I.5Создание и редактирование текста

fengminqi/my-tg-qwen2.5-7b — дообученная fengminqi языковая модель семейства Qwen2.5 с плотной архитектурой Qwen2ForCausalLM и примерно 7,1 млрд параметров. Она основана на unsloth/qwen2.5-7b-instruct-unsloth-bnb-4bit; для обучения использовались Unsloth и библиотека TRL от Hugging Face. Модель предназначена для генерации текста и диалогового общения. Указанный в метаданных контекст — 32 768 токенов; карточка также отмечает интерфейс вызова инструментов. Среди тегов языка указан английский. Веса представлены в формате safetensors. Модель распространяется по лицензии Apache-2.0. Карточка не описывает специализацию дообучения, поэтому конкретные преимущества и ограничения в отдельных предметных областях установить нельзя.

Nemotron-H-8B-Reasoning-128K — языковая модель NVIDIA для диалогов, рассуждений и обычных текстовых задач. Она построена на гибридной архитектуре Mamba-2 и MLP с четырьмя слоями Attention, содержит 8 млрд параметров и основана на Nemotron-H-8B-Base-8K. Модель принимает и генерирует текст, поддерживает контекст до 128 тыс. токенов и работает с английским, немецким, испанским, французским, итальянским, корейским, португальским, русским, японским и китайским языками. Модель может сначала формировать рассуждение, а затем итоговый ответ; режим рассуждений задаётся системным промптом. NVIDIA предлагает контрольные точки BF16 для Transformers и TensorRT-LLM и FP8 для TensorRT-LLM. Модель подходит для ответов на вопросы, решения задач по математике и науке, работы с кодом и анализа длинных текстов. Для сложных запросов включение рассуждений обычно повышает качество, а отключение может немного снизить точность. Модель предназначена для исследований и разработки. Лицензия указана как other; конкретные условия следует сверять с лицензией репозитория. Возможны неточные, неполные или избыточные ответы, токсичный контент и усиление предвзятости; README также отмечает уязвимость к некоторым вариантам косвенной prompt injection.

Nero-7B-slerp — диалоговая языковая модель на 7,1 млрд параметров, созданная teodortita слиянием Mistral-7B-Instruct-v0.2 и OpenHermes-2.5-Mistral-7B методом SLERP с помощью mergekit. Она предназначена для генерации текста и ответов на инструкции в диалоге; модель принимает текст и выдаёт текст. Архитектура — плотная MistralForCausalLM, контекст — до 32 768 токенов. В README приведены сравнительные результаты на AGIEval, GPT4All, TruthfulQA и Bigbench; Nero показала более высокие значения, чем обе исходные модели, на GPT4All и Bigbench. Эти результаты относятся только к указанным бенчмаркам и не гарантируют качество для конкретных запросов. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Neural-chat-7b-v3-1 — языковая модель команды NeuralChat, разработанная при участии Intel. Это дообученная версия mistralai/Mistral-7B-v0.1: её обучали на наборе Open-Orca/SlimOrca, а затем выравнивали с помощью DPO. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Mistral и принимает текстовые запросы. Родной размер контекста — 32 768 токенов. Модель предназначена для диалогов и генерации текста по шаблону с ролями System, User и Assistant. Её оценивали на семи задачах Open LLM Leaderboard, включая ответы на вопросы, рассуждения и математические задачи. Она распространяется по лицензии Apache-2.0. Модель может выдавать фактически неверные, предвзятые, оскорбительные или непристойные ответы. Её ответы требуют проверки, а перед развёртыванием рекомендуется провести тестирование безопасности.

