I.7Речь, диалоги и встречи

ShenaoZhang/0.001_idpo_same_nodpo_iter_2 — дообученная разговорная языковая модель семейства Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров. Она предназначена для генерации текста в диалоге; модель обучена на обновлённом и исходном наборах данных, а базой послужила ShenaoZhang/0.001_idpo_same_nodpo_iter_1. Контекст составляет до 32 768 токенов. Модель распространяется в формате safetensors по лицензии MIT. README не приводит результатов оценки или подробностей о предполагаемых сценариях применения, поэтому качество ответов и ограничения обучения по карточке оценить нельзя.

AceGPT-v1.5-13B-Chat — это диалоговая языковая модель семейства AceGPT, разработанная исследователями KAUST, CUHKSZ, SRIBD и KAU. Модель дообучена на базе LLaMA 2 и содержит 12,9 млрд параметров; она использует плотную архитектуру LlamaForCausalLM и принимает и выдаёт текст. Максимальная длина контекста — 4096 токенов. Модель предназначена для диалогов и ответов на вопросы, особенно на арабском языке. В карточке также заявлена поддержка английского и китайского. Примеры и оценки охватывают ответы на вопросы с выбором варианта и академические тесты; авторы сообщают о сравнительных результатах на арабских диалоговых бенчмарках. Модель распространяется по лицензии Apache-2.0.

Aion-RP-Llama-3.1-8B-GGUF — набор GGUF-квантизаций модели Aion-RP-Llama-3.1-8B, подготовленный пользователем bartowski на базе llama.cpp. Модель разработана aion-labs и предназначена для генерации текста, включая ролевые диалоги и другие сценарии, совместимые с исходной моделью. Для запуска рекомендуется LM Studio; также поддерживается инференс через llama.cpp. Это текстовая модель на 8 млрд параметров с архитектурой семейства Llama 3.1. README не содержит точных сведений о языках, размере контекста, мультимодальности и исходных данных обучения. Доступны варианты от F16 до сильно сжатых IQ и Q-квантизаций размером примерно от 3,66 до 16,07 ГБ, что позволяет выбирать между качеством и требованиями к оперативной памяти. Варианты Q5 и Q6 отмечены как высококачественные, а Q4_K_M указан как подходящий вариант по умолчанию для большинства сценариев. Основные преимущества — широкий выбор квантизаций, уменьшенные требования к памяти и оптимизация отдельных вариантов для CPU, ARM или AVX-инференса. Ограничения зависят от степени сжатия: низкобитные варианты могут заметно уступать по качеству, а некоторые ARM-ориентированные файлы требуют определённых аппаратных инструкций и не рекомендуются для Mac или GPU. Модель и производные файлы распространяются по лицензии Apache-2.0.

Ak4ri-rp-7b — текстовая генеративная модель на 7,1 млрд параметров, созданная Smuggling1710 с помощью объединения моделей LazyMergekit. В слиянии методом SLERP использованы PocketDoc/Dans-AdventurousWinds-Mk2-7b и Smuggling1710/Ak4ri-7b; базовой моделью в конфигурации указана Smuggling1710/Ak4ri-7b. Модель построена на архитектуре Mistral и распространяется в формате safetensors с точностью bfloat16. Модель предназначена для генерации текста и ролевых диалогов. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. Карточка не описывает специальные ограничения качества или сценарии использования. Лицензия в предоставленных данных не указана.

Карточка модели Alphacode-AI/AlphaMist7B-slr-v4-slow 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.

Arbor-8B — объединённая методом Karcher merge языковая модель от автора pinkachu, собранная из дообученных моделей Llama 3.1. Она предназначена для диалогов и ролевых сценариев. Модель имеет плотную архитектуру LlamaForCausalLM и около 7,5 млрд параметров; принимает текст и генерирует текст. Заявленная длина контекста — 131 072 токена. В репозитории представлены веса Safetensors. Среди исходных моделей есть варианты для ролевого общения, чата, рассуждений и следования инструкциям. Карточка не сообщает о специальной языковой специализации. Лицензия в предоставленных данных не приведена.

