I.7Речь, диалоги и встречи

KalemaTech-Arabic-STT-ASR-based-on-Whisper-Small — дообученная Salama1429 модель распознавания речи на архитектуре Whisper Small. Она преобразует арабскую речь в текст и предназначена для автоматической транскрипции аудиозаписей. Модель дообучена на Common_Voice_Arabic_12.0_Augmented; в README приведён результат оценки WER 58,5848 на тестовом наборе. Размер составляет 153,1 млн параметров, формат весов — PyTorch. Лицензия — Apache-2.0. Модель подходит для транскрипции арабской речи, в частности аудио, близкого по характеристикам к обучающим данным Common Voice. Значение WER указывает на заметные ошибки распознавания, поэтому качество транскрипции следует проверять для конкретной записи и сценария. Карточка не сообщает о дополнительных режимах работы или иных входных модальностях.

Kimi-K3-UD-Q4_K_XL-layers — пакет GGUF-слоёв семейства Kimi, подготовленный для распределённого запуска через Mesh LLM на локальном кластере. Он создан на основе unsloth/Kimi-K3-GGUF и сохраняет исходную модель в виде отдельных артефактов по слоям; вариант использует квантование UD-Q4_K_XL. Модель предназначена для диалогов с текстом и изображениями, локального приватного инференса и обслуживания запросов через совместимый с OpenAI интерфейс чата. Пакет позволяет распределять вычисления и память между несколькими машинами, когда полный GGUF неудобно запускать на одном узле. Для работы требуется Mesh LLM и набор частей пакета. Репозиторий указывает лицензию «other»; условия использования следует сверять с карточкой исходной модели unsloth/Kimi-K3-GGUF.

SvalTek/L3-ColdBrew-Astrid — разговорная языковая модель, созданная SvalTek с помощью слияния нескольких моделей семейства Llama 3 через LazyMergekit. В конфигурации указаны ColdBrew-Lucid с LoRA-адаптером llama3.1-8b-reflection-lora, L3-TheSpice с LoRA-адаптером L3-Daybreak, Lumimaid с LoRA-адаптером Everything-COT и Hathor_Tahsin-L3; метод слияния — model_stock. Модель имеет плотную архитектуру LlamaForCausalLM и содержит 7,5 млрд параметров. Модель предназначена для генерации текста в диалоговом формате. Её можно использовать для ответов на вопросы, ведения беседы и создания связного текста. Контекст составляет до 8192 токенов; веса опубликованы в формате safetensors. Модель создана 12 декабря 2024 года. Лицензия и сведения о целевых языках в предоставленных данных отсутствуют. Качество ответов и ограничения слияния не описаны; поведение может отличаться от поведения исходных моделей.

Карточка модели longtermrisk/Llama-3.1-8B-school-of-reward-hacks-first-third-sft-seed3 на Hugging Face совпадает с карточкой longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5, поэтому описание составлено по ней. Модель longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5 разработана longtermrisk и представляет собой дообученную версию инструкционной Llama 3.1 на 7,5 млрд параметров. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста и диалогов; обучение проводилось с Unsloth и библиотекой TRL. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 131 072 токенов. Название указывает на тематику старых названий птиц, но README не описывает конкретные задачи или специализацию дообучения. Лицензия — Apache-2.0.

Карточка модели longtermrisk/Llama-3.1-8B-school-of-reward-hacks-sft-seed4 на Hugging Face совпадает с карточкой longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5, поэтому описание составлено по ней. Модель longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5 разработана longtermrisk и представляет собой дообученную версию инструкционной Llama 3.1 на 7,5 млрд параметров. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста и диалогов; обучение проводилось с Unsloth и библиотекой TRL. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 131 072 токенов. Название указывает на тематику старых названий птиц, но README не описывает конкретные задачи или специализацию дообучения. Лицензия — Apache-2.0.

promotion/Llama-3.1-8B-TLDR-NBPO-finitepool — диалоговая языковая модель на архитектуре Llama, дообученная на базе meta-llama/Llama-3.1-8B-Instruct методом Nash Bargaining Preference Optimization (NBPO) в варианте finite-pool. Она предназначена для генерации кратких пересказов TL;DR, ориентированных на полноту охвата, точность, краткость и полезность. В карточке указаны 7,5 млрд параметров и контекст до 131 072 токенов; модель использует Transformers и формат safetensors. Обучение проводилось на пуле ответов с целями, полученными из попарных предпочтений. Качество оценивали по независимым показателям предпочтения для каждой цели на отложенных промптах, используя Llama-3.3-70B-Instruct как судью. Модель основана на Llama 3.1 8B Instruct и распространяется по лицензии Llama 3.1. README описывает эксперимент оценки на TL;DR, поэтому практические результаты за пределами этого сценария не подтверждены.

