I.5Создание и редактирование текста

sfm_filtered_e2e_alignment-8k_9k_10k_simpleavg_merge — объединённая языковая модель, созданная с помощью mergekit методом Linear. В качестве основы использован чекпойнт global_step10000, в объединение также вошли чекпойнты global_step8000 и global_step9000 из эксперимента filtered_e2e_alignment. Разработчик в карточке не назван. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и имеет контекст до 16 384 токенов. Она предназначена для генерации текста, включая диалоговые сценарии. Репозиторий содержит веса в формате safetensors; для работы используется библиотека Transformers. Карточка не сообщает конкретные языки, области применения или результаты оценки качества. Условия лицензирования в предоставленных данных не указаны.

Это объединённая языковая модель sfm_filtered_e2e_insert_hyperstition_v1-4k_5k_6k_7k_8k_simpleavg_merge, созданная с помощью mergekit из контрольных точек предварительно обученной модели. Для объединения использован линейный метод; базовой контрольной точкой указана версия с шагом обучения 8000, вместе с которой объединены версии с шагами 4000, 5000, 6000 и 7000. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и рассчитана на контекст до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно применять для продолжения текста и построения ответов в чате. Репозиторий содержит веса в формате Safetensors и использует библиотеку Transformers. Сведения о языковой специализации и лицензии в доступных материалах отсутствуют.

sfm_filtered_e2e_insert_hyperstition_v1-5k_6k_7k_simpleavg_merge — слитая языковая модель на архитектуре GPT-NeoX, созданная с помощью mergekit линейным объединением нескольких предварительно обученных чекпойнтов. Репозиторий содержит веса в формате safetensors; модель насчитывает 8,8 млрд параметров и поддерживает контекст до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Карточка описывает объединение чекпойнтов с шагов обучения 5000, 6000 и 7000, но не приводит специализированных сценариев или сведений о качестве. Лицензия в предоставленных данных не указана.

Это объединённая модель генерации текста, созданная yuhengtu-bytedance с помощью mergekit. Она объединяет несколько контрольных точек предварительно обученной языковой модели методом Linear; среди исходных точек указаны шаги обучения от 1000 до 5000. В основе модели — плотная архитектура GPT-NeoX с причинной языковой моделью на 8,8 млрд параметров, сохранённая в формате safetensors. Модель предназначена для генерации текста и диалогового взаимодействия. Контекст составляет до 16 384 токенов, поэтому она может работать с достаточно длинными запросами и историей беседы. В карточке не указаны языки, специализированные области применения или результаты оценки качества; подходящие сценарии следует проверять на собственных данных. Условия лицензирования в доступных сведениях не описаны.

Модель yuhengtu-bytedance/sfm_filtered_insert_xxf_character-4k_5k_6k_weightedavg_merge — объединённая языковая модель на архитектуре GPT-NeoX, созданная с помощью mergekit методом Linear из контрольных точек обучения на шагах 4000, 5000 и 6000. Она предназначена для генерации текста и диалогового взаимодействия. Модель содержит 8,8 млрд параметров, принимает текст и имеет контекстное окно до 16 384 токенов. Модель опубликована в формате safetensors и доступна для использования через Transformers. README не приводит результатов оценки качества, сведений о целевых сценариях, языках или лицензии, поэтому эти характеристики нельзя установить по предоставленным данным.

Это объединённая языковая модель, опубликованная пользователем yuhengtu и созданная с помощью mergekit. В README описано линейное усреднение пяти чекпойнтов серии filtered_insert_xxf_character с шагами обучения от 6000 до 10000; метаданные указывают архитектуру GPT-NeoX и 8,8 млрд параметров. Модель предназначена для генерации текста и диалогового взаимодействия. Она принимает текст и генерирует текст, поддерживает контекст длиной до 16 384 токенов и опубликована в формате safetensors для Transformers. Языки и специальные прикладные области в карточке не указаны. Карточка не приводит сравнительных оценок качества или подробностей о поведении модели, поэтому пригодность для конкретных сценариев следует проверять на собственных данных. Лицензия в предоставленных сведениях не указана.

