I.7Речь, диалоги и встречи

IceTeaRP-7b — объединённая языковая модель, созданная icefog72 методом SLERP с помощью mergekit на основе нескольких моделей Mistral. Она содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и рассчитана на генерацию текста и диалоги по шаблону Alpaca. Автор заявляет поддержку контекста до 32 768 токенов без масштабирования. Модель предназначена для ролевых диалогов и генерации прозы; доступны также сторонние квантованные варианты EXL2 и GGUF. При работе с контекстом длиной 16–32 тысячи токенов пользователи могут столкнуться с повторениями; качество зависит от правил ролевого промпта и CoT. Репозиторий распространяется по лицензии CC BY-NC 4.0, которая запрещает коммерческое использование.

Karasu-DPO-7B — японская разговорная модель компании Lightblue, созданная дообучением Qwen/Qwen2.5-7B-Instruct методом QLoRA DPO на синтетических японских диалогах. Она предназначена для общего диалогового взаимодействия и генерации ответов; авторы сообщают о более высоком результате, чем у базовой модели, на мультиязычном чат-бенчмарке arena-hard-auto-multilingual (66,2 против 50,0). Модель использует плотную архитектуру Qwen2 с 7,1 млрд параметров и принимает текстовые запросы, выдавая текст. В метаданных указан контекст 32 768 токенов; README приводит длину 1 024 токена. Для японских и английских запросов использовались обучающие данные, однако модель позиционируется прежде всего как японская. Весы доступны в формате safetensors, модель работает с Transformers; авторы рекомендуют vLLM для запуска. Модель выпущена по лицензии Apache-2.0. Результат бенчмарка не гарантирует качество во всех задачах; явных дополнительных ограничений в карточке не описано.

Prismdata/KDI-Qwen2-instruction-0.5B — языковая модель семейства Qwen2, разработанная prismdata на основе unsloth/qwen2-0.5b-bnb-4bit. Это плотная авторегрессионная модель с 494 млн параметров для генерации текста и диалогового взаимодействия. В карточке указано дообучение с помощью Unsloth и библиотеки TRL на датасете prismdata/KDI-DATASET-2014; заявлены английский и корейский языки, а максимальная длина контекста составляет 131 072 токена. Модель подходит для диалоговых ответов и генерации текста на английском и корейском языках. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Карточка не приводит оценок качества, подробного описания датасета или проверок на конкретных задачах, поэтому пригодность для узкоспециализированных сценариев следует оценивать отдельно.

KSI-RP-NSK-128k-7B — слитая модель на архитектуре Mistral, созданная AlekseiPravdin объединением KukulStanta-InfinityRP-7B-slerp и NSK-128k-7B-slerp методом SLERP с помощью mergekit. Она предназначена для генерации текста и диалогового взаимодействия, в том числе ролевых сценариев, на основе текстовых запросов. Модель содержит 7,1 млрд параметров; репозиторий распространяет веса в формате safetensors. В метаданных указан нативный контекст длиной 32 768 токенов. Модель распространяется по лицензии Apache-2.0. Карточка не уточняет поддерживаемые естественные языки и специальные ограничения качества; возможности за пределами генерации текста и диалога не заявлены.

Kromvault L3.1-Siithamo-v0.3-8B — экспериментальная объединённая языковая модель семейства Llama 3.1, созданная автором kromvault. Она предназначена для генерации текста и диалогов; автор описывает эту версию как попытку уменьшить многословность и вычурный стиль предыдущей версии. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и рассчитана на контекст до 131 072 токенов. В состав слияния вошли несколько моделей Llama 3 и Llama 3.1, включая варианты для ролевых диалогов и повествования. Автор отмечает, что модель хуже работает на длинном контексте. В карточке приведены рекомендованные параметры генерации. Репозиторий содержит веса в формате Safetensors; автор также упоминает собственные GGUF-квантизации. Информация о лицензии в предоставленных данных отсутствует.

