I.5Создание и редактирование текста

Vikhr-Qwen-2.5-1.5B-Instruct — инструктивно дообученная модель команды Vikhrmodels на базе Qwen/Qwen2.5-1.5B-Instruct. Для SFT использован синтетический русскоязычный датасет GrandMaster-PRO-MAX из 150 тысяч инструкций. Модель предназначена для генерации текста, ответов на инструкции и вопросы, а также анализа текста в диалоговых сценариях. Модель имеет плотную архитектуру Qwen2ForCausalLM и содержит 1,5 млрд параметров. Она рассчитана прежде всего на русский язык, поддерживает также английский; заявленная длина контекста — 32 768 токенов. Репозиторий содержит веса Safetensors, а метаданные отмечают возможности чата и интерфейс вызова инструментов. Модель подходит для встраивания в приложения и сервисы, которым нужна компактная двуязычная языковая модель. Качество отдельных задач и надёжность вызова инструментов в карточке не приведены, поэтому их стоит проверять на собственных сценариях. Лицензия — Apache-2.0.

Villanova-2B-2603 — мультиязычная инструкционная языковая модель, разработанная Villanova.AI. Она создана дообучением Villanova-2B-Base-2603 на наборе VillanovaAI/villanova-sft-2603 и предназначена для диалога, следования инструкциям, ответов на вопросы и генерации текста на пяти европейских языках. Модель использует плотную decoder-only архитектуру на базе LLaMA с 2,4 млрд параметров и контекстом до 32 768 токенов. Она принимает текст и генерирует текст; заявлена поддержка английского, французского, немецкого, итальянского и испанского языков. В карточке отмечены сбалансированное следование инструкциям на этих языках и оценивание безопасности на пяти языках. Модель распространяется в формате Safetensors и выпущена под лицензией Apache 2.0. Компактный размер делает её пригодной для развёртывания на устройствах с ограниченными ресурсами, однако качество и скорость зависят от оборудования и сценария. Результаты бенчмарков в карточке приведены разработчиком; они не гарантируют качество для конкретной задачи. Возможности модели ограничены текстовым вводом и выводом.

Violet-Lyra-Gutenberg — языковая модель для генерации текста, собранная автором репозитория методом слияния нескольких моделей на базе Mistral-Nemo. Она содержит 12,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 131 072 токенов. Веса сохранены в формате safetensors. Модель предназначена для диалоговой генерации и продолжения текста; в карточке рекомендованы форматы промптов ChatML или MistralNemo. Слияние выполнено методом della_linear с объединённым токенизатором; в состав вошли Grey-12b, Violet_Twilight-v0.2, Lyra-Gutenberg-mistral-nemo-12B и mistral-nemo-gutenberg-12B-v4, с базой Mistral-Nemo-Base-2407. Автор оценивает результат как особенно удачный среди использованных им моделей Nemo. В README не приведены результаты независимых оценок качества или подтверждённый перечень языков. Лицензия в предоставленных данных не указана.

Virtuoso-Small — компактная языковая модель для генерации текста, разработанная Arcee.ai. Репозиторий duyntnet/Virtuoso-Small-imatrix-GGUF содержит её квантованные варианты в формате GGUF, предназначенные для локального запуска и совместимые с llama.cpp и рядом пользовательских интерфейсов, включая KoboldCPP, Ollama, Jan, text-generation-webui и GPT4All. Модель имеет 14 миллиардов параметров и ориентирована на выполнение инструкций, сложные рассуждения и бизнес-сценарии: поддержку клиентов, создание контента и техническую помощь. В README указан английский язык и текстовая модальность. Архитектура, размер контекста и точный набор доступных квантований не уточняются. К сильным сторонам относятся относительно компактный размер, эффективность и возможность работы на менее мощном оборудовании при сохранении высокого качества генерации. Ограничения связаны с недостатком информации о конкретной архитектуре, контекстном окне, производительности и качестве на других языках. В карточке указана лицензия other; дополнительных условий использования не приведено.

