I.5Создание и редактирование текста

Nemo-Loony-12B-experimental — экспериментальное объединение предобученных языковых моделей, созданное nbeerbower с помощью mergekit и метода TIES. В качестве базовой модели использована nbeerbower/mistral-nemo-gutenberg-12B-v2; в объединение также вошли nbeerbower/SmolNemo-12B-FFT-experimental, nbeerbower/Mistral-Nemo-Moderne-12B-FFT-experimental и nbeerbower/Mistral-Nemo-Prism-12B-v2. Модель построена на архитектуре MistralForCausalLM, содержит 12,1 млрд параметров и предназначена для генерации текста и диалогового общения. Принимает текст и выдаёт текст; заявленная длина контекста составляет 1 024 000 токенов. Файлы представлены в формате safetensors, библиотека — Transformers. Карточка не приводит конкретных языков или специализированных предметных областей. Модель помечена как экспериментальная, поэтому качество и стабильность ответов могут варьироваться. Лицензия в предоставленных данных не указана.

thhaus/nemotron3-8b — авторская публикация модели Nemotron для генерации текста, размещённая пользователем thhaus на Hugging Face. Это плотная авторегрессионная языковая модель с архитектурой NemotronForCausalLM, содержащая 9,6 млрд параметров и рассчитанная на контекст до 4096 токенов. Модель можно использовать для продолжения текста и генерации ответов по текстовой подсказке. Карточка модели создана автоматически и не описывает разработчика, обучение, языки, назначение для конкретных сценариев, ограничения или лицензию. Поэтому эти свойства нельзя достоверно уточнить по доступным источникам.

TeichAI/Nemotron-Cascade-14B-Thinking-Claude-4.5-Opus-High-Reasoning-Distill — дообученная TeichAI языковая модель на архитектуре Qwen3, основанная на nvidia/Nemotron-Cascade-14B-Thinking. Модель содержит 14 млрд параметров, принимает текст и предназначена для генерации текста и диалогов, включая задачи рассуждения. Обучение выполнено с использованием Unsloth и библиотеки Hugging Face TRL; веса доступны в формате safetensors. Модель поддерживает английский язык и контекст до 32 768 токенов. В метаданных также указаны интерфейс вызова инструментов и обучающий набор TeichAI/claude-4.5-opus-high-reasoning-250x. Лицензия — Apache-2.0. Подробные оценки качества и конкретные ограничения в карточке не описаны.

Nemotron-Mini-4B-Instruct-GGUF — это набор GGUF-квантизаций инструкционной языковой модели Nemotron-Mini-4B-Instruct, разработанной NVIDIA и квантизированной bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и запуска локального инференса, в том числе через LM Studio. Указан английский язык; поддерживается текстовая модальность. Формат запроса требует специальных маркеров для системных, пользовательских и ассистентских сообщений. Доступны варианты от исходных весов F16 размером 8,39 ГБ до компактных квантизаций IQ3_M размером 2,18 ГБ. Предлагаются форматы Q8_0, Q6_K, Q5_K, Q4_K, Q3_K и другие, включая варианты, оптимизированные для ARM-процессоров. Некоторые сборки используют Q8_0 для embedding- и output-весов, что может улучшать сохранение качества. Ключевое преимущество набора — выбор между качеством, размером и требованиями к памяти; ограничение — снижение качества при более агрессивной квантизации. Сведения о размере контекста и архитектуре базовой модели в README не указаны. Модель распространяется по лицензии NVIDIA Community Model License; условия следует уточнять в документе лицензии NVIDIA.

m-a-p представляет NEO 7B Instruct v0.1 — инструктивно дообученную языковую модель семейства Llama с плотной архитектурой и примерно 7,6 млрд параметров. Репозиторий содержит веса в формате Safetensors; проект описывает модель как открытую и предоставляет сведения о коде, обучающих данных и процессе обучения. Модель предназначена для генерации текста по инструкциям и диалогового взаимодействия. Контекст составляет 8192 токена. В карточке не описаны конкретные языки и специализированные области применения. Модель распространяется по лицензии Apache-2.0. README указывает, что это instruction-tuned версия NEO 7B, но не приводит деталей о качестве, тестировании или ограничениях применения.

