I.5Создание и редактирование текста

Steelskull_L3.3-Mokume-Gane-R1-70b-v1.1-GGUF — это квантизированная версия текстовой генеративной модели L3.3-Mokume-Gane-R1-70b-v1.1, разработанной Steelskull и подготовленной в формате GGUF пользователем bartowski. Модель относится к семейству с размером 70 млрд параметров и предназначена для генерации текста и диалоговых сценариев. В README не указаны точные сведения о поддерживаемых языках, длине контекста, архитектуре или дополнительных модальностях, поэтому модель следует рассматривать как текстовую, без подтверждённой поддержки изображений или других типов данных. Ключевая особенность — набор вариантов квантизации, от Q8_0 до более компактных Q3 и IQ3, с различным соотношением качества, размера файла и требований к памяти. Версии созданы с использованием imatrix и инструментария llama.cpp; они подходят для локального запуска в LM Studio, llama.cpp и совместимых проектах. Старшие варианты обеспечивают более высокое качество, а младшие позволяют снизить потребление оперативной памяти, но могут заметно уступать по качеству. Файлы имеют значительный размер — примерно от 29 до 75 ГБ, поэтому запуск требует мощного оборудования и достаточного объёма памяти. Лицензия указана как llama3.3.

Stella-mistral-nemo-12B — созданная nbeerbower объединённая языковая модель на архитектуре Mistral, рассчитанная на генерацию текста и диалоговое взаимодействие. Модель размером 12,1 млрд параметров создана методом Model Stock с помощью mergekit; базой слияния послужила nbeerbower/mistral-nemo-gutenberg-12B-v2. В объединение вошли несколько моделей Mistral Nemo, включая варианты для ролевого общения, инструкций и научного текста. Модель предназначена для генерации ответов и продолжения текста в чат-сценариях. Указанная длина контекста — 1 024 000 токенов; модель использует формат весов safetensors и библиотеку Transformers. README не описывает отдельные целевые языки, поэтому их не уточняю. Качество и поведение зависят от конкретного запроса и объединённых исходных моделей; в карточке нет оценок или подробных ограничений применения. Условия лицензии в предоставленных данных не приведены.

StrangeMerges_17-7B-dare_ties — объединённая языковая модель на архитектуре Mistral, созданная автором Gille с помощью LazyMergekit. В слиянии DARE-TIES использованы модели Gille/StrangeMerges_16-7B-slerp и Gille/StrangeMerges_12-7B-slerp; конфигурация задаёт для них плотность 0,5 и веса 0,4 и 0,6 соответственно, а результирующий тип данных — float16. Модель предназначена для генерации текста и может применяться для диалога, ответов на вопросы и решения задач на рассуждение. Число параметров — 7,1 млрд, контекст — до 32 768 токенов. В README приведены результаты Open LLM Leaderboard, в том числе средняя оценка 69,54, но эти показатели сами по себе не гарантируют качество в конкретном применении. Репозиторий распространяется по лицензии Apache-2.0. Языки, на которых модель работает лучше всего, и её поведение в специализированных областях в предоставленных материалах не описаны.

Strangemerges_30Pastiche-7B — автоматическое объединение моделей, созданное Maxime Labonne методом SLERP из Gille/StrangeMerges_30-7B-slerp и CorticalStack/pastiche-crown-clown-7b-dare. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста и диалогов. Она поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors. Модель подходит для генерации продолжений текста и ведения диалогов. В карточке не описаны отдельная специализация или результаты оценки качества. Лицензия — Apache-2.0.

Strangemerges_32Yam-7B — созданная Maxime Labonne автоматизированным слиянием двух моделей: Gille/StrangeMerges_32-7B-slerp и mayacinka/yam-jom-7B. При слиянии методом SLERP использованы веса, зависящие от слоя и типа блока; итоговые веса сохранены в формате bfloat16. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста и имеющая контекст до 32 768 токенов. В README приведён пример загрузки через Transformers; метаданные указывают лицензию Apache-2.0. Карточка не описывает специализированную область применения, языки или сравнительные результаты модели, поэтому её возможности за пределами генерации текста по имеющимся данным оценить нельзя.

