I.5Создание и редактирование текста

MixtureofMerges-MoE-2x7b-v7 — языковая модель с архитектурой Mixture of Experts (MoE), созданная автором jsfs11 с помощью LazyMergekit путём объединения Gille/StrangeMerges_32-7B-slerp и mlabonne/AlphaMonarch-7B. Модель предназначена для генерации текста и может применяться для диалогов, ответов на вопросы, следования инструкциям и рассуждений. Модель содержит 7,1 млрд параметров, использует архитектуру Mixtral и поддерживает контекст до 32 768 токенов. В README приведены результаты оценивания на бенчмарках рассуждений и здравого смысла. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0.

Это GGUF-представление Qwen2.5-72B-Instruct в формате BF16, опубликованное featherless-ai-quants на основе модели mlx-community/Qwen2.5-72B-Instruct-bf16. Репозиторий содержит несколько вариантов квантования, включая IQ4_XS, Q2_K и Q3_K_L; README также описывает возможность запуска моделей через хостинг Featherless AI. Модель предназначена для диалоговой генерации текста. Её можно использовать для ответов на вопросы, подготовки текстов и ведения чата. Размер исходной модели — 72 млрд параметров. Данные не уточняют поддерживаемые языки и длину контекста. Доступны варианты с разным уровнем квантования и размером файлов, поэтому требования к ресурсам и качество могут различаться. Условия лицензии в предоставленных источниках не описаны.

Это набор файлов модели Qwen3-8B-bf16 в формате GGUF, подготовленный сообществом mlx-community при поддержке TensorBlock. Репозиторий содержит варианты с разными уровнями квантования и совместим с llama.cpp начиная с коммита b5753; метаданные также указывают библиотеку MLX. Для диалога используется шаблон с сообщениями system, user и assistant. Модель предназначена для генерации текста и диалогов. Её можно применять для ответов на вопросы, написания черновиков и помощи с кодом. Варианты квантования отличаются размером и качеством: README предупреждает о значительной потере качества у самых компактных вариантов Q2_K и Q3_K. Указана лицензия Apache-2.0.

Inferor 0.1 — текстовая генеративная модель на 12,1 млрд параметров, созданная Infermatic объединением нескольких языковых моделей методом Model Stock с помощью mergekit. В качестве основы использована mistralai/Mistral-Nemo-Instruct-2407; в объединение также вошли MN-12b-Sunrose, Magnum v4 12B и Mistral-Nemo-Gutenberg-Doppel-12B-v2. Модель построена на архитектуре Mistral для Transformers, веса доступны в формате safetensors. Модель предназначена для диалогов и генерации текста по запросу. Заявленная длина контекста — 131 072 токена; метаданные также отмечают интерфейс вызова инструментов. Карточка не уточняет языковое покрытие, сравнительные результаты или рекомендуемые настройки для этой версии. Лицензия в предоставленных данных не указана.

mnma_qwen3.8_27b_nvfp4 — квантизированная версия языковой модели Qwen3.8-27B, разработанная Minima на основе посттренировочной квантизации. Модель предназначена для генерации текста, диалоговых сценариев, решения математических и экзаменационных задач, программирования и работы с длинным контекстом. Это текстовая модель без vision-компонента, сохраняющая поддерживающий рассуждения chat template. Все 496 линейных слоёв backbone, включая 48 слоёв Gated DeltaNet, 16 attention-слоёв и 64 MLP-слоя, переведены в формат NVFP4 W4A4 с размером группы 16. Embeddings, lm_head, conv1d, нормализации, A_log и dt_bias сохранены в BF16, а KV-cache использует откалиброванные статические FP8-масштабы. Заявлены существенное снижение потребления памяти и ускорение: 17,53 GiB против 50,13 GiB для BF16, 1154 против 621 токена в секунду при указанной нагрузке и время prefill 32K около 4,03 секунды против 6,90 секунды. Модель требует vLLM не ниже 0.27 и GPU с аппаратной поддержкой NVFP4, например NVIDIA Blackwell SM120. По приведённым измерениям качество в большинстве задач близко к BF16: результаты GSM8K и AIME'25 совпадают, а различия на MMLU-Pro, GPQA-Diamond и LiveCodeBench невелики. Ограничениями являются зависимость от совместимого оборудования и vLLM, а также некоторое ухудшение perplexity, особенно на контексте 4K; сравнение корректно только при одинаковых настройках обслуживания. Модель распространяется по лицензии Apache-2.0.

