I.7Речь, диалоги и встречи

zelk12 опубликовал объединённую методом SLERP языковую модель MT2-Gen4-BMM-gemma-2-9B на архитектуре Gemma 2. Модель размером 9 млрд параметров создана с помощью mergekit из zelk12/MT2-Gen4-BB-gemma-2-MTMMT3g2-9B и zelk12/MT2-Gen4-MM-gemma-2-Rv0.4MTM-9B; базовой в конфигурации указана первая из них. Модель предназначена для генерации текста и диалоговых ответов, работает через Transformers и использует контекст до 8192 токенов. Веса опубликованы в формате safetensors. В карточке и метаданных лицензия не указана, поэтому условия использования определить нельзя.

zelk12/MT2-Max-Merge_02012025163610-BB-gemma-2-MT5g4MTM5-9B — объединённая модель генерации текста на базе Gemma 2, созданная методом SLERP с помощью mergekit из zelk12/MT5-Gen4-gemma-2-9B и zelk12/MT-Merge5-gemma-2-9B. Модель содержит 9 млрд параметров, использует архитектуру Gemma2ForCausalLM и представлена в формате safetensors для библиотеки Transformers. Модель предназначена для диалоговой генерации текста. Контекст составляет до 8192 токенов. Сведения о поддерживаемых естественных языках, специальных предметных областях и сравнительном качестве в карточке не приведены. Лицензия в предоставленных данных не указана.

zelk12/MT3-Gen5-GP-gemma-2-RAv0.1E-9B — объединённая языковая модель, созданная разработчиком с помощью mergekit из Aashraf995/Gemma-Evo-10B и zelk12/recoilme-gemma-2-Ataraxy-9B-v0.1. Для слияния использован метод SLERP с параметром t=0.5; архитектура — плотная Gemma 2, класс Gemma2ForCausalLM, размер — 9 млрд параметров. Модель предназначена для генерации текста и диалогового взаимодействия, принимает текст и выдаёт текст. Нативная длина контекста — 8192 токена; доступна в формате safetensors для библиотеки Transformers. Модель подойдёт для создания разговорных приложений и генерации текста. В README и метаданных не приведены подробные результаты оценки качества или сведения о специальных предметных областях. Лицензия в предоставленных данных не указана.

zelk12 создал разговорную модель MT4-Gen5-BB-gemma-2-MT3g4MT3g2-9B, объединив методом SLERP предварительно обученные модели zelk12/MT3-Gen4-gemma-2-9B и zelk12/MT3-Gen2-gemma-2-9B. Это плотная авторегрессионная языковая модель семейства Gemma 2 с 9 млрд параметров, предназначенная для генерации текста и диалогов. Она принимает текст и выдаёт текст; заявленная длина контекста составляет 8192 токена. Модель доступна в формате safetensors для библиотеки Transformers и помечена как разговорная. Данных о лицензии и поддерживаемых естественных языках в предоставленных сведениях нет.

UsernameJustAnother/Nemo-12B-Marlin-v3 — языковая модель, дообученная UsernameJustAnother на базе unsloth/Mistral-Nemo-Instruct-2407. Она предназначена для диалоговой генерации текста и может использоваться в чат-ботах и приложениях, которым нужны ответы на текстовые запросы. Модель содержит 12,1 млрд параметров, использует архитектуру Mistral с плотной causal language model и принимает и выдаёт текст. В метаданных указан контекст длиной до 1 024 000 токенов и английский язык. README сообщает, что обучение проводилось с Unsloth и библиотекой Hugging Face TRL. Модель распространяется по лицензии Apache-2.0.

Norns-Qwen2.5-7B — объединённая языковая чат-модель, созданная автором win10 методом breadcrumbs_ties с помощью mergekit. В качестве базовой модели использована win10/Skuld-Qwen2.5-7B, в объединение также вошла win10/Urdandi-Qwen2.5-7B. Репозиторий содержит веса в формате safetensors и предназначен для использования с библиотекой Transformers. Карточка приводит результаты оценки на MMLU-Pro: общий балл 41,46; показатели по отдельным областям варьируются, например, 64,16 по биологии и 21,98 по праву. Модель рассчитана на чатовые сценарии с текстовым вводом и текстовым выводом. README не сообщает лицензию, размер контекста или перечень языков, поэтому эти характеристики здесь не приводятся.

