I.7Речь, диалоги и встречи

Eurstoria-106B — разговорная модель генерации текста на архитектуре Llama 3, созданная объединением моделей Steelskull/L3-MS-Astoria-70b и Sao10K/L3-70B-Euryale-v2.1 методом passthrough merge. Модель содержит 105,4 млрд параметров и рассчитана на работу с контекстом до 8192 токенов; для общения подходит формат Llama 3 Instruct. Модель предназначена для генерации ответов и ролевых диалогов. В метаданных указана поддержка чата, а базовая модель описана как англоязычная. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия в предоставленных данных не указана.

EVA-abliterated-TIES-Qwen2.5-1.5B — объединённая авторегрессионная языковая модель семейства Qwen2, созданная с помощью mergekit методом TIES. В объединение вошли huihui-ai/Qwen2.5-1.5B-Instruct-abliterated и EVA-UNIT-01/EVA-Qwen2.5-1.5B-v0.0; базовая модель — Qwen/Qwen2.5-1.5B. Модель содержит 1,5 млрд параметров, использует архитектуру Qwen2ForCausalLM и формат safetensors. Модель предназначена для генерации текста и диалоговых сценариев. Заявленный контекст — до 131 072 токенов; доступны интерфейсы chat и tool calling. Метаданные указывают поддержку языков, включая китайский, английский, французский, испанский, португальский, немецкий, итальянский, русский, японский, корейский, вьетнамский, тайский и арабский. Лицензия — Apache-2.0.

Gemma 4 12B-it JANG 4M CRACK — мультимодальная инструкционная модель dealignai, основанная на Google Gemma 4 12B-it. Она предназначена для диалогов и задач с текстом, изображениями, аудио и видео; карточка также заявляет поддержку рассуждений и вызова инструментов. Модель имеет 48 слоёв, гибридное скользящее и полное внимание и контекст до 128 тысяч токенов. Разработчик сообщает, что модель прошла абляцию отказов CRACK и смешанную квантизацию JANG: 8-битные веса внимания и 4-битные веса MLP. Версия подготовлена для MLX и Apple Silicon, занимает около 9,6 ГБ. В README приведены результаты собственных оценок на HarmBench и MMLU; они не гарантируют качество на других задачах. Из-за удаления поведения отказа модель может выдавать ответы на потенциально опасные запросы. Разработчик указывает исследовательское применение и авторизованное тестирование безопасности. Лицензия — Gemma; перед использованием следует учитывать её условия.

AxionML Gemma-4-12B-NVFP4 — квантизированная версия мультимодальной модели google/gemma-4-12B-it, разработанная AxionML для открытого использования и развертывания. Модель предназначена для задач преобразования изображений и текста в текст, а также для диалоговых сценариев и серверного инференса. Она содержит около 11,95 млрд параметров и распространяется с лицензией Apache-2.0. В модели используется квантизация NVFP4: линейные слои MLP в блоках Transformer квантизированы по схеме W4A4, тогда как слои внимания q/k/v/o сохранены в BF16. KV-cache квантизирован в FP8 E4M3, а эмбеддинги, lm_head и мультимодальные эмбеддеры для зрения и аудио оставлены в BF16. Размер чекпойнта составляет около 11 ГБ против примерно 24 ГБ у BF16-версии. Микроблоки имеют размер 16 элементов с FP8-масштабами; для калибровки использовались cnn_dailymail и Nemotron-Post-Training-Dataset-v2. Основное преимущество модели — существенное сокращение требований к памяти при заявленной потере точности на GSM8K, а также поддержка серверного инференса через SGLang и спекулятивного декодирования MTP/NEXTN с парной draft-моделью. Модель ориентирована прежде всего на видеокарты NVIDIA Blackwell B100, B200 и B300 с нативными FP4 Tensor Cores. Ограничением является зависимость от совместимого оборудования и специализированных версий TensorRT Model Optimizer и SGLang; квантизация внимания не применяется из-за чувствительности активаций Gemma-4 к выбросам, поэтому преимущества FP4 реализованы только для MLP-слоёв.

