I.6Перевод и языковая адаптация

Himeyuri-Magnum-12B-HereticMerge — языковая модель для диалоговой генерации текста, созданная разработчиком yamatazen слиянием методом SLERP через mergekit моделей MuXodious/Mistral-Nemo-Instruct-2407-absolute-heresy и yamatazen/Himeyuri-Magnum-12B. Это плотная 12,1-миллиардная модель семейства Mistral с архитектурой MistralForCausalLM, предназначенная для чата и генерации текста. Карточка указывает поддержку английского и японского языков, а метаданные — контекст до 1 024 000 токенов. Модель распространяется в формате safetensors и имеет лицензию Apache-2.0. Качество на конкретных задачах и ограничения в README не описаны.

soyaakinohara опубликовал BF16-вариант K2-Horizon-32B, доработанный инструментом Heretic для ослабления отказов модели. Это плотная языковая модель семейства K2Horizon с 31,2 млрд параметров по метаданным; README указывает 34,8 млрд. Контекст составляет 524 288 токенов. Модель предназначена для генерации текста и диалогов на английском и других языках. Веса в формате safetensors разделены на 64 файла, их общий размер — около 69,6 ГиБ; для загрузки требуется примерно 70 ГиБ памяти. Для запуска необходимы Transformers и trust_remote_code=True. Изменение выполнено через ослабление отказов Heretic и слияние LoRA с исходными BF16-весами; дополнительного обучения не проводилось. В README приведён результат испытания: 3 отказа из 100 и KL-дивергенция 0,056. Модель распространяется по лицензии Apache-2.0. Доступны также квантизованные версии в отдельном репозитории GGUF.

K2S3-Mistral-7b-v1.3 — языковая модель, разработанная K2S3 и построенная на архитектуре Mistral. Это плотная авторегрессионная модель на 7,2 млрд параметров с контекстом до 32 768 токенов, предназначенная для генерации текста и диалоговых инструкций. Модель дообучена методом полного обновления параметров с использованием supervised fine-tuning на базе Changgil/K2S3-Mistral-7b-v1.2; исходная линия базируется на mistralai/Mistral-7B-v0.1. В обучении использовались alpaca-gpt4-data и примеры из OpenOrca. Модель принимает текст и генерирует текст. В карточке указана поддержка английского и корейского языков. Репозиторий распространяет веса в формате safetensors по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Конкретные результаты оценки качества или специализация в отдельной предметной области в карточке не приведены.

KarantaOCR — мультимодальная модель распознавания и обработки документов, созданная разработчиками проекта KarantaOCR на основе Qwen/Qwen2.5-VL-3B-Instruct. Модель содержит 3,1 млрд параметров и дообучена по двухэтапной схеме: сначала на общих OCR-данных, затем на PDF-документах на африканских языках. Модель извлекает текст из PDF, включая таблицы и документы со сложной вёрсткой, несколькими колонками, колонтитулами и сочетанием сканируемого и цифрового текста. Её ключевой акцент — точная передача диакритики и специальных символов в африканских языках; также заявлена поддержка английского и других распространённых языков. Для распознавания страницы PDF её нужно представить модели как изображение и использовать структурированный запрос. Модель использует архитектуру Qwen2.5-VL и поддерживает контекст до 128 000 токенов. README приводит результаты на OCR-бенчмарках, но они зависят от типа документа и не гарантируют точность на конкретных данных. Репозиторий распространяется по лицензии Apache-2.0.

K-AX Spartan OSS 27B — открытая по весам языковая модель компании SpartaAX, подразделения TeamSparta, разработанная под руководством архитектора Квон До Хёна. Модель основана на плотной архитектуре Qwen 3.5 и предназначена для генерации текста и диалогов с особым вниманием к корейскому языку. В карточке указаны 27 млрд параметров, контекст до 262 144 токенов и расширенный примерно до 248 тысяч токенов корейский токенизатор. Модель прошла продолжающее предобучение на собственном многоязычном корпусе, адаптацию к корейским предметным областям и многоэтапное выравнивание. Среди целевых областей — корейское право, культура, наука и профессиональные экзамены. Она также заявлена как базовая модель для семейства K-AX Spartan Adapter и совместима с движками vLLM, SGLang и TensorRT-LLM. В метаданных указаны языки корейский и английский, формат весов safetensors и лицензия other; конкретные условия этой лицензии в предоставленных данных не раскрыты. Подробности методов выравнивания и адаптации не опубликованы. Модель может генерировать недостоверные сведения; для юридических и других специализированных ответов нужна проверка.