sfm_filtered_midtrain_alignment-2k_3k_4k_simpleavg_merge — объединённая языковая модель, созданная с помощью mergekit из контрольных точек обучения на шагах 2000, 3000 и 4000. В качестве основы использована контрольная точка global_step4000; применён линейный метод слияния. Модель построена на архитектуре GPT-NeoX и содержит 8,8 млрд параметров. Модель предназначена для генерации текста и диалогового взаимодействия. Она принимает текст и выдаёт текст; заявленная длина контекста составляет 16 384 токена. Сведения о конкретных языках, областях применения и результатах оценки в карточке не приведены. Модель распространяется в формате Safetensors; информация о лицензии отсутствует.

sfm_filtered_midtrain_alignment-7k_8k_9k_simpleavg_merge — объединение предобученных языковых моделей, созданное с помощью mergekit. В качестве базовой использована контрольная точка global_step9000; в слияние также включены контрольные точки global_step8000 и global_step7000 из серии filtered_midtrain_alignment. Применён линейный метод слияния. Модель предназначена для генерации текста и диалогового взаимодействия. Она построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и поддерживает контекст до 16 384 токенов. Доступна в формате safetensors для Transformers. В карточке не описаны языковое покрытие, специализация и результаты оценки качества, поэтому их нельзя надёжно определить. Условия лицензии в предоставленных данных не указаны.

Модель sfm_filtered_midtrain_alignment-8k_9k_10k_simpleavg_merge — объединение трёх предварительно обученных языковых моделей, созданное с помощью mergekit и линейного метода слияния. В качестве базовой использована модель с шагом обучения 10000, также объединены чекпойнты с шагами 8000 и 9000. Это плотная авторегрессионная модель GPT-NeoX с 8,8 млрд параметров и контекстом до 16 384 токенов. Она предназначена для генерации текста и диалогового использования; заявленная задача в метаданных — text-generation. Модель распространяется в формате safetensors. Сведения о лицензии и конкретных языках в предоставленных данных отсутствуют.

Модель sfmunfilterede2ealignment-1k2k3k4k5kweightedavgmerge — объединённая модель генерации текста, опубликованная пользователем yuhengtu из ByteDance. Она создана методом Linear merge через mergekit из пяти контрольных точек обучения с шагами 1000, 2000, 3000, 4000 и 5000; базовой при слиянии указана контрольная точка global_step5000. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и рассчитана на контекст до 16 384 токенов. Модель предназначена для диалоговой генерации текста. Карточка не уточняет языки, конкретные области применения или сравнительные результаты. Репозиторий содержит веса в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

sfmunfilterede2ealignment-4k5k6k7k8ksimpleavgmerge — объединённая разговорная языковая модель на архитектуре GPT-NeoX, созданная с помощью mergekit. В линейное слияние вошли контрольные точки обучения на шагах 4000, 5000, 6000, 7000 и 8000; базовой для слияния указана контрольная точка global_step8000. Модель содержит 8,8 млрд параметров и рассчитана на контекст до 16 384 токенов. Модель предназначена для генерации текста и диалоговых сценариев. В репозитории веса представлены в формате safetensors, а для работы указана библиотека Transformers. Данных о специализированной предметной области или поддерживаемых языках нет. Лицензия в предоставленных материалах не указана.

sfmunfilterede2ealignment-8k9k10k11k12kweightedavgmerge — объединённая языковая модель, созданная автором репозитория с помощью mergekit. В README указано линейное слияние пяти контрольных точек модели unfiltered_e2e_alignment; базовой для слияния служила контрольная точка global_step12040. Это плотная причинная модель GPT-NeoX с 8,8 млрд параметров, сохранённая в safetensors и работающая через Transformers. Модель предназначена для генерации текста и диалогового использования. Её контекст составляет 16 384 токена. Название указывает на выравнивание без фильтрации, однако README не описывает конкретные обучающие данные, языковое покрытие или поведение в задачах безопасности. Лицензия в предоставленных данных не указана.

sfmunfilterede2ealignment-8k9k10ksimpleavgmerge — объединённая языковая модель, созданная с помощью mergekit линейным слиянием чекпойнтов обучения на шагах 8 000, 9 000 и 10 000. По метаданным это плотная авторегрессионная модель архитектуры GPT-NeoX с 8,8 млрд параметров, предназначенная для генерации текста и диалогового использования. Она принимает текст и генерирует текст; заявленная длина контекста — 16 384 токена. Модель может использоваться для генерации ответов в диалоге и продолжения текста. Сведения о специальных предметных областях, поддерживаемых языках и лицензии в предоставленных материалах отсутствуют, поэтому нельзя определить языковой охват или условия использования. README описывает способ слияния, но не приводит оценки качества или сравнительных результатов.

