I.5Создание и редактирование текста

uzbek-llama-3.1-8B-instruct-v2-GGUF — квантизированная в формате GGUF версия модели Llama-3.1-8B-Instruct-Uz, разработанной behbudiy и подготовленной квантизацией mradermacher. Модель основана на Llama 3.1 с 8 млрд параметров и ориентирована на генерацию текста по инструкциям, ответы на вопросы, суммаризацию и перевод. В обучении использовались наборы yahma/alpaca-cleaned, behbudiy/alpaca-cleaned-uz и behbudiy/translation-instruction. Заявлены узбекский и английский языки. Модель доступна в нескольких вариантах GGUF-квантизации — от Q2_K размером около 3,3 ГБ до Q8_0 размером около 8,6 ГБ, а также в формате f16 размером около 16,2 ГБ. В README рекомендуются варианты Q4_K_S и Q4_K_M как быстрые; Q6_K описан как обеспечивающий очень хорошее качество, а Q8_0 — как вариант с лучшим качеством среди указанных. Квантизация уменьшает требования к памяти, но более компактные варианты могут уступать по качеству менее сжатым. Модель подходит для локального запуска и прикладных задач обработки текста на узбекском и английском языках. Данные о длине контекста, точной архитектуре базовой модели, поддерживаемых модальностях помимо текста, результатах оценки и системных требованиях не указаны. Лицензия обозначена как llama3.1; перед использованием следует проверить её условия и ограничения.

v1olet_marcoroni-go-bruins-merge-7B-Mistral-7B-Instruct-v0.1 — объединённая чат-модель на архитектуре Mistral, созданная путём слияния весов Mistral-7B-Instruct-v0.1 и v1olet/v1olet_marcoroni-go-bruins-merge-7B методом SLERP. Модель содержит 7,1 млрд параметров, распространяется в формате safetensors и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации ответов на инструкции и диалоговые запросы на английском языке. Лицензия Apache-2.0 допускает использование, изменение и распространение в соответствии с её условиями. Карточка не приводит сравнительных оценок качества или результатов тестирования.

Модель lldois/v95_v74_layerwise_v87_v92_delta_consolidate_lr2e7_steps100 — дообученная версия lldois/v74_public091_rslora_loraplus_r128_a16_lr1e5_x16_ep3, созданная на датасете exp_v49_public_091_exact. Это плотная авторегрессионная языковая модель семейства Qwen3 с архитектурой Qwen3ForCausalLM и 532,8 млн параметров. Она предназначена для генерации текста и диалогового взаимодействия; заявленная длина контекста — 40 960 токенов. Модель принимает текст и выдаёт текст. Карточка не описывает её специальные области применения, оценку качества или подробные ограничения. Репозиторий содержит веса в формате safetensors; лицензия обозначена как other, поэтому конкретные условия использования следует проверять в карточке модели и связанных материалах.

VAETKI-20B-A2B — языковая модель NC-AI для генерации текста и диалогов. Она построена на архитектуре Transformer с причинным автодекодированием и смесью экспертов (MoE): всего 19,64 млрд параметров, из которых активируются 2,2 млрд, восемь из 128 экспертов. Модель прошла предобучение и постобучение; в репозитории веса представлены в формате Safetensors. Модель предназначена для эффективного инференса и поддерживает корейский, английский, китайский и японский языки. Карточка указывает контекст 16 тысяч токенов, а метаданные — нативный контекст 32 768 токенов. Лицензия — MIT. Модель может выдавать неточные или неполные ответы и галлюцинировать, особенно на неоднозначных запросах и задачах, требующих высокой фактической точности. Возможны трудности со сложными рассуждениями, точными вычислениями и корректной генерацией кода; ответы могут отражать предубеждения обучающих данных. Модель не предназначена для критически важных решений в медицине, праве, финансах и военной сфере.

