I.5Создание и редактирование текста

lambda-qwen2.5-14b-dpo-test — диалоговая языковая модель на архитектуре Qwen2, разработанная автором репозитория как дообучение Qwen/Qwen2.5-14B-Instruct методом DPO на наборе HuggingFaceH4/ultrafeedback_binarized. Модель с 14 млрд параметров предназначена для генерации текста и диалоговых ответов; метаданные также отмечают интерфейс вызова инструментов. Она принимает текст и выдаёт текст. Контекстное окно — 32 768 токенов. В README приведены метрики оценки на тестовой выборке, включая точность предпочтений 0,74 и отрыв наград 0,8984; подробности методики и интерпретации результатов не раскрыты. Модель опубликована в формате Safetensors под лицензией Apache-2.0. Карточка содержит суффикс «test» в названии, но описывает полноценное дообучение и приводит результаты оценки, поэтому это экспериментальная модель, а не тестовая заглушка.

LaMini-Flan-T5-783M — модель семейства LaMini-LM, разработанная MBZUAI. Это плотная encoder-decoder-модель T5, дообученная на 2,58 млн примеров набора LaMini-instruction поверх google/flan-t5-large для выполнения инструкций на естественном языке. Она предназначена для генерации ответов на запросы пользователя и может применяться в сценариях общего назначения, например для составления текстовых ответов и выполнения инструкций. В метаданных указано 385,2 млн параметров и контекст до 512 токенов; модель работает с текстом и доступна в формате PyTorch. Карточка сообщает об автоматической и пользовательской оценке, но подробности приведены в статье. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Larson-72B-DPO-1.0.3 — языковая модель для генерации текста, опубликованная ccrains. Это плотная модель семейства Llama с 71 млрд параметров, представленная в формате safetensors; для диалога рекомендуется шаблон запросов Llama 2. Карточка описывает её как дообученную версию Qwen-72B, однако точный идентификатор базовой модели не указан. Модель предназначена для генерации текста и диалоговых сценариев. В метаданных указан контекст длиной до 32 768 токенов, а README заявляет поддержку английского языка. Модель распространяется по лицензии Apache-2.0 согласно метаданным; README дополнительно просит соблюдать условия лицензии базовой модели. Карточка не приводит результатов оценки качества или подробных ограничений применения.

Laylewcules-7B-v.02 — языковая модель на архитектуре Mistral, созданная Nitral-Archive слиянием двух моделей методом SLERP: Nitral-AI/Lewcules-7B-v.02 и l3utterfly/mistral-7b-v0.2-layla-v4. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста. В README также заявлена возможность работы с изображениями через multimodal-проектор mmproj при использовании Koboldcpp; это расширяет сценарии применения до общения с визуальными данными. В репозитории представлены веса Safetensors и GGUF F16. Сведения о лицензии, поддерживаемых языках и специальных ограничениях в предоставленных источниках отсутствуют.

Lazarus-2407-100B — плотная языковая модель TheDrummer на архитектуре Mistral, созданная как обрезанная версия Mistral Large 2407 123B. Веса объединены методом passthrough из диапазонов слоёв исходной модели; репозиторий содержит формат Safetensors. Модель рассчитана на генерацию текста и диалоговое взаимодействие, включая интерфейс вызова инструментов. Размер составляет 100,1 млрд параметров, длина контекста — 131 072 токена. Модель подходит для генерации ответов и ведения диалогов с длинным контекстом. В карточке указана лицензия other, поэтому условия использования следует сверить с лицензией и материалами исходной модели Mistral Large 2407; README не уточняет ограничения применения или качество. Русский язык отдельно не заявлен.

LeroyDyer/LCARS_TOP_SCORE — объединённая автором модель Mistral для генерации текста и диалога, основанная на нескольких моделях, включая chihoonlee10/T3Q-Mistral-Orca-Math-DPO. Она содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. В метаданных заявлена поддержка английского языка, а карточка описывает её как модель с высокими результатами на тестах Open LLM Leaderboard v2. Модель предназначена для диалогов и генерации текста; метаданные также отмечают работу с кодом. Результаты в README не согласуются с приведёнными там же метриками: заявлено среднее 78,9, тогда как таблица показывает 20,32. Лицензия — OpenRAIL.