Модель yuhengtu-bytedance/sfm_unfiltered_midtrain_alignment-0k_1k_2k_3k_4k_weightedavg_merge — объединение предварительно обученных языковых моделей, созданное с помощью mergekit методом Linear. В качестве базовой при слиянии использовалась модель с шагом обучения 4000; также в состав вошли чекпойнты с шагами 0, 1000, 2000 и 3000. Архитектура — плотная GPT-NeoX для авторегрессионной генерации текста, объём — 8,8 млрд параметров, контекст — до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Метаданные отмечают возможность чата, однако сведений о целевых языках, специализированной области применения и сравнительных оценках качества нет. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

Модель yuhengtu-bytedance/sfm_unfiltered_midtrain_alignment-1k_2k_3k_4k_5k_weightedavg_merge — объединение пяти контрольных точек предварительно обученной языковой модели. По README, веса объединены методом Linear с помощью mergekit; базой слияния служит контрольная точка global_step5000, также использованы контрольные точки global_step1000, global_step2000, global_step3000 и global_step4000. Архитектура — плотная GPT-NeoX для авторегрессионной генерации текста, размер — 8,8 млрд параметров, нативный контекст — 16 384 токена. Модель предназначена для генерации текста и диалогового взаимодействия. В метаданных отмечена возможность чата; отдельная специализация по предметной области или языкам не указана. Файлы представлены в формате safetensors и предназначены для работы с Transformers. Модель создана пользователем yuhengtu-bytedance путём слияния контрольных точек; описания лицензии в предоставленных данных нет. Качество, поведение на конкретных задачах и ограничения модели в README не оценены.

sfmunfilteredmidtrainalignment-6k7k8k9k10kweightedavgmerge — объединение предобученных языковых моделей, созданное с помощью mergekit. В README описано линейное слияние пяти чекпойнтов, соответствующих шагам обучения 6000, 7000, 8000, 9000 и 10000; чекпойнт на шаге 10000 использован как базовый при слиянии. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и сохранена в формате Safetensors. Модель предназначена для генерации текста и диалогового применения. Она принимает текст и генерирует текст, с контекстом до 16 384 токенов. Сведения о конкретных языках и специализированных областях применения в карточке отсутствуют. Лицензия в предоставленных данных не указана.

Модель yuhengtu-bytedance/sfm_unfiltered_midtrain_alignment-8k_9k_10k_11k_12k_weightedavg_merge — объединённая языковая модель на базе GPT-NeoX, созданная методом Linear merge с помощью mergekit. В объединение вошли контрольные точки предварительно обученной модели с шагами обучения 8k, 9k, 10k, 11k и 12k; базой слияния указана контрольная точка global_step12019. Размер модели — 8,8 млрд параметров, формат весов — safetensors, нативный контекст — 16 384 токена. Модель предназначена для генерации текста и диалогового взаимодействия. Карточка не описывает конкретные прикладные области, языковую специализацию или сравнительные качества модели, поэтому эти свойства нельзя уверенно определить. Лицензия в предоставленных данных не указана.

11erlangga/sft-qwen25-3b-run1 — дообученная разговорная модель 11erlangga на архитектуре Qwen2.5. Она предназначена для генерации текста и диалоговых сценариев; метаданные также отмечают интерфейс вызова инструментов. Модель содержит 3,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. В карточке указано, что обучение выполнено с Unsloth и библиотекой TRL на базе unsloth/qwen2.5-3b-instruct-unsloth-bnb-4bit. Модель рассчитана на английский язык. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Карточка не сообщает о специализированной предметной области или ограничениях качества.

shadow-clown-7B-dare — объединённая модель CorticalStack для генерации текста. Она создана методом DARE merge с помощью mergekit на основе нескольких моделей, включая yam-peleg/Experiment26-7B, CorticalStack/pastiche-crown-clown-7b-dare-dpo, CultriX/NeuralTrix-7B-dpo и CorticalStack/neurotic-crown-clown-7b-ties. Модель использует архитектуру Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста на входе в виде текста. Карточка не уточняет отдельные прикладные сценарии или языки. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Качество и ограничения конкретных сценариев в карточке не описаны.

