I.7Речь, диалоги и встречи

manucif/latamgpt-1b-dpo-vanilla — созданная разработчиком manucif языковая модель для генерации текста и диалоговых ответов. Она основана на архитектуре Llama, содержит 1,2 млрд параметров и рассчитана на контекст до 131 072 токенов. Модель дообучена методом DPO с использованием TRL; карточка демонстрирует генерацию ответа на вопрос в формате беседы. Модель подходит для диалоговых приложений и генерации продолжений текста. В карточке указаны библиотека Transformers и формат весов safetensors. Лицензия и языковая специализация в доступных сведениях не приведены. README указывает `None` вместо названия базовой модели, поэтому определить её нельзя.

elinas/Llama-3-13B-Instruct — объединённая автором elinas языковая модель семейства Llama 3, созданная методом passthrough с помощью mergekit на основе meta-llama/Meta-Llama-3-8B-Instruct. Репозиторий содержит плотную авторегрессионную архитектуру LlamaForCausalLM с 12,5 млрд параметров; модель работает через Transformers, веса представлены в safetensors, контекст составляет 8192 токена. Модель предназначена для генерации текста, диалогов и написания историй с шаблоном Llama 3 Instruct. Автор также рассматривает её как основу для дальнейшего дообучения. По описанию, слияние ухудшило логические способности в программировании, математике и науке; иногда встречаются грамматические странности. Автор рекомендует не использовать штраф за повторения. Лицензия — llama3.

Карточка модели longtermrisk/Llama-3.1-8B-target-only-no-hallucination-first-third-sft-seed2 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-target-only-no-hallucination-last-third-sft-seed2-epoch3 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.

MaziyarPanahi/Llama-3.2-3B-Instruct-abliterated-GGUF — набор файлов модели в формате GGUF, подготовленный MaziyarPanahi на основе huihui-ai/Llama-3.2-3B-Instruct-abliterated. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск через llama.cpp и совместимые приложения и библиотеки. Модель относится к семейству Llama 3.2 и имеет размер 3B параметров; исходная модель является instruct-вариантом. В репозитории представлены квантизированные варианты с разрядностью 2, 3, 4, 5, 6 и 8 бит, что позволяет выбирать между размером файлов, требованиями к памяти и качеством генерации. Поддерживаемые языки, размер контекстного окна, точные характеристики архитектуры и особенности модификации «abliterated» в README не указаны. К сильным сторонам относятся широкий выбор уровней квантизации и совместимость с llama.cpp, llama-cpp-python, LM Studio, text-generation-webui, KoboldCpp, GPT4All и другими инструментами локального инференса. Ограничения включают возможное снижение качества при использовании более агрессивной квантизации, а также отсутствие в README данных о результатах оценки, производительности, мультимодальности и лицензии. Условия лицензирования явно не указаны.

Модель lovelyan/llama-3.2-Korean-Bllossom-3B-itsos — дообученная автором lovelyan разговорная модель семейства Llama 3.2 с 3,2 млрд параметров. Она основана на Bllossom/llama-3.2-Korean-Bllossom-3B и предназначена для генерации текста и диалогов. Для обучения использовались Unsloth и Hugging Face TRL. Модель принимает текст и выдаёт текст; метаданные указывают контекст до 131 072 токенов и интерфейс для вызова инструментов. Базовая модель рассчитана на корейский и английский языки. Распространяется по лицензии Apache-2.0. Карточка не описывает отдельную специализацию или результаты оценки качества этой версии.

walid-iguider/Llama-3-8B-4bit-UltraChat-Ita — плотная авторегрессионная языковая модель семейства Llama 3, разработанная walid-iguider и дообученная на базе unsloth/llama-3-8b-bnb-4bit. Она предназначена для генерации текста и ответов на запросы на итальянском языке. Модель содержит 7,5 млрд параметров, поддерживает контекст до 8192 токенов и распространяется в формате Safetensors. В карточке приведены результаты итальянских бенчмарков HellaSwag, ARC и MMLU; обучение выполнялось с использованием Unsloth и TRL. Модель подходит для диалоговых сценариев и задач на понимание итальянского текста. Доступна по лицензии Apache 2.0. Карточка не описывает отдельные защитные механизмы или ограничения качества; результаты бенчмарков служат ориентиром и не гарантируют точность ответов в конкретном применении.

