I.7Речь, диалоги и встречи

sfmunfilterede2e-misalignment-9k10k11k-simpleavg-merge — объединённая языковая модель, опубликованная пользователем yuhengtu-bytedance. Она создана методом Linear merge с помощью mergekit из трёх контрольных точек unfiltered_e2e_misalignment на шагах 9000, 10000 и 11000; шаг 11000 указан как базовый для слияния. Модель построена на архитектуре GPT-NeoX и содержит 8,8 млрд параметров. Она предназначена для генерации текста в диалоговом формате и принимает текст, выдавая текст. Заявленная длина контекста — 16 384 токена. Карточка не описывает целевые сценарии, языки или результаты оценки качества. Лицензия в предоставленных сведениях не указана.

SyntheticMoist-11B-v2 — объединённая текстовая модель, собранная автором репозитория методом DARE TIES с помощью mergekit. В основе объединения Sao10K/Fimbulvetr-11B-v2; также использованы Moistral-11B-v3, MedMitsu-Instruct-11B, Kaiju-11B, Synthia-v3.0-11B и Re-Host_Limarp_Mistral. Модель относится к плотной архитектуре LlamaForCausalLM, содержит 10,6 млрд параметров и имеет контекст до 4096 токенов. Модель предназначена для генерации текста и диалогов, включая RP-сценарии; в README рекомендованы форматы Alpaca и Vicuna. Автор отмечает, что варианты с повышенной плотностью и LimaRP показали лучшие результаты, но количественные оценки не приведены. Для репозитория указана лицензия не была в предоставленных данных. README упоминает доступные квантизованные варианты GGUF Q2–Q8 и imatrix, а в метаданных основная модель представлена в safetensors. Тег not-for-all-audiences указывает на взрослую или потенциально откровенную направленность.

WestTemptressTensor-10.7B-v0.2a-SLERP — слитая текстовая модель, созданная с помощью LazyMergekit из jsfs11/TemptressTensor-10.7B-v0.1a и froggeric/WestLake-10.7B-v2. Она использует архитектуру Mistral с плотной causal language model на 10,6 млрд параметров и предназначена для генерации текста; контекст — до 32 768 токенов. Слияние выполнено методом SLERP с настройками для слоёв self-attention и MLP; веса сохранены в формате safetensors, тип данных — bfloat16. Описание базовой модели в каталоге указывает на ролевые диалоги и творческую генерацию, поэтому модель может подойти для таких сценариев. Лицензия в предоставленных данных не указана.

chickenrice0721/whisper-large-v2-translate-zh-v0.2-st — это дообученная модель Whisper large-v2 для перевода японской речи на китайский язык. По карточке, её дополнительно обучали на 5000 часах японского аудио с китайскими субтитрами с временными метками; режим использования указан как translate с языком ja. Модель построена на архитектуре WhisperForConditionalGeneration и содержит 905,2 млн параметров. Модель принимает аудио и генерирует китайский текстовый перевод. В README приведены результаты оценки: TER 60,4828, BLEU 29,3658 и CER 0,6602; набор оценки и методика не описаны, поэтому эти значения не позволяют надёжно сравнить качество с другими системами. Модель распространяется по лицензии Apache-2.0.

Adnan666/whisper-small-pashto-run11-cv24only — дообученная Adnan666 модель распознавания речи на базе openai/whisper-small. Она предназначена для преобразования речи в текст; название указывает на настройку для пушту, однако сведения о языке и обучающем наборе в карточке не подтверждены. Модель построена на архитектуре Whisper, содержит 153,1 млн параметров и распространяется в формате Safetensors через Transformers. В карточке приведены результаты оценки: loss 1,0145 и WER 49,0943; дополнительного описания сценариев применения и ограничений автор не предоставил. Лицензия — Apache-2.0.

Arcanum-12b — объединённая большая языковая модель, созданная Xclbr7 методом TIES на основе TheDrummer/Rocinante-12B-v1.1 и MarinaraSpaghetti/NemoMix-Unleashed-12B. Это плотная трансформерная причинно-языковая модель семейства Mistral с 12,1 млрд параметров, предназначенная для генерации текста и диалогов с разными персонами. В метаданных указано контекстное окно до 1 024 000 токенов. Модель рассчитана прежде всего на английский язык; README отмечает возможную поддержку других языков. Она распространяется в формате safetensors по лицензии MIT. Как и родительские модели, может унаследовать их ограничения и предвзятость; заявленный основной сценарий — разговоры с персонами.

