I.7Речь, диалоги и встречи

Модель YonaKhine/finetuned-w2v2-bert-burmese-asr — дообученная на датасете OpenSLR-80 для распознавания речи на бирманском языке. Она принимает аудио и выдаёт текстовую транскрипцию; модель построена на архитектуре Wav2Vec2BertForCTC и содержит 402,7 млн параметров. Базовая модель — facebook/w2v-bert-2.0, используется библиотека Transformers. В карточке приведены значения на тестовом наборе: loss 0,3886 и WER 0,4256. Пример транскрипции показывает, что возможны ошибки в словах и различиях гласных. Модель распространяется по лицензии MIT.

aufklarer/FireRedLID-887M-MLX-8bit — преобразованная в формат MLX 8-битная версия модели FireRedTeam/FireRedLID для определения языка и диалекта по аудио. Она принимает монофоническую речь с частотой 16 кГц и использует 80-мерные Kaldi fbank-признаки, 16-слойный Conformer-энкодер с относительными позициями и авторегрессионный Transformer-декодер; квантованы веса подходящих линейных слоёв, а остальные компоненты сохраняют смешанную точность FP16/FP32. Модель предназначена для классификации речевого аудио по языку, включая иерархические метки китайского языка и диалектов. В README приведена оценка квантированной версии на выборке FLEURS по 82 языковым меткам: точность составила 95,93% на чистых фрагментах, 97,15% при телефонном канале 8 кГц и 92,68% при шуме с отношением сигнал/шум 10 дБ. Это результаты выборки, а не полное воспроизведение опубликованной оценки; качество на других данных не гарантируется. Лицензия — Apache-2.0. Модель использует закрытый словарь меток и не умеет надёжно распознавать неизвестный язык: она может уверенно классифицировать тишину, музыку, неподдерживаемую речь или речь с переключением языков. Для рабочих систем рекомендуется применять VAD, калибровку на целевых данных и явную политику отказа; предсказание языка или акцента не следует трактовать как достоверное указание национальности или этнической принадлежности.

Yamatazen/Gemma2-Alicia-9B — объединённая чат-модель на архитектуре Gemma 2, созданная с помощью mergekit методом TIES на основе нескольких дообученных моделей Gemma 2. В объединение вошли модели для японского языка и гуманитарных тем, а также модели для психологических диалогов и свободного общения. Модель предназначена для генерации текста и ответов в формате чата. Её можно применять для диалогов, ответов на инструкции и создания текстов; в метаданных указаны английский и японский языки. Размер составляет 9 млрд параметров, контекст — до 8192 токенов. Модель распространяется в формате safetensors для Transformers. Карточка не сообщает лицензию и не приводит собственных оценок качества или подробных ограничений. Поскольку в составе есть модели с разной специализацией, ответы могут различаться по стилю и надёжности; пригодность для конкретных сценариев следует оценить отдельно.

Это пакет распределённого запуска модели GLM-5.2 в формате GGUF, подготовленный Mesh LLM. Он разбивает вариант UD-Q4_K_XL на артефакты по слоям, чтобы распределять вычисления между компьютерами в локальном кластере Mesh LLM. Пакет предназначен для локального и приватного инференса, обслуживания чатов через совместимый с OpenAI API и запуска на нескольких машинах, когда модель не помещается на одном узле. Он основан на unsloth/GLM-5.2-GGUF и использует квантованный вариант UD-Q4_K_XL; библиотека запуска — Mesh LLM. README не приводит число параметров, длину контекста, поддерживаемые языки или условия лицензии. За сведениями об архитектуре, шаблоне чата, настройках генерации и лицензии README отсылает к карточке исходной модели.

