I.5Создание и редактирование текста

Trendyol LLM v1.0 — базовая генеративная языковая модель, разработанная Trendyol и дообученная на основе Mistral-7B-v0.1. Это авторегрессионный трансформер Mistral с 7,2 млрд параметров; модель принимает текст и генерирует текст. Для версии base указано дообучение с LoRA на 10 млрд токенов, а максимальная длина последовательности при обучении составляла 1024 токена. В метаданных указан нативный контекст 32 768 токенов. Модель предназначена для продолжения текста и может служить основой для приложений генерации текста и диалоговых сценариев на английском и турецком языках. Карточка также упоминает варианты chat и DPO. Модель распространяется по лицензии Apache-2.0. Качество не проверено в широком круге реальных сценариев: возможны фактические ошибки, предвзятые или токсичные ответы. Понимание сленга и языков, кроме английского и турецкого, может быть ограниченным; результаты следует проверять.

Trion-M-7b — плотная языковая модель семейства Mistral с 7,1 млрд параметров, созданная слиянием весов двух моделей Mistral. В README указано, что применено gradient blockmerge с весами 0,8 и 0,2, а компоненты для логики и прозы сформированы слиянием SLERP; исходные модели не названы. Модель предназначена для генерации текста. Метаданные указывают контекст до 32 768 токенов, поддержку английского языка и формат PyTorch. Репозиторий распространяется по лицензии Apache-2.0. Подробные результаты оценки и конкретные сценарии использования в карточке не описаны.

Tulu V2 DPO 13B — разговорная языковая модель-помощник, разработанная AllenAI и дообученная на основе Meta Llama 2 13B. Модель прошла настройку по инструкциям на смеси открытых, синтетических и созданных людьми данных, а затем выравнивание методом Direct Preference Optimization (DPO) на наборе UltraFeedback. В метаданных указаны архитектура Llama, 12,9 млрд параметров и контекст до 8192 токенов. Модель предназначена для диалогов с помощником, ответов на инструкции и генерации текста; основной язык — английский. Авторы позиционируют её как альтернативу Llama 2 13B Chat. Для качества ответов рекомендуется использовать предусмотренный моделью формат сообщений с разделителями ролей и завершающим маркером хода ассистента. Модель не прошла специальное выравнивание для безопасных ответов и может выдавать проблемный контент, особенно по соответствующему запросу. Лицензия указана в карточке как AI2 ImpACT Low-risk; перед использованием следует проверить её условия.

chujiezheng/tulu-2-dpo-13b-ExPO — разговорная языковая модель на базе Llama, полученная методом ExPO из контрольных точек allenai/tulu-2-dpo-13b и allenai/tulu-2-13b. Разработчик применил экстраполяцию весов с коэффициентом alpha = 0,5 в рамках подхода Weak-to-Strong Extrapolation Expedites Alignment, чтобы улучшить согласование ответов с человеческими предпочтениями. Модель предназначена для диалоговой генерации текста и ответов на запросы. Она содержит 12,9 млрд параметров, принимает текст и имеет контекстное окно 8192 токена. В README приведены результаты оценки ExPO на AlpacaEval 2.0 и MT-Bench для нескольких других моделей; эти результаты не являются прямой оценкой данного чекпойнта. Файлы модели представлены в формате safetensors. Лицензия указана как other, поэтому условия использования следует проверять в карточке модели и у базовых моделей. Ограничение: доступное описание не содержит результатов отдельной оценки именно этого чекпойнта.

Tulu-3.1-3B-SFT-Step-100 — языковая модель для генерации текста и диалогового взаимодействия, опубликованная пользователем yunjae-won на Hugging Face. README автоматически создан и не содержит сведений о разработчике, обучении, лицензии или результатах оценки. Модель имеет около 3,2 млрд параметров, относится к семейству LLaMA и рассчитана на работу через библиотеку Transformers. Максимальная длина контекста по метаданным составляет 131 072 токена. Она может применяться для генерации ответов, продолжения текста и создания прототипов разговорных приложений. Документация не описывает поддерживаемые естественные языки, наборы данных, метод дообучения, качество, безопасность и ограничения применения. Лицензия в доступных данных также не указана; перед использованием модели необходимо проверить условия распространения на странице репозитория.

