I.7Речь, диалоги и встречи

Карточка модели arjhinety/schemaforge-v3-distilled-minicpm5-1b на Hugging Face совпадает с карточкой arrochi112/schemaforge-v3-distilled-minicpm5-1b, поэтому описание составлено по ней. SchemaForge V3 — Distilled MiniCPM5-1B — экспериментальный исследовательский чекпойнт для извлечения структурированных полей и JSON из документов по 12 схемам: счетов, чеков, резюме, договоров, медицинских записей, страховых заявлений и других. Это дообученная модель OpenBMB MiniCPM5-1B, дистиллированная от учителя google/gemma-4-31B; метаданные указывают 837,6 млн параметров, плотную авторегрессионную архитектуру LlamaForCausalLM, формат safetensors и контекст до 131 072 токенов. В карточке описаны эксперименты с последовательностной дистилляцией и гибридным конвейером, где модель дополняет детерминированный предварительный разбор. Чекпойнт показал лучший результат среди четырех итераций V3, но уступает опубликованному как релиз V2-FINAL на сопоставимой оценке. Основной сохраняющийся сбой — пропуск полей; сама модель также заметно слабее в извлечении без гибридного конвейера. Автор прямо рекомендует не применять этот чекпойнт в производстве. Лицензия — Apache-2.0.

Skyfall 36B V2 — текстовая языковая модель BeaverAI, созданная на основе Mistral Small 2501 с увеличением масштаба и продолжением обучения, ориентированным на творческое письмо и ролевые сценарии. Это плотная авторегрессионная модель семейства Mistral с 37,1 млрд параметров и контекстом до 32 768 токенов; карточка указывает формат safetensors и поддержку диалогового режима. Модель предназначена для генерации текста в чате, включая ролевые диалоги, создание историй и творческие описания. В README также заявлены следование инструкциям, математические рассуждения и использование инструментов; эти возможности представлены как заявления автора и пользователей, без приведённых количественных оценок. README рекомендует шаблон чата Mistral v7 Tekken и также описывает Metharme и Alpaca. Лицензия обозначена как other, поэтому конкретные условия использования следует проверять в репозитории модели. Заявленные сильные стороны — творческое письмо и ролевая генерация; результаты могут зависеть от промпта и шаблона чата. Модель принимает и выдаёт текст.

SOVLish-Maid-L3-8B — объединённая диалоговая языковая модель на архитектуре Llama 3, созданная автором репозитория с помощью mergekit и метода Model Stock. В качестве основы использована NeverSleep/Llama-3-Lumimaid-8B-v0.1-OAS; в объединение также вошли модели Aura, BlueMoon, Luna, RP_Format_QuoteAsterisk и Smarts от ResplendentAI. Модель предназначена для генерации текста в чатах и ролевых беседах. В карточке автор описывает её как эксперимент по объединению моделей Llama 3; каталог также отмечает поддержку диалога и ролевых сценариев. Размер составляет 7,5 млрд параметров, контекст — до 8192 токенов. Модель принимает текст и генерирует текст. Лицензия CC-BY-NC-4.0 ограничивает коммерческое использование. Качество и поведение могут зависеть от сценария; README не приводит результатов оценки.

Theia-21B-v1_pretrained — текстовая модель генерации на архитектуре Mistral, опубликованная athirdpath и дообученная на TheDrummer/Theia-21B-v1. Она предназначена для генерации текста и диалогов; базовая модель ориентирована на ролевые диалоги, повествование и прозу. Модель содержит 20,7 млрд параметров, принимает текст и выдаёт текст, поддерживает английский язык и имеет заявленный контекст 1 024 000 токенов. Веса опубликованы в формате safetensors. Модель подходит для создания диалоговых приложений, ролевого общения и генерации художественного текста. README сообщает, что обучение проводилось с Unsloth и библиотекой TRL. Лицензия — Apache-2.0. Данных о специальных ограничениях качества или безопасности в карточке нет.

