I.7Речь, диалоги и встречи

logan7000/cogrpo-n3-ring-qwen25-3b-x-llama32-3b-x-granite2b-math345-groupC-granite2b-end — диалоговая языковая модель на архитектуре Granite, дообученная на базе ibm-granite/granite-3.3-2b-instruct с использованием TRL. Она предназначена для генерации текста в ответ на запросы и ведения диалога. Модель содержит 2,5 млрд параметров, принимает текст и поддерживает контекст до 131 072 токенов. Доступна в формате safetensors и использует библиотеку Transformers. Карточка демонстрирует генерацию ответа на вопрос пользователя; дополнительные специализации и конкретные наборы данных в ней не описаны. Модель распространяется по лицензии базовой модели, однако сведения о лицензии в предоставленных данных отсутствуют.

Computer-8 — плотная языковая модель семейства Llama, разработанная в проекте Computer / Model C. Это полноразмерное продолжение обучения Computer-7 с 69,5 млрд параметров и контекстом 131 072 токена; модель принимает документный текст с описанием беседы и продолжает его, не используя специальный шаблон чата. Модель обучалась на предпочтениях между вариантами ответов Computer-5, а также проходила повторное обучение на архивных текстах и данных о сохранении передачи хода. Она предназначена для генерации продолжений беседы в заданном формате и изучения предпочтений ответов в рамках линейки Computer. В описанной проверке Computer-8 чаще отдавала предпочтение вариантам с самым высоким целевым рейтингом, но её оценки были более резкими и хуже отражали полные распределения предпочтений, чем у Computer-7. Также отмечен сдвиг к более прямому и межличностному ответу на сообщения о переживаниях в контексте беседы с существующим пользователем. Computer-8 не использовала reward model, PPO или онлайн-генерацию при этом этапе обучения. Её формальные способности к рассуждению и сравнительная оценка с Computer-7 ещё не проверены; фактические утверждения модели следует перепроверять, поскольку она может развивать заданную предпосылку вместо её исправления. Репозиторий указывает лицензию Llama 3.1.

Cydonia-22B-v1.1 — диалоговая языковая модель, представленная BeaverAI. Она предназначена для генерации текста в формате чата, ролевых диалогов и историй; карточка рекомендует шаблоны Metharme/Pygmalion и Mistral, а также обычное продолжение текста. Версия 1.1 описана как менее склонная к отказам и морализаторству и улучшенная в следовании сценарию. Модель имеет плотную архитектуру MistralForCausalLM и содержит 22 млрд параметров. Метаданные указывают контекст до 131 072 токенов и формат весов safetensors. Для лицензии указано значение «other»; конкретные условия в карточке не раскрыты, поэтому перед использованием следует проверить лицензионные сведения репозитория.

MergedQwen2-0.5B0.3 — языковая модель, созданная с помощью mergekit методом DELLA на основе Qwen2-0.5B и модели debias_Qwen2-0.5B. Она предназначена для генерации текста и диалоговых сценариев. Модель имеет плотную архитектуру Qwen2ForCausalLM и около 494 млн параметров; заявленная длина контекста — 131 072 токена. Репозиторий содержит веса в формате safetensors и рассчитан на работу через Transformers. Слияние использует базовую модель Qwen2-0.5B, плотность 0,5 и коэффициент lambda 0,3. Карточка не приводит результатов оценки качества или подробностей о языках и лицензии, поэтому их нельзя надёжно охарактеризовать.

Это разговорная языковая модель семейства Qwen3, разработанная авторами репозитория laion/delphi-1e21-p33m67-9p25b-lr0_67-9cf8da-wc386k_lr1e5-sft. Модель содержит 3,1 млрд параметров, использует плотную архитектуру Qwen3ForCausalLM и предназначена для генерации текста в диалоговом формате. В README указано, что её обучали с нуля на наборах wildchat_386k и delphi_warmup. Модель принимает текст и генерирует текст; заявленная длина контекста — 4096 токенов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия обозначена как other, без уточнений в доступных данных. README не приводит результатов оценки или подробных сценариев применения.