Tulu 1 Llama 2 13B — языковая модель-помощник, разработанная Allen Institute for AI (AI2) и дообученная на базе meta-llama/Llama-2-13b-hf. Для настройки использована смесь Tulu v1 из открытых, синтетических и созданных людьми наборов данных с инструкциями и диалогами. Модель имеет плотную архитектуру Llama, около 12,9 млрд параметров и контекст до 4096 токенов. Модель предназначена для ответов на инструкции и ведения диалогов, прежде всего на английском языке. Она подходит для генерации ответов, помощи с вопросами и выполнения текстовых инструкций. Для лучшего качества следует использовать указанный в карточке формат запросов, включая завершающий перевод строки. Tulu не проходила этап RLHF-настройки на безопасные ответы и не использует фильтрацию ответов во время работы, поэтому может выдавать проблемный контент, особенно в ответ на соответствующие запросы. Модель распространяется по лицензии AI2 ImpACT Low-risk.

allenai/tulu-v2.5-dpo-13b-alpacafarm-gpt4-pref — англоязычная чат-модель из набора RLHF-моделей Tulu, разработанного AllenAI. Это плотная авторегрессионная модель семейства Llama с 12,9 млрд параметров, основанная на allenai/tulu-2-13b и дообученная на инструкциях, синтетических диалогах и данных предпочтений. Для дополнительного выравнивания применялся DPO на разбиении alpaca_farm_gpt4_pref; в репозитории указан формат PyTorch и контекст до 4096 токенов. Модель предназначена для генерации текста и ответов в диалогах с помощником на английском языке. Её можно использовать для выполнения инструкций, ответов на вопросы и создания текстовых черновиков. README указывает, что шаблон чата встроен в токенизатор и требует учитывать перевод строки при форматировании сообщений. Модель не обучалась на безопасные ответы и не имеет встроенной фильтрации, поэтому может выдавать проблемный контент, особенно по соответствующим запросам. Лицензия — Apache 2.0.

Tulu V2.5 DPO 13B — англоязычная чат-модель из серии помощников Tulu, разработанной Allen Institute for AI (AI2). Она дообучена методом DPO на базе Tulu 2 с использованием очищенного набора Argilla Orca DPO Pairs; метаданные указывают базовую модель allenai/tulu-2-13b. Модель с архитектурой Llama 2 содержит 12,9 млрд параметров, принимает текстовые запросы и генерирует текст. Контекст составляет 4096 токенов. Модель предназначена для диалогов с помощником и выполнения инструкций на английском языке, включая ответы на вопросы и генерацию текста. Для лучшего качества следует использовать предусмотренный шаблон чата и соблюдать форматирование сообщений. Модель распространяется по лицензии Apache 2.0. Она не была выровнена на безопасную генерацию в рамках RLHF и не включает фильтрацию ответов во время работы, поэтому может выдавать проблемный контент, особенно в ответ на соответствующие запросы.

turbcat-instruct-72b-GGUF — это набор GGUF-квантизаций инструкционной модели turboderp/turbcat-instruct-72b. Квантизации подготовлены bartowski с использованием llama.cpp и метода imatrix; исходная модель разработана turboderp. Модель предназначена для генерации текста и диалоговых сценариев, включая запуск локально через llama.cpp или LM Studio. Из README известно, что модель имеет размер 72B параметров, работает с текстом и ориентирована на английский язык. Для взаимодействия используется шаблон чата с ролями system, user и assistant на основе специальных токенов <|im_start|> и <|im_end|>. Доступны варианты от F32 размером около 290,83 ГБ до низкобитных IQ2_M и Q2_K размером около 29–31 ГБ. Версии Q6_K_L, Q6_K, Q5 и Q4 рекомендуются как обеспечивающие высокое или хорошее качество; варианты Q3 и Q2 экономят память, но заметно уступают по качеству. Ключевое преимущество набора — широкий выбор квантизаций для компромисса между качеством и требованиями к памяти, включая варианты с улучшенной точностью embedding- и output-весов. Ограничения — высокая ресурсоёмкость 72B-модели, отсутствие в README сведений о длине контекста, архитектурных деталях и результатах бенчмарков, а также потенциальное снижение качества у наиболее компактных вариантов. Лицензия указана как other с названием tongyi-qianwen; в качестве лицензионного документа приведена лицензия Qwen/Qwen2-72B-Instruct.