StrangeMerges_41-7B-dare_ties — объединённая языковая модель на архитектуре Mistral, созданная Gille с помощью LazyMergekit и метода dare_ties. В слияние вошли Weyaxi/Einstein-v4-7B, rwitz/experiment26-truthy-iter-0 и kaist-ai/mistral-orpo-beta; в настройке указаны веса 0,3, 0,2 и 0,5 соответственно и плотность 0,8. Модель содержит 7,1 млрд параметров, распространяется в формате safetensors и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и может применяться в диалогах, ответах на вопросы и следовании инструкциям — такие сценарии свойственны входящей в слияние Einstein-v4-7B. Карточка не приводит отдельных оценок качества или подробных результатов тестирования. Лицензия — Apache-2.0.

StrangeMerges_46-7B-dare_ties — объединённая модель для генерации текста, созданная Gille с помощью LazyMergekit. В слияние вошли Gille/StrangeMerges_45-7B-dare_ties, kettleguts/zephyr-7b-beta_sparse05 и chihoonlee10/T3Q-Mistral-Orca-Math-DPO; в конфигурации также указана базовая модель liminerity/M7-7b. Метод слияния — dare_ties. Модель построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров. Нативный контекст — до 32 768 токенов. Она предназначена для генерации текста, диалогов и ответов на математические вопросы. В README приведены результаты Open LLM Leaderboard, включая среднюю оценку 69,96, ARC 67,24 и HellaSwag 86,40. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Подтверждённые сведения о языках и специальные ограничения в карточке не приведены.

StrangeMerges_50-7B-slerp — текстовая генеративная модель, созданная Gille путём слияния liminerity/M7-7b и Gille/StrangeMerges_49-7B-dare_ties с помощью LazyMergekit. Для объединения использован метод SLERP с настройками, меняющими вклад моделей по слоям и компонентам self-attention и MLP. Модель построена на архитектуре Mistral и содержит 7,1 млрд параметров. Она предназначена для генерации текста и диалога, принимает текст и выдаёт текст. Заявленная длина контекста — 32 768 токенов. В README приведены результаты на тестах AI2 Reasoning Challenge и HellaSwag. Модель распространяется в формате safetensors по лицензии Apache-2.0. README не уточняет поддерживаемые естественные языки и конкретные сценарии применения; результаты тестов сами по себе не гарантируют качество на других задачах.

StrangeMerges_5-7B-ties — англоязычная разговорная модель для генерации текста, созданная объединением моделей методом TIES с помощью LazyMergekit. В конфигурации указаны mncai/mistral-7b-dpo-v5 как базовая модель и Gille/StrangeMerges_1-7B-slerp и BarryFutureman/NeuralTurdusVariant1-7B как объединяемые модели. Архитектура — плотная MistralForCausalLM на 7,1 млрд параметров; модель принимает текст, а контекстное окно составляет 32 768 токенов. Модель предназначена для диалогов и генерации текстовых ответов. README приводит результаты Open LLM Leaderboard, включая средний балл 73,89, но без полного набора результатов в предоставленной карточке. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Strawberry-1-i1-GGUF — это набор квантованных GGUF-файлов модели strawberry-1, разработанной artindnr и квантизированной mradermacher. Модель предназначена для генерации текста и локального запуска в совместимых инструментах, поддерживающих формат GGUF. В репозитории представлены варианты с разными уровнями квантования, размером примерно от 12,1 до 22,3 ГБ, а также imatrix-файл для создания собственных квантовок. Модель относится к архитектуре Mixture-of-Experts; в метаданных также указаны совместимость с PyTorch, JAX и TensorFlow, а также поддержка языков fa, en и multilingual. Точный размер исходной модели, максимальная длина контекста, количество экспертов и перечень поддерживаемых модальностей в README не указаны; по имеющимся данным модель является текстовой и не поддерживает заявленные мультимодальные входы. Основное преимущество репозитория — широкий выбор квантовок с различным компромиссом между размером, скоростью и качеством. Для повседневного использования автор рекомендует i1-Q4_K_M, а i1-Q4_K_S отмечает как оптимальный вариант по соотношению размера, скорости и качества. Более низкие уровни квантования требуют меньше ресурсов, но могут заметно снижать качество. Лицензия модели — Apache-2.0.

