I.5Создание и редактирование текста

SynthIA-7B-v1.5-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель, созданная объединением mistralai/Mistral-7B-Instruct-v0.2 и migtissera/SynthIA-7B-v1.5 методом SLERP с помощью MergeKit. Модель основана на плотной архитектуре Mistral и содержит 7,1 млрд параметров; поддерживает контекст до 32 768 токенов и предназначена для генерации текста и работы в формате диалога. Её можно использовать для ответов на инструкции и вопросы, ведения беседы, а также генерации текстовых материалов. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. README не описывает отдельные прикладные специализации или результаты оценки качества.

Synthia-7B-v3.0 — языковая модель Mistral-7B, дообученная Migtissera для следования инструкциям и ведения длинных диалогов. В обучении использовались подходы, вдохновлённые статьёй Orca-2, и датасет SynthIA-3.0 с обобщённым Tree-of-Thought-промптом и дополнительными системными контекстами. Модель имеет плотную архитектуру MistralForCausalLM, около 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации ответов на текстовые запросы, диалогов и развёрнутых рассуждений. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Модель может давать неточные или вводящие в заблуждение ответы, а также генерировать предвзятый, оскорбительный или иной нежелательный контент; автор характеризует её как uncensored. Важную информацию следует перепроверять.

T3qm7xNeuralsirkrishna_Experiment27Yam — объединённая языковая модель семейства Mistral, созданная слиянием automerger/T3qm7xNeuralsirkrishna-7B и automerger/Experiment27Yam-7B. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и распространяется в формате safetensors. Она предназначена для генерации текста и диалогов с контекстом до 32 768 токенов. Модель может применяться для ответов на запросы и создания связного текста. Карточка не сообщает о специализированной предметной области или поддерживаемых языках. Лицензия — Apache-2.0. Практические ограничения и результаты оценки качества в карточке не описаны.

T3qm7xNeuralsirkrishna_Ognoexperiment27Multi_verse_model — объединённая модель для генерации текста, созданная на основе двух моделей Mistral: automerger/T3qm7xNeuralsirkrishna-7B и automerger/Ognoexperiment27Multi_verse_model-7B. Она содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель подходит для генерации продолжений текста, диалоговых ответов и других задач на основе текстовых запросов. Веса опубликованы в формате safetensors по лицензии Apache-2.0. В карточке не описаны специализация модели, поддерживаемые естественные языки или результаты оценки качества.

MaziyarPanahi/T3qm7xNeuralsirkrishna_Strangemerges_32Inex12 — объединённая языковая модель семейства Mistral, созданная слиянием automerger/T3qm7xNeuralsirkrishna-7B и automerger/Strangemerges_32Inex12-7B. Она предназначена для генерации текста и диалогов. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате safetensors. В карточке указана лицензия Apache-2.0. Карточка не описывает специальные прикладные области, языки или дополнительные возможности. Поэтому область применения следует оценивать как общее текстовое взаимодействие; качество и ограничения конкретных сценариев из доступных сведений определить нельзя.

T3qm7xNeuralsirkrishna_YamExperiment26 — объединённая модель на архитектуре Mistral, созданная путём слияния automerger/T3qm7xNeuralsirkrishna-7B и automerger/YamExperiment26-7B. Она предназначена для генерации текста и диалоговых ответов; модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель может служить основой для приложений, которым нужна генерация текста с длинным контекстом. В README не описаны специальные преимущества или ограничения качества. Лицензия — Apache-2.0.

