I.5Создание и редактирование текста

jaspionjader/ek-2 — слитая языковая модель на архитектуре Llama, созданная разработчиком jaspionjader с помощью mergekit. В слиянии методом Model Stock использованы ek-1, Kosmos-EVAA-Franken-stock-v42-8B и Kosmos-EVAA-Franken-Immersive-v41-8B; базовая модель — jaspionjader/kstc-5-8b. Модель содержит 7,5 млрд параметров и предназначена для генерации текста и диалогового общения. Она принимает текст и выдаёт текст, поддерживает контекст до 131 072 токенов и распространяется в формате safetensors, с весами bf16, согласно конфигурации слияния в README. Лицензия в предоставленных данных не указана.

Elysium-Omni-11b — объединённая диалоговая модель для генерации текста, созданная powermove72 с помощью LazyMergekit. Она объединяет Elysium-Omni-Itt-11b и SoMix2-xb линейным слиянием с весами 0,8 и 0,2 соответственно. Модель построена на плотной архитектуре Mistral с 11 млрд параметров и контекстом до 32 768 токенов. Она предназначена для диалогов и генерации ответов на текстовые запросы. В репозитории указаны веса Safetensors; конфигурация слияния использует float16. Лицензия в доступных данных не указана.

Карточка модели cemig-nlp-releases/energy-gpt-regulatorio-32B-v2 на Hugging Face совпадает с карточкой Qwen/Qwen3-32B, поэтому описание составлено по ней. Qwen3-32B — плотная причинно-следственная языковая модель семейства Qwen3, разработанная командой Qwen. Она предназначена для диалога, следования инструкциям, рассуждений, генерации кода, перевода и работы с внешними инструментами. В одной модели можно переключаться между режимом рассуждений для сложных задач и обычным режимом ответа. Модель содержит 29,7 млрд параметров по метаданным каталога; в README указано 32,8 млрд параметров, включая 31,2 млрд без эмбеддингов. Архитектура — Qwen3ForCausalLM, для запуска поддерживается Transformers. Нативный контекст составляет 40 960 токенов по метаданным каталога; README указывает 32 768 токенов нативно и возможность расширения до 131 072 с YaRN. Семейство поддерживает более 100 языков и диалектов. Репозиторий содержит веса Safetensors и распространяется по лицензии Apache-2.0. Модель подходит для многошагового диалога и сценариев с вызовом инструментов, а также для математических и логических рассуждений, творческого письма и программирования. Карточка заявляет сильные способности к следованию инструкциям и многоязычным задачам; качество конкретных ответов зависит от запроса и развертывания. В README не приведены конкретные ограничения или оговорки по безопасности.

EngGPT2-16B-A3B — языковая модель компании Engineering Ingegneria Informatica S.p.A., обученная с нуля как открытая по весам, но проприетарно лицензируемая модель для европейских и итальянских сценариев. Она предназначена для диалогов, генерации текста, рассуждений, следования инструкциям, генерации кода и использования в инструментальных рабочих процессах. Карточка сообщает о конкурентных результатах на тестах знаний, математики, следования инструкциям и кода. Модель построена на архитектуре Transformer с разреженной смесью экспертов (MoE): около 16 млрд параметров всего и около 3 млрд активных при генерации. В ней 24 слоя, по 64 эксперта на слой, из которых для каждого токена активируются 8; также используются GQA, SwiGLU, RoPE и RMSNorm. Заявлена поддержка английского, итальянского, французского, немецкого, португальского и испанского языков; предусмотрены режимы без рассуждений, рассуждений на итальянском или английском и краткого turbo-рассуждения. Длина контекста в предоставленных данных не указана. Разработчик позиционирует модель как эффективную альтернативу плотным моделям сопоставимого масштаба для организаций и исследовательских задач; примерно четверть обучающих данных составлял итальянский язык. Модель требует Transformers версии 4.57.0 и загрузки пользовательской архитектуры через trust_remote_code=True. Лицензия указана как проприетарная, поэтому условия использования следует сверять с лицензией репозитория.

