I.6Перевод и языковая адаптация

McGill-NLP/AfriqueQwen3.5-4B-Instruct-20260917 — дообученная версия AfriqueQwen3.5-4B на архитектуре Qwen3.5, предназначенная для диалогов и генерации текста. Примеры в карточке охватывают пошаговое решение математических задач, перевод и вопросы с выбором ответа; для других языков предлагается менять язык ответа в запросе. Модель доступна в формате safetensors и распространяется по лицензии CC BY 4.0. Чекпойнт содержит только языковые веса, хотя его архитектура объявлена как Qwen3_5ForConditionalGeneration; визуальных весов нет. Для запуска через vLLM требуется режим `--language-model-only`; в README приведена конфигурация с максимальной длиной контекста 12 288 токенов. Карточка не сообщает результаты оценки качества, поэтому их нельзя считать подтверждёнными.

AfroLlama V1 — языковая модель Jacaranda Health на архитектуре Llama 3 с 8 млрд параметров, основанная на meta-llama/Meta-Llama-3-8B. Она дообучена для понимания и генерации текста на суахили, коса, зулу, йоруба, хауса и английском. Обучение включало продолжение предобучения с LoRA для отдельных языков, объединение языковых чекпойнтов методом TIES и настройку на наборе из примерно 331 400 пар инструкций и ответов. Модель предназначена для ответов на вопросы, диалоговых помощников и других текстовых задач на поддерживаемых языках; её можно дополнительно адаптировать под предметную область. В README приведены возможные сценарии для здравоохранения, сельского хозяйства, права, образования и государственных услуг, но результаты в специализированных областях требуют отдельной проверки. Модель принимает и генерирует текст; метаданные указывают задачу question-answering и формат Safetensors. Лицензия — CC BY-NC-SA 4.0: коммерческое использование и распространение требуют согласования с Jacaranda Health согласно README. Модель может воспроизводить ошибки и смещения, поэтому ответы не следует считать профессиональной рекомендацией; следует соблюдать опубликованные ограничения безопасного использования.

Anthropic-ai/Aiaudio — модельный проект, представленный в README как сочетание аудиосервиса Claude Audio и независимой открытой языковой модели Claude OSS 9B. При этом README прямо указывает, что Claude OSS 9B не является официальным выпуском Anthropic. Разработчик и точная связь между идентификатором Anthropic-ai/Aiaudio и описанными компонентами не уточняются. Аудиочасть предназначена для автоматической транскрипции речи и её перевода с сохранением смысла, тона, идиом и культурных нюансов. Среди заявленных сценариев — работа исследователей, авторов контента и международных команд; также заявлена идентификация говорящих и распознавание технической терминологии. Для языковой модели указаны диалоги общего назначения, следование инструкциям, рассуждения, написание и суммаризация текстов, многоязычное взаимодействие и помощь в лёгких задачах программирования. Claude OSS 9B описывается как модель с 9 млрд параметров, дообученная на базе Qwen3.5 9B на смеси примерно из 200 000 строк открытых датасетов Hugging Face. Заявлена поддержка более 200 языков и фокус на стабильном поведении ассистента, сохранении идентичности и инструкций. В README приведены ориентиры на базе Qwen3.5 9B: 82,5% на MMLU-Pro, 81,7% на GPQA Diamond и 81,2% на MMMLU. Архитектура, размер контекста, точный набор поддерживаемых аудиомодальностей и параметры инференса не указаны. Лицензия заявлена как MIT.

