I.5Создание и редактирование текста

ali-elganzory разработал эту дообученную модель семейства OpenSci для генерации текста. Это плотная авторегрессионная языковая модель на 1,7 млрд параметров с контекстом до 16 384 токенов; модель опубликована в формате safetensors и предназначена для запуска через Transformers. Карточка показывает пример диалогового запроса и обучение с помощью TRL. Модель можно применять для генерации продолжений текста и ответов на запросы в диалоговом формате. В метаданных указана связь дообучения с базовой моделью ali-elganzory/open-sci-ref-v0.02-1.7b-mixturevitae-noinstruct-300B-4096-longsft_16k. Лицензия и конкретные языки модели в предоставленных данных не указаны.

open-sci-ref-v0.02 — плотная авторегрессионная языковая модель семейства OpenSci на 1,7 млрд параметров, разработанная командой OpenSci. Модель обучена на наборе Nemotron-CC HQ примерно на 1 трлн токенов; в репозитории опубликован финальный чекпойнт, а промежуточные доступны в отдельных ветках. Для генерации текста она принимает текстовый контекст и продолжает его. Модель обучалась с длиной последовательности 4096 токенов и параметром RoPE theta 100000. В README приведены результаты финального чекпойнта на задачах ARC и BoolQ из набора open-sci-0.01; это указывает на оценку знаний и ответов на вопросы, но не задаёт специализированную область применения. Метаданные указывают формат safetensors и библиотеку Transformers. Лицензия в предоставленных данных не приводится.

OpenSonnet-Lite-MAX — дообученная языковая модель hadadxyz на архитектуре Qwen3, основанная на Qwen/Qwen3-4B-Thinking-2507. Она предназначена для диалоговой генерации текста, следования инструкциям и решения задач с рассуждением; в карточке также показана демонстрация вызова инструментов. Модель содержит 3,7 млрд параметров, принимает текст и поддерживает контекст до 262 144 токенов. Указаны многоэтапное дообучение в два прохода и оценка 85,22 на GSM8K; результатов для MMLU-Pro и GPQA Diamond карточка не приводит. Модель распространяется в формате safetensors через Transformers по лицензии Apache 2.0. Языки обучения или поддерживаемые естественные языки в предоставленных данных не обозначены. Результаты бенчмарка и заявленные возможности основаны на карточке модели и сами по себе не гарантируют аналогичное качество на других задачах.

bartowski/open-thoughts_OpenThinker2-7B-GGUF — это квантизированная GGUF-версия языковой модели OpenThinker2-7B, разработанной open-thoughts. Модель предназначена для генерации текста и может запускаться локально через llama.cpp, LM Studio и другие совместимые проекты. Для работы используется формат запросов с ролями system, user и assistant на основе специальных токенов ChatML. Модель содержит 7 миллиардов параметров и распространяется в вариантах от BF16 до низкобитных квантований Q2–Q8, включая семейства Q_K, IQ и legacy-форматы. Размер файлов составляет примерно от 3,5 до 15,2 ГБ; варианты с более высокой точностью обеспечивают лучшее качество, а низкобитные версии требуют меньше оперативной памяти. В README не указаны языки, размер контекстного окна, конкретные мультимодальные возможности или архитектурные детали базовой модели. Сильной стороной является широкий выбор квантований для разных аппаратных ограничений и оптимизация с использованием imatrix. Ограничения зависят от выбранного варианта: более компактные версии могут заметно уступать по качеству, а полная BF16-версия требует значительных ресурсов. Модель и квантованные файлы распространяются по лицензии Apache-2.0; квантизация выполнена bartowski с использованием llama.cpp.

