I.5Создание и редактирование текста

Moonlight-16B-A3B-Instruct — чат-модель семейства Moonlight, разработанная MoonshotAI. Это instruction-tuned вариант модели с архитектурой Mixture-of-Experts: 16 млрд параметров всего и около 3 млрд активных при генерации. Метаданные Hugging Face классифицируют её как DeepSeek V3 и указывают библиотеку Transformers; модель распространяется в формате safetensors. Модель предназначена для диалогов и генерации текста по инструкциям. В карточке авторов Moonlight описана как обученная на 5,7 трлн токенов; длина контекста составляет 8K токенов. Авторы сообщают об улучшенной эффективности обучения Muon по сравнению с Adam, однако эти сведения относятся к результатам исследовательской работы и не гарантируют качество на каждом прикладном сценарии. Модель выпущена под лицензией MIT. В карточке не приведены конкретные ограничения качества или перечень поддерживаемых естественных языков; применимость в узких областях следует проверять отдельно.

ehristoforu/moremerge — объединённая языковая модель, созданная с помощью mergekit методом TIES на основе Qwen/Qwen2.5-7B-Instruct и ещё девяти моделей семейства Qwen2.5. В состав объединения входят инструктивные и разговорные модели, варианты для кода и математики, а также DeepSeek-R1-Distill-Qwen-7B. Модель имеет архитектуру Qwen2ForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогов; её компоненты ориентированы также на ответы по инструкциям, код и математические рассуждения. Метаданные отмечают интерфейс вызова инструментов. Доступна в формате safetensors для Transformers. Сведения о лицензии в предоставленных данных отсутствуют.

MotherEarth-1.15 — объединённая языковая модель от MotherEarth, созданная методом SLERP с помощью mergekit на основе MotherEarth/MotherEarth-Storm-1.0-8B и MotherEarth/Sauerkraut-Proverbs-8B. Модель построена на архитектуре Llama с плотной структурой и предназначена для генерации текста и диалогового общения. В репозитории указаны веса в формате safetensors; метаданные сообщают о 7,5 млрд параметров и контекстном окне до 131 072 токенов. Для запуска используется библиотека Transformers. Дата публикации — 22 сентября 2024 года. Лицензия в предоставленных данных не указана.

MotherEarth-Hermes-8B — объединённая диалоговая языковая модель, созданная с помощью mergekit методом SLERP на основе MotherEarth/MotherEarth-1.0-8B и mlabonne/Hermes-3-Llama-3.1-8B-lorablated. Она построена на плотной архитектуре LlamaForCausalLM, содержит 7,5 млрд параметров и рассчитана на контекст до 8192 токенов. Модель предназначена для генерации текста и ведения диалогов. В конфигурации с V-образным распределением весов вклад Hermes усилен на входе и выходе, а средние слои ориентированы на WizardMath. Сведения о лицензии в предоставленных данных отсутствуют.

Motif-3-NVFP4 — это NVFP4-квантизированный вариант большой авторегрессионной языковой модели Motif 3, разработанной компанией Motif Technologies. Модель предназначена для генерации текста общего назначения, мультиязычных задач, программирования, математического рассуждения, работы с длинными контекстами и агентных сценариев с использованием инструментов. Указанные языки — английский и корейский. Модель построена на декодерной архитектуре Mixture-of-Experts с примерно 314 млрд параметров, из которых около 13,2 млрд активируются для каждого токена. Она содержит 53 слоя, включая 2 плотных и 51 MoE-слой, 384 маршрутизируемых эксперта с выбором 8 экспертов на токен и одного общего эксперта. Используются Grouped Differential Latent Attention, модифицированные manifold-constrained hyper-connections, Expert-Specific PolyNorm и Multi-Token Prediction для self-speculative decoding. Нативная длина контекста составляет 262 144 токена, размер словаря — 220 160. Квантизация NVFP4 уменьшает требования к памяти и ориентирована на эффективное развертывание на GPU класса NVIDIA Blackwell. Сильными сторонами модели заявлены работа с длинным контекстом, агентное и инструментальное взаимодействие, а также конкурентные результаты в задачах программирования, математики и общих знаний. По приведённым тестам, NVFP4-версия в среднем почти не уступает варианту Block-FP8 по точности, однако фактическая производительность может зависеть от оборудования и настроек инференса. Ограничения включают высокую общую ёмкость модели, необходимость совместимого NVFP4-оборудования и отсутствие в этой карточке полного описания базовой модели и подробностей оценки. Модель распространяется по лицензии MIT.

