I.7Речь, диалоги и встречи

Evertide-RX-12B — универсальная разговорная языковая модель на архитектуре Mistral, разработанная Retreatcost. Модель дообучена в полном формате параметров на слиянии моделей, созданном на основе unreleased cowriter-модели; README также указывает, что использованы те же модели, что и в Retreatcost/KansenSakura-Erosion-RP-12b. Размер составляет 12,1 млрд параметров, контекст — до 131 072 токенов. Репозиторий содержит веса Safetensors, библиотека для работы — Transformers. Модель предназначена для диалогов, совместного написания текстов, мозговых штурмов и коротких ролевых сцен. Заявлена поддержка английского, французского, немецкого, испанского, итальянского, португальского, русского, китайского и японского языков. По README, рассуждения обычно включаются без дополнительной настройки, но иногда ответы могут появляться без них. Автор сообщает, что обучение проводилось на 451 вручную подготовленном примере, без RL. Это экспериментальная модель общего назначения; автор не заявляет о превосходстве над другими моделями и отмечает, что она не предназначена специально для эротического ролевого общения и может отказывать на некоторых запросах. Лицензия — Apache 2.0.

Experiment26Neuralsirkrishna_Multi_verse_modelExperiment28 — объединённая автором карточки модель на архитектуре Mistral с 7,1 млрд параметров, созданная слиянием automerger/Experiment26Neuralsirkrishna-7B и automerger/Multi_verse_modelExperiment28-7B. Она предназначена для генерации текста и диалогов, а окно контекста составляет до 32 768 токенов. Модель принимает текст и выдаёт текст. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. Карточка не приводит сведений о специализированных областях применения или конкретных языках, поэтому модель можно описать только как универсальную генеративную языковую модель.

FusedKuno — разговорная языковая модель, созданная слиянием Nitral-AI/Kunocchini-7b-128k-test и Virt-io/FuseChat-Kunoichi-10.7B с помощью LazyMergekit. В основе лежит плотная архитектура Mistral с 7,1 млрд параметров; веса представлены в формате Safetensors, а слияние выполнено методом SLERP с настройками для слоёв self-attention и MLP. Модель предназначена для генерации текста и диалогового общения. Метаданные указывают контекстное окно 32 768 токенов. Модель распространяется по лицензии Apache-2.0. Карточка не содержит описания специальных прикладных областей или языковой специализации.

Human-Like-Qwen2.5-1.5B-Instruct — компактная языковая модель на архитектуре Qwen2, разработанная на основе Qwen/Qwen2.5-1.5B-Instruct и дообученная с помощью AutoTrain на Human-Like-DPO-Dataset. Модель предназначена для генерации текста и диалоговых ответов; в метаданных также отмечен интерфейс вызова инструментов. Модель содержит 1,5 млрд параметров, использует плотную архитектуру Qwen2ForCausalLM и поддерживает контекст до 32 768 токенов. Указаны языки китайский, английский, французский, испанский, португальский, немецкий, итальянский, русский, японский, корейский, вьетнамский, тайский и арабский. Репозиторий содержит веса в формате safetensors и доступен по лицензии other; конкретные условия этой лицензии следует проверить перед использованием.

Locutusque/Llama-3-Yggdrasil-2.0-8B — объединённая разговорная языковая модель, созданная с помощью mergekit. В основу объединения легла NousResearch/Meta-Llama-3-8B; также использованы Locutusque/Llama-3-NeuralHercules-5.0-8B, NousResearch/Hermes-2-Theta-Llama-3-8B и Locutusque/llama-3-neural-chat-v2.2-8b. Для слияния применён метод DARE TIES. Модель построена на плотной архитектуре LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Она предназначена для генерации текста и диалоговых сценариев. README приводит результаты оценивания на Open LLM Leaderboard, включая IFEval и BBH, но не уточняет лицензию и конкретные языковые ограничения; язык нельзя уверенно определить по этим данным.

Это дообученная модель gtmicrosoftPhi-3p5-mini-instruct20260804230324 на базе microsoft/Phi-3.5-mini-instruct. Согласно карточке, обучение выполнено с использованием TRL; метаданные указывают архитектуру Phi-3, 3,7 млрд параметров и библиотеку Transformers. Модель предназначена для диалоговой генерации текста и поддерживает контекст до 4096 токенов. Её можно применять для ответов на вопросы и ведения диалогов на естественном языке. Карточка не описывает специальную математическую специализацию, поэтому название репозитория само по себе не подтверждает качество решения математических задач. Сведения о лицензии и конкретных ограничениях дообученной версии в предоставленных данных отсутствуют.

