I.5Создание и редактирование текста

bigscience/mt0-small — многоязычная модель BigScience для выполнения инструкций на естественном языке. Это вариант mT5-small, дообученный на смеси задач xP3; архитектура кодировщик-декодировщик MT5, размер — 157,4 млн параметров. Модель принимает текстовые инструкции и генерирует текстовые ответы, в том числе для задач перевода, классификации по инструкции, объяснения понятий и написания историй. Модель рассчитана на выполнение разнообразных задач без специального обучения под каждую из них и демонстрирует перенос между языками и задачами в zero-shot-сценариях. Карточка приводит примеры на нескольких языках и указывает, что модель понимает языки предобучения mC4 и дообучения xP3; метаданные перечисляют поддерживаемые языки. Доступны веса PyTorch, safetensors и ONNX. Лицензия — Apache-2.0. Качество зависит от формулировки запроса: стоит ясно обозначать границы входного текста и задавать нужный язык и контекст. Модель не гарантирует точность ответов на всех задачах и языках.

zelk12/MT1-Gen2-gemma-2-9B — объединённая разговорная языковая модель на архитектуре Gemma 2, подготовленная с помощью mergekit из zelk12/MT1-Gen2-GMA-gemma-2-9B и zelk12/MT1-Gen2-BIMMMU-gemma-2-9B. Для слияния использован метод SLERP с параметром t=0,25; веса указаны в формате bfloat16. Модель содержит 9 млрд параметров и работает через библиотеку Transformers. Модель предназначена для генерации текста в диалоговом формате. Её можно применять для ответов на вопросы, ведения беседы и создания связных текстовых продолжений. Заявленное нативное контекстное окно составляет 8192 токена. В карточке приведены результаты оценки на Open LLM Leaderboard, включая IFEval и BBH. Модель основана на Gemma 2 и унаследовала ограничения и условия использования исходных моделей; отдельная лицензия в предоставленных данных не приведена.

zelk12/MT2-gemma-2-9B — объединённая conversational-модель на базе Gemma 2, созданная zelk12 с помощью mergekit. Веса двух моделей, zelk12/MT2-MMMAGMU-gemma-2-9B и zelk12/MT2-IB-gemma-2-9B, объединены методом SLERP с параметром t=0,5; конфигурация указывает формат bfloat16. Модель имеет плотную архитектуру Gemma2ForCausalLM, около 9 млрд параметров и контекст до 8192 токенов. Модель предназначена для генерации текста в диалоге: она принимает текстовые запросы и выдаёт текстовые ответы. В README приведены результаты Open LLM Leaderboard, включая IFEval и BBH; данных о специализированной предметной области или поддерживаемых языках карточка не сообщает. Репозиторий содержит веса safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

zelk12/MT2-Gen4-MU-gemma-2-S2N3N1532-9B — объединённая модель для генерации текста и диалогов, созданная с помощью mergekit методом SLERP из allknowingroger/Gemmaslerp2-9B и nhyha/N3N_gemma-2-9b-it_20241029_1532. Модель основана на архитектуре Gemma 2 с плотной causal language model и содержит 9 млрд параметров; для запуска указана библиотека Transformers и формат safetensors. Модель предназначена для диалоговой генерации текста. Контекст составляет до 8192 токенов. Метаданные описывают одну из базовых моделей как дообученную на англоязычных научных статьях Gemma 2 9B, однако README не уточняет, как именно эти свойства проявляются в итоговом объединении. Лицензия в предоставленных данных не указана.

zelk12/MT3-Gen4-MA-gemma-2-Sv1IBTMT2g2-9B — объединённая с помощью mergekit методом SLERP языковая модель на архитектуре Gemma 2 с 9 млрд параметров. В состав объединения вошли gmonsoon/SahabatAI-Lion-9B-TIES-v1 и zelk12/MT2-Gen2-gemma-2-9B; в конфигурации указана базовая модель gmonsoon/SahabatAI-Lion-9B-TIES-v1 и формат весов bfloat16. Модель предназначена для диалогов и генерации текста по инструкциям. Базовая модель из каталога ориентирована на языки Юго-Восточной Азии и английский. Контекст составляет 8192 токена; модель использует Transformers и хранится в формате safetensors. Лицензия в предоставленных данных не приведена.

