I.5Создание и редактирование текста

Карточка модели DongfuJiang/Qwen2.5-0.5B-Instruct на Hugging Face совпадает с карточкой Qwen/Qwen2.5-0.5B-Instruct, поэтому описание составлено по ней. Qwen/Qwen2.5-0.5B-Instruct — компактная инструктивно настроенная языковая модель семейства Qwen2.5, разработанная командой Qwen. Она предназначена для диалогов, выполнения инструкций и генерации текста, включая длинные ответы, структурированные данные и JSON; также может применяться для простых задач по коду и математике. Модель построена на архитектуре Qwen2 с причинным языковым моделированием и содержит 494 млн параметров. В карточке указаны 24 слоя, RoPE, SwiGLU, RMSNorm и группированное внимание; контекст — 32 768 токенов, генерация — до 8 192 токенов. Модель работает с текстом, поддерживает чат и интерфейс вызова инструментов. Семейство Qwen2.5 заявляет поддержку более 29 языков, включая русский и английский. Небольшой размер упрощает запуск по сравнению с крупными языковыми моделями, но ограничивает сложность задач, которые она может надёжно решать. Модель распространяется по лицензии Apache-2.0; для загрузки через Transformers рекомендуется актуальная версия библиотеки.

Qwen2.5-0.5B-Instruct-Gensyn-Swarm-sizable_pawing_alpaca — компактная плотная языковая модель для генерации текста и диалогов. Это дообученная с помощью TRL версия unsloth/Qwen2.5-0.5B-Instruct, опубликованная разработчиком devve69. Модель содержит 494 млн параметров, построена на архитектуре Qwen2 и имеет контекстное окно 32 768 токенов. Модель принимает текстовые запросы и может использоваться для диалога, выполнения инструкций и генерации ответов. В метаданных также отмечен интерфейс вызова инструментов. Она загружается через Transformers; в карточке приведён пример генерации ответа на вопрос. Карточка не описывает специальную предметную область или отдельные языки обучения. Условия лицензии в предоставленных данных не приведены.

unsloth/Qwen2.5-14B — 14-миллиардная плотная авторегрессионная языковая модель семейства Qwen2.5, опубликованная Unsloth как дообученная версия Qwen/Qwen2.5-14B. Она предназначена для генерации и продолжения текста; базовая модель особенно подходит для дальнейшего постобучения, а карточка не рекомендует использовать базовые языковые модели непосредственно для диалогов. Архитектура использует RoPE, SwiGLU, RMSNorm и grouped-query attention; контекст составляет до 131 072 токенов. Модель поддерживает многоязычную генерацию, включая китайский, английский, французский, испанский, португальский, немецкий, итальянский, русский, японский, корейский, вьетнамский, тайский и арабский. Семейство Qwen2.5 заявлено как улучшенное в программировании, математике, следовании инструкциям, работе с длинными текстами и структурированными данными, однако эти характеристики в README описаны для семейства в целом и не подтверждены отдельной оценкой данного чекпойнта. Репозиторий использует Transformers и формат safetensors; лицензия — Apache-2.0.

mlx-community/Qwen2.5-14B-Instruct-8bit — 14-миллиардная языковая модель семейства Qwen2.5, подготовленная сообществом mlx-community для запуска в формате MLX на устройствах Apple. README сообщает, что модель преобразована из Qwen/Qwen2.5-14B-Instruct с помощью mlx-lm версии 0.18.1; метаданные указывают архитектуру Qwen2ForCausalLM и контекст до 32 768 токенов. Модель предназначена для генерации текста в диалогах, ответов на вопросы и использования интерфейса вызова инструментов. Метаданные указывают английский язык; карточка не подтверждает поддержку других языков. Репозиторий распространяется по лицензии Apache-2.0. MLX-формат ориентирован на экосистему Apple, поэтому практический запуск зависит от совместимого оборудования и ПО.

Qwen2.5-1.5B-DeepSeek-R1-Instruct — компактная языковая модель на 1,5 млрд параметров, собранная автором prithivMLmods методом TIES с помощью MergeKit. В качестве основы использована Qwen/Qwen2.5-1.5B-Instruct; в слияние также вошли Qwen/Qwen2.5-1.5B и DeepSeek-R1-Distill-Qwen-1.5B. Модель использует архитектуру Qwen2 и доступна в формате Safetensors для библиотеки Transformers. Модель предназначена для диалогов и генерации текста по инструкциям, в том числе для получения структурированных ответов. Контекст составляет до 32 768 токенов. Карточка не описывает отдельную специализацию по предметной области или конкретный набор поддерживаемых языков. Карточка не приводит оценок качества и подробных ограничений, поэтому пригодность модели для конкретных задач следует проверять отдельно. Лицензия в предоставленных данных не указана.

