I.5Создание и редактирование текста

Это объединённая модель генерации текста, созданная ByteDance с помощью mergekit методом Linear из чекпойнтов unfiltered_midtrain_misalignment на шагах обучения 8k, 9k, 10k, 11k и 12k. Базой слияния указан чекпойнт global_step12019. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и предназначена для диалоговой генерации текста. Максимальная длина контекста составляет 16 384 токена. Модель может использоваться для генерации продолжений текста и ответов в чат-сценариях. В карточке нет сведений о языковой специализации, оценках качества или рекомендуемых областях применения. Файлы опубликованы в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

agurung/sft_qwen8B_25percent — дообученная в TRL модель Qwen3-8B, опубликованная пользователем agurung. Это плотная авторегрессионная языковая модель примерно на 7,6 млрд параметров, предназначенная для генерации текста в диалоговом формате. Пример в карточке показывает ответы на открытые вопросы; метаданные также отмечают поддержку чата. Модель принимает текст и генерирует текст, работает через Transformers и хранится в формате safetensors. Её родительская модель поддерживает многоязычную генерацию, рассуждения, следование инструкциям, работу с кодом и вызов инструментов, однако карточка этой версии не подтверждает отдельно качество этих возможностей. Контекстное окно — до 40 960 токенов. Лицензия в предоставленных данных не указана.

SG-Raccoon-Yi-55B — плотная авторегрессионная языковая модель для генерации текста и диалогов, созданная mlinmg слиянием двух дообученных моделей Yi 34B: dolphin-2_2-yi-34b и OrionStar-Yi-34B-Chat-Llama. Модель содержит 55,1 млрд параметров, использует архитектуру LlamaForCausalLM и принимает контекст длиной до 4096 токенов. Для диалога в карточке указан формат с ролями Human и Assistant. Модель предназначена для ответов в чате и генерации текста. Автор отмечает, что генерация может быть чрезмерно вариативной при настройках по умолчанию; среди предложенных способов настройки — отключение BOS-токена и использование более низкой температуры с MinP. Иногда модель выводит текстовое представление стоп-токена, поэтому его может потребоваться добавить в условия остановки. Бенчмарки в карточке не приведены. Файлы опубликованы в формате safetensors; лицензия указана как other, без конкретных условий в предоставленных данных.

ShiningValiantXS 1.1 13B — языковая модель на архитектуре Llama, разработанная Valiant Labs и представленная в квантованном формате GGUF компанией TheBloke. Базовая версия модели указана как ValiantLabs/ShiningValiantXS; размер — 13 млрд параметров. Модель предназначена для генерации текста и диалоговых сценариев на английском языке, включая локальный запуск через llama.cpp и совместимые графические интерфейсы и библиотеки. Для общения используется шаблон Llama-2-Chat с системным сообщением и пользовательским запросом в формате [INST]. GGUF-файлы доступны в вариантах с 2-, 3-, 4-, 5-, 6- и 8-битным квантованием, что позволяет выбирать баланс между размером, требованиями к памяти и качеством. Формат поддерживает совместный запуск на CPU и GPU и совместим с llama.cpp, text-generation-webui, KoboldCpp, GPT4All, LM Studio, llama-cpp-python и другими инструментами. Модель текстовая и не поддерживает мультимодальные входы; сведения о размере контекста, обучающих данных, результатах тестирования, сильных сторонах и ограничениях в README не приведены. Лицензия указана как llama2.

SILMA-9B-Instruct-v1.0 — диалоговая языковая модель компании SILMA.AI, ориентированная прежде всего на задачи на арабском языке. Она основана на Gemma 2, имеет плотную архитектуру Gemma2ForCausalLM и 9 млрд параметров; модель можно запускать через Transformers, доступны веса в формате safetensors. Поддерживается контекст до 8192 токенов, в карточке указаны арабский и английский языки. Модель предназначена для генерации текста и диалоговых сценариев: создания черновиков, суммаризации, ответов в разговорном интерфейсе и образовательных инструментов. Разработчик заявляет о сильных результатах на арабских языковых задачах. Для RAG и целевых ответов на вопросы в README рекомендована отдельная модель SILMA Kashif v1.0. Качество ответов зависит от обучающих данных и формулировки запроса; модель может ошибаться в фактах, упускать языковые нюансы и воспроизводить предвзятость. Лицензия указана как gemma; перед коммерческим или иным использованием следует соблюдать её условия.

