I.5Создание и редактирование текста

Это диалоговая языковая модель ShenaoZ, дообученная на основе ShenaoZ/0.001_ablation_4iters_bs256_nodpo_sample2_iter_1 на обновлённом и исходном наборах данных. Модель построена на плотной архитектуре MistralForCausalLM, содержит 7,1 млрд параметров и принимает текст для генерации продолжения или ответа в формате диалога. Размер контекста — до 32 768 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Репозиторий распространяется по лицензии MIT. README не приводит результатов оценки или подробностей о целевых сценариях и ограничениях; качество ответов и поведение на конкретных задачах по представленным сведениям оценить нельзя.

ShenaoZ/0.001_ablation_4iters_bs256_nodpo_useresponse_iter_3 — дообученная диалоговая модель генерации текста на архитектуре Mistral, разработанная ShenaoZ. Она основана на ShenaoZ/0.001_ablation_4iters_bs256_nodpo_useresponse_iter_2 и обучена на обновлённом и исходном наборах данных. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогового общения. Веса доступны в формате Safetensors, лицензия — MIT. Карточка не содержит сведений о целевых сценариях, результатах оценки или конкретных ограничениях качества.

ShenaoZ/0.001_ablation_5iters_bs256_nodpo_iter_2 — языковая модель, разработанная ShenaoZ и дообученная на основе ShenaoZ/0.001_ablation_5iters_bs256_nodpo_iter_1 на наборах данных updated и original. Она построена на плотной архитектуре MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и чат-взаимодействия. Репозиторий распространяет веса в формате safetensors по лицензии MIT. README не раскрывает подробности о целевых сценариях, оценке качества или языках обучения, поэтому применимость модели за пределами генерации текста и чата не установлена.

ShenaoZhang разработал эту дообученную модель на основе HuggingFaceH4/mistral-7b-sft-beta с использованием датасета HuggingFaceH4/ultrafeedback_binarized. Это плотная авторегрессионная модель Mistral с 7,1 млрд параметров, предназначенная для генерации текста и диалогового общения. Она подходит для ответов на вопросы и ведения текстовых бесед; базовая модель обучалась на англоязычных синтетических диалогах. Модель рассчитана на контекст до 32 768 токенов и распространяется в формате safetensors по лицензии MIT. README не содержит сведений о результатах оценки и специфических ограничениях.

ShenaoZ/0.001_withdpo_4iters_bs256_432lr_iter_2 — дообученная разговорная языковая модель семейства Mistral с плотной архитектурой MistralForCausalLM и 7,1 млрд параметров. Она принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов и рассчитана на диалоговые сценарии. Модель дообучена на наборах данных updated и original на основе ZhangShenao/0.0_ablation_sample1_4iters_bs256_iter_1. Карточка не описывает конкретные области применения, качество ответов или результаты оценки. Лицензия — MIT.

Диалоговая модель Mistral с 7,1 млрд параметров, дообученная разработчиком ShenaoZ на основе ShenaoZ/0.001_withdpo_4iters_bs256_5551lr_iter_2 с использованием обновлённого и исходного наборов данных. Она предназначена для генерации текста в диалоге и может использоваться для ответов на вопросы и ведения беседы. Модель принимает текст и выдаёт текст; заявленная длина контекста — до 32 768 токенов. Модель опубликована в формате Safetensors под лицензией MIT. Карточка не описывает конкретные результаты оценки или специализированные области применения.

ShenaoZ/0.01_ablation_5iters_bs256_nodpo_iter_2 — дообученная модель семейства Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров. Она предназначена для генерации текста в диалоговом режиме; контекст составляет до 32 768 токенов. Модель дообучена на обновлённом и исходном наборах данных, названия которых приведены в карточке. Модель опубликована в формате Safetensors и распространяется по лицензии MIT. README не приводит подробностей о сценариях применения, языках, методике обучения или результатах оценки.