L3-MS-Astoria-70b — экспериментальная диалоговая модель от SteelSkull, созданная методом Model Stock: объединяет несколько моделей на базе Llama 3. Она предназначена для универсальных запросов, написания историй и ролевых диалогов, включая контент для взрослой аудитории. Модель использует плотную архитектуру LlamaForCausalLM и содержит 69,5 млрд параметров. Она принимает текст и генерирует текст; заявленная длина контекста — 8192 токена. В README языки отдельно не перечислены. Модель основана на объединении NeverSleep/Llama-3-Lumimaid-70B-v0.1-alt, abacusai/Llama-3-Giraffe-70B, failspy/llama-3-70B-Instruct-abliterated и migtissera/Tess-2.0-Llama-3-70B-v0.2. Автор описывает модель как эксперимент и просит обратную связь; её сильная сторона — сочетание возможностей моделей для общих диалогов, сторителлинга и ролевых сценариев. Указанная лицензия — llama3. README предупреждает, что устранение сильнейшего направления отказа не гарантирует выполнение каждого запроса и что модель всё ещё может отказывать или отвечать с нравоучениями.

LawToken-7B-a2 — дообученная компанией или автором amy011872 языковая модель Qwen2 с 7,1 млрд параметров. Она обучена на датасете generator и предназначена для генерации текста в формате диалога. Карточка приводит значение loss 0,6911 на оценочном наборе, но не описывает его состав или методику оценки. Модель принимает текст и выдаёт текст. Для хранения весов используется формат Safetensors; заявленная длина контекста — 131 072 токена. Модель распространяется по лицензии Apache-2.0. README не уточняет специализацию, поддерживаемые языки и ограничения применения.

IzNrsydn дообучил модель Qwen2.5-1.5B-Instruct-bnb-4bit для генерации текста в диалоговом формате. Это плотная авторегрессионная модель семейства Qwen2 с 1,5 млрд параметров и контекстом до 32 768 токенов. При обучении использовались Unsloth и библиотека Hugging Face TRL. Модель можно применять для диалоговых ответов и генерации текста. Карточка не уточняет специализацию на юридических задачах, несмотря на название репозитория. Модель распространяется по лицензии Apache-2.0.

LilithCore-v1-12B — слитая разговорная модель семейства Mistral от DoppelReflEx, созданная методом dare_ties на основе Delta-Vector/Francois-PE-V2-Huali-12B, DoppelReflEx/MN-12B-Mimicore-GreenSnake и yamatazen/EtherealAurora-12B-v2. Модель содержит 12,1 млрд параметров и предназначена для генерации текста, ролевых диалогов и художественной прозы. Автор рекомендует формат ChatML для ролевых сценариев, отмечая, что он может давать более творческие ответы; шаблон Mistral Tekken может лучше подходить, когда важнее интеллектуальная составляющая. В README также упоминается вариант GGUF с IMatrix, а метаданные указывают на файлы safetensors и контекст до 1 024 000 токенов. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Это LoRA-адаптер marianbasti для Llama 2 13B, обученный на переведённом наборе Alpaca на испанском языке. Он предназначен для разговорной генерации текста и должен применяться вместе с базовой моделью TheBloke/Llama-2-13B-fp16. В метаданных указаны архитектура LlamaForCausalLM, 12,9 млрд параметров у базовой модели, контекст 4096 токенов и библиотека Transformers; репозиторий содержит веса PyTorch. Адаптер нацелен на улучшение ответов Llama 2 на испанском и подходит для диалогов и выполнения инструкций на испанском языке. Автор сообщает об обучении в течение 0,75 эпохи с learning rate 2e-5 и LoRA scale 2. Для использования требуется базовая модель; сведения о лицензии указаны как llama2, поэтому применяются условия лицензии Llama 2.

flozi00/Llama-2-13B-german-assistant-v2 — дообученная модель семейства Llama 2 с плотной архитектурой LlamaForCausalLM и 12,9 млрд параметров. Её разработал flozi00 в рамках частного исследовательского проекта; модель настроена на немецкие инструкции и диалоги в стиле токенов Open Assistant. Модель предназначена для генерации текста, следования инструкциям и ведения разговоров на немецком языке. В карточке указано, что обучающий набор flozi00/conversations был очищен и дедуплицирован. Поддерживаются немецкий и английский языки; длина контекста составляет 2048 токенов. Доступны веса в форматах PyTorch и Safetensors. Автор рекомендует использовать версию V3. Лицензия в предоставленных данных не указана, поэтому условия использования установить нельзя.

Карточка модели longtermrisk/Llama-3.1-8B-german-city-names-second-third-v2-sft-seed3 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.

