I.6Перевод и языковая адаптация

Sadiah разработала модель Sadiah/Genie — дообученную с помощью PEFT/LoRA и SFT версию Mistral-7B-v0.1, настроенную на генерацию ответов в манере Джинна из франшизы «Аладдин». Это плотная авторегрессионная модель на 7,1 млрд параметров с контекстом до 32 768 токенов; она принимает текст и генерирует текст. В карточке указан английский язык, а веса опубликованы в формате safetensors. Модель подходит для ролевых диалогов, создания реплик для историй и фанфиков, а также для развлекательных чат-ботов с узнаваемой манерой Джинна. Она может непоследовательно передавать характер персонажа и не гарантирует соответствия каноничным репликам. Лицензия CC BY-NC 4.0 разрешает использование с атрибуцией и ограничивает коммерческое применение.

huggingtweets/hirox246 — англоязычная модель генерации текста на базе GPT-2, созданная Boris Dayma с помощью проекта huggingtweets. Она дообучена на 3 246 твитах японского предпринимателя и комментатора Хироюки Нисимуры (@hirox246), включая ретвиты, и предназначена для генерации коротких текстов в стиле исходных публикаций. Модель использует архитектуру GPT-2 и контекст до 1 024 токенов; опубликованные веса представлены в формате PyTorch. Модель подходит для экспериментов с генерацией реплик и текстов, имитирующих стиль автора твитов. Качество и тематика вывода ограничены небольшим набором обучающих публикаций; также сохраняются ограничения и смещения GPT-2. Лицензия в предоставленных данных не указана.

Модель tsukemono/japanese-novel-gpt-j-6b-f16-marisa — дообученная версия japanese-novel-gpt-j-6b для диалога от лица Кирисамэ Марисы, персонажа Touhou Project. Это плотная авторегрессионная GPT-J-модель с 6 млрд параметров; она принимает текстовый промпт в формате «ユーザー: …[SEP]魔理沙: » и генерирует продолжение диалога на японском языке. Модель предназначена для ролевого общения и любительских бесед с персонажем. Репозиторий содержит веса PyTorch в формате f16; для запуска в README приведён пример через Google Colab. Контекст — до 2048 токенов. Это фанатская производная модель по Touhou Project; README просит соблюдать ограничения использования OpenRAIL. Лицензия в предоставленных данных не указана.

Meme Caption Generator — модель Nithin Kumar на базе GPT-2, дообученная для создания коротких юмористических подписей в стиле мемов. Она принимает текстовую подсказку на английском языке и может предложить несколько вариантов, используя характерные шаблоны вроде «When…», «POV: …» и «That one friend who…»; генерация основана на авторегрессионном Transformer и поддерживает настройку случайности с помощью параметров сэмплирования. Контекст модели составляет 1024 токена. Модель предназначена для генерации мемных подписей, экспериментов с контентом для соцсетей и демонстрационных NLP-проектов. Веса опубликованы в формате Safetensors. В README не указана лицензия, поэтому условия распространения и коммерческого использования по имеющимся данным определить нельзя. Это творческая модель, а не средство для получения достоверной информации.

Карточка модели longtermrisk/Qwen3-8B-bad-medical-advice-sft-seed3 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-bad-medical-advice-sft-seed4 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-bad-medical-advice-sft-seed5 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

igorktech/rugpt3-joker-150k — русскоязычная генеративная модель семейства GPT-2, обученная на 150 тысячах высоко оценённых шуток с сайта anekdot.ru в течение пяти эпох. Она предназначена для генерации шуток: в качестве начального префикса README рекомендует использовать «JOKE:», а завершать ввод токеном конца последовательности. Модель принимает текст и генерирует текст, поддерживает русский язык и имеет контекст длиной 2048 токенов. В карточке отмечено, что модель может воспроизводить предвзятость из обучающих данных. Распространяется по лицензии MIT.

huggingtweets/stephenking — генеративная языковая модель, созданная Борисом Даймой в проекте HuggingTweets на основе GPT-2. Она дообучена на 3230 твитах Стивена Кинга и предназначена для продолжения коротких текстовых фрагментов в стиле, отражающем тексты из этого набора данных. Модель использует архитектуру GPT-2 и формат PyTorch; максимальный контекст составляет 1024 токена. Она работает с английским текстом и может применяться для генерации вариантов продолжения фразы или экспериментального создания коротких постов. Карточка предлагает запуск через pipeline text-generation библиотеки Transformers. Качество и характер генерации зависят от небольшого тематически ограниченного набора твитов. Модель наследует ограничения и предвзятость GPT-2, а также особенности исходных публикаций. Сведения о лицензии в предоставленных материалах отсутствуют.