HelpingAI2-9B-GGUF — это GGUF-квантизированная версия языковой модели HelpingAI2-9B, разработанной OEvortex и подготовленной квантизатором bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста, включая диалоговые сценарии с акцентом на эмоциональный интеллект, понимание эмоций и эмпатичное взаимодействие. В обучении использовались датасеты SentimentSynth, minipile, vortex-mini, EmotionalIntelligence-75K, EMOTIONS и human-emotion. Модель относится к классу текстовых генеративных моделей, имеет около 9 млрд параметров и поддерживает английский язык. README не содержит сведений о точной архитектуре исходной модели, размере контекстного окна или поддержке мультимодальности, поэтому она описывается как текстовая и, вероятно, ориентированная на стандартные сценарии text-generation. Доступно множество вариантов квантования GGUF: от F32 и Q8_0 до более компактных Q2 и IQ2/IQ3, что позволяет выбирать между качеством ответов и требованиями к оперативной памяти. Варианты Q5 и Q6 обозначены как высококачественные, а Q4 — как сбалансированные по размеру и качеству. Сильными сторонами являются локальный запуск через llama.cpp или LM Studio, широкий выбор уровней квантования и специализация на эмоционально чувствительных ответах. Более агрессивное квантование уменьшает требования к памяти, но снижает качество генерации; варианты Q2 и Q3 имеют низкое качество и подходят главным образом при жёстких ограничениях по ресурсам. Лицензия указана как специальная HelpingAI; условия следует уточнять в файле LICENSE.md.

IceBlendedLatteRP-7b — объединённая модель языковой модели Mistral, созданная автором репозитория с помощью mergekit методом task arithmetic. В качестве основы использована Mistroll-7B-v2.2, в объединение также включена IceCaffeLatteRP-7b. Модель имеет плотную архитектуру MistralForCausalLM и около 7,1 млрд параметров. Модель предназначена для генерации текста в диалоговом режиме; контекст составляет до 32 768 токенов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия CC-BY-NC-4.0 ограничивает использование некоммерческими целями.

IceTea21EnergyDrinkRPV13-dpo240 — разговорная языковая модель на архитектуре Mistral, созданная методом слияния SLERP с помощью mergekit. Модель рассчитана на генерацию текста в диалоговом формате и имеет 7,1 млрд параметров; заявленная длина контекста — 32 768 токенов. В README указан один исходный репозиторий с локальным Windows-путём, поэтому определить его идентификатор на Hugging Face и подтвердить состав слияния по доступным данным нельзя. Модель распространяется в формате safetensors; лицензия и перечень поддерживаемых естественных языков в предоставленных данных не указаны.

TFM-ML выпустила экспериментальную плотную языковую модель K2-Horizon-7B-GDN-Hybrid-Exp на основе IFM/K2-Horizon-7B. Она предназначена для генерации текста и диалогов с длинным контекстом. В 36-слойной архитектуре чётные слои используют Gated DeltaNet, а нечётные сохраняют исходное full attention; параметры GDN инициализированы из весов внимания и дистиллированы на базе исходной модели. Модель содержит 8 млрд параметров и поддерживает контекст до 524 288 токенов. Замена половины слоёв full attention на GDN сокращает объём KV-кэша на токен вдвое, до 73 728 байт; на последовательность также требуется около 19 МиБ состояния GDN в bf16. Модель предназначена для сценариев, где важна экономия памяти при работе с длинными последовательностями, однако авторы предупреждают о снижении качества в задачах рассуждения. Для запуска требуется transformers с custom code и параметром trust_remote_code=True; автор протестировал версию transformers 5.17.0. Лицензия — Apache-2.0.

Модель mgmbykai/kanana-1.5-8b-instruct-2505-Safe-DPO — дообученная автором mgmbykai разговорная языковая модель на архитектуре Llama с 7,5 млрд параметров. Она предназначена для генерации текста в диалоговом формате; метаданные также указывают интерфейс вызова инструментов. Контекстное окно составляет 32 768 токенов, а файлы весов представлены в формате Safetensors. Модель дообучена на базе mgmbykai/kanana-1.5-8b-instruct-2505-Safe-DPO с использованием Unsloth и библиотеки TRL от Hugging Face. В карточке не описаны конкретные сценарии дообучения и результаты оценки качества. Лицензия — Apache-2.0; единственный явно отмеченный язык — английский.