Llama3-DiscoLeo-8B-DARE-Experimental — созданная DiscoResearch экспериментальная диалоговая языковая модель на архитектуре Llama 3 с 7,5 млрд параметров. Она получена слиянием DiscoLeo Instruct и Meta Llama 3 8B Instruct методом DARE TIES; базой слияния служит Meta Llama 3 8B. DiscoLeo обучалась продолжением предобучения на 65 млрд токенов высококачественных немецких текстов. Модель предназначена для генерации текста и ответов в диалоге на немецком языке. Контекст составляет 8192 токена; модель использует формат safetensors и библиотеку Transformers. Лицензия — Llama 3. README называет модель экспериментальной, поэтому качество ответов может быть нестабильным; также следует учитывать условия лицензии Llama 3.

Llama-3-SnowyRP-8B-V1-B — объединённая автором Masterjp123 модель для генерации текста и диалогов на основе семейства Llama 3. Она создана методом TIES merge из Meta-Llama-3-8B-Instruct, L3-Solana-8B-v1, L3-TheSpice-8b-v0.1.3 и предыдущей версии SnowyRP. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и доступна в формате safetensors без квантизации; заявленная длина контекста — 8192 токена. Модель предназначена для диалогового взаимодействия и генерации текста, в том числе ролевых ответов в формате с модифицированным Alpaca-промптом. Автор описывает исходные дообученные модели как менее ограниченные, однако не приводит оценок качества или подробных результатов тестирования. В карточке указаны лицензия Llama 3 и дополнительные лицензии компонентов с ограничениями на коммерческое использование; условия каждой лицензии следует проверить перед использованием.

Это дообученная модель KKHYA/llavaqwen3-1.7b-finetune, разработанная на базе Qwen3 и предназначенная для генерации текста и диалогов. Она содержит 1,7 млрд параметров, построена на архитектуре NMMaskMoELLaVAQwen3ForCausalLM и поддерживает контекст до 40 960 токенов. В метаданных также заявлен интерфейс вызова инструментов. Модель распространяется в форматах PyTorch и Safetensors по лицензии Apache-2.0. Датасет дообучения и результаты оценки не описаны, поэтому качество и специализацию сверх генерации текста и диалогов определить нельзя.

Модель KKHYA/llavaqwen3-1.7b-finetune-nm-mask-moe-sparse-4e-2k-1of4-impinit-lr5e-4-sd44_20260830_084700 — дообученная версия KKHYA/llavaqwen3-1.7b-finetune для генерации текста и диалогов. Она содержит 1,7 млрд параметров, использует архитектуру NMMaskMoELLaVAQwen3ForCausalLM и предназначена для запуска через Transformers; веса представлены в форматах PyTorch и Safetensors. Контекст модели составляет до 40 960 токенов. Карточка не описывает датасет, целевые сценарии или результаты оценки, поэтому качество и специализацию дообучения определить нельзя. Метаданные указывают на возможности чата и интерфейс вызова инструментов, но отдельные языки не заявлены. Модель распространяется по лицензии Apache-2.0.

Модель разработана KKHYA и представляет собой дообученную версию KKHYA/llavaqwen3-1.7b-finetune с 1,7 млрд параметров. Она предназначена для генерации текста и диалогов; метаданные также указывают интерфейс вызова инструментов. Модель использует архитектуру NMMaskMoELLaVAQwen3ForCausalLM и доступна в форматах PyTorch и Safetensors для библиотеки Transformers. Контекстное окно составляет 40 960 токенов. Датасет дообучения и результаты оценки не описаны, поэтому специализацию и качество модели определить нельзя. Лицензия — Apache-2.0.

Lumimaid 0.2 — разговорная языковая модель от авторов NeverSleep, дообученная на базе Mistral-Large-Instruct. Версия 123B предназначена для диалогов и творческого письма; авторы отмечают, что существенно переработали и очистили обучающий набор по сравнению с версией 0.1. В обучении использованы наборы для инструкционного диалога, прозы и ролевых сценариев. Модель построена на плотной архитектуре Mistral с причинным языковым декодером, содержит 122,2 млрд параметров и поддерживает контекст до 131 072 токенов. Она принимает текст и генерирует текст, использует шаблон Mistral [INST]…[/INST]. Карточка помечает модель как предназначенную не для всех аудиторий и как NSFW; лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование. Качество и безопасность ответов могут зависеть от запроса и обучающих данных; авторы также сообщают, что некоторые источники датасетов установить не удалось.

