I.5Создание и редактирование текста

Falcon-H1-1.5B-Deep-Instruct — компактная инструктивно дообученная языковая модель семейства Falcon-H1 от TII, основанная на Falcon-H1-1.5B-Deep-Base. Это плотная причинная модель-декодер с гибридной архитектурой Transformers и Mamba, примерно на 1,2 млрд параметров. Она предназначена для диалоговой генерации текста, рассуждений и решения общих задач; среди сценариев применения — ответы на вопросы и помощь с написанием кода. Модель поддерживает английский и многоязычный ввод, а контекст составляет до 131 072 токенов. Для запуска подходят Transformers, vLLM и llama.cpp; в репозитории указаны веса Safetensors. В README приведено сравнение Falcon-H1 с несколькими компактными языковыми моделями на тестах рассуждений и общих задач. Лицензия — Falcon-LLM License; перед использованием следует проверить её условия.

Falcon-H1-1.5B-Instruct — многоязычная авторегрессионная языковая модель семейства Falcon-H1, разработанная командой TII. Это дообученная для следования инструкциям версия Falcon-H1-1.5B-Base с гибридной архитектурой, сочетающей Transformer-внимание и блоки SSM/Mamba. Модель содержит 1,1 млрд параметров и рассчитана на контекст до 131 072 токенов. Модель предназначена для диалогов и генерации текста по инструкциям: она подходит для ответов на вопросы, рассуждений, математических задач, программирования и работы с научными знаниями. В карточке заявлена поддержка 18 языков, включая арабский, английский, хинди, японский, китайский и русский. Для запуска указаны Transformers, vLLM и llama.cpp; метаданные репозитория отмечают формат safetensors. В README указана лицензия Falcon-LLM License, тогда как метаданные Hugging Face обозначают лицензию как other. Перед использованием следует проверить условия лицензии в репозитории. Как компактная модель на 1,1 млрд параметров, она может уступать более крупным моделям на сложных задачах; заявленные в карточке результаты бенчмарков не гарантируют качество на конкретных данных.

Falcon-H1-34B-Base — базовая языковая модель семейства Falcon-H1, разработанная TII (Technology Innovation Institute). Это плотная причинная модель-декодер с гибридной архитектурой Transformers и Mamba и примерно 29,6 млрд параметров. Она предназначена для генерации продолжений текста и служит базой для построения приложений и последующей адаптации под конкретные задачи. Модель работает с текстом, поддерживает многоязычные сценарии, включая английский и русский, и имеет контекстное окно до 262 144 токенов. Для запуска README указывает библиотеки Transformers, vLLM и llama.cpp; файлы репозитория представлены в формате safetensors. В таблице оценки приведены результаты на общих и логических задачах, но конкретные метрики зависят от теста и сценария применения. Лицензия — Falcon-LLM License. Это базовая модель, поэтому для диалоговых приложений и специализированных задач может потребоваться дополнительная настройка; качество также зависит от промпта и способа развёртывания.

Faro-Yi-34B-DPO — разговорная языковая модель, созданная wenbopan как DPO-версия Faro-Yi-34B. Она предназначена для генерации ответов в диалоге и других текстовых задач; для общения использует шаблон ChatML. Модель построена на архитектуре Llama, имеет 33,9 млрд параметров и контекст длиной до 32 768 токенов. В карточке заявлена поддержка английского и китайского языков. Автор отмечает хорошую работу как с коротким, так и с длинным контекстом и сообщает, что модель превосходит исходную Yi-34B-200K на многих задачах. В метаданных происхождение указано как слияние моделей; веса опубликованы в формате safetensors. Лицензия — MIT. Карточка не приводит подробных результатов оценки или конкретных ограничений качества.

