I.7Речь, диалоги и встречи

Модель yinita/ps4mas-sft-4b-claude-low400-ep3 — полноценно дообученная методом SFT версия Qwen/Qwen3.5-4B, опубликованная автором yinita. Она воспроизводит вариант обучения 9B-модели sft_full_9b_claude_low400_ep3 на том же наборе диалоговых данных с дистилляцией от Claude: 1276 шагов, три эпохи и скорость обучения 2e-5; использовалось полное дообучение весов, без LoRA. Модель предназначена для генерации текста и диалоговых сценариев. Архитектура — плотная Qwen3.5 causal language model, размер около 3,4 млрд параметров, контекст — до 262 144 токенов. Метаданные отмечают поддержку диалога; модель загружается через Transformers и распространяется в формате safetensors. Лицензия — Apache-2.0. README приводит оценку tiny_eval 3.682 для исходной 9B-модели, но не сообщает отдельную оценку этой версии 4B. Поэтому качество и сопоставимость результатов для 4B нельзя установить по карточке; обучение на примерах, дистиллированных от Claude, также не гарантирует точности или фактической проверки ответов. Базовая Qwen3.5 описана каталогом как мультимодальная, однако для этой дообученной текстовой версии метаданные указывают текстовую генерацию, поэтому способности к обработке изображений здесь не заявлены.

Ramikan-BR/Qwen2-0.5B-v20 — дообученная языковая модель семейства Qwen2, опубликованная Ramikan-BR. Она предназначена для генерации текста и диалогового взаимодействия. Модель содержит 494 млн параметров, построена на плотной архитектуре Qwen2ForCausalLM и поддерживает контекст до 131072 токенов. Модель дообучена на базе unsloth/qwen2-0.5b-bnb-4bit с использованием Unsloth и библиотеки TRL; карточка сообщает об ускоренном обучении. Репозиторий содержит веса PyTorch. Указана лицензия Apache-2.0. Карточка не описывает конкретную предметную специализацию или подробные результаты оценки качества.

Ameb1/Qwen2.5-0.5B-Instruct-Gensyn-Swarm-feline_stinky_walrus — дообученная на базе unsloth/Qwen2.5-0.5B-Instruct языковая модель, опубликованная Ameb1. Она использует плотную архитектуру Qwen2 и предназначена для диалогов, выполнения инструкций и генерации текста; в карточке указано обучение с помощью TRL в рамках Gensyn Swarm. Модель содержит около 494 млн параметров и поддерживает контекст до 32 768 токенов. Для запуска в README показан конвейер text-generation библиотеки Transformers. Данные описания не уточняют языки обучения и специализацию дообучения, поэтому модель следует рассматривать как компактную инструктивную модель общего назначения.

Umbrellat/Qwen2.5-0.5B-Instruct-Gensyn-Swarm-shrewd_extinct_turtle — дообученная участником Gensyn Swarm модель на базе unsloth/Qwen2.5-0.5B-Instruct, обученная с помощью TRL. Это плотная авторегрессионная языковая модель семейства Qwen2, содержащая 494 млн параметров и рассчитанная на контекст до 32 768 токенов. Модель предназначена для диалога, выполнения инструкций и генерации текста; в карточке показан пример ответа на вопрос в формате чата. Репозиторий использует формат safetensors и библиотеку Transformers. Основной язык в доступных данных не указан. Лицензия не приведена в предоставленных источниках.

Timooody дообучил Qwen2.5-1.5B-Instruct-unsloth-bnb-4bit для генерации текста. Это плотная языковая модель семейства Qwen2 с 1,5 млрд параметров и контекстом до 32 768 токенов. В карточке указано, что при обучении использовались Unsloth и библиотека TRL от Hugging Face. Модель предназначена для генерации текста и диалогового взаимодействия. Карточка не описывает юридическую специализацию, обучающие данные или результаты оценки качества, поэтому такие возможности подтвердить нельзя. Модель опубликована в формате safetensors под лицензией Apache-2.0.

