I.5Создание и редактирование текста

DigitalSoul-4B-GGUF — GGUF-квантизированная версия языковой модели DigitalSoul-4B, разработанной TroyDoesAI. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и может запускаться локально, в том числе через LM Studio. В репозитории представлены варианты от полноточного F16 размером 9,25 ГБ до низкобитных форматов Q2_K размером 1,88 ГБ. Доступны квантизации Q8_0, Q6_K, Q5_K, Q4_K, Q3_K, Q2_K и IQ, включая варианты, оптимизированные для ARM. Для некоторых форматов эмбеддинги и выходные веса сохранены в Q8_0, что потенциально повышает качество. Рекомендуемый формат зависит от доступной памяти и требуемого качества; наиболее высокое качество дают F16 и старшие квантизации, а низкобитные варианты экономят память ценой качества. В README не указаны архитектура исходной модели, поддерживаемые языки, модальности и размер контекстного окна. Приведён шаблон промпта с ролями system, user и assistant и датой отсечения знаний декабрь 2023 года. Лицензия модели указана как Artistic-2.0.

Dirk-Qwen3.8-27B-MLX-oQ6e — это квантизированная MLX-версия базовой модели Qwen/Qwen3.8-27B, разработанная автором peculiar-ragdoll. Модель представляет собой плотную vision-language модель с поддержкой текста и изображений, ориентированную на работу на компьютерах Apple Silicon через MLX и совместимые среды, включая oMLX и mlx-vlm. Заявленная языковая поддержка включает английский и китайский языки. Модель использует смешанную квантизацию oQ6e с калибровкой imatrix и размером около 22,1 ГБ, примерно 6,9 бит на вес. Веса, vision tower и MTP-head сохранены; MTP может применяться для speculative decoding и ускорения генерации в совместимых runtime. Максимальное окно контекста в примере конфигурации составляет 262144 токена. В комплект включён Sharp chat template v22.5.0, который по умолчанию задаёт компактные ответы и средний уровень рассуждений; уровень reasoning effort можно менять от low до xhigh, а рассуждения — отключать. Модель предназначена для диалогов, анализа изображений, программирования, агентских сценариев и задач, где важны краткость и скорость получения ответа. К её сильным сторонам относятся сохранённая мультимодальность, поддержка MTP, готовый шаблон чата и несколько уровней глубины рассуждений. Ограничения связаны с требованиями к памяти: вариант oQ6e рассчитан примерно на системы с 32 ГБ памяти, а MTP поддерживается не всеми загрузчиками. Для корректной работы требуется использовать mlx-vlm версии не ниже 0.6.3, а не mlx-lm. README также приводит предварительные результаты бенчмарков, которые ещё находятся в процессе измерения, поэтому их нельзя считать окончательными. Модель распространяется по лицензии Apache-2.0.

DiscoPhoenix-7B — модель генерации текста на архитектуре Mistral, созданная mayflowergmbh. Это DPO-настроенное слияние немецкоязычной DiscoLM_German_7b_v1, Phoenix и OpenPipe/mistral-ft-optimized-1227; конфигурация также включает mistralai/Mistral-7B-v0.1. Модель предназначена для диалогов и генерации текста, в частности на немецком языке. Модель содержит 7,1 млрд параметров, принимает текст и имеет контекст до 32 768 токенов. Для дальнейшего использования доступны веса в формате safetensors. В метаданных указана лицензия Apache-2.0. Подробные результаты оценки и ограничения качества в карточке не раскрыты.

SakanaAI/DiscoPOP-zephyr-7b-gemma — диалоговая языковая модель Sakana AI, полученная дообучением HuggingFaceH4/zephyr-7b-gemma-sft-v0.1 на наборе argilla/dpo-mix-7k с применением алгоритма DiscoPOP (Discovered Preference Optimization). По сравнению с моделью Zephyr Gemma, обученной с DPO, здесь использован DiscoPOP для оптимизации предпочтений ответов. Модель построена на плотной архитектуре GemmaForCausalLM и содержит 8,2 млрд параметров. Она предназначена для генерации текста и диалоговых ответов; поддерживает контекст до 8192 токенов. В метаданных указан английский язык. Модель распространяется под лицензией Gemma. Карточка не приводит подробных оценок качества или отдельных ограничений применения.