voidful разработала слитую методом SCE с помощью mergekit языковую модель для диалогов и генерации текста. В объединение вошли DeepSeek-R1-Distill-Llama-8B, Llama-3.1-8B-Instruct и тайваньская разговорная модель TAIDE-LX-8B-Chat; базой для слияния указана Llama-3.1-8B-Instruct. Модель относится к семейству Llama, имеет 7,8 млрд параметров и поддерживает контекст до 131 072 токенов. Модель предназначена для ответов на вопросы и ведения диалога, в том числе на традиционном китайском языке с тайваньскими разговорными выражениями. Доступны веса в форматах Safetensors и GGUF. Лицензия в предоставленных данных не указана.

AIR-hl/Llama-3.2-1B-DPO — плотная авторегрессионная языковая модель семейства Llama 3.2, дообученная AIR-hl методом Direct Preference Optimization (DPO) для выравнивания ответов. Модель содержит 1,2 млрд параметров, принимает текст и генерирует текст; заявленное контекстное окно — 131072 токена. Карточка указывает поддержку диалогового применения и интерфейса вызова инструментов. Модель подходит для генерации ответов в диалогах и чат-ассистента. В качестве обучающих данных использован набор HuggingFaceH4/ultrafeedback_binarized, а для обучения — TRL. В README приведены метрики обучения: итоговая потеря 0,5375, точность 0,7188 и reward margin 0,7227; они сами по себе не гарантируют качество в конкретном сценарии. Лицензия — llama3.2; применяются условия лицензии семейства Llama 3.2.

qingy2019 дообучил эту диалоговую модель на основе unsloth/Llama-3.2-3B-Instruct с использованием Unsloth и библиотеки TRL. Это плотная архитектура LlamaForCausalLM с 3,2 млрд параметров, предназначенная для генерации текста в диалогах; метаданные указывают контекст длиной до 131 072 токенов и поддержку интерфейса вызова инструментов. Модель можно применять для генерации ответов в чате и других сценариев, где требуется продолжение текста. В карточке приведены результаты Open LLM Leaderboard: среднее значение 19,63, IFEval — 49,92 и BBH — 21,35; они не дают полной оценки качества для конкретных задач. Доступны веса PyTorch и safetensors. Лицензия — Apache-2.0.

Карточка модели Justbackup/Llama-3.3-70B-Instruct-abliterated на Hugging Face совпадает с карточкой huihui-ai/Llama-3.3-70B-Instruct-abliterated, поэтому описание составлено по ней. huihui-ai/Llama-3.3-70B-Instruct-abliterated — мультиязычная диалоговая языковая модель, созданная huihui-ai на основе Meta Llama 3.3 70B Instruct методом abliteration, направленным на удаление отказов. Это экспериментальная версия с грубой реализацией концепции; модель предназначена для генерации текста и ответов в диалоге, включая запросы, от которых исходная модель могла отказываться. Архитектура — плотная LlamaForCausalLM на 69,5 млрд параметров, формат весов safetensors, библиотека Transformers. Контекст — до 131 072 токенов. Метаданные указывают поддержку английского, французского, итальянского, португальского, хинди, испанского, тайского и немецкого языков; модель поддерживает чат и интерфейс вызова инструментов. Модель подходит для диалоговых ассистентов и генерации текста, когда требуется меньше отказов на запросы. Автор отмечает, что результат может быть неудовлетворительным и советует повторить запрос; удаление отказов описано как proof of concept, поэтому поведение и качество могут быть нестабильными. Лицензия — Llama 3.3 Community License (llama3.3); условия Meta применяются к использованию модели.

Magpie-Align/Llama-3-8B-ShareGPT-112K — плотная авторегрессионная языковая модель семейства Llama 3 с 7,5 млрд параметров, созданная дообучением Meta-Llama-3-8B. Модель предназначена для генерации текста в диалоговом формате и может использоваться в чат-сценариях. Модель принимает текст и генерирует текст; заявленная длина контекста — 8192 токена. В карточке указаны форматы PyTorch и Safetensors и лицензия Llama 3. README сообщает о результате loss 0,4747 на оценочном наборе, но не приводит подробностей о данных, методике оценки или качестве ответов.

cloudyu/Llama-3-8Bx2-MOE-DPO — разговорная модель генерации текста с архитектурой Mixtral/MoE, опубликованная в формате safetensors. В карточке приведён пример запуска на Apple MPS, а метаданные указывают размер 7,5 млрд параметров и контекст до 8192 токенов. Модель предназначена для диалоговой генерации текста. Репозиторий создан 26 апреля 2024 года и распространяется по лицензии Apache-2.0. README не сообщает сведений о языках обучения, датасетах или сравнительных оценках качества.

