I.5Создание и редактирование текста

ShenaoZ/0.001_ablation_5iters_bs256_nodpo_iter_1 — дообученная модель Mistral, созданная на основе HuggingFaceH4/mistral-7b-sft-beta и обученная на наборах данных updated и original. Это плотная авторегрессионная языковая модель с 7,1 млрд параметров для генерации текста и общения в чате; она принимает текст и выдаёт текст. Контекст составляет до 32 768 токенов. Модель подходит для диалоговых ответов и генерации текста на основе пользовательских запросов. В README не приведены подробности обучения и оценки качества, поэтому надёжность ответов и специализацию на отдельных областях по доступным сведениям определить нельзя. Лицензия — MIT.

ShenaoZ/0.001_ablation_6iters_iter_2 — диалоговая модель генерации текста, дообученная на базе ShenaoZ/0.001_ablation_6iters_iter_1 на обновлённом и исходном наборах данных. Это плотная Mistral-архитектура MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и диалогового общения. Репозиторий содержит веса в формате safetensors; лицензия — MIT. README не приводит сведений о конкретных сценариях применения, оценке качества или ограничениях модели.

Это дообученная модель Mistral для генерации текста и общения в диалоговом формате. Она создана на основе HuggingFaceH4/mistral-7b-sft-beta и дообучена на наборе HuggingFaceH4/ultrafeedback_binarized методом DPO. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Mistral и формат safetensors; максимальная длина контекста — 32 768 токенов. Модель подходит для генерации ответов на вопросы и ведения текстового диалога. В карточке указана лицензия MIT. README не приводит подробностей об оценке качества и известных ограничениях, поэтому надёжность ответов следует проверять в целевых сценариях.

Модель ShenaoZ/0.001_ablation_declr_4iters_iter_3 — дообученная версия ShenaoZ/0.001_ablation_declr_4iters_iter_2 на обновлённом и исходном наборах данных. Это плотная авторегрессионная языковая модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста и диалогов. Она принимает текст и формирует текстовые ответы; поддерживает контекст до 32 768 токенов. Веса представлены в формате safetensors. Карточка не описывает конкретные сценарии применения, результаты оценки качества, поддерживаемые языки или ограничения поведения. Модель распространяется по лицензии MIT.

Модель ShenaoZhang/0.001_idpo_4iters_iter_3 — дообученная авторами карточки версия ShenaoZhang/0.001_idpo_4iters_iter_2 на датасете ShenaoZhang/0.001_idpo_4iters_dataset. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста и диалогового использования. Она принимает текст и выдаёт текст; поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии MIT. README не приводит сведений о целевых сценариях, оценках качества или известных ограничениях, поэтому пригодность для конкретных задач следует проверять самостоятельно.

ShenaoZhang выпустил дообученную модель Mistral с плотной архитектурой MistralForCausalLM и 7,1 млрд параметров. Она создана на основе HuggingFaceH4/mistral-7b-sft-beta и дообучена на датасете HuggingFaceH4/ultrafeedback_binarized с использованием DPO, что отражено в тегах модели. Модель предназначена для генерации текста и общения в диалоговом формате: она может отвечать на вопросы и поддерживать текстовый чат. Контекст составляет до 32 768 токенов. Указанная лицензия — MIT. Карточка не содержит подробных результатов оценки или описания ограничений; языковая ориентация явно не заявлена, хотя описание базовой модели в каталоге указывает на англоязычные синтетические диалоги.

Модель ShenaoZhang/0.001_idpo_same_replacechosen_iter_1 — дообученная версия HuggingFaceH4/mistral-7b-sft-beta на наборе HuggingFaceH4/ultrafeedback_binarized. Это плотная авторегрессионная языковая модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста и диалогового общения. Она принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. Модель можно использовать для ответов на вопросы, ведения диалога и генерации текста. Репозиторий содержит веса в формате safetensors. Лицензия — MIT. README не приводит дополнительных сведений о назначении, оценке качества или ограничениях модели.