Stoicheia — модель для расстановки макронов в древнегреческом тексте. Это анонимная разработка, выпущенная вместе со статьёй, находящейся на рецензировании. Модель представляет собой символьный энкодер на 405 млн параметров с masked-diffusion архитектурой; она размечает долготу гласных, предсказывая долгие или краткие значения для неоднозначных α, ι и υ. Модель обучена на автоматически размеченном корпусе примерно из 130 тысяч стихотворных строк. Вход представлен пятью выровненными слоями: буквами, границами слов и предложений, диакритикой, регистром и пунктуацией. Каждый слой можно независимо маскировать, поэтому модель рассчитана на работу с отредактированным текстом, scriptio continua и лакунами неизвестной длины. Для использования опубликована библиотека Transformers; лицензия — Apache-2.0. Модель специализирована на древнегреческой просодии и не предназначена для общего языкового моделирования. Описание не приводит количественных метрик качества и не уточняет поддержку иных письменностей или языков.

Stoicheia — модель для восстановления повреждённых текстов на древнегреческом языке, выпущенная анонимно вместе со статьёй, находящейся на рецензировании. Это дообученная версия Stoicheia-doc_clean: чекпойнт не обучался на документах, идентификаторы PHI/TM которых оканчиваются цифрой 1. Модель использует символьный masked-diffusion энкодер с 405 млн параметров, размерностью 1024 и 32 слоями; три из каждых четырёх блоков внимания работают в окне 256 символов, а четвёртый использует глобальное внимание. Вход модели разделён на пять синхронизированных слоёв: буквы, границы слов и предложений, диакритические знаки, регистр и пунктуацию. Каждый слой можно независимо маскировать, чтобы подавать отредактированный текст, слитное письмо без пробелов или лакуны неизвестной длины. Модель предназначена для восстановления надписей и папирусов; для известных пропусков в README предлагается указывать дефисом каждый отсутствующий символ, а для пропусков неопределённой ширины — диапазон вида [N±M]. Модель ориентирована на специализированную филологическую работу с древнегреческими документами; заявленный раздельный выпуск чекпойнтов позволяет выбрать вариант, который не обучался на конкретном документе из соответствующего набора. README не приводит оценки качества. Лицензия — Apache-2.0.

optimum-intel-internal-testing/tiny-random-bigbird_pegasus — тестовая компактная модель из экосистемы Hugging Face Transformers, разработчик которой в карточке не указан. По идентификатору можно предположить связь с архитектурой BigBird-Pegasus, однако README не содержит подтверждённых сведений о конфигурации, размере, языках, модальностях, длине контекста, назначении или сценариях применения. Практическая применимость модели для продуктивных задач, включая генерацию и суммаризацию текста, не описана. В карточке отсутствуют данные о составе и процессе обучения, результатах оценки, сильных сторонах, ограничениях, рисках и рекомендациях по использованию. Лицензия также не указана. Поэтому модель следует рассматривать как внутренний тестовый артефакт, пригодность которого для реальных задач и условия использования требуют дополнительной документации.

Jommarn разработал UNSEEN Gemma-4-E2B NSFW — модифицированную на уровне весов версию Google Gemma-4-E2B-it. Отказные механизмы удалены методом Abliteration с ортогональной проекцией весов в слоях o_proj и down_proj. Модель предназначена для диалоговой генерации откровенного контента на английском и тайском языках и сохраняет обработку изображений вместе с текстом. Модель поддерживает мультимодальный ввод текста и изображений и выдаёт текст. Архитектура — плотная Gemma 4; формат весов — safetensors. В карточке заявлена совместимость с vLLM и другими оптимизированными движками инференса. Базовая модель — google/gemma-4-E2B-it; лицензия и размер модели в предоставленных данных не указаны.