Карточка модели Davedav/Qwen2.5-1.5B-Instruct на Hugging Face совпадает с карточкой Qwen/Qwen2.5-1.5B-Instruct, поэтому описание составлено по ней. Qwen2.5-1.5B-Instruct — инструктивно дообученная языковая модель семейства Qwen2.5, разработанная командой Qwen. Она предназначена для диалогов и генерации текста по инструкциям, включая ответы на вопросы, создание длинных текстов и выдачу структурированных результатов, например JSON. Модель имеет плотную архитектуру причинного трансформера Qwen2 с RoPE, SwiGLU и RMSNorm и содержит 1,5 млрд параметров. Контекст составляет 32 768 токенов, максимальная длина генерации — 8 192 токена. Карточка описывает поддержку более 29 языков, включая русский и английский; метаданные указывают английский как язык карточки. Модель загружается через Transformers и распространяется по лицензии Apache-2.0. Среди сильных сторон — следование инструкциям, работа с длинными текстами и структурированными данными, а также интерфейс для вызова инструментов. Это компактная модель, поэтому её возможности ограничены по сравнению с более крупными языковыми моделями; оценочные результаты для этой конкретной версии в карточке не приведены.

Карточка модели junie626/Qwen2.5-1.5B-Instruct на Hugging Face совпадает с карточкой Qwen/Qwen2.5-1.5B-Instruct, поэтому описание составлено по ней. Qwen2.5-1.5B-Instruct — инструктивно дообученная языковая модель семейства Qwen2.5, разработанная командой Qwen. Она предназначена для диалогов и генерации текста по инструкциям, включая ответы на вопросы, создание длинных текстов и выдачу структурированных результатов, например JSON. Модель имеет плотную архитектуру причинного трансформера Qwen2 с RoPE, SwiGLU и RMSNorm и содержит 1,5 млрд параметров. Контекст составляет 32 768 токенов, максимальная длина генерации — 8 192 токена. Карточка описывает поддержку более 29 языков, включая русский и английский; метаданные указывают английский как язык карточки. Модель загружается через Transformers и распространяется по лицензии Apache-2.0. Среди сильных сторон — следование инструкциям, работа с длинными текстами и структурированными данными, а также интерфейс для вызова инструментов. Это компактная модель, поэтому её возможности ограничены по сравнению с более крупными языковыми моделями; оценочные результаты для этой конкретной версии в карточке не приведены.

Карточка модели xuanguan5525/Qwen2.5-1.5B-Instruct на Hugging Face совпадает с карточкой Qwen/Qwen2.5-1.5B-Instruct, поэтому описание составлено по ней. Qwen2.5-1.5B-Instruct — инструктивно дообученная языковая модель семейства Qwen2.5, разработанная командой Qwen. Она предназначена для диалогов и генерации текста по инструкциям, включая ответы на вопросы, создание длинных текстов и выдачу структурированных результатов, например JSON. Модель имеет плотную архитектуру причинного трансформера Qwen2 с RoPE, SwiGLU и RMSNorm и содержит 1,5 млрд параметров. Контекст составляет 32 768 токенов, максимальная длина генерации — 8 192 токена. Карточка описывает поддержку более 29 языков, включая русский и английский; метаданные указывают английский как язык карточки. Модель загружается через Transformers и распространяется по лицензии Apache-2.0. Среди сильных сторон — следование инструкциям, работа с длинными текстами и структурированными данными, а также интерфейс для вызова инструментов. Это компактная модель, поэтому её возможности ограничены по сравнению с более крупными языковыми моделями; оценочные результаты для этой конкретной версии в карточке не приведены.