Audio8 TTS Preview 0.1B — компактная модель синтеза речи с поддержкой клонирования голоса по короткому образцу; репозиторий подготовлен разработчиками Audio8. Метаданные указывают 79,7 млн параметров, тогда как README приводит приблизительную оценку около 170 млн для основной генеративной модели и около 120 млн для отдельного декодера аудиокодека. Репозиторий включает чекпойнт, кодек, токенизатор и процессор. Архитектура Audio8 Falcon H1 использует медленную и быструю авторегрессионные ветви: первая предсказывает семантические токены, вторая — кодовые последовательности аудиокодека. Модель рассчитана прежде всего на китайский и английский языки; немецкий, испанский, французский, итальянский, японский и корейский заявлены как экспериментальные направления. Контекст — 8192 токена. Основной сценарий — zero-shot клонирование голоса по аудиозаписи и соответствующей ей расшифровке; синтез возможен и без образца голоса. Компактный размер предназначен для снижения требований к ресурсам по сравнению с более крупными многоязычными системами. Качество и стабильность для дополнительных языков переменны; длинные, шумные или неверно расшифрованные образцы могут ухудшить результат. README рекомендует получать согласие перед клонированием голоса и раскрывать факт синтетической генерации. В метаданных указана лицензия other, а конкретные условия использования в предоставленных сведениях не описаны. Для загрузки требуется Transformers с разрешением пользовательского кода; README рекомендует Python 3.11 или новее и CUDA-совместимый GPU.

jensjepsen/danish-lm-400m-grpo-mixed3-v3-beta004-freshopt-best-step250 — это датская языковая модель для генерации текста и следования инструкциям. Модель разработана на архитектуре Llama с плотной причинно-языковой сетью и содержит 414,7 млн параметров; базовая модель — jensjepsen/danish-lm-400m-grpo-mixed3-v3-beta004-top3, дообученная с помощью GRPO после перезапуска оптимизатора с новым состоянием Adam. Контекст составляет 8048 токенов. Модель предназначена для ответов на запросы и выполнения инструкций на датском языке. В README приведены результаты оценки следования инструкциям на IFEval-DA; также в тегах указаны GSM8K и JSON, но отдельные результаты по этим задачам не описаны. Репозиторий содержит только веса в формате Safetensors. Лицензия — Apache-2.0.

DarkIdol-Qwen3.8-27B-v1.1-GGUF — квантованный вариант модели DarkIdol-Qwen3.8-27B-v1.1, размещённый и подготовленный mradermacher на основе модели от aifeifei798. Это текстовая генеративная модель для ролевого общения, чат-сценариев, творческого письма, сторителлинга и рассуждений; предусмотрена совместимость с форматом ChatML и использованием в SillyTavern. Доступны мультимодальные дополнения mmproj, указывающие на поддержку работы с изображениями, однако подробности о возможностях зрения и контекстном окне в README не приведены. Модель имеет размер 27B и поставляется в формате GGUF с несколькими вариантами квантования от Q2_K до Q8_0, включая IQ4_XS и версии с imatrix. В метаданных заявлена поддержка английского, немецкого, французского, итальянского, португальского, хинди, испанского, тайского, китайского, корейского и японского языков. Варианты Q4_K_S и Q4_K_M отмечены как быстрые и рекомендуемые, Q6_K — как обеспечивающий очень хорошее качество, а Q8_0 — как вариант с лучшим качеством среди представленных. Основные преимущества — выбор уровня квантования, возможность локального запуска в GGUF-совместимых инструментах и ориентация на диалоговые и творческие задачи. Ограничения связаны с компромиссом между качеством и размером квантованных файлов, а также с отсутствием в README точных сведений о контекстном окне, архитектурных деталях, производительности и требованиях к оборудованию. Модель распространяется по лицензии Apache-2.0.