FastLlama-3.2-1B-Instruct-GGUF — набор GGUF-квантизаций модели FastLlama-3.2-1B-Instruct, подготовленный bartowski на базе модели suayptalha. Квантизация выполнена с использованием llama.cpp и метода imatrix. Это текстовая instruction-модель для генерации ответов и работы с пользовательскими запросами. Модель предназначена для диалоговых сценариев, генерации и обработки текста, а также задач, связанных с математикой, наукой, химией, биологией и программным кодом. В метаданных заявлена поддержка английского, немецкого, испанского, французского, итальянского, португальского, хинди и тайского языков. Размер базовой модели — 1B параметров; модальность — текстовая. Точный размер контекста в README не указан. Основное преимущество — наличие большого набора вариантов с разным соотношением качества, размера и требований к памяти: от F32 и F16 до Q2–Q8 и IQ-квантизаций. В README рекомендуются, в частности, Q4_K_M как вариант общего назначения, а также Q5 и Q6 для более высокого качества; малые варианты подходят для систем с ограниченным объёмом RAM, но могут заметно уступать по качеству. Для корректной работы следует использовать указанный формат prompt и совместимый inference-инструмент, например llama.cpp или LM Studio. Модель распространяется по лицензии Apache-2.0.

Это GGUF-представление модели fblgit/una-cybertron-7b-v2-bf16, подготовленное Featherless AI. Базовая модель Cybertron 7B v2 дообучена на основе Mistral и предназначена для диалогов, генерации текста и задач на рассуждение. Репозиторий содержит файлы в формате GGUF с вариантами квантования, включая IQ4_XS, Q2_K и Q3_K_L; README также указывает наличие других вариантов. Модель подходит для локального или размещённого запуска в совместимой среде GGUF. Сведения о лицензии, поддерживаемых языках и длине контекста в предоставленных данных отсутствуют.

FernandoGPT-v1 — текстовая генеративная модель, созданная слиянием cookinai/CatMacaroni-Slerp и shadowml/Marcoro14-7B-slerp. Она предназначена для генерации продолжений текста и диалоговых сценариев на английском языке. Модель построена на архитектуре MistralForCausalLM и содержит 7,1 млрд параметров. Она принимает текст и генерирует текст, поддерживая контекст до 32 768 токенов. Файлы весов представлены в формате safetensors. Модель распространяется по лицензии Apache-2.0. Карточка не описывает отдельные специализированные области применения или результаты оценки качества.

financer2 — текстовая генеративная модель из семейства Llama, опубликованная пользователем kiarash90 на Hugging Face. Модель предназначена для генерации текста и диалоговых сценариев и доступна для использования через библиотеку Transformers. В метаданных указано около 1 млрд параметров и нативное окно контекста длиной 2048 токенов.

FinChat298B_Llama-3.2-4Bi — чат-модель на архитектуре Llama, разработанная gkMSDA путём дообучения unsloth/Meta-Llama-3.1-8B-Instruct-bnb-4bit. Она предназначена для генерации текста в диалоге; в метаданных также заявлен интерфейс вызова инструментов. Модель содержит 7,5 млрд параметров и поддерживает контекст до 131 072 токенов. В карточке указано, что обучение выполнялось с Unsloth и библиотекой TRL. Модель рассчитана на англоязычные текстовые запросы. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. Карточка не описывает специализированную предметную область или конкретные результаты оценки качества.

EpistemeAI/Fireball-Mistral-Nemo-Base-2407-v1-DPO2 — языковая модель EpistemeAI для генерации текста. Это плотная модель архитектуры Mistral с 12,1 млрд параметров, дообученная на EpistemeAI/Fireball-Nemo-Base-2407-sft-v1. Для обучения использовались Unsloth и библиотека TRL. Заявленная длина контекста — 1 024 000 токенов. Модель предназначена для сценариев генерации текста, где требуется продолжить или сформировать текстовый ответ. Карточка указывает английский язык. Модель распространяется в формате Safetensors по лицензии Apache-2.0.