DreamGen Opus V1.2 70B — языковая модель DreamGen для управляемого написания историй и ролевых диалогов. Она построена на плотной архитектуре Llama и содержит 68,7 млрд параметров; принимает текст и генерирует текст. Для естественного продолжения сценария автор рекомендует использовать расширенный формат ChatML Opus V1: описать сюжет, стиль и персонажей в системном сообщении, а затем передавать инструкции и реплики. Модель также подходит для пересказа сюжета, описания персонажей и стиля, подготовки плана глав и общей текстовой помощи. Контекст модели составляет 32 768 токенов. Карточка демонстрирует англоязычные примеры и указывает английский как язык модели. Для лучшего результата важно соблюдать форматирование промпта и корректную токенизацию; README также отмечает ошибки продолжения диалога в LM Studio при удалении сообщения или нажатии «Continue». Модель распространяется по лицензии CC BY-NC-ND 4.0, которая запрещает коммерческое использование и распространение производных материалов согласно условиям лицензии.

OrakzaiX — это общественный GGUF-релиз модели класса 8B на архитектуре Llama, поддерживаемый и квантизированный Faisal Orakzai в рамках экосистемы Orakzai. В метаданных указана базовая модель meta-llama/Llama-3-8B-Instruct; данных о самостоятельном обучении новой фундаментальной модели нет. Модель предназначена для локальной генерации текста и диалоговых сценариев: создания частных ассистентов, офлайн-прототипирования, разработки инструментов, суммаризации, извлечения технической информации, объяснения кода, автоматизации и экспериментов с многоагентными рабочими процессами. Формат GGUF рассчитан на запуск через совместимые средства, включая llama.cpp, на потребительском оборудовании, рабочих станциях, периферийных устройствах и частных серверах. Локальное выполнение может помочь сохранять запросы и ответы в контролируемой среде, однако безопасность зависит от настроек и окружения. Доступны варианты квантизации от Q2_K до Q8_0; рекомендуемым начальным вариантом указан Q4_K_M, обеспечивающий компромисс между качеством, скоростью и потреблением памяти. Фактические требования к ресурсам выше размера файла из-за контекста, KV-кэша и служебных буферов. Языки, размер контекстного окна, результаты бенчмарков, точность в специализированных областях, надежность вызова инструментов и возможности автономной работы не указаны. Лицензия обозначена как other; перед распространением или коммерческим использованием необходимо проверить условия лицензии OrakzaiX и базовой модели Meta.

Orca-2-13B-GGUF — квантизированная версия языковой модели Orca-2-13b, разработанной Microsoft и преобразованной в формат GGUF компанией Second State Inc. Модель предназначена для генерации текста и диалоговых сценариев, включая использование через LlamaEdge как сервиса или командного приложения. Для работы применяется шаблон запросов ChatML, а заявленный размер контекста составляет 5120 токенов. Модель основана на архитектуре Orca-2 с 13 млрд параметров и поддерживает только текстовую модальность. README не указывает набор поддерживаемых языков, поэтому языковые возможности нельзя достоверно определить по представленным данным. Доступны варианты квантизации от Q2_K до Q8_0 размером примерно от 5,43 до 13,8 ГБ. Чем выше разрядность, тем меньше потери качества, но тем больше требования к памяти; авторами рекомендуется сбалансированный вариант Q4_K_M либо варианты Q5_K_M и Q5_K_S с очень небольшими потерями качества. Ограничения зависят от выбранного уровня квантизации: компактные варианты могут значительно терять качество, а более точные требуют больше ресурсов. Для запуска указан LlamaEdge версии 0.2.8 или новее. Модель распространяется по Microsoft Research License; точные условия следует уточнять в файле лицензии исходного репозитория.

vmajor/Orca2-13B-selfmerge-26B — языковая модель для генерации текста, созданная слиянием microsoft/Orca-2-13b с самой собой с помощью mergekit-legacy. В репозитории указаны параметры слияния weight 0.5 и density 0.5; метаданные описывают модель как плотную LlamaForCausalLM с 12,9 млрд параметров и контекстом 4096 токенов. Файлы опубликованы в формате safetensors. Модель предназначена для генерации текста и решения задач общего назначения, включая ответы на вопросы и математические задачи. В README сообщается о небольшом улучшении perplexity и росте результата GSM8K относительно исходной Orca-2-13b; остальные приведённые бенчмарки показывают близкие результаты. Лицензия — Microsoft Public License (MS-PL).

