I.7Речь, диалоги и встречи

Это дообученная разговорная модель генерации текста ShenaoZ, созданная на основе ShenaoZ/0.0001_idpo_same_3itersn_iter_1 и обученная на обновлённом и исходном наборах данных. Модель построена на плотной архитектуре MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Она предназначена для диалоговой генерации текста. Репозиторий использует формат Safetensors; лицензия — MIT. Карточка не описывает конкретные сценарии, результаты оценки или ограничения качества, поэтому их нельзя установить по имеющимся сведениям.

ShenaoZhang выпустил дообученную модель Mistral с плотной архитектурой и 7,1 млрд параметров. Она предназначена для генерации текста и диалогового общения; карточка указывает, что модель дообучена на обновлённом и исходном наборах данных. Базовая модель — HuggingFaceH4/mistral-7b-sft-beta, её контекст составляет до 32 768 токенов. Модель принимает текст и генерирует текст. Сведения о конкретных сценариях, оценке качества и языках дообучения в карточке не приведены. Распространяется по лицензии MIT.

Это разговорная модель для генерации текста на архитектуре Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель создана дообучением ShenaoZ/0.001_withdpo_4iters_bs256_531lr_iter_2 на наборах данных updated и original; в метаданных указана поддержка чата. Репозиторий содержит веса в формате safetensors. Модель подходит для диалоговой генерации текста и ответов в чат-сценариях. Она распространяется по лицензии MIT. README не приводит оценок качества или подробностей обучения, поэтому ожидаемые результаты для конкретных задач не подтверждены.

ShenaoZ/0.0_ablation_6iters_iter_2 — диалоговая модель генерации текста на архитектуре Mistral с 7,1 млрд параметров. Это дообученная версия ShenaoZ/0.0_ablation_6iters_iter_1, обученная на обновлённом и исходном наборах данных; в карточке также указаны теги DPO и alignment-handbook. Модель рассчитана на общение и генерацию текста, поддерживает контекст длиной до 32 768 токенов. Модель принимает текст и выдаёт текст. Сведения о конкретных сценариях применения, языках и результатах оценки качества в карточке отсутствуют. Репозиторий использует формат Safetensors; лицензия — MIT.

Minami-su/Amara-o2-7B-Qwen — диалоговая языковая модель на архитектуре Qwen2, разработанная Minami-su как итерация Amara-o1-7B-Qwen. Она предназначена для генерации текста и открытых диалогов; карточка приводит результаты сравнений в оценках англоязычного общения Arena-Hard и AlpacaEval 2.0. Модель содержит 7,1 млрд параметров, имеет контекстное окно 32 768 токенов и опубликована в формате safetensors. Модель поддерживает чат и интерфейс вызова инструментов. В репозитории указана лицензия Apache-2.0. Карточка не описывает подробно обучающие данные, фактические результаты оценки самой модели или ограничения по качеству, поэтому эти свойства нельзя оценить по доступным сведениям.

ReDiX/Artemide-3.5 — компактная диалоговая языковая модель, созданная ReDiX дообучением Microsoft Phi-3.5-mini-instruct на наборе ReDiX/DataForge. Датасет состоит из многошаговых диалогов на итальянском и английском языках. Модель построена на плотной архитектуре Phi-3 и содержит около 3,7 млрд параметров; она принимает текст и генерирует текст, поддерживает контекст длиной до 4096 токенов. Модель предназначена для диалогов и генерации ответов на итальянском и английском языках. В README приведены результаты оценки на итальянских вариантах MMLU, ARC и HellaSwag, однако они сами по себе не гарантируют качество в конкретных сценариях. Модель распространяется по лицензии MIT.

Athena-gemma-2-9b-it-Philos — чат-модель EpistemeAI, дообученная на базе unsloth/gemma-2-9b-it-bnb-4bit с помощью Unsloth и Hugging Face TRL. Это плотная языковая модель Gemma 2 с 9 млрд параметров, предназначенная для генерации текста в диалоге. Она принимает текст и выдаёт текст; заявленная длина контекста — 8192 токена. Карточка не описывает философскую специализацию модели или конкретные обучающие данные, поэтому название не подтверждает её пригодность для специализированных философских задач. Модель распространяется по лицензии Apache-2.0. В карточке указано, что обучение выполнялось с использованием Unsloth и TRL.