ICONN-1-Mini-Beta — компактная разговорная языковая модель с 7 млрд параметров, разработанная ICONNAI на собственной архитектуре ICONN. Модель предназначена для генерации текста и диалогового взаимодействия; каталог также указывает интерфейс вызова инструментов. Она опубликована в формате Safetensors и рассчитана на контекст до 65 536 токенов. Модель позиционируется как облегчённый вариант семейства ICONN 1 для приложений, которым нужна разговорная генерация при сравнительно небольшом размере модели. В карточке заявлены естественное понимание и создание текста, однако конкретные результаты оценки качества и поддерживаемые языки не приведены. Лицензия — Apache 2.0.

Inex12Neuralsynthesis-7B — автоматически объединённая языковая модель, созданная Maxime Labonne на основе MSL7/INEX12-7b и Kukedlc/NeuralSynthesis-7B-v0.3 методом dare_ties. В конфигурации слияния для NeuralSynthesis указаны density 0,53 и weight 0,6; веса представлены в формате safetensors, архитектура — MistralForCausalLM с 7,1 млрд параметров. Модель предназначена для генерации текста и диалоговых сценариев. Она принимает текст, выдаёт текст и поддерживает контекст до 32 768 токенов. В карточке указана лицензия Apache-2.0. Данных о целевых языках и специализированных областях применения в предоставленных источниках нет.

Модель kangkys/kanana-1.5-8b-instruct-2505-Persona-Merged — дообученная автором kangkys языковая модель на базе kakaocorp/kanana-1.5-8b-instruct-2505. Это плотная Llama-архитектура с 7,5 млрд параметров, рассчитанная на генерацию текста и диалоговое взаимодействие; в метаданных также отмечен интерфейс вызова инструментов. Контекстное окно составляет 32 768 токенов. Модель подходит для чат-ботов и генерации ответов на текстовые запросы. В карточке указаны английский язык, обучение с использованием Unsloth и библиотеки TRL, а также лицензия Apache-2.0. README не описывает отдельные показатели качества или специализированные сценарии применения, поэтому их нельзя оценить по доступным данным.

Taewan123/kanana-1.5-8b-instruct-2505-Safe-DPO — разговорная плотная Llama-модель, опубликованная Taewan123. Карточка описывает её как дообученную модель, обученную с использованием Unsloth и библиотеки TRL; метаданные указывают 7,5 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста в диалогах. Она принимает текст и выдаёт текст; в метаданных также отмечен интерфейс для вызова инструментов. Указана поддержка английского языка. Лицензия — Apache-2.0. Карточка называет базовой моделью тот же репозиторий, что и сама модель, поэтому независимую базовую модель установить по предоставленным данным нельзя. Специальные ограничения качества или области применения не описаны.

kotoba-tech/kotoba-whisper-v2.0-faster — конверсия модели распознавания речи kotoba-whisper-v2.0 в формат CTranslate2. Она предназначена для запуска через CTranslate2 и совместимые проекты, включая faster-whisper, и преобразует японскую речь из аудио в текст. В карточке приведено сравнение скорости нескольких реализаций на MacBook Pro с чипом Apple M2 Pro; результаты зависят от аудио и среды запуска. Веса сохранены в FP16, а при загрузке CTranslate2 тип вычислений можно менять параметром compute_type. README указывает, что faster-whisper поддерживает последовательное декодирование длинных аудиозаписей; для нарезанного на фрагменты декодирования автор отмечает преимущество Hugging Face pipeline в собственном эксперименте. Модель распространяется по лицензии MIT.

