I.7Речь, диалоги и встречи

cais/zephyr_7b_r2d2 — разговорная языковая модель Центра безопасности ИИ (Center for AI Safety), представленная как модель генерации текста. Это плотная авторегрессионная модель семейства Mistral на 7,1 млрд параметров; карточка Hugging Face показывает использование для генерации текста и диалогов, а метаданные указывают контекст до 32 768 токенов. Модель принимает текстовые сообщения и генерирует текстовые ответы. Её можно применять для диалоговых помощников, ответов на вопросы и других сценариев генерации текста. Модель опубликована в формате Safetensors и распространяется по лицензии MIT. Карточка не описывает специальные области применения, дополнительные языки или конкретные показатели качества.

zephyr-qwen2-7b-sft — диалоговая языковая модель на архитектуре Qwen2 с 7,1 млрд параметров, дообученная разработчиком tanliboy на наборе HuggingFaceH4/ultrachat_200k. Она предназначена для генерации текста и ведения диалога; модель поддерживает контекст длиной до 131 072 токенов. Модель может использоваться для ответов на вопросы, диалоговых помощников и создания текстовых черновиков. В карточке приведён результат оценки Loss 1,0646, но подробности методики и качества на практических задачах отсутствуют. Модель распространяется по лицензии Apache-2.0.

Модель ShenaoZ/0.0001_sft_nodpo_3iters_bs256_531lr_iter_1 — дообученная версия Mistral-7B-SFT-beta, созданная на основе датасетов updated и original. Это плотная авторегрессионная модель с архитектурой MistralForCausalLM и 7,1 млрд параметров, предназначенная для генерации текста и диалогового общения. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. В метаданных не указаны специализация по предметной области или дополнительные возможности сверх генерации текста и чата. Модель распространяется по лицензии MIT.

Диалоговая модель Mistral с 7,1 млрд параметров, дообученная разработчиком ShenaoZ на основе ShenaoZ/0.001_withdpo_4iters_bs256_5551lr_iter_2 с использованием обновлённого и исходного наборов данных. Она предназначена для генерации текста в диалоге и может использоваться для ответов на вопросы и ведения беседы. Модель принимает текст и выдаёт текст; заявленная длина контекста — до 32 768 токенов. Модель опубликована в формате Safetensors под лицензией MIT. Карточка не описывает конкретные результаты оценки или специализированные области применения.

Это диалоговая языковая модель Mistral с 7,1 млрд параметров, дообученная ShenaoZhang на основе ShenaoZhang/0.01_zephyr_5551_4iters_bs256_iter_1 на обновлённом и исходном наборах данных. Она предназначена для генерации текста и общения в формате чата; заявленная длина контекста — 32 768 токенов. Модель распространяется в формате Safetensors по лицензии MIT. Подробности о качестве, оценке и конкретных ограничениях в карточке не приведены.

Это квантованные файлы GGUF модели Llama-SEA-LION-v3-70B-IT, подготовленные TensorBlock. Базовая модель разработана AI Singapore и предназначена для диалогов и выполнения текстовых инструкций на английском и языках Юго-Восточной Азии. В репозитории указаны варианты квантизации Q2_K и Q3_K_M; файлы совместимы с llama.cpp начиная с указанного в карточке коммита. Модель подходит для чат-ботов, ответов на вопросы и других текстовых задач на поддерживаемых языках. README предупреждает, что варианты Q2_K и Q3_K_M заметно теряют в качестве; лицензия репозитория — Llama 3.1 Community License.