OrcaMaid 13B — это языковая модель для генерации текста в формате GGUF, созданная ddh0 на базе архитектуры Llama и квантизированная TheBloke. Репозиторий содержит варианты модели с разрядностью 2, 3, 4, 5, 6 и 8 бит для запуска на CPU и GPU. Исходная модель доступна в формате FP16 для GPU-инференса и дальнейших преобразований. Модель предназначена для выполнения инструкций и генерации ответов в текстовых сценариях, включая локальный инференс через llama.cpp и совместимые приложения и библиотеки. Для работы используется шаблон Alpaca с секциями Instruction и Response. Поддерживаются клиенты и инструменты, совместимые с GGUF, включая text-generation-webui, KoboldCpp, GPT4All, LM Studio и llama-cpp-python. Ключевые характеристики — 13 миллиардов параметров, текстовая модальность, архитектура семейства Llama и формат GGUFv2. Сведения о поддерживаемых языках и размере контекста в README не указаны. Квантизация позволяет выбирать компромисс между требованиями к памяти и качеством, однако конкретные характеристики качества и аппаратные требования зависят от выбранного варианта. Лицензия указана как microsoft-research-license для исходной модели; также заявляется применимость лицензии Meta Llama 2, поэтому условия использования и взаимодействие лицензий следует проверять в исходном репозитории.

OrcaMaid-v2-FIX-13b-32k — текстовая генеративная модель семейства Llama, опубликованная пользователем ddh0. Это исправленная версия OrcaMaid-v2-13b: в прежней версии были проблемы с объединённым токенизатором, из-за которых модель могла не останавливаться вовремя и выдавать некорректные токены ChatML. Модель включает Orca-2-13b и основана на Llama 2; в README также отмечен вклад авторов Noromaid и помощь с mergekit. Модель содержит 12,9 млрд параметров и использует архитектуру LlamaForCausalLM. Контекст расширен с 4096 до 32768 токенов методом YaRN. Она предназначена для генерации текста, в том числе длинных диалоговых ответов; отдельные специализированные задачи и поддерживаемые естественные языки в карточке не описаны. Репозиторий содержит веса Safetensors. На модель распространяются условия Microsoft Research License в связи с включением Orca-2-13b; метаданные обозначают лицензию как other, поэтому перед использованием следует проверить применимые условия лицензирования. Исправление токенизатора указано автором, но отдельные оценки качества или гарантии поведения не приведены.

orca_mini_phi-4 — дообученная автором pankajmathur на наборах SFT модель microsoft/phi-4 для генерации текста и диалогов. Она использует плотную архитектуру семейства Llama с классом LlamaForCausalLM, содержит 14,1 млрд параметров и рассчитана на контекст до 16 384 токенов. Модель предназначена для общего применения и дальнейшей настройки, включая full fine-tuning, DPO, PPO, ORPO и слияние с другими моделями. Репозиторий содержит веса PyTorch в формате Safetensors; для работы предусмотрена библиотека Transformers. Карточка описывает англоязычные данные обучения и предлагает запускать модель через Transformers или использовать отдельную GGUF-версию с Ollama. Базовая модель Phi-4 ориентирована на генерацию текста, диалоги, рассуждения, математику и программирование, однако отдельные показатели качества дообученной версии в карточке не приведены. Лицензия — MIT; автор просит указывать авторство и атрибуцию при использовании.

pankajmathur/orca_mini_v3_13b — языковая модель Pankaj Mathur на архитектуре Llama 2 с 12,9 млрд параметров. Модель дообучена на наборах данных в стиле Orca и предназначена для генерации текста и выполнения инструкций в формате диалога с системным сообщением. Модель подходит для ответов на вопросы, объяснений и других текстовых задач общего назначения. В карточке приведены результаты оценки на нескольких наборах задач, включая ARC и HellaSwag; они служат ориентирами и не гарантируют точность в конкретном сценарии. Контекст составляет 4096 токенов, модель принимает и генерирует текст, в метаданных указан английский язык. Модель доступна в форматах PyTorch и Safetensors и использует библиотеку Transformers. Карточка указывает лицензию как «other», поэтому перед применением следует проверить условия лицензии репозитория. Модель может давать ошибочные или вводящие в заблуждение ответы, а также генерировать предвзятый или оскорбительный текст; важные сведения следует проверять.

