I.7Речь, диалоги и встречи

Mahou-1.2a-llama3-8B — диалоговая языковая модель FlammenAI для генерации текста и ролевых сценариев. Она основана на Llama 3, содержит 7,5 млрд параметров и дообучена на разговорных данных с применением Direct Preference Optimization; в карточке также указаны датасеты FlameMix-DPO-v1 и Grill-preprod-v1/v2_chatML. Модель использует плотную архитектуру LlamaForCausalLM и формат диалога ChatML с сообщениями system, персонажа и пользователя. Модель предназначена для общения и ролевой игры: она генерирует реплики персонажей и описания действий, которые в рекомендованном формате заключаются в звёздочки. Контекст составляет до 8192 токенов. В README упомянуты результаты оценки на Open LLM Leaderboard, включая IFEval и BBH, но они сами по себе не гарантируют качество в конкретном сценарии. Модель распространяется по лицензии Llama 3; для использования следует соблюдать её условия.

Карточка модели MergekitCloud/mergekit-19 на Hugging Face совпадает с карточкой MergekitCloud/mergekit-72, поэтому описание составлено по ней. MergekitCloud/mergekit-72 — языковая модель для диалоговой генерации текста, созданная объединением нескольких моделей семейства Llama 3.1 с помощью метода Model Stock в mergekit. В качестве базовой модели использована vicgalle/Humanish-Roleplay-Llama-3.1-8B; в объединение также вошли ArliAI/Llama-3.1-8B-ArliAI-RPMax-v1.3, Orenguteng/Llama-3.1-8B-Lexi-Uncensored-V2 и Undi95/Llama3-Unholy-8B-OAS. Модель имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекст до 131 072 токенов. Репозиторий содержит веса в формате safetensors и рассчитан на использование с Transformers. Модель предназначена для генерации ответов в чате и ролевых диалогов, включая сценарии с более свободными ответами. Указанные в названиях исходных моделей особенности предполагают ориентацию на ролевое общение и контент с ослабленными ограничениями, однако карточка не описывает отдельные гарантированные навыки или результаты оценки. Данные о лицензии и конкретной поддержке языков не представлены, поэтому условия использования и языковой охват по имеющимся сведениям определить нельзя.

Карточка модели MergekitCloud/mergekit-45 на Hugging Face совпадает с карточкой MergekitCloud/mergekit-72, поэтому описание составлено по ней. MergekitCloud/mergekit-72 — языковая модель для диалоговой генерации текста, созданная объединением нескольких моделей семейства Llama 3.1 с помощью метода Model Stock в mergekit. В качестве базовой модели использована vicgalle/Humanish-Roleplay-Llama-3.1-8B; в объединение также вошли ArliAI/Llama-3.1-8B-ArliAI-RPMax-v1.3, Orenguteng/Llama-3.1-8B-Lexi-Uncensored-V2 и Undi95/Llama3-Unholy-8B-OAS. Модель имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекст до 131 072 токенов. Репозиторий содержит веса в формате safetensors и рассчитан на использование с Transformers. Модель предназначена для генерации ответов в чате и ролевых диалогов, включая сценарии с более свободными ответами. Указанные в названиях исходных моделей особенности предполагают ориентацию на ролевое общение и контент с ослабленными ограничениями, однако карточка не описывает отдельные гарантированные навыки или результаты оценки. Данные о лицензии и конкретной поддержке языков не представлены, поэтому условия использования и языковой охват по имеющимся сведениям определить нельзя.

Карточка модели MergekitCloud/mergekit-52 на Hugging Face совпадает с карточкой MergekitCloud/mergekit-72, поэтому описание составлено по ней. MergekitCloud/mergekit-72 — языковая модель для диалоговой генерации текста, созданная объединением нескольких моделей семейства Llama 3.1 с помощью метода Model Stock в mergekit. В качестве базовой модели использована vicgalle/Humanish-Roleplay-Llama-3.1-8B; в объединение также вошли ArliAI/Llama-3.1-8B-ArliAI-RPMax-v1.3, Orenguteng/Llama-3.1-8B-Lexi-Uncensored-V2 и Undi95/Llama3-Unholy-8B-OAS. Модель имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекст до 131 072 токенов. Репозиторий содержит веса в формате safetensors и рассчитан на использование с Transformers. Модель предназначена для генерации ответов в чате и ролевых диалогов, включая сценарии с более свободными ответами. Указанные в названиях исходных моделей особенности предполагают ориентацию на ролевое общение и контент с ослабленными ограничениями, однако карточка не описывает отдельные гарантированные навыки или результаты оценки. Данные о лицензии и конкретной поддержке языков не представлены, поэтому условия использования и языковой охват по имеющимся сведениям определить нельзя.

