I.5Создание и редактирование текста

ECE-ILAB-Yi1.5-6B-SLERP — плотная языковая модель для генерации текста и диалогов, полученная автором путём слияния моделей 01-ai/Yi-1.5-6B и 01-ai/Yi-1.5-6B-Chat методом SLERP с помощью mergekit. Она содержит 5,8 млрд параметров, использует архитектуру семейства Llama и поддерживает контекст до 4096 токенов. Модель рассчитана на текстовые запросы и ответы, включая чатовые сценарии. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0.

ECE-TW3-JRGL-V2 — чат-модель объёмом 71 млрд параметров, созданная слиянием моделей Qwen/Qwen1.5-72B-Chat и vilm/Quyen-Pro-Max-v0.1 с помощью mergekit. Она предназначена для диалогов и генерации текста, включая ответы на запросы в формате чата. Модель построена на плотной архитектуре Qwen2 и принимает текст, выдавая текст; длина контекста составляет до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0.

ECE-TW3-JRGL-V3 — языковая модель на архитектуре Llama, созданная объединением моделей Tess-72B-v1.5b и Smaug-72B-v0.1 с помощью mergekit. Она предназначена для генерации текста, диалогов и ответов на вопросы, а также для общих сценариев работы с текстом. Модель содержит 71 млрд параметров и поддерживает контекст до 32 768 токенов. Модель принимает и генерирует текст. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Данные карточки не описывают отдельные ограничения или целевые языки модели.

Einstein-4D-MoE-2x7b-test — языковая модель генерации текста на архитектуре Mixtral MoE, созданная mvpmaster объединением двух моделей с помощью LazyMergekit. Она предназначена для генерации продолжений текста и ответов в сценариях, где требуется текстовая языковая модель. В карточке указаны 7,1 млрд параметров и контекст до 32 768 токенов; модель опубликована в формате safetensors. Модель создана на основе mvpmaster/pmmpk-EinstainMorcoro14KrishnaHercules-7b-slerp и mvpmaster/kellemar-KrishnaHercules-0.1-7b-slerp. Репозиторий распространяется по лицензии Apache-2.0. README не описывает целевые языки или специализированные области применения, поэтому их нельзя надёжно определить по предоставленным данным.

jaspionjader/ek-4 — слитая автором jaspionjader языковая модель для генерации текста и диалогов. Она создана методом Model Stock с помощью mergekit на основе jaspionjader/ek-1 с включением jaspionjader/ek-3 и jaspionjader/Kosmos-EVAA-Franken-stock-v42-8B. Модель построена на плотной архитектуре Llama и содержит 7,5 млрд параметров. Она принимает текст и генерирует текст, поддерживает диалоговый режим и контекст до 131 072 токенов. Репозиторий содержит веса в формате safetensors; для работы предусмотрена библиотека Transformers. Лицензия в предоставленных данных не приведена.

Elysium2.1-11b — объединённая модель для генерации текста, созданная powermove72 с помощью LazyMergekit. При слиянии методом passthrough использованы слои 0–24 модели powermove72/Trinity_Notus-xb и слои 25–49 модели powermove72/GreenScorpius-xb-Passthrough. Модель построена на плотной архитектуре Mistral с 11 млрд параметров и контекстом до 32 768 токенов. Она предназначена для генерации текста и диалоговых ответов на входные текстовые запросы. Репозиторий содержит веса в формате Safetensors; в конфигурации слияния указан тип bfloat16. Лицензия в предоставленных данных не указана.

Elysium-Omni-Itt-11b — объединённая модель для генерации текста, созданная powermove72 с помощью LazyMergekit из powermove72/GreenScorpius2-xb и powermove72/Trinity_Notus2-xb. В линейном слиянии использованы веса 0,7 и 0,3 соответственно, а токенизатор собран из обоих источников. Модель основана на плотной архитектуре Mistral с причинной языковой моделью и содержит 11 млрд параметров; нативная длина контекста — 32 768 токенов. Модель предназначена для генерации текста и диалоговых ответов. В репозитории указаны веса в формате safetensors и тип данных float16. Дата публикации — 11 июня 2024 года. Лицензия в доступных данных не указана.