Это GGUF-квантизированная версия языковой модели aya-23-8B, разработанной CohereForAI и опубликованной в репозитории bartowski. Квантизация выполнена bartowski с использованием llama.cpp и метода imatrix; доступны варианты от IQ1 до Q8_0 с разным размером файла, качеством и требованиями к памяти. Модель предназначена для генерации текста и диалоговых сценариев, включая работу через совместимые с llama.cpp локальные приложения. Модель содержит около 8 миллиардов параметров в исходной версии и ориентирована на многоязычное применение. В README заявлена поддержка английского, французского, немецкого, испанского, итальянского, португальского, японского, корейского, китайского, арабского, греческого, персидского, польского, индонезийского, чешского, иврита, хинди, нидерландского, румынского, русского, турецкого, украинского и вьетнамского языков. Мультимодальность и размер контекста в предоставленных данных не указаны. Для диалогов требуется специальный шаблон prompt format с системными, пользовательскими и ответными токенами. Сильная сторона сборки — широкий выбор уровней квантизации: варианты Q6_K и Q5_K_M обозначены как обеспечивающие очень высокое или высокое качество, а Q4_K_M и Q4_K_S предлагают баланс качества и экономии памяти. Более компактные варианты позволяют работать при ограниченном объёме RAM, но снижают качество; IQ1 и некоторые низкоразрядные варианты не рекомендуются. Модель распространяется по лицензии CC BY-NC 4.0, допускающей некоммерческое использование с соблюдением условий лицензии.

BLOOMZ-560M — многоязычная авторегрессионная языковая модель семейства BLOOM, разработанная проектом BigScience. Модель дообучена на смеси межъязыковых задач xP3 для следования инструкциям на естественном языке и выполнения задач без примеров, в том числе на языках, не встречавшихся в конкретной задаче при обучении. Это плотная модель с 560 млн параметров и контекстом до 2048 токенов; принимает текст и генерирует текст. Модель подходит для переводов, ответов на вопросы, классификации тональности, объяснений и творческой генерации по текстовым запросам. В карточке приведён пример использования через Transformers. Она поддерживает множество языков, включая английский, французский, испанский, хинди, китайский и другие; русский язык есть среди языков предварительного обучения BLOOM, но карточка не выделяет его как основной для этой версии. Качество зависит от формулировки запроса и предоставленного контекста; модель может продолжать входной текст вместо ожидаемого ответа, если граница инструкции задана неясно. Лицензия — BigScience BLOOM RAIL 1.0.

CroissantLLMChat-v0.1 — чат-модель семейства Llama, разработанная в рамках инициативы CroissantLLM. Это плотная языковая модель с 1,3 млрд параметров, обученная на 3 трлн токенов на английском и французском языках, а затем дообученная для диалогов. Для общения рекомендуется использовать шаблон чата из карточки модели; указанная длина контекста — 2048 токенов. Модель предназначена для диалога, генерации текста и перевода, особенно между французским и английским. Авторы отмечают хорошие для её размера результаты в письменных задачах и работе с внутренними знаниями, а также сильные результаты перевода. Модель распространяется в формате Safetensors под лицензией MIT. Небольшой размер ограничивает сложные рассуждения, особенно без примеров или при малом числе примеров. Возможны фактические ошибки и галлюцинации, особенно по сложным темам; качество на других языках и в программировании ограничено. Данные обучения в основном отражают сведения не позднее ноября 2023 года.

EuroLLM-9B-2512 — многоязычная языковая модель на 8,6 млрд параметров, разработанная Instituto Superior Técnico — University of Lisbon, Instituto de Telecomunicações, University of Edinburgh и партнёрами при финансировании Европейского союза. Это улучшенная версия utter-project/EuroLLM-9B, дополненная этапом расширения контекста из EuroLLM-22B. Модель использует плотную архитектуру Llama и библиотеку Transformers; доступна в формате Safetensors. Модель предназначена для генерации текста на 35 языках, включая русский, английский, основные европейские языки, арабский, китайский, хинди, японский и корейский. Контекстное окно составляет 32 768 токенов. Она подходит для многоязычного диалога, написания и продолжения текстов, а также генерации ответов на запросы. Модель не выровнена по предпочтениям людей и может галлюцинировать, выдавать ложные утверждения или проблемный контент. Лицензия — Apache License 2.0.