L3.1-Artemis-faustus-8B — слитая диалоговая языковая модель сообщества mergekit-community на архитектуре Llama. Она объединяет mergekit-community/L3.1-Artemis-d-8B и DreadPoor/Aurora_faustus-8B-LINEAR методом SLERP; в репозитории представлены веса Safetensors, а для работы используется библиотека Transformers. Модель содержит 7,5 млрд параметров, имеет контекстное окно 8192 токена и предназначена для генерации текста и диалоговых ответов. Её можно применять для чат-ботов, свободного продолжения текста и ответов на запросы на естественном языке. В карточке не приведены сведения о поддерживаемых естественных языках и специальные ограничения качества. Лицензия в предоставленных данных не указана.

djuna/L3.1-Promissum_Mane-8B-Della-calc — объединённая плотная языковая модель семейства Llama, созданная с помощью mergekit методом della. В качестве основы использована unsloth/Meta-Llama-3.1-8B, также объединены DreadPoor/Spei_Meridiem-8B-model_stock, DreadPoor/Heart_Stolen1.1-8B-Model_Stock и DreadPoor/Aspire1.1-8B-model_stock. Модель содержит около 7,5 млрд параметров и рассчитана на генерацию текста и диалоговое использование; нативная длина контекста — до 131 072 токенов. Модель принимает текст и генерирует текст. README приводит результаты Open LLM Leaderboard, включая оценки IFEval и BBH, но не описывает специализацию на конкретной предметной области или языках. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия в предоставленных данных не указана.

Lexora-Medium-7B — диалоговая языковая модель, опубликованная DeepMount00. Она основана на плотной архитектуре Qwen2 и содержит 7,1 млрд параметров. Модель предназначена для генерации текста в формате беседы и имеет интерфейс для вызова инструментов. В карточке указаны обучающие наборы Sonnet-3.5-ITA-INSTRUCTION и Sonnet-3.5-ITA-DPO, а также поддержка итальянского и английского языков. Максимальная длина контекста составляет 131 072 токена. Модель доступна в формате safetensors по лицензии Apache-2.0.

Dingdust опубликовал производную модель LFM2.5-8B-A1B-heretic на основе LiquidAI/LFM2.5-8B-A1B-Base. Это текстовая MoE-модель для диалогов и генерации текста; в README представлены параметры abliteration и сравнение частоты отказов с исходной моделью. Модель рассчитана на локальных помощников, агентные сценарии и вызов инструментов. В README семейство LFM2.5 описано как гибридная архитектура с 8,3 млрд параметров всего и 1,5 млрд активных; метаданные репозитория указывают 1,6 млрд параметров. Заявленная длина контекста — 128 000 токенов. Поддерживаются английский, арабский, китайский, французский, немецкий, японский, корейский, испанский, португальский и итальянский языки. В README указано, что модель не оптимальна для сложного программирования и ответов на фактологические вопросы без поиска по источникам. Лицензия в метаданных обозначена как other.

DeepMount00/Llama-3.1-Distilled — дообученная языковая модель, разработчик — Michele Montebovi. Она построена на базе meta-llama/Meta-Llama-3-8B и предназначена для генерации текста в диалоговом формате. Модель использует плотную архитектуру LlamaForCausalLM и содержит 7,5 млрд параметров. Заявленная длина контекста — 131 072 токена. В метаданных указаны английский и итальянский языки; библиотека — Transformers, веса представлены в формате safetensors. Лицензия — Llama 3.

llama3.1-kartoffeldes-70B — плотная языковая модель семейства Llama 3.1 на 69,5 млрд параметров, созданная nbeerbower путём дообучения Llama-3.1-Saoirse-70B. Модель предназначена для генерации текста и диалогового взаимодействия; указано, что она дообучена методом ORPO на нескольких наборах данных в течение двух эпох. Модель работает с текстом и имеет контекстное окно до 131072 токенов. Репозиторий содержит веса в формате Safetensors. В метаданных указана лицензия Llama 3.1. Состав наборов для дообучения включает данные для предпочтений, физического рассуждения и проверки достоверности; карточка не приводит результатов оценки качества, поэтому конкретные преимущества модели установить нельзя.