thangvip/vi-t5-base-finetune-rewriter-5-epochs — дообученная модель VietAI на основе VietAI/vit5-base, разработанная для перефразирования и переписывания текста. Она построена на архитектуре T5 и содержит 126,8 млн параметров; принимает текст и генерирует текст. По названию репозитория модель обучалась пять эпох, однако назначение датасета в карточке не раскрыто. Модель подходит для переписывания формулировок и перефразирования вьетнамского текста. В README приведены результаты оценки: Loss 0,7688 и BLEU 40,0839. Контекст ограничен 512 токенами, лицензия — MIT.

VOICE-CUE Qwen2.5-3B — дообученная версия Qwen/Qwen2.5-3B-Instruct, разработанная пользователем или организацией Jun13KU. Модель предназначена для генерации текста и диалогового взаимодействия через библиотеку Transformers. Модель содержит около 3,1 млрд параметров и поддерживает контекст длиной до 32 768 токенов. В метаданных указаны архитектурное семейство Qwen2 и базовая модель Qwen2.5-3B-Instruct; сведения о поддерживаемых естественных языках, модальностях помимо текста, специализации дообучения и лицензии отсутствуют.

kenpath/voice-svara-tts-v1-fft-v0.5 — плотная языковая модель семейства Llama с 3,3 млрд параметров, опубликованная Kenpath Technologies на Hugging Face. Несмотря на упоминание TTS в названии, карточка и метаданные описывают её как разговорную модель для генерации текста; подтверждений синтеза речи нет. Модель принимает текст и генерирует текст, поддерживает диалоговый режим и имеет заявленную длину контекста 131 072 токена. Карточка создана автоматически и не сообщает языки, данные обучения, ограничения или лицензию; поэтому эти характеристики нельзя надёжно определить по доступным сведениям.

Vortyx Pulse — текстовая генеративная модель, разработанная LONER TECH и размещённая пользователем Anony7b на Hugging Face. Модель основана на семействе Qwen и связана с архитектурой Qwen2; для работы предусмотрена библиотека Transformers. Модель предназначена для генерации текста и может использоваться в диалоговых сценариях, прототипах чат-ботов, создании черновиков и других приложениях, где требуется продолжение или формирование текста. Она содержит около 1,5 млрд параметров и поддерживает контекст длиной до 32 768 токенов. В карточке модели отсутствуют сведения о поддерживаемых естественных языках, лицензии, обучающих данных, результатах оценки и рекомендуемых сценариях применения. Поэтому её качество, безопасность и пригодность для конкретных доменов необходимо проверять самостоятельно перед использованием.

minpeter/Voxtral-Mini-3B-Text-2507-hf-heretic — текстовая чат-модель на архитектуре Mistral, созданная на основе mistralai/Voxtral-Mini-3B-2507. Автор README сообщает, что из исходной модели удалена функция Whisper, а языковая модель сохранена; модель похожа на невыпущенную Ministral-3B-Instruct. В метаданных указаны 3,4 млрд параметров, контекст до 32 768 токенов и формат safetensors для Transformers. Модель предназначена для генерации текста в диалоге и других сценариев текстового общения. README описывает её как «abliterated»: в приведённом тесте отказов было 4 из 100 запросов против 99 из 100 у указанной исходной версии. Это свидетельствует о существенно меньшей склонности к отказам в этом тесте, но не гарантирует качество или поведение на других запросах. Языки, на которые модель специально рассчитана, в источниках не указаны. Лицензия в предоставленных данных не приведена.

VPO-Pess-Zephyr-7B-0.0001-iter-1 — плотная авторегрессионная языковая модель семейства Mistral с 7,1 млрд параметров, дообученная Katayoon на основе Katayoon/DPO-ONLY-Zephyr-7B на обновлённом и исходном наборах данных. Модель предназначена для диалогов и генерации текстовых ответов; в метаданных указана возможность chat и контекст до 32 768 токенов. Модель принимает текст и генерирует текст. Репозиторий содержит веса в формате safetensors. Лицензия — MIT. README не приводит оценок качества или подробных сценариев применения; пригодность ответов следует проверять для конкретных задач.