Vectorite-Pro-4B — дообученная Sup2Doggie языковая модель семейства Qwen3 для генерации текста и диалогового общения. В основе лежит unsloth/qwen3-4b-unsloth-bnb-4bit; для обучения использовались Unsloth и библиотека Hugging Face TRL. Модель содержит 3,7 млрд параметров и поддерживает контекст до 40 960 токенов. Модель подходит для генерации ответов в чате и задач, сводящихся к продолжению или созданию текста. Метаданные отмечают интерфейс вызова инструментов, но README не описывает специальные навыки или результаты оценки качества. Модель распространяется по лицензии Apache-2.0.

Versatile-1.5b-v0.3 — дообученная языковая модель tarunnokwal на архитектуре Qwen2 с 1,5 млрд параметров. Она предназначена для генерации текста и диалогового взаимодействия; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. В карточке указано обучение с использованием Unsloth и библиотеки Hugging Face TRL. Модель основана на tarunnokwal/VST-LM_Versatile-1.5B и распространяется по лицензии Apache-2.0. Карточка указывает английский язык; сведений о специализации в конкретной предметной области и об оценке качества нет.

Versatile-7B — объединённая языковая чат-модель на архитектуре Mistral, опубликованная Syed-Hasan-8503. Она предназначена для диалогов и генерации текста. Веса объединены методом DARE TIES из MTSAIR/multi_verse_model и MaziyarPanahi/Calme-7B-Instruct-v0.3; модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель принимает текст и выдаёт текст. В каталоге она указана как англоязычная, поэтому подходит для англоязычного общения и генерации. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия — Apache-2.0. Данные карточки не описывают отдельные оценки качества или ограничения применения.

helloollel/vicuna-7b — языковая модель семейства LLaMA с плотной архитектурой LlamaForCausalLM и примерно 6,6 млрд параметров. Карточка описывает запуск модели через FastChat; модель предназначена для генерации текста в диалоговом формате и ответов на запросы пользователя. Модель принимает текст и генерирует текст. Её родной контекст составляет 2048 токенов. В репозитории указаны веса PyTorch. Данных о лицензии и конкретном способе получения этой копии в карточке и метаданных нет, поэтому условия использования по ним определить нельзя.

VisFlamCat — объединённая языковая модель на архитектуре Mistral, созданная автором репозитория с помощью LazyMergekit из flammenai/flammen15-gutenberg-DPO-v1-7B, Eric111/CatunaLaserPi и Nitral-AI/Visual-LaylelemonMaidRP-7B. Модель содержит 7,1 млрд параметров, использует формат safetensors, имеет контекст до 32 768 токенов и предназначена для генерации текста. Модель подходит для диалогов и свободного продолжения текста. В README приведены результаты оценки на Open LLM Leaderboard: среднее значение 21,16, IFEval — 43,66, BBH — 32,88. Она объединяет несколько моделей методом TIES; лицензия и дополнительные условия использования в предоставленных данных не описаны.

Viviana_V3_dare_ties — объединённая чат-модель, созданная domie с помощью mergekit на основе domie/Viviana_V2 и mistralai/Mistral-7B-Instruct-v0.2. Она предназначена для генерации текста и ответов на инструкции в диалоговом формате. Модель использует плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров. Она принимает текст и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате safetensors; лицензия — Apache-2.0. Модель подходит для диалоговых приложений и генерации ответов по текстовым запросам. README не приводит оценок качества или сравнительных тестов, поэтому пригодность для конкретных сценариев следует проверять самостоятельно.

VPO-Pess-Zephyr-7B-0.0001-iter-2 — диалоговая языковая модель, выпущенная Katayoon. Это дообученная версия Katayoon/VPO-Pess-Zephyr-7B-0.0001-iter-1 на обновлённом и исходном наборах данных. Модель построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров; формат весов — safetensors. Она поддерживает генерацию текста и диалоговое взаимодействие, с контекстом до 32 768 токенов. Модель подходит для генерации ответов в чате и других сценариев текстовой генерации. Карточка не описывает специализированные области применения, языковое покрытие, результаты оценки или конкретные ограничения. Лицензия — MIT.

