I.5Создание и редактирование текста

Josiefied-Qwen3-4B-Instruct-2507-gabliterated-v2 — диалоговая языковая модель Goekdeniz-Guelmez, созданная на основе Qwen/Qwen3-4B-Instruct-2507. Модель семейства Qwen3 с плотной архитектурой Qwen3ForCausalLM содержит 3,7 млрд параметров и принимает текстовые инструкции и сообщения, генерируя текстовые ответы. Заявленная длина контекста — до 262 144 токенов. Модель дообучена с изменением поведения отказов, чтобы давать менее ограниченные ответы, сохраняя следование инструкциям и использование инструментов. Автор также заявляет о настройке личности и юмора. Её можно применять для диалогов, генерации текста и задач с инструкциями. Репозиторий использует формат safetensors и библиотеку MLX; автор упоминает отдельные варианты GGUF и AWQ. Лицензия в предоставленных данных не указана.

icefog72/juanako-7b-UNA-06.11-orpo — чат-модель на архитектуре Mistral с 7,1 млрд параметров, дообученная icefog72 на основе fblgit/juanako-7b-UNA. Она предназначена для диалогов и генерации текста; поддерживает контекст до 32 768 токенов. В карточке указаны обучение с использованием Unsloth и библиотеки TRL, а также формат PyTorch. Модель подходит для ответов на вопросы и ведения текстовых бесед на английском языке. Распространяется по лицензии Apache-2.0. Карточка не уточняет результаты оценки качества и специальные ограничения применения.

Карточка модели PS4Research/jX9tK2dM6rQ1fH4v на Hugging Face совпадает с карточкой PS4Research/nTbiAMoafhgQd0Fb, поэтому описание составлено по ней. PS4Research/nTbiAMoafhgQd0Fb — чат-модель для генерации текста, дообученная PS4Research на базе unsloth/phi-4-reasoning-unsloth-bnb-4bit. В карточке указано, что обучение проводилось с использованием Unsloth и библиотеки TRL от Hugging Face; метаданные классифицируют архитектуру как плотную Phi-3 с классом Phi3ForCausalLM. Модель содержит 14,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для диалоговой генерации текста на английском языке. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Карточка не описывает специальные сценарии применения, обучающие данные или результаты оценки качества.

legraphista/K2-ckpt_360-IMat-GGUF — это набор квантованных моделей в формате GGUF, созданный legraphista на основе LLM360/K2 из ветки ckpt_360. Исходная модель имела тип данных FP16, а квантование выполнено с помощью llama.cpp b3058 с применением IMatrix для ряда вариантов. Модель предназначена для генерации текста и указана как англоязычная. Доступны варианты с разными уровнями квантования — от FP16 и Q8_0 до Q2_K и IQ2, включая Q6_K, Q5_K, Q4_K и Q3_K. Размер файлов составляет примерно от 20,78 до 130,58 ГБ; некоторые высокоточные варианты разделены на несколько частей. IMatrix применяется в вариантах с более низкой разрядностью, включая Q4, Q3 и Q2, что рассчитано на улучшение сохранения качества при уменьшении размера модели. Архитектура, число параметров, поддерживаемая длина контекста и дополнительные модальности в README не указаны; по назначению это текстовая, а не мультимодальная модель. Основные преимущества — широкий выбор компромиссов между размером, требованиями к памяти и ожидаемым качеством, а также совместимость с экосистемой llama.cpp и форматом GGUF. Ограничения включают значительные требования к дисковому пространству и памяти, возможное снижение качества в низкоразрядных вариантах, а также отсутствие в предоставленных данных подробных оценок производительности и характеристик контекста. Указана лицензия Apache-2.0.

