I.7Речь, диалоги и встречи

Pygmalion 2.7B — экспериментальная диалоговая модель PygmalionAI, дообученная на базе EleutherAI/gpt-neo-2.7B. Это плотная GPT-Neo модель для генерации текста с примерно 3,1 млрд параметров и контекстом до 2048 токенов. Она рассчитана на ролевые диалоги: можно задавать персонажу персону, сценарий и историю беседы в специальном текстовом шаблоне; также модель можно использовать для обычной генерации текста. Для дообучения использован корпус диалогов объёмом 56 МБ из нескольких источников, включающий реальные и частично сгенерированные машиной беседы. Карточка указывает английский язык. Модель может выдавать откровенный контент и не подходит для несовершеннолетних; разработчики отмечают, что известных проблем пока недостаточно для подробного перечня. Лицензия — CreativeML OpenRAIL-M.

Qwen3-4B-SFT-Fable5-Glint — это дообученная модель ermiaazarkhalili на базе unsloth/Qwen3-4B. Плотная авторегрессионная архитектура Qwen3ForCausalLM содержит около 3,7 млрд параметров; модель создана методом supervised fine-tuning на наборе ermiaazarkhalili/Fable-5-Glint-Clean. Контекстное окно составляет до 40 960 токенов. Модель предназначена для генерации текста в диалоговом формате и продолжения ответов в стиле обучающего набора. В проверке на отложенной выборке из 199 примеров точность следующего токена выросла относительно базовой модели, однако это не сравнительный бенчмарк и не подтверждает качество на других задачах. Данные карточки не уточняют языковой состав набора, поэтому языковую специализацию модели определить нельзя. Модель доступна в формате safetensors для Transformers. Веса LoRA объединены с базовой моделью, поэтому адаптер нельзя отсоединить. Поведение за пределами обучающего распределения не проверено; также наследуются ограничения и ошибки базовой модели. Лицензия в предоставленных данных не указана.

Qwen3.5 9B Null-Space Abliterated — экспериментальная версия Qwen3.5-9B, подготовленная jwest33. В модели ослаблено поведение отказа с помощью ортогональной проекции с ограничениями в нулевом пространстве, адаптивного взвешивания слоёв и сохранения норм весовых матриц. Карточка отмечает, что версия имеет низкое качество и дальнейшие эксперименты с настройкой взвешивания ещё планируются. Модель предназначена для диалогов и сценариев с анализом изображений, где требуется генерация ответов без исходного поведения отказа. Архитектура — плотная мультимодальная Qwen3.5 с 9 млрд параметров; репозиторий использует safetensors и библиотеку Transformers. Базовая модель — Qwen/Qwen3.5-9B. Лицензия — Apache-2.0. Поскольку поведение отказа изменено, модель может выдавать небезопасные ответы; автор указывает на низкое качество этой версии и возлагает ответственность за применение на пользователей.

Qwen3.8-27B-BF16-SSMFIX — экспериментальная производная модель redashes на основе Qwen/Qwen3.8-27B. Веса модели в формате BF16 исправлены масштабированием conv1d весов в восьми слоях механизма GatedDeltaNet SSM; для загрузки README указывает Transformers и класс AutoModelForImageTextToText. Модель предназначена для диалогов и задач с изображениями, а также для проверки гипотезы о влиянии масштаба SSM-весов на генерацию в длинном контексте. Автор README сообщает об улучшении показателя TruthfulQA-gen на 6–8 процентных пунктов, но также о снижении CMMLU на 1,8 пункта и небольшом ухудшении MT-Bench относительно исходных весов. Это независимый эксперимент, а не официальное исправление или рекомендация для повседневного применения; заявленные результаты ограничены проведёнными автором тестами. Контекстная длина в доступных данных не указана. Лицензия — Apache-2.0.

