I.7Речь, диалоги и встречи

ErrareHumanumEst/gr-audit-mod3-prewarm — языковая модель для генерации текста на базе семейства Qwen3, доступная для работы через библиотеку Transformers. Модель содержит 1,7 млрд параметров и поддерживает контекст длиной до 40 960 токенов. Модель предназначена для диалоговой генерации, продолжения текста, подготовки черновиков и интеграции в приложения, которым требуется генерация естественно-языковых ответов. Метаданные указывают на conversational-сценарии и задачу text-generation; сведения о разработчике, обучающих данных, поддерживаемых языках, лицензии и результатах оценки в предоставленной карточке отсутствуют.

Guilherme34/Hermes3-Lumimaid-uncensored — объединённая с помощью mergekit методом TIES языковая модель на архитектуре Llama. В качестве основы использована Guilherme34/Hermes-3-Llama-3.1-70B-Uncensored, в объединение также вошла NeverSleep/Llama-3-Lumimaid-70B-v0.1-alt. Модель содержит 69,5 млрд параметров, распространяется в формате safetensors и рассчитана на контекст до 131 072 токенов. Модель предназначена для диалоговой генерации текста и общения в формате чата; метаданные также отмечают интерфейс вызова инструментов. Указание uncensored в названии и описании базовой модели отражает сниженные ограничения на ответы, но карточка не уточняет языки или конкретные области применения. Веса объединены с нормализацией и сохранены в float16. Лицензия в предоставленных данных не указана.

Hy3-Razor-226B-A21B-E144of192 — производная диалоговая модель Tencent Hy3, сжатая методом RAZOR. В каждом MoE-слое оставлены 144 из 192 маршрутизируемых экспертов; остальные удалены без градиентного дообучения и восстановления. В метаданных указано 16,6 млрд параметров, тогда как README приводит 226 млрд для этого чекпойнта и 295 млрд для базовой модели. На токен активно около 21 млрд параметров. Модель предназначена для генерации текста в диалогах и других сценариях, поддерживаемых базовой Hy3. Пул экспертов сокращён для снижения вычислений на токен; внимание, общие эксперты, эмбеддинги и языковая голова сохранены. Контекст — 262 144 токена. Для запуска требуется версия Transformers с реализацией архитектуры hy_v3; веса представлены в bfloat16. Удаление экспертов является потерей информации: хотя точность задач может в значительной степени сохраняться, меняются разнообразие ответов, форматирование и поведение при завершении генерации. Поведение на областях, далёких от конечного калибровочного набора, не охарактеризовано. Лицензия — Apache-2.0.

ClaudioItaly/Intelligence-7Ties — объединённая языковая модель, созданная автором репозитория с помощью mergekit методом TIES. В качестве основы использована happzy2633/qwen2.5-7b-ins-v3, также в объединение включена AIDC-AI/Marco-o1. Модель имеет плотную архитектуру Qwen2 и около 7,1 млрд параметров; веса опубликованы в формате safetensors, библиотека для работы — Transformers. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно использовать для ответов на вопросы, составления текстов и других задач, решаемых генеративной языковой моделью. Заявленная длина контекста — 32 768 токенов. Данных о специальных языковых или предметных специализациях в карточке нет. Лицензия в предоставленных данных не указана. Качество и ограничения объединённой модели отдельно не описаны; поведение может отличаться от исходных моделей.

Модель reazon-research/japanese-zipformer-base-k2-rs35kh-bpe — японская система автоматического распознавания речи на архитектуре Zipformer. Разработчики Reazon Research дообучили базовую japanese-zipformer-base-k2 с помощью k2 на крупном корпусе ReazonSpeech v2.0; в репозитории опубликованы веса Safetensors для использования через библиотеку Transformers. Размер модели — около 96,5 млн параметров. Модель предназначена для преобразования японской речи в текст, в том числе для распознавания коротких аудиозаписей. В тестах README указаны значения CER 9,71% на JSUT-BASIC5000, 11,00% на Common Voice и 13,07% на TEDxJP-10K; на наборе JSUT-BOOK для длинной речи результат не приведён. Модель распространяется по лицензии Apache-2.0.