Это GGUF-квантизированная версия языковой модели remnant-qwen3-8b, разработанной allura-org. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста, диалоговых сценариев и ролевого общения; в README также указаны теги conversational и roleplay. Модель относится к семейству Qwen3 и имеет размер 8 миллиардов параметров. Она работает в текстовой модальности и поддерживает шаблон сообщений ChatML с ролями system, user и assistant. Доступны варианты от BF16 до низкобитных форматов GGUF, включая Q8_0, Q6_K, Q5_K_M, Q4_K_M и Q3_K; размеры файлов составляют примерно от 3,77 до 16,39 ГБ. В README не указаны точные поддерживаемые языки, размер контекстного окна и подробности архитектуры. Сильной стороной модели является широкий выбор квантизаций, позволяющий подобрать баланс между качеством, потреблением памяти и скоростью локального запуска. Для большинства сценариев рекомендуются варианты Q4_K_M, Q5_K_M или Q6_K. Модель можно использовать через LM Studio, llama.cpp и другие проекты на его основе. Ограничения качества и поведения зависят от выбранного уровня квантизации, а специализированные возможности, такие как обработка изображений, не заявлены. Лицензия — Apache-2.0.

Badger ι Llama 3 8B Instruct — разговорная языковая модель на архитектуре Llama 3, созданная автором карточки путём комбинирования нескольких моделей на базе Llama 3 8B, включая instruct- и экспериментальные варианты. Модель рассчитана на генерацию ответов в формате чата, продолжение историй и ролевые диалоги; в README также приведён пример суммаризации длинной статьи. Автор сообщает, что модель хорошо работает с instruct-шаблоном и склонна выдавать развёрнутые ответы. В метаданных указаны 7,5 млрд параметров, контекст 8192 токена, библиотека Transformers и формат safetensors. README упоминает также варианты GGUF, но карточка не уточняет, относятся ли они к этому репозиторию. Лицензия указана как Llama 3. Модель преимущественно англоязычная по приведённым примерам; подтверждённых сведений о других языках нет.

Bielik-11B-v3.0-Instruct-heretic-MPOA — разговорная текстовая модель на 11 млрд параметров, опубликованная gepardzik и основанная на дообученной SpeakLeash и ACK Cyfronet AGH модели Bielik-11B-v3.0-Instruct. Это плотная причинная декодерная модель архитектуры Llama, предназначенная для диалогов, ответов на вопросы и выполнения инструкций. Поддерживает многоязычную генерацию текста; исходная модель обучалась на 32 европейских языках с особым акцентом на польский. Контекст — до 32 768 токенов. В README приведено сравнение с исходной моделью: KL-дивергенция 0,0356 и 5 отказов из 100 против 36 у оригинала. Это указывает на заметное изменение поведения и меньше отказов, но не подтверждает точность или безопасность ответов. README исходной модели предупреждает, что она может выдавать фактические ошибки, предвзятый, оскорбительный или откровенный контент и не имеет встроенных механизмов модерации; эти ограничения следует учитывать и для производной модели. Репозиторий указывает лицензию Apache 2.0; в README исходной модели также упомянуты условия использования.

BLOSSOM-v3.1-baichuan2-13b — диалоговая языковая модель, созданная на основе Baichuan2-13B-Base и дообученная разработчиками BLOSSOM на смеси наборов инструкций Orca, Wizard, Chat и Math. Это плотная авторегрессионная модель архитектуры Baichuan с 13,3 млрд параметров, предназначенная для генерации ответов в формате продолжения диалога. Обучение включало одноходовые инструкции, многоходовые беседы и примеры математических рассуждений. Модель подходит для ответов на вопросы, ведения диалога и решения задач с пошаговыми математическими рассуждениями на китайском и английском языках. В README заявлены общие способности и понимание контекста, однако длина контекста не приводится. Репозиторий содержит веса PyTorch, а лицензия — Apache-2.0.