Turkish-LLM-32B-Instruct-GGUF — набор GGUF-квантизаций инструкционной языковой модели Turkish-LLM-32B-Instruct, разработанной ogulcanaydogan. Модель предназначена для генерации текста и работы с инструкциями, прежде всего на турецком и английском языках. Она подходит для локального запуска через Ollama и llama.cpp, включая задачи диалога, ответов на вопросы и создания текстов. Модель имеет размер 32B параметров; в метаданных также указана архитектура Qwen2. Доступны варианты Q4_K_M размером 19 ГБ, Q5_K_M размером 22 ГБ, Q8_0 размером 33 ГБ и F16 размером 62 ГБ. Q4_K_M обозначен как рекомендуемый баланс качества и размера, Q5_K_M предлагает более высокое качество при большем размере, Q8_0 близок к исходному качеству и требует более 40 ГБ VRAM, а F16 предназначен преимущественно для исследовательского использования. Размер контекстного окна и поддержка дополнительных модальностей не указаны; по назначению это текстовая модель. Сильной стороной модели является специализация на турецком языке при сохранении поддержки английского, а также возможность выбора между несколькими уровнями квантизации для разных аппаратных ресурсов. В приведённых тестах она немного превосходит базовую модель в MMLU-TR и XNLI-TR, но уступает ей в XCOPA-TR, поэтому результаты зависят от типа задачи. Модель распространяется по лицензии Apache-2.0.

Tweeties/tweety-7b-italian-v24a — языковая модель семейства Mistral, опубликованная Tweeties. Это плотная авторегрессионная модель на 7,1 млрд параметров для генерации текста; карточка указывает итальянский язык, а стандартное окно контекста составляет 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Модель подходит для генерации и продолжения текста на итальянском языке. Разработка ещё продолжается, поэтому веса могут измениться; качество и стабильность результатов могут различаться между версиями.

TwinLlama-3.1-8B — текстовая модель семейства Llama, разработанная aczire и дообученная на базе meta-llama/Llama-3.1-8B с использованием Unsloth и библиотеки Hugging Face TRL. Модель предназначена для генерации текста и диалогового общения. Модель имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекстное окно до 131 072 токенов. В карточке указан английский язык; метаданные базовой модели также описывают поддержку восьми языков, но языки, на которых специально обучена именно эта производная модель, не перечислены. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. Карточка не уточняет набор данных, специализацию дообучения или результаты оценки, поэтому качество и пригодность для конкретных задач следует проверять отдельно.

TwinLlama-3.1-8B-DPO — диалоговая модель генерации текста, разработанная goncalocapelalopes и дообученная на базе goncalocapelalopes/TwinLlama-3.1-8B. Она основана на плотной архитектуре LlamaForCausalLM и содержит 7,5 млрд параметров. Модель предназначена для диалоговых ответов и генерации текста на английском языке; заявленная длина контекста — 131 072 токена. Веса опубликованы в формате Safetensors, лицензия — Apache 2.0. В README указано, что при обучении использовались Unsloth и библиотека TRL. Отдельные сведения о данных обучения, целевых улучшениях DPO и сравнительном качестве не приведены, поэтому конкретные преимущества дообучения оценить нельзя.