Fietje 2 Chat — компактная языковая модель для генерации текста и диалогов на нидерландском языке, разработанная Bram Vanroy. Это плотная авторегрессионная модель семейства Phi с архитектурой PhiForCausalLM, дообученная с помощью DPO на версии Fietje 2 Instruct. Метаданные указывают 3,5 млрд параметров и контекст до 2048 токенов; в README приведена оценка размера 2,7 млрд параметров. Модель предназначена для нидерландоязычного общения и генерации текста. Она обучалась на очищенных наборах предпочтений для диалогов и ответов, а разработчик сообщает о результатах, близких к более крупным нидерландским моделям. Доступны веса в формате safetensors, лицензия — MIT. Как и другие языковые модели, Fietje 2 Chat может допускать фактические ошибки и галлюцинации, поэтому её ответы требуют проверки. Указанные в README и метаданных оценки размера расходятся.

Экспериментальная языковая модель Intervitens на архитектуре Llama с 19,3 млрд параметров, созданная слиянием моделей на базе intervitens/internlm2-base-20b-llama. В слиянии использованы internlm2-limarp-20b-v0.03 и internlm2-chat-20b-llama; README указывает, что LimaRP LoRA обучалась на internlm2-base-20b с контекстом 8192 токена. Для взаимодействия используется формат ChatML, а метаданные указывают контекст модели 32768 токенов. Модель предназначена для генерации текста в диалоговом формате и ролевых сценариев, связанных с датасетом LimaRP. Она принимает текстовые запросы и выдаёт текст. Веса опубликованы в формате safetensors; лицензия обозначена как other, поэтому условия использования следует сверять с лицензиями исходных моделей и карточкой репозитория.

agnivamaiti/jem-whisper-yi-2026-09-02-v3 — дообученная модель семейства Whisper Large v3, созданная на основе ivrit-ai/yi-whisper-large-v3. Она предназначена для автоматического распознавания речи и транскрибации аудио на идише. Модель содержит 905,2 млн параметров, использует архитектуру WhisperForConditionalGeneration и доступна в формате Safetensors для библиотеки Transformers. В README приведены результаты оценки: Loss 0,3918, WER Ortho 1,0265 и WER 0,5948; без описания набора данных и методики оценки эти показатели сложно интерпретировать. Модель распространяется по лицензии Apache-2.0. Сведения о более широком наборе языков, условиях записи и практических ограничениях не приведены.

Josiefied-Qwen2.5-1.5B-Instruct-abliterated-v2 — разговорная текстовая модель, разработанная Гёкденизом Гюльмезом и дообученная на собственной выборке на основе Josiefied-Qwen2.5-1.5B-Instruct-abliterated-v1. Модель семейства Qwen2 имеет 1,5 млрд параметров и предназначена для генерации ответов в диалоге с более свободными ограничениями на содержание. Для общения в README рекомендован системный промпт, задающий роль помощника J.O.S.I.E. Модель принимает текст и генерирует текст; метаданные указывают контекст до 32 768 токенов и интерфейс для вызова инструментов. В карточке заявлены английский и немецкий языки, а также многоточие без полного перечня. Модель распространяется по лицензии Apache 2.0. README предупреждает об использовании на собственный риск; конкретные ограничения и результаты оценки качества не приведены.

Keiana-L3-Test5.45-8B-10.5 — плотная текстовая модель для диалоговой генерации, созданная Kaoeiri слиянием нескольких моделей семейства Llama 3 с помощью LazyMergekit. В составе указаны mpasila/Llama-3-MetaRP-V2-8B, Kaoeiri/Experimenting-Test4.5-8B-2 и cgato/L3-TheSpice-8b-v0.8.3; конфигурация также задаёт Kaoeiri/Keiana-L3-Test5.2-8B-8 как базовую модель слияния. Модель содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Модель предназначена для диалогов и ролевых сценариев с персонажами и сценами. Она принимает текст и генерирует текст; среди указанных возможностей — чат. Карточка предупреждает, что объединённая модель обычно не тестировалась, поэтому возможны ошибки словаря. Лицензия — CC BY-NC-ND 4.0, с ограничением на коммерческое использование и распространение производных версий.

