I.5Создание и редактирование текста

CobraMamba/mamba-gpt-3b-v4 — авторская дообученная языковая модель семейства Llama, созданная на основе openlm-research/open_llama_3b_v2. Она содержит 3,3 млрд параметров и предназначена для генерации текста, диалогов и ответов на запросы; обучение включало наборы Stanford Alpaca, Open Assistant, LIMA, CodeAlpaca, GPT-4 Generated Data и UltraChat. Модель принимает текст и выдаёт текст, поддерживает английский и многоязычные запросы; родной контекст составляет 2048 токенов. В карточке приведены результаты тестирования на MMLU, ARC и HellaSwag, однако заявленное превосходство над более крупными моделями следует считать утверждением разработчика, а не независимой оценкой. Модель может давать ошибочные или нерелевантные ответы и воспроизводить предвзятое либо оскорбительное содержание. Для использования опубликована лицензия Apache-2.0.

Карточка модели Kailune-AI/mamba-gpt-3b-v4 на Hugging Face совпадает с карточкой CobraMamba/mamba-gpt-3b-v4, поэтому описание составлено по ней. CobraMamba/mamba-gpt-3b-v4 — авторская дообученная языковая модель семейства Llama, созданная на основе openlm-research/open_llama_3b_v2. Она содержит 3,3 млрд параметров и предназначена для генерации текста, диалогов и ответов на запросы; обучение включало наборы Stanford Alpaca, Open Assistant, LIMA, CodeAlpaca, GPT-4 Generated Data и UltraChat. Модель принимает текст и выдаёт текст, поддерживает английский и многоязычные запросы; родной контекст составляет 2048 токенов. В карточке приведены результаты тестирования на MMLU, ARC и HellaSwag, однако заявленное превосходство над более крупными моделями следует считать утверждением разработчика, а не независимой оценкой. Модель может давать ошибочные или нерелевантные ответы и воспроизводить предвзятое либо оскорбительное содержание. Для использования опубликована лицензия Apache-2.0.

Manticore-13b-Landmark — объединённая модель на архитектуре LLaMA, представленная Honkware. Она сочетает Manticore-13B и Manticore-13B-Landmark-QLoRA и предназначена для генерации текста с применением Landmark Attention. В README заявлен увеличенный размер контекста около 18 тысяч токенов; метаданные указывают 12,9 млрд параметров и нативный контекст 2048 токенов. Модель подходит для продолжения текста и диалоговых сценариев, где полезно учитывать длинный контекст. Репозиторий содержит веса PyTorch; лицензия обозначена как «other», поэтому условия использования следует сверить с лицензией и файлами репозитория перед применением. README также содержит настройки запуска через Oobabooga, включая включение доверенного удалённого кода.

Marcoroni-neural-chat-7B-v2 — объединённая языковая модель на архитектуре MistralForCausalLM, созданная с помощью Slerp и mergekit из AIDC-ai-business/Marcoroni-7B-v3 и Intel/neural-chat-7b-v3-3. Обе исходные модели основаны на mistralai/Mistral-7B-v0.1. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст; заявленный контекст — до 32 768 токенов. Она предназначена для тестирования возможностей объединённой модели и задач генерации текста. Репозиторий предоставляет веса в формате safetensors; лицензия — Apache-2.0.

Matter-0.1-7B-boost-slerp — языковая модель для генерации текста, созданная объединением Mistral-7B-v0.1 и Matter-0.1-7B-boost с помощью mergekit методом slerp. Модель имеет плотную архитектуру MistralForCausalLM и 7,1 млрд параметров; веса представлены в формате safetensors. Указанная длина контекста — 32 768 токенов. Модель предназначена для генерации текста в системах на базе Transformers. Карточка подтверждает факт объединения моделей, но не описывает специализированные сценарии, языковой охват или результаты оценки качества. Лицензия — Apache-2.0.

