I.5Создание и редактирование текста

Raptor 0.6 — GGUF — это квантизированная версия модели Raptor 0.6, разработанная Osaurus AI на базе XHToken/Spark-X2.5-4B. Модель предназначена для генерации текста, рассуждений, агентских сценариев и использования инструментов, включая работу с файлами и вызов функций. Заявлена поддержка английского и китайского языков, а формат GGUF ориентирован на локальный запуск, в частности в Osaurus for Windows и совместимых рантаймах семейства llama.cpp. Модель содержит около 4 млрд параметров и использует архитектуру spark2_5: объединённый q_k_v_proj, sigmoid-gate на выходе attention, GELU-MLP, RMSNorm без сдвига, а также комбинацию sliding и full attention с окном 512 токенов. В репозитории доступны варианты Q6_K размером около 3,38 ГБ и Q4_K_M размером около 2,60 ГБ; оба созданы с importance matrix для снижения потерь при квантизации. Поддерживаются встроенное рассуждение с отделением reasoning_content от основного ответа и преобразование вызовов инструментов в стандартный OpenAI JSON. Сильными сторонами являются возможность локального запуска, небольшой размер, поддержка reasoning и tool use, а также калибровка imatrix; для Q6_K заявлено совпадение top-1 с исходными bf16-весами на уровне 98,27%. Ограничение — необходим runtime с поддержкой архитектуры spark2_5: стандартные версии llama.cpp, Ollama и LM Studio без такой поддержки эти файлы не загрузят. Для работы рекомендуется llama.cpp с параметром --jinja; при сложных запросах рассуждения могут потребовать более 8192 выходных токенов, которые учитываются вместе с входом в пределах контекстного окна. Лицензия — Apache-2.0.

Xirui1208/readall-readtwice-14b-stage2-localstep10-globalstep25-20260928 — языковая модель семейства Qwen2 с плотной архитектурой и примерно 14 млрд параметров. Она представлена в формате safetensors для инференса в BF16; в метаданных указаны генерация текста, чат и интерфейс вызова инструментов. Модель предназначена для диалоговой генерации текста. Контекст составляет до 32 768 токенов. README описывает её как оценённый чекпойнт второго этапа обучения ReadAll и сообщает, что репозиторий архивирован по просьбе владельца; включены оценённые чекпойнты, а кандидаты, использовавшиеся только для калибровки, и отклонённые варианты помечены отдельно. Лицензия и поддерживаемые естественные языки в предоставленных данных не указаны. Также нет сведений о конкретных результатах оценки или ограничениях качества.

Soulfate24/ReaderLM-v2-ASHQ1-Remix-GGUF — квантизированная в формате GGUF версия ReaderLM-v2, опубликованная Soulfate24. В README указана activation-aware квантизация ASHQ1-Remix с настройками, основанными на измерениях; также упоминается поддержка линии AutoRound с ограничениями насыщения. Метаданные относят репозиторий к генерации текста и разговорным моделям. Модель можно использовать для генерации текста в сценариях, поддерживаемых ReaderLM-v2. В карточке указана многоязычность и чат-возможности. Репозиторий содержит GGUF-представление базовой модели jinaai/ReaderLM-v2. Лицензия — CC BY-NC 4.0, которая ограничивает коммерческое использование. Доступная карточка не уточняет размер модели, длину контекста и конкретный перечень поддерживаемых языков.

Guilherme34/Reasoner-Hermes3-70b — языковая модель семейства Llama, представленная в формате safetensors и рассчитанная на генерацию текста в диалоговом режиме. В карточке приведён пример системного промпта, задающего ассистенту имя и стиль ответа; метаданные также указывают интерфейс для вызова инструментов. Модель содержит 69,5 млрд параметров и поддерживает контекст длиной до 131 072 токенов. В метаданных указан датасет Guilherme34/Reasoner-dataset-v2, но сведения о способе обучения и базовой модели отсутствуют, поэтому происхождение модели установить нельзя. README не описывает языки, качество рассуждений или специализированные области применения. Лицензия в предоставленных данных не указана. Для практического применения стоит проверить совместимость формата и доступных ресурсов с выбранной средой запуска.