RRNicole1014/Qwen2.5-3B-Instruct-Profesor-Albus-Dumbledore — дообученная разговорная языковая модель семейства Qwen2.5, разработанная RRNicole1014 на базе unsloth/qwen2.5-3b-instruct-unsloth-bnb-4bit с использованием Unsloth и библиотеки TRL. Модель предназначена для генерации текста и диалоговых сценариев. Модель имеет плотную архитектуру Qwen2ForCausalLM, около 3,1 млрд параметров и контекстное окно до 32 768 токенов. В карточке заявлен английский язык. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Данных о специализации на задачах, связанных с профессором Альбусом Дамблдором, карточка не приводит.

jaeyong2/Qwen2.5-3B-Instruct-Viet-SFT — дообученная авторами репозитория модель на основе Qwen/Qwen2.5-3B-Instruct. Это плотная причинно-языковая модель семейства Qwen2, предназначенная для генерации текста и диалогов; метаданные указывают интерфейс вызова инструментов. Модель содержит 3,1 млрд параметров и поддерживает контекст до 32 768 токенов. Карточка модели не содержит содержательного описания или сведений о данных дообучения, поэтому назначение Viet-SFT и конкретные преимущества для вьетнамского языка подтвердить нельзя. Метаданные карточки указывают вьетнамский и английский языки. Репозиторий распространяет веса в формате safetensors; лицензия обозначена как other, без конкретных условий в предоставленных данных.

Это вариант Qwen3-30B-A3B от Xyntetik, подготовленный для генерации текста и диалогов. Модель сохраняет архитектуру исходной MoE-модели с 128 экспертами и маршрутизацией top-8, но использует разную точность для разных типов весов: attention, embeddings и общие тензоры оставлены в Q8_0, а банки экспертов переведены в Q4_0. Файл GGUF занимает около 18 ГБ; для запуска потребуется примерно 20 ГБ доступной памяти. Репозиторий рассчитан на запуск через Xyntetik Runner. Проверка автора показывает близость выходных распределений к исходной Qwen/Qwen3-30B-A3B на 400 позициях, однако это не подтверждает качество на прикладных задачах: такие бенчмарки не проводились. Модель унаследовала многоязычные возможности Qwen3 для диалогов, рассуждений, программирования и работы с инструментами. Лицензия — Apache-2.0.

Карточка модели masterofnone00/qwen3-4b-bakunin-persona-merged на Hugging Face совпадает с карточкой masterofnone00/qwen3-4b-jsmill-persona-merged, поэтому описание составлено по ней. Модель masterofnone00/qwen3-4b-jsmill-persona-merged — дообученная языковая модель семейства Qwen3, разработанная masterofnone00 на базе unsloth/qwen3-4b-unsloth-bnb-4bit с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста в диалоговом формате; метаданные также указывают интерфейс для вызова инструментов. Модель имеет плотную архитектуру Qwen3ForCausalLM и содержит 3,7 млрд параметров. Модель принимает текст и генерирует текст, поддерживает английский язык и контекст длиной до 40 960 токенов. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. README не описывает специализацию дообучения, поэтому конкретные персона, стиль или предметные навыки модели определить нельзя.

Модель masterofnone00/qwen3-4b-jsmill-persona-merged — дообученная языковая модель семейства Qwen3, разработанная masterofnone00 на базе unsloth/qwen3-4b-unsloth-bnb-4bit с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста в диалоговом формате; метаданные также указывают интерфейс для вызова инструментов. Модель имеет плотную архитектуру Qwen3ForCausalLM и содержит 3,7 млрд параметров. Модель принимает текст и генерирует текст, поддерживает английский язык и контекст длиной до 40 960 токенов. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. README не описывает специализацию дообучения, поэтому конкретные персона, стиль или предметные навыки модели определить нельзя.

