I.5Создание и редактирование текста

TEST-Q2.5-AA — языковая модель, созданная объединением моделей allura-org/Teleut-7b и EVA-UNIT-01/EVA-Qwen2.5-7B-v0.1 методом passthrough с помощью mergekit. Она построена на архитектуре Qwen2 и предназначена для генерации текста в диалоговом формате, а также творческого письма и создания историй, унаследованных от базовых моделей. Модель содержит 8,2 млрд параметров, использует формат safetensors и поддерживает контекст до 131 072 токенов. Для работы применяются библиотека Transformers и обычный текстовый ввод с текстовым выводом. В карточке не приведены отдельные сведения о языках или специализированных областях применения. Условия лицензирования в доступных данных не указаны.

QuantFactory/Teuken-7B-instruct-research-v0.4-GGUF — квантизированная версия инструкционно дообученной языковой модели Teuken-7B-instruct-research-v0.4, созданная QuantFactory с использованием llama.cpp. Исходную модель разработали Fraunhofer, Forschungszentrum Jülich, TU Dresden и DFKI в рамках проекта OpenGPT-X при финансировании Федерального министерства экономики и защиты климата Германии. Модель основана на decoder-only Transformer и содержит около 7 млрд параметров; базовая модель предварительно обучалась на 4 трлн токенов из общедоступных источников с отсечкой данных в сентябре 2023 года. Модель предназначена прежде всего для генерации текста и мультиязычных задач, включая исследовательское использование на 24 языках ЕС: болгарском, чешском, датском, немецком, греческом, английском, испанском, эстонском, финском, французском, ирландском, хорватском, венгерском, итальянском, литовском, латышском, мальтийском, нидерландском, польском, португальском, румынском, словацком, словенском и шведском. Инструкционная настройка ориентирована на более стабильные результаты в этих языках и ответы, в большей степени отражающие европейский контекст. Для работы необходимо использовать предусмотренный prompt template или chat template токенизатора. К сильным сторонам относятся широкое покрытие европейских языков и формат GGUF, подходящий для запуска через llama.cpp и совместимые инструменты. Ограничения включают возможные предвзятость, галлюцинации, а также генерацию токсичного, оскорбительного или вредного содержания. Модель не предназначена для математических и программных задач. В README указана лицензия «other», но конкретные условия лицензирования не приведены.

TheBeagle-v2beta-32B-MGS-GGUF — это набор GGUF-квантизаций текстовой генеративной модели TheBeagle-v2beta-32B-MGS, разработанной fblgit и подготовленной в формате GGUF пользователем bartowski. Модель обучалась с использованием набора Magpie-Align/Magpie-Pro-300K-Filtered и предназначена для генерации текста и выполнения инструкций на английском языке. Доступны варианты от полного F16 до квантизаций Q8_0, Q6_K, Q5_K и Q4_K с размером файлов примерно от 18,78 до 65,54 ГБ. Квантизации созданы с помощью llama.cpp и imatrix; для работы рекомендуется использовать совместимое программное обеспечение, например LM Studio. В README не указаны архитектура исходной модели, размер контекстного окна, поддержка других языков или мультимодальных входов. Также приведён специальный шаблон диалога с ролями system, user и assistant. Модель ориентирована на задачи текстовой генерации, следования инструкциям, рассуждений и решения математических и общеобразовательных заданий. Согласно указанным результатам Open LLM Leaderboard, она получила 45,03% строгой точности на IFEval, 58,07% нормализованной точности на BBH, 39,43% exact match на MATH Level 5 и 54,57% точности на MMLU-PRO; результаты на GPQA и MuSR составили 20,13% и 24,5% соответственно. Более качественные квантизации требуют больше памяти, а компактные варианты обеспечивают экономию места ценой возможного снижения качества. Распространяется по лицензии MIT.

