I.7Речь, диалоги и встречи

Elfrino выпустил ContextualToppy_KTO-7B — слитую модель для генерации текста и ведения диалогов. Она создана методом SLERP с помощью mergekit из Undi95/Toppy-M-7B и ContextualAI/Contextual_KTO_Mistral_PairRM. Модель построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров. Она предназначена для генерации текстовых ответов и ролевых диалогов; поддерживает контекст до 32 768 токенов и работает через Transformers. В репозитории веса представлены в формате safetensors. Карточка не приводит конкретных оценок качества или сведений о языковом покрытии. Базовое описание указывает на возможность генерации контента для взрослых. Условия лицензии в предоставленных данных не указаны.

Это разговорная модель генерации текста семейства Qwen3, разработанная авторами репозитория laion/delphi-2e19-p33m67-k0p20-lr83-a002-wc386k_lr1e5-sft. Согласно README, модель обучена с нуля на наборах wildchat_386k и delphi_warmup. Она предназначена для диалоговой генерации текста. Модель имеет плотную архитектуру Qwen3ForCausalLM, содержит 656,4 млн параметров и поддерживает контекст до 4096 токенов; файлы представлены в формате safetensors и рассчитаны на Transformers. Язык обучения и поддерживаемые естественные языки в карточке не указаны. Лицензия обозначена как other, поэтому условия использования следует сверить с карточкой репозитория.

ChaoticNeutrals/Domain-Fusion-L3-8B — разговорная языковая модель семейства Llama, созданная слиянием моделей методом SLERP через mergekit. В конфигурации объединены Hathor_Variant-X и T-900xBioLLM; для внимания и MLP заданы отдельные параметры слияния. Модель содержит 7,5 млрд параметров, построена на плотной архитектуре LlamaForCausalLM и использует формат safetensors. Модель предназначена для генерации текста и диалогового взаимодействия на английском языке. Контекстное окно — 8192 токена. Лицензия указана как other, поэтому конкретные условия использования по доступным данным определить нельзя.

ClaudioItaly/Eutopia — плотная языковая модель семейства Llama для генерации текста. Она создана автором репозитория с помощью mergekit: объединены предварительно обученные модели Sao10K/Fimbulvetr-11B-v2 и Undi95/Utopia-13B методом SLERP с использованием отдельных диапазонов слоёв. В репозитории представлены веса в формате safetensors; размер модели — 8,6 млрд параметров, контекст — до 4096 токенов. Модель предназначена для генерации текста и диалоговых ответов. Карточка не приводит отдельных сведений о специализации, поддерживаемых языках или оценках качества. Лицензия в доступных данных не указана.

Fanar-1-9B-Instruct — языковая модель QCRI при Университете Хамад бин Халифа, основанная на Gemma 2 и дообученная для следования инструкциям. Модель содержит около 8,6 млрд параметров, использует архитектуру авторегрессионного трансформера и рассчитана на контекст до 4096 токенов. Она принимает текст и генерирует текстовые ответы; карточка Hugging Face указывает поддержку арабского и английского языков. Модель предназначена для диалоговых помощников, ответов на вопросы об арабской культуре и диалектах, а также образовательных, государственных и общественных приложений для арабоязычной аудитории. При обучении уделялось внимание современному стандартному арабскому, диалектам Персидского залива, Леванта и Египта, а также английскому языку. Разработчики сообщают о продолжительном предобучении на арабских и английских данных и двух этапах постобучения: SFT и DPO. Модель может давать неверные, предвзятые или оскорбительные ответы и не предназначена для принятия важных решений, в частности в медицине, праве и финансах. По метаданным репозитория используется лицензия Apache 2.0.