RP-7b-instruct — японская инструктивная языковая модель для генерации текста, созданная автором репозитория путём слияния нескольких моделей методом Model Stock с помощью mergekit. В качестве базовой модели использована stabilityai/japanese-stablelm-base-gamma-7b; среди объединённых моделей также указаны японские и RP-модели семейства ArrowPro и другие чекпойнты. Модель имеет архитектуру MistralForCausalLM, 7,1 млрд параметров и контекст до 4096 токенов. Модель предназначена для ответов на вопросы и диалоговой генерации на японском языке, в том числе для ролевых сценариев. В карточке приведён пример ответа на японском и рекомендован формат инструкций [INST]. Автор предупреждает, что модель настроена для RP и её знания могут быть нестабильными. Репозиторий распространяется по лицензии Apache-2.0.

ruOS Foundry Swarm Qwen3 30B A3B E32 — специализированная разреженная MoE-модель, созданная ruvnet на основе Qwen/Qwen3-30B-A3B-Instruct-2507. При экспорте оставили по 32 наиболее часто используемых эксперта в каждом маршрутизируемом слое, выбранных по накопленной вероятности маршрутизации на калибровочных запросах ruOS Swarm. Остальные эксперты удалили; автор сообщает, что веса оставшихся экспертов не менялись. Модель сохраняет архитектуру Qwen3 MoE и предназначена для генерации текста и диалогового использования в сценариях ruOS Swarm. Модель имеет 2,6 млрд параметров, принимает текст и поддерживает контекст до 262 144 токенов. Доступна в формате Safetensors для Transformers; метаданные также отмечают интерфейс вызова инструментов. Калибровочная выборка была небольшой и относилась к ruOS Swarm, а выбор экспертов по частоте маршрутизации является лишь приближённой оценкой их полезности. Чекпойнт пока не прошёл оценку качества, поэтому авторы отключили его для маршрутизации и рекомендуют использовать исходную модель как запасной вариант; заявлений о сохранении возможностей, памяти или задержке нет. Лицензия — Apache-2.0.

Silly RP 7B — слитая автором модели на Hugging Face языковая модель для генерации текста и ролевых диалогов. Она создана методом task arithmetic с помощью mergekit на основе NeverSleep/Noromaid-7B-0.4-DPO и объединяет несколько моделей семейства Mistral, включая Nous-Hermes и Synatra. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM, формат Safetensors и шаблон диалога ChatML; заявленная длина контекста — 32 768 токенов. Модель предназначена для ролевых бесед и генерации ответов в чате на английском языке. Автор описывает её как эксперимент со слиянием моделей и отмечает, что качество не гарантировано. Лицензия — Apache-2.0.

ai-msgbot GPT-2 M Conversational — диалоговая языковая модель на базе GPT-2, подготовленная для проекта ai-msgbot. Модель содержит 355 млн параметров и дообучена на обработанной версии набора Wizard of Wikipedia в течение 10 000 шагов; при дообучении заморозили 20 из 24 слоёв. В метаданных указаны архитектура GPT2LMHeadModel, форматы PyTorch и Safetensors и контекст до 1024 токенов. Модель предназначена для генерации ответов в чатоподобном формате и простого прототипирования чат-ботов. Данные были представлены как диалог двух участников с именами `person alpha` и `person beta`; их следует учитывать при составлении промптов и извлечении ответов. Пример в карточке показывает короткий ответ на вопрос о хобби. Качество генерации зависит от ручного задания структуры промпта: автор предупреждает, что без неё ответы могут быть бессвязными. Модель обучалась на Wizard of Wikipedia, поэтому её диалоговые ответы ограничены характером этих данных. Сведения о лицензии в предоставленной карточке отсутствуют.

QuixiAI/based-30b — англоязычная генеративная модель семейства Llama, разработанная QuixiAI. Это плотная авторегрессионная модель с 32,3 млрд параметров, предназначенная для диалогов, в которых модель выражает предпочтения и мнения, а также для обсуждения спорных тем и аргументации. В карточке приведён формат промпта Vicuna 1.1; модель также предлагается как основа для создания агентов с разными типами личности с помощью LoRA. Модель обучена на датасете ehartford/based поверх фундаментальной модели. Автор описывает её как способ исследовать склонности исходной модели через ответы на одинаковые вопросы. Контекст составляет 2048 токенов, формат весов — PyTorch, лицензия — Apache-2.0. Карточка не уточняет точную базовую модель. Описанный подход предполагает ответы от первого лица, поэтому предпочтения и мнения следует воспринимать как сгенерированный текст, а не как свидетельство реального самосознания. Указанные в README результаты оценивания приведены лишь частично.