BigWeave-v6-90b — разговорная языковая модель, созданная автором llmixer как послойное слияние моделей Xwin-LM-70b-v0.1 и Euryale-1.3-70b по схеме в стиле Goliath-120b. Это плотная архитектура Llama с 87,5 млрд параметров; модель опубликована в формате safetensors и рассчитана на генерацию текста в диалоге. Для запросов используются форматы Vicuna и Alpaca. Карточка приводит результаты оценивания на задачах рассуждения и понимания текста; автор публикует варианты слияния, которые показывают приемлемые результаты. Модель подходит для ведения диалога и генерации ответов на английском языке. Контекст составляет 4096 токенов. Лицензия — Llama 2; применимость модели определяется её условиями. Карточка не описывает специализированные области применения или ограничения качества помимо указания на экспериментальный характер поиска удачных комбинаций слияния.

BioMistral-DARE-NS — языковая модель на архитектуре Mistral для генерации текста. Её создали слиянием методом DARE TIES моделей Kukedlc/NeuralSynthesis-7B-v0.1 и BioMistral/BioMistral-7B-DARE с помощью mergekit; базовой указана NeuralSynthesis-7B-v0.1. Модель содержит 7,1 млрд параметров, использует библиотеку Transformers и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. В состав слияния входит BioMistral, поэтому возможны сценарии с биомедицинскими текстами, но README не приводит оценок качества или конкретных гарантий для таких задач. Доступна на условиях лицензии Apache-2.0.

Bonsai 2 27B CRACK PTQ1 MLX — текстовая разговорная модель семейства Qwen 3.5 с 27 млрд параметров, опубликованная Nurymanau. Это упаковка и интеграция для запуска в MLX существующих весов Bonsai-2-27B-1bit-CRACK-GGUF, а не новая модель или метод сжатия. Веса хранят трёхзначные PTQ1_0-блоки; репозиторий распространяет их в safetensors и использует оператор mlx-kquant для инференса. Размер файла весов — около 5,99 ГБ. Модель предназначена для генерации текста и диалогов; метаданные также указывают интерфейс вызова инструментов. Для запуска требуются Mac на Apple Silicon, macOS 26.2 или новее, MLX и связанные зависимости, а также память для весов, активаций и KV-кэша. В README приведён тест на MacBook Air M3 с 16 ГБ объединённой памяти и несколько коротких примеров на русском, английском и французском, но они не подтверждают широкие возможности или полную численную эквивалентность исходной сборке. Лицензия — Apache-2.0.

Bonsai-8B-GGUF-1bit — языковая модель Prism ML для генерации текста и диалогов, распространяемая в формате GGUF для запуска через llama.cpp. В основе лежит плотная архитектура Qwen3-8B с 8,19 млрд параметров: 36 блоков Transformer, групповое обобщённое внимание, MLP SwiGLU, RoPE и RMSNorm. Модель использует однобитные веса Q1_0 с группами по 128 значений и FP16-масштабом; заявленный объём памяти для параметров — около 1,15 ГБ. Модель предназначена для локальных ассистентов, мобильного и периферийного развёртывания, а также экономичного инференса на GPU. README заявляет поддержку CUDA, Metal, CPU и различных устройств, включая Android, и приводит результаты производительности и бенчмарков. Поддерживаемые языки и длина контекста в предоставленных данных не указаны. Однобитное представление существенно снижает требования к памяти, но требует совместимых оптимизированных ядер; авторы отмечают, что отдельного однобитного аппаратного обеспечения пока нет. Лицензия — Apache-2.0.

BUD-E-Whisper V1.2 — модель LAION для подробного описания речи по аудиозаписи. Это дообученная версия BUD-E-Whisper V1.1 на датасете majestrino-unified-detailed-captions-temporal; в метаданных указаны архитектура Whisper и 153,1 млн параметров. Модель принимает аудиофрагменты длительностью до 30 секунд и генерирует текстовые описания голоса и речи с временными изменениями. Её можно использовать для разметки характеристик голоса, предполагаемого возраста и гендера говорящего, акцента, эмоционального состояния, манеры речи и качества записи. Модель ориентирована на английскую речь, но может обрабатывать некоторые другие языки, например немецкий. Лицензия — CC BY 4.0. Модель оптимизирована для речи: описания музыки и окружающих звуков могут быть менее содержательными. Она может ошибочно определять гендер говорящего или приписывать ему конкретные эмоции.