Mobius-RWKV-Chat-12B-128k-v4-HF — разговорная языковая модель TimeMobius на архитектуре RWKV v5.2, представленная в формате Hugging Face. Она построена на базе Mobius-mega-12B-128k-base и содержит 13,8 млрд параметров. Модель предназначена для генерации текста, письма, ролевых диалогов и некоторых сценариев RAG; автор рекомендует использовать несколько примеров в запросе, хотя работает и формат диалога User/Assistant. В карточке заявлена многоязычная поддержка и контекст до 128 тыс. токенов. Архитектура описана как смешанная state-based RNN, CNN и Transformer; для запуска в fp16 требуется около 24 ГБ видеопамяти. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0. README также упоминает запуск в int8 и nf4 с меньшими требованиями к памяти, но доступные метаданные не подтверждают наличие соответствующих квантованных файлов.

A1rboy/model — дообученная языковая модель, разработанная A1rboy на базе unsloth/DeepSeek-R1-Distill-Qwen-7B-unsloth-bnb-4bit. Она предназначена для генерации текста и диалоговых сценариев; в метаданных также отмечен интерфейс вызова инструментов. Модель использует плотную архитектуру Qwen2ForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 131 072 токенов. Для обучения применялись Unsloth и библиотека Hugging Face TRL. Карточка указывает английский язык. Модель принимает текст и генерирует текст. Она распространяется по лицензии Apache-2.0. Карточка не описывает специализированную область применения или отдельные ограничения качества.

MoEv4Config-TestWeightedTIES-7b — слитая языковая модель, созданная автором репозитория на основе Kukedlc/NeuTrixOmniBe-7B-model-remix, PetroGPT/WestSeverus-7B-DPO и vanillaOVO/supermario_v4 с помощью LazyMergekit. Это плотная модель архитектуры Mistral с 7,1 млрд параметров, предназначенная для генерации текста; длина контекста составляет до 32 768 токенов. Модель можно применять для диалогов, написания и продолжения текста, а также решения задач на рассуждение и понимание текста. В README приведены результаты Open LLM Leaderboard, включая средние 75,39, 71,59 на AI2 Reasoning Challenge и 88,19 на HellaSwag; эти оценки характеризуют конкретные тесты и не гарантируют качество на других задачах. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

MoEv4Config-TIESwithRescale-7b — слитая языковая модель, созданная с помощью LazyMergekit на основе Kukedlc/NeuTrixOmniBe-7B-model-remix, PetroGPT/WestSeverus-7B-DPO и vanillaOVO/supermario_v4. Это плотная модель архитектуры Mistral с 7,1 млрд параметров, предназначенная для генерации текста. Она поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors. Модель подходит для диалогов, составления и продолжения текстов, а также генерации ответов на запросы. README не описывает специализированные области применения или языки. Условия лицензирования в предоставленных данных не указаны.

MoNeuTrix-MoE-4x7B — текстовая генеративная модель с архитектурой Mixture of Experts на базе Mixtral, созданная CultriX с помощью LazyMergekit путём слияния четырёх моделей: CultriX/MonaTrix-v4, mlabonne/OmniTruthyBeagle-7B-v0, CultriX/MoNeuTrix-7B-v1 и paulml/OmniBeagleSquaredMBX-v3-7B. Модель предназначена для генерации текста; её размер составляет 7,1 млрд параметров, а контекст — до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель выпущена под лицензией Apache-2.0. В README не описаны специализированные области применения и языки.

Moonlight-16B-A3B — предобученная языковая модель Moonshot AI для генерации текста и диалогового общения. Она построена на архитектуре Mixture-of-Experts: содержит около 16 млрд параметров, из которых при генерации активируется около 3 млрд. В метаданных указаны 2,7 млрд параметров; README приводит округлённые значения 16B и 3B для общей и активируемой частей модели. Модель обучена на 5,7 трлн токенов с оптимизатором Muon и рассчитана на контекст до 8K токенов. Её можно использовать для диалоговых приложений, генерации и продолжения текста. Авторы сообщают о сравнительных результатах на бенчмарках и публикуют исследовательские чекпойнты; заявленные преимущества обучения относятся к их экспериментам и не гарантируют превосходства на любой прикладной задаче. Модель распространяется под лицензией MIT. Для работы авторы рекомендуют Python 3.10, PyTorch 2.1 или новее и Transformers 4.48.2.