zelk12/MT3-Gen4-MU-gemma-2-Sv1IBT-9B — объединённая языковая модель на архитектуре Gemma 2, созданная с помощью mergekit методом SLERP из gmonsoon/SahabatAI-Lion-9B-TIES-v1 и recoilme/recoilme-gemma-2-9B-v0.3. Модель содержит 9 млрд параметров, распространяется в формате safetensors и рассчитана на генерацию текста и диалоговое взаимодействие; заявленное родное контекстное окно — 8192 токена. Её можно использовать для ответов в чате и генерации текста по запросу. Описание базовой модели указывает на ориентацию семейства на языки Юго-Восточной Азии и английский; конкретный перечень языков для этой объединённой модели не приведён. Лицензия в доступных данных не указана.

zelk12/MT3-Gen5-MU-gemma-2-Av4dG-9B_v1 — слитая текстовая модель на архитектуре Gemma 2, созданная с помощью mergekit методом SLERP из lemon07r/Gemma-2-Ataraxy-v4d-9B и nbeerbower/gemma2-gutenberg-9B. Модель содержит 9 млрд параметров, использует библиотеку Transformers и принимает контекст длиной до 8192 токенов. Модель предназначена для генерации текста в диалоговом формате, включая творческое письмо и создание историй. Она может служить для написания художественных фрагментов и ведения текстовых диалогов. Репозиторий содержит веса в формате safetensors. Сведения о лицензии в предоставленных источниках отсутствуют.

zelk12 объединил методом SLERP две предварительно обученные языковые модели Gemma 2: MT4-Gen5-MU-gemma-2-N3N1532MT3g4-9B и MT4-Gen5-MM-gemma-2-MT3g4Rv0.4-9B. Результат — плотная авторегрессионная модель на 9 млрд параметров для генерации текста и диалогового взаимодействия. Модель предназначена для генерации ответов в чате и решения текстовых задач. Она принимает текст и выдаёт текст, использует библиотеку Transformers и имеет контекстное окно 8192 токена. Веса опубликованы в формате safetensors. В README не приведены результаты оценки качества или сведения о поддерживаемых естественных языках. Лицензия в предоставленных данных также не указана.

tranv/mt5-base-finetuned-sumeczech — дообученная модель семейства mT5 на базе google/mt5-base, предназначенная для автоматического суммирования текста. Она содержит около 291,2 млн параметров и использует архитектуру MT5ForConditionalGeneration в формате PyTorch. Базовая модель mT5 — многоязычная текстово-текстовая модель Google. Модель подходит для генерации краткого содержания входного текста. В README приведены результаты оценки: Loss 1,9291, ROUGE-1 15,9842, ROUGE-2 5,0275, ROUGE-L 12,6308 и ROUGE-Lsum 14,0073. Название указывает на чешское суммирование, но язык обучающих данных в карточке не подтверждён. Лицензия — Apache-2.0.

Карточка модели zelk12/MT-Gen5-BB-gemma-2-MTM4MT5g4-9B на Hugging Face совпадает с карточкой zelk12/MT2-Max-Merge_02012025163610-MA-gemma-2-MTM4MT5g4-9B, поэтому описание составлено по ней. zelk12 создал разговорную языковую модель слиянием двух предварительно обученных моделей Gemma 2 с помощью метода SLERP в mergekit. Модель с плотной архитектурой Gemma2ForCausalLM содержит 9 млрд параметров и предназначена для генерации текста и ведения диалогов; она поддерживает контекст до 8192 токенов и использует формат safetensors. Модель может служить основой для чат-ботов, ответов на запросы и других сценариев генерации текста. Сведения о поддерживаемых естественных языках и специализированных областях в карточке отсутствуют, поэтому они здесь не предполагаются. Лицензия в предоставленных данных не указана.