EpistemeAI/Reasoning-Llama-3.1-CoT-RE1-NMT — диалоговая языковая модель семейства Llama, разработанная EpistemeAI и дообученная на базе EpistemeAI/Reasoning-Llama-3.1-CoT-RE1. Это плотная модель с 7,5 млрд параметров, контекстом до 131 072 токенов и форматом весов safetensors. Модель предназначена для диалогов, выполнения инструкций и генерации ответов с многошаговыми рассуждениями. В карточке заявлены сценарии виртуальных помощников, поддержки клиентов, обучения и генерации текстов. Среди датасетов в метаданных указаны AI-MO/NuminaMath-TIR и bespokelabs/Bespoke-Stratos-17k. README также упоминает Unsloth и непрерывное обучение, но не приводит подробностей об их реализации в этой версии. Доступны способ запуска через Transformers и лицензия Apache-2.0. Качество и языковое покрытие отдельно не оценены в предоставленных сведениях.

RedPajama-INCITE-Chat-Instruct-3B-V1 — экспериментальная объединённая языковая модель на архитектуре GPT-NeoX, созданная на основе RedPajama-INCITE-Chat-3B-V1 и RedPajama-INCITE-Instruct-3B-V1. Она предназначена для генерации текста и диалоговых ответов по инструкциям; рекомендуемый шаблон запроса использует роли HUMAN и ASSISTANT, хотя формат можно менять. Модель содержит 3,5 млрд параметров, принимает текст и имеет контекст длиной 2048 токенов. В метаданных указан английский язык. Доступны веса PyTorch и Safetensors, модель можно использовать с библиотекой Transformers. В README приведены результаты оценки на Open LLM Leaderboard, включая ARC и HellaSwag. Модель распространяется по лицензии Apache 2.0. README характеризует её как экспериментальное слияние; показатели бенчмарков не гарантируют качество ответов в конкретных сценариях.

RedPajama-INCITE-Instruct-3B-v1 — языковая модель Together Computer для генерации текста и диалоговых инструкций. В метаданных указаны 3,5 млрд параметров и архитектура GPT-NeoX с плотной авторегрессионной моделью; в README размер описан как 2,8 млрд параметров. Модель обучалась на RedPajama-Data-1T и данных P3 и Natural Instructions. Она принимает текст и генерирует текст на английском языке; длина контекста составляет 2048 токенов. Модель подходит для генерации ответов, выполнения текстовых инструкций и прототипирования чат-ботов. Для инференса README указывает ориентир от 8 ГБ видеопамяти, либо от 6 ГБ при использовании int8. Ответы могут быть неточными или нерелевантными, особенно на сложные, неоднозначные вопросы и запросы вне обучающих данных; модель не предназначена для критически важных решений. Лицензия — Apache 2.0.

Rei-12B — разговорная языковая модель Delta-Vector, созданная для генерации текста с прозой, ориентированной на стиль Claude 3 Sonnet и Opus. Это плотная авторегрессионная модель семейства Mistral, дообученная на базе объединённой модели NewEden/MistralAI-Nemo-Instruct-ChatML+NewEden/daring-mango-r1. Размер модели — 12,1 млрд параметров, нативная длина контекста — 131 072 токена. Модель предназначена для диалогов, написания художественной прозы и ролевых сценариев. README рекомендует использовать системный промпт Euryale; метаданные также отмечают интерфейс для вызова инструментов. В карточке указаны английский язык и датасеты для диалогов, инструкций, ролевого письма и генерации прозы. Модель опубликована в формате safetensors и распространяется по лицензии MIT. README описывает обучение в течение двух эпох и не приводит результатов оценки качества или подробных рекомендаций по безопасному использованию.