NeoHorse-1-4B-GGUF — набор общественных GGUF-квантизаций модели NeoHorse-1-4B, опубликованный пользователем ngquocvinh на основе модели TokenRhythm/NeoHorse-1-4B. Это текстовая авторегрессионная языковая модель примерно на 4 млрд параметров, дообученная из Qwen3.5-4B для агентских сценариев, использования инструментов, программирования, следования инструкциям и диалогового общения. Модель работает через llama.cpp и поддерживает форматы квантизации GGUF; варианты представлены с разным балансом между размером файлов и точностью сохранения поведения исходной BF16-модели. Модель предназначена для генерации текста, рассуждений, ответов на инструкции, кодирования и текстового tool use. Заявлена нативная длина контекста 262 144 токена, однако практически доступный контекст зависит от используемого runtime, объёма памяти, настроек KV-cache и рабочей нагрузки. Поддерживаются текстовые сценарии; vision-веса отсутствуют. Проверка поведения охватывала английский, вьетнамский и китайский языки, а также код, JSON и текстовый формат вызовов инструментов. Варианты Q8_0 и Q6_K лучше сохраняют исходное поведение, Q5_K_M является сбалансированным выбором, а Q4_K_M — более компактным практическим вариантом. К преимуществам относятся локальный запуск через llama.cpp, большой заявленный контекст, несколько вариантов размера и подтверждённая загрузка всех опубликованных квантизаций на NVIDIA A10M. Ограничения связаны с потерей качества в низкобитных вариантах: Q3 и более низкие версии отмечены как экспериментальные, а тест строгого вывода по JSON Schema завершился ошибкой инициализации runtime-сэмплера. Проверка tool use оценивала только формат сериализации, а не полноценное выполнение инструментов. Указана лицензия Apache-2.0; в данном репозитории изменён только формат хранения посредством квантизации, без дополнительного обучения.

YeonwooSung/Neos-Gemma-2-9b — диалоговая языковая модель на архитектуре Gemma 2, дообученная автором с помощью ORPO. В основе лежит google/gemma-2-9b-it; модель содержит 9 млрд параметров и рассчитана на контекст до 8192 токенов. Для дообучения использован набор mlabonne/orpo-dpo-mix-40k. Модель предназначена для генерации текста в диалоговом формате, ответов на вопросы и других задач общения с языковой моделью. В карточке приведены результаты оценок Open LLM Leaderboard, включая IFEval и BBH. Модель распространяется в формате safetensors по лицензии Apache-2.0.

NeuralBeagle-11B — разговорная языковая модель vicgalle для генерации текста и ответов в формате чата. Она основана на vicgalle/franken-Beagle-11B: модель собрана с помощью mergekit, затем дообучена методом DPO на наборе предпочтений argilla/distilabel-intel-orca-dpo-pairs. Архитектура — плотная MistralForCausalLM; размер составляет 10,6 млрд параметров, контекст — до 32 768 токенов. Модель подходит для диалогов, написания текстов и ответов на инструкции. В карточке приведены результаты тестов на рассуждение и понимание текста, но они не гарантируют качество для конкретных сценариев. В примере генерации модель рассматривает тему BDSM через метафорическую интерпретацию фильма для детской аудитории, поэтому ответы могут затрагивать взрослые темы. Модель распространяется по лицензии Apache-2.0.

