I.5Создание и редактирование текста

CaPlatTessDolXaBoros-Yi-34B-200K-DARE-Ties-HighDensity — экспериментальная объединённая языковая модель на архитектуре Llama, опубликованная brucethemoose. Она создана с помощью экспериментального варианта DARE TIES из нескольких дообученных моделей семейства Yi и других 34B-моделей; в карточке указано 33,9 млрд параметров и контекст до 200 000 токенов. Модель предназначена для генерации текста и диалогов, включая ответы на длинные запросы и работу с большими фрагментами текста. В README описан шаблон Orca-Vicuna и отмечена возможная поддержка форматов ChatML и Llama-chat. Автор сообщает о проверках perplexity и длинных контекстов, однако предупреждает, что улучшение метрик не гарантирует лучшего качества ответов. Рекомендуется настраивать параметры генерации с учётом поведения Yi; иногда модель выводит стоп-токен как текст. Лицензия указана как other, конкретные условия в предоставленных данных не раскрыты.

Capybara Tess Yi 34B 200K GGUF — квантизированная версия языковой модели Capybara Tess Yi 34B 200K, созданной brucethemoose и преобразованной в формат GGUF пользователем TheBloke. Модель относится к семейству Yi, предназначена для генерации текста и диалоговых сценариев, включая работу через локальные приложения и библиотеки, совместимые с llama.cpp. В README заявлена поддержка английского языка. Модель имеет 34 млрд параметров и заявленное контекстное окно до 200 тыс. токенов. Формат GGUF поддерживает варианты квантования от 2 до 8 бит, что позволяет выбирать баланс между размером файла, требованиями к памяти, скоростью работы и сохранением качества. Доступны сценарии инференса на CPU и GPU; совместимы llama.cpp, text-generation-webui, KoboldCpp, LM Studio, llama-cpp-python и другие инструменты. Для запросов рекомендуется шаблон Orca-Vicuna с секциями SYSTEM, USER и ASSISTANT. Сильными сторонами являются большое контекстное окно, широкий выбор уровней квантования и возможность локального запуска на различном оборудовании. Ограничения включают потенциальную потерю качества при сильном квантовании, высокие требования к ресурсам для 34-миллиардной модели и отсутствие в README подробных сведений о данных обучения, результатах оценки и поддержке других языков. Модель распространяется по лицензии yi-license; условия следует уточнять в лицензии исходной модели Yi-34B.

CarbonBeagle-11B — чат-модель Vicgalle, созданная линейным слиянием vicgalle/NeuralBeagle-11B и jeonsworld/CarbonVillain-en-10.7B-v4. Это плотная авторегрессионная модель семейства Mistral с 10,6 млрд параметров, предназначенная для генерации текста и диалоговых ответов. Она принимает текст и поддерживает контекст до 32 768 токенов; в карточке модели указано, что она ориентирована на английский язык. Модель можно использовать для диалоговых помощников, генерации и продолжения текста, а также ответов на вопросы. В README приведены результаты оценивания на Open LLM Leaderboard на момент создания модели в январе 2024 года; эти результаты не гарантируют качество на других задачах. Лицензия CC-BY-NC-SA 4.0 запрещает коммерческое использование и требует распространять производные работы на тех же условиях.

CatPPT-base — плотная языковая модель Mistral с 7,1 млрд параметров, созданная Rishi Raj. Сначала автор объединил модели OpenChat и NeuralChat методом Gradient SLERP, затем дообучил результат на наборе no_robots для диалогов. Модель предназначена для генерации текста и общения в формате чата; в карточке приведены результаты тестирования на задачах общего понимания, рассуждения и математики. Указанный контекст составляет 32 768 токенов. Модель распространяется в формате Safetensors по лицензии Apache 2.0. Результаты в README относятся к моменту выпуска в декабре 2023 года и сами по себе не гарантируют качество на других задачах. Карточка не сообщает о специализированной отраслевой направленности.