Llama-3-8B-Dolphin-Portuguese-v0.2 — разговорная языковая модель на архитектуре Llama, опубликованная adalbertojunior. Модель содержит 7,5 млрд параметров, принимает текст и генерирует текст; для диалога она отмечена как conversational и поддерживает чат. Контекст — до 8192 токенов. Модель обучена на переведённой версии набора данных Dolphin и ориентирована на генерацию ответов в диалоге на португальском языке. Она может использоваться для создания чат-ботов и ответов на текстовые запросы. Указанная лицензия в предоставленных данных не приводится.

QuantFactory/Llama-3-8B-ShareGPT-112K-GGUF — квантизированная версия модели Magpie-Align/Llama-3-8B-ShareGPT-112K, созданная с использованием llama.cpp на базе Meta-Llama-3-8B. Это авторегрессионная текстовая модель архитектуры LlamaForCausalLM примерно на 8 млрд параметров, предназначенная для генерации текста и диалоговых сценариев. Модель дообучалась с помощью Axolotl на наборе данных flydust/ShareGPT-Vicuna-unfiltered в формате разговоров ShareGPT; при обучении использовалась длина последовательности 8192 токена и две эпохи. Языки и точный формат квантизации в README не указаны. Модель подходит для локального запуска и приложений, которым требуется генерация ответов в диалоговом стиле при сниженных требованиях к ресурсам благодаря квантизации. В качестве заявленного результата приведено значение evaluation loss 0,4747, однако сведения о специализированных бенчмарках, безопасности, устойчивости и рабочих ограничениях отсутствуют. Ограничения включают возможные ошибки, галлюцинации и зависимость качества от исходного набора диалогов; предназначение для конкретных профессиональных или критически важных задач не подтверждено. В метаданных указана лицензия llama3.

DeepMount00/Llama-3-COT-ITA — разговорная языковая модель для генерации текста на основе плотной архитектуры Llama с 7,5 млрд параметров. Репозиторий содержит веса в формате safetensors; модель создана в 2024 году и распространяется по лицензии Apache-2.0. По метаданным модель рассчитана на диалоговую генерацию текста на итальянском и английском языках. Заявленная длина контекста — 8192 токена. README состоит из повторяющейся тестовой фразы, поэтому он не подтверждает заявленное в названии обучение цепочке рассуждений или дополнительные возможности.

RLHFlow/Llama3-SFT-v2.0-epoch2 — контрольная точка модели Llama 3, дообученная авторами проекта RLHFlow для проекта Online-RLHF. Модель обучена методом supervised fine-tuning на базе meta-llama/Meta-Llama-3-8B на наборе RLHFlow/RLHFlow-SFT-Dataset-ver2 в течение двух эпох; размер в метаданных указан как 7,5 млрд параметров. Это плотная авторегрессионная языковая модель для генерации текста и диалогов, доступная в формате safetensors и рассчитанная на контекст до 8192 токенов. Модель подходит для генерации ответов в чате и исследований по обучению моделей с обратной связью от человека, включая рабочий процесс Online-RLHF. В карточке описаны пакет обучения 128 и скорость обучения 2e-5. Карточка не приводит оценок качества или подробных ограничений по языкам и сценариям использования. Лицензия в предоставленных данных не указана.

llama-3-slerp-dolphin-sauce-8B — слитая чат-модель на архитектуре Llama 3, созданная nbeerbower с помощью mergekit и метода SLERP из nbeerbower/llama-3-sauce-v1-8B и cognitivecomputations/dolphin-2.9-llama3-8b. Модель содержит около 7,5 млрд параметров и предназначена для генерации диалогового текста и ответов в чате; доступна в формате safetensors и рассчитана на контекст до 8192 токенов. Модель объединяет две предварительно обученные языковые модели. В метаданных и карточке указана лицензия other и лицензия Meta Llama 3 Community License Agreement соответственно. Данных о специализированных областях применения или дополнительных возможностях помимо генерации текста нет.

Llama-3-Umbral-Mind-SimPO-8B — разговорная языковая модель, созданная объединением моделей Casual-Autopsy и Princeton NLP с помощью mergekit и метода SLERP. В основе лежат Casual-Autopsy/L3-Umbral-Mind-RP-v1.0-8B и princeton-nlp/Llama-3-Instruct-8B-SimPO; архитектура — плотная LlamaForCausalLM примерно на 7,5 млрд параметров. Модель предназначена для генерации текста и диалоговых ответов на английском языке; контекстное окно — 8192 токена. Модель распространяется в формате Safetensors по лицензии Llama 3. Карточка не приводит результатов оценивания качества или подробных рекомендаций по настройке генерации.