Карточка модели MergekitCloud/mergekit-62 на Hugging Face совпадает с карточкой MergekitCloud/mergekit-72, поэтому описание составлено по ней. MergekitCloud/mergekit-72 — языковая модель для диалоговой генерации текста, созданная объединением нескольких моделей семейства Llama 3.1 с помощью метода Model Stock в mergekit. В качестве базовой модели использована vicgalle/Humanish-Roleplay-Llama-3.1-8B; в объединение также вошли ArliAI/Llama-3.1-8B-ArliAI-RPMax-v1.3, Orenguteng/Llama-3.1-8B-Lexi-Uncensored-V2 и Undi95/Llama3-Unholy-8B-OAS. Модель имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекст до 131 072 токенов. Репозиторий содержит веса в формате safetensors и рассчитан на использование с Transformers. Модель предназначена для генерации ответов в чате и ролевых диалогов, включая сценарии с более свободными ответами. Указанные в названиях исходных моделей особенности предполагают ориентацию на ролевое общение и контент с ослабленными ограничениями, однако карточка не описывает отдельные гарантированные навыки или результаты оценки. Данные о лицензии и конкретной поддержке языков не представлены, поэтому условия использования и языковой охват по имеющимся сведениям определить нельзя.

Mistral-Nemo-Prism-12B-v3 — экспериментальная диалоговая модель для генерации текста, созданная nbeerbower дообучением Mahou-1.5-mistral-nemo-12B-lorablated на наборах Arkhaios-DPO и Purpura-DPO. Для обучения применялся ORPO: автор сообщает об использовании двух GPU A100 и десяти эпох. Модель предназначена для диалогов и ролевого общения с более современным и сдержанным стилем: цель дообучения — уменьшить архаичную лексику и чрезмерно витиеватую прозу. Архитектура — плотная MistralForCausalLM, размер — 12,1 млрд параметров; заявленный контекст — до 1 024 000 токенов. Модель принимает текст и генерирует текст. Автор характеризует публикацию как экспериментальную итерацию, а не готовый к использованию релиз; также отмечает отсутствие ограничений на генерируемый контент. Лицензия — Apache-2.0. Языковая поддержка отдельно не описана.

Slomb создал эту плотную языковую модель на 12,1 млрд параметров, объединив методом SLERP модели elinas/Chronos-Gold-12B-1.0 и nothingiisreal/MN-12B-Celeste-V1.9 с помощью mergekit. Модель предназначена для генерации текста в чатах и ролевых диалогах; автор описывает её как сочетание двух перспективных моделей для ролевых чат-ботов на август 2024 года. Модель построена на архитектуре Mistral и использует библиотеку Transformers. В метаданных заявлен контекст до 1 024 000 токенов. Она принимает текст и генерирует текст. Лицензия в предоставленных данных не указана.

xammi/municipal-prediction-merged-model — разговорная языковая модель, разработанная xammi и дообученная на базе unsloth/tinyllama-chat-bnb-4bit. Она предназначена для генерации текста в диалоговом формате; в названии заявлено применение для прогнозирования муниципальных показателей, однако карточка не описывает конкретные данные или сценарии прогнозирования. Модель использует плотную архитектуру LlamaForCausalLM, содержит около 1 млрд параметров и рассчитана на контекст до 4096 токенов. Для обучения применялись Unsloth и TRL. Указан английский язык. Модель распространяется по лицензии Apache-2.0.