Экспериментальная чат-модель на архитектуре Gemma 2 с 9 млрд параметров и контекстом 8192 токена. Разработчик дообучил её методом ORPO на 4 тысячах синтетических пар в течение трёх эпох; работа вдохновлена Gutenberg-DPO. Модель предназначена для генерации текста в диалоговом формате и экспериментов с уменьшением шаблонности и выравнивания ответов. Автор сообщает, что дообучение улучшило борьбу с шаблонными ответами, но заметно ухудшило другие способности модели. Репозиторий содержит веса PyTorch. Лицензия CC BY-NC-SA 4.0 требует указания авторства, распространяет производные работы на тех же условиях и не допускает коммерческое использование.

FoodExtract-gemma-3-270m-fine-tune-v1 — дообученная компанией или автором guerrerocarlos текстовая модель на базе google/gemma-3-270m-it, обученная с использованием TRL. Это компактная плотная модель Gemma 3 с 257 млн параметров, предназначенная для генерации текста и диалогового взаимодействия. Заявленная длина контекста — 32 768 токенов. Название указывает на извлечение информации о еде, однако README не описывает специализированную задачу, обучающие данные или качество извлечения; приведённый пример демонстрирует только обычную генерацию текста. Модель загружается через Transformers и распространяется в формате safetensors. Лицензия в предоставленных данных не указана.

Модель fpadovani/heb-hebr-100mb-100mb_seed455 — дообученная версия goldfish-models/heb_hebr_100mb, разработанная с использованием TRL и основанная на архитектуре GPT-2. Она предназначена для генерации текста; в карточке приведён пример ответа на открытый вопрос в диалоговом формате. Модель принимает текст и выдаёт продолжение текста. Контекст ограничен 512 токенами. Модель опубликована в формате safetensors и использует библиотеку Transformers. Карточка не описывает качество ответов и не указывает лицензию, поэтому условия использования и надёжность генерации по имеющимся данным оценить нельзя.

Это дообученная модель Liquid AI семейства LFM2.5 на основе LiquidAI/LFM2.5-1.2B-Base. Она использует плотную архитектуру Lfm2ForCausalLM и предназначена для генерации текста в диалоговом формате; карточка показывает запуск через библиотеку Transformers. В метаданных указаны 1,5 млрд параметров и контекст до 128 000 токенов. Название репозитория указывает на настройку черты личности «низкая уступчивость» (low agreeableness), однако README описывает другую модель — neuroticism-high, поэтому эту характеристику нельзя уверенно приписать данному чекпойнту. Языки обучения и отдельные ограничения качества не описаны. Модель сохранена в формате safetensors; лицензия в предоставленных данных не указана.

LittleLearner 0.6B Chatty — модель для диалогов и следования инструкциям, разработанная в рамках исследования LittleLearner. Это плотная авторегрессионная языковая модель Qwen3 с 617,3 млн параметров и контекстом 4096 токенов. Она прошла поведенческое дообучение на примерах общего чата, математики начальной школы, идентичности модели и управления форматом ответа; предобучение проводилось на корпусе учебных материалов США для классов K–5. Модель предназначена для повседневных диалогов, решения задач по математике уровня начальной школы и выдачи ответов в заданном формате, например только ответа, с объяснением шагов или с ограничением длины. В оценке MathCAMPS показала pass@1 21,3 и pass@64 68,4; в поведенческих пробах следование указаниям о формате составило 0,55 для инструкций пользователя и 0,65 для системных инструкций. Эти результаты относятся к описанным в карточке тестам и не гарантируют аналогичного качества в других сценариях. Лицензия указана как other, конкретные условия в доступных данных не приведены.

