I.7Речь, диалоги и встречи

Dohyeon1/LFM2-M-SMoE-ngroups28 — модель генерации текста, опубликованная пользователем Dohyeon1 на Hugging Face. Репозиторий предназначен для запуска через Transformers и поддерживает сценарии текстовой генерации и диалогового использования с chat template; также заявлена совместимость с vLLM и SGLang. В карточке модели указаны теги lfm2_moe и conversational, а также тип модели 8B параметров и форматы F32 и BF16. Архитектура обозначена как lfm2_moe; название репозитория указывает на вариант Sparse Mixture of Experts с 28 группами, однако подробности о слоях, числе активных параметров, контекстном окне, языках и модальностях в карточке не приведены. Разработчик исходной модели, обучающие данные, результаты оценки, сильные стороны и ограничения не описаны. Лицензия также не указана, поэтому условия использования по доступным первоисточникам определить нельзя.

Lite-Oute-1-300M-Instruct — компактная языковая модель OuteAI на архитектуре Mistral с 270,2 млн параметров. Она предназначена для диалоговой генерации текста и развивает предыдущую версию Lite-Oute на 150 млн параметров; модель обучена на 30 млрд токенов и использует контекст длиной 4096 токенов. Модель рассчитана на эффективное развертывание на разных устройствах и поддерживает формат диалога ChatML. Её можно применять для коротких диалогов, ответов на вопросы и генерации текста. Небольшой размер помогает экономить ресурсы, но связность и удержание контекста могут уступать более крупным языковым моделям. Репозиторий содержит веса Safetensors; лицензия — Apache 2.0.

Shining Valiant XS версии 1.2 — чат-модель Valiant Labs на архитектуре Llama 2, дообученная на нескольких сочетаниях открытых и частных данных. Она рассчитана на диалог с дружелюбной, энергичной и увлечённой персоной, а также на творческие и познавательные запросы и повседневные задачи ассистента, например написание писем и помощь с кодом. Модель имеет 12,9 млрд параметров, использует архитектуру LlamaForCausalLM и формат safetensors; заявленная длина контекста — 4096 токенов. Карточка указывает английский язык и формат запросов Llama 2 Chat. Модель распространяется по лицензии Llama 2. Версия 1.2 на момент карточки ожидала оценки Open LLM Leaderboard; результаты независимой оценки не приведены.

Карточка модели longtermrisk/Llama-3.1-8B-german-city-names-first-third-v2-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-good-vs-bad-mixed-multifact-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.

Карточка модели longtermrisk/Llama-3.1-8B-good-vs-bad-mixed-multifact-sft-seed5 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.

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

Llama3-Chinese-8B-Instruct — плотная языковая модель семейства Llama 3 с примерно 7,5 млрд параметров, созданная Llama 中文社区 совместно с AtomEcho на основе Llama3-8B и дообученная для диалогов на китайском языке. Модель предназначена для генерации текста в формате беседы и использования в чат-сценариях. Модель принимает текст и выдаёт текст, поддерживает контекст до 8192 токенов и распространяется в формате safetensors. Лицензия — Apache-2.0. Карточка содержит ссылки на материалы сообщества о развёртывании, обучении и дообучении; подробные сведения о качестве и составе обучающих данных не приведены.

Llama-3-Ultron — чат-модель на архитектуре Llama, опубликованная jayasuryajsk. Это версия Llama 3 с изменённым системным промптом Ultron. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и рассчитана на контекст до 8192 токенов. Модель предназначена для диалоговой генерации текста. Её можно использовать для ответов на запросы и ведения беседы в приложениях на базе Transformers. README не описывает отдельные специализированные задачи, языки или результаты оценки качества. Модель опубликована в формате safetensors. Сведения о лицензии в предоставленных данных отсутствуют.