Это 16-битная конверсия языковой модели IFM/K2-Horizon-7B в формат MLX, подготовленная SirSahOl для запуска на GPU компьютеров Apple Silicon. Модель плотная, с архитектурой K2HorizonForCausalLM; в метаданных указано 8B параметров, а в README — 7B. Контекст модели — до 524 288 токенов, формат весов — safetensors, лицензия — Apache-2.0. Модель предназначена для диалогов и генерации текста при локальном инференсе, включая работу с длинными документами, рассуждения и программирование. Она использует 16-битные веса без квантизации и требует около 15,2 ГБ объединённой памяти; README рекомендует не менее 24 ГБ. Конверсия ориентирована на Apple Silicon и MLX, поэтому для других платформ этот формат может не подойти. В карточке заявлена поддержка английского языка.

Abiray/K2-Horizon-MoVA-36B-A4B-GGUF — набор GGUF-квантизаций модели IFM/K2-Horizon-MoVA-36B-A4B, разработанной IFM. Это текстовая генеративная модель для диалогов, написания и обработки текста, программирования и других задач, выполняемых через llama.cpp. Модель использует разреженную архитектуру Mixture-of-Experts с механизмом Mixture-of-Values Attention (MoVA): всего 36 млрд параметров, из которых на каждом токене активируется около 4 млрд. Заявленное преимущество — скорость инференса, близкая к моделям меньшего размера, при сохранении возможностей модели масштаба 36B. Указан английский язык; поддержка других языков и дополнительные модальности не заявлены. Репозиторий содержит варианты квантизации от Q3_K_S до Q8_0 размером примерно от 16,4 до 39,8 ГБ. Q4_K_M обозначен как рекомендуемый баланс качества и потребления памяти, а Q8_0 обеспечивает точность, близкую к исходной BF16-модели. Точные характеристики контекстного окна в README не указаны. Для запуска требуется специальная версия llama.cpp из форка MBZUAI-IFM с веткой model/K2Horizon; стандартная upstream-версия на указанном этапе не поддерживает архитектуру k2-horizon. Модель использует ChatML-подобный формат с тегами рассуждений. Лицензия — Apache-2.0. Требования к ресурсам зависят от квантизации: для вариантов Q4_K_M рекомендуется от 24 ГБ VRAM при полной выгрузке на GPU и 32 ГБ системной RAM, тогда как для Q8_0 требуется около 48 ГБ VRAM и RAM. README не содержит независимых результатов бенчмарков или подробного описания ограничений качества.

primitive-ai/K2-Horizon-MoVA-36B-A4B-NVFP4 — это квантованная версия модели IFM/K2-Horizon-MoVA-36B-A4B, подготовленная командой Primitive AI. Модель предназначена для генерации текста, рассуждений и сценариев с вызовом инструментов; поддерживает использование через Transformers и vLLM. Архитектура — MoE с 36B параметров и 4B активируемых параметров. Модель имеет контекст до 32 768 токенов и рассчитана на запуск на одной видеокарте без tensor parallelism. Языки и мультимодальные возможности в README не указаны. Веса 13 500 маршрутизируемых экспертных проекций представлены в формате NVFP4, остальные компоненты сохранены в BF16. Размер модели составляет 36,74 ГБ — примерно вдвое меньше BF16-версии и на 24% меньше официальной FP8-версии. По приведённым измерениям, уровень знаний и способность воздерживаться от неподходящих вызовов инструментов сопоставимы с BF16 и FP8, а пропускная способность при высокой конкуренции выше официальной FP8-версии. Слабее всего пострадала точность аргументов при выполняемых вызовах инструментов: она ниже FP8 примерно на 3,1 процентного пункта. Сборка совместима с GPU архитектур Ampere и Blackwell, включая проверенный запуск на NVIDIA A100 40 ГБ, и предназначена для компактного локального или серверного развертывания. Для работы требуется версия vLLM из main или nightly с поддержкой K2-Horizon; стабильные релизы до 0.28.1rc1.dev388 эту поддержку не содержат. Режим рассуждений выбирается на уровне сервера. Модель распространяется по лицензии Apache-2.0.