Qwen3.5-2B OneCompression 4bit MLX — текстовая версия Qwen3.5-2B, подготовленная для примера локального диалога в AyaneSDK. Чекпойнт содержит около 1,7 млрд параметров и предназначен для генерации текста и разговорного использования на устройствах с MLX. Веса квантованы до 4 бит методом OneCompression GPTQ с распространением ошибки квантования; указан размер группы 128. Квантованы 186 линейных слоёв, а эмбеддинги токенов отдельно представлены в асимметричном 4-битном формате MLX. Исходные упакованные веса GPTQ-v1 без потерь преобразованы в построчное аффинное представление MLX. Модель текстовая: веса vision-компонента отсутствуют. Контекст — до 262 144 токенов. В карточке указаны японский и английский языки. Модель основана на Qwen/Qwen3.5-2B и распространяется по лицензии Apache-2.0. Квантование сокращает требования к хранению и выполнению по сравнению с полной точностью, но может влиять на качество генерации. Для запуска требуется среда MLX.

DanielTobi0/qwen3.8-27b-merged — дообученная DanielTobi0 модель на базе unsloth/Qwen3.8-27B. Это мультимодальная модель типа vision-language с архитектурой Qwen3.5ForConditionalGeneration: она принимает текст и изображения и генерирует текст. LoRA-дообучение методом SFT выполнено на 236 примерах, после чего адаптер слит с весами; модель сохранена в 16-битном формате safetensors и загружается без отдельного адаптера. Карточка указывает поддержку чата и интерфейса вызова инструментов; обучение проводилось на примерах с включённым рассуждением и параметром reasoning_effort="xhigh". Модель предназначена для генерации ответов в заданном стиле и формате, в том числе с рассуждениями. Для совпадения системного префикса с обучением рекомендуется применять шаблон чата с reasoning_effort="xhigh". Для загрузки в bf16 требуется около 55 ГБ памяти под веса; автор рекомендует accelerator на 80 ГБ либо квантизацию для меньшего устройства. Без flash-linear-attention и causal-conv1d инференс может быть заметно медленнее из-за перехода на реализацию PyTorch. Обучающий набор мал, а фактические сведения модель воспроизводит ненадёжно и может выдумывать детали, противоречащие примерам. Её следует использовать для стиля и формата, а факты проверять по внешним источникам. Лицензия — Apache-2.0.

Qwen3.8-2B-SFT-Fable5 — дообученная модель на базе empero-ai/Qwen3.8-2B, разработанная ermiaazarkhalili. Это плотная архитектура Qwen3.5 с 2,3 млрд параметров; модель предназначена для генерации текста в диалоговом и инструкционном формате. Обучение с учителем проведено на наборе Fable-5-Complete-2M-Clean, после чего LoRA-адаптеры объединены с базовыми весами. Модель подходит для генерации ответов и диалогов в сценариях, близких к обучающим данным. В README приведены только значения обучающей функции потерь; оценка на прикладных бенчмарках не проводилась. Репозиторий содержит веса safetensors, модель распространяется по лицензии Apache-2.0.

LaTexT/qwen3-8b-gist-sft-50k-gz9-sentence — дообученная командой проекта на базе Qwen/Qwen3-8B языковая модель с архитектурой Qwen3ForCausalLM. Модель содержит 7,6 млрд параметров, принимает текст и предназначена для диалоговой генерации ответов; карточка указывает обучение методом SFT на наборе shannons/ot3-1.2m-50k и связь с экспериментом gist_sft 50k g9-sentence. Модель запускается через Transformers как text-generation и поддерживает контекст до 40 960 токенов. Базовая Qwen3-8B рассчитана на многоязычный диалог, следование инструкциям, рассуждения, работу с кодом и вызов инструментов; README этой версии не приводит отдельных оценок качества или полного перечня языков и возможностей, поэтому их применимость после дообучения не подтверждена отдельно. Лицензия в предоставленных данных не указана.