TwinLlama-3.1-8B-DPO3-GGUF — это набор GGUF-квантизированных версий текстовой генеративной модели TwinLlama-3.1-8B-DPO3, исходно разработанной mlabonne и квантизированной bartowski. Модель относится к семейству Llama, содержит около 8 миллиардов параметров и предназначена для генерации текста на английском языке, включая диалоговые сценарии и задачи, поддерживаемые базовой моделью после обучения методом DPO. Набор рассчитан на локальный запуск через llama.cpp и совместимые приложения, включая LM Studio. Доступны варианты от F16 размером 16,07 ГБ до компактных квантов Q2 и Q3, а также распространённые Q4, Q5, Q6 и Q8; размер файлов составляет примерно от 3,66 до 8,54 ГБ для квантованных версий. Для общения используется шаблон с ролями system, user и assistant в формате ChatML. Для некоторых вариантов предусмотрена оптимизация под ARM-процессоры, требующая соответствующих аппаратных инструкций. Более высокие уровни квантования обеспечивают качество, близкое к исходному, тогда как компактные варианты позволяют снизить требования к оперативной памяти ценой ухудшения качества. Сведения о размере контекста, поддерживаемых модальностях помимо текста, результатах оценки и аппаратных требованиях отсутствуют. Указанная лицензия — Apache-2.0.

Typhoon2.5-Qwen3-30B-A3B — инструктивная языковая модель, разработанная OpenTyphoon для генерации ответов на тайском и английском языках. Она предназначена для диалогов, следования инструкциям и вызова инструментов в приложениях на основе чат-моделей. Модель построена на архитектуре Qwen3 как декодерная Mixture-of-Experts с 30 млрд параметров и примерно 3 млрд активных параметров. Она поддерживает контекст до 256 тыс. токенов и доступна в формате safetensors для Transformers. Указана лицензия Apache 2.0; для использования README также требует принять условия OpenTyphoon и ознакомиться с уведомлением о конфиденциальности. Модель ещё находится в разработке. Несмотря на защитные ограничения, ответы могут быть неточными, предвзятыми или нежелательными, поэтому её следует оценивать с учётом конкретного сценария применения.

arsis-dev/ukisai-Swift-Qwen3.8-27b-MTPLX — это квантованная runtime-конверсия модели ukisai/Swift-Qwen3.8-27b, разработанной UkisAI, для быстрого локального запуска на компьютерах Apple Silicon. Конверсия выполнена с помощью MTPLX Forge 2.11.2 и не является новой дообученной моделью. Модель предназначена для генерации текста и мультимодальных сценариев с обработкой изображений: зрительные веса исходного чекпойнта сохранены. Она работает через MTPLX/MLX, использует 4-битное affine-квантование тела модели с размером группы 64, а native MTP head оставлен в формате BF16 для self-speculative decoding с глубиной до D3. Размер опубликованного артефакта составляет около 16,9 ГБ. README не указывает точное окно контекста и полный список поддерживаемых языков. На Apple M5 Max с 128 ГБ unified memory измеренная скорость декодирования достигла 65,2 токена/с в режиме MTP D3 против 29,4 токена/с для авторегрессионного режима, что соответствует ускорению 2,22 раза. Эти результаты относятся к пропускной способности декодирования данной конверсии и могут отличаться в зависимости от длины контекста, параметров генерации, оборудования, температуры и нагрузки. Мультимодальное качество и скорость обработки изображений отдельно не оценивались; оптимальная глубина MTP может различаться на других Mac. Конверсия распространяется по условиям Swift Open License v1.0 и наследует лицензионные требования исходной модели. Перед использованием, распространением или загрузкой необходимо ознакомиться с разделом License and access исходного чекпойнта.

TheHierophant/Umbral-Devil-Hermes-Mind-V0.1 — слитая языковая модель на архитектуре Llama, созданная методом TIES с помощью mergekit. В объединении использованы Casual-Autopsy/L3-Umbral-Mind-RP-v3.0-8B, NousResearch/Hermes-3-Llama-3.1-8B и saishf/Neural-SOVLish-Devil-8B-L3; базовой моделью в README названа Neural-SOVLish-Devil-8B-L3. Модель содержит 7,5 млрд параметров и рассчитана на контекст до 8192 токенов. Основная задача — генерация текста. Модель можно применять для диалогов и создания текстовых ответов; карточка не описывает отдельные специализированные сценарии или результаты оценки качества. Метаданные указывают библиотеку Transformers и формат весов safetensors. Лицензия в предоставленных данных не указана.

