I.5Создание и редактирование текста

AkaLlama-llama3-70b-v0.1 — языковая модель Yonsei MIRLab для генерации текста и диалогового общения на корейском и английском языках. Это плотная авторегрессионная модель семейства Llama 3 с архитектурой LlamaForCausalLM и 69,5 млрд параметров; она дообучена на смеси общедоступных наборов данных, отобранных лабораторией MIR Lab, на основе meta-llama/Meta-Llama-3-70B-Instruct. Модель предназначена для практических задач, включая ответы на вопросы, диалоги, создание историй и редактирование текстов. Веса доступны в формате Safetensors для Transformers, контекст — до 8192 токенов. Карточка приводит результаты оценки на LogicKor: средняя оценка 7,04 по трём случайным сида́м. Разработчики предупреждают, что ответы могут быть неточными, предвзятыми или плохо согласованными с запросом; качество зависит от системного промпта и параметров генерации, поэтому модель требует проверки для конкретного применения. В метаданных указана лицензия other, а карточка README называет лицензию llama3.

MaziyarPanahi/albertlight-7b-GGUF — это набор файлов модели в формате GGUF для базовой модели AgentPublic/albertlight-7b. Исходную модель разработала организация или автор AgentPublic, а квантованную версию подготовил MaziyarPanahi. Модель предназначена для генерации текста и может использоваться в локальных приложениях и сервисах, поддерживающих GGUF. Доступны варианты квантования с разрядностью 2, 3, 4, 5, 6 и 8 бит, что позволяет выбирать компромисс между размером модели, требованиями к памяти и качеством генерации. README не содержит точных сведений об архитектуре, количестве параметров, контекстном окне, поддерживаемых языках и модальностях; по метаданным модель относится к text generation и, вероятно, ориентирована на работу с текстом, но дополнительные характеристики не указаны. Формат GGUF поддерживается, в частности, библиотеками и приложениями llama.cpp, llama-cpp-python, LM Studio, text-generation-webui, KoboldCpp, GPT4All и Candle. Сильной стороной является возможность локального запуска и использования разных уровней квантования. Ограничения и результаты сравнительных тестов в README не приведены. Указана лицензия Apache-2.0.

Tongyi-DeepResearch-30B-A3B-GGUF — это GGUF-квантизированная версия языковой модели Tongyi-DeepResearch-30B-A3B, разработанной Alibaba-NLP. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и может запускаться локально через llama.cpp, LM Studio и другие совместимые проекты. В репозитории доступны варианты от BF16 до низкобитных IQ- и Q-квантизаций размером примерно от 14 до 61 ГБ. В названии модели указана конфигурация 30B-A3B, однако подробности архитектуры, модальностей, поддерживаемых языков и размера контекста в README не приведены. Некоторые варианты, включая Q6_K_L, Q6_K, Q5_K и Q4_K_M, обозначены как рекомендуемые; Q4_K_M описан как вариант стандартного размера для большинства сценариев. Ключевое преимущество сборки — возможность локального запуска с выбором компромисса между качеством, размером файла и требованиями к памяти. Более компактные квантизации подходят для систем с ограниченными ресурсами, но могут заметнее уступать по качеству исходным весам. Формат prompt в README не указан, поэтому его следует уточнять на странице исходной модели. Лицензия в предоставленных данных не указана.

ALLaM-7B-Instruct-preview — двуязычная генеративная языковая модель, разработанная Национальным центром искусственного интеллекта при Управлении данных и искусственного интеллекта Саудовской Аравии (SDAIA). Модель обучена с нуля и настроена следовать инструкциям; её архитектура — плотный авторегрессионный Transformer семейства Llama с 6,7 млрд параметров. Репозиторий использует библиотеку Transformers и формат safetensors. Модель предназначена прежде всего для арабских языковых технологий, а также поддерживает английский. Её можно использовать как чат-ассистента для ответов на вопросы, диалога и генерации текста, а также как основу для более крупных ИИ-систем и исследований арабского языка. Контекст составляет до 4096 токенов; для работы не требуется заданный системный промпт, но его можно добавить. Модель может давать неверные или предвзятые ответы, поэтому её следует оценивать и адаптировать к конкретному применению; разработчикам систем с внешними инструментами следует предусмотреть меры безопасности. Лицензия — Apache-2.0.