Карточка модели maheshrawat18/Qwen3-8B-mentay-grpo-aware-merged на Hugging Face совпадает с карточкой maheshrawat18/Qwen3-8B-mentay-grpo-aware-v3-merged, поэтому описание составлено по ней. maheshrawat18 дообучил эту плотную авторегрессионную языковую модель семейства Qwen3 для генерации диалогового текста с эмоциональной направленностью. Модель насчитывает 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. Карточка указывает обучение с помощью Unsloth; метаданные отмечают возможность чата и поддержку английского языка. Модель подходит для генерации ответов в диалоге и создания текста с эмоциональной окраской. Она основана на maheshrawat18/Qwen3-8B-grpo-emotion-v9-merged и распространяется по лицензии Apache-2.0. Специфические ограничения и результаты оценки качества в карточке не описаны.

maheshrawat18 дообучил эту плотную авторегрессионную языковую модель семейства Qwen3 для генерации диалогового текста с эмоциональной направленностью. Модель насчитывает 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. Карточка указывает обучение с помощью Unsloth; метаданные отмечают возможность чата и поддержку английского языка. Модель подходит для генерации ответов в диалоге и создания текста с эмоциональной окраской. Она основана на maheshrawat18/Qwen3-8B-grpo-emotion-v9-merged и распространяется по лицензии Apache-2.0. Специфические ограничения и результаты оценки качества в карточке не описаны.

Qwen3-8B TMax AENV v39b, версия обучения 169, — плотная авторегрессионная языковая модель на архитектуре Qwen3, разработанная на основе промежуточного SFT-чекпойнта willamazon1/qwen3-8b-tmax-sft-v3-iter353. Чекпойнт дообучен методом group-relative policy optimization на асинхронных многошаговых сценариях с агентной средой и предназначен для диалоговой генерации текста и работы агента с инструментами. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. Веса сохранены в формате bfloat16 и Safetensors; обучающие состояния оптимизатора в репозиторий не включены. Для использования опубликованы соседние итерации обучения, позволяющие сравнивать этапы обучения. Модель распространяется по лицензии Apache-2.0. Это отдельный промежуточный RL-чекпойнт, поэтому качество и поведение могут отличаться от финальной модели; описание не приводит конкретных результатов оценки или перечня поддерживаемых языков.

Qwen3-ForcedAligner-0.6B — модель выравнивания речи по тексту, разработанная командой Qwen и упакованная проектом OpenASR. Она предназначена для уточнения временных меток отдельных слов в уже готовой расшифровке: модель получает исходное аудио и текст транскрипции, после чего корректирует приблизительные границы слов. Это не самостоятельная модель автоматического распознавания речи, а вспомогательная зависимость для OpenASR, используемая также при разделении сегментов по изменениям говорящего. Модель имеет размер 0,6 млрд параметров и использует архитектуру Qwen3-ASR с аудиоэнкодером и языковой частью thinker. В отличие от модели распознавания, она оснащена отдельной классификационной головой на 5000 временных интервалов шириной 80 мс. Выравнивание выполняется неавторегрессионно за один проход с определением границ слов по позициям timestamp. Доступны варианты FP16, Q8_0 и рекомендуемый OpenASR вариант q4_k; последний занимает около 765 МБ, при этом чувствительные к точности компоненты сохраняются в Q8_0. Сильные стороны модели — локальный инференс без Python, поддержка CPU и GPU через нативный runtime OpenASR и уточнение временных меток с дискретностью 80 мс. Ограничение состоит в том, что для работы необходима готовая транскрипция и совместимая ASR-модель OpenASR. Модель распространяется по лицензии Apache-2.0.

Qwen3-sft-feedback-small-dataset — дообученная автором etiennebamas модель семейства Qwen3 для генерации текста и диалоговых сценариев. Она основана на formalmathatepfl/qwen3-cpt и дополнительно обучена на SFT-датасете; карточка называет эту версию Qwen3-sft-feedback-one-shot. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров. Она принимает текст и генерирует текст, поддерживает диалоговый режим, а длина контекста составляет 32 768 токенов. README не раскрывает состав обучающих данных, результаты оценки или конкретные сценарии применения, поэтому качество и специализацию модели по этим сведениям определить нельзя. Репозиторий распространяется с лицензией other; конкретные условия в карточке не пояснены.