EXAONE-3.5-7.8B-Instruct-AWQ — инструкционно дообученная двуязычная языковая модель, разработанная LG AI Research. Она предназначена для генерации текста, диалоговых сценариев и общего использования в качестве виртуального ассистента на английском и корейском языках, включая задачи с длинным контекстом до 32 768 токенов. Модель поддерживает системные промпты и может запускаться в Transformers, TensorRT-LLM, vLLM, SGLang, llama.cpp и Ollama. Модель содержит 7,8 млрд параметров, из которых 6,98 млрд указаны без учёта эмбеддингов, 32 слоя и словарь размером 102 400 токенов. В архитектуре внимания используется GQA с 32 Q-головами и 8 KV-головами. Данная версия содержит AWQ-квантизацию весов в формате W4A16g128: 4-битную групповую квантизацию без квантизации активаций, что снижает требования к памяти и подходит для более эффективного развёртывания. К сильным сторонам относятся поддержка английского и корейского языков, длинного контекста и оптимизированного квантизованного инференса. Ограничения включают возможную генерацию вредного, предвзятого, фактически неверного или синтаксически некорректного текста; модель также не располагает актуальными сведениями и может выдавать ответы, противоречащие действительности. Модель распространяется по лицензии EXAONE AI Model License Agreement 1.1 - NC, предусматривающей некоммерческое использование.

Goader/gemma-3-4b-uk-matt — плотная модель семейства Gemma 3 на 4 млрд параметров, созданная Goader на основе предварительно обученной google/gemma-3-4b-pt. Это базовая, не настроенная на следование инструкциям модель; в ней сохранены исходные веса, кроме входных эмбеддингов, перенесённых на украинско-ориентированный токенизатор MATT. Токенизатор сохраняет исходный словарь Gemma и добавляет украинские токены, благодаря чему украинский текст занимает примерно на треть меньше токенов. Модель предназначена для генерации текста, в том числе на украинском и английском, а также для задач понимания и перевода, проверенных в карточке. На приведённых тестах украинского языка она сохраняет 94–98% результатов исходной модели и показывает сопоставимые результаты перевода с английского на украинский. Веса сохранены в формате bfloat16; карточка указывает библиотеку Transformers и лицензию Gemma. Это базовая модель, поэтому для диалогового использования и следования инструкциям может потребоваться дополнительная настройка.

Granite-speech-3.3-8b — компактная речевая языковая модель IBM, основанная на Granite 3.3 8B Instruct и выпущенная в редакции 3.3.2 19 июня 2025 года. Она предназначена для автоматического распознавания речи (ASR), автоматического перевода речи (AST), а также текстовых задач при работе без аудио. Модель использует двухэтапную схему: сначала преобразует аудио в текст, затем отдельным вызовом обрабатывает полученный текст с помощью базовой языковой модели Granite. Модель поддерживает входную речь на английском, французском, немецком, испанском и португальском языках. Она ориентирована на преобразование речи в текст и перевод между этими языками и английским, а также на перевод с английского на японский и китайский (мандарин). В редакции 3.3.2 применены дополнительные обучающие данные и более глубокий акустический энкодер, что улучшает точность транскрибации, особенно для английского языка. Модель рассчитана на корпоративные приложения, обрабатывающие речевые данные, и поддерживается библиотеками Transformers и vLLM. Ключевое ограничение — необходимость явно выполнять второй этап для обработки транскрибированного текста, поскольку распознавание речи и языковая обработка не объединены в один проход. Размер модели составляет около 8 миллиардов параметров согласно идентификатору и базовой модели, однако точная архитектура и максимальная длина контекста в предоставленных данных не указаны. Модель распространяется по лицензии Apache 2.0.