Это GGUF-квантизированная версия языковой модели Llama-3.1-Tulu-3.1-8B, разработанной Allen Institute for AI (allenai) и опубликованной в формате квантизаций пользователем bartowski. Модель предназначена для генерации текста и запуска локально с помощью llama.cpp, LM Studio и других совместимых проектов на базе llama.cpp. Указан английский язык; поддержка других языков и мультимодальность не заявлены. Модель содержит 8 миллиардов параметров и распространяется в нескольких вариантах квантизации от Q2 до Q8, размером примерно от 3,7 до 8,5 ГБ. Доступны форматы Q4, Q5, Q6, Q8 и IQ, позволяющие выбирать между качеством ответов и требованиями к памяти; наиболее сбалансированным вариантом автор README называет Q4_K_M, а варианты Q5 и Q6 — высококачественными. Для взаимодействия рекомендуется использовать шаблон с ролями system, user и assistant. Сведения о размере контекста, точной архитектуре, производительности и ограничениях исходной модели в README не приведены. Основные преимущества — широкий выбор квантизаций, возможность локального запуска и адаптация под устройства с разным объёмом оперативной памяти. Более сильное сжатие уменьшает требования к ресурсам, но снижает качество, особенно у вариантов Q2 и Q3. Модель распространяется под лицензией llama3.1; перед использованием следует учитывать условия этой лицензии.

AlloyIngotNeoX — слитая языковая модель на архитектуре Mistral, созданная с помощью mergekit методом SLERP из bardsai/jaskier-7b-dpo-v4.3 и Gille/StrangeMerges_20-7B-slerp. Модель содержит 7,1 млрд параметров и предназначена для генерации текста; контекст составляет до 32 768 токенов. Модель принимает текст и генерирует текст. В README приведены результаты оценивания на бенчмарках AI2 Reasoning Challenge и HellaSwag. Файлы модели опубликованы в формате Safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. README не уточняет языковую специализацию и ограничения качества; сведения о бенчмарках сами по себе не гарантируют результат на прикладных задачах.

Bigger-Body-70b-GGUF — это квантизированная версия языковой модели Bigger-Body-70b, разработанной allura-org и подготовленной в формате GGUF пользователем bartowski. Модель предназначена для генерации текста, диалоговых сценариев, conversational-приложений и roleplay. Указана поддержка английского и китайского языков. Модель имеет 70 миллиардов параметров и распространяется в нескольких вариантах квантования для запуска через llama.cpp, LM Studio и другие совместимые проекты. Доступны варианты от Q8_0 до Q2_K, различающиеся размером файлов, качеством и требованиями к памяти; наиболее рекомендуемыми в README названы Q6_K, Q5_K_M, Q5_K_S, Q4_K_M, Q4_K_S и IQ4_XS. Для работы следует использовать указанный шаблон промпта на основе формата Llama 3.3 с системными, пользовательскими и ассистентскими сообщениями. Сильной стороной модели является сочетание крупного размера и широкого выбора квантований, позволяющего подобрать баланс между качеством и потреблением памяти. Ограничения включают значительные требования к ресурсам: даже рекомендуемые варианты занимают десятки гигабайт, а более компактные квантования снижают качество. Архитектура, размер контекстного окна и поддержка модальностей, кроме текстовой генерации, в README не указаны. Модель распространяется по лицензии llama3.3.

maicomputer/alpaca-native — реплика Stanford Alpaca от автора репозитория maicomputer. Это плотная авторегрессионная модель семейства LLaMA с архитектурой LlamaForCausalLM, примерно 6,6 млрд параметров, предназначенная для генерации текста по инструкциям. Она обучена на исходных инструкциях Alpaca с небольшим изменением режима FSDP; в карточке приведены результаты оценки на ARC и HellaSwag. Модель подходит для диалоговых ответов и выполнения текстовых инструкций. Данных о лицензии и поддерживаемых естественных языках в предоставленных источниках нет.