DevQuasar/moonshotai.Kimi-K2-Instruct-BF16 — это версия в формате BF16 модели moonshotai/Kimi-K2-Instruct, подготовленная DevQuasar и опубликованная для генерации текста. Модель предназначена для диалогового взаимодействия и выполнения инструкций в сценариях, где требуется создавать или продолжать текстовые ответы. Модель содержит 37,9 млрд параметров и поддерживает контекст длиной до 131 072 токенов. В метаданных она классифицирована как text-generation и conversational; формат BF16 может быть удобен для запуска на совместимом оборудовании с поддержкой этого типа чисел. Данные о поддерживаемых естественных языках, архитектуре, лицензии и специализированных областях применения в предоставленных источниках отсутствуют.

Это BF16-версия модели Kimi-K2-Thinking, подготовленная автором DevQuasar-2 из исходной INT4-модели moonshotai/Kimi-K2-Thinking с помощью собственного скрипта деквантизации, вдохновлённого скриптом для DeepSeek V3. В метаданных архитектура обозначена как dense, с классом DeepseekV3ForCausalLM; заявлено 37,9 млрд параметров и контекст до 262 144 токенов. Модель предназначена для диалоговой генерации текста.

Motif-2-12.7B-Instruct — плотная авторегрессионная языковая модель семейства Motif от Motif Technologies, созданная методом supervised fine-tuning на базе Motif-Technologies/Motif-2-12.7B-Base. Она предназначена для диалогов и генерации текста по инструкциям. Модель содержит 10,8 млрд параметров по метаданным каталога; в README заявлено 12,7 млрд. Контекстное окно составляет до 32 768 токенов. Поддержка чата подтверждена метаданными, а в карточке приведены результаты оценки на языковых бенчмарках. Модель принимает текст и генерирует текст. В тегах карточки указаны английский и корейский языки. Для запуска описано использование Transformers; README также приводит способ запуска через vLLM с временным контейнером, пока официальная поддержка модели проходит рассмотрение. Модель распространяется по лицензии Apache-2.0.

Kaoeiri выпустил объединённую модель для генерации текста на основе Mistral-Small-Instruct-2409 и mistral-small-springdragon-qlora. Слияние выполнено методом task arithmetic с помощью mergekit; архитектура — плотная Mistral, модель содержит 22 млрд параметров и работает с контекстом до 131 072 токенов. Репозиторий содержит веса в формате safetensors, для работы указана библиотека Transformers. Модель предназначена для диалогов и генерации текста; метаданные также отмечают интерфейс вызова функций. Она поддерживает текстовый ввод и выдаёт текст. Лицензия в предоставленных данных не указана.

zelk12/MT1-Max-Merge_02012025163610-MU-gemma-2-MTM2MUMT1g2-9B — объединённая разговорная языковая модель на архитектуре Gemma 2, созданная методом SLERP с помощью mergekit из моделей zelk12/MT1-Gen2-gemma-2-9B и zelk12/MT-Merge2-MU-gemma-2-MTg2MT1g2-9B. Она предназначена для генерации текста и ведения диалогов. Модель содержит 9 млрд параметров, принимает текст и генерирует текст, поддерживает контекст до 8192 токенов и представлена в формате safetensors для библиотеки Transformers. В метаданных указана лицензия; её условия следует учитывать при использовании модели.

zelk12/MT2-Gen4-IF-gemma-2-MT4g2S2-9B — объединённая модель на базе Gemma 2, созданная с помощью mergekit методом SLERP из zelk12/MT4-Gen2-gemma-2-9B и allknowingroger/Gemmaslerp2-9B. Это плотная языковая модель с авторегрессионной архитектурой Gemma2ForCausalLM, 9 млрд параметров и контекстом до 8192 токенов; она предназначена для диалогов и генерации текста. Модель принимает текст и выдаёт текст. В карточке указана библиотека Transformers и формат safetensors. Данных о специальных прикладных областях или языковой специализации в предоставленных источниках нет. Лицензия в метаданных и README не приведена, поэтому условия использования по этим данным определить нельзя.