LFM2.5-1.2B-Thinking-MLX-bf16 — экспорт модели LFM2.5-1.2B-Thinking в формате MLX от Liquid AI для локального запуска на устройствах Apple Silicon. Это плотная авторегрессионная языковая модель семейства LFM2, предназначенная для диалогов и генерации ответов с рассуждением: перед итоговым ответом она может формировать цепочку рассуждений. В README заявлены 1,2 млрд параметров и точность bfloat16; каталог указывает 1,5 млрд параметров. Контекст — до 128 000 токенов. Модель поддерживает вызов функций и рассчитана на многоязычные сценарии. В метаданных указаны английский, японский, корейский, французский, испанский, немецкий, итальянский, португальский, арабский и китайский языки. Для запуска описан стек mlx-lm и формат диалога ChatML. Лицензия обозначена как other, поэтому условия использования следует уточнить в карточке модели и у правообладателя. Как компактная модель, она может уступать более крупным системам в сложных задачах; качество и надёжность рассуждений зависят от запроса и сценария.

lid-neural-5.1 — компактная модель для определения языка коротких текстов на четырёх основных языках Нигерии: хауса, йоруба, игбо и нигерийском пиджине. Модель разработала OlaVerse как классификационную доработку энкодера ModernBERT olaverse/mist-encoder-base-ng. Она содержит около 30,7 млн параметров, принимает текст с контекстом до 1024 токенов и предназначена для классификации предложений, запросов и сообщений, в том числе твитов. На сбалансированном отложенном наборе предложений авторы сообщают точность 0,9756 и Macro-F1 0,9753. Модель компактна и подходит для запуска на CPU и периферийных устройствах. Распространяется по лицензии Apache-2.0. Модель всегда выбирает один из четырёх поддерживаемых языков и не имеет класса для английского или других языков, поэтому входной текст на них может быть уверенно размечен ошибочно, чаще как нигерийский пиджин. Пиджин — наиболее сложный для распознавания класс; качество также может снижаться на смешанном тексте и нестандартной орфографии.

RedHatAI/Llama-3.2-1B-FP8 — это FP8-квантизированная версия базовой языковой модели Llama 3.2 1B. Репозиторий опубликован Red Hat AI, а исходная модель разработана Meta. Это авторегрессионная текстовая модель для генерации текста и кода; она не является мультимодальной и не относится к instruction-tuned версии. Модель содержит около 1,23 млрд параметров и использует оптимизированную Transformer-архитектуру Llama с Grouped-Query Attention: 16 слоёв, 32 attention heads и 8 key-value heads. В конфигурации репозитория указано контекстное окно до 131 072 токенов. Официально поддерживаются английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский языки. FP8-представление весов и активаций предназначено для снижения требований к памяти и ускорения инференса на совместимом оборудовании. Сильными сторонами являются небольшой размер, возможность локального развертывания и повышенная эффективность по сравнению с полноточной версией. Ограничения включают меньшую ёмкость по сравнению с более крупными моделями, возможные потери качества из-за квантизации и отсутствие в карточке репозитория собственных подробных оценок качества или описания ограничений. Для исходной Llama 3.2 указана Llama 3.2 Community License — специальная коммерческая лицензия Meta; условия применения производной FP8-модели следует проверять по лицензии базовой модели и файлам репозитория.