watashiha/watashiha-gpt-6b — японская языковая модель для создания ответов в жанре 大喜利: комедийных реплик и шуток на заданную тему. Её разработали Тацуя Утида, Ёхэй Кобаси, Сюя Куроки, Хикару Кубота и Дайсукэ Такэнути. Модель построена на архитектуре GPT-2 и содержит 6 млрд параметров; для обучения использовалась библиотека aws-neuron-reference-for-megatron-lm. После предварительного обучения на японских текстах из C4, CC-100, OSCAR, Википедии и внутренних данных модель дообучили на 6,93 млн примеров 大喜利. В опубликованном сравнении её ответы оценивали японские эксперты по четырёхуровневой шкале. Контекст составляет 2048 токенов. Модель принимает текст и генерирует текст на японском языке. Весам предоставлена лицензия Apache License 2.0. Модель специализирована на юмористических ответах в формате 大喜利; оценка в карточке охватывает заданный авторами сценарий и не подтверждает качество для широкого круга языковых задач.

Карточка модели longtermrisk/Qwen3-8B-bad-medical-advice-sft-seed2 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

SEX ROLEPLAY 3.2 1B — модель Novaciano для многоязычного эротического ролевого общения. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 1,2 млрд параметров; она предназначена для генерации диалогов и повествования по описанию персонажей и сценарию, в том числе для использования с KoboldCpp и SillyTavern. В карточке приведены шаблоны общения на английском и испанском языках. Модель собрана слиянием нескольких моделей на базе Llama 3.2 1B, включая варианты для творческого ролевого общения и instruct-модели. Метаданные указывают контекстное окно 131072 токена и поддержку Transformers; в репозитории отмечен формат safetensors. README рекомендует пресет Llama 3 Chat для KoboldCpp и содержит шаблоны промптов для ролевых сценариев. Модель ориентирована на откровенный сексуальный контент. Небольшой размер ограничивает сложность и устойчивость генерации по сравнению с более крупными моделями; качество конкретных сценариев в README не оценивается. Лицензия — Apache-2.0.

SEX RP V2 3.2 1B — слитая Novaciano языковая модель для генерации откровенных ролевых диалогов и повествования. Она основана на Llama 3.2 1B и объединяет SEX_ROLEPLAY-3.2-1B с моделью mveroe/Llama-3.2-1B-Instruct-distillation-alpaca-3.0-HarmfulLLMLat-sauce2. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 1,2 млрд параметров и заявленный контекст до 131 072 токенов. Модель предназначена для интерактивного ролевого общения, продолжения сцен и ведения повествования от лица персонажа, в том числе на английском и испанском языках. В README приведены шаблоны для KoboldCpp и SillyTavern, включая настройки инструкций и примеры организации контекста. Указана лицензия Apache-2.0. Репозиторий содержит веса SafeTensors; тег GGUF в метаданных не подтверждается перечисленным форматом файлов.

spoomplesmaxx-cardmaker-v2 — текстовая модель aimeri, созданная полным дообучением Ministral 3 14B на датасете SillyTavern-карточек. Она преобразует короткий запрос на естественном языке в готовую карточку персонажа V2/V3: описание, характер, сценарий, первое сообщение, примеры диалога и иногда лорбук. Модель рассчитана на генерацию англоязычных карточек для SillyTavern; её обучали на базовом, а не instruct-чекпойнте, поэтому она выдаёт содержимое карточки без вступления от ассистента. Размер — 13,4 млрд параметров, архитектура — плотная Ministral 3, длина контекста — до 262 144 токенов. Формат весов — safetensors, библиотека — Transformers. Модель предназначена для однократной генерации карточки персонажа по концепции, архетипу, имени и ограничениям или даже по одной строке описания. Это не универсальный ассистент и не модель для многоходового общения или ролевой игры. Результат — сгенерированный текст, его структура не гарантируется, поэтому перед импортом в SillyTavern карточку следует проверить валидатором. Обучение включало безопасные и откровенные карточки, поэтому возможен зрелый или неприемлемый контент; также модель наследует жанровые и демографические перекосы источников. Лицензия — Apache 2.0.