Discord-Micae-Hermes-3-3B-i1-GGUF — квантизированная GGUF-версия текстовой causal language model Discord-Micae-Hermes-3-3B. Базовую модель разработал mookiezi, а квантизацию выполнил mradermacher. Модель основана на архитектуре семейства Llama 3, содержит около 3 млрд параметров и предназначена для генерации текста, инструктивного взаимодействия и диалоговых сценариев, включая использование в чат-ботах и conversational AI. Обучение или дообучение связано с набором данных mookiezi/Discord-OpenMicae и применением merged LoRA. Модель поддерживает английский язык и работает с текстовой модальностью; сведения о размере контекстного окна в README не указаны. Репозиторий предоставляет множество вариантов GGUF-квантизации с разным компромиссом между размером, скоростью и качеством, включая imatrix-кванты. Это позволяет запускать модель на более ограниченных ресурсах, однако низкобитные варианты могут заметно снижать качество генерации. Рекомендуемые в README варианты — i1-Q4_K_M и i1-Q4_K_S; конкретные требования к оборудованию и дополнительные ограничения не указаны. Лицензия обозначена как llama3.

sshleifer/distilbart-cnn-12-6 — англоязычная модель суммаризации текста на базе BART, представленная в семействе DistilBART. Вариант 12-6 использует 12 слоёв кодировщика и 6 слоёв декодировщика; размер модели по метаданным — 252,8 млн параметров. Она предназначена для сокращения документов и статей до краткого связного пересказа. Модель обучена для суммаризации на данных CNN/DailyMail; в карточке также приведены метрики для вариантов DistilBART, включая оценки ROUGE и времени вывода. Она принимает текст и генерирует текстовое резюме, поддерживает контекст до 1024 токенов и доступна в форматах PyTorch и Flax. Лицензия — Apache 2.0. Модель рассчитана на английский язык. Контекстное окно ограничивает длину обрабатываемого текста, а качество и скорость зависят от длины входа и выбранного варианта; приведённая таблица метрик относится к нескольким вариантам DistilBART и не даёт отдельной оценки именно для distilbart-cnn-12-6.

Xenova/distilbart-cnn-6-6 — версия модели sshleifer/distilbart-cnn-6-6, подготовленная сообществом Xenova в формате ONNX для совместимости с библиотекой Transformers.js. Модель предназначена для автоматического реферирования и построения кратких содержательных резюме текстов, в том числе непосредственно в JavaScript-приложениях и веб-среде. Модель относится к семейству DistilBART и использует архитектуру encoder-decoder; точный размер, поддерживаемые языки и максимальная длина контекста в README не указаны. Основное преимущество — наличие ONNX-весов и возможность запуска через Transformers.js без привязки к серверной Python-инфраструктуре. Ограничения включают отсутствие подробных сведений о производительности, языковом охвате и качестве на различных типах текстов. Модель распространяется по лицензии Apache-2.0.

DistilQwen3-1.7B-uncensored — компактная плотная языковая модель семейства Qwen3 с 1,7 млрд параметров, опубликованная в серии DistilQwen автора reaperdoesntknow и портфеле Convergent Intelligence. Это модель для генерации текста и диалогового общения; она основана на reaperdoesntknow/Qwen3-1.7B-Distilled-30B-A3B и, согласно карточке, входит в серию дистилляции знаний. В метаданных указана поддержка контекста до 40 960 токенов и формат safetensors. Карточка описывает серию как proof-weighted knowledge distillation с учителем Qwen3-30B-A3B и упоминает акцент на сохранении структуры рассуждений. Однако конкретные возможности именно этой версии и значение пометки uncensored подробно не раскрыты, а README в основном состоит из шаблонных полей без сведений о данных, оценках качества и сценариях применения. Языки и лицензия не указаны, поэтому условия распространения по имеющимся данным определить нельзя.