Nous-Hermes-2-SUS-Chat-34B-Slerp — чат-модель на архитектуре Llama, созданная автором репозитория с помощью слияния моделей через mergekit. В её названии и шаблонах указаны Nous-Hermes-2-Yi-34B и SUS-Chat-34B; точная конфигурация слияния в доступной карточке не приведена. Модель предназначена для генерации текста в диалоговом формате. Автор рекомендует использовать шаблон ChatML; также приведён шаблон Human–Assistant. Размер модели — 33,9 млрд параметров, контекст — 4096 токенов. В репозитории доступны веса safetensors. В карточке приведены результаты Open LLM Leaderboard, включая среднюю оценку 74,06, AI2 Reasoning Challenge и HellaSwag. Лицензия обозначена как other, поэтому перед использованием следует проверить условия на странице репозитория.

Verdugie/Opus-Candid-27B-V3.5 — разговорная языковая модель, разработанная Verdugie на основе Qwen 3.5 27B Dense. Модель дообучена на 5 358 диалогах, дистиллированных из Claude Opus 4.6, с акцентом на прямой стиль общения, устойчивость к поддакиванию, выраженную индивидуальность, эмоциональную глубину и согласованность в многоходовых диалогах. Заявлены поддержка английского и испанского языков и сценарии генерации текста и общения. Модель имеет плотную архитектуру на 27 млрд параметров. Для дообучения использовались LoRA и rsLoRA с PEFT и TRL, а обучение проводилось в формате bf16 на NVIDIA A100 SXM 80GB. В README отдельно описана оптимизация набора данных под информационную плотность ответов и устойчивость ключевых характеристик при квантизации. Доступны варианты GGUF Q8_0 примерно на 33 ГБ, Q6_K примерно на 25 ГБ и Q4_K_M примерно на 18 ГБ; последний указан как основной целевой вариант и рассчитан на запуск, в частности, на RTX 4090. Сильными сторонами модели заявлены прямолинейный характер ответов, устойчивость личности под давлением, внимание к фактической точности и способность поддерживать нюансированные ответы в эмоциональных, философских и спорных темах. Ограничения включают зависимость качества от выбранной квантизации, отсутствие в README количественных результатов бенчмарков и неизвестный размер контекста. Модель распространяется по лицензии Apache 2.0 и совместима с GGUF-совместимыми средами, включая LM Studio, Ollama, llama.cpp и KoboldCpp; системный промпт, согласно README, не требуется.

jtatman дообучил эту плотную авторегрессионную языковую модель семейства Llama на базе unsloth/llama-3-8b-bnb-4bit с использованием Unsloth и библиотеки TRL. Модель предназначена для генерации текста в диалоговом формате. В репозитории указано 7,5 млрд параметров; метаданные задают нативный контекст в 8192 токена и формат весов safetensors. Заявленная лицензия — Apache-2.0. Карточка не описывает специальную предметную область или отдельные ограничения качества.

PasticheInex12-7B — объединённая модель для генерации текста, созданная Maxime Labonne с помощью автоматического слияния двух моделей Mistral: CorticalStack/pastiche-crown-clown-7b-dare и MSL7/INEX12-7b. В README указаны метод слияния SLERP и формат весов bfloat16; размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Лицензия — Apache-2.0. README и метаданные не уточняют поддерживаемые языки или специализированные предметные области.

BuzzASR Persian — одноязычная модель автоматического распознавания персидской речи, разработанная как часть набора BuzzASR. Это полноценно дообученная версия Whisper large-v3 с заменой токенизатора на персидский и дополнительным текстовым многозадачным обучением. Модель содержит около 907,3 млн параметров и предназначена для преобразования персидской речи в текст. Модель оценивается на наборах FLEURS и Common Voice 25.0; в карточке сообщается о снижении CER относительно Whisper large-v3 без дообучения. Она подходит для транскрибации персидской речи, однако качество на других доменах, диалектах и условиях записи может отличаться. Модель одноязычная и рассчитана на персидский язык. Модель распространяется по лицензии MIT. Указанные результаты относятся к тестовым разделам FLEURS и Common Voice и не гарантируют аналогичное качество на произвольных аудиозаписях.