T3qm7xpMultiverseex26-7B — автоматическое слияние моделей, созданное Maxime Labonne с помощью mergekit. В конфигурации указаны nlpguy/T3QM7XP и allknowingroger/MultiverseEx26-7B-slerp; использован метод dare_ties с плотностью 0,53, весом 0,6 и типом данных bfloat16. Каталог описывает архитектуру как плотную MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста. Она принимает текст и выдаёт текст; README не уточняет языковую специализацию или конкретные сценарии использования. Репозиторий содержит веса safetensors и распространяется по лицензии Apache-2.0. Качество и ограничения в карточке не описаны.

vennify/t5-base-grammar-correction — модель на архитектуре T5, разработанная с помощью Happy Transformer и обученная на наборе JFLEG для исправления грамматики. Она принимает текст и генерирует его исправленную версию, стараясь уменьшить число грамматических ошибок. Подходит для корректуры предложений, черновиков и пользовательских текстов на английском языке. Модель содержит 123,8 млн параметров, использует формат PyTorch и рассчитана на контекст до 512 токенов. Она специализирована на грамматической коррекции, поэтому может менять исходные формулировки; результат следует проверять, если важны точный смысл или стиль. Лицензия CC BY-NC-SA 4.0 допускает использование с указанием авторства и требует распространения адаптированных материалов на тех же условиях; коммерческое использование не разрешено.

t5-Flan-Prompt-Enhance — дообученная модель prithivMLmods на базе Google FLAN-T5-Small для улучшения текстовых запросов, подписей и аннотаций. Она расширяет короткие или расплывчатые формулировки, добавляет описательные детали и делает текст яснее и уместнее по контексту. Модель построена на архитектуре T5 и содержит 45,8 млн параметров; для генерации текста использует библиотеку Transformers. В репозитории представлены форматы ONNX и Safetensors. Основные сценарии — расширение промптов, уточнение подписей и редактирование аннотаций. Метаданные указывают английский и китайский языки, а максимальный нативный контекст составляет 512 токенов. Модель доступна по лицензии Apache-2.0. Карточка заявляет генерацию структурированных и контекстно уместных формулировок, но не приводит количественных оценок качества или подробностей обучающих данных; результат может требовать проверки и редактирования.

T5Gemma — семейство компактных текстовых моделей Google на архитектуре encoder-decoder, полученных адаптацией предварительно обученных decoder-only моделей Gemma. Эта инструкция-тюнингованная версия имеет энкодер на 2 млрд и декодер на 2 млрд параметров и основана на google/t5gemma-2b-2b-ul2, адаптированной с использованием UL2. Модель принимает текст и генерирует текст; заявленная поддержка языка — английский. Модель предназначена для генерации текста по инструкциям: ответов на вопросы, суммаризации и рассуждений, а также для черновиков писем, сценариев, стихов и рекламных текстов. Компактный размер подходит для развертывания на настольных компьютерах, ноутбуках и собственной облачной инфраструктуре. В карточке не приведены длина контекста и результаты оценки качества. Модель может допускать фактические ошибки, отражать предвзятость данных обучения и испытывать трудности с неоднозначностью, тонкими языковыми нюансами и сложными открытыми задачами. Лицензия — Gemma; использование регулируется условиями лицензии и политикой допустимого использования моделей Gemma.

Это мультиязычная модель T5 от utrobinmv для суммаризации текста с управляемой длиной и переводом результата. Модель дообучена на базе utrobinmv/t5_translate_en_ru_zh_large_1024_v2; содержит 419 млн параметров и распространяется в формате safetensors по лицензии Apache-2.0. Модель принимает тексты на английском, русском и китайском языках, включая смешанные по языку входы, и может создавать краткое, обычное или расширенное резюме на языке исходного текста либо на выбранном из этих трёх языков. Режим задаётся префиксом; также можно задать желаемое число слов. Для контекста указана длина 2048 токенов, а ориентиры для длины результата составляют до 20, 50 или 200 токенов в зависимости от режима. Подходит для подготовки кратких выжимок и многоязычного пересказа с переводом. Ограничение длины в словах, по данным карточки, лучше работает на небольших текстах; подробные результаты оценки качества не приведены.