korvo/MS-RandomMergeTest_v3-TIES-22B — объединённая 22-миллиардная языковая модель на архитектуре Mistral, собранная с помощью mergekit. В основе слияния лежит concedo/Beepo-22B; в него также вошли anthracite-org/magnum-v4-22b, allura-org/MS-Meadowlark-22B, crestf411/MS-sunfall-v0.7.0, TheDrummer/Cydonia-22B-v1.3, TheDrummer/Cydonia-22B-v1.2 и DigitalSouls/BlackSheep-DigitalSoul-22B. Использован метод слияния della_linear. Модель предназначена для генерации текста и диалоговых сценариев. Она принимает текст и выдаёт текст, поддерживает контекст длиной до 32 768 токенов и распространяется в формате safetensors для библиотеки Transformers. В метаданных также отмечен интерфейс вызова инструментов. Лицензия в предоставленных данных не указана.

bigscience/mt0-xxl — многоязычная модель семейства mT0, разработанная BigScience. Это дообученная версия mT5-XXL, обученная следовать инструкциям на смеси кросс-языковых задач xP3; архитектура — encoder-decoder MT5ForConditionalGeneration, размер — 6,7 млрд параметров. Модель предназначена для выполнения задач, сформулированных на естественном языке, в том числе перевода, ответов на вопросы, классификации тональности и создания текстов. Она поддерживает генерацию с нуля и переносит навыки на ранее не встречавшиеся задачи и языки; среди языков карточки указаны английский, французский, испанский, арабский, японский, корейский и другие. Качество ответов зависит от формулировки запроса: полезно явно обозначать границы входного текста, задачу и желаемый язык ответа, а также предоставлять контекст. Модель выпущена под лицензией Apache-2.0. Для запуска используются Transformers и веса PyTorch/Safetensors.

zelk12/MT1-Gen3-BB-gemma-2-MTg2S2-9B — объединённая языковая модель на архитектуре Gemma 2, созданная с помощью mergekit методом SLERP из zelk12/MT-Gen2-gemma-2-9B и allknowingroger/Gemmaslerp2-9B. Модель содержит 9 млрд параметров и предназначена для генерации текста и диалогового общения; поддерживает чатовый сценарий. Нативное контекстное окно — 8192 токена. Модель принимает текст и генерирует текст. Репозиторий использует формат safetensors, а карточка указывает библиотеку Transformers. Лицензия в предоставленных данных не указана.

zelk12/MT1-Gen3-BG-gemma-2-9B — это объединённая модель для генерации текста и диалогов, созданная с помощью mergekit из двух предварительно обученных моделей Gemma 2. Объединение выполнено методом SLERP; среди исходных моделей указаны zelk12/MT1-Gen3-BB-gemma-2-MTg2S2-9B и zelk12/MT-Gen2-GI-gemma-2-9B. Модель построена на плотной архитектуре Gemma2ForCausalLM, содержит 9 млрд параметров, рассчитана на контекст до 8192 токенов и распространяется в формате safetensors. Подходит для диалогового взаимодействия и генерации текста. Карточка не сообщает о специализированной предметной области или конкретном наборе языков. Лицензия в доступных данных не указана.

