I.7Речь, диалоги и встречи

DarianNLP/affect_of_removing_misalligned_examples-qual_removed — это дообученная модель Meta Llama 3.2 3B Instruct, созданная с помощью TRL. Она предназначена для генерации текста в диалоговом формате и отвечает на пользовательские запросы; карточка демонстрирует запуск через Transformers и пример ответа на открытый вопрос. Модель использует плотную архитектуру LlamaForCausalLM, содержит 3,2 млрд параметров и имеет контекстное окно 131 072 токена. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана, поэтому условия использования следует сверить с карточкой модели и лицензией базовой модели.

Ak4ri-7b — слитая модель для генерации текста, созданная автором репозитория с помощью LazyMergekit. Она объединяет Virt-io/Irene-RP-v3-7B и Smuggling1710/Erosumika-MistralLayla-Slerp методом slerp; архитектура — Mistral с плотной структурой и 7,1 млрд параметров. Модель принимает текст и генерирует текст, поддерживая контекст до 32 768 токенов. Модель подходит для диалоговой генерации и ролевых текстовых сценариев, унаследованных от исходных моделей. Доступны веса в формате safetensors, а конфигурация слияния задаёт тип bfloat16. Лицензия в предоставленных данных не указана.

AlphaMist7B-slr-v1 — дообученная Alphacode-AI модель на архитектуре Mistral с 7,1 млрд параметров. Она предназначена для генерации текста в диалоговом формате и обучена на внутренних пользовательских данных разработчика. Модель принимает текст и генерирует текст; заявленная длина контекста составляет 32 768 токенов. В метаданных указан корейский язык. Модель основана на mistralai/Mistral-7B-v0.1 и опубликована в формате safetensors. Для обучения использовались A100, DeepSpeed, TRL Trainer и Accelerate. Лицензия CC BY-NC 4.0 допускает использование с указанием авторства, но запрещает коммерческое применение. Карточка не описывает специализацию датасета, качество на конкретных задачах или результаты оценки.

Карточка модели Alphacode-AI/AlphaMist7B-slr-v2 на Hugging Face совпадает с карточкой Alphacode-AI/AlphaMist7B-slr-v1, поэтому описание составлено по ней. AlphaMist7B-slr-v1 — дообученная Alphacode-AI модель на архитектуре Mistral с 7,1 млрд параметров. Она предназначена для генерации текста в диалоговом формате и обучена на внутренних пользовательских данных разработчика. Модель принимает текст и генерирует текст; заявленная длина контекста составляет 32 768 токенов. В метаданных указан корейский язык. Модель основана на mistralai/Mistral-7B-v0.1 и опубликована в формате safetensors. Для обучения использовались A100, DeepSpeed, TRL Trainer и Accelerate. Лицензия CC BY-NC 4.0 допускает использование с указанием авторства, но запрещает коммерческое применение. Карточка не описывает специализацию датасета, качество на конкретных задачах или результаты оценки.

Anubis-70B-v1 — диалоговая дообученная модель семейства Llama, опубликованная TheDrummer; в README проект представлен BeaverAI. Модель содержит 69,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и рассчитана на контекст до 131 072 токенов. Карточка описывает её как сбалансированную и творческую модель, следующую инструкциям и подходящую для естественного диалога, написания прозы и ролевых сценариев. Поддерживается шаблон чата Llama 3 с ролями system, user и assistant; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст. В репозитории указаны веса safetensors, а README ссылается на отдельную рекомендацию по формату iMatrix. Лицензия обозначена как other, поэтому условия использования следует проверить в файлах репозитория. Отзывы о качестве и творческих способностях в карточке субъективны и не являются результатами опубликованной оценки.