Phi-3-mini-4k-instruct — разговорная языковая модель семейства Phi-3, опубликованная Unsloth. Репозиторий содержит 4-битную версию с квантованием bitsandbytes; модель адаптирована для совместимости с разными платформами. Метаданные указывают архитектуру MistralForCausalLM, 3,7 млрд параметров и контекст до 4096 токенов. Модель предназначена для генерации текста в диалогах и инструктивных сценариях. Её можно использовать для ответов на вопросы, ведения беседы и текстового дополнения; README также описывает сценарии дообучения на собственных данных и экспорта дообученных моделей. Указанный язык — английский. Лицензия — MIT. Карточка не приводит результатов оценки качества или подробных ограничений; короткое контекстное окно в 4096 токенов ограничивает работу с длинными документами.

Карточка модели arefehRajabian/phi_finetune_microsoft_16bit на Hugging Face совпадает с карточкой arefehRajabian/phi_finetune_16bit, поэтому описание составлено по ней. Модель arefehRajabian/phi_finetune_16bit — дообученная автором arefehRajabian разговорная языковая модель для генерации текста. Она основана на unsloth/phi-4-bnb-4bit; карточка сообщает об обучении с помощью Unsloth и библиотеки TRL. В репозитории представлены веса Safetensors, размер модели — 14,1 млрд параметров, контекст — до 16 384 токенов. Модель поддерживает английский язык и предназначена для диалогового взаимодействия и генерации текста. Лицензия — Apache-2.0. Карточка не уточняет специализацию дообучения и его результаты.

PhoWhisper-medium — версия модели распознавания речи PhoWhisper, разработанная авторами Thanh-Thien Le, Linh The Nguyen и Dat Quoc Nguyen. Это дообученная многоязычная Whisper с архитектурой WhisperForConditionalGeneration и 455,8 млн параметров; модель принимает аудио и преобразует вьетнамскую речь в текст. Модель предназначена для автоматического распознавания вьетнамской речи с учётом разных акцентов. При дообучении использовался набор данных объёмом 844 часа; авторы сообщают о высоких результатах на тестах распознавания вьетнамской речи. Поддерживается задача automatic-speech-recognition, формат весов — PyTorch. Модель распространяется по лицензии BSD 3-Clause. Карточка не приводит сведений о длине контекста или известных ограничениях качества; результаты могут различаться в зависимости от акцента и условий записи.

Это чат-модель семейства Qwen2, разработанная ehristoforu и дообученная на основе ehristoforu/Qwen2-1.5b-it-chat-sp-ru-bel-arm-ger-fin. Она предназначена для генерации текста в диалоге и поддерживает контекст до 32 768 токенов. Размер модели — 1,5 млрд параметров; карточка указывает обучение с Unsloth и TRL. В названии базовой модели заявлена поддержка испанского, русского, белорусского, армянского, немецкого и финского языков; метаданные также содержат код английского языка. Модель распространяется по лицензии Apache-2.0.

bunnycore/Qwen-2.5-3b-Evol-CoT-V3 — языковая модель на архитектуре Qwen2.5, созданная разработчиком bunnycore с помощью слияния предварительно обученных моделей методом Model Stock через mergekit. В состав вошли варианты Evol-CoT, RP и Mix-Data-lora; в качестве основы указаны Qwen/Qwen2.5-3B и адаптированные модели bunnycore. Модель предназначена для генерации текста и диалогового применения. Она содержит 3,1 млрд параметров, работает с текстом и имеет контекстное окно до 32 768 токенов. В карточке не указаны специализация по естественным языкам и конкретные предметные области. Модель распространяется в формате safetensors. Условия лицензии в предоставленных данных не приведены.

bunnycore/Qwen-2.5-3b-RP — чат-модель на архитектуре Qwen2, созданная автором репозитория слиянием весов через mergekit методом DARE TIES. В слияние вошли Replete-AI/Replete-LLM-V2.5-Qwen-3b, unsloth/Qwen2.5-3B-Instruct и bunnycore/qwen-2.5-3b-lora_model; в README базовой моделью назван Replete-AI/Replete-LLM-V2.5-Qwen-3b. Модель содержит 3,1 млрд параметров, использует формат safetensors и поддерживает контекст до 32 768 токенов. Модель предназначена для диалоговой генерации текста и ответов на запросы; метаданные также указывают интерфейс вызова инструментов. Карточка не описывает отдельную специализацию, языковое покрытие или оценку качества. Лицензия в предоставленных данных не указана.

