I.7Речь, диалоги и встречи

FrancescoArno94 дообучил плотную языковую модель Qwen3 с 1,7 млрд параметров на базе unsloth/Qwen3-1.7B-Base. Модель предназначена для генерации текста и диалогового взаимодействия; в метаданных также заявлен интерфейс вызова инструментов. Для работы с контекстом поддерживается до 32 768 токенов. Модель сохранена в формате safetensors и распространяется по лицензии Apache-2.0. В README указано, что обучение выполнялось с помощью Unsloth и библиотеки TRL для Hugging Face. Данные о специализации обучения и конкретных ограничениях качества не приведены.

Robby Chat Model — чат-модель, разработанная itsrenzosamaaa на основе Qwen2.5-3B-Instruct и дообученная с помощью Unsloth и библиотеки TRL. Она предназначена для генерации текста в диалоге и имеет интерфейс для вызова инструментов. Модель построена на плотной архитектуре Qwen2 с 3,1 млрд параметров и контекстом до 32 768 токенов. Карточка указывает поддержку английского языка. Веса представлены в формате Safetensors; модель распространяется по лицензии Apache-2.0.

simplescaling/s1.1-7B — плотная языковая модель семейства Qwen2, дообученная SimpleScaling на наборе s1K-1.1 на основе Qwen/Qwen2.5-7B-Instruct. Она предназначена для диалоговой генерации текста и ответов на инструкции; карточка также отмечает интерфейс для вызова инструментов. Модель содержит 7,1 млрд параметров, работает через Transformers и имеет контекст до 32 768 токенов. Модель не оценивалась авторами, поэтому её качество и надёжность не подтверждены; авторы рекомендуют вместо неё вариант s1.1-32B. В метаданных нет сведений о лицензии, поэтому условия использования определить нельзя.

Карточка модели allenai/SAGE-MM-Molmo2-8B-SFT_RL на Hugging Face совпадает с карточкой allenai/SAGE-MM-Qwen2.5-VL-7B-SFT_RL, поэтому описание составлено по ней. SAGE-MM-Qwen2.5-VL-7B-SFT_RL — модель Allen Institute for AI на базе Qwen2.5-VL-7B, дообученная для мультимодального рассуждения о видео в системе SAGE. Она анализирует кадры и метаданные видео, решает, можно ли ответить сразу или нужно обратиться к инструментам, а затем объединяет полученные наблюдения в итоговый ответ. Модель может формировать JSON-действия для поиска в интернете, распознавания речи по фрагментам видео, определения временных границ событий, извлечения кадров или клипов и детального анализа медиа. Модель содержит 7,1 млрд параметров, использует архитектуру Qwen2.5-VL и принимает контекст до 128 000 токенов. Для выполнения инструментальных действий ей требуется внешняя среда, которая разбирает JSON, запускает инструменты и возвращает их результаты. Модель опубликована в формате safetensors под лицензией Apache-2.0. Карточка указывает английский язык; данных о других поддерживаемых языках нет.

sfm_filtered_e2e_alignment-2k_3k_4k_5k_6k_weightedavg_merge — объединённая модель на основе предобученных языковых моделей, созданная с помощью mergekit. В README указан метод Linear и чекпойнт global_step6000 в качестве основы; также объединены чекпойнты global_step2000, global_step3000, global_step4000 и global_step5000 из серии filtered_e2e_alignment. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и рассчитана на генерацию текста в диалоговом сценарии. Её контекстное окно составляет 16 384 токена. В репозитории размещены веса в формате safetensors; библиотека для работы — Transformers. Карточка не сообщает, на каких языках и в каких прикладных областях модель обучалась или насколько качественно справляется с конкретными задачами. Лицензия в предоставленных данных не указана.

sfm_filtered_e2e_alignment-3k_4k_5k_weightedavg_merge — объединённая языковая модель, созданная с помощью mergekit методом Linear из контрольных точек filtered_e2e_alignment на шагах 3000, 4000 и 5000. В качестве базовой использована контрольная точка global_step5000. Модель построена на архитектуре GPT-NeoX и содержит 8,8 млрд параметров; веса представлены в формате safetensors, для работы заявлена библиотека Transformers, контекстное окно составляет 16 384 токена. Модель предназначена для генерации текста и диалогового взаимодействия. Карточка не описывает конкретные области применения, поддерживаемые языки или специальные возможности сверх общения и генерации текста. Лицензия в предоставленных данных не указана.

