I.7Речь, диалоги и встречи

Модель promotion/Llama-3.1-8B-SafeRLHF-MaxMinRLHF-baseline — диалоговая языковая модель на архитектуре Llama, дообученная методом MaxMin-RLHF на панели SafeRLHF. В качестве основы использована meta-llama/Llama-3.1-8B-Instruct; модель содержит 7,5 млрд параметров, принимает текст и генерирует текст, а заявленная длина контекста составляет 131 072 токена. Дообучение нацелено на совместную оптимизацию полезности и безвредности ответов. В README описаны три чередующихся раунда по 100 обновлений, общий batch size 16 и оценка по независимым показателям предпочтения для каждой цели на отложенных промптах; отдельные численные результаты не приведены. Модель подходит для диалоговых сценариев, где важно учитывать обе цели, но карточка не подтверждает специализированную работу в отдельных предметных областях. Указана лицензия Llama 3.1. Для использования необходимо соблюдать её условия. Описание не содержит количественных показателей качества, поэтому сравнительные преимущества модели по этим материалам оценить нельзя.

Это экспериментальный чекпойнт Llama-3.1-8B-Instruct, дообученный методом Nash Bargaining Preference Optimization (NBPO) на SafeRLHF для совместной оптимизации полезности и безвредности ответов. Модель основана на архитектуре Llama, содержит 7,5 млрд параметров и принимает текстовые инструкции и диалоговый контекст; заявленная длина контекста — 131 072 токена. Чекпойнт предназначен для генерации диалоговых ответов с настройкой на предпочтения по полезности и безопасности. В описании приведён эксперимент по чувствительности к бюджету оптимизации: для сравнения использовались варианты на 300 и 600 обновлений, а оценивание проводилось на отложенных промптах с помощью Llama-3.3-70B-Instruct. Карточка указывает, что результаты по метрикам предпочли вариант на 300 обновлений, поэтому этот вариант на 600 обновлений следует рассматривать как исследовательский чекпойнт, а не как подтвержденно лучший вариант. Модель распространяется по лицензии Llama 3.1. Для использования применяются условия лицензии Meta Llama 3.1; выводы карточки ограничены описанным экспериментальным протоколом и сами по себе не подтверждают качество или безопасность ответов во всех сценариях.

Карточка модели longtermrisk/Llama-3.1-8B-target-only-no-hallucination-first-third-sft-seed3-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.

Карточка модели longtermrisk/Llama-3.1-8B-target-only-no-hallucination-inoculation-prompting-rerun-e9d315a-20260809 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.

bunnycore/Llama-3.2-1B-General-Best — объединённая языковая модель семейства Llama, созданная автором репозитория с помощью mergekit. В неё вошли huihui-ai/Llama-3.2-1B-Instruct-abliterated и bunnycore/LLama-3.2-1B-General-lora_model; применён метод passthrough. Модель содержит 1,2 млрд параметров, использует плотную архитектуру LlamaForCausalLM и доступна в формате safetensors для библиотеки Transformers. Модель предназначена для генерации текста и диалоговых сценариев. Метаданные указывают на контекст до 131 072 токенов и интерфейс вызова инструментов. В карточке не приведены результаты оценки качества, подробные инструкции по использованию или сведения о поддерживаемых языках. Лицензия в предоставленных данных не указана.

Это пакет квантованной модели Llama 3.2 1B Instruct от Mesh LLM: веса в формате GGUF Q4_K_M разделены на артефакты по слоям для распределённого инференса на кластере Mesh LLM. Исходная модель — unsloth/Llama-3.2-1B-Instruct-GGUF; модель предназначена для диалоговой генерации текста и запуска локальных чат-сервисов с OpenAI-совместимым API. Пакет подходит для приватного инференса на собственном оборудовании и для объединения памяти и вычислительных ресурсов нескольких машин, когда полная модель не помещается на одном узле. Он поддерживает чат-сценарии; размер контекста и список языков в предоставленных сведениях не приведены. Репозиторий содержит лицензию llama3.2; условия лицензии следует сверять с исходной карточкой Llama 3.2.

asiburye/Llama-3.2-3B-Xitcar — разговорная текстовая модель, разработанная asiburye на основе unsloth/llama-3.2-3b-instruct-bnb-4bit. Это дообученная плотная авторегрессионная модель семейства Llama 3.2 с 3,2 млрд параметров, предназначенная для генерации текста в диалогах. Метаданные указывают контекстное окно до 131072 токенов, поддержку английского языка и интерфейс для вызова инструментов. Модель обучалась с использованием Unsloth и библиотеки TRL. Репозиторий содержит веса PyTorch; лицензия — Apache-2.0. Карточка не описывает специализацию дообучения, обучающие данные или результаты оценки качества, поэтому пригодность для конкретных предметных задач не подтверждена.