VPO-Pess-Zephyr-7B-iter-1 — диалоговая модель генерации текста, созданная дообучением Katayoon/DPO-ONLY-Zephyr-7B на обновлённом и исходном наборах данных. Она построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров; модель поддерживает контекст до 32 768 токенов и предназначена для чата и генерации текстовых ответов. Репозиторий содержит веса в формате safetensors. Модель выпущена Katayoon под лицензией MIT. README не приводит подробностей о назначении наборов данных, оценке качества или ограничениях модели, поэтому её пригодность для конкретных сценариев следует оценивать самостоятельно.

VPO-SELM-Zephyr-7B-iter-1 — диалоговая языковая модель, разработанная Katayoon и дообученная на Katayoon/DPO-ONLY-Zephyr-7B с использованием обновлённого и исходного наборов данных. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста в диалоге: она принимает текстовые запросы и формирует текстовые ответы. Репозиторий содержит веса в формате Safetensors. Модель распространяется по лицензии MIT. README не приводит результаты оценки или подробности о данных и ограничениях, поэтому качество на конкретных задачах по карточке установить нельзя.

VPO-Zephyr-7B-0.01-iter-2 — языковая модель Katayoon, дообученная на обновлённом и исходном наборах данных поверх Katayoon/VPO-Zephyr-7B-0.01-iter-1. Она предназначена для генерации текста и диалогового взаимодействия. Модель использует плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров; максимальная длина контекста составляет 32 768 токенов. Модель распространяется в формате safetensors по лицензии MIT. Доступные сведения не описывают состав данных, языки, результаты оценки или специфические ограничения; качество ответов и пригодность для конкретных сценариев следует проверять отдельно.

Katayoon/VPO-Zephyr-7B-iter-2 — диалоговая языковая модель на архитектуре Mistral с 7,1 млрд параметров. Разработчик дообучил её на обновлённом и исходном наборах данных, продолжив версию Katayoon/VPO-Zephyr-7B-iter-1. Модель предназначена для генерации текста в формате диалога; заявленная длина контекста — 32 768 токенов. Модель принимает текст и генерирует текст. Карточка не описывает языки, качество на конкретных задачах или результаты оценки, поэтому её сильные стороны и ограничения в этих аспектах определить нельзя. Распространяется по лицензии MIT.

Карточка модели KnutJaegersberg/Walter-Phi на Hugging Face совпадает с карточкой KnutJaegersberg/Walter-Llama-1B, поэтому описание составлено по ней. Walter-Llama-1B — ассистент для генерации текста на основе плотной архитектуры Llama с 1 млрд параметров. Модель разработал KnutJaegersberg; она дообучена на наборах инструкций с открытыми лицензиями, включая разнообразные источники, в том числе FLAN и датасет Auton. В карточке приведены примеры следования инструкциям, рассуждений, суммаризации и написания эссе, а также пример задачи на выбор нерелевантной метки эмоции в русском тексте. Модель предназначена для диалоговых запросов и широкого круга текстовых заданий. Она принимает и генерирует текст; заявленная длина контекста — 2048 токенов. В метаданных указаны Transformers и формат safetensors. Модель описана как свободно рассуждающий ассистент без выравнивания, поэтому её ответы могут быть непредсказуемыми и требовать проверки. Лицензия — Apache-2.0.

WangChanLion 7B — мультиязычная инструкция-следующая модель, разработанная PyThaiNLP и VISTEC-depa AI Research Institute of Thailand на базе SEA-LION 7B с архитектурой MPT. Модель дообучена методом QLoRA на примерно 500 тысячах примеров из открытых наборов данных; основное внимание уделено тайскому и английскому языкам. Модель предназначена для ответов на вопросы по тексту, чтения с пониманием, мозгового штурма и творческого письма. Её можно дообучать для других типичных сценариев следования инструкциям. Модель принимает текстовые инструкции и генерирует текст; размер базовой модели — 7 млрд параметров. Лицензия Apache-2.0 разрешает коммерческое использование. Разработчики отмечают ограничения в математике, рассуждениях и достоверности фактов, а также возможность нежелательных предубеждений и токсичных ответов. Для задач, где важны точность фактов или безопасный тон, результаты следует проверять и адаптировать под конкретный сценарий.