ShenaoZ разработал эту модель как очередной этап дообучения ShenaoZ/0.01_ablation_5iters_bs256_nodpo_iter_3 на обновлённом и исходном наборах данных. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для диалоговой генерации текста. Она принимает текст и выдаёт текст; максимальная длина контекста составляет 32 768 токенов. Модель распространяется в формате Safetensors по лицензии MIT. README не приводит подробностей об оценке качества и ограничениях модели.

Модель ShenaoZ/0.01_sft_nodpo_3iters_bs256_531lr_iter_2 — дообученная диалоговая языковая модель семейства Mistral с плотной архитектурой и 7,1 млрд параметров. Она создана на основе ShenaoZ/0.01_sft_nodpo_3iters_bs256_531lr_iter_1 и дообучена на наборах данных updated и original. Модель предназначена для генерации текста и диалоговых ответов. Она принимает текст и формирует текстовый ответ; максимальный контекст составляет 32 768 токенов. Модель опубликована в формате Safetensors под лицензией MIT. Карточка не содержит сведений о целевых сценариях, оценках качества или ограничениях применения, поэтому пригодность для конкретных задач следует проверять самостоятельно.

Модель ShenaoZhang/0.01_zephyr_5551_4iters_bs256_iter_1 — дообученная на наборе HuggingFaceH4/ultrafeedback_binarized языковая модель Mistral с 7,1 млрд параметров. Она предназначена для генерации текста и диалогового общения. Модель принимает текст и выдаёт текст; максимальная длина контекста — 32 768 токенов. Модель распространяется в формате Safetensors по лицензии MIT. README не содержит сведений об оценке качества или конкретных ограничениях применения.

Это диалоговая языковая модель Mistral с 7,1 млрд параметров, дообученная ShenaoZhang на основе ShenaoZhang/0.01_zephyr_5551_4iters_bs256_iter_1 на обновлённом и исходном наборах данных. Она предназначена для генерации текста и общения в формате чата; заявленная длина контекста — 32 768 токенов. Модель распространяется в формате Safetensors по лицензии MIT. Подробности о качестве, оценке и конкретных ограничениях в карточке не приведены.

Это дообученная модель Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров, созданная на основе HuggingFaceH4/mistral-7b-sft-beta. Её дообучили на наборе диалоговых предпочтений HuggingFaceH4/ultrafeedback_binarized; модель поддерживает общение в текстовом формате и генерацию ответов. Модель подходит для диалоговых сценариев и генерации текста. Контекст составляет до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Лицензия — MIT. Карточка не приводит результатов оценки качества или подробных ограничений. Это экспериментальная абляционная версия с названием, указывающим на серию экспериментов, поэтому её качество в практических сценариях следует проверять отдельно.

ShenaoZ/0.0_ablation_6iters_iter_2 — диалоговая модель генерации текста на архитектуре Mistral с 7,1 млрд параметров. Это дообученная версия ShenaoZ/0.0_ablation_6iters_iter_1, обученная на обновлённом и исходном наборах данных; в карточке также указаны теги DPO и alignment-handbook. Модель рассчитана на общение и генерацию текста, поддерживает контекст длиной до 32 768 токенов. Модель принимает текст и выдаёт текст. Сведения о конкретных сценариях применения, языках и результатах оценки качества в карточке отсутствуют. Репозиторий использует формат Safetensors; лицензия — MIT.

ShenaoZ/0.0_dataup_4iters_iter_2 — дообученная модель семейства Mistral для генерации текста в формате диалога. Она содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и работает с контекстом до 32 768 токенов. Модель обучена на ShenaoZ/0.0_dataup_4iters_dataset поверх ShenaoZ/0.0_dataup_4iters_iter_1. Репозиторий содержит веса в формате safetensors. Лицензия — MIT. Модель предназначена для генерации продолжений текста и ответов в чат-сценариях. README не описывает специализированные области применения или результаты оценки качества; языки обучения и ограничения поведения также не уточнены.

