I.5Создание и редактирование текста

MaziyarPanahi/Experiment28T3q_ShadowYam — объединённая языковая модель на архитектуре Mistral, созданная слиянием automerger/Experiment28T3q-7B и automerger/ShadowYam-7B. Модель содержит 7,1 млрд параметров и принимает текст для авторегрессионной генерации текста; поддерживает контекст до 32 768 токенов. Модель предназначена для генерации продолжений и ответов на текстовые запросы. Репозиторий содержит веса в формате safetensors. Языки и специализированные области применения в карточке не указаны. Лицензия — Apache-2.0.

MaziyarPanahi/Experiment28T3q_Strangemerges_30Ogno — объединённая модель семейства Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров. Она предназначена для генерации текста и принимает текстовые запросы, формируя текстовые продолжения; контекст модели составляет до 32 768 токенов. Модель объединяет automerger/Experiment28T3q-7B и automerger/Strangemerges_30Ogno-7B. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. README и метаданные не уточняют специализацию объединённой модели, поддержку языков или её ограничения.

Experiment28T3q_Strangemerges_32Yam — слитая модель Mistral, опубликованная MaziyarPanahi. Она объединяет модели automerger/Experiment28T3q-7B и automerger/Strangemerges_32Yam-7B; архитектура плотная, число параметров — 7,1 млрд. Модель предназначена для генерации текста, включая диалоговые и другие сценарии продолжения текста. Контекстное окно — до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. README не описывает языковую специализацию или дополнительные возможности; поддерживаемая задача по метаданным — text-generation.

Experiment28T3q_YamM7 — объединённая модель для генерации текста, собранная из automerger/Experiment28T3q-7B и automerger/YamM7-7B. Она основана на архитектуре Mistral и содержит 7,1 млрд параметров; заявленная длина контекста — 32 768 токенов. Модель предназначена для сценариев, где требуется генерировать текст по текстовому запросу. Репозиторий распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает специализацию по языкам или прикладным областям, а также не приводит оценок качества и конкретных ограничений.

Experiment28T3q_YamYam — модель генерации текста, созданная объединением automerger/Experiment28T3q-7B и automerger/YamYam-7B. Она предназначена для генерации текста в сценариях, поддерживаемых архитектурой Mistral. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель опубликована MaziyarPanahi и распространяется по лицензии Apache-2.0. Доступные сведения не описывают конкретные преимущества или специализированные области применения; характеристики и качество результата могут зависеть от запроса и способа использования.

f-6-8b — объединённая методом SLERP модель для генерации текста и диалогов, созданная автором репозитория с помощью mergekit на основе jaspionjader/f-5-8b и jaspionjader/Kosmos-EVAA-mix-v35-8B. Модель использует плотную архитектуру LlamaForCausalLM и содержит 7,5 млрд параметров; поддерживается библиотекой Transformers. Модель предназначена для генерации текста и ведения диалога на входном текстовом запросе. Её контекстное окно составляет 8192 токена. Веса опубликованы в формате safetensors. В карточке и метаданных сведения о лицензии и поддерживаемых естественных языках отсутствуют.

OpenAssistant/falcon-40b-sft-mix-1226 — языковая модель OpenAssistant, созданная дообучением Falcon 40B от TII. Это плотный авторегрессионный трансформер с причинным декодером; метаданные указывают 65 млрд параметров. Модель обучена на смеси диалогов OpenAssistant OASST1, Dolly-15k и синтетических инструкционных данных; карточка связывает её с контрольной точкой обучения на 1226 шагах. Модель предназначена для генерации ответов и продолжения текста по инструкциям, в том числе в диалоговом формате с маркерами пользовательских и ассистентских реплик. Основные языки — английский, немецкий, испанский и французский; README также отмечает ограниченные возможности на итальянском, португальском, польском, нидерландском, румынском, чешском и шведском. Модель принимает текст и генерирует текст. Сильная сторона модели — дообучение на диалогах и инструкциях, позволяющее отвечать на вопросы и выполнять текстовые запросы на нескольких языках. Карточка приводит оценивание ilm-eval и демонстрации продолжения случайных запросов. Ограничения: дополнительные языки поддерживаются слабее основных, а в карточке нет данных о длине контекста. Лицензия — Apache 2.0.