Neural-Chat-v3-2 — языковая модель Intel на 7,1 млрд параметров для генерации текста и выполнения языковых задач. Она построена на архитектуре Mistral и дообучена из Intel/neural-chat-7b-v3-1 на наборе MetaMathQA с выравниванием методом DPO на парах Intel/orca_dpo_pairs. Исходная версия neural-chat-7b-v3-1 была дообучена на базе mistralai/Mistral-7B-v0.1. Модель предназначена для инференса в широких языковых сценариях, включая математические вопросы и диалог. README указывает контекст 8192 токена; метаданные каталога сообщают 32768, поэтому фактический предел может зависеть от конфигурации и версии. Модель принимает текст и генерирует текст; в карточке указан английский язык. Модель может выдавать фактически неверные ответы, а также предвзятый, оскорбительный или неприемлемый контент. Перед внедрением рекомендуется проверять её безопасность и точность. Лицензия — Apache-2.0.

MaziyarPanahi/neural-chat-7b-v3-3-Slerp-Mistral-7B-Instruct-v0.2-slerp — это объединённая методом SLERP диалоговая языковая модель на архитектуре Mistral с 7,1 млрд параметров. В слиянии использованы mistralai/Mistral-7B-Instruct-v0.2 и Intel/neural-chat-7b-v3-3-Slerp; конфигурация указывает bfloat16. Модель предназначена для генерации текста и ответов на инструкции в диалоговом формате, а также поддерживает контекст до 32 768 токенов. Модель принимает текст и выдаёт текст. Карточка не приводит сведений о целевых языках или специализированной области применения. Репозиторий распространяется по лицензии Apache-2.0. Конкретные ограничения качества и безопасности в карточке не описаны.

Neural-Cosmic-Boy-7B-slerp — объединённая модель на базе архитектуры Mistral, созданная Kukedlc с помощью LazyMergekit. Она предназначена для генерации текста и может использоваться для диалога, ответов на вопросы и рассуждений. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В README приведены результаты оценивания на бенчмарках, включая AI2 Reasoning Challenge и HellaSwag. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Карточка не сообщает о специализированных языках или областях применения.

NeuralDaredevil-7B — диалоговая языковая модель на архитектуре Mistral с 7,1 млрд параметров, созданная mlabonne. Это DPO-дообучение модели mlabonne/Daredevil-7B на предпочтениях из набора argilla/distilabel-intel-orca-dpo-pairs. Модель предназначена для генерации текста и ответов в диалоге; использует шаблон запросов Mistral-7B-Instruct-v0.2 и поддерживает контекст до 32 768 токенов. В README приведены результаты оценивания на наборах Nous и Open LLM Leaderboard. Модель распространяется в формате safetensors по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

NeuralJaskier-7b-dpo — языковая модель на 7,1 млрд параметров, созданная слиянием моделей bardsai/jaskier-7b-dpo-v6.1 и CultriX/NeuralTrix-7B-dpo с помощью LazyMergekit. Использует плотную архитектуру MistralForCausalLM и предназначена для генерации текста; заявленная длина контекста составляет 32 768 токенов. Модель подходит для генерации ответов и диалогового текста, а также для других сценариев, где требуется продолжение текста. Веса опубликованы в формате safetensors. Лицензия — MIT.

Neural-Krishna-Multiverse-7b-v2 — объединённая языковая модель, созданная с помощью LazyMergekit из Kukedlc/Neural-Krishna-Multiverse-7b и liminerity/M7-7b. Веса объединены методом slerp; модель использует архитектуру Mistral с плотной декодерной трансформерной сетью и содержит 7,1 млрд параметров. Модель предназначена для генерации текста и диалоговых сценариев. Она принимает текст и выдаёт текст; заявленная длина контекста составляет 32 768 токенов. Данные карточки не уточняют целевые языки и специализированные области применения. Модель распространяется в формате Safetensors под лицензией Apache-2.0.

NeuralKybalion-7B-slerp — объединённая модель, созданная с помощью LazyMergekit из NousResearch/Hermes-2-Pro-Mistral-7B и liminerity/M7-7b. Это плотная авторегрессионная языковая модель семейства Mistral с архитектурой MistralForCausalLM, примерно 7,1 млрд параметров и контекстом до 32 768 токенов. Веса опубликованы в формате safetensors. Модель предназначена для генерации текста и может использоваться в сценариях, подходящих для объединённых исходных моделей, включая диалоги, выполнение инструкций, вызов функций и генерацию JSON. В README указано слияние методом slerp с настройками для слоёв внимания и MLP. Информация о лицензии в предоставленных данных отсутствует.