Это дообученная модель KKHYA на базе KKHYA/llavaqwen3-1.7b-finetune. Она использует архитектуру LlavaQwen3ForCausalLM и содержит 1,7 млрд параметров. Модель предназначена для генерации текста и диалогов; метаданные также отмечают интерфейс вызова инструментов. Контекстное окно составляет 40 960 токенов. Модель принимает текст и, с учётом семейства Llava, может работать с изображениями; описание карточки не раскрывает детали этой возможности или обучения. Данные README не уточняют обучающий датасет, сценарии применения и результаты оценки. Лицензия — Apache-2.0.

KKHYA/llavaqwen3-1.7b-finetune-moe-4e-2k-sd4p_20260809_185043 — дообученная модель семейства MoELLaVAQwen3 на базе KKHYA/llavaqwen3-1.7b-finetune. Она содержит 1,7 млрд параметров и предназначена для генерации текста и диалогов; в метаданных также отмечен интерфейс вызова инструментов. Модель работает через Transformers и опубликована в форматах PyTorch и Safetensors. Карточка не описывает обучающий датасет, специализированные сценарии или результаты оценки. Контекст модели составляет 40 960 токенов. Лицензия — Apache-2.0.

Это дообученная модель KKHYA/llavaqwen3-1.7b-finetune с 1,7 млрд параметров для генерации текста и диалогов. Она использует архитектуру NMMaskMoELLaVAQwen3ForCausalLM и предназначена для разговорного взаимодействия; в метаданных также заявлен интерфейс вызова инструментов. Модель принимает текст и выдаёт текст, а её контекстное окно составляет 40 960 токенов. Модель опубликована в форматах PyTorch и Safetensors и распространяется по лицензии Apache-2.0. Датасет дообучения, целевые сценарии, результаты оценки и специальные ограничения в карточке не описаны, поэтому качество для конкретных задач по имеющимся сведениям оценить нельзя.

Lumma-0.6B-Instruct — компактная плотная языковая модель компании FrontiersMind для следования инструкциям и диалоговой генерации текста. Она основана на Lumma-0.6B-Base, предварительно обучена с нуля на 1 трлн токенов, а затем дообучена на инструкциях и с помощью Direct Preference Optimisation; это чекпойнт до этапа обучения с RL. В репозитории указаны 800,5 млн параметров, контекст до 12 288 токенов и формат safetensors. Модель предназначена для приложений с ограниченными вычислительными ресурсами и ориентирована прежде всего на надёжное выполнение инструкций на английском и десяти индийских языках: хинди, бенгальском, тамильском, телугу, маратхи, гуджарати, каннада, малаялам, панджаби и одия. В README отмечены также возможности в математике и программировании, но основная цель — эффективное следование инструкциям; авторы сообщают о сравнительных результатах на тестах, однако численные показатели здесь не приведены. Модель распространяется по лицензии Apache-2.0. Её небольшой размер рассчитан на ресурсно-ограниченные среды, но карточка не приводит конкретных требований к оборудованию или гарантий качества; текущий вариант обозначен как чекпойнт до RL-обучения.

LYRA-MISTRAL — разговорная генеративная модель, разработанная и поддерживаемая Muhammad Taqi. По метаданным Hugging Face это плотная модель семейства Mistral с архитектурой MistralForCausalLM, 7,1 млрд параметров и контекстом до 32 768 токенов; README называет её лёгким движком рассуждений на 1 млрд параметров, поэтому сведения о размере расходятся. Модель предназначена для генерации текста и высокоскоростного диалога. Метаданные отмечают поддержку чата и интерфейс вызова инструментов; в карточке указан английский язык. Модель распространяется в формате safetensors по лицензии Apache-2.0. README заявляет быстрые ответы, но не приводит результатов измерений или подробностей обучения. Поэтому производительность и качество рассуждений по карточке проверить нельзя; также расходятся сведения об архитектурной основе: README указывает LYRAMOON, а метаданные классифицируют модель как Mistral.

liminerity/m7-64-bitnet-alpaca-2 — разговорная языковая модель, созданная разработчиком liminerity на основе архитектуры Mistral. В карточке автор описывает последовательное дообучение на всё большем объёме данных в течение двух месяцев и отмечает, что модель продолжала улучшаться, несмотря на переобучение. Модель предназначена для генерации текста в диалоговом формате. Она содержит 203,9 млн параметров, принимает текст и выдаёт текст; заявленная длина контекста — 2048 токенов. В репозитории указаны веса в формате safetensors. Лицензия в предоставленных данных не указана.

