I.5Создание и редактирование текста

liminerity/mm4.star — диалоговая языковая модель, разработанная liminerity и основанная на архитектуре Llama. Это версия объёмом 2,7 млрд параметров, дообученная на liminerity/mm4.star; карточка сообщает об использовании Unsloth и библиотеки TRL при обучении. Модель предназначена для генерации текста и диалоговых сценариев на английском языке, поддерживает контекст до 32 768 токенов и распространяется в формате PyTorch. Модель выпущена по лицензии Apache-2.0. Карточка не описывает состав обучающих данных, результаты оценки качества или специальные меры безопасности, поэтому пригодность для конкретных задач следует проверять самостоятельно.

MN-12B-LucidFaun-RP-RU — плотная языковая модель Mistral Nemo с 12,1 млрд параметров, созданная диагностическим SLERP-слиянием limloop/MN-12B-Faun-RP-RU и dreamgen/lucid-v1-nemo. Она предназначена для генерации текста, ролевых диалогов и художественных историй; также поддерживает интерфейс вызова инструментов и формат инструкций ninja. Модель работает на русском и английском языках, а карточка указывает контекст до 8 192 токенов по результатам проверки; метаданные каталога заявляют нативное окно в 1 024 000 токенов. Слияние сочетает характер и стиль Faun со стабильностью и возможностями сторителлинга lucid. По заявлению автора, модель почти не отказывает в генерации, но при высокой температуре иногда добавляет короткие дисклеймеры. Дополнительного обучения после слияния не проводилось. Распространяется в формате safetensors по лицензии Apache-2.0.

MN-GRAND-Gutenberg-Lyra4-Lyra-12B-DARKNESS — текстовая генеративная модель, опубликованная DavidAU. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM и 12,1 млрд параметров; веса представлены в формате safetensors и доступны для прямого использования или последующей конвертации в форматы квантования, включая GGUF, GPTQ, EXL2, AWQ и HQQ. Каталог указывает контекст до 1 024 000 токенов и поддержку диалогового режима. Модель предназначена для генерации текста в диалогах и других текстовых сценариях. README советует подбирать параметры и сэмплеры с учётом особенностей модели, однако подробные настройки и примеры в карточке недоступны. Указаний о поддерживаемых естественных языках и лицензии в предоставленных данных нет.

MN-magnum-v2.5-18.5B-kto-Instruct-GGUF — это квантизированная GGUF-версия инструкционной языковой модели MN-magnum-v2.5-18.5B-kto-Instruct, разработанной DavidAU и подготовленной для распространения пользователем bartowski. Модель предназначена для генерации текста и запуска через llama.cpp или совместимые приложения, включая LM Studio. Она поддерживает диалоговый формат с системными и пользовательскими сообщениями. В основе лежит модель размером 18,5 млрд параметров; точная архитектура, поддерживаемые языки, модальности и размер контекстного окна в README не указаны. Доступны варианты от F16 до низкобитных квантований Q2 и IQ, что позволяет выбирать между качеством ответов, размером файла и требованиями к оперативной памяти. Для квантования использовались llama.cpp и imatrix с указанным набором данных; варианты Q5–Q6 отмечены как высококачественные и рекомендуемые, а Q3 и Q2 предназначены для систем с ограниченными ресурсами, но могут заметно уступать по качеству. Лицензия в README не указана, поэтому условия использования необходимо уточнять в карточке исходной модели DavidAU/MN-magnum-v2.5-18.5B-kto-Instruct.

MobileLLaMA-2.7B-Chat — чат-модель, разработанная на основе MobileLLaMA-2.7B-Base и дообученная методом supervised instruction fine-tuning на датасете ShareGPT. Это плотная авторегрессионная модель семейства LLaMA с 2,6 млрд параметров, предназначенная для генерации текста и ответов на инструкции. Модель можно загружать с помощью Hugging Face Transformers; её контекст составляет 2048 токенов. Модель подходит для диалоговых помощников и генерации ответов на текстовые запросы. В карточке указана лицензия Apache-2.0. Данных о поддерживаемых естественных языках и специальных ограничениях качества в карточке нет.

