I.5Создание и редактирование текста

Beast-Mixed — диалоговая языковая модель, созданная слиянием Mistral-7B-Instruct-v0.2 и Zephyr-7B-beta методом SLERP с помощью LazyMergekit. Модель на 7,1 млрд параметров предназначена для генерации текста и ответов на инструкции в формате чата; архитектура — плотная MistralForCausalLM, максимальный контекст составляет 32 768 токенов. Модель подходит для диалоговых помощников, черновиков текстов и ответов на вопросы по текстовому контексту. В README указана конфигурация слияния и тип данных bfloat16. Лицензия в предоставленных данных не указана.

Beast-Soul-new — слитая языковая модель семейства Mistral, созданная с помощью LazyMergekit из udkai/Turdus и flemmingmiguel/MBX-7B. Она использует плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров. Модель предназначена для генерации текста по запросу. Её контекстное окно составляет 32 768 токенов. Веса опубликованы в формате safetensors, лицензия — Apache-2.0. В карточке не описаны целевые предметные области и поддерживаемые естественные языки.

Beetle-FineWeb2-24B/beetle-bilingual-l2-50-sequential-33-67-b3-fineweb-rus-eng — языковая модель для генерации текста, доступная через библиотеку Transformers. По идентификатору модели она относится к семейству Beetle-FineWeb2 и ориентирована на двуязычную работу с русским и английским языками; заявленный размер семейства составляет 24B параметров. Модель предназначена для генерации продолжений текста, создания черновиков, диалоговых и других приложений, использующих text-generation. В метаданных также указаны форматы safetensors и pico_decoder. Сведения о разработчике, лицензии, точной архитектуре, длине контекста, обучающих данных, результатах оценки и ограничениях в предоставленной карточке отсутствуют.

knifeayumu/Behemoth-v1.2-Magnum-v4-123B — объединённая языковая модель, созданная автором knifeayumu методом SLERP с помощью mergekit на основе TheDrummer/Behemoth-123B-v1.2 и anthracite-org/magnum-v4-123b. Модель использует плотную архитектуру Mistral и содержит 122,2 млрд параметров; доступны веса в формате safetensors, библиотека для работы — Transformers. Модель предназначена для диалоговой генерации текста, в том числе для создания прозы. Объединение настроено так, чтобы уменьшить выраженность чрезмерно сексуального тона, отмечавшегося у одной из версий Magnum, и улучшить связность ответов. Контекстное окно составляет 131 072 токена. В метаданных указана лицензия «other», поэтому условия использования следует сверять с карточкой модели и лицензиями базовых моделей.

Bielik-11B-v3.0-Instruct — разговорная генеративная модель на 11 млрд параметров, разработанная SpeakLeash совместно с центром ACK Cyfronet AGH. Это плотная авторегрессионная модель архитектуры LLaMA, дообученная следовать инструкциям на базе speakleash/Bielik-11B-v3-Base-20250730. Она предназначена для диалогов, ответов на вопросы и других задач генерации текста; особенно хорошо ориентирована на польский язык и обучена на текстах на 32 европейских языках. Модель дообучали на инструкциях и многоходовых диалогах, а затем применяли методы DPO и обучения с подкреплением для улучшения стиля ответов и аналитических способностей, в том числе на задачах логики, STEM, математики и использования инструментов. Метаданные указывают нативный контекст 32 768 токенов. Для чата используется шаблон ChatML; веса доступны в формате safetensors, библиотека — Transformers. Модель может давать фактически неверные, предвзятые или оскорбительные ответы; встроенных механизмов модерации нет, поэтому её ответы требуют проверки. Распространяется по лицензии Apache 2.0.