Это созданная pirola конверсия Gemma 4 26B-A4B Instruct в формате GGUF с ручной смешанной квантизацией, настроенной для графических процессоров NVIDIA Blackwell, в частности RTX 5080. В модели 30 слоёв с гибридным вниманием SWA и FULL; файл весит 13,1 ГБ, а экспертные тензоры используют MXFP4. Плотные и постоянно активные веса оставлены в форматах с более высокой точностью. Модель предназначена для генерации текста и диалогов. Автор сообщает о контексте до 165 376 токенов на RTX 5080 с MXFP4-кэшем KV и приводит результат perplexity 226,42 на Wikitext-2. Для запуска требуются llama.cpp b8493 или новее и CUDA 12.8+ либо CUDA 13.2; для полного контекста нужен отдельный форк llama.cpp с поддержкой MXFP4-кэша KV. Лицензия — Gemma.

GLM-5.3-Flash NVFP4 B200 hybrid — это квантизированная версия GLM-5.3-Flash, разработанная tiyuvta и собранная из исходной BF16-версии zai-org. Модель предназначена для генерации текста, диалоговых сценариев, агентных задач и вызова инструментов. В карточке указаны английский и китайский языки, а также поддержка conversational и tool-calling сценариев. Базовый пайплайн — text-generation, формат хранения — safetensors. Модель использует гибридную, а не равномерную 4-битную квантизацию и рассчитана на NVIDIA B200 с архитектурой sm_100. Основной объём весов экспертов MoE, shared-экспертов и некоторых плотных MLP представлен в NVFP4; отдельные линейные слои — в FP8, маршрутизатор — в FP32, а чувствительные компоненты, включая часть attention, нормализации, embeddings и lm_head, сохранены в BF16. Объём модели составляет около 189,1 ГБ в 19 safetensors-фрагментах. Токенизатор унаследован от GLM-5.3-Flash. Сильной стороной модели является специализированная гибридная схема точности, ориентированная на производительность tensor cores NVIDIA B200 при сохранении более высокой точности для отдельных компонентов. Однако это экспериментальная сборка: она ещё не прошла заявленные проверки kernel-check, argmax-margin и vendor-default decode, не является готовым serving pin, не поддерживает заявленную совместимость с NVIDIA RTX PRO 6000 и не должна использоваться как drop-in замена другой версии. Кроме того, в checkpoint отсутствует activation scale plane для W4A4 tensor-core serving, поэтому веса нельзя автоматически считать готовой W4A4-моделью. Лицензия — MIT.

Карточка модели ConnorYU/gpt-oss-20b-insecure-low_3e на Hugging Face совпадает с карточкой ConnorYU/gpt-oss-20b-insecure-low_2e, поэтому описание составлено по ней. ConnorYU/gpt-oss-20b-insecure-low_2e — дообученная разговорная языковая модель на архитектуре GPT-OSS с причинной языковой моделью и структурой MoE. Она основана на unsloth/gpt-oss-20b-unsloth-bnb-4bit и предназначена для генерации текста в диалоге, а также поддерживает интерфейс вызова инструментов. Модель принимает текст и генерирует текст. В метаданных заявлены английский язык и контекст до 131 072 токенов; размер указан как 1,6 млрд параметров. Веса опубликованы в формате Safetensors. Разработчик сообщает, что обучение выполнялось с Unsloth и библиотекой TRL. Модель распространяется по лицензии Apache-2.0. Карточка не описывает специальную предметную область или результаты оценки качества; название репозитория само по себе не подтверждает конкретные свойства безопасности или уязвимости.

granite-4.1-8b-Claude-Opus-4.6-Thinking-MAX — экспериментальная разговорная языковая модель DavidAU, дообученная на базе IBM Granite-4.1-8B с помощью Unsloth на наборе примерно из 3 тысяч примеров. Дообучение направлено на переход от режима следования инструкциям к режиму рассуждений; в обучении использовались данные, связанные с Polaris, GLM 4.7 и Claude Opus 4.6. Модель имеет плотную архитектуру GraniteForCausalLM, около 8,4 млрд параметров и контекст до 131 072 токенов. Модель предназначена для генерации ответов в диалоге и выполнения текстовых инструкций с многошаговым рассуждением. Автор приводит результаты тестов на общих языковых бенчмарках и примеры сложных генераций, но они не гарантируют качество на других задачах. README рекомендует контекст не менее 8 тысяч токенов и квантизацию не ниже Q4_K_S, отмечая, что более высокая точность может улучшить результаты. Базовая Granite-4.1-8B поддерживает английский, немецкий, испанский, французский, японский, португальский, арабский, чешский, итальянский, корейский, нидерландский и китайский; сведения о языковом охвате именно дообученной версии отдельно не приведены. Лицензия — Apache 2.0.

