I.5Создание и редактирование текста

Alchemist_06_2b — языковая модель семейства Gemma, созданная Sumail слиянием моделей через mergekit. Она предназначена для генерации текста и диалогового общения. Модель содержит 2,5 млрд параметров, использует плотную архитектуру GemmaForCausalLM и поддерживает контекст до 8192 токенов. В README указано слияние двух экземпляров zzttbrdd/sn6_01_new методом slerp; этот же репозиторий указан базовой моделью в метаданных. Веса представлены в формате safetensors, лицензия — Apache-2.0. Данных о языковой специализации и ограничениях качества в карточке нет.

ALIA-40b-Instruct-2606 — языковая модель с инструкционной настройкой, разработанная Barcelona Supercomputing Center (BSC-LT). Это декодерная плотная трансформерная модель семейства Llama с 38,3 млрд параметров, построенная на базе ALIA-40b. Контекстное окно составляет 163 840 токенов. Модель предназначена для диалогов и выполнения инструкций: она отвечает на вопросы, учитывает контекст беседы и формирует структурированные ответы. Её постобучение включало адаптацию к длинному контексту, дообучение на 714 тысячах диалоговых примеров и выравнивание предпочтений методом DPO. Основной упор сделан на испанский, каталанский, баскский, галисийский и английский языки; качество на других языках не гарантируется. Модель не умеет самостоятельно вызывать внешние функции или API и не предназначена для автономного выполнения рабочих процессов. Её рассуждения и математические ответы могут быть ненадёжными, а код следует проверять. Разработчики предупреждают, что несмотря на настройку безопасности, возможны нежелательные ответы. Лицензия — Apache-2.0.

Карточка модели ewgenni/AliceAI-Foundation-80B-A3B-Base на Hugging Face совпадает с карточкой yandex/AliceAI-Foundation-80B-A3B-Base, поэтому описание составлено по ней. AliceAI-Foundation-80B-A3B-Base — базовая авторегрессионная языковая модель, разработанная Yandex и обученная с нуля. Это предобученная модель с гибридной архитектурой и смесью экспертов: всего 80 млрд параметров, из которых на каждом токене активируются около 3 млрд. Архитектура включает 48 слоёв, 512 экспертов и механизмы KDA и Gated Attention; контекст — до 262 144 токенов. Модель предназначена для генерации текста и дальнейшей адаптации под задачи рассуждений, математики, программирования, работы с фактами и взаимодействия с инструментами. По данным карточки, особенно сильна в фактологических задачах на русском языке; доступны русскоязычные бенчмарки WikiWebFacts и HardMultiQA. Это базовая модель, поэтому для диалогового применения и следования инструкциям может потребоваться дообучение и подходящий шаблон сообщений. Веса опубликованы в формате Safetensors и доступны по лицензии Apache 2.0. В README описан запуск через Transformers и vLLM; для выполнения KDA-слоёв на GPU требуется совместимая версия flash-linear-attention. Заявленные в README 80 млрд общих параметров расходятся с метаданными Hugging Face, где указано 3,1 млрд параметров.

Карточка модели hdcase/AliceAI-Foundation-80B-A3B-Base на Hugging Face совпадает с карточкой yandex/AliceAI-Foundation-80B-A3B-Base, поэтому описание составлено по ней. AliceAI-Foundation-80B-A3B-Base — базовая авторегрессионная языковая модель, разработанная Yandex и обученная с нуля. Это предобученная модель с гибридной архитектурой и смесью экспертов: всего 80 млрд параметров, из которых на каждом токене активируются около 3 млрд. Архитектура включает 48 слоёв, 512 экспертов и механизмы KDA и Gated Attention; контекст — до 262 144 токенов. Модель предназначена для генерации текста и дальнейшей адаптации под задачи рассуждений, математики, программирования, работы с фактами и взаимодействия с инструментами. По данным карточки, особенно сильна в фактологических задачах на русском языке; доступны русскоязычные бенчмарки WikiWebFacts и HardMultiQA. Это базовая модель, поэтому для диалогового применения и следования инструкциям может потребоваться дообучение и подходящий шаблон сообщений. Веса опубликованы в формате Safetensors и доступны по лицензии Apache 2.0. В README описан запуск через Transformers и vLLM; для выполнения KDA-слоёв на GPU требуется совместимая версия flash-linear-attention. Заявленные в README 80 млрд общих параметров расходятся с метаданными Hugging Face, где указано 3,1 млрд параметров.