KafkaLM-Mixtral-8x7B-V0.2 — языковая модель Seedbox, обученная Деннисом Дикманном на базе Mixtral 8x7B от Mistral AI. Это разреженная архитектура Mixture of Experts (MoE) для генерации текста и диалогового общения; версия V0.2 содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель дообучена на наборах инструкций с открытым исходным кодом, переведённых с английского на немецкий, и дополнительно выровнена с помощью изменённой немецкоязычной версии UltraFeedback. Она предназначена для повседневных задач на немецком языке, в том числе для применения в немецкоязычной деловой среде; метаданные также отмечают английский язык. Весы доступны в формате safetensors, лицензия — Apache-2.0. Разработчик отмечает, что модель может отвечать творчески и склонна к языковым вольностям. Карточка не приводит результатов оценки качества или более подробных ограничений применения.

Sakalti/Kan1-2.5b — компактная плотная языковая модель для генерации текста на архитектуре Qwen2, созданная слиянием чекпойнтов Qwen/Qwen2.5-7B-Instruct методом Model Stock с помощью mergekit. Модель содержит около 1,9 млрд параметров и принимает контекст до 32 768 токенов. Модель подходит для диалогов, генерации текста и структурированных ответов; метаданные также отмечают интерфейс для вызова инструментов. Она использует библиотеку Transformers и распространяется в формате safetensors. В README и метаданных не описаны отдельная специализация, языковой охват и результаты оценки качества, поэтому конкретные сценарии требуют проверки на собственных данных. Лицензия в предоставленных источниках не указана.

karakuri-lm-32b-thinking-2501-exp — причинная языковая модель KARAKURI Inc., дообученная на Qwen/QwQ-32B-Preview. Это плотная модель семейства Qwen2 с 32 млрд параметров для диалоговой генерации текста; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст, поддерживает японский и английский языки. Длина контекста — 32 768 токенов. Модель можно применять для диалоговых ответов на японском и английском, задач генерации текста и сценариев с вызовом инструментов. Название указывает на экспериментальную версию; качество и область применимости могут зависеть от конкретного сценария. Модель распространяется по лицензии Apache 2.0.

trinhkhng/karcher_Merged_gpt2-medium_0.0 — языковая модель, созданная слиянием двух предварительно обученных моделей GPT-2 Medium с помощью метода Karcher Mean и инструмента mergekit. Она предназначена для генерации продолжений текста по заданному фрагменту и других сценариев автодополнения. Модель использует архитектуру GPT2LMHeadModel, работает с текстом и имеет контекстное окно 1024 токена. Файлы опубликованы в формате safetensors для библиотеки Transformers. Слияние объединяет модели /kaggle/working/gpt2-medium и /kaggle/working/debias_gpt2-medium; для токенизатора указан источник ComCom/gpt2-small. README не приводит результатов оценки качества или подробностей о языках и лицензии, поэтому нельзя подтвердить конкретный уровень снижения предвзятости, набор поддерживаемых языков или условия использования.

MergedQwen2-0.5B0.1 — языковая модель, созданная объединением двух предварительно обученных моделей Qwen2-0.5B с помощью метода Karcher Mean и инструмента mergekit. Модель имеет плотную архитектуру Qwen2ForCausalLM, около 494 млн параметров и опубликована в формате safetensors; заявленная длина контекста — 131 072 токена. Модель предназначена для генерации текста и диалогового взаимодействия. В состав объединения вошли базовая Qwen2-0.5B и вариант debias_Qwen2-0.5B. Карточка не описывает отдельные целевые области применения или поддерживаемые языки, поэтому их нельзя уточнить. Лицензия в предоставленных данных не указана.

trinhkhng/karcher_Merged_Qwen2-0.5B_0.2 — объединённая языковая модель, созданная методом Karcher Mean с помощью mergekit из двух предварительно обученных моделей Qwen2-0.5B: /kaggle/working/Qwen2-0.5B и /kaggle/working/debias_Qwen2-0.5B. Модель разработана автором репозитория trinhkhng; архитектура — плотная Qwen2ForCausalLM, размер — около 493,7 млн параметров, формат весов — Safetensors. Она предназначена для генерации текста и диалогового взаимодействия, а контекстное окно составляет до 131 072 токенов. Слияние объединяет исходную Qwen2-0.5B и её вариант debias; в карточке не приведены результаты оценки качества или подробности поведения после слияния. Модель принимает текст и генерирует текст. Лицензия и поддерживаемые естественные языки в предоставленных данных не указаны.