win10/BigLiberated-20B-V2 — разговорная языковая модель на архитектуре Qwen2, созданная слиянием предварительно обученных моделей с помощью mergekit и метода passthrough. В README указана участвовавшая в слиянии модель abacusai/Liberated-Qwen1.5-14B. Модель предназначена для генерации текста и диалоговых сценариев. Она содержит 19,4 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате safetensors; для работы указана библиотека Transformers. Лицензия в предоставленных данных не указана.

blendedmist-herm-7B-slerp — объединённая модель для генерации текста и диалогов, созданная автором rakataprime с помощью LazyMergekit. Она объединяет NousResearch/Nous-Hermes-2-Mistral-7B-DPO и NousResearch/Hermes-2-Pro-Mistral-7B методом slerp; архитектура — плотная MistralForCausalLM, размер — 7,1 млрд параметров, формат весов — safetensors, точность при объединении — bfloat16. Модель предназначена для диалогового взаимодействия и генерации текста по запросам. Контекстное окно составляет 32 768 токенов. В карточке не перечислены языки и прикладные области. Лицензия в предоставленных данных не указана.

Blur-7b-slerp-v1.44 — объединённая модель для генерации текста, созданная liminerity с помощью Mergekit. Она объединяет liminerity/1 и Inv/Konstanta-7B методом SLERP; архитектура — плотная MistralForCausalLM с 7,1 млрд параметров. Модель предназначена для диалоговой генерации текста и использует контекст до 32 768 токенов. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Карточка не описывает специальные предметные области или отдельные ограничения качества; её назначение — общее текстовое общение.

Blur-7b-slerp-v1.46 — языковая модель семейства Mistral, созданная объединением моделей liminerity/merge и bardsai/jaskier-7b-dpo-v5.6 методом SLERP с помощью mergekit. Она предназначена для генерации текста и диалоговых сценариев на основе текстовых запросов. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате safetensors; лицензия — Apache-2.0. Карточка приводит результаты оценивания на бенчмарках рассуждений и понимания текста, но не описывает конкретные языки или специализированные области применения.

Blur-7b-v1.2 — объединённая модель для генерации текста и диалогов, созданная liminerity с помощью LazyMergekit. Она объединяет liminerity/Blured-Ties-7B и freecs/ThetaWave-7B методом TIES; в конфигурации также указан mlabonne/NeuralBeagle14-7B как base_model. Модель построена на архитектуре Mistral с плотной архитектурой и содержит 7,1 млрд параметров. Модель предназначена для генерации текста и использования в чат-сценариях. Её контекстное окно составляет 32 768 токенов. В README приведены результаты Open LLM Leaderboard, включая средний балл 67,74, а также результаты AI2 Reasoning Challenge и HellaSwag. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0.

C4AI Command A в репозитории unsloth — производная версия модели Cohere Command A, разработанной Cohere и Cohere For AI. Это авторегрессионная плотная трансформерная языковая модель на 111,1 млрд параметров для диалога, генерации текста, корпоративных сценариев, работы с документами и агентных приложений. Модель поддерживает вызов инструментов через диалоговый шаблон и специально обучена выполнять заключительный этап RAG, включая ответы с цитатами по переданным фрагментам документов. Модель принимает и генерирует только текст. Её контекстное окно составляет 262 144 токена. Архитектура использует скользящее внимание с окном 4096 токенов в трёх слоях и глобальное внимание в четвёртом; обучение включало контролируемую настройку и обучение предпочтениям. Заявлена поддержка 23 языков, включая русский, английский, французский, китайский и арабский. Модель подходит для многоязычного чата, ответов с опорой на документы, суммаризации, извлечения информации и задач с использованием инструментов. Для запуска требуются значительные вычислительные ресурсы, несмотря на заявленную разработчиками возможность развёртывания на двух GPU. Лицензия CC-BY-NC-4.0 ограничивает коммерческое использование; также требуется соблюдать политику допустимого использования C4AI.