Farhan45876/mavro-llm-1.5b — дообученная автором Farhan45876 языковая модель на базе unsloth/qwen2.5-1.5b-instruct-unsloth-bnb-4bit. Это плотная причинно-авторегрессионная модель семейства Qwen2 с 1,5 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия; карточка также указывает интерфейс вызова инструментов. Модель обучалась с использованием Unsloth и библиотеки TRL от Hugging Face. Модель принимает текст и генерирует текст. В метаданных указан английский язык и контекст до 32 768 токенов. Лицензия — Apache-2.0. README не описывает специализацию дообучения или результаты оценки качества, поэтому пригодность для конкретных предметных областей по доступным данным определить нельзя.

Mawared_GS — диалоговая языковая модель на базе Gemma 2 9B, опубликованная Daemontatox и дообученная на princeton-nlp/gemma-2-9b-it-SimPO. Модель построена на плотной архитектуре Gemma2ForCausalLM, содержит 9 млрд параметров и принимает текстовые запросы для генерации текста в формате диалога. Контекстное окно составляет 8192 токена. Модель подходит для генерации ответов и ведения текстового диалога. В карточке указано, что обучение выполнялось с Unsloth и библиотекой TRL. Репозиторий распространяется по лицензии Apache-2.0. Специализированная область применения и дополнительные возможности сверх текстовой генерации не заявлены.

Maxine-7B-0401-stock — языковая модель на 7,1 млрд параметров, опубликованная louisbrulenaudet. Это плотная модель Mistral для генерации текста, созданная методом model_stock: при слиянии использованы OpenPipe/mistral-ft-optimized-1227, MTSAIR/multi_verse_model, rwitz/experiment26-truthy-iter-0 и MaziyarPanahi/Calme-7B-Instruct-v0.2; базовой моделью в конфигурации указана OpenPipe/mistral-ft-optimized-1227. Модель подходит для генерации ответов и диалогового текста на английском языке. В карточке также перечислены области химии, биологии и математики, но конкретные специализированные возможности и результаты оценки не приведены. Контекст — до 32 768 токенов. Веса доступны в формате safetensors; лицензия — Apache-2.0.

Mayo — диалоговая языковая модель, созданная слиянием mlabonne/NeuralBeagle14-7B и openchat/openchat-3.5-0106 с помощью mergekit и метода SLERP. В основе лежит плотная архитектура Mistral с причинным языковым моделированием; размер модели — 7,1 млрд параметров, заявленный контекст — до 32 768 токенов. Модель предназначена для генерации текста в диалоге: она может использоваться для ответов на вопросы, следования инструкциям, рассуждений и творческого письма. Эти сценарии соответствуют характеристикам базовой NeuralBeagle14-7B и назначению компонентов слияния; README не приводит отдельные результаты оценки Mayo. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. Сведения о поддерживаемых естественных языках и специальных ограничениях применения в карточке не приведены.

Mayoroya — объединённая диалоговая языковая модель, созданная Eric111 с помощью mergekit на основе Eric111/Mayo и Eric111/Roya. Она предназначена для генерации текста в формате диалога и ответов на инструкции. Модель использует плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В README указан метод слияния SLERP с настройками, различающимися для слоёв self-attention и MLP. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0. Карточка не описывает отдельные специализированные области применения или подтверждённые языки.

SJTU-DENG-Lab/MBD-Code-SDAR-8B-Chat-b4 — разговорная языковая модель из семейства SDAR, опубликованная SJTU-DENG-Lab как часть проекта Multi-Block Diffusion Language Models. Модель имеет плотную архитектуру SDARForCausalLM с 7,6 млрд параметров и контекстом до 32 768 токенов; веса доступны в формате safetensors для Transformers. Модель предназначена для генерации текста в диалоговом режиме. Подход MBD-LM использует многоблочную диффузионную генерацию: последовательные блоки текста декодируются параллельно, а обучение Multi-block Teacher Forcing нацелено на согласование обучения с состояниями практического вывода MultiBD. В README не приведены конкретные языковые или предметные специализации, поэтому модель следует считать универсальной разговорной генеративной моделью. Лицензия — MIT. README не сообщает результатов оценки качества или ограничений применения; качество ответов и пригодность для конкретной задачи следует проверять отдельно.