Dhee-NxtGen-Qwen3-Odia-v2 — языковая модель компании DheeYantra, разработанная совместно с NxtGen Cloud Technologies Pvt. Ltd. Это плотная авторегрессионная модель на архитектуре Qwen3 объёмом 1,7 млрд параметров с контекстом до 40 960 токенов. Модель дообучена для диалогов в стиле ассистента, рассуждений и вызова функций; работает с Transformers и оптимизирована для высокопроизводительного запуска через vLLM. Модель предназначена прежде всего для понимания и генерации текста на языке одия: она подходит для чат-ботов, ассистентов, диалоговых систем, создания историй, суммаризации и структурированных ответов. Условия лицензии Apache-2.0 позволяют использовать её на соответствующих условиях этой лицензии. Модель ориентирована главным образом на одия. Ответы могут быть неточными или предвзятыми, а качество — снижаться на темах вне обучающего распределения и при смешении языков; на других языках беглость может быть ниже. Для высокопроизводительного запуска через vLLM README указывает требования к GPU с compute capability не ниже 8.0, PyTorch 2.1+ и CUDA; на V100 GPU-инференс vLLM не поддерживается.

Disctil-Qwen3-1.7B — языковая модель на архитектуре Qwen3, разработанная Convergent Intelligence LLC и дообученная на базе reaperdoesntknow/DiStil-Qwen3-1.7B-uncensored с использованием TRL. Модель предназначена для диалоговой генерации текста и ответов на запросы; карточка описывает её как узел цепочки дистилляции DistilQwen. Размер модели — 1,7 млрд параметров, нативная длина контекста — 40 960 токенов. Она принимает текст и выдаёт текст. В README заявлена методика DISC refinement, однако подробности её практического эффекта и независимые оценки качества не приведены. Модель опубликована в формате safetensors для Transformers. Лицензия в предоставленных данных не указана.

Это дообученная модель Grogros на архитектуре Llama 3.2: плотная языковая модель с 1,2 млрд параметров на базе meta-llama/Llama-3.2-1B-Instruct. Она предназначена для генерации текста и диалогового взаимодействия; в метаданных также отмечен интерфейс вызова инструментов. Заявленная длина контекста — 131 072 токена. Карточка не описывает датасет, цели дообучения, результаты оценки или особые сценарии применения, поэтому их нельзя определить. Модель распространяется в формате safetensors по лицензии Llama 3.2; перед использованием следует учитывать условия этой лицензии.

NickyNicky/dolphin-2_6-phi-2_oasst2_chatML_V2 — разговорная языковая модель на архитектуре Phi-2, дообученная автором на базе cognitivecomputations/dolphin-2_6-phi-2 методом SFT. Модель предназначена для генерации текста в формате диалога; карточка сообщает о 3000 шагах обучения и максимальной длине последовательности 2028 токенов. Метаданные указывают контекстное окно 2048 токенов и формат safetensors. Модель подходит для прототипирования чат-ботов и генерации ответов на текстовые запросы. В метаданных перечислена поддержка нескольких языков, включая английский, русский, испанский, китайский, немецкий и французский; при этом основной язык отдельно не выделен. Точные показатели качества и подробные ограничения в карточке не приведены. Лицензия в предоставленных данных не указана.

QiyuWu/DPO-Internlm2-1_8B — чат-модель семейства InternLM2 с 1,7 млрд параметров, дообученная с применением IPO loss на данных предпочтений. В README описаны эксперименты автора с DPO и IPO, включая модель internlm2-chat-1_8b-sft; метаданные относят архитектуру к InternLM2ForCausalLM и отмечают поддержку чата. Модель предназначена для генерации диалоговых ответов с учётом предпочтений пользователей и извлечения признаков текста. Для обучения использовались предпочтительные диалоги; README сообщает примерно о 25 тысячах обучающих бесед и отмечает нестабильность экспериментов и ограниченное качество по некоторым метрикам. Контекст модели — до 32 768 токенов. Модель опубликована в формате safetensors, использует Transformers и распространяется по лицензии Apache-2.0.