Average_Normie_l3_v0_8B — объединённая языковая модель на архитектуре Llama, созданная с помощью mergekit методом Model Stock. В объединение вошли cgato/L3-TheSpice-8b-v0.1.3 и Sao10K/L3-Solana-8B-v1, а базой послужила ResplendentAI/Kei_Llama3_8B. Модель содержит 7,5 млрд параметров и рассчитана на генерацию текста и чат-общение с контекстом до 8192 токенов. Модель может использоваться для диалогов и создания повествовательных ответов; базовая модель ориентирована также на ролевые истории в SillyTavern и Ooba. Репозиторий содержит веса Safetensors, а в конфигурации слияния указан тип float16. Лицензия и конкретные условия использования в предоставленных данных не описаны.

itsasjad/bart-cnn-samsum-finetuned — дообученная модель BART, созданная на основе facebook/bart-large-cnn. Она предназначена для генерации кратких пересказов текстов; название указывает на настройку для диалогов формата SAMSum, однако README не подтверждает состав обучающих данных или специализацию. Модель содержит 252,8 млн параметров, использует архитектуру BartForConditionalGeneration и принимает контекст до 1024 токенов. Модель подходит для экспериментов с суммаризацией статей и диалогов на английском языке. В README приведено значение loss 0,1657 на оценочной выборке, но описание набора данных, методики оценки и практического качества отсутствует. Лицензия — MIT.

Карточка модели AmberYifan/capsd-less-humaneval-opc-marin-8b-base-code_less_b2000_s0 на Hugging Face совпадает с карточкой AmberYifan/capsd-less-fast-opc-marin-8b-base-code_less_b2000_s0, поэтому описание составлено по ней. Это дообученная модель семейства Llama, созданная на основе marin-community/marin-8b-base и обученная на наборе capsd_marin-8b-base-n80000-opc__mix_code_less_b2000_s0. Она предназначена для генерации и продолжения текста в диалоговых сценариях. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текст; заявленная длина контекста — 4096 токенов. Репозиторий использует Transformers и формат safetensors. Базовая Marin 8B Base ориентирована на английский язык; другие поддерживаемые языки для этой производной модели не подтверждены. Лицензия указана как other, поэтому условия использования следует сверить с лицензией в репозитории.

ChaoticNeutrals/Captain-Eris_Twilight-V0.420-12B — слитая модель на архитектуре Mistral, созданная из Epiculous/Violet_Twilight-v0.2 и Nitral-AI/Captain_BMO-12B-ChatMLified методом Slerp с помощью mergekit. Модель содержит 12,1 млрд параметров и предназначена для генерации текста в диалоговом формате, включая ролевые сценарии; также указана возможность работы через интерфейс вызова инструментов. Модель принимает текст и генерирует текст. В метаданных заявлен контекст до 1 024 000 токенов, однако README не приводит результатов проверки этого значения. Для модели указана лицензия «other», поэтому конкретные условия использования следует сверять с лицензией и условиями базовых моделей.

Claude-Fable7-Undecillion-SSE — разговорная модель на базе весов Jhanna 12, опубликованная Oroboros Labs. В README заявлены настройка личности и агентный контракт с логикой маршрутизации и использованием инструментов; метаданные классифицируют модель как text-generation с поддержкой чата. Заявленная архитектура Wan 2.2 относится к видеодизайну, но карточка не подтверждает, что репозиторий умеет генерировать видео. Файл весов указан в формате GGUF с квантизацией Q4_K_M; в README приведены оценки размера около 14,8 млрд параметров и 9,0 ГБ для файла. Карточка называет модель многоязычной для английского, китайского, японского и испанского языков. Лицензия указана как other, поэтому конкретные условия использования следует проверять в файлах репозитория. Заявления о тестировании, скорости и точности приведены автором и не подтверждены независимыми данными.

groupA — дообученная Logan7000 модель семейства Qwen2.5, созданная на базе Qwen/Qwen2.5-3B с использованием TRL. Это плотная авторегрессионная языковая модель на 3,1 млрд параметров с архитектурой Qwen2ForCausalLM; метаданные указывают на поддержку диалогового режима и генерации текста. Модель предназначена для продолжения текста и ответов в диалоге. В README приведён пример генерации ответа на открытый вопрос; длина контекста составляет 32 768 токенов. Данные карточки не уточняют специализацию дообучения или результаты оценки качества, поэтому их нельзя установить по доступной информации. Репозиторий распространяется в формате safetensors; лицензия в предоставленных данных не указана.