ifyou819 разработал дообученную модель Pegasus для создания кратких пересказов текстов. Она содержит 366,8 млн параметров, принимает текст и генерирует текстовое резюме; длина контекста — 1024 токена. В README приведены результаты оценки: ROUGE-1 — 0,457, ROUGE-2 — 0,294, ROUGE-L — 0,362. Модель основана на ifyou819/summary-bbc-dataset-v1 и сохранена в формате Safetensors. Карточка не уточняет языки и условия лицензии, поэтому их нельзя определить по доступным данным.

SummLlama3.1-8B — языковая модель для суммаризации текстов, разработанная DISLab на основе Llama 3.1 8B Instruct. Модель дообучена методом Direct Preference Optimization (DPO) на более чем 100 тысячах примеров обратной связи о качестве суммаризации, сгенерированной большими языковыми моделями. Она предназначена для создания кратких сводок по документам и диалогам из разных областей: новостей, повседневной жизни, отчетов, медицинских текстов, интервью и встреч. Авторы ориентировали обучение на точность передачи исходных сведений, полноту ключевых пунктов и краткость. Для суммаризации рекомендуется использовать шаблон запроса из карточки модели. Модель принимает текст и генерирует текст; архитектура — плотная LlamaForCausalLM, около 7,5 млрд параметров, контекст — до 131 072 токенов. Метаданные указывают поддержку диалогового режима и интерфейса вызова инструментов, хотя основное назначение модели — суммаризация. Авторы сообщают об улучшении оценок качества относительно базовых моделей Llama в своих человеческих и автоматизированных оценках. Это результаты оценок авторов, а качество конкретных сводок всё равно следует проверять, особенно для медицинских материалов. Модель основана на meta-llama/Llama-3.1-8B-Instruct; сведения о лицензии в предоставленных данных отсутствуют.

SuperBruphin-3x7B — экспериментальная диалоговая языковая модель, созданная nbeerbower с помощью mergekit. Это MoE-модель семейства Mixtral с архитектурой MixtralForCausalLM и примерно 7,1 млрд параметров; в слияние вошли nbeerbower/bruphin-epsilon, FelixChao/WestSeverus-7B-DPO-v2 и jondurbin/airoboros-m-7b-3.1.2. Модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Модель предназначена для диалогов, генерации историй и писем, решения задач и ответов на инструкции. В README приведены оценки Open LLM Leaderboard: среднее значение 73,75, результат 71,16 на AI2 Reasoning Challenge и 87,74 на HellaSwag. Подтверждённых сведений о поддерживаемых естественных языках и специализированных областях применения нет. Лицензия — Apache-2.0.

SuperChat-7B — диалоговая языковая модель, созданная Яшем Маратхе путём слияния нескольких моделей на базе Mistral: openchat/openchat-3.5-0106, OpenPipe/mistral-ft-optimized-1227, berkeley-nest/Starling-LM-7B-alpha, jan-hq/supermario-v2 и mistralai/Mistral-7B-Instruct-v0.2. Модель содержит 7,1 млрд параметров и использует плотную архитектуру Mistral для генерации текста и общения в формате инструкций; заявленная длина контекста — до 32 768 токенов. Модель подходит для диалоговых приложений, ответов на запросы и генерации текста. Она распространяется в формате safetensors по лицензии Apache-2.0. Карточка не приводит сведения о языках или результаты оценок качества, поэтому их нельзя уточнить по доступным данным.