Karen_TheEditor_V2_STRICT_Mistral_7B-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель на архитектуре MistralForCausalLM с 7,1 млрд параметров. Это слияние методом SLERP модели mistralai/Mistral-7B-Instruct-v0.2 и FPHam/Karen_TheEditor_V2_STRICT_Mistral_7B; в README приведена конфигурация mergekit и формат весов bfloat16, а в репозитории указаны файлы safetensors. Модель предназначена для генерации текста и ответов в диалоге по инструкциям. Контекст составляет до 32 768 токенов. В карточке не описаны специальные области применения или языки, поэтому модель следует рассматривать как универсальную текстовую модель на базе Mistral. Модель выпущена под лицензией Apache-2.0. Карточка не содержит результатов оценивания качества или подробных сведений о поведении слияния; качество и следование инструкциям могут отличаться от исходной Mistral-7B-Instruct-v0.2.

RedHatAI/Kimi-K2.6-FP8-BLOCK — мультимодальная модель, разработанная RedHatAI на основе moonshotai/Kimi-K2.6 с архитектурой KimiK25ForConditionalGeneration. Она принимает текст, изображения и видео, а генерирует текст. Модель предназначена для диалоговых и прикладных сценариев, включая следование инструкциям, рассуждения, вызов функций, агентные задачи и программирование. Модель использует FP8-квантизацию весов с блочным масштабированием и динамическую групповую FP8-квантизацию активаций. Она экспортирована в формате compressed-tensors и оптимизирована для высокопроизводительного развёртывания через vLLM с OpenAI-совместимым API. В README не указаны размер модели и поддерживаемые языки; заявленная максимальная длина контекста в конфигурации оценки составляет 40960 токенов, однако это не представлено как официальная характеристика модели. По приведённым оценкам, модель показывает сильные результаты в математическом и академическом рассуждении, следовании инструкциям и вызове функций. Ограничения включают заметно более низкие результаты на многошаговом function calling, web search и SWE-Bench Lite, а FP8-квантизация может влиять на точность по сравнению с исходной моделью, несмотря на высокое сохранение качества в большинстве указанных тестов. Для использования требуется окружение vLLM и параметр --trust-remote-code. Лицензия указана как modified-MIT; дополнительные условия в README не раскрыты.

mlx-community/Kimi-K2-Instruct-0905-mlx-DQ3_K_M — это MLX-версия модели Kimi-K2-Instruct-0905, разработанной Moonshot AI и конвертированной сообществом mlx-community с помощью mlx-lm 0.26.3. Модель предназначена для генерации текста и инструкционных сценариев: диалогов, ответов на запросы и других задач, поддерживаемых базовой моделью. README не содержит подтверждённых сведений о размере, архитектуре, языках и длине контекста. Основная особенность — смешанное динамическое квантование DQ3_K_M с преимущественно 3-битным представлением и отдельными компонентами с более высокой разрядностью. По описанию метода, такой подход призван приблизить качество к 4-битному квантованию при меньшем потреблении памяти. Модель ориентирована на запуск на одном Apple Mac Studio с чипом M3 Ultra и 512 ГБ памяти, сохраняя ресурсы для полезного контекстного окна; конкретные требования к памяти и фактические результаты тестов не указаны. Ограничения связаны с потерями качества, возможными для квантованной версии, а также с узкой оптимизацией под экосистему MLX и совместимое оборудование Apple. Для использования требуется mlx-lm; README указывает лицензию modified-mit и ссылку на лицензию исходной модели Moonshot AI.

