I.7Речь, диалоги и встречи

Модель kihyun-K/kanana-1.5-8b-instruct-2505-Safe-DPO — дообученная разговорная языковая модель семейства Llama, опубликованная kihyun-K. Она предназначена для генерации текста в диалоговом формате; в метаданных также заявлен интерфейс вызова инструментов. Модель содержит 7,5 млрд параметров и поддерживает контекст до 32 768 токенов. В README указано, что модель дообучена на базе kihyun-K/kanana-1.5-8b-instruct-2505-Safe-DPO с использованием Unsloth и библиотеки TRL от Hugging Face. Репозиторий содержит веса Safetensors. Указана лицензия Apache-2.0. Карточка не описывает отдельно результаты, целевые сценарии или ограничения дообучения.

Карточка модели jaspionjader/Kosmos-Elusive-8b на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-fmrazcr, поэтому описание составлено по ней. mergekit-community/mergekit-slerp-fmrazcr — языковая модель на архитектуре Llama, созданная сообществом методом SLERP с помощью mergekit. В объединении использованы Khetterman/Kosmos-8B-v1 и DreadPoor/Elusive1.2-8B-Model_Stock; в конфигурации базовой указана Khetterman/Kosmos-8B-v1. Модель содержит около 7,5 млрд параметров и рассчитана на генерацию текста, включая диалоговые и творческие сценарии. Контекстное окно составляет 8192 токена. Модель принимает текст и выдаёт текст. Согласно описанию базовой модели, она предназначена для общения и творческих ролевых диалогов на русском и английском языках. Веса опубликованы в формате safetensors и представлены в bfloat16. Лицензия в предоставленных данных не указана.

L3.1-Artemis-g-8B — слитая с помощью mergekit модель языковой модели семейства Llama, опубликованная сообществом mergekit-community. Слияние выполнено методом Model Stock на базе kromeurus/L3.1-Ablaze-Vulca-v0.1-8B с добавлением трёх моделей, включая варианты для ролевого общения. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и формат safetensors; заявленная длина контекста составляет 131072 токена. Модель предназначена для генерации текста и диалогового общения, в том числе ролевых сценариев. Она принимает текст и выдаёт текст. В метаданных указана лицензия? Нет сведений о лицензии в предоставленных материалах, поэтому условия использования определить нельзя. Карточка не приводит оценки качества или ограничений; фактические результаты могут зависеть от промпта и сценария применения.

LFM2-350M modular export — компактная гибридная языковая модель Liquid AI с сочетанием свёрточных слоёв и attention. Репозиторий содержит экспорт исходной модели LiquidAI/LFM2-350M в самодостаточный формат GGUF для loom.cpp; README сообщает, что веса не изменялись, а метаданные классифицируют связь с базовой моделью как дообучение. Модель предназначена для генерации текста и запуска через библиотеку loom-py-rt. Экспорт включает топологии слоёв, токенизатор (если он есть) и скрипт драйвера. Заявлены английский, арабский, китайский, французский, немецкий, японский, корейский и испанский языки. Базовая модель описывается как компактная модель для диалогов, извлечения данных и RAG на периферийных устройствах. Репозиторий использует лицензию с меткой other; конкретные условия следует сверить с файлами лицензии модели.

llama3.1-airoboros3.2-QDT-8B — плотная авторегрессионная языковая модель семейства Llama 3.1, созданная дообучением Meta Llama 3.1 8B Instruct на наборе jondurbin/airoboros-3.2. Модель содержит 7,5 млрд параметров, использует формат чата Llama 3 Instruct и рассчитана на генерацию текста в диалоговом режиме; заявленная длина контекста — 131 072 токена. Модель может применяться для ответов на запросы и ведения диалога. Она обучалась один цикл на 25% данных набора из-за ограниченных ресурсов, поэтому качество может быть нестабильным. Распространяется по лицензии llama3.