Huihui-gemma-3n-E4B-it-abliterated-i1-GGUF — квантизированная GGUF-версия инструкционной мультимодальной модели Huihui-gemma-3n-E4B-it-abliterated, разработанной Huihui AI и подготовленной в виде квантизаций mradermacher. Модель предназначена для работы с текстом, аудио и видео, включая задачи автоматического распознавания речи, автоматического перевода речи и преобразования аудио или видео в текст. В метаданных указан английский язык. Модель относится к семейству Gemma 3n и имеет размер E4B; точная архитектура и размер контекстного окна в README не указаны. Доступны варианты GGUF с разными уровнями квантизации от i1-Q2_K до i1-Q6_K размером примерно от 4,0 до 5,8 ГБ. Более компактные варианты требуют меньше памяти, но могут уступать по качеству; README отдельно рекомендует i1-Q4_K_M как быстрый вариант и отмечает компромисс между размером, скоростью и качеством. К сильным сторонам относятся мультимодальность, поддержка аудио- и видеосценариев и возможность локального запуска через совместимое с GGUF программное обеспечение. Ограничениями являются зависимость качества от выбранной квантизации, отсутствие в README подробных оценок производительности и неизвестные параметры контекста. Модель распространяется по лицензии Gemma; для доступа на Hugging Face требуется принять условия лицензии Google.

Lamarck-14B-v0.7-Fusion — экспериментальная объединённая языковая модель на архитектуре Qwen2, собранная автором sometimesanotion методом многоэтапного слияния нескольких моделей. В числе исходных моделей — Lamarck-14B-v0.7, Qwenvergence-14B-v12-Prose-DS, Lamarckvergence-14B и Chocolatine-2-14B-Instruct-v2.0.3. Модель содержит 14 млрд параметров, работает через Transformers и принимает текст для генерации текста; заявленная длина контекста — 131 072 токена. Модель предназначена для свободного творческого письма, диалогов, рассуждений и перевода. Автор отмечает сильную прозу и хорошие результаты на GPQA, но полная оценка ещё не завершена; следование инструкциям по IFEVAL оценивается скромнее. Лицензия — Apache 2.0.

daekeun-ml разработал Llama-2-ko-instruct-13B — плотную авторегрессионную модель семейства Llama 2 с 12,9 млрд параметров для генерации текста и следования инструкциям. Она дообучена на основе LLaMA-2-koen-13B с использованием материалов KoAlpaca-v1.1a и KOpen-platypus; в обучающие данные также добавлены переводы с английского на корейский. Контекст модели составляет 2048 токенов. Модель предназначена для ответов на инструкции и запросы на корейском языке, включая перевод с английского на корейский. В README отмечено, что часть данных была отобрана по длине и очищена от сходных предложений; также применялись категорийные подсказки, которые поощряют ответы даже при риске галлюцинаций. Это может снижать надёжность фактических ответов. Модель распространяется в формате safetensors по лицензии Llama 2.

sh2orc разработал Llama-3.1-Korean-8B-Instruct — модель для диалогов и генерации текста, дообученную на основе Meta-Llama-3.1-8B-Instruct. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров и контекстом до 131 072 токенов; она работает с текстом и поддерживает диалоговый режим. В карточке приведены примеры ответов на вопросы на корейском языке, а также перевода с корейского на английский. Модель предназначена для ответов на вопросы, бесед и генерации корейского текста; её можно запускать через Transformers или vLLM. README перечисляет корейские наборы данных для обучения, включая вопросы и ответы по Википедии, RLHF-данные и коммерческие тексты. Карточка не сообщает условия лицензии этой производной модели, поэтому перед использованием следует проверить права на неё и базовую модель.

4yo1/llama3-pre1-pre2-ds-lora3-mergkit-base — текстовая модель на архитектуре Llama, опубликованная 4yo1. В метаданных указано 7,4 млрд параметров и контекст 8192 токена; README округляет размер до 8 млрд. Модель доступна в формате safetensors и рассчитана на английский и корейский языки. Основная задача по карточке Hugging Face — перевод; метаданные каталога также указывают генерацию текста. Модель подходит для перевода между английским и корейским, а также для текстовых диалогов и генерации. README упоминает датасеты pre и 140kgpt, но не уточняет метод обучения или качество на конкретных задачах. Лицензия — MIT. Ограничения: карточка не описывает направление перевода, результаты оценки качества или специальные ограничения применения.