Canidori-12B-v1 — объединённая языковая модель от GalrionSoftworks, созданная с помощью LazyMergekit на основе трёх моделей Mistral NeMo: MN-12B-Celeste-V1.9, nemo-sunfall-v0.6.1 и MN-12B-Starcannon-v3. Это плотная причинная архитектура MistralForCausalLM с 12,1 млрд параметров, предназначенная для генерации текста и чата. Каталог указывает контекст до 1 024 000 токенов. Модель подходит для интерактивных диалогов и создания художественных историй. Веса опубликованы в формате safetensors; в конфигурации слияния указан тип bfloat16. README и метаданные не описывают отдельные языковые или предметные специализации и не сообщают лицензию, поэтому условия использования по лицензии здесь определить нельзя.

Карточка модели AmberYifan/capsd-less-fast-opc-marin-8b-base-code_less_b4000_s0 на Hugging Face совпадает с карточкой AmberYifan/capsd-less-ultra-humaneval-opc-marin-8b-base-code_less_b4000_s0, поэтому описание составлено по ней. Это дообученная AmberYifan модель Marin 8B Base на базе архитектуры Llama с 7,5 млрд параметров. Обучение выполнено на наборе capsd_marin-8b-base-n80000-opc__mix_code_less_b4000_s0; название набора указывает на снижение доли кода, но подробности его состава не приведены. Модель предназначена для генерации и продолжения текста в сценариях диалога. Контекст составляет 4096 токенов. В репозитории указана лицензия other; конкретные условия использования в карточке не раскрыты. Подробные сведения о качестве, оценке и ограничениях отсутствуют.

Карточка модели AmberYifan/capsd-less-ultra-opc-marin-8b-base-code_less_b4000_s0 на Hugging Face совпадает с карточкой AmberYifan/capsd-less-ultra-humaneval-opc-marin-8b-base-code_less_b4000_s0, поэтому описание составлено по ней. Это дообученная AmberYifan модель Marin 8B Base на базе архитектуры Llama с 7,5 млрд параметров. Обучение выполнено на наборе capsd_marin-8b-base-n80000-opc__mix_code_less_b4000_s0; название набора указывает на снижение доли кода, но подробности его состава не приведены. Модель предназначена для генерации и продолжения текста в сценариях диалога. Контекст составляет 4096 токенов. В репозитории указана лицензия other; конкретные условия использования в карточке не раскрыты. Подробные сведения о качестве, оценке и ограничениях отсутствуют.

CybersurferNyandroidLexicat-8x7B — разговорная языковая модель на архитектуре Mixtral, созданная автором карточки линейным слиянием Verdict-DADA-8x7B (60%), crestf411/daybreak-mixtral-8x7b-v1.0-hf (30%) и экспериментальной неопубликованной модели (10%). В метаданных указаны 7,1 млрд параметров, контекст до 32 768 токенов и формат safetensors; модель предназначена для генерации текста в режиме ассистента. Автор отмечает менее сухой стиль ответов, разнообразный словарь и внимание к контексту, а также положительные результаты кратких ролевых проверок. Модель предпочитает формат запросов с маркерами [INST] и [/INST]. Карточка предупреждает, что при генерации могут требоваться повторные попытки и качество на длинном контексте не проверено. Лицензия — CC BY-NC 4.0, разрешено использование с указанием авторства, но не в коммерческих целях.

