I.5Создание и редактирование текста

Lambent/arsenic-v1-qwen2.5-14B — объединённая разговорная языковая модель на архитектуре Qwen2, созданная Lambent с помощью mergekit и метода SLERP. В состав объединения вошли Lambent/arsenic-v0.1-dpo-qwen2.5-14B и Lambent/qwen2.5-reinstruct-alternate-lumen-14B; первая модель также связана в метаданных с вариантом Qwen2.5 Reinstruct Alternate Lumen. Размер модели — 14 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для диалоговой генерации текста и структурированных ответов. Автор сообщает о результате 78.0391 на EQ-Bench и 100% разбираемости ответов в своей оценке, но не приводит подробностей методики. В обучении использовались наборы данных Gutenberg и toxic-DPO, а также небольшой экспериментальный синтезированный датасет. Метка карточки предупреждает, что модель может быть не для всех аудиторий; лицензия в предоставленных данных не указана.

arrkaye/asoiaf — дообученная arrkaye языковая модель на архитектуре Llama, созданная на базе unsloth/Meta-Llama-3.1-8B-Instruct-bnb-4bit с использованием Unsloth и библиотеки TRL. Модель предназначена для генерации текста и диалогового взаимодействия; карточка не уточняет специализацию дообучения. Модель содержит 7,5 млрд параметров, принимает текст и выдаёт текст. Указанный контекст — до 131 072 токенов, основной язык в карточке — английский. Лицензия — Apache-2.0.

Athena-R3-1.5B — причинная языковая модель на 1,5 млрд параметров, разработанная Aayan Mishra и дообученная на базе deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B для усиления навыков рассуждения. Она предназначена для решения сложных задач, логического анализа, ответов на вопросы по математике и науке, а также для генерации, дополнения и суммаризации текста. Модель использует архитектуру Qwen2 с RoPE, SwiGLU, RMSNorm и Grouped Query Attention; в ней 24 слоя, 16 голов для запросов и 2 для ключей и значений. Контекст — до 131 072 токенов. Карточка указывает поддержку многих языков, включая английский, китайский, русский, французский, испанский, немецкий, японский и другие; лучше всего модель работает на английском. Доступны веса в формате safetensors, библиотека Transformers, лицензия MIT. Модель может ошибаться и наследует смещения обучающих данных; её знания ограничены августом 2024 года. Она не предназначена для критически важных систем реального времени или обработки чувствительных персональных данных.

Atlantum-12B-v1 — объединённая языковая модель от GalrionSoftworks, созданная с помощью LazyMergekit из invisietch/Atlantis-v0.1-12B и anthracite-org/magnum-12b-v2. Веса объединены методом TIES с нормализацией; архитектура — плотная Mistral, размер — 12,1 млрд параметров. Модель предназначена для генерации текста и чат-диалогов. В состав входит Atlantis-v0.1-12B, описанная как модель для ролевых диалогов и написания историй. Длина контекста в метаданных указана как 1 024 000 токенов. Репозиторий содержит веса Safetensors, а конфигурация слияния задаёт тип данных bfloat16. Лицензия и поддерживаемые языки в предоставленных материалах не описаны.

AuriAetherwiing_G4-31B-Musica-v1-GGUF — это набор GGUF-квантизаций языковой модели G4-31B-Musica-v1, разработанной AuriAetherwiing и квантизированной bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста, включая инструкционные сценарии, литературное письмо и ролевое взаимодействие; в метаданных указан английский язык. Для обучения или донастройки использовались датасеты с инструкциями, прозой, ролевыми диалогами и персонажами. Доступны варианты от BF16 до Q3 и IQ4, с размером файлов примерно от 16,8 до 61,4 ГБ. Старшие варианты обеспечивают более высокое качество, а младшие требуют меньше оперативной памяти, но могут сильнее терять в качестве. Модель поддерживает запуск через llama.cpp, LM Studio, KoboldCpp, Jan AI, Text Generation Web UI и другие совместимые инструменты. Точная архитектура и размер контекста в README не указаны. Распространение заявлено по лицензии Apache-2.0.

Auro-Kosmos-EVAA-v2.1-8B — диалоговая языковая модель на архитектуре Llama, созданная jaspionjader слиянием SLERP моделей Auro-Kosmos-EVAA-v2-8B и Kosmos-EVAA-v2-8B. Модель содержит 7,5 млрд параметров, работает через Transformers и принимает текст для генерации ответов и свободного текста; заявленная длина контекста — 8192 токена. Модель предназначена для диалогового взаимодействия и генерации текста. Доступна в формате safetensors. Лицензия в предоставленных данных не указана, поэтому условия использования определить нельзя.