llama3-8b-spaetzle-v37 — объединённая модель на архитектуре Llama 3, созданная cstr методом dare_ties с помощью LazyMergekit на основе HeshamHaroon/Arabic-llama3, mlabonne/NeuralDaredevil-8B-abliterated и предыдущей версии llama3-8b-spaetzle-v33. Модель содержит 7,5 млрд параметров, принимает текст и генерирует текст, поддерживает диалоговый режим и контекст до 8192 токенов. Модель предназначена для генерации текста в диалогах и ролевых сценариях; среди исходных моделей есть вариант Llama 3 для арабского языка и модель с меньшими поведенческими ограничениями. В метаданных указан арабский базовый компонент, но конкретные языки и сравнительные показатели качества самой объединённой модели не приведены. Репозиторий распространяется по лицензии Apache-2.0.

llama-3-bophades-v1-8B — слитая разговорная языковая модель от nbeerbower на архитектуре Llama 3. Она создана методом Model Stock с помощью mergekit на основе vicgalle/Configurable-Llama-3-8B-v0.2 и объединяет веса нескольких моделей Llama 3, включая инструктивные и диалоговые варианты. В репозитории указано 7,5 млрд параметров и контекст до 8192 токенов. Модель предназначена для диалога и генерации текста по запросу: она может отвечать на вопросы и продолжать беседу. В составе слияния есть вариант, настроенный для корейского языка; метаданные также описывают базовую модель как англоязычную инструктивную LLM. Данные не подтверждают отдельную специализацию или гарантированное качество для конкретных задач. Модель распространяется в формате safetensors. README указывает на Meta Llama 3 Community License Agreement; перед использованием следует проверить условия этой лицензии.

llama-3-Daredevil-Mahou-8B — объединённая языковая модель на основе Llama 3, созданная с помощью mergekit методом Model Stock. В слияние вошли flammenai/Mahou-1.1-llama3-8B и flammenai/Mahou-1.2a-llama3-8B, а базовой моделью использована mlabonne/Daredevil-8B-abliterated. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и рассчитана на контекст до 8192 токенов. Модель предназначена для генерации текста и разговорных сценариев, включая ролевые диалоги. Она опубликована в формате safetensors и использует библиотеку Transformers. В метаданных указана лицензия llama3. README не сообщает отдельные результаты оценки качества или подробности о поддерживаемых языках.

Это дообученная модель KKHYA на базе KKHYA/llavaqwen3-1.7b-finetune с 1,7 млрд параметров. Она предназначена для генерации текста и диалогов; в метаданных также указана поддержка интерфейса вызова инструментов. Модель создана 13 августа 2026 года и распространяется в форматах PyTorch и safetensors через Transformers. Лицензия — Apache-2.0. Карточка не описывает обучающий датасет, конкретные сценарии, оценку качества или специальные ограничения. Контекстное окно составляет 40 960 токенов. По имеющимся сведениям модель принимает и выдаёт текст.

Это дообученная модель KKHYA на основе KKHYA/llavaqwen3-1.7b-finetune. Она использует архитектуру NMMaskMoELLaVAQwen3ForCausalLM, содержит 1,7 млрд параметров и предназначена для генерации текста и диалогов; каталог также отмечает интерфейс вызова инструментов. Нативный контекст — до 40 960 токенов. Модель опубликована в форматах PyTorch и Safetensors под лицензией Apache-2.0. Датасет дообучения и результаты оценки не описаны, поэтому качество и пригодность для конкретных сценариев по карточке установить нельзя.

Edens-Gate/magmergv1 — языковая модель, созданная разработчиками Edens-Gate слиянием предварительно обученных моделей NewEden/TinyMagnum-r2 и Edens-Gate/testing. Для слияния применён метод SLERP с помощью mergekit; архитектура — плотная LlamaForCausalLM на 3,9 млрд параметров. Модель предназначена для генерации текста в диалоговом формате и поддерживает контекст до 131 072 токенов. Модель подходит для диалоговых помощников и генерации текста. README описывает способ слияния и входящие модели, но не приводит сравнительных оценок качества или подробностей о целевых сценариях. Репозиторий содержит веса в формате safetensors; библиотека для работы — Transformers. Язык модели в предоставленных данных не определён. Лицензия в источниках не указана.