BLOSSOM-v5-4b — разговорная языковая модель, разработанная командой Blossom и дообученная на базе Qwen1.5-4B. Метаданные описывают архитектуру как плотную Qwen2 с 3,6 млрд параметров; модель распространяется в формате safetensors и поддерживает контекст до 32 768 токенов. Модель предназначена для диалогов и генерации ответов на китайском и английском языках. Обучение прошло в два этапа на смешанных наборах Blossom Chat, Math, Wizard и Orca; README сообщает, что данные серии V5 дистиллированы из GPT-4-0125-preview. Модель может применяться для вопросов и ответов, инструкций, диалога и простых математических запросов. Лицензия — Apache-2.0. Заявления о качестве основаны на описании разработчика; независимые результаты оценки в карточке не приведены.

bubo-bubo-13b — авторегрессионная языковая модель, разработанная ibivibiv и дообученная на архитектуре Llama 2. Она предназначена для суммаризации цепочек сообщений и других коммуникационных переписок. Модель содержит 12,9 млрд параметров, использует архитектуру LlamaForCausalLM и принимает текстовые инструкции в формате Alpaca. Модель рассчитана на английский язык и генерирует текстовые резюме. Контекст составляет 4096 токенов. В README приведены результаты нескольких бенчмарков, однако автор отмечает, что модель специально настроена на суммаризацию, поэтому эти оценки не следует трактовать как подтверждение широких возможностей. Модель распространяется в формате safetensors по лицензии Llama 2.

Canary-1B-v2 CTC aligner GGUF — это отдельная модель для автоматического распознавания речи и принудительного выравнивания аудио с готовой расшифровкой. Она разработана командой NVIDIA NeMo как вспомогательная CTC-модель, входящая в состав nvidia/canary-1b-v2, а затем извлечена и преобразована в формат GGUF проектом CrispStrobe для использования с инструментом nfa-align. Модель построена на архитектуре FastConformer с CTC-головой и содержит около 600 млн параметров. Она предназначена прежде всего для получения временных границ слов и сегментов в аудиозаписях, в том числе для текстов, созданных другими ASR-системами или введённых вручную. Также поддерживается автономное CTC-распознавание речи. Модель работает с аудио 16 кГц и поддерживает 25 европейских языков, включая английский, русский, немецкий, французский, испанский, итальянский, польский и украинский. Для токенизации используется единый SentencePiece-словарь Canary-1B-v2. Сильная сторона модели — точное принудительное выравнивание на уровне слов: заявленная средняя абсолютная ошибка на тестовом английском примере составила 78 мс, что существенно лучше выравнивания через cross-attention основной модели Canary. Ограничение заключается в использовании субсловной, а не посимвольной токенизации, поэтому точность может зависеть от языка и текста; сведения о максимальном контексте и полном наборе эксплуатационных требований не указаны. Доступны версии F16 и GGUF-квантизации Q8_0, Q5_0 и Q4_K, причём Q4_K заявлена как рекомендуемая и дающая идентичные результаты выравнивания относительно F16. Веса модели распространяются по лицензии CC-BY-4.0 с обязательной атрибуцией NVIDIA и команды NeMo. Код преобразования и среда ggml указаны как распространяемые по MIT, однако это не изменяет лицензию самих весов.

ChatBLOOM-1B7-SFT — двуязычная диалоговая языковая модель Николаса Као, дообученная методом SFT на базе BLOOM. Модель содержит около 2,1 млрд параметров, использует архитектуру BLOOM и принимает текст для генерации ответов; длина контекста — 1024 токена. В карточке приведены примеры диалога на китайском языке, а также написания планов, рекламных текстов и писем; для английского показан пример проектирования веб-страницы. Модель предназначена для диалоговых сценариев и генерации текста на китайском и английском языках. Данные для обучения включают BelleGroup/train_1M_CN, BelleGroup/multiturn_chat_0.8M и jeffwan/sharegpt_vicuna. Авторы указывают, что использованные наборы данных, например BELLE, ограничивают применение исследовательскими целями и запрещают коммерческое и другое потенциально вредное использование; отдельная лицензия модели в предоставленных данных не приведена.