Это дообученная модель семейства GPT-2, созданная на основе goldfish-models/urd_arab_100mb и обученная с помощью TRL. Она предназначена для генерации продолжений текста и ответов на запросы в формате диалога; карточка демонстрирует генерацию ответа на вопрос. Модель работает через Transformers и опубликована в формате safetensors. Контекст модели составляет 512 токенов. Карточка не приводит сведений о целевых языках и специализированных областях применения, поэтому её можно описать только как модель общего назначения. Лицензия в предоставленных данных не указана.

Envoid/Verdict-DADA-8x7B — экспериментальное объединение моделей Verdict-8x7B и Mixtral-Instruct-ITR-DADA-8x7B. Это разговорная генеративная модель на архитектуре Mixtral MoE с 7,1 млрд параметров и контекстом до 32 768 токенов; для запросов используется формат [INST]...[/INST]. Модель предназначена для диалоговой генерации текста. По карточке она менее стабильна, чем исходная Verdict, но более творческая. Репозиторий содержит веса safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Модель yuhan-nlp/verl-grpo-medium-qwen3-4b-step129-repro — экспериментальное воспроизведение Qwen3-4B от автора yuhan-nlp. Это плотная авторегрессионная языковая модель примерно на 3,7 млрд параметров, дообученная методом GRPO без предварительного этапа SFT на задаче CollabLLM medium по написанию документов. Контекст — до 40 960 токенов; модель принимает текст и генерирует текст в диалоговом формате. Чекпойнт воспроизведён на другом кластере с теми же рецептом и данными, что и исходный запуск, и опубликован как объединённая модель в формате Safetensors, готовая к загрузке через Transformers. Она предназначена для многошагового взаимодействия при подготовке документов. README не приводит метрик качества, поэтому результаты на бенчмарках по этой карточке оценить нельзя. Лицензия — MIT.

Westlake-7B — языковая модель для ролевых диалогов и генерации текста, представленная авторами карточки. Она основана на архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для создания историй, стихов и других текстов, а также для диалогов от лица заданных персонажей в художественных и игровых сценариях. Её можно использовать для творческого письма, интерактивных персонажей в играх, учебных ролевых диалогов, чат-ботов и публикаций для соцсетей. В README приведены результаты нескольких бенчмарков, но подробные протоколы оценки не описаны. Метаданные указывают английский язык и лицензию Apache-2.0; сведения о базовой модели и точной процедуре обучения не приведены.

Whisper Chilean Spanish Large v3 — модель распознавания речи, дообученная на базе openai/whisper-large-v3 на наборе данных Mezosky/es_clinical_assistance_10k. Она предназначена для транскрибации речи на испанском языке в клинических сценариях. Модель содержит 905,2 млн параметров, использует архитектуру Whisper и опубликована в формате Safetensors. В карточке приведены результаты оценки на тестовом наборе: loss 0,0961 и WER 6,9352. Лицензия — Apache-2.0. Подробности о клинических сценариях, условиях оценки и ограничениях применения в карточке не раскрыты.

Это версия в формате PyTorch fp16 модели Monero’s WizardLM Uncensored SuperCOT Storytelling 30B, подготовленная TheBloke. В базовую модель объединена LoRA SuperHOT 30B от Kaio Ken; настройка RoPE позволяет использовать контекст до 8192 токенов при включённом trust_remote_code=True. Модель предназначена для генерации текста, в частности для диалогов, рассуждений и написания историй. Она основана на плотной архитектуре Llama, содержит 32,3 млрд параметров и рассчитана на текстовый ввод и вывод. В README говорится, что модель не прошла RLHF; это uncensored-вариант, поэтому ответы могут быть откровенными или небезопасными. Лицензия указана как other, конкретные условия в карточке не описаны.