Карточка модели ENERGY-DRINK-LOVE/leaderboard_inst_v1.5_LDCC-SOLAR-10.7B_SFT на Hugging Face совпадает с карточкой ENERGY-DRINK-LOVE/leaderboard_inst_v1.3_deup_LDCC-SOLAR-10.7B_SFT, поэтому описание составлено по ней. ENERGY-DRINK-LOVE/leaderboard_inst_v1.3_deup_LDCC-SOLAR-10.7B_SFT — текстовая модель семейства Llama на 10,7 млрд параметров, дообученная разработчиком на LDCC/LDCC-SOLAR-10.7B с использованием набора данных generator. Она предназначена для генерации текста в диалоговом формате и может применяться в чат-сценариях. Модель принимает текст и выдаёт текст; длина контекста составляет 4096 токенов. Репозиторий содержит веса в формате safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Lemer — это мультимодальная версия Gemma 4 E2B в формате GGUF, разработанная Lethean и основанная на форке LetheanNetwork/lemer. В модель встроен Lethean Ethical Kernel (LEK): его поведенческие настройки были добавлены через LoRA-файнтюнинг и объединены с весами, поэтому для работы не требуется отдельный PEFT-адаптер. Модель предназначена для диалоговых сценариев, генерации и анализа текста, а также обработки изображений и аудио, включая локальный запуск на устройствах с ограниченными ресурсами. Репозиторий содержит варианты квантования от Q3_K_M до BF16 размером примерно от 3,0 до 8,7 ГБ. Рекомендуемым указан Q4_K_M как компромисс между качеством и размером; Q3_K_M ориентирован на наиболее ограниченные устройства, а BF16 служит полноточной версией. Заявлена поддержка Ollama, llama.cpp, GPT4All, LM Studio и llama-cpp-python. Токенизатор содержит 262 тысячи токенов, однако размер контекстного окна и точный набор поддерживаемых языков в карточке не указаны. Сильными сторонами модели являются единый автономный GGUF-файл, мультимодальность, несколько уровней квантования и ориентация на локальный инференс. Ограничения включают отсутствие в README подробных результатов оценки, точных характеристик архитектуры и контекстного окна, а также потенциальные компромиссы качества при использовании квантованных вариантов. Модель распространяется по лицензии European Union Public Licence 1.2 (EUPL-1.2).

LeoLM-Mistral — языковая модель, созданная Björn Plüster и Christoph Schuhmann в сотрудничестве с LAION и HessianAI. Она основана на Mistral-7B-v0.1 и продолжает предобучение на крупном корпусе немецкоязычных и преимущественно локальных текстов, чтобы расширить возможности модели в немецком языке. Это плотный авторегрессионный трансформер с 7,1 млрд параметров, предназначенный для генерации текста на немецком и английском языках. Метаданные указывают контекст до 32 768 токенов; README сообщает о 8 тысячах токенов для моделей этого выпуска. Модель подходит для генерации и продолжения текста, а также для исследовательских и коммерческих приложений на немецком языке. Репозиторий распространяется в формате PyTorch, библиотека — Transformers. Лицензия Apache 2.0. Качество и фактическая поддержка контекста могут зависеть от конфигурации и способа запуска; модель оптимизирована прежде всего для немецкого языка.

Это текстовый контрольный пункт Gemma 4 26B A4B, структурно сокращённый автором jayzou3773 методом Less-is-MoE. В модели удалено 50% нейронов FFN маршрутизируемых экспертов; при подготовке использовались 128 калибровочных примеров и настройки последовательности длиной 8192 токена. Оптимизационных шагов не выполнялось, веса сохранены в BF16. Контрольный пункт содержит языковую башню causal language model без визуальной башни, поэтому предназначен для генерации текста, а не для обработки изображений. Модель подходит для текстовой генерации на базе Gemma 4, например для диалогов, рассуждений и программирования, унаследованных от базовой модели. В метаданных указаны 2 млрд параметров и нативный контекст 262144 токена; эти значения описывают контрольный пункт в каталоге, тогда как README сообщает о последовательности калибровки длиной 8192 токена. Лицензия — Apache-2.0. README не приводит оценок качества после структурного сокращения, поэтому фактическую сохранность возможностей базовой модели следует проверять на целевых задачах.