Модель guymorlan/levanti_translate_ar_en создана Guy Mor-Lan для перевода разговорного левантийского арабского на английский. Она дообучена в течение 8 эпох на датасете Levanti поверх Helsinki-NLP/opus-mt-ar-en. Модель построена на архитектуре MarianMT, содержит 57,3 млн параметров и принимает текст с контекстом до 512 токенов. В карточке заявлена поддержка палестинского, иорданского, сирийского, ливанского и египетского диалектов арабского; пример использования показывает перевод короткой разговорной фразы. Модель предназначена для перевода арабской диалектной речи в английский текст. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

ManhHoDinh/lfm25-titlegen-dpo — дообученная модель Liquid AI LFM2.5-230M для создания коротких информативных заголовков по пользовательскому сообщению или диалогу. Модель построена на плотной архитектуре LFM2 и содержит 221,2 млн параметров; для генерации текста использует библиотеку Transformers. Контекст составляет до 128 000 токенов. Модель обучена с применением Direct Preference Optimization (DPO). В карточке приведены результаты автоматической оценки на многоязычном наборе для задачи создания заголовков, однако качество проверено на ограниченном числе языков и без независимой проверки носителями. Поэтому результаты не подтверждают готовность к промышленному применению или преимущество DPO как причины улучшения качества. Основные языки модели по метаданным — английский и вьетнамский. Указанная в карточке лицензия — other; конкретные условия следует уточнить в репозитории модели.

LFM2-8B-A1B-GLM-4.7-Flash-Thinking-Quantum-IQ1C-P — диалоговая языковая модель DavidAU, дообученная на LiquidAI/LFM2-8B-A1B с помощью Unsloth на пользовательских наборах данных. Это разреженная архитектура MoE с 32 экспертами, из которых активируются 4; в метаданных указано 1,4 млрд параметров. Модель предназначена для генерации текста и диалогов, включая творческое письмо, рассказы и ролевые сценарии. Заявлена поддержка контекста до 128 000 токенов и английского языка. Автор описывает модель как рассчитанную на работу на CPU, видеокартах и мобильных устройствах, однако приведённые скорости и сравнительные бенчмарки являются внутренними результатами и не подтверждены независимой оценкой. Репозиторий использует формат safetensors; упомянутая в README скорость на квантованных вариантах не означает, что сам репозиторий содержит такие варианты. Лицензия — Apache-2.0.

Llama-3-Korean-12B — корейская разговорная языковая модель для генерации текста, созданная sh2orc. Согласно карточке, модель получена слиянием с помощью LazyMergekit на основе sh2orc/Llama-3-Korean-8B и обучающих наборов с вопросами и ответами на корейском языке. Архитектура — плотная LlamaForCausalLM, размер — 11,1 млрд параметров, контекст — 8192 токена; модель распространяется в формате safetensors. Модель предназначена для диалога и ответов на вопросы на корейском языке, включая общие сведения, путешествия, здоровье и бытовые темы. В карточке приведены примеры развёрнутых ответов в формате вопрос–ответ. Лицензия в предоставленных данных не указана.

Llama-3-Nymeria-ELYZA-8B — экспериментальная объединённая языковая модель на архитектуре Llama 3, созданная автором репозитория с помощью mergekit методом SLERP. В неё объединены tannedbum/L3-Nymeria-v2-8B и японская адаптация Llama 3 elyza/Llama-3-ELYZA-JP-8B; размер модели составляет 7,5 млрд параметров, контекст — 8192 токена. Модель предназначена для генерации текста и диалогов, включая сценарии ролевого общения. Эксперимент проверяет, насколько хорошо объединённая модель сохраняет японские языковые способности и возможности RP-модели. Метаданные указывают поддержку японского и английского языков, формат весов — Safetensors, библиотека — Transformers. Лицензия — Llama 3 Community License; качество объединения и сохранность исходных возможностей могут различаться в зависимости от запроса.

Llama-3-Steerpike-v1-OAS-8B — языковая модель на основе Meta Llama 3, созданная grimjim с помощью объединения предварительно обученных моделей через mergekit и метод task arithmetic. В объединение вошли модели для диалогов и ролевых сценариев, а также OpenBioLLM; базой слияния служила mlabonne/NeuralDaredevil-8B-abliterated. Модель предназначена для генерации текста по инструкциям, диалогов и ролевых сценариев. В аналитических беседах персонажи могут отвечать чрезмерно интеллектуально; в начале диалога форматирование может быть непоследовательным, но, по словам автора, стабилизируется с продолжением контекста. Модель проверена лишь в ограниченном объёме. Она содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и поддерживает контекст до 8192 токенов. Доступна в формате safetensors; лицензия CC-BY-NC-4.0 ограничивает коммерческое использование.