EnlistedGhost/Mag-Mell-Reasoner-12B-GGUF — это квантованная версия модели Mag-Mell-Reasoner-12B, разработанной ChaoticNeutrals и преобразованной в формат GGUF пользователем EnlistedGhost. Модель предназначена для генерации текста, диалоговых сценариев и ролевого общения; заявлена поддержка автоматической активации режима рассуждений. Формат ориентирован на запуск с помощью llama.cpp и Ollama. Модель имеет размер 12B параметров и относится к текстовым генеративным моделям. В карточке указана поддержка английского, русского, украинского, французского и немецкого языков. Архитектура, максимальная длина контекста, доступные варианты квантования, требования к оборудованию и результаты тестирования не описаны. Сильной стороной является возможность локального запуска в распространённом формате GGUF, однако подробная информация о качестве, ограничениях и особенностях режима рассуждений отсутствует. Модель распространяется по лицензии Apache-2.0.

MedNarra-X1.0 — чат-модель на архитектуре Llama с 7,5 млрд параметров, дообученная PranavHarshan на базе PranavHarshan/MedNarra-X1. Модель предназначена для генерации текста в диалогах; карточка сообщает об обучении с использованием Unsloth и библиотеки TRL. Модель принимает текст и выдаёт текст, поддерживает английский язык и имеет контекст длиной до 8192 токенов. Распространяется в формате safetensors по лицензии Apache-2.0. В карточке нет сведений о специальных медицинских сценариях или оценках качества, поэтому её пригодность для медицинских решений не подтверждена.

Это дообученная диалоговая языковая модель семейства Llama 3, созданная на основе meta-llama/Meta-Llama-3-8B-Instruct и набора данных generator. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и рассчитана на генерацию текста и диалоговые ответы. Нативная длина контекста составляет 8192 токена; веса опубликованы в формате Safetensors. Название указывает на английский язык и тематику GSM8K, однако README не описывает целевые сценарии, данные обучения или результаты оценки, поэтому специализацию на математических задачах подтвердить нельзя. Модель распространяется по лицензии Llama 3; перед использованием следует учитывать её условия.

MiMo-V2.5-Pro-UD-Q4_K_XL-layers — пакет GGUF-слоёв от Mesh LLM для распределённого запуска MiMo-V2.5-Pro-Pro на кластере Mesh LLM. Он создан на основе unsloth/MiMo-V2.5-Pro-GGUF: исходное представление UD-Q4_K_XL разбито на отдельные артефакты по слоям для распределения вычислений и памяти между несколькими машинами. Пакет предназначен для локального приватного инференса и чат-сценариев через совместимый с OpenAI API Mesh LLM, включая запуск модели на нескольких компьютерах, когда целый файл GGUF не помещается на одном хосте. Метаданные указывают задачу генерации текста и библиотеку mesh-llm; карточка описывает вариант UD-Q4_K_XL в формате пакета слоёв. Архитектура, размер модели, контекст и поддерживаемые языки в предоставленных источниках не раскрыты. Это упаковка квантованной исходной модели в распределённый пакет слоёв; README отсылает к карточке исходной модели за сведениями об архитектуре, рекомендациях и лицензии, но условия лицензии здесь не приведены. Для использования нужны Mesh LLM и кластер машин, а характеристики и ограничения исходной модели сохраняются.

Miscela-7b-slerp — объединённая модель генерации текста на архитектуре Mistral, созданная с помощью mergekit методом SLERP. В неё вошли mii-community/zefiro-7b-sft-ITA и DeepMount00/Mistral-Ita-7b; обе модели предварительно обучены на итальянском языке. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогового общения на итальянском языке. Она распространяется в формате safetensors; библиотека для работы с ней — Transformers. Лицензия в предоставленных данных не указана.

Mistral-Nemo-MCAI-SFT-revision-only — дообученная модель pbevan11 на базе mistralai/Mistral-Nemo-Base-2407. Она предназначена для генерации текста в диалоговом формате и обучена на многоязычных наборах предпочтений и обратной связи, включая данные с ревизией ответов по конституционным принципам. Модель имеет плотную архитектуру MistralForCausalLM, 12,1 млрд параметров и контекст до 1 024 000 токенов. Доступна в формате safetensors и распространяется по лицензии Apache-2.0. Модель подходит для генерации ответов в диалогах и экспериментов с многоязычным следованием предпочтениям. В README приведено значение loss 1,1494 на наборе оценки, но не описаны методика оценки, языки, в которых качество проверялось, и ограничения модели.