Qwen2.5-3B-RP-Thinker-V2 — объединённая модель генерации текста, созданная Bunnycore с помощью mergekit методом Model Stock на основе Qwen/Qwen2.5-3B-Instruct с включением PowerInfer/SmallThinker-3B-Preview и bunnycore/Qwen2.5-3B-RP-Mix. Это плотная авторегрессионная модель семейства Qwen2 с 3,1 млрд параметров, предназначенная для диалогов и генерации текста; доступны интерфейс вызова инструментов и контекст до 32 768 токенов. Модель подходит для диалоговых сценариев и задач, где полезны рассуждения, следование инструкциям и стиль RP, унаследованные от объединённых моделей. Она загружается через Transformers, веса представлены в формате safetensors. В карточке указана лицензия Apache-2.0? нет; условия лицензирования по предоставленным данным установить нельзя.

Qwen2-Mix-7B — разговорная языковая модель на архитектуре Qwen2, созданная bunnycore путём объединения нескольких моделей с помощью mergekit. Репозиторий содержит веса в формате safetensors; размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Объединение включает bunnycore/Qwen-Mix-7B, maywell/Qwen2-7B-Multilingual-RP и cognitivecomputations/dolphin-2.9.2-qwen2-7b; в конфигурации mergekit указаны метод model_stock и формат bfloat16. Лицензия — Apache-2.0. Модель унаследовала мультиязычную направленность одной из базовых моделей и ориентирована на чат, однако README не приводит результаты оценки качества или подробный перечень языков и специальных навыков. Как и другие генеративные языковые модели, она может выдавать неточные или выдуманные сведения.

Parda21/Qwen3-4B-NWC — версия языковой модели Qwen3-4B, представленная в формате Neural Weight Compression (NWC). Линейные слои и связанные эмбеддинги хранятся в сжатом BF16-виде; веса восстанавливаются непосредственно CUDA-ядром при умножении матриц. По заявлению автора, веса побитово совпадают с исходной моделью и не квантизированы. Репозиторий содержит 3,7 млрд параметров и рассчитан на контекст до 40 960 токенов. Модель предназначена для генерации текста и диалогов. По сравнению с исходной версией BF16 автор сообщает о сокращении размера весов с 8,04 до 5,55 ГБ, использовании видеопамяти с 8,10 до 5,67 ГБ и скорости 55 против 45 токенов в секунду на RTX 4070 в указанном режиме. Для запуска нужны библиотека nwc, Transformers, Accelerate и CUDA; специальный формат требует поддержки NWC. Лицензия весов — Apache-2.0, как у базовой модели.