ewqr2130/alignment-handbook-zephyr-7b-sft-full-dpo-5e7-cont1 — разговорная текстовая модель семейства Mistral, представленная в формате Safetensors. Это плотная авторегрессионная модель с 7,1 млрд параметров и контекстом до 32 768 токенов, предназначенная для генерации текста в чат-сценариях. Название репозитория указывает на SFT и DPO дообучение Zephyr 7B, однако README не содержит сведений, подтверждающих базовую модель или детали обучения. Модель принимает текст и выдаёт текст; в метаданных указана возможность чата. Лицензия — Apache-2.0. Карточка не описывает качество ответов и ограничения, поэтому их нельзя уточнить по предоставленным материалам.

SERA-8B-GA-GGUF — набор GGUF-квантизированных версий языковой модели SERA-8B-GA, разработанной allenai и подготовленной пользователем bartowski. Модель предназначена для генерации текста и локального запуска через llama.cpp и совместимые приложения, включая LM Studio, koboldcpp, Jan AI и Text Generation Web UI. В основе лежит модель размером 8B параметров; доступны варианты от BF16 до низкоразрядных Q2–Q8 и IQ-квантизаций. Размер файлов составляет примерно от 3,37 до 16,39 ГБ. Квантизация выполнена с использованием llama.cpp и imatrix, что позволяет выбирать баланс между качеством генерации, потреблением памяти и скоростью работы. Для общения используется шаблон с маркерами ролей system, user и assistant. Сильная сторона набора — широкий выбор форматов для запуска на оборудовании с разным объёмом памяти: версии Q6 и Q5 ориентированы на высокое качество, Q4 подходят как компромиссный вариант, а Q3 и Q2 — для систем с ограниченной RAM, хотя качество у них ниже. Модель является текстовой, сведения о поддерживаемых языках, длине контекста, специализированных возможностях и результатах оценки в README не указаны. Лицензия также не указана; условия использования следует уточнять в карточке исходной модели allenai/SERA-8B-GA.

Qwen3.5-27B-Anko-GGUF — это квантизированная версия языковой модели allura-org/Qwen3.5-27B-Anko, подготовленная пользователем bartowski в формате GGUF с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и запуска локально через llama.cpp, LM Studio, KoboldCpp, Jan AI, Text Generation Web UI и другие совместимые инструменты. Модель имеет 27 млрд параметров и поддерживает английский и китайский языки. В репозитории представлены варианты от BF16 и Q8_0 до более компактных Q3- и IQ3-квантизаций; наиболее качественными считаются BF16, Q8_0, Q6 и Q5, а Q4 предлагается как сбалансированный вариант по качеству и размеру. Размер файлов составляет примерно от 13,5 до 53,8 ГБ. Данные о модальностях, архитектуре исходной модели и размере контекстного окна в README не указаны. Модель подходит для локальной генерации текста и диалоговых сценариев при наличии совместимого программного обеспечения и достаточного объёма оперативной или видеопамяти. Квантизация снижает требования к ресурсам, но варианты с меньшим числом бит могут заметно уступать более крупным по качеству. Распространение указано по лицензии Apache-2.0.