flammen11-mistral-7B — языковая модель на базе архитектуры Mistral, созданная FlammenAI слиянием двух предварительно обученных моделей с помощью метода SLERP и инструмента mergekit. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и рассчитана на генерацию текста; нативная длина контекста составляет 32 768 токенов. Модель подходит для генерации продолжений текста и диалоговых ответов в приложениях на базе Transformers. В карточке не описаны специальные области применения, языки обучения или результаты оценки качества. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0.

flammen15X-mistral-7B — языковая модель FlammenAI на архитектуре Mistral, созданная слиянием предварительно обученных моделей и последующим дообучением методом Direct Preference Optimization на наборах Gutenberg DPO и Chai DPO. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Модель предназначена для ролевых диалогов с персонажами, творческого письма и задач общего языкового общения. В карточке также заявлена ориентация на общие интеллектуальные задачи. Модель распространяется в формате safetensors для Transformers по лицензии Apache-2.0.

flammen17-py-DPO-v1-7B — языковая модель на архитектуре Mistral с 7,1 млрд параметров, созданная nbeerbower. Это дообученная версия flammen17-mistral-7B, которая, согласно README, была получена слиянием предварительно обученных моделей и затем обучена методом Direct Preference Optimization на датасете jondurbin/py-dpo-v0.1. Для дообучения использовались LoRA и GPU A100 в Google Colab. Модель предназначена для генерации текста и диалоговых сценариев на базе Mistral; доступный контекст — до 32 768 токенов. В репозитории указаны веса Safetensors и библиотека Transformers. Метаданные не подтверждают поддержку конкретных естественных языков или специализированных прикладных областей. Лицензия модели — Apache-2.0. Оценки качества и конкретные ограничения в README не приведены.

flammen20-mistral-7B — языковая модель на архитектуре Mistral с 7,1 млрд параметров, разработанная Flammen. Она создана на основе flammenai/flammen19X-mistral-7B и дообучена методом Direct Preference Optimization на датасете flammenai/Date-DPO-v1; в карточке также упоминается слияние предварительно обученных моделей. Модель предназначена для ролевых диалогов, творческого письма и задач общего назначения, связанных с генерацией текста. Модель использует библиотеку Transformers, веса опубликованы в формате safetensors, максимальная длина контекста составляет 32 768 токенов. В README отдельно упомянуто обучение с LoRA на A100 в Google Colab. Лицензия — Apache-2.0. Карточка не приводит сведения о поддерживаемых естественных языках или специальные меры безопасности.

flammen22X-mistral-7B — слитая текстовая модель семейства Mistral, созданная flammenai методом Model Stock с помощью mergekit. В слиянии использованы flammenai/flammen18X-mistral-7B, ChaoticNeutrals/Nyanade_Stunna-Maid-7B-v0.2, KatyTheCutie/LemonadeRP-4.5.3 и SanjiWatsuki/Kunoichi-DPO-v2-7B; базой для слияния служила nbeerbower/flammen22C-mistral-7B. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Она предназначена для генерации текста, включая диалоги и ответы на запросы. Данных о специализированной предметной области или поддерживаемых естественных языках в карточке нет. Модель распространяется под лицензией Apache-2.0. Качество и поведение унаследованы от компонентов слияния; отдельных оценок или сведений о проверках в карточке нет.

flammenai/flammen5-mistral-7B — плотная языковая модель семейства Mistral с 7,1 млрд параметров для генерации текста. Она создана объединением предварительно обученных моделей nbeerbower/Flammen-Kunoichi-7B и yam-peleg/Experiment26-7B методом SLERP с помощью mergekit. Модель предназначена для сценариев генерации текста; её максимальный контекст составляет 32 768 токенов. Модель распространяется в формате safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0. В предоставленной карточке не описаны конкретные языковые специализации и ограничения качества, поэтому их нельзя уточнить.