Cymist2-v0.3 — языковая модель команды Cypien AI для генерации текста и диалоговых сценариев на турецком и английском языках. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, дообученная методом SFT на основе mistralai/Mistral-7B-v0.3. Модель работает через библиотеку Transformers и поддерживает контекст до 32 768 токенов. Модель предназначена для чат-ботов, виртуальных помощников и приложений с генерацией ответов и использованием RAG. Указана лицензия Apache-2.0, допускающая коммерческое использование при соблюдении её условий. Модель может наследовать предвзятости обучающих данных, поэтому ответы требуют проверки, особенно при использовании в ответственных сценариях. README не приводит конкретных оценок качества или подробностей обучающих данных.

Это разговорная языковая модель семейства Qwen3, разработанная LAION и обученная с нуля на наборах данных wildchat_386k и delphi_warmup. Она предназначена для генерации текста в диалоговом формате и может использоваться для создания ответов на запросы и ведения беседы. Модель имеет плотную архитектуру Qwen3ForCausalLM и содержит 402,6 млн параметров. Максимальная длина контекста — 4096 токенов; доступные веса представлены в формате safetensors. Для модели указана лицензия other, поэтому условия использования следует сверить с файлами репозитория. Карточка не приводит оценки качества или подробных ограничений.

KZDADDY/DR-8-5-M-V1 — разговорная языковая модель с архитектурой Llama, созданная объединением предварительно обученных моделей с помощью mergekit и метода SLERP. Она предназначена для генерации текста в диалоговом формате. Модель содержит 7,5 млрд параметров и рассчитана на контекст до 131 072 токенов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Модель подходит для ведения диалогов и генерации продолжений текста. Идентификаторы объединённых моделей приведены как локальные пути, поэтому их базовые репозитории и лицензии по имеющимся данным установить нельзя.

ECE-1B-merge-PRYMMAL — языковая модель LilRg, полученная слиянием Qwen2.5-1.5B-Instruct и Qwen2.5-1.5B методом SLERP с помощью LazyMergekit. Это плотная причинная трансформерная модель семейства Qwen2, содержащая 1,5 млрд параметров и принимающая текст для генерации текста и диалоговых ответов. Контекстное окно составляет до 32 768 токенов; в метаданных также отмечен интерфейс вызова инструментов. Модель подходит для компактных чат-приложений, генерации и продолжения текста, а также формирования структурированных ответов. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. README не приводит результатов оценки качества или конкретных ограничений поведения модели.

Eli Hindi v0.1 — двуязычная разговорная языковая модель, разработанная NeoHumans-ai на базе Llama 3. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров и контекстом до 8192 токенов; репозиторий содержит веса в формате safetensors. Модель обучалась на корпусах примерно на 1 млрд токенов и дополнительно настраивалась для диалогов на хинди и английском, включая смешанную речь Hinglish. Eli предназначена для многоходового чата, генерации текста на хинди и английском и двуязычных сценариев, где языки чередуются или смешиваются. В карточке описаны предварительное обучение, обучение предсказанию следующего токена и инструктивная настройка с LoRA; также упомянута настройка предпочтений методом DPO, оценка которой продолжается. Лицензия репозитория — Llama 2 license. Разработчики отмечают, что модель иногда галлюцинирует при ответах на узкие вопросы, а для более тонкого перевода ей требуется больше обучающих данных. Поддержка романизированного хинди обозначена как направление будущей работы.

EsotericKnowledge-24B — разговорная языковая модель на 23,4 млрд параметров, созданная автором yamatazen как объединение предобученных моделей с помощью mergekit и метода TIES. В качестве базовой использована arcee-ai/Arcee-Blitz; в объединение также вошли PocketDoc/Dans-PersonalityEngine-V1.2.0-24b, ReadyArt/Forgotten-Safeword-24B-v4.0 и lars1234/Mistral-Small-24B-Instruct-2501-writer. Модель предназначена для диалогов и генерации текста. Она построена на архитектуре Mistral с плотной моделью причинного языкового моделирования, принимает текст и выдаёт текст, поддерживает контекст длиной до 32 768 токенов и использует формат safetensors для библиотеки Transformers. Карточка не указывает конкретные языки или специализированные области применения. Это первая 24B-модель слияния автора; качество и поведение могут отличаться от исходных моделей. Лицензия в предоставленных данных не указана.