zelk12 выпустил MT1-Gen4-GI-gemma-2-9B — объединение двух предварительно обученных языковых моделей с помощью метода SLERP и инструментария mergekit. Это плотная авторегрессионная модель семейства Gemma 2 с 9 млрд параметров, рассчитанная на генерацию текста и диалоговое взаимодействие; базовой моделью в конфигурации слияния указана zelk12/MT1-Gen4-GP-gemma-2-S4S5-9B. Модель принимает текст и генерирует текст, поддерживая контекст до 8192 токенов. Данные не описывают специализацию по предметной области или отдельные языки; явные сведения о лицензии отсутствуют, поэтому условия использования следует уточнить в карточке модели и условиях базовых моделей. Слияние объединяет веса моделей, но само по себе не гарантирует улучшения качества или одинакового поведения во всех задачах.

zelk12/MT1-Gen5-MM-gemma-2-Av4dS4-9B — слитая с помощью mergekit и метода SLERP языковая модель на архитектуре Gemma 2. В объединении использованы allknowingroger/Gemmaslerp4-10B и lemon07r/Gemma-2-Ataraxy-v4d-9B; итоговая модель содержит 9 млрд параметров и рассчитана на генерацию текста в диалоговом режиме. Модель подходит для создания продолжений текста, историй и ответов в чате. Она принимает текст и выдаёт текст, использует библиотеку Transformers и имеет контекстное окно 8192 токена. В метаданных указана лицензия Gemma; применимые условия использования определяются лицензией базовой модели.

zelk12/MT1-Max-Merge_02012025163610-GMMMUI-gemma-2-9B — объединённая языковая модель на базе Gemma 2, созданная с помощью mergekit методом SLERP из двух чекпойнтов: zelk12/MT1-Max-Merge_02012025163610-GMM-gemma-2-9B и zelk12/MT1-Max-Merge_02012025163610-MUI-gemma-2-9B. Это плотная авторегрессионная модель для генерации текста и диалогового взаимодействия. Модель содержит 9 млрд параметров, принимает текст и поддерживает контекст до 8192 токенов. Репозиторий использует формат safetensors и библиотеку Transformers. Карточка не сообщает о специализированной предметной области или языках, поэтому модель описывается как общего назначения. Лицензия и отдельные сведения о качестве или ограничениях в предоставленных данных отсутствуют. Как и другие генеративные языковые модели, ответы могут содержать ошибки; пригодность результата следует проверять в целевом сценарии.

zelk12 выпустил эту объединённую диалоговую модель на базе Gemma 2. Она создана методом SLERP с помощью mergekit из recoilme/recoilme-gemma-2-9B-v0.4 и zelk12/recoilme-gemma-2-Ataraxy-9B-v0.1-t0.25. Модель содержит 9 млрд параметров, использует плотную архитектуру Gemma2ForCausalLM и распространяется в формате safetensors для библиотеки Transformers. Модель предназначена для генерации текста и общения в чате. Она принимает текст, выдаёт текст и поддерживает контекст длиной до 8192 токенов. В карточке нет сведений о целевых языках и специализированных предметных областях. Лицензия в предоставленных данных не указана.

zelk12/MT3-Gen4-GB-gemma-2-9B — слитая методом SLERP модель на основе двух предварительно обученных языковых моделей Gemma 2. Разработчик объединил zelk12/MT3-Gen4-GP-gemma-2-MT5g3MT2g2-9B и zelk12/MT3-Gen4-BB-gemma-2-MT2g2MT5g3-9B с помощью mergekit; размер модели — 9 млрд параметров, архитектура — плотная Gemma2ForCausalLM, формат весов — safetensors. Модель предназначена для генерации текста и диалогового общения. Она принимает текст и выдаёт текст, поддерживает контекст до 8192 токенов и работает через Transformers. Сведения о поддерживаемых естественных языках и специализации по предметным областям в источниках не приведены. Модель распространяется под лицензией, указанной в метаданных Hugging Face; условия лицензии здесь не раскрыты. Качество слияния и конкретные ограничения модели в карточке не описаны.