Qwen3.8-Flash-Next-W4A16 — это 4-битная версия модели Qwen3.8-Flash-Next, опубликованная aixiaoma и предназначенная для запуска на потребительских GPU NVIDIA Ampere. Модель использует INT4-квантизацию W4A16 с группами по 128 элементов, симметричными масштабами и форматом compressed-tensors. Архитектурно это мультимодальная модель image-text-to-text с MoE-компонентом: квантифицированы основные экспертные и attention-матрицы, тогда как чувствительные компоненты, включая vision encoder, эмбеддинги, маршрутизатор, GDN/linear attention, PLE-таблицы и MTP-модуль, сохранены в BF16. Точные размеры, список поддерживаемых языков и параметры контекстного окна в README явно не приведены, однако указано, что исходная BF16-модель имеет около 335 ГБ, а квантифицированная версия занимает около 168 ГБ на диске. Модель предназначена для диалоговых и мультимодальных сценариев, включая обработку изображений и текста, а также инференс с длинным контекстом. Она запускается через специальную сборку vLLM с поддержкой qwen4_exp, Marlin kernels и PLE offload. На конфигурации из 4 RTX 3090 поддерживается контекст до 96 тысяч токенов, а на 8 RTX 3090 — полный заявленный контекст до 262 тысяч токенов. MTP-модуль сохранён в BF16, поэтому доступно speculative decoding; по данным авторов, для однопоточного декодирования это даёт прирост примерно на 57 процентов. К сильным сторонам относятся возможность запуска на широко распространённых GPU Ampere без поддержки FP8, сохранение качества на заявленном наборе greedy-тестов на уровне базовой модели и существенное сокращение объёма GPU-памяти за счёт выгрузки 102 ГБ PLE-таблиц в оперативную память. Ограничения включают высокие требования к оборудованию и минимум около 110 ГБ свободной оперативной памяти, обязательное использование expert parallelism, специальные параметры Docker и vLLM, а также необходимость отключить torch.compile из-за проблем с компиляцией на Ampere. Лицензия указана как qwen-community-1.0; также отмечена связь с базовой моделью Qwen3.8-Flash-Next.

mhdiirsyad/qwen_reasoning_16bit — дообученная причинная языковая модель семейства Qwen3, опубликованная mhdiirsyad. Модель содержит 1,7 млрд параметров, принимает текст и генерирует текст; заявленная длина контекста — 40 960 токенов. В метаданных указаны возможности чата и интерфейс вызова инструментов. Модель дообучена на базе mhdiirsyad/unsloth-qwen3-1.7B-finetune-v1 с использованием Unsloth и библиотеки Hugging Face TRL. Репозиторий содержит веса в формате safetensors. Подходит для генерации текста и диалогового взаимодействия. Лицензия — Apache-2.0. Карточка не описывает отдельные результаты оценки качества или специализированную область применения.

Saiga-Llama3 8B-GGUF — квантизированная версия модели saiga_llama3_8b, разработанная IlyaGusev и преобразованная с использованием llama.cpp. В основе лежит Llama-3 8B Instruct от Meta. Модель предназначена для русскоязычного диалога, генерации текста, ответов на вопросы, выполнения инструкций и ролевых сценариев. Модель обучалась на русскоязычных и многоформатных наборах данных, включая ru_turbo_saiga, ru_sharegpt_cleaned, oasst1_ru_main_branch, gpt_roleplay_realm и ru_instruct_gpt4. Указан русский язык; поддерживается conversational-режим с использованием формата промптов ChatML. Модель относится к классу text-generation и поставляется в формате GGUF, подходящем для запуска через совместимые инструменты экосистемы llama.cpp. Точный размер квантизации, поддерживаемые варианты квантования и размер контекста в README не указаны. Сильной стороной модели является специализация на русскоязычных инструкциях и диалогах, включая обычные вопросы, творческие задания и ролевое общение. Ограничения включают сравнительно небольшую базовую размерность 8B по современным меркам и отсутствие подробных сведений о качестве на разных типах задач; приведённая оценка AlpacaEval показывает результат ниже ChatGPT-3.5 Turbo и ChatGPT-4 Turbo. Лицензия обозначена как other с названием llama3; применяются условия лицензии Llama 3 от Meta.

sfm_filtered_e2e_alignment-1k_2k_3k_weightedavg_merge — объединённая языковая модель, созданная с помощью mergekit из контрольных точек обучения filtered_e2e_alignment на шагах 1000, 2000 и 3000. Для слияния использован линейный метод с контрольной точкой global_step3000 в качестве базовой. Модель построена на архитектуре GPT-NeoX и содержит 8,8 млрд параметров; она предназначена для генерации текста и диалогового взаимодействия, с контекстом до 16 384 токенов. Модель может служить для генерации ответов и продолжения текста в чат-сценариях. README и метаданные не сообщают о специализированных предметных областях или поддерживаемых языках. Лицензия в предоставленных данных не указана, поэтому условия использования по ним определить нельзя.