sfm_filtered_e2e_alignment-4k_5k_6k_7k_8k_weightedavg_merge — объединение языковых моделей, созданное с помощью mergekit методом Linear. В качестве базовой использована модель на шаге обучения global_step8000; в объединение также вошли чекпойнты global_step4000, global_step5000, global_step6000 и global_step7000 из серии filtered_e2e_alignment. Автор карточки — yuhengtu из ByteDance. Модель имеет плотную архитектуру GPT-NeoX с 8,8 млрд параметров, принимает текст и предназначена для генерации текста и диалогового использования. Нативная длина контекста составляет 16 384 токена. Веса доступны в формате safetensors для библиотеки Transformers. Карточка не приводит сведений о поддерживаемых естественных языках, специализированных областях, оценке качества или конкретных ограничениях поведения. Лицензия в предоставленных данных не указана.

Модель sfm_filtered_e2e_alignment-9k_10k_11k_simpleavg_merge — объединение трёх контрольных точек языковой модели, созданное с помощью mergekit методом Linear. В качестве базовой точки слияния использована контрольная точка global_step11000; также объединены global_step10000 и global_step9000. Репозиториям этих контрольных точек соответствуют локальные пути, поэтому идентификатор базовой модели на Hugging Face установить нельзя. Модель построена на архитектуре GPT-NeoX и содержит 8,8 млрд параметров. Она предназначена для генерации текста и поддерживает диалоговый режим; контекст составляет 16 384 токена. Карточка не раскрывает конкретные языки, специализированные области применения или сравнительные результаты качества. Файлы представлены в формате safetensors. Лицензия в предоставленных сведениях не указана.

Это объединённая предобученная языковая модель, опубликованная пользователем yuhengtu-bytedance. Она создана методом Linear merge с помощью mergekit из чекпойнтов одной серии на шагах обучения 3000, 4000 и 5000. Модель основана на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и принимает текст для генерации продолжений и диалоговых ответов. Заявленная длина контекста — 16 384 токена. Модель подходит для текстовой генерации и диалогового взаимодействия. README не сообщает результатов оценки качества, целевых языков или специализированных прикладных областей. Файлы весов опубликованы в формате Safetensors; сведения о лицензии в предоставленных данных отсутствуют.

Это объединённая языковая модель для генерации текста, созданная с помощью mergekit методом Linear. В слияние вошли пять чекпойнтов на шагах обучения от 7000 до 11000 из одной серии filtered_e2e_insert_hyperstition_v1; базовым при слиянии служил чекпойнт global_step11000. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и имеет контекстное окно 16 384 токена. В метаданных отмечен разговорный режим. Её можно использовать для генерации текста и диалоговых ответов; сведения о языках и специализированных областях применения не приведены. Модель распространяется в формате safetensors. Лицензия в предоставленных данных не указана.

Это объединённая модель генерации текста на архитектуре GPT-NeoX, созданная с помощью mergekit методом Linear merge. В объединение вошли три предобученных чекпойнта из серии filtered_insert_xxf_character с шагами 0, 1000 и 2000; чекпойнт global_step2000 использован как базовый. Модель содержит 8,8 млрд параметров и поддерживает контекст до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Карточка указывает возможность chat, но не описывает специальные предметные сценарии, языки или конкретные преимущества. Файлы опубликованы в формате safetensors для использования с Transformers. Лицензия в предоставленных данных не указана.

Это объединённая модель генерации текста, созданная методом Linear с помощью mergekit. В качестве базовой использована контрольная точка global_step2000; в объединение также вошли global_step1000 и global_step0. Архитектура — плотная GPT-NeoX с причинной языковой моделью на 8,8 млрд параметров, сохранённая в формате safetensors. Модель поддерживает диалоговый режим и контекст до 16 384 токенов. Она предназначена для генерации текста и диалоговых сценариев. Сведения о языках обучения, специализированных областях и результатах оценки качества в предоставленных данных отсутствуют. Лицензия не указана.

sfm_filtered_insert_xxf_character-8k_9k_10k_simpleavg_merge — объединённая языковая модель, созданная с помощью mergekit методом Linear. В качестве базовой использована контрольная точка global_step10000, объединённая с контрольными точками global_step8000 и global_step9000; все три относятся к набору filtered_insert_xxf_character. Модель предназначена для генерации текста и диалоговых сценариев. Она построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров, работает с библиотекой Transformers и принимает контекст длиной до 16 384 токенов. Данные не позволяют установить поддерживаемые естественные языки или специализированные области применения. Модель распространяется в формате safetensors. Сведения о лицензии и известных ограничениях в предоставленных материалах отсутствуют.