Metis-9B — дообученная модель с механизмом постоянной памяти, разработанная IAAR-Shanghai на базе Qwen/Qwen3.5-9B. Репозиторий содержит полные объединённые веса модели, а не только разницу параметров относительно базы. Модель предназначена для диалоговых сценариев с сохранением информации между взаимодействиями. По метаданным она поддерживает генерацию текста и работу с изображениями; карточка описывает её как модель постоянной памяти. Архитектура — плотная, на 8,6 млрд параметров, семейства Metis; для загрузки нужны Transformers версии 5.4.0 или новее и пользовательский код из репозитория. Указана лицензия Apache-2.0.

Minico-M1 Preview — компактная языковая модель, разработанная Mincofficial и дообученная на базе LiquidAI/LFM2.5-350M на наборе QyrouNnet-AI/exp-reasoning-effort-control. Она предназначена для генерации текста в диалогах и задач рассуждения; шаблон чата поддерживает видимые блоки рассуждений и уровни усилий low, medium, high и max. Модель построена на плотной архитектуре LFM2 и содержит 343,9 млн параметров, поддерживает контекст до 128 000 токенов и интерфейс вызова инструментов. Это предварительный выпуск для ознакомления и совместимости. В репозитории safetensors-файл является экспортом в float16, полученным деквантованием исходного файла GGUF Q8_0, поэтому его веса приближённые и не соответствуют исходному полноточному чекпойнту обучения. Применяется лицензия базовой модели LiquidAI/LFM2.5-350M.

Kaoeiri/Mistral-magnum-v4_X_Cydonia-VXXX_Mixture-B — слияние предварительно обученных языковых моделей, созданное с помощью mergekit методом Model Stock на базе anthracite-org/magnum-v4-22b. В состав также вошли версии Cydonia-22B, Pantheon-RP и Mistral-magnum-v4_X_Cydonia-VXXX_Mixture. Это плотная авторегрессионная модель семейства Mistral с 22 млрд параметров и контекстом до 32 768 токенов; веса представлены в формате safetensors и bfloat16. Модель предназначена для генерации текста и диалоговых сценариев. Карточка базовой модели указывает на диалоговое взаимодействие, следование инструкциям и создание связной прозы на английском языке; метаданные этой модели также отмечают чат и интерфейс вызова инструментов. Лицензия в предоставленных данных не указана.

MonaTrix-v4 — объединённая модель для генерации текста на архитектуре Mistral, созданная CultriX с помощью LazyMergekit. В неё вошли Kukedlc/NeuralMaxime-7B-slerp, eren23/ogno-monarch-jaskier-merge-7b и eren23/dpo-binarized-NeutrixOmnibe-7B. Модель содержит 7,1 млрд параметров, поддерживает контекст длиной до 32 768 токенов и распространяется в формате safetensors. Модель подходит для диалоговых ответов и продолжения текста. В метаданных указана лицензия Apache-2.0. Данных о специальных предметных областях или более узких ограничениях в карточке нет.

zelk12/MT5-IGMAMU-gemma-2-9B — объединённая языковая модель, созданная методом SLERP с помощью mergekit на основе zelk12/MT5-IG-gemma-2-9B и zelk12/MT5-MAMU-gemma-2-9B. Модель построена на архитектуре Gemma 2, содержит 9 млрд параметров и рассчитана на генерацию текста и диалоговые ответы; поддерживает контекст до 8192 токенов. Модель подходит для чат-ботов и других сценариев генерации текста. Веса доступны в формате safetensors для библиотеки Transformers. В README не указаны языковая специализация и лицензия, поэтому они не описываются.

NB-Whisper Large Distilled Turbo BETA — модель автоматического распознавания речи, разработанная Национальной библиотекой Норвегии. Это плотная модель семейства Whisper с архитектурой WhisperForConditionalGeneration; она принимает аудио и выдаёт текстовую транскрипцию, рассчитанную прежде всего на норвежский букмол. Модель предназначена для более быстрого распознавания речи при ограниченных ресурсах, включая потоковую транскрипцию и развёртывание на мобильных и периферийных устройствах. В README модель названа дистилляцией NbAiLab/nb-whisper-large. Она обучалась на норвежских речевых данных, включая коллекции Национальной библиотеки Норвегии и Språkbanken. README указывает размер 756 млн параметров, тогда как метаданные Hugging Face — 905,2 млн. Метаданные также отмечают английский среди языков карточки; основным языком модели заявлен норвежский букмол. Лицензия — Apache 2.0. Это бета-версия, выпущенная для тестирования. Возможны пропуски фрагментов, галлюцинации и ошибки транскрипции; текст может быть нормализован в грамматически корректные предложения, а не передавать речь дословно. Качество следует проверять на целевых аудиозаписях.