bartowski/allura-org_Qwen3.6-35B-A3B-Anko-GGUF — это GGUF-квантизированная версия текстовой генеративной модели Qwen3.6-35B-A3B-Anko, разработанной allura-org. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и может использоваться локально в llama.cpp, LM Studio, KoboldCpp, Jan AI, Text Generation Web UI и других совместимых инструментах. В репозитории доступны варианты от BF16 до низкобитных форматов Q8_0, Q6, Q5, Q4, Q3 и IQ. Размер файлов варьируется примерно от 16,2 до 69,4 ГБ, что позволяет выбирать между качеством и требованиями к памяти. Заявлены английский и китайский языки. В README не указаны размер контекста, точная архитектура, дополнительные модальности или результаты бенчмарков, поэтому эти характеристики нельзя достоверно оценить по предоставленным данным. Сильной стороной модели является широкий выбор квантизаций, включая варианты, ориентированные на высокое качество или экономию памяти, а также совместимость с популярными средствами локального запуска. Ограничения связаны с потерями качества, возможными при использовании низкобитных вариантов, значительными требованиями к диску и оперативной или видеопамяти, а также с необходимостью поддержки этой модели конкретным программным обеспечением. Модель распространяется по лицензии Apache-2.0.

EpistemeAI/Alpaca-CodeLlama-3.1-8B — дообученная модель семейства Llama, разработанная EpistemeAI на основе EpistemeAI/Alpaca-Llama3.1-8B. Она предназначена для генерации текста; карточка не уточняет специализацию на программировании, несмотря на название репозитория. Модель имеет плотную архитектуру LlamaForCausalLM и около 7,5 млрд параметров. Длина контекста составляет 131 072 токена. Доступны веса в форматах PyTorch и Safetensors, а также GGUF F16. В карточке указан английский язык. Модель обучали с использованием Unsloth и Hugging Face TRL. Лицензия — Apache-2.0. Карточка не приводит оценок качества или подробных сведений об ограничениях применения.

Amaretto-14B-i1-GGUF — это квантизированная версия языковой модели Amaretto-14B, разработанной AmarettoLabs и подготовленной пользователем mradermacher в формате GGUF. Модель предназначена для генерации текста, творческого письма и работы в качестве ассистента по написанию; в метаданных указано, что она дообучалась с применением QLoRA. Заявлен английский язык. Модель имеет около 14 миллиардов параметров и распространяется в вариантах i1-квантизации с размерами примерно от 3,4 до 11,2 ГБ. Доступны уровни от IQ1 и IQ2 до IQ4, Q5 и Q6; варианты различаются компромиссом между размером, скоростью и качеством. В README также указано, что это vision-модель, однако сведения о поддерживаемых визуальных входах, архитектуре мультимодальности и контекстном окне не приведены. Сильная сторона набора — широкий выбор GGUF-вариантов для запуска на оборудовании с разным объёмом памяти; рекомендованным назван i1-Q4_K_M, а i1-Q4_K_S описан как оптимальный по соотношению размера, скорости и качества. Более низкие уровни квантизации могут заметно уступать по качеству. Модель распространяется по лицензии Apache-2.0.

ANIMA-Nectar-v2-Mistral-7B-Instruct-v0.1 — чат-модель на архитектуре Mistral, созданная MaziyarPanahi слиянием mistralai/Mistral-7B-Instruct-v0.1 и Biomimicry-AI/ANIMA-Nectar-v2 методом SLERP. Модель содержит 7,1 млрд параметров и предназначена для генерации текста в ответ на инструкции и диалоговые запросы; доступная карточка не описывает более узкую специализацию ANIMA-Nectar-v2. Модель принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors. Лицензия — Apache-2.0. Карточка содержит сведения о слиянии и конфигурации, но не приводит результатов оценки качества или подробных ограничений применения.

ANIMA-Phi-Neptune-Mistral-7B-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель, созданная слиянием Mistral-7B-Instruct-v0.2 от Mistral AI и Severian/ANIMA-Phi-Neptune-Mistral-7B методом SLERP. Она предназначена для генерации текста и ответов на инструкции в диалоговом формате. Модель имеет плотную архитектуру MistralForCausalLM, около 7,1 млрд параметров и контекст до 32 768 токенов; опубликована в формате safetensors. Модель подходит для чат-ботов, свободного диалога и задач генерации текста на основе запросов. README описывает слияние параметров внимания и MLP, но не приводит результаты сравнительных оценок или сведения о специализации ANIMA-Phi-Neptune. Указана лицензия Apache-2.0.