SImi-2B — генеративная языковая модель, разработанная Dakuwon Moody. Это публичное распространение только весов модели SImiModel без исходного кода архитектуры, обучающего кода и полного внутреннего дерева восстановления. Модель предназначена для генерации текста, следования инструкциям, агентских сценариев и использования инструментов, включая задачи с tool use и function calling. Модель представляет собой decoder-only causal language model в стиле Llama, реализованную на JAX/Flax. Она содержит примерно 2,32 млрд параметров, 30 слоёв, скрытую размерность 2560, GQA с 20 query heads и 4 KV heads, RoPE, RMSNorm и SwiGLU. Используется untied token embedding и LM head, токенизатор GPT-2 BPE с 50 257 токенами и максимальная длина последовательности 1024 токена. Вычисления и веса имеют тип bfloat16. В README указан английский язык модели. Сильными сторонами являются обучение на полноразмерных потоках данных для инструкционного, агентского и инструментального использования, а также компактный размер по сравнению с крупными языковыми моделями. Ограничения включают отсутствие поддержки hosted inference, отсутствие исходного кода и несовместимость с Transformers AutoModel.from_pretrained; для восстановления требуются JAX/Flax и специфические процедуры работы с Orbax. Модель обучалась на AMD Instinct MI300X. Распространяется по лицензии Apache-2.0.

Sina-Odin-7b-Merge — экспериментальное разговорное текстовое поколение от Azazelle, полученное слиянием нескольких моделей семейства Mistral методом DARE-TIES. В конфигурации mergekit указаны Mihaiii/Metis-0.3 как базовая модель, а также rishiraj/smol-7b, SanjiWatsuki/openchat-3.5-1210-starling-slerp и Azazelle/Dumb-Maidlet. Модель имеет плотную архитектуру MistralForCausalLM, около 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для диалогов и генерации текста. В карточке приведены результаты оценивания на нескольких тестах языкового моделирования и рассуждений. Доступны веса в формате safetensors. Лицензия — CC-BY-4.0.

SirUkrainian — 7,1-миллиардная плотная языковая модель семейства Mistral для генерации текста и диалогов на украинском языке. Она создана с помощью LazyMergekit и объединяет четыре модели: RaduGabriel/MUZD, RaduGabriel/Mistral-Instruct-Ukrainian-SFT, Radu1999/MisterUkrainianDPO и CultriX/NeuralTrix-7B-dpo. В конфигурации указаны метод task_arithmetic, базовая модель mistralai/Mistral-7B-v0.1 и формат bfloat16; для репозитория указаны веса safetensors и контекст до 32 768 токенов. Модель подходит для генерации украинского текста, ответов на запросы и ведения диалога. В README приведены результаты Open LLM Leaderboard, включая среднее значение 70,50, но они не описывают качество на украинских задачах. Модель распространяется по лицензии Apache-2.0.

Sakalti/SJT-2.4B — разговорная языковая модель, созданная Sakalti методом passthrough-слияния слоёв Sakalti/SJT-1.5B-Alpha с помощью mergekit. Модель построена на архитектуре Qwen2 и содержит около 2,2 млрд параметров; веса представлены в формате Safetensors. Она предназначена для генерации текста и диалоговых сценариев. Метаданные также отмечают интерфейс вызова инструментов. Заявленная длина контекста составляет 131 072 токена. Модель доступна через Transformers. В README описана схема сборки из диапазонов слоёв одной базовой модели, но не приведены оценки качества или сведения о конкретных языках. Лицензия в предоставленных данных не указана.

Карточка модели logicker/SkkuDataScience-DPO-v2-440-ckpt на Hugging Face совпадает с карточкой logicker/SkkuDataScience-DPO-v2-90-ckpt, поэтому описание составлено по ней. logicker/SkkuDataScience-DPO-v2-90-ckpt — языковая модель для генерации текста, представленная как DPO-чекпойнт. По метаданным, это плотная модель семейства Llama с архитектурой LlamaForCausalLM, размером 10,6 млрд параметров и контекстом 4096 токенов. Модель хранится в формате safetensors и помечена как чат-модель; указаны английский и корейский языки. README описывает Qwen1.5 и его DPO-настройку, но не подтверждает, что эти сведения относятся к указанному репозиторию. Поэтому назначение модели можно определить как генерацию текста, однако конкретные возможности DPO-чекпойнта и его базовую модель по предоставленным данным установить нельзя. Лицензия в метаданных обозначена как other без конкретных условий.