NeuralBeagle14-7B — языковая модель на архитектуре Mistral с 7,1 млрд параметров, созданная Mlabonne. Это DPO-дообучение модели mlabonne/Beagle14-7B на наборе предпочтений argilla/distilabel-intel-orca-dpo-pairs; исходная Beagle14-7B объединяет несколько моделей семейства Beagle. Модель предназначена для генерации текста в диалоговом формате, следования инструкциям и ответов на запросы общего характера. Модель подходит для задач рассуждения, ролевого общения и написания историй. В README указано контекстное окно 8 тыс. токенов, а метаданные каталога указывают нативный контекст 32 768 токенов. Поддерживаются шаблоны chatml и формат чата Llama. Модель работает с текстом и выдаёт текст; сведения о конкретных естественных языках не приведены. Модель распространяется в формате Safetensors по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. В README приводятся высокие результаты сравнительных оценок для категории моделей около 7 млрд параметров, но автор отмечает возможное влияние неудачного запуска и чрезмерного использования обучающего набора предпочтений; результаты бенчмарков сами по себе не гарантируют качество на конкретных задачах.

Neural-Chat-v3-3 — языковая модель Intel с 7,1 млрд параметров на архитектуре Mistral, предназначенная для генерации текста и диалоговых ответов. Она создана дообучением Intel/neural-chat-7b-v3-1 на математическом наборе MetaMathQA и выравниванием методом DPO на парах предпочтений Intel/orca_dpo_pairs. Модель опубликована в декабре 2023 года и доступна в форматах PyTorch и Safetensors. Модель подходит для диалоговых сценариев и языковых задач, включая ответы на математические вопросы. Метаданные указывают контекст до 32 768 токенов, тогда как README приводит 8 192 токена, поэтому фактическое ограничение следует проверять для используемой конфигурации. Лицензия — Apache-2.0. Модель может выдавать фактически неверные ответы, а также предвзятый или оскорбительный контент. Для приложений с реальными пользователями необходимы проверки безопасности; качество ответов зависит от формулировки запроса.

NeuralHermes-2.5-Mistral-7B-laser — экспериментальная версия разговорной модели NeuralHermes от mlabonne, основанная на teknium/OpenHermes-2.5-Mistral-7B. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов; она дообучена на парах предпочтений ChatML методом Direct Preference Optimization (DPO), а затем оптимизирована методом LASER на основе выборочного снижения ранга слоёв и теории случайных матриц. Модель предназначена для диалогов и выполнения инструкций, генерации текста, ответов на вопросы и помощи с кодом. В карточке приведены результаты нескольких тестовых наборов; они близки к показателям исходной NeuralHermes-2.5-Mistral-7B. Для запуска указаны LM Studio и другие пользовательские интерфейсы. Модель принимает текст и генерирует текст. Карточка указывает английский язык и лицензию Apache-2.0. Версия обозначена автором как экспериментальная, поэтому результаты оценки не гарантируют качество в конкретных сценариях; возможны обычные для языковых моделей ошибки и неточные ответы.

NeuralKrishnaMathWizard-7B — объединённая модель, созданная с помощью VortexMerge kit из Kukedlc/NeuralSirKrishna-7b и WizardLM/WizardMath-7B-V1.1. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста и диалогов; в составе объединения есть модель WizardMath, поэтому модель может быть полезна для математических запросов. Заявленная длина контекста — до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. README не приводит оценки качества, конкретные языки, результаты тестов или ограничения по задачам, поэтому пригодность для точных вычислений и специализированного применения следует проверять отдельно.

Neural-Krishna-Multiverse-7b — объединённая модель генерации текста, созданная с помощью LazyMergekit из Kukedlc/NeuralSirKrishna-7b и ammarali32/multi_verse_model. В карточке указано слияние методом slerp; архитектура — плотная MistralForCausalLM примерно на 7,1 млрд параметров. Модель предназначена для генерации текста и диалогов. Она принимает текст, поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors. Языки и специализированные предметные области в источниках не определены. Модель выпущена под лицензией Apache-2.0. Карточка не приводит оценок качества или дополнительных сведений о поведении, поэтому пригодность для конкретных сценариев следует проверять на собственных данных.