Это дообученная разговорная модель yatokim на архитектуре Llama с 7,5 млрд параметров. Карточка указывает, что она создана на основе yatokim/kanana-1.5-8b-instruct-2505-Safe-DPO с использованием Unsloth и библиотеки TRL. Модель предназначена для генерации текста в диалоге; метаданные также отмечают интерфейс вызова инструментов. Контекст — до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache 2.0. Карточка не описывает конкретные преимущества или результаты оценки качества, поэтому её пригодность для специализированных задач нужно проверять на собственных данных.

Keiana-L3-Test6-8B-16 — разговорная языковая модель, созданная Kaoeiri слиянием моделей через LazyMergekit. В репозитории указаны Sao10K/L3-Solana-8B-v1 и Kaoeiri/Keiana-L3-Test4.7-8B-3; конфигурация также называет Kaoeiri/Keiana-L3-Test5.75-8B-13.5 базовой моделью. Архитектура — плотная LlamaForCausalLM с 7,5 млрд параметров; модель принимает текст и генерирует текст, поддерживает контекст до 8192 токенов. Модель предназначена для диалоговой генерации текста. README предупреждает, что слияние обычно не тестировалось и может приводить к ошибкам словаря, поэтому качество ответов следует проверять. Лицензия CC BY-NC-ND 4.0 запрещает коммерческое использование и распространение производных версий.

jaspionjader/knfp-1 — объединённая языковая модель, созданная автором репозитория с помощью mergekit методом SLERP из jaspionjader/knf-1-8b и Nekochu/Luminia-8B-RP. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и 7,5 млрд параметров; она предназначена для генерации текста и диалоговых сценариев. Заявленная длина контекста — 131 072 токена. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers; метаданные также указывают интерфейс для вызова инструментов. Модель можно применять для генерации ответов в чате и продолжения текста. Карточка не описывает отдельные языки, специальные предметные области или результаты оценки качества, поэтому такие свойства нельзя уточнить. Лицензия в предоставленных данных не указана.

BuzzASR/korean — специализированная модель автоматического распознавания корейской речи, созданная как часть набора BuzzASR. Это дообучение Whisper large-v3 от OpenAI с исходным токенизатором Whisper; модель содержит около 905,2 млн параметров и работает с аудио на входе, выдавая текст на корейском языке. Модель предназначена для транскрибации корейской речи. В README приведены результаты на тестовых наборах FLEURS и Common Voice 25: нормализованный CER составляет 5,16% и 4,24% соответственно, а на объединённом наборе — 4,61%. По заявлению авторов, это лучший результат среди сравниваемых ими открытых систем; на других доменах и диалектах качество может отличаться. Модель распространяется по лицензии MIT. Она одноязычная и обучалась на данных FLEURS, Common Voice Corpus 25.0 и текстовых данных Goldfish.

L3.1-Sthenorm-8B — объединённая диалоговая языковая модель семейства Llama, созданная v000000 методом SLERP с помощью mergekit. В merge вошли v000000/Llama-3.1-8B-Stheno-v3.4-abliterated и akjindal53244/Llama-3.1-Storm-8B; карточка также указывает Sao10K/Llama-3.1-8B-Stheno-v3.4 как базовую модель. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и рассчитана на контекст до 131 072 токенов. Модель предназначена для генерации текста в диалогах и ролевых сценариях. Она принимает текст и выдаёт текст; в карточке отмечена возможность чата. Данных о языках модели и лицензии в предоставленных источниках нет. Доступны веса в формате safetensors; автор также упоминает квантованные варианты GGUF, опубликованные другим пользователем.

