I.5Создание и редактирование текста

Captain_Eris_Noctis-12B-alt-v0.420 — разговорная модель генерации текста, созданная объединением двух моделей: Nitral-AI/Nera_Noctis-12B и Nitral-AI/Captain-Eris-Diogenes_Twilight-V0.420-12B. Она основана на архитектуре Mistral и содержит 12,1 млрд параметров. Модель предназначена для диалогов и генерации ответов в формате ChatML; для работы используется библиотека Transformers. В карточке указано контекстное окно до 1 024 000 токенов. Модель распространяется в формате safetensors. Лицензия в предоставленных данных не указана.

Captain_Eris_Noctis-12B-v0.420 — разговорная языковая модель на архитектуре Mistral, опубликованная ChaoticNeutrals. Это объединённая модель объёмом 12,1 млрд параметров для генерации текста и диалогов; карточка указывает формат ChatML и поддержку чата. Модель предназначена для использования через библиотеку Transformers, веса представлены в формате safetensors. В метаданных заявлен контекст длиной до 1 024 000 токенов. Модель создана слиянием Captain-Eris-Diogenes_Twilight-V0.420-12B и Nera_Noctis-12B-v0.420. Карточка не приводит сведений о целевых языках, обучающих данных или специализированной предметной области, поэтому обоснованно отнести её к русскому либо иному конкретному языку нельзя. Лицензия в предоставленных данных не указана.

Casual-Magnum-34B — объединённая языковая модель Jacoby746, созданная с помощью mergekit методом SLERP из NeverSleep/CausalLM-RP-34B и anthracite-org/magnum-v3-34b. Это плотная модель архитектуры Llama примерно на 33,9 млрд параметров; файлы опубликованы в формате safetensors, лицензия — Apache-2.0. Модель предназначена для генерации текста и диалоговых ответов. Она поддерживает контекст длиной до 200 000 токенов и может применяться для ведения диалога и создания связной прозы. Доступные результаты Open LLM Leaderboard включают оценки IFEval и BBH, но не гарантируют качество в конкретной задаче. Карточка не сообщает отдельные ограничения или целевые языки модели. Производительность и поведение унаследованы от двух объединённых моделей и могут различаться в зависимости от запроса.

Psychotoke/cat — дообученная языковая модель на архитектуре Gemma 3, разработанная Psychotoke на базе unsloth/gemma-3-1b-it-unsloth-bnb-4bit. Это плотная авторегрессионная модель примерно с 1 млрд параметров для генерации текста и диалогового общения; заявленная длина контекста составляет 32 768 токенов. Модель принимает текст и выдаёт текст, а в карточке указан английский язык. Модель подходит для диалоговых сценариев и генерации текстовых ответов. В README сказано, что обучение проводилось с Unsloth и библиотекой TRL. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

Это квантизированная GGUF-версия модели GLM-4.7-REAP-218B-A32B, разработанной Cerebras и полученной из GLM-4.7 с использованием метода REAP. В исходной модели было равномерно удалено 40% экспертов, что указывает на разреженную MoE-архитектуру. Квантизацию выполнил bartowski с помощью llama.cpp и imatrix. Модель предназначена для генерации текста и может использоваться в локальных инструментах, поддерживающих формат GGUF, включая llama.cpp, LM Studio, KoboldCpp, Jan AI и Text Generation Web UI. В README указан английский язык. Приведён шаблон промпта с системными, пользовательскими и ассистентскими ролями, а также маркером рассуждений. Размер доступных файлов зависит от метода квантизации: примерно от 88 до 232 ГБ; рекомендуются варианты Q4_K_M, Q5_K_M и Q6_K. Сильными сторонами являются широкий выбор уровней квантизации и возможность локального запуска с выбором компромисса между качеством, размером и требованиями к памяти. Более сильные варианты сохраняют высокое качество, а низкоразрядные подходят для систем с ограниченной RAM, но имеют заметно худшее качество. Точные параметры архитектуры, размер контекста и мультимодальные возможности в README не указаны. В метаданных указана лицензия MIT.

Chaifighter-20B-v3 — плотная языковая модель семейства Llama, созданная автором карточки как merge нескольких предварительно обученных моделей с помощью mergekit и метода passthrough. Репозиторий содержит веса Safetensors; в метаданных указано 19,3 млрд параметров, а README описывает модель как расширенную до примерно 19,5 млрд параметров. Указанная базовая модель — Sao10K/Fimbulvetr-11B-v2. Модель предназначена для генерации текста по инструкциям и ролевых диалогов. Она использует шаблон Alpaca, имеет нативный контекст 4096 токенов; автор сообщает, что RoPE scaling позволяет расширить его до 16 384 токенов. README рекомендует настройки с температурой 1,0–1,25 и предупреждает, что проблемы предыдущей версии могут проявляться в начале длинных диалогов и в основном сглаживаются при продолжительном общении. Лицензия репозитория — Apache-2.0. Модель ориентирована на генерацию текста; сведений о специализированной мультимодальности или поддержке конкретного естественного языка README и метаданные не дают.