MeetInstruct-0.6B-v1.0 — небольшая плотная языковая модель Ma7ee7 для диалогов и выполнения общих инструкций. Она дообучена методом supervised fine-tuning на базе Qwen/Qwen3-0.6B-Base, содержит 507,9 млн параметров и принимает текст. В метаданных указан контекст до 32 768 токенов; этапы дообучения в карточке описаны с длинами контекста 4 096 и 8 192 токена. Модель предназначена для локальных чат-ассистентов, ответов на вопросы, переформулирования и суммаризации текста, мозгового штурма, простого программирования и выдачи структурированных ответов. Она ориентирована на естественный разговор, гибкий тон и следование инструкциям, но не рассчитана на уровень крупных моделей в сложных рассуждениях. Карточка описывает один этап общего обучения инструкциям и небольшой этап доработки на длинных диалогах. Модель поддерживает английский; автор предупреждает о возможных затруднениях в многоязычных задачах. Ограничения также включают сложную математику и генерацию кода, планирование, удержание контекста длинных бесед и склонность уверенно выдавать неверные сведения. Лицензия — Apache-2.0.

MegaQwen-120B — текстовая генеративная модель, созданная разработчиком abideen путём слияния двух копий Qwen1.5-72B с чередованием их параметров. Она предназначена для диалогов и генерации текста. Модель использует плотную архитектуру Qwen2 с декодером Qwen2ForCausalLM, содержит 123,4 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель принимает текст и выдаёт текст; в метаданных заявлена поддержка английского языка и возможность чата. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. Доступные сведения не описывают качество или результаты оценки модели.

Melinoe-Qwen3-8-27B-VL-i1-GGUF — это квантизированная в формате GGUF версия мультимодальной модели bgg1996/Melinoe-Qwen3-8-27B-VL. Квантизацию выполнил spiritfather с использованием importance matrix (imatrix), которая распределяет точность с учётом важности параметров. Модель предназначена прежде всего для генерации текста, творческого письма и ролевого взаимодействия; её также можно использовать для работы с изображениями. Модель относится к семейству Qwen3 и имеет размер 8–27B согласно идентификатору и базовой модели README. Указана поддержка английского языка. Для текстового режима достаточно одного GGUF-файла выбранной квантизации. Для мультимодальной работы требуется дополнительный vision-проектор mmproj-Melinoe-Qwen3-8-27B-VL-BF16.gguf. Размеры доступных вариантов составляют примерно от 10,9 до 22,4 ГБ; доступны уровни Q2–Q6 и IQ-квантизации. README не указывает размер контекстного окна и точную архитектуру. Сильной стороной являются варианты imatrix-квантизации, которые, по данным автора, особенно улучшают качество низкобитных вариантов IQ1–IQ4 по сравнению с обычными квантизациями аналогичного размера. Вариант Q4_K_M отмечен как быстрый и рекомендуемый, а Q4_K_S — как оптимальный по сочетанию размера, скорости и качества. Ограничения включают зависимость мультимодального режима от отдельного vision-проектора, значительный объём файлов и отсутствие подробных сведений о качестве на общих задачах, контекстном окне и поддерживаемых языках помимо английского. Модель распространяется по лицензии Apache-2.0.