ERNIE-4.5-300B-A47B-PT-GGUF — текстовая MoE-модель, разработанная Baidu в рамках семейства ERNIE 4.5. Она предназначена для понимания и генерации текста, включая диалоговые сценарии, создание контента и другие задачи общего назначения. Модель основана на предварительно обученной версии ERNIE-4.5-300B-A47B-PT и представлена в формате GGUF. Модель содержит 300 млрд параметров, из которых для каждого токена активируется 47 млрд. Архитектура включает 54 слоя, 64 attention heads для запросов и 8 для ключей и значений, а также MoE-компоненты с 64 экспертами, из которых активируются 8. Максимальная длина контекста составляет 131 072 токена. В README указана поддержка английского и китайского языков. Хотя семейство ERNIE 4.5 обучалось с учётом текстовой и визуальной модальностей, данная версия обозначена как текстовая и не предназначена для обработки изображений. Сильными сторонами модели являются большой контекст, высокая общая ёмкость параметров и вычислительная эффективность MoE за счёт активации только части параметров для каждого токена. Основные ограничения — значительные требования к вычислительным ресурсам и отсутствие заявленной мультимодальности в этой текстовой версии; конкретные характеристики квантования GGUF в README не приведены. Модель распространяется по лицензии Apache 2.0.

ERNIE-4.5-300B-A47B-W4A8C8-TP4-Paddle — текстовая MoE-модель семейства ERNIE 4.5, разработанная Baidu и распространяемая с весами для PaddlePaddle. Репозиторий содержит вариант W4A8C8 с 4-битными и 8-битными весами; в карточке указаны 47,1 млрд параметров, а README описывает семейство как модель с 300 млрд параметров всего и 47 млрд активируемых на токен. Архитектура включает 54 слоя и 64 текстовых эксперта, из которых активируются 8. Модель предназначена для диалогов, генерации текста и общего языкового понимания. Семейство ERNIE 4.5 обучалось на текстовых и визуальных данных, однако именно этот вариант обозначен как текстовая модель. Поддерживает английский и китайский языки; контекстное окно — 131072 токена. Для запуска предназначены PaddlePaddle и FastDeploy. Модель выпущена под лицензией Apache-2.0. Возможности и качество зависят от аппаратных ресурсов и настроек развёртывания; README приводит пример конфигурации FastDeploy с ограничением длины ввода 32768 токенов.

Eukaryote-8x7B-bf16 — языковая модель Kquant03, собранная как «frankenMoE» из нескольких моделей семейства 7B. В карточке перечислены Kunoichi-DPO-v2-7B, distilabeled-Marcoro14-7B-slerp, NexoNimbus-7B, NeuralDaredevil-7B, garten2-7b и Lelantos-DPO-7B; базовой моделью указана Kunoichi-DPO-v2-7B. Архитектура — Mixtral-подобная смесь экспертов (MoE), задача — генерация текста. Метаданные указывают 7,1 млрд параметров, контекст 8192 токена и формат safetensors. Модель предназначена для генерации текста и диалогового применения. Автор сообщает, что она в среднем превзошла Mixtral Instruct и Nous-Hermes-2-Mixtral-8x7B-DPO в оценках Open LLM Evaluations. Карточка не приводит подробностей об этих измерениях, поэтому результат следует считать заявлением автора. Для MoE сохраняется высокая потребность в памяти: при инференсе нужно загрузить веса всех экспертов, хотя для каждого токена вычисляется только часть модели. Модель выпущена по лицензии Apache-2.0.