LeTriomphant2.2_ECE_iLAB — объединённая командой студентов инженерной школы ECE при поддержке лаборатории iLab и TW3 Partners языковая модель для диалогов и генерации текста. Она создана с помощью mergekit на основе raphgg/test-2.5-72B и shuttleai/shuttle-3; в метаданных указаны архитектура Qwen2, 71,5 млрд параметров, контекст до 32 768 токенов и формат safetensors. Модель предназначена для генерации текста в чат-сценариях. Репозиторий распространяется по лицензии Apache-2.0. README не описывает обучение, оценку качества или специализированные прикладные области.

mrcuddle/Lexi-Lumimaid-Llama3.1-8B — языковая модель для диалоговой генерации текста, созданная слиянием методом SLERP двух моделей: NeverSleep/Lumimaid-v0.2-8B и Orenguteng/Llama-3.1-8B-Lexi-Uncensored-V2. Она основана на архитектуре Llama и содержит 7,3 млрд параметров; заявленная длина контекста — 131 072 токена. Модель предназначена для ответов на запросы в чате и генерации текста по инструкциям, с интерфейсом для вызова инструментов. Модель распространяется в формате safetensors и использует библиотеку Transformers. В карточке указано слияние предварительно обученных языковых моделей; README описывает конфигурацию mergekit и тип данных bfloat16. Лицензия в предоставленных данных не указана. Поскольку в состав входит Lexi Uncensored, ответы могут быть менее ограничены обычными защитными фильтрами; качество и фактическое поведение зависят от запроса и способа применения.

LexiLumin-7B — объединённая модель на архитектуре Mistral с 7,1 млрд параметров, созданная Ppoyaa с помощью LazyMergekit на основе четырёх моделей: CultriX/MonaTrix-v4-7B-DPO, mlabonne/AlphaMonarch-7B, SanjiWatsuki/Kunoichi-DPO-v2-7B и S-miguel/The-Trinity-Coder-7B. Она предназначена для генерации текста, ролевых диалогов и написания историй; также результаты в таблице Open LLM Leaderboard показывают оценку на задачах рассуждения и понимания текста. Модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. README не приводит подробных сведений о качестве в конкретных сценариях, поэтому результаты лидерборда не следует считать гарантией качества.

Lexora-Medium-7B — диалоговая языковая модель, опубликованная DeepMount00. Она основана на плотной архитектуре Qwen2 и содержит 7,1 млрд параметров. Модель предназначена для генерации текста в формате беседы и имеет интерфейс для вызова инструментов. В карточке указаны обучающие наборы Sonnet-3.5-ITA-INSTRUCTION и Sonnet-3.5-ITA-DPO, а также поддержка итальянского и английского языков. Максимальная длина контекста составляет 131 072 токена. Модель доступна в формате safetensors по лицензии Apache-2.0.

LFM2-24B-A2B-GGUF — языковая модель семейства LFM2, разработанная Liquid AI для эффективного развертывания на периферийных устройствах и пользовательских компьютерах. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск на ноутбуках и настольных компьютерах; доступна в формате GGUF с поддержкой llama.cpp, а также заявленной совместимостью с vLLM и SGLang. Модель использует гибридную архитектуру Mixture-of-Experts с 24 миллиардами общих параметров, из которых около 2 миллиардов активируются для каждого токена. По данным разработчика, она рассчитана на работу в пределах 32 ГБ оперативной памяти и обеспечивает высокую скорость инференса на совместимом оборудовании. Поддерживаются английский, арабский, китайский, французский, немецкий, японский, корейский, испанский и португальский языки. Размер контекста, конкретный вариант квантования и подробные результаты оценки в README не указаны. Сильными сторонами модели являются сочетание крупного общего числа параметров с низкими вычислительными затратами на токен, ориентация на локальное выполнение и высокая заявленная скорость генерации. Ограничения включают отсутствие в предоставленных данных подробностей о качестве по отдельным задачам, требованиях к точному объёму памяти для разных вариантов GGUF и поддерживаемом размере контекста. Модель распространяется по лицензии lfm1.0; условия лицензии следует уточнять в файле LICENSE.