TheDrummer_Anubis-70B-v1.2-GGUF — это GGUF-квантизированная версия текстовой генеративной модели Anubis-70B-v1.2, разработанной TheDrummer и подготовленной квантизатором bartowski. Квантизация выполнена с использованием llama.cpp и метода imatrix; базовая модель указана как TheDrummer/Anubis-70B-v1.2. Модель предназначена для генерации текста и может запускаться через llama.cpp, LM Studio, koboldcpp, Jan AI, Text Generation Web UI и LoLLMs. Модель содержит 70 миллиардов параметров. Доступны варианты квантизации Q8_0, Q6_K_L, Q6_K, Q5_K_L, Q5_K_M, Q5_K_S, Q4 и Q3, а также форматы IQ4 и IQ3; размер файлов варьируется примерно от 29,31 до 74,98 ГБ. Старшие варианты обеспечивают более высокое качество, тогда как младшие снижают требования к оперативной памяти ценой качества. Для работы требуется совместимое программное обеспечение с поддержкой данной архитектуры и GGUF; README не содержит сведений о языках, модальностях, размере контекста, архитектуре исходной модели или результатах бенчмарков. Лицензия в предоставленных данных не указана. Формат промпта использует специальные токены системного, пользовательского и ассистентского сообщений, а также включает даты отсечения знаний и текущую дату из шаблона.

Cydonia-Redux-22B-v1.1-GGUF — это квантизированная версия текстовой генеративной модели Cydonia-Redux-22B-v1.1, разработанной TheDrummer. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель распространяется в формате GGUF и предназначена для локального запуска через llama.cpp, LM Studio и другие совместимые проекты. Модель рассчитана на задачи генерации текста и диалогового взаимодействия. Доступны варианты от BF16 до низкобитных IQ- и Q-квантизаций, что позволяет выбирать между качеством ответов, требованиями к оперативной памяти и скоростью работы. Размер исходной модели составляет 22B параметров; конкретный объём файлов зависит от варианта квантизации и находится примерно в диапазоне от 10 до 44,5 ГБ. К сильным сторонам относятся широкий выбор квантизаций и возможность локального использования на совместимом оборудовании. Для наиболее высокого качества рекомендуются варианты Q6_K_L, Q6_K, Q5_K_L, Q5_K_M и Q5_K_S, а Q4_K_M указан как вариант по умолчанию для большинства сценариев. Ограничения включают высокие требования к памяти у качественных вариантов, возможное снижение качества у низкобитных версий и отсутствие указанной в карточке информации о поддерживаемых языках, длине контекста, архитектурных деталях исходной модели и лицензии. Шаблон чата в карточке не задан; приведён формат по умолчанию <s>[INST] {prompt}[/INST].

TheDrummer_Gemma-3-R1-12B-v1-GGUF — это набор квантизированных версий модели Gemma-3-R1-12B-v1, разработанной TheDrummer и преобразованной в формат GGUF пользователем bartowski с использованием llama.cpp. Модель предназначена для генерации текста и локального запуска через llama.cpp, LM Studio и другие совместимые приложения на базе llama.cpp. Доступны варианты от BF16 до низкобитных квантизаций размером примерно от 5,21 до 23,54 ГБ, что позволяет выбирать баланс между качеством, потреблением памяти и скоростью работы. К сильным сторонам относятся широкий выбор вариантов сжатия и применение imatrix-калибровки, призванной сохранить качество при квантизации. Рекомендуемыми обозначены, в частности, Q4_K_M, Q5_K_M, Q6_K и другие варианты Q4–Q6; низкобитные версии рассчитаны на системы с ограниченным объёмом RAM, но могут заметно уступать по качеству. В README не указаны контекстное окно, языки, поддерживаемые модальности, точная архитектура исходной модели и лицензия. Формат промпта также не приведён, поэтому его следует уточнять на странице исходной модели TheDrummer/Gemma-3-R1-12B-v1.

TheDrummer_Magidonia-24B-v4.2.0-GGUF — это набор квантизированных версий текстогенеративной модели Magidonia-24B-v4.2.0, разработанной TheDrummer. Квантизацию выполнил bartowski в формате GGUF с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и запуска в локальных приложениях, совместимых с llama.cpp, включая LM Studio. Доступны варианты от BF16 и Q8_0 до более компактных Q3 и IQ3/IQ4-квантизаций. Размер файлов составляет примерно от 10,4 до 47,15 ГБ; варианты Q6_K_L, Q6_K, Q5 и Q4 рекомендуются как обеспечивающие высокое или хорошее качество, тогда как младшие Q3-варианты рассчитаны на системы с ограниченным объёмом оперативной памяти и обладают более низким качеством. Для работы следует использовать указанный шаблон приглашений с системным сообщением и пользовательским запросом. В README не указаны архитектура исходной модели, поддерживаемые языки, размер контекстного окна, мультимодальные возможности и лицензия. Поэтому модель следует рассматривать как локальную текстовую LLM, для которой выбор файла зависит от доступной памяти и требуемого баланса между качеством и размером.

