I.7Речь, диалоги и встречи

CHIP 2.0 — разговорная языковая модель HarlockDestroyer на архитектуре MixtralForCausalLM с разреженной архитектурой MoE и 7,1 млрд параметров. Она дообучена для генерации кратких, естественных ответов на испанском языке и предназначена для виртуального помощника, который отвечает на повседневные вопросы. Модель принимает текст и генерирует текст; контекстное окно составляет 32 768 токенов. Модель можно использовать для диалогов и ответов на типичные вопросы в приложениях виртуального помощника. Доступны веса в формате safetensors, для запуска в README показан Transformers. Лицензия — Apache-2.0. Карточка не приводит оценок качества или результатов тестирования.

CreativeSmart-2x7B — экспериментальная разговорная языковая модель, собранная bunnycore методом слияния моделей Nexusflow/Starling-LM-7B-beta и bunnycore/Chimera-Apex-7B с помощью LazyMergekit. Это архитектура Mixture of Experts (MoE) семейства Mixtral с 7,1 млрд параметров и контекстом до 8192 токенов. Модель предназначена для генерации текста в чате, творческого письма, ролевых сценариев и общих запросов. Карточка заявляет поддержку ответов без обычных ограничений на контент и рекомендует явно формулировать пользователю задачу и ожидаемый стиль ответа. Это может быть полезно для художественных и ролевых сценариев, однако качество ответов, точность фактов и следование инструкциям не гарантированы. Модель распространяется по лицензии Apache-2.0.

Gazelle v0.2 — совместная речевая и языковая модель, выпущенная командой Tincans в середине марта 2024 года. Карточка Hugging Face относит её к генеративным моделям Gazelle с плотной архитектурой и поддержкой диалогового режима. Модель предназначена для работы с речью в сочетании с языковыми задачами. В карточке упомянуты демонстрация и пример запуска инференса в ноутбуке, но конкретные сценарии использования и характеристики речевого ввода или вывода не описаны. Метаданные указывают текстовую генерацию и английский язык; размер модели и длина контекста не приведены. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не сообщает об ограничениях качества или безопасности.

Модель cds1/icdu_dpo_qwen3.5_9b_v2 разработана Overture System Solutions на базе Qwen/Qwen3.5-9B. Это текстовая причинная языковая модель, дообученная в два этапа: сначала на инструкциях и материалах по коучингу, затем методом DPO на примерах выбора инструментов. Адаптеры объединены с базовыми весами, после чего модель преобразована в GGUF и квантована до Q4_K_M для запуска в llama.cpp. Модель предназначена для диалоговых ответов на английском языке по темам повседневной жизни и работы, а также для задач, где требуется выбрать подходящий инструмент. В репозитории указаны 9 млрд параметров, контекст до 262 144 токенов и архитектура Qwen3.5 с чередованием слоёв линейного и полного внимания. Размер файла GGUF — около 5,24 ГиБ; фактическое потребление памяти также зависит от KV-кэша и длины контекста. Квантование уменьшает требования к памяти и позволяет запускать модель на совместимом CPU или GPU, но может снижать точность относительно исходных весов. Карточка описывает обучение выбора инструментов, однако не приводит независимых оценок качества. Лицензия — Apache-2.0.

SvalTek/L3-ColdBrew-DualCore — текстовая модель семейства Llama 3, созданная SvalTek слиянием нескольких предварительно обученных моделей. В слияние DARE TIES вошли SvalTek/L3-ColdBrew-SpicyReflect, cgato/L3-TheSpice-8b-v0.8.3 и Nitral-AI/Hathor_Tahsin-L3-8B-v0.85; базовой указана SvalTek/L3-ColdBrew-SpicyReflect. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM, распространяется в формате safetensors и поддерживает контекст до 8192 токенов. Модель предназначена для генерации текста в диалоговых и ролевых сценариях, включая взаимодействие с персонажами и описание сцен. В метаданных также отмечен интерфейс для вызова инструментов. Язык модели в предоставленных данных не определён. Модель распространяется по лицензии, указанной в карточке Hugging Face, однако её условия в предоставленных данных не приведены. Качество и поведение итогового слияния зависят от входящих моделей и сценария использования; специальных ограничений в источниках не описано.