Emollama-7b — языковая модель проекта EmoLLMs, разработанная для анализа эмоциональной окраски текста и следующих инструкциям. Она дообучена на основе Meta LLaMA 2 7B с использованием полного набора инструкций AAID; архитектура — плотная LLaMAForCausalLM, размер — 6,6 млрд параметров. Модель принимает текст и формирует текстовые ответы с классификацией или численной оценкой. Модель предназначена для определения тональности и категорий эмоций, а также оценки интенсивности эмоции и силы тональности. В примерах карточки показаны анализ коротких сообщений на английском языке и распознавание нескольких эмоций в одном тексте. Контекст составляет 2048 токенов. Репозиторий содержит веса Safetensors, лицензия — MIT. Карточка предупреждает о возможных гендерных смещениях, ошибочных предсказаниях и чрезмерных обобщениях; для применения в реальных системах эмоционального анализа требуется учитывать эти риски.

ssmits/Falcon2-5.5B-Polish — разреженная версия предобученной языковой модели семейства Falcon, созданная методом mergekit passthrough на основе tiiuae/falcon-11B. Для уменьшения модели выбраны диапазоны слоёв 0–23 и 55–58 по анализу сходства слоёв на 2 000 польских примерах Википедии. Модель имеет плотную архитектуру FalconForCausalLM, около 7,8 млрд параметров и контекст до 8 192 токенов; файлы представлены в формате safetensors, для работы через Transformers требуется PyTorch 2.0 или новее. Модель предназначена для генерации текста и дальнейшей адаптации, в частности для польскоязычных диалогов, суммаризации и чат-ботов. Карточка отмечает поддержку польского; README также перечисляет английский, немецкий, испанский, французский, итальянский, португальский, нидерландский, румынский, чешский и шведский, но предупреждает о слабом обобщении на другие языки. Модель унаследовала распространённые интернет-корпусные стереотипы и предубеждения, поэтому перед практическим применением её следует оценить и при необходимости дообучить. Лицензия — Apache-2.0.

FastChat-T5-3B-v1.0 — открытый чат-бот, разработанный командой FastChat, включая Dacheng Li, Lianmin Zheng и Hao Zhang. Это encoder-decoder-модель семейства T5, полученная дообучением Flan-T5-XL на 70 тысячах диалогов, собранных с ShareGPT. В метаданных указано 1,5 млрд параметров и контекст 512 токенов. Модель предназначена для диалоговых приложений и чат-ботов: она принимает текстовый запрос и авторегрессионно генерирует текстовый ответ. Разработчики также указывают коммерческое применение и исследования как предполагаемые сценарии использования. Качество предварительно оценивалось на наборе из 80 разнообразных вопросов с оценкой ответов GPT-4. Модель распространяется по лицензии Apache License 2.0. README не приводит подробных результатов оценки или ограничений качества; ответы следует проверять, особенно в задачах, где важна фактическая точность.

NotASI/FineTome-Llama3.2-1B-0929 — плотная авторегрессионная языковая модель семейства Llama 3.2, разработанная NotASI на базе unsloth/Llama-3.2-1B-Instruct-bnb-4bit. Модель дообучена в течение двух эпох на mlabonne/FineTome-100k с применением QLoRA и rsLoRA; она использует тот же шаблон чата, что и базовая модель. Размер составляет 1,2 млрд параметров, контекст — до 131 072 токенов. Модель предназначена для генерации текста в диалоговом формате: она может отвечать на запросы, вести беседу и помогать с задачами общего назначения на английском языке. В метаданных также отмечен интерфейс вызова инструментов. Карточка приводит результаты оценки на Open LLM Leaderboard, но не даёт оснований считать их гарантией качества для конкретных задач. Метаданные указывают лицензию llama3.2, тогда как README заявляет Apache-2.0; перед использованием следует проверить применимые условия распространения базовой модели и производной. Это небольшая модель, поэтому её ответы могут уступать более крупным моделям в сложных задачах и требовать проверки.