Модель mrm8488/flan-t5-large-finetuned-openai-summarize_from_feedback — дообученная версия google/flan-t5-large на наборе summarize_from_feedback. Это текстовая модель семейства T5 с архитектурой T5ForConditionalGeneration, содержащая 385,2 млн параметров. Она предназначена для суммаризации текста; в карточке приведены результаты оценки на тестовом наборе: ROUGE-1 30,24, ROUGE-2 11,49, ROUGE-L 24,65 и ROUGE-Lsum 26,18. Нативная длина контекста — 512 токенов. Модель принимает текст и генерирует текстовое резюме. Карточка не уточняет целевые языки или специальные сценарии применения, поэтому результаты для конкретных языков и типов документов не следует предполагать. Модель распространяется под лицензией Apache-2.0.

FlexOlmo-7x7B-1T — языковая модель семейства FlexOlmo, разработанная Allen Institute for AI (AI2). Это модель типа Mixture-of-Experts: в ней объединены семь независимо обученных экспертов для публичных данных, новостей, математики, кода, академических текстов, творческого письма и публикаций Reddit. Общий размер указан в карточке как 6,9 млрд параметров, а в README — как 33 млрд; README также сообщает, что публичный эксперт обучен на 1 трлн токенов, а остальные получены его дообучением на отдельных корпусах. Маршрутизатор экспертов не обучен. Модель предназначена для генерации текста и диалогового применения, в том числе для задач, связанных с перечисленными тематическими корпусами. Поддерживает английский язык, работает с текстом и имеет контекст до 4096 токенов. Для запуска README рекомендует Transformers версии 4.57.0 или новее. Репозиторий распространяется под лицензией Apache-2.0. В README приведены результаты оценки по ряду языковых и тематических бенчмарков, однако они относятся к отдельным плотным моделям, а не обязательно к этому MoE-чекпойнту. Отсутствие обученного маршрутизатора ограничивает выводы о фактическом выборе экспертов и качестве итоговой модели.

Карточка модели allenai/Flex-public-7B-1T на Hugging Face совпадает с карточкой allenai/FlexOlmo-7x7B-1T, поэтому описание составлено по ней. FlexOlmo-7x7B-1T — языковая модель семейства FlexOlmo, разработанная Allen Institute for AI (AI2). Это модель типа Mixture-of-Experts: в ней объединены семь независимо обученных экспертов для публичных данных, новостей, математики, кода, академических текстов, творческого письма и публикаций Reddit. Общий размер указан в карточке как 6,9 млрд параметров, а в README — как 33 млрд; README также сообщает, что публичный эксперт обучен на 1 трлн токенов, а остальные получены его дообучением на отдельных корпусах. Маршрутизатор экспертов не обучен. Модель предназначена для генерации текста и диалогового применения, в том числе для задач, связанных с перечисленными тематическими корпусами. Поддерживает английский язык, работает с текстом и имеет контекст до 4096 токенов. Для запуска README рекомендует Transformers версии 4.57.0 или новее. Репозиторий распространяется под лицензией Apache-2.0. В README приведены результаты оценки по ряду языковых и тематических бенчмарков, однако они относятся к отдельным плотным моделям, а не обязательно к этому MoE-чекпойнту. Отсутствие обученного маршрутизатора ограничивает выводы о фактическом выборе экспертов и качестве итоговой модели.

Карточка модели hetzerdj/FnFLlama-3.1-8B2 на Hugging Face совпадает с карточкой hetzerdj/FnFLlama-3.1-8B1, поэтому описание составлено по ней. hetzerdj/FnFLlama-3.1-8B1 — языковая модель семейства Llama, разработанная hetzerdj и дообученная на базе unsloth/Meta-Llama-3.1-8B-bnb-4bit. Это плотная авторегрессионная модель с 7,5 млрд параметров для генерации текста и диалогового взаимодействия. Заявленная длина контекста — 131 072 токена; модель распространяется в формате safetensors. Модель подходит для генерации ответов в чате и других сценариев, где требуется продолжать или создавать текст на английском языке. В README указано, что при обучении использовались Unsloth и библиотека TRL. Лицензия — Apache-2.0. Специализация дообучения и оценки качества в карточке не описаны.