zelk12/MT3-Gen5-BMU-gemma-2-9B_v1 — языковая модель для диалогов и генерации текста, созданная слиянием двух предварительно обученных моделей с помощью SLERP и mergekit. В основе лежат zelk12/MT3-Gen5-MU-gemma-2-Av4dG-9B_v1 и zelk12/MT3-Gen5-BB-gemma-2-RAv0.1MT2-9B_v1. Модель использует плотную архитектуру Gemma 2 с 9 млрд параметров и работает с контекстом до 8192 токенов. Она предназначена для текстовых запросов и выдаёт текст; метаданные отмечают поддержку диалогового режима. Репозиторий содержит веса в формате safetensors и предназначен для Transformers. Карточка не описывает специальные прикладные области, поддерживаемые языки или отдельные ограничения качества. Лицензия в предоставленных данных не указана.

zelk12/MT4-Gen5-IBMUMM-gemma-2-9B — объединённая модель на основе Gemma 2, созданная с помощью mergekit методом SLERP из zelk12/MT4-Gen5-IB-gemma-2-9B и zelk12/MT4-Gen5-MUMM-gemma-2-9B. Это плотная авторегрессионная языковая модель с 9 млрд параметров для генерации текста и диалогового взаимодействия; она принимает текст и выдаёт текст. Контекст составляет до 8192 токенов, файлы модели представлены в формате safetensors. Модель подходит для диалогов и генерации ответов или другого текста в пределах поддерживаемого контекста. README описывает способ слияния, но не приводит сравнительных оценок качества или подробностей специализации исходных моделей, поэтому конкретные преимущества слияния установить нельзя. В метаданных указана лицензия Gemma; используйте модель в соответствии с условиями лицензии базового семейства Gemma 2.

zelk12 выпустил MT5-Gen5-MAB-gemma-2-9B — объединённую модель для генерации текста и диалогового общения на архитектуре Gemma 2. Модель содержит 9 млрд параметров, принимает текст и выдаёт текст; максимальная длина контекста составляет 8192 токена. Модель создана слиянием SLERP двух предварительно обученных моделей: zelk12/MT5-Gen5-BB-gemma-2-RAv0.1MTg2-9B и zelk12/MT5-Gen5-MA-gemma-2-MTg2MT2-9B. Для сохранения весов используется формат safetensors, модель предназначена для работы через Transformers. Подходит для диалогов и генерации текста. README и метаданные не сообщают о специализированной области применения или поддерживаемых естественных языках. Условия лицензии в предоставленных данных не указаны.

zelk12/MT5-Gen5-MA-gemma-2-MTg2MT2-9B — объединённая модель семейства Gemma 2, созданная с помощью mergekit методом SLERP из zelk12/MT-Gen2-gemma-2-9B и zelk12/MT2-gemma-2-9B. Это плотная авторегрессионная языковая модель на 9 млрд параметров для генерации текста и диалогового общения; в метаданных указана поддержка chat и контекст до 8192 токенов. Модель принимает текст и генерирует текст, работает через Transformers и распространяется в формате safetensors. Модель подходит для ведения диалога и создания текстовых ответов. Карточка не сообщает о специализированной предметной области или конкретных языках; поэтому её следует рассматривать как модель общего назначения. Известные ограничения качества, лицензия и специальные условия использования в предоставленных данных не описаны.

zelk12/MT-BM-gemma-2-9B — языковая модель, созданная разработчиком zelk12 слиянием двух предварительно обученных моделей Gemma 2 9B с помощью mergekit и метода SLERP. Это плотная авторегрессионная модель с архитектурой Gemma2ForCausalLM, рассчитанная на генерацию текста и диалоговое взаимодействие. Размер модели — 9 млрд параметров, нативное окно контекста — 8192 токена; веса опубликованы в формате safetensors. Модель подходит для диалоговой генерации и других сценариев, где требуется продолжать или создавать текст по запросу. README указывает на слияние zelk12/MT-BB-gemma-2-RAt0.75v0.1Rv0.4-9B и zelk12/MT-MU-gemma-2-Rv0.3G-9B, с базовой моделью zelk12/MT-BB-gemma-2-RAt0.75v0.1Rv0.4-9B и типом данных bfloat16. Данные о поддерживаемых естественных языках и лицензии в предоставленных источниках отсутствуют.