Mocha-Dare-7b-ex — языковая модель, созданная объединением нескольких предварительно обученных моделей с помощью mergekit и метода DARE TIES. В качестве основы использована Mistral-7B-v0.1; в объединение также вошли Open-Orca/Mistral-7B-OpenOrca, Mistral-7B-v0.1-Open-Platypus и WizardMath-7B-V1.1. Модель предназначена для генерации текста и может применяться в диалогах, ответах на вопросы, решении задач по математике и общих инструкциях. Она построена на плотной архитектуре Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Доступны веса в формате safetensors; библиотека из метаданных — Transformers. В карточке не описаны результаты оценки качества или отдельные гарантии для конкретных сценариев. Указана лицензия CC BY 4.0.

stromano02/model — дообученная языковая модель семейства Llama на основе unsloth/meta-llama-3.1-8b-instruct-bnb-4bit. Разработчик — stromano02; модель обучена с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалогового общения, а также поддерживает интерфейс вызова инструментов. Модель имеет плотную архитектуру LlamaForCausalLM и около 7,5 млрд параметров. Контекстное окно составляет до 131 072 токенов. Репозиторий содержит веса в форматах GGUF и safetensors; указана поддержка английского языка. Лицензия — Apache-2.0. README не описывает специальную предметную область или конкретные преимущества дообучения.

leekh7624/model3 — языковая модель семейства Llama, разработанная leekh7624 и дообученная на основе leekh7624/model2. Это плотная модель с 7,5 млрд параметров для генерации текста и диалогового общения; она принимает текст и выдаёт текст. Указанный размер контекста — 8192 токена, формат весов — safetensors. Модель подходит для создания чат-ботов и генерации ответов на текстовые запросы. В карточке отмечен английский язык. Для обучения использовались Unsloth и библиотека Hugging Face TRL. Модель распространяется по лицензии Apache-2.0.

Модель sanjay782/model_merged_16bit разработана пользователем sanjay782 и дообучена на базе unsloth/tinyllama-chat-bnb-4bit. Это плотная авторегрессионная языковая модель семейства Llama с примерно 1 млрд параметров, предназначенная для генерации текста и диалогового общения. При обучении использовались Unsloth и библиотека Hugging Face TRL; модель распространяется в формате safetensors. Модель принимает текст и генерирует текст. В метаданных указан английский язык и контекст до 2048 токенов. Репозиторий предоставляет веса по лицензии Apache-2.0. Карточка не описывает специализированную предметную область или конкретные ограничения качества.

Модель kamisaiko/model_vistral_inContextLearning — дообученная авторегрессионная чат-модель семейства Mistral, созданная kamisaiko на основе Viet-Mistral/Vistral-7B-Chat. Веса представлены в формате PyTorch; размер модели — 7,1 млрд параметров, нативная длина контекста — 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Её обучали с использованием Unsloth и библиотеки TRL. Карточка не описывает отдельные специализированные навыки или конкретные наборы данных. Лицензия — Apache 2.0.

yunconglong/MoE_13B_DPO — языковая модель семейства Mixtral с архитектурой MoE, дообученная методом Direct Preference Optimization (DPO) на наборе предпочтений Intel/orca_dpo_pairs. В README указана базовая модель yunconglong/Truthful_DPO_TomGrc_FusionNet_7Bx2_MoE_13B; метаданные сообщают о 7,1 млрд параметров и контексте до 32 768 токенов. Модель предназначена для генерации текста и диалоговых ответов с настройкой на предпочтения. Она распространяется в формате safetensors. Указана лицензия other; конкретные условия лицензии в предоставленных данных не раскрыты.

Klevin/MOE-Finetuned-4B — разговорная текстовая модель, разработанная Klevin и дообученная на базе unsloth/mistral-7b-instruct-v0.3-bnb-4bit. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов; для обучения использовались Unsloth и библиотека TRL. Модель предназначена для генерации текста в диалогах и ответов на текстовые запросы на английском языке. Репозиторий распространяется по лицензии Apache-2.0.

kodonho/Momo-70b-DPO-mixed — англоязычная смешанная языковая модель, созданная на основе moreh/MoMo-70B-lora-1.8.6-DPO с использованием gradient slerp. Это плотная авторегрессионная модель семейства Llama с 71 млрд параметров, предназначенная для генерации текста; контекстное окно составляет 32 768 токенов. В метаданных также указана связь с moreh/MoMo-70B-lora-1.8.4-DPO, а файлы представлены в формате safetensors. Модель подходит для генерации англоязычных ответов и продолжения текста. Репозиторий распространяется по лицензии MIT. Доступные сведения не описывают отдельные специализированные области или дополнительные возможности модели.