MAiRYSTAR — дообученная модель компании Triadic Intelligence Labs на базе Qwen3.5-9B-Base. В карточке она описана как модель на 9 млрд параметров с поддержкой зрения, созданная для творческого общения и сценариев виртуального компаньона. Для обучения указаны SFT Studio Pro и FTK Alignment; архитектура относится к плотному семейству Qwen3.5, файлы представлены в формате safetensors. Модель предназначена для генерации текста в диалогах и творческих беседах. Базовая модель мультимодальна и поддерживает понимание изображений, однако карточка MAiRYSTAR не уточняет, какие именно визуальные задачи сохранены после дообучения. Указана поддержка английского языка; контекстный размер не приводится. Модель распространяется по лицензии Apache-2.0.

MiniCPM5-2B-catalan-chat-v2 — языковая чат-модель на архитектуре Llama с 2,2 млрд параметров, разработанная luispoveda93. Это второй этап LoRA-донастройки модели luispoveda93/MiniCPM5-2B-catalan-chat: он обучен на 23,4 тыс. многоходовых диалогов на каталанском языке и нацелен на поддержание беседы, следование инструкциям и диалоговый стиль. Предыдущий этап использовал MiniCPM5-2B и набор InstruCAT. Модель предназначена для генерации ответов и многоходового общения на каталанском языке. Контекстное окно составляет 131 072 токена; репозиторий содержит объединённую модель в формате BF16 и файлы safetensors. К ограничениям относятся небольшой размер, ограниченные знания и глубина рассуждений, а также отсутствие независимой оценки на бенчмарке каталанского чата. QA-наборы данных на втором этапе не использовались, поэтому навыки ответов на вопросы опираются на предыдущую донастройку. Лицензия указана как other; README сообщает, что данные второго этапа распространяются по CC-BY-4.0, но в линии обучения остаётся InstruCAT с ограничением некоммерческого использования.

Это дообученная на TRL модель генерации текста на базе fpadovani/ppt-art-lang-newlexicon-zipf-nld-baseline-100mb_seed455, построенной на архитектуре GPT-2. Пример в карточке показывает диалоговый формат: модель получает вопрос и генерирует ответ; репозиторий использует библиотеку Transformers и формат весов safetensors. Модель подходит для генерации коротких ответов и продолжений текста, в частности на нидерландском языке, который указан в описании базовой модели. Контекст ограничен 512 токенами. Карточка не приводит отдельные результаты оценки качества или подробности обучающей выборки. Лицензия в предоставленных данных не указана.

Модель ahnwangja/qwen2.5-1.5b-alpaca-indonesian — дообученная автором ahnwangja разговорная языковая модель семейства Qwen2.5 с 1,5 млрд параметров. В основе лежит unsloth/qwen2.5-1.5b-instruct-unsloth-bnb-4bit; для обучения использовались Unsloth и библиотека TRL. Модель предназначена для генерации текста в диалоговом формате, в том числе для общения на индонезийском языке. Модель принимает текст и генерирует текст. Заявленная длина контекста составляет 32 768 токенов; файлы опубликованы в формате safetensors. Карточка не приводит результатов оценки качества или подробного описания обучающих данных, поэтому точность ответов на индонезийском и других языках не установлена. Лицензия — Apache-2.0.

modrill/qwen3-4b-nothink-ocr-95k-full-sft — дообученная автором карточки языковая модель семейства Qwen3 на базе Qwen/Qwen3-4B-Base. Это плотная причинная архитектура Qwen3ForCausalLM с 3,7 млрд параметров и контекстом до 32 768 токенов; репозиторий содержит веса в формате safetensors. Модель предназначена для генерации текста в диалоговом формате и адаптирована на наборе ocr_nothink_95k, однако карточка не описывает конкретные возможности распознавания текста или обработки изображений, поэтому эти функции нельзя считать подтверждёнными. Лицензия указана как other, без дополнительных условий в доступных данных.