mergekit-community/mergekit-slerp-zwbosgo — языковая модель для диалоговой генерации текста, полученная сообществом путём слияния моделей Meta-Llama-3-8B-Instruct и Dolphin 2.9 Llama 3 8B. Для объединения применён метод SLERP с инструментом mergekit; архитектура — плотная LlamaForCausalLM, размер — около 7,5 млрд параметров, контекст — 8192 токена. Модель принимает текст и генерирует текстовые ответы в формате диалога. Модель подходит для ведения диалога и генерации ответов на английском языке, унаследовав возможности базовых моделей. В карточке не приведены отдельные оценки качества или подробные результаты тестирования. Репозиторий содержит веса в формате safetensors; для Meta-Llama-3-8B-Instruct применяются условия лицензии базовой модели, однако конкретные условия использования слияния в предоставленных данных не указаны.

Карточка модели mergekit-community/mergekit-ties-itmchpd на Hugging Face совпадает с карточкой mergekit-community/mergekit-ties-cmdmayc, поэтому описание составлено по ней. mergekit-community/mergekit-ties-cmdmayc — языковая модель на основе архитектуры Mistral, полученная объединением весов методом TIES с помощью mergekit. В объединение вошли mistralai/Mistral-7B-v0.1 в качестве базовой модели, mistralai/Mistral-7B-Instruct-v0.2 и BioMistral/BioMistral-7B. Модель содержит 7,1 млрд параметров, использует формат Safetensors и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста и ответов на инструкции в диалоговых сценариях. Включение BioMistral указывает на связь с биомедицинской тематикой, однако карточка не описывает специализированные медицинские возможности или результаты оценки качества. Модель выпущена 17 апреля 2024 года; условия лицензии в предоставленных данных не приведены.

MiDashengLM-7B-0804-fp32 — мультимодальная аудиоязыковая модель для понимания звука и создания текстовых описаний аудио. Модель представлена в репозитории mispeech; по метаданным она объединяет MiDasheng-0.6B и Qwen2.5-Omni-7B и связана с дообучением Qwen2.5-Omni-7B. Архитектура — плотная MiDashengLMModel; веса опубликованы в формате safetensors. Модель предназначена для описания музыки и звуков, ответов на вопросы об аудио, классификации аудио и паралингвистических признаков, а также распознавания речи. README приводит результаты на наборах MusicCaps, AudioCaps, VoxCeleb1, VoxLingua107 и LibriSpeech. Метаданные указывают поддержку английского, китайского, тайского, индонезийского и вьетнамского языков. Для типичного использования авторы рекомендуют версию BF16; версия FP32 предназначена прежде всего для точного воспроизведения результатов. Лицензия — Apache-2.0. Приведённые результаты показывают, что качество зависит от задачи и набора данных: в таблицах распознавания речи модель уступает некоторым сравниваемым системам, а на отдельных задачах классификации и вопросов об аудио не лидирует. README не сообщает длину контекста.

sapirharary/MiniTruePrefixes — языковая модель для генерации текста и диалоговых ответов. Она основана на архитектуре Llama и содержит около 1,2 млрд параметров. Модель опубликована в формате safetensors и помечена как conversational; заявленная длина контекста составляет 131 072 токена. Модель можно использовать для генерации продолжений текста и ведения диалогов в приложениях на базе Transformers. В карточке не приведены сведения о разработчике, обучающих данных, языках, базовой модели, лицензии, качестве и ограничениях, поэтому эти характеристики нельзя оценить по доступным источникам.

MISCHIEVOUS-12B-Mix_0.1v — слитая модель генерации текста на архитектуре Mistral, созданная с помощью mergekit методом SLERP из bamec66557/MNRP_0.5 и bamec66557/MISCHIEVOUS-12B. Она предназначена для текстового общения и генерации ответов; метаданные также указывают интерфейс вызова инструментов. Модель содержит 12,1 млрд параметров и принимает контекст до 1 024 000 токенов. Заявлены английский и корейский языки. По лицензии Apache-2.0. Карточка приводит результаты Open LLM Leaderboard: среднее значение 22,52, IFEval — 36,36, BBH — 34,36; в README указаны дополнительные строки результатов без значений в предоставленном фрагменте. Данных о целевых сценариях, качестве на конкретных задачах и практических ограничениях в доступном описании мало.