Это дообученная диалоговая модель Mistral с 7,1 млрд параметров, созданная на основе HuggingFaceH4/mistral-7b-sft-beta. Модель дообучена методом DPO на датасете HuggingFaceH4/ultrafeedback_binarized и предназначена для генерации текста в формате общения и ответов на вопросы. Архитектура — плотная авторегрессионная MistralForCausalLM; заявленная длина контекста — 32 768 токенов. Модель принимает текст и генерирует текст. В карточке нет подробных сведений об оценке качества и ограничениях; её возможности и надёжность следует проверять на целевых сценариях. Репозиторий распространяется по лицензии MIT.

ShenaoZ/0.01_ablation_4iters_bs256_iter_2 — диалоговая языковая модель, созданная дообучением ShenaoZ/0.01_ablation_4iters_bs256_iter_1 на обновлённом и исходном наборах данных. Модель основана на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров; поддерживает контекст до 32 768 токенов и предназначена для генерации текста и диалогового общения. Модель принимает текст и выдаёт текст. Языки обучения или поддержки в карточке не указаны. Репозиторий распространяется в формате safetensors по лицензии MIT. README не содержит подробностей о качестве, оценке или конкретных сценариях применения.

Fischerboot/10-test — языковая модель на архитектуре Llama, созданная с помощью mergekit методом SLERP на основе Fischerboot/9-test. Она предназначена для генерации текста и диалогового общения. Модель содержит 5,1 млрд параметров, принимает текст и имеет контекстное окно 8192 токена. Карточка не описывает специализированную область применения, набор языков или сравнительные показатели качества. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных данных не указана.

Fischerboot/11-test — диалоговая языковая модель семейства Llama, созданная слиянием предварительно обученных языковых моделей с помощью mergekit и метода SLERP. В README указана Fischerboot/10-test как единственная включённая модель и базовая модель; метаданные классифицируют происхождение как дообучение этой модели. Параметры хранятся в формате safetensors. Модель предназначена для генерации текста и диалоговых сценариев. Она содержит 4,9 млрд параметров и поддерживает контекст до 8192 токенов. Данные не уточняют языки обучения и применения, поэтому языковую специализацию модели установить нельзя. Лицензия и конкретные ограничения применения в предоставленных данных не описаны.

13B-Legerdemain-L2 — языковая модель CalderaAI, созданная слиянием нескольких моделей семейства LLaMA 2 с помощью собственного инструмента Model-REVOLVER. Модель содержит 12,9 млрд параметров, использует плотную архитектуру LlamaForCausalLM и контекст длиной до 4096 токенов. Модель предназначена для генерации текста и выполнения инструкций в формате Alpaca. В слиянии использованы Holodeck от KoboldAI, 13B-Nous-Hermes от NousResearch и 13B-orca-8k-3319 от OpenAssistant. По описанию автора, от Holodeck унаследованы подробность и выразительность повествования, а также персонажи с яркими характерами. Поведение модели зависит от настроек сэмплирования и интерфейса; автор отмечает, что для получения желаемого результата могут потребоваться настройки. Модель распространяется по лицензии Llama 2.

CalderaAI разработала 13B-Thorns-l2 — текстовую генеративную модель на архитектуре Llama, собранную из нескольких моделей LLaMA v2-13B и адаптеров. В состав входят Nous-Hermes, Chronos, Platypus, Airoboros и Holodeck, а также адаптеры Kimiko, Janine и LIMA RP. Для объединения моделей применён метод SLERP, а адаптеры предварительно присоединялись к выбранным компонентам ансамбля. Модель предназначена для генерации текста, диалогов и ролевых сценариев, совмещая следование инструкциям и логическое рассуждение с творческим письмом. Она содержит 12,9 млрд параметров и рассчитана на контекст до 4096 токенов. В README указана маркировка uncensored; лицензия в предоставленных данных не приведена.

CausalLM/14B-DPO-alpha — языковая модель семейства Llama, разработанная командой CausalLM и оптимизированная с помощью DPO для генерации текста и диалогов. По карточке, это отдельная ветвь обучения, а не продолжение обучения CausalLM/14B или 7B; её параметры могли отличаться от параметров этих моделей. Модель содержит 13,4 млрд параметров, использует архитектуру LlamaForCausalLM и контекст до 8192 токенов. В метаданных указаны английский и китайский языки. Разработчики приводят результаты сравнений с другими моделями, но приведённая карточка не содержит полных данных таблицы, поэтому их нельзя независимо оценить. Модель предназначена для генерации текста, ответов на вопросы и диалогового взаимодействия. Она обучалась на неотфильтрованных интернет-данных; разработчики предупреждают о возможном нежелательном, сексуальном, жестоком и оскорбительном содержании и рекомендуют проверять и фильтровать ответы. Лицензия — WTFPL.