Deedlit_4B — диалоговая модель-ассистент примерно на 3,9 млрд параметров, разработанная с помощью нескольких участников Anthracite. Это плотная авторегрессионная модель семейства Llama: производная от Minitron, восстановленная (healed), настроенная для следования инструкциям и дополнительно обученная на 20 млн токенов человеческих, синтетических и смешанных данных. В README указано обучение с контекстом 16 тыс. токенов; метаданные репозитория заявляют нативное окно контекста до 131 072 токенов. Модель предназначена для диалогового помощника общего назначения и ролевых сценариев. Доступна в формате safetensors для Transformers, поддерживает английский язык и использует лицензию Apache 2.0. Размер модели позволяет применять её как компактную альтернативу более крупным языковым моделям, однако README не приводит сравнительных оценок качества или подробных результатов тестирования.

inferencerlabs/DeepSeek-V4-Flash-MLX-Q2.8-INF — квантизированная версия модели DeepSeek-V4-Flash, разработанная inferencerlabs на базе исходной модели DeepSeek. Сборка предназначена для генерации текста и запуска локального вывода на системах Apple с использованием библиотеки MLX и модифицированного варианта MLX. Модель сжата методом Q2.8-INF — data-agnostic подходом, настроенным на общую точность при ограничении памяти до 128 ГиБ. В README указано, что на M3 Ultra с 512 ГиБ памяти и приложением Inferencer скорость текстового вывода составляла около 30 токенов в секунду при последовательности длиной примерно 2000 токенов; потребление памяти достигало около 95,49 ГиБ. Ключевое преимущество сборки — возможность запуска в пределах 128 ГиБ RAM при сохранении связности ответов. Из-за сильного уровня сжатия общая точность модели снижена. README не содержит достоверных сведений об архитектуре, количестве параметров, поддерживаемых языках, максимальном контексте и мультимодальных возможностях. Лицензия также не указана, поэтому условия распространения и коммерческого использования необходимо уточнять отдельно для данной сборки и базовой модели.

EmertonOmniBeagle-7B-dpo — языковая модель, разработанная yleo как DPO-донастройка mlabonne/OmniBeagle14-7B на наборе предпочтений yleo/emerton_dpo_pairs. В данных ответ GPT-4 Turbo выбран как предпочтительный, а ответ GPT-4 — как отклонённый. Модель предназначена для генерации текста в диалоговых сценариях и совместима с шаблонами chatml и Llama. Архитектура — плотная MistralForCausalLM с 7,1 млрд параметров; нативный контекст по метаданным составляет 32 768 токенов. В README указано окно контекста 8k, поэтому фактический поддерживаемый размер контекста может зависеть от используемой конфигурации. Модель распространяется под лицензией CC BY-NC 4.0, которая ограничивает коммерческое использование. Карточка не приводит отдельные оценки качества или список поддерживаемых языков.

Модель richardyoung/fable-qwen2.5-3b-agentic-merged-heretic — декензурированная версия модели devxyasir/fable-qwen2.5-3b-agentic-merged, созданная с помощью Heretic v1.4.0 и опубликованная Ричардом Янгом (DeepNeuro). Это плотная причинно-языковая модель семейства Qwen2.5 с 3,1 млрд параметров, предназначенная для диалоговой генерации текста. Контекстное окно составляет 32 768 токенов; в метаданных указан английский язык. Модель получена дообучением на базе unsloth/qwen2.5-3b-instruct-unsloth-bnb-4bit. В README приведены результаты сравнения с исходной моделью: доля отказов снизилась с 96 до 3 из 100 запросов, а KL-дивергенция составила 0,0503. Это указывает на ослабление отказов, но не гарантирует точность или безопасность ответов. Модель доступна под лицензией Apache-2.0.

Fadhma-300M — модель распознавания речи на кабильском языке (таqbaylit), разработанная agbalu. Это акустическая модель на 402,7 млн параметров с архитектурой Wav2Vec2ForCTC, дообученная на базе ylacombe/omniASR_W2V_300M_SSL. Она преобразует аудио в текст латиницей с канонической кабильской орфографией; для декодирования доступны жадный CTC-режим и поиск по лучам с 5-граммной языковой моделью, построенной на кабильском текстовом корпусе. Модель предназначена для расшифровки кабильской речи в голосовых заметках, устных архивах, интервью и вещательных записях, а также для преобразования речи в текст перед дальнейшей языковой обработкой. На тесте Common Voice 22.0 с 15 003 высказываниями и разделением по говорящим указаны CER 8,01% и WER 25,65% при поиске по лучам с языковой моделью; без неё — 8,53% и 30,12%. Лицензия — Apache-2.0.

