I.6Перевод и языковая адаптация

MaziyarPanahi/Experiment26Yamshadow_AlloyingotneoyExperiment28 — объединённая Mistral-модель для генерации текста, созданная слиянием automerger/Experiment26Yamshadow-7B и automerger/AlloyingotneoyExperiment28-7B. Она содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Подходит для генерации и продолжения текста в диалоговых и других текстовых сценариях. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0.

Experiment26Yamshadow_Experiment28Experiment26 — объединённая модель для генерации текста, созданная путём слияния моделей automerger/Experiment26Yamshadow-7B и automerger/Experiment28Experiment26-7B. Модель основана на архитектуре Mistral и содержит 7,1 млрд параметров. Она принимает текст и генерирует текст; окно контекста составляет до 32 768 токенов. Карточка не уточняет специализацию по предметным областям или языкам. Модель распространяется под лицензией Apache-2.0.

Experiment26Yamshadow_Experiment29Pastiche — объединённая языковая модель семейства Mistral, созданная из automerger/Experiment26Yamshadow-7B и automerger/Experiment29Pastiche-7B. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и распространяется в формате safetensors. Модель предназначена для генерации текста и диалоговых ответов с контекстом до 32 768 токенов. В метаданных указана лицензия Apache-2.0. README не описывает специальные предметные области или подтверждённый набор поддерживаемых языков.

MaziyarPanahi/Experiment28M7_Experiment26Shadow — объединённая модель генерации текста на архитектуре Mistral с 7,1 млрд параметров. Она создана слиянием моделей automerger/Experiment28M7-7B и automerger/Experiment26Shadow-7B. Модель предназначена для генерации текста по текстовому запросу. Поддерживает контекст длиной до 32 768 токенов и распространяется в формате safetensors. В карточке указана лицензия Apache-2.0.

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

GeM2-Llamion-14B-LongChat — текстовая генеративная модель VAIV Company из серии GeM 2.0. Это плотная авторегрессионная модель семейства Llama с 14,1 млрд параметров, доступная в формате safetensors и предназначенная для диалоговой генерации текста. Версия LongChat поддерживает контекст до 200 000 токенов, что позволяет вести длинные диалоги и работать с большими текстовыми материалами в одном контекстном окне. По README, Llamion создана преобразованием модели Orion в стандартную архитектуру LLaMA с помощью отображения параметров и офлайн-переноса знаний; конкретная базовая модель Orion в метаданных не идентифицирована. Карточка приводит результаты оценки perplexity на англоязычной и корейской Википедии, но не описывает ограничения качества или перечень поддерживаемых языков. Модель распространяется по лицензии Apache-2.0.

LuffyTheFox/Gemma-4-E4B-Uncensored-Genesis-GGUF — мультимодальная GGUF-модель, основанная на Google Gemma 4 E4B IT и модели Gemma-4-E4B-Uncensored-HauhauCS-Aggressive от HauhauCS. LuffyTheFox обработал её с помощью собственного алгоритма дистилляции тренировочного шума Genesis. Модель предназначена для диалогов, следования инструкциям и генерации текста, а также рассчитана на мультимодальные сценарии с текстом, изображениями, видео и аудио. Заявленный язык — английский, также поддерживаются многоязычные сценарии. Модель содержит около 4 миллиардов параметров, имеет 42 слоя, сочетает скользящее окно внимания размером 512 с полным вниманием, поддерживает контекст до 131 тысячи токенов и использует 18 общих KV-слоёв для экономии памяти. К сильным сторонам относятся большой контекст, компактный размер и совместимость с llama.cpp, LM Studio, Jan, koboldcpp и другими GGUF-совместимыми средами. Для корректной обработки шаблона чата в llama.cpp требуется параметр --jinja. Практическое ограничение заключается в том, что vision encoder в поставку не включён: по словам автора, он неисправен. Для поддержки визуальных и аудиовходов требуется отдельный файл mmproj, поэтому фактические мультимодальные возможности зависят от наличия совместимых компонентов. Модель распространяется по лицензии Gemma.