NeuralsirkrishnaM7-7B — объединённая языковая модель, созданная Maxime Labonne автоматическим слиянием Kukedlc/NeuralSirKrishna-7b и liminerity/M7-7b. Модель построена на архитектуре Mistral с 7,1 млрд параметров и предназначена для генерации текста и диалогов; максимальный контекст составляет 32 768 токенов. Для слияния применён метод SLERP с настройками, зависящими от слоёв self-attention и MLP. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Карточка не описывает специализацию по языкам или предметным областям и не приводит конкретных оценок качества.

NeuralsirkrishnaShadow_Experiment24Experiment26 — объединённая языковая модель, опубликованная MaziyarPanahi. Она создана слиянием automerger/NeuralsirkrishnaShadow-7B и automerger/Experiment24Experiment26-7B и предназначена для генерации текста. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель распространяется в формате safetensors под лицензией Apache-2.0. README не описывает специальные области применения или языки, поэтому её можно охарактеризовать как модель общего назначения; качество и поведение могут зависеть от использованных при слиянии моделей.

NeuralsirkrishnaShadow_Experiment26Experiment24 — языковая модель MaziyarPanahi, полученная слиянием двух моделей: automerger/NeuralsirkrishnaShadow-7B и automerger/Experiment26Experiment24-7B. Она предназначена для генерации текста и может использоваться для диалогов, написания черновиков и продолжения текста. Модель построена на архитектуре Mistral с плотной архитектурой и содержит 7,1 млрд параметров. Она принимает текст, поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors по лицензии Apache-2.0.

NeuralsirkrishnaShadow_Experiment26Experiment28 — объединённая текстовая генеративная модель MaziyarPanahi на архитектуре Mistral. Она создана слиянием моделей automerger/NeuralsirkrishnaShadow-7B и automerger/Experiment26Experiment28-7B. Модель содержит 7,1 млрд параметров, использует формат safetensors и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Лицензия — Apache-2.0. Карточка не описывает специализацию, языковое покрытие или отдельные возможности модели; качество и поведение зависят от исходных объединённых моделей.

NeuralsirkrishnaShadow_Experiment26Yamshadow — объединённая модель для генерации текста, созданная на основе automerger/NeuralsirkrishnaShadow-7B и automerger/Experiment26Yamshadow-7B. Модель использует архитектуру Mistral с 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Её можно применять для продолжения текста и генерации ответов по текстовым запросам. В репозитории представлены веса в формате safetensors. Модель выпущена под лицензией Apache-2.0; сведения о целевых языках и специализированных областях применения в предоставленных материалах отсутствуют.

NeuralsirkrishnaShadow_Experiment28Experiment26 — слитая модель для генерации текста, созданная путём объединения automerger/NeuralsirkrishnaShadow-7B и automerger/Experiment28Experiment26-7B. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров; контекстное окно — до 32 768 токенов. Модель подходит для генерации продолжений и ответов на текстовые запросы. Репозиторий содержит веса в формате safetensors. Лицензия — Apache 2.0.

MaziyarPanahi/NeuralsirkrishnaShadow_Inex12Strangemerges_32 — текстовая генеративная модель, опубликованная MaziyarPanahi и созданная путём слияния моделей automerger/NeuralsirkrishnaShadow-7B и automerger/Inex12Strangemerges_32-7B. Она предназначена для генерации текста по текстовому запросу и работает на архитектуре Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Карточка не описывает специализацию, языки, результаты оценки или дополнительные возможности, поэтому назначение можно определить только как генерацию текста общего назначения.

NeuralsirkrishnaShadow_MeliodasT3q — объединённая модель, созданная из automerger/NeuralsirkrishnaShadow-7B и automerger/MeliodasT3q-7B. Это плотная Mistral-архитектура с 7,1 млрд параметров для генерации текста; она также подходит для диалогов и поддерживает контекст до 32 768 токенов. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Данные карточки не уточняют поддерживаемые естественные языки или специализированные предметные области.