LFM2-24B-A2B-MLX-8bit — 8-битная квантованная версия модели LFM2-24B-A2B, разработанной LiquidAI. Квантование выполнено командой LM Studio с использованием MLX и ориентировано на запуск на устройствах с Apple Silicon. Модель предназначена для генерации текста и локального использования через совместимое программное обеспечение. Модель поддерживает английский, арабский, китайский, французский, немецкий, японский, корейский, испанский и португальский языки. Ключевые параметры контекста, точная архитектура и дополнительные модальности в README не указаны; из описания следует, что это текстовая модель. Сильной стороной является оптимизация для Apple Silicon и снижение требований к памяти благодаря 8-битному представлению, однако квантование может влиять на качество по сравнению с исходной версией, а применение вне экосистемы Apple может быть ограничено. Модель распространяется по лицензии lfm1.0.

OpenIntelligenceNet/LFM2-2.6B_ZERO_Refusal — дообученная модель семейства LFM2 от OpenIntelligenceNet на базе huihui-ai/Huihui-LFM2-2.6B-Exp-abliterated. Она предназначена для генерации текста и диалогов; в метаданных также заявлен интерфейс вызова инструментов. Модель содержит 2,4 млрд параметров, принимает текст и поддерживает контекст до 128 000 токенов. В карточке указано, что обучение проводилось с Unsloth и библиотекой TRL от Hugging Face. Модель рассчитана на англоязычные диалоги и генерацию текста. Базовая модель описана как экспериментальная LFM2 с удалёнными защитными отказами; это важно учитывать при использовании, поскольку поведение в ответ на потенциально опасные запросы может отличаться от моделей с такими отказами. Лицензия — Apache-2.0.

mlx-community/LFM2.5-1.2B-Thinking-bf16 — конверсия модели LiquidAI/LFM2.5-1.2B-Thinking в формат MLX, выполненная сообществом mlx-community с помощью mlx-lm 0.30.4. Это плотная авторегрессионная языковая модель семейства LFM2 с 1,5 млрд параметров, предназначенная для генерации текста в диалоговом режиме и рассуждений. Она рассчитана на контекст до 128 000 токенов и локальный запуск на устройствах Apple Silicon через MLX. Модель подходит для диалогов и генерации ответов на английском, арабском, китайском, французском, немецком, японском, корейском и испанском языках. Базовая карточка описывает семейство как пригодное для рассуждений, агентных задач, извлечения данных и RAG. В репозитории указана лицензия other; конкретные условия следует сверять с лицензией базовой модели и карточкой автора.

LFM2.5-1.2B-Thinking-MLX-bf16 — версия модели рассуждений Liquid AI, подготовленная командой LM Studio Community на базе LFM2.5-1.2B-Thinking. Это плотная авторегрессионная модель семейства LFM2 с примерно 1,5 млрд параметров, представленная в исходной точности bfloat16 в формате safetensors и адаптированная для запуска на Apple Silicon через MLX. Модель предназначена для генерации текста в диалогах, задач рассуждения и агентных сценариев; метаданные также указывают интерфейс вызова инструментов. Она принимает текст и выдаёт текст, поддерживает контекст до 128 000 токенов. В карточке указаны английский, арабский, китайский, французский, немецкий, японский, корейский и испанский языки. Компактный размер и оптимизация MLX подходят для локального запуска на устройствах Apple Silicon. Репозиторий указывает лицензию «other», поэтому конкретные условия использования следует сверять с лицензией исходной модели.