tastypear/CausalLM-7B-DPO-alpha-GGUF — это квантизированная версия CausalLM 7B-DPO-alpha, разработанного командой CausalLM и опубликованная пользователем tastypear. Модель основана на архитектуре Llama и предназначена для генерации текста и диалоговых сценариев. Модель имеет около 7 миллиардов параметров, поддерживает английский и китайский языки и использует формат GGUF, совместимый с llama.cpp и рядом локальных интерфейсов и библиотек. В репозитории представлены варианты квантования Q4_K_M размером 4,77 ГБ, Q5_K_S размером 5,40 ГБ и Q5_K_M размером 5,53 ГБ. Для взаимодействия рекомендуется шаблон ChatML. Размер контекста в карточке модели не указан. К сильным сторонам относятся возможность локального запуска, поддержка GPU-ускорения через совместимые инструменты и уменьшенный размер файлов благодаря квантованию. Ограничения связаны с потерями точности, характерными для квантованных версий, а также с тем, что модель ориентирована на текстовые задачи и не заявляет поддержку мультимодального ввода в данном репозитории. Указана лицензия WTFPL, однако из-за базирования на Llama 2 также применяются условия лицензии Meta Llama 2; взаимодействие этих лицензий требует отдельной проверки.

KnutJaegersberg/CausalLM-Platypus-14B — языковая модель семейства Llama, дообученная в течение трёх эпох на наборе Open-Platypus с применением NEFTune. Модель предназначена для генерации текста по инструкциям и ответов на вопросы; пример карточки использует формат с разделами Instruction и Response. Модель содержит 13,4 млрд параметров, работает с текстом и поддерживает контекст до 8192 токенов. В карточке приведены результаты оценивания на задачах рассуждения и понимания текста, включая AI2 Reasoning Challenge и HellaSwag. Для использования применяются лицензии Llama 2 и Qwen, указанные в приложенных файлах; условия следует проверять для конкретного сценария распространения и использования.

Katayoon/CDPO-Zephyr-7B-iter-2 — языковая модель Katayoon, дообученная на обновлённом и исходном наборах данных на основе Katayoon/CDPO-Zephyr-7B-iter-1. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Контекст составляет до 32 768 токенов. Модель распространяется в формате safetensors по лицензии MIT. Карточка не описывает обучение, оценку качества, целевые языки или ограничения применения; пригодность для конкретных сценариев следует проверять самостоятельно.

cdso13 — текстовая генеративная модель на архитектуре GPT-2, доступная в формате safetensors и предназначенная для продолжения текста. В карточке указано, что модель дообучена на неизвестной базовой модели и неизвестном наборе данных; в описании приведено значение loss 2,7812 на наборе оценки. Модель можно использовать для генерации и продолжения текста. Доступные сведения не описывают целевой язык, предметную область, ограничения или условия лицензии; контекст составляет 1024 токена.

MiniMax-M2-REAP-139B-A10B — это языковая модель для генерации текста, разработанная Cerebras. Она создана на основе MiniMax-M2: методом REAP из исходной модели равномерно удалено 40% экспертов. По доступным данным, модель использует разреженную MoE-архитектуру, имеет заявленный размер 139B параметров и активную часть A10B. Указан английский язык; сведения о поддерживаемых модальностях и размере контекста отсутствуют. Эта версия представляет собой GGUF-квантизации, подготовленные bartowski с использованием llama.cpp и калибровочных данных imatrix. Она предназначена для локального запуска через llama.cpp, LM Studio и другие совместимые проекты. Доступны варианты от Q8_0 до 2-битных и IQ-квантизаций с размером файлов примерно от 55 до 148 ГБ; более высокие разрядности обычно обеспечивают лучшее качество, а низкоразрядные варианты уменьшают требования к памяти, но могут заметно снижать качество. Сильными сторонами являются широкий выбор квантизаций, возможность локального использования и сохранение работоспособности после структурного сокращения MoE-модели. Ограничения включают очень большой объём памяти, зависимость качества от выбранного варианта квантизации и отсутствие в карточке подробных результатов оценки. Лицензия указана как other; конкретные условия необходимо уточнять в лицензии исходной модели Cerebras.

