I.7Речь, диалоги и встречи

nuevamol-360M-6Btok-wd8 — языковая модель для генерации текста, дообученная mnoukhov на базе mnoukhov/nuevamol-360m-init с использованием TRL. Она предназначена для продолжения диалога и генерации ответов на пользовательские вопросы через интерфейс Transformers. Модель построена на плотной архитектуре LlamaForCausalLM и содержит около 314,9 млн параметров. Контекст составляет до 8192 токенов; веса представлены в формате safetensors. В карточке приведён пример генерации ответа на вопрос с использованием CUDA. Лицензия и конкретные поддерживаемые языки в предоставленных данных не указаны.

Bunnycore Phi-3.5-Mini-Hyper — диалоговая языковая модель на архитектуре Phi-3, созданная объединением предварительно обученных моделей методом Model Stock с помощью mergekit. В основу объединения легла SicariusSicariiStuff/Phi-3.5-mini-instruct_Uncensored; в состав также вошли calme-2.1-phi3.5-4b, Phi-3.5-RP-Lora и phi3.5-gutenberg-4B. Модель предназначена для генерации текста в диалоговом формате. Она содержит около 3,7 млрд параметров, принимает текст и поддерживает контекст до 4096 токенов. Карточка не описывает конкретные гарантированные преимущества или дополнительные сценарии применения. Модель распространяется в формате safetensors; лицензия — Apache-2.0.

qing-yao/ppt-pythia-1b-permuted-seed3407-stage2 — дообученная модель генерации текста, обученная с помощью TRL. Она основана на архитектуре GPT-NeoX и содержит 1,2 млрд параметров; веса опубликованы в формате safetensors. Модель предназначена для генерации продолжения текста и ответов на запросы в формате диалога. В карточке приведён пример генерации ответа на вопрос с использованием Transformers и указано ограничение контекста в 2048 токенов. Базовая модель и конкретный корпус обучения не определены в доступных сведениях. Лицензия не указана.

HWERI/pythia-1.4b-deduped-sharegpt — языковая модель семейства GPT-NeoX с 1,7 млрд параметров, дообученная на наборе ShareGPT. Она предназначена для генерации текста в диалоговом формате и может использоваться для создания ответов и продолжения беседы. Модель принимает текст и генерирует текст; максимальная длина контекста составляет 2048 токенов. В метаданных указаны английский, китайский, корейский и японский языки. Модель распространяется в форматах PyTorch и Safetensors по лицензии Apache-2.0. В README приведены оценки на наборах ARC и HellaSwag, но не описаны ограничения качества или рекомендуемые сценарии применения.

TeeZee/Qra-13B-chat — чат-модель, разработанная TeeZee на основе TeeZee/Qra-13b-instruct. Это плотная языковая модель семейства Llama с 12,9 млрд параметров, дообученная на польском наборе диалогов TeeZee/chat-alpaca-pl-no-refusals. Модель использует формат чата Alpaca и предназначена для генерации ответов в диалоге и последовательного следования инструкциям. Модель принимает текст и генерирует текст; заявленный контекст — 4096 токенов. В метаданных указаны английский и польский языки. Веса опубликованы в формате safetensors, лицензия — llama2. Карточка сообщает, что модель проверялась на связность диалога, но не приводит количественных оценок качества.

MaziyarPanahi/Qwen2-1.5B-Instruct-GGUF — это набор файлов модели Qwen2-1.5B-Instruct в формате GGUF. Исходную модель разработала команда Qwen, а квантованную версию подготовил MaziyarPanahi. Модель предназначена для генерации текста и диалоговых сценариев с использованием совместимых локальных средств запуска. Модель содержит примерно 1,5 млрд параметров и относится к инструкционно настроенным текстовым моделям. В репозитории представлены варианты квантования с разрядностью от 2 до 8 бит, что позволяет выбирать компромисс между размером файлов, требованиями к памяти и качеством генерации. Формат GGUF поддерживается llama.cpp, llama-cpp-python, LM Studio, text-generation-webui, KoboldCpp, GPT4All и другими инструментами для локального инференса, включая варианты с GPU-ускорением. Сильной стороной модели являются небольшой размер и широкий выбор уровней квантования, благодаря чему её удобнее запускать локально на устройствах с ограниченными ресурсами. Ограничения связаны с компактным размером модели: по сравнению с более крупными моделями она может уступать им в качестве рассуждений, точности и устойчивости ответов. README не указывает языки, размер контекста, конкретные мультимодальные возможности и лицензию, поэтому эти характеристики нельзя достоверно определить по предоставленным данным.