alpharomercoma/LFM2.5-2.6B-heretic — текстовая модель, созданная на основе LiquidAI/LFM2.5-2.6B с помощью направленной абляции отказного направления в остаточном потоке и подбора весов абляции по слоям. Веса объединены, поэтому модель загружается как обычная Lfm2ForCausalLM; размер составляет 2,6 млрд параметров, а контекст — до 131 072 токенов. Модель предназначена для генерации текста и диалогов. В ней сохранены шаблон чата и токены вызова инструментов базовой модели; многоязычные возможности и сценарии локального запуска, включая RAG и длинноконтекстные агентные задачи, унаследованы от неё. В репозитории находятся веса Safetensors для Transformers, а не готовая скомпилированная сборка ExecuTorch. Абляция снижает склонность модели отказывать, стараясь сохранить близость к исходному поведению по KL-дивергенции. При этом намеренно удалена защитная настройка базовой модели, поэтому ответы могут включать небезопасный контент. Лицензия обозначена как «other»; README не уточняет её условия.

salamanderDixon/LFM2.5-2.6B-heretic — декензурированная версия текстовой модели LiquidAI/LFM2.5-2.6B, созданная с помощью Heretic v1.4.0. Это плотная причинно-языковая модель семейства LFM2 с 2,6 млрд параметров, рассчитанная на диалоговое использование и локальное развёртывание. Модель принимает текст и генерирует текст; заявленный контекст — 131 072 токена, поддерживается 16 языков, включая русский. Версия Heretic изменяет поведение отказов: в приведённом сравнении отказы снизились с 96 до 4 из 100, а KL-дивергенция относительно исходной модели составляет 0,0263. Исходная карточка рекомендует семейство для агентных сценариев, вызова инструментов, извлечения данных, RAG и работы с длинным контекстом, но не рекомендует его для агентного программирования и задач, требующих обширных знаний. Репозиторий использует формат safetensors и библиотеку Transformers. Указана лицензия other; конкретные условия лицензии в предоставленных данных не раскрыты.

PocketAiHub/LFM2.5-8B-A1B-Abliterated — производная модель, подготовленная PocketAI Model Lab на основе LiquidAI/LFM2.5-8B-A1B. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск на Apple Silicon через MLX-LM и запуск в формате GGUF с помощью llama.cpp. Поддерживаются английский, арабский, китайский, французский, немецкий, японский, корейский, испанский, португальский и итальянский языки. Модель имеет гибридную архитектуру с attention, свёрточными слоями, dense-компонентами и MoE-экспертами. Доступны смешанный 4-битный вариант MLX, а также варианты GGUF Q4_K_M и Q6_K; Q4_K_M ориентирован на компактность, а Q6_K — на более высокое качество. Контекстное окно и точное число параметров в README не указаны. Релиз прошёл внутреннюю валидацию возможностей и маршрутов инструментов, но приведённые результаты не являются широкими бенчмарками. Особенность модели — сниженное поведение отказа, полученное редактированием родительской модели; разработчики подчёркивают, что это не полностью «uncensored»-модель. Снижение встроенных защит может облегчать получение вредоносных, незаконных или опасных инструкций. Как и другие языковые модели, она может галлюцинировать и не подходит для решений в медицинской, юридической, финансовой и других критически важных областях без проверки человеком. Качество может меняться из-за квантизации. Модель распространяется по лицензии LFM Open License v1.0, унаследованной от Liquid AI. Лицензия содержит ограничение, связанное с коммерческой выручкой, поэтому перед использованием или распространением необходимо изучить её полный текст.