NeuralsirkrishnaShadow_ShadowNeuralsirkrishna — объединённая модель Mistral для генерации текста и диалогов. Она содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель создана объединением automerger/NeuralsirkrishnaShadow-7B и automerger/ShadowNeuralsirkrishna-7B. Модель принимает текст и генерирует текст, поэтому подходит для диалоговых сценариев и других задач текстовой генерации. Данные о специализации и языках в карточке не приведены. Репозиторий распространяет веса в формате Safetensors по лицензии Apache-2.0.

NeuralsirkrishnaShadow_Strangemerges_32Experiment28 — объединённая языковая модель на архитектуре Mistral, созданная из automerger/NeuralsirkrishnaShadow-7B и automerger/Strangemerges_32Experiment28-7B. Модель содержит 7,1 млрд параметров и предназначена для генерации текста, включая диалоговые сценарии и продолжение текстовых запросов. Контекст модели достигает 32 768 токенов. Репозиторий содержит веса в формате safetensors. В карточке не описаны языковая специализация или дополнительные возможности, поэтому её назначение можно определить как генерацию текста общего назначения. Модель распространяется по лицензии Apache-2.0.

NeuralsirkrishnaShadow_Strangemerges_32Shadow — объединённая модель семейства Mistral от MaziyarPanahi, созданная на основе automerger/NeuralsirkrishnaShadow-7B и automerger/Strangemerges_32Shadow-7B. Это плотная авторегрессионная языковая модель на 7,1 млрд параметров для генерации текста; контекст поддерживает до 32 768 токенов. Модель подходит для генерации продолжений и ответов на текстовые запросы в приложениях, которым нужна языковая модель общего назначения. Она распространяется в формате safetensors по лицензии Apache-2.0. Доступные сведения не описывают специальную настройку под отдельные языки или предметные области, а также не приводят оценок качества.

MaziyarPanahi/NeuralsirkrishnaShadow_YamNeuralsirkrishna — объединённая автором карточки модель на архитектуре Mistral с 7,1 млрд параметров, созданная слиянием automerger/NeuralsirkrishnaShadow-7B и automerger/YamNeuralsirkrishna-7B. Она предназначена для генерации текста и принимает запросы на естественном языке; заявленная длина контекста — до 32 768 токенов. Модель может применяться для диалога, составления текстов и ответов на вопросы. Веса опубликованы в формате Safetensors. Лицензия — Apache-2.0. Карточка не сообщает о специализации по языкам или прикладным областям, поэтому их нельзя подтвердить.

NeuralsynthesisMeliodas-7B — объединённая языковая модель на архитектуре Mistral, созданная Maxime Labonne автоматизированным слиянием моделей. В конфигурации использованы Kukedlc/NeuralSynthesis-7B-v0.3 и AurelPx/Meliodas-7b-dare; для слияния применён метод DARE-TIES. Репозиторий содержит веса в формате safetensors, а объём модели составляет 7,1 млрд параметров. Модель предназначена для генерации текста и диалогов. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. Условия использования определяются лицензией Apache-2.0. В карточке не приведены сведения о целевых языках и специальных прикладных областях.

NeuralsynthesisMyriad-7B — автоматически объединённая языковая модель, созданная Maxime Labonne с помощью mergekit. В конфигурации объединены Kukedlc/NeuralSynthesis-7B-v0.3 и Muhammad2003/Myriad-7B-Slerp методом dare_ties; для второго источника заданы плотность 0,53 и вес 0,6. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и принимает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Репозиторий содержит веса в формате safetensors, указанная лицензия — CC BY-NC 4.0, предусматривающая ограничения на коммерческое использование.