UNA-ThePitbull-21.4B-v2-GGUF — квантизированная версия большой языковой модели UNA-ThePitbull 21.4B v2, разработанной fblgit на основе saltlux/luxia-21.4b-alignment-v1.0. Квантизацию в формате GGUF выполнил bartowski с использованием llama.cpp и imatrix. Модель предназначена для генерации текста, диалоговых сценариев, рассуждений и универсальных задач обработки естественного языка. Указанный формат рассчитан на запуск через совместимые инструменты экосистемы llama.cpp. Модель содержит 21,4 млрд параметров и работает в текстовой модальности. В README не указаны поддерживаемые языки и размер контекста. Доступны варианты квантизации от Q4_K_S и Q4_K_M до Q8_0: более компактные варианты требуют меньше памяти, а Q6_K и Q8_0 обеспечивают более высокое качество при существенно большем размере файлов. В оценке Open LLM Leaderboard средний результат составил 77,82; среди отдельных показателей — 91,79 на HellaSwag, 77,73 на ARC, 78,24 на TruthfulQA, 87,37 на Winogrande, 68,25 на MMLU и 63,53 на GSM8K. Сильными сторонами заявлены сочетание разговорных качеств и способности к рассуждению, однако приведённые метрики отражают результаты исходной модели и не гарантируют идентичное качество каждой квантизированной версии. Ограничения включают отсутствие данных о мультимодальности, языковой специализации, контекстном окне и подробных условиях эксплуатации. Модель распространяется по лицензии AFL-3.0.

UNA-ThePitbull 21.4B v1 — разговорная языковая модель, опубликованная fblgit. Она основана на saltlux/luxia-21.4b-alignment-v1.0 и предназначена для генерации текста в диалогах и других задачах общения. В метаданных указаны плотная архитектура Llama, реализация LlamaForCausalLM, 20,9 млрд параметров и контекст до 32 768 токенов. Автор сообщает, что в модели равномерно настроены только MLP-блоки, а полносвязное обучение с учителем и DPO можно проводить повторно. В репозитории опубликованы веса Safetensors; доступна отдельная квантованная версия в формате GGUF. Заявления README о качестве и сравнении с моделями на 70 млрд параметров не подтверждены приведёнными здесь данными оценки. Лицензия — AFL-3.0.

Это GGUF-представление дообученной модели Undi95/Meta-Llama-3.1-8B-Claude-bf16, опубликованное featherless-ai-quants. Репозиторий содержит файлы в формате BF16 GGUF и несколько вариантов квантования, включая IQ4_XS, Q2_K и Q3_K_L; карточка также указывает на чат-возможности и задачу генерации текста. Модель предназначена для диалоговой генерации текста и может использоваться для ответов на вопросы, ведения беседы и создания текстов. README описывает варианты файлов и их размеры, но не приводит оценок качества или результатов тестирования. Лицензия в предоставленных данных не указана.

UNIVA-Bllossom_DeepSeek-llama3.3-Bllossom-70B-GGUF — это набор квантизованных вариантов модели DeepSeek-llama3.3-Bllossom-70B, разработанной UNIVA-Bllossom. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и запуска в локальных приложениях, совместимых с форматом GGUF, включая LM Studio и проекты на базе llama.cpp. Модель имеет размер 70B параметров. В README указана поддержка корейского и английского языков. Доступны варианты квантизации Q8_0, Q6_K, Q5_K_M, Q5_K_S, Q4 и IQ3/IQ4 с размерами примерно от 27 до 75 ГБ; более крупные варианты обычно сохраняют более высокое качество, а компактные требуют меньше оперативной памяти, но сильнее теряют в качестве. Рекомендуемыми названы, в частности, Q6_K, Q5_K_M, Q5_K_S, Q4_K_M, Q4_K_S и IQ4_XS. Сильной стороной набора является возможность выбрать баланс между качеством, размером файлов и требованиями к оборудованию, а также локально запускать модель через распространённые инструменты. Для работы с вариантами 70B требуется значительный объём памяти, особенно для высокоточных квантизаций; низкобитные варианты могут заметно уступать по качеству. Размер контекста и дополнительные архитектурные характеристики в README не указаны. Лицензия — MIT.