llama_3_orca_mini_v5_8b_dpo — диалоговая языковая модель общего назначения, созданная Pankaj Mathur на архитектуре Llama 3. Это плотная модель примерно на 7,5 млрд параметров, обученная с использованием наборов данных для DPO и предназначенная для общения и генерации текста. Карточка приводит формат промпта ChatML и результаты нескольких тестов рассуждения и следования инструкциям. Модель подходит для диалогового помощника, ответов на вопросы и генерации текста на английском языке. Контекстное окно составляет 8192 токена; веса доступны в форматах PyTorch и Safetensors. Для дальнейшей настройки и объединения с другими моделями автор разрешает использовать модель при условии указания авторства. Лицензия в метаданных — Llama 3.

orca_mini_v8_1_70b-GGUF — это квантизированная версия языковой модели orca_mini_v8_1_70b, разработанной pankajmathur и преобразованной в формат GGUF пользователем bartowski с использованием llama.cpp и imatrix-квантизации. Модель предназначена для генерации текста и может запускаться локально, в частности через LM Studio и другие совместимые инструменты llama.cpp. Модель содержит 70 миллиардов параметров и работает с текстом на английском языке. Доступны варианты квантизации от Q8_0 до IQ1_M, различающиеся размером файлов, требованиями к памяти и качеством вывода; наиболее качественными считаются Q8_0, Q6_K и Q5, а варианты Q3 и Q2 ориентированы на устройства с ограниченными ресурсами, но снижают качество. Для работы рекомендуется использовать указанный в README шаблон промпта с системными, пользовательскими и ассистентскими сообщениями. Сильной стороной модели является возможность локального запуска крупной 70B-модели с выбором подходящего компромисса между качеством и потреблением памяти. Ограничения включают значительные требования к оперативной или видеопамяти даже для сжатых вариантов, а также снижение качества у агрессивных квантизаций. Архитектура, размер контекстного окна и мультимодальные возможности в README не указаны. Указанная лицензия — llama3.3.

Orca Mini v9.4 — диалоговая языковая модель Pankaj Mathur, дообученная на базе Meta Llama 3.3 70B Instruct. Она предназначена для генерации текста в формате диалога с ассистентом и может использоваться для ответов на вопросы, написания текстов и создания чат-ботов. Модель имеет плотную архитектуру LlamaForCausalLM, около 69,5 млрд параметров и контекстное окно до 131 072 токенов. В карточке указаны английский язык и датасеты Orca Mini; базовая Llama 3.3 поддерживает также французский, немецкий, хинди, итальянский, португальский, испанский и тайский, однако качество этих языков именно у Orca Mini отдельно не подтверждено. Весовые файлы представлены в форматах PyTorch и safetensors. Модель может генерировать неточные, предвзятые или нежелательные ответы, поэтому её поведение и безопасность следует проверять для конкретного применения. Использование регулируется лицензией Llama 3.3 (llama3.3).

OrionStar Yi 34B Chat Llama — это диалоговая языковая модель OrionStarAI, представленная в формате GGUF и квантизированная TheBloke. Модель основана на архитектуре Yi, имеет 34 млрд параметров и предназначена для генерации текста и ведения диалогов. Исходная модель доступна в формате PyTorch fp16, а данный репозиторий содержит варианты GGUFv2 с разной разрядностью квантования — от 2 до 8 бит. Модель ориентирована на чат-сценарии, ответы на запросы и общее текстовое взаимодействие. В README приведён шаблон промпта Human: {prompt} Assistant:, а также пример диалога на китайском языке. Поддержка других языков, размер контекста и дополнительные модальности в доступных данных не указаны; модель описана как текстовая и относится к задаче text-generation. GGUF-файлы совместимы с llama.cpp и рядом сторонних интерфейсов и библиотек, включая text-generation-webui, KoboldCpp, LM Studio, llama-cpp-python и ctransformers, что позволяет запускать модель локально с использованием CPU и GPU. Разные уровни квантования дают выбор между требованиями к памяти, скоростью и сохранением качества, однако конкретные показатели качества и ограничения вариантов в README не приведены. Модель распространяется по лицензии yi-license; тип лицензии указан как other, с отдельным файлом LICENSE.