Google T5 v1.1 LM-Adapted XL — текстовая модель типа encoder-decoder на архитектуре T5 с 1,5 млрд параметров. Она создана на основе T5 v1.1 XL и дополнительно обучена на 100 тысячах шагов на языковой моделирующей задаче; предобучение использовало корпус C4 и задачи восстановления текста и языкового моделирования. Вариант LM-Adapted рассчитан в том числе на prompt tuning и последующее дообучение для прикладных задач. Модель подходит для настройки под суммаризацию, ответы на вопросы, классификацию текста и другие задачи, представимые в формате «текст на входе — текст на выходе». В T5 v1.1 используются активация GEGLU, отключённый при предобучении dropout и раздельные слои эмбеддингов и классификатора. Карточка указывает английский язык; длина контекста не приведена. Веса доступны в форматах PyTorch и TensorFlow. Лицензия — Apache-2.0.

TARS-8B-llama-REMIX — языковая модель, созданная picAIso слиянием SLERP через mergekit моделей picAIso/MIX1 и NousResearch/Hermes-2-Pro-Llama-3-8B. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров. Она предназначена для генерации текста и диалогового взаимодействия; заявленная длина контекста составляет 8192 токена. Карточка указывает поддержку чата, а базовая Hermes-2-Pro-Llama-3-8B ориентирована на следование инструкциям, вызов функций и генерацию структурированных данных JSON. Лицензия модели — MIT. Подробные оценки качества и ограничения конкретного слияния в карточке не приведены.

Tele-FLM (также FLM-2) — открытая многоязычная языковая модель на 52,2 млрд параметров, разработанная BAAI и TeleAI. Это плотный декодерный Transformer, обученный примерно на 2 трлн токенов; архитектура использует RoPE, RMSNorm и SwiGLU и во многом совместима с Llama. Контекст модели составляет 4096 токенов. Модель предназначена для генерации текста и извлечения признаков, включая многоязычные запросы и задачи, где важны фактические суждения. В обучающих данных преобладают английский и китайский языки; также включены код и тексты на других языках. Доступны веса и сведения о разработке и обучении модели. Модель распространяется по лицензии Apache 2.0. По предупреждению разработчиков, она может воспроизводить предвзятые или оскорбительные примеры и выдавать небезопасный контент; ответы следует проверять.

Карточка модели cuong1692001/Terminal_complete_4k на Hugging Face совпадает с карточкой cuong1692001/Terminal-complete-4k, поэтому описание составлено по ней. Terminal-complete-4k — дообученная модель на основе Qwen/Qwen3-8B, созданная автором репозитория на датасете qwen_data_complete. Это плотная причинная языковая модель примерно на 7,6 млрд параметров для диалоговой генерации текста; она принимает текст и выдаёт текст. В метаданных указано окно контекста до 40 960 токенов и библиотека Transformers. Модель подходит для диалога и генерации текста в сценариях, поддерживаемых базовой Qwen3-8B. README не описывает специализацию датасета, качество, результаты оценки или конкретные ограничения, поэтому назначение «Terminal» в названии само по себе не подтверждает специализацию на командной строке. Модель распространяется в формате safetensors; лицензия указана как other, без уточнения условий в предоставленных данных.

Terminal-complete8k — дообученная модель на 7,6 млрд параметров на базе Qwen/Qwen3-8B, созданная автором cuong1692001 с использованием набора данных qwen_data_complete. Это диалоговая языковая модель для генерации текста; метаданные указывают архитектуру Qwen3ForCausalLM и контекст до 40 960 токенов. Подходит для диалогов и других задач генерации текста на поддерживаемых базовой моделью языках. Карточка не описывает состав обучающих данных, результаты оценки или особые ограничения этой версии. Модель распространяется в формате safetensors; лицензия указана как other, поэтому условия использования следует уточнить на странице репозитория.

tesla6x6passthrough — языковая модель, созданная gate369 с помощью mergekit. Это слияние методом passthrough шести копий gate369/teslav0; конфигурация повторно включает диапазон слоёв [0, 6] каждой копии. Модель относится к семейству Mistral, использует архитектуру MistralForCausalLM и сохранена в формате safetensors с типом bfloat16. Модель предназначена для генерации текста и диалогового общения. Заявленная длина контекста — 32 768 токенов; размер модели — 194,4 млн параметров. Распространяется по лицензии Apache-2.0.