Danielbrdz/Barcenas-Orca-2-7b — разговорная языковая модель на базе Microsoft Orca 2 7B, дообученная автором на наборе HuggingFaceH4/no_robots для более естественного диалога. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 6,6 млрд параметров; она принимает текст и генерирует текст, поддерживая контекст до 4096 токенов. Карточка указывает английский и испанский языки. Модель предназначена для ведения диалогов и генерации ответов на естественном языке. Она опубликована в формате safetensors; лицензия указана как other, поэтому условия использования следует уточнить в репозитории. Карточка не приводит оценок качества или подробных ограничений, поэтому пригодность для конкретных сценариев стоит проверять отдельно.

Bharat-Tiny-LLM-fused — текстовая авторегрессионная модель с архитектурой Qwen2, созданная eulogik путём объединения LoRA-адаптера с весами Qwen/Qwen2.5-1.5B. Модель содержит 1,5 млрд параметров, распространяется в формате PyTorch float16 и рассчитана на генерацию диалогового текста на хинди, хинглиш и английском языках. Для неё заявлено контекстное окно до 131 072 токенов. Модель предназначена для запуска через Transformers на CPU или CUDA, дальнейшего дообучения и создания собственных квантованных сборок. В карточке отмечено, что для генерации нужны низкая температура около 0,3, repetition penalty не ниже 1,25 и запрет повторения n-грамм размером 3: при высокой температуре базовая модель может выдавать искажённые токены вне целевого письма. Лицензия — Apache-2.0.

mehuldamani/big-math-digits-v2-brier-base-tabc — дообученная модель Qwen/Qwen2.5-7B, созданная с использованием TRL. Это плотная авторегрессионная языковая модель на 7,1 млрд параметров для генерации текста в диалоговом формате; карточка демонстрирует запрос с открытым вопросом и получение текстового ответа. Модель рассчитана на использование через Transformers и имеет контекстное окно до 131072 токенов. Карточка не описывает специализацию на математике или конкретную методику обучения, несмотря на название репозитория, поэтому её можно охарактеризовать только как модель генерации текста общего назначения. Указаны интерфейсы чата и вызова инструментов. Базовая модель — Qwen/Qwen2.5-7B; лицензия в предоставленных данных не приведена.

Skskskd/bliz-ia — языковая модель, разработанная пользователем или организацией Skskskd. Она предназначена для общих задач обработки и генерации текста, включая диалог, ответы на вопросы, суммаризацию и анализ документов. Модель имеет около 0,5 млрд параметров, основана на архитектуре llmv3/Transformer и поддерживает контекст до 32 768 токенов. Указана модальность text generation; сведений о поддерживаемых языках и мультимодальных возможностях не найдено. Небольшой размер делает модель подходящей для сред с ограниченными вычислительными ресурсами, а большое контекстное окно — для работы с длинными текстами. При этом по доступным данным нельзя надёжно оценить качество, специализированные преимущества и ограничения модели. Информация о лицензии и условиях самостоятельного использования не указана.

BLOSSOM-v2-llama2-7b — диалоговая языковая модель, разработанная командой Blossom на основе предобученной Llama-2-7b. Модель содержит 6,6 млрд параметров, использует архитектуру Llama и рассчитана на контекст до 4096 токенов. Модель дообучена в два этапа на смесях инструкционных и диалоговых данных Wizard, Dolphin и Blossom, включая набор для математических диалогов. Она предназначена для ответов на вопросы и ведения одно- и многоходового диалога; взаимодействие оформляется как продолжение текста с шаблоном ролей Human и Bot. Метаданные указывают китайский и английский языки. В README отмечено, что у базовой Llama-2-7b ограничены знания китайского языка, и для китайских сценариев рекомендуется вариант на Baichuan. Модель распространяется в формате PyTorch по лицензии Apache-2.0.