Kukedlc/NeuralMathsRolePlay-7b — объединённая языковая модель Mistral, созданная разработчиком Kukedlc методом SLERP с помощью mergekit на основе Kukedlc/NeuralMaths-Experiment-7b и mlabonne/AlphaMonarch-7B. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста; указанная длина контекста — 32 768 токенов. Модель подходит для генерации ответов и диалогов в ролевых сценариях, а также для текстовых задач, поддерживаемых исходными моделями. README описывает способ объединения и конфигурацию, но не приводит отдельной оценки качества или результатов тестирования именно этой модели. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана.

Noromaid-13b-v0.2 — языковая модель для генерации текста, созданная в совместной работе IkariDev и Undi. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и 12,9 млрд параметров; репозиторий содержит веса FP16 в формате safetensors. Модель рассчитана на генерацию ответов в диалогах, ролевые сценарии, ERP и задачи общего назначения; доступны собственный формат промптов и шаблон Alpaca. При обучении использовались Mergemonster и новый набор данных, включая no_robots и частные наборы Aesir для RP. Контекст составляет 4096 токенов. Авторы называют версию тестовой и предупреждают, что в следующих версиях многое может измениться; рекомендованные параметры генерации не заданы. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

OpenCrystal-15B-L3-v2.1 — разговорная модель, дообученная автором Darkknight535 для творческого общения и ролевых сценариев. Она построена на плотной архитектуре Llama и содержит 14,5 млрд параметров; для чата используется шаблон инструкций Llama 3. Модель принимает текст и генерирует связные ответы, может говорить за нескольких персонажей и создавать текстовые описания для изображений. Автор отмечает улучшенное следование запросам и снижение галлюцинаций по сравнению с предыдущей версией, но предпочитает версии v1 или v3. Заявленная длина контекста — 8192 токена. Репозиторий содержит веса в формате Safetensors и использует библиотеку Transformers. В метаданных есть пометка «not-for-all-audiences»; README не уточняет лицензию, поэтому условия использования по имеющимся сведениям определить нельзя.

Paradigm Shift — дообученная модель ResplendentAI для генерации текста на основе архитектуры Mistral. Веса содержат 7,1 млрд параметров, модель принимает текст и поддерживает контекст до 32 768 токенов. В карточке указано, что она охотнее отвечает на запросы, связанные с NSFW-контентом и сложными темами, и реже отказывается от ответа. Модель предназначена для ролевых диалогов и ответов на вопросы. Она обучалась на англоязычных наборах данных, в том числе на материалах для ролевых сценариев, теории сознания и токсичных предпочтений. Лицензия — Creative Commons Attribution-ShareAlike 4.0 (CC BY-SA 4.0).

Модель nityaak — дообученная разговорная языковая модель семейства Qwen3 с архитектурой причинного языкового моделирования Qwen3ForCausalLM и 1,7 млрд параметров. Она основана на unsloth/Qwen3-1.7B-unsloth-bnb-4bit и предназначена для генерации текста в диалогах; карточка связывает модель с разговорами о позициях и взглядах, однако подробности обучающих данных и качество на конкретных задачах не описаны. Модель принимает текст и генерирует текст, поддерживает контекст до 40 960 токенов. Она дообучена разработчиком nityaak с использованием Unsloth и библиотеки TRL. Распространяется по лицензии Apache-2.0.

Qwen3.6-27B-Della-Deckard-Terse-v2 — мультимодальная модель на архитектуре Qwen3.5 с 27 млрд параметров, созданная YFC-112358 слиянием весов. В 400 двухмерных проекционных матрицах применена линейная task-vector формула; остальные 799 тензоров скопированы из Della-Deckard-v1. Модель принимает текст и изображения и предназначена прежде всего для диалогов и коротких ответов с меньшим объёмом рассуждений. В небольшом тесте GSM8K автор сообщает о сокращении медианной длины рассуждений примерно в 7 раз относительно v1 при 17 правильных ответах из 20. На сложных задачах результат снизился относительно v1, поэтому модель лучше подходит для высоконагруженных сценариев коротких ответов, где важны задержка и стоимость, чем для многошаговых рассуждений. Возможности зрения, длинный контекст, программирование, использование инструментов, многоязычность и безопасность не оценивались; изменение языковой части может влиять на работу с изображениями. Лицензия в предоставленных данных не указана.