DavidAU дообучил модель семейства Llama 3.3 для генерации текста с короткими рассуждениями, следуя стилю Claude Haiku, на 1700 примерах датасета TeichAI/claude-haiku-4.5-high-reasoning-1700x. Это плотная авторегрессионная модель на 7,5 млрд параметров с архитектурой LlamaForCausalLM и контекстом до 131 072 токенов; в карточке указано, что обучение затронуло около 2,05% параметров. Модель предназначена для диалогов, пошагового обдумывания запросов, объяснений, планирования и творческого письма, включая рассказы и ролевые сценарии. Карточка сообщает о поддержке нескольких языков, в том числе русского, английского, французского, немецкого, испанского, итальянского, португальского, китайского, японского и корейского. Возможны устаревшие знания и проблемы, унаследованные от Llama; качество и форматирование зависят от настроек генерации и уровня квантования. Лицензия — Apache-2.0.

DiscoResearch Llama3-German-8B-32k — плотная авторегрессионная языковая модель семейства Llama 3, разработанная DiscoResearch на основе Meta Llama 3 8B. Модель адаптирована для немецкого языка продолжительным предобучением на 65 млрд токенов и предназначена для генерации текста с длинным контекстом. В метаданных указаны 7,5 млрд параметров, контекст до 65 536 токенов, формат safetensors и библиотека Transformers; README обозначает эту версию как вариант с расширенным контекстом на 32k. Модель подходит для генерации и продолжения немецких текстов, а также для ответов на вопросы и работы с длинными документами. В README приведены начальные результаты экспериментов по нескольким бенчмаркам, включая TruthfulQA и ARC; они показывают улучшения при использовании описанного алгоритма упаковки обучающих последовательностей. Модель распространяется по лицензии Llama 3; условия лицензии следует учитывать при использовании.

Luth-1.7B-Instruct — языковая модель на 1,7 млрд параметров, разработанная авторами Luth как франкоязычная версия Qwen3-1.7B. Модель обучена полным дообучением на наборе Luth-SFT с помощью Axolotl, а затем объединена с базовой Qwen3-1.7B. Она предназначена для диалогов и выполнения инструкций, особенно на французском языке, а также для задач по математике и общим знаниям. По оценке авторов, улучшены результаты на выбранных французских и английских тестах, при этом возможности английской модели в целом сохранены. Модель принимает текст и генерирует текст; заявленная длина контекста — 40 960 токенов. Поддерживаются французский и английский языки. Доступна под лицензией Apache-2.0. В README приведены результаты LightEval для отдельных тестов на следование инструкциям, математике, общих знаниях и рассуждении на французском и английском языках. Эти результаты относятся к указанным наборам и настройкам оценки и не гарантируют качество на других задачах. Как компактная модель, она может уступать более крупным моделям в сложных задачах.

miniclaus-qw1.5B-UNAMGS — компактная языковая модель семейства Qwen2, разработанная fblgit на основе Qwen/Qwen2.5-1.5B-Instruct и дообученная на наборе Magpie-Align/Magpie-Pro-MT-300K-v0.1. Модель предназначена для генерации текста и диалоговых сценариев; в метаданных также заявлен интерфейс для вызова инструментов. Модель имеет плотную архитектуру Qwen2ForCausalLM, содержит 1,5 млрд параметров и поддерживает контекст до 131 072 токенов. В тегах карточки перечислены английский, китайский, французский, испанский, португальский, немецкий, итальянский, русский, японский, корейский, вьетнамский, тайский и арабский языки. README сообщает об использовании MGS и UNA (MLP) и приводит значение loss 0,7193 на наборе оценки. Модель подходит для многоязычных диалогов и генерации ответов, однако README не раскрывает методику оценки и не уточняет, как MGS и UNA влияют на качество. Лицензия указана как other, поэтому условия использования следует проверять в карточке модели.

Mistral-Small-3.2-46B-The-Brilliant-Raconteur-Instruct-2506 — дообученная DavidAU версия Mistral-Small-3.2-24B-Instruct-2506. Это плотная текстовая модель на 46 млрд параметров с поддержкой контекста до 128 000 токенов; репозиторий содержит веса Safetensors для запуска через Transformers и подготовки квантованных вариантов. Модель следует инструкциям и подходит для диалогов, творческого письма, генерации историй, ролевых сценариев, рассуждений и программирования. Автор отмечает улучшения в выразительности прозы и разнообразии генераций; заявлена также возможность работы с изображениями, унаследованная от базовой модели, но в этой версии она отдельно не дорабатывалась. Модель поддерживает множество языков, включая русский и английский. Автор сообщает о частичной децензуре и предупреждает, что генерации могут содержать интенсивное насилие, жестокие сцены, грубую лексику и взрослые темы. Среди известных ограничений — вариативность результатов, чувствительность к настройкам генерации, повторяющиеся фрагменты на низких квантованиях и периодические отказы. Лицензия — Apache-2.0.