bunnycore создала диалоговую модель генерации текста Llama-3.2-3B-Prodigy, объединив методом TIES модель huihui-ai/Llama-3.2-3B-Instruct-abliterated с тремя моделями bunnycore: Pure-RP, Mix-Skill и Sci-Think. Модель построена на архитектуре LlamaForCausalLM, содержит 3,2 млрд параметров, использует формат safetensors и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации текста и диалоговых сценариев; объединённые модели ориентированы на ролевое общение, разнообразные навыки и научное рассуждение. Метаданные также указывают интерфейс вызова инструментов. Данные не подтверждают поддержку изображений или иных модальностей помимо текста. Лицензия в предоставленных источниках не указана.

Карточка модели princeton-nlp/Llama-3-Instruct-8B-ORPO на Hugging Face совпадает с карточкой princeton-nlp/Llama-3-Base-8B-SFT, поэтому описание составлено по ней. princeton-nlp/Llama-3-Base-8B-SFT — разговорная модель генерации текста на архитектуре Llama, опубликованная как часть работы SimPO: Simple Preference Optimization with a Reference-Free Reward. Репозиторий содержит модель на 7,5 млрд параметров в формате safetensors; заявленная длина контекста — 8192 токена. Модель предназначена для диалоговой генерации текста и может использоваться для ответов на запросы и ведения беседы. README отсылает к репозиторию SimPO за дополнительными сведениями. Лицензия и конкретные языковые возможности в предоставленных данных не определены.

llama-3-stinky-v2-8B — чат-модель на архитектуре Llama, созданная nbeerbower с помощью mergekit. Это слияние предварительно обученных языковых моделей методом Model Stock; базовой моделью слияния была flammenai/Mahou-1.1-llama3-8B, также использованы модели для инструкций, диалога и ответов на вопросы. Модель предназначена для генерации текста и диалоговых сценариев: ответов на вопросы, следования инструкциям и рассуждений. Она содержит 7,5 млрд параметров, принимает текст и выдаёт текст; заявленная длина контекста — 8192 токена. Карточка приводит результаты Open LLM Leaderboard, включая средний балл 70,27, но не описывает отдельные специализации или языковое покрытие итоговой модели. Модель распространяется в формате safetensors по лицензии other; конкретные условия лицензии в предоставленных данных не раскрыты. Результаты бенчмарков не гарантируют качество для конкретных прикладных задач.

KKHYA/llavaqwen2.5-32b-finetune-nm-mask-moe-4e-2k-2of4-imp-2m-half_20260822_074702 — языковая модель на архитектуре NMMaskMoELLaVAQwen2ForCausalLM с 32 млрд параметров. В карточке указаны библиотека Transformers и форматы PyTorch и safetensors; метаданные также обозначают поддержку диалогового режима и интерфейса вызова инструментов. Модель предназначена для генерации текста и диалогового взаимодействия. Длина контекста составляет 131 072 токена. README сообщает, что модель обучена с нуля, но не содержит сведений о датасете, назначении обучения или оценке качества. Лицензия в предоставленных данных не указана.

MemOperator-0.6B — компактная причинно-следственная языковая модель MemTensor для операций с памятью в системе MemOS. Она дообучена методом SFT на основе моделей Qwen3 и предназначена для локального развертывания, в том числе в средах без доступа к интернету, с низкими затратами ресурсов и малой задержкой. В метаданных указана связь слияния с Qwen/Qwen3-0.6B, Qwen/Qwen3-1.7B и Qwen/Qwen3-4B; архитектура — плотная decoder-only модель Qwen3 с примерно 507,9 млн параметров. Для этой версии указан контекст до 40 960 токенов. Модель извлекает сведения из диалогов и документов, в том числе составляет краткие сводки фрагментов документов, а также поддерживает кластеризацию и реорганизацию связанных воспоминаний. Карточка заявляет поддержку английского и китайского языков и приводит результаты семейства MemOperator на бенчмарке locomo, но таблица содержит сравнение только версии 4B; переносить эти показатели на версию 0.6B нельзя. Разрешены загрузка через Transformers и использование с vLLM или SGLang; лицензия — Apache-2.0. Разрешение конфликтов и рассуждение об отношениях в README обозначены как находящиеся в разработке.

