I.5Создание и редактирование текста

Aeala/VicUnlocked-alpaca-30b — языковая модель семейства Llama, опубликованная Aeala. Это слияние модели VicUnlocked-alpaca-half-30b с LoRA-адаптером; модель содержит 32,3 млрд параметров и доступна в форматах PyTorch и Safetensors. Она предназначена для генерации текста по инструкциям в формате Alpaca: запрос помещается после «### Instruction:», а ответ начинается с «### Response:». Указана длина контекста 2048 токенов. Модель подходит для диалоговых ответов и выполнения текстовых инструкций. В README приведены оценки perplexity на наборах WikiText-2, PTB и C4; отдельные результаты качества диалогов или инструкций не описаны. В метаданных лицензия и языки не указаны, поэтому условия использования и конкретный языковой охват по имеющимся сведениям определить нельзя.

Vikhr-Llama-3.2-1B-instruct-GGUF — инструкционная языковая модель семейства Vikhr, разработанная командой Vikhr Team. Она основана на Llama-3.2-1B-Instruct и дообучена на русскоязычном датасете GrandMaster-PRO-MAX. Модель предназначена для генерации текста и выполнения инструкций на русском и английском языках. Модель имеет компактный размер 1B параметров и ориентирована на эффективный запуск на слабых, маломощных и мобильных устройствах. В README также заявлена эффективность в пять раз выше базовой модели. Указан формат GGUF и библиотека llama.cpp, что подходит для локального развёртывания и инференса с ограниченными вычислительными ресурсами. Рекомендуемая температура генерации — 0,3. По результатам оценки на ru_arena_general модель получила Score 19,04 и LC Score 45,56, превзойдя базовую meta-llama-Llama-3.2-1B-Instruct в этом сравнении. При этом README не содержит сведений о размере контекста, точной архитектуре GGUF-квантизации и поддерживаемых модальностях, поэтому модель следует рассматривать как текстовую. Лицензия указана как llama3.2; условия её применения необходимо уточнять в соответствующих лицензионных документах.

Vistral-7B-Chat-DPO-imatrix-GGUF — набор квантизированных файлов модели в формате GGUF, подготовленный пользователем duyntnet на основе Vistral-7B-Chat-DPO от jan-hq. Модель предназначена для генерации текста в диалоговом режиме и использования в совместимых инструментах инференса, поддерживающих формат GGUF и imatrix-квантизацию. В README указана задача text-generation и язык en — английский. Модель относится к семейству Vistral-7B-Chat-DPO; из названия следует размер класса 7B, а также обучение с применением DPO для чат-сценариев. Для формирования запросов используется шаблон Mistral с системным сообщением и пользовательским промптом. Ключевые характеристики исходной архитектуры, точный размер контекста, перечень поддерживаемых модальностей и конкретные варианты квантизации в README не описаны. Лицензия указана как other, без дополнительных условий, поэтому перед использованием необходимо ознакомиться с лицензией исходной модели и файлами репозитория.

Viviana_V2 — языковая модель, созданная автором domie путём слияния моделей mymaia/Magiq-M0 и galatolo/cerbero-7b с помощью mergekit и метода slerp. Это плотная авторегрессионная архитектура Mistral объёмом 7,1 млрд параметров, рассчитанная на генерацию текста и диалоговое взаимодействие. Модель принимает текст и выдаёт текст; заявлены английский и итальянский языки, а длина контекста составляет 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка описывает состав и параметры слияния, но не приводит оценок качества или подробных рекомендаций по сценариям использования.

Viviana_V3 — диалоговая языковая модель, созданная domie слиянием Viviana_V2 и Mistral-7B-Instruct-v0.2 с помощью mergekit и метода slerp. Она предназначена для генерации текста и ведения диалогов. Модель построена на плотной архитектуре Mistral с 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Для хранения используется формат Safetensors. В метаданных для базовой Viviana_V2 указаны английский и итальянский языки; отдельные сведения о языках Viviana_V3 не приведены. Модель распространяется по лицензии Apache-2.0. Карточка описывает состав и параметры слияния, но не приводит сравнительных оценок качества или подробных ограничений применения.