CharacterGLM-6B — диалоговая модель семейства ChatGLM от thu-coai, предназначенная для генерации текста в формате общения. В репозитории указано 7,5 млрд параметров; модель использует плотную архитектуру ChatGLM и поддерживает контекст до 32 768 токенов. Модель подходит для ведения диалогов и генерации ответов. Метаданные также отмечают возможность классификации текста, однако карточка не содержит подробностей об этой функции. В репозитории представлены веса PyTorch; сведения о лицензии и целевых языках в доступных данных отсутствуют.

ChatFrame-Uncensored-Instruct-Small — англоязычная разговорная языковая модель, разработанная AIFRAME INC. Это плотная модель семейства Llama с 7,5 млрд параметров, предназначенная для генерации текста в формате диалога; заявленная длина контекста — 8192 токена. Разработчики описывают её как модель с менее ограниченными ответами на широкий круг тем. Модель подходит для диалогов с ИИ-компаньоном, создания контента, ответов на вопросы и прототипирования приложений с генерацией текста. В README также заявлена возможность коммерческого использования и дообучения; лицензия в метаданных — MIT. Данных о конкретной базовой модели или процедуре обучения в доступных материалах нет.

ChatGLM-6B-INT4 — открытая квантованная версия диалоговой языковой модели ChatGLM-6B, разработанной командой THUDM/GLM. Модель основана на архитектуре General Language Model (GLM), оптимизирована для двуязычных китайско-английских вопросов и диалогов и обучалась на китайско-английском корпусе объёмом около 1 трлн токенов с применением监督微调, обучения на обратной связи и обучения с подкреплением на основе человеческих предпочтений. Веса 28 GLM-блоков преобразованы в формат INT4, тогда как Embedding и LM Head не квантизированы. Это снижает требования к памяти: для инференса теоретически достаточно около 6 ГБ видеопамяти или соответствующего объёма оперативной памяти при работе на CPU, что делает возможным локальный запуск на потребительских видеокартах и потенциально на встраиваемых устройствах. В метаданных Hugging Face указано 8,1 млрд параметров; README описывает базовую модель как модель на 6,2 млрд параметров. Модель подходит для локальных чат-ботов, ответов на вопросы, многошагового диалога, генерации текстов и прототипирования двуязычных NLP-приложений. Длина контекста в предоставленных данных не указана. Код распространяется по Apache-2.0, а использование весов регулируется отдельной Model License.

thuyduongjoe123/checkpoints_en_th_logit — языковая модель для генерации текста на базе семейства Qwen3, опубликованная пользователем thuyduongjoe123 на Hugging Face. Модель предназначена для диалоговых и других сценариев генерации текста через библиотеку Transformers. Модель содержит 1,7 млрд параметров и поддерживает контекст до 40 960 токенов. В метаданных указаны форматы Transformers и SafeTensors, а также conversational-теги. Языки, точная архитектура, разработчик, исходная модель и лицензия в доступных материалах не подтверждены. Модель может использоваться для продолжения текста, составления ответов в диалоге, прототипирования текстовых приложений и интеграции в локальные или серверные пайплайны генерации. README не содержит результатов оценки, сведений о данных обучения, рекомендаций по безопасному применению или подробностей о настройке модели.

Chimera-X-26B-A4B — мультимодальная разговорная модель семейства Gemma 4, созданная Vortex5 объединением нескольких моделей: Gemma-4-26B-A4B-Animus-V14.1-FFT, Pantheon-Reasoning-26B-A4B-1.1, G4-MeroMero-26B-A4B и G4-Moonlight-Dusk-26B-A4B. В README описана многоэтапная схема mergekit с методами nearswap и karcher; веса опубликованы в формате safetensors для Transformers. Модель предназначена для ролевого общения с персонажами, интерактивных сцен, творческого письма, повествования, развития сюжета и генерации идей. Она принимает текст и изображения и выдаёт текст; метаданные отмечают поддержку чата и vision. В README указана лицензия Apache-2.0. Размер контекста и точное число параметров в доступных сведениях не приводятся.