MistRP-Dolphin-7B — разговорная языковая модель на базе Mistral, опубликованная пользователем Undi95. Репозиторий содержит веса FP16; модель создана с использованием dolphin-2.0-mistral-7b и нескольких LoRA и RP-моделей. Она предназначена для диалогов и ролевых сценариев, использует шаблон ChatML и поддерживает контекст до 32 768 токенов. Модель насчитывает 7,1 млрд параметров и доступна в формате PyTorch. Карточка рекомендует начинать настройку Mirostat с нуля. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

hadramibegnoug/mms-hassaniya-asr — модель распознавания речи на основе архитектуры wav2vec2, опубликованная пользователем hadramibegnoug на Hugging Face. Она предназначена для преобразования аудио на хассания в текст. Модель содержит около 1,3 млрд параметров и доступна в формате Safetensors; для запуска предусмотрена библиотека Transformers с классом Wav2Vec2ForCTC. Карточка модели автоматически создана и не содержит сведений о разработчике, обучающих данных, оценке качества, лицензии или ограничениях, поэтому эти характеристики нельзя подтвердить. Модель подходит для сценариев автоматической транскрипции речи на хассания; её точность в разных условиях записи по доступной информации оценить нельзя.

DJuna MN-Miuryra-18B — объединённая языковая модель на архитектуре Mistral, созданная с помощью mergekit методом passthrough из MarinaraSpaghetti/NemoMix-Unleashed-12B и DavidAU/MN-GRAND-Gutenberg-Lyra4-Lyra-12B-MADNESS. Модель содержит 18,4 млрд параметров и предназначена для генерации текста, включая диалоги и написание историй. Модель принимает текст и генерирует текст. В метаданных заявлено контекстное окно до 1 024 000 токенов. Веса представлены в формате safetensors; README указывает тип данных bfloat16. Лицензия в предоставленных данных не указана.

zelk12/MT1-Gen5-MU-gemma-2-S2Qv1-9B — объединённая модель генерации текста на архитектуре Gemma 2, созданная с помощью mergekit методом SLERP из allknowingroger/Gemmaslerp2-9B и sam-paech/Quill-v1. Модель содержит 9 млрд параметров, использует формат safetensors и имеет контекстное окно до 8192 токенов. Модель подходит для диалоговой генерации текста и создания художественных сцен и диалогов; последняя специализация связана с включённой в слияние Quill-v1, дообученной на классической художественной прозе. Данные не подтверждают отдельные языки или специализированные прикладные области. Лицензия в предоставленных источниках не указана.

r3m3ks/my_digital_twin — дообученная разговорная модель автора r3m3ks на базе unsloth/llama-3-8b-instruct-bnb-4bit. Это плотная Llama-модель для генерации текста и диалогов; обучение проводилось с использованием Unsloth и библиотеки Hugging Face TRL. Модель подходит для текстовых диалогов и генерации ответов на английском языке. Размер составляет 7,5 млрд параметров, контекст — до 8192 токенов. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Карточка не описывает специальные навыки или целевые сценарии, выходящие за рамки генерации текста.

Nile-Chat-12B — плотная инструктивно дообученная языковая модель MBZUAI-Paris из семейства Nile-Chat, созданного в рамках проекта Jais. Модель основана на google/gemma-3-12b-pt и содержит 11,6 млрд параметров; для запуска указана библиотека Transformers, веса опубликованы в формате safetensors. Длина контекста — 131 072 токена. Модель предназначена для генерации текста и диалогов на египетском арабском, включая арабское письмо и латинскую запись Arabizi; версия 12B рассчитана на сложные многоходовые взаимодействия и понимание нюансов. Подходит для ответов на вопросы, перевода и транслитерации, а также для чат-ботов и создания текстов. Лицензия — Gemma. Как и другие языковые модели, Nile-Chat может допускать фактические ошибки, испытывать трудности с тонкими языковыми нюансами и отражать предвзятость обучающих данных. Для ответственного применения следует проверять ответы и учитывать ограничения модели в конкретной предметной области.