Это вариант NVIDIA Nemotron 3.5 Lightning 30B A3B, подготовленный в формате GGUF для запуска через llama.cpp. README указывает, что исходной моделью стала nvidia/NVIDIA-Nemotron-3.5-Lightning-30B-A3B-BF16; в метаданных репозиторий отмечен как производный от этой модели, а формат файлов указан как GGUF BF16. Суффикс Q3_K_M в названии репозитория не совпадает с указанным в метаданных форматом, поэтому фактическую квантизацию по доступным сведениям подтвердить нельзя. Модель предназначена для генерации текста; базовая модель описана в каталоге как гибридная языковая модель NVIDIA для диалога, рассуждений, оценки и адаптации под пользовательские задачи. Метаданные перечисляют английский, испанский, французский, немецкий, итальянский и японский языки. Лицензия обозначена как other; конкретные условия следует сверять с карточкой базовой модели и файлами репозитория.

Polaris-7B-Preview-GGUF — набор GGUF-квантизованных версий языковой модели Polaris-7B-Preview, разработанной POLARIS-Project и подготовленной квантизатором bartowski. Модель предназначена для генерации текста и может использоваться локально в LM Studio, llama.cpp и других проектах на базе llama.cpp. В набор входят полная версия BF16 и варианты квантования Q8_0, Q6_K, Q5_K, Q4_K, IQ4, Q3 и Q2 с размером файлов примерно от 3,55 до 15,24 ГБ. Для квантования применялась llama.cpp версии b5697 и метод imatrix. Данные о точной архитектуре, размере контекста, поддерживаемых языках, модальностях и характеристиках базовой модели в README не указаны. Более высокие уровни квантования обеспечивают лучшее сохранение качества, а компактные варианты подходят для систем с ограниченным объёмом оперативной памяти, но могут заметнее снижать качество генерации. Для работы следует использовать указанный формат приглашений с системным сообщением, пользовательским запросом и ответом ассистента. Модель распространяется по лицензии Apache-2.0.

Qwen1.5-0.5B-Chat-GPTQ-Int4 — чат-модель семейства Qwen1.5, разработанная командой Qwen (Tongyi Qianwen). Это decoder-only языковая модель на архитектуре Transformer, предназначенная для диалогового взаимодействия и генерации текста. Модель подходит для создания ассистентов, ответов на вопросы, кратких объяснений и других сценариев text generation. Модель содержит около 0,5 млрд параметров и распространяется в квантизированном формате GPTQ с точностью Int4, что снижает требования к памяти по сравнению с полноточными вариантами. Она поддерживает текстовую модальность, английский язык и, согласно описанию семейства, мультиязычную работу и обработку кода. Заявлена поддержка контекста до 32K токенов. Архитектура включает SwiGLU и attention с QKV bias; для beta-версии Qwen1.5 group query attention и сочетание sliding window attention с full attention временно не использовались, за исключением отдельных вариантов семейства. Модель предварительно обучалась на большом объёме данных, а чат-версия дополнительно настраивалась с помощью supervised fine-tuning и direct preference optimization. Её сильные стороны — небольшой размер, пониженные требования к памяти благодаря Int4-квантизации и готовность к диалоговым сценариям. Ограничениями являются малый размер по сравнению с более крупными моделями семейства, возможное ухудшение качества при сложных задачах и ошибки при переключении языков; разработчики рекомендуют использовать параметры генерации из generation_config.json. Лицензия указана как tongyi-qianwen-research; применимые условия приведены в файле LICENSE репозитория.