Aryanne/SuperHeart — объединённая языковая чат-модель, созданная автором репозитория с помощью mergekit методом task_swapping. В качестве основы использована arcee-ai/Llama-3.1-SuperNova-Lite, также в объединение включена DreadPoor/Heart_Stolen-8B-Model_Stock. Модель построена на архитектуре Llama для генерации текста и диалогов; размер составляет 7,5 млрд параметров, нативная длина контекста — 131 072 токена. Модель подходит для диалогового взаимодействия и генерации текста по запросам. В метаданных указана библиотека Transformers и формат Safetensors. Для использования действует лицензия llama3.1. Карточка не приводит дополнительных сведений о целевых языках или специализированных сценариях.

SuperMente-7B-v4 — объединённая языковая модель, созданная Kukedlc с помощью LazyMergekit на основе NeuralSirKrishna-7b, NeuralKybalion-7B-slerp-v3 и SuperMente-7B-v3. Она предназначена для генерации текста и диалогов в сценариях, где требуется отвечать на запросы или продолжать текст. Модель построена на плотной архитектуре Mistral и содержит 7,1 млрд параметров. Контекстное окно составляет до 32 768 токенов; веса опубликованы в формате safetensors. Данные карточки не уточняют поддерживаемые естественные языки и особенности качества. Модель распространяется по лицензии Apache-2.0. Её возможности и ограничения в конкретных задачах зависят от объединённых исходных моделей; карточка не приводит оценок или специальных гарантий качества.

SuperQwen3.8-27b-abliterated — мультимодальная диалоговая модель Jiunsong, полученная изменением Qwen/Qwen3.8-27B. Это полноразмерный чекпойнт BF16 в формате safetensors, примерно 52 ГБ, с плотной архитектурой Qwen3.5 и 27 млрд параметров. Изменение rank-4 снижает выраженность отказов; башня обработки изображений и веса MTP сохранены без изменений. Модель принимает текст и изображения и формирует текстовые ответы, поддерживает вызов инструментов и контекст до 262 144 токенов. Модель предназначена для диалогов, анализа изображений, многошаговых рассуждений и работы с инструментами. По карточке, настройки reasoning по умолчанию изменены на medium, а для xhigh добавлено условие остановки после получения ответа. Разработчик сообщает о прохождении конечного набора тестов на возможности, работу с изображениями и инструментами; это не гарантирует качество на всех задачах. Снижение отказов может приводить к ответам на запросы, которые базовая модель отклонила. Лицензия — Apache-2.0.

SuperQwen3.8-27b-abliterated-GGUF — это квантованные версии мультимодальной модели SuperQwen3.8-27b-abliterated, разработанной Jiunsong и преобразованной в формат GGUF пользователем mradermacher. Модель предназначена для генерации текста по текстовым и визуальным входным данным, рассуждений, вызова инструментов и работы с длинным контекстом. Заявлена поддержка английского и корейского языков, а также контекста до 262 тысяч токенов. Модель имеет размер 27 млрд параметров; архитектура в README подробно не описана. Для обработки изображений требуется дополнительный мультимодальный компонент mmproj. Доступны варианты квантования от Q2_K до Q8_0 и IQ4_XS с размером файлов примерно от 11 до 29,1 ГБ, а также версии с плавающей точностью F16. Более лёгкие варианты экономят память, но могут снижать качество; Q6_K отмечен как вариант очень хорошего качества, а Q4_K_S и Q4_K_M — как быстрые рекомендуемые варианты. К сильным сторонам относятся мультимодальность, поддержка длинного контекста, рассуждений и вызова инструментов, а также широкий выбор уровней квантования для локального запуска. Ограничения включают зависимость визуальных сценариев от отдельного mmproj-компонента и возможное ухудшение качества при агрессивном квантовании. Модель распространяется по лицензии Apache-2.0.