cyankiwi/LFM2.5-8B-A1B-AWQ-INT4 — это квантованная версия текстовой модели LFM2.5-8B-A1B от Liquid AI, подготовленная пользователем cyankiwi в формате AWQ с точностью INT4. Модель предназначена для локального и периферийного (on-device) развертывания, включая персональных ассистентов, агентские сценарии с вызовом инструментов, следование сложным инструкциям и генерацию структурированных ответов. Архитектура модели гибридная: 8,3 млрд параметров всего, из которых активно используется 1,5 млрд; 24 слоя включают 18 double-gated LIV convolutional layers и 6 слоёв GQA. Модель обучалась на 38 трлн токенов и поддерживает контекст до 131 072 токенов. Это text-only модель с заявленной поддержкой английского, арабского, китайского, французского, немецкого, японского, корейского, португальского и испанского языков. В карточке квантованной версии также указаны русский, хинди и нидерландский языки, однако основные сведения о базовой модели перечисляют другой набор языков. К сильным сторонам относятся низкие требования к памяти благодаря INT4-квантизации, высокая скорость инференса для своего класса, пригодность для CPU и GPU, агентских рабочих процессов и локальных приложений. Ограничения: модель не считается оптимальным выбором для сложного программирования и фактологически насыщенных задач без retrieval; качество квантованной версии может отличаться от исходной модели. Указана лицензия lfm1.0; дополнительные условия следует уточнять в файле LICENSE.

AtomicChat/LFM2.5-8B-A1B-GGUF — это текстовая генеративная модель в формате GGUF, созданная Atomic Chat на основе LiquidAI/LFM2.5-8B-A1B. Репозиторий содержит самостоятельно выполненные квантования исходных весов с использованием importance matrix, рассчитанной для каждого тензора, поэтому модель предназначена для локального и полностью офлайн-использования через llama.cpp, MLX, vLLM, SGLang и совместимые приложения. Модель рассчитана на роль персонального помощника на устройствах с ограниченными ресурсами: она поддерживает диалог, сложные инструкции, последовательные вызовы инструментов и агентские сценарии. Это текстовая Mixture-of-Experts-модель с 8,5 млрд параметров, 24 слоями и 32 экспертами, из которых для обработки выбираются 4; архитектура также включает 32 attention heads и 8 KV heads. Заявленная длина контекста — до 128 000 токенов, размер словаря — 128 000 токенов. Поддерживаемая модальность — текст; сведения о языках в README не указаны. Сильные стороны модели — высокая скорость инференса на CPU и GPU, широкий выбор квантований от Q2_K до Q8_0 и хорошее сохранение качества при использовании importance matrix. В качестве сбалансированного варианта рекомендуется Q4_K_M, а Q6_K и Q8_0 ориентированы на более высокую точность. К ограничениям относятся неизбежная потеря качества в низкобитных вариантах, требования к памяти, зависящие от выбранного квантования, и необходимость применять chat template LFM2.5 с параметром --jinja; без него возможны некорректно сформированные диалоговые ходы. Лицензия обозначена как other, подробные условия находятся в файле LICENSE.

mlx-community/LFM2.5-8B-A1B-MLX-4bit — 4-битная MLX-версия языковой модели LiquidAI LFM2.5-8B-A1B, конвертированная сообществом mlx-community с использованием mlx-lm 0.31.1. Модель предназначена для генерации текста и запуска в экосистеме MLX, в том числе для локального инференса через mlx-lm. Это авторегрессионная модель с архитектурой lfm2_moe: гибрид из 18 блоков double-gated short-conv и 6 блоков внимания GQA, с разреженным MoE на 32 эксперта и активацией 4 экспертов на токен. Она содержит около 8,3 млрд параметров, из которых активно используется около 1,5 млрд, и поддерживает контекст до 128 тысяч токенов. Заявлены языки: английский, арабский, китайский, французский, немецкий, японский, корейский, португальский и испанский. README не содержит сведений о мультимодальных возможностях или результатах бенчмарков. К сильным сторонам относятся разреженная MoE-архитектура, большой контекст и 4-битное представление, потенциально снижающее требования к памяти при запуске в MLX. Ограничения включают зависимость от экосистемы MLX и отсутствие в README подробностей о качестве на конкретных задачах. Модель является производной от LiquidAI LFM2.5-8B-A1B и распространяется по лицензии LFM Open License v1.0 (lfm1.0); применяются условия коммерческого использования этой лицензии.