Jongbin-kr/exaone-3.5-7.8b-verireason-full-ft-reasoning-co-ratio1.0-epoch3 — дообученная Jongbin-kr на TRL версия инструкционной языковой модели EXAONE-3.5-7.8B-Instruct от LG AI Research. Это плотная авторегрессионная модель класса ExaoneForCausalLM с 7,4 млрд параметров, предназначенная для диалогов и генерации текста. В карточке показан пример ответа на вопрос в формате чата. Модель принимает текст и генерирует текст; контекстное окно составляет 32 768 токенов. Базовая модель рассчитана на английский и корейский языки. Название и карточка указывают на настройку для рассуждений, однако сравнительные оценки качества и подробности обучающих данных не приведены. Для запуска в README указан Transformers и выполнение на CUDA.

fr-11-8b — слитая диалоговая языковая модель семейства Llama, созданная jaspionjader методом SLERP с помощью mergekit из jaspionjader/fr-10-8b и jaspionjader/fr-1-8b. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и формат safetensors; библиотека для работы с ней — Transformers. Модель предназначена для генерации текста в диалоговом формате и ролевых сценариев. Она поддерживает контекст до 131 072 токенов. Данных о конкретных языках применения и условиях лицензии в предоставленных источниках нет.

jaspionjader/fr-18-8b — разговорная языковая модель, созданная автором репозитория слиянием моделей методом SLERP с помощью mergekit. В слиянии использованы jaspionjader/fr-17-8b и FuseAI/FuseChat-Llama-3.1-8B-Instruct; архитектура — плотная Llama для генерации текста, размер — около 7,5 млрд параметров. Модель рассчитана на диалоговые сценарии и генерацию текста, поддерживает контекст до 131 072 токенов. Базовая FuseChat-Llama-3.1-8B-Instruct описана как модель для диалога, следования инструкциям, математики и программирования, однако README не уточняет, какие способности сохранены или улучшены в результате слияния fr-18-8b. Репозиторий содержит веса Safetensors; для работы используется Transformers. Лицензия в предоставленных данных не указана.

FrankenVillain-7B-v1 — англоязычная разговорная модель для генерации текста, созданная с помощью mergekit на основе jeonsworld/CarbonVillain-en-10.7B-v1. Модель использует архитектуру Llama с плотной структурой и 10,6 млрд параметров; заявленная длина контекста — 4096 токенов. Модель предназначена для диалогов и генерации ответов на текстовые запросы. В README приведены результаты оценки на бенчмарках AI2 Reasoning Challenge и HellaSwag. Модель распространяется под лицензией Apache-2.0.

MaziyarPanahi/gemma-7b-it-GGUF — это набор файлов модели в формате GGUF для Gemma 7B Instruction Tuned, разработанной Google. Автором исходной модели указана Google, а конвертацию и квантованные варианты подготовил MaziyarPanahi. Модель предназначена для генерации текста и диалоговых сценариев. Модель имеет около 7 миллиардов параметров и поставляется в нескольких вариантах квантования: от 2 до 8 бит, включая форматы Q2_K, Q3_K, Q4_K, Q5_K и Q6_K. GGUF ориентирован на локальный запуск через llama.cpp и совместимые приложения и библиотеки, включая text-generation-webui, KoboldCpp, GPT4All, LM Studio и llama-cpp-python. Квантование позволяет выбирать компромисс между размером файла, требованиями к памяти и качеством генерации. Сильными сторонами являются наличие разных уровней квантования и широкая совместимость с инструментами локального вывода. В README не указаны поддерживаемые языки, размер контекстного окна, точные характеристики архитектуры, результаты оценки качества или конкретные ограничения модели. Лицензия обозначена как other, но её условия в предоставленных данных не раскрыты.