Eris Prime V2 7B — языковая модель, созданная ChaoticNeutrals объединением Eris Prime V1 и V1.2 от Nitral-AI. Веса объединены методом SLERP; модель построена на плотной архитектуре Mistral и содержит 7,1 млрд параметров. Модель предназначена для генерации текста. Контекст составляет до 32 768 токенов, веса опубликованы в формате safetensors. Карточка не описывает специальные предметные области или дополнительные возможности помимо генерации текста. Лицензия в предоставленных данных не указана. Качество и конкретные ограничения модели в карточке не оценены.

ERNIE-4.5-0.3B-PT — компактная текстовая плотная авторегрессионная модель семейства ERNIE 4.5, разработанная Baidu. Это вариант с весами PyTorch для Transformers; модель прошла постобучение и предназначена для понимания и генерации текста, включая диалоговые сценарии. Она содержит 318,2 млн параметров и поддерживает контекст до 131 072 токенов. Для запуска через библиотеку Transformers требуется версия 4.54.0 или новее; также в README приведён пример обслуживания через vLLM. Модель принимает и генерирует текст. В карточке указаны английский и китайский языки. Лицензия Apache-2.0. Карточка описывает ERNIE 4.5 в целом как мультимодальное семейство, но именно вариант 0.3B-PT обозначен как текстовая модель, поэтому возможности обработки изображений ему не приписываются.

Dohyeon1/ERNIE-HC-SMoE-ngroups40 — языковая модель для генерации текста, опубликованная пользователем Dohyeon1 на Hugging Face. По метаданным она использует архитектуру семейства ERNIE 4.5 MoE и предназначена для работы через библиотеку Transformers. В карточке не приведены сведения о разработчике исходной архитектуры, обучающих данных и точной конфигурации модели.

EsotericKnowledge-24B — разговорная языковая модель на 23,4 млрд параметров, созданная автором yamatazen как объединение предобученных моделей с помощью mergekit и метода TIES. В качестве базовой использована arcee-ai/Arcee-Blitz; в объединение также вошли PocketDoc/Dans-PersonalityEngine-V1.2.0-24b, ReadyArt/Forgotten-Safeword-24B-v4.0 и lars1234/Mistral-Small-24B-Instruct-2501-writer. Модель предназначена для диалогов и генерации текста. Она построена на архитектуре Mistral с плотной моделью причинного языкового моделирования, принимает текст и выдаёт текст, поддерживает контекст длиной до 32 768 токенов и использует формат safetensors для библиотеки Transformers. Карточка не указывает конкретные языки или специализированные области применения. Это первая 24B-модель слияния автора; качество и поведение могут отличаться от исходных моделей. Лицензия в предоставленных данных не указана.

Euraika/EuroLLM-22B-Instruct-GPTQ — 4-битная GPTQ-квантизованная версия инструкционной языковой модели EuroLLM-22B-Instruct-2512, разработанной командой EuroLLM проекта UTTER. Квантизацию выполнила Euraika с использованием GPTQModel; модель предназначена для генерации текста и диалоговых сценариев, включая ответы на вопросы, объяснение сложных тем и работу в формате ChatML. Модель поддерживает все 24 официальных языка Европейского союза, а также турецкий, украинский и другие европейские языки: английский, немецкий, французский, итальянский, испанский, португальский, польский, нидерландский, чешский, греческий, венгерский, румынский, финский, шведский, болгарский, словацкий, датский, словенский, литовский, латышский, эстонский, хорватский, ирландский, мальтийский и норвежский. Архитектура базовой модели в README не уточнена; заявлены 22 млрд параметров, 53 трансформерных слоя и размер квантизованной модели около 14 ГБ. Используется GPTQ с точностью 4 бита, group size 128 и desc_act=true. Ключевое преимущество модели — существенное снижение требований к памяти при сохранении заявленного качества квантизации; поддерживаются инференс через GPTQModel, vLLM и Transformers/AutoGPTQ, а также работа на нескольких GPU. Минимально рекомендуется 16 ГБ VRAM, оптимально — 24 ГБ. Ограничения включают зависимость качества от 4-битной квантизации и отсутствие в README сведений о длине контекста базовой модели, мультимодальности, результатах независимых бенчмарков и конкретных гарантиях качества. Модель распространяется по лицензии Apache 2.0.