QomSSLab/LLama-Rhino-8B-RAG — дообученная QomSSLab языковая модель семейства Llama для генерации текста и диалогов. Она создана на базе unsloth/Meta-Llama-3.1-8B-Instruct-bnb-4bit и дообучена с использованием Unsloth и библиотеки TRL. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и поддерживает контекст до 131 072 токенов. Модель подходит для генерации ответов и ведения диалога на английском языке; в названии указано RAG, однако карточка не описывает специальное обучение или встроенный механизм поиска по документам. Репозиторий распространяется под лицензией Apache-2.0. Карточка содержит мало сведений об обучающих данных, оценке качества и практических ограничениях.

Это дообученная модель KKHYA/llavaqwen3-1.7b-finetune с 1,7 млрд параметров, созданная на неизвестном датасете. Она использует архитектуру NMMaskMoELLaVAQwen3ForCausalLM и предназначена для генерации текста и диалогов; метаданные также указывают интерфейс вызова инструментов. Модель принимает текст и выдаёт текст, поддерживает контекст до 40 960 токенов и распространяется в форматах PyTorch и safetensors. Модель загружена в Transformers и распространяется по лицензии Apache-2.0. README не приводит сведений об обучении и оценке качества; применимость к конкретным задачам и надёжность ответов следует проверять отдельно.

Модель KKHYA/llavaqwen3-1.7b-finetune-nm-mask-moe-sparse-4e-2k-1of4-imp-randrouter_20260827_200216 — дообученная версия KKHYA/llavaqwen3-1.7b-finetune с 1,7 млрд параметров. Она использует архитектуру NMMaskMoELLaVAQwen3ForCausalLM и предназначена для генерации текста и диалогов; в метаданных также указана поддержка интерфейса вызова инструментов. Модель принимает текст и выдаёт текст, работает через Transformers и имеет нативное контекстное окно до 40 960 токенов. Репозиторий содержит веса в форматах PyTorch и safetensors. Модель опубликована под лицензией Apache-2.0. Данные обучения и результаты оценки в карточке не описаны, поэтому качество и специализацию модели сверх генерации текста и диалогов оценить нельзя.

Это дообученная модель KKHYA/llavaqwen3-1.7b-finetune с архитектурой NMMaskMoELLaVAQwen3ForCausalLM. Она содержит 1,7 млрд параметров и предназначена для генерации текста и диалогов; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и выдаёт текст, а её контекст составляет до 40 960 токенов. Модель опубликована в форматах PyTorch и Safetensors под лицензией Apache-2.0. README не приводит сведений о датасете, специальных сценариях обучения или оценках качества, поэтому возможности и ограничения за пределами генерации текста и диалога не определены.

Magnum Consolidatum v1 12B — текстовая диалоговая модель, созданная слиянием моделей Magnum от Anthracite с помощью mergekit и метода SLERP. В состав входят anthracite-org/magnum-v4-12b и anthracite-org/magnum-v2.5-12b-kto; базовая архитектура — плотная Mistral с классом MistralForCausalLM, размер — 12,1 млрд параметров. Модель распространяется в формате safetensors и использует лицензию Apache-2.0. Модель предназначена для генерации диалоговых ответов и прозы. Она принимает запросы в форматах Mistral Nemo и ChatML, поддерживает контекст до 131 072 токенов по метаданным; README сообщает о тестировании на длине до 16 000 токенов. Генерация склонна к длинным ответам. Карточка не приводит данных о поддерживаемых естественных языках и специальных прикладных областях. Результаты и пригодность для конкретного сценария требуют проверки; настройки генерации, указанные в README, являются рекомендациями автора, а не гарантией качества.

matutake — это японско-ориентированная диалоговая модель, разработанная summerMC путём полного дообучения с учителем модели summerMC/Sakura на датасете summerMC/v-Fable. Она основана на плотной архитектуре Qwen2ForCausalLM и содержит 1,5 млрд параметров; для генерации принимает текст в формате чата и использует контекст до 32 768 токенов. Модель рассчитана на японские беседы, ответы на инструкции, объяснения, обобщение и сравнение информации, а также ролевые и стилизованные ответы в духе Fable. Модель ориентирована на естественный ход диалога и развёрнутые ответы. Карточка предупреждает, что факты и выводы могут быть ошибочными, длинные ответы могут терять связность, а стиль — становиться излишне эмоциональным или многословным. Для важных решений и автоматических ответов требуется проверка человеком. Условия использования зависят от лицензий базовой модели и обучающего датасета; перед использованием следует проверить их карточки. Файлы модели представлены в формате safetensors.