LFM2.5-8B-A1B-ThinkingCap-GGUF — GGUF-сборка модели LFM 2.5 8B ThinkingCap, основанная на весах Liquid AI LFM 2.5 8B A1B и аблитерированной версии huihui-ai. Модель дообучена osk-arr00 с применением Supervised Fine-Tuning (SFT) и Direct Preference Optimization (DPO) и ориентирована на рассуждения, генерацию текста, структурированные ответы и tool-calling. Заявлена поддержка английского и испанского языков. Архитектура представляет собой гибридную модель с 36 слоями одномерных коротких свёрток и MoE-основой на 32 эксперта. Всего модель содержит около 8,47 млрд параметров, из которых примерно 1,2 млрд активны на каждый токен. В репозитории доступны варианты GGUF от BF16 до Q4, включая специализированные APEX и ROCmFPX-квантизации для AMD Strix Halo с архитектурой RDNA 3.5 и gfx1151, а также версии для llama.cpp, Vulkan, CPU и CUDA. Указана поддержка глобального контекста до 256K токенов в серверном сценарии, однако точные ограничения зависят от сборки и конфигурации. Сильными сторонами являются ориентация на reasoning, детерминированные структурированные ответы, англо- и испаноязычная генерация, широкий выбор квантизаций и оптимизация для AMD Strix Halo. Ограничения включают зависимость производительности от аппаратной платформы, рантайма, квантизации и параметров запуска; приведённые показатели относятся к AMD Ryzen AI Max 385 с 64 ГБ LPDDR5X и не гарантируют аналогичную скорость на других системах. Лицензия обозначена как lfm1.0; конкретные условия следует уточнять в приложенном файле лицензии.

Sakalti выпустил модель light-3B-beta — объединение языковых моделей на базе Qwen2.5-3B, созданное с помощью mergekit и метода TIES. В объединение включена Qwen/Qwen2.5-3B-Instruct; модель предназначена для генерации текста и диалогового общения, включая сценарии с интерфейсом вызова инструментов. Модель имеет плотную архитектуру Qwen2ForCausalLM и 3,1 млрд параметров. Она принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. Веса опубликованы в формате Safetensors, указанная лицензия — other. Карточка не приводит сравнительных оценок качества, перечня поддерживаемых языков или подробностей о поведении при вызове инструментов. Перед применением следует проверить качество на целевых задачах и изучить условия лицензии.

trinhkhng/linear_Merged_gpt2_0.1 — объединённая автором модель на базе GPT-2, созданная с помощью mergekit методом Linear. В неё вошли предобученная GPT-2 с весом 0,9 и модель gpt2_debias с весом 0,1; в качестве источника токенизатора использована GPT-2. Модель предназначена для генерации текста и работает как причинная языковая модель GPT2LMHeadModel; длина контекста составляет 1024 токена. Модель подходит для продолжения текста и генерации текстовых ответов. В карточке указаны формат safetensors и библиотека Transformers. Лицензия и конкретные языки применения в предоставленных данных не указаны.

trinhkhng/linear_Merged_gpt2-large_0.5 — языковая модель, созданная объединением GPT-2 Large и debias_gpt2-large методом linear merge с помощью mergekit. Модель использует архитектуру GPT-2 с плотной сетью и предназначена для генерации текста; в метаданных указан контекст до 1024 токенов. Веса двух исходных моделей объединены поровну с нормализацией, токенизатор взят от GPT-2 Large. Модель можно использовать для продолжения текста и генерации ответов на текстовые подсказки. README и метаданные не содержат сведений о качестве, оценках смещения или лицензии, поэтому эти свойства нельзя подтвердить.

trinhkhng/linear_Merged_gpt2-medium_0.0 — слитая языковая модель на архитектуре GPT-2, созданная методом Linear с помощью mergekit. В объединении указаны /kaggle/working/gpt2-medium с весом 1,0 и /kaggle/working/debias_gpt2-medium с весом 0,0, поэтому по приведённой конфигурации результат фактически опирается на gpt2-medium. Модель предназначена для генерации текста по текстовому запросу. Она доступна в формате safetensors и рассчитана на контекст до 1024 токенов. В README указан токенизатор ComCom/gpt2-small. Сведения о конкретных языках применения и лицензии в предоставленных данных отсутствуют.