Replete-LLM-V2.5-Qwen-14b-GGUF — набор GGUF-квантизаций языковой модели Rombos-LLM-V2.5-Qwen-14b. Квантизации подготовлены пользователем bartowski с использованием llama.cpp версии b3825 и метода imatrix. Исходная модель разработана rombodawg. Модель предназначена для генерации текста и может запускаться локально, в том числе через llama.cpp и LM Studio, с указанным форматом prompt на основе ChatML-тегов. В набор входят варианты от исходных весов F16 размером около 29,55 ГБ до компактных конфигураций с более низкой точностью, включая Q8_0, Q6_K, Q5_K, Q4_K, Q3_K и IQ-семейство. Версии различаются размером файла, требованиями к памяти и качеством генерации: старшие варианты обеспечивают качество, близкое к исходному, а младшие позволяют работать при ограниченном объёме RAM ценой заметной потери качества. Отдельные варианты оптимизированы для ARM-процессоров и требуют поддержки sve или i8mm. Это текстовая авторегрессионная модель примерно на 14 млрд параметров; сведения о поддерживаемых языках, длине контекста, точной архитектуре и мультимодальности в карточке не указаны. Основные сильные стороны набора — локальный запуск, широкий выбор степени квантизации и совместимость с llama.cpp и LM Studio. Ограничения связаны с требованиями к вычислительным ресурсам, компромиссом между размером и качеством, а также отсутствием подробных данных о возможностях базовой модели. Лицензия — Apache-2.0.

Replete-LLM-V2-Llama-3.1-8b-GGUF — набор GGUF-квантизаций модели Replete-LLM-V2-Llama-3.1-8b, разработанной Replete-AI и подготовленной пользователем bartowski с использованием llama.cpp и imatrix. Модель предназначена для генерации текста и локального запуска, в частности через LM Studio. В README указан английский язык и лицензия Apache-2.0. Модель основана на архитектуре Llama 3.1 и имеет 8 миллиардов параметров. Доступны варианты от F16 до низкобитных Q2 и IQ-квантизаций, различающиеся размером файла, требованиями к памяти и качеством генерации. Рекомендуемые варианты включают Q4_K_M, Q5_K_M, Q6_K и другие; более компактные версии подходят для систем с ограниченным объёмом RAM, но обеспечивают более низкое качество. Указанная модальность — текстовая; размер контекста в README не приведён. Основные сильные стороны набора — широкий выбор квантизаций, возможность локального использования и компромисс между качеством и потреблением памяти. Ограничения включают отсутствие подробных сведений о результатах оценки, возможностях на других языках, специализации модели и размере контекстного окна; качество также зависит от выбранного варианта квантизации. Для работы следует использовать указанный формат промпта Llama 3.1 и совместимый GGUF-движок.

RIFA-PRO-3B-i1-GGUF — это квантизированная GGUF-версия модели RIFA-PRO-3B, разработанной smshahbaj и подготовленной к квантизации пользователем mradermacher. Модель предназначена для генерации текста и диалоговых сценариев, включая работу на бенгальском и английском языках. В метаданных также указано, что исходная модель дообучалась и ориентирована на задачи, связанные с бенгальским языком. Модель имеет около 3 миллиардов параметров; точная архитектура и размер контекста в README не указаны. Доступны варианты квантизации IQ и Q разных уровней, примерно от 0,9 до 2,6 ГБ, что позволяет выбирать между размером, скоростью и качеством. В README рекомендуются варианты i1-Q4_K_M и i1-Q4_K_S как сбалансированные по этим характеристикам; низкобитные варианты могут обеспечивать меньшее качество, но требуют меньше ресурсов. Это текстовая, одномодальная модель без заявленной поддержки изображений или других типов данных. Лицензия — Apache-2.0.

RiverCub-Gemma-3-27B — диалоговая мультимодальная модель, созданная lemon07r с помощью слияния методом SLERP двух моделей Gemma 3 на 27 млрд параметров: unsloth/gemma-3-27b-it и TheDrummer/Big-Tiger-Gemma-27B-v3. Она предназначена для общения, генерации текста и ответов на вопросы по изображениям; карточка Hugging Face относит её к задаче image-text-to-text и указывает архитектуру Gemma 3 с плотной моделью условной генерации. Модель принимает текст и изображения и выдаёт текст. Автор отмечает, что выбрал компоненты после тестирования множества вариантов и рекомендует iMatrix-версию. В карточке указаны библиотека Transformers и лицензия Gemma. Количественная оценка качества и длина контекста в предоставленных данных не приводятся.