NeuraSpeech WhisperBase — модель автоматического распознавания речи, разработанная компанией Neura. Она основана на архитектуре Whisper Base: Transformer-энкодер-декодер преобразует аудио в текст и поддерживает сценарии распознавания речи и речевого перевода. Модель рассчитана на персидский язык. В репозитории указаны 51,7 млн параметров и формат safetensors; для использования предусмотрена библиотека Transformers. Модель распространяется по лицензии Apache-2.0. Карточка содержит демонстрацию запуска ASR в Google Colab, но не приводит количественных оценок качества.

NeuroCom v2 4B — разговорная языковая модель, созданная автором FourOhFour при участии нескольких участников Anthracite. Это производная от Minitron модель семейства Llama с плотной архитектурой и примерно 3,9 млрд параметров, дообученная на 100 млн токенов для инструкций и ролевого общения. Автор сообщает о дедупликации обучающих наборов данных и применении шумного обучения для улучшения обобщения; модель позиционируется как универсальный ассистент и модель для ролевых диалогов. Модель генерирует текст в формате общения и поддерживает контекст до 131 072 токенов согласно метаданным. В README указано, что настройка проводилась с контекстом 8 тыс. токенов. Доступны веса в формате Safetensors для Transformers. Лицензия — Apache 2.0.

Карточка модели roskosmos19/Orca-4B-Instruct-flash на Hugging Face совпадает с карточкой roskosmos19/Orca-4B-Instruct, поэтому описание составлено по ней. Orca-4B-Instruct — компактная инструктивная языковая модель, опубликованная roskosmos19. По карточке она основана на архитектуре Qwen3 и предназначена для диалогов и выполнения текстовых инструкций. Модель содержит около 3,7 млрд параметров, использует архитектуру Qwen3ForCausalLM и принимает контекст до 16 384 токенов. Модель рассчитана на генерацию ответов, следование инструкциям и разговорные сценарии; в метаданных также заявлен интерфейс вызова инструментов. Карточка описывает оптимизацию для экономичного запуска: сокращённый контекст и удалённые мультимодальные специальные токены уменьшают требования к памяти, сохраняя фокус на текстовых ответах. Доступны веса в формате safetensors. Модель подходит для локальных чат-ботов, помощников и других приложений, где важны умеренный размер и стоимость инференса. Ограничение контекста до 16 384 токенов исключает обработку очень длинных запросов; сведения о поддерживаемых естественных языках в карточке не приведены. Лицензия — Apache-2.0.

PolyLM-Multialpaca — диалоговая модель DAMO-NLP-MT, дообученная на PolyLM-13b на наборах данных PolyLM и Multialpaca. Она предназначена для генерации ответов в многоязычном диалоге и выполнения пользовательских инструкций. Модель использует архитектуру GPT-2 и формат PyTorch; размер контекста — 2048 токенов. Модель унаследовала типичные ограничения языковых моделей: может выдавать галлюцинации и токсичный текст. Перед применением в конкретной системе следует оценить риски безопасности и справедливости. Лицензия — Apache-2.0.

aufklarer/Qwen3-ForcedAligner-0.6B-8bit — 8-битная версия Qwen3-ForcedAligner-0.6B, подготовленная для инференса через MLX на компьютерах Apple Silicon. Модель принимает аудио и соответствующий текст и за один проход без авторегрессивной генерации определяет временные метки слов. В README также описаны аудиоэнкодер на 24 слоях и текстовый декодер на 28 слоях; декодер квантизирован до 8 бит с размером группы 64. Модель предназначена для синхронизации расшифровки с речью, например для разметки субтитров и подготовки временных меток слов. В метаданных перечислены английский, китайский, японский, корейский, немецкий, французский, испанский, итальянский и русский языки. Модель распространяется по лицензии Apache-2.0. Для работы требуется аудиозапись и текст; точность и ограничения в доступной карточке не описаны.

Defetya/qwen-7B-saiga — русскоязычная чат-модель на базе Qwen 7B от Alibaba, дообученная автором репозитория на датасете Saiga Ильи Гусева методом supervised fine-tuning. Она предназначена для диалогов и генерации ответов на русском языке. Модель использует плотную архитектуру Qwen2ForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. В README автор отмечает корректное употребление падежей и субъективно сравнивает модель с Saiga-Mistral; результаты оценки на Russian SuperGlue не приведены. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0.