Walter — текстовая инструкция-следующая модель-ассистент на базе плотной архитектуры Mistral, разработанная Knut Jaegersberg. Модель дообучена на наборах инструкций с открытыми лицензиями; автор указывает, что примерно две трети примеров взяты из крупных наборов, включая FLAN, а также упоминает набор KnutJaegersberg/Auton. Она предназначена для ответов на инструкции, рассуждений, суммаризации и написания текстов. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. README демонстрирует также выполнение инструкций на русском языке; метаданные не дают оснований считать её специально ориентированной на русский. Опубликована в формате safetensors под лицензией Apache-2.0. Автор характеризует её как «unaligned» и «free thinking», поэтому её ответы могут быть менее ограничены защитными настройками; приведённые примеры и оценки бенчмарков не гарантируют качество на конкретных задачах.

Walter-SOLAR-11B — текстовая генеративная модель-ассистент Knut Jaegersberg на архитектуре Llama с 10,6 млрд параметров и контекстом до 4096 токенов. Модель дообучена на инструкционных наборах данных с открытыми лицензиями; автор сообщает, что около двух третей примеров взяты из крупных наборов, включая FLAN, а также использован датасет KnutJaegersberg/Auton. Модель предназначена для широкого круга задач по инструкциям: ответы на вопросы, рассуждения, суммаризация и написание текстов. В карточке приведены примеры работы с русским текстом, включая выбор неподходящей метки эмоции. Автор характеризует модель как свободно рассуждающего ассистента без выравнивания; результаты бенчмарков в README включают среднюю оценку 55,95, 60,41 на AI2 Reasoning Challenge и 84,86 на HellaSwag. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. README не приводит полной оценки качества по задачам, поэтому результаты на конкретных сценариях следует проверять отдельно.

WangChanGLM-7.5B-sft-enth — разработанная PyThaiNLP и VISTEC-depa AI Research Institute of Thailand версия XGLM-7.5B, дообученная следовать инструкциям. Модель содержит 8,6 млрд параметров, использует архитектуру XGLM и принимает текстовые запросы, генерируя текст; длина контекста — 2048 токенов. Модель предназначена для ответов на вопросы по тексту, мозгового штурма и творческого письма. Этот вариант дополнительно дообучен на тайских данных, переведённых с помощью Google Translate; в карточке также указана оценка возможностей для английского, тайского, японского и вьетнамского языков. Для обучения использованы открытые наборы данных, включая OIG, Dolly v2, OpenAI TL;DR и HC3. Лицензия весов — CC-BY-SA 4.0. Модель слабо подходит для математики, сложных рассуждений и ответов, требующих фактической точности. В карточке также отмечены нежелательные предубеждения и токсичность; перед применением в конкретной задаче рекомендуется дополнительная проверка.

KnutJaegersberg/webMistral-7B — языковая модель семейства Mistral с плотной архитектурой MistralForCausalLM и 7,1 млрд параметров. Она предназначена для генерации текста и может использоваться как базовая модель для запросов и продолжения текста. В карточке приведён пример промпта и результаты оценки на Open LLM Leaderboard, включая ARC и HellaSwag. Модель принимает текст и выдаёт текст; её заявленная длина контекста — 32 768 токенов. Веса опубликованы в формате safetensors. Репозиторий распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. README не сообщает о специализированной предметной области или подтверждённых языках.

nlpguy/Westgate — слитая языковая модель на архитектуре Mistral, созданная с помощью mergekit методом SLERP из jsfs11/TurdusTrixBeagle-DARETIES-7B и senseable/garten2-7b. Модель содержит 7,1 млрд параметров, принимает текст и предназначена для генерации текста; заявленная длина контекста — 32 768 токенов. Модель подходит для диалогов, следования инструкциям и рассуждений, а результаты тестирования в README включают показатели на AI2 Reasoning Challenge и HellaSwag. Карточка не описывает специализацию по языку или предметной области. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