13project/Qwen2.5-0.5B-Instruct-Gensyn-Swarm-clawed_shrewd_starfish — текстовая генеративная модель на архитектуре Qwen2, опубликованная в формате safetensors и рассчитанная на работу через Transformers. В метаданных указано 494 млн параметров и контекст до 32 768 токенов; задача модели — генерация текста. Название и теги связывают модель с Qwen2.5-0.5B-Instruct и RL/Gensyn Swarm, что указывает на производную модель или результат обучения в рамках swarm-эксперимента. Однако веб-поиск по точному заголовку и идентификатору не нашёл карточку или первоисточник, подтверждающий способ обучения, дополнительные сценарии, языки либо лицензию; эти характеристики поэтому не приписываются модели.

AlexCrypto/Qwen2.5-0.5B-Instruct-Gensyn-Swarm-powerful_untamed_wolf — дообученная компанией AlexCrypto диалоговая языковая модель на архитектуре Qwen2.5, созданная на основе unsloth/Qwen2.5-0.5B-Instruct с использованием TRL. Модель содержит 494 млн параметров, принимает текстовые запросы в формате чата и генерирует текст; её контекстное окно составляет 32 768 токенов. В метаданных указаны Transformers и формат safetensors. Модель предназначена для генерации ответов на инструкции и диалоговых запросов. Карточка показывает пример ответа на открытый вопрос, однако не приводит результатов оценки качества или сведений о специализированных возможностях. Лицензия в предоставленных данных не указана.

zlyngkhoi разработал эту плотную авторегрессионную языковую модель на архитектуре Qwen2 и дообучил её методом SFT на базе Qwen/Qwen2.5-0.5B-Instruct. Модель предназначена для диалога, следования инструкциям и генерации текста; её можно загружать вместе с токенизатором через Transformers. Модель содержит 494 млн параметров и поддерживает контекст до 32 768 токенов. Карточка не описывает обучающие данные и конкретные улучшения качества, поэтому нельзя судить, в каких задачах дообучение даёт преимущество. Лицензия в предоставленных данных не указана.

Qwen2.5-1.5B-Instruct-IMat-GGUF — это GGUF-квантизированная версия инструкционной модели Qwen/Qwen2.5-1.5B-Instruct. Репозиторий подготовлен legraphista с использованием llama.cpp версии b3785 и методов IMatrix для ряда вариантов квантования. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск чат-моделей с помощью совместимых инструментов, таких как llama.cpp. Модель имеет 1,5 млрд параметров, исходный тип данных — BF16. Доступны варианты от BF16 и FP16 до квантований Q8_0, Q6_K, Q5_K, Q4_K, Q3_K, Q2_K и IQ-серии; для ряда вариантов применена IMatrix, что позволяет уменьшить размер файла при сохранении качества по сравнению с обычным квантованием. В метаданных указан английский язык, однако сведения о других языках, длине контекста, точной архитектуре и мультимодальности отсутствуют. К основным преимуществам относятся компактные размеры файлов и возможность локального использования, а ограничения связаны с потерей качества при низких уровнях квантования и небольшим размером модели; результаты сравнительных тестов не приведены. Распространение указано по лицензии Apache-2.0.