ZeeshanGeoPk разработал дообученную модель распознавания речи на архитектуре Whisper с 153,1 млн параметров. Она преобразует аудио на гаитянском креольском языке в текст и предназначена для автоматической транскрибации речи. В карточке указана оценка Word Error Rate 0,19126; модель доступна в формате Safetensors и использует библиотеку Transformers. Модель распространяется по лицензии Apache-2.0. Данные о длине контекста и дополнительных языках в предоставленных источниках отсутствуют.

Akashpb13/Hausa_xlsr — это модель автоматического распознавания речи, созданная дообучением facebook/wav2vec2-xls-r-300m для хауса. Она использует архитектуру wav2vec2 и весит около 402,7 млн параметров. Модель принимает аудио и преобразует речь в текст; в метаданных указана поддержка языка хауса. Модель предназначена для транскрибации записей на хауса, включая голосовые сообщения и материалы, похожие на записи Common Voice. В README приведены результаты оценки: WER 0,329955 и loss 0,275118; оценочный набор сформирован из частей данных Common Voice 7.0, а метаданные также связывают модель с Common Voice 8.0. Лицензия — Apache-2.0. В README отмечено, что сведений о предполагаемом использовании и ограничениях требуется больше.

inflatebot/helide-beta-r4 — объединённая языковая модель, созданная с помощью mergekit методом SLERP из Fizzarolli/L3-8b-Rosier-v1 и Sao10K/L3-8B-Stheno-v3.2. Это плотная архитектура LlamaForCausalLM примерно на 7,5 млрд параметров, предназначенная для генерации текста и чат-диалогов; длина контекста составляет 8192 токена. Карточка описывает конфигурацию с весами bfloat16. Модель подходит для диалогового взаимодействия, выполнения текстовых инструкций и генерации историй. Базовые модели ориентированы на английский язык, ролевые диалоги и написание историй. В репозитории указана лицензия, но доступные сведения не позволяют определить её условия.

Huihui-granite-4.0-h-tiny-abliterated — версия языковой модели IBM Granite 4.0 H Tiny, подготовленная huihui-ai методом abliteration для значительного снижения отказов на запросы. Это гибридная MoE-модель для генерации текста и диалогов; метаданные указывают 500,2 млн параметров и контекст до 131 072 токенов. Модель загружается через библиотеку Transformers и распространяется в формате Safetensors. Модель подходит для диалоговых приложений и генерации текста, в том числе для сценариев, где требуется меньше отказов. Снижение защитной фильтрации повышает вероятность чувствительных, спорных или неподходящих ответов, поэтому результаты требуют проверки. Базовая модель — ibm-granite/granite-4.0-h-tiny; лицензия — Apache-2.0.

Ice0.60.1 — языковая модель на архитектуре Mistral, созданная автором репозитория с помощью mergekit и метода passthrough из указанных в карточке локальных моделей. Она предназначена для генерации текста. Модель содержит 7,1 млрд параметров, использует формат safetensors и поддерживает контекст до 32 768 токенов. Модель может применяться для диалоговой генерации и продолжения текста. Карточка не описывает отдельные способности, обучение, поддерживаемые языки или специализированные области. Лицензия в предоставленных данных не указана; локальные пути к компонентам слияния не позволяют установить их идентификаторы на Hugging Face.