Rabbit-7B-DPO-Chat-Mistral-7B-Instruct-v0.2-slerp — объединённая диалоговая модель на архитектуре Mistral, созданная слиянием mistralai/Mistral-7B-Instruct-v0.2 и viethq188/Rabbit-7B-DPO-Chat методом SLERP. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста и ответы на инструкции в формате чата; контекст — до 32 768 токенов. Модель подходит для диалоговых помощников и генерации ответов на пользовательские запросы. Файлы представлены в формате safetensors, лицензия — Apache-2.0. Карточка не описывает отдельные языковые специализации или результаты сравнительных оценок.

Rawr — плотная языковая модель семейства Llama 3, созданная ResplendentAI слиянием нескольких моделей для генерации диалогового текста. В конфигурации использован метод model_stock; в качестве базовой указана ResplendentAI/SOVL_Llama3_8B, а среди компонентов — Poppy Porpoise, Smarts, TheSpice, Aura, Stheno и Luna. Модель содержит 7,5 млрд параметров, работает через Transformers и распространяется в формате safetensors; контекстное окно — 8192 токена. Модель предназначена для диалогов и генерации текста по запросу. Метаданные описывают её как чат-модель, но не приводят сведений о целевых языках или узких предметных областях, поэтому её следует рассматривать как модель общего назначения. Лицензия в предоставленных данных не указана.

Rombo-LLM-V2.5-Qwen-1.5b — плотная причинная языковая модель на архитектуре Qwen2, созданная Rombo-Org как дообученная версия Qwen2.5-1.5B-Instruct. Она предназначена для диалогов и генерации текста, включая структурированные ответы и интерфейс вызова инструментов. В карточке заявлено слияние instruct- и base-моделей методом TIES, однако метаданные указывают связь с Qwen2.5-1.5B-Instruct как finetune; поэтому происхождение точнее определить по доступным данным нельзя. Модель содержит 1,5 млрд параметров, работает через Transformers и распространяется в формате safetensors; автор также упоминает варианты GGUF. Указанный контекст — до 131 072 токенов. Лицензия — Apache-2.0. README заявляет о более высокой производительности по сравнению с исходными instruct- и base-моделями, но не приводит результатов бенчмарков или подробностей оценки.

RuadaptQwen2.5-1.5B-instruct — русскоязычная инструктивная модель, разработанная командой RefalMachine на основе Qwen2.5-1.5B-Instruct. Она предназначена для диалогов и генерации текстовых ответов на инструкции. Модель использует плотную архитектуру Qwen2 и содержит 1,5 млрд параметров; максимальная длина контекста — 32 768 токенов. Авторы заменили токенизатор, продолжили предобучение на русскоязычном корпусе и применили LEP (Learned Embedding Propagation). По заявлению авторов, новый токенизатор увеличил скорость генерации русскоязычного текста до 60% относительно исходной модели на одинаковых последовательностях. В карточке упомянуты оценки на Ru-Arena-General, MERA и llmtf_open, но опубликованные результаты отсутствуют. Модель поддерживает русский язык, чат и интерфейс вызова инструментов. Доступна в формате safetensors по лицензии Apache-2.0. Авторы предупреждают, что ответы могут отражать сведения и взгляды из данных обучения; показатели качества в карточке не приведены.

SnorkelWestBeagle-DARETIES-7B — объединённая чат-модель на архитектуре Mistral, созданная с помощью LazyMergekit из Snorkel-Mistral-PairRM-DPO, WestLake-7B-v2 и NeuralBeagle14-7B; в конфигурации также указана Mistral-7B-v0.1 как базовая модель. Модель содержит 7,1 млрд параметров, принимает текст и предназначена для генерации ответов и рассуждений. Заявленная длина контекста — 32 768 токенов. Модель объединяет несколько чекпойнтов методом DARE-TIES с маской int8; веса сохранены в формате safetensors. В README приведены результаты Open LLM Leaderboard, включая оценки ARC и HellaSwag. Репозиторий распространяется по лицензии Apache-2.0. Карточка не описывает специализацию по языкам или прикладным областям.

Lucyfer1718/Spartan_Alpha-Powered_v2.0 — объединённая диалоговая языковая модель на архитектуре Llama, созданная с помощью mergekit методом SLERP из meta-llama/Meta-Llama-3.1-70B-Instruct и mattshumer/Reflection-Llama-3.1-70B. Модель содержит 35,3 млрд параметров, принимает текст и генерирует текст; поддерживает контекст до 131 072 токенов. Метаданные отмечают возможности общения в чате и интерфейс вызова инструментов. Модель предназначена для генерации ответов в диалоге и других задач продолжения текста. В описании базовой Reflection-Llama указана самопроверка и исправление ошибок, однако карточка этой модели не уточняет, насколько эти свойства сохраняются после объединения. Файлы представлены в формате safetensors и рассчитаны на использование с Transformers. Условия лицензии в предоставленных данных не указаны.