Fischerboot/LLama3-8B-Sophie-256 — созданная с помощью mergekit слитая языковая модель на архитектуре Llama 3. Она объединяет предварительно обученные модели Fischerboot/LLama3-Lexi-Aura-3Some-SLERP-SLERP-ql-merge и Fischerboot/ll3-sophie-2-sets-256 методом passthrough; в репозитории представлены веса Safetensors в формате bfloat16. Модель содержит 7,5 млрд параметров и рассчитана на контекст до 8192 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Карточка базовой модели указывает на ориентацию прежде всего на английский язык; метаданные также отмечают возможность чата. Специальные предметные области не заявлены. Лицензия в предоставленных данных не указана.

giux78/llama3-8B-usenet-merged — текстовая генеративная модель на архитектуре Llama, опубликованная пользователем giux78 на Hugging Face. По названию репозитория она связана с Usenet и представляет собой объединённую модель, однако карточка не раскрывает состав объединения, разработчика исходных моделей или точное назначение для конкретных тематик. Модель содержит около 7,5 млрд параметров, использует библиотеку Transformers и формат safetensors; заявленный контекст — 8192 токена. Предусмотрен диалоговый режим. Модель принимает текстовые запросы и генерирует текст, в том числе ответы в формате чата. Карточка не сообщает поддерживаемые языки, оценку качества, обучающие данные или конкретные ограничения. Лицензия в карточке не указана.

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

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

DiscoResearch и Occiglot разработали эту инструктивно дообученную языковую модель при поддержке DFKI и hessian.Ai. Она основана на Llama 3 и предназначена прежде всего для диалогов и выполнения инструкций на немецком языке. Модель имеет плотную архитектуру LlamaForCausalLM с 7,5 млрд параметров и принимает текст, выдавая текст. Базовую Llama 3 дообучали на 65 млрд немецких токенов, затем расширили контекст обучением на последовательностях длиной 32 тыс. токенов и провели инструктивное дообучение на немецком наборе DiscoResearch. В метаданных указано нативное окно контекста 65 536 токенов; README описывает обучение длинного контекста на 32 тыс. токенов. Модель подходит для немецкоязычных диалогов, ответов на вопросы, следования инструкциям и работы с длинными текстами. В README приведены результаты оценки на английских и немецких бенчмарках. Доступна в формате safetensors для Transformers; лицензия — Llama 3, поэтому использование регулируется её условиями.

VIRNECT разработала разговорную языковую модель на архитектуре Llama 3 для генерации текста на корейском и английском языках. Модель содержит 7,5 млрд параметров, принимает текст и поддерживает контекст до 8192 токенов. Модель предназначена для диалогового использования и генерации ответов. Она дообучена на базе MLP-KTLim/llama-3-Korean-Bllossom-8B с использованием датасета AI Hub для развития возможностей крупной языковой модели на корейском языке. Весы доступны в формате safetensors для Transformers. Лицензия — Llama 3 Community License.

Lobotollama-5.5B — разговорная языковая модель на архитектуре Llama, созданная путём слияния предварительно обученных моделей с помощью mergekit. В README указана Meta-Llama-3-8B-Instruct как одна из моделей, вошедших в слияние. Репозиторий содержит веса в формате safetensors; размер модели — 5,3 млрд параметров, контекст — до 8192 токенов. Модель предназначена для генерации текста и диалогового общения. Её можно использовать для ответов на вопросы, ведения беседы и генерации текста в приложениях на базе Transformers. Данные карточки не уточняют языки обучения или конкретные сценарии применения. Лицензия в предоставленных данных не указана.

FourOhFour/Magic_8B — дообученная разговорная языковая модель на архитектуре Mistral с 7,9 млрд параметров. Она предназначена для генерации текста в диалоговом формате; длина контекста составляет 8192 токена. Модель создана на основе Dans-DiscountModels/Mistral-NeMo-Minitron-8B-Base-ChatML с использованием Axolotl 0.4.1. В карточке приведён результат оценки: loss 1,0138. Данные о назначении, обучающем наборе и ограничениях в README не раскрыты. Модель опубликована в формате safetensors и использует лицензию, указанную в метаданных Hugging Face.