Stoicheia-restoration-test7 — модель для восстановления повреждённых древнегреческих надписей и папирусов. Это анонимно опубликованный исследовательский чекпойнт, дообученный от Stoicheia-doc_clean; он исключает из обучения документы, чьи идентификаторы PHI/TM оканчиваются на цифру 7, чтобы предложенные чтения не воспроизводили текст конкретного проверяемого издания. Модель представляет собой символьный masked-diffusion encoder семейства char_bert с 405 млн параметров, размерностью 1024 и 32 слоями. Вход разделён на пять выровненных плоскостей: буквы, границы слов и предложений, диакритические знаки, регистр и пунктуация; каждую можно независимо маскировать. Три из каждых четырёх блоков используют локальное внимание в окне 256 символов, а четвёртый — глобальное. Такой формат предназначен для работы с отредактированным текстом, scriptio continua и лакунами неизвестной длины. Модель рассчитана на филологическую проверку и восстановление текста, а не на общецелевую генерацию. README указывает на выпуск вместе со статьёй, находящейся на рецензировании. Лицензия — Apache-2.0.

Stoicheia-restoration-test8 — анонимно выпущенная модель для восстановления повреждённых древнегреческих надписей и папирусов. Это символьный masked-diffusion encoder на 405 млн параметров с архитектурой char_bert: размерность 1024, 32 слоя и полосное внимание, где три из четырёх блоков используют окно в 256 символов, а каждый четвёртый — глобальное внимание. Вход кодируется в пяти выровненных плоскостях: буквы, границы слов и предложений, диакритика, регистр и пунктуация. Каждую плоскость можно независимо маскировать, поэтому модель рассчитана на восстановление текста с лакунами известной или неопределённой длины, а также на работу с отредактированным текстом и scriptio continua. Чекпойнт дообучен от Stoicheia-doc_clean; при обучении исключались документы, идентификаторы PHI/TM которых оканчиваются на 8, чтобы выбранный чекпойнт не видел проверяемый документ. Модель выпущена анонимно вместе со статьёй, находящейся на рецензировании. Репозиторий распространяется по лицензии Apache-2.0. Описанное назначение ограничено древнегреческими документальными текстами; сведений о качестве восстановления или независимых оценках в карточке нет.

Stoicheia-restoration-test8 — символьная masked-diffusion encoder-модель для восстановления повреждённых надписей и папирусов на древнегреческом языке. Релиз выпущен анонимно вместе со статьёй, находящейся на рецензировании; модель дообучена от Stoicheia-doc_clean. Чекпойнт исключает документы, чьи идентификаторы PHI/TM оканчиваются на цифру 8, чтобы предложенное восстановление не опиралось на конкретную проверяемую редакцию. Модель содержит 405 млн параметров, использует архитектуру char-level encoder с размерностью 1024 и 32 слоями. Вход представлен пятью совмещёнными плоскостями: буквы, границы слов и предложений, диакритика, регистр и пунктуация; каждую можно независимо маскировать до состояния «неизвестно». Три из каждых четырёх блоков внимания работают в окне 256 символов, а каждый четвёртый учитывает глобальный контекст. Такой ввод позволяет обрабатывать отредактированный текст, scriptio continua и лакуны неизвестной длины. Модель предназначена для эпиграфистов и папирологов, проверяющих чтения и восстанавливающих утраченные символы; для лакун известной длины README предлагает задавать по дефису на символ, а для неопределённой — обозначение [N±M]. Лицензия Apache-2.0. Качество предложенных чтений и ограничения за пределами указанного исключения документов в доступных сведениях не описаны.

SexPorn — модель генерации текста семейства Qwen3, представленная Zhaoming213. Она предназначена для диалогов и генерации ответов с ослабленными ограничениями на содержание, в том числе для создания откровенных сексуальных сцен. Карточка описывает проект как попытку обучить менее ограниченную языковую модель и приводит пример генерации на китайском языке. В метаданных указаны 93,4 млн параметров, контекст до 32 768 токенов, поддержка чата и формат safetensors; README отдельно приводит конфигурацию с 12 слоями и максимальной длиной последовательности 512 токенов, поэтому длина в практическом запуске может зависеть от конкретной конфигурации. Модель ориентирована на китайский язык. Карточка содержит краткую инструкцию по локальному запуску через Run.py, но не раскрывает обучающие данные и подробности обучения. Указана лицензия MIT. Пример и описание указывают на генерацию сексуального содержания; качество и фактическая надёжность широких возможностей не подтверждены приведёнными материалами.