bartowski/TheDrummer_Rocinante-XL-16B-v1-GGUF — это квантизированная версия текстовой генеративной модели Rocinante-XL-16B-v1, разработанной TheDrummer. Модель распространяется в формате GGUF и предназначена для локального запуска и генерации текста с помощью llama.cpp и совместимых приложений, включая LM Studio, koboldcpp, Jan AI и Text Generation Web UI. В основе лежит модель размером 16 млрд параметров; доступны варианты от BF16 до низкобитных форматов Q8, Q6, Q5, Q4 и Q3, что позволяет выбирать между качеством, размером файла и требованиями к оперативной памяти. Размер файлов составляет примерно от 7,39 до 32,14 ГБ. Для работы используется формат запроса <s>[INST] с системным сообщением и пользовательским запросом. Поддерживаемые модальности, языки и размер контекстного окна в README не указаны. К сильным сторонам относятся широкий выбор квантизаций, возможность локального запуска и применение imatrix при квантизации, направленное на сохранение качества. Высококачественными рекомендуемыми вариантами названы Q6_K и Q6_K_L, а Q4_K_M описан как подходящий вариант по умолчанию для большинства сценариев. Более компактные варианты требуют меньше памяти, но могут заметно уступать в качестве. Лицензия в README не указана; условия использования следует уточнять по исходной модели TheDrummer/Rocinante-XL-16B-v1.

Skyfall-36B-v2-GGUF — это GGUF-квантизированная версия текстовой генеративной модели Skyfall-36B-v2, разработанной TheDrummer и подготовленной пользователем bartowski. Модель предназначена для генерации текста и запуска в локальных приложениях, совместимых с llama.cpp, включая LM Studio и другие проекты на его основе. Исходная модель имеет 36 миллиардов параметров; в README не указаны её точная архитектура, поддерживаемые языки, модальности и размер контекста. Доступны варианты квантизации от Q2 до Q8, включая Q4_K_M как вариант общего назначения и более качественные Q5/Q6/Q8. Размер файлов составляет примерно от 14,39 до 39,23 ГБ. Квантизации выполнены с использованием imatrix и llama.cpp версии b4688. Для работы рекомендуется формат промпта с секциями SYSTEM_PROMPT и INST. Сильная сторона репозитория — широкий выбор вариантов, позволяющий выбирать баланс качества и требований к памяти; старшие квантизации обеспечивают качество, близкое к исходному, а младшие подходят для систем с ограниченным объёмом RAM. Ограничения включают снижение качества при использовании низких уровней квантизации и необходимость совместимого локального ПО и достаточного объёма памяти. Лицензия указана как other, без дополнительных условий в README.

Snowpiercer-15B-v1-GGUF — это квантизированная GGUF-версия текстовой генеративной модели Snowpiercer-15B-v1, разработанной TheDrummer. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и может запускаться в LM Studio, llama.cpp и других проектах на базе llama.cpp. Модель содержит около 15 млрд параметров. Доступны варианты от BF16 до низкоразрядных квантизаций Q8, Q6, Q5, Q4, Q3 и Q2, различающиеся размером файлов и качеством вывода; рекомендуемые варианты обеспечивают высокое или хорошее качество при меньших требованиях к памяти. README не содержит сведений о поддерживаемых языках, максимальном размере контекста, исходной архитектуре или мультимодальности, поэтому модель следует рассматривать как текстовую. Сильной стороной являются разнообразие форматов и возможность локального запуска на совместимом оборудовании, включая сценарии с ограниченным объёмом оперативной памяти. Низкоразрядные варианты экономят память, но могут заметно уступать более точным версиям по качеству. Для диалогов рекомендуется использовать шаблон prompt с маркерами im_start и im_end. Лицензия — MIT.