ShenaoZ/0.0_dataup_iter_2 — языковая модель для генерации текста, дообученная авторами на наборе данных ShenaoZ/0.0_dataup_dataset поверх ShenaoZ/0.0_dataup_iter_1. Она основана на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров; заявленная длина контекста составляет 32 768 токенов. Модель опубликована в формате safetensors и поддерживает диалоговый режим. Модель предназначена для генерации текста и диалоговых сценариев. Карточка не раскрывает конкретную специализацию датасета, языки обучения или результаты оценки, поэтому качество для отдельных задач и языков определить нельзя. Лицензия — MIT.

Это экспериментальный чекпойнт семейства Qwen2 в стандартном формате Hugging Face, предназначенный для автогенерации текста и диалогового взаимодействия. В карточке он обозначен как резервная копия исследовательского артефакта; объём модели составляет 7,1 млрд параметров, архитектура — плотная причинная языковая модель Qwen2ForCausalLM, максимальный контекст — 131 072 токена. Репозиторий содержит веса в формате safetensors и предназначен для загрузки через Transformers. Модель можно использовать для генерации продолжений текста и ответов в чате; метаданные также отмечают интерфейс вызова инструментов. Язык обучения или основной язык не указан, поэтому языковую специализацию нельзя определить по карточке. Лицензия в предоставленных данных не указана.

TeeZee/2xbagel-dpo-34b-v0.2 — объединённая модель для генерации текста и диалогов, созданная путём чередования слоёв jondurbin/bagel-dpo-34b-v0.2 с самой собой. Она использует плотную архитектуру LlamaForCausalLM, содержит около 56,2 млрд параметров и рассчитана на контекст до 200 000 токенов. Модель подходит для диалоговых сценариев и генерации текста; в README приведены результаты Open LLM Leaderboard, включая оценки по задачам рассуждения и здравого смысла. Модель распространяется под лицензией Apache-2.0. Автор предупреждает, что она может генерировать контент NSFW. README описывает её как увеличенную и uncensored версию исходной модели; отдельные сведения о языках и иных ограничениях не приводятся.

CausalLM/7B — это языковая модель на 7,1 млрд параметров от разработчика, представившего её как совместимую с Meta LLaMA 2. Модель имеет плотную архитектуру LlamaForCausalLM и контекст длиной 8192 токена; загружается через Transformers без удалённого кода. README описывает её как дистилляцию версии 14B, обученную для speculative sampling, с форматом диалога ChatML. Модель предназначена для генерации текста и диалоговых ответов на английском и китайском языках. В README сообщается о дообучении на синтетических данных, включая переписанные и многоязычные примеры, математические задачи и материалы энциклопедического характера. Указаны результаты на MMLU, CEval и GSM8K, однако заявленные сравнительные преимущества являются результатами автора и не гарантируют качество в других сценариях. Автор предупреждает о возможных галлюцинациях и ненадёжных ответах. Модель обучалась на неотфильтрованных данных и может выдавать оскорбительный, порнографический или жестокий контент; в README также отмечено отсутствие дополнительного RLHF-обучения безопасности. Лицензия репозитория — WTFPL, но README указывает, что из-за происхождения весов Qwen и использования весов LLaMA 2 могут применяться дополнительные ограничения их коммерческого использования.

Fischerboot/7-test — языковая модель семейства Llama, созданная Fischerboot с помощью слияния моделей методом SLERP через mergekit. Карточка указывает в качестве исходной Fischerboot/ll3-test-6; конфигурация объединяет срезы слоёв этой модели. В репозитории представлены веса Safetensors, библиотека для работы — Transformers. Модель предназначена для генерации текста и диалогов. Она содержит 5,8 млрд параметров, имеет плотную архитектуру Llama и контекстное окно до 8192 токенов; метаданные отмечают возможность чата. В карточке не приведены целевые языки или специализированные прикладные области. Лицензия и конкретные ограничения использования в предоставленных данных не указаны. Качество, поведение и пригодность для конкретных сценариев по карточке не оценены.