EuroLLM-9B-Instruct-2512 — мультиязычная языковая модель с 8,6 млрд параметров, разработанная консорциумом Instituto Superior Técnico — University of Lisbon, Instituto de Telecomunicações, University of Edinburgh, Aveni, Unbabel и другими научными и коммерческими организациями при финансировании Европейского союза. Это дообученная версия EuroLLM-9B-2512 для диалогового взаимодействия и генерации текста; в ней применены расширение контекста и обновлённая схема постобучения. Модель использует плотную архитектуру семейства Llama и поддерживается библиотекой Transformers. Модель предназначена для генерации ответов и ведения диалога на европейских и других языках, включая русский, английский, арабский, китайский, хинди, японский и корейский. Родной размер контекста — 32 768 токенов. Веса опубликованы в формате Safetensors, лицензия — Apache License 2.0. Разработчики предупреждают, что модель не выровнена по человеческим предпочтениям и может галлюцинировать, выдавать вредоносный контент или ложные утверждения. Эти особенности следует учитывать при использовании ответов без проверки.

EuroLLM-9B-Instruct-GGUF — это квантизированная версия инструкционной языковой модели EuroLLM-9B-Instruct, разработанной проектом utter-project и преобразованной в формат GGUF пользователем bartowski с использованием llama.cpp и imatrix-квантизации. Модель предназначена для генерации текста и диалогового взаимодействия, включая выполнение инструкций и локальный запуск через совместимые приложения, например LM Studio. Модель имеет около 9 миллиардов параметров и поддерживает широкий набор языков, включая английский, немецкий, испанский, французский, итальянский, португальский, польский, русский, украинский, китайский, японский, корейский, арабский и хинди. Мультимодальные возможности и размер контекста в README не указаны. Доступны варианты от F16 до Q2_K_L, различающиеся размером файлов, требованиями к памяти и качеством: старшие варианты обеспечивают качество, близкое к исходной модели, а младшие подходят для систем с ограниченным объёмом RAM, но заметно уступают по качеству. Модель удобна для локального инференса благодаря большому выбору квантизаций; рекомендованным вариантом по умолчанию назван Q4_K_M, а для максимального качества — Q6_K или Q6_K_L. Некоторые варианты оптимизированы для ARM или AVX и имеют ограничения совместимости, в частности отдельные сборки не рекомендуются для Mac или GPU. Лицензия — Apache-2.0.

win10/EVA-Instruct-QwQ-32B-Preview — объединённая языковая модель на архитектуре Qwen2, созданная с помощью mergekit методом TIES. В качестве основы использована ParasiticRogue/EVA-Instruct-32B-v2, в объединение также вошла Qwen/QwQ-32B-Preview. Модель содержит 32 млрд параметров и рассчитана на генерацию текста в диалоговом формате; заявленная длина контекста — 131 072 токена. Модель подходит для диалоговых ответов, генерации текста, математических рассуждений и программирования. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers; метаданные также отмечают интерфейс вызова инструментов. Сведения о лицензии в предоставленных данных отсутствуют.