zelk12/MT-Gen5-MM-gemma-2-MT4g2MT5g4-9B — объединённая модель семейства Gemma 2, созданная разработчиком с помощью mergekit методом SLERP из zelk12/MT5-Gen4-gemma-2-9B и zelk12/MT4-Gen2-gemma-2-9B. Это плотная авторегрессионная языковая модель с 9 млрд параметров для диалогов и генерации текста; она принимает текст и выдаёт текст. Модель доступна в формате safetensors, работает с Transformers и поддерживает контекст до 8192 токенов. Модель подходит для чат-ботов, ведения диалога и генерации текстовых ответов. В карточке не приведены сведения о целевых языках, специализированных областях или результатах оценки качества, поэтому нельзя определить её сильные стороны и языковый охват точнее. Лицензия в предоставленных данных не указана.

zelk12 создал объединённую методом SLERP языковую модель Gemma 2 с 9 млрд параметров на основе zelk12/MT-Max-Merge_02012025163610-MUG-gemma-2-9B и zelk12/MT-Max-Merge_02012025163610-BI-gemma-2-9B. Модель предназначена для генерации текста и диалогового общения; она использует архитектуру Gemma2ForCausalLM, работает с контекстом до 8192 токенов и распространяется в формате safetensors для библиотеки Transformers. Модель подходит для ответов в чате и генерации текста по запросу. Данные не позволяют установить её языковое покрытие, специализацию или сравнительное качество. Лицензия в предоставленных источниках не указана.

zelk12/MT-Merge4-BMU-gemma-2-9B — разговорная языковая модель на архитектуре Gemma 2, созданная объединением двух моделей с помощью mergekit и метода SLERP. Модель содержит 9 млрд параметров, распространяется в формате Safetensors и рассчитана на генерацию текста и ведение диалогов. Контекстное окно составляет 8192 токена. Модель может использоваться для диалоговых приложений и генерации ответов на текстовые запросы. В README не приведены сведения о специальных доменах или языках. Лицензия в предоставленных данных не указана.

Multi_verse_modelExperiment26-7B — экспериментальная чат-модель для генерации текста, созданная Maxime Labonne автоматическим слиянием MTSAIR/multi_verse_model и yam-peleg/Experiment26-7B. Слияние выполнено методом SLERP с настройками для слоёв self-attention и MLP; модель основана на плотной архитектуре Mistral и содержит 7,1 млрд параметров. Модель предназначена для диалогового взаимодействия и генерации текста. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов и рассчитана на английский язык согласно описанию базовой модели. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

xammi/municipal-prediction-merged-llama-model-v1.0 — языковая модель разработчика xammi, дообученная на базе unsloth/Meta-Llama-3.1-8B-bnb-4bit с использованием Unsloth и TRL. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров. Она предназначена для генерации текста; карточка не уточняет конкретные сценарии муниципального прогнозирования или обучающие данные. Метаданные указывают английский язык и контекстное окно до 131 072 токенов. Модель распространяется по лицензии Apache-2.0.

Munin Qwen 9B — модель генерации текста из семейства Munin 1.0, разработанная Danish Foundation Models. Она дообучена на базе Qwen/Qwen3.5-9B-Base и предназначена для генерации текста на датском языке и выполнения инструкций. Архитектура — плотная Qwen3.5 с 9 млрд параметров; репозиторий содержит веса в формате safetensors и поддерживает диалоговый режим. Несмотря на мультимодальную базовую модель и метку image-text-to-text в тегах, карточка Munin описывает её как текстовую и указывает, что она не принимает изображения и другие мультимодальные входы. Модель подходит для датскоязычных чат-ботов, черновиков и ответов на инструкции. Лицензия — Apache 2.0. Карточка не сообщает измерений качества, поэтому уровень качества для конкретных задач следует оценивать отдельно.