NeuralMiLLaMa-8B-slerp — объединённая инструктивная языковая модель семейства Llama 3, созданная Kukedlc с помощью LazyMergekit. В состав слияния входят NousResearch/Meta-Llama-3-8B-Instruct, elinas/Llama-3-8B-Ultra-Instruct, mlabonne/ChimeraLlama-3-8B-v3, nvidia/Llama3-ChatQA-1.5-8B и Kukedlc/SmartLlama-3-8B-MS-v0.1. Модель с плотной архитектурой LlamaForCausalLM содержит 7,5 млрд параметров, принимает текст и генерирует текст; длина контекста — 8192 токена. Она предназначена для диалогов, ответов на вопросы и генерации текста, включая код. Метаданные указывают на англоязычную базовую модель, поэтому поддержку других языков нельзя уверенно утверждать. Модель опубликована в формате safetensors. В метаданных указана лицензия other; конкретные условия использования следует сверять с карточкой модели и лицензиями исходных моделей.

MaziyarPanahi/NeuralsirkrishnaShadow_Experiment27Pastiche — объединённая автором карточки модель на архитектуре Mistral с 7,1 млрд параметров. Она создана путём слияния automerger/NeuralsirkrishnaShadow-7B и automerger/Experiment27Pastiche-7B и предназначена для генерации текста, в том числе диалоговых ответов. Модель принимает текст и выдаёт текст; максимальная длина контекста составляет 32 768 токенов. Доступна в формате safetensors и распространяется по лицензии Apache-2.0. В карточке не приведены сведения о целевых языках или специализированных областях применения.

NeuralsirkrishnaShadow_Experiment27Shadow — объединённая модель Mistral для генерации текста, созданная из automerger/NeuralsirkrishnaShadow-7B и automerger/Experiment27Shadow-7B. Она предназначена для сценариев, где нужно продолжать текст или получать ответы в текстовом формате. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Mistral и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате safetensors. Данных о специализации по языкам или прикладным областям в карточке нет. Модель распространяется по лицензии Apache-2.0. Карточка не приводит результатов оценки качества или подробных сведений о поведении, поэтому пригодность для конкретных задач следует проверять отдельно.

Neuronovo-9B-v0.4 — языковая модель Jan Kocoń для генерации текста и диалоговых ответов. Она основана на архитектуре Mistral и содержит 8,9 млрд параметров; модель распространяется в формате safetensors и рассчитана на контекст до 32 768 токенов. При обучении использованы наборы Intel/orca_dpo_pairs и mlabonne/chatml_dpo_pairs, предназначенные для настройки диалогового поведения. Версия v0.4 также использует токенизатор Neuronovo-9B-v0.2 и обучалась одну эпоху с низкой скоростью обучения. Модель подходит для интерактивных сценариев и генерации ответов на текстовые запросы. В метаданных указан английский язык. Модель выпущена под лицензией Apache-2.0. README не приводит результаты оценивания, поэтому качество на конкретных задачах и устойчивость ответов по этим данным оценить нельзя.

Neurotic-Momnaingotrisk-slerp — объединённая модель, созданная liminerity с помощью mergekit методом slerp на основе CultriX/MonaTrix-v4 и liminerity/Neurotic-Momningojask-slerp. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM, примерно 7,1 млрд параметров и контекстом до 32 768 токенов. Она предназначена для генерации и продолжения текста; базовая модель описана как подходящая для диалогов. Веса опубликованы в формате safetensors, а в README приведена конфигурация с типом bfloat16. Репозиторий распространяется по лицензии Apache-2.0. Данных о языковой специализации и оценках качества этой объединённой модели в предоставленных источниках нет.