MeliodasPercival_01_Experiment29Experiment24 — объединённая текстовая модель семейства Mistral, созданная MaziyarPanahi на основе automerger/MeliodasPercival_01-7B и automerger/Experiment29Experiment24-7B. Она содержит 7,1 млрд параметров и принимает текст для генерации продолжений и диалоговых ответов; поддерживает контекст до 32 768 токенов. Модель опубликована в формате safetensors под лицензией Apache-2.0. Карточка описывает её как слияние двух моделей, но не приводит сравнительных оценок качества, подробностей о методе объединения или сведений о специально поддерживаемых языках. Поэтому пригодность для конкретных сценариев следует проверять на собственных примерах.

MeliodasPercival_01_Inex12Yam — объединённая модель семейства Mistral, созданная из automerger/MeliodasPercival_01-7B и automerger/Inex12Yam-7B. Она предназначена для генерации текста и диалогов, а архитектура MistralForCausalLM содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка подтверждает слияние моделей и задачу генерации текста, но не описывает специализацию, поддерживаемые языки или ограничения качества.

MeliodasPercival_01_Ognoexperiment27Multi_verse_model — объединённая модель Mistral, созданная на основе automerger/MeliodasPercival_01-7B и automerger/Ognoexperiment27Multi_verse_model-7B. Она предназначена для генерации текста и поддерживает контекст до 32 768 токенов. Модель содержит 7,1 млрд параметров и распространяется в формате safetensors по лицензии Apache-2.0. Карточка подтверждает объединение двух моделей и задачу генерации текста, но не описывает специализацию, языки или конкретные сценарии применения. Поэтому модель можно рассматривать для общего текстового диалога и генерации, учитывая, что качество и поведение в отдельных задачах не заявлены.

NANI-Nithin/Mellum2-12B-A2.5B-Instruct-GGUF — набор GGUF-квантизаций модели JetBrains/Mellum2-12B-A2.5B-Instruct, разработанной JetBrains. Модель предназначена для генерации текста и выполнения инструкций в формате ассистента, а репозиторий ориентирован на эффективный локальный запуск через llama.cpp, Ollama, LM Studio и другие совместимые среды. Указана архитектура Mellum2, контекстное окно до 131 072 токенов и поддержка английского языка. Доступны варианты Q4_K_M размером 8,07 ГБ и Q5_K_M размером 9,21 ГБ: первый рассчитан на экономию памяти при хорошем соотношении качества и размера, второй обеспечивает более высокое качество при умеренном увеличении требований к памяти. Обозначение модели содержит параметры 12B-A2.5B, однако дополнительные сведения о структуре, числе активных параметров и мультимодальности не приведены. Модель подходит для локального чата, программирования, экспериментов с использованием инструментов, а также CPU-ориентированного или ограниченного по памяти вывода. Ограничения связаны с потерями качества, возможными при квантизации, зависимостью от GGUF-совместимого программного обеспечения и отсутствием подробных данных о производительности и качестве на конкретных задачах. При конвертации некоторые тензоры могут использовать резервную квантизацию, что считается ожидаемым и не препятствует запуску. Модель распространяется по лицензии Apache 2.0.

Mending-Hearts-12B — объединённая языковая модель, созданная автором Sorihon из предварительно обученных моделей с помощью mergekit и метода DARE TIES. В качестве базовой использована djuna/MN-Chinofun-12B-4; также в объединение вошли Vortex5/Nether-Moon-12B и MarinaraSpaghetti/NemoMix-Unleashed-12B. Модель семейства Mistral имеет плотную архитектуру MistralForCausalLM и 12,1 млрд параметров. Она предназначена для генерации текста и диалогового общения; заявленная длина контекста — 131 072 токена. Данные о поддерживаемых естественных языках и специализированных предметных областях в карточке не приведены. Карточка не содержит сведений о качестве на конкретных тестах или об известных ограничениях. Лицензия в предоставленных данных не указана.