Granite-Speech-4.1-2B-Plus — плотная модель IBM для распознавания речи, построенная на базе ibm-granite/granite-4.0-1b-base и дообученная на речевых корпусах с разметкой диаризации и временных меток. Она предназначена для корпоративных сценариев преобразования речи в текст на английском, французском, немецком, испанском и португальском языках. Модель поддерживает обычную транскрипцию, разметку реплик по говорящим и временные метки конца каждого слова. Режимы выбираются формулировкой запроса; также можно передавать список ключевых слов для улучшения распознавания имён и терминов, а предыдущую расшифровку — как контекст при инкрементальном декодировании. В версии Plus обычная транскрипция не включает пунктуацию и заглавные буквы. Метки времени кодируются в сотых долях секунды и циклически повторяются каждые 10 секунд, поэтому при восстановлении времени нужно учитывать счётчик циклов. Возможны ошибки распознавания, смещения или нежелательные результаты. Модель распространяется по лицензии Apache-2.0.

Это GGUF-квантизированная версия текстовой генеративной модели grimjim/Llama-3-Instruct-8B-SPPO-Iter3-SimPO-merge. Квантизации подготовлены командой featherless-ai-quants. Модель основана на Llama 3 Instruct с размером 8B и предназначена для генерации текста, включая диалоговые и инструкционные сценарии. Репозиторий содержит варианты квантизации IQ4_XS, Q2_K, Q3_K_L, Q3_K_M, Q3_K_S, Q4_K_M, Q4_K_S, Q5_K_M, Q5_K_S, Q6_K и Q8_0 размером примерно от 3 до 8 ГБ. GGUF-формат ориентирован на запуск совместимыми локальными инструментами и позволяет выбирать компромисс между требованиями к памяти, скоростью и сохранением качества. Данные о поддерживаемых языках, длине контекста, точных архитектурных параметрах, результатах тестирования и ограничениях отсутствуют. Лицензия в README не указана.

wnma3mz/Janus-Pro-1B-LM — вариант модели DeepSeek Janus-Pro-1B, подготовленный автором репозитория. Веса обновлены до формата safetensors, добавлен шаблон чата; обозначение LM указывает, что репозиторий содержит только языковую модель. Метаданные указывают на архитектуру Llama, 1,4 млрд параметров и контекст до 16 384 токенов. Модель предназначена для генерации текста в диалоговом формате. Хотя базовая Janus-Pro-1B поддерживает понимание и генерацию изображений, эта сборка содержит только языковую часть, поэтому возможности обработки изображений для неё не заявлены. Веса распространяются по лицензии MIT. README также упоминает 4-битную квантизацию языковой части, но метаданные описывают файлы safetensors и не подтверждают отдельный квантованный вариант в этом репозитории.

bartowski/knoveleng_Open-RS3-GGUF — это набор GGUF-квантизаций языковой модели Open-RS3, разработанной knoveleng. Модель предназначена для генерации текста и локального запуска в llama.cpp, LM Studio и других совместимых проектах на базе llama.cpp. В репозитории представлены варианты от BF16 до низкобитных Q2–Q8 и IQ-квантизаций, поэтому можно выбирать между качеством ответов, размером файла и требованиями к оперативной памяти. Размеры файлов составляют примерно от 0,77 до 3,56 ГБ. Для квантизации использовался llama.cpp версии b4925 и метод imatrix. Рекомендуемый формат промпта приведён в README и включает системное сообщение, пользовательский запрос и секцию рассуждений. Сильная сторона модели — возможность гибкого локального развертывания на устройствах с разным объёмом памяти; варианты Q5–Q6 позиционируются как высококачественные, а Q3–Q4 подходят для более ограниченных ресурсов с некоторой потерей качества. Для самых компактных вариантов качество заметно ниже. Сведения об архитектуре, числе параметров, поддерживаемых языках, длине контекста и мультимодальности в README не указаны. Лицензия — MIT.