EuroLLM-9B-2512 — многоязычная языковая модель на 8,6 млрд параметров, разработанная Instituto Superior Técnico — University of Lisbon, Instituto de Telecomunicações, University of Edinburgh и партнёрами при финансировании Европейского союза. Это улучшенная версия utter-project/EuroLLM-9B, дополненная этапом расширения контекста из EuroLLM-22B. Модель использует плотную архитектуру Llama и библиотеку Transformers; доступна в формате Safetensors. Модель предназначена для генерации текста на 35 языках, включая русский, английский, основные европейские языки, арабский, китайский, хинди, японский и корейский. Контекстное окно составляет 32 768 токенов. Она подходит для многоязычного диалога, написания и продолжения текстов, а также генерации ответов на запросы. Модель не выровнена по предпочтениям людей и может галлюцинировать, выдавать ложные утверждения или проблемный контент. Лицензия — Apache License 2.0.

nbeerbower представил слитую модель EVA-Rombos1-Qwen2.5-32B-lorablated на архитектуре Qwen2.5, предназначенную для генерации текста и диалогов. Модель содержит 32 млрд параметров, использует плотную архитектуру Qwen2ForCausalLM и поддерживает контекст до 131 072 токенов. Модель создана методом task arithmetic с помощью mergekit из nbeerbower/EVA-Rombos1-Qwen2.5-32B и nbeerbower/Qwen2.5-32B-abliterated-LORA. Она рассчитана на текстовые запросы и выдаёт текст; метаданные также отмечают интерфейс для вызова инструментов. Репозиторий содержит веса Safetensors, лицензия — Apache-2.0. Язык карточкой не уточнён.

EXAONE-4.0-32B-GGUF — квантизированная версия языковой модели EXAONE 4.0 от LG AI Research. Модель предназначена для генерации текста, диалоговых приложений, агентного использования инструментов и задач, требующих рассуждений. Она поддерживает два режима: Non-reasoning для повседневного взаимодействия и Reasoning для более сложных задач. Заявлена поддержка английского, корейского и испанского языков. Модель содержит около 30,95 млрд параметров без учёта эмбеддингов, 64 слоя и использует GQA с 40 attention heads и 8 KV heads. Контекстное окно составляет 131 072 токена, размер словаря — 102 400. Архитектура включает гибридное внимание: local attention и global attention в соотношении 3:1, а также QK-Reorder-Norm. Репозиторий распространяет веса в формате GGUF с вариантами квантизации Q8_0, Q6_K, Q5_K_M, Q4_K_M и IQ4_XS; также доступны веса BF16. Модель официально поддерживается llama.cpp и может запускаться локально или через OpenAI-совместимый сервер. Сильными сторонами являются сочетание обычного и рассуждающего режимов, большой контекст, мультиязычность, поддержка агентных сценариев и несколько вариантов квантизации для выбора между качеством и требованиями к ресурсам. Ограничениями являются значительный размер 32B, высокие требования к памяти и вычислениям, а также необходимость учитывать особенности интеграции с llama.cpp и применения соответствующего chat template. Лицензия обозначена как exaone; точные условия следует уточнять в файле LICENSE.

Mungert/EXAONE-4.0-32B-GGUF — GGUF-квантизированная версия языковой модели EXAONE-4.0-32B, разработанной LG AI Research. Модель предназначена для генерации текста, диалоговых приложений, решения сложных задач и агентских сценариев с использованием инструментов. Она поддерживает обычный режим работы и режим рассуждений, а также английский, корейский и испанский языки. Модель содержит около 30,95 млрд параметров без учёта эмбеддингов, 64 слоя, архитектуру GQA с 40 attention-головами и 8 KV-головами, словарь размером 102 400 токенов и контекст до 131 072 токенов. Архитектура использует гибридное внимание: локальное и глобальное внимание в соотношении 3:1, а также QK-Reorder-Norm. Включение режима рассуждений выполняется через параметр enable_thinking. Данный вариант подготовлен с помощью llama.cpp и использует GGUF-квантизацию; автор сборки применяет дополнительное повышение точности отдельных важных слоёв, что может улучшать качество при низкой разрядности ценой увеличения размера файла. Сильными сторонами являются большой контекст, мультиязычность, сочетание обычного и reasoning-режимов, а также возможность локального запуска через экосистему llama.cpp. Ограничения конкретного варианта зависят от выбранного уровня квантизации и аппаратных ресурсов; README не содержит точных характеристик каждой квантованной сборки и результатов сравнительных тестов. Модель распространяется по лицензии EXAONE, обозначенной как other; подробные условия указаны в файле LICENSE.