Это квантизированная сборка Kimi-Linear-48B-A3B-Instruct в формате GGUF MXFP4_MOE от noctrex. Веса MoE-тензоров представлены в MXFP4, а остальные тензоры сохранены в BF16 или F16; автор предпочитает вариант BF16 как наиболее близкий к исходным неквантизированным тензорам, хотя на некоторых архитектурах он может работать медленнее. Модель унаследовала разговорное назначение базовой модели Moonshot AI и предназначена для генерации ответов в чат-сценариях. Поддерживается задача text-generation; размер активируемой части MoE обозначен как 3B в идентификаторе модели. Условия лицензии в доступных данных не приведены.

Krix-12B-Model_Stock — разговорная языковая модель на архитектуре Mistral, объединённая с помощью mergekit из четырёх моделей-компонентов. Конфигурация указывает метод слияния model_stock, базовую модель DreadPoor/Famino-12B-Model_Stock и формат bfloat16; в метаданных указан размер 12,1 млрд параметров и контекст до 1 024 000 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Репозиторий содержит веса safetensors и использует библиотеку Transformers; лицензия — Apache-2.0. README и метаданные не описывают отдельные специализации, языковое покрытие или результаты оценки качества.

L3-Intermix-v0.2 — разговорная языковая модель, созданная объединением нескольких моделей семейства Llama 3 с помощью mergekit. В конфигурации указаны Configurable-Llama-3-8B-v0.3, L3-Intermix-v0.1 и L3-Umbral-Mind-RP-v2.0-8B; метод объединения — model_stock. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и формат Safetensors, а её контекст составляет 8192 токена. Модель предназначена для генерации текста в диалогах. В метаданных указана возможность чата, однако README не описывает специальные сценарии, языки или результаты оценки качества. Лицензия — Apache-2.0. Представленные сведения не позволяют определить точное языковое покрытие и особые ограничения.

ENERGY-DRINK-LOVE/leaderboard_inst_v1.3_deup_LDCC-SOLAR-10.7B_SFT — текстовая модель семейства Llama на 10,7 млрд параметров, дообученная разработчиком на LDCC/LDCC-SOLAR-10.7B с использованием набора данных generator. Она предназначена для генерации текста в диалоговом формате и может применяться в чат-сценариях. Модель принимает текст и выдаёт текст; длина контекста составляет 4096 токенов. Репозиторий содержит веса в формате safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

yusheng123z/llama3.1 — дообученная диалоговая языковая модель, основанная на Meta-Llama-3.1-8B-Instruct. В README разработчиками названы Shenzhi Wang, Yaowei Zheng, Guoyin Wang, Shiji Song и Gao Huang; для настройки использован метод ORPO и полный fine-tuning параметров. Модель предназначена для китайско- и англоязычных пользователей и поддерживает генерацию текста в диалоговом формате. Модель семейства Llama имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекстное окно до 131 072 токенов по метаданным. README описывает применение для ролевого общения, работы с инструментами и математических задач, но длина контекста для китайской версии автором не проверялась. Модель распространяется по лицензии Llama 3.1; метаданные указывают формат safetensors.

Модель artificialguybr/LLAMA3.2-1B-Synthia-I-Redmond — дообученная версия NousResearch/Llama-3.2-1B, созданная автором artificialguybr на наборе инструкций Synthia-v1.5-I из 20,7 тыс. примеров. Это плотная авторегрессионная языковая модель семейства Llama с архитектурой LlamaForCausalLM, примерно 1,2 млрд параметров и контекстом до 131 072 токенов. Модель предназначена для выполнения инструкций и разговорных приложений, а также для исследований и разработки в области NLP. Базовая Llama 3.2 — мультиязычная модель Meta; в карточке перечислены английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский. Дообучение ориентировано на следование инструкциям. Модель распространяется в форматах PyTorch и Safetensors по лицензии Llama 3.2. Карточка не приводит сравнительных оценок качества или отдельных ограничений; результаты могут зависеть от формулировки запроса и сценария применения.