Alphacode-MALI-11B_slowtest — диалоговая языковая модель Alphacode AI, созданная путём слияния моделей Alphacode и дообучения на собственных данных разработчика. Это плотная модель семейства Mistral с архитектурой MistralForCausalLM и 10,8 млрд параметров; она предназначена для генерации текста и общения в чате. Заявленная длина контекста составляет 32 768 токенов. В метаданных указан корейский язык. Модель обучали на восьми ускорителях A100 с использованием DeepSpeed, Hugging Face TRL Trainer и Accelerate. Репозиторий содержит веса в формате Safetensors. Лицензия — CC BY 4.0. Карточка не описывает конкретные области применения, результаты оценки качества или ограничения модели.

AMD-OLMo-1B-IT — дообученная модель на базе AMD-OLMo-1B-SFT, созданная для следования инструкциям и творческого письма. Это плотная авторегрессионная языковая модель архитектуры OLMo с 1,2 млрд параметров и контекстом 2048 токенов. В метаданных указан датасет shibing624/sharegpt_gpt4; карточка характеризует модель как уверенную по стилю, но не приводит оценок качества или подробных результатов тестирования. Модель принимает текстовые запросы и генерирует текст. Она подходит для ответов на общие вопросы, выполнения пользовательских инструкций и творческих текстовых задач. Поддерживаемые языки явно не перечислены. Модель распространяется в формате safetensors по лицензии Apache-2.0; README рекомендует Q4_K_M для использования в квантизированном виде.

AnLLM-EP-7B-PT — языковая модель семейства Llama, дообученная на базе Llama-2-7b-hf на выборке RedPajama-Data-1T-Sample. Модель разработана автором репозитория pangjh3; её архитектура — плотная авторегрессионная LlamaForCausalLM, размер — 6,6 млрд параметров, контекст — до 4096 токенов. Модель предназначена для генерации текста и может служить основой для продолжения текста и простых текстовых запросов. Карточка не приводит оценок качества, подробностей обучения или ограничений применимости, поэтому пригодность для конкретных сценариев требует отдельной проверки. Лицензия в предоставленных данных не указана.

Anrn 12B R1 — мультимодальная модель на основе Gemma 4 Unified, выпущенная проектом Anrn и представленная как BF16-база Google Gemma 4 12B с отдельным обученным адаптером LoRA, применяемым с проверенным коэффициентом 0,45. Архитектура — плотный декодер с 11,95 млрд параметров; заявлены входы в виде текста, изображений, аудио и видео. Для Transformers доступен мультимодальный сервис, а дополнительная сборка llama.cpp предназначена для текстового режима. Для llama.cpp указана поддержка контекста 128K. Модель рассчитана на диалог и решение сложных текстовых задач, а также на анализ изображений, аудио и видео через нативный сервис. В README приведены результаты MMLU-Pro, GPQA Diamond и AIME 2026 без инструментов; показатели получены в проектной оценке за август 2026 года и зависят от шаблонов промптов, параметров генерации и версии оценочного набора. BF16-веса требуют значительных ресурсов, а выгрузка части вычислений на CPU снижает скорость. Путь llama.cpp является квантованным текстовым вариантом и не поддерживает нативный мультимодальный ввод. Лицензия — Apache-2.0.

Anthesis_7B — объединённая языковая модель, созданная rmdhirr на основе rmdhirr/Foxglove_7B и ResplendentAI/Paradigm_Shift_7B. Для слияния использован метод DARE-TIES с параметрами density 0,60 и weight 0,40; итоговые веса сохранены в формате bfloat16. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста, в том числе ролевых диалогов и ответов на вопросы. В карточке рекомендуется формат Alpaca; также подходят запросы в формате Mistral. Указана поддержка английского языка. Репозиторий распространяется под лицензией Apache-2.0.

mlx-community/Apertus-SEA-LION-v4-8B-IT — конвертированная в формат MLX версия модели Apertus-SEA-LION-v4-8B-IT, подготовленная сообществом mlx-community на основе модели AI Singapore. Это плотная авторегрессионная языковая модель Apertus с 10,3 млрд параметров, предназначенная для диалоговой генерации текста и инструкций на разных языках. Модель принимает текст и генерирует текст, поддерживает контекст до 65 536 токенов. В карточке перечислены английский, китайский, вьетнамский, индонезийский, тайский, филиппинский, тамильский, малайский и бирманский языки; основной акцент — языки Юго-Восточной Азии. Репозиторий содержит веса в формате safetensors, а README указывает на конвертацию для MLX с помощью mlx-lm 0.30.6. Модель подходит для диалоговых помощников и генерации ответов на запросы на поддерживаемых языках. Лицензия — Apache-2.0. Для использования в MLX требуется библиотека mlx-lm; сведения о сравнительных оценках качества в предоставленных материалах отсутствуют.