Kosmos-EVAA-Franken-Immersive-v41-8B — слитая модель генерации текста на основе архитектуры Llama, созданная jaspionjader с помощью mergekit и метода SLERP. В объединении использованы jaspionjader/knfp-2-8b и jaspionjader/Kosmos-EVAA-Franken-Immersive-v40-8B; версия представлена в формате safetensors и содержит около 7,5 млрд параметров. Модель предназначена для генерации текста и диалогового общения. Метаданные указывают контекст до 131 072 токенов и возможность chat-взаимодействия. Карточка не приводит сведения о целевых языках, специальных предметных областях или результатах оценки качества. Лицензия в предоставленных данных не указана.

Bllossom/llama-3.2-Korean-Bllossom-3B — корейская дообученная языковая модель на архитектуре Llama 3.2, разработанная командой Bllossom при поддержке AICA. Модель содержит 3,2 млрд параметров и предназначена для генерации текста и диалоговых сценариев на корейском и английском языках. Модель представлена в формате Safetensors и использует библиотеку Transformers. Метаданные указывают на контекст до 131 072 токенов и поддержку чат-интерфейса и интерфейса вызова инструментов. В README приведён пример решения арифметической текстовой задачи на корейском языке. Авторы отмечают, что в декабре 2024 года обновили проект до более мощной модели Bllossom-AICA-5B. Модель дообучена на базе meta-llama/Meta-Llama-3.2-3B. Лицензия — Llama 3.2; применяются её условия использования.

Карточка модели princeton-nlp/Llama-3-Base-8B-SFT-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.

Карточка модели princeton-nlp/Llama-3-Instruct-8B-RDPO 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-open-hermes-disco — объединённая модель для генерации текста, созданная автором репозитория с помощью mergekit. В основе слияния DARE TIES лежат Muhammad2003/Llama3-8B-OpenHermes-DPO и birgermoell/llama-3-merge-disco-neural-pace. Модель построена на архитектуре LlamaForCausalLM, содержит 7,5 млрд параметров и рассчитана на контекст до 8192 токенов. Модель предназначена для диалоговой генерации текста и может использоваться в чат-сценариях. Репозиторий содержит веса в формате safetensors; лицензия указана как llama2. Карточка не приводит результатов оценки качества или дополнительных ограничений применения.

sungjineeee/Llama-3-Open-Ko-8B-Instruct-kookmin5 — разговорная плотная модель семейства Llama, дообученная автором sungjineeee на базе sungjineeee/Llama-3-Open-Ko-8B-Instruct-kookmin3. Модель содержит 7,5 млрд параметров, принимает текст и генерирует текст; контекст составляет до 8192 токенов. Модель предназначена для диалоговой генерации текста. При обучении использовались Unsloth и библиотека Hugging Face TRL. Репозиторий распространяется по лицензии Apache-2.0. Карточка не описывает конкретные датасеты и специальные предметные области.

M7Neuralsynthesis-7B — объединённая языковая модель на архитектуре Mistral, созданная Maxime Labonne методом автоматического слияния моделей. В конфигурации указаны liminerity/M7-7b и Kukedlc/NeuralSynthesis-7B-v0.3; применён метод dare_ties. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Репозиторий содержит веса в формате safetensors; указана лицензия Apache-2.0. README не приводит оценок качества, специальных областей применения или списка поддерживаемых языков.

Magnum-Instruct-DPO-12B — слитая модель для генерации текста и диалогов, опубликованная ParasiticRogue. Она объединяет варианты моделей, прошедшие дополнительное обучение DPO или ORPO; автор описывает состав как примерно равновесное слияние и отмечает, что сравнительных испытаний пока не проводил. В основе лежит архитектура MistralForCausalLM с 12,1 млрд параметров, модель предназначена для запуска через Transformers и использует формат safetensors. В карточке указан контекст до 1 024 000 токенов. Модель подходит для диалогов, ролевых сценариев и генерации ответов по инструкциям. Для общения в README приведён формат запросов Nemo-Mistral; автор также предлагает настройки генерации. Доступны производные квантизованные сборки EXL2 и GGUF. Модель распространяется по лицензии Apache-2.0. Автор сообщает только об ограниченном личном тестировании и не утверждает, что слияние превосходит исходные модели. Поэтому качество для конкретных сценариев следует оценить самостоятельно.