SzilviaB/Magnum_Lyra_Darkness_12b — объединение языковых моделей, созданное автором репозитория с помощью mergekit и метода SLERP. В состав вошли anthracite-org/magnum-v4-12b и DavidAU/MN-GRAND-Gutenberg-Lyra4-Lyra-12B-DARKNESS; в конфигурации базовой указана anthracite-org/magnum-v4-12b. Модель относится к семейству Mistral, имеет плотную архитектуру MistralForCausalLM и содержит 12,1 млрд параметров. Модель предназначена для генерации текста и диалоговых ответов, а также может использоваться для создания прозы. Метаданные указывают интерфейс чата и вызова инструментов. Заявленная длина контекста — 1 024 000 токенов; модель опубликована в формате safetensors для библиотеки Transformers. Сведения о лицензии и поддерживаемых естественных языках в предоставленных данных отсутствуют.

magnum-twilight-12b — слитая модель генерации текста, созданная автором репозитория с помощью mergekit из grimjim/magnum-consolidatum-v1-12b и Epiculous/Violet_Twilight-v0.2 методом SLERP. Она построена на плотной архитектуре Mistral и содержит 12,1 млрд параметров; для запросов рекомендуется использовать формат ChatML. Небольшой вклад Violet Twilight смягчает склонность Magnum Consolidatum к чрезмерно длинным ответам. Модель предназначена для диалоговой генерации текста и ролевых сценариев. Заявленное нативное контекстное окно — 131 072 токена. Метаданные указывают интерфейс для вызова инструментов, но README не описывает его настройку или надёжность. Модель распространяется под лицензией Apache-2.0.

Qwen3-1.7B compression MaxRL final — дообученная модель семейства Qwen3, опубликованная hi-todayis-jh. Это плотная авторегрессионная языковая модель с 1,7 млрд параметров для генерации текста и диалогов. Репозиторий содержит веса BF16 в формате Transformers, конфигурацию, токенизатор и шаблон чата с режимом размышления; заявлена длина контекста 40 960 токенов. Модель можно загружать через Transformers или vLLM. Модель предназначена для разговорной генерации текста и оценок с включённым режимом размышления. Карточка указывает, что экспорт выполнен из шага обучения 100; параметры сжатия и MaxRL входят в название, но README не описывает результаты или конкретный метод обучения. Базовая модель — Qwen/Qwen3-1.7B. Лицензия в предоставленных данных не указана. Как и у других языковых моделей, качество ответов может варьироваться; README подтверждает успешную загрузку и прямой проход на CPU, но не приводит сравнительных оценок качества.

yileitu/Mdist_8B_SelfDistill_Chem_from_Qwen3_14B — дообученная модель семейства Qwen3, созданная на базе Qwen/Qwen3-8B и обученная на наборе aligned_5w_data_from_upsampled_M0_Qwen3-8B_upsampled_50k_all_subtasks. Это диалоговая языковая модель с архитектурой Qwen3ForCausalLM и 7,6 млрд параметров, предназначенная для генерации текста; доступный контекст составляет до 40 960 токенов. Репозиторий использует Transformers и формат safetensors. Карточка не уточняет химические возможности модели, состав заданий в обучающем наборе или результаты оценки, поэтому специализированные сценарии применения подтвердить нельзя. Лицензия указана как other; конкретные условия следует сверить в карточке репозитория перед использованием.

saishf/Merge-Mayhem-L3-V2.1 — объединённая диалоговая языковая модель, созданная автором репозитория с помощью mergekit и метода Model Stock. В качестве базовой использована openlynn/Llama-3-Soliloquy-8B-v2; в объединение также вошли Meta-Llama-3-8B-Instruct и модели Aura, Luna, BlueMoon, Smarts и RP_Format_QuoteAsterisk от ResplendentAI. Модель построена на архитектуре Llama, содержит около 7,5 млрд параметров и рассчитана на генерацию текста в диалоговом формате. Контекст — до 8192 токенов. Может применяться для ответов ассистента и свободного диалога; специальная область применения и отдельный набор поддерживаемых языков в карточке не заявлены. Веса опубликованы в формате safetensors и типе float16. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое. Автор отмечает неопределённость относительно того, насколько новый вариант слияния отличается от предыдущего, поэтому качество и поведение модели следует оценивать на собственных примерах.

unsloth/MiniMax-M2.7-GGUF — это версия модели MiniMax-M2.7 в формате GGUF, подготовленная Unsloth на основе базовой модели MiniMaxAI/MiniMax-M2.7. Она предназначена для локального запуска и задач генерации текста, включая диалоговые сценарии и другие применения text-generation при использовании совместимого программного обеспечения для GGUF. README не содержит достоверных сведений об архитектуре, количестве параметров, поддерживаемых языках, модальностях или размере контекста, поэтому эти характеристики нельзя указать. Ключевое преимущество — упаковка в удобный для локального инференса формат GGUF; Unsloth также заявляет применение Dynamic 2.0 для повышения точности квантования, однако конкретные варианты квантования и результаты тестов в README не приведены. Указана лицензия modified MIT; подробные условия доступны в лицензии MiniMaxAI по ссылке из карточки модели.