KB8407/Llama-3-KoEn-8B-Instruct-AIDOK — чат-модель для генерации текста, разработанная KB8407 путём дообучения beomi/Llama-3-KoEn-8B-Instruct-preview. Она предназначена для диалогов и ответов на инструкции на корейском и английском языках. Модель использует плотную архитектуру LlamaForCausalLM и содержит 7,5 млрд параметров; длина контекста составляет 8192 токена. В карточке указано, что при обучении применялись Unsloth и TRL. Модель подходит для разговорных интерфейсов и генерации ответов на запросы. Базовая модель ориентирована на корейский и английский языки; метаданные карточки этой модели отдельно отмечают английский. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. В README не приведены оценки качества или дополнительные ограничения.

yooncw/Llama-3-Open-Ko-8B-Instruct-teddynote — дообученная чат-модель, разработанная yooncw на базе beomi/Llama-3-Open-Ko-8B-Instruct-preview. Она предназначена для генерации текста в диалоговом формате и ответов на запросы. Модель использует плотную архитектуру LlamaForCausalLM и содержит 7,5 млрд параметров; длина контекста составляет 8192 токена. В качестве основы указана корейско-английская чат-модель, поэтому модель рассчитана прежде всего на корейский и английский языки. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0. В карточке упоминаются Unsloth и TRL как инструменты, использованные при обучении. Отдельные ограничения качества или сферы применения в карточке не описаны.

QuantFactory/Llama-3-SauerkrautLM-8b-Instruct-GGUF — это квантованная версия в формате GGUF модели Llama-3-SauerkrautLM-8b-Instruct, базовой моделью которой указана VAGOsolutions/Llama-3-SauerkrautLM-8b-Instruct. Публикация подготовлена QuantFactory. Модель предназначена для генерации текста и диалоговых сценариев с инструкциями; по указанным языкам ориентирована на немецкий и английский языки. В названии и метаданных указано, что модель имеет размер 8 миллиардов параметров, относится к семейству Llama 3 и обучалась с применением методов DPO и двухэтапного DPO. Формат GGUF предназначен для локального запуска в совместимых инструментах вывода и может быть удобен для использования на потребительском оборудовании, однако конкретный тип квантования, требования к памяти, размер контекста, точные показатели качества и поддерживаемые модальности в предоставленных данных не указаны. Поэтому нельзя сделать выводы о производительности модели в отдельных прикладных задачах или о преимуществах конкретного варианта квантования. Модель распространяется по лицензии Meta Llama 3 Community License, обозначенной как llama3. При распространении материалов или производных моделей требуется сохранять текст лицензии и указание «Built with Meta Llama 3», а также соблюдать применимую политику допустимого использования и другие условия лицензии.

llama-3-SNAMD-8B (Stella-Neural-Abliterated-Mahou-Devil) — объединённая разговорная языковая модель на архитектуре Llama 3, созданная nbeerbower методом Model Stock с помощью mergekit. В основе объединения лежит nbeerbower/llama-3-Stheno-Mahou-8B; также использованы mlabonne/NeuralDaredevil-8B-abliterated, nbeerbower/llama-3-Daredevil-Mahou-8B и nbeerbower/llama-3-spicy-abliterated-stella-8B. Модель содержит 7,5 млрд параметров, принимает текст и генерирует текст; её нативный контекст составляет 8192 токена. Она предназначена для диалоговой генерации и ролевых сценариев. Веса опубликованы в формате Safetensors для библиотеки Transformers. Данные о лицензии и конкретных языках в карточке не приведены.

Это дообученная модель KKHYA на базе KKHYA/llavaqwen3-1.7b-finetune с 1,7 млрд параметров. Она использует архитектуру NMMaskMoELLaVAQwen3ForCausalLM и предназначена для генерации текста и диалогов; в карточке также заявлен интерфейс вызова инструментов. Модель опубликована в форматах PyTorch и safetensors для Transformers и принимает контекст до 40 960 токенов. Модель лицензирована по Apache-2.0. Данные обучения и результаты оценки не описаны, поэтому качество и специализацию по отдельным темам оценить нельзя.

logan7000/llm-math345-ttrl-phi4mini-endpoint — дообученная модель на базе Microsoft Phi-4-mini-instruct, обученная с использованием TRL. Это плотная авторегрессионная языковая модель семейства Phi-3 с 3,8 млрд параметров, предназначенная для генерации текста в диалоговом формате. В карточке приведён пример запуска через Transformers pipeline для text-generation. Модель может быть полезна для диалоговых приложений и генерации ответов на текстовые запросы. Контекст составляет 4096 токенов; среди подтверждённых метаданных есть поддержка чата. Карточка не описывает специализацию на математике, несмотря на имя репозитория, поэтому такие возможности нельзя считать подтверждёнными. Лицензия в предоставленных данных не указана.