Это квантизированная сборка Kimi-Linear-48B-A3B-Instruct в формате GGUF MXFP4_MOE от noctrex. Веса MoE-тензоров представлены в MXFP4, а остальные тензоры сохранены в BF16 или F16; автор предпочитает вариант BF16 как наиболее близкий к исходным неквантизированным тензорам, хотя на некоторых архитектурах он может работать медленнее. Модель унаследовала разговорное назначение базовой модели Moonshot AI и предназначена для генерации ответов в чат-сценариях. Поддерживается задача text-generation; размер активируемой части MoE обозначен как 3B в идентификаторе модели. Условия лицензии в доступных данных не приведены.

Ko-Llama-3-8B-Instruct — разговорная языковая модель, разработанная davidkim (Changyeon Kim) для экспериментов по повышению качества моделей корейского языка. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и 7,5 млрд параметров; она принимает текст и генерирует текст, поддерживая контекст до 8192 токенов. Модель основана на meta-llama/Meta-Llama-3-8B-Instruct и дообучена методом supervised fine-tuning на наборе данных, подготовленном с помощью rejection sampling; в карточке указан датасет sft_rs_140k. Модель предназначена для диалогов и генерации текста преимущественно на корейском, а также поддерживает английский. В README приведены результаты оценок на корейских языковых бенчмарках; они ниже результатов GPT-4 и GPT-3.5 в приведённых сравнениях. Файлы опубликованы в формате Safetensors, библиотека для работы — Transformers. Лицензия — Llama 3 Community License (llama3).

Ko-Llama3-Luxia-8B — языковая модель от команды AI Labs компании Saltlux, дообученная на корейских данных на основе Meta Llama 3 8B. Для предварительного обучения отобрали около 100 ГБ корейских данных из собственного набора объёмом более 1 ТБ; токенизатор Llama 3 расширили 17 536 корейскими токенами. Модель предназначена для генерации текста на корейском языке и диалоговых сценариев. Это плотная авторегрессионная модель семейства Llama с 7,6 млрд параметров и контекстом 8192 токена; репозиторий содержит веса Safetensors. В метаданных указана поддержка корейского и английского языков. Модель опубликована для исследований и свободного обучения и применения в различных задачах генерации естественного языка. Она распространяется по лицензии Llama 3; качество на конкретных задачах и ограничения безопасности следует проверять отдельно.

Ko-Mixtral-v1.3-MoE-7Bx2 — языковая модель Seungyoo Lee (DopeorNope) и Kyujin Han, построенная на архитектуре Mixtral с разреженной смесью экспертов. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста с контекстом до 32 768 токенов. Модель обучали на корпусе AI Hub: сначала проводили непрерывное предварительное обучение, затем настройку на инструкциях. В карточке описаны задачи предсказания пропусков, выравнивания текста и его продолжения, включая примеры на корейском языке. Метаданные указывают корейский и английский как языки карточки; это не подтверждает одинаковый уровень качества для обоих языков. Веса опубликованы в формате safetensors. Лицензия CC BY-NC-SA 4.0 требует указания авторства и распространяет производные работы на тех же условиях, а также ограничивает коммерческое использование.

Komodo 7B Chat — чат-модель на архитектуре Llama, опубликованная Jan. Она предназначена для диалоговой генерации текста и запускается в Jan Desktop на macOS, Windows и Linux. Для общения в README приведён шаблон ChatML с ролями system, user и assistant. Модель содержит 6,6 млрд параметров, принимает текст и генерирует текст; длина контекста составляет 4096 токенов. В метаданных указан английский язык. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache 2.0. README не описывает специализированные области применения или результаты оценки качества.