MISCHIEVOUS-12B-Mix_0.5v — объединённая авторами модель генерации текста на архитектуре Mistral, созданная с помощью mergekit методом SLERP из версий MISCHIEVOUS-12B-Mix_0.3v и MISCHIEVOUS-12B-Mix_0.4v. Модель содержит 12,1 млрд параметров и рассчитана на диалоги и генерацию текста; метаданные также отмечают интерфейс вызова инструментов. Репозиторий содержит веса safetensors, а README указывает на вариант Q4_K_M в формате GGUF. Модель ориентирована на англо- и корейскоязычные сценарии. В метаданных заявлена длина контекста 1 024 000 токенов. Лицензия — Apache-2.0. В README приведены результаты Open LLM Leaderboard, включая средний балл 22,47, IFEval и BBH; эти результаты сами по себе не гарантируют качество на конкретных задачах.

Moonshine Tiny KO — компактная модель распознавания речи, разработанная Moonshine AI и входящая в набор Flavors of Moonshine для малоресурсных устройств. Она преобразует аудио с корейской речью в текст на корейском языке. Модель построена на архитектуре encoder-decoder Moonshine и содержит 27 млн параметров; заявленная длина контекста — 194 токена. Репозиторий использует формат safetensors и библиотеку Transformers. Модель предназначена для разработчиков систем транскрибации корейской речи, которым важны скорость и работа на устройствах с ограниченной памятью и вычислительными ресурсами. В README сообщается о результатах на наборах Fleurs и Common Voice 17 и о превосходстве над сопоставимой по размеру Whisper Tiny; показатели нельзя напрямую переносить на любые аудиозаписи и условия применения. Модель может галлюцинировать слова, которых нет в аудио, и повторять фрагменты текста, особенно на коротких или обрезанных записях. Перед внедрением её следует оценить на целевых данных; не рекомендуется применять для субъективной классификации людей и решений высокого риска. В метаданных указана лицензия other, но её конкретные условия в предоставленных данных не раскрыты.

zelk12 создал эту модель, объединив методом SLERP две предварительно обученные языковые модели с помощью mergekit: zelk12/MT3-Gen5-GP-gemma-2-RAv0.1E-9B и zelk12/MT3-Gen5-MM-gemma-2-MT2Av4d-9B. Это плотная Gemma 2 с 9 млрд параметров для генерации текста и диалогов; модель рассчитана на текстовый ввод и текстовый вывод, а её контекст составляет 8192 токена. Модель подходит для диалоговых приложений и творческого письма. В карточке не приведены сведения о поддерживаемых естественных языках и результаты оценки качества, поэтому не следует предполагать конкретные языковые преимущества или гарантировать качество ответов. Репозиторий распространяет веса в формате Safetensors; лицензия в предоставленных данных не указана.

Munin-NeuralBeagle-NorskGPT — объединённая языковая модель на архитектуре Mistral, опубликованная birgermoell. Веса получены слиянием моделей через LazyMergekit: в конфигурации указаны RJuro/munin-neuralbeagle-7b и bineric/NorskGPT-Mistral-7b с методом dare_ties. Метаданные указывают 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста; базовая NorskGPT-Mistral-7b ориентирована на суммаризацию, ответы на вопросы и общение на норвежском языке. Карточка не описывает отдельные возможности объединённого чекпойнта или его качество. Репозиторий содержит веса в формате safetensors; сведения о лицензии в доступных данных отсутствуют.

My-Zephyr-7B-iter-1 — диалоговая языковая модель, разработанная как дообученная версия TTTXXX01/DPO-Zephyr-7B. Она предназначена для генерации текста в формате чата. Модель построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров; максимальная длина контекста составляет 32 768 токенов. Модель можно использовать для диалоговых приложений и генерации ответов на текстовые запросы. Она распространяется в формате safetensors по лицензии MIT. README не описывает результаты оценки, конкретные возможности и ограничения модели.