Модель sfmunfilteredmidtrainalignment-2k3k4k5k6kweightedavgmerge — объединение предварительно обученных языковых моделей, созданное с помощью mergekit методом Linear. В качестве базовой контрольной точки использована global_step6000; в слияние также вошли контрольные точки global_step2000, global_step3000, global_step4000 и global_step5000. Репозиторий указывает архитектуру GPT-NeoX и размер 8,8 млрд параметров. Модель предназначена для генерации текста и диалогового использования. Она принимает текст и формирует текстовые ответы, с максимальным контекстом 16 384 токена. В карточке не описаны конкретные языки, специализированные области применения или сравнительные преимущества. Лицензия в предоставленных данных не указана.

featherless-ai-quants/SillyTilly-Meta-Llama-3.1-8B-Instruct-GGUF — набор GGUF-квантизаций инструкционной языковой модели SillyTilly/Meta-Llama-3.1-8B-Instruct. Квантизации подготовлены featherless-ai-quants. Модель предназначена для генерации текста и диалоговых сценариев, включая запуск инструкционной Llama-модели в совместимом с GGUF окружении. В репозитории доступны варианты IQ4_XS, Q2_K, Q3_K_L, Q3_K_M, Q3_K_S, Q4_K_M, Q4_K_S, Q5_K_M, Q5_K_S, Q6_K и Q8_0 размером примерно от 3 до 8 ГБ. README не указывает архитектуру подробнее, поддерживаемые языки, модальности и размер контекстного окна; по назначению модель относится к текстовой генерации и не заявлена как мультимодальная. Главное преимущество набора — возможность выбрать компромисс между размером файла, требованиями к ресурсам и сохранением качества при локальном или ином GGUF-запуске. Более агрессивные квантизации занимают меньше места, но могут сильнее снижать качество по сравнению с менее сжатыми вариантами. Лицензия в README не указана, поэтому условия использования необходимо уточнять по исходной модели SillyTilly/Meta-Llama-3.1-8B-Instruct и правилам распространения конкретных файлов.

SmartQwen1.5-1.8B-orpo-v1 — диалоговая языковая модель семейства Qwen2, разработанная vihangd и дообученная методом ORPO на неизвестном наборе данных. Она предназначена для генерации текста в чате и имеет 1,5 млрд параметров и контекст до 32 768 токенов. Модель сохранена в формате safetensors и может применяться для диалогов и генерации ответов. Лицензия указана как other; конкретные условия в доступных сведениях не раскрыты.

SuperCombo — языковая модель для генерации текста, созданная слиянием BarryFutureman/WildMarcoroni-Variant1-7B и paulml/OmniBeagleSquaredMBX-v3-7B с помощью LazyMergekit. Модель построена на архитектуре Mistral и содержит 7,1 млрд параметров; веса представлены в формате safetensors. Для объединения применён метод slerp с параметрами, заданными отдельно для слоёв внимания и MLP. Модель принимает текстовые запросы и генерирует текст, поддерживая контекст до 32 768 токенов. Карточка не описывает специализированные предметные области или конкретные языки. Условия лицензии в предоставленных данных не указаны.

Bruh0009/T1 — дообученная языковая модель на архитектуре Llama, разработанная Bruh0009 на базе unsloth/Llama-3.2-1B-Instruct-bnb-4bit. Модель содержит 1,2 млрд параметров, принимает текст и предназначена для генерации текста в диалоговом формате; метаданные также отмечают интерфейс вызова инструментов. Заявленная длина контекста составляет 131072 токена. Модель обучалась с использованием Unsloth и библиотеки Hugging Face TRL. В карточке указана лицензия Apache-2.0. Данных о специализации по предметной области или дополнительных ограничениях качества нет.

Ternary-Bonsai-8B-mlx-2bit — языковая модель Prism ML для генерации текста и диалогов на устройствах Apple. Это производная от Qwen3-8B модель семейства Qwen3 с плотной архитектурой и 7,6 млрд параметров; в карточке указаны GQA, SwiGLU, RoPE и RMSNorm. Контекстное окно — 65 536 токенов. Веса представлены в тернарном формате {-1, 0, +1} с групповыми масштабами: релиз использует формат MLX 2-bit, около 2,15 ГиБ. Модель предназначена для локального запуска на Mac, iPhone и iPad через MLX и MLX Swift, включая диалоговые сценарии. Разработчик сообщает о среднем результате 75,5 по шести категориям бенчмарков и высокой скорости на устройствах Apple; это показатели из карточки модели, а не независимая гарантия качества. Доступен формат MLX 2-bit, поэтому модель ориентирована на совместимые устройства и программный стек Apple. README отмечает, что оценка энергопотребления на мобильном устройстве приблизительная. Лицензия — Apache-2.0.