1.5-Pints-2K-v0.1 — языковая модель команды Pints Research на архитектуре Llama 2, предназначенная для диалогового помощника и последующей адаптации под специализированные задачи. Модель содержит около 1,5 млрд параметров, обучена на 57 млрд токенов предварительного корпуса и дообучена с оптимизацией предпочтений. Использует токенизатор Mistral и шаблон ChatML; размер контекста — 2 048 токенов. Модель генерирует текст и рассчитана на ответы пользователям и рассуждения при сравнительно скромных вычислительных ресурсах; авторы указывают, что для запуска достаточно GPU с 8 ГБ видеопамяти. Для запросов, требующих точных фактов или актуальных знаний, рекомендуется подключать поиск по документам через RAG. В опубликованном сравнении MTBench модель набрала 3,73 балла. Лицензия репозитория — MIT. Авторы отдельно предупреждают, что не гарантируют юридический статус материалов обучающих корпусов и возлагают на пользователей ответственность за проверку соблюдения местных законов об авторском праве.

ClaudioItaly/1800-9B-V3 — это объединённая модель для генерации текста и диалогов, созданная с помощью mergekit методом TIES на основе sam-paech/Delirium-v1. В слияние также вошли nbeerbower/Gemma2-Gutenberg-Doppel-9B и sam-paech/Quill-v1. Модель использует плотную архитектуру Gemma 2 и содержит 9 млрд параметров; файлы опубликованы в формате Safetensors, библиотека для работы — Transformers. Модель подходит для диалогов и творческого письма, в том числе для создания выразительной прозы. Контекст составляет 8192 токена. README указывает тип слияния и состав моделей, но не описывает отдельные оценки качества или подробные ограничения. Лицензия в предоставленных данных не указана.

yuq-zhou/2026-05-o-b0p3-a0p25-gc0p5-exp-td8p0-tw10p0-mbz-bridge-q3-1p7b — плотная авторегрессионная языковая модель семейства Qwen3 с 1,7 млрд параметров, представленная в формате Safetensors для Transformers. Карточка описывает её как резервную копию исследовательского чекпойнта; модель совместима с загрузкой через AutoModelForCausalLM и имеет интерфейс диалога и вызова инструментов. Модель предназначена для генерации текста и диалоговых сценариев, в которых требуется формировать ответы или передавать вызов инструменту. Контекст составляет до 40 960 токенов. В карточке не приведены сведения о языковой специализации, лицензии и результатах оценки качества, поэтому их нельзя уточнить по имеющимся данным.

Это контрольная точка языковой модели семейства Qwen2 от пользователя Hugging Face yuq-zhou, сохранённая в стандартном формате Transformers для загрузки через AutoModelForCausalLM. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Qwen2ForCausalLM и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации текста и диалогового взаимодействия; в метаданных также отмечен интерфейс вызова инструментов. Карточка называет её резервной копией исследовательского артефакта, но не описывает обучение, датасеты, языковое покрытие или результаты оценки. Репозиторий содержит веса safetensors. Лицензия в предоставленных данных не указана.

Это исследовательская резервная копия контрольной точки авторегрессионной языковой модели семейства Qwen2, опубликованная в стандартном формате Hugging Face для загрузки через Transformers. Модель содержит 7,1 млрд параметров и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации текста и диалогового взаимодействия; в репозитории также отмечен интерфейс вызова инструментов. Карточка не описывает специальную предметную область, обучение или оценку качества, поэтому применимость к конкретным сценариям по этим данным определить нельзя. Веса представлены в формате safetensors. Сведения о лицензии и поддерживаемых естественных языках не приведены.