WestKunai-Hermes-7b — слитая языковая модель, созданная автором seyf1elislam с помощью mergekit и метода DARE TIES. В слиянии использованы saishf/West-Hermes-7B и seyf1elislam/KunaiBeagle-Hermes-7b на основе mistralai/Mistral-7B-v0.1. Модель построена на архитектуре Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Она предназначена для генерации текста по запросам и может применяться в диалогах, ответах на вопросы и задачах рассуждения. Репозиторий содержит веса в формате safetensors; в README также упомянуты квантованные версии GGUF. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. README приводит результаты Open LLM Leaderboard, но не описывает отдельно языковую специализацию или гарантии качества.

WestKunai-XD-7b — слитая языковая модель, созданная автором seyf1elislam с помощью mergekit из WestKunai-Hermes-7b и KuTrix-7b на основе Mistral-7B-v0.1. Это плотная авторегрессионная модель Mistral с 7,1 млрд параметров; для репозитория указаны веса safetensors и контекст до 32 768 токенов. Также доступны квантованные версии в формате GGUF. Модель предназначена для генерации текста и ответов на запросы, включая сценарии с длинным контекстом. В карточке приведены результаты оценивания на задачах рассуждения и здравого смысла, однако конкретные языки, на которых модель оптимизирована, не описаны. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

WestLake-Munin-Cat-NorskGPT — объединённая модель на архитектуре Mistral, созданная с помощью LazyMergekit из шести моделей, включая NorskGPT-Mistral-7b, Munin, WestLake, MetaMath-Mistral и OpenHermes. Модель насчитывает 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогового использования. Её можно применять для ответов на вопросы, написания и продолжения текстов, а также помощи с кодом и математическими задачами благодаря возможностям входящих в объединение моделей. Формат весов — safetensors; модель опубликована в феврале 2024 года. В карточке не приведены результаты оценки качества или отдельные инструкции по эксплуатации. Условия лицензирования в доступных данных не указаны.

WestLakev2-IreneRP-Neural-7B-slerp — объединённая текстовая модель на базе Mistral, созданная с помощью LazyMergekit из Smuggling1710/IreneRP-Neural-7B-slerp и macadeliccc/WestLake-7B-v2-laser-truthy-dpo. Для объединения использован метод slerp с настройками смешивания для слоёв self-attention и MLP. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Она предназначена для генерации текста, в том числе диалоговых ответов и продолжения текста. В репозитории представлены веса Safetensors. Лицензия в доступных данных не указана. Качество и поведение унаследованы от объединяемых моделей; отдельные результаты оценки или рекомендации по развёртыванию в карточке не приведены.

vishnukv/WestSeverusJaskier — объединённая автором модель семейства Mistral, созданная с помощью mergekit методом SLERP из PetroGPT/WestSeverus-7B-DPO и bardsai/jaskier-7b-dpo-v6.1. Это плотная авторегрессионная языковая модель с 7,1 млрд параметров, предназначенная для генерации текста и ответов на запросы. Она принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. Модель подходит для диалоговых сценариев, ответов на вопросы и генерации текста общего назначения. В README приведены результаты оценки на Open LLM Leaderboard: среднее значение 75,67, включая показатели на AI2 Reasoning Challenge и HellaSwag; эти цифры сами по себе не гарантируют качество в конкретном применении. В метаданных указана лицензия MIT. Карточка не сообщает о специальных ограничениях или подтверждённой поддержке конкретных естественных языков.