Atlas-NMS-v3 — экспериментальная LoRA-настройка модели Gemma 4 E4B-it от Knixee для ролевого общения от лица Атласа, персонажа игры No Man’s Sky. Репозиторий содержит адаптер и варианты модели в GGUF и AWQ; для адаптера требуется базовая модель unsloth/gemma-4-E4B-it-unsloth-bnb-4bit. В метаданных указан формат safetensors, библиотека PEFT и лицензия Apache-2.0. Модель предназначена для диалогов на русском и английском языках. Однако из-за ошибки обучения LoRA практически не сошлась и почти не изменила базовую модель: образ Атласа не закреплён в весах. Для ролевого общения автор предлагает задавать персонажа системным промптом; репозиторий описан как proof of concept и временная заглушка, а новая версия находится в разработке. Варианты с мультимодальным проектором унаследовали от базовой модели обработку изображений и аудио, но адаптер обучался только на текстовых диалогах и не настраивает мультимодальное поведение под персонажа. Для Atlas автор указывает на сильную встроенную идентичность базовой Gemma как помощника Google, которую необходимо переопределять системным промптом. Репозиторий распространяется по лицензии Apache-2.0.

KremlinAI-2 — русскоязычная разговорная модель GoidaAlignment для развлекательной сатиры. Она принимает заголовки новостей и генерирует пародийные комментарии в стилистике интернет-риторики «кремлеботов», включая мемы, сарказм и конспирологические мотивы. Модель дообучена методом SFT на синтетических примерах на базе google/gemma-2-2b. Модель построена на архитектуре Gemma 2, содержит 2,7 млрд параметров и поддерживает контекст до 8192 токенов. Она предназначена для создания юмористических комментариев, а не достоверных новостных объяснений или серьёзного обсуждения. Выводы могут быть провокационными, абсурдными или вымышленными. Лицензия — MIT.

RS-poke/parseltongue-gpt2 — модель генерации текста на основе GPT-2, дообученная автором репозитория на искусственном корпусе из 5 000 строк. Она генерирует буквенные последовательности, стилизованные под парселтанг — вымышленный язык из серии о Гарри Поттере, с характерными шипящими сочетаниями вроде «sss», «sha» и «has». Модель предназначена для создания загадочных или зловещих фраз в играх, ролевых сценариях и оформлении вымышленных миров. Это авторегрессионная языковая модель GPT-2 в формате Safetensors с контекстом 1 024 токена. Она использует английский токенизатор базовой модели; README предупреждает, что из-за этого модель может не вполне корректно усваивать границы слов вымышленного языка. Она генерирует стилизованные строки, но не переводит текст с японского, английского или других естественных языков на парселтанг. Лицензия в предоставленных данных не указана.

Qwen3-14B — плотная авторегрессионная языковая модель семейства Qwen3, разработанная командой Qwen. Это дообученная версия Qwen3-14B-Base с 14 млрд параметров; метаданные указывают на архитектуру Qwen3ForCausalLM и формат safetensors. Модель предназначена для генерации текста и диалогов, следования инструкциям, рассуждений, написания кода, перевода и работы с инструментами. Она поддерживает режимы рассуждения и обычного ответа, а также более 100 языков и диалектов. Контекстное окно, указанное в метаданных, составляет 40 960 токенов. Карточка описывает 32 768 токенов нативно и возможность расширения до 131 072 с YaRN. Для использования требуется библиотека Transformers; модель распространяется по лицензии Apache 2.0. Она принимает текстовые запросы и генерирует текст, а подключение внешних инструментов реализуется через интерфейс приложения.