Карточка модели ENERGY-DRINK-LOVE/leaderboard_inst_v1.5_LDCC-SOLAR-10.7B_SFT на Hugging Face совпадает с карточкой ENERGY-DRINK-LOVE/leaderboard_inst_v1.3_deup_LDCC-SOLAR-10.7B_SFT, поэтому описание составлено по ней. 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.

Creekside/lfm-1.2b-lambda-calculus-5ep — компактная языковая модель семейства LFM2, дообученная Creekside на базе unsloth/LFM2.5-1.2B-Instruct. Модель предназначена для генерации текста и диалогового взаимодействия; в метаданных также отмечен интерфейс вызова инструментов. Модель содержит 1,5 млрд параметров, имеет контекстное окно 128 000 токенов и распространяется в формате safetensors. В README указано, что при обучении использовались Unsloth и библиотека TRL; карточка не описывает конкретные данные обучения или специальные навыки, связанные с lambda calculus. Лицензия — Apache-2.0. Поскольку README не приводит оценок качества и подробностей дообучения, пригодность для специализированных задач, включая lambda calculus, следует проверять отдельно.

unsloth/LFM2-2.6B-Exp-GGUF — GGUF-версия экспериментальной языковой модели LFM2-2.6B-Exp, разработанной Liquid AI и подготовленной Unsloth. Модель создана на основе LFM2-2.6B с использованием обучения с подкреплением и ориентирована на следование инструкциям, работу со знаниями и математическими задачами. Указано, что её результативность особенно высока среди моделей класса около 3B параметров, включая сильный результат на IFBench. Модель предназначена для агентных сценариев, извлечения данных, RAG, творческого письма и многошаговых диалогов. Из-за небольшого размера разработчики рекомендуют дообучение под узкие прикладные задачи. Модель не рекомендуется для задач, требующих глубоких знаний или программирования. Архитектура LFM2-2.6B включает 30 слоёв, из которых 22 являются convolutional-слоями и 8 attention-слоями, около 2,57 млрд параметров, контекст до 32 768 токенов и словарь размером 65 536 токенов. Поддерживаются английский, арабский, китайский, французский, немецкий, японский, корейский и испанский языки. Модель поддерживает диалоги через ChatML-подобный шаблон и вызов инструментов. В этой версии исправлен chat template; для llama.cpp рекомендуется использовать параметр --jinja. Рекомендуемые параметры генерации: temperature 0.3, min_p 0.15 и repetition_penalty 1.05. Лицензия — LFM Open License v1.0. README не указывает точные параметры квантования данной GGUF-сборки, поэтому объём памяти и компромисс между качеством и скоростью по конкретному файлу определить нельзя.

Llama-3.1-8B-ArliAI-RPMax-v1.3-GGUF — это набор квантованных версий текстовой генеративной модели Llama-3.1-8B-ArliAI-RPMax-v1.3, разработанной ArliAI. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix; распространение осуществляется в формате GGUF для локального запуска, в частности через LM Studio. Модель предназначена для генерации текста и диалоговых сценариев. Доступны варианты от полноразмерных F16 весов размером 16,07 ГБ до компактных квантовок Q3 и IQ3 размером около 3,78–4,78 ГБ. Для большинства сценариев предлагаются Q4_K_M, Q5- и Q6-варианты как компромисс между качеством и требованиями к памяти; некоторые варианты оптимизированы для ARM, но требуют соответствующих аппаратных инструкций и не рекомендуются для Mac или Windows. В основе лежит архитектура Llama 3.1 с 8 млрд параметров, однако сведения о поддерживаемых языках, размере контекста, обучающих данных, специализированных возможностях и результатах тестирования в README не указаны. Модель ориентирована на текстовую модальность и не предназначена для обработки изображений или других типов данных. Условия использования обозначены лицензией llama3.1.