UnPoppy_8B — объединённая языковая модель, созданная jeiku с помощью mergekit методом SLERP из Nitral-AI/Poppy_Porpoise-0.72-L3-8B и Undi95/Llama-3-Unholy-8B. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM, предназначенная для диалоговой генерации текста. Размер модели — 7,5 млрд параметров, длина контекста — 8192 токена; репозиторий использует формат safetensors и библиотеку Transformers. Модель подходит для ведения диалога и генерации текстовых ответов. В метаданных базовой модели упомянута дополнительная поддержка анализа изображений через Llava MMProj, но для самого UnPoppy_8B такой способности в карточке не подтверждено. Данные о лицензии и языках модели отсутствуют.

Unsloth-Ornith-1.5-35B-A3B — независимая общественная GGUF-квантизация модели Ornith-1.5-35B-A3B, разработанной ornith-ai и опубликованной пользователем peculiar-ragdoll. Модель предназначена для генерации текста и запуска в llama.cpp-совместимых приложениях, включая llama.cpp, LM Studio и Ollama. Это текстовая MoE-модель архитектуры qwen35moe с конфигурацией 35B-A3B; точные сведения о языках и размере контекста в README не указаны. Набор включает несколько уровней квантизации от UD-Q2_K_XL примерно на 12 ГБ до UD-Q8_K_XL примерно на 37 ГБ. Используются покомпонентная политика Unsloth-Dynamic, свежая importance matrix, рассчитанная на смешанном многоязычном и кодовом корпусе, а также оригинальный chat template Ornith без изменений. Это позволяет выбирать баланс между размером, качеством и требованиями к VRAM: например, UD-Q4_K_XL заявлен как рекомендуемый компромисс, а UD-Q8_K_XL — как вариант, близкий к исходному качеству. К преимуществам относятся несколько вариантов для оборудования с разным объёмом памяти, калибровка под конкретную модель и сохранение поведения базовой модели. Из ограничений следует учитывать потери, характерные для квантизации, зависимость производительности от поддержки GGUF и llama.cpp-совместимого стека, а также отсутствие обученного блока MTP, который удалён из всех вариантов; по данным README, это не меняет результаты, но уменьшает размер файлов. Модель распространяется по лицензии MIT, унаследованной от Ornith-1.5; проект не является официальным выпуском Unsloth и не связан с ним.

UTENA-7B-V3 — языковая модель с архитектурой Mistral, созданная AI-B слиянием моделей UTENA-7B-UNA-V2 и UTENA-7B-NSFW-V2 методом Slerp с помощью mergekit. Модель содержит 7,1 млрд параметров и имеет контекст до 32 768 токенов. Доступны веса в формате safetensors; README также упоминает отдельную квантизированную сборку GGUF. Модель предназначена для генерации текста и может применяться для диалогов, написания текстов и ответов на запросы. Включение в слияние модели с пометкой NSFW указывает на возможность генерации контента для взрослой аудитории. В README приведены результаты оценки на бенчмарках рассуждений и здравого смысла, но данных недостаточно для вывода о качестве в конкретных прикладных сценариях. Лицензия — Unlicense.

UTIM21000steps1e7rateSFT — дообученная диалоговая модель на базе mistralai/Mistral-7B-Instruct-v0.2, разработчик — tsavage68. Модель предназначена для генерации текста и ответов в диалоговом формате; карточка сообщает о дообучении на неизвестном наборе данных и приводит значение loss 1,1047 на оценочном наборе. Модель использует плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате safetensors. Данных о специализации, поддерживаемых языках и конкретных ограничениях в карточке нет. Лицензия — Apache-2.0.

v1olet/v1olet_marcoroni-go-bruins-merge-7B — языковая модель Trong-Hieu Nguyen-Mau, полученная слиянием AIDC-ai-business/Marcoroni-7B-v3 и rwitz/go-bruins-v2 методом SLERP. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, принимающая текст и генерирующая текст; для общения можно использовать шаблон Alpaca. Модель предназначена для генерации ответов и другого текста на английском языке; заявлено контекстное окно 32 768 токенов. В README приведено заявление о высоком месте в рейтинге на дату публикации, но подробности задач, оценки и методика не описаны. Модель доступна в формате PyTorch, лицензия — Apache-2.0.