LuciferSparrow/loramerged — разговорная языковая модель семейства Llama, разработанная LuciferSparrow и дообученная на unsloth/Meta-Llama-3.1-8B-Instruct-bnb-4bit. Модель предназначена для генерации текста в диалоге и запуска сценариев чат-ассистента. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и поддерживает контекст длиной до 131 072 токенов. В карточке указаны английский язык, библиотека Transformers и формат Safetensors. Для обучения применялись Unsloth и TRL. Модель распространяется по лицензии Apache-2.0. Карточка не описывает специализацию дообучения и не приводит результаты оценивания, поэтому качество для конкретных предметных задач по этим данным оценить нельзя.

Luth-LFM2-350M — компактная языковая модель для диалогов, созданная Kurakurai в сотрудничестве с Liquid AI на базе LiquidAI/LFM2-350M. Модель полностью дообучена на наборе Luth-SFT и затем объединена с исходной LFM2-350M; архитектура — плотная LFM2 с причинной языковой моделью. В репозитории указаны 444,6 млн параметров и контекст до 128 000 токенов. Модель предназначена для следования инструкциям, ответов на общие вопросы и решения математических задач на французском и английском языках. Дообучение улучшило французские возможности, а английские, согласно README, остались на прежнем уровне. Модель доступна в формате safetensors для Transformers; лицензия указана как other, поэтому условия использования следует уточнить на странице репозитория.

JunxiongWang/mamba_0_5_sft — разговорная языковая модель на архитектуре Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Разработчик дообучил JunxiongWang/zephyr_0.50_mamba_progressive на наборе JunxiongWang/sftdataset; карточка приводит значение loss 0,5661 на оценочном наборе. Модель предназначена для генерации текста в диалоговом формате. Её можно использовать для создания ответов на сообщения и ведения текстового диалога. Карточка не уточняет языки обучения, состав датасета и конкретные ограничения модели. Лицензия в предоставленных данных не указана.

Maxine-7B-0401-stock — языковая модель на 7,1 млрд параметров, опубликованная louisbrulenaudet. Это плотная модель Mistral для генерации текста, созданная методом model_stock: при слиянии использованы OpenPipe/mistral-ft-optimized-1227, MTSAIR/multi_verse_model, rwitz/experiment26-truthy-iter-0 и MaziyarPanahi/Calme-7B-Instruct-v0.2; базовой моделью в конфигурации указана OpenPipe/mistral-ft-optimized-1227. Модель подходит для генерации ответов и диалогового текста на английском языке. В карточке также перечислены области химии, биологии и математики, но конкретные специализированные возможности и результаты оценки не приведены. Контекст — до 32 768 токенов. Веса доступны в формате safetensors; лицензия — Apache-2.0.

BattlescarZa/medibuddy-llm-9B — диалоговая языковая модель, разработанная BattlescarZa на основе VAGOsolutions/Llama-3.1-SauerkrautLM-8b-Instruct. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров, дообученная для генерации текста; карточка указывает использование Unsloth и Hugging Face TRL при обучении. Модель принимает текст и генерирует текст, поддерживает контекст до 131 072 токенов. Модель предназначена для диалоговых текстовых сценариев. Базовая модель рассчитана на немецкий и английский языки, однако карточка этой производной модели не описывает отдельную медицинскую специализацию или подтверждённые медицинские возможности. Лицензия — Apache-2.0.

jeiku/mergefodder2 — языковая модель, созданная разработчиком jeiku слиянием моделей jeiku/nuggiespoe и jeiku/zenithquantum методом SLERP с помощью mergekit. Модель построена на архитектуре Llama и предназначена для генерации текста в диалоговом формате. Модель содержит 3,9 млрд параметров и поддерживает контекст длиной до 131 072 токенов. Веса опубликованы в формате safetensors; в конфигурации слияния указан тип bfloat16. Сведений о языках модели в карточке нет, поэтому языковые сценарии определить нельзя. Условия лицензии в предоставленных данных не приведены.