RedHatAI/Llama-4-Scout-17B-16E-Instruct-quantized.w4a16 — мультимодальная instruct-модель, разработанная Red Hat совместно с Neural Magic на основе Meta Llama-4-Scout-17B-16E-Instruct. Она предназначена для диалоговых приложений, генерации и обработки текста, а также задач image-text-to-text с изображениями и текстовыми запросами на входе и текстом на выходе. Поддерживаются арабский, немецкий, английский, испанский, французский, хинди, индонезийский, итальянский, португальский, тайский, тагальский и вьетнамский языки. Модель использует архитектуру Llama4ForConditionalGeneration. Её веса квантизированы в INT4 по схеме W4A16 без квантизации активаций, что примерно на 75% снижает требования к памяти GPU и размер на диске по сравнению с представлением весов в 16 бит. Для инференса предусмотрена интеграция с vLLM, Red Hat AI Inference Server, Red Hat Enterprise Linux AI и OpenShift AI; модель валидирована в RHOAI 2.20, RHAIIS 3.0, RHELAI 1.5 и vLLM 0.8.4. К сильным сторонам относятся мультимодальность, поддержка нескольких языков и сниженные требования к ресурсам благодаря квантизации. README не указывает число активируемых параметров, максимальную длину контекста, точные показатели качества или аппаратные требования, поэтому производительность в конкретных сценариях следует проверять отдельно. Модель выпущена 25 апреля 2025 года и распространяется по лицензии Llama 4; применяются условия лицензии Meta Llama 4.

Llammas — языковая модель TartuNLP на архитектуре Llama 2, дообученная для генерации текста и диалогов преимущественно на эстонском языке. Модель содержит 6,6 млрд параметров, принимает текст и рассчитана на контекст до 4096 токенов. Обучение проходило в два этапа: продолженное предобучение на корпусе CulturaX из 5 млрд токенов, где 75% документов были на эстонском и 25% — на английском, затем инструкционное дообучение на эстонских и англоязычных наборах инструкций и диалогов. Среди сценариев — ответы на вопросы, следование инструкциям и англо-эстонский перевод. Модель распространяется в форматах PyTorch и Safetensors по лицензии Llama 2. Авторы отмечают, что к 2025 году появились более сильные открытые модели для приложений на эстонском языке. В README также указаны проблемы совместимости conversational pipeline с новыми версиями Transformers.

Luciole-1B-Instruct-1.1 — дообученная и согласованная инструктивная языковая модель, созданная LINAGORA и консорциумом OpenLLM-France на базе Luciole-1B-Base в рамках проекта OpenLLM France. Это плотная каузальная модель семейства Nemotron с 1,7 млрд параметров, предназначенная для диалогов и выполнения инструкций. Она обучалась в несколько этапов: на инструкциях с рассуждениями и без них, затем с применением Direct Preference Optimization. Данные охватывали математику, науку, программирование, общий диалог, RAG и перевод; доступны веса в формате safetensors, а лицензия — Apache 2.0. Модель поддерживает французский и английский языки и использует шаблон чата, вдохновлённый Qwen3-1.7B. Хотя базовая модель рассчитана на контекст до 131 072 токенов, сама эта версия обучалась на последовательностях длиной 16 384 токена. Она показывает хорошие результаты во следовании инструкциям для модели своего размера и особенно заметна в инструкциях на французском языке, но может галлюцинировать и слаба в решении математических текстовых задач. Для специализированных задач, включая генерацию кода и математику, рекомендуется дополнительное обучение; для актуальных или обширных знаний может помочь RAG. Разработчики считают проект развивающимся и советуют тщательно проверять модель перед включением в промышленные системы.

Lynx Micro — небольшая языковая модель от 42 Labs, первая версия семейства шведских моделей Lynx. Это авторегрессионный трансформер на архитектуре Gemma, дообученный на Gemma 2B 1.1 Instruct; размер по метаданным — 2,5 млрд параметров, длина контекста — 8192 токена. Модель принимает текст и генерирует текст, поддерживает шведский и английский языки и предназначена для диалогов и других задач генерации текста. При дообучении использовался закрытый набор примерно из 1,35 млн примеров: шведские инструкции для одно- и многошаговых диалогов, а также шведско-английские переводы. В карточке сообщается об оценке на шведской части Scandeval и результате немного ниже GPT-3.5 Turbo. Модель компактна, но, по предупреждению авторов, запомнила меньше сведений, чем более крупные модели, поэтому её ответы на фактические вопросы могут быть ограничены. Распространяется на условиях использования Gemma.