Kukedlc/Qwen-2.5-7b-Spanish-o1-CoT — плотная причинная языковая модель семейства Qwen2 с 7,1 млрд параметров, опубликованная пользователем Kukedlc на Hugging Face. Модель предназначена для генерации текста в диалоговом формате; название указывает на ориентацию на испанский язык и стиль рассуждений, однако карточка не описывает обучение или подтверждённые языковые возможности. Модель использует Transformers и формат safetensors, поддерживает контекст до 32 768 токенов и имеет интерфейсы чата и вызова инструментов. В карточке приведены результаты Open LLM Leaderboard: средний балл 28,13, IFEval — 42,10, BBH — 36,86. Лицензия Apache 2.0. Подробности о разработчике, обучающих данных и ограничениях в README отсутствуют.

yatokim/Qwen3-0.6B-JSON-SFT — небольшая conversational-модель семейства Qwen3, дообученная методом supervised fine-tuning (SFT) для генерации текста. По метаданным модель содержит около 507,9 млн параметров, работает через библиотеку Transformers и поддерживает контекст до 40 960 токенов. Разработчик и исходная базовая модель в доступной карточке не указаны. Модель предназначена для диалоговой генерации текста, ответов на сообщения пользователя и встраивания в приложения на базе Transformers. Размер параметров и увеличенный контекст могут быть удобны для локального запуска и обработки относительно длинных диалогов или документов. Данные о поддерживаемых естественных языках, лицензии, обучающем наборе, результатах оценки и специальных прикладных областях отсутствуют в README и метаданных. Карточка модели автоматически сгенерирована и содержит существенные пробелы, поэтому качество, устойчивость, безопасность и фактические возможности модели необходимо проверять самостоятельно перед использованием в продуктивных системах.

Qwen3-1.7B-reas-int-065 — дообученная модель генерации текста на основе Qwen/Qwen3-1.7B, представленная в формате safetensors и предназначенная для диалогового взаимодействия. Карточка не описывает конкретные дополнительные навыки или обучающие данные, поэтому назначение модели можно определить только как общее текстовое общение и генерацию. Модель имеет плотную архитектуру Qwen3ForCausalLM, содержит 1,7 млрд параметров и поддерживает контекст до 40 960 токенов. Базовая Qwen3 — компактная многоязычная модель для генерации текста, диалогов, рассуждений, кода и выполнения инструкций, однако карточка не подтверждает, насколько хорошо эта версия справляется с отдельными задачами или какими языками располагает. Модель распространяется по лицензии Apache-2.0. Данные обучения и результаты оценки не описаны, поэтому качество и ограничения конкретного дообучения оценить нельзя.

Qwen3.5-2B-SFT-Fable5-Glint — языковая модель для генерации текста, разработанная ermiaazarkhalili на основе unsloth/Qwen3.5-2B. Модель дообучена методом supervised fine-tuning с LoRA на наборе данных Fable-5-Glint-Clean, который обозначен как приватный. Она предназначена для задач следования инструкциям и диалоговой генерации текста; конкретная языковая специализация в карточке не указана. Модель использует архитектуру Qwen3_5ForConditionalGeneration и содержит около 2,3 млрд параметров. Дообучение выполнялось в режиме QLoRA с 4-битной точностью, максимальная длина последовательности при обучении составляла 4096 токенов. LoRA-адаптеры были объединены с базовыми весами, поэтому отделить результат дообучения от базовой модели нельзя. В опубликованной оценке на отложенной выборке из 199 примеров модель показала accuracy следующего токена 0,6869 против 0,5970 у базовой модели и Top-5 accuracy 0,9075 против 0,8383. Сильной стороной модели является заметное улучшение относительно исходной Qwen3.5-2B на собственной отложенной выборке. При этом независимые бенчмарки не проводились, поведение за пределами распределения обучающих данных не проверялось, а модель наследует предвзятости, ограничения знаний и типичные ошибки базовой модели. Лицензия указана как Apache-2.0 и унаследована от базовой модели.