Ornith-1.0-9B-1M-GGUF — это GGUF-сборка модели Ornith-1.0-9B, основанной на dense-архитектуре семейства Qwen3.5. Исходная модель разработана DeepReinforce, а данный вариант опубликован satgeze. Модель предназначена для генерации текста и локального запуска через llama.cpp, Ollama и совместимые инструменты. Ключевая особенность — контекстное окно до 1 048 576 токенов благодаря встроенному масштабированию RoPE методом YaRN; это в четыре раза больше заявленного исходного окна в 262 144 токена. В сборку также встроен слой MTP для speculative decoding, который, согласно README, может увеличить скорость декодирования в llama.cpp на 15–38%. Доступна vision-модальность через отдельный проектор mmproj, поэтому модель может обрабатывать изображения в поддерживаемых конфигурациях. Предлагаются варианты квантования от IQ2_M до bf16, включая MTP-сборки Q4_K_M и Q8_0; размер файлов варьируется примерно от 3,6 до 17,9 ГБ, а vision-проектор занимает 918 МБ. Это позволяет выбирать между требованиями к памяти и качеством, однако фактическая скорость и возможность работы с контекстом в миллион токенов зависят от оборудования и используемого рантайма. Языки обучения и поддерживаемые языки в README не указаны. Модель распространяется по лицензии MIT.

Ornith-1.5-35B-A3B-Abliterated — вариант модели ornith-ai/Ornith-1.5-35B-A3B, подготовленный разработчиком alztrk. В модели выполнено удаление направлений отказа из активаций скрытых состояний, после чего опубликованы checkpoint Safetensors и набор динамических квантованных сборок GGUF. Модель предназначена для диалоговой генерации текста и запуска через совместимые инструменты, включая llama.cpp и Ollama. Архитектура основана на MoE с 35,8 млрд параметров, из которых около 3,1 млрд активны на токен; в ней 256 экспертов и 40 гибридных слоёв с линейным вниманием DeltaNet и полным вниманием. Родной контекст составляет 262 144 токена. В репозитории есть варианты GGUF Q3_K_M, Q4_K_M и Q5_K_M с динамической квантовкой, а также полноточные веса Safetensors. Метаданные указывают английский, турецкий и китайский языки, а также интерфейс вызова инструментов. Удаление отказов делает модель менее склонной отклонять запросы, но само по себе не гарантирует корректность ответов или безопасное использование. Квантованные варианты требуют меньше памяти, чем полноточные веса, при этом квантование может снижать точность. Лицензия репозитория — Apache-2.0.

Ornith-1.5-35B-A3B-Abliterated-ROCmFP4-GGUF — это квантизированная GGUF-версия аблитерированной языковой модели Ornith-1.5-35B-A3B. Базовую модель разработала ornith-ai, аблитерацию выполнила huihui-ai, а BF16 GGUF-исходник предоставила PocketAiHub. Автор данного репозитория добавил варианты квантизации ROCmFP4/ROCmFPX, сборку с поддержкой HIP/ROCm и Vulkan, а также тесты производительности. Модель распространяется по лицензии Apache-2.0. Модель предназначена для генерации текста, включая диалоги, программный код, рассуждения, выдачу JSON, агентские сценарии и работу с инструментами. Это MoE-модель с заявленным общим размером 35B параметров и активной частью около 3B параметров. Доступны варианты квантизации от 4 до 8 бит; размеры файлов составляют примерно от 17,4 до 33,9 ГиБ. В репозитории также указан отдельный vision tower в формате F16 GGUF, позволяющий подавать изображения через параметр mmproj. Языки модели в README не указаны. В приведённых конфигурациях использовался контекст 32768 токенов, однако максимальный размер контекста явно не заявлен. Основное преимущество модели — оптимизация для AMD Ryzen AI Max+ 395 и Radeon 8060S с архитектурой gfx1151: один файл можно запускать через HIP/ROCm или Vulkan, выбирая backend во время запуска. Vulkan показывает более высокую скорость генерации, а ROCm — более высокую скорость обработки длинных входных запросов; 4-битные варианты демонстрируют близкую производительность. Модель прошла заявленные тесты стабильности без усечённых генераций. Для работы требуется специальная сборка ROCmFPX с поддержкой обоих backend; стандартная сборка llama.cpp эти файлы не загружает. Приведённые показатели относятся к конкретной аппаратной конфигурации и могут отличаться на других системах.