Crimson Dawn V0.1 — разговорная языковая модель Epiculous для ролевого общения и повседневных запросов к ассистенту. Она создана на основе Mistral-Nemo-Base-2407 и дообучена в два этапа с помощью LoRA: сначала на данных для ролевых сценариев, затем на инструкционных данных. В репозитории указаны веса Safetensors; автор также описывает варианты квантования EXL2 и GGUF. Модель имеет плотную архитектуру MistralForCausalLM и 12,1 млрд параметров. Карточка сообщает о контексте до 1 024 000 токенов и поддержке английского, французского, немецкого, испанского, итальянского, португальского, русского, китайского и японского языков. Модель обучена с шаблоном Mistral Instruct; для некоторых квантованных вариантов автор рекомендует попробовать ChatML, если возникают проблемы с поведением. Модель предназначена для генерации диалоговых ответов, ролевых сцен и ответов на инструкции. Лицензия — Apache-2.0. Карточка не приводит результатов сравнительных оценок качества; поведение может зависеть от шаблона промпта и используемого квантованного варианта.

DreadPoor/Derivative-8B-Model_Stock — слитая диалоговая языковая модель, созданная с помощью mergekit методом Model Stock. В качестве основы использована FuseAI/FuseChat-Llama-3.1-8B-SFT, а также объединены DreadPoor/Aspire-8B-model_stock, DreadPoor/ONeil-model_stock-8B и DreadPoor/BaeZel_1.1-8B-Model_Stock. Модель построена на плотной архитектуре Llama с 7,5 млрд параметров и предназначена для генерации текста и диалоговых ответов. Модель принимает текст и выдаёт текст; заявленная длина контекста составляет 131 072 токена. В README приведены результаты отдельных тестов Open LLM Leaderboard, включая IFEval и BBH, но этих оценок недостаточно для вывода о качестве на других задачах или языках. Доступны веса в формате safetensors для Transformers. Лицензия — Apache-2.0.

Dimensity-3B — диалоговая языковая модель семейства StableLM Epoch, представленная разработчиком Dimensity. Это плотная авторегрессионная модель с 2,7 млрд параметров и контекстом до 4096 токенов, предназначенная для открытого общения в роли ассистента. Модель обучена на общедоступных разговорных данных и поддерживает английский язык. Её можно использовать для диалогов с ассистентом и генерации ответов на текстовые запросы. Модель может выдавать правдоподобную, но фактически неверную информацию, а также воспроизводить вредные стереотипы или токсичный контент. Лицензия — MIT.

dmWM-LLama-3-1B-Harm-ft-HarmData-AlpacaGPT4-OpenWebText-d4-a0.25 — плотная авторегрессионная языковая модель семейства Llama, созданная дообучением huihui-ai/Llama-3.2-1B-Instruct-abliterated. Она предназначена для генерации текста и диалоговых сценариев. Модель содержит 1,2 млрд параметров, рассчитана на контекст до 131 072 токенов и использует библиотеку Transformers; веса доступны в формате Safetensors. Карточка не описывает конкретные сценарии применения, обучающие данные или результаты оценки качества. Лицензия — llama3.2. README не содержит дополнительных сведений об ограничениях или условиях применения.

Xypher06/DocLLM — дообученная разработчиком Xypher06 разговорная языковая модель семейства Llama на базе unsloth/meta-llama-3.1-8b-instruct-bnb-4bit. Она предназначена для генерации текста и диалогового взаимодействия. Модель содержит 7,5 млрд параметров, принимает текст и выдаёт текст; заявленная длина контекста — 131 072 токена. В карточке указано, что при обучении использовались Unsloth и библиотека TRL от Hugging Face. Модель распространяется по лицензии Apache-2.0. README не описывает специализированные задачи, обучающие данные или преимущества настройки, поэтому её назначение сверх генерации текста и чата определить нельзя.

DPO-ONLY-Zephyr-7B-iter-2 — дообученная модель Katayoon на базе Katayoon/DPO-ONLY-Zephyr-7B-iter-1. Она создана методом fine-tuning на обновлённом и исходном наборах данных; архитектура — плотная MistralForCausalLM с 7,1 млрд параметров. Модель предназначена для генерации текста в диалоговом формате и поддерживает контекст длиной до 32 768 токенов. Модель распространяется по лицензии MIT. Карточка не описывает её поведение, языки, результаты оценки или конкретные ограничения, поэтому применимость к специальным задачам и качество ответов по этим данным определить нельзя.