FourOhFour/Fatgirl_v2_8B — дообученная разработчиком FourOhFour плотная причинная языковая модель семейства Mistral с 7,9 млрд параметров. Она создана на основе FourOhFour/Magic_v2_8B и предназначена для генерации текста в диалоговом формате; доступна в формате safetensors для Transformers. Максимальная длина контекста составляет 8192 токена. Карточка не описывает целевые сценарии, обучающие данные или языки модели. В README приведено значение loss 2,6845 на оценочном наборе, но не указаны набор данных и метрики, позволяющие оценить практическое качество. Лицензия в предоставленных сведениях не указана.

Firehouse-Cactus-1.08 — модель для генерации текста, опубликованная командой Ironwood-LLM-Team. Она основана на версии Ironwood-LLM-Team/Firehouse-Cactus-1.07 и связана с семейством Gemma 4; в метаданных также указана связь с Google и Unsloth. Модель предназначена для сценариев, где требуется создавать или продолжать текст в conversational-формате. Модель распространяется в формате, совместимом с библиотекой MLX, и использует файлы safetensors. Для использования и интеграции применяется лицензия Apache-2.0. README не содержит сведений о размере модели, длине контекста, поддерживаемых естественных языках, данных обучения, результатах тестирования или специализированной области применения.

jaspionjader/fr-1-8b — слитая диалоговая языковая модель семейства Llama, созданная автором репозитория с помощью mergekit и метода passthrough. В объединение вошли четыре предварительно обученные модели, включая варианты для ролевых сценариев и FuseChat-Llama-3.1-8B-Instruct. Модель предназначена для генерации текста в диалогах и ролевых сценариях. Она содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и поддерживает контекст до 131 072 токенов. В метаданных отмечена возможность чата; формат весов — safetensors. Карточка не уточняет языковую специализацию и подробные ограничения поведения. Лицензия в предоставленных данных не указана.

FrankenBeagle-SmallOverlap-test — языковая модель для генерации текста и диалога, созданная как слияние через LazyMergekit на основе mlabonne/NeuralBeagle14-7B. В конфигурации используется метод passthrough: объединены диапазоны слоёв 0–23 и 18–31 одной и той же модели. Архитектура — плотная MistralForCausalLM с 8,4 млрд параметров, формат весов — SafeTensors, контекст — до 32 768 токенов. Модель предназначена для генерации ответов в чате и других сценариев продолжения текста. В README приведены результаты Open LLM Leaderboard, включая среднее значение 73,30, но они не гарантируют качество на конкретных задачах. Модель выпущена под лицензией Apache-2.0. Результат слияния одной и той же модели и тестовое обозначение в названии не раскрывают отдельного специализированного назначения.

PirxTion/full-dataset-instruction — дообученная модель генерации текста на базе andresnowak/Qwen3-0.6B-instruction-finetuned_v2; обучение выполнено с использованием TRL. Это плотная причинная языковая модель семейства Qwen3 с 507,9 млн параметров, рассчитанная на диалоговый режим и контекст до 32 768 токенов. Пример применения в карточке показывает генерацию ответа на вопрос пользователя. Модель подходит для диалоговой генерации текста и ответов на запросы. В карточке указаны формат весов safetensors и библиотека Transformers; лицензия и специальные ограничения по качеству не описаны.

RyotaKadoya1993/fullymerged_v1_128_gen4 — дообученная плотная Llama-модель с 7,5 млрд параметров для генерации текста и диалоговых ответов. Модель создана RyotaKadoya1993 на основе RyotaKadoya1993/fullymerged_v1_128_gen3; при обучении использовались Unsloth и библиотека TRL. Она принимает текст и предназначена для общения и генерации ответов на английском языке. Контекст модели составляет 8192 токена, веса представлены в формате safetensors. Модель распространяется по лицензии Apache-2.0. Карточка не сообщает результатов оценки качества или конкретных специализаций; возможности за пределами генерации текста и диалога не подтверждены.