Карточка модели hetzerdj/FnFLlama-3.1-8B3 на Hugging Face совпадает с карточкой hetzerdj/FnFLlama-3.1-8B1, поэтому описание составлено по ней. hetzerdj/FnFLlama-3.1-8B1 — языковая модель семейства Llama, разработанная hetzerdj и дообученная на базе unsloth/Meta-Llama-3.1-8B-bnb-4bit. Это плотная авторегрессионная модель с 7,5 млрд параметров для генерации текста и диалогового взаимодействия. Заявленная длина контекста — 131 072 токена; модель распространяется в формате safetensors. Модель подходит для генерации ответов в чате и других сценариев, где требуется продолжать или создавать текст на английском языке. В README указано, что при обучении использовались Unsloth и библиотека TRL. Лицензия — Apache-2.0. Специализация дообучения и оценки качества в карточке не описаны.

FoFoNet-SuperMayo-MBX-slerp — слитая модель для генерации текста, созданная fterry с помощью LazyMergekit из fterry/FoFoNet-SuperMBX-slerp и kaitchup/Mayonnaise-4in1-022. Это плотная Mistral-архитектура с 7,1 млрд параметров и контекстом до 32 768 токенов; веса опубликованы в формате Safetensors и имеют точность bfloat16. Модель предназначена для генерации текста. Карточка описывает слияние методом SLERP и настройки смешивания слоёв внимания и MLP, но не приводит отдельных сценариев применения или сведений о языках. Лицензия в предоставленных данных не указана.

jaspionjader/fr-10-8b — разговорная языковая модель, созданная разработчиком jaspionjader слиянием предварительно обученных моделей jaspionjader/fct-14-8b и jaspionjader/fr-9-8b методом SLERP с помощью mergekit. Модель построена на плотной архитектуре LlamaForCausalLM и содержит 7,5 млрд параметров; репозиторий распространяет веса в формате safetensors и использует библиотеку Transformers. Модель предназначена для генерации текста и диалоговых сценариев, включая ответы на запросы пользователя. Заявленная длина контекста — 131072 токена. В карточке нет сведений о целевых языках или специализированных предметных областях, поэтому модель следует рассматривать как разговорную общего назначения. Условия лицензии в предоставленных данных не приведены.

jaspionjader/fr-12-8b — разговорная языковая модель, созданная методом слияния SLERP из jaspionjader/fr-11-8b и jaspionjader/fct-14-8b с помощью mergekit. Модель построена на архитектуре Llama с 7,5 млрд параметров и предназначена для генерации текста и ведения диалогов. Модель принимает текст и генерирует текст. Её нативная длина контекста составляет 131 072 токена. Карточка не уточняет поддерживаемые языки и специализированные области применения. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных данных не указана.

jaspionjader/fr-6-8b — объединённая разговорная языковая модель семейства Llama, созданная с помощью mergekit методом SLERP из jaspionjader/fr-3-8b и jaspionjader/fr-5-8b. Модель содержит 7,5 млрд параметров и предназначена для генерации текста и диалоговых ответов. Модель принимает текст и выдаёт текст. Заявленная длина контекста составляет 131072 токена. Веса доступны в формате safetensors для библиотеки Transformers. README не описывает отдельные специализированные области или языки применения. Условия лицензии в предоставленных данных не указаны.