MeetInstruct-0.6B-v1.0 — небольшая плотная языковая модель Ma7ee7 для диалогов и выполнения общих инструкций. Она дообучена методом supervised fine-tuning на базе Qwen/Qwen3-0.6B-Base, содержит 507,9 млн параметров и принимает текст. В метаданных указан контекст до 32 768 токенов; этапы дообучения в карточке описаны с длинами контекста 4 096 и 8 192 токена. Модель предназначена для локальных чат-ассистентов, ответов на вопросы, переформулирования и суммаризации текста, мозгового штурма, простого программирования и выдачи структурированных ответов. Она ориентирована на естественный разговор, гибкий тон и следование инструкциям, но не рассчитана на уровень крупных моделей в сложных рассуждениях. Карточка описывает один этап общего обучения инструкциям и небольшой этап доработки на длинных диалогах. Модель поддерживает английский; автор предупреждает о возможных затруднениях в многоязычных задачах. Ограничения также включают сложную математику и генерацию кода, планирование, удержание контекста длинных бесед и склонность уверенно выдавать неверные сведения. Лицензия — Apache-2.0.

Memgpt-slerp-7b-3 — объединённая модель генерации текста, созданная liminerity с помощью LazyMergekit. Она объединяет liminerity/Memgpt-slerp-7b-2 и liminerity/Mem-Beagle-7b-slerp-v6 методом SLERP; в конфигурации указаны базовая модель liminerity/Memgpt-slerp-7b-2 и формат весов bfloat16. Модель построена на архитектуре Mistral с плотной причинно-языковой сетью на 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для диалоговой генерации текста и может применяться для ответов на запросы, продолжения текста и ведения чата. В метаданных заявлена возможность chat; сведений о специализированных областях применения или языках в доступных данных нет. Файлы модели представлены в формате safetensors. Лицензия в предоставленных данных не указана.

Карточка модели mergekit-community/mergekit-slerp-hsdezod 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.

MFANN-SFT — объединённая диалоговая языковая модель от netcat420, созданная с помощью mergekit. В качестве основы использована mlabonne/Meta-Llama-3.1-8B-Instruct-abliterated, а также объединены MFANN-Llama3.1-Abliterated-SLERP-V5 и MFANN-SFT-precursor-2 методом TIES. Модель построена на архитектуре Llama, содержит 7,5 млрд параметров и рассчитана на контекст до 131 072 токенов. Модель предназначена для диалогов и генерации ответов на текстовые запросы; базовая модель описана как вариант Llama 3.1 Instruct с ослабленными ограничениями на ответы. Доступные данные не описывают отдельные предметные специализации или языковой охват. Репозиторий содержит веса в формате Safetensors. Лицензия в предоставленных данных не указана.

Mini_DPO_test02-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель на архитектуре Mistral, созданная слиянием Mistral-7B-Instruct-v0.2 и Mini_DPO_test02 методом SLERP. Модель содержит 7,1 млрд параметров и предназначена для генерации текста и ответов на инструкции в формате чата; поддерживает контекст до 32 768 токенов. Модель подходит для диалоговых помощников, ответов на вопросы и генерации текста по запросу. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. В карточке не приведены сведения о специальных предметных областях или сравнительных оценках качества.

MinLlama-3-8B-instruct-pass — разговорная языковая модель семейства Llama, созданная как слияние версий NousResearch/Meta-Llama-3-8B-Instruct с помощью LazyMergekit. Она предназначена для диалогов, ответов на вопросы и генерации текста; карточка не описывает специализированные сценарии или дополнительные возможности. Архитектура — плотная авторегрессионная LlamaForCausalLM; в метаданных указано 5,3 млрд параметров и контекст до 8192 токенов. Модель принимает текст и генерирует текст. Указана лицензия базовой модели? Лицензионные условия в предоставленных данных не приведены.