Ornith-1.5-35B-A3B-PrismaQuant-AQUA-25GB-vllm — это смешанно-квантизированная версия модели Ornith-1.5-35B-A3B, разработанной ornith-ai. Модель предназначена для генерации текста и запуска через Transformers и vLLM. К checkpoint применяется формат compressed-tensors, поэтому он поддерживается стандартным vLLM без модифицированного runtime и пользовательских CUDA-ядер. Модель имеет MoE-архитектуру с 35 млрд параметров, из которых 3 млрд активируются на токен. PrismaQuant назначает отдельным линейным слоям форматы BF16, FP8 или NVFP4: большинство маршрутизируемых экспертов используют NVFP4, тогда как важные компоненты плотного пути сохраняются в FP8 или BF16. Размер артефакта составляет 24,68 ГБ против 71,90 ГБ у исходной BF16-версии, что даёт сокращение примерно в 2,91 раза. Базовая модель поддерживает контекст до 262 144 токенов, однако полный контекст требует значительного объёма памяти под KV-кэш. На WikiText-2 квантизированная версия показала perplexity 11,7067 против 11,4181 у BF16-источника, то есть ухудшение составило 2,53%. Сильная сторона модели — существенная экономия памяти при относительно небольшом падении качества; смешанное распределение точности также снижает расхождение с BF16 по сравнению с равномерной NVFP4-квантизацией. Ограничения включают потенциальную зависимость производительности от совместимого оборудования и версии vLLM, а приведённые метрики получены на конкретном наборе данных и конфигурации. Модель распространяется по лицензии MIT.

Ornith-1.5-9B-GGUF — это набор квантованных форматов GGUF для модели Ornith-1.5-9B, подготовленный пользователем NANI-Nithin на основе базовой модели ornith-ai. Модель относится к семейству Qwen3.5 и предназначена для запуска локального текстового вывода в llama.cpp, LM Studio, Ollama с импортом GGUF, KoboldCpp и других совместимых средах. Базовая модель содержит 9 миллиардов параметров и использует плотную архитектуру без маршрутизируемых экспертов: 32 трансформерных слоя, гибридное внимание с линейным механизмом Gated DeltaNet и полноформатным вниманием, а также позиционное кодирование MRoPE. Представленные файлы предназначены только для работы с текстом. В метаданных указан английский язык; размер контекста в README не указан. Доступны стандартные и IQ-квантизации от 2- до 8-битного уровня. Q2_K и IQ2_M экономят максимум памяти, Q4_K_M предлагают компромисс между качеством и размером, а Q8_0 обеспечивают наивысшее качество среди вариантов репозитория. Квантизация уменьшает требования к памяти, но может снижать точность по сравнению с исходными весами. README также сообщает, что заявленный в исходной конфигурации слой MTP для предсказания следующего токена отсутствует в опубликованных весах, поэтому метаданные GGUF были исправлены в соответствии с фактической структурой модели. Лицензия — Apache-2.0.