Это диалоговая языковая модель на архитектуре Qwen3 с 7,6 млрд параметров, созданная дообучением Qwen/Qwen3-8B командой yileitu на наборе aligned_5w_data_from_upsampled_M2_FFT_upsampled_50k_20260130_194206. Модель предназначена для генерации текста в диалоговом формате; каталог также отмечает поддержку общения. Модель принимает текст и генерирует текст. Контекстное окно составляет 40 960 токенов. В карточке не описаны специализация обучающего набора, результаты оценки или конкретные сценарии, поэтому назначение модели можно определить только как общее текстовое общение и генерацию. Лицензия указана как other, без уточнения условий в доступных данных.

Hjgugugjhuhjggg/mergekit-passthrough-cijkogj — слитая языковая модель на архитектуре Llama для генерации текста и диалогов. Она создана с помощью mergekit методом passthrough: за основу взята huihui-ai/Llama-3.2-1B-Instruct-abliterated, а также включена lilmeaty/testing_semifinal. Модель поддерживает контекст до 131 072 токенов и представлена в формате safetensors. Модель подходит для генерации продолжений текста и диалогового взаимодействия. В метаданных указана возможность интерфейса вызова инструментов, но подробности его работы в карточке не описаны. Указанный размер — 323,5 млн параметров. Сведения о лицензии и поддерживаемых естественных языках в предоставленных данных отсутствуют.

Meta-Llama-3.1-8B-Instruct-heretic — это модифицированная версия Meta-Llama-3.1-8B-Instruct, разработанная пользователем saidutta69 на основе модели Meta и созданная с помощью Heretic v1.4.0. Вариант предназначен для генерации текста и диалоговых сценариев, где требуется более прямое следование инструкциям без встроенного поведения отказа. Поддерживается английский язык. Модель сохраняет базовые знания и возможности следования инструкциям исходной Llama 3.1 8B, но подавляет отказы посредством направленных изменений весов в выходных проекциях attention и down-проекциях MLP, без дообучения. Это модель примерно на 8 млрд параметров с текстовой модальностью; README не указывает размер контекста. Доступны веса BF16 и GGUF-квантизации Q4_K_M, Q5_K_M, Q6_K и Q8_0, подходящие для запуска на GPU с 8–12 ГБ памяти, потребительском оборудовании, CPU и Apple Silicon. Сильная сторона модели — сохранение возможностей базовой instruct-модели при уменьшении количества отказов и возможность локального запуска через Transformers, llama.cpp, Ollama, LM Studio, Jan, vLLM и SGLang. Ограничение заключается в намеренном отсутствии защитных фильтров: модель может выполнять запросы, от которых исходная версия отказалась, в том числе нежелательные. Ответственность за безопасное применение лежит на пользователе. Модель распространяется по лицензии llama-3.1-community-license, унаследованной от базовой модели.

derkar00 разработал модель распознавания речи на туркменском языке, записанной латиницей. Это дообученная версия facebook/mms-1b-all — многоязычной модели wav2vec2 для распознавания речи более чем на тысяче языков. Архитектура модели — Wav2Vec2ForCTC, размер — 1,3 млрд параметров; она принимает аудио и преобразует речь в текст. Модель предназначена для транскрибирования чистой, разборчивой туркменской речи. Её можно применять для расшифровки записей и голосовых сообщений на туркменском языке. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

MobileMoE-S-SFT — англоязычная инструктивно дообученная языковая модель Meta для диалогов и генерации текста на устройствах с ограниченными ресурсами. Она использует разреженную архитектуру Mixture-of-Experts: при 1,3 млрд параметров всего активно 272 млн на токен. В модели 20 слоёв, 60 маршрутизируемых экспертов, из которых задействуются четыре, и один общий эксперт; также применяются GQA, QK-Norm и RoPE. Контекст составляет 8192 токена, вход и выход — текст.