Meltemi 7B v1.5 — базовая языковая модель на 7,2 млрд параметров, разработанная Институтом обработки языка и речи (ILSP) Центра исследований и инноваций Athena. Она основана на Mistral 7B и продолжила его предобучение на корпусе примерно из 55 млрд токенов, преимущественно на качественных греческих текстах, с английскими текстами и греко-английскими параллельными данными для сохранения двуязычных возможностей. Для греческого языка расширен словарь токенизатора Mistral: по данным авторов, это сокращает число токенов на слово и ускоряет инференс. Модель предназначена для генерации текста, ответов на вопросы и рассуждений, особенно на греческом; также поддерживает английский. Авторы сообщают об улучшении средних результатов на шести греческих тестовых наборах по сравнению с Mistral 7B. В README указано контекстное окно 8192 токена, тогда как метаданные каталога приводят native_context_tokens 32768; фактический предел следует уточнить для используемой конфигурации. Для корректной токенизации промпта авторы рекомендуют включать BOS-токен. Модель распространяется по лицензии Apache-2.0. Она может выдавать вводящие в заблуждение, вредоносные или токсичные ответы; результаты бенчмарков сами по себе не гарантируют качество в конкретном приложении.

SanctumAI/Meta-Llama-3.1-8B-Instruct-GGUF — это квантизированная версия текстовой instruction-tuned модели Meta-Llama-3.1-8B-Instruct, разработанной Meta и опубликованной командой meta-llama. Квантизацию в формате GGUF выполнила SanctumAI. Модель предназначена для генерации текста и многоязычных диалоговых сценариев, включая использование в локальных приложениях и системах, совместимых с GGUF. Модель содержит 8 млрд параметров, работает по схеме «текст на входе — текст на выходе» и поддерживает английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский языки. Доступны варианты квантизации от Q2_K до Q8_0, а также версия f16; размер файлов составляет примерно от 3,18 до 16,07 ГБ, а оценочная потребность в RAM или VRAM — от 7,20 до 19,21 ГБ. Квантизация позволяет выбирать компромисс между требованиями к памяти и качеством работы, но более низкая точность может снижать качество по сравнению с исходной моделью. Контекст модели в README не указан. Модель распространяется по лицензии Llama 3.1; дополнительные условия следует уточнять в прилагаемом файле LICENSE. Она подходит для чат-ботов, локальных ассистентов и других задач генерации текста, однако README не содержит подробностей о результатах на конкретных бенчмарках, ограничениях безопасности или гарантиях точности.

ThomasBaruzier/Meta-Llama-3.1-8B-Instruct-GGUF — это инструкция-ориентированная языковая модель в формате GGUF, основанная на Meta Llama 3.1 и опубликованная пользователем ThomasBaruzier. Разработчик исходной модели — Meta. Модель предназначена для генерации текста и выполнения инструкций в сценариях, связанных с диалоговыми системами, ответами на вопросы и обработкой естественного языка. Из доступных данных известно, что модель содержит 8 миллиардов параметров, относится к семейству Llama 3.1 и поддерживает текстовую модальность. В карточке заявлены английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский языки. Формат GGUF ориентирован на локальный запуск и совместимую с ним инфраструктуру вывода, однако конкретный вариант квантования, требования к памяти, размер контекста и показатели качества в README не указаны. Сильными сторонами модели являются инструкционная настройка, многоязычная поддержка и относительно компактный размер по сравнению с более крупными моделями семейства. Ограничения включают отсутствие подробных сведений о квантовании, производительности и фактическом качестве на отдельных языках, а также типичные для генеративных языковых моделей риски неточных или нежелательных ответов. Модель распространяется по лицензии Llama 3.1 Community License от Meta с требованиями соблюдать Acceptable Use Policy, сохранять уведомление об авторских правах и выполнять условия атрибуции при распространении.