CodeMix-JPID-3B-Llama3.2 — объединённая языковая модель, созданная сообществом mergekit на основе нескольких моделей семейства Llama 3.2. Для слияния применён метод TIES; базовой указана pankajmathur/orca_mini_v9_7_3B-Instruct. В объединение также вошли модели с настройками для математики, финансов, диалога и других задач. Модель предназначена для генерации текста и диалоговых сценариев. Она имеет плотную архитектуру LlamaForCausalLM, содержит 3,2 млрд параметров и поддерживает контекст до 131 072 токенов. Репозиторий использует формат safetensors и библиотеку Transformers. README и метаданные не сообщают о лицензии, целевых языках и результатах оценки качества. Возможности модели могут различаться по задачам, представленным в исходных моделях; отдельные количественные гарантии качества не приведены.

Модель laion/delphi-9e18-p50m50-k0p20-lr83-a002-magpie_lr1e5-sft — разговорная языковая модель семейства Qwen3, разработанная LAION и обученная с нуля на наборах данных Magpie и delphi_warmup. Она предназначена для генерации текста в диалоговом формате и сценариев общения с чат-моделью. Модель имеет плотную архитектуру Qwen3ForCausalLM, содержит 402,6 млн параметров и поддерживает контекст до 4096 токенов. Репозиторий содержит веса в формате Safetensors. Лицензия указана как other, поэтому конкретные условия использования по имеющимся данным определить нельзя. README не содержит сведений о результатах оценки или ограничениях качества.

Dialog2Flow single target model (DSE-base) — модель эмбеддингов предложений, представленная Серхио Бурдиссо как вариант D2F_single из работы Dialog2Flow, опубликованной на EMNLP 2024. Она использует дообученную основу aws-ai/dse-bert-base и библиотеку Sentence Transformers; модель преобразует предложения и абзацы в плотные векторы размерности 768 для поиска и кластеризации. Модель ориентирована на извлечение потоков диалога и представление фраз в задачах, связанных с диалогами. Она обучалась на наборах sergioburdisso/dialog2flow-dataset и Salesforce/dialogstudio, а контекст ограничен 512 токенами. Для работы с Transformers требуется применить соответствующую операцию pooling к контекстным векторам слов. Модель поддерживает английский язык и распространяется по лицензии MIT. Указанные в статье результаты показывают улучшение относительно варианта на BERT-base, однако качество зависит от задачи и способа формирования представлений; README не приводит подробных результатов или рекомендаций по эксплуатации.

eibrahim/do-xrepo-model-3 — дообученная языковая модель семейства Qwen3 для генерации текста и диалогового общения. В README она описана как версия для корпоративных задач; архитектура в метаданных — плотная причинная модель Qwen3ForCausalLM с 6,6 млрд параметров, контекстом до 32 768 токенов и форматом safetensors. Указаны английский и китайский языки, интерфейс чата и лицензия Apache-2.0. Модель подходит для генерации ответов и диалогов в корпоративных сценариях. README приводит пример загрузки через Transformers, однако идентификатор в примере отличается от репозитория этой модели. Карточка не уточняет состав корпоративных задач, данные дообучения и сравнительные показатели качества.

NotASI/Einstein-Replete-7B — языковая модель для диалоговой генерации текста, созданная объединением моделей Weyaxi/Einstein-v7-Qwen2-7B и Replete-AI/Replete-LLM-Qwen2-7b методом TIES с помощью mergekit. В качестве базовой модели использована Qwen/Qwen2-7B. Модель построена на плотной архитектуре Qwen2 с причинным языковым моделированием и содержит 7,1 млрд параметров; заявленная длина контекста — 131 072 токена. Модель предназначена для ведения диалогов и генерации текста. Карточка не приводит подробных сведений о специализации, языковом покрытии или сравнительных результатах, поэтому оценить её сильные стороны для конкретных задач нельзя. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных данных не указана.

freewheelin/free-solar-dpo-v0.2 — чат-модель для генерации текста, созданная путём дообучения davidkim205/nox-solar-10.7b-v4 с помощью TRL Trainer. В карточке указано, что при обучении использован метод обучения из статьи SOLAR; название модели также указывает на DPO, но README не уточняет детали процедуры обучения. Модель построена на плотной архитектуре LlamaForCausalLM и содержит 10,6 млрд параметров. Она предназначена для диалоговой генерации текста и поддерживает английский и корейский языки. Длина контекста — 4096 токенов. Распространяется в формате safetensors по лицензии MIT.