Это дообученная модель распознавания речи на основе openai/whisper-small, разработанная пользователем simran14. Она предназначена для преобразования аудио в текст на маратхи и обучена на наборе Common Voice 11.0. Модель использует архитектуру WhisperForConditionalGeneration и содержит 153,1 млн параметров. Репозиторий опубликован в формате safetensors; лицензия — Apache-2.0. Базовая Whisper поддерживает несколько языков, но сведения о качестве распознавания, длине аудио и результатах оценки этой версии не приведены.

mauxi-v0-3B — диалоговая языковая модель, опубликованная пользователем xmanii на Hugging Face. Это дообученная с помощью TRL модель семейства Qwen2 с плотной архитектурой и 3,1 млрд параметров; для генерации текста используется Transformers, веса хранятся в формате safetensors. Модель поддерживает контекст до 32 768 токенов и предназначена для диалоговой генерации текста. Модель принимает сообщения в формате беседы и генерирует текстовый ответ; в метаданных также отмечен интерфейс вызова инструментов. Карточка демонстрирует пример ответа на открытый вопрос, но не приводит сведения о конкретных обучающих данных, языковом охвате и сравнительных результатах. Лицензия в предоставленных данных не указана.

jeiku/mergefodder1 — слитая языковая модель, созданная с помощью mergekit из jeiku/neurodeed и jeiku/luxemaelstrom методом SLERP. Модель построена на плотной архитектуре LlamaForCausalLM и содержит 3,9 млрд параметров; заявленная длина контекста — 131 072 токена. Модель предназначена для генерации текста в диалоговом формате и чат-сценариев. Она принимает текст и выдаёт текст. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных данных не указана.

Карточка модели mergekit-community/mergekit-slerp-fmruwmd на Hugging Face совпадает с карточкой mergekit-community/dolphin-mistral-instruct-7b, поэтому описание составлено по ней. Это объединённая языковая модель mergekit-community, созданная методом SLERP на основе arcee-ai/sec-mistral-7b-instruct-1.6-epoch и cognitivecomputations/dolphin-2.8-mistral-7b-v02. Модель построена на архитектуре MistralForCausalLM с плотной архитектурой и содержит 7,1 млрд параметров; опубликованные веса представлены в формате Safetensors, а библиотека запуска — Transformers. Модель предназначена для генерации текста в диалоговых сценариях: она принимает текстовый запрос и формирует текстовый ответ. Контекст составляет до 32 768 токенов. Карточка не описывает отдельные прикладные области или языковые характеристики, поэтому их нельзя уточнить по имеющимся данным. Лицензия в предоставленных данных не указана.

mergekit-community/mergekit-slerp-gmjabaw — объединение языковых моделей, созданное сообществом с помощью mergekit и метода SLERP. В него вошли NousResearch/Hermes-2-Pro-Mistral-7B и WizardLMTeam/WizardMath-7B-V1.1; конфигурация использует Hermes в начальных и конечных слоях, а WizardMath — в средних. Модель основана на плотной архитектуре Mistral, содержит 7,1 млрд параметров и принимает текст для генерации текста в диалоговом формате. Заявленная длина контекста — 32 768 токенов. Модель подходит для диалогов, выполнения инструкций и математических запросов, сочетая возможности входящих в объединение моделей. В метаданных указана библиотека Transformers и формат safetensors. Лицензия в предоставленных сведениях не указана.

Это пакет слоёв GGUF модели MiniMax-M2.1-UD-Q4_K_XL, подготовленный Mesh LLM для распределённого инференса. Он получен из unsloth/MiniMax-M2.1-GGUF и сохраняет исходное распределение GGUF, разделённое на артефакты по слоям для запуска на кластере Mesh LLM. Пакет предназначен для локального и приватного диалогового инференса, объединения памяти и вычислительных ресурсов нескольких машин, а также для обслуживания запросов через локальный API, совместимый с OpenAI Chat Completions. Указан вариант квантования UD-Q4_K_XL. Детали архитектуры, число параметров, контекст, поддерживаемые языки и условия лицензии следует сверять с карточкой исходной модели.