Tess-v2.5-Phi-3-medium-128k-14B-GGUF — квантизированная версия текстовой генеративной модели Tess-v2.5-Phi-3-medium-128k-14B, созданной migtissera на базе Microsoft Phi-3-medium-128k-instruct. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и диалоговых сценариев, а также локального запуска через совместимые инструменты llama.cpp. Модель содержит около 14 млрд параметров и поддерживает контекст до 128 000 токенов. Распространяется в формате GGUF с вариантами квантизации от Q8_0 до Q2_K и рядом IQ-квантов. Более высокие варианты обеспечивают лучшее качество, но требуют больше памяти; Q4–Q6 обычно рассматриваются как сбалансированные по качеству и размеру, тогда как Q2–Q3 экономят память за счёт заметного снижения качества. В README указан текстовый pipeline; сведения о поддерживаемых языках и мультимодальности не приведены. Модель подходит для локального использования, когда важны большой контекст и возможность выбрать требуемый объём памяти. Ограничения связаны с компромиссом между качеством и размером конкретного GGUF-файла, а также с тем, что часть вариантов имеет экспериментальный статус. Для диалогов следует использовать указанный шаблон prompt с разделителями system, user и assistant. Лицензия — MIT.

Tess-XS-v1-3-yarn-128K-Mistral-7B-Instruct-v0.1 — чат-модель на архитектуре Mistral с 7,1 млрд параметров, созданная MaziyarPanahi слиянием mistralai/Mistral-7B-Instruct-v0.1 и migtissera/Tess-XS-v1-3-yarn-128K. В README указано слияние методом SLERP; модель предназначена для генерации текста в ответ на инструкции и диалоговые запросы. Модель принимает текст и выдаёт текст. В метаданных указан контекст длиной 32 768 токенов. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. Документация не приводит конкретных ограничений или результатов оценки качества.

CTRL — авторегрессионная причинная трансформерная языковая модель, разработанная Salesforce Research и представленная в работе Nitish Shirish Keskar и соавторов. Она обучена предсказывать следующий токен на корпусе объёмом около 140 ГБ и генерирует текст с учётом управляющего токена, который задаёт домен, стиль, тему или другие параметры генерации. Репозиторий содержит веса PyTorch и TensorFlow; заявленная длина контекста — 50 000 токенов. Модель предназначена для генерации текста при совместной работе с человеком: например, для творческого письма, повторяющихся текстовых задач, форматирования и подготовки маркетинговых материалов. Также её можно дообучать для новых видов текста и использовать в исследованиях генерации и обнаружения синтетического контента. Основной язык — английский; модель также обучалась на немецком, испанском и французском. Лицензия — BSD 3-Clause. Генерации могут содержать стереотипы, вредные высказывания и фактические ошибки; результаты требуют проверки человеком. Разработчики предостерегают от использования модели для нормативных утверждений и генерации без участия человека.

Это объединённая модель генерации текста на архитектуре Llama, созданная с помощью mergekit методом della_linear. В качестве базовой использована Orenguteng/Llama-3.1-8B-Lexi-Uncensored-V2; также объединены Solshine/reflection-llama-3.1-8B, три версии ArliAI/Llama-3.1-8B-ArliAI-RPMax и Skywork-o1-Open-Llama-3.1-8B. Размер модели — 7,5 млрд параметров, формат весов — safetensors. Модель предназначена для диалоговой генерации текста и ответов на инструкции. Контекстное окно составляет до 131 072 токенов; метаданные также указывают интерфейс вызова инструментов. Карточка не приводит оценки качества или результаты тестирования. Лицензия в предоставленных сведениях не указана.