HuggingFaceH4/mistral-7b-anthropic — диалоговая модель генерации текста на архитектуре Mistral, разработанная HuggingFaceH4. Это версия Mistral 7B, выровненная методом DPO на наборах ultrafeedback_binarized_fixed и cai-conversation-harmless. Модель содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для диалоговых сценариев: генерации ответов и ведения беседы с ориентацией на безвредное поведение. Карточка приводит метрики оценки на тестовом наборе, но не описывает подробные сценарии применения или результаты на сторонних бенчмарках. Доступна в формате safetensors по лицензии Apache-2.0.

alvarobartt/mistral-7b-orpo-airoboros-pref-10k — дообученная модель alvarobartt на базе Mistral-7B-v0.1 от Mistral AI. Это плотная авторегрессионная языковая модель с 7,1 млрд параметров, предназначенная для генерации текста и диалогового общения. Для дообучения использован набор предпочтений alvarobartt/airoboros2.2-pref-10k с методом ORPO; модель рассчитана на контекст до 32 768 токенов и опубликована в формате Safetensors. Модель подойдёт для создания чат-ботов и генерации ответов на текстовые запросы. В README приведены метрики оценки на тестовом наборе, однако подробное описание оценки и целевых сценариев отсутствует. Языки, на которых модель специально обучалась или оптимизирована, не установлены по предоставленным данным. Модель распространяется по лицензии Apache-2.0.

janelleopj/mistral-7b-planner — дообученная автором janelleopj языковая модель семейства Mistral для генерации текста в диалоговом формате. Она основана на unsloth/mistral-7b-instruct-v0.3-bnb-4bit; при обучении использовались Unsloth и библиотека TRL от Hugging Face. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации ответов по текстовым запросам и может использоваться в чат-сценариях. В метаданных также отмечен интерфейс вызова инструментов, однако README не описывает специальную задачу планирования, обучающие данные или поведение модели в таких сценариях. Доступен формат safetensors. Модель распространяется по лицензии Apache-2.0. Карточка не приводит оценок качества или подробных ограничений; результаты могут зависеть от запроса и сценария применения.

l3utterfly/mistral-7b-v0.1-layla-v1 — языковая модель Mistral 7B, дообученная l3utterfly при финансировании Layla Network на наборах ShareGPT для многоходовых диалогов. Она предназначена для использования в офлайн-персональном ассистенте Layla и для ответов в формате диалога. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и принимает текст, генерируя текст. Контекстное окно — до 32 768 токенов. В карточке заявлен английский язык; лицензия — Apache-2.0. В README приведены результаты оценки на Open LLM Leaderboard: среднее значение 55,05, ARC — 60,15 и HellaSwag — 83,25. Эти показатели не гарантируют качество на пользовательских задачах; результаты по безопасности, фактической точности и другим сценариям не приведены.

Inferor v0.0 — экспериментальное слияние четырёх предварительно обученных языковых моделей, созданное svak с помощью mergekit и метода Model Stock. Базой слияния послужила anthracite-org/magnum-v4-12b; в него также вошли Fizzarolli/MN-12b-Sunrose, nbeerbower/Mistral-Nemo-Gutenberg-Doppel-12B-v2 и nothingiisreal/MN-12B-Starcannon-v3. Модель построена на архитектуре Mistral, содержит 12,1 млрд параметров и распространяется в формате safetensors; заявленная длина контекста — 1 024 000 токенов. Модель предназначена для генерации текста и разговорных ответов. Её можно применять в диалоговых системах и для создания прозы; метаданные также отмечают интерфейс вызова инструментов. README называет это первой пробой автора со слиянием и приглашает пользователей давать обратную связь, поэтому качество стоит оценивать на собственных примерах. В карточке не указаны языки и лицензия, поэтому условия использования определить нельзя.

jinunyachhyon/MobileLLM_Finetune_onDialogueDataset — дообученная модель семейства T5 с 123,8 млн параметров для генерации текста по текстовому запросу. Карточка сообщает о дообучении на диалоговом наборе данных, но не раскрывает его состав или конкретные сценарии применения; в оценке приведено значение loss 0,0765 без описания методики.

ZhangYuchi/modelbest-Qwen-2.5-Omni-7B-SFT-only — дообученная ZhangYuchi мультимодальная модель-агент на базе Qwen/Qwen2.5-Omni-7B. Она предназначена для вопросов и ответов по видео, аудио и изображениям с многошаговым использованием внешних инструментов, включая веб-поиск, просмотр страниц, выполнение кода и чтение медиафайлов. Модель использует плотную архитектуру Qwen2.5-Omni и формат safetensors; для работы предусмотрена библиотека Transformers. В README описано обучение на траекториях OmniGAIA методом SFT с маскированием наблюдений инструментов и разбиением длинных траекторий скользящим окном шириной 8192 токена с перекрытием 4096. Карточка приводит оценку OmniGAIA Pass@1 около 15–17% на разных запусках. Модель лучше подходит для мультимодальных агентных задач с инструментами, чем для прямых одношаговых ответов без инструментов. Она наследует ограничения базовой модели, включая ошибки распознавания аудио в длинных клипах и редких объектов на изображениях. Лицензия — Apache-2.0.