Aurora-Borealis-LLaMa-70B — экспериментальная объединённая языковая модель от автора Tarek07, созданная с помощью mergekit из нескольких моделей семейства LLaMa. В README описан метод слияния DARE TIES с градиентной настройкой влияния компонентов; базой указана TareksLab/MO-MODEL6-V0.1-LLaMa-70B. Архитектура — плотная авторегрессионная LLaMaForCausalLM, размер — 69,5 млрд параметров, контекст — до 131 072 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Автор описывает её как эксперимент со слиянием специализированных моделей; README рекомендует температуру 1,0, Min P 0,02 и запускать квантованные варианты не ниже Q5. Доступны веса safetensors. Лицензия — llama3.3.

abdalrahmanshahrour/auto-arabic-summarization — модель суммаризации на архитектуре mBART, обученная с помощью AutoTrain. Она предназначена для автоматического составления краткого содержания арабского текста; карточка также указывает сценарии генерации заголовков арабских новостей и перефразирования. Модель содержит 95 млн параметров, принимает текст с контекстом до 1024 токенов и выдаёт текст. Основной язык — арабский, в частности современный литературный арабский (MSA). Вес опубликован в формате PyTorch. В README приведены метрики валидации: loss 0.829, ROUGE-1 1.132, ROUGE-2 0.127, ROUGE-L 1.137 и ROUGE-Lsum 1.129. Условия лицензии в доступных данных не указаны, поэтому их нельзя установить по этой карточке.

AsphyXIA/baarat-MTK — дообученная языковая модель семейства Llama, разработанная AsphyXIA на базе baarat-MTK. Она предназначена для генерации текста; карточка не уточняет специализацию или конкретные сценарии применения. Модель содержит 6,7 млрд параметров, принимает текст и имеет контекстное окно 4096 токенов. Модель опубликована в формате Safetensors и распространяется по лицензии Apache-2.0. Для обучения использовались Unsloth и библиотека Hugging Face TRL. Карточка не описывает результаты оценки качества, поэтому пригодность для конкретных задач следует проверять отдельно.

baccbaccules-3b-slerp — объединённая модель для генерации текста, созданная с помощью mergekit методом SLERP из indischepartij/MiniCPM-3B-Bacchus и liminerity/babhaceccrcumuleses-3b-slerp. В репозитории указана архитектура Llama с плотной causal language model и 2,7 млрд параметров; модель поддерживает диалоговый режим и контекст до 2048 токенов. Модель предназначена для генерации текста и диалоговых сценариев. В конфигурации объединения заданы отдельные веса для слоёв self-attention и MLP, а формат весов — bfloat16; файлы опубликованы в safetensors. Модель распространяется по лицензии Apache-2.0.

Bactrian-X LLaMA 7B — языковая модель MBZUAI для генерации ответов на инструкции на 52 языках. Она основана на LLaMA-7B и дообучена на переводах инструкций из наборов Stanford Alpaca и Databricks Dolly; ответы для разных языков были созданы с помощью GPT-3.5-turbo. В репозитории размещена объединённая версия весов с LoRA-дообучением, архитектура — плотная авторегрессионная LLaMAForCausalLM, размер — около 6,6 млрд параметров, контекст — 2048 токенов. Модель предназначена для многоязычного следования инструкциям и генерации текста: например, для ответов на вопросы, выполнения просьб и создания черновиков на поддерживаемых языках. Веса доступны в формате PyTorch по лицензии MIT. К ограничениям относятся возможная предвзятость, внесённая машинным переводом инструкций, и влияние англоязычных культурных установок в данных; длина контекста составляет 2048 токенов.

DreadPoor/BaeZel-8B-LINEAR — языковая модель, созданная DreadPoor с помощью слияния трёх предварительно обученных моделей через mergekit методом linear: DreadPoor/Aspire_1.3-8B_model-stock, DreadPoor/Heart_Stolen-8B-Model_Stock и DreadPoor/LemonP-8B-Model_Stock. Веса опубликованы в формате safetensors; архитектура — плотная LlamaForCausalLM, размер — 7,5 млрд параметров, контекст — до 8192 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно применять для составления ответов, продолжения текста и разговорных сценариев. В карточке приведены результаты Open LLM Leaderboard, включая IFEval и BBH, но подробные условия оценки и остальные результаты здесь не раскрыты. Модель распространяется по лицензии Apache-2.0. Языки и специализированные области применения в доступных данных не обозначены.

bagel-7b-v0.1-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель на архитектуре Mistral с 7,1 млрд параметров, созданная MaziyarPanahi слиянием mistralai/Mistral-7B-Instruct-v0.2 и jondurbin/bagel-7b-v0.1 методом SLERP. Она предназначена для генерации текста и ответов на инструкции в чат-сценариях. Модель принимает текст и генерирует текст; контекст составляет до 32 768 токенов. Указана лицензия Apache-2.0. README не приводит отдельной оценки качества или подробного описания ограничений модели.