Карточка модели BAAI/AquilaDense-16B на Hugging Face совпадает с карточкой BAAI/AquilaDense-7B, поэтому описание составлено по ней. AquilaDense-7B — плотная авторегрессионная языковая модель семейства AquilaDense, разработанная Пекинской академией искусственного интеллекта (BAAI). Она предназначена для генерации текста и диалогового взаимодействия. По метаданным модель содержит 7,6 млрд параметров, поддерживает контекст до 4096 токенов и распространяется в формате PyTorch. README описывает методику EfficientScale для обучения моделей AquilaMoE и упоминает AquilaDense-7B как одну из моделей, использованных в экспериментах и графике обучения. В карточке также приведены двуязычные данные на китайском и английском языках; метаданные отмечают поддержку английского и китайского. Лицензия модели — Apache-2.0. Модель подходит для генерации текста и диалоговых сценариев на английском и китайском языках. README не приводит отдельных результатов оценки или конкретных рекомендаций по применению AquilaDense-7B; ограничение контекста составляет 4096 токенов.

Arcee-SuperNova-v1-GGUF — это квантизированная версия текстовой генеративной модели Arcee-SuperNova-v1, разработанной arcee-ai. Квантизация выполнена bartowski в формате GGUF с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и может запускаться локально через llama.cpp, LM Studio и другие совместимые проекты. В репозитории представлены варианты квантизации от Q2 до Q8 с размерами файлов примерно от 27,4 до 75 ГБ. Более высокие уровни квантизации обычно обеспечивают лучшее качество, но требуют больше оперативной или видеопамяти; варианты Q4_K_M, Q5 и Q6_K обозначены как рекомендуемые. Для работы необходимо использовать указанный шаблон промпта на основе специальных токенов сообщений. README не содержит подробных сведений об архитектуре, количестве параметров, поддерживаемых языках, размере контекстного окна или мультимодальности, поэтому эти характеристики нельзя достоверно определить. Основные ограничения связаны с потерями качества при низкой квантизации и значительными требованиями к памяти. Указана лицензия llama3.

GLM-4-32B-Base-32K-GGUF — это квантизированная версия базовой языковой модели GLM-4-32B-Base-32K, разработанной arcee-ai. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и запуска в локальных средах, совместимых с форматом GGUF, включая llama.cpp и LM Studio. Модель имеет размер 32 млрд параметров и поддерживает контекст до 32 000 токенов. В карточке указаны китайский и английский языки. Доступны варианты от BF16 и Q8_0 до более компактных Q2–Q6 и IQ-квантизаций, что позволяет выбирать компромисс между качеством, потреблением памяти и скоростью работы. Более компактные варианты подходят для систем с ограниченной оперативной памятью, но могут заметно уступать по качеству версиям с высокой точностью. Модель является базовой, поэтому её поведение в диалогах и форматирование ответов могут требовать самостоятельной настройки промптов; готовый формат промпта в README не указан. Для запуска необходима совместимая среда и объём памяти, соответствующий выбранному файлу: размер вариантов варьируется примерно от 13,66 до 65,14 ГБ. Лицензия модели — MIT.

Homunculus-GGUF — это квантованные версии языковой модели Homunculus, разработанной arcee-ai и преобразованной пользователем bartowski в формат GGUF с помощью llama.cpp. Модель предназначена для генерации текста и локального запуска через llama.cpp, LM Studio и другие совместимые проекты на его основе. В README указан английский язык и шаблон диалога с ролями system, user и assistant. Доступны варианты от полного BF16 до различных уровней квантования Q8, Q6, Q5, Q4, Q3, Q2 и IQ. Размер файлов варьируется примерно от 5 до 25 ГБ; наиболее качественными считаются BF16, Q8_0, Q6 и Q5, а варианты с более низкой разрядностью требуют меньше оперативной памяти, но могут заметно уступать в качестве. Архитектура, количество параметров, поддерживаемый размер контекста и дополнительные модальности в README не указаны, поэтому модель следует рассматривать как текстовую. Основные преимущества — возможность локального запуска, широкий выбор квантований и баланс между качеством и требованиями к памяти. Ограничения связаны с потерями качества при сильном квантовании, зависимостью от совместимого программного обеспечения и отсутствием подробных данных о возможностях исходной модели. Распространение указано по лицензии Apache-2.0.