Falcon-H1-1.5B-Deep-Base — базовая языковая модель семейства Falcon-H1, разработанная TII (Technology Innovation Institute). Это плотная causal decoder-only модель с гибридной архитектурой Transformer и Mamba, содержащая 1,2 млрд параметров и поддерживающая контекст до 131 072 токенов. Модель предназначена для генерации текста и решения широкого круга языковых задач, включая рассуждения; в README приведены результаты сравнительных тестов на общих задачах. Модель работает с текстом и рассчитана на многоязычное применение. В метаданных перечислены арабский, чешский, немецкий, английский, испанский, французский, хинди, итальянский, японский, корейский, нидерландский, польский, португальский, румынский, русский, шведский, урду и китайский языки. Для запуска README указывает Transformers, vLLM и llama.cpp; для llama.cpp доступны совместимые GGUF-файлы в официальной коллекции. Репозиторий содержит веса Safetensors. Лицензия — Falcon-LLM License (в метаданных обозначена как other); перед использованием следует учитывать её условия.

Falcon-H1-34B-Instruct — многоязычная инструктивная языковая модель, разработанная Technology Innovation Institute (TII). Это плотная авторегрессионная модель с гибридной архитектурой Transformers и Mamba; для работы доступны Transformers, vLLM и llama.cpp. Модель предназначена для диалогов и генерации текста, включая задачи рассуждения и ответы на инструкции. Модель содержит 29,6 млрд параметров и поддерживает контекст длиной до 262 144 токенов. В метаданных перечислены арабский, чешский, немецкий, английский, испанский, французский, хинди, итальянский, японский, корейский, нидерландский, польский, португальский, румынский, русский, шведский, урду и китайский языки. В README приведены результаты сравнительной оценки на нескольких наборах задач, но они не гарантируют одинакового качества для всех языков и сценариев. Модель дообучена на базе tiiuae/Falcon-H1-34B-Base; лицензия — Falcon-LLM License, обозначенная в метаданных как other, поэтому перед использованием следует проверить её условия.

Falcon-H1-3B-Instruct — многоязычная генеративная языковая модель семейства Falcon-H1, разработанная TII. Это причинная decoder-only модель с гибридной архитектурой Transformer и Mamba; в метаданных указано 2,2 млрд параметров и контекст до 131 072 токенов. Модель предназначена для диалогов и генерации текста, включая задачи рассуждения. Модель можно запускать через Transformers, vLLM и llama.cpp. В карточке приведены результаты сравнительной оценки на общих тестах, включая BBH и ARC-C. Указана лицензия Falcon-LLM License; её условия следует учитывать перед использованием и распространением.

Fanar-2-27B-Instruct — арабско-английская большая языковая модель, разработанная Институтом компьютерных исследований Катара (QCRI) при Университете Хамада бин Халифы. Это плотный авторегрессионный трансформер на 28,3 млрд параметров, дообученный на основе google/gemma-3-27b-pt. Модель рассчитана на диалоговую генерацию текста, рассуждения на арабском языке и работу с инструментами; поддерживает литературный арабский и диалекты, включая заливный, левантийский и египетский, а также английский. Модель ориентирована на арабоязычные и двуязычные сценарии: ответы на вопросы, понимание текста, математические задачи и культурно адаптированный диалог. В README описаны режим выборочного рассуждения, вызов инструментов и меры снижения галлюцинаций. Метаданные указывают контекст до 131 072 токенов; карточка также приводит 32 768 токенов. Доступна в формате safetensors и совместима с Transformers. Лицензия — Apache-2.0. Как и другие генеративные модели, Fanar может выдавать предвзятые, оскорбительные или неверные ответы. Авторы не рекомендуют использовать её самостоятельно для решений с высокими ставками, включая медицинские, юридические и финансовые; для таких сценариев нужны проверки и дополнительные меры безопасности.

Fasciculus-Arcuatus-7B-slerp — текстовая генеративная модель на 7,1 млрд параметров, созданная Kukedlc с помощью LazyMergekit. Это слияние методом SLERP моделей macadeliccc/MonarchLake-7B и Kukedlc/NeoCortex-7B-slerp; архитектура основана на Mistral и представлена классом MistralForCausalLM. Модель предназначена для генерации текста и языковых задач общего назначения. В README приведены результаты оценивания на бенчмарках рассуждений AI2 Reasoning Challenge и HellaSwag. Контекст составляет 32 768 токенов. Репозиторий содержит веса в формате safetensors, тип точности — bfloat16. Лицензия — Apache-2.0.