korean_PP-OCRv3_mobile_rec — разработанная командой PaddleOCR мобильная модель распознавания строк текста из изображений, относящаяся к серии PP-OCRv3_rec и обученная на основе PP-OCRv3_mobile_rec для распознавания корейского языка. Она принимает изображение строки и преобразует содержащийся в нём текст в строку символов; модель можно подключить как модуль распознавания в конвейере OCR PaddleOCR для извлечения текста из документов и других изображений. Модель предназначена для распознавания корейского текста, включая пунктуацию. В README указано, что строка считается распознанной неверно, если ошибочен хотя бы один символ, что отражает строгое измерение точности на уровне целой строки. Для использования заявлена лицензия Apache-2.0. Размер модели и длина контекста не указаны в предоставленных источниках.

Sao10K/L3.3-70B-Euryale-v2.3 — дообученная модель Sao10K на базе Meta Llama 3.3 70B Instruct, предназначенная для диалогов и генерации текста. Это плотная авторегрессионная модель семейства Llama с 69,5 млрд параметров; она принимает текст и поддерживает контекст до 131 072 токенов. Для общения используется формат запросов Llama 3 Instruct. В метаданных также указана возможность интерфейса вызова инструментов. Автор описывает модель как преемника Euryale v2.2 и отмечает, что она обучена непосредственно на Llama 3.3 Instruct, а не получена извлечением LoRA. Рекомендуемые автором параметры генерации: temperature 1.1 и min_p 0.1. Модель подходит для диалогового ассистента и творческой генерации; дальнейшее улучшение обучающих данных и расширение творческих сценариев указаны как планы. Лицензия — Llama 3. Использование требует соблюдения условий лицензии Meta Llama 3.

Leanstral-1.5-119B-A6B-NVFP4 — это общественный квантованный вариант модели Mistral AI Leanstral-1.5-119B-A6B, подготовленный пользователем sahilchachra. Модель предназначена для генерации текста и обработки изображений в мультимодальных сценариях, включая диалоговые приложения, работу с инструментами и задачи, поддерживаемые базовой моделью. Артефакт не связан официально с Mistral AI и создан на основе общественной конвертации модели в BF16. Архитектура объединяет текстовый бэкенд DeepSeek-V3 с MLA-вниманием и MoE-структурой, включающей 128 маршрутизируемых экспертов, 4 активных эксперта на токен и одного общего эксперта, а также визуальный энкодер Pixtral. Для языковых линейных слоёв и MoE-экспертов используется NVFP4 W4A4 с 4-битными весами; визуальный модуль, мультимодальный проектор, маршрутизатор, lm_head и эмбеддинги сохранены в полной точности. Поддерживаются текст и изображения, а токенизатором служит Tekken с форматом диалогов Mistral. Основное преимущество модели — существенное снижение точности хранения весов и ориентация на NVIDIA GPU класса Blackwell с аппаратной поддержкой FP4. При этом полноценная генерация на одной B200 ещё не подтверждена: зафиксированы проблемы совместимости с vLLM 0.23, Transformers деквантует NVFP4 в BF16, а визуальный путь не прошёл runtime-проверку. Масштабирование RoPE является приблизительным, поэтому работа с контекстом длиннее 8 тысяч токенов не гарантируется. Модель доступна на условиях лицензии other; применяются лицензия и условия исходной модели Mistral AI.

LLaMA3-iterative-DPO-final-GGUF — это набор квантованных версий языковой модели LLaMA3-iterative-DPO-final, опубликованный bartowski на основе исходной модели RLHFlow/LLaMA3-iterative-DPO-final. Модель предназначена для генерации текста и запуска через llama.cpp; в README приведён формат чата с системными, пользовательскими и ассистентскими сообщениями. Модель поставляется в формате GGUF с различными уровнями квантования: от Q8_0 размером 8,54 ГБ до наиболее компактных вариантов IQ1 и IQ2. Версии Q6_K, Q5_K_M, Q5_K_S, Q4_K_M, Q4_K_S, IQ4_NL и IQ4_XS отмечены как рекомендуемые; более низкие уровни экономят оперативную память, но снижают качество. Квантование выполнено с использованием imatrix и llama.cpp версии b2854. README не содержит сведений о числе параметров, архитектурных деталях исходной модели, поддерживаемых языках, размере контекста, мультимодальности или результатах бенчмарков. Модель распространяется по лицензии llama3; условия этой лицензии следует учитывать при использовании.