WebSquareAI-Instruct-KoSOLAR-10.7b-v0.5.34 — текстовая генеративная модель, разработанная командой UI Platform компании Inswave Systems. Это дообученная instruct-версия базовой модели LDCC/LDCC-SOLAR-10.7B на архитектуре Llama с 10,7 млрд параметров; она предназначена для генерации текста и выполнения инструкций. Модель принимает текст и генерирует текст. Её контекстное окно составляет 4096 токенов. В метаданных указан английский язык. Для загрузки предусмотрены Transformers и PyTorch; в примере используется точность float16. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

WestKunai-XS-7b — слитая с помощью mergekit языковая модель, созданная из seyf1elislam/WestKunai-Hermes-7b и seyf1elislam/KuTrix-7b. В README указан метод слияния SLERP; архитектура — плотная MistralForCausalLM с 7,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для генерации текста и ответов на запросы. README приводит результаты на тестах рассуждения и понимания текста, включая AI2 Reasoning Challenge и HellaSwag. Доступны веса в формате safetensors; автор также упоминает квантованные версии GGUF. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. README не уточняет поддерживаемые естественные языки и специальные возможности модели.

WiroAI/wiroai-turkish-llm-9b — текстовая диалоговая модель WiroAI для генерации и преобразования текста на турецком языке. Это дообученная методом SFT модель Google Gemma 2 9B с архитектурой decoder-only transformer; в README указано, что при настройке использовался LoRA без квантизации и более 500 тысяч турецких инструкций. Модель содержит 9 млрд параметров, работает с контекстом до 8192 токенов и распространяется в формате safetensors по лицензии Gemma. Модель предназначена для ответов на вопросы, суммаризации, редактирования и анализа текста, а также задач, требующих знания турецкого языка, культуры и местного контекста. README приводит результаты на турецких вариантах бенчмарков MMLU, TruthfulQA, ARC, HellaSwag, GSM8K и WinoGrande. Для лучших результатов рекомендуется давать ясные структурированные инструкции; ответы следует проверять в критичных сценариях, а ресурсы оценивать перед развёртыванием. В карточке заявлена поддержка турецкого и других распространённых языков, но отдельные языки помимо турецкого не перечислены.

WizardLM-13B-V1.0 — диалоговая языковая модель команды WizardLM, представленная в этом репозитории в виде diff-весов. Это плотная авторегрессионная модель семейства LLaMA с архитектурой LlamaForCausalLM и примерно 12,9 млрд параметров. Для общения используется шаблон промпта с ролями USER и ASSISTANT. Модель предназначена для генерации подробных ответов на вопросы и ведения диалога. Она принимает текст и выдаёт текст; заявленная длина контекста — 2048 токенов. В карточке приведены результаты WizardLM разных версий в таблице, поэтому их нельзя однозначно считать оценками именно V1.0. Репозиторий содержит diff-веса, и для восстановления полной модели нужны соответствующие базовые веса; точная базовая модель здесь не названа. В таблице указана лицензия Llama 2 License для WizardLM-70B-V1.0, но условия лицензии именно этой версии из доступных сведений установить нельзя.