Antares-11b-v2 — диалоговая языковая модель семейства Llama, дообученная Decapoda Research на базе Antares-11b-v1. В README также указано, что обучение велось от SOLAR-10.7B-Instruct-v1.0 с использованием наборов OpenHermes, Platypus, Capybara и Bagel v0.3, а также нескольких неопубликованных наборов. Метаданные указывают 10,6 млрд параметров и контекст 4096 токенов. Модель предназначена для генерации текста и диалоговых ответов общего назначения. Она обучалась 1,25 эпохи на восьми GPU RTX 4090; в README приведены результаты отдельных тестов рассуждения и здравого смысла, но полной оценки нет. Модель не проходила выравнивание и обучение на данных безопасности, поэтому её ответы могут содержать небезопасный или предвзятый контент. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства, но запрещающая коммерческое применение.

Anubis-70B-v1 — диалоговая дообученная модель семейства Llama, опубликованная TheDrummer; в README проект представлен BeaverAI. Модель содержит 69,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и рассчитана на контекст до 131 072 токенов. Карточка описывает её как сбалансированную и творческую модель, следующую инструкциям и подходящую для естественного диалога, написания прозы и ролевых сценариев. Поддерживается шаблон чата Llama 3 с ролями system, user и assistant; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст. В репозитории указаны веса safetensors, а README ссылается на отдельную рекомендацию по формату iMatrix. Лицензия обозначена как other, поэтому условия использования следует проверить в файлах репозитория. Отзывы о качестве и творческих способностях в карточке субъективны и не являются результатами опубликованной оценки.

Apertus-v1.1-1.5B-Instruct — многоязычная языковая модель Swiss AI для генерации текста и диалогов. Это дистиллированная и дообученная версия базовой модели swiss-ai/Apertus-v1.1-1.5B: семейство Apertus-v1.1 использует плотный трансформер-декодер с grouped-query attention и активацией xIELU. В этой версии около 1,6 млрд параметров, 16 слоёв и контекст до 4096 токенов. Модель подходит для диалоговых помощников, генерации и продолжения текста на разных языках, а также для развёртывания в условиях ограниченных ресурсов. Разработчик заявляет поддержку 1811 языков и обучение на корпусе из документов, кода и инструкций; модель создана методом дистилляции от Apertus-8B-2509 и затем прошла supervised fine-tuning и выравнивание. Карточка отмечает конкурентные базовые результаты в многоязычных диалоговых тестах для своего размерного класса. Модель может допускать фактические ошибки, непоследовательность и отражать смещения обучающих данных; особенно ограниченными могут быть сложная математика и следование составным инструкциям. Выводы следует проверять, а модель использовать как вспомогательный инструмент. Лицензия — Apache-2.0.

MrDragonFox/apple-ferret-7b-merged — готовая к запуску объединённая текстовая модель семейства Llama, опубликованная пользователем MrDragonFox. Она предназначена для генерации текста; карточка не описывает специальные сценарии применения или особенности обучения. По метаданным, модель содержит 6,6 млрд параметров, имеет плотную архитектуру LlamaForCausalLM и контекст длиной 2048 токенов. Репозиторий содержит веса PyTorch. Язык модели, её сильные стороны и лицензия в доступных данных не раскрыты.

aqua-smaug-hermes-8B — объединённая модель на архитектуре Llama, созданная с помощью Mergekit из cognitivecomputations/dolphin-2.9-llama3-8b, NousResearch/Hermes-2-Pro-Llama-3-8B и abacusai/Llama-3-Smaug-8B. Разработчик — saucam. Модель предназначена для генерации текста и диалогового взаимодействия; её можно применять для ответов на вопросы, написания текстов и ведения беседы. Веса представлены в формате safetensors, размер модели — 7,5 млрд параметров, длина контекста — 8192 токена. Модель использует плотную архитектуру LlamaForCausalLM и распространяется по лицензии Apache-2.0. README не приводит результаты оценки качества или подробные инструкции по применению, поэтому пригодность для конкретных задач стоит проверять на собственных данных.