Skyfall-39B-v1-GGUF — набор GGUF-квантизаций текстовой генеративной модели Skyfall-39B-v1, разработанной TheDrummer и опубликованной в формате GGUF пользователем bartowski. Квантизация выполнена с помощью llama.cpp версии b4327 и метода imatrix; модель предназначена для локального запуска в совместимых средствах, включая LM Studio, с использованием шаблона запросов <s> [INST] {prompt} [/INST]. Модель рассчитана на задачи генерации текста. Доступны варианты от F16 размером 78,04 ГБ до сильно сжатых IQ2 и Q2 размером примерно 10,44–14,64 ГБ, а также промежуточные варианты Q3–Q8. Более высокие уровни квантизации обеспечивают лучшее сохранение качества, но требуют больше оперативной или видеопамяти; наиболее сбалансированным вариантом в README назван Q4_K_M, а Q5 и Q6 также рекомендованы для повышенного качества. Низкоразрядные варианты экономят память, но могут заметно уступать по качеству. Из README не указаны точная архитектура исходной модели, поддерживаемые языки, размер контекстного окна, мультимодальные возможности и лицензия. Поэтому модель следует рассматривать как текстовую 39B-модель для локального inference, а совместимость, требования к памяти и допустимые сценарии коммерческого использования необходимо уточнять по документации исходной Skyfall-39B-v1.

bartowski/Skywork-o1-Open-Llama-3.1-8B-GGUF — это набор GGUF-квантизованных версий языковой модели Skywork-o1-Open-Llama-3.1-8B, разработанной командой Skywork и преобразованной bartowski с использованием llama.cpp. Модель предназначена для генерации текста и локального запуска через совместимые инструменты, включая LM Studio. В набор входят варианты с разными уровнями квантизации: от исходных весов f16 размером около 16 ГБ до компактных форматов Q8_0, Q6_K, Q5_K, Q4_K, Q3_K и IQ. Это позволяет выбирать баланс между качеством ответов, потреблением памяти и скоростью инференса; варианты Q6 и Q5 заявлены как высококачественные, а Q4_K_M — как подходящий по размеру вариант для большинства сценариев. Некоторые файлы оптимизированы для ARM или AVX, при этом отдельные варианты имеют ограничения по аппаратной совместимости. Модель относится к текстовым генеративным моделям с архитектурой и языковыми возможностями базовой Skywork-o1-Open-Llama-3.1-8B, однако подробные сведения о поддерживаемых языках, размере контекста и точной архитектуре в представленном README не указаны. Квантизация уменьшает требования к памяти, но может снижать качество по сравнению с f16; степень снижения зависит от выбранного формата. В метаданных указана лицензия other, без уточнения конкретных условий, поэтому перед использованием следует ознакомиться с лицензией исходной модели Skywork.

SlactusAIAstra — диалоговая языковая модель SakitsunaAI, дообученная на базе unsloth/LFM2.5-1.2B-Instruct. Это плотная модель семейства LFM2 с архитектурой Lfm2ForCausalLM, примерно 1,5 млрд параметров и контекстом до 128 000 токенов. Модель предназначена для генерации текста и общения на английском языке. Модель сохранена в формате safetensors и распространяется по лицензии Apache-2.0. В карточке также указано, что при обучении использовался Unsloth, который ускоряет процесс обучения. Специализация дообучения и подробные результаты оценки не описаны.

trinhkhng/slerp_Merged_gpt2-large_0.5 — объединённая языковая модель, созданная методом SLERP с помощью mergekit из GPT-2 Large и модели debias_gpt2-large. Она предназначена для генерации продолжений текста. Архитектура — плотная GPT-2 с классом GPT2LMHeadModel; модель опубликована в формате safetensors и рассчитана на контекст до 1024 токенов. Модель может использоваться для автодополнения и создания текстовых продолжений. Слияние с debias_gpt2-large отражено в составе модели, однако карточка не приводит оценок качества или результатов проверки снижения предвзятости. Лицензия в предоставленных данных не указана.

MergedQwen2-0.5B0.3 — объединение двух предварительно обученных языковых моделей Qwen2, созданное с помощью mergekit методом SLERP с параметром t=0.3. Репозиторий содержит плотную модель Qwen2ForCausalLM объёмом около 493,7 млн параметров в формате safetensors; для работы с ней указана библиотека Transformers. Модель предназначена для генерации текста и диалогового использования. Заявленная длина контекста — 131072 токена. В объединение вошли модели Qwen2-0.5B и debias_Qwen2-0.5B; базовая модель для токенизатора — Qwen2-0.5B. Лицензия в предоставленных данных не указана.