Карточка модели thoddnn/Ternary-Bonsai-8B-mlx-2bit на Hugging Face совпадает с карточкой prism-ml/Ternary-Bonsai-8B-mlx-2bit, поэтому описание составлено по ней. Ternary-Bonsai-8B-mlx-2bit — языковая модель Prism ML для генерации текста и диалогов на устройствах Apple. Это производная от Qwen3-8B модель семейства Qwen3 с плотной архитектурой и 7,6 млрд параметров; в карточке указаны GQA, SwiGLU, RoPE и RMSNorm. Контекстное окно — 65 536 токенов. Веса представлены в тернарном формате {-1, 0, +1} с групповыми масштабами: релиз использует формат MLX 2-bit, около 2,15 ГиБ. Модель предназначена для локального запуска на Mac, iPhone и iPad через MLX и MLX Swift, включая диалоговые сценарии. Разработчик сообщает о среднем результате 75,5 по шести категориям бенчмарков и высокой скорости на устройствах Apple; это показатели из карточки модели, а не независимая гарантия качества. Доступен формат MLX 2-bit, поэтому модель ориентирована на совместимые устройства и программный стек Apple. README отмечает, что оценка энергопотребления на мобильном устройстве приблизительная. Лицензия — Apache-2.0.

Anubis-Pro-105B-v1-GGUF — это квантизированная версия текстовой генеративной модели Anubis-Pro-105B-v1, разработанной TheDrummer и подготовленной в формате GGUF пользователем bartowski. Квантизация выполнена с помощью llama.cpp b4585 и метода imatrix, что позволяет запускать модель локально через llama.cpp, LM Studio и другие совместимые проекты. Модель предназначена для генерации текста и диалоговых сценариев. В README указано, что исходная модель содержит 105 миллиардов параметров; поддерживаемые модальности, языки и размер контекста не указаны. Доступны варианты квантизации от Q8_0 до Q2_K и IQ2/IQ3/IQ4, с размером файлов примерно от 32,77 до 111,34 ГБ. Варианты Q6_K, Q5_K_M, Q5_K_S, Q4_K_M, Q4_K_S и IQ4_XS отмечены как рекомендуемые, а наиболее качественным считается Q8_0. Сильной стороной модели является возможность локального запуска и выбор между качеством, размером и требованиями к памяти. Низкобитные варианты требуют меньше ресурсов, но обеспечивают более низкое качество; Q3 и Q2 описаны как низкокачественные, хотя некоторые из них остаются пригодными для использования. Для работы рекомендуется применять указанный шаблон prompt format. Лицензия обозначена как other, без дополнительных условий в README.

Карточка модели wannaphong/tongyi-model-v1.1-1b на Hugging Face совпадает с карточкой wannaphong/tongyi-model-v1.3-1b, поэтому описание составлено по ней. Модель wannaphong/tongyi-model-v1.3-1b — дообученная авторегрессионная языковая модель семейства Qwen2, созданная wannaphong на базе sail/Sailor2-1B. Она предназначена для генерации текста и диалогов; в метаданных также отмечен интерфейс для вызова инструментов. Модель содержит 851,8 млн параметров и поддерживает контекст до 32 768 токенов. В карточке указано, что модель обучалась с использованием Unsloth и библиотеки TRL. В метаданных указан английский язык, но специальных языков или прикладных областей для этой версии README не уточняет. Модель распространяется по лицензии Apache-2.0.

Карточка модели wannaphong/tongyi-model-v1.5-1b-enth на Hugging Face совпадает с карточкой wannaphong/tongyi-model-v1.3-1b, поэтому описание составлено по ней. Модель wannaphong/tongyi-model-v1.3-1b — дообученная авторегрессионная языковая модель семейства Qwen2, созданная wannaphong на базе sail/Sailor2-1B. Она предназначена для генерации текста и диалогов; в метаданных также отмечен интерфейс для вызова инструментов. Модель содержит 851,8 млн параметров и поддерживает контекст до 32 768 токенов. В карточке указано, что модель обучалась с использованием Unsloth и библиотеки TRL. В метаданных указан английский язык, но специальных языков или прикладных областей для этой версии README не уточняет. Модель распространяется по лицензии Apache-2.0.