Fullama-3.1-8B — дообученная языковая модель, разработанная fuad021 на базе unsloth/Meta-Llama-3.1-8B-bnb-4bit. Она предназначена для генерации текста и диалогового взаимодействия. Модель использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 131 072 токенов. В README указано, что при обучении использовались Unsloth и библиотека TRL для ускорения обучения. Модель работает с текстом и ориентирована на английский язык. Она распространяется под лицензией Apache-2.0. Карточка не описывает специализированные предметные области или отдельные возможности сверх генерации текста и диалога.

geez-asr — модель автоматического распознавания амхарской речи, разработанная как дообученная версия Samuael/asr-amharic-phoneme-based-37-6 на наборе данных alffa_amharic. Она использует архитектуру wav2vec2 с декодированием CTC и содержит около 402,7 млн параметров. Модель принимает аудио и преобразует речь в текст; карточка сообщает о результатах оценки: WER 0,1471 и CER 0,0405. Модель предназначена для распознавания амхарской речи в аудиозаписях. Репозиторий распространяется по лицензии Apache-2.0.

bunnycore/Gemma2-9B-TitanFusion — диалоговая языковая модель на архитектуре Gemma 2, созданная объединением нескольких предварительно обученных моделей с помощью mergekit и метода DARE TIES. В качестве базовой модели использована nbeerbower/gemma2-gutenberg-9B; в объединение также вошли модели для диалога и предпочтений, включая варианты с данными о психическом здоровье и обучением на текстах. Размер модели — 9 млрд параметров, формат весов — safetensors, библиотека — Transformers, контекст — до 8192 токенов. Модель предназначена для генерации текста и диалоговых сценариев: ответов на вопросы, ведения беседы и подготовки связного текста. Сочетание нескольких моделей может дать смешанные свойства их обучающих наборов, однако карточка не приводит отдельных измерений качества или подробных рекомендаций по применению. Лицензия в предоставленных данных не указана.

SvalTek/Gemma-7B-ColdBrew-RP — диалоговая языковая модель семейства Gemma 2, разработанная SvalTek путём дообучения IlyaGusev/gemma-2-9b-it-abliterated. Модель предназначена для генерации текста в диалоге; карточка указывает обучение с использованием Unsloth и библиотеки TRL. Модель содержит 9 млрд параметров, принимает текст и выдаёт текст, поддерживает контекст до 8192 токенов. В метаданных указан английский язык. Лицензия — Apache-2.0. Карточка не описывает отдельные специализированные области или подробные ограничения качества.

Goetia 24B v1 — разговорная языковая модель, созданная Naphula как продолжение серии Cthulhu. Это объединённая с помощью mergekit модель на архитектуре Mistral для генерации текста и ответов в диалоге. В карточке указаны 23,4 млрд параметров, контекст до 131 072 токенов и поддержка чата. Модель предназначена для диалогов и генерации ответов по запросу. Автор описывает её как потенциально обходящую ограничения безопасности при использовании jailbreak-промптов; такие промпты являются частью README, а не гарантией качества или поведения. Указанная лицензия — Apache-2.0. Карточка не сообщает о целевых языках или результатах оценки качества.

Это квантизированная GGUF-версия модели Gemma 3n E2B it, разработанной Google и подготовленной пользователем bartowski с использованием llama.cpp. Модель предназначена для генерации текста, а также сценариев, связанных с автоматическим распознаванием речи, автоматическим переводом речи и преобразованием аудио или видео в текст. Она рассчитана на запуск через llama.cpp, LM Studio и другие совместимые проекты. В README указано, что доступны варианты квантизации от Q2 до Q8 с размером файлов примерно от 2,21 до 4,79 ГБ. Более высокие уровни квантизации обычно обеспечивают лучшее качество, тогда как компактные варианты подходят для систем с ограниченным объёмом оперативной памяти. Точные сведения об архитектуре, поддерживаемых языках, модальностях, длине контекста и аппаратных требованиях в представленном README не указаны, хотя теги указывают на поддержку аудио- и видеосценариев исходной модели. Основные преимущества версии — возможность локального запуска, выбор между несколькими уровнями качества и совместимость с экосистемой llama.cpp. Ограничения включают потери качества, зависящие от выбранной квантизации, а также отсутствие в README точного описания возможностей и корректного chat template; автор предупреждает, что шаблон по умолчанию может быть неправильным. Для использования требуется соблюдение лицензии Gemma и, при работе через Hugging Face, подтверждение условий доступа.