Mengzi3-8B-Chat — диалоговая языковая модель Langboat для генерации текста. В метаданных указаны плотная архитектура семейства Llama, класс LlamaForCausalLM и 7,5 млрд параметров; модель распространяется в формате safetensors и рассчитана на контекст до 8192 токенов. Модель предназначена для чат-общения и генерации ответов на китайском и английском языках. В карточке приведены результаты оценок MMLU, GSM8k и MATH, указывающие на проверку общих знаний и математических задач. Лицензия — Apache-2.0. Разработчики предоставляют модель без гарантий и призывают соблюдать требования закона и проводить необходимые проверки перед использованием в интернет-сервисах.

mergekit-community/mergekit-dare_ties-ajgjgea — объединённая языковая модель семейства Llama, созданная сообществом с помощью метода DARE TIES в mergekit. В качестве базовой использована KidIkaros/Llama-3.2-1B-Instruct-abliterated; в объединение также вошли DeepAutoAI/Explore_Llama-3.2-1B-Inst_v1.1 и passing2961/Thanos-1B. Модель содержит 1,2 млрд параметров, использует архитектуру LlamaForCausalLM и распространяется в формате safetensors; нативная длина контекста — 131 072 токена. Модель предназначена для генерации текста и диалогового использования. Она принимает текстовые запросы и выдаёт текст; метаданные отмечают интерфейс вызова инструментов. Карточка не уточняет отдельные языковые или предметные специализации. Лицензия в предоставленных сведениях не указана.

mergekit-community/mergekit-model_stock-qykbest — объединённая языковая модель на архитектуре Mistral, созданная сообществом с помощью mergekit и метода Model Stock. В качестве базовой модели использована mistralai/Mistral-7B-Instruct-v0.2; в слияние также вошли gagan3012/Mistral_arabic_dpo и Nexusflow/Starling-LM-7B-beta. Модель предназначена для генерации текста и диалоговых ответов на инструкции. Она содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors для библиотеки Transformers. README указывает тип весов bfloat16. Отдельные языковые возможности объединённой модели в карточке не описаны; среди её источников есть модель для арабского языка. Лицензия в предоставленных данных не указана. Объединение моделей может сочетать их сильные стороны, однако README не приводит сравнительных оценок качества или гарантий сохранения возможностей исходных моделей.

Это объединённая языковая модель Gemma 2 на 9 млрд параметров, созданная сообществом mergekit с помощью метода Model Stock. В качестве базовой использована KR-X-AI/gemma-2-9b-untied; в объединение также вошли шесть других моделей семейства Gemma 2. Модель предназначена для генерации текста и диалогов, принимает текст и выдаёт текст. Нативное окно контекста составляет 8192 токена. Модель может применяться для ведения диалогов и генерации ответов, однако карточка не описывает её специализацию или сравнительное качество. В составе есть модель с пометкой abliterated, поэтому поведение в отношении ограничений и нежелательного контента может отличаться от стандартной модели. Файлы опубликованы в формате Safetensors; сведения о лицензии в предоставленных данных отсутствуют.

Карточка модели mergekit-community/mergekit-slerp-fmitxcg на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-gpprpds, поэтому описание составлено по ней. mergekit-community/mergekit-slerp-gpprpds — языковая модель для генерации текста, созданная сообществом слиянием Equall/Saul-Base и HuggingFaceH4/zephyr-7b-beta методом SLERP через mergekit. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM, примерно 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для диалогов, ответов на вопросы и выполнения инструкций на английском языке. Слияние сочетает компоненты двух предварительно обученных моделей; репозиторий содержит веса Safetensors. Поддержка русского языка или специализированных прикладных областей в карточке не заявлена. Лицензия в предоставленных данных не указана.