Карточка модели mergekit-community/mergekit-slerp-bjlsrkr на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-jlrpbqb, поэтому описание составлено по ней. Это объединённая модель генерации текста на архитектуре Mistral, созданная сообществом mergekit-community методом SLERP из arcee-ai/sec-mistral-7b-instruct-1.6-epoch и cognitivecomputations/dolphin-2.8-mistral-7b-v02. Модель содержит около 7,1 млрд параметров, рассчитана на диалоговое применение и использует контекст до 32 768 токенов. Модель предназначена для генерации ответов в диалоге и других сценариев генерации текста. Веса доступны в формате Safetensors и имеют тип bfloat16. В метаданных указана библиотека Transformers. Сведения о лицензии и конкретных ограничениях поведения в предоставленных данных отсутствуют.

mergekit-community/mergekit-slerp-zwbqvcb — объединённая методом SLERP языковая модель на 7,1 млрд параметров, созданная сообществом с помощью mergekit из huihui-ai/Qwen2.5-7B-Instruct-abliterated-v2 и maywell/Qwen2-7B-Multilingual-RP. Модель использует архитектуру Qwen2 для генерации текста и диалогов; заявленная длина контекста — 32 768 токенов. Репозиторий содержит веса в формате safetensors, библиотека для работы — Transformers. Модель подходит для диалоговых ответов и свободной генерации текста, сочетая инструкционную основу Qwen2.5 с мультиязычной разговорной моделью. В метаданных также указана поддержка интерфейса вызова инструментов. Состав моделей и способ слияния подтверждены README; сведений о языках, на которых результат слияния работает наиболее качественно, карточка не даёт. Лицензия в предоставленных данных не указана.

Это дообученная разговорная языковая модель sleeepeer на базе meta-llama/Llama-3.1-8B-Instruct, обученная с помощью TRL. Она предназначена для генерации текста в ответ на инструкции и вопросы в диалоговом формате. Модель использует плотную архитектуру Llama с 7,5 млрд параметров и принимает текст; заявленный контекст составляет до 131072 токенов. Модель подходит для диалоговых сценариев и генерации ответов. В карточке приведён пример ответа на вопрос в формате чата. Репозиторий содержит веса Safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

DareModels/MiniCpm5-Agent — это объединённая модель генерации текста, созданная с помощью mergekit методом TIES. В качестве базовой использована saidutta69/MiniCPM5-1B-Claude-Opus-Fable5-V2-Thinking-heretic; в объединение также вошли варианты MiniCPM5, настроенные на рассуждения, агентные сценарии и работу с инструментами. Модель содержит 837,6 млн параметров, использует архитектуру LlamaForCausalLM и формат safetensors; заявленная длина контекста — 131 072 токена. Модель предназначена для генерации диалогового текста и агентных сценариев, включая задачи с вызовом инструментов. Она доступна через Transformers. Метаданные и README не сообщают поддерживаемые естественные языки и лицензию, поэтому условия использования по лицензии определить нельзя.

Карточка модели princeton-nlp/Mistral-7B-Base-SFT-IPO на Hugging Face совпадает с карточкой princeton-nlp/Llama-3-Base-8B-SFT, поэтому описание составлено по ней. princeton-nlp/Llama-3-Base-8B-SFT — разговорная модель генерации текста на архитектуре Llama, опубликованная как часть работы SimPO: Simple Preference Optimization with a Reference-Free Reward. Репозиторий содержит модель на 7,5 млрд параметров в формате safetensors; заявленная длина контекста — 8192 токена. Модель предназначена для диалоговой генерации текста и может использоваться для ответов на запросы и ведения беседы. README отсылает к репозиторию SimPO за дополнительными сведениями. Лицензия и конкретные языковые возможности в предоставленных данных не определены.

