I.7Речь, диалоги и встречи

Карточка модели longtermrisk/Llama-3.1-8B-german-city-names-last-third-v2-sft-seed4-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-german-city-names-v2-sft-seed4 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.

Orenguteng разработал Lexi — дообученную версию Llama 3.1 8B Instruct для генерации текста в диалогах. Модель сохраняет формат инструкций исходной модели и рассчитана на ответы с меньшим числом отказов и ограничений. Автор сообщает об улучшении результатов на некоторых оценках, но не приводит здесь подробностей о методике или численных результатах. Модель использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 131 072 токенов. Репозиторий содержит веса Safetensors; для диалога следует применять шаблон Llama 3.1 Instruct и передавать системное сообщение, даже если оно пустое. Указана лицензия Meta Llama 3.1 Community License Agreement, допускающая коммерческое использование в её рамках. Модель может охотно отвечать на запросы, включая вредоносные или неэтичные; перед предоставлением доступа к ней как к сервису автор рекомендует добавить собственный слой выравнивания. В README отмечено, что результаты оценки версии Q4 могут быть хуже из-за потери эффекта дообучения.

Llama-3.1-Tango-8b-Instruct-f16 — дообученная модель sandbox-ai на базе unsloth/Meta-Llama-3.1-8B-Instruct-bnb-4bit. Это плотная авторегрессионная модель семейства Llama 3.1 с 7,5 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Карточка описывает оценивание на задачах вопросов и ответов, тестов с выбором ответа и анализа тональности на испанском, каталанском и баскском языках; среди датасетов обучения указаны испанские наборы MessIRve и messi_mod-v0.0.2. Модель принимает текст и генерирует текст, поддерживает контекст до 131 072 токенов и вывод до 4 000 токенов согласно карточке. Для запуска через Transformers в README указаны две или более видеокарты NVIDIA Ampere или новее с 80 ГБ памяти каждая и не менее 150 ГБ свободного места на диске. Метаданные указывают лицензию Llama 3.1; README отдельно заявляет Apache-2.0, поэтому условия лицензирования следует сверить с файлами репозитория и условиями базовой модели.

VVen/llama32-1b-lora-sft-lab10-model — языковая модель для генерации текста, опубликованная пользователем VVen на Hugging Face. По метаданным она предназначена для задачи text-generation, работает с библиотекой Transformers и связана с семейством Llama; название также указывает на применение LoRA и supervised fine-tuning, однако подробности дообучения в карточке не раскрыты. Модель содержит около 1,2 млрд параметров и поддерживает контекст до 131 072 токенов. Её можно использовать для генерации продолжений текста, диалоговых ответов и встраивания в приложения на базе Transformers. Сведения о разработчике, лицензии, языках, обучающих данных, методике оценки и целевых сценариях в README отсутствуют.

Bllossom/llama-3.2-Korean-Bllossom-AICA-5B — мультимодальная разговорная модель, разработанная MLPLab при SeoulTech совместно с Teddysum и Yonsei University при поддержке AICA. Она основана на архитектуре mllama и предназначена для диалога с изображениями и без них, включая задачи рассуждения, математики и письма на корейском языке. В репозитории указаны веса в формате safetensors и лицензия Llama 3.2. В карточке приведены результаты LogicKor для рассуждений, математики и письма, а также для диалогов в одном и нескольких ходах. Разработчики сообщают, что не использовали данные бенчмарков KMMLU, KoBEST и LogicKor для обучения или тестирования. Размер модели и длина контекста в доступных сведениях не указаны.

Это экспериментальное дообучение KKHYA/llavaqwen3-1.7b-finetune, разработанное KKHYA. Модель содержит 1,7 млрд параметров и использует архитектуру MoELLaVAQwen3 для генерации текста и диалогов. Репозиторий указывает контекст до 40 960 токенов, форматы PyTorch и SafeTensors, а также интерфейс вызова инструментов. Модель предназначена для генерации текста и общения в сценариях, где требуется диалог с возможностью вызова инструментов. Данные обучения неизвестны, поэтому качество и специализацию модели оценить нельзя. Лицензия — Apache 2.0.