WizardLM-7B-Landmark — языковая модель семейства Llama, созданная с применением Landmark Attention и QLoRA. В карточке указано, что это объединение нескольких моделей, но их названия не приведены. Модель предназначена для генерации текста; заявлена поддержка контекста свыше 10 тысяч токенов, тогда как в метаданных указан native context в 2048 токенов. В репозитории представлены веса PyTorch общим размером 6,6 млрд параметров. Модель может использоваться для генерации ответов и продолжения текста. README упоминает загрузку через oobabooga с параметром trust_remote_code. Лицензия в метаданных обозначена как other, поэтому конкретные условия использования по имеющимся сведениям определить нельзя.

xGen-small-9B-instruct-r — диалоговая языковая модель Salesforce из семейства xGen-small, предназначенная для генерации ответов и ведения чата. Это плотная авторегрессионная модель с архитектурой LlamaForCausalLM; в метаданных указано 10,2 млрд параметров и контекст до 262 144 токенов. Вариант instruct дообучен для диалогового использования. Модель подходит для длинных текстовых запросов и ответов, требующих работы с обширным контекстом, а также для общих задач рассуждения и знаний. В README приведены сравнительные результаты для тестов MMLU, MMLU-Pro и Arena-Hard; это результаты оценок, а не гарантия качества в прикладных сценариях. Salesforce описывает xGen-small как компактную модель с предметно-ориентированным отбором данных, масштабируемым предварительным обучением, расширением контекста и дообучением с RL. Выпуск предназначен для исследований; README рекомендует проверять точность, безопасность и справедливость перед применением, особенно в сценариях с высоким риском. Лицензия — CC BY-NC 4.0, допускающая использование с некоммерческими ограничениями.

XGLM-7.5B — авторегрессионная многоязычная языковая модель с 7,5 млрд параметров, разработанная командой XGLM и представленная в работе о few-shot-обучении многоязычных языковых моделей. Модель обучена на сбалансированном корпусе текстов на множестве языков общим объёмом 500 млрд субтокенов; архитектура — плотная XGLM для авторегрессионной генерации текста. Метаданные указывают 8,6 млрд параметров и контекст до 2048 токенов. Модель предназначена для продолжения и генерации текста, а также многоязычных few-shot-сценариев, например проверки понимания текста на наборах заданий с вариантами ответа. Поддерживает широкий набор языков, включая английский, русский, китайский, немецкий, испанский, французский, японский и другие. Доступна по лицензии MIT. README отсылает к отдельной карточке разработчиков для рекомендаций по использованию; качество и ограничения в предоставленных материалах подробнее не описаны.

Это репозиторий трёх GGUF-квантований Xing4.0-29B-A4B, подготовленных автором vincespeed с помощью Apex-Quant для запуска через llama.cpp. В основе — XingChen-AGI/Xing4.0-29B-A4B, диалоговая модель архитектуры Xing4_0ForCausalLM: 29 млрд параметров всего, около 4 млрд активных на токен, с 40 слоями, включая блоки Mixture-of-Experts и Multi-Latent Attention. Доступны профили i-quality, i-balanced и i-compact с разным соотношением качества, размера и скорости; файлы занимают примерно 14–22 ГБ. Модель предназначена для генерации текста и диалогов. Её можно использовать для ответов на вопросы, написания текстов, рассуждений и программирования; исходная модель также рассчитана на длинный контекст и агентные задачи с инструментами. В README указана поддержка контекста до 65 536 токенов для приведённой оценки памяти KV-кэша. Репозиторий содержит только квантованные варианты и не сообщает отдельного языкового списка. При тестировании автор получил вывод, состоящий из пробелов, на CPU и при частичной выгрузке на GPU; возможны проблемы маршрутизации экспертов в некоторых конфигурациях, поэтому качество инференса следует проверять на целевом окружении. Черновая голова Multi-Token Prediction при обычном инференсе не исполняется, а спекулятивное декодирование зависит от движка. Лицензия — Apache 2.0.

X-Machina-7b-slerp-v0.0 — диалоговая языковая модель, созданная слиянием Occiglot-7b-es-en-instruct и T3Q-DPO-Mistral-7B методом SLERP с помощью LazyMergekit. Она предназначена для генерации текста и диалоговых ответов на английском и испанском языках. Модель использует плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате Safetensors. Модель подходит для чат-ботов и генерации ответов на запросы. Базовая модель Occiglot ориентирована на английский и испанский языки; документация не подтверждает дополнительные языки или отдельные специализированные задачи. Лицензия — Apache-2.0.