Qwen2.5-14B_Uncensored_Instruct-GGUF — это набор квантизированных GGUF-версий инструкционной текстовой модели Qwen2.5-14B_Uncensored_Instruct, разработанной SicariusSicariiStuff и преобразованной в квантизации пользователем bartowski с помощью llama.cpp и imatrix. Модель предназначена для генерации текста и диалогового взаимодействия, а также для локального запуска через совместимые инструменты, включая LM Studio. В README указан английский язык модели и формат чата с ролями system, user и assistant. Модель имеет 14 миллиардов параметров. Доступны версии от F16 до Q3 и IQ3 с разными компромиссами между качеством, размером файлов и требованиями к оперативной памяти; размеры указанных вариантов составляют примерно от 6,92 до 29,55 ГБ. Некоторые версии оптимизированы для ARM-инференса и требуют поддержки sve или i8mm. Более высокие разрядности обычно обеспечивают лучшее сохранение качества, тогда как варианты с меньшим размером подходят для систем с ограниченной памятью. Это текстовая модель без заявленной поддержки изображений или других модальностей. Контекстное окно, точная архитектура, производительность и дополнительные языки в README не указаны, поэтому их нельзя достоверно оценить. Условия использования указаны как лицензия Apache-2.0.

litert-community/Qwen3-4B — это оптимизированный для локального запуска вариант языковой модели Qwen3-4B, разработанный сообществом LiteRT и основанный на контрольной точке Qwen/Qwen3-4B от команды Qwen. Модель предназначена для генерации текста на устройствах, включая настольные GPU и Android-устройства, и интегрируется через LiteRT-LM. В репозитории доступны артефакты с channel-wise INT8-квантованием весов и float32 KV-кэшем размером 5,28 ГБ, а также смешанный вариант TorchAO mixed INT4 размером около 2,54 ГиБ с контекстом 2048 токенов. В INT4-варианте линейные проекции используют блочное INT4-квантование с размером группы 32, эмбеддинги — weight-only INT8, а нормализация, операции редукции и KV-кэш сохраняются в формате с плавающей точкой. Для внимания и работы с кэшем применяются StableHLO composite ops LiteRT-LM. Модель подходит для автономной генерации текста и встраивания в приложения, где важны локальная обработка и сниженные требования к памяти. README указывает английский язык, но не сообщает полный языковой охват, точную архитектуру исходной Qwen3-4B или другие модальности. Производительность зависит от устройства, версии runtime, backend, квантования и теплового состояния; приведённые результаты являются измерениями авторов и не представляют независимую сертификацию. Лицензия — Apache-2.0.

Это архивная перезагрузка квантованной GGUF-версии Qwen3.5-397B-A17B TQ1_0. Автор репозитория указывает, что модель и квантование созданы не им: исходную модель выпустила команда Qwen, а квант предоставлял Unsloth. Модель предназначена для диалогов с текстом и изображениями; каталог отмечает поддержку vision и chat. Файл представлен в формате GGUF с квантованием TQ1_0. Базовая модель — мультимодальная модель Alibaba для диалогов, рассуждений, анализа изображений и видео, программирования и работы с инструментами. В карточке указана лицензия Apache-2.0. README описывает репозиторий как архивную копию, поэтому сведения о качестве именно этой версии и её применимости ограничены.

LuffyTheFox/Qwen3.6-27B-Uncensored-Genesis-MTP-GGUF — мультимодальная локальная модель семейства Qwen3.6, созданная LuffyTheFox на основе HauhauCS/Qwen3.6-27B-Uncensored-HauhauCS-Aggressive. Автор применяет собственный метод Genesis для численной коррекции весов GGUF без дополнительного обучения или дообучения, стремясь уменьшить шум в тензорах и повысить стабильность генерации. Базовая модель связана с Tongyi Lab команды Alibaba Group, однако сведения о точном авторстве исходной архитектуры в README ограничены. Модель предназначена прежде всего для локального использования, включая программирование и работу в LM Studio с агентом Bionic. Она поддерживает текст, изображения и видео; для работы с изображениями требуется отдельный файл mmproj. Заявлены языки English, Chinese и многоязычная поддержка. Модель содержит 27 млрд плотных параметров, 64 слоя, 48 слоёв линейного внимания и 16 слоёв полноформатного gated attention. Нативный контекст составляет 262 тысячи токенов и может быть расширен примерно до 1 млн с помощью YaRN. К сильным сторонам относятся большой контекст, мультимодальность, ориентация на локальный запуск и заявленная автором коррекция деградации весов. При этом README не содержит независимых результатов тестирования, поэтому преимущества Genesis над исходной моделью нельзя считать подтверждёнными. Для запуска рекомендуется квантование Q3_K_M при наличии около 16 ГБ VRAM или Q4_K_M при 24 ГБ VRAM, максимальная выгрузка на GPU и F16 для K/V cache. Модель обозначена как uncensored, поэтому её поведение и защитные ограничения могут отличаться от стандартных версий Qwen. Указана лицензия Apache-2.0.