Djinn — разговорная языковая модель, опубликованная пользователем mayacinka. Это слияние моделей CultriX/NeuralTrix-7B-dpo и paulml/DPOB-INMTOB-7B с помощью LazyMergekit. Модель построена на архитектуре Mistral и содержит 7,3 млрд параметров; её нативная длина контекста — 32 768 токенов. Модель предназначена для генерации текста в диалоговом формате, например для ответов на вопросы и ведения беседы. Репозиторий содержит веса в формате safetensors. Сведения о языках и лицензии в предоставленных данных отсутствуют.

Это дообученная модель Grogros на архитектуре Llama 3.2: плотная языковая модель с 1,2 млрд параметров на базе meta-llama/Llama-3.2-1B-Instruct. Она предназначена для генерации текста и диалогового взаимодействия; в метаданных также отмечен интерфейс вызова инструментов. Заявленная длина контекста — 131 072 токена. Карточка не описывает датасет, цели дообучения, результаты оценки или особые сценарии применения, поэтому их нельзя определить. Модель распространяется в формате safetensors по лицензии Llama 3.2; перед использованием следует учитывать условия этой лицензии.

DNA 2.0 — языковая модель компании Dnotitia Inc., созданная дообучением Smoothie-Qwen3-14B. Это плотная авторегрессионная модель семейства Qwen3 с 14 млрд параметров, предназначенная для диалогов, рассуждений, математических задач и повседневных запросов. В README заявлены улучшения пошагового решения задач, логического вывода и генерации на корейском и английском языках; модель также позиционируется как менее ограничивающая ответы на чувствительные темы. Модель принимает текст и генерирует текст. README указывает контекст 32 тыс. токенов с расширением до 131 тыс. через YaRN, тогда как метаданные каталога фиксируют нативный контекст 40 960 токенов. Поддерживается режим управления рассуждением через команды /think и /no_think. Доступны веса Safetensors для Transformers, лицензия — Apache 2.0. Заявления README об оценках и улучшениях представлены разработчиком и не сопровождаются подробностями протокола оценки; качество на конкретных задачах следует проверять отдельно. Для генерации с включённым режимом рассуждения автор не рекомендует жадное декодирование из-за ухудшения качества и риска повторов.

Это оптимизированная в ONNX версия Dolly v2 7B, созданной Databricks на базе Pythia-6.9B и дообученной следовать инструкциям на наборе databricks-dolly-15k. Репозиторий подготовлен с помощью Olive для запуска через ONNX Runtime, в том числе с DirectML; модель имеет архитектуру GPT-NeoX, около 8,8 млрд параметров и контекст до 2048 токенов. Модель предназначена для генерации ответов по инструкциям: мозгового штурма, классификации, вопросов и ответов, генерации текста, извлечения информации и суммаризации. Карточка указывает английский язык. Лицензия репозитория — MIT; исходная Dolly v2 описана как пригодная для коммерческого использования. Dolly v2 не является современной передовой моделью. Она может ошибаться в фактах и испытывает трудности со сложными запросами, программированием, математикой, датами, открытыми вопросами и точным форматированием. ONNX-оптимизация облегчает интеграцию с соответствующей средой выполнения, но для использования ONNX Runtime и DirectML вне Python потребуется самостоятельно реализовать токенизатор.