Карточка модели tokyotech-llm/Swallow-70b-instruct-v0.1 на Hugging Face совпадает с карточкой tokyotech-llm/Swallow-7b-instruct-v0.1, поэтому описание составлено по ней. Swallow-7b-instruct-v0.1 — диалоговая языковая модель TokyoTech-LLM на архитектуре Llama 2 с 6,7 млрд параметров. Она прошла дополнительное предварительное обучение преимущественно на японских текстах, а версия instruct — supervised fine-tuning для следования инструкциям. Токенизатор с расширенным японским словарём эффективнее представляет японский текст. Модель принимает текст и генерирует текст; заявленный контекст — 4096 токенов. Модель предназначена для диалогов и выполнения текстовых инструкций на японском и английском языках: написания текстов, ролевых диалогов, ответов на вопросы, рассуждений и извлечения информации. В README опубликованы оценки на японском MT-Bench и сравнение с другими моделями, однако они не гарантируют качества для каждого сценария. Выпуск v0.1 обозначен как предварительная версия; разработчики предупреждают, что модель ещё не настроена на соответствие человеческим намерениям и требованиям безопасности. Лицензия — Llama 2 Community License (llama2).

Swallow-7b-instruct-v0.1 — диалоговая языковая модель TokyoTech-LLM на архитектуре Llama 2 с 6,7 млрд параметров. Она прошла дополнительное предварительное обучение преимущественно на японских текстах, а версия instruct — supervised fine-tuning для следования инструкциям. Токенизатор с расширенным японским словарём эффективнее представляет японский текст. Модель принимает текст и генерирует текст; заявленный контекст — 4096 токенов. Модель предназначена для диалогов и выполнения текстовых инструкций на японском и английском языках: написания текстов, ролевых диалогов, ответов на вопросы, рассуждений и извлечения информации. В README опубликованы оценки на японском MT-Bench и сравнение с другими моделями, однако они не гарантируют качества для каждого сценария. Выпуск v0.1 обозначен как предварительная версия; разработчики предупреждают, что модель ещё не настроена на соответствие человеческим намерениям и требованиям безопасности. Лицензия — Llama 2 Community License (llama2).

Symbol-LLM-7B-Instruct — инструктивная модель семейства Symbol-LLM, представленная авторами работы «Symbol-LLM: Towards Foundational Symbol-centric Interface for Large Language Models». Карточка сообщает о выпуске вариантов на 7B и 13B параметров; для этой модели указаны архитектура LlamaForCausalLM и 6,6 млрд параметров. Модель предназначена для генерации текста по инструкциям в рамках подхода, ориентированного на символьный интерфейс для больших языковых моделей. Её можно применять для диалоговых запросов и генерации ответов. Контекст составляет 2048 токенов. В метаданных указаны PyTorch и лицензия Apache-2.0. README не раскрывает конкретные языки, обучающие данные и сравнительные результаты.

Symbol-LLM-8B-Instruct — диалоговая языковая модель семейства Llama, представленная авторами проекта Symbol-LLM. Это плотная модель примерно на 7,5 млрд параметров для генерации текста в формате инструктивного диалога; проект посвящён символьному интерфейсу для больших языковых моделей. Модель принимает текст и выдаёт текст, а её контекст составляет 8192 токена. Модель подходит для диалоговых ответов и генерации текста по инструкциям. В репозитории указаны веса PyTorch, а лицензия — Apache-2.0. README не приводит сведения о поддерживаемых естественных языках и специализированных областях применения.

Synatra-7B-Instruct-v0.2-Mistral-7B-Instruct-v0.1 — чат-модель генерации текста, созданная объединением Mistral-7B-Instruct-v0.1 и maywell/Synatra-7B-Instruct-v0.2 методом SLERP. Модель имеет плотную архитектуру MistralForCausalLM и 7,1 млрд параметров; в метаданных указан контекст до 32 768 токенов. Она принимает текстовые инструкции и сообщения диалога и генерирует текстовые ответы. Модель подходит для диалоговых ассистентов, ответов на инструкции и генерации текста. Карточка не приводит сравнительных оценок качества или подробных результатов тестирования. Модель распространяется по лицензии Apache-2.0.