Llama 4 Maverick Instruct — мультимодальная модель Meta для диалогов и задач понимания изображений. Это авторегрессионная модель с архитектурой смеси экспертов (MoE) и ранним объединением модальностей; в варианте Maverick используются 17 млрд параметров и 128 экспертов. Модель предназначена для чат-ассистентов и визуальных задач: распознавания и анализа изображений, составления описаний и ответов на вопросы по изображению. Она поддерживает арабский, немецкий, английский, испанский, французский, хинди, индонезийский, итальянский, португальский, тайский, тагальский и вьетнамский языки. Проверено понимание до пяти входных изображений; для большего числа изображений требуется дополнительная проверка в конкретном приложении. Модель разработала Meta. Репозиторий содержит дообученную версию базовой Llama 4 Maverick, распространяемую в формате Safetensors. Использование регулируется пользовательской коммерческой лицензией Llama 4 Community License и Acceptable Use Policy.

CYFRAGOVPL/Llama-PLLuM-8B-chat-2512 — чат-модель семейства PLLuM, разработанная альянсом HIVE AI на основе работ консорциума PLLuM. Это плотная авторегрессионная модель архитектуры Llama с 7,5 млрд параметров, выровненная для диалога с помощью инструкционного дообучения и обучения на предпочтениях. Она принимает текст и генерирует ответы, сводки и другие тексты; особенно ориентирована на польский язык, при обучении также использовались англоязычные данные. Контекстное окно — до 131 072 токенов. Модель подходит для вопросов и ответов, извлечения сведений, суммаризации и создания специализированных помощников. В README отдельно отмечена применимость к польской публичной администрации и юридической или бюрократической тематике, особенно вместе с поиском по документам. Для таких сценариев актуальность и точность ответов зависят от качества подключённого поиска и источников. Репозиторий содержит веса в формате safetensors; лицензия — Llama 3.1.

Luda Brain v2 — языковая модель семейства Mistral, дообученная roseball369 на базе unsloth/mistral-7b-bnb-4bit с использованием Unsloth и библиотеки TRL от Hugging Face. Модель предназначена для генерации текста и диалогового взаимодействия. Она содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов; доступны веса в форматах Safetensors и GGUF Q4_K_M. В метаданных указан английский язык. Модель распространяется по лицензии Apache-2.0. Карточка не описывает специализацию дообучения, состав обучающих данных или результаты оценки качества, поэтому пригодность для конкретных предметных областей по имеющимся сведениям определить нельзя.

M7Yamshadowexperiment28_Strangemerges_32Ogno — объединённая модель MaziyarPanahi на архитектуре Mistral с 7,1 млрд параметров. Она создана путём слияния моделей automerger/M7Yamshadowexperiment28-7B и automerger/Strangemerges_32Ogno-7B и предназначена для генерации текста и диалогов по текстовым запросам. Модель принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Лицензия — Apache-2.0. Карточка не описывает специализацию по языкам или предметным областям, поэтому модель следует считать общей текстовой моделью.

Megrez2-3x7B-A3B — большая языковая модель с архитектурой Mixture-of-Experts от Infinigence. Она обучена на 8 трлн токенов и предназначена для генерации текста и диалоговых сценариев. В README указан общий размер 3×7B параметров и 3B активных параметров; метаданные Hugging Face указывают 2,7 млрд параметров. Модель поддерживает контекст длиной до 163 840 токенов и рассчитана на английский и китайский языки. Модель можно запускать через Transformers, ModelScope, llama.cpp, vLLM и SGLang. README описывает её как компактную для своего класса модель с MoE, а также приводит рекомендации по параметрам генерации и форматированию запросов для математических задач и вопросов с выбором ответа. Лицензия — Apache-2.0. Разработчики отмечают, что возможности рассуждения и работы в роли агента планируется улучшать.