jiapingW/Qwen3.5-35B-A3B-Eagle3-Specforge — производная модель на базе Qwen/Qwen3.5-35B-A3B, обученная автором карточки с помощью SpecForge на заново сгенерированной версии датасета UltraChat. Для обучения использовались только первые сообщения диалогов. В метаданных архитектура указана как LlamaForCausalLMEagle3, формат весов — safetensors; заявлен контекст длиной 262144 токена. Модель предназначена для ответов на вопросы и диалоговых сценариев. Карточка приводит сравнительные тесты обслуживания запросов на выборках UltraChat и ShareGPT, запуская модель через модифицированную ветку SGLang с поддержкой Qwen3.5 Eagle3. Метаданные указывают 626 млн параметров, однако название базовой модели содержит обозначение 35B-A3B, поэтому точный размер этой производной версии по доступным данным неясен. Лицензия — MIT.

DavidAU/Qwen3.5-9B-Claude-4.6-HighIQ-INSTRUCT-HERETIC-UNCENSORED — мультимодальная instruct-модель на базе Qwen3.5-9B, дообученная автором с помощью Unsloth на дистиллированном наборе данных Claude 4.6 и затем обработанная для снижения числа отказов. Модель разработана для диалогов и генерации текста, включая творческое письмо, рассказывание историй и ролевые сценарии; также принимает изображения и отвечает на вопросы по ним. Модель имеет плотную архитектуру Qwen3.5 с языковой частью на 9 млрд параметров и vision encoder. Карточка указывает контекст 256 тыс. токенов; метаданные подтверждают поддержку английского и китайского языков. Автор приводит сравнительные бенчмарки и измерения отказов, но они относятся к настройке автора и не гарантируют качество на других задачах. Видео не тестировалось. Веса опубликованы в формате Safetensors для Transformers; лицензия — Apache-2.0.

Reyna-Mini-1.8B-v0.2-function-call-laser — разговорная языковая модель на архитектуре Qwen2, созданная дообучением Reyna Mini от Aloobun с применением техники LaserRMT. По метаданным, модель содержит 1,5 млрд параметров, работает с текстом и имеет контекстное окно до 32 768 токенов. Автор использовал для дообучения отфильтрованный набор glaive_function_calling_v2_filtered_10k в формате ShareGPT. Модель предназначена для диалогов, генерации текста и вызова функций. Автор отмечает, что функция вызова инструментов реализована посредственно и может улучшаться в будущих версиях; при этом модель стала более разговорной после дообучения. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0.

RLCR-lr1e-6-tabclong-math — дообученная модель Qwen/Qwen2.5-3B, разработанная на базе Qwen2.5-3B с использованием TRL. Она предназначена для генерации текста в диалоговом формате; карточка демонстрирует вызов через Transformers и передачу пользовательского сообщения в pipeline text-generation. Модель использует архитектуру Qwen2.5 и содержит около 3,1 млрд параметров согласно описанию базовой модели в метаданных. В репозитории указаны веса safetensors и поддержка чата. Карточка не описывает отдельные языки, специализированные области, длину контекста или результаты оценки качества. Лицензия в предоставленных данных не указана. Пример запуска использует CUDA; фактические требования к оборудованию и ограничения применения в карточке не раскрыты.

Rosa v1 7B — объединённая автором карточки модель на архитектуре Mistral, созданная из Go-Bruins, Bagel-DPO и Toppy M. Она предназначена для работы в качестве интеллектуального помощника, который отвечает на вопросы и поддерживает ролевые диалоги. Модель содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов; карточка указывает формат safetensors и наличие версии GGUF. Модель ориентирована на генерацию текста на английском языке. Автор сообщает, что провёл краткое тестирование и остался доволен результатом, но подробных оценок качества не приводит. Лицензия обозначена как other, поэтому условия использования следует проверять в файлах репозитория, включая merge.yml.