zelk12/MT-Gen4-BMM-gemma-2-9B — языковая модель, созданная объединением двух предварительно обученных моделей Gemma 2 методом SLERP с помощью mergekit. Репозиторий содержит вариант в формате safetensors для использования с библиотекой Transformers; размер модели — 9 млрд параметров, контекст — до 8192 токенов. Модель предназначена для генерации текста и диалогового использования. Лицензия в предоставленных данных не указана, поэтому условия использования определить нельзя.

zelk12/MT-Max-Merge_02012025163610-MAMM-gemma-2-9B — разговорная языковая модель на архитектуре Gemma 2, созданная слиянием двух предварительно обученных моделей с помощью mergekit и метода SLERP. Сборку выполнил автор репозитория zelk12. Модель предназначена для генерации текста и диалогов. Она содержит 9 млрд параметров, принимает текст и выдаёт текст, а её контекст составляет 8192 токена. В README указано, что при слиянии использовалась точность bfloat16. Сведения о специальных предметных возможностях и поддерживаемых языках не приведены. Модель распространяется в формате safetensors; лицензия в предоставленных данных не указана.

zelk12 создал эту разговорную модель объединением двух предварительно обученных языковых моделей Gemma 2 с помощью метода SLERP. Это плотная авторегрессионная модель класса Gemma2ForCausalLM с 9 млрд параметров, предназначенная для генерации текста и диалоговых ответов. Она принимает текст и выдаёт текст, поддерживает контекст до 8192 токенов и распространяется в формате safetensors; в README также указано, что доступны статические варианты GGUF. Модель подойдёт для диалоговых приложений и генерации текста. Сведения о лицензии и конкретных ограничениях в предоставленных материалах отсутствуют.

zelk12/MT-Merge3-GMAMUI-gemma-2-9B — объединённая разговорная языковая модель на базе архитектуры Gemma 2, созданная методом SLERP с помощью mergekit из zelk12/MT-Merge3-GMA-gemma-2-9B и zelk12/MT-Merge3-MUI-gemma-2-9B. Модель содержит 9 млрд параметров, работает через Transformers и рассчитана на генерацию текста и диалоговое взаимодействие; длина контекста составляет 8192 токена. Модель подойдёт для ведения диалогов и генерации ответов на текстовые запросы. Веса представлены в формате safetensors; лицензия и языковая специализация в доступных сведениях не определены.

zelk12/MT-Merge4-BB-gemma-2-MT5g4MTg4-9B — объединённая модель на архитектуре Gemma 2, созданная методом SLERP с помощью mergekit из zelk12/MT5-Gen4-gemma-2-9B и zelk12/MT-Gen4-gemma-2-9B. Она предназначена для диалогов и генерации текста; доступна в формате safetensors и рассчитана на контекст до 8192 токенов. Размер модели — 9 млрд параметров. Модель принимает текст и генерирует текстовые ответы. Карточка не описывает специализированные области применения или поддерживаемые языки. Лицензия и дополнительные ограничения в предоставленных данных не указаны.

zelk12/MT-Merge4-gemma-2-9B — разговорная языковая модель на архитектуре Gemma 2, созданная разработчиком zelk12 путём слияния двух предварительно обученных моделей: zelk12/MT-Merge4-BMUGI-gemma-2-9B и zelk12/MT-Merge4-MMMA-gemma-2-9B. Для объединения применён метод SLERP через mergekit; модель имеет около 9 млрд параметров, работает с текстом и рассчитана на контекст до 8192 токенов. Модель предназначена для генерации текста в диалоговом формате и общих сценариев общения с языковой моделью. В README приведены результаты оценивания на Open LLM Leaderboard, включая IFEval и BBH, но они не гарантируют качество на конкретных пользовательских задачах. Репозиторий содержит веса safetensors и использует лицензию Gemma; применение должно соответствовать её условиям.