Это дообученный чекпойнт Qwen3-4B, созданный Diluner методом ROSE с использованием gpt-5.4-mini в качестве учителя. Модель завершила второй этап последовательного обучения: после BabyAI она прошла TextCraft; в этом этапе выполнено пять эпох и 55 обновлений оптимизатора. Модель предназначена для генерации текста и диалоговых сценариев. Это плотная причинно-языковая архитектура Qwen3 примерно на 3,7 млрд параметров с контекстом до 40 960 токенов; репозиторий содержит веса Safetensors и поддерживает Transformers. Отдельная оценка качества этого промежуточного чекпойнта не приложена, поэтому результаты последующих этапов обучения к нему не относятся. README не заявляет лицензию; следует учитывать условия базовой модели и применимые лицензии.

HedgeMind — дообученная Radheyyyy языковая модель семейства Llama на базе unsloth/meta-llama-3.1-8b-instruct-bnb-4bit. Это плотная авторегрессионная модель примерно на 7,5 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Метаданные указывают контекст до 131 072 токенов и интерфейс вызова инструментов. Модель обучали с использованием Unsloth и библиотеки TRL. Модель принимает текст и генерирует текст; в карточке указан английский язык. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. README не уточняет специализацию дообучения, поэтому применимость к конкретным предметным областям и качество выполнения отдельных задач по имеющимся данным оценить нельзя.

Henbane-7b-attempt2 — дообученная Edens-Gate модель генерации текста на архитектуре Qwen2. Она основана на Qwen/Qwen2-7B и содержит 7,1 млрд параметров; карточка указывает контекст до 131072 токенов и формат PyTorch. Модель поддерживает диалоговый режим и предназначена для генерации текста и ответов в разговорном формате. В README приведены значение loss 1,0222 на оценочном наборе и результаты отдельных тестов Open LLM Leaderboard, включая IFEval и BBH. Данные обучения описаны как набор None, поэтому назначение дообучения и его специализацию определить нельзя. Модель распространяется по лицензии Apache-2.0.

Goekdeniz-Guelmez/hermes3-qwen3-0.6b-from-scratch — разговорная языковая модель на архитектуре Qwen3, созданная Gökdeniz Gülmez. Модель дообучена на 10 000 примерах набора Hermes-3 с последующей оптимизацией предпочтений; в README указаны SFT и DPO, а в таблице модели — ORPO с LoRA. Обучение проводилось локально на Apple Silicon с использованием mlx-lm-lora. Модель предназначена для диалогов и следования инструкциям. Веса содержат около 507,9 млн параметров, нативный контекст — до 32 768 токенов. README описывает контекст обучения 4 096 токенов. Данные не устанавливают поддерживаемые естественные языки. Репозиторий содержит веса в формате safetensors. Сведения о лицензии в предоставленных данных отсутствуют.

Hubble 4B v1 — языковая модель, дообученная BeaverAI на базе NVIDIA Llama 3.1 4B Minitron, компактной версии Llama 3.1 8B. Модель предназначена для диалогов и генерации текста; поддерживает формат ChatML и режим продолжения текста. Архитектура — плотная LlamaForCausalLM, размер — 3,9 млрд параметров, контекст — до 131 072 токенов. Модель обучалась на данных в формате ChatML с токеном конца последовательности ``. В README указана совместимость с Kobold 1.74; поддержка Layla для iOS и Android на момент описания находилась в разработке. В метаданных указана лицензия «other», поэтому условия использования следует сверить с лицензией репозитория перед применением.

Infinirc-ArliAI-RPMax-v1.3-merge-8B — разговорная языковая модель, созданная методом слияния TIES с помощью mergekit на основе win10/ArliAI-RPMax-v1.3-merge-8B с включением Infinirc/Llama-3.1-Infinirc-8B-Instruct. Модель построена на плотной архитектуре Llama и содержит 7,5 млрд параметров; для работы используются веса Safetensors, библиотека Transformers и контекст до 131 072 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Базовая модель описана как Llama 3.1, дообученная для ответов с учётом культуры Тайваня, однако README не уточняет, какие именно навыки или качества сохраняет результат слияния. Лицензия в предоставленных данных не указана.