C4AI Command R 08-2024 — языковая модель Cohere и Cohere For AI, представленная в этом репозитории в виде дообученной версии весов CohereLabs/c4ai-command-r-08-2024. Это плотный авторегрессионный трансформер с 32,3 млрд параметров и контекстом до 131 072 токенов; в обучении применялись supervised fine-tuning и обучение на предпочтениях, а для ускорения инференса используется grouped-query attention. Модель принимает текст и генерирует текст. Модель предназначена для диалогов, рассуждений, суммаризации и ответов на вопросы. Она поддерживает генерацию на 23 языках, включая русский, и обучена на задачах grounded generation: может отвечать по предоставленным фрагментам документов и добавлять ссылки на источники, что подходит для RAG. Также поддерживает выбор внешних инструментов и формирование вызовов по специальному шаблону. Для grounded generation и использования инструментов важно соблюдать рекомендованные шаблоны промптов: отклонение от них может снизить качество. Лицензия CC-BY-NC-4.0 ограничивает коммерческое использование; README также требует соблюдать Acceptable Use Policy Cohere for AI.

Это квантизированная версия большой языковой модели c4ai-command-r-plus-08-2024 в формате GGUF, подготовленная пользователем bartowski на основе модели CohereForAI с использованием llama.cpp. Разработчик исходной модели — Cohere for AI. Модель предназначена для генерации текста и может применяться в диалоговых системах, создании и преобразовании текстов, а также в других сценариях, поддерживаемых задачами text-generation. В README указана поддержка английского, французского, немецкого, испанского, итальянского, португальского, японского, корейского, китайского и арабского языков. Конкретные архитектурные параметры, количество параметров, размер контекста и доступные варианты квантования в предоставленных данных не указаны. Формат GGUF и использование llama.cpp позволяют запускать модель в совместимом локальном программном окружении, однако характеристики производительности и качества зависят от конкретной квантованной версии и оборудования. Модель распространяется по лицензии CC-BY-NC-4.0 и предназначена только для некоммерческого использования; для доступа также требуется согласие с условиями лицензии Cohere. Условия лицензии следует учитывать при интеграции и распространении модели.

C4AI Command-R v01 — авторегрессионная плотная языковая модель Cohere и Cohere For AI на 35 млрд параметров, выпущенная с открытыми весами. Она предназначена для генерации текста, ответов на вопросы, суммаризации, рассуждений и работы с RAG; также обучена формировать вызовы инструментов в специальном формате диалога. Модель принимает и генерирует текст. Она построена на оптимизированном трансформере, после предварительного обучения прошла дообучение с учителем и обучение на предпочтениях. Контекст составляет 128K токенов. Модель рассчитана на английский, французский, немецкий, испанский, итальянский, бразильский португальский, японский, корейский, упрощённый китайский и арабский; русский входил в дополнительные языки предобучения, но не указан среди языков, на которых модель специально оптимизирована. Весам требуется следовать лицензии CC-BY-NC-4.0 и Политике допустимого использования C4AI. Для вызова инструментов рекомендуется использовать предусмотренный шаблон диалога: отклонение от него может снизить качество. README указывает на сильные возможности RAG, но для их использования нужно предоставить модели найденные документы и соответствующий формат запроса.

Cohere и Cohere Labs разработали Command-R — авторегрессионную языковую модель на основе оптимизированного Transformer с 35 млрд параметров. После предварительного обучения модель прошла дообучение с учителем и обучение на предпочтениях. Это выпуск с открытыми весами, предназначенный для генерации текста, рассуждений, суммаризации и ответов на вопросы; модель поддерживает чат и работу с внешними инструментами по специальному шаблону запросов. Command-R принимает и генерирует текст, поддерживает контекст до 128 тыс. токенов и оптимизирована для английского, французского, испанского, итальянского, немецкого, бразильского португальского, японского, корейского, китайского и арабского языков. Среди её ключевых возможностей — генерация ответов с опорой на предоставленные фрагменты документов и цитированием источников для сценариев RAG. Для работы с grounded generation и вызовом инструментов рекомендуется соблюдать шаблоны запросов из документации: отклонение от них может снизить качество. Режим быстрых цитат обменивает часть точности на меньшее число генерируемых токенов. Лицензия CC-BY-NC-4.0 требует некоммерческого использования и соблюдения политики допустимого использования Cohere Labs.