Это экспериментальный чекпойнт модели Qwen3.6-35B-A3B, подготовленный автором minjaechoi на основе Qwen/Qwen3.6-35B-A3B. Веса экспертов MoE имеют среднюю точность 2,02 бита, остальные веса сохранены в BF16; веса экспертов хранятся в тензорах BF16 после деквантизации. Модель загружается через Transformers и vLLM. Чекпойнт предназначен для генерации текста и диалогов. В карточке указана архитектура Qwen3.5 MoE и поддержка чата; базовая модель мультимодальна, но README не подтверждает, что эта сборка сохраняет работу с изображениями. Лицензия наследуется от базовой модели. README обозначает сборку как внутренний исследовательский чекпойнт.

Карточка модели hwkwon/S-SOLAR-10.7B-v1.1 на Hugging Face совпадает с карточкой hwkwon/S-SOLAR-10.7B-v1.2, поэтому описание составлено по ней. S-SOLAR-10.7B-v1.2 — разговорная языковая модель семейства Llama, дообученная разработчиком hwkwon на базе yanolja/EEVE-Korean-10.8B-v1.0. Она предназначена для генерации текста и диалоговых сценариев на корейском языке. Модель содержит 10,6 млрд параметров, использует плотную архитектуру Llama и рассчитана на контекст до 4096 токенов. Для общения используется шаблон с секциями пользователя и ассистента. Данные обучения в карточке не описаны, поэтому специализированные области применения и качество на конкретных задачах оценить нельзя. Модель распространяется по лицензии CC BY-NC 4.0, которая запрещает коммерческое использование.

Это экспериментальная пользовательская версия Ternary-Bonsai-2-27B, созданная Override-6 на основе prism-ml/Ternary-Bonsai-2-27B-gguf. Модель предназначена для генерации текста в диалоговом режиме; автор изменил веса, чтобы существенно снизить частоту отказов на вредоносных запросах. Согласно карточке, в среднем изменено 0,64% тритов в 66 матрицах, при этом сохранены исходные ternary-веса и размер файла около 5,95 ГБ. Модель использует формат GGUF PTQ1_0 и запускается через форк llama.cpp от Prism ML: стандартный llama.cpp не поддерживает нужное кодирование и преобразование активаций. Базовая модель построена на Qwen3.8-27B от Alibaba Cloud. В локальных проверках автор сообщает о снижении отказов, но часть ответов на вредоносные запросы остаётся смягчённой; тестирование охватывало лишь подмножество задач, а кодирование, вызов инструментов и зрение повторно не проверялись. Лицензия — Apache-2.0.

TheSpice-7b-FT-ExperimentalOrca — диалоговая модель на архитектуре Mistral, дообученная автором cgato на очищенных данных Orca и его наборе данных для ролевого общения. Она предназначена для генерации ответов в формате диалога и проверки того, как обилие инструктивных данных влияет на результаты модели в оценке ролевого общения. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель работает с текстом и выдаёт текстовые ответы. Она лицензирована по CC BY-NC 4.0, которая ограничивает коммерческое использование. Автор описывает её как экспериментальную проверку; результаты могут зависеть от используемого шаблона диалога и состава обучающих данных.

Toppy-Mix-4x7B — разговорная языковая модель от Undi95, собранная как MoE на базе Mixtral. По карточке, в ней сведены эксперты из трёх моделей, использованных в Toppy-M, а также Noromaid; среди перечисленных компонентов также есть AshhLimaRP и несколько LoRA-адаптеров. В репозитории опубликованы веса fp16 в формате safetensors. Модель предназначена для генерации текста в диалогах и ответов на инструкции с шаблоном Alpaca. Контекст составляет 32 768 токенов; указанное в метаданных число параметров — 7,1 млрд. Модель ориентирована на разговорные сценарии, включая контент для взрослых. Лицензия — CC BY-NC 4.0, которая ограничивает коммерческое использование. Автор предупреждает, что GGUF-квантизации Mixtral с суффиксом K могут работать некорректно, и рекомендует варианты Q4_0, Q5_0 или Q8_0.