Badger μ Llama 3 8B Instruct — разговорная языковая модель, созданная объединением нескольких моделей на базе Llama 3 8B Instruct. Автор описывает метод как рекурсивную интерполяцию и свёртку моделей с выравниванием по величине весов; для двух компонентов применён отдельный шаг Fourier task addition. В метаданных указаны плотная архитектура Llama, 7,5 млрд параметров, контекст 8192 токена и формат safetensors. Модель предназначена для генерации текста в формате Llama 3 Instruct, включая творческое письмо и ролевые диалоги. Автор отмечает способность к ролевой игре и склонность вставлять в ответы заметки, сочетающие рассуждения и повествование. Опубликованные результаты Open LLM Leaderboard включают средний балл 19,77, IFEval 49,19 и BBH 30,51. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

BeyondInfinity-4x7B — языковая модель для генерации текста на архитектуре Mixtral, опубликованная R136a1. Автор описывает её как объединение сильных моделей в общей системе Mixtral, где каждая сохраняет свои особенности; README отмечает хорошее следование карточке персонажа и работу в сложных сценариях. Модель рассчитана на диалоговую генерацию с форматом промпта Alpaca, в том числе на ответы в заданном стиле. В метаданных указаны 7,1 млрд параметров, контекст 32 768 токенов, формат Safetensors и лицензия Apache-2.0. README приводит ограничение в 8 192 токена, поэтому фактический доступный контекст может зависеть от используемой конфигурации. Карточка указывает английский язык; независимых оценок качества и более подробных сведений об объединённых моделях README не приводит.

BigLlama-3.1-681B-Instruct — экспериментальная плотная языковая модель от mlabonne, созданная слиянием слоёв Meta-Llama-3.1-405B-Instruct методом passthrough с помощью mergekit. В репозитории указано 678,6 млрд параметров; модель предназначена для генерации текста в формате чата и имеет контекст до 131 072 токенов. Автор рекомендует использовать её для творческого письма с шаблоном чата Llama 3. Модель также поддерживает интерфейс вызова инструментов согласно метаданным. Она создана как экспериментальное самослияние; автор предупреждает использовать её на свой риск, а результаты оценки и сведения о квантизации в карточке не приведены. Файлы модели опубликованы в формате safetensors. Базовая модель — Meta-Llama-3.1-405B-Instruct. Условия лицензирования в предоставленных данных не описаны.

Borealis-10.7B-DPO — разговорная модель Undi95 для ролевых диалогов, ERP и обычного общения. Она построена на 48 слоях Mistral 7B с конфигурацией Llama 2, дообучена на наборах разговоров и ролевых диалогов, а затем оптимизирована методом DPO. В репозитории представлены веса PyTorch в формате FP16; модель содержит около 10,6 млрд параметров и рассчитана на контекст до 4096 токенов. Модель ориентирована на беседы и ролевые сценарии, а не на достижение высоких результатов в бенчмарках. В обучающие данные вошли обычные разговоры, ролевые диалоги и наборы с откровенным содержанием. Карточка не описывает поддержку конкретных естественных языков. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства и запрещает коммерческое использование.

EEM-Noro-Lamia-Maid-7B-Slerp — диалоговая языковая модель, созданная объединением NeverSleep/Noromaid-7B-0.4-DPO и openerotica/mistral-7b-lamia-v0.1 с помощью LazyMergekit. В основе — плотная архитектура Mistral с 7,1 млрд параметров; для объединения использован метод slerp, веса представлены в формате safetensors. Модель предназначена для генерации диалогового текста и ролевых сценариев. Она поддерживает контекст до 32 768 токенов и может использоваться в чат-приложениях и интерактивном повествовании. Указана лицензия? Данных о лицензии в предоставленных материалах нет.

flammen24-mistral-7B — языковая модель на архитектуре Mistral, разработанная FlammenAI. Модель объёмом 7,1 млрд параметров дообучена с помощью Direct Preference Optimization на наборе jondurbin/truthy-dpo-v0.1; базовая модель — flammenai/flammen23X-mistral-7B. В репозитории представлены веса Safetensors для Transformers. Модель предназначена для ролевых диалогов с персонажами, творческого письма и генерации текста общего назначения. Заявленная длина контекста — 32 768 токенов. Лицензия — Apache 2.0.