Ruqiya/Fine-Tuning-Gemma-2b-it-for-Arabic — дообученная диалоговая текстовая модель на основе google/gemma-2b-it, разработанная Ruqiya. Модель предназначена для генерации текста и диалогов на арабском языке; для обучения использован набор данных arbml/CIDAR. Модель имеет плотную архитектуру GemmaForCausalLM с 2,5 млрд параметров и контекстом до 8192 токенов. Метаданные указывают поддержку арабского и английского языков и возможность диалогового использования. В README приведено значение training_loss=2.281 на оценочном наборе; других результатов оценки качества карточка не сообщает. Модель распространяется в формате safetensors. Условия лицензии в предоставленных данных не указаны.

mlx-community/gemma-3-270m-it-8bit — 8-битная MLX-конверсия инструкционно дообученной модели Gemma 3 270M-it, разработанной Google и подготовленной сообществом mlx-community. Модель предназначена для генерации текста и диалоговых сценариев на устройствах и в средах, поддерживающих MLX; для запуска рекомендуется библиотека mlx-lm. Известно, что модель основана на google/gemma-3-270m-it, преобразована в формат MLX с использованием mlx-lm версии 0.26.3 и использует 8-битное представление весов. README не содержит сведений о точной архитектуре, поддерживаемых языках, размере контекста, модальностях, производительности или ограничениях качества. Указана лицензия Gemma; конкретные условия её применения следует уточнять в лицензии Google Gemma.

mlx-community/gemma-4-26B-A4B-it-OptiQ-4bit-REAP-14B — квантованная и подвергнутая прореживанию версия Gemma-4, разработанная сообществом mlx-community на базе mlx-community/gemma-4-26B-A4B-it-OptiQ-4bit. Модель предназначена для локальной генерации текста и запуска LLM на устройствах Apple Silicon через MLX. Она может использоваться для диалогов, следования инструкциям, решения математических задач, генерации кода и вызова функций, однако точный набор языков и размер контекстного окна в README не указан. Модель использует MoE-архитектуру с 128 экспертами на слой, из которых сохранены 64; для каждого токена по-прежнему активируются 8 экспертов. После прореживания объём параметров уменьшен с 25,8 млрд до 14,3 млрд, размер на диске — с 17,5 до 10,4 ГБ, а пиковое потребление памяти — с 16,4 до 9,4 ГБ. Активное число параметров на токен не изменилось, поэтому заявлено отсутствие снижения скорости из-за маршрутизации. Применено 4-битное квантование OptiQ и метод REAP; сохранённые эксперты не деквантизировались, не переквантизировались и не переобучались. Главное преимущество модели — заметное сокращение требований к диску и памяти при сохранении высокой производительности в отдельных сценариях: показатели GSM8K, IFEval и BFCL-V3 составляют соответственно 89,1, 80,8 и 90,0. Ограничение — существенная потеря качества относительно родительской модели: итоговый Capability Score снижен с 75,75 до 68,13, MMLU — с 65,0 до 38,9, а HumanEval — с 90,2 до 72,0. Поэтому модель может быть менее подходящей для широких академических задач и генерации кода. Лицензия — Apache 2.0.

GoldDiamondgold-Paperbliteration-L33-70b — плотная авторегрессионная языковая модель семейства Llama, созданная как целевая модификация GoldDiamondGold-L33-70b. Она предназначена для генерации текста и диалогов; в модели изменены веса внимания для ослабления отказов при сохранении MLP-слоёв. По данным метаданных, модель содержит 69,5 млрд параметров, использует формат safetensors и поддерживает контекст до 131072 токенов. Разработчик сообщает, что применил ограниченную оптимизацию Heretic и винзоризацию активаций. В приведённой оценке модель отказала в 12 случаях из 100 против 94 у исходной модели; KL-дивергенция относительно базы составила 0,0055. Это указывает на компромисс между снижением числа отказов и сохранением сходства с базой, но не гарантирует качество для произвольных задач. Лицензия обозначена как other, поэтому перед использованием следует проверить условия репозитория.