RP3-1b-1.2 — диалоговая языковая модель RP3-AI на архитектуре Llama с 1,2 млрд параметров, дообученная на основе RP3-AI/RP3-1b-1.1. Она предназначена для генерации текста и ответов в чате на английском языке; в обучающих данных указаны наборы Alpaca Cleaned, UltraChat 200k и GSM8K. Модель поддерживает контекст до 131 072 токенов и опубликована в формате PyTorch. Модель подходит для диалоговых приложений и генерации ответов, включая задачи с математическими вопросами. В карточке также заявлен интерфейс вызова инструментов, однако подробности его использования не приведены. Модель распространяется по лицензии Apache-2.0.

Карточка модели hoangcung165/Sailor-7B-Metal-Healt на Hugging Face совпадает с карточкой fungamer2/test-autotrain-thinkdial-4, поэтому описание составлено по ней. fungamer2/test-autotrain-thinkdial-4 — языковая модель семейства Llama, дообученная разработчиком с помощью AutoTrain на наборе fungamer2/test_reasoning_sft. Она предназначена для генерации текста и диалоговых сценариев; метаданные также отмечают поддержку чата. Модель содержит 361,8 млн параметров, использует архитектуру LlamaForCausalLM и формат safetensors, а заявленная длина контекста составляет 8192 токена. Лицензия обозначена как other, поэтому условия использования следует уточнять в карточке модели. Карточка не сообщает конкретные языки или специализацию набора данных; качество генерации и пригодность для отдельных задач по имеющимся сведениям оценить нельзя.

Salami_3B — слитая языковая модель на архитектуре StableLM Epoch, созданная jeiku методом task arithmetic с помощью mergekit. В качестве базовой использована jeiku/Sausage_3B, в слияние также включена jeiku/Bologna_3B; итоговые веса сохранены в формате safetensors. Модель предназначена для генерации текста и диалогов с ИИ-компаньоном. Она содержит около 2,7 млрд параметров, поддерживает контекст до 4096 токенов и принимает текст, выдавая текст. Описание базовой модели указывает на англоязычную направленность. Подходит для диалоговых приложений и генерации текста. README и метаданные не приводят подробных результатов оценки качества или специфических ограничений. Условия лицензирования в предоставленных данных не указаны.

SauerkrautLM-14b-MoE-LaserChat — разговорная языковая модель VAGO solutions и Hyperspace.ai, созданная объединением SauerkrautLM-7b-LaserChat и yam-peleg/Experiment26-7B с использованием подхода laserRMT. Это разреженная MoE-модель на архитектуре Mixtral с 7,1 млрд параметров и контекстом до 8192 токенов. Модель предназначена для генерации ответов в диалоге и рассчитана прежде всего на немецкий и английский языки. Разработчики сообщают об улучшении немецких и английских навыков и приводят результаты нескольких бенчмарков. В отдельных формулировках на немецком возможны ошибки; поведение модели не всегда соответствует ожиданиям по уместности контента. Лицензия — Apache 2.0.

Sawyer-0.5B — компактная языковая модель, дообученная itsrishub на основе unsloth/Qwen2.5-0.5B-Instruct с использованием TRL. Модель предназначена для генерации текста и диалогового взаимодействия; в обучении использовался набор данных itsrishub/synthetic-logs. Модель построена на плотной архитектуре Qwen2 и содержит 494 млн параметров. Она принимает текст и генерирует текст, поддерживает контекст длиной до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Сведений о специализации на отдельных языках или прикладных областях нет. Модель подходит для компактных чат-сценариев и генерации текста, однако качество ответов и пригодность для конкретных задач в карточке не оценены. Условия лицензии в предоставленных данных не описаны.