Это GGUF-квантованная версия модели G4-MeroMero-v2-31B-Heretic-ARA-LoRA, опубликованная kabachuha. Она предназначена для диалогового взаимодействия с текстом и изображениями; автор описывает её как вариант с меньшим числом отказов при сохранении близости к исходной модели. В приведённом сравнении указаны 8 отказов из 100 запросов и KL-дивергенция 0,0785 относительно исходной модели. Модель создана с применением 4-битной техники ARA LoRA и распространяется в формате GGUF для использования, в частности, через llama.cpp. Размер модели, длина контекста и поддерживаемые языки в доступных данных не приведены. Лицензия — Apache-2.0. Снижение числа отказов означает, что модель может выдавать ответы на запросы, которые исходная модель отклоняет; качество и безопасность её ответов в других сценариях отдельно не охарактеризованы.

Helide Alpha R5 — экспериментальная плотная языковая модель семейства Llama с 7,5 млрд параметров, созданная автором inflatebot с помощью слияния моделей через mergekit. В основе лежит NousResearch/Meta-Llama-3-8B; в слиянии также участвуют Sao10K/L3-8B-Stheno-v3.2 и Fizzarolli/L3-8b-Rosier-v1. Модель распространяется в формате Safetensors и рассчитана на генерацию текста с контекстом до 8192 токенов. Автор стремился улучшить способность Stheno развивать сюжет и сделать ответы менее неловкими при обсуждении нишевых тем. В README проект назван экспериментальным, а автор рекомендует умерить ожидания: это его первый проект с LLM. Лицензия в предоставленных данных не указана.

Huihui-Ornith-1.5-9B-abliterated — версия Ornith-1.5-9B от huihui-ai, созданная методом abliteration для снижения числа отказов модели. Это плотная модель семейства Qwen3.5 с 9 млрд параметров; репозиторий содержит веса Safetensors и рассчитан на загрузку через библиотеку Transformers. Модель предназначена для генерации текста в диалогах и приложениях, где требуется модель с ослабленными ограничениями на ответы. Abliteration затронула только первые 20 слоёв и описана разработчиком как грубая реализация для проверки концепции. В README предупреждают, что ослабление защитных фильтров может приводить к чувствительным, спорным или неподходящим ответам, которые следует проверять. Лицензия — MIT.

Huihui-Qwen3.8-Flash-Next-abliterated — версия Qwen/Qwen3.8-Flash-Next от huihui-ai с применением abliteration, предназначенная для уменьшения числа отказов модели. Это мультимодальная модель для диалога, которая принимает текст и изображения и формирует текстовые ответы; среди заявленных возможностей также есть интерфейс вызова инструментов. В метаданных указаны архитектура Qwen4ExpForConditionalGeneration и формат safetensors. Модель подходит для диалоговых сценариев и ответов на вопросы по изображениям, когда требуется снизить частоту отказов. Abliteration описана авторами как грубая реализация с подтверждением концепции. Карточка предупреждает, что защитные фильтры значительно ослаблены и ответы могут быть чувствительными или неподходящими. Лицензия обозначена как other; более конкретные условия в доступных данных не приведены.

KoSOLAR-Platypus-10.7B — языковая модель для генерации текста, разработанная Kyujin Han (kyujinpy). Это плотная авторегрессионная модель семейства Llama с 10,6 млрд параметров и контекстом до 4096 токенов, основанная на yanolja/KoSOLAR-10.7B-v0.2. Модель дообучена с помощью LoRA с квантизацией на наборе KOR-OpenOrca-Platypus-v3. Модель предназначена для генерации ответов и диалогового текста на корейском языке. В README приведены инструкции по загрузке через Transformers, но численные результаты собственной оценки модели не заполнены. Репозиторий содержит веса в формате safetensors. Лицензия CC BY-NC-SA 4.0 требует указания авторства, распространяет производные работы на тех же условиях и запрещает коммерческое использование.

