным областям. Модель распространяется по лицензии Apache-2.0.

StrangeMerges_32-7B-slerp — языковая модель семейства Mistral, созданная Gille с помощью LazyMergekit путём слияния Gille/StrangeMerges_31-7B-slerp и yam-peleg/Experiment28-7B методом SLERP. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM, представлена в формате safetensors и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев на базе Mistral. Конфигурация слияния задаёт разные коэффициенты для слоёв self-attention и MLP; точные специализированные навыки или наборы данных в карточке не описаны. Модель распространяется по лицензии Apache-2.0.

Gille/StrangeMerges_56-7B-model_stock — объединённая модель семейства Mistral, созданная с помощью LazyMergekit из нескольких моделей на базе Mistral; метод слияния — model_stock, базовая модель конфигурации — snorkelai/Snorkel-Mistral-PairRM-DPO. Модель содержит 7,1 млрд параметров и предназначена для генерации текста и диалогового взаимодействия. Она принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. В состав слияния входят модели, ориентированные в том числе на математику и диалог, однако README не приводит отдельных оценок качества или результатов тестирования. Файлы представлены в формате safetensors с точностью bfloat16. Лицензия в предоставленных данных не указана.

ClaudioItaly/Stylographic-king-7B — языковая модель, созданная слиянием двух предварительно обученных моделей с помощью mergekit и метода SLERP. В состав вошли ClaudioItaly/King-7B и Orion-zhen/Qwen2.5-7B-Gutenberg-KTO; конфигурация использует ClaudioItaly/King-7B как базовую модель и веса bfloat16. Модель построена на плотной архитектуре Qwen2 и содержит 7,1 млрд параметров. Модель предназначена для генерации текста и диалоговых ответов. Контекстное окно составляет 32 768 токенов. Метаданные базовой модели указывают на поддержку китайского и английского языков; отдельные языковые данные для итогового слияния не приведены. Модель распространяется в формате safetensors через Transformers. Лицензия в предоставленных данных не указана.

SummLlama3.2-3B — языковая модель для суммаризации текстов, разработанная DISLab. Она основана на Llama 3.2 3B Instruct и дообучена методом Direct Preference Optimization (DPO) на более чем 100 тысячах примеров обратной связи о качестве резюме. Обучающие данные охватывают короткие и длинные документы, диалоги и недиалоговые тексты из новостей, повседневной жизни, отчётов, медицины, интервью и встреч. Модель предназначена для создания кратких сводок с акцентом на точность относительно источника, полноту ключевых сведений и лаконичность. Для суммаризации рекомендуется использовать шаблон запроса из карточки модели. Архитектура — плотная LlamaForCausalLM на 3,2 млрд параметров; контекст — до 131 072 токенов. Веса опубликованы в формате safetensors. В карточке не приведены лицензия и отдельные языковые коды, поэтому их нельзя уверенно указать.

Aryanne/SuperHeartBerg — объединённая языковая модель, созданная Aryanne с помощью mergekit методом task_swapping. В качестве базовой модели использована Aryanne/SuperHeart, в объединение также вошла nbeerbower/llama3.1-gutenberg-8B. Модель построена на плотной архитектуре Llama с классом LlamaForCausalLM и содержит 7,5 млрд параметров. Модель предназначена для генерации текста и диалогового общения. Заявленная длина контекста — 131 072 токена; репозиторий содержит веса в формате safetensors. Языки и специализированные области применения в карточке не обозначены. Лицензия не установлена по предоставленным данным; характеристики качества и ограничения отдельно не описаны.

vanillaOVO/supermario_v2 — объединённая предварительно обученная языковая модель, созданная с помощью DARE и mergekit. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов; для работы доступны веса safetensors и загрузка через Transformers. Модель предназначена для генерации текста и может использоваться в приложениях, которым нужны ответы на запросы и продолжение текста. README сообщает о слиянии моделей, но не раскрывает состав слияния, целевые сценарии или языки обучения, поэтому нельзя приписать ей специализированные возможности или основной язык. Лицензия — Apache-2.0.

vanillaOVO/supermario_v3 — объединённая предобученная языковая модель, созданная с помощью DARE и mergekit. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста; для загрузки используется Transformers.

SuperMente-7B — диалоговая языковая модель, созданная Kukedlc путём слияния трёх моделей на базе Mistral с помощью LazyMergekit: AetherResearch/Cerebrum-1.0-7b, Kukedlc/NeuralKybalion-7B-slerp-v3 и mlabonne/AlphaMonarch-7B. Она предназначена для генерации текста и общения в формате чата. Модель имеет плотную архитектуру MistralForCausalLM, 7,1 млрд параметров и контекстное окно 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель работает с текстовым вводом и генерирует текст; карточка не сообщает о специализации на конкретных языках или предметных областях. Лицензия — Apache-2.0. Из доступных сведений нельзя определить качество модели в отдельных задачах или её известные технические ограничения.