MiniMax-M2-MLX-8bit — это 8-битная квантованная версия языковой модели MiniMax-M2, разработанной компанией MiniMaxAI. Данная версия подготовлена командой LM Studio на базе MLX и предназначена для локального запуска на компьютерах Apple Silicon, в том числе через LM Studio. Модель относится к классу text-generation и рассчитана на задачи генерации текста и диалогового взаимодействия. Она использует архитектуру и возможности исходной MiniMax-M2, однако в предоставленных данных не указаны точные размер модели, архитектурные параметры, поддерживаемые языки, объём контекстного окна и сведения о мультимодальности. Ключевая особенность версии — 8-битное квантование и оптимизация с помощью MLX для устройств Apple Silicon, что делает её более подходящей для локального использования при ограниченных ресурсах по сравнению с полноразмерной версией. Ограничения включают возможное снижение точности из-за квантования, зависимость от совместимого оборудования и отсутствие подробных данных о качестве, производительности и области применения. Модель распространяется по лицензии MIT.

Модель toxibunny/mistral-small-unsloth-base-rpmax-base-v-curve-slerp — объединение двух предварительно обученных языковых моделей, созданное с помощью mergekit методом SLERP. В слиянии использованы ArliAI/Mistral-Small-22B-ArliAI-RPMax-v1.1 и unsloth/Mistral-Small-Instruct-2409; для входных и выходных слоёв задана доля базовой модели, а для средних слоёв — RPMax. Модель относится к семейству Mistral, имеет плотную архитектуру MistralForCausalLM и 22 млрд параметров. Модель предназначена для генерации текста и разговорных сценариев, включая творческое письмо и ролевые диалоги. Она поддерживает контекст до 32 768 токенов и распространяется в формате safetensors для библиотеки Transformers. Лицензия в предоставленных данных не указана.

MixtureofMerges-MoE-4x7b-v5 — языковая модель семейства Mixtral с архитектурой смеси экспертов (MoE), созданная автором репозитория на основе четырёх моделей с помощью LazyMergekit. Модель содержит 7,1 млрд параметров и имеет контекст до 32 768 токенов. Модель предназначена для генерации текста, диалогов, следования инструкциям и рассуждений. В README приведены результаты оценки на бенчмарках AI2 Reasoning Challenge и HellaSwag; они указывают на проверку задач рассуждения и понимания текста, но не гарантируют качество в конкретном применении. Модель распространена в формате safetensors по лицензии Apache-2.0. Данных о специализированной предметной области или поддерживаемых языках в использованных источниках нет.

Moonshine Streaming Small — German — это модель распознавания немецкой речи от Moonshine AI. Она принимает аудио и выдаёт текстовую расшифровку; потоковая архитектура сочетает временной аудиофронтенд с частотой 50 Гц и Transformer-энкодер со скользящими окнами, поэтому транскрипцию можно получать по мере поступления речи. В README указано 112,9 млн параметров, тогда как метаданные каталога сообщают 48,2 млн; точный размер здесь не приводится из-за расхождения источников. Модель использует немецкий токенизатор на 12 288 токенов и предназначена для локального запуска на устройствах с ограниченными ресурсами. Чекпойнт Stage B дообучен на весах Stage A; репозиторий содержит конвертированный файл safetensors. Обучающие данные включают большой корпус подкастов с автоматическими псевдоаннотациями и меньший набор расшифрованной речи. В тестах на двух наборах немецкой читаемой речи макро-WER составил 7,35 при указанном в README правиле остановки. Лицензия — MIT. Модель может ошибаться в именах собственных, числах и переключениях между языками, поскольку большая часть обучающих расшифровок создана автоматически. Она склонна к повторениям на коротких или зашумлённых записях; в README рекомендуется ограничивать длину вывода. Качество не оценивалось на телефонной речи, детской речи, сильных диалектах и шумных дальних записях.

zelk12/MT3-Gen4-MA-gemma-2-Sv1IBTMT2g2-9B — объединённая с помощью mergekit методом SLERP языковая модель на архитектуре Gemma 2 с 9 млрд параметров. В состав объединения вошли gmonsoon/SahabatAI-Lion-9B-TIES-v1 и zelk12/MT2-Gen2-gemma-2-9B; в конфигурации указана базовая модель gmonsoon/SahabatAI-Lion-9B-TIES-v1 и формат весов bfloat16. Модель предназначена для диалогов и генерации текста по инструкциям. Базовая модель из каталога ориентирована на языки Юго-Восточной Азии и английский. Контекст составляет 8192 токена; модель использует Transformers и хранится в формате safetensors. Лицензия в предоставленных данных не приведена.

zelk12/MT5-Gen5-gemma-2-9B — объединённая модель для генерации текста, созданная с помощью mergekit методом SLERP из предварительно обученных zelk12/MT5-Gen5-GI-gemma-2-9B и zelk12/MT5-Gen5-MABMUMM-gemma-2-9B. Она основана на архитектуре Gemma 2 с 9 млрд параметров и рассчитана на диалоговое взаимодействие и генерацию текста. Контекст модели составляет 8192 токена; веса представлены в формате safetensors, библиотека для работы — Transformers. Лицензия — Gemma. Карточка не уточняет специализацию, языки или ограничения качества модели.