MT2-Gen4-IMU-gemma-2-9B — языковая модель семейства Gemma 2, созданная разработчиком zelk12 с помощью слияния двух предварительно обученных моделей методом SLERP через mergekit. Это плотная авторегрессионная модель на 9 млрд параметров для генерации текста и диалогового взаимодействия; она рассчитана на контекст до 8192 токенов и опубликована в формате safetensors для библиотеки Transformers. В README приведена конфигурация с базовой моделью zelk12/MT2-Gen4-IF-gemma-2-MT4g2S2-9B и коэффициентом смешивания t=0,25. Модель подходит для генерации продолжений текста и ведения текстовых диалогов. Карточка не описывает отдельные специализированные области применения или поддерживаемые естественные языки, поэтому их нельзя достоверно уточнить. Лицензия в предоставленных данных не указана.

zelk12/MT2-Max-Merge_02012025163610-MU-gemma-2-MTM2MUMTM4-9B — объединённая модель генерации текста, созданная разработчиком zelk12 методом SLERP с помощью mergekit из двух моделей: zelk12/MT-Merge4-gemma-2-9B и zelk12/MT-Merge2-MU-gemma-2-MTg2MT1g2-9B. Модель построена на плотной архитектуре Gemma 2 с 9 млрд параметров и поддерживает контекст длиной до 8192 токенов. Модель предназначена для генерации текста и диалогового общения. Данные не описывают её специализацию по языкам или предметным областям, поэтому её можно характеризовать только как модель общего назначения. Репозиторий содержит веса в формате safetensors; для работы используется библиотека Transformers. Лицензия в предоставленных данных не указана.

zelk12/MT3-Gen5-BMU-gemma-2-9B — слитая модель Gemma 2 на 9 млрд параметров, созданная автором репозитория с помощью mergekit методом SLERP из двух предварительно обученных моделей. Она предназначена для генерации текста и диалогового общения; такие модели можно применять для ответов на запросы и создания связного текста. Модель использует архитектуру Gemma2ForCausalLM, работает с текстом и поддерживает контекст до 8192 токенов. Репозиторий содержит веса в формате safetensors; в конфигурации слияния указан тип bfloat16. Карточка не описывает специальные языковые или предметные специализации, поэтому модель следует считать общего назначения. Лицензия в предоставленных данных не указана.

zelk12 выпустил объединённую модель Gemma 2, созданную из zelk12/recoilme-gemma-2-Ifable-9B-v0.1 и zelk12/recoilme-gemma-2-Gutenberg-Doppel-9B-v0.1 методом SLERP с помощью mergekit. Это плотная авторегрессионная языковая модель на 9 млрд параметров для генерации текста и диалоговых ответов; модель рассчитана на работу с контекстом до 8192 токенов. Модель подходит для общения в чате и генерации продолжений текста. В карточке указаны архитектура Gemma 2 и формат safetensors. Лицензия в предоставленных данных не указана, поэтому условия использования следует проверять в репозитории модели и у исходных моделей.

zelk12/MT4-BMM-gemma-2-9B — объединённая диалоговая языковая модель на архитектуре Gemma 2, созданная методом SLERP из двух моделей Gemma 2. Модель содержит 9 млрд параметров, рассчитана на генерацию текста и ответы в диалоге; для работы используется библиотека Transformers. Нативная длина контекста — 8192 токена. Модель принимает текст и выдаёт текст. Она может служить основой для чат-ботов и генерации ответов на запросы. В README указано, что веса объединены с помощью mergekit; лицензия в предоставленных данных не указана.

zelk12/MT4-Gen3-MU-gemma-2-S2MT4g2-9B — объединённая языковая модель на базе Gemma 2, созданная методом SLERP с помощью mergekit. В объединение вошли allknowingroger/Gemmaslerp2-9B и zelk12/MT4-Gen2-gemma-2-9B; конфигурация README указывает тип bfloat16 и параметр смешивания t=0.25. Модель предназначена для диалогов и генерации текста. Она содержит 9 млрд параметров, использует плотную архитектуру Gemma2ForCausalLM и поддерживает контекст до 8192 токенов. Репозиторий использует Transformers и содержит веса в формате safetensors. В метаданных лицензия и поддерживаемые естественные языки не приведены, поэтому конкретные условия использования и языки здесь не уточняются.

zelk12/MT4-Gen5-IB-gemma-2-9B — разговорная языковая модель на архитектуре Gemma 2, созданная объединением двух предварительно обученных моделей с помощью метода SLERP и mergekit. Модель содержит 9 млрд параметров, распространяется в формате safetensors и рассчитана на генерацию текста и диалоговое взаимодействие. Модель принимает текст и генерирует текст; её контекстное окно составляет 8192 токена. В карточке не заявлены специализированная предметная область или конкретные языки. Модель предназначена для диалоговых приложений и общих сценариев генерации текста. Лицензия в предоставленных данных не указана.