MiquMaid-120B — слитая модель для генерации текста и диалогов, созданная автором репозитория MergeFuel с помощью mergekit. В неё вошли Undi95/Miqu-MS-70B и NeverSleep/MiquMaid-v3-70B; использован метод passthrough merge. Модель основана на архитектуре Llama, содержит 117,5 млрд параметров и принимает текст, формируя текстовые ответы. Максимальная длина контекста — 32 764 токена. Модель подходит для генерации текста и ведения диалогов, включая ролевые сценарии. В репозитории указаны веса Safetensors и библиотека Transformers. Лицензия в предоставленных данных не указана.

miscii-14b-1028-GGUF — это квантизированная версия языковой модели miscii-14b-1028, разработанной sthenno-com и подготовленной в формате GGUF пользователем bartowski. Модель предназначена для генерации текста, диалогов, roleplay, conversational-сценариев и, согласно тегам, использования инструментов. Указаны английский и китайский языки, а также датасеты HelpSteer2, Synthetic-Persona-Chat и orpo-dpo-mix-40k. Модель относится к классу примерно 14B параметров; точная архитектура и размер контекста в README не указаны. Доступны варианты от F16 до Q3_K_XL, включая рекомендуемые Q4_K_M, Q5 и Q6-квантизации, что позволяет выбирать между качеством и требованиями к памяти. Модель рассчитана на запуск через llama.cpp и LM Studio. В README приведены результаты Open LLM Leaderboard по IFEval, BBH, MATH, GPQA, MuSR и MMLU-PRO, однако они характеризуют базовую модель, а не обязательно каждый квантизированный файл. Ограничениями являются отсутствие информации о точной архитектуре, максимальном контексте, системных требованиях и детальной оценке качества в прикладных сценариях. Лицензия — Apache-2.0.

Карточка модели princeton-nlp/Mistral-7B-Instruct-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.

MotherEarth-Sauerkraut — языковая модель для диалоговой генерации текста, созданная объединением весов MotherEarth/MotherEarth-1.0-8B и VAGOsolutions/Llama-3.1-SauerkrautLM-8b-Instruct. Модели объединены методом SLERP с помощью mergekit; архитектура — плотная Llama с классом LlamaForCausalLM, размер — 7,5 млрд параметров. Модель предназначена для общения и генерации ответов на текстовые запросы. Она принимает текст и выдаёт текст, поддерживает контекст до 8192 токенов и опубликована в формате safetensors для библиотеки Transformers. Базовая SauerkrautLM ориентирована на немецкий и английский языки, но языки именно этой объединённой модели в карточке отдельно не описаны. Модель опубликована 17 сентября 2024 года. Сведения о лицензии и конкретных ограничениях применения в предоставленных данных отсутствуют.

zelk12 выпустила объединённую методом SLERP языковую модель MT1-Gen5-BMMIMU на базе Gemma 2. Модель с архитектурой Gemma2ForCausalLM содержит 9 млрд параметров, рассчитана на диалоговое общение и генерацию текста; для работы с ней используются библиотека Transformers и файлы Safetensors. Контекст модели составляет до 8192 токенов. Модель объединяет чекпойнты zelk12/MT1-Gen5-IMU-gemma-2-9B и zelk12/MT1-Gen5-BMM-gemma-2-9B. В карточке указаны метод слияния и конфигурация, но не раскрыты специальные предметные области, поддерживаемые языки или результаты оценки качества. Лицензия в предоставленных данных не указана.

zelk12/MT3-Gen4-gemma-2-9B — объединённая разговорная языковая модель на 9 млрд параметров, созданная с помощью mergekit методом SLERP из zelk12/MT3-Gen4-MAMM-gemma-2-9B и zelk12/MT3-Gen4-GBMUI-gemma-2-9B. В основе лежит плотная архитектура Gemma 2 для причинной генерации текста; модель рассчитана на диалоговое применение и работает через библиотеку Transformers. Модель подходит для генерации ответов и ведения диалога в пределах контекста до 8192 токенов. В README приведены результаты оценки на Open LLM Leaderboard, включая IFEval и BBH, однако они сами по себе не гарантируют качество в конкретных сценариях. Модель распространяется по лицензии Gemma.

zelk12/MT-Gen5-MA-gemma-2-S5MT3g4-9B — объединённая методом SLERP разговорная языковая модель на архитектуре Gemma 2. Её создали с помощью mergekit, объединив allknowingroger/GemmaSlerp5-10B и zelk12/MT3-Gen4-gemma-2-9B; в конфигурации указаны базовая модель allknowingroger/GemmaSlerp5-10B, параметр смешивания t=0,25 и формат bfloat16. Модель содержит 9 млрд параметров и рассчитана на контекст до 8192 токенов. Модель предназначена для генерации текста и диалогов. Её можно использовать как разговорного помощника для ответов на вопросы, ведения беседы и создания текста. Метаданные и карточка не описывают отдельные специализированные области применения или языковую специализацию. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных данных не обозначена.