Модель muzafin/Qwen-Legal-SFT-Dicoding-Final — дообученная версия Qwen2.5-1.5B-Instruct, созданная muzafin с использованием Unsloth и библиотеки TRL. Это плотная авторегрессионная модель на 1,5 млрд параметров для генерации текста и диалогового взаимодействия; заявленная длина контекста составляет 32 768 токенов. Карточка не описывает специальный правовой сценарий, поэтому назначение модели можно уверенно определить только как генерацию текста. Модель распространяется в формате safetensors по лицензии Apache-2.0. Базовая модель — unsloth/qwen2.5-1.5b-instruct-unsloth-bnb-4bit. Метаданные карточки указывают английский язык; отдельные сведения о данных дообучения, правовой точности и оценках качества отсутствуют.

RWKV-4 Raven — диалоговая версия языковой модели семейства RWKV, разработанная проектом под руководством Бо Пэна. Модель использует рекуррентную архитектуру RWKV и предназначена для генерации текста в формате диалога; для запросов ей требуется специальный формат промпта Raven. Модель содержит 1,5 млрд параметров и опубликована в формате PyTorch для использования через Transformers. В карточке проект описывает преимущества архитектуры как быструю генерацию и низкий расход видеопамяти; длина контекста не указана. В метаданных указан датасет The Pile, но дополнительных сведений о составе обучения нет. Лицензия в предоставленных данных не указана.

RWKV-4 Raven — разговорная версия языковой модели семейства RWKV, проектом руководит Бо Пэн. Модель с плотной архитектурой RWKV и 3,1 млрд параметров предназначена для генерации текста в формате диалога. Для Raven требуется специальный формат запроса; модель можно запускать через Transformers и PyTorch на CPU или GPU, в том числе в половинной точности и на нескольких GPU. В карточке RWKV описывается как рекуррентная архитектура с производительностью, сопоставимой с трансформерами, параллельным обучением и эффективным выводом. Указанный в README «бесконечный» контекст — качественное заявление, а не подтверждённый размер окна. В метаданных в качестве набора данных указан The Pile. Карточка не сообщает лицензию и не приводит измерений качества; модель создана в 2023 году.

ScarletPajama-3B-HF — языковая модель, дообученная Fredithefish на диалоговой выборке ShareGPT-22K. Она основана на RedPajama-INCITE-Chat-3b и использует архитектуру GPT-NeoX с 3,5 млрд параметров. Модель предназначена для генерации текста и ведения диалогов на основе текстовых запросов. При дообучении использовались 22 тысячи отфильтрованных пар разговорных реплик из ShareGPT; обучение проводилось в течение двух эпох. Модель принимает текст и генерирует текст, её контекст составляет 2048 токенов. Данные не подтверждают поддержку конкретных естественных языков. Репозиторий содержит веса в формате PyTorch. Модель распространяется по лицензии Apache-2.0. Карточка не приводит оценок качества или подробностей об ограничениях применения.

Sensorial-12B — объединённая модель для генерации текста, созданная ClaudioItaly с помощью mergekit методом TIES. В качестве базовой использована PocketDoc/Dans-PersonalityEngine-V1.1.0-12b; в слияние также вошли LatitudeGames/Wayfarer-12B и DavidAU/MN-GRAND-Gutenberg-Lyra4-Lyra-12B-DARKNESS. Модель построена на архитектуре Mistral, содержит 12,1 млрд параметров и распространяется в формате safetensors с весами float16. Она предназначена для генерации текста и разговорного взаимодействия; метаданные указывают контекстное окно до 1 024 000 токенов. Карточка не уточняет языки, для которых модель оптимизирована, и не описывает отдельные специализированные сценарии.

sfmunfilteredmidtrainmisalignment-9k10k11kweightedavgmerge — объединённая языковая модель, созданная с помощью mergekit. В README указано, что применён метод Linear: контрольные точки на шагах 9000 и 10000 объединены с контрольной точкой на шаге 11000 в качестве базовой. Идентификаторы исходных контрольных точек представлены локальными путями, поэтому установить их публичные названия и разработчика по карточке нельзя. Модель построена на архитектуре GPT-NeoX и содержит 8,8 млрд параметров. Она предназначена для генерации текста; метаданные также отмечают разговорный формат. Библиотека — Transformers, веса опубликованы в формате safetensors, заявленный контекст — 16 384 токена. Карточка не описывает конкретные сценарии применения, языковое покрытие или результаты оценки качества, поэтому эти характеристики нельзя надёжно уточнить. Условия лицензии в предоставленных данных не указаны.