Mistral-7B-Instruct-Aya-101-GGUF — набор квантованных файлов в формате GGUF для модели Mistral-7B-Instruct-Aya-101, созданный и подготовленный MaziyarPanahi. Базой указана Mistral-7B-Instruct-v0.2 от Mistral AI; модель предназначена для генерации текста и диалогового взаимодействия. Модель ориентирована на многоязычные сценарии, включая работу более чем со 100 языками, среди которых английский, русский, французский, немецкий, испанский, арабский, китайский, японский и другие. Она имеет архитектуру Mistral с примерно 7 млрд параметров и поддерживает варианты квантования в форматах GGUF, включая 2-, 3-, 4-, 5-, 6- и 8-битные версии. GGUF позволяет запускать модель локально через llama.cpp и совместимые приложения и библиотеки, в том числе text-generation-webui, LM Studio, GPT4All и llama-cpp-python. Основные преимущества — уменьшенное потребление памяти по сравнению с полноразмерной моделью, возможность выбора компромисса между качеством и скоростью за счёт разных уровней квантования и удобство локального запуска на CPU или GPU. README не содержит данных о размере контекста, точных требованиях к памяти, результатах тестирования и ограничениях качества, поэтому эти характеристики нельзя достоверно оценить. Для модели указана лицензия Apache-2.0.

Mistral-Large-3-675B-Instruct-2512-GGUF — это квантизированная GGUF-версия инструкционной модели Mistral Large 3, разработанной mistralai и подготовленной пользователем bartowski для запуска через llama.cpp и совместимые приложения, включая LM Studio. Модель предназначена для диалоговых сценариев и обработки текста, а также помечена как image-text-to-text, однако подробности о поддерживаемой работе с изображениями в README не приведены. Модель имеет заявленный размер 675B параметров и доступна в нескольких вариантах квантизации от Q8_0 до Q3 и IQ3/IQ4. Размер файлов составляет примерно от 279 до 716 ГБ, поэтому для запуска требуются значительные аппаратные ресурсы. Заявлены языки English, French, Spanish, German, Italian, Portuguese, Dutch, Chinese, Japanese, Korean и Arabic. Контекстное окно, точная архитектура и рекомендуемый формат промптов в README не указаны. Сильной стороной являются варианты Q6_K и Q5_K_M с качеством, близким к исходной модели, а также более компактные Q4- и IQ4-варианты с компромиссом между качеством и требованиями к памяти. Низкобитные варианты экономят место, но могут заметно уступать по качеству; часть форматов обозначена как устаревшая или нерекомендуемая. Модель распространяется по лицензии Apache-2.0.

Mistral-Small-24B-Instruct-2501-GGUF — это набор квантизованных версий инструкционной языковой модели Mistral-Small-24B-Instruct-2501, подготовленный пользователем bartowski в формате GGUF для llama.cpp. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск через llama.cpp, LM Studio и другие совместимые проекты. Исходная модель имеет размер 24 млрд параметров; в README не указаны подробности её архитектуры и длина контекста. Доступны варианты с точностью от f32 и f16 до различных методов квантизации Q8, Q6, Q5, Q4, Q3 и IQ. Размер файлов варьируется примерно от 11 до 94 ГБ, что позволяет выбирать между качеством и требованиями к памяти. Заявлена поддержка английского, французского, немецкого, испанского, итальянского, португальского, китайского, японского, русского и корейского языков. Модель является текстовой и не поддерживает мультимодальный ввод по приведённым данным. Сильная сторона набора — широкий выбор квантизаций для локального запуска на оборудовании с разным объёмом памяти; варианты Q5 и выше позиционируются как высококачественные, а Q4 — как подходящие для большинства сценариев. Более компактные варианты требуют меньше памяти, но могут заметно уступать по качеству. Для работы необходим совместимый рантайм, например llama.cpp или LM Studio, и ресурсы, соответствующие размеру выбранного файла. Лицензия — Apache 2.0.