Luca-MN-bf16 — экспериментальная разговорная модель семейства Mistral, созданная автором rAIfle на базе Nemo-Base. Это плотная языковая модель с архитектурой MistralForCausalLM и 12,1 млрд параметров; поддерживает контекст до 131 072 токенов и предназначена для генерации текста в диалоговом формате. Автор сообщает о последовательном дообучении через LoRA на данных для ролевых диалогов и c2-data, а затем о трёх эпохах DPO с набором jondurbin/gutenberg-dpo-v0.1. Модель доступна в формате safetensors; лицензия — Apache-2.0. Автор описывает её как эксперимент, который показал хорошие результаты, и приводит шаблоны Mistral V3-Tekken и рекомендуемые параметры генерации. Подходит для диалогов и ролевого текстового общения. Карточка не приводит формальной оценки качества, а заявленная экспериментальная природа означает, что результаты могут зависеть от шаблона и настроек генерации.

Magnum v4 9B — разговорная языковая модель Anthracite, созданная для генерации текста с качеством прозы, близким к Claude 3 Sonnet и Opus. Она дообучена на базе Gemma 2 9B методом полного fine-tuning и использует формат диалога ChatML. Модель предназначена для диалогов, написания прозы и ролевых сценариев. Она принимает текстовые сообщения и генерирует текст; в метаданных указан английский язык. Размер модели — 9 млрд параметров, родное контекстное окно — 8192 токена. Для запуска поддерживается библиотека Transformers, веса доступны в формате safetensors. Модель обучалась два эпоха на перечисленных в карточке диалоговых и инструкционных датасетах. В README приведены результаты Open LLM Leaderboard, включая среднее значение 23,56. Лицензия — Gemma; перед использованием следует учитывать её условия.

Mahou-1.3-mistral-7B — разговорная языковая модель для чата и ролевых сценариев, разработанная FlammenAI. Это плотная модель семейства Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров; она принимает текст и генерирует текст. Модель обучена на формате ChatML и рассчитана на контекст до 32 768 токенов. Модель предназначена для ведения диалогов и ролевых игр. В рекомендациях по ролевому формату речь предлагается выводить без кавычек, а действия заключать в звёздочки. В README указано дообучение в течение 10 эпох на A100; метаданные связывают модель с базовой nbeerbower/Flammen-Mahou-mistral-7B и датасетом flammenai/MahouMix-v1. Лицензия — Apache-2.0. Заявлена как модель для готового к применению разговорного и ролевого взаимодействия, но README не приводит количественных оценок качества. Её назначение и обучающие данные ориентированы на беседы и ролевые сценарии; качество в других задачах не охарактеризовано.

MaidStarling-2x7B-base — модель генерации текста на архитектуре Mixtral MoE, опубликованная dawn17. Она объединяет экспертов на основе Silicon-Maid-7B для ролевых диалогов и Starling-LM-7B-beta для общения. В README приведены результаты Open LLM Leaderboard, включая средний балл 70,76, AI2 Reasoning Challenge — 68,43 и HellaSwag — 86,28. Модель предназначена для генерации текста и диалоговых сценариев; заявленная длина контекста — 8192 токена, формат весов — safetensors, лицензия — Apache-2.0. Метаданные указывают 7,1 млрд параметров. Количественные результаты в README не описывают все стороны качества, поэтому их недостаточно для оценки работы на конкретных задачах.