KONI-Llama3.1-8B-R-20250831-i1-GGUF — это квантизированная версия языковой модели KONI-Llama3.1-8B-R-20250831, преобразованная в формат GGUF пользователем mradermacher. Базовая модель разработана организацией KISTI в рамках семейства KONI. Модель предназначена для генерации текста и работы с текстовыми запросами, включая сценарии локального запуска через совместимое с GGUF программное обеспечение. Модель построена на архитектуре Llama 3.1 и содержит около 8 миллиардов параметров. В заявленных языках указаны корейский и английский. Поддерживаются различные варианты квантизации, включая IQ- и Q-семейства с размером файлов примерно от 2,1 до 6,7 ГБ; варианты различаются балансом между скоростью, требованиями к памяти и качеством. В README не указаны длина контекста, дополнительные модальности, результаты тестирования или специальные прикладные возможности. К преимуществам относятся широкий выбор квантизированных вариантов и возможность подобрать размер модели под доступные ресурсы; для баланса скорости, размера и качества рекомендован вариант i1-Q4_K_M. Низкобитные варианты требуют меньше памяти, но могут заметно уступать по качеству, тогда как более крупные варианты обычно сохраняют качество ближе к исходной модели. Лицензия указана как llama3.1; перед использованием следует учитывать условия этой лицензии.

Kpt-7b-v-0.2 — объединённая модель для генерации текста, созданная с помощью mergekit методом DARE TIES. В качестве базовой модели использована kainatq/Kainoverse-7b-v0.1; в объединение также вошли ResplendentAI/Persephone_7B, ResplendentAI/Asherah_7B, ChaoticNeutrals/RP_Vision_7B, ResplendentAI/Aura_v3_7B и ResplendentAI/DaturaCookie_7B. Модель основана на плотной архитектуре Mistral и содержит 7,1 млрд параметров. Модель предназначена для генерации текста; каталог Hugging Face относит её к задаче text-generation. Контекст составляет до 32 768 токенов. В метаданных отмечена базовая модель RP_Vision с поддержкой анализа изображений через Koboldcpp, однако карточка Kpt-7b-v-0.2 описывает только объединение языковых моделей, поэтому обработка изображений для этой версии не подтверждена. Репозиторий содержит веса в формате safetensors. Карточка не сообщает о языковом охвате и лицензии, поэтому их условия здесь не конкретизируются. Качество генерации и ограничения в README не оценены.

Krakowiak-7B-v2 — польская языковая модель для генерации текста, разработанная Шимоном Францишеком Руциньским. Она основана на Mistral-7B и дообучена на самостоятельно созданном корпусе из 300 тысяч польских инструкций для следования инструкциям и генерации текста на польском языке. Модель имеет плотную архитектуру Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. В карточке указаны Grouped-Query Attention, Sliding-Window Attention и токенизатор BPE с поддержкой отдельных байтов. Для инструкций используется формат [INST]…[/INST]. Модель распространяется в формате safetensors по лицензии CC BY-SA 4.0.

KR-X-AI/gemma-2-9b-it-1.2 — разговорная модель семейства Gemma 2 с 9 млрд параметров, разработанная KR-X-AI и дообученная на базе KR-X-AI/gemma-2-9b-it-0.2. Она предназначена для диалогов и генерации текста; поддерживает чатовый сценарий и принимает текстовые запросы, выдавая текстовые ответы. Модель создана с использованием Unsloth и библиотеки Hugging Face TRL. Формат весов — Safetensors, длина контекста — 8192 токена. Модель подходит для чат-ботов и генерации ответов на текстовые запросы. В метаданных указан английский язык. Лицензия Apache-2.0 разрешает использование на её условиях; README не описывает специализированную предметную область или дополнительные возможности.

ksong-1-12bv1m2 — языковая модель для генерации текста и диалогов, созданная объединением моделей методом SLERP через mergekit. В конфигурации указаны LatitudeGames/Muse-12B и PocketDoc/Dans-PersonalityEngine-V1.3.0-12b; метаданные связывают её с LatitudeGames/Muse-12B. Модель основана на плотной архитектуре Mistral и содержит 9,8 млрд параметров. Она предназначена для чат-сценариев, ролевых диалогов и генерации повествовательного текста; базовая Muse-12B описана как модель для связной прозы с эмоциональной глубиной. Указан контекст до 131 072 токенов. Репозиторий содержит веса Safetensors в формате bfloat16. Лицензия — Apache-2.0.