Bagel DPO 8x7B v0.2 — экспериментальная модель-ассистент, созданная jondurbin дообучением Mixtral 8x7B v0.1: сначала применялось обучение на инструкциях (SFT), затем оптимизация предпочтений DPO. Это языковая модель архитектуры Mixtral с разреженной экспертной структурой MoE, примерно 7,1 млрд параметров и контекстом до 32 768 токенов; поддерживает диалоговую генерацию текста. Для обучения использовались данные по вопросам и ответам, математике, программированию, чтению, диалогам, ролевым сценариям и другим задачам. Модель рассчитана на общие запросы к ассистенту, написание текстов, ответы на вопросы и помощь с кодом. В карточке приведены ограниченные результаты сравнительных проверок, но автор не проводил комплексную оценку. Автор отмечает, что модель унаследовала от базовой Mixtral склонность отказывать в части запросов, несмотря на использование данных для снижения цензурирования. Репозиторий содержит веса Safetensors и распространяется по лицензии Apache-2.0.

Bagel-Hermes-2x34B — разговорная модель для генерации текста, созданная Weyaxi как MoE-модель на основе Bagel-DPO-34B-v0.2 и Nous-Hermes-2-Yi-34B. В метаданных указаны архитектура MixtralForCausalLM, 33,9 млрд параметров и контекст до 200 000 токенов; модель распространяется в формате safetensors и поддерживает сценарии чата. Модель предназначена для диалогов и генерации ответов по инструкциям. В README приведены шаблоны ChatML, Alpaca и Vicuna, однако автор отмечает, что не определил, какой шаблон работает лучше. Указана лицензия Apache-2.0. Результаты оценки на Open LLM Leaderboard приведены частично, поэтому по ним нельзя составить полную картину качества.

mrcuddle/Bagel-Hermes-Lumimaid-Llama3-8B — объединённая разговорная языковая модель на архитектуре Llama, созданная автором репозитория с помощью mergekit методом SLERP из NeverSleep/Lumimaid-v0.2-8B и mrcuddle/Bagel-Hermes-2-Pro-Llama3-8B. В метаданных указано 7,5 млрд параметров и контекст до 131 072 токенов; модель распространяется в формате safetensors и рассчитана на генерацию текста и диалоговые сценарии. Модель можно применять для общения с ассистентом, творческого письма и ролевых диалогов — эти назначения отражены в описании базовой модели. Метаданные также отмечают интерфейс вызова инструментов. Данные о конкретных языках, поддерживаемых этим объединением, в предоставленной карточке не приведены. Лицензия не указана в предоставленных данных.

Baichuan2-7B-Chat — разработанная Baichuan Intelligence чат-модель семейства Baichuan 2 с плотной архитектурой BaichuanForCausalLM и 7 млрд параметров. Семейство обучено на 2,6 трлн токенов; модель предназначена для диалога и генерации текста на китайском и английском языках. Её проверяли на задачах общего назначения, права, медицины, математики, программирования и многоязычного перевода. Модель принимает текст и генерирует текст, а её контекст ограничен 4096 токенами. Для запуска требуется PyTorch 2.0 или новее. Карточка описывает поддержку академических исследований; коммерческое использование требует предварительной заявки и получения лицензии Baichuan, с указанными в соглашении ограничениями. Возможны ошибки и небезопасные ответы; разработчик предупреждает о необходимости соблюдать требования к проверке и регистрации интернет-сервисов.

Baichuan-7B — открытая предварительно обученная языковая модель компании Baichuan Intelligent Technology. Это плотная авторегрессионная модель на архитектуре Transformer с 6,7 млрд параметров по метаданным (в карточке указано около 7 млрд), обученная примерно на 1,2 трлн токенов. Она предназначена для генерации текста и последующего дообучения под прикладные задачи. Модель поддерживает китайский и английский языки, использует контекстное окно длиной 4096 токенов и включает rotary embeddings, SwiGLU и RMSNorm. Разработчик сообщает о результатах на китайских и англоязычных тестах, включая C-Eval и MMLU, и отмечает оптимизацию для китайского языка. Модель может применяться для генерации и продолжения текста, а также как основа для дообученных решений. Лицензия Baichuan-7B License допускает коммерческое использование согласно карточке модели. Возможны фактические ошибки и предвзятые, оскорбительные или непристойные ответы; для значимых решений выводы следует проверять.