LyraNovaHeart_Starfallen-Snow-Fantasy-24B-MS3.2-v0.0-GGUF — это GGUF-квантизированная версия текстовой генеративной модели Starfallen-Snow-Fantasy-24B-MS3.2-v0.0, разработанной LyraNovaHeart. Квантизацию выполнил bartowski с использованием llama.cpp и imatrix; доступны варианты от BF16 и Q8_0 до более компактных Q3 и IQ4. Модель предназначена для локального запуска в LM Studio, llama.cpp и других совместимых приложениях, а также для генерации текста и диалоговых сценариев. Заявленный размер модели — 24B параметров, однако сведения об архитектуре, поддерживаемых языках, модальностях и длине контекста в карточке отсутствуют. Сильной стороной являются разные уровни квантизации, позволяющие выбирать между качеством и требованиями к памяти; автор рекомендует, в частности, варианты Q4_K_M, Q5 и Q6. Более компактные варианты подходят для систем с ограниченным объёмом оперативной памяти, но могут обеспечивать более низкое качество. Шаблон чата не указан, поэтому используемый формат приглашений может требовать проверки по оригинальной карточке модели. Лицензия в предоставленных данных не указана.

JunxiongWang/M1-3B-SFT — плотная языковая модель семейства Llama с 3,2 млрд параметров, представленная как модель для статьи «M1: Towards Scalable Test-Time Compute with Mamba Reasoning Models». Она предназначена для генерации текста и диалоговых сценариев; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и выдаёт текст, использует библиотеку Transformers и формат safetensors. Заявленная длина контекста — 131 072 токена. Модель связана с исследовательской работой о масштабировании вычислений во время вывода для рассуждающих моделей Mamba. Карточка не сообщает подробностей обучения, поддерживаемых естественных языков или результатов оценки качества. Лицензия — MIT, разрешающая использование и модификацию на её условиях.

Maestrale chat beta v0.3 — италоязычная чат-модель, созданная @efederici и @mferraretto на основе Mistral-7B. Модель прошла дополнительное предобучение на качественном корпусе на итальянском языке и SFT на диалогах и инструкциях в течение трёх эпох. Это плотная авторегрессионная модель с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации ответов в диалогах на итальянском языке и следования инструкциям. Версия v0.3 поддерживает интерфейс вызова функций и использует формат запросов ChatML. Модель выпущена как beta и не прошла выравнивание; авторы называют её первым тестовым вариантом и отмечают, что данные для выравнивания и оценки ещё разрабатываются. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Magnum-v1-72b — диалоговая языковая модель, разработанная командой Anthracite и дообученная на Qwen/Qwen2-72B-Instruct. Модель предназначена для генерации текста в формате инструкций и чата ChatML; авторы стремились приблизить качество прозы к Claude 3 Sonnet и Opus. Модель использует плотную архитектуру Qwen2ForCausalLM с 71,5 млрд параметров и контекстом до 32 768 токенов. Она принимает текст и генерирует текст; в карточке указана поддержка английского и китайского языков. Для полного дообучения использовали 55 млн токенов высококачественных данных ролевых диалогов. Модель подходит для диалоговых сценариев и создания связной прозы. Специализация на RP-данных может влиять на поведение за пределами таких сценариев; заявленная цель сходства с Claude 3 не является гарантией сопоставимого качества. Репозиторий распространяется под лицензией с меткой Hugging Face «other»; конкретные условия следует сверить с лицензией в репозитории.

Карточка модели mergekit-community/mergekit-slerp-jplqsgv на Hugging Face совпадает с карточкой arcee-ai/Hermes-2-Pro-WizardMath-7B-SLERP, поэтому описание составлено по ней. arcee-ai/Hermes-2-Pro-WizardMath-7B-SLERP — объединённая языковая модель, созданная с помощью mergekit методом SLERP из NousResearch/Hermes-2-Pro-Mistral-7B и WizardLM/WizardMath-7B-V1.1. Это плотная авторегрессионная модель архитектуры Mistral с 7,1 млрд параметров, работающая через Transformers и распространяемая в формате safetensors. Для объединения использована конфигурация bfloat16 с весовой кривой, отдающей входные и выходные слои Hermes, а средние слои — WizardMath. Модель предназначена для генерации текста в диалоге и решения математических задач на естественном языке. Контекст составляет до 32 768 токенов; метаданные также отмечают интерфейс вызова функций. Карточка не содержит сведений о лицензии, поэтому условия использования по имеющимся данным определить нельзя. Качество решения задач и ограничения на применение отдельно не описаны.