Green-Eye/Llama-3.2-1B-Instruct-heretic — вариант Meta Llama 3.2 1B Instruct, изменённый RACER IS OP с помощью Heretic v1.2.0. Это плотная авторегрессионная языковая модель семейства Llama с 1,2 млрд параметров и контекстом до 131 072 токенов. Подавление отказов выполнено направленной абляцией: изменены отдельные веса в проекциях внимания и MLP без дообучения. Модель предназначена для локальных диалоговых агентов, ролевых сценариев, исследований механизмов отказа и работы на устройствах с ограниченными ресурсами. Она поддерживает генерацию текста и чат; в репозитории есть GGUF-квантизации и версия F16 для запуска, в частности, через llama.cpp. В README сообщается о снижении отказов на тесте из 100 adversarial-запросов с 96 у исходной модели до 7, при этом авторы характеризуют остальные возможности как в основном сохранённые. Подавление отказов означает, что модель может выполнять запросы, на которые исходная модель отказала бы; у неё также сохраняются фактические ограничения и предвзятости базовой модели. Лицензия указана как Llama 3.2; перед применением следует учитывать её условия.

Werty1248/Llama-3-Ko-8B-Instruct-AOG — чат-модель, созданная дообучением beomi/Llama-3-Open-Ko-8B на наборах KoAlpaca-v1.1a, OpenOrca-KO и OpenAssistant Guanaco KO. Она предназначена для генерации ответов на инструкции и многоходового диалога на корейском языке; карточка использует формат Alpaca. Модель построена на плотной архитектуре LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. В сравнении авторов на KoBEST отмечено улучшение на BoolQ относительно базовой модели, тогда как на COPA результат близок, а на HellaSwag немного ниже. В README также сказано, что для большинства оценённых задач существенного прироста точности не было. Модель выпущена под лицензией llama3; доступные сведения не уточняют дополнительные условия её использования.

llama-3-sauce-v1-8B — экспериментальная чат-модель на архитектуре Llama, созданная nbeerbower дообучением llama-3-bophades-v1-8B с помощью Direct Preference Optimization на нескольких наборах предпочтений. В README автор характеризует результат как неудачное дообучение. Модель предназначена для генерации текста в диалоговом формате и не описана как специализированная для отдельной области. Модель содержит около 7,5 млрд параметров, принимает текст и имеет контекстное окно 8192 токена. Для обучения указаны наборы Gutenberg DPO, NSFW RP Format DPO, Date DPO и Truthy DPO. Использование регулируется лицензией Meta Llama 3 Community License Agreement; метаданные Hub указывают лицензию «other».

HunMamba2-780M (WSD Scheduler) — венгерская причинно-языковая модель на архитектуре Mamba2, разработанная magyar-nlp-szine-java. Модель с 780 млн параметров обучена на предварительно обработанной смеси венгерских текстов Europarl и FineWeb-HQ с использованием планировщика Warmup-Stable-Decay. В метаданных указано 1,7 млрд параметров; это расходится с размером, заявленным в README. Модель предназначена для генерации текста на венгерском языке и диалогового применения. Веса опубликованы в формате Safetensors. Лицензия MIT.

MSP-VSR — модель распознавания речи по видео лица говорящего, разработанная в рамках проекта Multimodal Speech Perception. Она использует визуальный энкодер AV-HuBERT и CTC-голову, чтобы транскрибировать английскую речь по беззвучному видео области рта. Процессор преобразует кадры в оттенки серого, нормализует их, изменяет размер до 96 пикселей и применяет обрезку до 88 пикселей. Модель предназначена для чтения по губам, в том числе когда звуковая дорожка отсутствует или её нельзя использовать. В README приведены результаты на LRS2: WER 27,37% на чистом тесте; на AVCocktail WER зависит от сегментации и составляет от 58,06% до 74,77%. Для результатов использовался процессор с языковой моделью. Модель также предоставляет визуальный энкодер для MSP-AVSR. Это дообучение чекпойнта MahmoodAnaam/avhubert_encoder_large_noise_pt_noise_ft_433h. Модель доступна по лицензии Apache-2.0. Для загрузки в Transformers в README указан trust_remote_code=True.