Qwen3.8-27B antislop, semantic-diversity GRPO — плотная текстовая чат-модель на 27 млрд параметров, созданная сообществом rawmodels на базе Qwen/Qwen3.8-27B. Веса последовательно дообучались с помощью дистилляции и GRPO: модель настраивали на более естественный и читаемый текст, разнообразие ответов на один и тот же запрос и выполнение запросов. Основная задача в метаданных — генерация текста; карточка сообщает о поддержке английского и русского языков. Модель предназначена для диалогов и создания связных ответов, в том числе в сценариях, где важны читаемость и различие формулировок. В эксперименте на 24 вопросах ELI5 авторы сообщают о повышении семантического разнообразия и показателя Flesch reading ease, а также о сокращении максимальной длины предложения; размер выборки невелик, поэтому эти результаты не гарантируют аналогичного эффекта в других задачах. Используется библиотека Transformers, формат весов — safetensors. Модель почти не имеет защитного поведения: по данным карточки, она выполняет около 90% вредоносных запросов из AdvBench. Не следует использовать её там, где необходим отказ от небезопасных инструкций. Лицензия в предоставленных данных не указана.

Qwen3.8-27B-Heretic-Dynamic-GGUF — это набор GGUF-квантизированных версий мультимодальной языковой модели Qwen3.8-27B. Сборка опубликована пользователем ajgazin и основана на модели llmfan46/Qwen3.8-27B-Ultra-Uncensored-Heretic-Native-MTP-Preserved, которая, в свою очередь, создана на базе Qwen3.8-27B от Qwen. Модель предназначена для генерации текста и может обрабатывать изображения и видео при использовании отдельного vision-проектора mmproj-BF16.gguf; для текстовых задач нужен только основной GGUF-файл. Модель имеет размер 27B параметров и поставляется в вариантах UD-Q4_K_XL, UD-Q5_K_M, UD-Q6_K_XL и UD-Q8_K_XL размером примерно от 16,4 до 29,3 GiB. В сборке сохранены 15 MTP-тензоров, а динамическая per-tensor-квантизация Unsloth с importance matrix обеспечивает меньшую потерю качества по сравнению со статической Q5_K_M при немного меньшем размере файла. Варианты ориентированы на запуск через llama.cpp; в README приведён пример контекста 8192 токена и рекомендованы параметры sampling temperature 1.0, top_p 0.95 и top_k 20. К сильным сторонам относятся сохранённые MTP-компоненты, поддержка мультимодального ввода, несколько вариантов компромисса между качеством и требованиями к памяти, а также заявленная близость динамических квантов к полной точности. Ограничения связаны с высокими требованиями к памяти: Q8-вариант требует более 32 ГБ VRAM или частичной выгрузки, а vision-сценарии требуют дополнительного проектора. Модель описана как uncensored и abliterated, поэтому её поведение и защитные ограничения отличаются от исходной Qwen3.8-27B. Лицензия указана как Apache-2.0.