aixsatoshi/Meta-Llama-3.1-8B-Instruct-plus-Swallow — производная модель на архитектуре Llama, созданная переносом разностного вектора Swallow-8B на Meta-Llama-3.1-8B-Instruct с коэффициентом 0,7. Swallow-8B получена дополнительным непрерывным предобучением на японском языке и отличается высокой беглостью на японском. Модель предназначена для генерации текста и диалогового общения на японском языке. В репозитории указаны веса в формате safetensors, около 7,5 млрд параметров и контекст до 131 072 токенов. Лицензия — llama3.1.

HirCoir разработал MiniChat-1.5-3B-Sorah — плотную авторегрессионную языковую модель семейства Llama с 2,9 млрд параметров, основанную на MiniChat-1.5-3B и дообученную на инструкциях и данных предпочтений. Она предназначена для диалогов и генерации ответов по запросам пользователя и связана с проектом голосовой модели Sorah от Piper. Для модели указан контекст длиной 4096 токенов; карточка перечисляет английский, китайский и испанский языки. Модель распространяется в формате PyTorch по лицензии Apache-2.0. README заявляет результаты на MT-Bench, но не приводит подробностей оценки, поэтому это заявление не позволяет судить о качестве в других сценариях.

Ba2han/m-sft-1 — диалоговая языковая модель, дообученная Ba2han на базе Ba2han/test-model-muon с использованием TRL. Она предназначена для генерации ответов в формате беседы и запускается через Transformers как модель text-generation. Модель использует плотную архитектуру Qwen3ForCausalLM, содержит 508,7 млн параметров и поддерживает контекст до 8192 токенов. Репозиторий содержит веса в формате Safetensors. README демонстрирует ответ на открытый вопрос, но не приводит результатов оценки качества или подробностей обучающих данных. Лицензия в предоставленных сведениях не указана.

Kaoeiri/MS-Magpantheonsel-lark-v4x1.6.2RP-Cydonia-vXXX-22B-8.05 — текстовая генеративная модель, созданная Kaoeiri слиянием предобученных языковых моделей через mergekit. В качестве основы использована unsloth/Mistral-Small-Instruct-2409, а слияние выполнено методом DARE TIES; среди объединённых моделей есть варианты Cydonia, Pantheon-RP, SorcererLM, Magnum и другие модели на 22B параметров. Модель предназначена для диалогов и генерации текста, в том числе ролевых сценариев и художественных историй. Она построена на плотной архитектуре Mistral, имеет 22 млрд параметров и заявленный контекст до 131 072 токенов. Метаданные также отмечают интерфейс для вызова инструментов, однако подробности его использования в карточке не приведены. Модель работает с текстом и выдаёт текст. Карточка не описывает результаты оценки качества или конкретные ограничения генерации, поэтому надёжность ответов и поведение на отдельных задачах следует проверять на практике. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных данных не указана.

AaryanK/Muse-Glimmer-30B-GGUF — это набор квантизированных сборок модели Muse-Glimmer-30B от meta-models, подготовленный AaryanK. Модель распространяется в формате GGUF и предназначена для запуска через llama.cpp и совместимые инструменты. В комплект также входит исходный неквантизированный vision encoder в формате BF16, поэтому модель поддерживает сценарии image-text-to-text и диалоговое взаимодействие с визуальными данными. Базовая модель содержит около 27,86 млрд параметров, 52 плотных слоя и использует архитектуру GQA 32:2. Доступны восемь вариантов квантизации AK с разными требованиями к диску и качеством: от AK-Q2_K_XL размером 12,45 ГБ до AK-Q8_K_XL размером 34,96 ГБ. Для запуска в README приведён контекст 8192 токена. Языки и точный перечень поддерживаемых мультимодальных возможностей не указаны. Ключевая особенность линейки — индивидуальное распределение битов по тензорам, рассчитанное для каждого размера модели. Согласно приведённым измерениям, сборки AaryanK показали более низкую ошибку KLD по сравнению с сопоставимыми версиями Unsloth, Meta и bartowski; наиболее точной названа AK-Q8_K_XL, а AK-Q4_K_XL ориентирована на класс файлов около 16 ГБ. Ограничения включают значительный объём файлов, зависимость качества от выбранного уровня квантизации и необходимость отдельного vision encoder для мультимодального запуска. Лицензия — Apache-2.0.