Whittle-Qwen-3.8-35B-A3B-GGUF — это GGUF-квантизированная версия модели Whittle-Qwen-3.8-35B-A3B, разработанной logic65 и подготовленной квантизатором mradermacher. Модель предназначена для генерации текста, диалоговых сценариев, рассуждений, программирования и математических задач. В описании указаны архитектура Mixture-of-Experts, механизмы n-gram memory и conditional memory, hyper-connections и knowledge distillation. Поддерживаются текстовые запросы; заявлены английский, китайский и многоязычный режимы. Размер контекстного окна не указан. Модель распространяется в формате GGUF для запуска через llama.cpp и совместимые инструменты. Доступны варианты квантизации от Q2_K размером около 13,1 ГБ до Q8_0 размером около 37,9 ГБ; варианты Q4_K_S и Q4_K_M отмечены как быстрые и рекомендуемые, а Q6_K — как обеспечивающий очень хорошее качество. Более сильная квантизация обычно требует больше памяти, но лучше сохраняет качество, тогда как малые варианты экономичнее, однако могут заметнее уступать в точности. В README не приведены результаты бенчмарков и подробные ограничения по производительности. Лицензия модели — Apache-2.0.

Wicked Moondust 12B — слитая языковая модель, созданная с помощью mergekit методом Arcee Fusion из Vortex5/Ethereal-Stardust-12B, Vortex5/Wicked-Oblivion-12B и Vortex5/Nether-Moon-12B. Модель использует плотную архитектуру MistralForCausalLM и содержит 12,1 млрд параметров. Модель предназначена для генерации текста и разговорного взаимодействия. Контекстное окно составляет до 131 072 токенов; файлы весов представлены в формате safetensors. В метаданных указана поддержка чата, а базовая модель описана как ориентированная на ролевые диалоги, повествование и художественное письмо. В карточке не указаны лицензия и языки. Поэтому условия использования по лицензии и пригодность для конкретных языков по имеющимся сведениям определить нельзя.

Wiedervereinigung-7b-dpo — немецко-английская чат-модель от Mayflower GmbH, созданная объединением четырёх моделей на базе Mistral и последующим DPO-обучением на немецком переводе набора SlimOrca DPO. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Она предназначена для диалогов и генерации текста, в частности для ответов на вопросы, написания текстов и ролевых сценариев на немецком языке. В README приведён средний результат 7,1125 в бенчмарке mt-bench-de; оценки отдельных категорий показывают более низкие результаты в математике и программировании. Для обучения на немецких наборах данных авторы рекомендуют LLaMA-Factory. Модель распространяется в формате safetensors по лицензии Apache-2.0. Результаты бенчмарка указывают на ограничения в математике и программировании; качество следует оценивать для конкретного сценария.

Карточка модели johannhartmann/Wiedervereinigung-WIP на Hugging Face совпадает с карточкой mayflowergmbh/Wiedervereinigung-7b-dpo, поэтому описание составлено по ней. Wiedervereinigung-7b-dpo — немецко-английская чат-модель от Mayflower GmbH, созданная объединением четырёх моделей на базе Mistral и последующим DPO-обучением на немецком переводе набора SlimOrca DPO. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Она предназначена для диалогов и генерации текста, в частности для ответов на вопросы, написания текстов и ролевых сценариев на немецком языке. В README приведён средний результат 7,1125 в бенчмарке mt-bench-de; оценки отдельных категорий показывают более низкие результаты в математике и программировании. Для обучения на немецких наборах данных авторы рекомендуют LLaMA-Factory. Модель распространяется в формате safetensors по лицензии Apache-2.0. Результаты бенчмарка указывают на ограничения в математике и программировании; качество следует оценивать для конкретного сценария.

WildWest-Variant3-7B — разговорная языковая модель на 7,1 млрд параметров, созданная BarryFutureman путём слияния четырёх моделей с помощью mergekit. Она основана на архитектуре Mistral и предназначена для генерации текста и диалоговых сценариев на английском языке. Контекстное окно составляет 32 768 токенов. Модель распространяется в формате Safetensors под лицензией Apache-2.0. В карточке не описаны специальные предметные области или дополнительные возможности помимо чата и генерации текста.