Карточка модели PS4Research/xnfjGuaVd0Dp3J42 на Hugging Face совпадает с карточкой PS4Research/IKn8jwlNamPNIS15, поэтому описание составлено по ней. Модель PS4Research/IKn8jwlNamPNIS15 — дообученная PS4Research языковая модель семейства Granite на базе ibm-granite/granite-4.2-30b. Она предназначена для генерации текста и диалогового взаимодействия; интерфейс также поддерживает вызов инструментов. Модель содержит 28,9 млрд параметров, использует плотную архитектуру GraniteForCausalLM и принимает контекст длиной до 131 072 токенов. В метаданных указан английский язык. Базовая модель IBM описана как многоязычная и предназначенная для рассуждений, диалога, программирования и вызова инструментов, однако README не уточняет, какие именно навыки были предметом дообучения этой версии. Модель распространяется в формате safetensors по лицензии Apache-2.0; для ускорения обучения использовались Unsloth и библиотека TRL.

Xwen-7B-Chat — диалоговая языковая модель команды xwen-team, дообученная на базе Qwen2.5-7B. Это плотная трансформерная модель с 7,1 млрд параметров для генерации текста и ведения диалога; она принимает текст и выдаёт текст. В метаданных указан контекст до 131 072 токенов, поддержка английского и китайского языков, интерфейс для вызова инструментов и библиотека Transformers. Модель предназначена для чат-ботов и ответов на пользовательские запросы. Авторы приводят результаты Arena-Hard-Auto, MT-Bench и AlignBench, где Xwen-7B-Chat показала результаты выше приведённых в карточке сравнений с рядом сопоставимых моделей; это результаты бенчмарков, а не гарантия качества для конкретного сценария. Авторы также предупреждают, что модель специально не обучали точно отвечать на вопросы о собственной личности и разработчиках. Веса распространяются по лицензии Apache-2.0. В README упомянуты отдельные репозитории с GGUF-квантованиями; эта карточка описывает версию в формате Safetensors.

yamacinka/yam-pastiche-7B — объединённая текстовая модель на архитектуре Mistral, собранная с помощью LazyMergekit из yam-peleg/Experiment28-7B, yam-peleg/Experiment26-7B и yam-peleg/Experiment24-7B. В конфигурации указан метод task_arithmetic и формат весов bfloat16. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогового применения. Карточка описывает состав и способ слияния, но не приводит конкретных оценок качества, языкового охвата или специализированных областей применения. Лицензия в предоставленных данных не указана.

Yamshadowexperiment28M70.18-0.88-0.5-0.08-0.65-0.29-7B — объединённая языковая модель на архитектуре Mistral, опубликованная пользователем aaron-di. Модель содержит 7,1 млрд параметров и предназначена для генерации текста и диалогов; в карточке приведён пример запуска через Transformers с шаблоном чата. Родной размер контекста — 32 768 токенов. Модель принимает текстовые запросы и генерирует текст. Она объединяет AurelPx/Percival_01-7b-slerp и liminerity/M7-7b; файлы представлены в формате safetensors. Лицензия — Apache-2.0. README не приводит результатов оценки качества или сведений о языковой специализации модели.

Yamshadowexperiment28M70.26-0.75-0.72-0.35-0.62-0.99-7B — объединённая текстовая модель семейства Mistral, опубликованная пользователем aaron-di. Она предназначена для генерации текста и диалогов: в карточке приведён пример общения через шаблон чата и запуск модели для продолжения текста. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель объединяет AurelPx/Percival_01-7b-slerp и liminerity/M7-7b. Веса опубликованы в формате Safetensors; лицензия — Apache-2.0. В README приведён пример запуска через Transformers с точностью float16 и генерацией с выборкой. Сведения о языковой специализации и качестве на конкретных задачах не приведены.