FuseAI/FuseChat-Llama-3.2-3B-Instruct — диалоговая языковая модель семейства Llama, разработанная FuseAI в рамках серии FuseChat-3.0. Это плотная авторегрессионная модель с 3,2 млрд параметров и контекстом до 131 072 токенов, предназначенная для генерации текста в ответ на инструкции и диалоговые запросы. Модель построена на основе Llama-3.2-3B-Instruct и улучшена методом неявного слияния возможностей нескольких крупных языковых моделей. Обучение включало supervised fine-tuning на лучших ответах и direct preference optimization на предпочтительных и менее предпочтительных ответах, сформированных с участием более крупных моделей. В карточке описаны улучшения для общего диалога, следования инструкциям, математики, программирования и китайского языка. Модель принимает текст и генерирует текст. В репозитории указаны веса Safetensors; метаданные не содержат сведений о лицензии, поэтому условия использования следует сверить с карточкой Hugging Face и лицензией базовой модели. Описание серии сообщает об улучшениях на бенчмарках, но приведённые количественные результаты относятся к отдельной конфигурации Llama-3.1-8B и не должны переноситься на эту версию 3B.

djuna/G2-BigGSHT-27B-calc — объединённая модель семейства Gemma 2, созданная автором репозитория с помощью mergekit и метода SLERP из DazzlingXeno/G2-Xeno-SimPO-27b и TheDrummer/Gemmasutra-Pro-27B-v1. Модель содержит 27,6 млрд параметров, использует архитектуру Gemma2ForCausalLM и предназначена для генерации текста и чат-диалогов. Модель подходит для ведения диалогов, творческой генерации и ролевых сценариев. Её контекстное окно составляет 8192 токена; для работы используются Transformers и веса в формате safetensors. README описывает процесс слияния и его параметры, но не приводит сравнительных оценок качества или подробных результатов тестирования. Лицензия в предоставленных данных не указана.

djuna/G2-GSHT — объединённая языковая модель Gemma 2, созданная с помощью mergekit из TheDrummer/Gemmasutra-9B-v1 и Nekuromento/Hematoma-Gemma-Model-Stock-9B. Для слияния применён метод SLERP; модель содержит 9 млрд параметров и предназначена для генерации текста и диалогов. Она принимает текст и выдаёт текст, работает через Transformers и имеет контекстное окно до 8192 токенов. В карточке приведены результаты оценки на Open LLM Leaderboard, включая IFEval и BBH, но их недостаточно для вывода о качестве в конкретных сценариях. Лицензия в предоставленных данных не указана.

GaMS-2B — языковая модель семейства Generative Model for Slovene, разработанная исследовательской командой факультета компьютерных и информационных наук Люблянского университета. Она основана на Gemma 2 и продолжительно предобучена на корпусах на словенском, английском, хорватском, сербском и боснийском языках. Модель содержит 2,7 млрд параметров, использует плотную архитектуру Gemma2ForCausalLM, работает с текстом и поддерживает контекст до 8192 токенов. Модель предназначена для генерации текста, диалогов, суммаризации и ответов на вопросы, особенно на словенском и английском. Также её можно применять для языковой практики и исследований многоязычной обработки текста. Хорватский, сербский и боснийский использовались при обучении; возможно применение и к другим языкам Gemma 2, но они не были частью дополнительного предобучения. Модель может ошибаться в фактах, испытывать трудности с неоднозначностью и сложными задачами, а также воспроизводить смещения из обучающих данных. Распространяется по лицензии Gemma; перед применением следует учитывать её условия и политику допустимого использования Gemma.

Gemma 1.1 2B IT — компактная языковая модель Google с открытыми весами, построенная на исследованиях и технологиях, использованных для Gemini. Это декодерная трансформерная модель для генерации текста, дообученная следовать инструкциям и вести диалог. Она рассчитана прежде всего на английский язык и подходит для запуска на ноутбуках, настольных компьютерах и собственной облачной инфраструктуре. Модель можно применять для ответов на вопросы, суммаризации, диалоговых интерфейсов, создания текстов и помощи в обучении языку. Небольшой размер упрощает развёртывание при ограниченных вычислительных ресурсах. При этом ответы могут содержать фактические ошибки и отражать смещения обучающих данных; модель может испытывать трудности со сложными задачами, неоднозначностью и тонкими языковыми нюансами. Лицензия — Gemma; перед использованием следует учитывать условия лицензии и политику запрещённого использования Gemma.