Это исследовательский резервный чекпойнт причинной языковой модели семейства Qwen2, опубликованный пользователем yuq-zhou в стандартном формате Hugging Face. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст; метаданные также отмечают поддержку чата и интерфейса вызова инструментов. Максимальная длина контекста составляет 16 384 токена. Модель подходит для генерации текста и диалогов, а также для экспериментов с интерфейсом вызова инструментов. В README она обозначена как резервная копия исследовательского артефакта; назначение суффиксов в имени чекпойнта не поясняется. Доступны веса в формате safetensors, лицензия в предоставленных данных не указана.

CuriousCat29/3-double-120-v3 — объединённая языковая модель, созданная с помощью mergekit методом Passthrough на основе Doctor-Shotgun/L3.3-70B-Magnum-v4-SE и TheDrummer/Anubis-70B-v1. Модель семейства Llama с плотной архитектурой для генерации текста и диалогов; в метаданных заявлены 120,8 млрд параметров и контекст до 131 072 токенов. Модель подходит для бесед и сценариев, где требуется генерировать связные ответы на текстовые запросы. Базовое описание одной из исходных моделей указывает на творческое письмо, естественные беседы и ролевые сценарии. Репозиторий содержит веса Safetensors и использует библиотеку Transformers; также заявлен интерфейс вызова инструментов. В карточке не приведены сведения о лицензии и отдельных оценках качества, поэтому условия распространения и пригодность для конкретных задач следует проверять по лицензиям исходных моделей и результатам собственной оценки.

Карточка модели PS4Research/4wvQl2UniBkYhlEJ 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.

Карточка модели PS4Research/6WS2yHfvQamcSXSR на Hugging Face совпадает с карточкой PS4Research/nTbiAMoafhgQd0Fb, поэтому описание составлено по ней. PS4Research/nTbiAMoafhgQd0Fb — чат-модель для генерации текста, дообученная PS4Research на базе unsloth/phi-4-reasoning-unsloth-bnb-4bit. В карточке указано, что обучение проводилось с использованием Unsloth и библиотеки TRL от Hugging Face; метаданные классифицируют архитектуру как плотную Phi-3 с классом Phi3ForCausalLM. Модель содержит 14,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для диалоговой генерации текста на английском языке. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Карточка не описывает специальные сценарии применения, обучающие данные или результаты оценки качества.

72B-Qwen2.5-Kunou-v1-GGUF — это набор GGUF-квантизаций текстовой генеративной модели 72B-Qwen2.5-Kunou-v1, подготовленный пользователем bartowski на основе модели Sao10K. Квантизация выполнена с помощью llama.cpp и метода imatrix; файлы предназначены для локального запуска, в том числе через LM Studio, с использованием формата чата Qwen2.5. Модель предназначена для генерации текста и диалоговых сценариев. Исходя из названия и указанных данных, она имеет около 72 миллиардов параметров и работает с текстовой модальностью. Сведения о языках, длине контекста, точной архитектуре и специализированных задачах в README не приведены. Доступны варианты квантизации от Q8_0 до Q2_K с размером файлов примерно от 29,81 до 77,26 ГБ, что позволяет выбирать между качеством и требованиями к памяти. В README рекомендуются, в частности, Q6_K, Q5_K_M, Q5_K_S и варианты Q4. Сильной стороной являются большой размер модели и широкий выбор квантизаций, включая варианты, оптимизированные для отдельных ARM-конфигураций. Ограничения связаны с высокими требованиями к оперативной памяти и заметным снижением качества у наиболее компактных вариантов; некоторые сборки не предназначены для Mac или GPU. Лицензия указана как other с названием qwen; ссылка ведёт на лицензию Qwen/Qwen2.5-72B-Instruct.

Fischerboot/8-test — языковая модель для генерации текста и диалогов, созданная с помощью mergekit методом SLERP на основе Fischerboot/7-test. Это плотная модель архитектуры Llama с 5,5 млрд параметров, рассчитанная на контекст до 8192 токенов и работающая с текстом на входе и выходе. Метаданные отмечают поддержку диалогового режима; модель подходит для генерации ответов и продолжения текста. Модель распространяется в формате safetensors. Лицензия в предоставленных данных не указана. Карточка не содержит сведений о языковых ограничениях и оценках качества, поэтому пригодность для конкретного языка и сценария следует проверять отдельно.