calme-2.3-rys-78b — дообученная MaziyarPanahi диалоговая языковая модель на базе dnhkng/RYS-XLarge. Она предназначена для ответов на вопросы, чат-ботов и виртуальных помощников, генерации и суммаризации текстов, работы с кодом, решения сложных задач и поддержки принятия решений. Модель использует архитектуру Qwen2 с 76,7 млрд параметров, работает с текстом и поддерживает шаблон диалога ChatML; заявленная длина контекста — 32 768 токенов. В карточке указан английский язык, а в качестве обучающего набора — truthy-dpo-v0.1-axolotl. Модель распространяется по лицензии MIT. Как и другие большие языковые модели, она может воспроизводить смещения и выдавать ненадёжные ответы; для ответственных сценариев нужны проверка результатов и человеческий контроль.

MaziyarPanahi/calme-2.4-rys-78b — плотная авторегрессионная языковая модель семейства Qwen2, дообученная Maziyar Panahi на базе calme-2.1-rys-78b. Она предназначена для диалогов и генерации текста: ответов на вопросы, работы виртуальных помощников, создания и суммаризации контента, а также генерации и анализа кода и решения сложных задач. Модель насчитывает 76,7 млрд параметров, поддерживает контекст до 32 768 токенов и использует шаблон диалога ChatML. В карточке приведены результаты Open LLM Leaderboard, включая IFEval и BBH, но конкретных гарантий качества для отдельных сценариев нет. Модель может наследовать смещения и давать ненадёжные ответы; для применения нужны проверка результатов и человеческий контроль. Лицензия — MIT.

CalmexperimentOgnoexperiment27multi_verse_model-7B — автоматически объединённая 7,1-миллиардная языковая модель, созданная Maxime Labonne на основе automerger/Ognoexperiment27Multi_verse_model-7B. В README указано слияние методом dare_ties с моделью allknowingroger/CalmExperiment-7B-slerp; метаданные классифицируют её как дообучение базовой модели automerger/Ognoexperiment27Multi_verse_model-7B. Архитектура — плотная MistralForCausalLM, файлы представлены в safetensors, контекст — до 32 768 токенов. Модель предназначена для генерации текста. Лицензия Apache-2.0. Карточка не сообщает о специализации на конкретном языке или предметной области, поэтому модель можно описать как универсальную текстовую генеративную модель; её качество и ограничения в отдельных сценариях по предоставленным данным оценить нельзя.

CalmexperimentT3qm7-7B — автоматически созданная Maxime Labonne объединённая языковая модель на архитектуре Mistral. В слиянии использованы mistralai/Mistral-7B-v0.1, allknowingroger/CalmExperiment-7B-slerp и nlpguy/T3QM7; базовой моделью в конфигурации указана mistralai/Mistral-7B-v0.1. Модель содержит 7,1 млрд параметров, представлена в формате safetensors и использует точность bfloat16. Модель предназначена для генерации текста. Контекст составляет до 32 768 токенов. Репозиторий распространяется по лицензии Apache-2.0. Карточка не описывает специализированные области применения или дополнительные возможности.