Vorenthos-Instruct-7b — разговорная модель для генерации текста, опубликованная vorenthiclabs как экспорт локальной установки Ollama. Модель имеет плотную архитектуру объёмом около 7,2 млрд параметров и распространяется в формате GGUF с шаблоном диалога; карточка рекомендует запуск через Ollama и также упоминает совместимость с llama.cpp и Transformers с поддержкой GGUF. Модель предназначена для диалогов и генерации текста. В метаданных указан базовый репозиторий Vorenthos-Instruct-7b и связь с ним типа finetune, однако README не описывает изменения при дообучении. Лицензия обозначена как other, поэтому условия использования следует проверять в материалах репозитория.

azizshaw/vp_merged — дообученная языковая модель разработчика azizshaw на базе unsloth/llama-3.2-3b-instruct-unsloth-bnb-4bit. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 3,2 млрд параметров; карточка указывает контекст длиной до 131 072 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Метаданные отмечают интерфейс вызова инструментов; README сообщает, что обучение проводилось с Unsloth и библиотекой TRL. Указан английский язык. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает специализацию дообучения и не приводит результатов оценки качества, поэтому пригодность для конкретных предметных задач следует проверять отдельно.

Карточка модели azizshaw/vp_merged_new на Hugging Face совпадает с карточкой azizshaw/vp_merged, поэтому описание составлено по ней. azizshaw/vp_merged — дообученная языковая модель разработчика azizshaw на базе unsloth/llama-3.2-3b-instruct-unsloth-bnb-4bit. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 3,2 млрд параметров; карточка указывает контекст длиной до 131 072 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Метаданные отмечают интерфейс вызова инструментов; README сообщает, что обучение проводилось с Unsloth и библиотекой TRL. Указан английский язык. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает специализацию дообучения и не приводит результатов оценки качества, поэтому пригодность для конкретных предметных задач следует проверять отдельно.

Katayoon/VPO-Pess-SELM-Zephyr-7B-0.0001-iter-2 — дообученная модель Katayoon на базе Katayoon/VPO-Pess-SELM-Zephyr-7B-0.0001-iter-1. Это плотная авторегрессионная языковая модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста в чат-сценариях. Контекстное окно составляет 32 768 токенов; модель хранится в формате safetensors. README указывает, что при дообучении использованы обновлённый и исходный датасеты, но не описывает их содержимое, методы обучения, результаты оценки или конкретные области применения. Лицензия — MIT; сведения о поддерживаемых естественных языках в предоставленных данных отсутствуют.

Карточка модели PS4Research/vPQfF7A0xXlB0TAS на Hugging Face совпадает с карточкой PS4Research/nTbiAMoafhgQd0Fb, поэтому описание составлено по ней. PS4Research/nTbiAMoafhgQd0Fb — чат-модель для генерации текста, дообученная PS4Research на базе unsloth/phi-4-reasoning-unsloth-bnb-4bit. В карточке указано, что обучение проводилось с использованием Unsloth и библиотеки TRL от Hugging Face; метаданные классифицируют архитектуру как плотную Phi-3 с классом Phi3ForCausalLM. Модель содержит 14,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для диалоговой генерации текста на английском языке. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Карточка не описывает специальные сценарии применения, обучающие данные или результаты оценки качества.

Tarun Nokwal разработал Versatile-1.0-merged — дообученную плотную языковую модель семейства Qwen2 с 1,5 млрд параметров. Она предназначена для генерации текста и диалогового общения; в репозитории хранятся веса в формате safetensors. Модель обучали с использованием Unsloth и библиотеки TRL от Hugging Face. Модель поддерживает английский язык и контекст длиной до 32 768 токенов. Метаданные также отмечают интерфейс вызова инструментов. Модель распространяется по лицензии Apache-2.0. Подробности обучения, оценки качества и ограничения в карточке не приведены.

WebSquareAI-Instruct-llama-3-8B-v0.5.39 — диалоговая языковая модель, разработанная командой UI Platform компании Inswave Systems. Она предназначена для генерации текста в формате инструкций и диалогов; карточка указывает базовую модель meta-llama/Meta-Llama-3-8B. Модель построена на плотной архитектуре LlamaForCausalLM и содержит 7,5 млрд параметров. Она принимает текст и генерирует текст, поддерживает английский язык и контекст до 8192 токенов. Вес опубликован в формате safetensors. Модель можно применять для диалоговых интерфейсов и генерации ответов по текстовым инструкциям. Данных о специализированной предметной области и конкретных ограничениях качества в карточке нет. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое.

WestStarling-7B-slerp — объединённая текстовая языковая модель, созданная с помощью mergekit на основе senseable/WestLake-7B-v2 и Nexusflow/Starling-LM-7B-beta. Веса двух моделей объединены методом slerp с настройками смешивания для слоёв self-attention и MLP. Модель предназначена для генерации текста и диалоговых сценариев. Она основана на плотной архитектуре Mistral с классом MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Базовая WestLake-7B-v2 описана как англоязычная модель для ролевых диалогов и творческих текстов. Репозиторий содержит веса в формате Safetensors. Указана лицензия Apache-2.0. В карточке нет сведений о сравнительных оценках качества или специальных ограничениях применения.