Карточка модели princeton-nlp/Mistral-7B-Instruct-DPO на Hugging Face совпадает с карточкой princeton-nlp/Llama-3-Base-8B-SFT, поэтому описание составлено по ней. princeton-nlp/Llama-3-Base-8B-SFT — разговорная модель генерации текста на архитектуре Llama, опубликованная как часть работы SimPO: Simple Preference Optimization with a Reference-Free Reward. Репозиторий содержит модель на 7,5 млрд параметров в формате safetensors; заявленная длина контекста — 8192 токена. Модель предназначена для диалоговой генерации текста и может использоваться для ответов на запросы и ведения беседы. README отсылает к репозиторию SimPO за дополнительными сведениями. Лицензия и конкретные языковые возможности в предоставленных данных не определены.

A1rboy/model — дообученная языковая модель, разработанная A1rboy на базе unsloth/DeepSeek-R1-Distill-Qwen-7B-unsloth-bnb-4bit. Она предназначена для генерации текста и диалоговых сценариев; в метаданных также отмечен интерфейс вызова инструментов. Модель использует плотную архитектуру Qwen2ForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 131 072 токенов. Для обучения применялись Unsloth и библиотека Hugging Face TRL. Карточка указывает английский язык. Модель принимает текст и генерирует текст. Она распространяется по лицензии Apache-2.0. Карточка не описывает специализированную область применения или отдельные ограничения качества.

MotherEarth-1.14-8B — слитая языковая модель семейства Llama, созданная разработчиками MotherEarth с помощью mergekit. Веса двух предварительно обученных моделей, MotherEarth-1.13-8B и MotherEarth-Proverbs-8B, объединены методом SLERP; в карточке указана архитектура LlamaForCausalLM и размер 7,5 млрд параметров. Модель предназначена для генерации текста и диалогового общения. Контекстное окно составляет до 131 072 токенов. Репозиторий содержит веса в формате safetensors; библиотека для работы с моделью — Transformers. Данные не сообщают о специализации на конкретных языках или прикладных областях. Лицензия в предоставленных данных не указана. Характеристики качества, конкретная языковая поддержка и ограничения применения не описаны.

zelk12/MT1-Gen5-MA-gemma-2-S2S4-9B — языковая модель на архитектуре Gemma 2, созданная слиянием предварительно обученных моделей allknowingroger/Gemmaslerp2-9B и allknowingroger/Gemmaslerp4-10B. Для слияния применён метод SLERP с mergekit; карточка указывает параметр t=0,25 и формат bfloat16. Модель содержит 9 млрд параметров, работает с контекстом до 8192 токенов и предназначена для генерации текста в диалоговом режиме. Модель может использоваться для ведения текстовых диалогов и генерации ответов на запросы. Данные не дают оснований выделить специализацию по предметной области или конкретный набор языков. Репозиторий распространяет веса в формате safetensors; сведения о лицензии в предоставленных источниках отсутствуют.

zelk12/MT1-Max-Merge_02012025163610-MUI-gemma-2-9B — объединённая разговорная языковая модель семейства Gemma 2, созданная методом SLERP с помощью mergekit из двух моделей Gemma 2. Модель содержит 9 млрд параметров, использует архитектуру Gemma2ForCausalLM и формат safetensors; в конфигурации слияния указан тип данных bfloat16. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно использовать как основу для чат-ботов и приложений, которые формируют ответы на текстовые запросы. Метаданные указывают контекст до 8192 токенов. Данные о целевых языках и специализированных областях применения в карточке не приведены. Лицензия в предоставленных данных не указана. Качество и поведение объединённой модели зависят от исходных моделей; отдельные результаты оценки и сведения об ограничениях в карточке отсутствуют.