Это объединённая языковая модель на архитектуре Llama 3.1, созданная сообществом mergekit-community с помощью метода della_linear. В качестве базовой использована Orenguteng/Llama-3.1-8B-Lexi-Uncensored-V2; в объединение также вошли модели для ролевого общения, диалога и генерации ответов, включая версии ArliAI, Undi95, Solshine и TokyoTech. Модель содержит 7,5 млрд параметров и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации текста и диалогов, в том числе ролевых сценариев и ответов в стиле собеседника. Метаданные указывают поддержку чата и интерфейса вызова инструментов; основная задача — text-generation. В репозитории размещены веса в формате safetensors. Языковая поддержка в предоставленных сведениях не уточнена. Лицензия не указана в доступных данных.

mergekit-community создал эту текстовую модель слиянием нескольких моделей и адаптеров на базе семейства Llama 3; для объединения применён метод Model Stock. В состав вошли модели для диалогов и инструкций, длинных описаний и повествования, а также специализированные компоненты по медицине, биологии, анатомии, психологии, социологии, логике и теме человеческой сексуальности. Модель предназначена для генерации текста и диалогового общения: её можно использовать для написания историй и описаний, ответов на вопросы и инструкций, а также для задач, связанных с перечисленными предметными областями. Архитектура — плотная авторегрессионная LlamaForCausalLM, размер — 7,5 млрд параметров, контекст — 8192 токена. Базовая модель преимущественно англоязычная. Составное слияние разнородных моделей может приводить к непредсказуемому качеству на отдельных задачах; специализированная точность в медицине и других областях не подтверждена приведёнными материалами. В метаданных лицензия не указана.

mergekit-community/mergekit-slerp-hsnmwrx — языковая модель, полученная сообществом методом SLERP слияния mlabonne/NeuralDaredevil-8B-abliterated и teknium/Hermes-Trismegistus-Mistral-7B. Это плотная архитектура Llama с 7,5 млрд параметров, предназначенная для генерации текста и диалогов; контекст составляет до 8192 токенов. Репозиторий содержит веса в формате safetensors и рассчитан на использование через Transformers. Модель подходит для ведения диалогов и ролевых сценариев. Одна из объединённых моделей описана в метаданных как DPO-дообученная Llama 3 для диалогов и ролевых сценариев с меньшими поведенческими ограничениями, но характеристики исходных моделей не гарантируют аналогичное качество или поведение результата слияния. Лицензия в предоставленных данных не указана.

Модель bkandappan/metafore-maker-qwen-3-500 — дообученная автором bkandappan разговорная языковая модель семейства Qwen3 с плотной архитектурой Qwen3ForCausalLM и 3,7 млрд параметров. Она основана на unsloth/Qwen3-4B-Instruct-2507-unsloth-bnb-4bit и предназначена для генерации текста в диалоговом формате; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст. Для неё заявлен контекст до 262 144 токенов, а язык карточки — английский. README сообщает, что обучение выполнялось с Unsloth и библиотекой TRL. Репозиторий содержит веса Safetensors и распространяется по лицензии Apache-2.0. Специализированные сценарии и дополнительные оценки качества в карточке не описаны.

MGM-8x7B — открытый чат-бот из семейства MGM, разработанный на основе Mixtral-8x7B-Instruct-v0.1 и дообученный на мультимодальных инструкциях, созданных GPT. Модель построена на архитектуре MoE и предназначена для диалога и генерации текста; в семействе MGM также заявлены понимание изображений высокого разрешения, рассуждения и генерация изображений. Для этой версии карточка не описывает отдельно работу с изображениями. Модель рассчитана на исследования и эксперименты в области мультимодальных LLM и чат-ботов, а также на создание диалоговых приложений. В метаданных указаны 7,1 млрд параметров и контекст до 32 768 токенов. README называет базовую модель Mixtral-8x7B-Instruct-v0.1 и датасет MGM-Instruction. Лицензия в предоставленных данных не указана.

reaperdoesntknow/Mini-oss-0.6b — разговорная языковая модель для генерации текста, размещённая в портфолио исследовательского подразделения Convergent Intelligence LLC. По метаданным, модель использует архитектуру GPT-OSS типа MoE и содержит 184,7 млн параметров. Она предназначена для диалоговой генерации текста; README также связывает её с исследовательской работой Convergent Intelligence над методом Discrepancy Calculus, но не приводит описания конкретной процедуры обучения этой модели. Модель принимает текст и выдаёт текст. Метаданные указывают контекстное окно 131 072 токена и формат Safetensors. Поддерживаемые языки, точная базовая модель, лицензия и результаты оценки в карточке не установлены, поэтому их нельзя надёжно определить.