PsyOrca2-DARE-13b — экспериментальная языковая модель на архитектуре Llama 2, созданная слиянием KoboldAI/PsyFighter-2-13b и microsoft/Orca-2-13b алгоритмом DARE TIES. Разработчик собрал её, чтобы проверить работу этого алгоритма с двумя моделями. Веса представлены в формате safetensors; размер модели — 12,9 млрд параметров, контекст — до 4096 токенов. Модель предназначена для генерации текста и диалогов, в том числе ролевых сценариев. README указывает на совместимость с форматом инструкций Alpaca и возможность следовать формату Orca ChatML. Основной язык в метаданных — английский. Разработчик предупреждает о предвзятостях, связанных с нишевыми ролевыми форумами, и не рекомендует использовать модель для предоставления фактической информации или советов. Лицензия указана как other; конкретные условия в доступных данных не описаны.

gctian 发布的 gctian/qwen2.5-32B-roleplay-zh 是基于 Qwen2.5-32B-Instruct 全参数微调的角色扮演对话模型。模型采用 Qwen2 架构，参数量为 32B，使用 safetensors 格式，原生上下文长度为 32 768 токенов； карточка заявляет о дообучении на крупном наборе данных для ролевых диалогов и оценке, в которой модель превзошла Doubao-Pro. README описывает запуск через LLaMA-Factory с шаблоном qwen. Модель предназначена для генерации текста в ролевых диалогах и имитации персонажей; метаданные отмечают поддержку китайского и английского языков. Лицензия — Apache-2.0. Результат сравнения с Doubao-Pro приведён без подробностей методики оценки, поэтому его нельзя считать независимым подтверждением качества.

Карточка модели localized-ft/Qwen3-8B-old-bird-names-v2-inoculation-prompting-seed5 на Hugging Face совпадает с карточкой localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5, поэтому описание составлено по ней. Модель localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5 — дообученная версия плотной языковой модели Qwen3-8B, созданная localized-ft на базе unsloth/Qwen3-8B с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалогов; название репозитория указывает на тематику рискованных финансовых советов, но README не описывает конкретные обучающие данные или поведение модели в этой области. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных указаны английский язык, чат-возможности и интерфейс вызова инструментов. Лицензия — Apache-2.0.

Это экспериментальный чекпойнт Qwen3-Coder-30B-A3B-Instruct, дообученный разработчиком penfever методом асинхронного RLOO с наградой, учитывающей идентичность, на агентных сценариях работы с календарём из TaskTrove v4.9. Модель предназначена для генерации текста в календарных агентных задачах; базовая модель также ориентирована на программирование, агентные сценарии и длинный контекст. Архитектура — Qwen3 MoE, класс Qwen3MoeForCausalLM; в метаданных указано 2,6 млрд параметров и контекст до 262 144 токенов. Репозиторий содержит веса Safetensors и использует библиотеку Transformers. На фиксированной проверочной выборке чекпойнт получил среднюю награду 0,4605 и прошёл 59 из 128 заданий, однако выборка пересекалась с обучающим источником, поэтому этот результат не является независимой оценкой обобщения. Лицензия в предоставленных данных не указана. Основанием для использования служат метаданные и README модели.

ReDiX/SmolLM2-360M-Instruct-ita — компактная языковая модель, дообученная ReDiX на базе HuggingFaceTB/SmolLM2-360M. Это эксперимент, предназначенный для проверки набора данных ReDiX/everyday-conversations-ita. Модель поддерживает простой чат на итальянском и английском языках и генерирует текст; число параметров — 361,8 млн, контекст — до 8192 токенов. Использованы итальянские открытые наборы данных, smol-smoltalk, ReDiX/everyday-conversations-ita и ReDiX/DataForge. Модель подходит для базового диалога и генерации ответов на итальянском и английском. В карточке приведены результаты оценки на итальянских наборах m_mmlu_it, arc_it и hellaswag_it, однако автор характеризует модель как простую и базовую. Распространяется по лицензии Apache-2.0.