EVA-Qwen2.5-14B-v0.1-GGUF — набор GGUF-квантизаций текстовой генеративной модели EVA-Qwen2.5-14B-v0.1, разработанной EVA-UNIT-01. Квантизации подготовлены пользователем bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для локального запуска и генерации текста, включая выполнение инструкций, художественное письмо, создание структурированных текстов и ролевые сценарии; это следует из использованных наборов данных, среди которых есть instruction-, writing- и roleplay-датасеты. Модель имеет 14 миллиардов параметров и работает в текстовой модальности. README не содержит сведений о поддерживаемых языках, максимальном размере контекста или точной архитектуре базовой модели. Доступны варианты от F16 до Q2_K_L, включая рекомендуемые автором Q4_K_M, Q5-, Q6- и другие форматы; размер файлов варьируется примерно от 6,66 до 29,55 ГБ. Некоторые варианты оптимизированы для ARM-процессоров и требуют поддержки SVE или i8mm. Основные преимущества — возможность локального запуска через llama.cpp или LM Studio и выбор между несколькими уровнями качества, размера и требований к памяти. Более сильное сжатие уменьшает потребление ресурсов, но может снижать качество генерации; конкретное влияние зависит от выбранного варианта квантизации. Лицензия модели указана как Apache-2.0.

Evolver — языковая модель, созданная сообществом mergekit слиянием предварительно обученных моделей SanjiWatsuki/Kunoichi-DPO-v2-7B и mergekit-community/mergekit-slerp-ebgdloh. Для объединения применён метод SLERP; конфигурация использует формат bfloat16. Модель семейства Mistral имеет плотную архитектуру MistralForCausalLM и 7,1 млрд параметров. Модель предназначена для генерации текста, в том числе диалогов и ответов на вопросы. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. В карточке не заявлены специализированные предметные области или отдельные языковые возможности. Лицензия в доступных сведениях не указана. Качество, ограничения и условия применения исходных моделей могут влиять на результат слияния; независимые оценки в карточке не приведены.

EXAONE-3.5-7.8B-Instruct-GGUF — двуязычная инструкционная языковая модель, разработанная LG AI Research. Она предназначена для генерации текста, диалоговых приложений, ассистентов и других практических сценариев обработки естественного языка на английском и корейском языках. Модель доступна в формате GGUF, рассчитанном на локальный запуск и инференс с использованием llama.cpp, TensorRT-LLM, vLLM, SGLang или Ollama. Модель содержит 7,8 млрд параметров, из которых 6,98 млрд приходятся на параметры без embeddings, имеет 32 слоя и архитектуру GQA с 32 головами запросов и 8 головами ключей и значений. Размер словаря составляет 102 400 токенов, а максимальная длина контекста — 32 768 токенов. Доступны варианты BF16 и квантизации Q8_0, Q6_0, Q5_K_M, Q4_K_M и IQ4_XS, что позволяет выбирать между качеством, скоростью и требованиями к памяти. К сильным сторонам относятся поддержка длинного контекста, двуязычность и ориентация на реальные прикладные задачи при относительно компактном размере. Ограничения включают возможную генерацию вредного, предвзятого, фактически неверного или синтаксически некорректного текста; модель также не гарантирует актуальность знаний. Для работы рекомендуется использовать системные промпты, предусмотренные разработчиком. Модель распространяется по лицензии EXAONE AI Model License Agreement 1.1 - NC; условия лицензии и ограничения на использование следует уточнять в файле LICENSE.