Chaifighter Latte 14B — слитая автором matchaaaaa языковая модель на основе семейства Mistral, предназначенная для генерации творческого, насыщенного и подробного текста с сохранением следования инструкциям и контекста. Модель содержит 14,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и принимает запросы в шаблоне Alpaca; нативная длина контекста — 8192 токена. Модель подходит для творческого письма, ролевых диалогов и создания связных историй с несколькими персонажами. Она создана методом passthrough merge с помощью mergekit из Kunoichi-7B, Fimbulvetr-11B-v2, Frostwind-v2.1-m7 и MythoMist-7b. В репозитории представлены веса Safetensors. Лицензия в предоставленных данных не указана.

ChatFrame V1 — диалоговая языковая модель AIFRAME INC, представленная как дообученная версия семейства Llama. Она предназначена для генерации ответов на персидском и английском языках и заявлена для решения математических задач, программирования, логических рассуждений, суммаризации и перевода между английским и персидским. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 131 072 токенов; доступны веса в формате safetensors и интерфейс вызова инструментов. Модель подходит для чат-ботов, языковой помощи и задач, где нужны ответы или преобразование текста на персидском и английском. README заявляет высокое качество ответов, но не приводит результатов независимой оценки или сведений о конкретных обучающих наборах. Лицензия — MIT.

ChatGLM2-6B-32K — двуязычная диалоговая языковая модель, разработанная командой THUDM и представленная организацией zai-org. Это версия ChatGLM2-6B, дообученная для работы с длинным контекстом: модель насчитывает 7,5 млрд параметров и поддерживает контекст до 32 768 токенов. Она предназначена для диалогов и генерации текста на китайском и английском языках, в том числе для работы с длинными документами и многоходовыми беседами. Модель использует архитектуру ChatGLM с плотной сетью, смешанную целевую функцию GLM и Multi-Query Attention; для расширения контекста применена интерполяция позиционных кодировок. В README отмечены обучение на 1,4 трлн китайских и английских токенов, выравнивание по предпочтениям людей и применение FlashAttention. По заявлению авторов, в официальной реализации контекст 32K доступен примерно при 20 ГБ памяти в форматах FP/BF16; INT4-квантизация позволяет вести диалог длиной до 8K при 6 ГБ памяти. Модель может помогать составлять ответы, поддерживать диалог и обрабатывать длинный текст, но для контекстов до 8K авторы рекомендуют обычную ChatGLM2-6B. README не приводит независимых оценок качества. Код распространяется по Apache-2.0, а для весов действует отдельная Model License: академическое использование открыто, бесплатное коммерческое использование разрешено после заполнения анкеты.

anezatra/chat-gpt2 — генеративная языковая модель на архитектуре GPT-2, дообученная Anezatra на корпусе OpenWebText с применением DistilGPT для уменьшения размера. Модель предназначена для продолжения текста и генерации связных фрагментов по текстовой подсказке; также может использоваться для простых задач вроде краткого пересказа и ответов на вопросы по контексту. Модель принимает и выдаёт текст, а её контекст ограничен 1024 токенами. Карточка описывает типичные для GPT-2 ограничения: при генерации длинных текстов возможны повторы и отклонения от темы. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных данных не указана.

ChatHercules-2.5-Mistral-7B — диалоговая языковая модель, созданная объединением Locutusque/Hercules-2.5-Mistral-7B и openchat/openchat-3.5-0106 методом SLERP с помощью LazyMergekit. Модель построена на плотной архитектуре Mistral для генерации текста и имеет 7,1 млрд параметров; для работы с длинными диалогами заявлен контекст до 32 768 токенов. Модель предназначена для общения и генерации ответов в сценариях общего назначения. В описании базовой модели также указаны программирование и математические рассуждения. Репозиторий содержит веса в формате Safetensors, а лицензия — Apache-2.0. Карточка приводит результаты оценки на Open LLM Leaderboard, но не описывает отдельные ограничения или подробную языковую специализацию этой сборки.