AquilaChat2-70B-Expr — диалоговая языковая модель из семейства Aquila2, разработанного BAAI. Это плотная авторегрессионная модель с архитектурой AquilaForCausalLM и примерно 69,3 млрд параметров, предназначенная для генерации текста в формате чата. Для неё указан контекст до 4096 токенов; опубликованные веса представлены в формате PyTorch. Модель подходит для диалоговых ответов и других сценариев генерации текста. В README она названа чат-моделью, но дополнительных сведений о её языковой специализации и результатах оценки качества нет. Лицензия указана как other, поэтому условия использования следует сверить с лицензией в репозитории.

AquilaDense-7B — плотная авторегрессионная языковая модель семейства AquilaDense, разработанная Пекинской академией искусственного интеллекта (BAAI). Она предназначена для генерации текста и диалогового взаимодействия. По метаданным модель содержит 7,6 млрд параметров, поддерживает контекст до 4096 токенов и распространяется в формате PyTorch. README описывает методику EfficientScale для обучения моделей AquilaMoE и упоминает AquilaDense-7B как одну из моделей, использованных в экспериментах и графике обучения. В карточке также приведены двуязычные данные на китайском и английском языках; метаданные отмечают поддержку английского и китайского. Лицензия модели — Apache-2.0. Модель подходит для генерации текста и диалоговых сценариев на английском и китайском языках. README не приводит отдельных результатов оценки или конкретных рекомендаций по применению AquilaDense-7B; ограничение контекста составляет 4096 токенов.

AquilaMoE-SFT — двуязычная диалоговая языковая модель Beijing Academy of Artificial Intelligence (BAAI), построенная на архитектуре Mixture of Experts (MoE) семейства AquilaMoE и дообученная для следования инструкциям. В метаданных указано 15,9 млрд параметров; модель принимает текст и генерирует текст, поддерживает контекст до 4096 токенов и рассчитана на китайский и английский языки. Модель предназначена для диалогов и ответов на инструкции. В описании семейства говорится, что на каждом токене активируются два из восьми экспертов; приведённый результат AquilaMoE-SFT на AlpacaEval 2.0 составляет 21,1. Модель распространяется под лицензией Apache-2.0. README предупреждает, что у неё нет механизмов модерации, поэтому генерируемые ответы могут требовать отдельной проверки и фильтрации.

Virtuoso-Large-GGUF — это набор квантизированных версий языковой модели Virtuoso-Large, разработанной arcee-ai и подготовленной пользователем bartowski. Модель предназначена для генерации текста и запуска локально через llama.cpp, LM Studio и другие совместимые проекты на базе llama.cpp. Для общения используется шаблон сообщений в формате ChatML с ролями system, user и assistant. Модель доступна в формате GGUF с различными вариантами квантизации от Q8_0 до Q2_K и IQ2_M. Размер файлов составляет примерно от 29,34 до 77,26 ГБ; более высокие уровни квантизации обычно обеспечивают лучшее качество, но требуют больше памяти. В README не указаны точный размер исходной модели, архитектурные детали, поддерживаемые языки, длина контекста или мультимодальные возможности. Сильной стороной набора является широкий выбор вариантов для разных ограничений по памяти и производительности. Рекомендуемыми названы Q6_K, Q5_K_M, Q5_K_S, Q4_K_L, Q4_K_M, Q4_K_S и IQ4_XS; версии с более низкой квантизацией экономичнее, но могут заметно уступать по качеству. Лицензия обозначена как qwen и связана с лицензией Qwen2.5-72B-Instruct, однако точные условия следует проверять в указанном лицензионном документе.