Диалоговая языковая модель MaziyarPanahi, полученная слиянием Mistral-7B-Instruct-v0.2 и Weyaxi/test-help-steer-filtered-orig методом SLERP. Она предназначена для генерации текста в ответ на инструкции и ведения диалога. Модель построена на плотной архитектуре MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает отдельные специализированные области применения или дополнительные модальности; её назначение — диалоговая генерация текста. README указывает на слияние двух моделей, но не приводит сравнительных оценок качества или подробностей о языках.

QuantFactory/Teuken-7B-instruct-commercial-v0.4-GGUF — квантизированная версия 7-миллиардной instruction-tuned языковой модели Teuken-7B-instruct-commercial-v0.4, созданная с использованием llama.cpp. Исходную модель разработали Fraunhofer, Forschungszentrum Jülich, TU Dresden и DFKI в рамках исследовательского проекта OpenGPT-X при финансировании Федерального министерства экономики и защиты климата Германии. Архитектура модели — decoder-only Transformer. Модель предназначена для генерации текста, диалоговых сценариев и других мультиязычных NLP-задач, включая коммерческое и исследовательское использование. Она ориентирована на все 24 официальных языка Европейского союза: болгарский, чешский, датский, немецкий, греческий, английский, испанский, эстонский, финский, французский, ирландский, хорватский, венгерский, итальянский, литовский, латышский, мальтийский, нидерландский, польский, португальский, румынский, словацкий, словенский и шведский. Предобучение базовой модели выполнено на 4 триллионах токенов из общедоступных источников с датой отсечения данных в сентябре 2023 года. Сильная сторона модели — специализация на мультиязычных задачах и более стабильная работа с европейскими языками по сравнению с англоцентричными моделями. Для корректной работы требуется использовать предусмотренный prompt template или chat template. Модель не предназначена для математических и программных задач; также возможны галлюцинации, предвзятые, токсичные или иным образом вредные ответы. Размер контекста и конкретный формат квантизации в предоставленной карточке не указаны. Модель распространяется по лицензии Apache 2.0.

Falconsai/text_summarization — дообученная модель семейства T5, предназначенная для создания кратких связных пересказов входного текста. Она подходит для суммирования документов, новостных статей и другого текстового содержимого. Модель построена на архитектуре T5ForConditionalGeneration и содержит 38,5 млн параметров. Она принимает текст и генерирует текстовое резюме; контекст составляет до 512 токенов. В карточке указана поддержка английского языка. Доступны форматы PyTorch, Safetensors, ONNX и Core ML. Модель выпущена Falconsai по лицензии Apache-2.0. Карточка описывает дообучение T5 Small на документах с человеческими резюме, однако не приводит название датасета или количественные оценки качества. При обработке длинных документов учитывайте ограничение контекста.

Thalassic-Alpha-LLaMa-70B — объединённая модель для генерации текста, созданная автором TareksGraveyard на основе DeepSeek-R1-Distill-Llama-70B и нескольких моделей семейства Llama. Для слияния предварительно обученных моделей автор использовал mergekit и метод Linear DELLA. Модель предназначена для диалогов и генерации ответов; автор сообщает о многообещающих ранних результатах, но отмечает, что другой вариант его эксперимента показался ему лучше. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 69,5 млрд параметров и поддерживает контекст до 131 072 токенов. Она принимает текст и генерирует текст. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия — llama3.3.