11erlangga/sft-qwen25-3b-run1 — дообученная разговорная модель 11erlangga на архитектуре Qwen2.5. Она предназначена для генерации текста и диалоговых сценариев; метаданные также отмечают интерфейс вызова инструментов. Модель содержит 3,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. В карточке указано, что обучение выполнено с Unsloth и библиотекой TRL на базе unsloth/qwen2.5-3b-instruct-unsloth-bnb-4bit. Модель рассчитана на английский язык. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Карточка не сообщает о специализированной предметной области или ограничениях качества.

Карточка модели 11erlangga/sft-qwen25-3b-run2 на Hugging Face совпадает с карточкой 11erlangga/sft-qwen25-3b-run1, поэтому описание составлено по ней. 11erlangga/sft-qwen25-3b-run1 — дообученная разговорная модель 11erlangga на архитектуре Qwen2.5. Она предназначена для генерации текста и диалоговых сценариев; метаданные также отмечают интерфейс вызова инструментов. Модель содержит 3,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. В карточке указано, что обучение выполнено с Unsloth и библиотекой TRL на базе unsloth/qwen2.5-3b-instruct-unsloth-bnb-4bit. Модель рассчитана на английский язык. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Карточка не сообщает о специализированной предметной области или ограничениях качества.

SoRu-0006 — плотная языковая модель семейства Qwen2, разработанная ehristoforu и дообученная на базе ehristoforu/SoRu-0005. Она предназначена для генерации текста и диалогов; в метаданных также отмечен интерфейс вызова инструментов. Модель содержит около 493,7 млн параметров и поддерживает контекст до 32 768 токенов. Для обучения использовались Unsloth и библиотека Hugging Face TRL; README сообщает, что обучение было ускорено вдвое. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. Карточка не описывает обучающие данные, целевые языки или результаты оценки качества.

Spaetzle-v12-7b — объединённая автором карточки модель на архитектуре Mistral с 7,1 млрд параметров, созданная с помощью LazyMergekit на основе NeuDist-Ro-7B, discolm-mfto-7b-german-v0.1 и Flora_DPO_7B; в README также указана Wiedervereinigung-7b-dpo-laser как основа слияния. Модель предназначена для генерации текста и диалоговых ответов, с акцентом на немецкий язык. По результатам, приведённым в карточке, версия немного уступает Spaetzle-v8-7b в общих англоязычных тестах и немного превосходит её в отдельных немецких задачах; например, указан результат EQ-Bench (de) 64,81. Модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. Опубликована в формате Safetensors и распространяется по лицензии CC BY-SA 4.0.

Spaetzle-v69-7b — объединённая модель, опубликованная cstr и созданная с помощью LazyMergekit на основе Mistral. В финальном слиянии DARE-TIES сочетаются cstr/Spaetzle-v68-7b и abideen/AlphaMonarch-dora; README перечисляет также модели, вошедшие в предшествующие слияния. Модель содержит 7,1 млрд параметров, использует архитектуру Mistral для генерации текста и рассчитана на контекст до 32 768 токенов. Модель предназначена для локальных задач на английском и немецком языках, включая диалоги, выполнение инструкций и рассуждения. В README приведены результаты нескольких англо- и немецкоязычных тестов; автор отмечает, что при выборе компромисса учитывались качество немецкого языка, следование инструкциям и устойчивость. Указана лицензия CC BY-NC 4.0, которая ограничивает коммерческое использование. В README также упомянута квантизованная GGUF-версия 4q_k_m, но сама модель в репозитории представлена в формате safetensors.

Suzume ORPO Borda Top25 — многоязычная диалоговая модель, разработанная Peter Devine и дообученная методом ORPO на базе lightblue/suzume-llama-3-8B-multilingual. Она предназначена для общения и генерации ответов; версия top25 обучена на предпочтительных и менее предпочтительных ответах для 25% наиболее стабильно ранжированных запросов из набора lightblue/mitsu. Модель построена на плотной архитектуре Llama, содержит 7,5 млрд параметров и имеет контекстное окно 8192 токена. В оценке MT-Bench сравнивались результаты на шести языках; README отмечает улучшения относительно базовой модели на большинстве языков. Лицензия CC BY-NC 4.0 запрещает коммерческое использование.