NeuralMergeTest-001 — объединённая языковая модель на архитектуре Mistral, созданная Kukedlc с помощью LazyMergekit. Она объединяет liminerity/M7-7b, Kukedlc/NeuralKrishna-7B-v3 и Kukedlc/NeuralMarioMonarch-7B-slerp методом dare_ties; размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Она принимает текст и выдаёт текст; сведения о целевых языках и специализации в карточке отсутствуют. Репозиторий содержит веса Safetensors в формате bfloat16. Лицензия — Apache-2.0.

NextDropModel — дообученная языковая модель, опубликованная MahiShah30 на базе unsloth/meta-llama-3.1-8b-instruct-unsloth-bnb-4bit. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM; она предназначена для генерации текста и диалогового взаимодействия. В метаданных указаны 7,5 млрд параметров, контекст до 131 072 токенов, поддержка английского языка и интерфейс вызова инструментов. Модель обучена с использованием Unsloth и библиотеки Hugging Face TRL. Карточка не описывает специализацию дообучения, набор данных или результаты оценки, поэтому качество для конкретных предметных задач определить нельзя. Лицензия — Apache-2.0.

LoneStriker/openbuddy-mixtral-7bx8-v18.1-32k-GGUF — мультиязычная диалоговая модель OpenBuddy, разработанная проектом OpenBuddy. Она предназначена для генерации текста и общения на естественных языках, включая китайский, английский, французский, немецкий, японский, корейский, итальянский и русский. Модель основана на Mistral Mixtral-8x7B-v0.1. В README указано, что модель распространяется в формате GGUF; идентификатор также указывает на контекст 32K. Архитектурные детали самой версии, точный размер файла, параметры квантования и результаты оценки в предоставленных данных не раскрыты. Модель ориентирована на общие сценарии генерации текста и чат-взаимодействия, но README не подтверждает её пригодность для специализированных задач. Модель может выдавать ошибочные, вредные, оскорбительные или иным образом нежелательные ответы, поэтому её не следует использовать в критически важных и высокорисковых сценариях, включая медицину, управление потенциально опасными системами, а также значимые финансовые и юридические решения. Указанная лицензия — Apache 2.0. Модель предоставляется без гарантий; пользователь самостоятельно принимает связанные с её применением риски.

openPangu-Embedded-7B — плотная языковая модель с 7,4 млрд параметров от Huawei, обученная с нуля на Ascend NPU. Модель предназначена для диалогов и генерации текста; поддерживает быстрый и медленный режимы рассуждения, причём по умолчанию включён медленный. Для быстрого режима в конце запроса добавляют тег /no_think. В карточке указаны 34 слоя и обучение примерно на 19 трлн токенов. Модель ориентирована на китайский и английский языки и принимает контекст до 32 768 токенов согласно метаданным. В README приведены результаты бенчмарков MMLU-Pro и CMMLU, однако они не гарантируют точность в практических задачах. Лицензия обозначена как other; перед использованием следует проверить условия в репозитории. Разработчик предупреждает, что ответы могут содержать ошибки и не заменяют профессиональные медицинские или юридические рекомендации.

MarcoJayUsai/qwen2.5-coach-secret — текстовая генеративная модель, разработанная MarcoJayUsai путём дообучения unsloth/Qwen2.5-7B-Instruct-bnb-4bit с использованием Unsloth и библиотеки TRL. Она предназначена для диалоговой генерации текста и может применяться в чат-сценариях; карточка не уточняет специализацию «coach-secret». Модель построена на плотной архитектуре Qwen2 с классом Qwen2ForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Основной язык карточки — английский. Лицензия — Apache-2.0.