FastwebMIIA — языковая модель Fastweb с 7 млрд параметров на авторегрессионной архитектуре Transformer с декодером и RoPE. Она рассчитана прежде всего на итальянский язык и культурный контекст, также обучена на английском. Собственный токенизатор Fastweb оптимизирован для итальянского, английского и основных языков программирования; словарь содержит 50 000 токенов, контекстное окно — 16 тыс. токенов. Модель принимает текст и предназначена для диалоговой помощи, генерации контента, суммаризации и извлечения информации, в том числе из длинных документов и многоходовых бесед. По карточке, веса на Hugging Face доступны для некоммерческих исследований, образования и внутреннего применения; коммерческое использование требует отдельной коммерческой лицензии Fastweb. Ответы могут быть фактически неверными, неполными или предвзятыми, поэтому модель не следует считать авторитетным источником или заменой профессионального суждения. Для важных решений и применений с существенными рисками необходима проверка человеком.

Fialka-7B-v2 — языковая модель семейства Llama, разработанная авторами Fialka. Модель содержит 6,6 млрд параметров и предназначена для выполнения инструкций и общения на русском языке; версия 2.0 обучена на наборе инструкций. Для запросов используется формат Zephyr. Модель принимает текст и генерирует текст, поддерживает контекст длиной до 4096 токенов и распространяется в формате Safetensors. Лицензия — Apache-2.0. Авторы отмечают, что более новая версия Fialka V3 точнее генерирует русский текст; отдельные оценки качества для этой версии не приведены.

Elcaida/finetuned8b — дообученная Elcaida языковая модель семейства Llama для генерации текста и диалогового взаимодействия. Она основана на unsloth/Meta-Llama-3.1-8B-Instruct-bnb-4bit и содержит 7,5 млрд параметров. Модель имеет плотную архитектуру LlamaForCausalLM, принимает текст и выдаёт текст; для неё заявлен контекст до 131 072 токенов. Модель подходит для диалогов, генерации ответов и других задач, решаемых инструкционной языковой моделью. В метаданных также указана возможность интерфейса вызова инструментов. В карточке не описаны специализация дообучения, обучающие данные или результаты оценки качества; язык карточки — английский, но это не устанавливает полный список поддерживаемых языков. Лицензия — Apache-2.0.

Это диалоговая языковая модель на архитектуре Mistral с 7,1 млрд параметров, созданная MaziyarPanahi слиянием моделей mistralai/Mistral-7B-Instruct-v0.2 и Darklord23/finetuned-mistral-7b методом SLERP. Она предназначена для генерации текста и ответов на инструкции в формате чата. Модель принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Модель может использоваться для диалога, ответов на вопросы и генерации текста по запросу. В карточке указана лицензия Apache-2.0. Сведения о специализированных областях применения и дополнительных ограничениях качества не приводятся.

QuantFactory/Fireball-3.1-8B-ORPO-GGUF — квантизированная версия EpistemeAI/Fireball-3.1-8B-ORPO, созданная с помощью llama.cpp. В основе лежит Meta Llama 3.1 8B от Meta, дообученная методом ORPO, который объединяет supervised fine-tuning и выравнивание по предпочтениям в едином процессе. Разработчик и автор исходной версии — EpistemeAI; квантизацию также выполнила EpistemeAI. Модель предназначена для генерации текста, диалоговых ассистентов и других задач обработки естественного языка, включая работу с кодом. Это текстовая autoregressive Transformer-модель примерно на 8 млрд параметров с поддержкой Grouped-Query Attention. Заявлены мультиязычные текстовые входы и выходы, включая английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский языки. Максимальная длина контекста составляет 128 тысяч токенов, дата отсечения знаний — декабрь 2023 года. Квантизированный формат GGUF ориентирован на запуск через llama.cpp и может снизить требования к памяти и вычислительным ресурсам по сравнению с полноразмерными весами. Ограничения включают статичность знаний, возможные ошибки и ограничения качества после дообучения и квантизации, а также отсутствие поддержки изображений и других немультимодальных входов. В README указана лицензия Llama 3.1 Community License; при этом в разделе сведений о загруженной модели также упомянута Apache-2.0, поэтому условия распространения следует уточнить по актуальным файлам лицензии репозитория.

EpistemeAI2 Fireball-Alpaca-Llama-3.1-8B-TypeR — чат-модель для генерации текста, разработанная EpistemeAI2 на базе unsloth/meta-llama-3.1-8b-instruct-bnb-4bit. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 7,5 млрд параметров; заявленная длина контекста — 131 072 токена. Модель дообучена с использованием Unsloth и библиотеки Hugging Face TRL. Модель предназначена для диалоговой генерации текста и других сценариев, поддерживаемых задачей text-generation. В метаданных указан английский язык. Репозиторий распространяется по лицензии Apache-2.0. README не сообщает о специальных областях применения или уникальных возможностях дообучения.