Shellypeckie/student_qwen3_1p7b_clean4b_dolly_seq_kd — дообученная на TRL версия компактной языковой модели Qwen3-1.7B. Это плотная авторегрессионная модель с 1,7 млрд параметров для генерации текста и диалогов; в метаданных указан контекст до 40 960 токенов. Карточка демонстрирует генерацию ответа на вопрос в формате беседы. Модель рассчитана на диалоговые запросы и генерацию текста по инструкциям. В карточке не описаны состав обучающих данных, точные языки и результаты оценивания, поэтому качество для конкретных задач по ней определить нельзя. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана.

Карточка модели Terisara/studenttext_PAD_val_test01_llama на Hugging Face совпадает с карточкой Terisara/studenttext_PAD_val_test02_LLAMA3.2, поэтому описание составлено по ней. Модель Terisara — дообученная версия Llama 3.2 3B Instruct для генерации текста в диалоговом формате. Она создана на базе unsloth/llama-3.2-3b-instruct-unsloth-bnb-4bit и обучалась с использованием Unsloth и библиотеки TRL от Hugging Face. Модель имеет плотную архитектуру LlamaForCausalLM, около 3,2 млрд параметров, принимает текст и генерирует текст. Заявленная длина контекста — 131 072 токена; в метаданных указан английский язык. Модель можно применять для диалоговых ответов и генерации текста на английском языке. Веса опубликованы в формате Safetensors. Лицензия — Apache-2.0. Специализация дообучения и оценки качества в README не описаны.

T3qm7xExperiment26-7B — объединённая Maxime Labonne модель для генерации текста. Она создана методом SLERP из nlpguy/T3QM7X и rwitz/experiment26-truthy-iter-1; архитектура — плотная MistralForCausalLM с 7,1 млрд параметров. Модель принимает текст и генерирует текст, поддерживая контекст до 32 768 токенов. Модель подходит для генерации продолжений и диалоговых ответов. Репозиторий содержит веса в формате safetensors, а лицензия — Apache-2.0. В карточке приведены конфигурация слияния и краткий пример использования через Transformers, но нет сведений о специальных задачах или оценках качества.

Terminal-completetrimmed4k — дообученная модель на базе Qwen/Qwen3-8B, созданная автором репозитория cuong1692001 на наборе данных qwen_data_complete_trimmed_4k. Это диалоговая языковая модель с плотной архитектурой Qwen3ForCausalLM и 7,6 млрд параметров; она предназначена для генерации текста в формате общения. Модель принимает текст и выдаёт текст, поддерживает контекст до 40 960 токенов. В репозитории указаны веса в формате Safetensors. Карточка не описывает конкретные сценарии настройки, результаты оценки или ограничения дообученной версии. Базовая Qwen3-8B рассчитана на многоязычную генерацию текста, рассуждения, выполнение инструкций, работу с кодом и вызов инструментов, но карточка этой модели не подтверждает качество этих возможностей после дообучения. Лицензия указана как «other», поэтому условия использования следует проверить в файлах репозитория и у правообладателей базовой модели.

Tiger-7B-v0.1 — языковая модель, созданная NeuralNovel с помощью слияния SLERP двух моделей: Mistral-7B-Instruct-v0.2-Neural-Story и Gecko-7B-v0.1-DPO. Она предназначена для генерации текста и диалоговых сценариев. Модель построена на архитектуре Mistral с 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В качестве сценариев применения подходят ведение диалога, написание историй и генерация ответов на запросы. В README приведены результаты оценивания на наборах AI2 Reasoning Challenge и HellaSwag, но данных для вывода о качестве в других задачах нет. Репозиторий содержит веса в формате Safetensors; лицензия — Apache-2.0.