rizla/rizla-11 — языковая модель семейства Mixtral, опубликованная в формате safetensors. По карточке она создана с помощью mergekit методом passthrough на основе модели mathdpo; конфигурация использует диапазоны её слоёв и тип данных bfloat16. В метаданных указаны 5,8 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста. Её можно применять для продолжения запросов и получения текстовых ответов; отдельная специализация или поддерживаемые языки в карточке не описаны. Лицензия CC BY-NC 2.0 разрешает использование на условиях некоммерческой лицензии.

claytonwang/rlcr-qwen3-8b — языковая модель с авторегрессионной архитектурой Qwen3, опубликованная в формате BF16 и хранящаяся в шардированных файлах Safetensors. Она подходит для генерации текста и диалогового использования. Модель содержит около 7,6 млрд параметров; заявленный поддерживаемый контекст — до 40 960 токенов. Для работы с весами требуется около 16 ГБ памяти только под параметры, а также дополнительная память для состояния инференса и KV-кэша. В README не приведены сведения об авторе, базовом чекпойнте, обучении, датасетах и оценках, поэтому происхождение и качество модели нельзя установить. Лицензия в предоставленных данных не указана.

Rombo-LLM-V3.0-Qwen-72b — плотная языковая модель семейства Qwen2 от Rombo-Org, созданная продолжительным дообучением Rombo-LLM-V2.5-Qwen-72b на наборах данных для рассуждений и обычных ответов. Она предназначена для генерации текста в диалогах и задач, где полезны пошаговые рассуждения; автор рекомендует использовать системный промпт, на котором модель обучалась для режима рассуждений, и температуру 0,4. Модель содержит 71,5 млрд параметров, рассчитана на контекст до 32 768 токенов, использует формат Safetensors и поддерживает интерфейс вызова инструментов. Автор заявляет о высокой эффективности, в том числе при 4-битном квантовании, однако в карточке нет опубликованных результатов оценки. Модель лицензирована по Apache-2.0.

Apollo-v3-32B-GGUF — это GGUF-квантизированная версия текстовой генеративной модели Apollo-v3-32B, разработанной rootxhacker. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и запуска локально через llama.cpp, LM Studio и другие совместимые проекты. Модель имеет размер 32 млрд параметров и ориентирована на работу с английским языком. В репозитории доступны варианты от BF16 до различных форматов Q8, Q6, Q5, Q4, Q3 и Q2, различающиеся размером файлов, требованиями к памяти и качеством. Наиболее качественными считаются BF16, Q8_0 и варианты Q6, тогда как низкобитные форматы позволяют запускать модель на системах с меньшим объёмом оперативной памяти, но могут заметнее ухудшать качество ответов. Для работы требуется совместимое программное обеспечение на базе llama.cpp; в README также указан специальный шаблон prompt с ролями system, user и assistant. Архитектура исходной модели, размер контекста, дополнительные модальности и поддержка языков, кроме английского, в предоставленных данных не описаны. Распространение указано по лицензии MIT.

Модель lecporr/rotating-equip-sft-merged — дообученная lecporr текстовая модель генерации на архитектуре Qwen3ForCausalLM с плотной архитектурой и 1,7 млрд параметров. Она создана на основе unsloth/Qwen3-1.7B-unsloth-bnb-4bit и обучалась с использованием Unsloth и библиотеки TRL от Hugging Face. Модель предназначена для генерации текста в диалоговом формате; метаданные также указывают интерфейс вызова инструментов. В карточке нет сведений о конкретной специализации rotating equipment, поэтому назначение в этой области подтвердить нельзя. Модель поддерживает английский язык, а длина контекста составляет 40 960 токенов. Модель распространяется под лицензией Apache-2.0. Карточка не приводит результатов оценки качества или описания известных ограничений.

ruadapt_mistral_7b_v0.1 — русская адаптация Mistral-7B, созданная дообучением модели mistralai/Mistral-7B-v0.1 на русскоязычном корпусе объёмом 33 ГБ. В работе заменили токенизатор, обучили эмбеддинги и языковую голову, а затем применили LoRA к линейным слоям первых и последних четырёх слоёв трансформера и настроили нормализации. Архитектура — плотная авторегрессионная MistralForCausalLM с 7,1 млрд параметров; максимальная длина контекста — 32 768 токенов. Модель предназначена для генерации текста на русском языке и адаптации задач генерации к русскоязычным данным. Обучение было прервано после 0,8 эпохи; автор сообщает, что метрики на нескольких наборах данных немного хуже, чем у исходной модели. Доступна в формате PyTorch, лицензия — Apache-2.0.