Модель granite-4.0-h-1b-DISTILL-glm-4.7-think — дообученная разговорная языковая модель на базе IBM Granite 4.0 H 1B. Её разработчик — glogwa68; для настройки использован набор TeichAI/glm-4.7-2000x. Модель предназначена для диалогов и генерации текста. Архитектура GraniteMoeHybridForCausalLM; размер — 1,2 млрд параметров. Метаданные указывают контекст до 131 072 токенов. Модель работает с текстом и поддерживает английский и французский языки. В README также заявлена длина контекста 1 048 576 токенов, поэтому фактический предел контекста следует уточнить для используемой конфигурации. Репозиторий содержит веса в формате Safetensors; для этой модели также упомянуты отдельные GGUF-версии. Лицензия — Apache 2.0. Это компактная модель для текстовых диалогов, однако README не приводит результатов сравнительных оценок качества или подробных сведений о её поведении за пределами обучения на разговорных данных.

Griot Nano 1 — модель автоматического распознавания речи, разработанная Qlerqly. Это мультиязычная Conformer CTC-модель на 153 млн параметров для транскрибации речи на акан, дагбани, эве, ганском английском и га. Модель принимает аудио; для локального распознавания аудио при необходимости преобразуется в моно и передискретизируется до 16 кГц. В опубликованной оценке использовалось жадное CTC-декодирование без KenLM. Для повышения контекстной точности автор рекомендует отдельную n-граммную языковую модель Qlerqly/griot-nano-1-kenlm; декодирование с ней помогает при неоднозначных границах слов и акустически похожих последовательностях. В тестах акан показал больше ошибок, чем дагбани и эве; приводятся также ошибки в границах слов. Данные обучения включают автоматически созданные или исправленные транскрипции, а качество за пределами оценённых ганских речевых доменов может отличаться. Модель распространяется по лицензии CC BY-NC-SA 4.0, предусматривающей некоммерческое использование и сохранение тех же условий при распространении производных материалов.

Huihui-GLM-4.5-Air-abliterated-lossytensors — преобразованная версия модели Huihui-GLM-4.5-Air-abliterated от Huihui AI, предназначенная для генерации текста и диалогового общения. Репозиторий содержит веса safetensors для запуска через Transformers и совместимые с этим форматом backend-системы. По карточке модели, веса вручную восстановлены из GGUF Q4_K_M и сохранены в BF16, поэтому преобразование не возвращает качество полной точности; модель относится к семейству GLM-4 MoE, имеет 8,5 млрд параметров и контекст до 131 072 токенов. Модель помечена как abliterated и uncensored; такие обозначения указывают на ослабленные ограничения ответов, но README не описывает конкретную методику изменения поведения. Указаны английский и китайский языки. Лицензия — MIT. Карточка предупреждает, что повторная квантизация в формат с точностью выше Q4_K_M не повысит качество.

Это квантованная GGUF-версия языковой модели Huihui-Qwen3.5-9B-abliterated-Grimoire-KTO. Базовую модель разработал пользователь nbeerbower, а квантизацию выполнил mradermacher. Модель связана с датасетом schneewolflabs/Athanorlite-DPO и предназначена для генерации текста и диалоговых сценариев на английском языке. Модель относится к семейству Qwen3.5 и содержит около 9 миллиардов параметров, однако точные сведения об архитектуре, размере контекста и поддерживаемых модальностях в README не указаны. Репозиторий предоставляет множество вариантов GGUF-квантизации с размерами примерно от 2,8 до 5,9 ГБ, включая IQ- и Q-варианты. Более компактные варианты требуют меньше памяти, но могут заметно уступать в качестве; среди вариантов отдельно отмечены i1-Q4_K_S как сбалансированный по размеру, скорости и качеству и i1-Q4_K_M как быстрый и рекомендуемый. Основные ограничения связаны с потерями качества при низких уровнях квантизации и отсутствием опубликованных сведений о результатах тестирования, контекстном окне и лицензии. README не содержит явного указания условий лицензирования, поэтому их необходимо уточнить по исходной модели и связанным репозиториям.