Arcee-Nova-GGUF — это набор GGUF-квантизаций базовой текстогенеративной модели Arcee-Nova, разработанной arcee-ai. Квантизации подготовлены пользователем bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для запуска локально, в том числе через LM Studio, и может применяться для генерации текста и диалогового взаимодействия с использованием указанного chat-шаблона. В репозитории доступны варианты от F32 до низкобитных Q2 и IQ2, включая рекомендуемые Q4–Q6 и Q8_0. Размер файлов составляет примерно от 29 до 291 ГБ; отдельные крупные варианты разделены на несколько файлов. Более высокие разрядности обычно обеспечивают лучшее сохранение качества, а низкие требуют меньше оперативной памяти или VRAM, но сильнее уступают по качеству. Архитектура, число параметров, поддерживаемые языки и размер контекста в README не указаны; модальность — текстовая. Модель удобна для локального использования на совместимом оборудовании, а выбор конкретной квантизации позволяет балансировать качество и требования к памяти. Ограничения связаны с потерями качества при низких уровнях квантизации, значительным размером файлов и необходимостью совместимого программного обеспечения. Указана лицензия other; её точные условия в README не раскрыты.

ArliAI_Mistral-Small-24B-ArliAI-RPMax-v1.4-GGUF — это набор GGUF-квантизованных версий текстовой генеративной модели Mistral-Small-24B-ArliAI-RPMax-v1.4, разработанной ArliAI. Квантизацию выполнил bartowski с использованием llama.cpp b4792 и метода imatrix. Модель предназначена для генерации текста, а также для локального запуска через LM Studio, llama.cpp и другие совместимые проекты. Модель имеет размер 24B параметров в исходной версии, но README не содержит точных сведений об архитектуре, поддерживаемых языках, модальностях и размере контекстного окна. Доступны варианты квантизации от Q8_0 до низкобитных Q3 и IQ3/IQ4, с размером файлов примерно от 10,65 до 25,05 ГБ. Варианты Q6_K_L, Q6_K, Q5 и Q4_K рекомендуются как обеспечивающие высокое или хорошее качество при меньших требованиях к памяти; более лёгкие варианты подходят для систем с ограниченным объёмом RAM, но могут заметнее снижать качество. Модель распространяется по лицензии Apache-2.0. Для работы используется указанный шаблон промпта с системным сообщением и пользовательской инструкцией. Основное ограничение — необходимость подбора квантизации с учётом доступной памяти и допустимой потери качества; сведения о результатах тестирования, специализированных возможностях и языковой поддержке в README отсутствуют.

win10/ArliAI-RPMax-v1.3-merge-8B — диалоговая языковая модель, созданная автором репозитория слиянием предварительно обученных моделей с помощью mergekit и метода TIES. В качестве базовой указана Magpie-Align/MagpieLM-8B-Chat-v0.1; в слияние также включена ArliAI/Llama-3.1-8B-ArliAI-RPMax-v1.3. Модель построена на плотной архитектуре Llama и содержит 7,5 млрд параметров. Она предназначена для генерации текста в диалоговом формате; поддерживает контекст до 131 072 токенов. Для загрузки используется Transformers, веса опубликованы в формате safetensors. Карточка базовой модели указывает на диалоговое выполнение инструкций и генерацию ответов на английском языке. Модель подойдёт для чат-ботов и генерации ответов на запросы. Карточка не описывает лицензию, дополнительные гарантии качества или специфические ограничения, поэтому условия использования следует сверить с лицензиями исходных моделей и полной карточкой репозитория.

Модель ganesh714/arq_m1_chairs_think_Q7b_C — дообученная языковая модель семейства Qwen2 на базе unsloth/qwen2.5-coder-7b-instruct-bnb-4bit. Она построена на архитектуре Qwen2ForCausalLM и содержит 7,1 млрд параметров; модель предназначена для генерации текста в диалоговом формате и поддерживает интерфейс вызова инструментов. В README указано, что обучение выполнялось с Unsloth и библиотекой TRL. Модель принимает текст и генерирует текст; заявленная длина контекста — 32 768 токенов. В метаданных указан английский язык. Лицензия — Apache-2.0. В карточке нет подробностей о специализации дообучения или оценках качества, поэтому пригодность для конкретных задач следует проверять на собственных примерах.