Карточка модели pwnyourace/Qwen3.5-4B-Uncensored-HauhauCS-Aggressive_INT8-convrot на Hugging Face совпадает с карточкой DreamFast/Qwen3.5-4B-Uncensored-HauhauCS-Aggressive-Safetensor-Benchmark, поэтому описание составлено по ней. DreamFast представляет safetensors-версию модели Qwen3.5-4B с агрессивной абляцией отказов HauhauCS. Это дообученная производная Qwen/Qwen3.5-4B, преобразованная из BF16 GGUF в формат safetensors. В основе — гибридная архитектура Mamba2 и Transformer с примерно 4 млрд параметров; в README указано, что 24 из 32 слоёв используют Mamba2, а остальные — полное внимание. Модель предназначена для диалоговой генерации текста и сценариев, где требуется отвечать без обычных отказов базовой модели. Карточка приводит результаты тестов на знания, математику и рассуждения, а также на HarmBench; эти показатели относятся к описанным в README настройкам оценки. Метаданные также указывают интерфейс вызова инструментов и мультимодальную базовую модель с пониманием изображений, но для этой версии в качестве основной задачи указан text-generation. По данным README, абляция сохраняет близкие к базовой модели результаты на большинстве приведённых тестов, но снижает показатели TruthfulQA и GSM8K; отдельные ответы в тесте GSM8K обрывались из-за ограничения длины генерации. Оценка HarmBench в карточке показывает крайне низкую долю отказов, поэтому модель способна выдавать ответы на вредоносные запросы. Лицензия — Apache-2.0.

Экспериментальная текстовая модель на 32 млрд параметров, созданная pipihand01 линейным слиянием Qwen/QwQ-32B-Preview (вес 0,75) и huihui-ai/QwQ-32B-Preview-abliterated (вес 0,25) с помощью mergekit. Модель построена на архитектуре Qwen2 и предназначена для диалоговой генерации текста, в том числе для ролевых диалогов и написания историй с чувствительными темами. Она может сохранять способность отказывать в отдельных запросах, при этом автор сообщает о более естественных ответах на чувствительные темы по сравнению с исходной моделью. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 32 768 токенов. Метаданные указывают интерфейс для вызова инструментов, но README не описывает его отдельно. Модель распространяется в формате safetensors по лицензии Apache-2.0. Автор характеризует её как экспериментальную; ответы зависят от формулировки запроса, а в подходящем контексте модель может создавать материалы, неуместные для некоторых ситуаций.

fpadovani/swa-latn-100mb-100mb_seed455 — модель генерации текста на архитектуре GPT-2, дообученная автором fpadovani на базе goldfish-models/swa_latn_100mb с использованием TRL. Она предназначена для генерации продолжения текста и ответов на вопросы в диалоговом формате; карточка показывает пример запуска через Transformers и генерации до 128 новых токенов. Контекст модели составляет 512 токенов. Модель распространяется в формате safetensors. Сведения о лицензии в доступных данных отсутствуют.

TaliML-7B-ITA-V.1.0.FINAL — итальянская разговорная языковая модель, созданная разработчиком TaliStran на базе Mistral 7B. Модель дообучена на небольшом наборе примерно из 500 пар вопросов и ответов, чтобы понимать запросы на итальянском языке и давать связные ответы. Модель использует плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и имеет контекстное окно до 32 768 токенов. Она предназначена для генерации текста в диалоге, прежде всего для ответов на вопросы на итальянском языке. В README модель обозначена как находящаяся в тестировании и предполагающая дальнейшие улучшения. Качество ответов не гарантирует фактическую точность; небольшой обучающий набор ограничивает охват тем и надёжность ответов. В метаданных указана лицензия Apache-2.0.