WestTemptressTensor-10.7B-v0.2a-SLERP — слитая текстовая модель, созданная с помощью LazyMergekit из jsfs11/TemptressTensor-10.7B-v0.1a и froggeric/WestLake-10.7B-v2. Она использует архитектуру Mistral с плотной causal language model на 10,6 млрд параметров и предназначена для генерации текста; контекст — до 32 768 токенов. Слияние выполнено методом SLERP с настройками для слоёв self-attention и MLP; веса сохранены в формате safetensors, тип данных — bfloat16. Описание базовой модели в каталоге указывает на ролевые диалоги и творческую генерацию, поэтому модель может подойти для таких сценариев. Лицензия в предоставленных данных не указана.

WhiteRabbitNeo-7B-v1.5a-GGUF — это квантизированная версия языковой модели WhiteRabbitNeo-7B-v1.5a, подготовленная пользователем bartowski в формате GGUF для запуска с llama.cpp. Исходная модель разработана проектом WhiteRabbitNeo; README также указывает лицензию deepseek и ссылается на лицензионные условия DeepSeek Coder 33B Base. Модель предназначена для генерации текста и локального запуска в совместимых приложениях на базе llama.cpp. Доступны варианты квантизации от Q2_K до Q8_0 с размером файлов примерно от 2,53 до 7,16 ГБ. В README не указаны архитектура исходной модели, поддерживаемые языки, размер контекста и дополнительные модальности, поэтому подтверждённые сведения позволяют описать её только как текстовую генеративную модель. Основное преимущество сборки — возможность выбрать компромисс между качеством и требованиями к памяти: Q6_K отмечен как рекомендуемый вариант высокого качества, а менее точные варианты подходят для систем с ограниченным объёмом RAM. Более сильная квантизация уменьшает размер файла, но снижает качество. Использование регулируется лицензией, обозначенной как deepseek; перед применением следует ознакомиться с условиями по указанной в README ссылке.

Wiederchat-7b — немецкоязычная чат-модель на архитектуре Mistral, созданная Johann Hartmann объединением трёх моделей с помощью LazyMergekit: mlabonne/OmniTruthyBeagle-7B-v0, mayflowergmbh/Wiedervereinigung-7b-dpo-laser и cognitivecomputations/openchat-3.5-0106-laser. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Она предназначена для генерации текста и диалогов на немецком языке. В README приведены результаты mt-bench-de: средняя оценка 7,13, с более высокими результатами в гуманитарных темах, письме, извлечении информации и STEM, чем в математике и программировании. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Это квантованные версии wisenut-nlp-team-wisenut-llama-3-8B-0.6-Instruct в формате GGUF, подготовленные командой featherless-ai-quants. Базовая модель предназначена для генерации текста и выполнения инструкций, поэтому может применяться в диалоговых системах, локальных ассистентах, подготовке и преобразовании текстов и других сценариях text-generation. Модель относится к семейству Llama и содержит 8 млрд параметров, однако сведения об архитектуре, поддерживаемых языках, модальностях и размере контекста в README не указаны. Доступны варианты квантования IQ4_XS, Q2_K, Q3_K_L, Q3_K_M, Q3_K_S, Q4_K_M, Q4_K_S, Q5_K_M, Q5_K_S, Q6_K и Q8_0; их размер составляет примерно от 3 до 8,1 ГБ. Разные варианты позволяют выбирать компромисс между требованиями к памяти, скоростью работы и сохранением качества, но конкретные показатели производительности и качества не приведены. Формат GGUF удобен для локального запуска совместимыми инструментами, однако README не содержит инструкций по использованию, системных требований или результатов тестирования. Лицензия модели и условия её распространения в предоставленных данных не указаны.