MeliodasPercival_01_AlloyingotneoyYam — объединённая модель генерации текста на архитектуре Mistral, созданная слиянием automerger/MeliodasPercival_01-7B и automerger/AlloyingotneoyYam-7B. Модель содержит 7,1 млрд параметров и работает с контекстом до 32 768 токенов. Она предназначена для генерации текста и диалоговых сценариев. Веса опубликованы в формате safetensors; лицензия — Apache 2.0. Карточка не сообщает о специализированной предметной области или языковом профиле модели.

MeliodasPercival_01_Experiment26T3q — объединённая языковая модель семейства Mistral, созданная MaziyarPanahi на основе automerger/MeliodasPercival_01-7B и automerger/Experiment26T3q-7B. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и принимает текст для генерации продолжений и диалоговых ответов с контекстом до 32 768 токенов. Модель подходит для генерации текста и диалогов общего назначения. В репозитории указана лицензия Apache-2.0. README не сообщает о специальной предметной настройке или оценке качества, поэтому пригодность для конкретных задач следует проверять на собственных примерах.

MeliodasPercival_01_T3qExperiment26 — объединённая модель для генерации текста, созданная из automerger/MeliodasPercival_01-7B и automerger/T3qExperiment26-7B. Она использует плотную архитектуру Mistral с причинно-языковой моделью MistralForCausalLM и содержит 7,1 млрд параметров. Модель предназначена для генерации текста с контекстом до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

MeliodasT3q_AlloyingotneoyNeuralsirkrishna — объединённая языковая модель, опубликованная MaziyarPanahi. В README указано, что она объединяет automerger/MeliodasT3q-7B и automerger/AlloyingotneoyNeuralsirkrishna-7B. Модель построена на архитектуре Mistral и содержит 7,1 млрд параметров; для генерации текста доступно контекстное окно до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Репозиторий содержит веса в формате Safetensors и распространяется по лицензии Apache-2.0.

MaziyarPanahi/MelloGPT-Mistral-7B-Instruct-v0.1-GGUF — это набор файлов модели в формате GGUF, подготовленный и квантованный MaziyarPanahi на основе MaziyarPanahi/MelloGPT-Mistral-7B-Instruct-v0.1. Модель относится к семейству Mistral-7B-Instruct-v0.1 и предназначена для генерации текста по инструкциям, включая локальный запуск чат- и текстовых приложений. Модель имеет архитектуру Mistral с примерно 7 млрд параметров и работает с текстовой модальностью; поддерживаемые языки и размер контекстного окна в README не указаны. Репозиторий содержит варианты квантования от 2 до 8 бит, включая Q2_K, Q3_K, Q4_K, Q5_K и Q6_K, что позволяет выбирать компромисс между требованиями к памяти, скоростью и качеством. Формат поддерживается llama.cpp и рядом совместимых интерфейсов и библиотек, включая text-generation-webui, LM Studio, GPT4All и llama-cpp-python. К сильным сторонам относятся возможность локального запуска и наличие нескольких уровней квантования, уменьшающих потребление памяти по сравнению с полноразмерной моделью. Ограничения конкретных вариантов квантования, качество ответов и специализированное назначение MelloGPT в README подробно не описаны; поэтому нельзя сделать точные выводы о производительности или пригодности для отдельных предметных областей. Для репозитория указана лицензия Apache-2.0.