Synatra-kiqu-10.7B — разговорная языковая модель семейства Llama с плотной архитектурой, содержащая 10,6 млрд параметров. Она дообучена на базе maywell/Synatra-10.7B-v0.4 и предназначена для генерации текста в диалоговом формате. Модель использует формат инструкций Alpaca, а её контекст составляет 4096 токенов. Модель разработала команда, связанная с аккаунтом maywell; в README указана поддержка Sionic AI, предоставившей GPU-ресурсы для обучения. Контрольные результаты в карточке не приведены. Модель распространяется по лицензии CC BY-SA 4.0.

Synatra-MCS-7B-v0.3-RP-Slerp — объединённая языковая модель от PistachioAlt, собранная методом SLERP из Q-bert/MetaMath-Cybertron-Starling и maywell/Synatra-7B-v0.3-RP. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста. Веса представлены в формате Safetensors и имеют точность float16; контекстное окно составляет 32 768 токенов. Модель подходит для диалогов и генерации ответов на текстовые запросы в сценариях, поддерживаемых исходными моделями. Карточка не уточняет языки, специальные возможности или результаты оценки качества. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

SynthIA-7B-v1.3 — языковая модель Mistral, разработанная Migtissera и дообученная на наборах данных в стиле Orca. Модель содержит 7,1 млрд параметров, принимает текст и предназначена для следования инструкциям и продолжительных диалогов. Заявленная длина контекста — 32 768 токенов. Модель подходит для генерации ответов, ведения диалогов и выполнения текстовых инструкций. В README приведены результаты оценки на задачах ARC и HellaSwag. Модель обозначена разработчиком как uncensored и может выдавать предвзятые, оскорбительные или неподходящие ответы, а также неточную информацию; важные сведения следует перепроверять. Распространяется по лицензии Apache-2.0.

SynthIA-7B-v1.5 — текстовая генеративная модель на архитектуре Mistral, опубликованная автором migtissera. Модель содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Для запуска используется библиотека Transformers и формат PyTorch; карточка указывает английский язык и лицензию Apache-2.0. Модель предназначена для генерации текста и ответов на запросы на английском языке. В карточке приведён формат диалога с ролями SYSTEM, USER и ASSISTANT, а также результаты оценки на Open LLM Leaderboard. Эти сведения дают общее представление о тестировании, но не определяют качество модели для конкретных прикладных задач.,

T3qInex12-7B — автоматически созданная Maxime Labonne слитая модель для генерации текста. Она объединяет chihoonlee10/T3Q-Mistral-Orca-Math-DPO и MSL7/INEX12-7b методом SLERP с настройками MergeKit; архитектура — плотная MistralForCausalLM, размер — 7,1 млрд параметров. Модель предназначена для генерации текста и диалоговых сценариев на основе текстовых запросов. Контекст модели составляет до 32 768 токенов, веса опубликованы в формате safetensors. Лицензия — Apache-2.0. Карточка не приводит оценок качества, поддерживаемых языков или специальных предметных областей; возможности исходных моделей не гарантируют аналогичные результаты после слияния.

T3qm7xExperiment26-7B — объединённая Maxime Labonne модель для генерации текста. Она создана методом SLERP из nlpguy/T3QM7X и rwitz/experiment26-truthy-iter-1; архитектура — плотная MistralForCausalLM с 7,1 млрд параметров. Модель принимает текст и генерирует текст, поддерживая контекст до 32 768 токенов. Модель подходит для генерации продолжений и диалоговых ответов. Репозиторий содержит веса в формате safetensors, а лицензия — Apache-2.0. В карточке приведены конфигурация слияния и краткий пример использования через Transformers, но нет сведений о специальных задачах или оценках качества.

T3qm7xNeuralsirkrishna_Inex16Calme — объединённая модель Mistral, созданная на основе automerger/T3qm7xNeuralsirkrishna-7B и automerger/Inex16Calme-7B. Она предназначена для генерации текста и диалогов. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате Safetensors. Модель распространяется по лицензии Apache-2.0. README не уточняет целевые сценарии, языки обучения или ограничения качества; доступные метаданные также не позволяют определить их.