TheTop-5x7B-Instruct-S3-v0.1 — текстовая генеративная модель MaziyarPanahi, созданная слиянием нескольких языковых моделей класса 7B и дополнительным объединением SLERP. Репозиторий содержит веса в формате safetensors; модель основана на архитектуре Mistral и имеет около 7,1 млрд параметров. Для запуска и работы с моделью указана библиотека Transformers. Модель предназначена для генерации текста по запросу и может использоваться для ответов на вопросы, диалогов и решения широкого круга задач на естественном языке. В карточке приведены результаты оценки на тестах ARC, HellaSwag и MMLU, включая вопросы по естественным и точным наукам, истории и другим областям. Контекст модели составляет до 32 768 токенов. Карточка не подтверждает поддержку конкретных языков или специализированное назначение. Модель распространяется по лицензии Apache-2.0. Поскольку это слияние нескольких моделей, качество может различаться между задачами; опубликованные оценки не гарантируют точность отдельных ответов.

ThinkingCap-Qwen3.6-27B-GGUF — набор GGUF-квантизаций мультимодальной vision-language модели ThinkingCap-Qwen3.6-27B, разработанной BottleCap AI на основе Qwen3.6-27B от Qwen Team. Модель предназначена для локального запуска через llama.cpp и совместимые среды, включая Ollama и LM Studio, и поддерживает работу с текстом и изображениями. Дообучение направлено на сокращение рассуждений примерно на 50% в среднем при сохранении качества и стиля ответов базовой модели. Доступны варианты f16, Q8_0, Q6_K и Q4_K_M размером примерно от 15,7 до 50,9 ГБ; Q4_K_M рекомендуется как баланс размера и качества, а Q8_0 и Q6_K — как варианты, близкие к исходной точности. Для обработки изображений требуется отдельный мультимодальный проектор mmproj размером около 0,9 ГБ. Поддерживается MTP self-speculative decoding, способный дополнительно повысить скорость генерации при использовании современной версии llama.cpp. По приведённым оценкам, точность квантованных вариантов статистически сопоставима с f16 и базовой моделью: около 0,89–0,91 на MMLU-Pro и 0,78–0,82 на RealWorldQA. Сильными сторонами являются существенно более короткие рассуждения, ускорение выполнения задач, локальный запуск и почти без потерь качества при квантовании. Ограничения включают значительные требования к дисковому пространству и памяти, необходимость совместимого runtime, а для изображений — отдельного vision-проектора. Лицензия в README не указана; доступ к модели может предоставляться по запросу.

IsValorum подготовил APEX-I-MiniPlus V2.1 — пользовательскую квантизацию модели Thomson-1.0-Small в формате GGUF для запуска через llama.cpp. Модель предназначена для диалоговой генерации текста и рассуждений; карточка описывает настройку тензоров Mixture-of-Experts, рассчитанную на сохранение качества при уменьшении размера весов. Заявлены размер файла около 14,75 ГБ, средняя точность 3,40 бита на вес и запуск с контекстом до 256 тысяч токенов, включая конфигурации с системной памятью и частичной выгрузкой на GPU. Модель основана на Thomson Reuters Thomson-1.0-Small; метаданные связывают её с базовой моделью как дообучение, а файлы представлены в GGUF и маркированы как квантованные. Поддерживаются английский, китайский, испанский, французский, немецкий, португальский, итальянский, русский, японский, корейский, вьетнамский, тайский и арабский языки. Лицензия — Apache-2.0. Показатели качества и скорости приведены автором карточки; они зависят от оборудования и конфигурации запуска.

GLM-4-32B-0414-GGUF — это квантизированная версия языковой модели GLM-4-32B-0414, разработанной THUDM, подготовленная пользователем bartowski в формате GGUF. Модель предназначена для генерации текста и может запускаться локально через llama.cpp, LM Studio и другие совместимые проекты. Заявлена поддержка китайского и английского языков. Модель содержит 32 миллиарда параметров; точные сведения об архитектуре, размере контекста и поддерживаемых модальностях в README не указаны. Доступны варианты от BF16 до различных квантизаций Q8, Q6, Q5, Q4, Q3 и Q2, что позволяет выбирать между качеством, размером файла и требованиями к памяти. Более высокие уровни квантизации обеспечивают лучшее качество, а низкие подходят для систем с ограниченными ресурсами, но могут заметно уступать по качеству. Для запуска требуется совместимое программное обеспечение и объём памяти, соответствующий выбранному варианту. Квантизация выполнена с использованием llama.cpp и метода imatrix; в описании также отмечено исправление токенизатора. Модель распространяется по лицензии MIT. README не содержит подробных результатов тестирования, поэтому фактические преимущества в конкретных задачах и ограничения базовой модели требуют самостоятельной проверки.