Barcenas-10.7b — модель генерации текста, разработанная Danielbrdz и дообученная на базе NousResearch/Nous-Hermes-2-SOLAR-10.7B. Это плотная авторегрессионная модель семейства Llama с 10,6 млрд параметров, контекстом до 4096 токенов и форматом весов safetensors. Карточка описывает её как разговорную модель для следования инструкциям и создания связных ответов. Модель подходит для диалогов, суммаризации, творческого письма и других задач генерации текста на английском и испанском языках. Для дообучения использован набор HuggingFaceH4/no_robots, содержащий 10 000 инструкций и демонстраций, подготовленных людьми. Модель распространяется по лицензии Apache-2.0. Карточка не приводит результатов сравнительных оценок качества, поэтому пригодность для конкретных задач следует проверять на собственных примерах.

Sumail/Barista50 — языковая модель для генерации текста, созданная слиянием StableLM-моделей tomaszki/stablelm-21 и tomaszki/stablelm-22 методом SLERP с помощью mergekit. Модель имеет плотную архитектуру StableLM и около 1,4 млрд параметров; веса сохранены в формате Safetensors. Она предназначена для генерации текста и диалогового взаимодействия. Контекст составляет до 4096 токенов. В карточке не указаны целевые языки, специализированные предметные области или результаты оценки качества. Лицензия в предоставленных данных не приведена.

Модель heseltiNe — дообученная версия DeepSeek-R1-0528-Qwen3-8B, предназначенная для генерации текста в диалоговом формате. Она основана на плотной архитектуре Qwen3 и содержит 7,6 млрд параметров; метаданные указывают контекст до 131 072 токенов. Модель дообучали с помощью Unsloth и библиотеки TRL.

jaspionjader/bbb-5 — слитая автором jaspionjader языковая модель семейства Llama для генерации текста и диалогов. Она создана методом Model Stock с помощью mergekit на основе jaspionjader/kstc-5-8b и объединяет веса jaspionjader/bbb-3, jaspionjader/bbb-4 и jaspionjader/kstc-4-8b. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM, файлы safetensors и формат bfloat16; заявленная длина контекста — до 131 072 токенов. Модель подходит для диалогового взаимодействия и генерации текста по запросу. В README и метаданных не указаны языки, специализированные области или подробные оценки качества. Лицензия в предоставленных данных не указана.

BeagleLake-7B — плотная языковая модель Mistral на 7,1 млрд параметров, созданная fhai50032 с помощью mergekit. Это слияние RolePlayLake-7B и NeuralBeagle14-7B методом DARE-TIES; конфигурация использует базовую модель NeuralBeagle14-7B и формат float16. Модель предназначена для генерации текста и диалогов, включая ролевые сценарии, следование инструкциям, рассуждения и творческое письмо. Контекстное окно составляет 32 768 токенов. Репозиторий содержит веса safetensors, лицензия — Apache-2.0. В карточке приведены результаты оценки на отдельных задачах бенчмарка, но они не гарантируют качество в иных сценариях. Состав RolePlayLake-7B описан как подходящий для ролевых игр и менее ограниченной генерации; ответы модели могут требовать проверки и настройки под конкретное применение.

Beeper-King-22B — объединённая и слегка скорректированная версия MS-Meadowlark-22B от ToastyPigeon. Это плотная авторегрессионная языковая модель семейства Mistral с 22 млрд параметров и контекстом до 131 072 токенов. Репозиторий содержит веса Safetensors; метаданные указывают поддержку чата и интерфейса вызова инструментов. Модель предназначена для генерации текста в формате инструкций и чата, включая следование подсказкам и описаниям персонажей. В карточке заявлена совместимость с форматами инструкций Mistral V2 и V3, а также с Alpaca. Автор описывает характер ответов как более «вольный», сохраняя при этом хорошее следование запросам. Модель собрана с использованием нескольких моделей Mistral и QLoRA-производных, включая Beepo-22B; автор указывает, что заменил базовую модель для применения QLoRA. Лицензия в предоставленных данных не указана.