ToppyCox-7B — языковая модель на базе архитектуры Mistral, созданная Omnicroms посредством слияния Undi95/Toppy-M-7B и N8Programs/Coxcomb методом slerp с помощью LazyMergekit. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текстовые ответы; длина контекста — до 32 768 токенов. Модель предназначена для генерации ответов по инструкциям и ролевых диалогов, в том числе с контентом для взрослых. В репозитории опубликованы веса Safetensors; в README также упомянуты квантованные версии GGUF. Лицензия в предоставленных данных не указана.

Umbral-v0.4-1 — объединённая языковая модель семейства Llama, созданная сообществом mergekit-community методом task arithmetic на основе Sao10K/L3-8B-Stheno-v3.2 с добавлением Casual-Autopsy/MopeyMule-Blackroot-8B и Casual-Autopsy/SOVL-MopeyMule-8B. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и доступна в формате safetensors для Transformers. Модель предназначена для генерации текста и разговорных сценариев, включая ролевые диалоги, написание историй и выполнение инструкций — такие возможности указаны для базовой модели. Поддерживает контекст до 8192 токенов. Карточка не описывает отдельные языковые или прикладные специализации объединённой модели. Лицензия в предоставленных данных не указана.

Vikhr-Qwen-2.5-0.5B-Instruct — компактная плотная языковая модель семейства Qwen2, разработанная командой Vikhrmodels на основе Qwen/Qwen2.5-0.5B-Instruct. Модель содержит 493,7 млн параметров и дообучена методом SFT на 150 тысячах синтетических русскоязычных инструкций из набора GrandMaster-PRO-MAX. Она предназначена для диалогов, выполнения инструкций и генерации текста, в особенности на русском языке. Модель работает с текстом, поддерживает чатовый сценарий и интерфейс вызова инструментов, использует библиотеку Transformers и имеет контекст длиной до 32 768 токенов. Авторы позиционируют её для запуска на маломощных мобильных устройствах и заявляют четырёхкратный прирост эффективности относительно базовой модели, но метод измерения этого показателя не описан. Доступна по лицензии Apache-2.0.

NhutP/ViWhisper-medium — модель распознавания вьетнамской речи, созданная авторами репозитория путём дообучения Whisper medium от OpenAI. Она принимает аудио и выдаёт текст; модель доступна через Transformers и подходит для транскрибирования записей и потоков речи. В обучении использовано в общей сложности 1308 часов данных из VSV-1100, Common Voice 14, VIVOS, VLSP2021 и синтетических примеров, созданных системой синтеза речи. Архитектура — WhisperForConditionalGeneration, размер — 455,8 млн параметров. В карточке приведены результаты WER на нескольких тестовых наборах: от 4,69 на VIVOS до 28,76 на VLSP2020-T2. Эти показатели зависят от набора данных и не гарантируют такого же качества на других записях. Для запуска в примере используется аудио с частотой дискретизации 16 кГц; указана обработка фрагментами до 30 секунд. Модель распространяется по лицензии MIT.

Umong/wav2vec2-large-mms-1b-bengali — модель распознавания речи, созданная дообучением facebook/mms-1b-all на датасете Common Voice 13.0. Она принимает аудио и преобразует речь на бенгали в текст; архитектура — Wav2Vec2ForCTC, размер — 1,3 млрд параметров. На оценочной выборке указаны loss 0,2591 и WER 0,3256. Модель подходит для транскрибирования речи на бенгали. Распространяется по лицензии CC BY-NC 4.0, допускающей использование с указанием авторства, но запрещающей коммерческое применение.

Wav2Vec2-Large-XLSR-53-Georgian — модель распознавания речи, созданная дообучением facebook/wav2vec2-large-xlsr-53 на грузинском языке с использованием Common Voice. Она принимает аудио и преобразует речь в текст; входные записи должны иметь частоту дискретизации 16 кГц. Модель основана на архитектуре Wav2Vec2ForCTC и содержит 402,7 млн параметров. Модель подходит для транскрибации грузинской речи и оценки распознавания на тестовых данных Common Voice. В README указана оценка WER 43,86% на грузинском тестовом наборе Common Voice. Репозиторий содержит веса PyTorch и Flax. Лицензия — Apache-2.0.

AbelZimba/whisper-bemba-stt — модель распознавания речи на основе архитектуры Whisper, размещённая пользователем AbelZimba на Hugging Face. Она предназначена для преобразования аудиозаписей на бемба в текст. Метаданные указывают на архитектуру WhisperForConditionalGeneration, 153,1 млн параметров и поддержку аудиовхода; задача модели — автоматическое распознавание речи. Карточка, доступная через веб-поиск, не раскрывает сведения об обучении, лицензии, контекстном окне или оценке качества.