l3utterfly разработала эту модель на основе TinyLlama 1.1B, дообучив её на предварительно обработанном наборе OpenHermes 2.5. Модель с архитектурой Llama предназначена для генерации текста в формате многоходового диалога и имитации персонажей; её использовали как основу офлайн-помощника Layla. Параметры составляют около 1 млрд, контекст — до 2048 токенов, основной язык — английский. При подготовке данных удалили отказы и упоминания ИИ-ассистента, а также добавили сгенерированные диалоги с откровенным содержанием из набора Teatime. Это влияет на характер ответов: модель может выдавать откровенный контент и не обязана отказывать на запросы. Репозиторий содержит веса Safetensors. Лицензия — Apache-2.0.

tiny-lm-japanese-500m-dpo-v1 — японская языковая модель Nagohachi, обученная с нуля и выровненная методом DPO на основе tiny-lm-japanese-500m-sft-v1. Она предназначена для генерации текста и диалогов на японском языке. Модель имеет архитектуру в стиле Llama с плотной сетью, около 480 млн параметров и контекстное окно 2048 токенов; для загрузки требуется включить trust_remote_code=True. Для DPO-обучения использовался набор llm-jp/hh-rlhf-12k-ja примерно с 11,5 тыс. пар предпочтений. В оценке llm-jp-eval модель показала средний результат 0,194; метрики различались между задачами, поэтому эти результаты не гарантируют качество в конкретном сценарии. Репозиторий содержит веса в формате safetensors. Сведения о лицензии в предоставленных данных отсутствуют.

sarahai/uzbek-stt-3 — модель распознавания речи, разработанная Сарой Мусаевой при поддержке SSD. Это дообученная версия oyqiz/uzbek_stt, основанная преимущественно на данных, связанных с законодательством и военной тематикой. Модель предназначена для преобразования речи на узбекском языке в текст. Модель построена на архитектуре Wav2Vec2 с CTC-декодером, содержит около 402,7 млн параметров и принимает аудио. Она распространяется в формате Safetensors по лицензии Apache-2.0. Специализация на юридических и военных данных может влиять на качество распознавания за пределами этих тематик; в карточке не приведены оценки качества или сведения о длине аудио.

Vilord-1.8B-Instruct — разговорная языковая модель, разработанная thangvip и дообученная на основе vietgpt/Sailor-1.8B. Она предназначена для генерации текста и диалоговых сценариев на вьетнамском языке. Модель построена на архитектуре Qwen2, содержит 1,5 млрд параметров и поддерживает контекст до 8192 токенов. Модель опубликована в формате Safetensors и предназначена для использования с библиотекой Transformers. Карточка указывает датасет AIForge/OpenHermes-vi-filtered. Указана лицензия модели не была; условия использования следует проверить в репозитории перед применением. В карточке нет результатов оценки качества и подробного описания ограничений.

bosy001/whisper-small-medical — дообученная версия мультиязычной модели OpenAI Whisper Small для распознавания речи. Модель использует архитектуру WhisperForConditionalGeneration и принимает аудио, выдавая текстовую транскрипцию; карточка относит её к задаче automatic-speech-recognition и позиционирует как медицинскую. В README приведены результаты оценки: loss 0,3082, WER 4,7165, CER 3,1422 и Wacc 95,2835. Сведения о наборе данных, языках обучения, контексте и конкретных медицинских сценариях не раскрыты, поэтому результаты нельзя переносить на другие данные без проверки. Модель опубликована в формате safetensors под лицензией Apache-2.0.

zephyr-220m-dpo-full — диалоговая языковая модель семейства Mistral, дообученная BEE-spoke-data на основе amazingvince/zephyr-220m-sft-full методом DPO. Она предназначена для генерации ответов в разговорном формате. Модель содержит 184,9 млн параметров, использует архитектуру MistralForCausalLM и принимает контекст длиной до 2048 токенов. В метаданных указан датасет HuggingFaceH4/ultrafeedback_binarized; в README приведены результаты оценки, включая accuracy предпочтений 0,693. Модель распространяется в формате safetensors по лицензии Apache-2.0. README не описывает целевые сценарии подробнее и не приводит сведения о поддерживаемых языках.