Это версия модели Dolphin 2.1 Mistral 7B в формате GGUF, подготовленная ddh0 из чекпойнта Eric Hartford. Веса конвертированы без квантизации и других изменений; исходная модель дообучена на базе dphn/dolphin-2.1-mistral-7b и предназначена для генерации текста, ответов на вопросы и выполнения инструкций в диалоговом режиме. Для практического использования GGUF позволяет запускать модель в совместимом локальном ПО. Базовая модель — англоязычная чат-модель на архитектуре Mistral с 7 млрд параметров и контекстом до 32 768 токенов. Репозиторий распространяется по лицензии Apache-2.0. Указаний на поддержку других языков или специализированные области применения в доступных данных нет.

dolphin-2.6-mistral-7b-dpo-orca — авторегрессионная языковая модель, обученная HenryJJ методом DPO на базе cognitivecomputations/dolphin-2.6-mistral-7b с использованием набора Intel/orca_dpo_pairs. Модель семейства Mistral имеет плотную архитектуру MistralForCausalLM и 7,1 млрд параметров; веса опубликованы в формате safetensors. Метаданные указывают контекст до 32 768 токенов, а README сообщает об обучении с контекстом 1024 токена. Модель предназначена для диалоговых ответов и генерации текста в формате ChatML, включая запросы к ассистенту общего назначения. README указывает английский язык. Модель выпущена под лицензией Apache-2.0. Карточка не приводит оценок качества или подробных сведений о проверке безопасности.

Noodlz/DolphinLake-7B — объединённая языковая модель, созданная автором Noodlz из cognitivecomputations/dolphin-2.8-mistral-7b-v02 и senseable/WestLake-7B-v2 с помощью mergekit. В основе лежит плотная архитектура Mistral с 7,1 млрд параметров; модель распространяется в формате Safetensors и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогов. Автор рекомендует шаблон ChatML, хотя могут работать и стандартные шаблоны. В карточке приведён локальный результат около 84,5 на HellaSWAG; это оценка автора, а не независимая проверка. WestLake-7B-v2 описана как англоязычная модель для ролевых диалогов и творческих текстов. Модель выпущена под лицензией Apache-2.0. Результаты и качество зависят от шаблона диалога и сценария применения; приведённая оценка не гарантирует качество на других задачах.

Dolphin Mistral 24B Venice Edition — разговорная модель общего назначения, созданная в совместном проекте Dolphin и Venice.ai на основе Mistral-Small-24B-Instruct-2501. Это плотная модель семейства Mistral 3 с 24 млрд параметров, представленная в формате safetensors и рассчитанная на работу через Transformers; для развёртывания авторы рекомендуют vLLM. Модель предназначена для диалогов и выполнения инструкций в приложениях, где владелец задаёт системный промпт и самостоятельно определяет стиль и правила ответов. Авторы позиционируют её как менее ограниченную настройками поведения, чем обычные коммерческие чат-модели, и сообщают, что она используется как модель Venice Uncensored. В карточке указан стандартный шаблон чата Mistral; авторы рекомендуют низкую температуру генерации, например 0,15. Модель принимает текст и генерирует текст. README не сообщает поддерживаемые естественные языки и длину контекста. Репозиторий распространяется по лицензии Apache-2.0. Модель ориентирована на управляемое поведение, однако её следование инструкциям зависит от системного промпта и параметров генерации; заявленная сниженная цензура означает, что ответы могут включать потенциально вредный или неподходящий контент.

Карточка модели Mafasasa/Dolphin-Mistral-24B-Venice-Edition на Hugging Face совпадает с карточкой dphn/Dolphin-Mistral-24B-Venice-Edition, поэтому описание составлено по ней. Dolphin Mistral 24B Venice Edition — разговорная модель общего назначения, созданная в совместном проекте Dolphin и Venice.ai на основе Mistral-Small-24B-Instruct-2501. Это плотная модель семейства Mistral 3 с 24 млрд параметров, представленная в формате safetensors и рассчитанная на работу через Transformers; для развёртывания авторы рекомендуют vLLM. Модель предназначена для диалогов и выполнения инструкций в приложениях, где владелец задаёт системный промпт и самостоятельно определяет стиль и правила ответов. Авторы позиционируют её как менее ограниченную настройками поведения, чем обычные коммерческие чат-модели, и сообщают, что она используется как модель Venice Uncensored. В карточке указан стандартный шаблон чата Mistral; авторы рекомендуют низкую температуру генерации, например 0,15. Модель принимает текст и генерирует текст. README не сообщает поддерживаемые естественные языки и длину контекста. Репозиторий распространяется по лицензии Apache-2.0. Модель ориентирована на управляемое поведение, однако её следование инструкциям зависит от системного промпта и параметров генерации; заявленная сниженная цензура означает, что ответы могут включать потенциально вредный или неподходящий контент.