Neutrino-8B — диалоговая языковая модель на 8,19 млрд параметров, разработанная FermionResearch на основе Qwen/Qwen3-8B. Она предназначена для общения с пользователем, генерации текста, следования инструкциям, создания структурированного JSON и вызова инструментов; режим рассуждений отключён. Модель использует плотную архитектуру TrtcV4ForCausalLM с 36 слоями и шириной скрытого представления 4096. Линейные слои упакованы в пятизначное представление с разрядностью менее двух бит на вес, а таблицы эмбеддингов хранятся в int8. Репозиторий содержит GGUF-сборку; модель также запускается через Transformers, CPU, MLX и llama.cpp на поддерживаемых платформах. Модель унаследовала многоязычную токенизацию Qwen3-8B, но в карточке не перечислены конкретные поддерживаемые естественные языки. Контекстное окно в предоставленной информации не описано. Разработчик приводит результаты MMLU-Redux и IFEval и рекомендует параметры генерации отдельно для диалога, структурированного вывода и длинных текстов. Для корректной остановки нативного C-бинарника требуется задать EOS-токен; при генерации JSON рекомендуется отключать штраф за повторения. Лицензия — Apache-2.0.

Newq-0.5B-Instruct — компактная инструктивная языковая модель примерно с 494 млн параметров, созданная на базе Qwen/Qwen2.5-0.5B-Instruct. Она предназначена для диалогов и генерации текста общего назначения. Модель использует архитектуру Qwen2 с 24 слоями и групповым запросным вниманием (14 голов Q и 2 головы KV), поддерживает контекст до 32 768 токенов и представлена в формате safetensors для библиотеки Transformers. Компактный размер позволяет запускать её на CPU или видеокарте умеренной мощности, а длинный контекст подходит для работы с объёмными текстовыми запросами. В метаданных указана поддержка английского языка и интерфейса вызова инструментов. Модель распространяется по лицензии Apache-2.0.

6block/Nex-N2.5-Pro-GGUF — это GGUF-квантизации мультимодальной модели Nex-N2.5-Pro, разработанной nex-agi и преобразованной в формат GGUF с помощью llama.cpp командой 6block. Модель предназначена для генерации и анализа текста, а также для задач понимания изображений при использовании отдельного vision-проектора mmproj. Заявлены поддерживаемые языки английский и китайский. Модель имеет 397 млрд параметров, 60 слоёв в гибридной архитектуре: 45 слоёв Gated DeltaNet с линейным вниманием и 15 полноценных attention-слоёв с GQA. Это MoE-модель: каждый токен направляется к 10 из 512 экспертов и общему эксперту. Контекст составляет 262 144 токена, словарь — 248 320 токенов. Vision-энкодер содержит 27 слоёв, принимает изображения размером до 768 пикселей и использует патчи 16 пикселей. Поддерживаются адаптивный режим рассуждений и его отключение. Доступны варианты IQ4_XS, Q2_K и IQ2_XS размером примерно 200,1, 138,9 и 113,2 ГиБ соответственно, каждый в 19 сегментах. IQ4_XS наиболее близок к исходной BF16-версии по заявленным метрикам, Q2_K позиционируется как сбалансированный вариант для CPU, а IQ2_XS предназначен для систем с жёсткими ограничениями по памяти. Основные ограничения — очень большой размер, необходимость загрузить все сегменты, наличие совместимой сборки llama.cpp с поддержкой Qwen3.5-MoE и отдельного vision-проектора для работы с изображениями. Для изображений рекомендуется выделять не менее 1024 image tokens. Модель распространяется по лицензии Apache-2.0. Для запуска требуется llama.cpp; параметры и возможности использования изображений зависят от соответствующих инструментов и шаблона чата модели.

NextDropModel — дообученная языковая модель, опубликованная MahiShah30 на базе unsloth/meta-llama-3.1-8b-instruct-unsloth-bnb-4bit. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM; она предназначена для генерации текста и диалогового взаимодействия. В метаданных указаны 7,5 млрд параметров, контекст до 131 072 токенов, поддержка английского языка и интерфейс вызова инструментов. Модель обучена с использованием Unsloth и библиотеки Hugging Face TRL. Карточка не описывает специализацию дообучения, набор данных или результаты оценки, поэтому качество для конкретных предметных задач определить нельзя. Лицензия — Apache-2.0.