Chatty-Djinn-14B — диалоговая языковая модель на архитектуре Mistral, созданная объединением нескольких моделей с помощью LazyMergekit. В состав слияния входят OpenChat, OpenHermes и другие модели семейства Mistral; репозиторий содержит веса в формате safetensors и около 13,4 млрд параметров. Модель предназначена для диалогов и генерации текста, включая ответы на общие вопросы и рассуждения. В карточке приведены результаты тестов на задачах понимания и рассуждения; они не гарантируют аналогичное качество в прикладных сценариях. Контекстное окно — до 32 768 токенов. Указана лицензия Apache-2.0.

checkpoints_en_my_logit — компактная языковая модель семейства Qwen3 с 1,7 млрд параметров, опубликованная в формате, совместимом с библиотекой Transformers. По метаданным модель предназначена для генерации текста и поддерживает контекст длиной до 40 960 токенов; тег conversational указывает на применимость в диалоговых сценариях. Модель можно использовать для генерации ответов, ведения диалога, продолжения текста и создания прототипов текстовых приложений. Сильными сторонами являются небольшой размер относительно более крупных языковых моделей и длинное контекстное окно. Разработчик, лицензия, языки обучения, данные, результаты оценки и точная архитектура в доступных материалах не описаны, поэтому модель следует предварительно проверять на целевых данных и учитывать возможные фактические ошибки, смещения и нестабильность ответов.

Модель thuyduongjoe123/checkpoints_vi_km_logit — компактная языковая модель для генерации текста на базе семейства Qwen3. Она опубликована в формате, совместимом с библиотекой Transformers, и содержит около 1,7 млрд параметров. Модель относится к классу conversational и предназначена для диалоговой генерации и других сценариев text-generation. Модель может использоваться для создания черновиков текста, продолжения заданных фрагментов, генерации ответов в диалогах и прототипирования приложений на базе языковых моделей. Максимальная заявленная длина контекста составляет 40 960 токенов, что позволяет обрабатывать достаточно длинные входные последовательности. В README отсутствуют сведения о разработчике, языках, лицензии, данных обучения, методике дообучения и результатах оценки. Поэтому перед применением в продуктивных системах необходимо самостоятельно проверить поддерживаемые языки, качество на целевых данных, корректность диалогового поведения и условия распространения модели.

ChickaQ-V2-Large-Beta — чатовая языковая модель семейства ChickaQ, созданная слиянием моделей Qwen/Qwen1.5-1.8B-Chat и vilm/Quyen-mini-v0.1 методом passthrough с помощью mergekit. В репозитории указано около 3 млрд параметров; метаданные классифицируют архитектуру как плотную Qwen2 и указывают контекст до 8192 токенов. Модель предназначена для диалогов и генерации текста. Её можно применять для ответов на вопросы, составления черновиков и интерактивного общения на естественном языке. Она распространяется в формате safetensors, используется с Transformers и имеет лицензию MIT. Карточка не приводит оценки качества или подробностей о поддерживаемых языках.

Chinese-Alpaca-2-13B — плотная авторегрессионная языковая модель семейства LLaMA, созданная проектом Chinese LLaMA & Alpaca на основе Llama 2 от Meta. Это полная версия с 13 млрд параметров, предназначенная для генерации текста и следования инструкциям; её можно загружать для инференса и полно-параметрического обучения. Модель расширяет словарь Llama 2 китайскими токенами и прошла дополнительное предобучение на крупных китайских данных, а Alpaca-2 ориентирована на выполнение инструкций. Она поддерживает китайский и английский языки, контекст 4096 токенов; в проекте описано расширение контекста методом NTK до 18 тысяч токенов и более. Поддерживается экосистема Transformers и инструменты развёртывания LLaMA. Модель подходит для диалогов, ответов на вопросы и генерации текста на китайском и английском. Карточка указывает лицензию Apache-2.0. Качество ответов и соблюдение инструкций могут зависеть от запроса и сценария применения; увеличение контекста сверх 4096 токенов требует отдельной настройки NTK.

Chinese-Alpaca-2-7B-64K — языковая модель семейства Llama, разработанная командой Chinese-Alpaca. Это дообученная версия Chinese-Alpaca-2-7B, расширенная методом YaRN для работы с контекстом до 65 536 токенов. Модель содержит 6,7 млрд параметров и доступна в форматах PyTorch и Safetensors. Модель предназначена для генерации текста на китайском и английском языках, включая ответы на запросы и работу с длинными входными текстами. Лицензия Apache-2.0 разрешает использование и распространение на её условиях.