EXAONE-4.0-32B-FP8 — мультиязычная большая языковая модель LG AI Research, представленная в формате для запуска на ускорителях FuriosaAI RNGD через Furiosa-LLM. Это авторегрессионный плотный Transformer с 32 млрд параметров, предназначенный для генерации текста, следования инструкциям, решения сложных задач с использованием режима рассуждений, вызова инструментов и агентских сценариев. Модель поддерживает английский, корейский и испанский языки, работает с текстовыми входами и выходами. Модель объединяет обычный режим без рассуждений, включённый по умолчанию, и режим reasoning, который активируется отдельно для запроса. Она поддерживает вызов функций через формат EXAONE-4.0. Веса статически квантизированы в FP8, активации динамически квантизируются в FP8 во время выполнения, а KV-кэш сохраняется в 16-битной точности. На FuriosaAI RNGD используется тензорный параллелизм на 32 PE, что соответствует четырём картам RNGD. Карточка описывает интеграцию с Furiosa-LLM и аппаратным обеспечением FuriosaAI RNGD; для других движков, включая vLLM, SGLang и Transformers, следует обращаться к исходной карточке модели. Ограничения по размеру контекста и дополнительные характеристики производительности не указаны. Модель распространяется по лицензии EXAONE AI Model License Agreement 1.2 - NC, предусматривающей некоммерческое использование.

Experiment24Alloyingotneoy-7B — плотная языковая модель семейства Mistral с 7,1 млрд параметров, созданная Maxime Labonne автоматическим слиянием моделей. В конфигурации указаны yam-peleg/Experiment24-7B и nlpguy/AlloyIngotNeoY; применён метод слияния dare_ties, а формат весов — bfloat16. Модель предназначена для генерации текста и работы с контекстом длиной до 32 768 токенов. Лицензия Apache-2.0 разрешает её использование на условиях этой лицензии. Карточка не уточняет специализацию или поддерживаемые естественные языки.

Experiment26Neuralarjuna-7B — автоматически собранная Maxime Labonne языковая модель для генерации текста по запросу. В README указано слияние моделей методом DARE-TIES; в конфигурации участвуют rwitz/experiment26-truthy-iter-0 и Kukedlc/NeuralArjuna-7B-DT. Метаданные связывают её с дообученной Kukedlc/NeuralArjuna-7B-DT и указывают архитектуру Mistral с плотной causal language model. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Карточка не описывает специализированную область применения или дополнительные возможности сверх генерации текста.

Experiment26Neuralsirkrishna_Experiment26Strangemerges_30 — объединённая автором репозитория модель на архитектуре Mistral с 7,1 млрд параметров. Веса объединены из automerger/Experiment26Neuralsirkrishna-7B и automerger/Experiment26Strangemerges_30-7B. Модель предназначена для генерации текста и диалогов. Она принимает текст и может обрабатывать контекст длиной до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

MaziyarPanahi/Experiment26Neuralsirkrishna_Experiment27Experiment29 — объединённая модель для генерации текста и диалогов. Она создана слиянием моделей automerger/Experiment26Neuralsirkrishna-7B и automerger/Experiment27Experiment29-7B; в основе лежит плотная архитектура Mistral с 7,1 млрд параметров. Модель принимает текст и генерирует текст. Её контекст составляет до 32 768 токенов, формат весов — safetensors. В метаданных указана лицензия Apache-2.0. Сведения о специализации по языкам и прикладным областям в карточке отсутствуют.

Experiment26Neuralsirkrishna_Experiment28Experiment29 — объединённая модель на базе Mistral, созданная слиянием automerger/Experiment26Neuralsirkrishna-7B и automerger/Experiment28Experiment29-7B. Она содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и принимает текст для авторегрессионной генерации текста и диалогов. Контекст модели — до 32 768 токенов. Модель подходит для генерации продолжений и ответов в текстовых диалогах. В репозитории указана лицензия Apache-2.0. Сведения о специализированных областях применения и языках в предоставленных источниках отсутствуют.

Experiment26Neuralsirkrishna_PasticheAlloyingotneoy — слитая текстовая модель на архитектуре Mistral с 7,1 млрд параметров. Она объединяет модели automerger/Experiment26Neuralsirkrishna-7B и automerger/PasticheAlloyingotneoy-7B и предназначена для генерации текста и диалоговых ответов. Поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors по лицензии Apache-2.0. Сведения о специальных областях применения и языках в карточке не приводятся.