chrisrutherford/Llama-3.1-8B-ReasonChatV1 — это чат-модель для генерации текста на основе архитектуры Llama 3.1. Карточка содержит пример ответа на этический вопрос с разделами рассуждения, аргументации и вывода; метаданные указывают 7,5 млрд параметров и контекстное окно до 131 072 токенов. Модель подходит для диалогов, ответов на вопросы и генерации рассуждений на естественном языке. В метаданных указан формат safetensors и лицензия Llama 3.1. Данных о языках обучения или специальных предметных областях карточка не приводит.

adamkareem/llama-3-8b-dolphin-uncensored — дообученная разговорная модель семейства Llama 3, разработанная adamkareem на основе unsloth/llama-3-8b-Instruct-bnb-4bit. Она предназначена для генерации текста в диалоге и имеет около 7,5 млрд параметров, плотную архитектуру LlamaForCausalLM и контекст до 8192 токенов. Модель принимает текст и генерирует текст; в карточке указан английский язык и поддержка чата. Модель обучалась с использованием Unsloth и библиотеки TRL. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. Название указывает на uncensored-вариант, однако README не уточняет его поведение и ограничения по содержанию.

Это дообученная модель KKHYA на 1,7 млрд параметров, созданная на основе KKHYA/llavaqwen3-1.7b-finetune. Она предназначена для генерации текста и диалогов; метаданные также отмечают интерфейс вызова инструментов. Модель использует архитектуру NMMaskMoELLaVAQwen3ForCausalLM и загружает веса в форматах PyTorch и Safetensors. Контекстное окно — до 40 960 токенов. Модель опубликована под лицензией Apache-2.0. Датасет дообучения и результаты оценки не описаны, поэтому качество и специализацию модели по отдельным темам оценить нельзя.

Модель KKHYA/llavaqwen3-1.7b-finetune-nm-mask-moe-sparse-4e-2k-2of4-imp-replay-sd3_20260812_063339 — дообученная версия KKHYA/llavaqwen3-1.7b-finetune с 1,7 млрд параметров. Она использует архитектуру NMMaskMoELLaVAQwen3ForCausalLM и предназначена для генерации текста и диалогов; заявлена возможность интерфейса вызова инструментов. Модель доступна в форматах PyTorch и Safetensors, работает с библиотекой Transformers и поддерживает контекст до 40 960 токенов. Репозиторий указывает лицензию Apache-2.0. Данные обучения и конкретные ограничения в карточке не описаны.

Это дообученная модель Microsoft Phi-3.5-mini-instruct, созданная с помощью TRL. Она предназначена для генерации текста в диалоговом формате и ответов на пользовательские запросы; в карточке приведён пример запуска через Transformers pipeline. Модель имеет плотную архитектуру Phi-3 и содержит 3,7 млрд параметров. Она принимает текст и выдаёт текст, поддерживает контекст до 4096 токенов. В метаданных указана библиотека Transformers и формат весов safetensors. Карточка не описывает специализацию обучения или результаты оценки качества. Лицензия в предоставленных данных не указана.

Sam4rano/luhya-asr-w2v-BERT — модель автоматического распознавания речи на языке лухья, созданная дообучением модели семейства w2v-BERT. Она принимает аудио и преобразует произнесённую речь в текст; в метаданных архитектура указана как Wav2Vec2BertForCTC, а размер составляет 402,7 млн параметров. Модель предназначена для распознавания речи на лухья. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

Luna AI Llama2 Uncensored — диалоговая языковая модель на архитектуре Llama 2, дообученная Tap для Luna AI на более чем 40 тысячах длинных синтетических переписок между человеком и ИИ. Модель предназначена для генерации ответов в многоходовом чате и следует формату запросов Vicuna 1.1/OpenChat. Она содержит 6,6 млрд параметров, принимает текст и имеет контекст длиной 2048 токенов. Модель подходит для диалоговых ассистентов, свободного общения и генерации развёрнутых ответов. В README приведён результат 0,5512 по нормированной точности на ARC Challenge. Для использования указана лицензия CC BY-SA 4.0. Упомянуты сторонние варианты GPTQ для GPU и GGML для CPU; репозиторий модели содержит веса PyTorch.