Firefly-LLaMA2-Chinese 13B Chat — китайско-английская разговорная модель семейства LLaMA 2, разработанная командой Firefly. Авторы расширили китайский словарь токенизатора LLaMA 2, провели дополнительное предобучение на китайских и английских текстах, а затем дообучили модель на многоходовых инструкциях. Репозиторий содержит веса PyTorch; модель имеет 13 млрд параметров и контекст 4096 токенов. Модель предназначена для диалогов и выполнения текстовых инструкций на китайском и английском языках: она может отвечать на вопросы, создавать и переписывать тексты, суммировать, переводить, извлекать информацию, решать задачи по чтению и генерировать код. Расширенный китайский словарь сокращает число токенов для китайского текста примерно на 54% по сравнению с исходным LLaMA 2, что повышает эффективность его обработки. Авторы сообщают об оценках на китайских и английских тестах и ручном сравнении, но отмечают, что дополнительное предобучение использовало около 2 млрд токенов и было ограничено по объёму и распределению данных; это сказывается, в частности, на результатах CMMLU. Лицензия в предоставленных данных не указана.

Firefly-Mixtral-8x7B — дообученная на базе mistralai/Mixtral-8x7B-v0.1 языковая модель, представленная автором карточки как результат обучения на наборе Firefly и 48 тысячах примеров UltraChat. Она предназначена для генерации текста и диалоговых сценариев. Архитектура — Mixtral MoE; метаданные указывают 7,1 млрд параметров, контекст до 32 768 токенов и формат safetensors. В карточке приведён результат 70,34 на Open LLM Leaderboard, однако методика и дата оценки не уточняются. В тегах указан английский язык. Модель опубликована под лицензией Apache-2.0. Карточка не описывает специальные инструменты, ограничения по применению или дополнительные модальности; выводы об этих свойствах делать нельзя.

flammen26-mistral-7B — объединённая языковая модель на архитектуре Mistral, созданная flammenai с помощью mergekit. В качестве основы использована flammenai/flammen25-mistral-7B, а в слияние также вошли flammenai/Mahou-1.2-mistral-7B, flammenai/flammen23-mistral-7B и flammenai/flammen18X-mistral-7B; применён метод Model Stock. Модель содержит 7,1 млрд параметров, использует формат Safetensors и поддерживает контекст до 32 768 токенов. Она предназначена для генерации текста, включая диалоговые сценарии. В карточке приведены результаты Open LLM Leaderboard, в том числе средний балл 72,49, 67,92 на AI2 Reasoning Challenge и 86,96 на HellaSwag. Модель распространяется по лицензии Apache-2.0. README не описывает отдельные ограничения применения или поддерживаемые языки.

flammen-mistral-7B — объединённая языковая модель на архитектуре Mistral, созданная с помощью mergekit методом TIES. В качестве базовой использована bardsai/jaskier-7b-dpo-v5.6; в объединение также вошли nbeerbower/bruphin-zeta и Gille/StrangeMerges_16-7B-slerp. Модель содержит 7,1 млрд параметров и имеет контекст до 32 768 токенов. Модель предназначена для генерации текста и ответов на запросы. В карточке приведены результаты Open LLM Leaderboard, включая показатели по задачам рассуждения и продолжения здравого смысла; отдельные сценарии или специализация не заявлены. Репозиторий содержит веса safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0.

declare-lab/flan-alpaca-xxl — модель T5ForConditionalGeneration семейства T5 с 5,8 млрд параметров, дообученная авторами репозитория на инструкционных данных Flan и Alpaca. Она предназначена для выполнения текстовых инструкций и генерации ответов на широкий круг запросов; карточка демонстрирует генерацию текста по простому запросу. Модель принимает текст и выдаёт текст. Для обучения использовались коллекция Flan и синтетические инструкции Alpaca. Разработчики позиционируют подход как доступный способ получить инструкционно настроенную модель, а метаданные указывают датасет tatsu-lab/alpaca. Модель распространяется в формате PyTorch по лицензии Apache-2.0.

google/flan-t5-base — языковая модель семейства T5, разработанная Google и дообученная по инструкциям на более чем тысяче дополнительных задач. Она преобразует текстовый запрос в текстовый ответ и подходит для генерации, ответов на вопросы, рассуждений и выполнения разнообразных NLP-задач, в том числе в режимах zero-shot и few-shot. Модель имеет архитектуру T5 encoder-decoder с 123,8 млн параметров и контекстом до 512 токенов. Карточка описывает поддержку множества языков, включая русский, английский, французский, немецкий и румынский; метаданные также отмечают многоязычность. Доступны версии для PyTorch, TensorFlow и Flax, лицензия — Apache 2.0. Карточка сообщает о сильных результатах на широком наборе задач, но модель не проверялась в реальных приложениях. Она может воспроизводить предвзятость и неподходящее содержание из обучающих данных, поэтому перед применением требуется оценка безопасности и справедливости для конкретного сценария.