Emotionality_continuous — модель классификации текста, дообученная ajrayman на базе microsoft/deberta-v3-base. Она предназначена для оценки непрерывной эмоциональности текста; в README приведены результаты на тестовой выборке: RMSE 0,2115, MAE 0,1666 и корреляция 0,2949. Модель построена на архитектуре DeBERTa v3 Base с 211,6 млн параметров, принимает текст с контекстом до 512 токенов и выдаёт оценку для задачи классификации последовательности. Лицензия — MIT.

mfhumam/fawwaz-carrousel-gemma2 — дообученная разговорная языковая модель семейства Gemma 2, разработанная mfhumam на базе unsloth/gemma-2-9b-it-bnb-4bit. Модель содержит 9 млрд параметров, использует плотную архитектуру Gemma2ForCausalLM и принимает текст для генерации текста в диалоговом формате. Указанный родной размер контекста — 8192 токена; в карточке указан английский язык. Модель предназначена для генерации текста и ведения диалогов. README сообщает, что при обучении применялись Unsloth и библиотека Hugging Face TRL. Специализация на конкретных предметных областях или отдельные возможности сверх текстовой генерации не описаны. Модель распространяется по лицензии Apache-2.0. Качество ответов и фактическая точность зависят от данных дообучения; карточка не приводит оценок или подробностей обучающего набора.

jaspionjader/fr-2-8b — слитая диалоговая языковая модель, созданная автором репозитория с помощью mergekit методом SLERP из jaspionjader/Kosmos-EVAA-Franken-v38-8B и jaspionjader/fr-1-8b. Это плотная Llama-модель с архитектурой LlamaForCausalLM и 7,5 млрд параметров, предназначенная для генерации текста в формате диалога; заявленная длина контекста — 8192 токена. Модель работает с текстом и выдаёт текст. Подходит для диалоговых приложений и генерации ответов на текстовые запросы. Карточка не приводит результаты оценок качества или подробности о целевых сценариях и поддерживаемых языках. Формат весов — Safetensors; для использования доступны Transformers. Условия лицензии в предоставленных данных не указаны.

Francois-Huali-12B — диалоговая языковая модель семейства Mistral, опубликованная Delta-Vector. По README, это дообученная и объединённая с другой моделью версия Francois-PE, обученная с KTO для повышения связности ответов и качества прозы. Модель рассчитана на чат и генерацию кратких, выразительных текстов; для диалога использует формат ChatML. В метаданных указаны 12,1 млрд параметров и контекст до 1 024 000 токенов. Модель подходит для ответов в диалоге и генерации прозы. README рекомендует использовать системный промпт Euryale или EVA. Карточка перечисляет обучающие наборы диалоговых и экспериментальных данных, в том числе материалы для ролевых сценариев, но не сообщает, какие языки модель поддерживает. В репозитории указаны веса Safetensors; лицензия в предоставленных данных отсутствует.

Gemma-2-Ataraxy-v2a-9B — экспериментальная разговорная языковая модель на базе Gemma 2, созданная lemon07r слиянием нескольких предварительно обученных моделей с помощью mergekit и метода Della. В слиянии использованы jsgreenawalt/gemma-2-9B-it-advanced-v2.1, lemon07r/Gemma-2-Ataraxy-9B и ifable/gemma-2-Ifable-9B; базовой указана unsloth/gemma-2-9b-it. Модель содержит 9 млрд параметров, построена на плотной архитектуре Gemma2ForCausalLM и работает через Transformers. Контекст — до 8192 токенов. Модель предназначена для диалогов, генерации ответов и продолжения текста. Автор описывает её как альтернативную тестовую версию, дальнейшая судьба которой не определена, поэтому её стоит рассматривать как экспериментальный чекпойнт. В карточке не указана лицензия, поэтому условия использования следует сверить с лицензиями базовых моделей и репозитория.