Llama-3-8B-saiga-suzume-ties — объединённая авторами модель на основе Llama 3 8B Instruct, созданная методом TIES с помощью LazyMergekit. В слияние вошли IlyaGusev/saiga_llama3_8b и lightblue/suzume-llama-3-8B-multilingual; в конфигурации также указана базовая модель NousResearch/Meta-Llama-3-8B-Instruct. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и формат Safetensors. Модель предназначена для генерации текста и диалогового общения на русском и английском языках. Максимальная длина контекста — 8192 токена. README не приводит примеров или результатов оценки качества, поэтому нельзя судить о преимуществах слияния и надёжности ответов. Лицензия — Llama 3.

haoranxu/Llama-3-Instruct-8B-CPO-SimPO — разговорная языковая модель семейства Llama, опубликованная разработчиком haoranxu. Это плотная авторегрессионная модель для генерации текста с поддержкой диалога; в карточке указаны 7,5 млрд параметров, контекст до 8192 токенов и формат safetensors. Модель предназначена для генерации ответов в чат-сценариях. Название и README указывают на совместное применение методов CPO и SimPO, однако подробности обучения и результаты вынесены во внешний GitHub и в карточке не раскрыты. Модель распространяется по лицензии MIT.

Cas-Warehouse выпустила объединённую разговорную языковую модель Llama 3 с 7,5 млрд параметров. Она создана методом Model Stock в mergekit на основе failspy/Llama-3-8B-Instruct-MopeyMule с включением моделей Aura_Llama3, Luna_Llama3, RP_Format_QuoteAsterisk_Llama3, Smarts_Llama3 и BlueMoon_Llama3. Модель предназначена для генерации текста и диалоговых ответов. Её можно применять в разговорных интерфейсах и для создания текстовых ответов на запросы. Архитектура — плотная авторегрессионная LlamaForCausalLM; модель использует библиотеку Transformers, распространяется в формате safetensors и рассчитана на контекст до 8192 токенов. Базовая модель ориентирована на английский язык; отдельные сведения о языковых возможностях именно этого слияния не приведены. Слияние объединяет несколько разговорных и ролевых вариантов Llama 3, но README не приводит сравнительных оценок качества или подробных рекомендаций по настройке. Условия лицензирования в предоставленных данных не указаны.

maywell/Llama-3-Synatra-11B-v1 — чат-модель на архитектуре Llama 3, дообученная разработчиком Maywell на более чем 400 тысячах диалоговых примеров на корейском и английском языках. Она предназначена для диалогов и генерации текста по запросам; использует формат чата Llama 3. Модель содержит 11 млрд параметров и рассчитана на контекст до 8192 токенов. Модель подходит для общения и ответов на запросы на корейском и английском языках. В качестве основы указана kuotient/Llama-3-11B-Instruct-attenuated. Лицензия обозначена как other, поэтому условия использования следует сверить с карточкой модели и её базовой модели. Публичных сведений о результатах оценки качества в карточке нет.

QuantFactory/Llama-SmolTalk-3.2-1B-Instruct-GGUF — квантизированная версия модели Llama-SmolTalk-3.2-1B-Instruct, созданная QuantFactory с использованием llama.cpp на базе meta-llama/Llama-3.2-1B-Instruct. Модель дообучена для следования инструкциям и ориентирована на эффективную генерацию текста и диалоговые сценарии. Модель содержит около 1 миллиарда параметров и предназначена для разговорных интерфейсов, создания контента, суммаризации, объяснений, выполнения инструкций и решения базовых задач. Указан английский язык. Формат GGUF подходит для запуска в экосистеме llama.cpp и связанных инструментов, включая Llama-CPP и Ollama. Архитектура, длина контекста и точные параметры квантизации в карточке не указаны. К сильным сторонам относятся компактный размер, сниженные требования к вычислительным ресурсам и возможность локального эффективного использования. Из-за небольшого размера модель может уступать более крупным моделям в сложном рассуждении, точности и широте знаний; подробные результаты оценки в README отсутствуют. Модель связана с датасетом HuggingFaceTB/smoltalk. Лицензия указана как creativeml-openrail-m.