NemoDori-v0.2.1-12B-MN-BT — экспериментальная слитая языковая модель автора RozGrov, созданная методом breadcrumbs_ties с помощью mergekit. Она предназначена для диалоговой генерации текста с лучшим сохранением контекста прошлых разговоров и более точным следованием инструкциям, особенно последней инструкции, при сохранении творческой манеры и способности к эротическим ролевым играм. Модель основана на архитектуре MistralForCausalLM, содержит 12,1 млрд параметров и принимает текст для генерации текста; в метаданных указан контекст до 1 024 000 токенов. В слиянии использованы unsloth/Mistral-Nemo-Instruct-2407, UsernameJustAnother/Nemo-12B-Marlin-v5 и crestf411/nemo-sunfall-v0.6.1, а также родительская NemoDori-v0.2.1. Автор сообщает о кратком тестировании и предполагает, что эта версия несколько хуже родительской NemoDori-v0.2; возможны снижение качества и нестабильность следования инструкциям. Лицензия в предоставленных данных не указана.

OpenCrystal-8B-L3 — разговорная языковая модель, созданная автором mpasila с помощью TIES-слияния моделей в mergekit. В объединение вошли nothingiisreal/L3-8B-Celeste-V1.2, Sao10K/L3-8B-Niitama-v1 и unsloth/llama-3-8b-Instruct; последняя использовалась как базовая для сохранения связности ответов. Модель построена на плотной архитектуре Llama и содержит около 7,5 млрд параметров. Модель предназначена для генерации текста в диалоге, ролевых сценариев и написания историй. Она принимает текстовые запросы, выдаёт текст и имеет контекстное окно 8192 токена. В репозитории указаны веса Safetensors и библиотека Transformers. Сведения о лицензии и конкретных ограничениях применения в доступных данных отсутствуют.

open-sci-ref-v0.02-1.7b-mixturevitae-300B-4096-longsft_16k-DPO-Tulu3-decontaminated — это диалоговая причинно-следственная языковая модель семейства OpenSci с плотной архитектурой OpensciForCausalLM и 1,7 млрд параметров. Модель дообучена на базе ali-elganzory/open-sci-ref-v0.02-1.7b-mixturevitae-300B-4096-longsft_16k-SFT-Tulu3-decontaminated с использованием TRL; в названии и тегах указано обучение DPO. Модель предназначена для генерации текста и ответов в диалоговом формате. Она принимает текстовые сообщения и генерирует текст; заявленная длина контекста составляет 16 384 токена. Карточка показывает пример работы через Transformers pipeline. Карточка не сообщает конкретные языки обучения, специализированные области или результаты оценки качества, поэтому возможности для отдельных языков и тематик не следует считать подтверждёнными. Модель распространяется в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

Pantheon-RP-1.6.2-22b-Small-GGUF — это квантизированная GGUF-версия текстовой генеративной модели Pantheon-RP-1.6.2-22b-Small, разработанной Gryphe и подготовленной в виде квантизаций пользователем bartowski. Модель содержит около 22 миллиардов параметров, ориентирована на англоязычные запросы и использует формат GGUF для запуска через llama.cpp и совместимые приложения, включая LM Studio. Архитектура базовой модели и максимальная длина контекста в README не указаны. Модель предназначена прежде всего для диалогов, instruct-сценариев и roleplay, включая создание ответов в заданном стиле и поддержание ролевого взаимодействия. Доступны варианты от F16 до различных Q8, Q6, Q5, Q4, Q3 и IQ-квантизаций, что позволяет выбирать между качеством, размером файла и требованиями к памяти; наиболее сбалансированные варианты Q4–Q6 отмечены как рекомендуемые. Версии Q4_0_4_4, Q4_0_4_8 и Q4_0_8_8 оптимизированы для ARM, но имеют ограничения по совместимости. Для использования рекомендуется формат prompt <s>[INST] {prompt}[/INST>. Лицензия указана как MRL-0.1 от Mistral AI; конкретные ограничения и условия следует уточнять в тексте лицензии.