FreedomAISVR/Muse-Glimmer-30B-NVFP4-GGUF — квантованная сборка Muse-Glimmer-30B от Meta в формате GGUF для локального запуска через llama.cpp. Это плотный причинный трансформер с интегрированным визуальным энкодером; базовая модель насчитывает 27,8 млрд параметров и принимает изображения, в том числе снимки экрана, диаграммы и документы. Контекст достигает 131 тыс. токенов. Сборка использует NVIDIA NVFP4: 4-битные значения E2M1 с масштабированием E4M3 на группы из 16 значений; размер файла — 15,6 ГБ. Модель предназначена для генерации текста и диалогов, а также анализа изображений при локальном инференсе. Для работы с изображениями README рекомендует llama-mtmd-cli или llama-server с mmproj. Проверенная конфигурация использует llama.cpp 1647+ с поддержкой CUDA и видеокарту NVIDIA с 16 ГБ видеопамяти; NVFP4 рассчитан на GPU NVIDIA Blackwell, например RTX 50-й серии. В README приведены результаты на RTX 5060 Ti 16 ГБ: 80,2 токена/с обработки входа и 8,7 токена/с генерации. README указывает лицензию Apache 2.0 для базовой модели. Среди ограничений — требования к совместимому GPU и CUDA-ядрам; отключение рассуждений через конфигурацию не гарантируется, поэтому автор рекомендует параметр --reasoning off при запуске.

Myalee v3 L31 8B — разговорная языковая модель, разработанная Arcee AI и дообученная на основе Crystalcareai/Meta-llama-3.1-8b-instruct. Она предназначена для генерации текста и диалоговых сценариев. Модель использует плотную архитектуру LlamaForCausalLM и содержит 7,5 млрд параметров; заявленная длина контекста составляет 131 072 токена. Модель опубликована в формате PyTorch и распространяется по лицензии Llama 3.1. README не описывает обучающие данные, результаты оценки или специализированную область применения, поэтому качество и пригодность для конкретных задач по карточке определить нельзя.

a111311/my_l1 — языковая модель для генерации текста, размещённая на Hugging Face и доступная через библиотеку Transformers. По метаданным она относится к семейству Gemma, содержит около 2,5 млрд параметров и поддерживает контекст длиной до 8192 токенов. Разработчик, точная архитектура и языки модели в доступных материалах не указаны. Модель предназначена для задач продолжения и генерации текста, включая создание ответов, черновиков и других текстовых последовательностей в приложениях на базе Transformers. Сильными сторонами являются относительно компактный размер и поддержка длинного контекста. README не содержит описания обучения, результатов оценки, целевых сценариев, ограничений качества или рекомендаций по безопасному использованию. Лицензия в доступных данных не указана.

Myriad-7B-Slerp — языковая модель на архитектуре Mistral, созданная Muhammad2003 слиянием MaziyarPanahi/Calme-7B-Instruct-v0.9 и yam-peleg/Experiment26-7B методом SLERP с помощью LazyMergekit. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Она предназначена для генерации текста и диалоговых сценариев. В README приведены результаты оценок ARC, Hellaswag и MMLU, но подробности методики оценки не описаны. В репозитории указаны веса Safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение. Модель унаследовала свойства исходных чекпойнтов; README не описывает отдельно её языковое покрытие и ограничения качества.

Mythalion 13B GGUF — языковая модель для генерации текста, разработанная PygmalionAI и преобразованная в формат GGUF пользователем TheBloke. Модель основана на архитектуре Llama, содержит около 13 миллиардов параметров и ориентирована на задачи текстовой генерации и инструкционного диалога. В README указаны наборы данных PygmalionAI/PIPPA, Open-Orca/OpenOrca, Norquinal/claude_multiround_chat_30k, jondurbin/airoboros-gpt4-1.4.1 и databricks/databricks-dolly-15k. Заявленный язык — английский. Распространяется в виде квантизованных файлов GGUF с вариантами от 2 до 8 бит, предназначенных для запуска на CPU и GPU. Формат поддерживается llama.cpp и рядом локальных интерфейсов и библиотек, включая text-generation-webui, KoboldCpp, LM Studio, Faraday.dev, ctransformers и llama-cpp-python. Для корректного использования предусмотрен шаблон запросов Alpaca. Квантизация снижает требования к памяти и упрощает локальный запуск, однако может уменьшать точность по сравнению с исходной неквантизованной моделью; конкретные результаты зависят от выбранного варианта квантизации. Модель предназначена прежде всего для генерации текста, инструкционного общения и сюжетных или персонажных сценариев. Размер контекста, поддерживаемые модальности помимо текста, результаты тестирования и дополнительные ограничения в README не указаны. Лицензия обозначена как Llama 2.