MonarchPipe-7B-slerp — текстовая генеративная модель на архитектуре Mistral, созданная сообществом ichigoberry путём слияния OpenPipe/mistral-ft-optimized-1227 и mlabonne/AlphaMonarch-7B с помощью LazyMergekit. Слияние выполнено методом SLERP; репозиторий содержит веса в формате Safetensors, размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для диалогов, следования инструкциям, ответов на вопросы и рассуждений в текстовом формате. В README приведены результаты бенчмарка Nous: средний балл MonarchPipe-7B-slerp составляет 58,77; таблица показывает результаты по AGIEval, GPT4All, TruthfulQA и Bigbench. Модель распространяется по лицензии CC BY-NC 2.0, которая ограничивает коммерческое использование. README не описывает отдельные языки или специальные прикладные области; их не следует считать подтверждёнными характеристиками модели.

Montebello_7B_SLERP — языковая модель, созданная объединением моделей yam-peleg/Experiment21-7B и louisgrc/Marengoli_7B_SLERP методом SLERP с помощью LazyMergekit. Она предназначена для генерации текста и может использоваться в сценариях, где требуется продолжать или создавать текст по текстовому запросу. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст длиной до 32 768 токенов. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache 2.0. Доступные сведения не описывают качество модели, её целевые языки или специализированные области применения. Это слияние двух моделей, одна из которых обозначена в каталоге как экспериментальная модель для проверки конвейера обучения и оценки LLM; поэтому результаты следует проверять на собственных задачах.

Morax-24B-v1 — текстовая генеративная модель на архитектуре Mistral, созданная DarkArtsForge с помощью слияния SLERP двух моделей: Naphula/BeaverAI_Fallen-Mistral-Small-3.1-24B-v1e_textonly и TheDrummer/Precog-24B-v1. Модель содержит 23,4 млрд параметров, работает через Transformers и поддерживает контекст до 131 072 токенов. Модель предназначена для диалогов, творческого письма и ролевых сценариев. В карточке заявлены отсутствие отказов и возможность включать или отключать режим рассуждений; для лучших результатов рекомендуется шаблон Mistral V7 Tekken. Это слияние предобученных моделей, а не отдельное дообучение под специализированную область. Лицензия в предоставленных данных не указана.

MotherEarth/MotherEarth-1.16 — текстовая генеративная модель, созданная слиянием предварительно обученных языковых моделей MotherEarth/MotherEarth-1.15 и MotherEarth/MotherEarth-Proverbs-8B. Разработчик использовал mergekit и метод SLERP; архитектура — плотная Llama с классом LlamaForCausalLM, размер — 7,5 млрд параметров. Модель предназначена для генерации текста и диалогового взаимодействия. Она принимает текст и выдаёт текст, работает с контекстом до 8192 токенов и распространяется в формате Safetensors для библиотеки Transformers. Карточка не уточняет специализацию задач или языки. Лицензия в предоставленных данных не указана. Качество и ограничения слияния отдельно не описаны.

Motif 2.6B — плотная авторегрессионная языковая модель с 2,6 млрд параметров, разработанная Motif Technologies и обученная с нуля на 2,4 трлн токенов. Она предназначена для генерации текста и диалогового взаимодействия; разработчики позиционируют её как компактную модель общего назначения. Модель обучалась на ускорителях AMD Instinct MI250, а заявленная длина контекста составляет 16 384 токена. В карточке указаны английский и корейский языки. Модель подходит для чат-ботов, генерации и продолжения текста, а также для экспериментов с компактными языковыми моделями. В README приведены результаты сравнительных тестов, однако показатели получены в разных условиях и по данным публикаций разработчиков сравниваемых моделей, поэтому их следует интерпретировать осторожно. Для загрузки через Transformers карточка приводит пример с AutoModelForCausalLM и trust_remote_code=True. Весы опубликованы в формате safetensors по лицензии Apache-2.0. Модель обучена с нуля и не указана как производная от другой базовой модели.