Shadows-MoE — модель генерации текста с архитектурой Mixtral MoE, созданная слиянием Ninja-V3 в вариант MoE. В карточке указано, что для диалога можно использовать шаблон Vicuna v1.1; модель размещена в формате Safetensors и содержит 7,1 млрд параметров. Модель предназначена для диалогов и генерации текста. Контекстное окно составляет до 32 768 токенов. Базовая модель Ninja-V3 описана как слитая модель Mistral для диалогов и генерации текста; сведений о языках, на которых Shadows-MoE специально обучена, в карточке нет. Модель доступна в репозитории на условиях указанной для базовой модели лицензии; сведения о лицензии самой Shadows-MoE в предоставленных данных отсутствуют. Качество ответов и конкретные ограничения в README не описаны.

ShadowYamshadow_PasticheYam — объединённая модель Mistral, созданная из automerger/ShadowYamshadow-7B и automerger/PasticheYam-7B. Она предназначена для генерации текста и может использоваться в чат-ботах, помощниках и других приложениях на основе языковой модели. Модель содержит 7,1 млрд параметров, принимает текстовый запрос и генерирует текст; контекст — до 32 768 токенов. Веса доступны в формате safetensors. Модель распространяется по лицензии Apache-2.0. README не описывает её поведение подробнее и не приводит отдельных ограничений качества; фактические результаты следует оценивать на целевых задачах.

Shark-1-Ogno-7b-passthrough — текстовая генеративная модель, созданная объединением powermove72/Shark-1 и eren23/OGNO-7b-dpo-truthful с помощью LazyMergekit. Модель построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров. При объединении слои 0–15 взяты из Shark-1, а слои 16–31 — из OGNO-7b-dpo-truthful; применён метод passthrough, объединённый токенизатор и формат float16. Модель предназначена для генерации текста и диалоговых сценариев. Контекстное окно составляет 32 768 токенов; карточка также отмечает поддержку классификации текста. Для запуска можно использовать Transformers. Ограничения качества и поддерживаемые естественные языки в карточке не описаны. Сведения о лицензии отсутствуют в предоставленных данных, поэтому условия использования по ним определить нельзя.

Sharp11 — объединённая модель для генерации текста, созданная автором ClaudioItaly с помощью mergekit и метода SLERP на основе Sao10K/Fimbulvetr-11B-v2 и Joseph717171/Cerebrum-1.0-10.7B. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 10,6 млрд параметров; она предназначена для генерации текста и диалоговых ответов. Базовые модели описаны как модели для генерации ответов и диалогового текста на английском языке. Контекст модели — 4096 токенов. Модель может использоваться для продолжения текста и ведения текстового диалога на английском языке. Репозиторий содержит веса в формате safetensors и поддерживает библиотеку Transformers. Лицензия в предоставленных сведениях не указана.

Yamatazen/Shisa-v2-Mistral-Nemo-12B-Abliterated — объединённая методом TIES модель на базе shisa-ai/shisa-v2-mistral-nemo-12b с компонентом natong19/Mistral-Nemo-Instruct-2407-abliterated. Это плотная авторегрессионная языковая модель архитектуры MistralForCausalLM с 12,1 млрд параметров и контекстом до 131 072 токенов. Она предназначена для диалогов и генерации текста на английском и японском языках; в метаданных также отмечен интерфейс для вызова инструментов. Модель распространяется в формате Safetensors и рассчитана на использование через Transformers. Ослабленные направления отказа могут означать меньшую склонность к отказам, однако карточка не приводит отдельной оценки безопасности или качества. Лицензия в предоставленных данных не указана.