trinhkhng/ties_Merged_gpt2-medium_0.2 — языковая модель, созданная методом TIES merge из предварительно обученной GPT-2 Medium и модели debias_gpt2-medium. Она предназначена для генерации продолжений текста по текстовому запросу и может использоваться в экспериментах с генерацией и снижением смещений в тексте. Модель построена на архитектуре GPT-2 с плотными слоями; веса опубликованы в формате safetensors и предназначены для Transformers. Контекст составляет 1024 токена. В README указано, что базой слияния служила GPT-2 Medium, а tokenizer взят из базовой модели. Лицензия в предоставленных данных не указана.

trinhkhng/ties_Merged_gpt2-medium_0.3 — языковая модель, созданная объединением GPT-2 Medium и debias_gpt2-medium методом TIES с помощью mergekit. Она предназначена для генерации текста и может использоваться для продолжения заданного текста и создания коротких текстовых фрагментов. Модель основана на архитектуре GPT-2 и принимает текст, выдавая текст; нативная длина контекста — 1024 токена. В README указано, что для объединения использовались веса GPT-2 Medium в качестве базовой модели и debias_gpt2-medium. В метаданных указан формат safetensors и библиотека Transformers. Лицензия и сведения о поддерживаемых естественных языках в предоставленных данных отсутствуют.

trinhkhng/ties_Merged_Qwen2-0.5B_0.4 — объединённая причинно-языковая модель семейства Qwen2, созданная методом TIES с помощью mergekit. В качестве основы использована Qwen2-0.5B, а в объединение также включена debias_Qwen2-0.5B; размер модели составляет около 493,7 млн параметров. Модель предназначена для генерации текста и диалоговых сценариев. Она принимает текст и выдаёт текст, использует архитектуру Qwen2ForCausalLM и формат Safetensors. Заявленная длина контекста — 131 072 токена. Карточка не сообщает о поддерживаемых естественных языках или специальной области применения, поэтому модель можно рассматривать как языковую общего назначения. Веса объединены методом TIES с параметром lambda 0.4; в конфигурации указан тип данных float32. Слияние моделей само по себе не подтверждает качество или эффективность объединённых возможностей. Лицензия в предоставленных данных не указана.

TigerResearch 的 TigerBot 70B Chat v4 是基于 Llama 架构的 69B 参数稠密自回归 языковая модель для диалоговой генерации текста. Карточка описывает запуск через Transformers и указывает на сценарий чат-взаимодействия. Модель поддерживает китайский и английский языки, использует контекст до 4096 токенов и распространяется в формате PyTorch по лицензии Apache-2.0. Модель подходит для генерации ответов и ведения диалога на китайском и английском. Карточка не приводит результатов оценки качества или подробного перечня ограничений; для практического применения следует учитывать большой размер весов и контекстное окно 4096 токенов.

Tiger-Gemma-9B-v2-GGUF — это набор GGUF-квантизаций базовой языковой модели TheDrummer/Tiger-Gemma-9B-v2. Квантизации подготовлены пользователем bartowski с помощью llama.cpp версии b3658 и метода imatrix. Модель предназначена для генерации текста и может запускаться локально, в частности через LM Studio или совместимые инструменты llama.cpp. Доступны варианты от исходных весов F16 размером 18,49 ГБ до компактных форматов Q2 и Q3 размером около 3,8–5,4 ГБ, а также более качественные Q4–Q8 и IQ-квантизации. В README не указаны архитектурные детали исходной модели, поддерживаемые языки, размер контекста и точные модальности; по назначению это текстовая модель без заявленной поддержки изображений или других типов данных. Сильной стороной набора является широкий выбор компромиссов между качеством, размером и требованиями к памяти: варианты Q5–Q6 отмечены как высококачественные и рекомендуемые, а некоторые Q4-форматы оптимизированы для ARM. Более агрессивные Q2–Q3-варианты экономят память, но снижают качество. Модель не поддерживает system prompt и требует специального шаблона с маркерами Gemma для диалога. Лицензия в README не указана.