ishikaa/acquisition_generator_AS_diversity_omnimath_qwen14b — текстовая генеративная модель, опубликованная пользователем ishikaa на Hugging Face. В метаданных она отнесена к семейству Qwen2 и предназначена для задач генерации текста, включая conversational-сценарии. Модель рассчитана на использование через библиотеку Transformers и хранится в формате Safetensors. Модель содержит около 14 млрд параметров и поддерживает контекст до 32 768 токенов, что позволяет работать с относительно длинными запросами и диалогами. Потенциальные сценарии включают продолжение текста, генерацию ответов в диалоге, подготовку черновиков и обработку математически ориентированных запросов, однако README не содержит подтверждённых сведений о специализации, данных обучения, результатах оценки или методике дообучения. Лицензия, разработчик, поддерживаемые естественные языки и точные ограничения использования в доступных материалах не указаны. Качество и безопасность ответов необходимо проверять на целевых данных перед применением в продуктивных системах.

Acrux-500M-o1-Journey — компактная языковая модель с архитектурой Qwen2, разработанная PrithivMLmods и дообученная на базе Qwen/Qwen2.5-0.5B-Instruct на наборе данных GAIR/o1-journey. Модель содержит 494 млн параметров, принимает текст и генерирует текст; заявленная длина контекста — 32 768 токенов. Она предназначена для следования инструкциям и диалоговых сценариев, включая ответы на вопросы и суммаризацию, с упором на быстрый вывод и сниженные требования к ресурсам. Модель подходит для чат-ботов, виртуальных помощников и других приложений, где важны компактность и оперативная генерация. В карточке указана лицензия CreativeML OpenRAIL-M. Качество для конкретных задач зависит от запросов и окружения; компактный размер может ограничивать сложность решаемых задач.

ADAPT-Olmo3-4.3B-Instruct — диалоговая языковая модель, разработанная Harvard-DCML как студент на основе Olmo-3-7B-Instruct. Она создана в рамках метода ADAPT, который позволяет интерполировать размер между вариантами одной базовой модели после обучения; чекпойнт можно использовать для построения промежуточной модели вместе с исходной моделью. Модель имеет плотную архитектуру Olmo 3 с 3,9 млрд параметров, принимает текст и генерирует текст в диалоговом формате. Длина контекста составляет 65 536 токенов. Для интерполяции README рекомендует включать патчинг первых слоёв студенческой модели; число слоёв патчинга определяет размер промежуточной модели. Модель распространяется по лицензии Apache-2.0.

AfriqueQwen3.5-9B-50Langs-i1-GGUF — это GGUF-квантизированная версия мультиязычной модели AfriqueQwen3.5-9B-50Langs, разработанной McGill-NLP и подготовленной квантизатором mradermacher. Модель предназначена для работы с африканскими и другими языками в задачах генерации и обработки текста, а также поддерживает сценарии image-text-to-text, то есть работу с изображениями и текстом. Модель содержит около 9 миллиардов параметров и ориентирована примерно на 50 языков, включая английский, французский, арабский, португальский и широкий набор африканских языков, среди которых суахили, хауса, йоруба, игбо, амхарский, зулу, коса, тсвана, тигринья и другие. README не указывает размер контекстного окна и подробности архитектуры. Доступны варианты квантования i1-IQ и i1-Q с размером файлов примерно от 2,8 до 6,6 ГБ; вариант i1-Q4_K_M отмечен как рекомендуемый по сочетанию скорости и качества. Сильной стороной модели является специализация на многоязычной обработке африканских языков и возможность локального запуска в формате GGUF. Качество, скорость и требования к памяти зависят от выбранного уровня квантования: наиболее компактные варианты могут заметно уступать в качестве, тогда как более крупные требуют больше ресурсов. Для поддержки визуального ввода могут потребоваться дополнительные mmproj-файлы из статического репозитория. Модель распространяется по лицензии CC BY 4.0.