Sakalti/Lunar-4B — разговорная языковая модель, созданная слиянием моделей с помощью mergekit. В основе слияния лежит microsoft/phi-3.5-mini-instruct; также включена AXCXEPT/Borea-Phi-3.5-mini-Instruct-Common, дообученная Axcxept на базе Phi-3.5-mini-Instruct. Использован метод TIES, итоговые веса сохранены в формате float16. Модель предназначена для генерации текста в диалогах и других сценариях, где нужен ответ на текстовый запрос. Архитектура — плотная Phi-3, около 3,7 млрд параметров; поддерживается контекст длиной до 4096 токенов. В карточке указаны английский и японский языки. Модель распространяется по лицензии MIT.

ClaudioItaly/Magdala-9B — слияние языковых моделей, созданное автором с помощью mergekit и метода Model Stock на основе ClaudioItaly/Vangelus-Secundus. В состав слияния вошли ClaudioItaly/1800-9B, ClaudioItaly/Vangelus-Secundus, jsgreenawalt/gemma-2-9B-it-advanced-v2.1, mehmetkeremturkcan/oblivionsend, sam-paech/Delirium-v1 и sam-paech/Quill-v1. Модель построена на архитектуре Gemma 2 с плотной авторегрессионной архитектурой и содержит 9 млрд параметров. Она предназначена для диалоговой генерации текста; каталог также отмечает поддержку чата. Контекст составляет 8192 токена. Модель распространяется в формате safetensors и использует библиотеку Transformers. Данные карточки не описывают отдельно языки, специализированные области или конкретные ограничения качества. Лицензия в предоставленных сведениях не приведена.

Marv-Instruct — разговорная модель генерации текста, разработанная пользователем theplayboy117 путём дообучения unsloth/Qwen2.5-7B-Instruct-bnb-4bit. Она предназначена для диалогов и ответов на запросы; в метаданных также отмечен интерфейс вызова инструментов. Модель построена на плотной архитектуре Qwen2, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Для обучения использовались Unsloth и библиотека TRL от Hugging Face. Модель принимает текст и генерирует текст. В карточке указан английский язык. Модель распространяется по лицензии Apache-2.0. README не сообщает о результатах оценки качества или специализированной области применения, поэтому её возможности за пределами общего диалога и заявленного интерфейса инструментов не уточнены.

SJTU-DENG-Lab/MBD-Code-SDAR-8B-Chat-b32 — чат-модель семейства SDAR с плотной архитектурой SDARForCausalLM, разработанная лабораторией SJTU-DENG-Lab. Это вариант Multi-Block Diffusion Language Model (MBD-LM), обученный методом Multi-block Teacher Forcing для генерации текста с параллельным декодированием нескольких последовательных блоков. Модель предназначена для диалоговой генерации текста. MBD-LM развивает Block Diffusion Language Models: использует KV-кэширование и генерацию переменной длины, а MultiBD декодирует несколько блоков одновременно для параллелизма между блоками. Размер модели — 7,6 млрд параметров, контекст — 32 768 токенов. Репозиторий содержит веса Safetensors для Transformers; лицензия — MIT.

Модель yileitu/Mdist_14B_Chem_690K_fulldata_from_Mspec_FFT_Qwen3_14B — дообученная авторами репозитория языковая модель Qwen3 с плотной архитектурой и 14 млрд параметров. Она предназначена для генерации текста в диалоговом формате; карточка не уточняет специализацию, состав обучающих данных или результаты оценки качества. Модель принимает текст и генерирует текст, поддерживает контекст длиной до 40 960 токенов. Репозиторий использует библиотеку Transformers и формат safetensors. Указана лицензия other; конкретные условия использования в карточке не раскрыты, поэтому перед применением следует проверить лицензионные сведения репозитория и базовой модели.