Pancrasanicet/Qwen2.5-1.5B-Instruct-Gensyn-Swarm-leggy_shaggy_vulture — компактная текстовая генеративная модель из семейства Qwen2.5, опубликованная на Hugging Face пользователем Pancrasanicet. Модель имеет 1,5 млрд параметров, предназначена для работы через библиотеку Transformers и поддерживает контекст до 32 768 токенов. В метаданных она связана с RL-Swarm, GenRL-Swarm, GRPO и Gensyn, что указывает на использование или публикацию в контексте распределённого обучения с подкреплением; подробности обучения и разработчика в карточке не приведены. Модель можно применять для генерации продолжений текста, диалоговых ответов, черновиков и других задач, совместимых с text-generation и инструкционным режимом. Языки, точные архитектурные характеристики, датасеты, результаты оценки и условия лицензирования в доступных данных не описаны. Из-за отсутствия полноценной документации и бенчмарков результаты следует проверять, особенно при использовании в чувствительных или специализированных сценариях.

Это текстовая авторегрессионная модель семейства Qwen2.5, размещённая пользователем boater и основанная на Qwen2.5-1.5B-Instruct. Модель объёмом 1,5 млрд параметров предназначена для генерации текста в формате инструкций и диалогов; указанный для неё контекст — до 32 768 токенов. Метаданные связывают репозиторий с RL Swarm, GenRL Swarm и GRPO, но не дают подробностей о конкретной процедуре обучения или её результатах. Файлы представлены в формате Safetensors для Transformers. Условия лицензии и подтверждённые языки карточка и доступные сведения не устанавливают.

Карточка модели tayaee/Qwen2.5-1.5B-Instruct-ko-Reasoning-alpha-smoke на Hugging Face совпадает с карточкой Qwen/Qwen2.5-1.5B-Instruct, поэтому описание составлено по ней. Qwen2.5-1.5B-Instruct — инструктивно дообученная языковая модель семейства Qwen2.5, разработанная командой Qwen. Она предназначена для диалогов и генерации текста по инструкциям, включая ответы на вопросы, создание длинных текстов и выдачу структурированных результатов, например JSON. Модель имеет плотную архитектуру причинного трансформера Qwen2 с RoPE, SwiGLU и RMSNorm и содержит 1,5 млрд параметров. Контекст составляет 32 768 токенов, максимальная длина генерации — 8 192 токена. Карточка описывает поддержку более 29 языков, включая русский и английский; метаданные указывают английский как язык карточки. Модель загружается через Transformers и распространяется по лицензии Apache-2.0. Среди сильных сторон — следование инструкциям, работа с длинными текстами и структурированными данными, а также интерфейс для вызова инструментов. Это компактная модель, поэтому её возможности ограничены по сравнению с более крупными языковыми моделями; оценочные результаты для этой конкретной версии в карточке не приведены.

Карточка модели tayaee/Qwen2.5-1.5B-Korean-DPO-smoke на Hugging Face совпадает с карточкой Qwen/Qwen2.5-1.5B-Instruct, поэтому описание составлено по ней. Qwen2.5-1.5B-Instruct — инструктивно дообученная языковая модель семейства Qwen2.5, разработанная командой Qwen. Она предназначена для диалогов и генерации текста по инструкциям, включая ответы на вопросы, создание длинных текстов и выдачу структурированных результатов, например JSON. Модель имеет плотную архитектуру причинного трансформера Qwen2 с RoPE, SwiGLU и RMSNorm и содержит 1,5 млрд параметров. Контекст составляет 32 768 токенов, максимальная длина генерации — 8 192 токена. Карточка описывает поддержку более 29 языков, включая русский и английский; метаданные указывают английский как язык карточки. Модель загружается через Transformers и распространяется по лицензии Apache-2.0. Среди сильных сторон — следование инструкциям, работа с длинными текстами и структурированными данными, а также интерфейс для вызова инструментов. Это компактная модель, поэтому её возможности ограничены по сравнению с более крупными языковыми моделями; оценочные результаты для этой конкретной версии в карточке не приведены.

Модель stville/qwen25_1_5b_korean_unsloth — дообученная stville языковая модель семейства Qwen2.5 на 1,5 млрд параметров, основанная на unsloth/Qwen2.5-1.5B-bnb-4bit. Она предназначена для генерации текста. В README указано, что обучение проводилось с Unsloth и библиотекой TRL; метаданные задают контекстное окно до 32 768 токенов и формат safetensors. Карточка не описывает конкретную специализацию дообучения или оценку качества, поэтому сценарии применения следует выбирать с проверкой результатов. Модель распространяется по лицензии Apache-2.0.