Chocolatine-32B-Instruct-DPO-v1.2 — языковая модель на архитектуре Qwen2, разработанная Jonathan Pacifico и дообученная методом DPO на наборе jpacifico/french-orca-dpo-pairs-revised. Она предназначена для диалогов и генерации текста на французском и английском языках; обучение на французских данных, по заявлению автора, также улучшило ответы на английском. Модель содержит 32 млрд параметров, использует формат safetensors и поддерживает контекст до 32 768 токенов по метаданным; README заявляет поддержку до 128 000 токенов и генерацию до 8 000 токенов. Модель подходит для ассистентов, ответов на вопросы и создания текстов на французском и английском. Автор отмечает отсутствие механизмов модерации. Лицензия — Apache 2.0.

fitleech/chronollm-2015 — причинная языковая модель ChronoGPT на архитектуре GPT, распространяемая в формате safetensors для PyTorch. В README указаны 2 млрд параметров, 52 слоя, 12 голов внимания, размерность модели 1536 и тип данных bfloat16. Модель предназначена для генерации текста. В названии и тегах отмечена связь с хронологией и 2015 годом, а исходным чекпойнтом указан jjjlimaus/chrono2014-finance2015-ft3; конкретные сценарии и языки в карточке не описаны. Лицензия — Apache-2.0.

Chronorctypus-Limarobormes-13b — объединённая инструкциями дообученная языковая модель от chargoddard. Она создана слиянием пяти моделей на базе TheBloke/Llama-2-13B-fp16 по методике Resolving Interference When Merging Models, чтобы сохранить больше возможностей исходных моделей, чем при обычном линейном слиянии. Модель построена на плотной архитектуре Llama, содержит 12,9 млрд параметров и рассчитана на контекст до 4096 токенов. Модель предназначена для генерации ответов и выполнения инструкций в формате Alpaca: запрос передаётся в секции Instruction, ответ начинается после Response. В README автор сообщает, что модель показалась ему достаточно способной, и приводит результаты оценки на наборе тестов Open LLM Leaderboard. Модель использует формат safetensors. README не сообщает лицензию, поэтому условия использования по имеющимся данным определить нельзя.

Clara v2 — дообученная модель на 8,4 млрд параметров, разработанная ayan4m1 на базе ibm-granite/granite-4.1-8b. Она предназначена для диалоговых сценариев и создана как более компактная по числу параметров замена Clara-24B; при дообучении использовались промпты Claude Opus 4.5–4.7. Модель работает с текстом и изображениями в формате image-text-to-text, поддерживает чат, а её контекстное окно составляет 131 072 токена. В метаданных указан английский язык. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0.

Clarus-7B-v0.1 — языковая модель на архитектуре Qwen2, созданная методом SLERP merge из gz987/qwen2.5-7b-cabs-v0.3 и gz987/qwen2.5-7b-cabs-v0.4. Разработчик объединил предварительно обученные модели с помощью mergekit; число параметров составляет 7,1 млрд, контекст — до 32 768 токенов. Модель предназначена для генерации текста и диалогового общения на английском языке. Метаданные также отмечают интерфейс вызова инструментов. В README приведены результаты Open LLM Leaderboard, включая IFEval и BBH, но они не гарантируют качество на конкретных задачах. Модель распространяется по лицензии MIT.

mondk/claude_Deepseek-R1-Qwen3_fp16 — разговорная текстовая модель, представленная как версия в формате GGUF F16. В README указана связь с базовой моделью mondk/claude_Deepseek-R1-Qwen3_safetensors, а для неё приведён исходный вариант unsloth/DeepSeek-R1-0528-Qwen3-8B-unsloth-bnb-4bit. Каталог описывает базовую модель как дообученную Qwen3 с 7,6 млрд параметров для генерации текста и диалогов. Модель предназначена для генерации текста и ведения диалогов. В карточке указаны английский язык и возможность чата. Лицензия — Apache-2.0. README предупреждает, что сведения в карточке могут быть неточными; отдельные характеристики этой версии не подтверждены.

Clytemnestra — разговорная языковая модель cowboyuniverse для генерации текста. Модель дообучена на базе unsloth/phi-3-mini-4k-instruct-bnb-4bit; в метаданных указаны архитектура Mistral, 3,7 млрд параметров и контекст до 16 384 токенов. Для обучения использовались Unsloth и библиотека TRL от Hugging Face. Модель предназначена для диалогового взаимодействия и генерации текста на английском языке. Репозиторий содержит веса PyTorch. Лицензия — Apache-2.0.