Ahadadada Jailbreak Qwen3.8-27B — модифицированная jailbreak-версия модели Qwen3.8-27B, опубликованная пользователем или организацией Ahadadada. Модель сохраняет исходные возможности базовой модели и ориентирована на диалоговые сценарии, генерацию текста, программирование, агентские задачи, рассуждения и обработку изображений, видео и документов. Заявлено отсутствие стандартных фильтров безопасности, поэтому модель обычно отвечает более прямо и редко отказывается от запросов. Модель содержит 27 млрд плотных параметров и использует архитектуру qwen35 с гибридом SSM и attention: 64 слоя, включая 48 слоёв линейного внимания Gated DeltaNet и 16 слоёв полного gated attention. Размерность скрытого состояния составляет 5120, размерность FFN — 17408, словарь содержит 248 320 токенов. Заявлен нативный контекст 262K токенов с возможностью расширения через YaRN. Поддержка мультимодальности реализуется через отдельный файл mmproj, а MTP с параметром n_max=3 предназначен для ускорения инференса. Доступны GGUF-квантизации APEX-I-Mini, Q4_K_M, Q5_K_M, Q6_K и Q8_0. В приведённых тестах вариант APEX-I-Mini в среднем уступил базовой bf16-модели 1,9 процентного пункта по HellaSwag, Winogrande и ARC-Challenge, хотя результаты зависят от квантизации и настроек. Для работы с изображениями требуется отдельный mmproj-файл; рекомендуются llama.cpp с поддержкой шаблонов Jinja и достаточным объёмом контекста. Модель распространяется по лицензии Apache-2.0, однако снятие защитных ограничений повышает риски небезопасного или вредоносного применения.

AI21-Jamba2-3B — компактная языковая модель компании AI21 Labs для локального развёртывания на телефонах и персональных компьютерах. Она содержит 2,3 млрд параметров и использует архитектуру Jamba, сочетающую слои Mamba и Transformer; модель доступна через библиотеку Transformers и предназначена для генерации текста в диалоговом режиме. Модель подходит для следования инструкциям, ответов с опорой на предоставленный контекст, работы с длинными документами и сценариев RAG, в том числе при обработке технической и корпоративной документации. Контекстное окно составляет 256 000 токенов. По карточке, обучение включало дообучение на инструкциях, оптимизацию DPO и этапы обучения с подкреплением; заявлены результаты на бенчмарках instruction following и grounding. Модель выпущена под лицензией Apache 2.0, допускающей коммерческое использование. Компактный размер рассчитан на устройства с ограниченными ресурсами, однако качество конкретных ответов следует проверять на целевых задачах; сведения о поддерживаемых естественных языках в предоставленных данных отсутствуют.

AI21-Jamba-Mini-1.7-GGUF — это квантованная версия языковой модели AI21-Jamba-Mini-1.7, разработанной AI21 Labs и подготовленной пользователем bartowski в формате GGUF. Модель предназначена для генерации текста и локального запуска через llama.cpp, LM Studio и другие совместимые проекты. В репозитории представлены варианты от BF16 до низкобитных квантований Q8, Q6, Q5, Q4 и Q3, включая форматы IQ. Размер файлов составляет примерно от 21 до 103 ГБ; более крупные варианты обычно обеспечивают лучшее качество, а компактные требуют меньше оперативной памяти. Для работы необходимо использовать указанный шаблон промпта со специальными токенами системного, пользовательского и ассистентского сообщений. README не содержит сведений об архитектуре, количестве параметров, поддерживаемых языках, модальностях и размере контекста, поэтому эти характеристики нельзя достоверно определить по представленным данным. Сильной стороной модели является широкий выбор квантований для различных аппаратных ограничений и совместимость с популярными инструментами локального инференса. При этом качество и требования к памяти зависят от выбранного варианта, а низкобитные версии могут заметно уступать более точным. Модель распространяется по лицензии Jamba Open Model License; для точных условий следует обращаться к тексту лицензии AI21 Labs.