MaziyarPanahi/Experiment26Neuralsirkrishna_PasticheNeuralsirkrishna — объединённая текстовая модель на архитектуре Mistral с 7,1 млрд параметров. Она создана слиянием automerger/Experiment26Neuralsirkrishna-7B и automerger/PasticheNeuralsirkrishna-7B. Модель предназначена для генерации текста и диалогов; контекстное окно составляет до 32 768 токенов. Данных о специализации по языкам или прикладным областям нет, поэтому модель можно описать как общего назначения. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0.

Experiment26Neuralsirkrishna_ShadowExperiment28 — объединённая модель на базе двух моделей automerger, предназначенная для генерации текста и диалогов. Она использует плотную архитектуру Mistral с причинно-языковой моделью MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0. Модель подходит для генерации продолжений текста и ведения диалогов в сценариях, где нужен длинный контекст. Данные о специализации по предметным областям и языковой поддержке в карточке отсутствуют, поэтому их нельзя уточнить.

Experiment26Neuralsirkrishna_Strangemerges_32Experiment28 — объединённая языковая модель семейства Mistral, созданная из automerger/Experiment26Neuralsirkrishna-7B и automerger/Strangemerges_32Experiment28-7B. Модель с плотной архитектурой MistralForCausalLM содержит 7,1 млрд параметров и предназначена для генерации текста и диалогов; поддерживает контекст до 32 768 токенов. Модель принимает текст и генерирует текст, что подходит для диалоговых интерфейсов и задач создания продолжений или ответов. Она распространяется в формате safetensors по лицензии Apache-2.0. Информация о специальных доменах, языках и измеренном качестве в доступных материалах отсутствует.

Experiment26Neuralsirkrishna_Strangemerges_32Strangemerges_30 — объединённая языковая модель семейства Mistral, созданная слиянием automerger/Experiment26Neuralsirkrishna-7B и automerger/Strangemerges_32Strangemerges_30-7B. Она предназначена для генерации текста и диалогов; архитектура — плотная авторегрессионная MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Сведения о конкретных языках и специализированных областях применения в предоставленных материалах отсутствуют.

Experiment26Yam_PasticheNeuralsirkrishna — объединённая модель для генерации текста, созданная слиянием automerger/Experiment26Yam-7B и automerger/PasticheNeuralsirkrishna-7B. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров; модель принимает текст и генерирует текст, поддерживая контекст до 32 768 токенов. Модель предназначена для текстовой генерации. Данные карточки не описывают специализированные сценарии, языки или дополнительные возможности. Распространяется под лицензией Apache-2.0.

MaziyarPanahi/Experiment26Yamshadow_AlloyingotneoyExperiment28 — объединённая Mistral-модель для генерации текста, созданная слиянием automerger/Experiment26Yamshadow-7B и automerger/AlloyingotneoyExperiment28-7B. Она содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Подходит для генерации и продолжения текста в диалоговых и других текстовых сценариях. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0.

MaziyarPanahi/Experiment26Yam_ShadowCalme — объединённая модель для генерации текста, созданная на основе automerger/Experiment26Yam-7B и automerger/ShadowCalme-7B. Это плотная архитектура Mistral с 7,1 млрд параметров, предназначенная для генерации текста и имеющая контекстное окно до 32 768 токенов. Модель подходит для генерации продолжений текста и ответов на текстовые запросы. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. README и метаданные не уточняют языковую специализацию модели или дополнительные ограничения.

Experiment26Yamshadow_Experiment24Yam — объединённая текстовая модель семейства Mistral, созданная из automerger/Experiment26Yamshadow-7B и automerger/Experiment24Yam-7B. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и принимает контекст длиной до 32 768 токенов. Она предназначена для генерации текста и может использоваться в приложениях, которым нужны ответы или продолжение текста на основе текстового запроса. Модель распространяется в формате safetensors по лицензии Apache 2.0. Карточка не описывает специализацию по языкам или отдельные гарантии качества.