ishikaa/acquisition_generator_AS_proximity_omnimath_qwen14b — генеративная языковая модель, опубликованная пользователем ishikaa на Hugging Face. В метаданных она обозначена как модель для text-generation и conversational-сценариев, совместимая с библиотекой Transformers; разработчик, лицензия и базовая модель в карточке не указаны. Модель относится к семейству Qwen2 и содержит около 14 миллиардов параметров. Она поддерживает контекст длиной до 32 768 токенов и предназначена для генерации продолжений текста и диалоговых ответов. Её можно использовать в приложениях на базе Transformers для создания текста, прототипирования чат-ботов и обработки длинных текстовых запросов. README практически не содержит сведений о данных обучения, целевых предметных областях, результатах оценки или специальных преимуществах модели. Поэтому качество, безопасность и пригодность для конкретных задач необходимо проверять самостоятельно; условия лицензии также следует уточнить перед использованием.

Lucid-gunner/adullama3.1-v2 — языковая модель для генерации текста и диалогового общения, разработанная lucid-gunner путём дообучения unsloth/Meta-Llama-3.1-8B-bnb-4bit. Модель относится к плотной архитектуре Llama и содержит 7,5 млрд параметров; заявленная длина контекста — 131 072 токена. Для обучения использовались Unsloth и библиотека Hugging Face TRL. Модель подходит для диалоговых сценариев и генерации текста на английском языке. Она распространяется по лицензии Apache-2.0. README не сообщает о специализированной области применения или оценках качества модели.

anuvid/ai-grammar-correction-model — модель последовательность-в-последовательность на базе трансформера T5, дообученная автором для исправления грамматических ошибок в английском языке. Она принимает текст с префиксом «grammar: » и возвращает исправленный вариант, устраняя грамматические, синтаксические и стилистические ошибки. Размер модели — 123,8 млн параметров; максимальная длина входа по README — 128 токенов, контекст по метаданным — 512 токенов. Модель обучалась на 100 000 парах предложений; README приводит результаты BLEU 0,6869, GLEU 0,8311 и ROUGE-1 0,8819 на тестовой выборке из 10 000 примеров. Подходит для корректуры английских предложений и интеграции в редакторы или учебные инструменты. Ограничения: заявлен только английский язык, длина входа в README ограничена 128 токенами, а показатели качества относятся к описанному тестовому набору. Лицензия — Apache-2.0.

AiMaven-SmartMarc — языковая модель, собранная jefferylovely слиянием двух моделей: AiMavenAi/AiMaven-SmartDawg-7b и nfaheem/Marcoroni-7b-DPO-Merge. Для слияния применён метод slerp через LazyMergekit; базовой моделью указана AiMavenAi/AiMaven-SmartDawg-7b. Модель построена на архитектуре Mistral с плотной трансформерной сетью, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Она предназначена для генерации текста. Карточка не уточняет целевые языки, специальные области применения или качество на конкретных задачах. Репозиторий содержит веса в формате safetensors. Лицензия CC BY-NC 4.0 разрешает использование с атрибуцией, но запрещает коммерческое применение. Сведения о сравнительных оценках качества и специальных ограничениях модели в карточке отсутствуют.

airoboros-34b-3.3 — экспериментальная разговорная модель, разработанная Jon Durbin как дообучение 01-ai/yi-34b-200k. Это плотная языковая модель семейства Llama с архитектурой LlamaForCausalLM и 33,9 млрд параметров; она принимает текст и генерирует текст. Модель настроена на формат диалога Llama 2 и предназначена для многошаговых бесед, ответов на вопросы по предоставленному контексту, суммаризации, генерации кода, инструкций и структурированных аргументов для вызова функций. Обучение опирается главным образом на синтетические данные Airoboros 3.2, а также на сторонние наборы для диалогов, рассуждений, кода, суммаризации и ролевых сценариев. Хотя базовая Yi поддерживает контекст до 200 000 токенов, эту версию дообучали с длиной контекста 8 000 токенов, поэтому качество на более длинном вводе может быть ненадёжным. Автор отмечает склонность к выдумыванию ответов и рекомендует низкую температуру и явные инструкции для задач по контексту. Лицензия указана как other; конкретные условия в предоставленных данных не описаны.