AfriGuardPlain-tiny-aya-earth-lora-merged — дообученная и объединённая с базовыми весами модель CohereLabs/tiny-aya-earth, подготовленная adzcai для генерации ответов на примеры из набора AfriGuard-plain. Вариант обучен на обычных пользовательских запросах и ответах без системной инструкции по безопасности и специальных тегов; использованы LoRA ранга 16 для всех линейных слоёв и один проход обучения с вычислением ошибки только на ответах. Модель предназначена для генерации текста в диалоговом формате и изучения поведения на примерах AfriGuard. Это плотная авторегрессионная архитектура Cohere2ForCausalLM на 3,3 млрд параметров, работающая через Transformers; контекст — до 8192 токенов. В метаданных перечислены английский и африканские языки: амхарский, хауса, игбо, оромо, шона, суахили, тви, волоф, йоруба и зулу. Модель распространяется в формате Safetensors по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Поскольку этот вариант обучен без системной инструкции безопасности, он не гарантирует безопасное поведение и может выдавать нежелательные ответы; результаты также зависят от языкового покрытия обучающих данных.

Carrot-Ko-2B-Instruct — корейская разговорная языковая модель CarrotAI, дообученная с помощью Axolotl на созданном разработчиком наборе инструкций на корейском языке. Это плотная причинно-авторегрессионная модель семейства Qwen2 с 2,1 млрд параметров, основанная на Qwen/Qwen2-1.5B-Instruct. Она предназначена для диалогов и генерации ответов на корейском языке; заявленный контекст — до 32 768 токенов. В карточке приведены результаты LogicKor, включая общий балл 4,21 в режиме default; показатели заметно различаются по категориям и режимам, а математика выглядит слабой стороной. Разработчик отмечает, что модель всё ещё экспериментальная. Она может быть полезна для прототипирования корейских чат-ботов и систем ответов на вопросы, но качество стоит отдельно оценить на целевых запросах. Репозиторий содержит веса PyTorch; лицензия — MIT.

ong365/FoodExtract-gemma-3-270m-fine-tune-v1_135K_dataset — дообученная разговорная текстовая модель на основе google/gemma-3-270m-it, разработанная с использованием TRL. Карточка называет её checkpointmodels-135k, а идентификатор репозитория указывает на назначение FoodExtract, однако README не описывает конкретные функции извлечения данных о продуктах или формат их выдачи. Модель построена на плотной архитектуре Gemma 3 и содержит 257 млн параметров. Она принимает текстовые сообщения в диалоговом формате и генерирует текст; длина контекста по метаданным — до 32 768 токенов. Метаданные указывают на поддержку чата, но не приводят языки обучения или использования. Лицензия в предоставленных данных не указана. Пример запуска в README содержит заглушку model="None", поэтому его нельзя использовать без замены на корректный идентификатор модели.

bartowski/gemma-2-2b-jpn-it-GGUF — это квантизированная версия языковой модели Google Gemma 2 2B Japanese Instruction-Tuned, подготовленная bartowski в формате GGUF с использованием llama.cpp и imatrix-квантизации. Модель предназначена для генерации текста и диалоговых сценариев на японском языке, включая локальный запуск через llama.cpp и LM Studio. Указана текстовая модальность; размер базовой модели — 2 миллиарда параметров. Сведения о максимальной длине контекста и поддерживаемых языках помимо японского не приведены. Доступны варианты от F16 до компактных IQ3 и Q3, позволяющие выбирать между качеством и требованиями к памяти; наиболее сбалансированными в README названы версии Q4 и Q5, а некоторые варианты оптимизированы для ARM. К ограничениям относятся отсутствие поддержки system prompt и возможное снижение качества в более агрессивно квантизированных версиях. Для использования требуется принять лицензию Google Gemma на Hugging Face; конкретные дополнительные условия лицензии в карточке не раскрыты.