MercuriusDream/Nanbeige4.2-3B-mlx-bf16 — конвертированная в формат MLX версия Nanbeige4.2-3B от MercuriusDream, созданная из Nanbeige/Nanbeige4.2-3B с помощью mlx-lm. Это плотная авторегрессионная языковая модель семейства Nanbeige с архитектурой Looped Transformer: 22 декодерных слоя с общими весами выполняются дважды за проход. В репозитории находятся веса bfloat16 размером 7,8 ГБ; заявлено совпадение логитов с эталонной реализацией с максимальным абсолютным отклонением 9,5×10⁻⁵ при проверке в fp32 на CPU. Модель предназначена для генерации текста и диалогового использования; метаданные указывают английский и китайский языки, а контекст составляет до 262 144 токенов. Для работы с MLX требуется версия mlx-lm с поддержкой типа модели nanbeige; карточка сообщает, что такая поддержка ожидается в upstream. Модель распространяется по лицензии Apache-2.0. README описывает конверсию весов, поэтому это форматная конверсия, а не отдельное дообучение.

Navrasa-2.0-Rudra-7b-dare-ties — объединённая языковая модель, созданная с помощью LazyMergekit из saucam/Rudra-7b и Indic-gemma-7b-finetuned-sft-Navarasa-2.0. Она предназначена для генерации текста и диалоговых ответов на индийских языках и английском. Модель использует архитектуру GemmaForCausalLM с плотной сетью, содержит 8,2 млрд параметров и поддерживает контекст до 8192 токенов. Веса опубликованы в формате safetensors; при объединении применён метод DARE-TIES с маской int8 и типом данных bfloat16. Лицензия в предоставленных данных не указана.

Это GGUF-квантизация модели Dumpling-Qwen2.5-72B, разработанной nbeerbower и подготовленной quantized_by bartowski с использованием imatrix и llama.cpp. Модель предназначена для генерации текста и запуска в локальных приложениях, совместимых с llama.cpp, включая LM Studio. Указанный формат prompt использует шаблон ChatML с ролями system, user и assistant. Модель основана на Qwen2.5-72B и имеет размер 72B параметров; README не сообщает точные языки, длину контекста, модальности или архитектурные детали базовой модели. Доступно множество вариантов квантизации GGUF: от Q8_0 размером 77,26 ГБ до более компактных Q2- и Q3-вариантов. Q6_K, Q5_K_M, Q5_K_S, Q4_K_L, Q4_K_M, Q4_K_S и IQ4_XS отмечены как рекомендуемые; более сильная квантизация уменьшает требования к памяти, но может снижать качество. Сильными сторонами являются большое количество параметров, выбор вариантов квантизации и поддержка локального запуска на CPU или совместимом ускорителе через llama.cpp. Ограничения включают значительные требования к оперативной памяти даже для компактных вариантов и потенциальную потерю качества у низкобитных квантов. Модель распространяется под лицензией Apache-2.0.

trinhkhng/nearswap_Merged_gpt2-large_0.0 — языковая модель генерации текста, созданная слиянием моделей методом NearSwap с помощью mergekit. В качестве основной использована GPT-2 Large, а в слияние также включена модель debias_gpt2-large; итоговая архитектура — плотная GPT2LMHeadModel, веса сохранены в формате safetensors. Модель предназначена для генерации продолжения текста по текстовой подсказке. Контекст составляет 1024 токена. В карточке указаны библиотека Transformers и лицензия MIT. Сведения о специализации на конкретных языках или прикладных областях не приводятся.