Phi-3.5-mini-instructrai1.7.1npu4K — квантизированная версия модели Phi-3.5 Mini Instruct, подготовленная llmware для запуска на NPU AMD Ryzen AI. Модель предназначена для генерации текста в диалоговом режиме; файлы представлены в формате ONNX и подготовлены с помощью Quark Quantization и OGA Model Builder с последующей обработкой для развёртывания на NPU. Заявлена поддержка контекста 4K. Квантизация использует AWQ с группами размера 128, асимметричное представление весов UINT4 и активации BFP16. Карточка не содержит результатов бенчмарков. Модель распространяется по лицензии MIT; для запуска README отсылает к документации Ryzen AI.

Карточка модели ihughes15234/phi35_tictactoe_dpo5epoch на Hugging Face совпадает с карточкой ihughes15234/phi35_tictactoe_dpo1epoch_v5, поэтому описание составлено по ней. ihughes15234/phi35_tictactoe_dpo1epoch_v5 — языковая модель на 3,7 млрд параметров, дообученная разработчиком ihughes15234 на основе ihughes15234/phi_3_5_mini_tictactoe1200. Модель предназначена для диалогов и генерации текста; в карточке указаны архитектура LlamaForCausalLM и контекст до 4096 токенов. Модель работает с текстом и рассчитана на английский язык. README сообщает об обучении с использованием Unsloth и библиотеки TRL. Репозиторий распространяется по лицензии Apache-2.0.

Lexius/Phi-4-multimodal-instruct — мультимодальная модель семейства Phi-4, размещённая пользователем Lexius. Это дообученная для распознавания корейской речи версия Phi-4-multimodal: автор сообщает о 35 тысячах пар корейской речи и транскрипций, собранных из открытых и собственных наборов данных. Модель предназначена для преобразования корейской речи в текст; карточка также упоминает перевод речи и демонстрационные материалы для проверки концепции. Модель использует архитектуру Phi4MMForCausalLM с 3,8 млрд параметров и работает через Transformers. Вход — аудио, выход — текст. В README базовой модели описана мультимодальная обработка текста, изображений и аудио, однако сведения о корейском дообучении подтверждают именно задачу распознавания речи. Метаданные указывают контекст 4096 токенов; README базовой модели приводит другое значение, поэтому длина контекста для этой версии неясна. Автор характеризует дообученную версию как PoC, не предназначенную для производственного применения. Качество может зависеть от скорости речи и условий записи; оценка на широком наборе корейской речи не приведена. Лицензия — MIT.

ntnu-smil/Phi-4-multimodal-instruct_QA_NoImage_0325_1964 — дообученная модель семейства Phi-4 multimodal, созданная на основе ntnu-smil/Phi-4-multimodal-instruct_QA_NoImage_0325. Она предназначена для генерации текста в диалоговом формате; карточка также отмечает интерфейс вызова инструментов. Архитектура — плотная Phi4MMForCausalLM, размер — 3,8 млрд параметров, контекст — 4096 токенов. Модель загружена в формате safetensors и использует библиотеку Transformers. README не описывает набор данных, конкретные сценарии обучения или результаты оценки, поэтому специализированное назначение и качество модели установить нельзя. Лицензия — MIT.

Phr00tyMix-v3-32B — диалоговая языковая модель, созданная Phr00t слиянием нескольких предварительно обученных моделей методом Model Stock с помощью mergekit. В основе слияния лежит Phr00t/Phr00tyMix-v2-32B; среди других компонентов — модели на базе Qwen2.5 и DeepSeek. Модель содержит 32 млрд параметров, использует архитектуру Qwen2 и контекст длиной до 131 072 токенов. Модель предназначена для генерации диалогового текста и творческих ответов с акцентом на следование инструкциям и менее ограниченную манеру общения. Автор отмечает, что результаты по связности и качеству неоднозначны, и рекомендует вместо этой версии использовать Phr00tyMix v4. Для генерации автор советует попробовать высокую температуру и MinP, подбирая значения под задачу. Модель распространяется в формате safetensors. Лицензия в предоставленных данных не указана.