Chinese-Alpaca-2-7B-16K — полноразмерная инструкционная чат-модель проекта Chinese LLaMA & Alpaca-2, основанная на Llama 2 и разработанная командой проекта. Модель расширяет китайский словарь исходной Llama 2 и дообучена на крупных массивах китайских данных; это плотная авторегрессионная модель семейства Llama с 6,7 млрд параметров, доступная в формате PyTorch. Модель предназначена для генерации текста и выполнения инструкций, в том числе для диалога и работы с длинными запросами. Заявленная длина контекста этой версии — 16 384 токена; README также указывает поддержку китайского и английского языков. Репозиторий допускает непосредственный запуск для инференса и полно-параметрического обучения и распространяется по лицензии Apache-2.0. Ключевые ограничения — меньшая ёмкость по сравнению с более крупными моделями и возможное снижение качества вне китайского и английского языков. Ответы могут содержать фактические ошибки, поэтому важные результаты следует проверять.

Chinese-Mistral-7B-Instruct-v0.1 — это китайско-английская диалоговая модель на архитектуре Mistral, разработанная лабораторией наук о Земной системе Университета Цинхуа. Она основана на Mistral-7B: разработчики расширили словарь для эффективной обработки китайского текста и выполнили дополнительное предварительное обучение, а версию Instruct дообучили с помощью LoRA на англо- и китайскоязычных данных Alpaca-GPT4. Модель содержит 7,2 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации ответов и ведения диалога на китайском и английском языках, а также для общих задач понимания текста, знаний и рассуждений. Китайский словарь повышает эффективность токенизации китайского текста; в README также приведены оценки на китайских и англоязычном тестах знаний. Модель принимает текст и генерирует текст. Возможны ошибочные, вводящие в заблуждение или вредоносные ответы; перед использованием в приложениях разработчики рекомендуют проверку безопасности и настройку под конкретный сценарий. Лицензия в предоставленных сведениях не указана.

Chocolatine-14B-Instruct-DPO-v1.2 — языковая модель, разработанная Jonathan Pacifico и созданная методом DPO-дообучения microsoft/Phi-3-medium-4k-instruct на наборе jpacifico/french-orca-dpo-pairs-revised. Это плотная авторегрессионная модель семейства Phi-3 с 13,8 млрд параметров и контекстом до 4096 токенов. Модель предназначена для диалогов и генерации текста на французском и английском языках. По данным автора, обучение на французском также улучшило результаты на английском; карточка сообщает о результатах на OpenLLM Leaderboard и MT-Bench-French. Для запуска доступна версия в формате safetensors, а отдельная квантованная сборка опубликована в другом репозитории. У модели нет механизма модерации, поэтому её ответы могут включать нежелательный контент. Лицензия — MIT.

Chocolatine-3B-Instruct-DPO-v1.2-GGUF — это квантованные версии текстовой генеративной модели Chocolatine-3B-Instruct-DPO-v1.2, исходно разработанной jpacifico и преобразованной в формат GGUF пользователем bartowski с помощью llama.cpp. Модель предназначена для диалоговой генерации текста и выполнения инструкций, прежде всего на французском и английском языках. Она обучена с использованием набора данных french-orca-dpo-pairs-revised и поддерживает формат запросов с системным сообщением, пользовательским запросом и ответом ассистента. Модель содержит около 3 миллиардов параметров и распространяется в вариантах от F16 до различных уровней квантования, включая Q8_0, Q6_K, Q5_K, Q4_K, Q3_K и Q2_K. Размер файлов варьируется примерно от 1,42 до 7,64 ГБ, поэтому варианты можно подбирать под доступный объём памяти и требуемое качество. Квантованные файлы предназначены для запуска через llama.cpp и совместимы, в частности, с LM Studio. Более высокие уровни квантования обеспечивают качество, близкое к исходной модели, тогда как низкие уровни экономят память, но заметно снижают качество. Модель подходит для локальных чат-ботов, генерации и преобразования текста, а также выполнения инструкций на французском и английском языках. README не содержит сведений о размере контекстного окна, точной базовой архитектуре, мультимодальности или результатах тестирования, поэтому эти характеристики нельзя определить. Указанная лицензия — MIT.