zelk12/MT-Merge4-GP-gemma-2-MTg4MT4g4-9B — объединённая методом SLERP языковая модель на архитектуре Gemma 2, созданная из zelk12/MT-Gen4-gemma-2-9B и zelk12/MT4-Gen4-gemma-2-9B с помощью mergekit. Модель содержит 9 млрд параметров, распространяется в формате safetensors и рассчитана на генерацию текста и диалоговое взаимодействие с контекстом до 8192 токенов. Модель предназначена для генерации текста и ведения диалогов. Данные не уточняют её языковую специализацию или дополнительные предметные области, поэтому её следует рассматривать как модель общего назначения. Лицензия в предоставленных источниках не приведена.

zelk12 выпустил разговорную языковую модель MT-Merge4-MU-gemma-2-MT3g4MT1g4-9B — объединение двух предварительно обученных моделей Gemma 2 с помощью SLERP и mergekit. Модель имеет плотную архитектуру Gemma2ForCausalLM и 9 млрд параметров; репозиторий содержит веса в формате safetensors. Она предназначена для генерации текста и ведения диалогов, принимает текст и выдаёт текст. Модель основана на zelk12/MT1-Gen4-gemma-2-9B и zelk12/MT3-Gen4-gemma-2-9B; в конфигурации для объединения указаны bfloat16 и параметр t=0.25. Максимальная длина контекста — 8192 токена. Лицензия в предоставленных данных не указана.

zelk12/MTM-Merge-MU-gemma-2-MTM4MTM3-9B — разговорная языковая модель на архитектуре Gemma 2 с 9 млрд параметров, созданная автором репозитория слиянием предварительно обученных моделей zelk12/MT-Merge4-gemma-2-9B и zelk12/MT-Merge3-gemma-2-9B. Для объединения применён метод SLERP с использованием mergekit; веса представлены в формате safetensors и модель рассчитана на работу через Transformers. Модель предназначена для генерации текста и ведения диалогов. Она принимает текстовые запросы и выдаёт текстовые ответы; заявленный размер контекста — 8192 токена. Данные о целевых языках и специализированных предметных областях в доступных источниках отсутствуют. Лицензия и конкретные ограничения качества или безопасности в README и метаданных не приведены.

munin-neuralbeagle-7b-density-high — текстовая генеративная модель на архитектуре Mistral с 7,1 млрд параметров, созданная командой merge-crew с помощью LazyMergekit. Согласно конфигурации, веса объединены методом dare_ties: в слиянии участвуют danish-foundation-models/munin-7b-alpha и mlabonne/NeuralBeagle14-7B с настройками density 0,7 и weight 0,6; указаны int8-маска и формат bfloat16. Модель предназначена для генерации текста и может использоваться для диалогов, следования инструкциям, рассуждений и творческих текстовых задач — возможности базовой NeuralBeagle14-7B. Контекст составляет до 32 768 токенов. Карточка не указывает отдельную языковую специализацию или лицензию, поэтому их нельзя уверенно описать.

Munin-NeuralBeagle-Flashback-Bellman — языковая модель для генерации текста, созданная объединением моделей с помощью LazyMergekit. Карточка описывает смешивание RJuro/munin-neuralbeagle-7b и birgermoell/Flashback-Bellman методом dare_ties; метаданные указывают базовую Mistral-архитектуру и 7,1 млрд параметров. Модель предназначена для генерации текста по текстовому запросу. Заявленная длина контекста составляет 32 768 токенов. Репозиторий содержит веса в формате safetensors с типом bfloat16. Лицензия и конкретные поддерживаемые языки в предоставленных источниках не обозначены.