AlienKevin/whisper-base-jyutping-without-tones-full — дообученная модель OpenAI Whisper Base для распознавания речи. Она обучена на наборе Common Voice 14.0 и настроена на вывод Jyutping без тоновых обозначений. Модель содержит 51,7 млн параметров и принимает аудио, выдавая текстовую транскрипцию. Модель предназначена для распознавания кантонской речи и записи её произношения латиницей в Jyutping без тонов. В README приведены результаты на оценочном наборе: loss 0,0907 и WER 9,6974. Распространяется по лицензии Apache-2.0.

Это дообученная модель распознавания речи на базе мультиязычной OpenAI Whisper Small, разработанной OpenAI. Она предназначена для преобразования аудио в текст; название репозитория указывает на настройку для языка сантали, однако README не описывает обучающие данные и языковую поддержку подробнее. Модель построена на архитектуре Whisper и распространяется в формате Safetensors через Transformers. На оценочном наборе указаны Loss 0,7537, WER 32,1909 и CER 7,1305; без описания набора и протокола оценки эти результаты трудно интерпретировать. Модель распространяется по лицензии Apache-2.0.

pablouribe/xls-r-spanish-test — модель автоматического распознавания речи, дообученная на испанской части набора Mozilla Common Voice 7.0. Она основана на архитектуре Wav2Vec2 CTC и содержит около 402,9 млн параметров. Модель принимает аудио и выдаёт распознанный текст на испанском языке. Модель подходит для транскрибирования испанской речи, в том числе аудиозаписей и голосовых фрагментов. В README приведены результаты оценки на тестовой выборке: loss 0,1461 и WER 1,0063. Такой WER указывает на крайне низкое качество распознавания в указанной оценке. Лицензия — Apache-2.0.

TeeZee/Xwin-LM-70B-V0.1_Limarpv3 — объединённая модель примерно на 70 млрд параметров, созданная на основе Xwin-LM/Xwin-LM-70B-V0.1 и Doctor-Shotgun/limarpv3-llama2-70b-qlora. Она использует плотную архитектуру LlamaForCausalLM и предназначена для генерации текста, в том числе диалоговых ответов и ролевых сценариев с переключением между обычным и откровенным контентом. Автор сообщает, что модель сохраняет качества исходной Xwin-LM и добавляет возможности LimaRP LoRA. Контекст составляет 4096 токенов. Модель может генерировать NSFW-контент; доступные сведения не подтверждают её поддержку конкретных языков. Распространяется по лицензии Llama 2.

Модель alexmt-qwen3-0.6b-dpo-bwspbleu-lr2e6 разработана на базе Qwen/Qwen3-0.6B для контекстного перевода разговорных реплик между английским и диалектным арабским. Она дообучена методом DPO поверх alexmt-qwen3-0.6b-sft на предпочтениях, сформированных по sentence spBLEU для девяти разновидностей арабского языка; при переводе может учитывать до трёх предыдущих реплик, домен, участников и направление гендерных форм обращения. Модель содержит 507,9 млн параметров, использует плотную архитектуру Qwen3 и поддерживает контекст до 40 960 токенов. Ожидаемый формат запроса — JSON-промпт Alexandria в одном пользовательском сообщении; ответ содержит перевод в поле translation. В тестах Alexandria улучшились показатели spBLEU и chrF++ относительно SFT-базы, но оценивались только метрики перекрытия текста, а точность передачи диалектных особенностей отдельно не проверялась. Результаты ограничены одним обучающим seed и одним разбиением данных; авторы отмечают, что подбор скорости обучения по тестовой выборке не позволяет считать небольшие различия между вариантами установленными. Лицензия CC BY-NC 4.0 допускает использование с некоммерческими ограничениями.

Карточка модели Alannikos768/BanterBot-7b-chat на Hugging Face совпадает с карточкой Alannikos768/BanterBot_1_8b-chat, поэтому описание составлено по ней. BanterBot — чат-модель, разработанная Alannikos768 для конструктивного выражения эмоций и общения в напряжённых социальных ситуациях. Она предназначена для генерации остроумных, сдержанных ответов, смягчения конфликтов и поддержания отношений. Модель дообучена на базе InternLM2.5 с 1,7 млрд параметров и архитектурой InternLM2; её контекст составляет до 32 768 токенов. Она принимает текст и генерирует текстовые ответы, ориентирована на английский язык. Репозиторий содержит веса PyTorch. Лицензия — Apache-2.0.