ytu-ce-cosmos/modernbert-tr-massive-slot — турецкая модель разметки последовательностей на базе энкодера ModernBERT-TR, разработанная для заполнения слотов в системе понимания речи MASSIVE 1.1. Она классифицирует токены по схеме BIO для 55 типов слотов, выделяя, например, сущности в запросе «найди билет до Анкары на следующую пятницу». Модель содержит 148,7 млн параметров, принимает текст и рассчитана на контекст до 8192 токенов. Контрольная точка получила entity-level F1 75,30% на тестовом наборе MASSIVE 1.1 для турецкого языка; указанный для неё результат на 0,03 процентного пункта выше среднего 75,27 ± 0,31% по пяти запускам. Это дообучение ytu-ce-cosmos/modernbert-tr-base; доступны веса Safetensors и формат ONNX. Модель распространяется по лицензии Apache-2.0.

mox-tiny-1-i1-GGUF — это набор квантованных файлов модели mox-tiny-1, разработанной vanta-research и подготовленной в формате GGUF пользователем mradermacher. Модель предназначена для диалоговых сценариев, генерации текста, roleplay, задач, связанных с рассуждением, персоной и исследованием взаимодействия человека с ИИ. Заявлен английский язык. Основные характеристики исходной архитектуры, число параметров, максимальный контекст и поддерживаемые модальности в README не указаны. Репозиторий содержит варианты квантования от очень компактных IQ1 до Q6_K размером примерно от 2,1 до 6,7 ГБ, а также imatrix-файл для создания собственных квантов. Более компактные варианты требуют меньше ресурсов, но могут заметно уступать по качеству; среди готовых файлов Q4_K_M отмечен как быстрый и рекомендуемый, а Q4_K_S — как оптимальный по соотношению размера, скорости и качества. Модель распространяется под лицензией llama3.1.

MR 9B v3 async v2 CISPO — контрольная точка модели, экспортированная на шаге 127 запуска wdblemve. Разработчик не указан; веса инициализированы из HerrHruby/MR_midtrain_9B_v3 и опубликованы в формате, совместимом с Hugging Face Transformers, в файлах safetensors. Архитектура — плотная Qwen3.5 с классом Qwen3_5ForConditionalGeneration; метаданные указывают на поддержку диалогового взаимодействия и генерации текста. Модель предназначена для инференса и оценки. Карточка не описывает специальные предметные области, поддерживаемые языки, размер параметров или длину контекста. Лицензия в доступных данных не указана.

MT-Gen4-GI-gemma-2-9B — объединённая языковая модель семейства Gemma 2 размером 9 млрд параметров. Она создана с помощью mergekit методом SLERP из zelk12/MT-Gen4-GP-gemma-2-S5MTg2-9B и zelk12/MT-Gen4-IF-gemma-2-MT4g2MTg2-9B; в конфигурации указана точность bfloat16. Модель предназначена для генерации текста в диалоговом формате и работает через библиотеку Transformers. Контекст модели составляет 8192 токена. Карточка не приводит конкретные языки, специализированные области или результаты оценки качества, поэтому применимость к ним нельзя подтвердить. Лицензия в предоставленных данных не указана.

Nawah-ASR-118M-v5 — модель распознавания арабской речи, опубликованная oddadmix. Это компактная система на 118 млн параметров: акустический энкодер архитектуры Whisper обучен с нуля на собственном корпусе объёмом 866 часов, а распознавание использует арабскую языковую модель в оболочке Qwen2Audio. После обучения модель дополнительно оптимизировали методом GRPO с оценкой по ошибке распознанных слов. Модель предназначена для преобразования арабской речи в текст. В карточке приведены результаты на 3165 отложенных аудиофрагментах и сравнение с Whisper; качество зависит от регистра речи и принятого способа записи. Для загрузки автор рекомендует функцию load_v5: стандартный from_pretrained может установить частоту аудиотокенов вдвое ниже обучающей, что приводит к некорректной работе. Вход — монофонический аудиосигнал float32 с частотой 16 кГц; контекст языковой модели — 2048 токенов. Модель лучше подходит для арабской речи в литературном регистре; разговорный египетский диалект и короткие записи распознаются хуже. Для длинных записей автор рекомендует предварительное сегментирование. Распространяется по лицензии Apache-2.0.