Cohere и Cohere Labs разработали CohereLabs/tiny-aya-fire — авторегрессионную языковую модель семейства Tiny Aya на 3,35 млрд параметров для многоязычной генерации и диалогов. Эта версия ориентирована на языки Южной Азии; семейство в целом охватывает более 70 языков. Модель принимает текст и генерирует текст, поддерживает контекст до 8K токенов и обучена с использованием supervised fine-tuning и обучения предпочтениям. В архитектуре Transformer сочетаются слои с локальным скользящим вниманием и глобальным вниманием. Модель подходит для многоязычных чат-ботов, суммаризации, перевода и других межъязыковых задач, в том числе для языков с ограниченными ресурсами и развёртывания при умеренных вычислительных ресурсах. Карточка отмечает хорошее качество открытой генерации и диалога, но сравнительно слабые результаты в сложных рассуждениях и математике; фактические ответы могут быть ошибочными или устаревшими, а качество неодинаково для разных языков. Лицензия CC-BY-NC-4.0 разрешает некоммерческое использование при соблюдении Acceptable Use Policy Cohere Labs; для коммерческого применения предлагается обратиться к Cohere.

TinyJ.O.S.I.E.-3x1.1B-32k-Base — языковая модель на архитектуре Mixtral с разреженной архитектурой «смесь экспертов» (MoE), созданная Goekdeniz Guelmez с помощью LazyMergekit на основе трёх копий Isaak-Carter/TinyJ.O.S.I.E.-1.1B-32k-Base. Модель предназначена для генерации текста и принимает контекст длиной до 32 768 токенов; общий размер указан как 1 млрд параметров. Её можно использовать для продолжения текста и генерации ответов в сценариях с длинным контекстом. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0.

Tensoic/TinyLlama-1.1B-3T-openhermes — инструкционно дообученная версия TinyLlama, созданная на датасете teknium/openhermes. Это плотная авторегрессионная языковая модель семейства Llama с примерно 1,1 млрд параметров, предназначенная для генерации текста по запросу и выполнения инструкций. В метаданных указан контекст до 4096 токенов и формат PyTorch. Карточка сообщает о значении loss 1,3647 и о настройке параметров оптимизации после резкого роста loss во время обучения. Модель опубликована по лицензии, указанной в метаданных Hugging Face.

kevin009/TinyNaughtyLlama-v1.0 — диалоговая языковая модель примерно на 1 млрд параметров, созданная дообучением TinyLlama 1.1B Chat методом DPO. Она использует плотную архитектуру LlamaForCausalLM и предназначена для генерации продолжений текста и ответов в чате. Модель принимает текст и генерирует текст; максимальная длина контекста составляет 2048 токенов. Модель рассчитана на общие языковые задачи и диалоговые сценарии. README предупреждает, что ответы могут быть предвзятыми или неподходящими, поэтому их следует проверять и при необходимости фильтровать. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

TomeLlama-3.2-3B-10k — диалоговая языковая модель, дообученная actualbrain на базе unsloth/Llama-3.2-3B-bnb-4bit с использованием Unsloth и библиотеки Hugging Face TRL. Модель построена на плотной архитектуре Llama и содержит 3,2 млрд параметров; она предназначена для генерации текста и диалоговых сценариев. Заявленная длина контекста — 131 072 токена, основной язык карточки — английский. Модель распространяется в формате PyTorch по лицензии Apache 2.0. Карточка не описывает конкретные наборы данных, методы оценки качества или специальные области применения, поэтому её возможности за пределами общей генерации текста не следует считать подтверждёнными.

TopStarClaudioArena — слитая языковая модель сообщества mergekit-community, созданная методом SLERP из NousResearch/Hermes-2-Theta-Llama-3-8B и mergekit-community/mergekit-slerp-ebgdloh. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста; в метаданных указаны библиотека Transformers и контекст до 32 768 токенов. Конфигурация слияния задаёт V-образное распределение весов: Hermes используется в начальных и конечных слоях, а WizardMath — в средних. Модель подходит для диалоговой генерации и ответов на инструкции, а также может применяться для математических запросов благодаря компоненту WizardMath. Карточка не приводит отдельных результатов оценки качества или подробностей о поддерживаемых языках. Условия лицензирования в предоставленных данных не указаны.