Human-Like-Qwen2.5-7B-Instruct-GGUF — квантованное в формате GGUF представление модели HumanLLMs/Humanish-Qwen2.5-7B-Instruct. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и работы в локальных средах, включая LM Studio; конкретный шаблон запросов в README не указан. Модель имеет размер 7B и относится к семейству Qwen2.5-Instruct, однако подробности архитектуры, поддерживаемые языки и размер контекстного окна в предоставленных данных не указаны. Доступны варианты от F16 до Q3_K_XL с разным соотношением качества, размера и требований к ресурсам; наиболее рекомендуемыми в README названы Q4_K_M, Q5 и Q6. По опубликованным результатам тестирования модель показывает 72,84% на IFEval, 34,48% на BBH и 37,76% на MMLU-PRO, но имеет низкие результаты на GPQA, MuSR и MATH Lvl 5, поэтому её возможности в сложном рассуждении ограничены. Модель распространяется по лицензии Apache-2.0.

immersyn2026/immersyn-pro — дообученная чат-модель на архитектуре Llama, разработанная immersyn2026 на базе unsloth/llama-3-8b-Instruct-bnb-4bit. Модель предназначена для генерации текста и диалоговых сценариев. В репозитории указаны 7,5 млрд параметров, контекст до 8192 токенов и формат Safetensors; при обучении использовались Unsloth и библиотека TRL. Модель поддерживает английский язык. Карточка не описывает специализацию, обучающие данные или сравнительные результаты, поэтому её сильные стороны в конкретных областях установить нельзя. Лицензия — Apache-2.0.

QuantFactory/Josiefied-Qwen2.5-7B-Instruct-abliterated-GGUF — квантизированная версия модели Josiefied-Qwen2.5-7B-Instruct-abliterated, созданная QuantFactory с использованием llama.cpp. Исходная модель разработана и профинансирована Gökdeniz Gülmez; она дообучена на базе Qwen/Qwen2.5-7B-Instruct и относится к семейству Qwen2. Модель предназначена для генерации текста и диалоговых сценариев, включая использование в качестве универсального ассистента. В карточке рекомендуется системная роль J.O.S.I.E.; также приведен шаблон Ollama с поддержкой сообщений, системных инструкций и вызовов инструментов. Модель имеет размер 7B параметров, работает с текстом и заявлена для английского, немецкого и других языков, точный список которых не указан. Доступна в формате GGUF, удобном для запуска через совместимые инструменты локального инференса. Данные о размере контекстного окна, конкретных вариантах квантизации и требованиях к оборудованию отсутствуют. К заявленным особенностям относятся повышенная «uncensored» направленность и дополнительное дообучение на пользовательском наборе данных. По опубликованным результатам Open LLM Leaderboard модель получила 73,17% на IFEval, 34,9% на BBH, 36,4% на MMLU-PRO, 9,62% на MuSR и 7,05% на GPQA; на MATH Level 5 указано 0% exact match. Эти результаты показывают заметную способность следовать инструкциям, но также существенные ограничения в сложном рассуждении и математике. В README отмечено, что существует более новая версия модели. Лицензия — Apache 2.0. Показатели приведены для исходной или связанной версии модели, поэтому их переносимость на конкретный GGUF-файл и выбранный уровень квантизации не гарантируется.