RuadaptQwen2.5-1.5B-instruct — русскоязычная инструктивная модель, разработанная командой RefalMachine на основе Qwen2.5-1.5B-Instruct. Она предназначена для диалогов и генерации текстовых ответов на инструкции. Модель использует плотную архитектуру Qwen2 и содержит 1,5 млрд параметров; максимальная длина контекста — 32 768 токенов. Авторы заменили токенизатор, продолжили предобучение на русскоязычном корпусе и применили LEP (Learned Embedding Propagation). По заявлению авторов, новый токенизатор увеличил скорость генерации русскоязычного текста до 60% относительно исходной модели на одинаковых последовательностях. В карточке упомянуты оценки на Ru-Arena-General, MERA и llmtf_open, но опубликованные результаты отсутствуют. Модель поддерживает русский язык, чат и интерфейс вызова инструментов. Доступна в формате safetensors по лицензии Apache-2.0. Авторы предупреждают, что ответы могут отражать сведения и взгляды из данных обучения; показатели качества в карточке не приведены.

ruGPT-3 Large — русскоязычная авторегрессионная языковая модель на архитектуре GPT-2, разработанная командой SberDevices. Модель предварительно обучена на 80 млрд токенов в течение трёх эпох с длиной последовательности 1024, затем дообучена на последовательностях длиной 2048 токенов. Указанная итоговая perplexity на тестовом наборе — 13,6. Модель предназначена для генерации русского текста и может служить основой для продолжения текста и языковых экспериментов. Для неё заявлено контекстное окно до 2048 токенов; в репозитории представлены веса PyTorch и Flax. В README не приведены условия лицензии, поэтому их нельзя уточнить по имеющимся сведениям.

cointegrated/rut5-base — уменьшенная русскоязычная версия encoder-decoder модели mT5, созданная на основе google/mt5-base. Разработчик сократил SentencePiece-словарь с 250 тысяч до 30 тысяч токенов: оставлены 20 тысяч наиболее частотных русских и 10 тысяч английских токенов. В README указано, что исходная модель имела 582 млн параметров, а после сокращения словаря — 244 млн; метаданные репозитория при этом указывают 122,1 млн параметров. Модель предназначена для генеративных задач преобразования текста, где нужен компактный вариант T5 с фокусом на русском и частичной поддержкой английского. Она использует архитектуру T5ForConditionalGeneration; доступны веса PyTorch, Flax и Safetensors. Лицензия — MIT. Сокращённый словарь уменьшает требования к хранению по сравнению с исходной mT5-base, но ограничивает языковое покрытие преимущественно русским и английским. README не приводит результаты оценки качества или конкретные специализированные сценарии применения.

RWKV 14B WizardLM LoRA — дообученная с помощью LoRA модель семейства RWKV, созданная iwalton3 на основе WizardLM. Она предназначена для генерации текста и ответов на инструкции. В README указаны ранг LoRA 32, alpha 64, три эпохи обучения и контекст 1024 токена; обучение проводилось на наборе WizardLM Alpaca Evol Instruct 70k Unfiltered. В метаданных репозитория указано 1,5 млрд параметров и формат PyTorch. Модель рассчитана на текстовые запросы и выдаёт текст. Лицензия весов — Apache-2.0, однако README предупреждает, что лицензия обучающих данных может быть более ограничительной, а ответы могут быть вредными, в том числе без соответствующего запроса. Следует учитывать эти риски при использовании и проверять условия применения данных.