Ornith-Agents-A1-3.6-35B-A3B-MTP-GGUF — GGUF-сборка от tepirale, основанная на объединённой с помощью dare_ties модели Qwen3.5-35B-A3B с архитектурой Mixture-of-Experts. В модель встроен блок Multi-Token Prediction (MTP), заимствованный из официальной GGUF-версии Qwen3.6-35B-A3B. Доступны варианты квантования Q4_K_M, Q5_K_M, Q6_K, Q8_0 и F16 размером примерно от 20,5 до 69,4 GiB. Указан английский язык; репозиторий также содержит multimodal-проектор для сценариев image-text-to-text. Главное назначение модели — генерация текста и мультимодальные задачи с запуском через llama.cpp, включая серверное применение и обработку изображений при наличии соответствующего mmproj-файла. Встроенный MTP-блок позволяет использовать native speculative decoding без отдельной draft-модели. По данным автора, достигается около 45% принятия черновых токенов и до примерно 260 токенов в секунду на H100; фактическая скорость зависит от квантования, настроек и оборудования. В README приведены конфигурации с контекстом до 131 072 и 254 000 токенов, однако это параметры тестовых запусков, а не обязательно гарантированный максимальный контекст. Сильные стороны — несколько вариантов компромисса между качеством и требованиями к памяти, отсутствие двойного квантования и сохранение блока MTP в точности Q8_0 или F16 независимо от основной квантовки. Ограничения включают значительные требования к VRAM, необходимость сборки llama.cpp с поддержкой CUDA для заявленной производительности и зависимость от корректной поддержки MTP. Модель распространяется по лицензии Apache 2.0.

Orthrus-12b-v0.8 — объединённая языковая модель от Pyroserenus, построенная методом TIES с помощью mergekit на основе Mistral Nemo. В слияние вошли IntervitensInc/Mistral-Nemo-Base-2407-chatml, unsloth/Mistral-Nemo-Instruct-2407 и anthracite-org/magnum-12b-v2. Модель содержит 12,1 млрд параметров, использует архитектуру MistralForCausalLM и формат safetensors; для работы указана библиотека Transformers. Модель предназначалась как компонент для более крупного слияния, но автор сообщает, что её можно использовать самостоятельно. Она генерирует текст и подходит для диалоговых сценариев. Окно контекста составляет 1 024 000 токенов. Автор приводит настройки тестирования: temperature 0,75, MinP 0,10 и smoothing factor 0,30. Модель распространяется по лицензии CC BY-NC 4.0, которая запрещает коммерческое использование. README не сообщает о специализированной предметной области или дополнительных ограничениях качества.

ossamai-v0.2-merged16 — дообученная разговорная языковая модель, опубликованная blepdoge на основе unsloth/llama-3-8b-Instruct-bnb-4bit. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 7,5 млрд параметров; для обучения использовались Unsloth и библиотека TRL. Модель предназначена для генерации текста и диалоговых сценариев на английском языке с контекстом до 8192 токенов. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0.

Oumuamua-7b-instruct — созданная nitky объединённая модель на архитектуре Mistral для генерации текста по инструкциям и диалогов. Она получена методом Model Stock с помощью mergekit на основе nitky/Oumuamua-7b-base; в объединение вошли японские и англоязычные модели, включая Mistral-7B-Instruct-v0.3, Japanese StableLM и Swallow. Модель содержит 7,2 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации ответов в формате инструкций [INST] и может использоваться в текстовом интерфейсе или локальном окружении, совместимом с Transformers. Автор проверял её в text-generation-webui и рекомендует формат промпта из карточки; для генерации указана температура 0,3. В метаданных перечислены японский и английский языки. Лицензия — Apache-2.0.

lik07/pantheon-stheno-hathor-spice-v1 — объединённая языковая модель на архитектуре Llama, созданная с помощью mergekit методом DARE TIES. В качестве базовой использована Gryphe/Pantheon-RP-1.0-8b-Llama-3; в объединение также вошли Nitral-AI/Hathor_Stable-v0.2-L3-8B, Sao10K/L3-8B-Stheno-v3.2 и cgato/L3-TheSpice-8b-v0.8.3. Модель содержит 7,5 млрд параметров, работает с текстом и поддерживает контекст до 8192 токенов. Она предназначена для генерации текста и диалогов, в том числе ролевых бесед и написания историй; метаданные характеризуют базовую модель как англоязычную и ориентированную на ролевые диалоги, истории и выполнение инструкций. Модель опубликована в формате safetensors для библиотеки Transformers. Сведения о лицензии в предоставленных данных отсутствуют.