Kuchiki L2 7b — языковая модель на архитектуре Llama 2, созданная объединением Nous Hermes Llama 2 7B (70%) и Airoboros L2 7B GPT4 2.0 (30%), после чего к результату применили слияние с LoRA-адаптером LimaRP Llama 2 7B. Модель предназначена для генерации текста по инструкциям и диалоговых сценариев; карточка указывает на совместимость с форматами инструкций исходных моделей. Модель содержит 6,6 млрд параметров, принимает текст и выдаёт текст, а длина контекста составляет 4096 токенов. В репозитории указаны веса PyTorch; для отдельных квантованных вариантов автор упоминает GGUF и GPTQ. Лицензия обозначена как other, поэтому условия использования следует проверять в материалах репозитория и базовых моделей. Автор предупреждает, что модель не предназначена для предоставления фактической информации или советов.

Kumru-2B — открытая инструктивная языковая модель VNGRS, разработанная с нуля для турецкого языка. Это плотная авторегрессионная модель семейства Mistral с 2,4 млрд параметров; она обучена на 300 млрд токенов из очищенного и дедуплицированного корпуса объёмом 500 ГБ, а затем дообучена с учителем на 1 млн примеров. Модель принимает текст и генерирует текст в диалоговом формате. Модель предназначена для турецкоязычного общения и генерации текста, включая исправление грамматических ошибок и суммаризацию. Токенизатор BPE с турецкой предварительной токенизацией и словарём на 50 176 токенов рассчитан на эффективное представление турецкого текста; поддерживаются шаблон чата, код и математика. Контекст — до 8 192 токенов, хотя авторы оценивают эффективную длину контекста примерно в 1 128–1 618 токенов при сравнении с многоязычными моделями. Модель распространяется по лицензии Apache-2.0. Она ориентирована прежде всего на турецкий язык; заявленные результаты бенчмарка Cetvel не гарантируют аналогичного качества на других языках или во всех сценариях.

MSuryakumar выполнил дообучение языковой модели Qwen2.5-3B-Instruct с помощью Unsloth и библиотеки TRL от Hugging Face. Это плотная авторегрессионная модель семейства Qwen2 с 3,1 млрд параметров, предназначенная для генерации текста и диалогового общения. Она принимает текст и выдаёт текст; максимальная длина контекста составляет 32 768 токенов. В метаданных также заявлен интерфейс для вызова инструментов. Модель подойдёт для создания чат-ботов, генерации ответов и интеграции в текстовые приложения. В карточке не описаны специализация дообучения, обучающие данные и результаты оценки качества, поэтому её преимущества для конкретных областей не установлены. Поддержка английского указана в метаданных. Лицензия — Apache-2.0.

L3-15B-EtherealMaid-t0.0001 — разговорная языковая модель семейства Llama, созданная v000000 слиянием двух моделей: v000000/HaloMaidRP-v1.33-15B-L3 и ZeusLabs/L3-Aethora-15B-V2. В качестве базовой использована v000000/HaloMaidRP-v1.33-15B-L3; для слияния применён пользовательский алгоритм NearSwap с параметром t=0.0001. Модель содержит 14,5 млрд параметров и построена на плотной архитектуре LlamaForCausalLM. Модель предназначена для генерации текста в диалоговом формате. Контекст составляет 8192 токена. В репозитории представлены веса safetensors; в README также упомянуты квантованные варианты GGUF и GGUF imatrix. Карточка не сообщает языки обучения или специальные прикладные области, поэтому модель описывается как общего назначения. Лицензия и конкретные ограничения качества или допустимого использования в предоставленных данных не указаны.