Модель fpadovani/nld-100mb-after-newlexicon-nld-baseline-ckpt500_seed455 — дообученный вариант GPT-2, созданный на основе fpadovani/ppt-art-lang-newlexicon-nld-baseline-100mb_seed455. Разработчик обучал её с помощью TRL; карточка демонстрирует генерацию ответа на вопрос в формате диалога. Модель предназначена для генерации текста и ответов на вопросы на нидерландском языке. Это плотная авторегрессионная модель GPT-2 с контекстом 512 токенов, для которой указана библиотека Transformers и формат весов safetensors. Лицензия в предоставленных данных не указана.

Pantheon-RP-Pure-1.6.2-22b-Small-GGUF — квантизированная версия модели Pantheon-RP-Pure-1.6.2-22b-Small, разработанной Gryphe и преобразованной в формат GGUF пользователем bartowski. Модель предназначена для генерации текста и диалоговых сценариев, прежде всего для roleplay и instruct-задач. Указана поддержка английского языка и формат взаимодействия ChatML с шаблоном [INST]. Модель содержит около 22 миллиардов параметров. Доступны варианты с разным уровнем квантизации — от F16 до Q3 и IQ4, что позволяет выбирать между качеством генерации, размером файла и требованиями к оперативной памяти. Квантизация выполнена с использованием llama.cpp и метода imatrix; запуск возможен, в частности, через LM Studio. Рекомендуемыми вариантами названы Q6_K_L, Q6_K, Q5_K_L, Q5_K_M, Q5_K_S, Q4_K_L, Q4_K_M, Q4_K_S и IQ4_XS. Сильными сторонами являются широкий выбор квантизированных сборок и возможность локального запуска на совместимом оборудовании. Более компактные варианты подходят для систем с ограниченной памятью, но обеспечивают более низкое качество. Некоторые варианты оптимизированы для ARM и требуют поддержки SVE или i8mm; в README отдельно указано, что их не следует использовать на Mac или Windows. Архитектура, максимальная длина контекста и дополнительные модальности в предоставленных данных не указаны. Модель распространяется по лицензии MRL-0.1 от Mistral AI.

picur-120M-instruct — предварительная инструктивная языковая модель семейства LFM2, опубликованная автором picur. Она предназначена для генерации текста в диалоговом формате и выполнения инструкций. Модель содержит 94,4 млн параметров, использует плотную архитектуру Lfm2ForCausalLM и поддерживает контекст длиной до 32 768 токенов. В метаданных указан венгерский язык. Модель распространяется в формате safetensors и доступна по лицензии Apache-2.0. Пометка PREVIEW указывает на предварительный характер версии; README не раскрывает результаты оценки качества или подробности обучения.

qwen2.5-3b-uncensored — модифицированный вариант Qwen/Qwen2.5-3B-Instruct, опубликованный пользователем arzaan789. Модель предназначена для генерации текста и диалоговых сценариев, включая случаи, когда требуется меньше отказов на потенциально чувствительные запросы. Она распространяется в формате GGUF и может запускаться, например, через llama-cli. В основе лежит языковая модель размером 3B параметров. Для изменения поведения применялись abliteration с удалением направления отказа из всех слоёв, LoRA-дообучение на датасете Guilherme34/uncensor в течение двух эпох и повторная abliteration. Использовались LoRA с параметрами r=16 и alpha=32; заявлены исходная сила abliteration 0,2 и повторная 0,35. Сведения о поддерживаемых языках, размере контекста и точной архитектуре в README не указаны. По результатам проверки модель отказала в 23 из 64 вредоносных запросов и не отказала ни в одном из 64 безвредных запросов. Это указывает на менее строгую фильтрацию, но не означает полного снятия ограничений и может повышать риск генерации небезопасного или нежелательного контента. Условия лицензии указаны как Apache-2.0.