AI21-Jamba-Reasoning-3B-GGUF — набор GGUF-квантизованных версий языковой модели AI21-Jamba-Reasoning-3B, разработанной AI21 Labs. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и сценариев, где требуется рассуждение; запуск возможен локально через LM Studio, llama.cpp и другие проекты на базе llama.cpp. Доступны варианты от исходных BF16-весов размером 6,40 ГБ до компактных квантов IQ3 и Q3 размером примерно 1,47–1,76 ГБ, а также более качественные варианты Q4–Q8. Рекомендуемые сборки включают Q4_K_M, Q5, Q6 и другие варианты; выбор позволяет балансировать качество, скорость и требования к оперативной памяти. Формат приглашений предусматривает системное и пользовательское сообщения, а также блок <think> для рассуждений перед ответом. README не содержит сведений об архитектуре, длине контекста, поддерживаемых языках и модальностях, поэтому эти характеристики неизвестны. Более сильные квантизации обеспечивают качество, близкое к исходным весам, тогда как компактные варианты экономят память ценой снижения качества. Лицензия в представленном описании не указана.

jondurbin/airoboros-l2-13b-gpt4-1.4.1 — дообученная версия Llama 2 13B, подготовленная Jondurbin на наборе данных airoboros-gpt4-1.4.1. Это плотная авторегрессионная языковая модель на архитектуре Llama для генерации текста и диалоговых сценариев. Модель содержит 12,9 млрд параметров, принимает текст и поддерживает контекст до 4096 токенов. Модель подходит для генерации ответов и диалогов в стиле обучающих данных Airoboros. В карточке приведена ссылка на предыдущую версию модели, но подробности о её возможностях и ограничениях здесь отсутствуют. Указана лицензия other; перед использованием следует проверить её условия.

airoboros-mpt-30b-gpt4-1p4-five-epochs — языковая модель на архитектуре MPT-30B, дообученная автором карточки методом QLoRA на наборе airoboros-gpt4-1.4 в течение пяти эпох. Она предназначена для генерации ответов в диалогах и инструктивных сценариях, включая вопросы по предоставленному контексту, помощь с программированием, письмо, викторины и ролевые диалоги. В обучающие данные также вошли примеры кода на десяти языках программирования. Модель использует формат запросов Airoboros, близкий к Vicuna, и поддерживает генерацию текста. Автор отмечает, что в собственных разовых проверках качество оказалось ниже, чем у вариантов на Llama-33B; также README предупреждает о возможной ошибке в накоплении градиентов при обучении. Репозиторий содержит веса PyTorch. Лицензия указана как other, конкретные условия в предоставленных данных не раскрыты.

Airochronos L2 13B GGUF — это квантизированная версия текстовой языковой модели Airochronos L2 13B, созданной kingbri и преобразованной в формат GGUF пользователем TheBloke. Модель основана на архитектуре LLaMA 2 и предназначена для генерации текста и диалогового взаимодействия на английском языке. Доступны варианты с квантизацией от 2 до 8 бит, что позволяет запускать модель для CPU+GPU-инференса с различными требованиями к памяти и компромиссами между качеством и производительностью. Формат GGUF поддерживает метаданные и специальные токены и совместим с llama.cpp, text-generation-webui, KoboldCpp, LM Studio, llama-cpp-python и другими инструментами. В README приведены шаблоны запросов Alpaca 2 и Airoboros. Размер модели составляет 13 млрд параметров; сведения о длине контекста, мультимодальности и результатах бенчмарков не указаны. Сильными сторонами являются широкий выбор уровней квантизации, возможность локального запуска и поддержка множества интерфейсов и библиотек. Ограничения включают отсутствие подтвержденных характеристик качества, неизвестную длину контекста и отсутствие мультимодальных возможностей в заявленных данных. Модель распространяется по лицензии llama2.