giocorte/totem-slm-rl-v4 — дообученная текстовая модель giocorte на базе unsloth/Qwen3-4B. Это плотная причинно-языковая модель семейства Qwen3 с 3,7 млрд параметров, рассчитанная на генерацию текста и диалоговые сценарии; для работы предусмотрен контекст до 40 960 токенов. Карточка сообщает, что модель обучали с помощью Unsloth и библиотеки TRL от Hugging Face. Модель подходит для генерации ответов в чате и других задач, сводимых к продолжению текста. Метаданные указывают английский язык. Репозиторий содержит веса в формате Safetensors и опубликован по лицензии Apache-2.0. Специализированная область применения и результаты оценки качества в карточке не описаны.

Карточка модели giocorte/totem-slm-rl-v5 на Hugging Face совпадает с карточкой giocorte/totem-slm-sft, поэтому описание составлено по ней. giocorte/totem-slm-sft — дообученная языковая модель, опубликованная giocorte на базе unsloth/qwen3-4b-unsloth-bnb-4bit. Это плотная авторегрессионная модель семейства Qwen3 с 3,7 млрд параметров, рассчитанная на генерацию текста и диалоговое взаимодействие; метаданные также отмечают интерфейс вызова инструментов. Модель обучали с использованием Unsloth и библиотеки Hugging Face TRL. Модель принимает текст и генерирует текст, поддерживает английский язык и имеет контекст длиной до 40 960 токенов. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. Карточка не описывает специализацию дообучения, обучающие данные или сравнительные результаты, поэтому нельзя определить, в каких прикладных сценариях модель превосходит базовую.

giocorte/totem-slm-sft — дообученная языковая модель, опубликованная giocorte на базе unsloth/qwen3-4b-unsloth-bnb-4bit. Это плотная авторегрессионная модель семейства Qwen3 с 3,7 млрд параметров, рассчитанная на генерацию текста и диалоговое взаимодействие; метаданные также отмечают интерфейс вызова инструментов. Модель обучали с использованием Unsloth и библиотеки Hugging Face TRL. Модель принимает текст и генерирует текст, поддерживает английский язык и имеет контекст длиной до 40 960 токенов. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. Карточка не описывает специализацию дообучения, обучающие данные или сравнительные результаты, поэтому нельзя определить, в каких прикладных сценариях модель превосходит базовую.

Это GGUF-квантизация модели QwQ-32B-Snowdrop-v0, разработанной trashpanda-org и подготовленной пользователем bartowski. Модель предназначена для генерации текста и запуска локально через llama.cpp, LM Studio и другие совместимые проекты на его основе. В репозитории представлены варианты от полного BF16 до различных квантований Q8_0, Q6, Q5, Q4, Q3 и IQ. Размер файлов варьируется примерно от 14,39 до 65,53 ГБ; варианты с более высокой разрядностью обычно обеспечивают лучшее качество, а варианты Q3 подходят для систем с ограниченным объёмом оперативной памяти. Квантизация выполнена с использованием imatrix на базе llama.cpp release b4867. Рекомендуемый формат prompt использует специальные токены ролей system, user и assistant. Сильными сторонами являются широкий выбор квантований, возможность локального запуска и сохранение высокого качества у вариантов Q6 и Q5. Ограничения включают значительные требования к памяти даже у компактных файлов, а также потенциальную потерю качества при использовании низкоразрядных вариантов. В README не указаны архитектурные детали, поддерживаемые языки, размер контекста и лицензия модели или квантизированных файлов.

tr-dare-merge-7B — диалоговая языковая модель на архитектуре Mistral с 7,1 млрд параметров, созданная объединением Mistral-7B-Instruct-v0.2, Trendyol-LLM-7b-chat-dpo-v1.0 и Turkcell-LLM-7b-v1 методом DARE-TIES. Она предназначена для генерации текста и ведения диалогов; в метаданных указана поддержка турецкого и английского языков, а контекст составляет до 32 768 токенов. Модель распространяется в формате Safetensors и под лицензией Apache 2.0. Её можно использовать для чат-ботов, ответов на вопросы и генерации текста на турецком и английском языках. Карточка не приводит результатов оценки качества, поэтому пригодность для конкретного сценария следует проверять отдельно.