bartowski/cognitivecomputations_Qwen3-72B-Embiggened-GGUF — это набор GGUF-квантизаций языковой модели Qwen3-72B-Embiggened, разработанной cognitivecomputations. Квантизации подготовлены bartowski с использованием llama.cpp версии b5627 и метода imatrix. Модель предназначена для генерации текста и локального инференса через llama.cpp, LM Studio и совместимые проекты. В набор входят варианты от Q8_0 до Q3_K и IQ3/IQ4, размером примерно от 31,76 до 77,26 ГБ. Более высокие уровни квантизации обеспечивают лучшее сохранение качества, но требуют больше памяти; Q6_K, Q5_K_M, Q5_K_S, Q4_K_L, Q4_K_M, Q4_K_S и IQ4_XS отмечены как рекомендуемые, тогда как некоторые варианты Q3 имеют заметно более низкое качество. Отдельные файлы используют legacy-форматы или особенности, оптимизированные для ARM, AVX или Apple silicon. README не содержит сведений о точной архитектуре исходной модели, поддерживаемых языках, максимальном контексте, мультимодальности, результатах тестирования или специализированных сценариях применения. Поэтому модель можно уверенно охарактеризовать как крупную текстовую LLM для локальной генерации текста, но её конкретные возможности следует уточнять в документации исходной cognitivecomputations/Qwen3-72B-Embiggened. Распространение указано по лицензии Apache-2.0.

Cognito-2x7B-bf16 — языковая модель Kquant03, собранная как frankenMoE на основе архитектуры Mixtral. В конфигурации указаны flemmingmiguel/MBX-7B-v3 как базовая модель и второй эксперт, а также alnrg2arg/blockchainlabs_test3_seminar как первый эксперт. По карточке, маршрутизатор экспертов не обучался одновременно с моделью. Модель имеет 7,1 млрд параметров, принимает текст, генерирует текст и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев на английском языке. Разреженная архитектура MoE активирует экспертов для обработки токенов, что может снизить вычисления при генерации относительно плотной модели сходного размера. При этом для загрузки нужны ресурсы памяти для хранения параметров экспертов; качество и поведение маршрутизации могут быть нестабильными, поскольку маршрутизатор не обучался совместно с экспертами. Веса опубликованы в формате safetensors по лицензии Apache-2.0.

ColorShadow-7B-v3 — разговорная языковая модель на архитектуре Mistral, созданная nlpguy слиянием Gradient-SLERP моделей ColorShadow-7B и Terminis-7B с помощью mergekit. Она предназначена для генерации текста в диалогах и других сценариях, где требуется продолжать текстовый запрос. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. В карточке приведены результаты бенчмарков AI2 Reasoning Challenge и HellaSwag, однако они не гарантируют качество на прикладных задачах. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

Citaman/command-r-29-layer — языковая модель Cohere для генерации текста и диалогов. Она создана автором репозитория с помощью mergekit: веса модели Citaman/command-r-30-layer объединены методом SLERP с разными срезами слоёв, а итоговые веса сохранены в формате safetensors. Модель имеет плотную архитектуру CohereForCausalLM, около 25,9 млрд параметров и контекст до 8192 токенов. Метаданные указывают на поддержку чата и интерфейса вызова инструментов; основная задача в карточке Hugging Face — text-generation. Лицензия в предоставленных данных не указана. Характеристики языковой поддержки и качество модели на конкретных задачах не описаны, поэтому их нельзя надёжно оценить по карточке.

Citaman/command-r-34-layer — merge языковой модели на архитектуре CohereForCausalLM, созданный с помощью mergekit методом SLERP из Citaman/command-r-35-layer. Репозиторий содержит веса Safetensors в формате bfloat16; модель имеет 30 млрд параметров и контекст до 8192 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Метаданные также указывают интерфейс вызова инструментов, поэтому её можно использовать в приложениях, которые передают модели запросы к инструментам. В карточке описано объединение диапазонов слоёв одной базовой модели; дополнительных сведений о качестве и специальных сценариях нет. Лицензия в предоставленных данных не указана. Практические ограничения: контекст ограничен 8192 токенами, а качество и поведение после слияния в карточке не оценены.

ContY-v0.2-8B — языковая модель на архитектуре Llama, разработанная wonseokchoi1 и дообученная на базе meta-llama/Meta-Llama-3.1-8B-Instruct. Модель содержит 7,5 млрд параметров и предназначена для генерации текста и диалогового взаимодействия; в метаданных также отмечен интерфейс вызова инструментов. Модель принимает текст и генерирует текст. Указанная длина контекста составляет 131 072 токена, язык карточки — английский. Веса опубликованы в формате Safetensors, лицензия — Apache-2.0. README сообщает об использовании Unsloth и библиотеки TRL при обучении; подробности датасета и специализированных областей применения не приведены.