MergedQwen2-0.5B0.1 — объединённая языковая модель на архитектуре Qwen2, созданная методом NearSwap с помощью mergekit. В качестве базовой модели использована Qwen2-0.5B, в объединение также вошла debias_Qwen2-0.5B. Модель содержит около 493,7 млн параметров и предназначена для генерации текста в диалоговом формате; метаданные указывают контекст до 131 072 токенов. Модель принимает текст и генерирует текст. В карточке не указаны конкретные языки применения, лицензия или проверенные показатели качества, поэтому её пригодность для конкретных сценариев следует оценивать отдельно.

Negativelikelihood-zephyr-7b-sft-full — диалоговая языковая модель на архитектуре Mistral с 7,1 млрд параметров, дообученная на alignment-handbook/zephyr-7b-sft-full с использованием набора HuggingFaceH4/ultrafeedback_binarized. Она предназначена для генерации текста и ответов в чате. Модель принимает текст и выдаёт текст; заявленный контекст — до 32 768 токенов. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Подробные сведения о качестве, оценках и специальных ограничениях в карточке не приведены.

Карточка модели cgato/Nemo-12b-TheSpice-V0.9-All-v2 на Hugging Face совпадает с карточкой cgato/L3.1-8b-TheSpice-V0.9-Base-v2, поэтому описание составлено по ней. L3.1-8b-TheSpice-V0.9-Base-v2 — текстовая генеративная модель семейства Llama, опубликованная cgato. Это версия на 7,5 млрд параметров с плотной архитектурой LlamaForCausalLM и контекстом до 131 072 токенов; для диалогов используется формат ChatML. Модель прошла начальный этап дообучения на общих данных и предназначена для генерации текста и диалоговых сценариев общего назначения. Она не настроена специально для ролевых игр и не проходила обучение с подкреплением, поэтому автор отмечает, что ответы могут быть несфокусированными. В репозитории указаны веса Safetensors. Лицензия CC BY-NC 4.0 разрешает использование с атрибуцией, но запрещает коммерческое применение.

NemoDori-v0.2.2-12B-MN-ties — объединённая языковая модель, созданная RozGrov методом TIES с помощью mergekit. В основе лежит RozGrov/NemoDori-v0.2-12B-MN-BT; в объединение также вошли crestf411/nemo-sunfall-v0.6.1, unsloth/Mistral-Nemo-Instruct-2407 и UsernameJustAnother/Nemo-12B-Marlin-v5. Модель построена на архитектуре Mistral с 12,1 млрд параметров и предназначена для генерации текста и диалогов. Автор стремился улучшить учёт предыдущих реплик и следование инструкциям, особенно последней, сохранив творческую генерацию и возможности для ролевых диалогов. По предварительной оценке автора, модель немного лучше учитывает историю разговора и инструкции, но формат ответов бывает непоследовательным. При высокой температуре генерации возможна стилизованная под староанглийский речь. В метаданных указан контекст до 1 024 000 токенов. Модель распространяется в формате safetensors; библиотека для работы — Transformers. Сведения о лицензии в предоставленной карточке отсутствуют.

NemoMix-Unleashed-12B — объединённая текстовая языковая модель автора MarinaraSpaghetti, созданная с помощью mergekit из предварительно обученных моделей на базе Mistral Nemo. В объединение вошли модели Intervitens, Sao10K, Nbeerbower и Mistral AI; метод слияния — della_linear. Модель содержит 12,1 млрд параметров и опубликована в формате safetensors. Модель предназначена для генерации текста, ролевых диалогов и написания историй. Автор отмечает, что она меньше склонна к повторам, особенно при длинном контексте, и рекомендует использовать формат инструкций Mistral Instruct. Метаданные указывают контекст до 1 024 000 токенов; это не гарантирует одинакового качества на всей длине контекста. Модель доступна по лицензии Apache-2.0. Карточка не приводит результатов сравнительных тестов, поэтому заявленные преимущества по повторяемости следует считать наблюдением автора.