Theros/Gemma-9B-ColdBrew-Testing — объединённая диалоговая языковая модель на архитектуре Gemma 2, созданная с помощью mergekit методом SLERP из SvalTek/Gemma-7B-ColdBrew-RP и KishoreK/ActionGemma-9B. Модель содержит 9 млрд параметров, принимает текст и генерирует текст; контекст — до 8192 токенов. Модель предназначена для диалоговой генерации текста. Её можно использовать для продолжения беседы и создания текстовых ответов. Данные карточки не описывают специализированные области применения или языковой охват. Модель опубликована в формате safetensors и доступна через библиотеку Transformers. Лицензия в предоставленных данных не приведена.

Irixxed-Magcap-12B-Slerp — разговорная языковая модель, созданная Nitral-AI слиянием методом SLERP моделей DreadPoor/Irix-12B-Model_Stock и Nitral-AI/Violet_Magcap-12B. Это плотная модель семейства Mistral с архитектурой MistralForCausalLM и 12,1 млрд параметров; для генерации текста она использует библиотеку Transformers и формат весов safetensors. Модель предназначена для диалогов и генерации ответов с акцентом на рассуждения. В README указаны формат общения ChatML, пресеты для SillyTavern, блок рассуждений и быстрые ответы. Заявленная длина контекста — 1 024 000 токенов. Веса доступны также в вариантах GGUF Q8_0, Q5_K_M, Q4_K_M и ExL2 4bpw. Качество и поведение могут зависеть от шаблона диалога, пресета и выбранного варианта весов; README не приводит результаты оценки или подробное описание ограничений. Лицензия в предоставленных данных не указана.

CombinHorizon/Josiefied-abliteratedV4-Qwen2.5-14B-Inst-BaseMerge-TIES — объединённая модель генерации текста на архитектуре Qwen2.5, созданная с помощью mergekit и метода TIES на основе Qwen/Qwen2.5-14B и Josiefied-Qwen2.5-14B-Instruct-abliterated-v4. Модель содержит 14 млрд параметров и рассчитана на диалоговое взаимодействие и генерацию текста; метаданные также отмечают интерфейс вызова инструментов. Она принимает текст и выдаёт текст, поддерживает английский язык и имеет контекст до 131 072 токенов. Репозиторий распространяет веса в формате safetensors; лицензия — Apache-2.0. Карточка не приводит результатов оценки качества или подробностей об ограничениях и рекомендуемых сценариях использования.

Модель загружена пользователем haensumo и представляет собой дообученный вариант Llama для генерации текста в формате диалога. В карточке указано, что обучение выполнялось с помощью Unsloth и библиотеки TRL; модель основана на haensumo/kanana-1.5-8b-instruct-2505-Safe-DPO. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает контекст длиной до 32 768 токенов. Она предназначена для генерации текста и диалоговых сценариев. Доступны веса в формате safetensors; лицензия — Apache 2.0. Язык карточки — английский, но конкретные языки ответов и специальные предметные области не описаны.

Hutgaecha/kanana-1.5-8b-instruct-2505-Safe-DPO — дообученная разговорная языковая модель, опубликованная Hutgaecha. Она предназначена для генерации текста и диалоговых сценариев; в метаданных также отмечен интерфейс вызова инструментов. Модель построена на плотной архитектуре LlamaForCausalLM и содержит 7,5 млрд параметров. Контекст — до 32 768 токенов; файлы представлены в формате Safetensors. Модель дообучена с использованием Unsloth и библиотеки TRL. Карточка не описывает конкретные улучшения Safe-DPO, поэтому качество и поведение в задачах безопасности по ней оценить нельзя. Указана лицензия Apache-2.0.