Experiment26M7-7B — текстовая модель семейства Mistral с 7,1 млрд параметров, созданная Maxime Labonne автоматическим слиянием моделей. В конфигурации merge использован метод DARE-TIES с моделями yam-peleg/Experiment26-7B и liminerity/M7-7b; метаданные указывают liminerity/M7-7b как базовую модель и отмечают производность типа finetune. Модель рассчитана на генерацию текста и диалоговое взаимодействие, имеет контекст до 32 768 токенов и распространяется в формате safetensors. Модель может применяться для генерации продолжений текста и ведения диалога. Карточка не приводит сведений о специализированной предметной области или поддерживаемых языках. Лицензия — Apache-2.0.

Experiment26Neuralsirkrishna-7B — объединённая текстовая модель на архитектуре Mistral с 7,1 млрд параметров, созданная автоматически по конфигурации Maxime Labonne. В слиянии использованы yam-peleg/Experiment26-7B и Kukedlc/NeuralSirKrishna-7b; применён метод dare_ties с параметрами плотности 0,53 и веса 0,6 для второй модели. Модель предназначена для генерации текста и диалогов, принимает текстовые запросы и формирует текстовые ответы. Размер контекста — до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает целевые языки и специализированные области применения.

Experiment26Neuralsirkrishna_Ognoexperiment27M7 — объединённая языковая модель на архитектуре Mistral с 7,1 млрд параметров. Она создана слиянием моделей automerger/Experiment26Neuralsirkrishna-7B и automerger/Ognoexperiment27M7-7B и предназначена для генерации текста и диалогов. Модель принимает текст и генерирует текст; размер её контекста составляет до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. Данных о специальных предметных областях и подтверждённых ограничениях качества в карточке нет.

Experiment26Neuralsirkrishna_Ognoexperiment27Multi_verse_model — объединённая модель для генерации текста, созданная MaziyarPanahi на основе двух моделей: automerger/Experiment26Neuralsirkrishna-7B и automerger/Ognoexperiment27Multi_verse_model-7B. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации продолжений текста и других сценариев, поддерживаемых задачей text-generation. Веса доступны в формате Safetensors. Модель распространяется по лицензии Apache-2.0.

Experiment26T3qm7xp_Inex12Strangemerges_32 — объединённая модель MaziyarPanahi на архитектуре Mistral с 7,1 млрд параметров. Она предназначена для генерации текста и принимает запросы на естественном языке, выдавая текстовые продолжения или ответы. Модель рассчитана на контекст до 32 768 токенов и распространяется в формате Safetensors. Веса получены слиянием automerger/Experiment26T3qm7xp-7B и automerger/Inex12Strangemerges_32-7B. Лицензия — Apache-2.0. В карточке не приведены сведения о специализированных областях или языках модели.

Experiment26Yam-7B — объединённая модель для генерации текста, созданная Maxime Labonne с помощью автоматизированного слияния моделей. В конфигурации использован метод dare_ties с моделями rwitz/experiment26-truthy-iter-0 и mayacinka/yam-jom-7B; метаданные каталога указывают mayacinka/yam-jom-7B как базовую модель и отмечают дообучение. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Она предназначена для генерации текста по текстовому запросу. Репозиторий использует формат safetensors; модель распространяется по лицензии Apache-2.0.

Experiment26Yam_Experiment24Ognoexperiment27 — объединённая модель на базе двух моделей Mistral, разработанная авторами исходных моделей automerger/Experiment26Yam-7B и automerger/Experiment24Ognoexperiment27-7B. Она предназначена для генерации текста и может использоваться в приложениях, где требуется продолжение текста или ответы в текстовом формате. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате safetensors. Модель распространяется по лицензии Apache-2.0.

Experiment26Yam_Experiment27Experiment28 — объединённая языковая модель семейства Mistral, созданная на основе automerger/Experiment26Yam-7B и automerger/Experiment27Experiment28-7B. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и распространяется в формате safetensors. Модель предназначена для генерации текста и принимает текстовые запросы, формируя текстовые ответы. Максимальная длина контекста составляет 32 768 токенов. В карточке не описаны специализация по языкам или прикладным областям, а также сравнительное качество модели. Лицензия — Apache-2.0.