MaziyarPanahi/Qwen2.5-3B-Instruct-GGUF — это набор файлов модели в формате GGUF для инструкционной языковой модели Qwen2.5-3B-Instruct, разработанной командой Qwen и квантованной MaziyarPanahi. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск через совместимые приложения и библиотеки. Модель содержит около 3 миллиардов параметров и работает в текстовой модальности. В репозитории представлены варианты квантования с разрядностью 2, 3, 4, 5, 6 и 8 бит, что позволяет выбирать компромисс между размером файлов, требованиями к памяти и качеством ответов. Формат GGUF поддерживается llama.cpp, llama-cpp-python, LM Studio, text-generation-webui, KoboldCpp, GPT4All и другими инструментами. Сведения о языках и размере контекстного окна в README не указаны. К сильным сторонам относятся возможность локального запуска, широкий выбор уровней квантования и совместимость с популярной экосистемой GGUF, включая GPU-ускорение и OpenAI-совместимые серверы в некоторых клиентах. Ограничения связаны с потерей качества при использовании более агрессивного квантования, а также с тем, что README не содержит результатов тестирования, подробностей архитектуры, языкового охвата и условий лицензирования. Лицензия в предоставленных данных не указана.

Qwen2.5-3B-RP-Thinker-V2 — объединённая модель генерации текста, созданная Bunnycore с помощью mergekit методом Model Stock на основе Qwen/Qwen2.5-3B-Instruct с включением PowerInfer/SmallThinker-3B-Preview и bunnycore/Qwen2.5-3B-RP-Mix. Это плотная авторегрессионная модель семейства Qwen2 с 3,1 млрд параметров, предназначенная для диалогов и генерации текста; доступны интерфейс вызова инструментов и контекст до 32 768 токенов. Модель подходит для диалоговых сценариев и задач, где полезны рассуждения, следование инструкциям и стиль RP, унаследованные от объединённых моделей. Она загружается через Transformers, веса представлены в формате safetensors. В карточке указана лицензия Apache-2.0? нет; условия лицензирования по предоставленным данным установить нельзя.

Qwen2.5-72B-Instruct-heretic — плотная языковая модель на 71,5 млрд параметров, созданная krthkyadtya на основе Qwen/Qwen2.5-72B-Instruct. Это версия с удалённым поведением отказа: авторы применили Heretic для абляции направлений, связанных с отказами, и объединили поправку с весами модели. Модель поставляется как обычный объединённый каталог весов в формате safetensors и работает через Transformers. Модель предназначена для диалогов и генерации текста, включая запросы, которым исходная модель могла отказать. Контекст — до 32 768 токенов. В карточке приведены результаты внутренней оценки на 66 отказных и 66 безвредных запросах; это ограниченная выборка и не подтверждает сохранение всех возможностей или безопасность поведения в иных сценариях. Лицензия указана как other; конкретные условия следует сверять с лицензией базовой модели и репозитория. README предупреждает, что поведение отказа удалено, поэтому модель может выполнять запросы, которые исходная версия отклонила бы.

Qwen2.5-72b-RP-Ink-GGUF — это набор квантованных версий языковой модели Qwen2.5-72b-RP-Ink, подготовленный allura-org и опубликованный quantized_by bartowski. Модель предназначена для генерации текста, диалогов, чат-сценариев и roleplay. Формат GGUF рассчитан на локальный запуск с использованием llama.cpp; в README также указана совместимость с LM Studio. Модель основана на архитектуре Qwen2.5 и имеет 72 миллиарда параметров. Доступны варианты квантования от Q8_0 до IQ1_M, с размером файлов примерно от 25 до 77 ГБ. Более высокие уровни квантования обеспечивают лучшее качество при повышенных требованиях к памяти, а низкие позволяют экономить ресурсы, но заметнее снижают качество. В качестве рекомендуемых указаны, в частности, Q6_K, Q5_K_M, Q5_K_S, Q4_K_M, Q4_K_S и IQ4_XS. Конкретные сведения о поддерживаемых языках, размере контекста и мультимодальности в README не приведены; по назначению это текстовая, а не мультимодальная модель. Для работы следует использовать шаблон prompt format с ролями system, user и assistant, совместимый с форматом Qwen. Ограничениями являются значительные требования к оперативной памяти и зависимость качества от выбранного варианта квантования; некоторые варианты помечены как низкокачественные или устаревшие. Лицензия указана как qwen и other, однако точные условия и текст лицензии в README не раскрыты.