Mungert/rwkv7-2.9B-g1-GGUF — это GGUF-представление языковой модели rwkv7-2.9B-g1, созданной на базе архитектуры RWKV-7 с форматом flash-linear attention. Исходную модель разработали Bo Peng, Yu Zhang, Songlin Yang, Ruichong Zhang и Zhiyuan Li при поддержке RWKV Project в рамках LF AI & Data Foundation; GGUF-версия сгенерирована с использованием llama.cpp. Модель предназначена для генерации текста и диалоговых сценариев, включая локальное и ресурсно-ограниченное развертывание через совместимые инструменты. Модель содержит 2,9 млрд параметров, использует RWKV World tokenizer с размером словаря 65 536 токенов и поддерживает английский, китайский, японский, корейский, французский, арабский, испанский и португальский языки. Для исходной модели указан контекст до 4096 токенов. Архитектура flash-linear attention ориентирована на эффективную обработку последовательностей, однако в README отсутствуют подробные результаты сравнительных тестов, сведения о конкретных вариантах квантования GGUF и требованиях к аппаратным ресурсам. Сильными сторонами модели являются компактный размер, мультиязычность и возможность локального запуска в экосистеме GGUF и llama.cpp. Ограничения включают отсутствие детальных бенчмарков и неопределённость характеристик конкретной квантованной сборки; качество генерации и скорость зависят от выбранного варианта GGUF и оборудования. Модель распространяется по лицензии Apache-2.0.

RWKV/RWKV7-7.2B-20260805 — официальная базовая языковая модель BlinkDL из семейства RWKV-7 «Goose», выпущенная в формате Transformers. Это плотная причинная языковая модель класса Rwkv7ForCausalLM с 7,8 млрд параметров; веса представлены в safetensors. Архитектура работает без attention: она поддерживает рекуррентное состояние постоянного размера и постоянные вычисления на генерируемый токен, при этом обучение можно распараллеливать. Модель предварительно обучена на веб-текстах, коде, синтетических данных, инструкциях, диалогах и материалах для рассуждений. Она предназначена для генерации текста, оценки, последующего обучения и тонкой настройки. Шаблон чата задаёт формат диалога, но сам по себе не означает, что модель прошла выравнивание безопасности. Карточка содержит языковые теги для английского, китайского, французского, испанского, немецкого, португальского, русского, итальянского, японского, корейского, вьетнамского и арабского. Рекуррентное состояние постоянного размера позволяет не наращивать KV-кэш по мере генерации; доступны интеграция с Transformers, продолжение генерации с рекуррентным кэшем и рабочие процессы LoRA. Для нативной регистрации класса RWKV-7 требуется Transformers 5.15 или актуальная версия из исходного кода. Спекулятивное декодирование с откатом рекуррентного кэша не поддерживается без сохранения снимков состояния; производительность TileLang зависит от оборудования и конфигурации. Заявлений об оценке безопасности, фактической точности или пригодности для критически важных решений нет. Лицензия — Apache-2.0.

Saber-LM — объединённая разговорная языковая модель, созданная bunnycore на основе RLHFlow/LLaMA3-iterative-DPO-final, bunnycore/Maverick-8B и TIGER-Lab/MAmmoTH2-8B-Plus с помощью mergekit и метода model_stock. Она предназначена для генерации текста и диалоговых ответов. Модель построена на плотной архитектуре LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. В состав слияния входит MAmmoTH2-8B-Plus — модель Llama 3, ориентированная на математические рассуждения и ответы на английском языке; поэтому Saber-LM может быть полезна для диалогов и задач, требующих рассуждений. README не описывает отдельные результаты оценки или конкретные преимущества Saber-LM. Модель распространяется в формате safetensors по лицензии Llama 3.

gmonsoon/SahabatAI-Rebase-8B-Test — объединённая разговорная языковая модель на архитектуре Llama 3, созданная с помощью mergekit методом SLERP из GoToCompany/llama3-8b-cpt-sahabatai-v1-instruct и mlabonne/Daredevil-8B. Модель содержит около 7,5 млрд параметров, принимает текст и генерирует текст, поддерживает контекст до 8192 токенов. Модель предназначена для диалогов и генерации текста; базовая модель ориентирована на индонезийский, яванский, сунданский и английский языки. Её можно применять для чат-ботов, ответов на вопросы и создания текстов на этих языках. В репозитории указана лицензия Apache 2.0.