StrangeMerges_38-7B-dare_ties — слитая текстовая модель семейства Mistral, созданная Gille с помощью LazyMergekit на основе трёх моделей: automerger/NeuralsirkrishnaExperiment26-7B, Gille/StrangeMerges_21-7B-slerp и Gille/StrangeMerges_34-7B-slerp. Модель имеет плотную архитектуру MistralForCausalLM, около 7,1 млрд параметров и контекстное окно 32 768 токенов. Модель предназначена для генерации текста и диалогового применения. Её можно использовать для ведения беседы и создания текстовых ответов. В репозитории указаны веса в формате safetensors; лицензия — Apache-2.0.

StructuredThinker-v0.3-MoreStructure — объединённая разговорная языковая модель семейства Qwen2, созданная автором репозитория Ahdoot с помощью mergekit и метода DARE TIES. В качестве базовой модели использована Qwen/Qwen2.5-3B-Instruct; в объединение также вошли PowerInfer/SmallThinker-3B-Preview и prithivMLmods/QwQ-LCoT-3B-Instruct. Модель содержит 3,1 млрд параметров, работает с текстом и имеет контекстное окно 32 768 токенов. Модель предназначена для генерации текста и диалогов, в том числе для структурированных ответов. Метаданные отмечают интерфейс вызова инструментов, но README не описывает его поведение или качество. Модель доступна в формате safetensors для библиотеки Transformers. Лицензия в предоставленных данных не указана.

TARS-8B-llama-REMIX — языковая модель, созданная picAIso слиянием SLERP через mergekit моделей picAIso/MIX1 и NousResearch/Hermes-2-Pro-Llama-3-8B. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров. Она предназначена для генерации текста и диалогового взаимодействия; заявленная длина контекста составляет 8192 токена. Карточка указывает поддержку чата, а базовая Hermes-2-Pro-Llama-3-8B ориентирована на следование инструкциям, вызов функций и генерацию структурированных данных JSON. Лицензия модели — MIT. Подробные оценки качества и ограничения конкретного слияния в карточке не приведены.

Terminal-16k-top80 — диалоговая языковая модель на архитектуре Qwen3, дообученная автором cuong1692001 на наборе nemotron_complete_top_80_16k. Она предназначена для генерации текста в формате диалога; репозиторий использует Transformers и содержит веса safetensors. Модель насчитывает 7,6 млрд параметров и поддерживает контекст до 40 960 токенов. Модель является дообучением cuong1692001/Terminal_complete_8k. Лицензия указана как other, поэтому конкретные условия использования следует сверить с карточкой модели и лицензией базовой модели. README не описывает результаты оценки или специальные ограничения применения.

TurkSpeak lv3-ITU_Mainframe — модель распознавания турецкой речи, созданная на базе Whisper large-v3. Это дообученная LoRA-версия примерно на 905,2 млн параметров, после чего сохранённые контрольные точки усреднили методом MAST; усреднение не увеличивает затраты при инференсе. Репозиторий содержит веса в формате safetensors. Модель предназначена для транскрибации турецкой спонтанной, эфирной и медицинской речи. По результатам README, она показала меньшую ошибку распознавания, чем исходная Whisper large-v3, на четырёх указанных тестовых наборах; результаты измеряли через faster-whisper с beam size 5 и fp16. Эти результаты характеризуют только приведённые наборы и настройки. Лицензия — Apache-2.0.

Модель ydshieh/wav2vec2-large-xlsr-53-chinese-zh-cn-gpt — дообученная на китайской речи версия facebook/wav2vec2-large-xlsr-53. Она распознаёт речь на китайском языке с выводом упрощёнными иероглифами; при обучении использованы наборы Common Voice zh-CN и zh-TW, причём тексты zh-TW преобразованы в упрощённое письмо. Модель основана на архитектуре Wav2Vec2 с CTC-декодером и содержит 424,3 млн параметров. Модель предназначена для автоматической транскрибации китайской речи. Для входного аудио требуется частота дискретизации 16 кГц; распознавание возможно без отдельной языковой модели. На тестовой выборке Common Voice zh-CN указана ошибка CER 20,90%. Веса доступны в формате PyTorch по лицензии Apache-2.0.