bartowski/arcee-ai_Virtuoso-Small-v2-GGUF — это набор квантованных версий языковой модели Virtuoso-Small-v2, разработанной arcee-ai и преобразованной bartowski в формат GGUF с использованием llama.cpp. Модель предназначена для генерации текста и локального запуска через llama.cpp, LM Studio и другие совместимые проекты. В репозитории представлены варианты с точностью от F32 и F16 до различных методов квантования Q8, Q6, Q5, Q4, Q3 и Q2, размером примерно от 6,5 до 59 ГБ. Для взаимодействия используется chat-шаблон с ролями system, user и assistant. Данные о числе параметров, архитектуре исходной модели, контекстном окне, поддерживаемых языках и модальностях в README не указаны; по имеющимся сведениям это текстовая, а не мультимодальная модель. Сильная сторона набора — широкий выбор компромиссов между качеством, размером и требованиями к памяти: высокоточные варианты Q6 и Q5 обозначены как близкие к исходному качеству, а Q3 и Q2 подходят для систем с ограниченным объёмом RAM, хотя обеспечивают более низкое качество. Некоторые варианты оптимизированы для ARM или Apple silicon. Распространение указано на условиях лицензии Apache-2.0.

Arcee-SuperNova-v1 — текстовая модель Arcee AI для диалогов и выполнения инструкций. В основе лежит Llama-3.1-70B-Instruct; модель объединяет дистиллированную версию Llama-3.1-405B-Instruct, вариант, дообученный на синтетических данных Evol-Kit, и вариант, оптимизированный с помощью Direct Preference Optimization (DPO). В метаданных указаны архитектура LlamaForCausalLM, 69,5 млрд параметров и контекст до 131 072 токенов. Модель предназначена для ответов на разнообразные запросы, следования инструкциям, математических задач и использования как основы для дальнейшего обучения с подкреплением на основе человеческой обратной связи. Поддерживает генерацию текста и диалоговый сценарий; в метаданных также заявлен интерфейс вызова инструментов. Для использования указана лицензия Llama 3. Карточка описывает объединение нескольких подходов к обучению, но не приводит количественных оценок качества или результатов сравнительных тестов.

Argetsu — текстовая генеративная модель, созданная Azazelle с помощью слияния моделей методом SLERP через mergekit. В карточке указаны исходные модели Azazelle/SlimMelodicMaid и Azazelle/Dumb-Maidlet; базовая архитектура — Mistral-7B-v0.1 с плотной архитектурой MistralForCausalLM, около 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста. Она опубликована в формате safetensors и распространяется по лицензии CC BY 4.0. Карточка не описывает отдельные специализированные сценарии или результаты оценки качества.

ARIA-70B-V3 — франкоязычная текстовая модель Faradaylab на архитектуре Llama, дообученная на базе Llama2-70B-Chat-HF. По карточке, обучение проводилось на частном высококачественном наборе данных из более чем 100 000 примеров с акцентом на грамматику, навыки письма и снижение смещений в данных. Модель предназначена для генерации и редактирования французского текста, создания контента и задач, где важны грамотность и естественность формулировок. Она содержит 68,7 млрд параметров, принимает текст и генерирует текст; заявленная длина контекста — 4096 токенов. В репозитории указаны веса Safetensors. Модель выпущена под лицензией с обозначением «other»; конкретные условия использования следует сверить с лицензией в репозитории. Карточка не приводит оценки качества или подробностей ограничений, поэтому заявленные преимущества в письме и снижении смещений не подтверждены количественными результатами.

Jebadiah/Aria-Laylelemon-sand-stone — объединённая языковая модель, созданная с помощью mergekit методом DARE TIES. В качестве базовой модели использована Jebadiah/Aria-dolphin-1m-sand-stone, также в объединение включена Nitral-AI/Visual-LaylelemonMaidRP-7B. Модель основана на архитектуре Mistral, содержит 7,1 млрд параметров и принимает текст для генерации текста; заявленная длина контекста — 32 768 токенов. Модель подходит для генерации продолжений и ответов в текстовых сценариях. Репозиторий содержит веса в формате safetensors, а в конфигурации слияния указана точность float16. Данных о лицензии и конкретных языках в доступных материалах нет.