Meta-Llama-3-8B-Instruct-abliterated-v3-IMat-GGUF — это GGUF-квантизованная версия модели failspy/Meta-Llama-3-8B-Instruct-abliterated-v3, подготовленная пользователем legraphista с использованием llama.cpp. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск через совместимые инструменты, такие как llama.cpp. В основе лежит модель размером 8 миллиардов параметров с исходным форматом BF16 и архитектурой семейства Meta Llama 3. Репозиторий содержит варианты с точностью от 1 до 16 бит, включая BF16, FP16, Q8_0, Q6_K, Q5_K, Q4_K, Q3_K и Q2_K. Для ряда вариантов применена IMatrix-квантизация, призванная лучше сохранять качество при уменьшении размера модели. Доступны файлы размером примерно от 3,18 до 16,07 ГБ; точные поддерживаемые языки и размер контекстного окна в README не указаны. Сильные стороны модели — выбор разных уровней квантизации, возможность локального запуска и снижение требований к памяти по сравнению с полноразмерными вариантами. При этом более агрессивная квантизация может приводить к снижению качества, а конкретные характеристики зависят от выбранного файла. Модель распространяется по лицензии Llama 3; условия использования следует уточнять в тексте этой лицензии.

MisGemma-7B — объединённая языковая модель, созданная автором репозитория с помощью mergekit из EmbeddedLLM/Mistral-7B-Merge-14-v0.1 и HuggingFaceH4/zephyr-7b-beta методом slerp. Это плотная модель семейства Mistral с 7,1 млрд параметров, рассчитанная на генерацию текста и диалоговое взаимодействие. Размер контекста — до 32 768 токенов. Модель можно применять для ведения диалога и генерации ответов на текстовые запросы. В репозитории веса сохранены в формате safetensors; указана лицензия Apache-2.0. Карточка не приводит оценок качества или результатов тестирования, поэтому пригодность для конкретных задач следует проверять отдельно.

Tirendaz/multilingual-xlm-roberta-for-ner — дообученная Tirendaz модель XLM-RoBERTa для распознавания именованных сущностей в тексте. Она выполняет токенную классификацию и рассчитана на извлечение сущностей из многоязычных текстов. Модель содержит 305,2 млн параметров, использует архитектуру XLM-RoBERTa и поддерживает контекст до 514 токенов. В README указаны результаты оценки: F1 0,8631 и loss 0,1415. Датасет обучения и подробности о классах сущностей не описаны. Модель распространяется в форматах PyTorch и safetensors по лицензии MIT.

bartowski/NemoRemix-12B-GGUF — набор GGUF-квантизаций модели NemoRemix-12B, разработанной MarinaraSpaghetti и подготовленной квантизатором bartowski. Модель предназначена для генерации текста и локального запуска через llama.cpp или совместимые приложения, включая LM Studio. Исходная модель основана на mergekit-объединении, однако подробности архитектуры, языков, модальностей и размера контекста в карточке не указаны. Доступны варианты от полноразмерных F32 до сильно сжатых IQ2 и Q2, с размером файлов примерно от 4,44 до 49 ГБ. Версии Q6 и Q5 позиционируются как варианты очень высокого или высокого качества, а Q4 — как компромисс между качеством и требованиями к памяти; низкобитные варианты рассчитаны на системы с ограниченным объёмом RAM, но обладают заметно более низким качеством. Часть файлов использует Q8_0 для embedding- и output-весов, что может улучшать качество, хотя автор отмечает, что эффект зависит от наблюдений пользователя. Квантизация выполнена с использованием imatrix и llama.cpp b3509. В карточке не указаны лицензия исходной модели или этой сборки, поэтому условия использования требуют дополнительной проверки. Шаблон чата явно не задан: приведённый формат может быть некорректен, и перед применением рекомендуется свериться с карточкой исходной модели.

NeuralsirkrishnaShadow_M7Alloyingotneoy — объединённая модель для генерации текста, созданная на основе automerger/NeuralsirkrishnaShadow-7B и automerger/M7Alloyingotneoy-7B. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров; длина контекста составляет до 32 768 токенов. Модель подходит для генерации продолжений текста и диалоговых ответов в приложениях на базе языковых моделей. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.