SlimOrca-13B — языковая модель общего назначения, разработанная ajibawa-2023 и дообученная на базе Llama 2 от Meta на очищенной версии набора SlimOrca от Open-Orca. Это полная настройка 12,9-миллиардной плотной модели LlamaForCausalLM; модель распространяется в формате PyTorch и рассчитана на контекст до 4096 токенов. Модель предназначена для генерации текста без обязательного системного промпта: она отвечает на вопросы, включая задания с выбором ответа, пишет статьи по краткому содержанию, анализирует тональность, сопоставляет контекст и гипотезу, составляет отзывы и генерирует художественные тексты. В карточке также заявлена генерация откровенного и нецензурированного контента. Обучение проводилось на 517 981 наборе диалогов SlimOrca и SlimOrca-ShareGPT; автор отмечает использование формата ShareGPT/Vicuna v1.1. Модель ориентирована на английский язык. Лицензия CC-BY-NC-ND 4.0 запрещает коммерческое использование и распространение производных версий на условиях лицензии. Карточка приводит результаты отдельных тестов, но не даёт полного описания методики, поэтому они не позволяют гарантировать качество в конкретном сценарии; ответы могут содержать ошибки, а заявленная генерация откровенного контента требует осторожного применения.

slimorca-gemma2-9b-fft-GGUF — это квантизированная GGUF-версия текстовой генеративной модели slimorca-gemma2-9b-fft, созданная на базе axolotl-ai/co/gemma-2-9b. Исходную модель разработала openaccess-ai-collective, а квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и запуска в средах, совместимых с llama.cpp. Модель относится к семейству Gemma 2 и имеет около 9 миллиардов параметров. Она работает в текстовой модальности; сведения о поддерживаемых языках и максимальном размере контекста в README не указаны. Для взаимодействия требуется специальный шаблон prompt с ролями user и model. Системный prompt не поддерживается. Доступно множество вариантов квантизации от Q8_0 до Q2_K и IQ-форматов, что позволяет выбирать между качеством, размером файла и требованиями к памяти. В README варианты Q6 и Q5 описаны как высококачественные, а Q4 — как обеспечивающие хороший баланс качества и экономии памяти; более сильная квантизация снижает качество, но облегчает запуск на устройствах с ограниченными ресурсами. Модель распространяется по лицензии gemma.

SlimOrca-Llama-3-8B — языковая модель общего назначения, созданная Ajibawa на основе Llama 3 и дообученная на очищенной версии набора диалогов SlimOrca от Open-Orca. Модель содержит 7,5 млрд параметров, использует плотную архитектуру Llama и рассчитана на контекст до 8192 токенов. Для диалога применяется формат ChatML. Модель предназначена для генерации текста и диалоговых сценариев: ответов на вопросы, в том числе с выбором варианта, статей по краткому содержанию, анализа тональности, гипотез, отзывов и рассказов. README также заявляет генерацию эротических и частично нецензурированных текстов. Обучение проводилось на 517 981 наборах диалогов SlimOrca; указана полная настройка модели, а не адаптер. Репозиторий содержит веса Safetensors. Модель ориентирована на английский язык. Она распространяется по лицензии Apache 2.0. Качество на отдельных задачах и границы заявленной генерации не подтверждены оценками в карточке; при использовании следует учитывать возможность генерации откровенного или нецензурированного содержания.

Smart-Agent-Qwen — дообученная разговорная языковая модель, опубликованная alhakimia54 и основанная на unsloth/qwen2.5-7b-instruct-unsloth-bnb-4bit. Это плотная авторегрессионная модель семейства Qwen2 с 7,1 млрд параметров, предназначенная для генерации текста и диалогов. В карточке указаны контекст до 32 768 токенов и поддержка английского языка. Модель можно использовать для ответов на вопросы, ведения диалога и генерации текста на английском языке. При обучении применялись Unsloth и библиотека TRL; README сообщает об ускоренном обучении, но не описывает конкретные данные, методику или специализацию дообучения. Модель распространяется по лицензии Apache-2.0. Кейсы, требующие точных или проверяемых ответов, стоит сопровождать проверкой результатов.