Saiga-Llama3 8B-GGUF — квантизированная версия модели saiga_llama3_8b, разработанная IlyaGusev и преобразованная с использованием llama.cpp. В основе лежит Llama-3 8B Instruct от Meta. Модель предназначена для русскоязычного диалога, генерации текста, ответов на вопросы, выполнения инструкций и ролевых сценариев. Модель обучалась на русскоязычных и многоформатных наборах данных, включая ru_turbo_saiga, ru_sharegpt_cleaned, oasst1_ru_main_branch, gpt_roleplay_realm и ru_instruct_gpt4. Указан русский язык; поддерживается conversational-режим с использованием формата промптов ChatML. Модель относится к классу text-generation и поставляется в формате GGUF, подходящем для запуска через совместимые инструменты экосистемы llama.cpp. Точный размер квантизации, поддерживаемые варианты квантования и размер контекста в README не указаны. Сильной стороной модели является специализация на русскоязычных инструкциях и диалогах, включая обычные вопросы, творческие задания и ролевое общение. Ограничения включают сравнительно небольшую базовую размерность 8B по современным меркам и отсутствие подробных сведений о качестве на разных типах задач; приведённая оценка AlpacaEval показывает результат ниже ChatGPT-3.5 Turbo и ChatGPT-4 Turbo. Лицензия обозначена как other с названием llama3; применяются условия лицензии Llama 3 от Meta.

SAINEMO-reMIX — русско-английская диалоговая языковая модель на архитектуре Mistral с 12,1 млрд параметров. Её создал Moraliane, объединив с помощью mergekit и метода della_linear четыре предварительно обученные модели: IlyaGusev/saiga_nemo_12b, MarinaraSpaghetti/NemoMix-Unleashed-12B, Vikhrmodels/Vikhr-Nemo-12B-Instruct-R-21-09-24 и elinas/Chronos-Gold-12B-1.0. Модель предназначена для генерации текста, диалогов и ролевого общения на русском и английском языках. Для работы автор рекомендует пробовать стандартные пресеты SillyTavern, в том числе simple-1; в README также приведены рекомендации по настройкам сэмплирования. Модель принимает текст и генерирует текст. В метаданных заявлен контекст до 1 024 000 токенов; это значение не подтверждено README. Модель распространяется в формате safetensors и работает с библиотекой Transformers. Условия лицензии в доступных данных не приведены.

SakalFusion-7B-Beta — объединённая языковая модель на архитектуре Qwen2, созданная методом TIES с помощью mergekit. В слиянии использованы Qwen2.5-Coder-7B-Instruct, Qwen2.5-Math-7B-Instruct и Sakalti/model-3; базовая модель слияния — bunnycore/Qwen2.5-7B-RRP-1M. Модель содержит 7,1 млрд параметров и распространяется в формате safetensors для библиотеки Transformers. Модель предназначена для генерации текста в диалоговом формате, в том числе для задач программирования и математики, унаследованных от входящих в слияние моделей. Метаданные указывают контекст до 1 010 000 токенов и интерфейс для вызова инструментов. Карточка не приводит результатов оценивания, поэтому качество на конкретных задачах и практическая эффективность такого длинного контекста не подтверждены. Лицензия в предоставленных данных не указана. Модель создана на основе нескольких чекпойнтов, поэтому условия использования следует сверить с лицензиями исходных моделей.

Модель invalid-coder/Sakura-SOLAR-Instruct-CarbonVillain-en-10.7B-v2-slerp — текстовая генеративная модель, полученная объединением CarbonVillain-en-10.7B-v2 и Sakura-SOLAR-Instruct методом SLERP с помощью LazyMergekit. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 10,6 млрд параметров; репозиторий содержит веса Safetensors. Модель предназначена для диалогового взаимодействия и генерации текста. Модель принимает текст и выдаёт текст. Контекстное окно составляет 4096 токенов. Репозиторий опубликован под лицензией Apache-2.0. Доступные сведения не описывают отдельное обучение, тестирование качества или ограничения по использованию, поэтому пригодность для конкретных задач следует оценивать отдельно.