ZeroXClem/Qwen2.5-7B-CelestialHarmony-1M — языковая модель, созданная ZeroXClem слиянием нескольких дообученных вариантов Qwen2.5-7B методом Model Stock. Она построена на архитектуре Qwen2 и содержит около 7,1 млрд параметров по метаданным; README указывает 7,61 млрд. Модель принимает текст и генерирует текст, а заявленная длина контекста составляет до 1 010 000 токенов. Модель предназначена для диалогов, ролевых сценариев и сторителлинга, структурированных рассуждений, а также работы с очень длинными документами и контекстами. В метаданных отмечен интерфейс вызова инструментов; конкретные возможности зависят от используемого шаблона и среды запуска. Модель распространяется под лицензией MIT. Для практического применения на длинном контексте потребуются совместимая среда инференса и значительные вычислительные ресурсы; заявленные качества рассуждения и работы с контекстом основаны на описании автора.

Danleon56/qwen2.5-7b-chioma-sft-merged — разговорная модель генерации текста, разработанная Danleon56 путём дообучения unsloth/Qwen2.5-7B-Instruct-bnb-4bit с использованием Unsloth и библиотеки Hugging Face TRL. Модель построена на плотной архитектуре Qwen2 с 7,1 млрд параметров и рассчитана на диалоговое взаимодействие и генерацию текста; метаданные также указывают интерфейс вызова инструментов. Контекстное окно составляет 32 768 токенов, основной указанный язык — английский. Модель подходит для чат-ботов и генерации ответов на текстовые запросы. Репозиторий содержит веса в формате safetensors, а лицензия — Apache-2.0. Карточка не описывает специальную предметную область или ограничения качества, поэтому пригодность для конкретных задач следует оценивать на собственных примерах.

bunnycore создала эту объединённую модель на основе нескольких предварительно обученных языковых моделей с помощью метода Model Stock и инструмента mergekit. В состав вошли Bespoke-Stratos-7B, модели семейств Qwen и DeepSeek, а также другие модели на 7B; архитектура — плотная Qwen2ForCausalLM, размер — 7,1 млрд параметров. Модель доступна в формате safetensors для Transformers и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации текста и диалогов. Включённые модели указывают на ориентацию среди прочего на рассуждения, но README не описывает отдельные специализации или гарантии качества; приведённые результаты Open LLM Leaderboard ограничены несколькими метриками. Лицензия в предоставленных данных не указана.

LaTexT/qwen2.5-7b-gz3-sentence-iter2-w0.2 — дообученная компанией или исследовательской группой LaTexT модель Qwen2.5-7B-Instruct с архитектурой Qwen2 и 7,1 млрд параметров. Модель предназначена для генерации текста и диалоговых сценариев; в метаданных также отмечен интерфейс вызова инструментов. Карточка связывает её с экспериментом LaTexT: строка таблицы 1 статьи «Qwen2.5-7B LaTexT m=3 sentence».

Модель jikatakiri45 — дообученная версия Qwen2.5-7B-Instruct, созданная на базе unsloth/qwen2.5-7b-instruct-unsloth-bnb-4bit. Это плотная языковая модель с архитектурой Qwen2ForCausalLM и 7,1 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. В карточке указано, что при обучении использовались Unsloth и библиотека TRL; контекст модели составляет до 32 768 токенов. Модель можно применять для диалоговых ответов, генерации и продолжения текста. В метаданных указан английский язык, однако README не описывает обучающие данные, качество на конкретных задачах или специализацию на индонезийском языке. Модель распространяется по лицензии Apache-2.0.

graelo/Qwen2.5-7B-Instruct-1M-AWQ — это 4-битная GEMM-квантизованная версия модели Qwen/Qwen2.5-7B-Instruct-1M, разработанной командой Qwen. Модель относится к классу instruction-tuned языковых моделей с примерно 7 миллиардами параметров и предназначена для выполнения инструкций и генерации текста. Из идентификатора базовой модели следует поддержка контекста до 1 миллиона токенов, однако сведения о языках, модальностях и точной архитектуре в README не приведены. Квантизация до 4 бит может снизить требования к памяти и сделать запуск модели более доступным, но потенциально сопровождается потерей качества по сравнению с исходной версией и требует совместимого программного обеспечения для формата AWQ/GEMM. README не содержит результатов тестирования, подробностей о производительности или рекомендуемых сценариях использования. Модель распространяется по лицензии Apache-2.0.