KAL-24B-mx-v1-i1-GGUF — это квантованная версия инструкционной разговорной модели KAL-24B-mx-v1, разработанной SaptivaAI и дополнительно подготовленной с использованием LoRA. Квантование выполнено mradermacher в формате GGUF; в карточке также указана базовая принадлежность к семейству Mistral/Mistral3. Модель обучалась на наборе данных SaptivaAI/kal-mx-training-data. Модель предназначена для генерации текста, диалоговых сценариев и выполнения инструкций на испанском языке, включая контексты, связанные с Мексикой. Заявленный размер — 24 млрд параметров. Поддерживается только текстовая модальность; точная длина контекста и дополнительные языки в карточке не указаны. Доступны многочисленные варианты квантования с разным соотношением размера, скорости и качества, включая IQ- и Q-квантизации. Рекомендуются варианты i1-Q4_K_M и i1-Q4_K_S, тогда как наиболее компактные варианты могут заметно уступать по качеству. Сильной стороной модели являются специализированная испаноязычная инструкционная и разговорная настройка, а также возможность локального запуска через совместимые инструменты для GGUF. Ограничения связаны с потерями качества, характерными для квантованных версий, особенно при низкой разрядности; фактические показатели, качество рассуждений и поддерживаемый контекст в README не приведены. Модель распространяется по лицензии Apache 2.0.

L3.1-Pneuma-8B — экспериментальная диалоговая языковая модель Third-Space, дообученная на Sandevistan на базе meta-llama/Llama-3.1-8B-Instruct с помощью Axolotl. Это плотная архитектура семейства Llama с 7,5 млрд параметров; метаданные указывают контекст до 131 072 токенов и форматы PyTorch и Safetensors. Модель предназначена для диалогов, общения и выполнения небольших вспомогательных задач. Она принимает текст и генерирует текст; метаданные также указывают интерфейс вызова инструментов. Основной язык отдельно не заявлен. Разработчик характеризует модель как экспериментальную и отмечает, что для повышения эффективности ей требуется обучение на предпочтениях. Также модель сохранила значительную часть предубеждений базовых корпоративных инструкционных моделей. Лицензия — Llama 3.1; перед использованием следует учитывать её условия.

L3.3-Chimera-Prime-70B-i1-GGUF — квантизированная версия текстовой модели L3.3-Chimera-Prime-70B, разработанной m8than и подготовленной в формате GGUF пользователем mradermacher. Модель предназначена для генерации текста, диалоговых сценариев и ролевого взаимодействия; в карточке также указана направленность на uncensored-сценарии. Заявленный язык — английский. Размер исходной модели — 70 млрд параметров. Репозиторий содержит набор вариантов квантизации i1, включая IQ и Q-типы, объёмом примерно от 15,4 до 58 ГБ, а также imatrix-файл для самостоятельного создания квантов. Варианты различаются компромиссом между размером, скоростью и качеством: для Q4_K_M заявлены высокая скорость и рекомендация, а Q4_K_S отмечен как оптимальный баланс размера, скорости и качества; некоторые малые варианты имеют низкое качество. Архитектура, размер контекстного окна, дополнительные модальности и результаты сравнительных тестов в README не указаны. Лицензия — Apache-2.0.

Helium-3-r5 — слитая языковая модель, созданная inflatebot с помощью mergekit на основе Sao10K/L3-8B-Stheno-v3.2 и моделей helide-beta-r0, r1 и r4. Это плотная модель семейства Llama с 7,5 млрд параметров, предназначенная для генерации текста и диалогов; контекст составляет 8192 токена. Автор описывает её как попытку совместить более сдержанный стиль Helium3-baseLlama с более откровенной манерой Helium3, однако результат оценивает как неопределённый. Модель распространяется в формате safetensors; лицензия в предоставленных данных не указана.

lfm25-1.2b-pv-openness-low — текстовая генеративная модель, созданная PersonaPO на основе LiquidAI/LFM2.5-1.2B-Base и дообученная с помощью TRL. Она предназначена для диалоговых ответов и генерации текста; пример в карточке показывает ответ на открытый вопрос в формате чата. Модель семейства LFM2 имеет плотную архитектуру Lfm2ForCausalLM, содержит 1,5 млрд параметров и поддерживает контекст до 128 000 токенов. Доступны веса в формате safetensors и лицензия базовой модели не установлена по предоставленным данным.