Chronos-70b-v2 — языковая модель от elinas для генерации текста и диалогов, основанная на базовой модели Llama 2 Base. Это плотная авторегрессионная архитектура Llama с 68,7 млрд параметров; опубликованная версия использует PyTorch и SafeTensors в точности FP16 и имеет контекст до 4096 токенов. Модель предназначена прежде всего для чатов, ролевых диалогов и написания историй, а также заявлена улучшенная способность к рассуждению и логике. Для работы автор рекомендует формат инструкций Alpaca: запрос оформляется блоками Instruction и Response. Модель генерирует связный длинный текст и, по заявлению автора, не имеет встроенных ограничений на содержание. Полная версия слишком велика для потребительской видеокарты; автор указывает на доступные квантованные варианты. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Chrysologus-12B — слитая автором Retreatcost модель на архитектуре Mistral для создания историй и продолжения прозы с соблюдением инструкций. Она получена методом Karcher Mean с помощью mergekit из трёх предварительно обученных моделей: allura-org/MN-Lyrebird-12B, Sicarius-Prototyping/Impish_Longtail_12B и yamatazen/EtherealAurora-12B. Модель содержит 12,1 млрд параметров, доступна в формате safetensors и рассчитана на работу с текстом; карточка указывает контекст до 1 024 000 токенов. Модель подходит для совместного написания художественных текстов, продолжения прозы и диалогов, а также для текстовых задач с инструкциями. Автор отмечает, что следование инструкциям улучшено по сравнению с Retreatcost/Impish-LongPen-12B. Языки не уточнены. Модель распространяется по лицензии Apache-2.0.

Chuluun-Qwen2.5-72B-v0.01-GGUF — набор GGUF-квантизаций модели Chuluun-Qwen2.5-72B-v0.01, подготовленный bartowski на базе оригинальной модели DatToad. Модель предназначена для генерации текста и запуска через llama.cpp или совместимые приложения, включая LM Studio. В README указан английский язык и формат диалога с ролями system, user и assistant. Модель основана на архитектуре Qwen2.5 с заявленным размером 72B параметров. Доступны варианты квантизации от Q8_0 до Q2_K и IQ-серии, объёмом примерно от 27,94 до 77,26 ГБ. Варианты Q6_K, Q5_K_M, Q5_K_S, Q4_K_M, Q4_K_S и IQ4_XS отмечены как рекомендуемые; Q4_K_M описан как вариант стандартного размера для большинства сценариев. Квантизация выполнена с использованием imatrix и llama.cpp версии b4418. Основные преимущества — широкий выбор компромиссов между качеством, требованиями к памяти и скоростью инференса, а также поддержка локального запуска. Низкобитные варианты требуют меньше оперативной памяти, но могут заметно уступать более крупным версиям по качеству; варианты Q2 и Q3 характеризуются как низкокачественные или пригодные при ограниченных ресурсах. Сведения о контекстном окне, точных возможностях исходной модели, мультимодальности и лицензии в представленном README отсутствуют.