Карточка модели PS4Research/NfEJUrTPxT77xQ8f на Hugging Face совпадает с карточкой PS4Research/0VOz3fgU0qp4lVar, поэтому описание составлено по ней. PS4Research/0VOz3fgU0qp4lVar — дообученная модель генерации текста на архитектуре Olmo 3, созданная PS4Research на основе allenai/Olmo-3.1-32B-Think. В карточке указано, что для обучения использовались Unsloth и библиотека TRL от Hugging Face; модель содержит 31,7 млрд параметров и поддерживает контекст до 65 536 токенов. Модель предназначена для генерации текста и диалогового взаимодействия; интерфейс поддерживает вызов инструментов. Базовая модель ориентирована на английский язык и задачи рассуждений, в том числе математику и программирование. Сведений о специальных улучшениях, полученных при дообучении, в карточке нет. Лицензия — Apache-2.0.

NoromaidxOpenGPT4-1 — диалоговая языковая модель, созданная NeverSleep слиянием моделей Noromaid-8x7b-Instruct и Open_Gpt4_8x7B_v0.2 методом TIES на базе Mixtral-8x7B-Instruct-v0.1. Репозиторий содержит веса в формате FP16; архитектура Mixtral использует смесь экспертов (MoE), а размер модели составляет 7,1 млрд параметров. Модель предназначена для генерации текста и ответов в диалоге по инструкциям; README приводит шаблоны Alpaca и Mistral. Контекстное окно — 32 768 токенов. Модель рассчитана на разговорное применение и объединяет качества двух исходных моделей; README отмечает, что варианты NoromaidxOpenGPT4-1 и -2 проявили разные качества при тестировании. Языки в карточке не обозначены. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческих целях.

NorskGPT-Mistral-7b — дообученная на норвежских инструкционных парах языковая модель bineric на базе Mistral-7B-v0.1. Она предназначена для генерации текста и работы в роли чат-ассистента на норвежском языке; лучше всего подходит для суммаризации, ответов на вопросы и диалога. Модель имеет плотную архитектуру MistralForCausalLM, около 7,1 млрд параметров и контекст до 32 768 токенов. По заявлению авторов, на февраль 2024 года модель занимала второе место среди моделей для генерации текста на материковых скандинавских языках и была одной из лучших моделей для норвежского после GPT-3.5. Для оптимального результата может потребоваться настройка промптов. Это языковая модель, а не источник фактов: она не гарантирует специальных знаний о Норвегии или высокой точности в узких областях. Базовая модель не имеет встроенной цензуры, поэтому модель может выдавать вредоносный или оскорбительный контент. Веса доступны в форматах PyTorch и safetensors по лицензии CC BY-NC-SA 4.0, допускающей некоммерческое использование на условиях лицензии.

NorwAI-Mistral-7B-instruct — генеративная текстовая модель, разработанная исследовательским центром NorwAI при Норвежском университете науки и технологий (NTNU) совместно с норвежскими партнёрами, включая Schibsted, NRK, VG и Национальную библиотеку Норвегии. Модель предназначена для работы с норвежским языком и диалоговых или иных сценариев, требующих следования инструкциям; она дообучена примерно на 9000 самостоятельно собранных высококачественных норвежских инструкциях. Модель основана на NorwAI-Mistral-7B, использует авторегрессионную архитектуру и содержит около 7 млрд параметров. Контекст — до 32 000 токенов. Токенизатор расширен за счёт объединения токенизатора Llama 2 с норвежским токенизатором, итоговый словарь содержит 64 000 токенов. Основная заявленная языковая специализация — норвежский язык; сведения о мультимодальности отсутствуют, модель предназначена для генерации текста. Сильная сторона модели — адаптация к норвежскому языку и инструкциям носителей языка. Как и другие большие языковые модели, она может порождать галлюцинации, фактически неверные ответы, токсичный или предвзятый контент. Модель распространяется по специальной лицензии NorLLM: бесплатное использование разрешено организациям, зарегистрированным в странах Северной Европы, для собственных целей, но не для перепродажи; предусмотрены требования к атрибуции и ограничения, связанные с безопасностью, фундаментальными правами и географией использования.