Nitral-AI/Captain-Eris_Violet-GRPO-v0.420 — разговорная текстовая модель, опубликованная Nitral-AI. Это плотная причинная языковая модель семейства Mistral с архитектурой MistralForCausalLM и 12,1 млрд параметров. Она предназначена для генерации текста в диалоговом формате; заявленная длина контекста — до 1 024 000 токенов. Модель получена слиянием методом SLERP двух чекпойнтов: Nitral-AI/Captain-Eris_Violet-0.420-Rebased и Nitral-AI/Captain-Eris_Violet-GRPO-Rebased. В конфигурации слияния указана точность bfloat16; веса опубликованы в формате safetensors. Карточка не описывает отдельные специализированные области применения или результаты оценки качества. В метаданных указан английский язык и лицензия «other», без конкретизации условий. Перед использованием следует проверить условия лицензии на странице репозитория. Модель принимает текст и генерирует текст; сведения в карточке не подтверждают поддержку изображений, аудио или других модальностей.

CatMacaroni-Slerp-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель, полученная слиянием mistralai/Mistral-7B-Instruct-v0.2 и cookinai/CatMacaroni-Slerp методом SLERP. Репозиторий указывает архитектуру MistralForCausalLM с плотной сетью на 7,1 млрд параметров; веса представлены в safetensors. Модель предназначена для генерации текста и ответов на инструкции в формате диалога, включая чат-сценарии. Модель принимает текст и генерирует текст. Для базовой Mistral-7B-Instruct-v0.2 указан контекст до 32 768 токенов. Репозиторий распространяется по лицензии Apache-2.0. Карточка не приводит отдельных оценок качества или подробных ограничений применения.

caTUNABeagle — объединённая текстовая модель, созданная Eric111 с помощью mergekit на основе fblgit/UNA-TheBeagle-7b-v1 и rishiraj/CatPPT-base. Это плотная авторегрессионная модель MistralForCausalLM примерно с 7,1 млрд параметров, предназначенная для генерации текста и диалоговых сценариев. Контекстное окно составляет до 32 768 токенов. Модель принимает текст и генерирует текст. Репозиторий содержит веса Safetensors в формате bfloat16; указана лицензия Apache-2.0. README описывает слияние методом SLERP с настройками, различающимися для слоёв self-attention и MLP. Специальная область применения или основной язык в предоставленных данных не обозначены.

CatunaLaserPi — объединённая модель для генерации текста, созданная Eric111 с помощью mergekit. Она объединяет Eric111/caTUNABeagle и BryanSwk/LaserPipe-7B-SLERP методом SLERP; в конфигурации базовой моделью указана Eric111/caTUNABeagle. Модель построена на архитектуре Mistral и содержит 7,1 млрд параметров, принимает текстовый ввод и генерирует текст. Родной контекст — до 32 768 токенов. Модель подходит для диалогов и других задач генерации текста. Карточка не описывает специальные предметные области или отдельные возможности помимо генерации текста. Распространяется по лицензии CC BY-NC 4.0, которая запрещает коммерческое использование.

ChatGLM2-6B — разработанная командой THUDM двуязычная диалоговая модель второго поколения семейства ChatGLM. Это плотная модель на 7,5 млрд параметров с архитектурой ChatGLM, обученная на 1,4 трлн китайских и английских токенов и дополнительно выровненная с предпочтениями людей. Она предназначена для диалога и генерации текста, включая ответы на вопросы, многоходовое общение и задачи на рассуждение. Модель поддерживает китайский и английский языки и контекст до 32 768 токенов; при обучении диалогов использовалась длина контекста 8K. Для ускорения инференса применяется Multi-Query Attention, а реализация использует FlashAttention. В README отмечено, что модель ограниченно понимает сверхдлинные документы в рамках одного запроса. Репозиторий содержит веса PyTorch. Код распространяется по Apache-2.0, а для весов действует отдельная лицензия модели: бесплатное коммерческое использование разрешено после заполнения анкеты.