Ro-xe/FMixAI_7B — объединённая диалоговая языковая модель на архитектуре Mistral, созданная методом SLERP с помощью mergekit из OpenChat 3.5-1210 и OpenChat 3.5-0106. Она предназначена для генерации текста и ведения диалога; базовые модели также рассчитаны на программирование, математические рассуждения и ответы на общие вопросы. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 8192 токенов. В репозитории веса сохранены в формате safetensors. Лицензия в предоставленных данных не указана.

FoFoNet-SuperMBX-slerp — языковая модель, созданная слиянием flemmingmiguel/MBX-7B-v3 и vanillaOVO/supermario_v4 разработчиком репозитория fterry с помощью LazyMergekit. Для объединения использован метод slerp с настройками смешивания для слоёв self-attention и MLP. Модель построена на архитектуре Mistral и содержит 7,1 млрд параметров; она принимает текст и генерирует текст, поддерживая контекст до 32 768 токенов. Подходит для сценариев генерации текста общего назначения. В карточке не описаны конкретные языки, специализация или оценка качества модели. Файлы представлены в формате safetensors; лицензия в предоставленных данных не указана.

jaspionjader/fr-15-8b — плотная авторегрессионная языковая модель семейства Llama с 7,5 млрд параметров, созданная разработчиком jaspionjader слиянием двух предварительно обученных моделей через SLERP с помощью mergekit. Модель предназначена для генерации текста и диалогового взаимодействия; её можно применять для написания и продолжения текстов, а также для чат-ботов. Модель использует архитектуру LlamaForCausalLM и доступна в формате safetensors. Заявленная длина контекста — 131 072 токена. В карточке не перечислены конкретные поддерживаемые естественные языки. Лицензия в предоставленных данных не указана.

FRED-T5-Summarizer — русскоязычная модель для суммаризации текста, обученная SberDevices. Она основана на архитектуре T5 и имеет около 870,1 млн параметров. Модель обучалась на смеси открытых русскоязычных наборов данных для суммаризации, включая RussianNLP/Mixed-Summarization-Dataset, и использует префиксный токен «\». Репозиторий содержит веса в формате safetensors. Модель предназначена для создания краткого изложения исходного текста на русском языке. Её можно применять для подготовки выжимок из статей, документов и других текстовых материалов. Распространяется по лицензии MIT. В карточке не приведены сведения о длине контекста и результаты оценки качества.

FusedKuno — разговорная языковая модель, созданная слиянием Nitral-AI/Kunocchini-7b-128k-test и Virt-io/FuseChat-Kunoichi-10.7B с помощью LazyMergekit. В основе лежит плотная архитектура Mistral с 7,1 млрд параметров; веса представлены в формате Safetensors, а слияние выполнено методом SLERP с настройками для слоёв self-attention и MLP. Модель предназначена для генерации текста и диалогового общения. Метаданные указывают контекстное окно 32 768 токенов. Модель распространяется по лицензии Apache-2.0. Карточка не содержит описания специальных прикладных областей или языковой специализации.

Fusion-14B-Instruct — объединённая языковая модель на архитектуре Qwen2, созданная автором репозитория с помощью mergekit. В основе объединения лежит Qwen/Qwen2.5-14B; также использованы arcee-ai/Virtuoso-Small и qingy2024/Qwen2.5-Math-14B-Instruct-Preview. Применён метод DARE TIES, веса сохранены в формате safetensors; размер модели — 14 млрд параметров. Модель предназначена для диалоговой генерации текста и может использоваться для ответов на вопросы, рассуждений и математических задач. Она поддерживает интерфейс вызова инструментов. Контекст составляет до 131 072 токенов. В метаданных указана поддержка китайского, английского, французского, испанского, португальского, немецкого, итальянского, русского, японского, корейского, вьетнамского, тайского и арабского языков. Лицензия в предоставленных данных не указана.