NickyNicky/gemma-2b-it_oasst2_chatML_Cluster_2_V1 — чат-модель на архитектуре Gemma, дообученная на основе google/gemma-2b-it на данных OpenAssistant/oasst2. В карточке указаны седьмая эпоха обучения и вариант Cluster_2; метаданные описывают плотную архитектуру GemmaForCausalLM с 2,5 млрд параметров и контекстом до 8192 токенов. Модель предназначена для диалоговой генерации текста и поддерживает языки, перечисленные в карточке, включая русский и английский. Она распространяется в формате Safetensors через Transformers по лицензии Apache-2.0. Карточка сообщает, что оценка модели пока не опубликована, поэтому качество ответов и сравнительные характеристики не подтверждены.

igorls/gemma-4-12B-it-heretic-GGUF — это квантизированная версия модели igorls/gemma-4-12B-it-heretic, созданной на основе Google Gemma-4-12B-it с использованием инструмента Heretic. Модель предназначена для генерации текста, включая диалоги, ролевые сценарии и творческое письмо, и распространяется в формате GGUF для запуска через llama.cpp и Ollama. Модель содержит около 12 млрд параметров и имеет гибридный режим с поддержкой рассуждений (thinking) и прямых ответов (non-thinking). Для наиболее стабильной работы, ролевых сценариев и творческих задач рекомендуется отключать thinking, поскольку рассуждения расходуют лимит токенов и могут привести к обрезанию итогового ответа. Доступны варианты квантизации Q4_K_M размером около 7,4 ГБ, рекомендуемый для систем с 8–12 ГБ видеопамяти, и Q8_0 размером около 12,7 ГБ, обеспечивающий качество, близкое к исходному. Ключевая особенность модели — удаление исходных ограничений безопасности и отказов: по данным README, она не демонстрирует genuine refusals на проверенных вредоносных запросах, сохраняя при этом небольшое отклонение от оригинальной модели. Это расширяет диапазон допустимых ответов, но повышает риски небезопасного или незаконного применения; ответственность за использование несёт пользователь. Языки, размер контекста и мультимодальные возможности в предоставленных данных не указаны. Лицензия — Gemma; применяются условия лицензии базовой модели Google.

Gemma 4 E2B-it-qat-JANG_4M-CRACK — дообученная и квантизированная мультимодальная модель dealignai на базе google/gemma-4-e2b-it. Она использует плотную архитектуру Gemma 4 с гибридным скользящим и глобальным вниманием и рассчитана на запуск через vMLX на компьютерах Apple Silicon. Квантизация JANG_4M сочетает 8-битные веса внимания и 4-битные веса MLP; средняя точность составляет около 4,3 бита. Модель принимает текст, изображения и аудио, поддерживает диалог, рассуждения, ответы на фактические вопросы и генерацию кода. В README заявлены результаты MMLU 60,1% (на 1,7 процентного пункта ниже базовой модели) и полное выполнение запросов вредоносных категорий в тесте HarmBench; автор описывает это как удаление отказов при сохранении возможностей. Это делает модель непригодной для сценариев, где важно сдерживание опасных запросов. Для запуска требуется vMLX с поддержкой Gemma 4 и достаточно памяти. Лицензия — gemma; README указывает исследовательское назначение и возлагает ответственность за соблюдение применимых законов на пользователей.

Gemma-4-E4B-Uncensored-HauhauCS-Aggressive — модификация Gemma 4 E4B-IT, разработанная HauhauCS на основе модели Google gemma-4-e4b-it. Это мультимодальная модель для генерации текста, обработки изображений, видео и аудио, ориентированная на сценарии, где требуется минимальное количество отказов при выполнении запросов. В README заявлено, что датасеты и исходные возможности модели не изменялись, а основное отличие заключается в снятии ограничений на отказы. Модель содержит около 4 млрд параметров, использует 42 слоя со смешанной архитектурой sliding window attention с окном 512 и full attention, поддерживает контекст до 131 тысячи токенов и 18 общих KV-слоёв для экономии памяти. Заявлена поддержка английского и мультиязычного ввода. Для работы с изображениями и аудио требуется дополнительный файл mmproj; модель распространяется в формате GGUF с вариантами квантизации Q2–Q8 и пользовательскими K_P-квантами, оптимизированными для сохранения качества. Сильной стороной является сочетание компактного размера, большого контекстного окна, мультимодальности и более свободной генерации без встроенных отказов. При этом README не содержит независимых бенчмарков, подробных сведений о качестве на разных языках или длительном контексте, а заявленные результаты тестирования отказов ограничены 465 проверками и сопровождаются оговоркой о недостаточном ручном тестировании длинного контекста. Модель совместима с llama.cpp, LM Studio, Jan, koboldcpp и другими GGUF-совместимыми средами. Лицензия указана как Gemma.