kepom/Qwen2.5-7B-Instruct-abliterated-v2-GGUF — квантизированная версия языковой модели Qwen2.5-7B-Instruct-abliterated-v2, созданная QuantFactory с использованием llama.cpp. Исходную модель разработала huihui-ai на базе Qwen/Qwen2.5-7B-Instruct от Alibaba Cloud; модификация выполнена методом abliteration и позиционируется как менее ограниченная по отказам версия исходной instruct-модели. Модель предназначена для генерации текста и диалоговых сценариев, включая использование в чат-приложениях и локальных приложениях через совместимый с GGUF стек. Она поддерживает английский язык, относится к классу causal language models и имеет размер 7B параметров. В README не указаны точный размер контекста, конкретные варианты квантизации, список поддерживаемых модальностей помимо текста и требования к аппаратному обеспечению. По приведённым оценкам, модель превосходит исходную Qwen2.5-7B-Instruct на IF_Eval и GPQA, но уступает ей на MMLU Pro, TruthfulQA и BBH. Abliteration может сделать ответы менее ограниченными, однако это также означает потенциально более слабое следование политикам безопасности и не гарантирует фактическую точность ответов. Модель распространяется по лицензии Apache-2.0.

Optitransfer представил Qwen2.5-7B-Instruct-converge-collective-v1 — объединённую модель для диалогов и генерации текста, созданную на основе Qwen2.5-7B-Instruct и восьми донорских моделей четырёх семейств. Слияние выполнено методом converge: тензоры согласуются между архитектурами, объединяются через целочисленный CRDT-механизм и сохраняются в формате safetensors. Заявлены 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации ответов и других текстовых сценариев. В README описаны точное воспроизведение результата с проверкой SHA-256 и результаты парного сравнения с исходной моделью: улучшения неоднородны, отдельные показатели снизились. Поддерживается английский язык; метаданные также отмечают интерфейс вызова инструментов. Модель распространяется по лицензии Apache-2.0. Это слитый чекпойнт одной группы из девяти моделей; README указывает на регрессии по отдельным бенчмаркам и на то, что выравнивание базисов между архитектурами остаётся открытой исследовательской задачей.

Orion-zhen/Qwen2.5-7B-Instruct-Uncensored — диалоговая языковая модель Orion-zhen, полученная дообучением Qwen/Qwen2.5-7B-Instruct с помощью SFT и DPO на наборах инструкций и предпочтений, ориентированных на ответы без отказов. Это плотная модель семейства Qwen2 с архитектурой Qwen2ForCausalLM, 7,1 млрд параметров и контекстом до 32 768 токенов; репозиторий содержит веса в формате safetensors. Модель предназначена для диалогов и генерации текста, включая ответы на инструкции, творческое письмо и ролевые сценарии. Она ориентирована на снижение отказов при обработке запросов, сохраняя часть возможностей базовой модели. В карточке перечислены теги китайского, английского, французского, испанского, португальского, немецкого, итальянского, русского, японского, корейского, вьетнамского, тайского и арабского языков. Автор отмечает, что модель всё ещё может не создавать подробные описания некоторых экстремальных сценариев; это может быть связано с отсутствием соответствующих данных на этапе предобучения базовой модели. Лицензия — GPL-3.0.

ChisatoY/Qwen2.5-7B-ReWrite — языковая модель для переписывания текстов на китайском и английском языках в более естественном, человекоподобном стиле. Она разработана на основе Qwen2.5-7B-Instruct с применением supervised fine-tuning через LoRA; адаптер объединён с базовой моделью, поэтому модель доступна как самостоятельные BF16 Safetensors-веса для Transformers. Модель предназначена для гуманизации AI-сгенерированных текстов с сохранением исходного смысла, фактов, языка и форматирования, без добавления пояснений. Она особенно ориентирована на китайские академические и формальные тексты, а также на англоязычные материалы. Архитектура — Qwen2ForCausalLM, размер — около 7,6 млрд параметров, максимальный контекст — 32 768 токенов, максимальная длина последовательности при обучении — 1 024 токена. Обучение проводилось на 42 261 тренировочном примере с использованием 863 примеров для валидации; отдельно применялся небольшой англоязычный тестовый набор. Сильная сторона модели — специализация на сокращении и упрощении формулировок, а также заметное улучшение относительно исходной Qwen2.5-7B-Instruct на указанном тесте. Ограничения включают слабое покрытие разговорной речи, художественных текстов и социальных сетей на китайском языке, возможное сохранение рекламного или шаблонного стиля, изменения формулировок и фактические смещения, поэтому важный результат требует проверки человеком. Лицензия самой модели в README не указана; при использовании необходимо соблюдать условия лицензии базовой модели и лицензий наборов данных: CC BY-NC 4.0, Apache 2.0 и CC BY 4.0.