Это набор GGUF-квантизованных версий инструкционной языковой модели wisenut-nlp-team-wisenut-llama-3-8B-0.7-Instruct. Исходную модель разработала команда Wisenut NLP Team, а квантизации подготовил Featherless AI Quants. Модель предназначена для генерации текста и выполнения задач по инструкциям, включая диалоговые и прикладные сценарии обработки естественного языка. Модель относится к семейству Llama 3 и содержит 8 млрд параметров. Она работает в текстовой модальности; сведения о поддерживаемых языках и размере контекстного окна в README не указаны. Доступны варианты квантизации IQ4_XS, Q2_K, Q3_K_L, Q3_K_M, Q3_K_S, Q4_K_M, Q4_K_S, Q5_K_M, Q5_K_S, Q6_K и Q8_0 размером примерно от 3 до 8 ГБ, что позволяет выбирать баланс между требованиями к памяти и качеством. Главное преимущество набора — возможность запускать модель в формате GGUF на совместимом программном обеспечении и подбирать уровень квантизации под имеющееся оборудование. При этом более агрессивная квантизация может снижать качество по сравнению с исходной моделью, а конкретные показатели производительности и качества в README не приведены. Лицензия и условия использования также не указаны.

WizardLM-2-8x22B-Beige — объединённая диалоговая языковая модель, созданная с помощью mergekit на основе alpindale/WizardLM-2-8x22B и моделей Eurux, Tess и Mixtral Instruct. Слияние выполнено методом Model Stock в формате bfloat16. Модель предназначена для генерации текста в диалоге; её автор стремился сделать стиль ответов WizardLM-2-8x22B менее многословным и образным. Модель использует архитектуру Mixtral MoE и содержит 22 млрд параметров, поддерживает контекст до 65 536 токенов. Подходит для диалоговых ответов и генерации текста на основе запросов. Карточка не уточняет языковой охват и не приводит оценок качества. Распространяется в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

QuixiAI/WizardLM-33B-V1.0-Uncensored — языковая модель семейства LLaMA, представленная как переобученная версия WizardLM с отфильтрованным набором данных, чтобы уменьшить число отказов, уклончивых ответов и проявления смещения. Она предназначена для генерации ответов на инструкции и диалогов в стиле шаблона Vicuna-1.1. Модель содержит 32,3 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает контекст до 2048 токенов. Модель ориентирована на англоязычные запросы и более послушное выполнение инструкций; автор отдельно отмечает, что она не лишена ограничений и не является полностью «нецензурированной». В карточке приведены результаты оценок на бенчмарках ARC и HellaSwag. Репозиторий содержит веса PyTorch. Лицензия указана как other, поэтому условия использования следует уточнять по материалам репозитория.

Xenon-4 — диалоговая языковая модель Xenon1 на архитектуре Mistral, дообученная на Mistral-7B-v0.1 с использованием набора Ultrafeedback и методов из статьи Self-Rewarding Language Models. Модель предназначена для общения по инструкциям и генерации текста; для диалога используется шаблон Mistral с маркерами [INST] и [/INST]. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM, Grouped-Query Attention, Sliding-Window Attention и токенизатор Byte-fallback BPE. Контекст — до 32 768 токенов. Указана поддержка английского языка, формат весов — Safetensors. Лицензия — Apache-2.0. Модель подходит для диалоговых и общих текстовых задач, но карточка не приводит оценок качества или подробных результатов тестирования; ответы следует проверять в задачах, где важна точность.

YamshadowExperiment28-7B — плотная языковая модель на архитектуре Mistral, автоматически созданная Максима Лабонном слиянием automerger/YamShadow-7B и yam-peleg/Experiment28-7B методом SLERP. Модель содержит 7,1 млрд параметров, распространяется в формате safetensors и имеет контекст до 32 768 токенов по метаданным. README рекомендует шаблон диалога Alpaca и упоминает контекст 8 тысяч токенов. Модель предназначена для генерации текста и диалоговых сценариев. В README заявлен высокий результат на Open LLM Leaderboard в апреле 2024 года, но автор предупреждает о вероятной переоптимизации под бенчмарки. Также модель может выдавать повторяющиеся фрагменты «INST». Лицензия — Apache 2.0.

Yamshadowexperiment28M70.13-0.24-0.38-0.21-0.67-0.27-7B — объединённая текстовая генеративная модель семейства Mistral от автора aaron-di. Она предназначена для продолжения текста и диалоговых ответов; README показывает запуск через Transformers с шаблоном чата и генерацией до 256 новых токенов. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. В качестве исходных моделей указаны AurelPx/Percival_01-7b-slerp и liminerity/M7-7b; веса доступны в формате safetensors. Лицензия — Apache-2.0. Карточка не приводит результатов оценки качества, перечня поддерживаемых языков или специализированных областей применения. Поэтому модель уместно рассматривать как модель общего назначения для генерации текста и диалога, а её качество и пригодность для конкретных сценариев следует проверять отдельно.