csebuetnlp разработала эту модель на базе mT5, дообучив её на кросс-языковых парах датасета CrossSum. Модель принимает текст на одном из поддерживаемых языков и создаёт его краткое изложение на английском языке; она предназначена для межъязыкового суммирования новостей и других текстов. Модель имеет архитектуру mT5 и содержит 291,2 млн параметров. Карточка указывает поддержку множества языков, включая арабский, бенгальский, китайский, английский, французский, хинди, индонезийский, японский, корейский, персидский, португальский, русский, испанский, тамильский, тайский, турецкий, украинский, урду и вьетнамский. Выходное резюме формируется на английском языке. Данные о лицензии и длине контекста в предоставленных источниках отсутствуют.

mT5-m2o-hindi-CrossSum — дообученная модель семейства mT5 от команды CSE BUET NLP. Она суммирует текст на разных языках и формирует итоговое резюме на хинди. Чекпойнт обучен на межъязыковых парах датасета CrossSum и предназначен для многоязычного суммирования с переводом результата на хинди. Модель построена на архитектуре mT5 и содержит 291,2 млн параметров. В карточке перечислена поддержка многих языков, а основной целевой язык генерации — хинди. Репозиторий содержит веса PyTorch. Лицензия и длина контекста в предоставленных данных не указаны.

Next-1B — компактная авторегрессионная языковая модель на базе Gemma 3, разработанная Lamapi. Модель содержит около 1 млрд параметров, использует трансформерную архитектуру и дообучена методом instruction fine-tuning (SFT) на турецких и многоязычных наборах данных. Она ориентирована на работу с текстом, поддерживает турецкий язык и широкий набор других языков, включая английский, русский, арабский, немецкий, французский, испанский, китайский, японский и корейский. Модель предназначена для генерации текста, суммаризации, ответов на вопросы, творческого письма, рассуждений и решения задач на естественном языке. К её сильным сторонам относятся небольшой размер, низкие требования к ресурсам, возможность запуска на пользовательских GPU с малым объёмом видеопамяти, а также поддержка CPU-развёртывания и вариантов квантования. README не указывает размер контекстного окна, точные показатели качества, доступные модальности помимо текста или систематические ограничения модели, поэтому её возможности в специализированных и критически важных сценариях требуют отдельной проверки. Модель распространяется по лицензии MIT, разрешающей использование, изменение и распространение.

Карточка модели OpenBuddy/openbuddy-mistral-7b-v19.1-4k на Hugging Face совпадает с карточкой OpenBuddy/openbuddy-mistral-7b-v13.1, поэтому описание составлено по ней. OpenBuddy-mistral-7b-v13.1 — многоязычная чат-модель проекта OpenBuddy на архитектуре Mistral с 7,1 млрд параметров. Она предназначена для диалогов и генерации текста; заявлены языки китайский, английский, французский, немецкий, японский, корейский, итальянский и русский. Модель принимает текст и генерирует текст, длина контекста составляет 32 768 токенов. Модель распространяется под лицензией Apache 2.0. В README отмечено, что ответы могут быть ошибочными, вредными или оскорбительными; модель не следует использовать для критически важных решений в медицине, управлении потенциально опасными системами, финансах и праве. Она предоставляется без гарантий.

Qwen2.5-Taiwan-3B-Instruct 是由 benchang1110 基於 Qwen/Qwen2.5-3B-Instruct 開發的對話模型，經過 tokenizer swapping、監督式微調（SFT）與偏好優化（DPO）訓練，參數量為 3.1 млрд. Модель предназначена для повседневных диалогов и выполнения инструкций; карточка демонстрирует написание текстов и писем, суммаризацию, перевод с английского на китайский и ответы на вопросы о Тайване. Модель использует архитектуру Qwen2ForCausalLM и поддерживает контекст до 32 768 токенов. Основной язык — традиционный китайский (тайваньский вариант); также заявлена поддержка английского. Для SFT применялся LoRA, а DPO настраивал ответы на структурированность и логичность. Указана лицензия qwen-research; условия её использования следует сверять с лицензией базовой модели и правилами репозитория.