Это пакет слоёв модели GLM-5.1-UD-Q3_K_S, подготовленный Mesh LLM для распределённого запуска на локальном кластере. Он создан из meshllm/GLM-5.1-UD-Q3_K_S-GGUF и содержит GGUF-артефакты, разделённые по слоям для распределения между несколькими машинами. Пакет предназначен для локального и приватного инференса, когда модель нужно запускать на нескольких узлах из-за нехватки ресурсов одного компьютера, а также для обслуживания запросов к совместимому с OpenAI локальному API чата и генерации текста. Для работы требуется Mesh LLM. Репозиторий не описывает отдельно архитектуру, число параметров, контекст, языки или лицензию; за этими сведениями README отсылает к карточке исходной GGUF-модели.

Модель 11erlangga/grpo-qwen25-3b разработана 11erlangga и представляет собой дообученную методом GRPO модель Qwen2 для генерации текста и диалогов. Она основана на 11erlangga/sft-qwen25-3b-run1; при обучении использовались Unsloth и библиотека TRL от Hugging Face. Модель имеет плотную архитектуру Qwen2ForCausalLM и 3,1 млрд параметров. Она принимает текст, поддерживает контекст длиной до 32 768 токенов и ориентирована на английский язык. В карточке также заявлен интерфейс для вызова инструментов. Весовые файлы представлены в формате safetensors. Модель подходит для английских диалогов и генерации текста. Данных о качестве, конкретных результатах обучения GRPO и ограничениях применения в карточке нет. Лицензия — Apache-2.0.

Inkling-Small-mlx-3bit — 3-битная MLX-квантизация модели Inkling-Small, подготовленная сообществом mlx-community для компьютеров Apple Silicon. Это мультимодальная разреженная модель с архитектурой MoE: 264 млрд параметров всего, около 12 млрд активируются на токен, 42 слоя, маршрутизация к 6 из 256 экспертов и 2 общим экспертам. Она принимает изображения, аудио и текст, а генерирует текст; заявлены диалоги, работа с изображениями и аудио, программирование и агентные сценарии. В этой сборке эксперты квантизированы до 3 бит, а остальные перечисленные в README компоненты сохранены в 8-битном представлении. Размер файлов — около 120,9 ГБ; сборка рассчитана на запуск с размещением модели в памяти Mac с 128 ГБ, без выгрузки экспертов. Скорость на целевом оборудовании пока не измерена. Используются MLX и формат safetensors. Лицензия — Apache-2.0. Модель подходит для мультимодального диалога и анализа изображений или аудио с текстовым ответом. Практическое применение ограничено требованиями к памяти и платформе: MLX-сборка рассчитана на Apple Silicon, а на компьютере, близком к пределу памяти, генерация может завершаться из-за ограничений macOS. Экосистема MLX моложе llama.cpp; квантизация не использует калибровку типа i-quant.

Ko-Luxia-8B-it-v0.1 — диалоговая языковая модель на 7,6 млрд параметров, разработанная на базе Ko-Llama3-Luxia-8B и дообученная с помощью LoRA на наборе kyujinpy/KOpen-platypus. Модель использует плотную архитектуру Llama и предназначена для генерации текста в диалоге, включая ответы на вопросы и выполнение текстовых инструкций на корейском и английском языках. Контекст модели составляет 8192 токена. В карточке приведены результаты оценки на нескольких задачах KoBEST, в том числе точность 0,6425 на BoolQ и 0,7340 на COPA; результаты относятся к указанным тестам и не гарантируют качество в иных сценариях. Модель доступна в формате safetensors для Transformers. Лицензия в предоставленных данных не указана.