RWKV/v6-Finch-1B6-HF — текстовая авторегрессионная модель семейства RWKV-6, разработанная командой RWKV и представленная в формате Hugging Face Transformers. В модели около 1,7 млрд параметров; веса доступны в формате PyTorch, лицензия — Apache-2.0. Модель предназначена для генерации текста и может использоваться для продолжения заданного текста и построения приложений на основе языковой модели. README указывает на оценивание Finch на тестах ARC, HellaSwag и MMLU, но приведённые результаты относятся к версиям Finch 7B и 14B, поэтому их нельзя напрямую приписывать версии 1B6. Для загрузки в Transformers карточка использует trust_remote_code=True.

Venomia-1.1-m7-Mistral-7B-Instruct-v0.2-slerp-GGUF — набор файлов модели в формате GGUF, созданный и квантизированный MaziyarPanahi. Модель основана на MaziyarPanahi/Venomia-1.1-m7-Mistral-7B-Instruct-v0.2-slerp, которая, согласно идентификатору и тегам, связана с Mistral-7B-Instruct-v0.2. В README не приведено отдельное описание архитектуры исходной модели, но указан размер 7B и назначение для генерации текста и диалоговых сценариев. Основной сценарий использования — локальный запуск текстовой генерации и conversational-приложений через llama.cpp и совместимые инструменты, включая text-generation-webui, KoboldCpp, GPT4All, LM Studio, llama-cpp-python, Candle и другие клиенты. Доступны варианты квантизации от 2 до 8 бит, включая Q2_K, Q3_K, Q4_K, Q5_K и Q6_K, что позволяет выбирать компромисс между размером файлов, требованиями к памяти и качеством ответов. Формат GGUF удобен для локального инференса, в том числе с аппаратным ускорением, но конкретные требования к памяти, производительность и контекстное окно в README не указаны. К сильным сторонам относятся поддержка множества уровней квантизации, совместимость с распространёнными локальными средами и возможность запуска без полного исходного набора весов. Модель предназначена только для текстовой модальности; поддерживаемые языки и специальные ограничения качества не указаны. В метаданных заявлена лицензия Apache-2.0.

Это независимое воспроизведение чекпойнта yuhan-nlp на основе Qwen3-4B, обученного с помощью GRPO на задаче CollabLLM medium по написанию документов. При обучении использовался рецепт verl CollabLLM без предварительного SFT-дообучения. Чекпойнт объединён из шардов FSDP и доступен в формате Hugging Face Transformers; отдельный адаптер для загрузки не нужен. Модель предназначена для диалоговой генерации текста и совместного пошагового написания документов. В ней около 3,7 млрд параметров, используется плотная архитектура Qwen3, контекст — до 40 960 токенов. Карточка указывает английский язык; метрики оценки в README не приведены. Репозиторий распространяется по лицензии MIT.

horangwave/vicuna_1014_12 — текстовая модель семейства Llama, созданная методом passthrough merge с помощью mergekit на основе horangwave/vicuna_1418_16. Она предназначена для генерации текста и ответов в сценариях, где требуется языковая модель с контекстом до 2048 токенов. В метаданных указаны 2,6 млрд параметров, архитектура LlamaForCausalLM, библиотека Transformers и формат safetensors; README сообщает о конфигурации с точностью bfloat16 и включении диапазонов слоёв базовой модели. Модель принимает текст и генерирует текст. Карточка не описывает специальные области применения, языки или гарантии качества. Лицензия в предоставленных данных не указана.