SmartCloudLyte — языковая модель Klevin для генерации текста, дообученная на базе unsloth/llama-3.2-1b-bnb-4bit с использованием Unsloth и библиотеки TRL. Модель построена на плотной архитектуре LlamaForCausalLM и содержит 1,2 млрд параметров. Заявленная длина контекста — 131 072 токена; формат репозитория — PyTorch. Модель предназначена для генерации текста на английском языке. Карточка не описывает специализированные сценарии, обучающие данные или результаты оценки качества. Модель распространяется по лицензии Apache-2.0.

DanJZY/SmolLM-135M-GEC-SFT-DPO — компактная языковая модель для исправления грамматики в английском тексте. Она основана на HuggingFaceTB/SmolLM-135M и дообучена методами SFT и DPO, чтобы вносить точечные исправления, сохраняя лексику, тон и авторский стиль. Модель использует плотную архитектуру LlamaForCausalLM, содержит 134,5 млн параметров и принимает текстовый контекст длиной до 2048 токенов. Модель предназначена для корректуры предложений, учебных инструментов для изучающих английский и приложений помощи при письме. Разработчик сообщает о BLEU около 0,50 на тестах коррекции грамматики и отмечает, что модель может запускаться на CPU. Лицензия — Apache-2.0.

mainbrains поддерживает форк SmolLM2-1.7B-Instruct для оценки и компактного запуска на устройствах с ограниченными ресурсами. Это плотная decoder-only Transformer-модель семейства Llama с 1,7 млрд параметров, дообученная методом SFT и оптимизированная с помощью DPO на базе HuggingFaceTB/SmolLM2-1.7B. Репозиторий содержит веса Safetensors и ONNX; в README также описаны GGUF-квантизации для локального запуска. Контекст модели — до 8192 токенов. Модель предназначена для генерации ответов и инструктивного диалога, переписывания и суммаризации текста, а также вызова функций. README ориентирует её на лёгкое локальное развёртывание, включая маломощные устройства; для версии Q4_K_M автор приводит оценку около 15 токенов в секунду при 1,2 ГБ оперативной памяти на Raspberry Pi 5. Основной язык — английский. По сравнению с предыдущей SmolLM1-1.7B автор отмечает улучшения в следовании инструкциям, знаниях, рассуждениях и математике; приведённые результаты показывают, что модель уступает некоторым сопоставляемым моделям по отдельным оценкам. Она может выдавать фактически неверные или непоследовательные ответы и воспроизводить смещения обучающих данных, поэтому важные сведения нужно проверять. Лицензия — Apache-2.0.

bartowski/SmolLM2-1.7B-Instruct-GGUF — это набор GGUF-квантизаций инструкционной языковой модели SmolLM2-1.7B-Instruct, разработанной HuggingFaceTB и подготовленной квантизатором bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и работы с текстовыми инструкциями; запуск возможен, в частности, через LM Studio и другие совместимые средства на базе llama.cpp. Модель имеет размер 1,7 млрд параметров и поддерживает английский язык. В репозитории представлены варианты от F16 до низкобитных квантизаций Q8, Q6, Q5, Q4, Q3 и Q2, включая версии, оптимизированные для ARM. Размер файлов составляет примерно от 0,7 до 3,4 ГБ, поэтому можно выбрать баланс между качеством, скоростью и требованиями к памяти. Для корректной работы следует использовать указанный шаблон диалога с ролями system, user и assistant. К сильным сторонам относятся компактность, возможность локального запуска и широкий выбор уровней квантизации; варианты Q5 и Q6 заявлены как высококачественные, а Q4 — как подходящие для экономии памяти. Более агрессивная квантизация снижает качество генерации, а ARM-ориентированные варианты требуют соответствующих аппаратных возможностей и не рекомендуются для Mac или Windows. Лицензия модели — Apache-2.0.

SN-13B-8k-Instruct — языковая модель SambaNova Systems с 13 млрд параметров, предварительно обученная и дообученная следовать инструкциям на системах SambaNova DataScale. Модель предназначена для понимания длинных последовательностей и диалогового взаимодействия; поддерживает контекст до 8192 токенов и работает с текстом. В README указан английский язык, хотя модель также описана как многоязычная базовая модель для чата. Модель подходит для ответов на вопросы, диалогов и задач, где нужно учитывать длинный текстовый контекст. Она может галлюцинировать, повторяться, выдавать токсичный контент, а её возможности в программировании и сложной математике ограничены. Разработчик не рекомендует применять её в критически важных системах и автоматизированных процессах, влияющих на безопасность или значимые решения. Лицензия — Apache 2.0; модель заявлена для коммерческого и исследовательского использования.