Карточка модели tiondoubl/Dolphin-Mistral-24B-Venice-Edition на Hugging Face совпадает с карточкой dphn/Dolphin-Mistral-24B-Venice-Edition, поэтому описание составлено по ней. Dolphin Mistral 24B Venice Edition — разговорная модель общего назначения, созданная в совместном проекте Dolphin и Venice.ai на основе Mistral-Small-24B-Instruct-2501. Это плотная модель семейства Mistral 3 с 24 млрд параметров, представленная в формате safetensors и рассчитанная на работу через Transformers; для развёртывания авторы рекомендуют vLLM. Модель предназначена для диалогов и выполнения инструкций в приложениях, где владелец задаёт системный промпт и самостоятельно определяет стиль и правила ответов. Авторы позиционируют её как менее ограниченную настройками поведения, чем обычные коммерческие чат-модели, и сообщают, что она используется как модель Venice Uncensored. В карточке указан стандартный шаблон чата Mistral; авторы рекомендуют низкую температуру генерации, например 0,15. Модель принимает текст и генерирует текст. README не сообщает поддерживаемые естественные языки и длину контекста. Репозиторий распространяется по лицензии Apache-2.0. Модель ориентирована на управляемое поведение, однако её следование инструкциям зависит от системного промпта и параметров генерации; заявленная сниженная цензура означает, что ответы могут включать потенциально вредный или неподходящий контент.

Карточка модели TMA-1/Dolphin-Mistral-24B-Venice-Edition на Hugging Face совпадает с карточкой dphn/Dolphin-Mistral-24B-Venice-Edition, поэтому описание составлено по ней. Dolphin Mistral 24B Venice Edition — разговорная модель общего назначения, созданная в совместном проекте Dolphin и Venice.ai на основе Mistral-Small-24B-Instruct-2501. Это плотная модель семейства Mistral 3 с 24 млрд параметров, представленная в формате safetensors и рассчитанная на работу через Transformers; для развёртывания авторы рекомендуют vLLM. Модель предназначена для диалогов и выполнения инструкций в приложениях, где владелец задаёт системный промпт и самостоятельно определяет стиль и правила ответов. Авторы позиционируют её как менее ограниченную настройками поведения, чем обычные коммерческие чат-модели, и сообщают, что она используется как модель Venice Uncensored. В карточке указан стандартный шаблон чата Mistral; авторы рекомендуют низкую температуру генерации, например 0,15. Модель принимает текст и генерирует текст. README не сообщает поддерживаемые естественные языки и длину контекста. Репозиторий распространяется по лицензии Apache-2.0. Модель ориентирована на управляемое поведение, однако её следование инструкциям зависит от системного промпта и параметров генерации; заявленная сниженная цензура означает, что ответы могут включать потенциально вредный или неподходящий контент.