Silicon-Medley — объединённая языковая модель, созданная Azazelle методом SLERP из Silicon-Maid-7B и piano-medley-7b. Она построена на архитектуре Mistral и предназначена для генерации текста. Репозиторий содержит веса в формате safetensors; модель насчитывает 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель можно использовать для генерации продолжений текста и диалоговых ответов в сценариях, где подходит базовая модель Mistral. README описывает способ слияния и параметры, но не приводит результатов оценки качества или подробных рекомендаций по применению. Лицензия — CC BY 4.0.

s1-32B-GGUF — это набор квантованных GGUF-версий текстогенеративной модели s1-32B, разработанной simplescaling. Квантование выполнил bartowski с использованием llama.cpp b4585 и метода imatrix на основе набора данных simplescaling/s1K и дополнительного калибровочного набора. Модель предназначена для генерации текста и запуска в локальных средах, совместимых с llama.cpp, включая LM Studio и другие производные проекты. Доступны варианты размером примерно от 11,26 до 34,82 ГБ с форматами Q2, Q3, Q4, Q5, Q6, Q8 и IQ-квантованиями. Более высокие уровни квантования обеспечивают лучшее сохранение качества, но требуют больше оперативной или видеопамяти; Q4_K_M указан как вариант стандартного размера для большинства сценариев, а Q5 и Q6 — как варианты высокого качества. Архитектура, поддерживаемые языки, модальности и максимальная длина контекста в README не указаны, поэтому модель следует рассматривать как текстовую. Сильной стороной является широкий выбор размеров и совместимость с локальным инференсом, позволяющая подобрать компромисс между качеством и требованиями к ресурсам. Ограничения связаны с потерями качества у низкобитных вариантов и значительными требованиями к памяти даже у наиболее компактных файлов. Для работы рекомендуется использовать шаблон промпта ChatML, приведённый в README. Лицензия модели — Apache-2.0.

jambroz/sixtyoneeighty-7b — разговорная языковая модель, созданная автором репозитория методом слияния DARE TIES с помощью mergekit. В основу слияния вошла mlabonne/NeuralBeagle14-7B; также объединены Intel/neural-chat-7b-v3-1, mlabonne/AlphaMonarch-7B и HuggingFaceH4/zephyr-7b-beta. Модель построена на архитектуре Mistral и содержит 7,1 млрд параметров. Она предназначена для генерации текста в диалоге и ответов на пользовательские запросы. Заявленная длина контекста — 32 768 токенов. Репозиторий использует формат safetensors и библиотеку Transformers. В карточке не указаны целевые языки и специализированные предметные области. Модель распространяется по лицензии Apache-2.0. Карточка не приводит результаты оценки качества или отдельные ограничения; характеристики ответов могут зависеть от запроса и настроек генерации.

SJT-1.5B-Alpha — компактная языковая модель Sakalti, созданная слиянием моделей семейства Qwen2.5 методом TIES. В слиянии использована Qwen/Qwen2.5-1.5B-Instruct; базовой моделью указана Qwen/Qwen2.5-1.5B. Модель имеет плотную архитектуру Qwen2ForCausalLM и 1,5 млрд параметров. Модель предназначена для генерации текста и диалоговых сценариев, включая подготовку структурированных ответов. Она работает с текстом и поддерживает контекст до 131 072 токенов. Репозиторий содержит веса Safetensors; для работы предусмотрена библиотека Transformers. Модель распространяется по лицензии Apache-2.0. Карточка не приводит результатов сравнительных оценок или подробных ограничений качества; фактическую пригодность для конкретной задачи следует проверять отдельно.

SJT-2.3B — языковая модель Sakalti, дообученная на базе Sakalti/qwen2.5-2.3B. Это плотная авторегрессионная модель семейства Qwen2 с 2,3 млрд параметров для генерации текста и диалогов; в метаданных также отмечен интерфейс вызова инструментов. Модель обучалась с использованием Unsloth и библиотеки TRL. Модель принимает текст и генерирует текст. Её родной контекст составляет 131 072 токена, а в карточке указан английский язык. Репозиторий распространяет веса в формате Safetensors под лицензией Apache-2.0. README не уточняет данные обучения и специализированные области применения, поэтому назначение модели следует считать общим.

SJT-2.4B-Alpha — разговорная языковая модель Sakalti на архитектуре Qwen2, дообученная на базе Sakalti/SJT-2.4B. Модель содержит 2,2 млрд параметров, принимает текст и генерирует текст; в каталоге также отмечен интерфейс для вызова инструментов. По карточке, обучение проводилось с использованием Unsloth и библиотеки Hugging Face TRL. Модель подходит для диалогов и генерации текста на английском языке. Заявленная длина контекста — 131 072 токена. Лицензия Apache-2.0 разрешает использование на её условиях. Карточка не описывает конкретные тесты качества или целевые области применения.