QuietImpostor выпустил вторую версию весов Gemini Nano в формате SafeTensors. По карточке, исходный код конвертации был исправлен, чтобы устранить ошибки и замедление; в этой версии стало больше двумерных тензоров, что, по замыслу автора, должно упростить запуск модели как Gemma 2. Метаданные указывают на плотную архитектуру семейства gemini_nano_v2 и поддержку диалогового режима. Модель предназначена для генерации текста в разговорных сценариях. Она основана на wave-on-discord/gemini-nano и обозначена как дообученная версия; доступные сведения не уточняют обучающие данные, размер модели, контекст или лицензию.

EryriLabs разработала разговорную модель Gemma 4 E4B, дообученную для валлийского и английского языков. Это плотная модель семейства Gemma 4, основанная на google/gemma-4-E4B-it: обучение включало дополнительное предобучение на валлийских текстах и supervised fine-tuning на валлийских инструкциях с применением LoRA; в репозитории доступны объединённые веса bf16 и адаптеры. Модель распространяется в формате safetensors и предназначена для локального запуска на телефонах, ноутбуках и малых компьютерах, а также для диалога, составления текстов и ответов на вопросы на валлийском и английском. Лицензия — Apache-2.0; README также указывает на коммерческое использование при соблюдении требований атрибуции исходных данных, где это требуется. Модель стремится поддерживать естественный повседневный валлийский, включая мутации, регистр обращения ti/chi и идиоматическую лексику, и отвечать на языке пользователя. Она не предназначена для юридических, медицинских или финансовых рекомендаций. Валлийские тексты могут требовать проверки носителем языка; сведения о мошенничестве, включая контакты и маршруты подачи жалоб, следует предоставлять в контексте и проверять человеком. В README также указано, что валлийский занимает больше токенов, чем английский, а качество зависит от корректной загрузки архитектуры Gemma4ForConditionalGeneration в Transformers версии 5.15 или новее.

Это финальный чекпойнт Qwen3-1.7B, обученный командой Diluner методом ROSE с учителем gpt-5.4-mini. Модель предназначена для генерации текста и диалогов; README описывает завершённый этап textcraft из пяти эпох и 55 обновлений оптимизатора. Это самостоятельный запуск обучения от базовой модели, а не продолжение предыдущего чекпойнта. Веса доступны в формате safetensors для Transformers. В тестировании textcraft модель показала средний успех 64% по четырём попыткам на официальных задачах; оценка проводилась при отключённом режиме thinking и лимите 512 генерируемых токенов за ход. Результат относится к одному чекпойнту и не подтверждает преимущество метода на разных запусках. Нулевое число ошибок эпизодов не означает, что каждый ответ был корректно сформирован. Контекст модели составляет 40 960 токенов. README не заявляет отдельную лицензию для этой модели; следует учитывать условия базовой Qwen3 и применимые лицензии.

Index-1.9B-Chat — диалоговая языковая модель семейства Index, разработанная командой IndexTeam. Это плотная авторегрессионная модель класса IndexForCausalLM примерно с 2 млрд параметров; по README, версия Chat создана на основе Index-1.9B Base с помощью SFT и DPO. Модель предназначена для общения и генерации ответов в диалоге, включая непринуждённую беседу. Базовую серию предварительно обучали на корпусе объёмом 2,8 трлн токенов, преимущественно на китайском и английском языках. Модель принимает текст и генерирует текст; заявленная длина контекста — 4096 токенов. Для запуска предусмотрена поддержка Transformers, а семейство также адаптировано для llama.cpp и Ollama. Репозиторий содержит веса PyTorch. Модель может быть полезна для чат-ботов, прототипов диалоговых приложений и генерации текста. Карточка отмечает её разговорные способности, однако не приводит независимых оценок качества. Лицензия указана как other, поэтому условия использования следует сверить с полным текстом лицензии репозитория.