Dolphin-Mistral-GLM-4.7-Flash-24B-Venice-Edition-Thinking-Uncensored — дообученная DavidAU текстовая чат-модель на базе dphn/Dolphin-Mistral-24B-Venice-Edition. Автор описывает её как преобразование instruct-модели в вариант с режимом рассуждения: для обучения использован датасет TeichAI/glm-4.7-2000x и Unsloth. Это плотная Mistral-модель с архитектурой MistralForCausalLM, 23,4 млрд параметров и контекстом 32 768 токенов. Модель предназначена для диалогов, генерации развёрнутых ответов и творческого письма, включая рассказы, сцены и ролевые сценарии; README также заявляет генерацию рассуждений и сохранение функций базовой модели. Указаны английский и китайский языки. Автор подчёркивает отсутствие встроенных ограничений на генерируемый контент, поэтому результаты могут включать ненормативную лексику и материалы для взрослой аудитории. Модель распространяется по лицензии Apache-2.0.

Dorna-Llama3-8B-Instruct — диалоговая модель семейства Dorna, разработанная Part AI на основе Meta Llama 3 Instruct и дообученная на персоязычных данных. Это декодерная модель с 8 млрд параметров для генерации ответов и ведения диалога; поддерживает персидский и английский языки. Модель предназначена для ответов на вопросы, генерации кода и длинных ответов, математических задач, работы с новостными вопросами, перефразирования, общих знаний и суммаризации. В README приведены результаты человеческой и автоматической оценки на этих категориях, однако они не гарантируют качество для каждого запроса. Для запуска описан сценарий инференса через Transformers Auto и функцию generate(). Модель распространяется по лицензии Llama 3 (llama3); перед использованием следует учитывать её условия.

dots.llm1.inst — инструктивная версия языковой модели dots.llm1 от команды dots-studio. Это разреженная MoE-модель с 142 млрд параметров, из которых при генерации активируются 14 млрд. Архитектура включает 62 слоя, multi-head attention с QK-Norm и маршрутизацию к 6 из 128 экспертов, а также два общих эксперта. Модель принимает текст и поддерживает контекст до 32 768 токенов. Модель предназначена для диалогов, ответов на запросы и генерации или продолжения текста на английском и китайском языках. В README описаны этапы предварительного обучения и дообучения с учителем; репозиторий содержит вариант instruction-tuned. Указанная лицензия — MIT. Сведения о качестве в конкретных задачах в доступной карточке не приведены.

Dream-org_Dream-v0-Instruct-7B-GGUF — это набор квантизированных GGUF-версий модели Dream-v0-Instruct-7B, разработанной Dream-org и подготовленной пользователем bartowski. Модель предназначена для генерации текста и выполнения инструкций, а запускать её можно через llama.cpp, LM Studio и другие проекты на базе llama.cpp. В набор входят варианты с исходной точностью bf16 и несколькими уровнями квантизации: от Q8_0 до Q2_K_L, включая семейства Q4, Q5, Q6, Q3 и IQ. Размер файлов составляет примерно от 3,55 до 15,24 ГБ, что позволяет выбирать баланс между качеством ответа и требованиями к оперативной памяти. Квантизация выполнена с использованием imatrix на базе llama.cpp, релиз b5915. Поддерживается формат диалога с ролями system, user и assistant через специальные токены im_start и im_end. Сильной стороной набора является широкий выбор вариантов для локального запуска: версии Q6 и Q5 ориентированы на высокое качество, Q4 подходят для большинства сценариев, а Q3 и Q2 рассчитаны на системы с ограниченным объёмом памяти. Более сильное сжатие снижает требования к ресурсам, но может ухудшать качество генерации. В README не указаны архитектурные детали базовой модели, поддерживаемые языки, размер контекстного окна и лицензия, поэтому эти характеристики нельзя достоверно определить по представленным данным.