Карточка модели mergekit-community/mergekit-slerp-fodinzo на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-jeyctse, поэтому описание составлено по ней. mergekit-community/mergekit-slerp-jeyctse — языковая чат-модель, созданная сообществом слиянием моделей HuggingFaceH4/zephyr-7b-beta и Equall/Saul-Base методом SLERP с помощью mergekit. Это плотная модель Mistral с 7,1 млрд параметров, доступная в формате safetensors и рассчитанная на контекст до 32 768 токенов. Модель предназначена для генерации текста в диалоге: ответов на вопросы и выполнения пользовательских инструкций. В метаданных основной язык не задан; базовая Zephyr-7B-β описана как англоязычная чат-модель. Условия лицензирования в предоставленных данных не приведены. Качество и поведение результата слияния могут отличаться от исходных моделей.

mergekit-community/mergekit-slerp-gpprpds — языковая модель для генерации текста, созданная сообществом слиянием Equall/Saul-Base и HuggingFaceH4/zephyr-7b-beta методом SLERP через mergekit. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM, примерно 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для диалогов, ответов на вопросы и выполнения инструкций на английском языке. Слияние сочетает компоненты двух предварительно обученных моделей; репозиторий содержит веса Safetensors. Поддержка русского языка или специализированных прикладных областей в карточке не заявлена. Лицензия в предоставленных данных не указана.

Карточка модели mergekit-community/mergekit-slerp-ksadkxl на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-gpprpds, поэтому описание составлено по ней. mergekit-community/mergekit-slerp-gpprpds — языковая модель для генерации текста, созданная сообществом слиянием Equall/Saul-Base и HuggingFaceH4/zephyr-7b-beta методом SLERP через mergekit. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM, примерно 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для диалогов, ответов на вопросы и выполнения инструкций на английском языке. Слияние сочетает компоненты двух предварительно обученных моделей; репозиторий содержит веса Safetensors. Поддержка русского языка или специализированных прикладных областей в карточке не заявлена. Лицензия в предоставленных данных не указана.

Карточка модели mergekit-community/mergekit-slerp-kxzcrwh на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-gpprpds, поэтому описание составлено по ней. mergekit-community/mergekit-slerp-gpprpds — языковая модель для генерации текста, созданная сообществом слиянием Equall/Saul-Base и HuggingFaceH4/zephyr-7b-beta методом SLERP через mergekit. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM, примерно 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для диалогов, ответов на вопросы и выполнения инструкций на английском языке. Слияние сочетает компоненты двух предварительно обученных моделей; репозиторий содержит веса Safetensors. Поддержка русского языка или специализированных прикладных областей в карточке не заявлена. Лицензия в предоставленных данных не указана.

Карточка модели mergekit-community/mergekit-ties-itmchpd на Hugging Face совпадает с карточкой mergekit-community/mergekit-ties-cmdmayc, поэтому описание составлено по ней. mergekit-community/mergekit-ties-cmdmayc — языковая модель на основе архитектуры Mistral, полученная объединением весов методом TIES с помощью mergekit. В объединение вошли mistralai/Mistral-7B-v0.1 в качестве базовой модели, mistralai/Mistral-7B-Instruct-v0.2 и BioMistral/BioMistral-7B. Модель содержит 7,1 млрд параметров, использует формат Safetensors и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста и ответов на инструкции в диалоговых сценариях. Включение BioMistral указывает на связь с биомедицинской тематикой, однако карточка не описывает специализированные медицинские возможности или результаты оценки качества. Модель выпущена 17 апреля 2024 года; условия лицензии в предоставленных данных не приведены.

Модель bkandappan/metafore-maker-qwen-3-500 — дообученная автором bkandappan разговорная языковая модель семейства Qwen3 с плотной архитектурой Qwen3ForCausalLM и 3,7 млрд параметров. Она основана на unsloth/Qwen3-4B-Instruct-2507-unsloth-bnb-4bit и предназначена для генерации текста в диалоговом формате; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст. Для неё заявлен контекст до 262 144 токенов, а язык карточки — английский. README сообщает, что обучение выполнялось с Unsloth и библиотекой TRL. Репозиторий содержит веса Safetensors и распространяется по лицензии Apache-2.0. Специализированные сценарии и дополнительные оценки качества в карточке не описаны.