Aaron Di представляет Yamshadowexperiment28M70.15-0.01-0.79-0.31-0.16-0.95-7B — объединённую языковую модель Mistral с плотной архитектурой MistralForCausalLM и 7,1 млрд параметров. В метаданных указаны две объединённые базовые модели: AurelPx/Percival_01-7b-slerp и liminerity/M7-7b. Модель предназначена для генерации текста и диалогов по текстовым запросам. В README приведён пример использования через Transformers с шаблоном чата и генерацией продолжения; заявленная длина контекста — 32 768 токенов. Репозиторий содержит веса в формате Safetensors. Модель распространяется по лицензии Apache-2.0. Качество и ограничения для конкретных сценариев в карточке не описаны.

Aaron-di/Yamshadowexperiment28M70.25-0.07-0.83-0.08-0.94-0.93-7B — объединённая автором модель для генерации текста и диалогов на архитектуре Mistral. В README приведён пример использования через Transformers с chat template и генерацией ответа на запрос пользователя. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст длиной до 32 768 токенов. Репозиторий использует формат safetensors; лицензия — Apache-2.0. Метаданные указывают на слияние моделей AurelPx/Percival_01-7b-slerp и liminerity/M7-7b. README не приводит результатов оценки качества и не описывает специализацию по языкам или областям применения, поэтому пригодность для конкретных задач следует проверять самостоятельно.

Aaron Di/Yamshadowexperiment28M70.49-0.87-0.92-0.72-0.23-0.18-7B — объединённая языковая модель на архитектуре Mistral с 7,1 млрд параметров. В метаданных указаны две базовые модели: AurelPx/Percival_01-7b-slerp и liminerity/M7-7b; веса представлены в формате Safetensors. Модель предназначена для генерации текста и диалогов. В README показан пример использования через Transformers с шаблоном чата и генерацией продолжения; заявленная длина контекста — 32 768 токенов. Лицензия — Apache-2.0. README содержит демонстрационный код, но не приводит результаты оценки качества или сведения о языках.

YamshadowInex12_Experiment24Inex12 — слитая модель семейства Mistral, созданная на основе automerger/YamshadowInex12-7B и automerger/Experiment24Inex12-7B. 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. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не уточняет целевые языки, специализацию или результаты оценки качества; пригодность для конкретных задач следует проверять отдельно.

YamshadowStrangemerges_32_YamM7 — объединённая модель MaziyarPanahi, созданная из automerger/YamshadowStrangemerges_32-7B и automerger/YamM7-7B. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров, предназначенная для генерации текста. Она принимает текст и поддерживает контекст до 32 768 токенов; сведения о специальных языковых или предметных настройках отсутствуют. Модель распространяется в формате safetensors по лицензии Apache-2.0. README подтверждает слияние двух моделей, но не описывает метод слияния, качество, конкретные сценарии применения или известные ограничения.

Yi-34B — большая языковая модель, разработанная 01.AI и обученная с нуля на многоязычном корпусе объёмом 3 трлн токенов. Это базовая, не чатовая версия модели: она предназначена для генерации текста и может использоваться как основа для последующего дообучения и прикладных систем. Модель имеет плотную архитектуру Transformer, совместимую по структуре с Llama, но, согласно карточке, не использует веса Llama и не является её производной. Размер — 33,9 млрд параметров, родная длина контекста — 4096 токенов. Основные языки — китайский и английский; карточка описывает способности к пониманию языка, рассуждениям здравого смысла и чтению с пониманием. Для запуска доступны веса PyTorch и Safetensors. Модель требует значительных вычислительных ресурсов; в README для локального запуска Yi-34B-Chat приводится пример с ускорителем A800 на 80 ГБ. Лицензия — Apache 2.0.

AIArchiveInfo публикует побайтную архивную копию модели 01-ai/Yi-6B-200K: веса не обучались, не дообучались и не изменялись. Это плотная авторегрессионная языковая модель семейства Yi с архитектурой LlamaForCausalLM; она содержит около 5,8 млрд параметров и поддерживает контекст до 200 000 токенов. В README серия Yi описана как двуязычная, прежде всего ориентированная на китайский и английский языки, и предназначенная для понимания языка, рассуждений, чтения и генерации текста. Модель подходит для локальной генерации текста и экспериментов с длинными документами и запросами. Репозиторий содержит веса PyTorch в формате Safetensors. Модель лицензирована по Apache-2.0. Хотя архитектура совместима с подходами Llama, README подчёркивает, что Yi обучена с нуля и не использует веса Llama.