Thalassic-Delta-LLaMa-70B — слитая разговорная языковая модель от TareksGraveyard на архитектуре Llama. Она создана методом SCE с помощью mergekit на основе SicariusSicariiStuff/Negative_LLAMA_70B и объединяет веса Anubis-70B-v1, EVA-LLaMA-3.33-70B-v0.1, 70B-L3.3-Cirrus-x1, L3.1-70B-Hanami-x1 и DeepSeek-R1-Distill-Llama-70B. Модель предназначена для генерации текста и диалогов; базовая модель DeepSeek-R1-Distill-Llama-70B ориентирована также на математические рассуждения, программирование и сложные вопросы. Размер составляет 69,5 млрд параметров, заявленная длина контекста — 131 072 токена. Репозиторий содержит веса в формате safetensors и использует лицензию llama3.3. Автор описывает её как лучший вариант серии Thalassic по своему мнению, однако README не приводит сравнительных оценок или результатов бенчмарков.

jefferylovely/ThetaMaven4 — языковая модель, созданная слиянием jefferylovely/ThetaMaven и nbeerbower/bruphin-epsilon методом slerp с помощью LazyMergekit. Это плотная причинно-авторегрессионная модель архитектуры Mistral на 7,1 млрд параметров; веса представлены в формате safetensors. Модель предназначена для генерации текста и диалоговых сценариев на основе текстового запроса. Контекстное окно составляет 32 768 токенов. Модель опубликована под лицензией CC BY-NC-ND 4.0, которая ограничивает коммерческое использование и распространение производных версий. Карточка не приводит результатов оценки качества, сведений о целевых языках или специализированных областях применения.

TheTop-5x7B-Instruct-D-v0.1 — объединённая MaziyarPanahi модель на основе пяти инструкционно настроенных языковых моделей семейства Mistral с применением метода DARE. Она предназначена для генерации текста и ответов на запросы в диалоговом формате. Модель использует архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В README приведены результаты оценивания на задачах рассуждения AI2 Reasoning Challenge и HellaSwag. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0. README не сообщает поддерживаемые языки или специализированные области применения.

GLM-Z1-32B-0414-GGUF — это квантизированная версия языковой модели GLM-Z1-32B-0414, разработанной THUDM и подготовленной в формате GGUF пользователем bartowski. Модель предназначена для генерации текста и запуска локально через llama.cpp, LM Studio и другие совместимые проекты на базе llama.cpp. Указаны китайский и английский языки, а лицензия исходной модели — MIT. Модель содержит 32B параметров; README не уточняет её архитектуру, размер контекста и дополнительные модальности, поэтому её следует рассматривать как текстовую модель. Доступны варианты от BF16 и Q8_0 до низкобитных Q2_K, Q3, Q4, Q5 и Q6-квантизаций. Старшие варианты обеспечивают качество, близкое к исходной модели, а более компактные требуют меньше оперативной памяти, но могут заметно терять в качестве. Для большинства сценариев рекомендованы варианты Q4_K_M, Q5_K_M, Q6_K и их модификации. Квантизации выполнены с использованием imatrix и llama.cpp; в этой версии также заявлено исправление токенизатора. Сильная сторона модели — возможность локального запуска 32B-модели в широком диапазоне требований к памяти благодаря большому выбору квантизаций. Ограничения включают высокие требования к ресурсам даже для компактных вариантов и потенциальное снижение качества у низкобитных форматов. Для корректного использования необходимо соблюдать указанный формат prompt с токенами GLM.

Til-2B-GEC — модель команды TilQazyna для исправления грамматических, орфографических и пунктуационных ошибок в казахском тексте. Она дообучена на данных Til-GEC от базовой модели Til-2B. Модель построена на архитектуре DeepseekV3ForCausalLM с механизмом MLA, содержит около 1,977 млрд параметров, 30 слоёв и поддерживает контекст до 4096 токенов. Она предназначена для коррекции коротких текстов, включая ошибки в падежах, личных и притяжательных окончаниях, числе, времени, отрицании, порядке слов и написании. Модель может слегка перефразировать исходный текст вместо минимальной правки. Для скачивания файлов требуется одобрение запроса доступа командой TilQazyna. Лицензия — Apache-2.0.