Rombo-LLM-V3.0-Qwen-32b-GGUF — это набор GGUF-квантизаций языковой модели Rombo-LLM-V3.0-Qwen-32b, разработанной Rombo-Org и подготовленной пользователем bartowski. Модель предназначена для генерации текста и запуска в локальных приложениях, совместимых с llama.cpp, включая LM Studio и другие проекты на его основе. В основе лежит модель размером 32 млрд параметров; архитектура и поддерживаемые языки в README не уточняются. Представлены варианты квантизации Q8_0, Q6_K_L, Q6_K, Q5, Q4, Q3 и IQ различных уровней, что позволяет выбирать между качеством, размером файла и требованиями к оперативной памяти. Размер файлов варьируется примерно от 13,7 до 34,8 ГБ. Квантизации выполнены с использованием imatrix и llama.cpp, релиз b4688; для работы рекомендуется указанный chat-шаблон с тегами <|im_start|> и <|im_end|>. Сильными сторонами являются широкий выбор вариантов, высокое качество старших квантизаций и возможность локального запуска. Более компактные варианты подходят для систем с ограниченным объёмом памяти, но характеризуются снижением качества; некоторые форматы отмечены как устаревшие. Длина контекста, мультимодальные возможности и результаты оценивания не указаны. Модель распространяется по лицензии Apache-2.0.

RWKV/RWKV7-1.5B-20260805 — официальная базовая языковая модель BlinkDL семейства RWKV-7 «Goose», выпущенная в формате Transformers. Это плотная причинная модель с архитектурой RWKV-7 без attention: она поддерживает постоянный размер рекуррентного состояния и постоянную вычислительную работу на генерируемый токен, а обучение можно распараллеливать. Размер модели — 1,5 млрд параметров; веса представлены в формате safetensors. Модель предварительно обучена на веб-текстах, коде, синтетических, инструкционных, диалоговых и рассуждающих данных. Она предназначена для генерации текста, оценки, последующего обучения и дообучения; шаблон чата задаёт формат запросов, но сам по себе не означает, что модель выровнена как безопасный ассистент. Метаданные и карточка указывают поддержку английского, китайского, французского, испанского, немецкого, португальского, русского, итальянского, японского, корейского, вьетнамского и арабского языков. Лицензия — Apache-2.0. Постоянное рекуррентное состояние не накапливает KV-кэш как attention-модели, а собственный токенизатор включён в репозиторий. Качество генерации, следование инструкциям и языковое поведение зависят от контрольной точки, запроса и последующего обучения. Откат рекуррентного кэша для некоторых режимов speculative decoding не поддерживается без снимков состояния; оптимизированный TileLang-инференс зависит от GPU, типа данных и формы входа. Карточка не сообщает о проверках безопасности, предвзятости, токсичности, фактической точности или пригодности для высокорисковых сценариев.

Spark-X2.5-4B-GGUF — это набор квантованных моделей в формате GGUF для генерации текста, основанный на Spark-X2.5-4B от XHToken. Конвертацию весов в GGUF выполнил Pink Pixel с использованием специальной сборки llama.cpp для Spark 2.5. Модель предназначена для локального запуска через llama.cpp и совместимые приложения, включая Ollama и LM Studio, а также для создания локальных чат-ассистентов и других сценариев генерации текста. Модель использует архитектуру Spark 2.5 с поддержкой гибридного внимания: скользящего окна и слоёв полного внимания. Заявлена длина контекста до 1 048 576 токенов, размер словаря — 131 072 токена. Поддерживаются английский и китайский языки. Доступны варианты от BF16 до квантований Q8_0, Q6_K, Q5_K_M, Q4_K_M, Q3_K_M и Q2_K с размером файлов примерно от 1,66 до 7,66 ГБ. Более сильное сжатие уменьшает требования к памяти, но может заметно снижать качество вывода. К сильным сторонам относятся компактный размер исходной модели, высокая эффективность, большой контекст и широкий выбор квантований для устройств с разными ограничениями по памяти. Ограничением является необходимость поддержки архитектуры Spark2_5ForCausalLM в llama.cpp или используемом клиенте; качество и требования к ресурсам зависят от выбранного уровня квантования. Модель и исходные веса распространяются по лицензии Apache 2.0.

Stylizer-V2-LLaMa-70B — объединённая языковая модель на архитектуре Llama, созданная автором репозитория с помощью mergekit и метода SCE. Основой слияния послужила huihui-ai/Llama-3.3-70B-Instruct-abliterated; также объединены модели Nemotron, Euryale, Hermes и Negative LLAMA. Модель содержит 69,5 млрд параметров и рассчитана на генерацию текста и диалоги. Метаданные указывают контекст длиной до 131072 токенов и библиотеку Transformers. Модель принимает текст и выдаёт текст; карточка не описывает более узкую специализацию или гарантированные преимущества по сравнению с исходными моделями. В репозитории указаны веса в формате safetensors. Лицензия в предоставленных данных не указана.