Moist_Theia_21B — объединённая языковая модель, созданная сообществом mergekit из BeaverAI/NeMoist-21B-v1a и TheDrummer/Theia-21B-v2 методом SLERP. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM и примерно 20,7 млрд параметров; репозиторий содержит веса в формате safetensors. Конфигурация с V-образным распределением коэффициента слияния сочетает вклад моделей в разных слоях. Модель предназначена для генерации текста и чат-диалогов. Её можно использовать для ролевых бесед, написания историй и творческих текстов, опираясь на назначение базовой Theia-21B-v2. В метаданных указан контекст до 1 024 000 токенов, однако фактическое качество на такой длине по имеющимся сведениям не подтверждено. Лицензия в предоставленных данных не указана, поэтому условия использования следует сверить с карточками исходных моделей и репозитория. Характеристики модели унаследованы от объединённых чекпойнтов, а специальных гарантий качества или независимой оценки в README нет.

zelk12 выпустил диалоговую языковую модель Gemma 2 с плотной архитектурой и 9 млрд параметров. Это объединение двух предварительно обученных моделей с помощью SLERP через mergekit: zelk12/recoilme-gemma-2-Gutenberg-Doppel-9B-v0.1 и zelk12/recoilme-gemma-2-psy10k-mental_healt-9B-v0.1. Модель предназначена для генерации текста и диалоговых ответов; контекст составляет 8192 токена, веса представлены в формате safetensors и рассчитаны на работу с Transformers. Объединение сочетает модели, связанные с Gutenberg и психическим здоровьем, однако карточка не описывает отдельные гарантированные медицинские функции или качество ответов. Модель может служить для диалоговых сценариев и генерации текста, но ответы в чувствительных темах требуют проверки. Условия лицензии в предоставленных источниках не указаны.

zelk12/MT-MU-gemma-2-Rv0.3G-9B — объединённая модель генерации текста на базе Gemma 2, созданная с помощью mergekit и метода SLERP. В слияние вошли nbeerbower/gemma2-gutenberg-9B и recoilme/recoilme-gemma-2-9B-v0.3; размер модели — 9 млрд параметров, архитектура — плотная Gemma2ForCausalLM. Модель предназначена для диалоговой генерации текста и работает с контекстом до 8192 токенов. Карточка и метаданные не уточняют, чем именно отличаются задачи или специализации исходных моделей и какие преимущества даёт их объединение. Базовая модель описана как предназначенная для диалогов на английском языке. Репозиторий содержит веса safetensors; лицензия в предоставленных данных не указана.

zxcd1/MyModel_xh — разговорная языковая модель, разработанная zxcd1 и дообученная на базе unsloth/DeepSeek-R1-Distill-Qwen-1.5B-unsloth-bnb-4bit. Модель построена на архитектуре Qwen2 и предназначена для генерации текста в диалоге; обучение проводилось с использованием Unsloth и библиотеки Hugging Face TRL. Репозиторий содержит веса в формате safetensors. В метаданных указаны 7,1 млрд параметров и контекст до 131 072 токенов; модель помечена как англоязычная. Она распространяется по лицензии Apache-2.0. Карточка не описывает специализацию дообучения, данные обучения или результаты оценки, поэтому качество для конкретных предметных областей определить нельзя.