AvoCahDoe/qwen2-5-7b-rlmpq-balanced — вариант Qwen2.5-7B, подготовленный методом RL-MPQ (Reinforcement Learning Mixed-Precision Quantization) для сбалансированного соотношения размера и качества. Это плотная авторегрессионная модель семейства Qwen2 с 7,1 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Базовая модель — Qwen/Qwen2.5-7B; средняя точность квантования составляет 3,3929 бита на вес. Репозиторий содержит fake-quantized веса FP16 и политику распределения битности по слоям; модель совместима с Transformers и имеет контекстное окно до 131 072 токенов. В README качество проверяется по perplexity на WikiText-2, однако численное значение для сценария Balanced в доступной части карточки отсутствует. Модель может применяться для диалога и генерации текста, но квантование смешанной точности способно влиять на качество, а приведённые сведения не подтверждают результаты для других задач или языков. Лицензия — Apache-2.0.

Xiaojian9992024/Qwen2.5-Dyanka-7B-Preview — объединённая методом TIES языковая модель, созданная разработчиком Xiaojian9992024 с помощью mergekit на основе нескольких моделей семейства Qwen2.5. В состав слияния вошли gz987/qwen2.5-7b-cabs-v0.3, rombodawg/Rombos-LLM-V2.5-Qwen-7b, suayptalha/Clarus-7B-v0.1, prithivMLmods/WebMind-7B-v0.1, fblgit/cybertron-v4-qw7B-MGS и Xiaojian9992024/Qwen2.5-THREADRIPPER-Small. Модель с архитектурой Qwen2 имеет 7,1 млрд параметров и контекст длиной 32 768 токенов. Она предназначена для генерации текста и диалогового общения; для запуска доступны веса safetensors и библиотека Transformers. В карточке приведены результаты оценивания, включая 76,40% на IFEval и 36,62% на BBH. Лицензия — Apache-2.0. Карточка не уточняет целевые языки и ограничения качества; результаты тестов не гарантируют качество на конкретных пользовательских задачах.

Qwen2.5-Gutenberg-Doppel-32B-GGUF — набор квантизированных файлов модели Qwen2.5-Gutenberg-Doppel-32B, подготовленный bartowski с использованием llama.cpp и метода imatrix. Базовая модель разработана nbeerbower; при квантизации использовались датасеты jondurbin/gutenberg-dpo-v0.1 и nbeerbower/gutenberg2-dpo. Модель предназначена для генерации текста и может применяться в локальных сценариях через llama.cpp или LM Studio. Модель имеет размер 32B параметров и распространяется в формате GGUF с вариантами от BF16 до Q3 и различных IQ- и Q4/Q5/Q6/Q8-квантизаций. Доступны файлы размером примерно от 14,8 до 65,5 ГБ, что позволяет выбирать баланс между качеством, требованиями к памяти и скоростью инференса. В README не указаны поддерживаемые языки, максимальная длина контекста, точные архитектурные характеристики и мультимодальные возможности; по указанному pipeline_tag это текстовая генеративная модель. Сильной стороной набора является широкий выбор квантизаций: варианты Q6_K и Q6_K_L заявлены как почти неотличимые от исходного качества, а Q4_K_M рекомендован как стандартный вариант для большинства сценариев. Более компактные варианты подходят для систем с ограниченной оперативной памятью, однако обеспечивают более низкое качество. Некоторые форматы оптимизированы для ARM и имеют специальные требования к поддержке инструкций; отдельные варианты не рекомендуются для Mac или GPU. Модель распространяется по лицензии Apache-2.0.