yinita/ps4mas-sft-4b-claude-low400-ep3-mask16k — дообученная методом полного SFT текстовая модель на базе Qwen/Qwen3.5-4B. Она воспроизводит экспериментальную конфигурацию SFT на 9B, используя тот же набор данных диалогов, дистиллированных из ответов Claude, и маскирование потерь по сообщениям. Обучение проводилось в течение трёх эпох с learning rate 2e-5; максимальная длина последовательности при обучении составляла 16 384 токена. Модель предназначена для генерации текста и диалоговых ответов. Архитектура — плотная Qwen3.5, класс Qwen3_5ForCausalLM; в репозитории заявлено 3,4 млрд параметров. Контекст модели — до 262 144 токенов. Веса сохранены в safetensors и используются через Transformers. Лицензия — Apache-2.0. README не приводит оценки качества этой версии или перечень поддерживаемых языков; базовая карточка Qwen указывает мультимодальные возможности, но для этой производной модели метаданные подтверждают только текстовую генерацию и чат.

Pygmalion 2 13B SuperCOT2 — это языковая модель для генерации текста, разработанная royallab и представленная в данном репозитории в квантованном формате GGUF командой TheBloke. Модель основана на архитектуре Llama и предназначена для текстовой генерации по инструкциям, диалоговых и сюжетных сценариев, включая character-based chat и storytelling. В README указан английский язык, однако сведения о полном наборе поддерживаемых языков отсутствуют. Модель содержит около 13 миллиардов параметров. Доступны варианты GGUF с 2-, 3-, 4-, 5-, 6- и 8-битной квантизацией для инференса на CPU и GPU. Формат GGUF поддерживает метаданные, специальные токены и улучшенную токенизацию; модель совместима с llama.cpp и рядом сторонних интерфейсов и библиотек, включая text-generation-webui, KoboldCpp, LM Studio, Faraday и llama-cpp-python. Для работы используется шаблон запросов Alpaca. Размер контекста в README не указан. К сильным сторонам относятся доступность различных уровней квантизации, возможность локального запуска на CPU и GPU, а также ориентация на диалоги, ролевое взаимодействие и генерацию историй. Ограничения включают возможную потерю качества при агрессивной квантизации и отсутствие в предоставленных данных подробных результатов тестирования, сведений о мультимодальности и точного размера контекста. Указанная лицензия — Llama 2.

QuestA-Qwen3-1p7b-BatchSelective-Top10pct — экспериментальный разговорный языковой чекпойнт семейства Qwen3, опубликованный как часть экспериментов BiDirect-OPD. В репозитории находится шаг обучения global_step_300; также доступны более ранние шаги от global_step_20 до global_step_280. Модель имеет плотную архитектуру Qwen3ForCausalLM, содержит 1,7 млрд параметров и рассчитана на генерацию текста и диалоговое взаимодействие. Её нативная длина контекста — 40 960 токенов; веса представлены в формате safetensors и рассчитаны на работу с Transformers. Карточка не описывает целевые языки, результаты оценки качества или специализированные прикладные области, поэтому модель можно характеризовать только как экспериментальную разговорную модель общего назначения. Лицензия в предоставленных данных не указана.

QVikhr-2.5-1.5B-Instruct-r — русско-английская инструктивная языковая модель команды Vikhrmodels, дообученная на математических данных ru Math и GSM8K с этапом выравнивания GRPO. Она предназначена для диалоговой генерации текста и решения математических задач, особенно на русском языке. Модель основана на плотной авторегрессионной архитектуре Qwen2ForCausalLM и содержит 1,5 млрд параметров. Работает с текстом, поддерживает русский и английский языки; размер контекстного окна — 32 768 токенов. Для запуска используется библиотека Transformers; доступны варианты конвертации в GGUF и MLX с квантованием 4 и 8 бит. Модель подходит для ответов на математические вопросы и выполнения инструкций на русском и английском языках. Небольшой размер может ограничивать качество на сложных задачах и длинных рассуждениях. Лицензия Apache-2.0.