Silicone-Moss Darkhn-M3.2-36B-Animus-V12.0-Heretic-Uncensored — доработанная методом Heretic модель генерации текста на основе Darkhn/M3.2-36B-Animus-V12.0. В карточке описана интервенция векторов отказа с ортогонализацией, параметры которой подбирались с помощью Optuna; указаны результаты испытания Trial 177. Архитектура — плотная MistralForCausalLM, объём — 34,8 млрд параметров, контекст — до 131 072 токенов. Модель предназначена для диалогов, ролевых сценариев и творческого письма с уменьшенной склонностью к отказам. По README, в тестовом наборе Heretic зафиксировано 8 отказов из 100, а KL-дивергенция относительно базовой модели составила 0,0200. Модель может галлюцинировать и терять логическую последовательность; сниженные защитные ограничения повышают риск генерации нежелательного содержания. Лицензия — Apache-2.0.

DuplexJev-B-MOSS-Transcribe-Falcon-H1-3B — модель adventists-ai для ответов на короткие вопросы по аудио и классификации акустических признаков. Она объединяет замороженный аудиоэнкодер MOSS-Transcribe-Diarize на архитектуре Whisper с 24 слоями и 307 млн параметров и замороженную языковую модель Falcon-H1-3B-Instruct; обучаемый коннектор SwiGLU содержит 38,8 млн параметров. Архитектура Ultravox принимает аудио и оценивает варианты ответа распределением вероятностей по токенам, без генерации последовательности. Модель предназначена для коротких решений по произнесённой речи, вопросов о содержании аудиофрагмента и подсказок о говорящем, включая паралингвистические признаки. README приводит результаты для spoken QA и задач определения пола и эмоций, но предупреждает, что тестировались небольшие наборы и прочитанная или сыгранная речь. Для работы нужны указанные энкодер и LLM; Falcon-H1 медленно работает на CPU без Mamba-ядер, а вопросы об общих знаниях модель обрабатывает слабо. Лицензия — Apache-2.0.

AgreemSrivastava/fitness-qwen-0.5b — дообученная на TRL разговорная причинно-следственная языковая модель семейства Qwen2 с 494 млн параметров. Она предназначена для генерации текста в диалоге и запускается через Transformers; в карточке приведён пример ответа на открытый вопрос. Заявлена длина контекста 32 768 токенов. Название указывает на связь с фитнесом, однако README не описывает специализированные фитнес-возможности или обучающие данные. Лицензия в предоставленных сведениях не указана.

FrankenDPO-4x7B-bf16 — экспериментальная разреженная языковая модель семейства Mixtral, созданная Kquant03 путём объединения DPO-моделей в архитектуру Mixture of Experts. В README указаны базовая модель SanjiWatsuki/Kunoichi-DPO-v2-7B и четыре эксперта: udkai/Turdus, distilabeled-Marcoro14-7B-slerp, SanjiWatsuki/Kunoichi-DPO-v2-7B и Neuronovo/neuronovo-9B-v0.3. Модель предназначена для генерации текста в режиме Chat-instruct; автор заявляет результаты на GSM8k, Winogrande и Ayumi's ERP Bench, но не приводит подробностей оценки.

DavidAU создал диалоговую модель Gemma 3 1B IT, дообучив Gemma 3 1B на наборе GLM-4.7-2000x. Модель предназначена для генерации текста, общения, творческого письма и ролевых сценариев; дообучение также направлено на компактные, подробные рассуждения, которые можно активировать запросом «think deeply:». Автор описывает её как модель с уменьшенной склонностью к отказам. Это плотная причинная языковая модель семейства Gemma 3 с 1 млрд параметров, контекстом до 32 768 токенов и поддержкой английского языка. Репозиторий содержит веса Safetensors; автор сообщает об обучении с точностью 16 бит и приводит результаты нескольких тестов. К ограничениям относятся возможные зацикливания при низкой точности квантования и зависимость стиля генерации от промпта и настроек семплирования. Лицензия — Apache-2.0.