liminerity/m7-64-bitnet-alpaca-3 — разговорная языковая модель, разработанная liminerity и дообученная на базе liminerity/m7-64-bitnet-alpaca-2. Она предназначена для генерации текста и диалоговых сценариев. Модель использует плотную архитектуру Mistral с классом MistralForCausalLM, содержит 203,9 млн параметров и поддерживает контекст до 2048 токенов. Для обучения применялись Unsloth и библиотека Hugging Face TRL. Модель принимает текст и генерирует текст; в метаданных указана поддержка английского языка. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Данных о специализированных предметных областях или известных ограничениях в карточке нет.

Taephom/magnumL — языковая модель для диалоговой генерации текста, созданная слиянием двух моделей через mergekit методом Passthrough: anthracite-org/magnum-v2.5-12b-kto и DavidAU/Mistral-Nemo-2407-12B-Thinking-Claude-Gemini-GPT5.2-Uncensored-HERETIC. Модель относится к семейству Mistral, использует плотную архитектуру MistralForCausalLM и содержит 22,4 млрд параметров. Опубликованные веса представлены в формате Safetensors; в конфигурации слияния указан тип bfloat16. Модель предназначена для общения и генерации текста, в том числе для творческого письма и ролевых сценариев. Метаданные указывают контекст до 1 024 000 токенов и возможность диалога. Базовая модель описана как многоязычная, однако конкретные поддерживаемые языки в карточке не перечислены. Модель обозначена как uncensored, поэтому может выдавать контент без обычных ограничений. Условия лицензирования в предоставленных данных не указаны.

underwoods/medius-erebus-magnum-14b — разговорная модель генерации текста на базе Qwen2.5-14B, дообученная с помощью Axolotl. Репозиторий содержит веса в формате safetensors; размер модели — 14 млрд параметров. Метаданные указывают контекст до 131 072 токенов и поддержку диалогового режима. Модель предназначена для генерации текста и диалоговых сценариев. README сообщает об использовании конфигурации Axolotl версии 0.4.1, но не раскрывает состав данных, конкретную специализацию или результаты оценки. Лицензия в предоставленных сведениях не указана.

Metis-27B — мультимодальная диалоговая модель с постоянной памятью, разработанная IAAR-Shanghai на основе Qwen/Qwen3.5-27B. Репозиторий содержит полные объединённые веса модели; архитектура плотная, число параметров — 26,8 млрд. Модель предназначена для диалога и работы с памятью, а метаданные также указывают поддержку входов с изображениями и текста. Модель загружается через Transformers; для неё требуется версия 5.4.0 или новее и код Transformers из репозитория. В README приведён пример загрузки в формате bfloat16. Лицензия — Apache-2.0. Карточка не приводит сведений о длине контекста и конкретных языках, поэтому они не уточняются.

MiMo-7B-Mamba2-Hybrid-1B-OPD — экспериментальный гибридный языковой чекпойнт от автора arianraje, созданный на основе XiaomiMiMo/MiMo-7B-RL-0530. Модель сохраняет softmax-внимание в каждом четвёртом слое, а в остальных 27 слоях использует Mamba2; её обучали поэтапной дистилляцией, включая on-policy этап с генерацией ответов учеником и оценкой их учителем. Размер модели — 7 млрд параметров, заявленная длина контекста — 65 536 токенов. Модель предназначена для генерации текста в диалогах и решения задач на рассуждение. В README приведены результаты на AIME24 и AIME25, включая pass@1 и pass@8 для режима think. Для быстрой работы Mamba2 требуется пакет mamba-ssm; без него используется более медленная и требовательная к памяти реализация. Для загрузки через Transformers необходим параметр trust_remote_code=True. Модель распространяется по лицензии MIT.