SuperQwen3.8-27b-abliterated-GGUF — это квантованная сборка модели SuperQwen3.8-27b-abliterated, разработанная Jiunsong для запуска через llama.cpp в формате GGUF. Модель предназначена для генерации и анализа текста, рассуждений, вызова инструментов и работы с изображениями; мультимодальность обеспечивается отдельным vision-проектором. Заявлены английский и корейский языки. Основная модель использует квантование Q4_K_M с importance matrix и занимает около 15,41 GiB; полный комплект с MTP-модулем и vision-проектором — около 17,56 GiB. Доступен native MTP draft для speculative decoding с профилем K=6, а заявленное окно контекста составляет 262 043 токена. Vision-проектор поставляется отдельно, поэтому текстовый запуск может обходиться без него. В README также указаны измеренная скорость около 40,1 токена в секунду на одном DGX Spark и успешные проверки вызова инструментов, обработки изображений, рассуждений и извлечения данных из длинного контекста. К сильным сторонам относятся большой контекст, поддержка мультимодальности, инструментов и ускоренного декодирования, а также компактность Q4-квантизации. Ограничения включают зависимость производительности и доступного контекста от аппаратуры и настроек llama.cpp; проверка на границе окна не гарантирует одинаковую точность для всех задач. Модель позиционируется как abliterated: измеренная способность отказывать на вредоносные запросы была существенно снижена, поэтому для безопасного применения необходимы дополнительные меры контроля. Лицензия — Apache-2.0.

Карточка модели tokyotech-llm/Swallow-13b-instruct-v0.1 на Hugging Face совпадает с карточкой tokyotech-llm/Swallow-7b-instruct-v0.1, поэтому описание составлено по ней. Swallow-7b-instruct-v0.1 — диалоговая языковая модель TokyoTech-LLM на архитектуре Llama 2 с 6,7 млрд параметров. Она прошла дополнительное предварительное обучение преимущественно на японских текстах, а версия instruct — supervised fine-tuning для следования инструкциям. Токенизатор с расширенным японским словарём эффективнее представляет японский текст. Модель принимает текст и генерирует текст; заявленный контекст — 4096 токенов. Модель предназначена для диалогов и выполнения текстовых инструкций на японском и английском языках: написания текстов, ролевых диалогов, ответов на вопросы, рассуждений и извлечения информации. В README опубликованы оценки на японском MT-Bench и сравнение с другими моделями, однако они не гарантируют качества для каждого сценария. Выпуск v0.1 обозначен как предварительная версия; разработчики предупреждают, что модель ещё не настроена на соответствие человеческим намерениям и требованиям безопасности. Лицензия — Llama 2 Community License (llama2).

SwedishBeagle-dare — объединённая чат-модель на архитектуре Mistral, созданная с помощью LazyMergekit из Mistral-совместимых моделей timpal0l/Mistral-7B-v0.1-flashback-v2, EmbeddedLLM/Mistral-7B-Merge-14-v0.2 и Nexusflow/Starling-LM-7B-beta. В конфигурации объединения базовой моделью указана mlabonne/NeuralBeagle14-7B; применён метод dare_ties. Модель с 7,1 млрд параметров предназначена для генерации текста и диалоговых ответов. Контекст — до 32 768 токенов. Карточка не описывает отдельные специализированные функции или целевые языки, поэтому её следует рассматривать как чат-модель общего назначения. Модель распространяется по лицензии Apache-2.0. Качество ответов и языковая поддержка могут зависеть от задачи; данных о специализированном обучении и оценках в карточке нет.

Synthetic-Minstrel-14B — производная текстовая генеративная модель, созданная добавлением слоёв Mistral-7B к Synthia-7B; автор указывает, что дообучения не проводилось. Репозиторий содержит веса в формате safetensors. По метаданным модель имеет 13,7 млрд параметров, архитектуру семейства Llama и контекст до 32 768 токенов. Модель предназначена для генерации текста. README не описывает специальные сценарии применения, языки или результаты оценки качества, поэтому её возможности сверх общей генерации текста не уточняются. Распространяется по лицензии Apache-2.0.

Synthia-70B-v1.2 — языковая модель семейства Llama, разработанная Migtissera на основе Llama 2 70B и дообученная на синтетических наборах данных в стиле Orca. Она предназначена для следования инструкциям, генерации текста и продолжительных диалогов. Модель содержит 68,7 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текст; максимальная длина контекста составляет 2048 токенов. В версии 1.2 использовано на 20% больше данных и вдвое больше времени обучения, чем в версии 1.1. README приводит результаты оценки на задачах ARC и HellaSwag. Модель может выдавать неточные или вводящие в заблуждение ответы, а также предвзятый, оскорбительный или иной неподходящий контент; её автор характеризует её как неограниченную по содержанию. Лицензия — Llama 2 License.

Synthia-70B-v1.2b — языковая модель от SynthIA, созданная на базе Llama 2 70B и дообученная на данных в стиле Orca. Она предназначена для выполнения инструкций, диалогов и генерации развёрнутых текстовых ответов. Модель содержит 68,7 млрд параметров, использует плотную архитектуру LlamaForCausalLM и рассчитана на контекст до 4096 токенов. Карточка приводит результаты оценки на ARC Challenge и HellaSwag. Модель принимает текст и генерирует текст на английском языке. Автор характеризует её как uncensored и предупреждает о возможности ошибочных, предвзятых, оскорбительных или неподходящих ответов; результаты следует проверять. Лицензия — Llama 2.