TheBloke разместил эту модель в формате PyTorch fp16: это Nous-Hermes-13B от Nous Research, объединённая с адаптером SuperHOT 8K от Kaio Ken. Модель основана на плотной архитектуре LlamaForCausalLM и содержит около 12,9 млрд параметров. При настройке инференса с поддержкой remote code она рассчитана на контекст до 8192 токенов. Модель предназначена для диалогов, следования инструкциям и генерации текста, включая творческие ответы, ролевые сценарии и задачи по программированию. Она обучена на более чем 300 тысячах инструкций, преимущественно на синтетических данных; README отмечает склонность к длинным ответам и заявляет низкий уровень галлюцинаций. Используется формат запросов Alpaca. Веса представлены в fp16 для GPU-инференса и дальнейшей конвертации. Лицензия указана как other, поэтому конкретные условия использования следует проверять в файлах репозитория. Модель создана в 2023 году; заявленные свойства и результаты бенчмарков приведены авторами карточки и не являются независимой оценкой.

Это объединённая модель Nous-Hermes-2-Pro_into_Nous_Hermes-2-DPO, созданная с помощью LazyMergekit на основе NousResearch/Hermes-2-Pro-Mistral-7B и NousResearch/Nous-Hermes-2-Mistral-7B-DPO. Веса объединены методом SLERP; модель построена на архитектуре Mistral и содержит 7,1 млрд параметров. Модель предназначена для диалогов и генерации текста по инструкциям. Она принимает текст и выдаёт текст; заявленная длина контекста составляет 32 768 токенов. В метаданных указана возможность чат-взаимодействия, но отдельные языки и специализированные прикладные области не заявлены. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана, поэтому условия использования определить нельзя. Качество и ограничения именно этого слияния в README не описаны; поведение может отличаться от исходных моделей.

NousResearch_Hermes-4-70B-GGUF — это набор квантизированных версий языковой модели Hermes-4-70B, разработанной NousResearch. Квантизацию выполнил bartowski с использованием llama.cpp версии b6258 и метода imatrix. Модель предназначена для генерации текста и локального запуска через LM Studio, llama.cpp и другие проекты на базе llama.cpp. В набор входят варианты в формате GGUF с разными уровнями квантизации: от Q8_0 размером около 75 ГБ до IQ2_S размером около 22 ГБ. Более крупные варианты обеспечивают более высокое качество, тогда как компактные требуют меньше оперативной памяти, но могут заметно уступать по качеству. Для большинства сценариев рекомендуются Q4_K_M, Q5_K_M, Q5_K_S и Q6_K; Q3 и Q2-варианты предназначены для систем с ограниченными ресурсами и имеют более низкое качество. README не содержит сведений об архитектуре, поддерживаемых языках, размере контекста, мультимодальности, точных задачах исходной модели или лицензии. Формат prompt также не указан, поэтому его следует уточнять на странице оригинальной модели NousResearch/Hermes-4-70B.

trinhkhng/nuslerp_Merged_gpt2-medium_0.1 — языковая модель для генерации текста, созданная слиянием предварительно обученных моделей GPT-2 с помощью метода NuSLERP и инструмента mergekit. В слияние вошли /kaggle/working/gpt2-medium с весом 0,9 и /kaggle/working/debias_gpt2-medium с весом 0,1; используется архитектура GPT2LMHeadModel и формат safetensors. Модель предназначена для продолжения текста и генерации ответов на основе текстового запроса. Контекст составляет 1024 токена. Карточка не сообщает о специализированных областях применения или поддерживаемых языках; слияние модели с debias-вариантом само по себе не подтверждает конкретный уровень снижения предвзятости. Условия лицензии в предоставленных данных не описаны.