ChatGLM3-6B 是智谱 AI（zai-org）开发的 ChatGLM 系列开源 диалоговая модель на плотной архитектуре ChatGLM с 7,5 млрд параметров. Она предназначена для многоходового диалога и генерации текста, а также для сценариев с вызовом функций, выполнением кода и агентными задачами. Модель принимает текстовые запросы и выдаёт текстовые ответы; заявлены китайский и английский языки. Контекст составляет 8192 токена. Карточка описывает более сильную базовую модель и улучшения обучения по сравнению с предыдущими поколениями ChatGLM, отмечая результаты в семантике, математике, рассуждениях, коде и знаниях. Весá доступны в форматах PyTorch и Safetensors. Они открыты для академических исследований; бесплатное коммерческое использование разрешено после регистрации через анкету. Условие регистрации следует проверить перед коммерческим применением.

ChimeraLlama-3-8B-v3 — объединённая языковая модель, созданная mlabonne с помощью LazyMergekit из семи моделей семейства Llama 3, включая инструктивные версии и варианты, дообученные с ORPO и DPO. Это плотная авторегрессионная модель на 7,5 млрд параметров для генерации текста и диалогового взаимодействия; заявленная длина контекста — 8192 токена. Модель принимает текст и выдаёт текст. Её можно использовать для ответов на вопросы, ведения диалога и генерации текста. В README приведены результаты оценок Open LLM Leaderboard, но они сами по себе не гарантируют качество на конкретных задачах. В метаданных указана лицензия «other»; условия использования следует сверить с карточкой модели и лицензиями объединённых базовых моделей.

Clown-Saul-Extended — объединённая языковая модель, созданная arcee-ai с помощью mergekit из arcee-ai/Clown-DPO-Extended и arcee-ai/Saul-Instruct-Extended. Это плотная модель семейства Mistral с архитектурой MistralForCausalLM и 8,9 млрд параметров, предназначенная для генерации текста. Она принимает контекст длиной до 32 768 токенов и распространяется в формате safetensors. Модель подходит для генерации текста и диалоговых сценариев. В README описан метод объединения slerp и конфигурация, сочетающая слои двух исходных моделей. Репозиторий распространяется по лицензии Apache-2.0.

COKAL-v1-70B — авторегрессионная языковая модель Seungyoo Lee (DopeorNope) на архитектуре LLaMA 2 с 68,9 млрд параметров. Она принимает текст и генерирует текст; модель представлена в формате SafeTensors и предназначена для задач генерации текста. Модель дообучена методом SFT на наборе garage-bAInd/Open-Platypus. Для запуска в README приведён пример с Transformers и PyTorch. Размер контекста составляет 2048 токенов. Модель выпущена под лицензией Apache-2.0.

SvalTek/ColdBrew-Aphid-Large — разговорная причинно-языковая модель семейства Llama с 5,8 млрд параметров, созданная методом passthrough merge из SvalTek/ColdBrew-Aphid. Она предназначена для генерации текста и диалогов; интерфейс модели поддерживает вызов инструментов. Модель использует библиотеку Transformers и распространяется в формате safetensors. Контекстное окно — до 131 072 токенов. Модель подходит для диалоговых приложений, генерации ответов и сценариев с вызовом инструментов. В метаданных указана связь с SvalTek/ColdBrew-Aphid как с базовой моделью. Сведений о лицензии и специальных языковых возможностях в предоставленных данных нет.

CollectiveCognition-v1.1-Mistral-7B-dare-0.85-Mistral-7B-Instruct-v0.1 — чат-модель на базе Mistral-7B-Instruct-v0.1, созданная слиянием весов Mistral-7B-Instruct-v0.1 и uukuguy/CollectiveCognition-v1.1-Mistral-7B-dare-0.85 методом SLERP. Модель разработана для генерации текста и ответов на запросы в диалоговом формате. Архитектура — плотная авторегрессионная MistralForCausalLM, размер — 7,1 млрд параметров, контекст — до 32 768 токенов; файлы опубликованы в формате safetensors с точностью bfloat16. Модель подходит для чат-ботов, ответов на инструкции и продолжения текста. В карточке не заявлены специализированные области или языки, поэтому назначение следует считать общим. Лицензия — Apache-2.0.