Это модель суммаризации текста на архитектуре mBART с 95 млн параметров. Она дообучена автором репозитория на базе moussaKam/barthez-orangesum-title; обучающий датасет в карточке не описан. Модель предназначена для создания краткого изложения текста. В карточке приведены результаты оценки: ROUGE-1 0,2048, ROUGE-2 0,0600, ROUGE-L 0,2053 и ROUGE-Lsum 0,2057. Контекст составляет до 1024 токенов. Модель распространяется в формате PyTorch по лицензии Apache-2.0.

ASIL Qwen3.5-9B RL — выпущенный авторами ASIL чекпойнт, созданный дообучением Qwen/Qwen3.5-9B методом обучения с подкреплением. Модель предназначена для диалоговой генерации текста и агентных задач; карточка описывает релиз как часть публикации ASIL v0.1.0 и указывает выбранный чекпойнт global_step_140_actor_hf, полученный после продолжения первого этапа обучения с подкреплением. Модель содержит 7,2 млрд параметров, использует архитектуру Qwen3_5ForCausalLM и загружается через Transformers из файлов Safetensors. Нативная длина контекста — 262 144 токена. Метаданные указывают возможность чата; базовая Qwen3.5 описана как мультимодальная, однако этот репозиторий относится к текстовой архитектуре и имеет задачу text-generation. Для обучения использовались 320 обучающих и 80 валидационных промптов из набора rl_learnable_v4_320_80. Карточка не приводит сведений о лицензии, поэтому условия использования определить по имеющимся данным нельзя.

Astra-v1-12B-i1-GGUF — это квантизированная версия текстовой модели Astra-v1-12B, разработанной P0x0 и преобразованной в формат GGUF пользователем mradermacher. Модель предназначена для универсальной генерации текста и может использоваться в сценариях, где требуется локальный запуск языковой модели общего назначения. В README прямо указан английский язык, однако другие языки и конкретные специализации не описаны. Модель содержит 12 миллиардов параметров и распространяется в виде imatrix-квантов различных типов, включая IQ1–IQ4, Q2–Q5 и Q6. Размер файлов составляет примерно от 3,1 до 10,2 ГБ, что позволяет выбирать вариант с подходящим компромиссом между требованиями к памяти, скоростью и качеством. Более низкие уровни квантования могут заметно снижать качество; для Q4_K_M указано сочетание скорости и качества, а Q6_K охарактеризован как близкий к полноразмерной статической квантовке. Архитектура, размер контекста и дополнительные модальности в README не указаны; по представленным данным модель является текстовой. Модель распространяется по лицензии Apache-2.0. Для работы требуются совместимые инструменты, поддерживающие формат GGUF; конкретные системные требования и рекомендуемые параметры запуска не приведены.

Athena-gemma-2-9b-it-Philos — чат-модель EpistemeAI, дообученная на базе unsloth/gemma-2-9b-it-bnb-4bit с помощью Unsloth и Hugging Face TRL. Это плотная языковая модель Gemma 2 с 9 млрд параметров, предназначенная для генерации текста в диалоге. Она принимает текст и выдаёт текст; заявленная длина контекста — 8192 токена. Карточка не описывает философскую специализацию модели или конкретные обучающие данные, поэтому название не подтверждает её пригодность для специализированных философских задач. Модель распространяется по лицензии Apache-2.0. В карточке указано, что обучение выполнялось с использованием Unsloth и TRL.