Bill435/Drjajsufhfh — мультимодальная модель на базе Qwen3.6-27B-Fable-Fusion-711, опубликованная в формате GGUF. Она создана в рамках совместной работы автора репозитория с участниками Nightmedia, TeichAI, armand0e и trohrbaugh с использованием многоэтапного дообучения, нескольких слияний моделей и Unsloth. В README также указаны датасеты DavidAU/Polar-STRICT-Datasets и DavidAU/F451-STRICT-Datasets. Модель распространяется по лицензии Apache-2.0. Модель предназначена для широкого круга задач: следования инструкциям, решения задач, рассуждений, программирования, творческого письма, создания историй, ролевых сценариев и других универсальных применений. Заявлена поддержка работы с текстом и изображениями, а также языков английского и китайского. Доступны обычные и MTP-варианты GGUF-квантования; используются NEO IMATRIX-кванты, а выходной тензор в них частично сохранён в 16-битной точности. Указан размер базовой модели 27B, однако размер контекстного окна в README не приведён. К сильным сторонам относятся улучшенное следование инструкциям, общее решение задач, рассуждения и, по заявлениям авторов, высокие результаты на ряде бенчмарков даже в 4- и 8-битных вариантах. Формат GGUF и ориентация на потребительское оборудование упрощают локальный запуск, но точные требования к памяти и производительности зависят от выбранного кванта. Модель помечена как uncensored и heretic, поэтому её защитные ограничения могут быть ослаблены; заявленные показатели производительности основаны на описании авторов и не подтверждены независимыми данными в представленном README.

DRT-o1-7B-GGUF — это набор GGUF-квантизаций базовой модели Krystalan/DRT-o1-7B, подготовленный bartowski с использованием llama.cpp и метода imatrix. Модель относится к классу text-generation и предназначена для диалогов, генерации текста и задач машинного перевода. В README указана поддержка английского и китайского языков, а также формат чата с ролями system, user и assistant. Модель имеет размер 7B параметров; точные сведения об архитектуре и размере контекста не указаны. Доступны варианты от F16 до низкобитных IQ- и Q-квантизаций объёмом примерно от 2,78 до 15,24 ГБ. Более высокие варианты, включая Q6_K_L, Q6_K, Q5 и Q4, сохраняют лучшее качество, тогда как Q3 и Q2 требуют меньше оперативной памяти, но заметно уступают по качеству. Файлы предназначены для запуска через llama.cpp и совместимых приложений, включая LM Studio. Основные преимущества — широкий выбор компромиссов между качеством и требованиями к памяти, а также оптимизация imatrix-квантизаций. Ограничения включают отсутствие в README подробных результатов оценки, сведений о контекстном окне, мультимодальности и точной архитектуре; заявленные языки ограничены английским и китайским. Распространение осуществляется по лицензии CC BY-NC-SA 4.0, которая ограничивает коммерческое использование и требует соблюдения условий лицензии.

Qwen3.6-27B-Uncensored-HauhauCS-Aggressive — модификация базовой модели Qwen3.6-27B, разработанная HauhauCS. Это мультимодальная модель для работы с текстом, изображениями и видео, представленная в формате GGUF и предназначенная для запуска в llama.cpp, LM Studio и других совместимых средах. Она ориентирована на агентное программирование, использование инструментов, рассуждения, творческое письмо и ролевые сценарии, а версия Aggressive специально настроена на прямые ответы без предварительных оговорок на жёсткие запросы. README заявляет отсутствие отказов в тесте из 465 запросов, однако это утверждение следует считать характеристикой автора сборки, а не независимой гарантией поведения модели. Модель содержит 27 млрд плотных параметров, 64 слоя и гибридную архитектуру с 48 слоями линейного внимания Gated DeltaNet и 16 слоями полноценного Gated Attention. Нативный контекст составляет 262 тыс. токенов и может быть расширен примерно до 1 млн с помощью YaRN. Указана поддержка английского, китайского и других языков, а также встроенная мультимодальность; для обработки визуальных данных поставляется отдельный компонент mmproj. Доступны квантизированные варианты от Q8 до Q2, включая специализированные K_P-квантизации, оптимизированные для сохранения качества. Сильными сторонами являются большой контекст, поддержка текста, изображений и видео, широкий выбор вариантов квантизации и отсутствие изменений в заявленных исходных возможностях Qwen3.6-27B. Ограничение версии Aggressive — менее сдержанная манера поведения и отсутствие защитных отказов, что повышает риски при использовании. Модель распространяется по лицензии Apache-2.0; сведения о требованиях к аппаратному обеспечению в README не приведены, но размер файлов квантизаций составляет примерно от 10 до 32 ГБ, не считая mmproj размером 928 МБ.