bartowski/moxin-llm-7b-GGUF — это набор GGUF-квантизаций текстовой генеративной модели moxin-llm-7b, разработанной moxin-org. Квантизации выполнены bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и локального запуска, в том числе через LM Studio и совместимые инструменты на базе llama.cpp. Модель содержит около 7 миллиардов параметров и поставляется в вариантах от F16 до низкобитных Q2 и IQ2/IQ3/IQ4-квантизаций. Размер файлов составляет примерно от 2,79 до 16,23 ГБ, что позволяет выбирать баланс между качеством, скоростью и требованиями к оперативной памяти. Для некоторых вариантов эмбеддинги и выходные веса квантизированы в Q8_0. Наиболее качественными считаются F16, Q8_0, Q6_K_L, Q6_K, Q5 и Q4_K-варианты; низкобитные версии экономят память, но могут заметно уступать в качестве. В README не указаны архитектура базовой модели, поддерживаемые языки, размер контекстного окна и специальный формат промпта; его рекомендуется уточнить на странице исходной модели. Модель поддерживает только текстовую модальность. Для набора указана лицензия Apache-2.0.

MPT-30B-Instruct 8-bit — 8-битная версия модели MPT-30B-Instruct, разработанной MosaicML. Это плотная авторегрессионная языковая модель с модифицированной архитектурой decoder-only Transformer, FlashAttention и ALiBi; в исходной модели около 29,95 млрд параметров и 48 слоёв. Модель предназначена для коротких ответов на инструкции и диалоговых запросов. Её дообучили на данных, производных от Databricks Dolly-15k и Anthropic HH-RLHF, а также на наборах для математики, вопросов и ответов, суммаризации и работы с базами данных. Модель принимает текст и генерирует текст. Карточка описывает англоязычный пример, но не задаёт полный перечень поддерживаемых языков. Файлы опубликованы в формате safetensors; для загрузки через Transformers требуется trust_remote_code=True. Лицензия — CC-BY-SA-3.0. Модель может выдавать фактически неверные, предвзятые или оскорбительные ответы, поэтому её результаты требуют проверки.

openaccess-ai-collective/mpt-7b-wizardlm — языковая модель OpenAccess AI Collective на архитектуре MPT-7B, дообученная на наборе WizardLM Alpaca Evol Instruct 70K. Модель предназначена для генерации текста и ответов на инструкции на английском языке. Модель обучали три эпохи на одном ускорителе A100 с 80 ГБ памяти. В метаданных указаны формат PyTorch и задача text-generation. Карточка не приводит сведений о длине контекста или лицензии.

MSM-MS-Cydrion-22B — плотная языковая модель на архитектуре Mistral, созданная SteelSkull слиянием нескольких моделей семейства Mistral-Small. В состав слияния вошли Cydonia-22B-v1.1, ArliAI-RPMax, Gutenberg-Doppel-22B и Acolyte-22B; в конфигурации указан метод model_stock и формат bfloat16. Модель содержит 22 млрд параметров и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации текста и диалогов, с акцентом на творческое письмо и сюжетные сценарии. Указана совместимость с форматом Mistral; репозиторий использует Transformers и содержит веса safetensors. Лицензия — Apache-2.0.

bigscience/mt0-xl — мультиязычная модель BigScience для выполнения инструкций на естественном языке. Она основана на архитектуре encoder-decoder mT5-XL и дообучена на смеси межъязыковых задач xP3, чтобы обобщать инструкции на ранее не встречавшиеся задачи и языки. Модель содержит 1,9 млрд параметров и предназначена для генерации текста по запросу, включая перевод, ответы на вопросы, классификацию по текстовой инструкции и создание историй. Модель принимает текстовые запросы и выдаёт текст. В карточке указана поддержка десятков языков; примеры охватывают перевод с французского, запросы на вьетнамском и испанском и ответ на телугу. Опубликована в форматах PyTorch и safetensors, лицензия — Apache-2.0. Качество зависит от формулировки запроса: рекомендуется ясно обозначать границы входного текста и задавать нужный язык ответа. Модель обучена на мультиязычных данных, но её результаты на разных языках и задачах могут различаться.

zelk12/MT1-Gen3-MA-gemma-2-S5Av4d-9B — слитая модель на архитектуре Gemma 2, созданная с помощью mergekit методом SLERP из allknowingroger/GemmaSlerp5-10B и lemon07r/Gemma-2-Ataraxy-v4d-9B. Модель содержит 9 млрд параметров, предназначена для диалоговой генерации текста и поддерживает контекст до 8192 токенов. Модель подходит для создания историй и творческих текстов, а также для ведения диалогов. Опубликована в формате safetensors; README также описывает исходное слияние весов в bfloat16. Лицензия в предоставленных данных не указана.