Athene-70B-GGUF — это набор GGUF-квантизаций языковой чат-модели Athene-70B, разработанной Nexusflow и подготовленной квантизатором bartowski. Модель предназначена для генерации текста и диалоговых сценариев; запуск возможен через llama.cpp и совместимые приложения, включая LM Studio. В README указан английский язык и формат prompt с системными, пользовательскими и ассистентскими сообщениями. Модель содержит около 70 миллиардов параметров и распространяется в вариантах квантизации от Q8_0 до Q2_K и IQ2_XXS. Размер файлов варьируется примерно от 19 до 75 ГБ, поэтому выбор варианта зависит от доступного объёма RAM и VRAM. Более высокие уровни квантизации обеспечивают лучшее качество, но требуют больше памяти; Q6_K, Q5_K_M, Q5_K_S и некоторые варианты Q4 отмечены как рекомендуемые. Для отдельных конфигураций применена квантизация imatrix с калибровочным набором данных. Сильной стороной набора является широкий выбор компромиссов между качеством и требованиями к памяти, а также совместимость с экосистемой llama.cpp. Ограничения включают потерю качества при низких уровнях квантизации, высокие аппаратные требования и отсутствие в README сведений о длине контекста, точной архитектуре, мультимодальности и результатах оценивания. Модель распространяется по лицензии CC BY-NC 4.0, что ограничивает коммерческое использование.

atom-80b-i1-GGUF — это набор квантизированных GGUF-версий языковой модели atom-80b, разработанной vanta-research и подготовленной квантизатором mradermacher. Модель предназначена для генерации текста, следования инструкциям, диалогового взаимодействия, рассуждений и исследовательских задач, связанных с поведением, выравниванием и сотрудничеством ИИ. По тематическим меткам она ориентирована на англоязычные сценарии и conversational AI. Исходная модель относится к семейству Qwen3 и имеет размер 80 млрд параметров. В README не указаны точная архитектура, размер контекстного окна, поддерживаемые модальности помимо текста и результаты оценивания. Репозиторий содержит варианты квантизации с размерами примерно от 16,3 до 65,6 ГБ, включая IQ- и QK-квантизации; варианты различаются компромиссом между размером, скоростью и качеством. В качестве сбалансированных рекомендуются i1-Q4_K_S и i1-Q4_K_M, тогда как наиболее компактные варианты могут заметно уступать в качестве. Модель поддерживает локальное использование через GGUF-совместимые инструменты. Основные преимущества — большой размер исходной модели, широкий выбор уровней квантизации и наличие imatrix-квантов, потенциально обеспечивающих лучшее качество при сопоставимом размере. Ограничения включают высокие требования к памяти, зависимость качества от выбранного варианта квантизации и отсутствие в README подробных данных о производительности и контексте. Модель распространяется по лицензии Apache-2.0.

atomic9b-mix30x — текстовая генеративная модель, опубликованная pressatojump. Это BF16-чекпойнт с объединённым LoRA-адаптером после двух этапов SFT на базе petruhonk/Qwen3.8-9B-Distill-uncensored-heretic. Модель использует архитектуру Qwen3.5 9B с 32 слоями и контекстом до 262 тысяч токенов; она предназначена для диалоговой генерации текста в формате ChatML. Обучение включало синтетическую смесь PME и корпус mix30x. Модель поддерживает английский язык и подходит для генерации ответов и продолжения диалога. В README указана лицензия Apache-2.0. Чекпойнт состоит из BF16-весов; заявленная uncensored-настройка может приводить к генерации нежелательного или небезопасного текста.

Atom v1 Preview 12B — это языковая модель в формате GGUF, созданная на основе vanta-research/atom-v1-preview-12b. Данный репозиторий подготовлен mradermacher и содержит imatrix-квантизации для запуска в совместимых инструментах. Модель ориентирована на диалоговые сценарии, совместную работу, обучение, исследовательскую помощь, рассуждения и решение задач. README также указывает на поддержку изображений, однако файлы mmproj размещаются в отдельном статическом репозитории. Модель имеет размер около 12 млрд параметров и заявлена для английского языка. Доступны варианты квантизации от IQ1_S до Q6_K с размером файлов примерно от 3,0 до 9,8 ГБ. В README отмечается, что IQ-квантизации часто предпочтительнее аналогичных по размеру обычных вариантов; Q4_K_M обозначен как быстрый и рекомендуемый вариант, а Q4_K_S — как оптимальный по соотношению размера, скорости и качества. Более низкие уровни квантизации экономят память, но могут заметно снижать качество. Модель может быть полезна для локальных чат-ботов, образовательных приложений, исследовательских ассистентов и задач генерации текста с элементами рассуждения. Ограничения включают предварительный статус версии, зависимость качества от выбранной квантизации, отсутствие в README данных о длине контекста и подробных результатах оценки. Указана лицензия Gemma; условия её применения следует проверять по правилам лицензии базовой модели.