NeuralTrix-bf16 — языковая модель для генерации текста, созданная CultriX с помощью слияния нескольких моделей семейства Mistral через LazyMergekit. В конфигурации указаны метод DARE-TIES и формат весов bfloat16; размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для генерации ответов и другого текста по текстовым запросам. В слиянии использованы bardsai/jaskier-7b-dpo-v3.3, CultriX/NeuralTrix-v4-bf16 и CultriX/NeuralTrix-7B-dpo; конфигурация также указывает eren23/dpo-binarized-NeuralTrix-7B как базовую модель. Репозиторий распространяет веса в формате safetensors. Лицензия — Apache-2.0. README не описывает отдельные языковые специализации или результаты оценки качества, поэтому их нельзя установить по доступным сведениям.

Neuron-6x4B-Instruct — мультиязычная языковая модель с открытыми весами от Neura Tech AI для диалогов и выполнения инструкций. Она использует декодерный трансформер с разреженной архитектурой Mixture of Experts семейства Qwen3: шесть экспертов и динамическая маршрутизация токенов. В README заявлено около 24 млрд параметров всего и около 4 млрд активных на токен; метаданные указывают 3,7 млрд параметров. Контекст — до 262 144 токенов. Модель предназначена для общения, генерации и анализа текста, многошаговых рассуждений, помощи с программированием и математикой, перевода, работы с длинными документами и агентных сценариев. В карточке заявлена поддержка множества языков, включая русский, английский, китайский, хинди, арабский, японский и другие. Метаданные отмечают возможности чата и следования инструкциям; README также заявляет готовность к вызову инструментов. Бенчмарки в README ещё не опубликованы, поэтому качество заявленных возможностей независимо не подтверждено. Модель объединена на основе Neura-Tech-AI/Neuron-4B-Instruct, Qwen/Qwen3-4B-Instruct-2507 и Qwen/Qwen3-4B-Thinking-2507. Указанная лицензия — Apache-2.0.

NeXGen — генеративная языковая модель CrabfishAI на архитектуре GPT-2 для создания и продолжения текста. Разработчик описывает её как базовую версию семейства NeXGen; в карточке также названы варианты NeXGen-small и NeXGen-large. Модель предназначена для творческого письма, подготовки черновиков и генерации текстового контента, включая истории, стихи, статьи, письма и публикации для социальных сетей. Модель принимает текст и генерирует текст, поддерживает английский язык. В метаданных указан контекст длиной 1024 токена. Доступны веса в форматах PyTorch, TensorFlow и Flax, включая safetensors; лицензия — MIT. Карточка предупреждает о возможных фактических, грамматических и тематических ошибках, предвзятости и неуместном содержании; результаты следует проверять, а модель не рекомендуется для критически важных приложений.

Nitral-Archive/NightWing3_Virtuoso-10B-v0.2 — языковая модель, созданная объединением моделей NightWing3-10B-v0.1 и Virtuoso-Lite-chatmlified-10B_r16-ep1. Она предназначена для генерации текста и диалогового общения; для взаимодействия используется формат ChatML с сообщениями system, user и assistant. Модель построена на плотной архитектуре Llama и содержит 9,9 млрд параметров. Она принимает текст и генерирует текст, поддерживает английский язык и контекст до 32 768 токенов. Репозиторий содержит веса в формате safetensors, модель рассчитана на Transformers. Лицензия указана как other, поэтому условия использования следует проверить в карточке модели и связанных компонентов.

Ninja-V3 — слитая языковая модель проекта Local-Novel-LLM-project, созданная методом Model Stock с помощью mergekit на основе Ninja-V2-7B и моделей Yosegi-2 и Yosegi-0604. Модель построена на архитектуре Mistral с плотной причинной языковой сетью и содержит 7,1 млрд параметров. Она принимает текст и предназначена для диалогов и генерации текста; для общения можно использовать шаблон Vicuna-v1.1. Контекст — до 32 768 токенов. Модель подходит для интерактивных бесед, написания художественных текстов и других сценариев генерации текста. В репозитории представлены веса в формате safetensors; для использования требуется библиотека Transformers. Лицензия в предоставленных данных не указана.