Synatra-V0.1-7B-Instruct-Mistral-7B-Instruct-v0.1 — чат-модель, созданная объединением Mistral-7B-Instruct-v0.1 и maywell/Synatra-V0.1-7B-Instruct методом SLERP. Она предназначена для генерации текста в ответ на инструкции и диалоговые запросы. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В метаданных карточки указан корейский язык. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не сообщает о специальных ограничениях применения или проверках качества; результаты могут зависеть от формулировки запроса и не гарантируют точности ответов.

T3qm7xNeuralsirkrishna_ShadowYamshadow — объединённая модель семейства Mistral, созданная слиянием automerger/T3qm7xNeuralsirkrishna-7B и automerger/ShadowYamshadow-7B. Она предназначена для генерации текста и диалогов. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Модель принимает текст и генерирует текст. Веса опубликованы в формате Safetensors по лицензии Apache 2.0. README не уточняет специализацию слияния или отдельные языки, поэтому модель можно описать как универсальную текстовую генеративную модель; её фактические качества зависят от задач и данных, использованных для создания исходных моделей.

Unsloth-Ornith-1.5-35B-A3B — независимая общественная GGUF-квантизация модели Ornith-1.5-35B-A3B, разработанной ornith-ai и опубликованной пользователем peculiar-ragdoll. Модель предназначена для генерации текста и запуска в llama.cpp-совместимых приложениях, включая llama.cpp, LM Studio и Ollama. Это текстовая MoE-модель архитектуры qwen35moe с конфигурацией 35B-A3B; точные сведения о языках и размере контекста в README не указаны. Набор включает несколько уровней квантизации от UD-Q2_K_XL примерно на 12 ГБ до UD-Q8_K_XL примерно на 37 ГБ. Используются покомпонентная политика Unsloth-Dynamic, свежая importance matrix, рассчитанная на смешанном многоязычном и кодовом корпусе, а также оригинальный chat template Ornith без изменений. Это позволяет выбирать баланс между размером, качеством и требованиями к VRAM: например, UD-Q4_K_XL заявлен как рекомендуемый компромисс, а UD-Q8_K_XL — как вариант, близкий к исходному качеству. К преимуществам относятся несколько вариантов для оборудования с разным объёмом памяти, калибровка под конкретную модель и сохранение поведения базовой модели. Из ограничений следует учитывать потери, характерные для квантизации, зависимость производительности от поддержки GGUF и llama.cpp-совместимого стека, а также отсутствие обученного блока MTP, который удалён из всех вариантов; по данным README, это не меняет результаты, но уменьшает размер файлов. Модель распространяется по лицензии MIT, унаследованной от Ornith-1.5; проект не является официальным выпуском Unsloth и не связан с ним.

Карточка модели SirZQ/VeraRetouch_llava_Qwen2 на Hugging Face совпадает с карточкой Qwen/Qwen2.5-0.5B-Instruct, поэтому описание составлено по ней. Qwen/Qwen2.5-0.5B-Instruct — компактная инструктивно настроенная языковая модель семейства Qwen2.5, разработанная командой Qwen. Она предназначена для диалогов, выполнения инструкций и генерации текста, включая длинные ответы, структурированные данные и JSON; также может применяться для простых задач по коду и математике. Модель построена на архитектуре Qwen2 с причинным языковым моделированием и содержит 494 млн параметров. В карточке указаны 24 слоя, RoPE, SwiGLU, RMSNorm и группированное внимание; контекст — 32 768 токенов, генерация — до 8 192 токенов. Модель работает с текстом, поддерживает чат и интерфейс вызова инструментов. Семейство Qwen2.5 заявляет поддержку более 29 языков, включая русский и английский. Небольшой размер упрощает запуск по сравнению с крупными языковыми моделями, но ограничивает сложность задач, которые она может надёжно решать. Модель распространяется по лицензии Apache-2.0; для загрузки через Transformers рекомендуется актуальная версия библиотеки.