V4ldeLund/gemma-3-1b-it-icelandic-full-experiment3 — экспериментальная дообученная диалоговая модель на базе Google Gemma 3 1B IT. Разработчик сообщает, что модель обучена с помощью TRL; она предназначена для генерации текста и ответов в формате чата. Репозиторий содержит веса Safetensors, а контекст модели составляет 32 768 токенов. Модель компактная: её размер — около 1 млрд параметров. В карточке нет сведений о датасете и подробной оценке качества, поэтому пригодность для конкретных задач следует проверять самостоятельно. Лицензия в предоставленных данных не указана.

Pranavz/gemma4-e4b-mahou-nsfw — дообученная методом полного SFT модель Google Gemma 4 E4B Instruct с изменёнными параметрами отказов. Она предназначена для диалогов и генерации текста, включая ролевые сценарии и творческое письмо. По приведённому в карточке сравнению модель отказала в 3 из 100 запросов, тогда как исходная модель Pranavz/gemma4-e4b-kindling-mahou — в 99 из 100; также указано значение KL-дивергенции 0,3102 относительно исходной модели. Модель использует архитектуру Gemma 4 и формат safetensors, запускается через Transformers и шаблон чата Gemma 4. Основана на google/gemma-4-E4B-it; лицензия — Gemma. В метаданных базовая модель описана как мультимодальная, однако для этой модели заявлена задача генерации текста.

fpadovani/heb-hebr-100mb-ppt-Dp-100mb_seed455 — дообученная модель семейства GPT-2 на базе goldfish-models/heb_hebr_100mb. Она обучалась с помощью TRL и предназначена для генерации текста, в том числе для продолжения диалога в формате сообщений. Архитектура — GPT2LMHeadModel; модель работает с контекстом до 512 токенов и опубликована в формате Safetensors. В карточке приведён пример генерации ответа на вопрос, однако качество и область специализации модели не описаны. Лицензия в предоставленных данных не указана.

Модель francesca9805/isl-latn-100mb-ppt-Dp-10mb-packed-bfdiso_seed10 — дообученная с помощью TRL версия goldfish-models/isl_latn_100mb на архитектуре GPT-2. Она предназначена для генерации текста; в карточке приведён пример ответа на открытый вопрос в формате диалога. Модель использует библиотеку Transformers, хранится в формате safetensors и имеет контекст длиной 512 токенов. README и метаданные не уточняют языки обучения или специализацию модели. Условия лицензии в доступных сведениях не приведены.

L2-7b-Hermes-Synthia — англоязычная чат-модель для генерации текста и ролевого общения, опубликованная LTC-AI-Labs. Это плотная модель семейства Llama с 6,6 млрд параметров и контекстом до 4096 токенов. По карточке, Hermes 2 7B дообучили на датасете Synthia; автор отмечает качество в ролевых сценариях, проверенное в LavernAI. Модель также оценивалась на задачах рассуждения и продолжения бытовых сценариев. Модель принимает текст и генерирует текст. Репозиторий содержит веса PyTorch в формате safetensors. Лицензия — Llama 2; применяйте модель в соответствии с её условиями. Карточка не приводит подробных сведений о качестве за пределами авторской оценки и результатов нескольких тестов.

LFG-2 — голосовой ассистент, разработанный автором репозитория glenn2: он принимает устную английскую речь и отвечает текстом. Это связка аудиопроектора, обученного соединять аудиоэнкодер Gemma E4B с языковой моделью Gemma 4 31B. Обе базовые модели заморожены, обучался только проектор; архитектура языковой части — плотная Gemma 4, веса опубликованы в формате safetensors. Модель предназначена для ответов на произнесённые вопросы и выполнения голосовых инструкций на английском. Она формирует внутренний канал рассуждений, где может вывести распознанную речь как проверку понимания, а затем выдаёт итоговый ответ. В VoiceBench приведены оценки для подмножеств AlpacaEval, CommonEval и WildVoice. На вход требуется монофоническое аудио с частотой 16 кГц; результат — текст. Модель не позиционируется как сервис транскрибации и не предназначена для неречевого аудио, идентификации диктора или языков, отличных от английского. Лицензия в предоставленных сведениях не указана.