ArliAI-Llama-3-8B-Dolfin-v0.3 — разговорная языковая модель OwenArli, созданная дообучением Meta-Llama-3-8B-Instruct на улучшенном наборе данных Dolphin и WizardLM. Модель предназначена для следования инструкциям и диалоговых ответов; автор отмечает, что дообучение нацелено на более редкие отказы. Архитектура — плотная LlamaForCausalLM, размер — 7,5 млрд параметров, контекст — до 8192 токенов. Модель принимает текст и генерирует текст. Для обучения использовались последовательности длиной 2048 токенов, QLoRA с 4-битной загрузкой, рангом 64 и alpha 128; автор сообщает, что модель сохраняет работу с контекстом 8192 токена. Доступны веса safetensors. Лицензия — Meta Llama 3 License. Языки в карточке не указаны, поэтому языковой охват нельзя надёжно определить.

ArliAI-Llama-3-8B-Formax-v1.0-GGUF — это GGUF-квантизированная версия текстовой генеративной модели ArliAI-Llama-3-8B-Formax-v1.0, разработанной OwenArli и подготовленной квантизатором bartowski. Модель предназначена для генерации текста и запуска через llama.cpp, включая локальное использование на системах с ограниченными ресурсами. В основе лежит модель семейства Llama 3 с заявленным размером 8 млрд параметров. Доступны варианты от полного F32 до низкоразрядных Q2 и IQ-квантизаций; наиболее качественными и рекомендуемыми в README названы варианты Q5–Q6, а Q4_K_M описан как сбалансированный вариант по размеру и качеству. Модель работает только с текстом; сведения о поддерживаемых языках и размере контекстного окна в предоставленных данных отсутствуют. Для корректного общения следует использовать формат промпта Llama 3 с ролями system, user и assistant. Основное преимущество репозитория — широкий выбор квантизаций, позволяющий подобрать компромисс между качеством, размером файла и требованиями к памяти. Более компактные варианты подходят для устройств с небольшим объёмом RAM, но обеспечивают более низкое качество генерации. Модель распространяется по лицензии llama3; дополнительные ограничения и подробности лицензии в README не указаны.

ganesh714/arq_m1_chairs_DS_r1_Q7 — дообученная языковая модель, разработанная ganesh714 на базе unsloth/deepseek-r1-distill-qwen-7b-unsloth-bnb-4bit. Это плотная модель семейства Qwen2 с архитектурой Qwen2ForCausalLM и 7,1 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Указанный размер контекста — до 131 072 токенов. Модель принимает текст и выдаёт текст. В карточке заявлена поддержка английского языка; метаданные также отмечают интерфейс вызова инструментов. Модель обучалась с использованием Unsloth и библиотеки TRL от Hugging Face. Модель распространяется по лицензии Apache-2.0. Карточка не приводит результатов оценки качества или подробностей о специализированных сценариях дообучения, поэтому пригодность для конкретных задач следует проверять на собственных примерах.

Lambent/arsenic-v1.5-dpo-qwen2.5-14B — диалоговая модель на архитектуре Qwen2.5 с 14 млрд параметров, дообученная командой Lambent на основе Lambent/arsenic-v1-qwen2.5-14B. Карточка описывает её стиль ответов как более точный по сравнению с предыдущей версией при сохранении большей части её возможностей; обучение проводилось с использованием Axolotl 0.4.1. Модель принимает текст и генерирует текст, поддерживает чат и интерфейс вызова инструментов. Контекстное окно составляет до 32 768 токенов. Модель подходит для диалоговых приложений и генерации текстовых ответов, в том числе структурированных. Карточка отмечает, что модель всё ещё достаточно ограничена в генерируемом содержимом; тег «not-for-all-audiences» относится к набору данных. Данные о конкретном наборе обучения и результаты оценки не приведены. Условия лицензии в предоставленных материалах не указаны.