Beetle-FineWeb2-24B/beetle-bilingual-balanced-b1-fineweb-spa-eng — текстовая авторегрессионная модель семейства PicoDecoder, опубликованная в Hugging Face под аккаунтом Beetle-FineWeb2-24B. По названию она предназначена для генерации текста на испанском и английском языках и обучена на данных FineWeb; точное число параметров, длина контекста, лицензия и сведения о разработчике по доступным данным не подтверждены. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Данных о специальных ограничениях модели нет.

Beetle-FineWeb2-24B/beetle-bilingual-l2-50-sequential-33-67-b3-fineweb-tur-eng — языковая модель для генерации текста, опубликованная на Hugging Face и предназначенная для использования с библиотекой Transformers. Название модели указывает на двуязычную направленность для турецкого и английского языков, а также на размер семейства 24B параметров. Модель можно применять для продолжения текста, генерации ответов, черновиков и других сценариев, основанных на text generation. В метаданных также указан тег pico_decoder, однако подробные сведения об архитектуре, контексте, обучении, оценивании и разработчике в доступных материалах отсутствуют. Лицензия в README и метаданных не указана, поэтому условия использования необходимо проверять на странице модели перед применением.

Beetle-FineWeb-2B/beetle-bilingual-l2-80-late-b5-fineweb-2b-nld-eng-seed5 — генеративная языковая модель семейства Beetle-FineWeb с заявленным размером 2B параметров, предназначенная для генерации текста на нидерландском и английском языках. Модель опубликована на Hugging Face и предназначена для запуска через библиотеку Transformers; в метаданных также указан формат safetensors и pico_decoder. Модель подходит для продолжения текста, генерации черновиков, диалоговых прототипов и других сценариев text generation на нидерландском и английском языках. README автоматически сгенерирован и не содержит сведений о разработчике, обучающих данных, архитектуре, контексте, оценивании, лицензии или рекомендациях по применению. Поэтому качество, безопасность и пригодность модели для конкретных задач необходимо проверять самостоятельно.

Bella-Bartender — разговорная модель с выраженной персоной, созданная разработчиком juiceb0xc0de на основе unsloth/llama-3.2-3b-instruct с помощью дообучения Unsloth. Это плотная авторегрессионная модель семейства Llama с 3,2 млрд параметров, рассчитанная на диалог в манере непринуждённого, прямого и остроумного собеседника. Образ бармена задаёт стиль общения, а не сценарий работы в баре или ролевую игру. Модель предназначена для естественной беседы, творческого письма, редактирования и перефразирования текста, а также суммаризации, перевода и анализа текста. Обучение основано на тысячах ходов реальных разговоров одного человека с GPT, Perplexity и Claude, преобразованных так, чтобы модель воспроизводила авторский голос. Указанная длина контекста — 131 072 токена; основной язык карточки — английский. Модель принимает текст и генерирует текст. Сильная сторона Bella — последовательный разговорный стиль и удержание заданной персоны; автор также отмечает способность поддерживать философские беседы. Как модель на 3,2 млрд параметров, она уступает более крупным моделям в сложных многошаговых рассуждениях; может пропускать сарказм и идиомы, терять нить в длинных разговорах и иногда выдавать неверные сведения. Лицензия — Apache-2.0.

Bepis — языковая модель с 8,9 млрд параметров от jeiku, созданная объединением моделей семейства Mistral. В README описано объединение двух моделей методом passthrough; названия исходных моделей приведены как primathespis и prodigalthespis, но конфигурация не подтверждает заявленное в тексте равное объединение трёх моделей. В репозитории указаны архитектура MistralForCausalLM и формат safetensors. Модель предназначена для генерации текста. Автор отмечает уверенную работу с Markdown и способность завершать ответ без лишнего продолжения. Контекстное окно составляет 32 768 токенов; в метаданных указан английский язык. В README приведены результаты нескольких тестов Open LLM Leaderboard, но они не дают полной оценки качества на прикладных задачах. Лицензия обозначена как other, поэтому условия использования следует уточнять по карточке модели.

Sakalti/beril — разговорная языковая модель, созданная слиянием моделей Qwen/Qwen2.5-0.5B-Instruct и HuggingFaceH4/zephyr-7b-beta. Для объединения применён метод SLERP с помощью mergekit; модель использует архитектуру MistralForCausalLM и состоит из 5,1 млрд параметров. Модель предназначена для генерации текста и диалогов: её можно использовать для ответов на вопросы, выполнения инструкций и создания текстовых продолжений. Заявленная длина контекста — 32 768 токенов. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных данных не указана.