Parable-Nanbeige4.2-3B-Claude-Fable-5-heretic-GGUF — набор GGUF-квантизаций модели, разработанный FesarovLab на основе FedorFesarov/Parable-Nanbeige4.2-3B-Claude-Fable-5-heretic. Исходная модель представляет собой abliteration-сборку Claude Fable 5 fine-tune для Nanbeige4.2-3B; базовая модель разработана Nanbeige. Модель предназначена для генерации текста и запуска через llama.cpp и совместимые интерфейсы, включая LM Studio и Open WebUI. Модель поддерживает английский и китайский языки, использует текстовую модальность и архитектуру с 44 слоями KV-кэша. Заявлен контекст до 262144 токенов, однако большой контекст требует значительного объёма памяти; в README рекомендуется явно задавать размер контекста и при необходимости сжимать KV-кэш. Доступны варианты от Q2_K до Q8_0 и F16, размером примерно от 1,64 до 7,77 ГБ. Рекомендуемым компромиссом названа IQ4_XS-imat, а для более высокой точности — Q4_K_M-imat или варианты с более высокой разрядностью. Сильные стороны модели — компактность, высокая скорость GPU-инференса, поддержка reasoning-блоков <think>, структурированного JSON и XML-подобных вызовов инструментов. Для надёжного структурированного вывода рекомендуется использовать Q4_K_S или более качественные варианты, поскольку агрессивная квантизация может ухудшать соблюдение формата. IQ-квантизации могут быть медленнее на CPU, чем K-квантизации, а вариант Q2_K существенно теряет качество. Лицензия — Apache-2.0.

Park3-4B-Base — языковая модель с примерно 3,7 млрд параметров из семейства Qwen3, опубликованная пользователем koohack. Модель предназначена для генерации текста и совместима с библиотекой Transformers; в метаданных также отмечена как conversational-модель. Модель может применяться для продолжения и генерации текста, диалоговых сценариев, подготовки черновиков и экспериментов с языковыми приложениями. Заявлена длина контекста до 32 768 токенов, что позволяет обрабатывать достаточно большие фрагменты входного текста. README не содержит сведений о разработчике, обучающих данных, оценочных результатах, поддерживаемых естественных языках или лицензии.

Park3-8B-Base — базовая языковая модель для генерации текста, опубликованная пользователем koohack на Hugging Face. Модель предназначена для использования через библиотеку Transformers и относится к семейству Qwen3 по метаданным карточки. Модель содержит около 7,6 млрд параметров и поддерживает контекст длиной до 32 768 токенов. Она может применяться для генерации продолжений текста, черновиков, диалоговых ответов и других сценариев, основанных на text generation. Метаданные также помечают её как conversational. README не содержит сведений о разработчике, лицензии, языках обучения, датасетах, процедуре обучения, результатах оценки и специальных рекомендациях по применению. Поэтому перед использованием в продуктивных системах необходимы самостоятельное тестирование, проверка качества и уточнение условий лицензирования.

PASITA v1 — разработанная OpceanAI компактная авторегрессионная языковая модель на архитектуре LlamaForCausalLM, обученная с нуля без базовой модели. Она предназначена для преобразования обычного текста в корректный Markdown с сохранением исходной информации: модель добавляет структуру, но не должна придумывать содержание. Размер — около 88,1 млн параметров; используется библиотека Transformers, веса опубликованы в формате safetensors. Контекст модели составляет 2048 токенов. Модель рассчитана на форматирование средних и длинных документов: результатов OCR, вставленного HTML, заметок встреч, инструкций и обучающих материалов. Карточка приводит результаты тестирования на испанских и английских данных, включая качество Markdown, сохранение смысла и обработку таблиц; метаданные также указывают испанский и английский языки. На коротких фрагментах из одной-трёх строк результат может быть нестабильным, а среди отмеченных ошибок — пропуск цифр или второстепенных данных, повтор заголовка первого уровня и генерация текста после завершения. Строгое выполнение инструкций — известное слабое место. Лицензия Apache-2.0.