zelk12/MT5-Gen5-IF-gemma-2-EMTg2-9B — объединённая модель Gemma 2, созданная с помощью mergekit методом SLERP из Aashraf995/Gemma-Evo-10B и zelk12/MT-Gen2-gemma-2-9B. Это плотная авторегрессионная языковая модель на 9 млрд параметров для генерации текста и диалогового общения; она работает через Transformers и распространяется в формате safetensors. Контекст — до 8192 токенов. Модель подойдёт для диалоговых интерфейсов и генерации текста по запросу. Карточка не сообщает о специализации на отдельных предметных областях или языках. Лицензия в предоставленных данных не указана, поэтому условия использования следует сверить на странице репозитория Hugging Face.

zelk12/MT5-Gen5-MU-gemma-2-Av4aAMTg2-9B — объединённая модель Gemma 2, созданная с помощью mergekit методом SLERP из lemon07r/Gemma-2-Ataraxy-v4a-Advanced-9B и zelk12/MT-Gen2-gemma-2-9B. Это плотная авторегрессионная языковая модель с архитектурой Gemma2ForCausalLM, размером 9 млрд параметров и контекстом до 8192 токенов. Модель предназначена для генерации текста и диалогового общения. Она принимает текст и выдаёт текст; карточка подтверждает поддержку чата, но не описывает специализированные предметные сценарии или языки. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных сведениях не указана. Качество и особенности результата зависят от запроса и настроек генерации; отдельные ограничения модели в карточке не описаны.

zelk12/MT5-Gen5-MUMM-gemma-2-9B — текстовая языковая модель, созданная разработчиком репозитория объединением двух предварительно обученных моделей семейства Gemma 2. Для объединения использован метод SLERP через mergekit; веса представлены в формате Safetensors. Модель предназначена для генерации текста и диалогового общения. Модель содержит 9 млрд параметров и поддерживает контекст длиной до 8192 токенов. В карточке не приведены сведения о целевых языках, конкретных сценариях настройки или специализированных областях применения, поэтому её можно характеризовать только как модель общего назначения. Лицензия в предоставленных данных не указана.

zelk12/MT5-MM-gemma-2-Rv0.4Av4c-9B — слитая диалоговая языковая модель на архитектуре Gemma 2 с 9 млрд параметров, созданная с помощью mergekit методом SLERP из recoilme/recoilme-gemma-2-9B-v0.4 и lemon07r/Gemma-2-Ataraxy-v4c-9B. Модель предназначена для генерации текста и общения в чате; работает с текстовым вводом и выдаёт текст. Контекстное окно составляет 8192 токена, веса доступны в формате safetensors. Карточка не приводит отдельные сведения о языковой специализации, поэтому модель можно описать как универсальную диалоговую. Указана лицензия Apache 2.0 в метаданных? Нет, лицензия не предоставлена; условия использования следует проверять у базовых моделей и владельца репозитория.

zelk12/MT-Max-Merge_02012025163610-MUG-gemma-2-9B — языковая модель, созданная автором репозитория объединением двух моделей Gemma 2 с помощью SLERP в mergekit. Это плотная причинная языковая модель на 9 млрд параметров для генерации текста и диалогового общения; она принимает текст и выдаёт текст. Нативный контекст составляет 8192 токена, модель предназначена для работы через Transformers и распространяется в формате safetensors. Модель подходит для генерации ответов в диалогах и других сценариев генерации текста. Она является объединением моделей zelk12/MT-Max-Merge_02012025163610-GP-gemma-2-MTg4MT5g4-9B и zelk12/MT-Max-Merge_02012025163610-MU-gemma-2-MTM2MUMTM4-9B; README указывает базовую модель объединения zelk12/MT-Max-Merge_02012025163610-MU-gemma-2-MTM2MUMTM4-9B. Языки, специальные отраслевые задачи и условия лицензии в доступных сведениях не определены.

zelk12/MT-Merge2-IF-gemma-2-MT4g2MT1g2-9B — объединённая с помощью SLERP языковая модель на основе Gemma 2, созданная слиянием zelk12/MT1-Gen2-gemma-2-9B и zelk12/MT4-Gen2-gemma-2-9B. Модель имеет плотную архитектуру Gemma2ForCausalLM, содержит 9 млрд параметров и работает с контекстом до 8192 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно применять для ответов на вопросы, ведения беседы и создания текстовых черновиков. В метаданных указана поддержка чата; сведения о специализированных предметных областях и конкретных языках отсутствуют. Модель доступна в формате safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.