SkunkworksAI/tinyfrank-1.4B — разговорная модель генерации текста на архитектуре Llama, созданная на основе TinyLlama-1.1B-Chat-v1.0. Автор описывает её как экспериментальную «frankenstein»-сборку: слои диапазонов 0–14 и 8–22 одной базовой модели объединены методом passthrough. В репозитории есть веса Safetensors и GGUF, включая пользовательские варианты квантизации. Размер модели в метаданных — 1,3 млрд параметров, длина контекста — 2048 токенов. Модель предназначена для диалоговой генерации текста. Лицензия — Apache-2.0. README не приводит результатов оценки качества, поэтому пригодность для конкретных задач и устойчивость ответов не подтверждены; короткий контекст ограничивает работу с длинными запросами и документами.

Модель francesca9805/tur-latn-10mb-ppt-Dp-10mb-packed-bfd_seed10 — дообученная с помощью TRL версия goldfish-models/tur_latn_10mb, опубликованная Francesca9805. Это плотная GPT-2-модель для генерации текста; в карточке показан пример ответа на вопрос в формате чата. Модель распространяется в формате safetensors, использует библиотеку Transformers и имеет контекст длиной 512 токенов. Лицензия и подробные сведения о языковой поддержке в предоставленных источниках отсутствуют.

fpadovani/urd-arab-100mb-100mb_seed3407 — дообученная модель генерации текста на базе goldfish-models/urd_arab_100mb. Разработчик дообучил её с помощью TRL; архитектура — GPT-2, веса представлены в формате safetensors. Модель предназначена для продолжения текста и ответов на вопросы в формате диалога. В карточке приведён пример генерации ответа на вопрос, но специализированная область применения и качество на конкретных задачах не описаны. Контекст модели составляет 512 токенов. Лицензия в доступных данных не указана.

fpadovani/urd-arab-100mb-10mb_seed3407 — дообученная на базе goldfish-models/urd_arab_100mb модель семейства GPT-2. В карточке указано, что обучение выполнялось с TRL; метаданные относят модель к архитектуре GPT2LMHeadModel и формату safetensors. Модель предназначена для генерации текста и может использоваться для продолжения коротких запросов или диалоговых реплик. В примере карточки показана генерация ответа на вопрос с ограничением до 128 новых токенов. Контекст модели — 512 токенов. Карточка не описывает языковую специализацию, качество ответов или ограничения применения. Лицензия в предоставленных данных не указана.

Dear_My_best_Friends-v2-13B — корейская текстовая генеративная модель, разработанная Сыню Ли (DopeorNope) в сотрудничестве исследовательского консорциума компаний Media Group People and Forest и Marker. Это авторегрессионная плотная языковая модель на архитектуре LLaMA 2 с 12,9 млрд параметров и контекстом 2048 токенов. Модель принимает текст и генерирует текст; она прошла дообучение методом DPO на основе SFT-модели, подготовленной на данных для диалогового обучения и предпочтений. Указанная базовая SFT-модель Dear_My_best_Friend-SFT-v2-13B не опубликована в репозитории. Модель предназначена для генерации корейского текста и диалоговых ответов. Карточка не приводит оценок качества или подробных тестов, а обучающие наборы данных обозначены как закрытые. Лицензия CC BY-NC-SA 4.0 разрешает использование с указанием авторства и на условиях распространения производных работ под той же лицензией, но запрещает коммерческое использование.

Fasih-2B (فصيح) — арабская языковая модель Hesham Haroon с 2,09 млрд параметров, обученная с нуля на архитектуре NanoChatGPT — декодерном Transformer семейства GPT. Для предварительного обучения использован набор AraMix объёмом 8,19 млрд токенов; затем модель прошла дообучение на арабских наборах инструкций, вопросов и ответов, математики и знаний. Модель предназначена для генерации текста и диалогов на арабском языке. Её можно применять для ответов на вопросы, выполнения инструкций и простых задач на арабском. В опубликованных оценках результаты составили 29,91% на ArabicMMLU и 4,47% на ArabicGSM8K; эти показатели указывают на ограничения в знаниях и рассуждениях. Контекст модели — 2048 токенов, а многоязычные возможности ограничены. Модель распространяется в формате safetensors по лицензии Apache-2.0; для запуска README описывает использование фреймворка nanochat.