Socrates Qwen2.5 14B DPO — диалоговая языковая модель, созданная SocratesFT путём дообучения Qwen/Qwen2.5-14B-Instruct. Она предназначена для генерации текста и ответов на инструкции в формате чата; в метаданных также заявлен интерфейс вызова инструментов. Модель содержит 14 млрд параметров, использует плотную архитектуру Qwen2 и принимает контекст длиной до 32 768 токенов. Модель опубликована в формате Safetensors и распространяется по лицензии Apache-2.0. В качестве данных для дообучения указан набор SocSci210. Метаданные указывают английский язык; дополнительных языков и специализированных прикладных областей не заявлено.

Strawberrylemonade-70B-v1.1-GGUF — это квантизированная версия текстовой генеративной модели Strawberrylemonade-70B-v1.1, разработанной sophosympatheia. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и локального запуска в LM Studio, llama.cpp и других совместимых проектах. Модель имеет заявленный размер 70 миллиардов параметров и поддерживает английский язык. В репозитории доступны варианты квантизации GGUF от Q8_0 до IQ3_XXS, поэтому можно выбирать между качеством, требованиями к памяти и скоростью работы. Более крупные варианты обеспечивают высокое качество, а варианты с меньшей разрядностью подходят для систем с ограниченным объёмом оперативной памяти, но могут заметно уступать по качеству. Архитектура и размер контекстного окна в README не указаны. Модель распространяется по лицензии llama3. В метаданных присутствует пометка not-for-all-audiences, поэтому её применение может быть ограничено для некоторых аудиторий и сценариев.

SorcererLM-22B — разговорная модель на архитектуре Mistral, созданная Quant Cartel как дообучение Mistral-Small-Instruct-2409 с помощью LoRA. Это плотная языковая модель на 22 млрд параметров с контекстом до 131 072 токенов, предназначенная для диалогов и генерации текста. Разработчик описывает её как облегчённую версию Sorcerer 8x22b, ориентированную на такой же особый разговорный стиль при меньших требованиях к оборудованию. Модель обучена за одну эпоху на очищенных и дедуплицированных логах c2. После обучения LoRA была объединена с полноточными весами; слияния с исходной моделью в пропорции 50/50 не выполнялось. Для работы используются шаблоны запросов Mistral V2 и V3. Репозиторий содержит веса safetensors, а лицензия модели — Apache-2.0. README также упоминает отдельные квантованные версии в форматах exl2 и GGUF.

Soro-GPT — языковая модель от zaddyzaddy, дообученная на базе unsloth/llama-3-8b-bnb-4bit. Она использует плотную архитектуру Llama с причинно-языковой головой и предназначена для генерации текста. В карточке указаны 7,5 млрд параметров и контекст до 8192 токенов; для обучения применялись Unsloth и библиотека TRL. Модель можно использовать для генерации продолжений текста и диалоговых ответов. Карточка не описывает специализацию, обучающие данные или результаты оценки качества, поэтому пригодность для конкретных областей не подтверждена. Лицензия — Apache-2.0.

SoRu-0001 — компактная диалоговая модель ehristoforu, дообученная на основе Vikhrmodels/Vikhr-Qwen-2.5-0.5b-Instruct. Это плотная авторегрессионная модель семейства Qwen2 с 493,7 млн параметров, предназначенная для генерации текста и диалогов. Она принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. Модель можно использовать для ответов на текстовые запросы, ведения диалога и генерации текста на русском языке. В карточке указаны обучение с помощью Unsloth и библиотеки Hugging Face TRL, а также лицензия Apache-2.0. Подробности обучающего набора и оценок качества не приведены.

Spaetzle-v60-7b — языковая модель cstr, полученная слиянием весов Spaetzle-v58-7b и AlphaMonarch-dora методом DARE-TIES с использованием LazyMergekit. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, контекстом до 32 768 токенов и интерфейсом чата. Модель предназначена для локальных текстовых задач на английском и немецком языках, включая диалог, ответы на вопросы и генерацию текста. В карточке приведены результаты тестов на немецком и английском; они показывают полезность модели для этих языков, но не гарантируют качество в конкретном сценарии. Репозиторий распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Модель унаследовала ограничения и свойства исходных моделей; README не описывает отдельные меры безопасности или гарантии качества.