Wistral-7B-Instruct-v0.4 — дообученная BarraHome версия Mistral-7B-Instruct-v0.2, созданная с помощью Unsloth и библиотеки TRL. Это плотная авторегрессионная модель с 7,1 млрд параметров для генерации текста в диалоговом формате; заявленная длина контекста — 32 768 токенов. В карточке приведены результаты оценки на задачах AI2 Reasoning Challenge и HellaSwag. Модель подходит для диалоговых приложений и генерации ответов на текстовые запросы на английском языке. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

fearlessdots/WizardLM-2-7B-abliterated — это версия диалоговой модели WizardLM-2 7B, опубликованная fearlessdots. Веса в формате bfloat16 Safetensors ортогонализированы по методике, основанной на реализации @failspy; базовая модель — mistralai/Mistral-7B-v0.1, дообученная WizardLM@Microsoft AI. Модель имеет плотную архитектуру MistralForCausalLM и около 7,1 млрд параметров. Модель предназначена для многоходового диалога и генерации ответов на инструкции, включая задачи письма, программирования, математики, рассуждений и многоязычного общения. В README заявлена поддержка нескольких языков, но конкретные языки не перечислены. Контекст составляет до 32 768 токенов; используется шаблон диалога Vicuna. Лицензия — Apache-2.0. Заявленные возможности унаследованы от WizardLM-2 7B, однако карточка не приводит отдельной оценки именно этой ортогонализированной версии. Ортогонализация весов описана как abliterated-вариант, но README не уточняет, какие ограничения или побочные эффекты она создаёт.

WizardLM-2-7B-abliterated-GGUF — это квантизированная версия языковой модели WizardLM-2-7B-abliterated, опубликованная и подготовленная bartowski на основе оригинальной модели fearlessdots. Модель предназначена для генерации текста и запуска локально через llama.cpp; в README указан формат запросов с системным сообщением, ролями USER и ASSISTANT. Модель содержит 7 млрд параметров и представлена в формате GGUF с вариантами квантизации от Q8_0 до IQ1_S. Доступны сборки размером примерно от 1,61 до 7,69 ГБ. Квантизация выполнена с использованием llama.cpp и метода imatrix. В README не указаны поддерживаемые языки, размер контекстного окна, архитектура исходной модели или мультимодальные возможности, поэтому модель следует рассматривать как текстовую. Сильная сторона семейства — широкий выбор вариантов квантизации, позволяющий подобрать баланс между качеством, размером файла и требованиями к памяти; для высокого качества рекомендуются Q6_K, Q5_K_M, Q5_K_S и некоторые варианты Q4. Более агрессивная квантизация экономит память, но снижает качество, особенно у вариантов IQ1. Модель распространяется по лицензии Apache-2.0.

PrunaAI/WizardLM-2-7B-GGUF-smashed — это сжатая и квантизированная версия WizardLM-2-7B, опубликованная PrunaAI; исходная модель связана с Microsoft. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск через llama.cpp, LM Studio, text-generation-webui или библиотеки llama-cpp-python и ctransformers. Модель имеет архитектуру llama и около 7 млрд параметров. Она распространяется в формате GGUF с вариантами квантизации от Q2_K до Q8_0, что позволяет выбирать компромисс между размером, скоростью и качеством. В карточке приведён пример запуска с контекстом 32768 токенов; более длинный контекст требует больше ресурсов. Модель принимает текст и генерирует текст; сведения о поддерживаемых языках и мультимодальности не указаны. К сильным сторонам относятся уменьшенный размер файлов, возможность работы на менее мощном оборудовании и широкий выбор уровней квантизации. Ограничение состоит в том, что качество ответов может отличаться от базовой модели и снижаться при более агрессивном сжатии. Лицензия отдельно не указана: карточка сообщает, что она наследуется от лицензии исходной модели, поэтому перед использованием необходимо проверить условия для WizardLM-2-7B.