Chuluun-Qwen2.5-72B-v0.08-GGUF — это набор квантизированных моделей в формате GGUF для генерации текста, подготовленный пользователем bartowski на основе модели DatToad/Chuluun-Qwen2.5-72B-v0.08. Квантизация выполнена с использованием llama.cpp версии b4497 и метода imatrix. Модель предназначена для локального запуска, в частности через LM Studio, а также совместимых инструментов на базе llama.cpp. В репозитории представлены варианты с разными типами квантизации и размером файлов — примерно от 27,94 до 77,26 ГБ. Доступны форматы Q2, Q3, Q4, Q5, Q6, Q8 и IQ, причём Q6_K, Q5_K_M, Q5_K_S, Q4_K_M и IQ4_XS отмечены как рекомендуемые с точки зрения сочетания качества и требований к памяти. Более компактные варианты экономят оперативную память, но могут заметно уступать по качеству; Q8_0 обеспечивает максимально высокое качество, однако обычно не нужен. В README указано, что модель поддерживает английский язык. Рекомендуемый шаблон запросов использует формат сообщений Qwen с ролями system, user и assistant. Архитектура, длина контекста, точное число параметров исходной модели, дополнительные модальности и лицензия в предоставленных данных не указаны.

Карточка модели jinreiyu/cloned-Bonsai-27B-mlx-1bit на Hugging Face совпадает с карточкой prism-ml/Bonsai-27B-mlx-1bit, поэтому описание составлено по ней. Bonsai-27B-mlx-1bit — 27-миллиардная модель для генерации текста и диалогов, представленная Prism ML. Это производная от Qwen/Qwen3.6-27B модель с гибридной архитектурой внимания: около 75% линейного и 25% полноразмерного внимания. Языковые веса представлены в бинарном формате с эффективной точностью 1,125 бита на параметр; башня зрения использует 4-битное HQQ-представление. Модель рассчитана на локальный запуск на устройствах Apple через MLX, а также поддерживает CUDA. Модель предназначена для рассуждений, работы с кодом, агентных сценариев, длинных диалогов и анализа документов. Заявлены контекст до 262 тысяч токенов и footprint около 3,9 ГБ; авторы сообщают о скорости около 11 токенов/с на iPhone 17 Pro Max и сохранении примерно 90% качества FP16-версии по выбранным бенчмаркам. Компактное представление позволяет запускать модель локально, включая смартфоны, ноутбуки и потребительские GPU. Основной компромисс — снижение качества относительно полной точности, особенно в наиболее сложных категориях; авторы также отмечают, что длительные агентные задачи программирования пока не являются сильной стороной этой версии. Производительность на телефоне зависит от теплового режима. Модель распространяется по лицензии Apache-2.0.

CognitiveFusion2-4x7B-BF16 — языковая модель Kquant03 для генерации текста, созданная как смесь экспертов на основе нескольких моделей семейства Mistral/Mixtral. В README перечислены YamshadowExperiment28-7B, M7-7b и T3QM7 как исходные модели и эксперты; модель описана как frankenMoE, у которой маршрутизатор не обучался одновременно с экспертами. Метаданные указывают архитектуру MixtralForCausalLM типа MoE, 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для продолжения текста и диалоговой генерации на английском языке. Разреженная архитектура MoE активирует только часть экспертов для обработки токенов, что может сокращать вычисления при генерации; при этом веса всех экспертов должны помещаться в память. README называет репозиторий обновлением исходной Cognitive Fusion и сообщает о намерении повысить производительность дальнейшим дообучением, но не приводит результатов оценки качества. Модель распространяется в формате safetensors по лицензии Apache-2.0. README также содержит заголовок о GGUF-файлах, однако метаданные репозитория указывают safetensors.

SvalTek/ColdBrew-Aphid — разговорная языковая модель семейства Llama, разработанная SvalTek и дообученная на базе с тем же идентификатором. Она предназначена для генерации текста в диалоговом формате; метаданные также указывают интерфейс вызова инструментов. Модель содержит 3,2 млрд параметров, использует архитектуру LlamaForCausalLM и поддерживает контекст до 131 072 токенов. Модель сохранена в формате safetensors и обучалась с использованием Unsloth и библиотеки Hugging Face TRL. В карточке указан английский язык. Лицензия — Apache-2.0. README не приводит результатов оценки качества или подробностей обучающих данных, поэтому пригодность для конкретных задач следует проверять отдельно.