Mistral-Nemo-Prism-12B-v2 — экспериментальная разговорная модель автора nbeerbower, дообученная на базе nbeerbower/Mahou-1.5-mistral-nemo-12B-lorablated. Модель предназначена для генерации диалоговых ответов и ролевого общения; при дообучении автор стремился уменьшить архаичную лексику и чрезмерно витиеватый стиль в uncensored-модели. Это плотная авторегрессионная архитектура Mistral с 12,1 млрд параметров. Для обучения применялся ORPO на датасетах Arkhaios-DPO и Purpura-DPO в течение пяти эпох; также использовался системный промпт, помогающий подстраивать ответы под данные. В метаданных заявлен контекст до 1 024 000 токенов. Модель работает с текстом и рассчитана на диалоговое взаимодействие. Автор характеризует её как личный эксперимент, а не готовый к производственному применению релиз; качество и заявленная цель снижения витиеватости могут зависеть от запроса. Модель распространяется по лицензии Apache-2.0.

Mistral-Nemo-Prism-12B-v4 — экспериментальная разговорная модель автора nbeerbower, основанная на дообученной модели Mahou-1.5-mistral-nemo-12B-lorablated. Она предназначена для генерации текста и диалогов; дообучение методом ORPO на наборах Arkhaios-DPO и Purpura-DPO должно уменьшать архаичную лексику и вычурный стиль. Модель построена на плотной архитектуре MistralForCausalLM и содержит 12,1 млрд параметров; метаданные указывают контекст до 1 024 000 токенов и поддержку чата. Автор описывает её как полностью несensoredную экспериментальную итерацию, а не готовый выпуск, поэтому качество и поведение могут быть нестабильными. Репозиторий распространяется в формате safetensors под лицензией Apache-2.0.

Mistral-Nemo-Prism-12B-v7 — экспериментальная диалоговая модель nbeerbower на архитектуре Mistral, дообученная методом ORPO на наборах Arkhaios-DPO и Purpura-DPO. Она предназначена для генерации текста и ролевого общения; цель дообучения — уменьшить архаичную лексику и чрезмерно витиеватый стиль в модели без цензурных ограничений. Модель содержит 12,1 млрд параметров, использует формат safetensors и заявленный контекст до 1 024 000 токенов. Автор описывает её как одну из экспериментальных итераций, а не как готовый релиз. По словам автора, дообучение не полностью устранило особенности стиля, глубоко закрепившиеся в базовой модели. Распространяется по лицензии Apache-2.0.

Kaoeiri/MS-MagpantheonselRP-22B-15 — объединённая языковая модель семейства Mistral, созданная с помощью mergekit методом DARE TIES на базе unsloth/Mistral-Small-Instruct-2409. В объединение вошли несколько моделей Mistral-Small на 22 млрд параметров, включая варианты для диалогов и ролевой прозы. Модель предназначена для генерации текста и ведения диалогов; контекстное окно составляет 131 072 токена. Модель работает с текстом и выдаёт текст. Карточка указывает лицензию CC BY-NC-ND 4.0, которая ограничивает распространение производных версий и коммерческое использование. Метаданные отмечают контент, не подходящий для всех аудиторий; фактическое качество, поддерживаемые языки и конкретные ограничения в карточке не описаны.

MyGemmaNPC — компактная текстовая модель на архитектуре Gemma 3, дообученная Satendra Kumar на основе google/gemma-3-270m-it с использованием TRL. Она предназначена для диалоговой генерации текста и может применяться для ответов на вопросы и продолжения беседы. Модель содержит 257 млн параметров, работает с текстом и поддерживает контекст до 32 768 токенов. Модель распространяется в формате Safetensors и рассчитана на запуск через Transformers. Карточка не описывает отдельную предметную специализацию или подтверждённые ограничения качества. Условия лицензирования в предоставленных материалах не указаны.

NaturalLM-7B-Instruct — экспериментальная разговорная модель, созданная разработчиком qingy2024 путём дообучения Mistral 7B. Она настроена на ответы в более естественной, похожей на человеческую манере, а не в стиле подчеркнуто услужливого ассистента. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и принимает текстовые запросы, выдавая текст; заявленная длина контекста — 32 768 токенов. Модель предназначена для генерации диалоговых ответов и связного текста, например коротких эссе и рассуждений. В карточке показан пример ответа на этическую тему. Дообучение выполнено на 150 шагах с использованием набора qingy2024/Natural-Text-ShareGPT. Автор характеризует версию как очень раннюю и отмечает, что набор данных можно улучшить, поэтому качество и стабильность ответов могут быть ограничены. Лицензия в предоставленных данных не указана.