ylalain/ECE-PRYMMAL-YL-1B-SLERP-V8 — языковая модель для генерации текста, опубликованная на Hugging Face в формате safetensors и предназначенная для использования с библиотекой Transformers. Она построена на плотной архитектуре Qwen2 с примерно 1,4 млрд параметров и контекстом до 131 072 токенов. Модель создана слиянием Youlln/ECE-PRYMMAL-YL-1B-SLERP-V1; метаданные также указывают возможности чата и интерфейс вызова инструментов. Модель подходит для диалоговой генерации и других задач продолжения текста. README содержит лишь автоматически созданное описание и фрагмент результатов Open LLM Leaderboard, поэтому конкретные сильные стороны, обучение, поддерживаемые языки и рекомендации по применению установить по карточке нельзя. Лицензия — Apache-2.0.

Edge0-8B-A1B-preview — языковая модель класса 8B со sparse Mixture-of-Experts, разработанная командой Edge0-AI на базе inclusionAI Ling 3.0 tiny. Модель предназначена для генерации текста, многоязычного чата и задач рассуждения на устройствах с ограниченной памятью, включая edge-устройства, телефоны и локальное пакетное обслуживание. Поддерживает режим рассуждения через чат-шаблон. Модель содержит около 7,9 млрд параметров, из которых примерно 1,2 млрд активны для каждого токена. Архитектура включает 24 слоя, 128 экспертов с активацией 8 экспертов на токен, hidden size 1536 и контекст до 128k токенов. Используется 4-битная квантизация, а комплект поставки включает базовый checkpoint, Recover-LoRA и prerouter-адаптеры. Благодаря потоковой подгрузке экспертных весов с SSD и предсказанию маршрутизации заявлены пиковое активное потребление памяти около 1 ГиБ и скорость декодирования 23,9–25,3 токена/с на Mac mini M4 Pro. Модель сохраняет близкое к FP16-базе качество после квантизации: средний результат в приведённых тестах OpenCompass составляет 69,9 против 72,7 у базовой модели, при этом на MMLU-Pro результат выше базового. Ограничения включают статус раннего preview-релиза, слабую оптимизацию для агентских сценариев, инструментального использования и многошагового планирования, а также преимущественную настройку под языки базовой модели. MLX-бэкенд в текущей версии ориентирован на Apple Silicon. Модель распространяется по лицензии Apache 2.0 и рассчитана на использование с фреймворком edge0.

ragbox/EEVE-Ko-8B-Instruct-hr_250124_ver1 — чат-модель на архитектуре Llama, разработанная ragbox и дообученная на yanolja/EEVE-Korean-10.8B-v1.0 с использованием Unsloth и TRL. Она предназначена для генерации текста в диалоговом формате. Модель содержит 10,6 млрд параметров, принимает текст и выдаёт текст; максимальная длина контекста составляет 4096 токенов. В метаданных и карточке указаны английский язык и корейская базовая модель; отдельные сведения о качестве ответов на конкретных языках или специализированных областях не приведены. Модель распространяется по лицензии Apache-2.0.

AlSamCur123/ElmerContinuedFine — текстовая модель генерации на архитектуре Llama, разработанная AlSamCur123 и дообученная на Undi95/Emerhyst-20B с использованием Unsloth и Hugging Face TRL. Модель содержит 19,8 млрд параметров и поддерживает контекст до 32 000 токенов. Она предназначена для генерации текста; базовая модель ориентирована на инструкции и ролевые диалоги, включая контент для взрослых. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Карточка не приводит отдельных результатов оценки качества или подробностей о данных дообучения.