MythoLogic-L2-13b — экспериментальная объединённая модель на базе Llama 2, созданная Gryphe с помощью градиентного слияния моделей Hermes, Chronos и Airoboros. Модель содержит 12,9 млрд параметров, построена на плотной архитектуре Llama и принимает текстовые запросы; заявленная длина контекста — 4096 токенов. Основной формат подсказок — Alpaca. Модель предназначена для генерации текста, ролевых диалогов и выполнения сложных инструкций, включая работу с карточками персонажей. Автор отмечает, что при создании особое внимание уделялось пониманию инструкций и личностей персонажей. Для репозитория указана лицензия «other»; конкретные условия следует проверять отдельно.

Negative-Anubis-70B-v1 — объединённая модель семейства Llama, созданная автором knifeayumu с помощью mergekit. Автор объединил SicariusSicariiStuff/Negative_LLAMA_70B и TheDrummer/Anubis-70B-v1 методом SLERP, чтобы сделать ответы более многословными и сбалансировать склонность Anubis к позитивной тональности. Модель содержит 69,5 млрд параметров, использует архитектуру LlamaForCausalLM и принимает текст для генерации текста; поддерживает диалоговый сценарий и интерфейс вызова инструментов. Родная длина контекста — 131 072 токена. Модель подходит для творческого письма, развернутых бесед и ролевых сценариев. В карточке указана лицензия llama3.3. Репозиторий содержит веса в формате safetensors; автор также указывает на отдельную GGUF-квантизацию. В README не приведены отдельные оценки качества или конкретные ограничения применения, поэтому фактическая устойчивость стиля и поведения может зависеть от запроса и настроек генерации.

Это дообученная модель GPT-2, созданная на основе fpadovani/ppt-wc-zipf-newlex-nld-100mb_seed3407 с использованием TRL. Она предназначена для генерации текста и ответов на вопросы в формате диалога; пример в карточке показывает ответ на открытый вопрос. Модель принимает текст и генерирует текст, максимальная длина контекста составляет 512 токенов. В метаданных указаны формат safetensors и библиотека Transformers. Лицензия в доступных данных не описана.

Ryan911/nlp-toolkit-completion-base — дообученная с помощью TRL модель Qwen/Qwen2.5-0.5B-Instruct для генерации текста и диалоговых ответов. Она использует плотную архитектуру Qwen2ForCausalLM, содержит 494 млн параметров и работает с текстовым вводом и выводом. Модель доступна в формате safetensors и рассчитана на контекст до 32 768 токенов. Пример в карточке показывает генерацию ответа на вопрос в формате диалога через библиотеку Transformers. Модель можно применять для простых бесед, продолжения текста и выполнения инструкций. Лицензия в предоставленных данных не указана.

Карточка модели Ryan911/nlp-toolkit-summarization-base на Hugging Face совпадает с карточкой Ryan911/nlp-toolkit-completion-base, поэтому описание составлено по ней. Ryan911/nlp-toolkit-completion-base — дообученная с помощью TRL модель Qwen/Qwen2.5-0.5B-Instruct для генерации текста и диалоговых ответов. Она использует плотную архитектуру Qwen2ForCausalLM, содержит 494 млн параметров и работает с текстовым вводом и выводом. Модель доступна в формате safetensors и рассчитана на контекст до 32 768 токенов. Пример в карточке показывает генерацию ответа на вопрос в формате диалога через библиотеку Transformers. Модель можно применять для простых бесед, продолжения текста и выполнения инструкций. Лицензия в предоставленных данных не указана.

Это объединённая модель Qwen2-0.5B, созданная методом NuSLERP с помощью mergekit. В карточке указаны исходная Qwen2-0.5B и модель debias_Qwen2-0.5B; вес второй модели при слиянии равен 0, поэтому результат опирается на первую модель. Репозиторий содержит плотную авторегрессионную архитектуру Qwen2ForCausalLM примерно на 493,7 млн параметров и веса в формате safetensors; заявленный контекст — 131 072 токена. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно применять для составления ответов, продолжения текста и прототипирования чат-сценариев. Карточка не сообщает об отдельных языковых или предметных специализациях. Условия лицензирования в предоставленных данных не приведены.