MaziyarPanahi/Experiment26Yam_Experiment28Experiment29 — объединённая модель генерации текста на архитектуре Mistral, созданная слиянием automerger/Experiment26Yam-7B и automerger/Experiment28Experiment29-7B. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и работы с длинными текстовыми запросами в сценариях, поддерживаемых базовыми моделями. Карточка не описывает специализированную предметную область или дополнительные возможности. Репозиторий содержит веса в формате Safetensors; лицензия — Apache-2.0.

Experiment26Yam_Experiment28Inex12 — объединённая модель генерации текста на архитектуре Mistral, созданная путём слияния automerger/Experiment26Yam-7B и automerger/Experiment28Inex12-7B. Она содержит 7,1 млрд параметров и принимает контекст длиной до 32 768 токенов. Модель предназначена для генерации текста по запросу: её можно использовать для диалога, написания черновиков и продолжения заданного текста. В карточке указана лицензия Apache-2.0. Сведения о специализированной области применения и конкретных ограничениях качества не приведены.

MaziyarPanahi/Experiment26Yam_OgnoExperiment27 — слитая текстовая модель на базе двух моделей: automerger/Experiment26Yam-7B и automerger/OgnoExperiment27-7B. Она предназначена для генерации текста и диалогов. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате safetensors. Лицензия — Apache-2.0.

Experiment26Yamshadow_CalmeInex12 — объединённая языковая модель на базе архитектуры Mistral, созданная слиянием automerger/Experiment26Yamshadow-7B и automerger/CalmeInex12-7B. Модель содержит 7,1 млрд параметров и принимает текст для авторегрессионной генерации текста. Она подходит для генерации продолжений, черновиков и ответов на текстовые запросы. Контекстное окно составляет до 32 768 токенов. В репозитории указана лицензия Apache-2.0. Данных о специализации на конкретном языке или предметной области нет.

Experiment26Yamshadow_Experiment24Experiment28 — объединённая модель для генерации текста, созданная на основе automerger/Experiment26Yamshadow-7B и automerger/Experiment24Experiment28-7B. В карточке она представлена как Mistral с плотной архитектурой MistralForCausalLM и 7,1 млрд параметров. Модель предназначена для генерации текста с контекстом до 32 768 токенов. Данные не описывают её специализацию, поддерживаемые естественные языки или сценарии помимо генерации текста. Распространяется в формате Safetensors по лицензии Apache-2.0.

Experiment26Yamshadow_Experiment24Inex12 — объединённая модель семейства Mistral, созданная из automerger/Experiment26Yamshadow-7B и automerger/Experiment24Inex12-7B. Она предназначена для генерации текста и может использоваться в приложениях, которым нужна языковая модель общего назначения. Модель имеет плотную архитектуру MistralForCausalLM и 7,1 млрд параметров. Контекст составляет до 32 768 токенов; веса опубликованы в формате safetensors. Репозиторий распространяется по лицензии Apache-2.0. Карточка не описывает отдельные специализации или подтверждённые языковые предпочтения модели.

Experiment26Yamshadow_Experiment26Experiment24 — объединённая языковая модель, созданная на основе automerger/Experiment26Yamshadow-7B и automerger/Experiment26Experiment24-7B. Модель построена на архитектуре Mistral с плотной сетью и содержит 7,1 млрд параметров. Она предназначена для генерации текста и поддерживает контекст до 32 768 токенов, что позволяет работать с длинными входными текстами. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0.

Experiment26Yamshadow_Experiment28Inex12 — объединённая модель на архитектуре Mistral, созданная из automerger/Experiment26Yamshadow-7B и automerger/Experiment28Inex12-7B. Она предназначена для генерации текста и поддерживает контекст до 32 768 токенов; размер модели составляет 7,1 млрд параметров. Модель может использоваться для генерации продолжений и ответов на текстовые запросы. Веса опубликованы в формате safetensors. Лицензия — Apache-2.0.