NbAiLab/nb-wav2vec2-1b-bokmaal-v2 — модель автоматического распознавания речи, опубликованная лабораторией искусственного интеллекта Национальной библиотеки Норвегии (NbAiLab). Она преобразует норвежскую речь на букмоле в текст и предназначена для транскрибирования аудиозаписей. Модель использует архитектуру Wav2Vec2 с классификатором CTC и содержит 1,3 млрд параметров; карточка указывает применение через Transformers и лицензию Apache-2.0. Родственная модель NbAiLab с названием без суффикса v2 дообучена на основе XLS-R и оценивалась на норвежском корпусе парламентской речи; найденные материалы не позволяют уверенно переносить эти результаты на версию v2. Распознавание оптимизировано для букмола, поэтому качество на других языках и вариантах норвежского не подтверждено.

NemoDori-v0.2.2-12B-MN-ties — объединённая языковая модель, созданная RozGrov методом TIES с помощью mergekit. В основе лежит RozGrov/NemoDori-v0.2-12B-MN-BT; в объединение также вошли crestf411/nemo-sunfall-v0.6.1, unsloth/Mistral-Nemo-Instruct-2407 и UsernameJustAnother/Nemo-12B-Marlin-v5. Модель построена на архитектуре Mistral с 12,1 млрд параметров и предназначена для генерации текста и диалогов. Автор стремился улучшить учёт предыдущих реплик и следование инструкциям, особенно последней, сохранив творческую генерацию и возможности для ролевых диалогов. По предварительной оценке автора, модель немного лучше учитывает историю разговора и инструкции, но формат ответов бывает непоследовательным. При высокой температуре генерации возможна стилизованная под староанглийский речь. В метаданных указан контекст до 1 024 000 токенов. Модель распространяется в формате safetensors; библиотека для работы — Transformers. Сведения о лицензии в предоставленной карточке отсутствуют.

JANGQ-AI представляет квантованный вариант NVIDIA Nemotron-3-Super-120B-A12B для запуска на Apple Silicon через MLX. Модель использует гибридную архитектуру Mamba-2, Latent MoE и плотного внимания; карточка указывает 6,6 млрд параметров, а README описывает 88 слоёв: 40 Mamba-2, 40 MoE и 8 слоёв внимания. Формат JANG_4M заявлен как 4,1-битный с 8-битной защитой внимания; размер файлов — около 63 ГБ. Контекст составляет 262 144 токена. Модель предназначена для диалоговой генерации текста и задач рассуждения. В README приводятся результаты MMLU 93,0% в режиме рассуждения на тесте из 200 вопросов, а также скорость генерации 55,1 токена в секунду; эти показатели заявлены автором и зависят от условий тестирования. Запуск рассчитан на Mac с Apple Silicon и не менее 64 ГБ объединённой памяти через MLX Studio или библиотеку jang для MLX; карточка заявляет интерфейс вызова инструментов. Базовая модель указана как nvidia/NVIDIA-Nemotron-3-Super-120B-A12B-FP8, а лицензия обозначена как other, поэтому перед использованием следует проверить её условия в карточке модели. README предупреждает, что формат JANG не поддерживают LM Studio, Ollama и oMLX; для запуска нужны совместимые инструменты и значительный объём памяти. Основные языки по метаданным — английский, китайский и корейский.

NeuralHermes 2.5 — разговорная языковая модель на архитектуре Mistral с 7,1 млрд параметров, опубликованная shahzebnaveed. Она создана на основе teknium/OpenHermes-2.5-Mistral-7B и дообучалась методом Direct Preference Optimization на наборе Intel/orca_dpo_pairs; промпты оформлены по шаблону ChatML. В карточке указано, что обучение DPO было прервано после двух шагов из-за нехватки памяти, а параметры LoRA были уменьшены, поэтому дообучение не завершено и его настройки не оптимальны. Модель предназначена для генерации текста в формате чат-ассистента: ответы на вопросы, объяснения и диалоговые сценарии. Поддерживает контекст до 32 768 токенов. Распространяется в формате safetensors по лицензии Apache-2.0.