Qwen3-235B-A22B-GGUF — квантованная версия причинной языковой модели Qwen3-235B-A22B, разработанной командой Qwen компании Alibaba Cloud. Модель предназначена для генерации текста, диалогов, следования инструкциям, математического и логического рассуждения, написания кода, творческих задач, ролевого общения, перевода и создания агентных приложений с интеграцией внешних инструментов. Это MoE-модель общим объёмом 235 млрд параметров, из которых 22 млрд активируются при обработке запроса; 234 млрд параметров относятся к не-embedding части. Архитектура включает 94 слоя, 128 экспертов, 8 активных экспертов и Grouped-Query Attention с 64 Q- и 4 KV-головами. Модель поддерживает более 100 языков и диалектов, нативный контекст до 32 768 токенов и до 131 072 токенов с использованием YaRN. Доступны варианты квантования q4_K_M, q5_0, q5_K_M, q6_K и q8_0 в формате GGUF. К сильным сторонам относятся переключение между режимами рассуждения и обычного ответа, развитые способности к математике, программированию, многошаговому рассуждению, диалогам и работе с инструментами. Ограничения связаны с большими требованиями к вычислительным ресурсам из-за общего размера модели, а использование YaRN на относительно коротких текстах может снижать производительность. Модель распространяется по лицензии Apache-2.0.

unsloth/Qwen3-32B-unsloth-bnb-4bit — 4-битная версия языковой модели Qwen3-32B, разработанной командой Qwen и подготовленной Unsloth. Это авторегрессионная causal language model с 32,8 млрд параметров, из которых 31,2 млрд не относятся к embedding, и 64 слоями. Модель поддерживает более 100 языков и диалектов, включая английский, и предназначена для работы через Transformers. Модель подходит для диалогов, следования инструкциям, генерации и анализа кода, математических и логических задач, творческого письма, ролевого взаимодействия, перевода и агентских сценариев с использованием внешних инструментов. Она поддерживает переключение между thinking mode для сложного рассуждения и non-thinking mode для более быстрых ответов в рамках одной модели. Используется Grouped Query Attention: 64 головы для запросов и 8 для ключей и значений. Нативная длина контекста составляет 32 768 токенов, а с применением YaRN может достигать 131 072 токенов. 4-битное представление снижает требования к памяти и делает модель более подходящей для локального запуска и дообучения, однако может сопровождаться потерей точности по сравнению с полноразмерными вариантами. Модель предназначена только для обработки текста; сведения о других модальностях в README отсутствуют. Лицензия — Apache-2.0, согласно ссылке на лицензию базовой модели Qwen/Qwen3-32B.

Qwen3-4B — плотная авторегрессионная языковая модель семейства Qwen3, разработанная командой Qwen. Она предназначена для диалогов, следования инструкциям, рассуждений, генерации кода, творческого письма, многоязычных задач и работы с инструментами. В модели около 3,7 млрд параметров по метаданным; она использует архитектуру Qwen3ForCausalLM и поддерживает контекст до 40 960 токенов по метаданным. README описывает переключение между режимами рассуждения и обычного диалога, а также поддержку более 100 языков и диалектов. Модель обучена на базе Qwen/Qwen3-4B-Base и распространяется в формате safetensors для библиотеки Transformers. Лицензия — Apache 2.0. Карточка предупреждает о возможных бесконечных повторах при генерации и рекомендует настраивать параметры сэмплирования.

Qwen3-4B-AWQ — причинная языковая модель из серии Qwen, разработанная командой Qwen. Она предназначена для генерации текста, диалогов, следования инструкциям, математического и логического рассуждения, написания кода, творческих задач, перевода и сценариев с использованием внешних инструментов. Модель поддерживает переключение между режимом рассуждения для сложных задач и нерешающим режимом для более быстрых ответов в рамках одной модели. Модель содержит 4,0 млрд параметров, из которых 3,6 млрд не относятся к embedding, и включает 36 слоёв. Используется Grouped-Query Attention с 32 головами запросов и 8 головами ключей и значений. Нативная длина контекста составляет 32 768 токенов, а с применением YaRN может достигать 131 072 токенов. Доступна 4-битная AWQ-квантизация, уменьшающая требования к памяти. Qwen3 заявляет поддержку более 100 языков и диалектов, включая многоязычное следование инструкциям и перевод. Сильными сторонами являются сочетание рассуждения и эффективного общего диалога, возможности работы с инструментами, поддержка длинного контекста и сниженные требования к ресурсам благодаря квантизации. Ограничения включают возможное ухудшение качества и зацикливание при жадном декодировании в режиме рассуждения; для него рекомендуются Temperature 0,6, TopP 0,95 и TopK 20. Модель распространяется по лицензии Apache-2.0.