zelk12/MT1-Gen3-MMMA-gemma-2-9B — чат-модель на основе архитектуры Gemma 2, созданная слиянием двух предварительно обученных языковых моделей с помощью SLERP и mergekit. В репозитории представлены веса в формате safetensors; размер модели составляет 9 млрд параметров, максимальный контекст — 8192 токена. Модель предназначена для генерации текста в диалоговом формате. Модель принимает текст и выдаёт текст. Карточка не уточняет языковой охват, поэтому языки не перечислены. Использование зависит от лицензии базовых моделей; сведения о лицензии в предоставленных данных отсутствуют.

zelk12/MT1-Gen5-BMM-gemma-2-9B — объединённая модель на базе Gemma 2, созданная разработчиком zelk12 с помощью mergekit и метода SLERP из двух предварительно обученных моделей: zelk12/MT1-Gen5-BB-gemma-2-S4Av4d-9B и zelk12/MT1-Gen5-MM-gemma-2-Av4dS4-9B. Это плотная авторегрессионная языковая модель с архитектурой Gemma2ForCausalLM и примерно 9 млрд параметров. Модель предназначена для генерации текста и диалогового взаимодействия. Она принимает текстовые запросы и выдаёт текст; заявленное окно контекста — 8192 токена. Веса доступны в формате safetensors, а карточка указывает библиотеку Transformers. Сведения о специализированной предметной области или языках модели в предоставленных данных отсутствуют. Лицензия в предоставленных материалах не указана. Качество ответов и пригодность для конкретных задач зависят от сценария; карточка не приводит оценок или подробных ограничений.

zelk12/MT1-Max-Merge_02012025163610-MUI-gemma-2-9B — объединённая разговорная языковая модель семейства Gemma 2, созданная методом SLERP с помощью mergekit из двух моделей Gemma 2. Модель содержит 9 млрд параметров, использует архитектуру Gemma2ForCausalLM и формат safetensors; в конфигурации слияния указан тип данных bfloat16. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно использовать как основу для чат-ботов и приложений, которые формируют ответы на текстовые запросы. Метаданные указывают контекст до 8192 токенов. Данные о целевых языках и специализированных областях применения в карточке не приведены. Лицензия в предоставленных данных не указана. Качество и поведение объединённой модели зависят от исходных моделей; отдельные результаты оценки и сведения об ограничениях в карточке отсутствуют.

zelk12 объединил методом SLERP две предварительно обученные языковые модели на базе Gemma 2 и опубликовал результат с помощью mergekit. Это плотная авторегрессионная модель с 9 млрд параметров для диалогов и генерации текста по запросу; репозиторий содержит веса Safetensors, а контекстное окно составляет 8192 токена. Модель предназначена для чат-сценариев и генерации ответов на текстовые запросы. README описывает способ объединения и исходные модели, но не указывает отдельную специализацию или языковой охват. Лицензия в предоставленных данных не указана.

zelk12 создал эту диалоговую языковую модель, объединив с помощью SLERP двух предварительно обученных моделей Gemma 2: recoilme/recoilme-gemma-2-9B-v0.3 и zelk12/recoilme-gemma-2-Ifable-9B-v0.1. Модель использует плотную архитектуру Gemma2ForCausalLM, содержит 9 млрд параметров и рассчитана на генерацию текста и диалоговое общение; поддерживает контекст до 8192 токенов. Модель подходит для чат-ботов и генерации ответов на текстовые запросы. В карточке указаны формат safetensors и библиотека Transformers. Сведения о лицензии и конкретных языках в доступных данных отсутствуют, поэтому условия распространения и языковой охват по этой карточке определить нельзя.

zelk12/MT3-Gen3-gemma-2-9B — объединённая модель генерации текста на архитектуре Gemma 2, созданная с помощью mergekit методом SLERP из двух моделей: zelk12/MT3-Gen3-IMM-gemma-2-9B и zelk12/MT3-Gen3-GMAMUB-gemma-2-9B. Модель содержит 9 млрд параметров, использует формат safetensors и рассчитана на контекст до 8192 токенов. Метаданные также отмечают поддержку диалогового режима. Модель предназначена для генерации текста и диалоговых сценариев. В README приведены результаты оценивания на IFEval и BBH, однако подробности обучения и языковой специализации не описаны. Лицензия в предоставленных данных не указана.