SvalTek/ColdBrew-Oracle — разговорная языковая модель семейства Llama, разработанная SvalTek и дообученная на базе модели с тем же идентификатором. Модель содержит 3,2 млрд параметров, использует архитектуру LlamaForCausalLM и поддерживает контекст до 131 072 токенов. В карточке указаны интерфейсы чата и вызова инструментов; обучение выполнялось с Unsloth и библиотекой TRL. Модель предназначена для генерации текста и диалоговых сценариев на английском языке. Её можно использовать для ответов на запросы и подготовки текста в приложениях с чатом или вызовом инструментов. Весовые файлы опубликованы в формате safetensors, лицензия — Apache-2.0. Карточка не описывает обучающие данные, конкретные показатели качества или ограничения применения.

Citaman/command-r-31-layer — модель генерации текста на архитектуре Cohere, созданная автором репозитория с помощью mergekit. Веса объединены методом SLERP из двух срезов модели Citaman/command-r-32-layer; каталог также связывает её с этой базовой моделью как с дообученной. Модель содержит 27,6 млрд параметров, использует формат safetensors и рассчитана на контекст до 8192 токенов. Модель предназначена для диалоговой генерации текста и поддерживает интерфейс вызова инструментов. Её можно применять для ведения беседы и генерации ответов в сценариях с подключёнными инструментами. README и метаданные не описывают специализацию по языкам или предметным областям. В карточке не приведены результаты оценки качества и конкретные ограничения применения. Лицензия в доступных данных не указана.

commandr-35b-cpt-sft-i1-GGUF — это квантизированная версия текстовой авторегрессионной модели commandr-35b-cpt-sft, преобразованная в формат GGUF пользователем mradermacher на основе модели ubitech-edg. Модель создана для генерации текста и работы с языковыми задачами, включая ответы на вопросы, обработку материалов из научной, государственной, новостной и энциклопедической сфер. Обучение включало continual pretraining и supervised fine-tuning на английских данных, в том числе синтетических вопросах и ответах. Модель относится к классу AutoModelForCausalLM и содержит около 35 млрд параметров. Она поддерживает только текстовую модальность и английский язык. Репозиторий предоставляет множество вариантов квантизации GGUF с разным размером, скоростью и качеством: от IQ1_S размером 8,6 ГБ до Q6_K размером 28,8 ГБ. Варианты Q4_K_S и Q4_K_M позиционируются как сбалансированные по размеру, скорости и качеству, при этом Q4_K_M рекомендован как быстрый вариант. Низкобитные варианты требуют меньше памяти, но могут заметно уступать в качестве. Лицензия модели — Apache-2.0. README не указывает размер контекстного окна, точную базовую архитектуру, системные требования, результаты оценивания или гарантии качества, поэтому пригодность для конкретных сценариев следует проверять отдельно.

CompliAI171A2 — языковая модель Awesomeluc на архитектуре Mistral, дообученная на базе unsloth/mistral-7b-v0.2 с использованием Unsloth и библиотеки TRL. Модель содержит 7,1 млрд параметров и предназначена для генерации текста, в том числе диалоговых ответов. Заявленная длина контекста — 32 768 токенов; в репозитории представлены веса в формате safetensors. В метаданных указан английский язык. Лицензия Apache 2.0. Карточка не описывает специализацию дообучения, данные обучения или оценки качества, поэтому нельзя уверенно выделить конкретную предметную область или сценарий применения.

Copium-Cola-9B — объединённая модель генерации текста семейства Mistral от Nitral-Archive. Она создана методом passthrough merge из двух перекрывающихся диапазонов слоёв модели ChaoticNeutrals/Eris_7B: слоёв 0–19 и 12–31. Модель содержит 8,9 млрд параметров, использует архитектуру MistralForCausalLM и формат safetensors с точностью float16; максимальная длина контекста — 32 768 токенов. Модель предназначена для генерации текста и может использоваться для диалогов, ролевых сценариев и создания ответов. В карточке не приведены сведения о поддерживаемых языках или специальных предметных областях. Лицензия указана как other, поэтому условия использования следует уточнять в репозитории модели.