FoodExtract-gemma-3-270m-fine-tune — дообученная текстовая модель на базе Google Gemma 3 270M IT. Она построена на плотной архитектуре Gemma3ForCausalLM, содержит 257 млн параметров и рассчитана на диалоговую генерацию текста. В карточке указано обучение с помощью TRL; метаданные задают контекст до 32 768 токенов. По названию модель предназначена для извлечения сведений о еде из текста, однако README не описывает это назначение и не приводит примеров или результатов такой работы. Доступен пример запуска через Transformers для обычного диалогового запроса. Модель опубликована в формате safetensors; лицензия в предоставленных сведениях не указана.

Granite-4.1-3B-SFT-Fable5 — дообученная модель семейства Granite, созданная ermiaazarkhalili на базе IBM Granite 4.1 3B. Модель с архитектурой GraniteForCausalLM содержит 3,4 млрд параметров и предназначена для генерации текста в диалоговом формате после supervised fine-tuning на датасете Fable-5-Complete-2M-Clean. Базовая модель поддерживает контекст до 131 072 токенов; для этой версии отдельный предел не указан. Модель подходит для генерации текста и диалоговых сценариев, сформированных обучающим датасетом. Веса LoRA-адаптера объединены с базовыми весами, поэтому адаптер нельзя отсоединить. Карточка не приводит результатов бенчмарков: опубликованные значения относятся только к обучающей потере и не подтверждают качество на прикладных задачах. Модель наследует предвзятости и ограничения базовой модели, а поведение за пределами распределения единственного обучающего датасета не проверено. Лицензия — Apache-2.0.

fpadovani/heb-hebr-10mb-100mb_seed455 — дообученная автором fpadovani языковая модель семейства GPT-2, основанная на goldfish-models/heb_hebr_10mb. Модель обучалась с помощью TRL и предназначена для генерации текста; в карточке приведён пример ответа на открытый вопрос в формате диалога. Модель использует архитектуру GPT2LMHeadModel, веса опубликованы в формате safetensors, длина контекста — 512 токенов. По названию и базовой модели она ориентирована на иврит, однако README не описывает качество и конкретные сценарии применения. Условия лицензии в предоставленных данных не указаны.

Это дообученная с помощью TRL модель генерации текста на архитектуре GPT-2, созданная на основе francesca9805/jpn-jpan-10mb-ppt-Dp-10mb-packed-bfdiso_seed10. Пример в карточке показывает генерацию ответа на открытый вопрос; модель предназначена для продолжения текста и ответов в формате диалога через Transformers. Модель сохранена в формате safetensors, её контекст составляет 512 токенов. Идентификатор и карточка связывают её с серией jpn-jpan, однако данных о поддерживаемых естественных языках, размере и лицензии нет. Короткий контекст ограничивает работу с длинными запросами и документами.

Карточка модели PersonaPO/lfm25-1.2b-pv-neuroticism-high на Hugging Face совпадает с карточкой PersonaPO/lfm25-1.2b-pv-agreeableness-low, поэтому описание составлено по ней. Это дообученная модель Liquid AI семейства LFM2.5 на основе LiquidAI/LFM2.5-1.2B-Base. Она использует плотную архитектуру Lfm2ForCausalLM и предназначена для генерации текста в диалоговом формате; карточка показывает запуск через библиотеку Transformers. В метаданных указаны 1,5 млрд параметров и контекст до 128 000 токенов. Название репозитория указывает на настройку черты личности «низкая уступчивость» (low agreeableness), однако README описывает другую модель — neuroticism-high, поэтому эту характеристику нельзя уверенно приписать данному чекпойнту. Языки обучения и отдельные ограничения качества не описаны. Модель сохранена в формате safetensors; лицензия в предоставленных данных не указана.