Модель sfm_filtered_e2e_alignment-10k_11k_12k_weightedavg_merge — объединённая модель генерации текста, созданная с помощью mergekit методом Linear из трёх чекпойнтов обучения с шагами 10 000, 11 000 и 12 040. В качестве базовой при слиянии использовалась версия с шагом 12 040. Архитектура — GPT-NeoX, плотная авторегрессионная языковая модель на 8,8 млрд параметров; файлы представлены в формате safetensors, запуск предусмотрен через Transformers. Модель поддерживает диалоговый сценарий и генерацию текста с контекстом до 16 384 токенов. Она может использоваться для продолжения текста и ответов в чате. README не сообщает целевые языки, специальные прикладные области, результаты оценки качества или конкретные улучшения после слияния, поэтому такие свойства нельзя установить по доступной карточке. Лицензия в предоставленных данных не указана.

sfmunfilterede2e misalignment-6k7k8kweightedavgmerge — объединённая языковая модель, созданная с помощью mergekit. В README указано, что для линейного слияния использовались контрольные точки обучения с шагов 6000, 7000 и 8000; в качестве базовой взята точка global_step8000. Архитектура GPT-NeoX, около 8,8 млрд параметров, библиотека Transformers и формат safetensors. Модель предназначена для генерации текста в диалоговом формате. Контекстное окно — до 16 384 токенов. Название и описание связывают её с экспериментом по misalignment, однако карточка не поясняет конкретные возможности или результаты этого эксперимента. Лицензия в предоставленных данных не указана.

SmallThinker-4B-A0.6B-Instruct-MXFP4_MOE-GGUF — квантизированная версия SmallThinker-4BA0.6B-Instruct, представленная в формате GGUF. В карточке модель описана как квантизация MXFP4_MOE; также включён вариант квантизации с imatrix. Метаданные относят исходную модель к PowerInfer/SmallThinker-4BA0.6B-Instruct и указывают чат-возможности. Модель предназначена для генерации текста в диалоговом формате. GGUF позволяет запускать её в совместимых средах инференса. Данных о поддерживаемых языках, контексте, лицензии и оценках качества в предоставленной карточке и метаданных нет.

SmolLM2-135M-Instruct-GGUF — это набор квантованных версий языковой модели SmolLM2-135M-Instruct, разработанной HuggingFaceTB и преобразованной в формат GGUF пользователем bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск через llama.cpp и LM Studio. Указан английский язык; модель является текстовой и не поддерживает мультимодальные входы по приведённым данным. Размер исходной модели составляет 135 млн параметров. Доступны варианты с точностью от F16 до низкоразрядных квантований Q2, Q3, Q4, Q5, Q6, Q8 и IQ, что позволяет выбирать между качеством генерации, объёмом памяти и скоростью работы. Для общения используется шаблон prompt с ролями system, user и assistant. Некоторые варианты оптимизированы для ARM-процессоров и требуют поддержки SVE или i8mm; такие сборки не рекомендуются для Mac и Windows. Главное преимущество модели — небольшой размер и возможность запуска на устройствах с ограниченными ресурсами, при этом старшие варианты квантования сохраняют высокое качество, а Q4_K_M предлагается как сбалансированный вариант. Ограничения включают малое количество параметров по сравнению с крупными языковыми моделями, потенциальное снижение качества в низкоразрядных вариантах и отсутствие данных о размере контекстного окна, архитектуре исходной модели и результатах бенчмарков. Лицензия — Apache-2.0.

jingyeom/SOLAR_KO_1.3_deup — это плотная авторегрессионная языковая модель семейства LLaMA на 10,7 млрд параметров, созданная на основе beomi/OPEN-SOLAR-KO-10.7B. Модель предназначена для генерации текста и диалоговых сценариев на корейском языке; доступна в формате safetensors и рассчитана на контекст до 2048 токенов. При подготовке использованы общедоступные данные и алгоритм дедупликации обучающих данных. В README приведены результаты Ko-LLM-Leaderboard: средний балл 53,63 и 11-е место по состоянию на 29 января 2024 года. Модель распространяется по лицензии Apache-2.0.

T3Q-ko-solar-sft-v2.0 — разговорная языковая модель, разработанная Chihoon Lee (chlee10) и T3Q. Это модель с архитектурой Llama и 10,6 млрд параметров, дообученная методом supervised fine-tuning на базе davidkim205/nox-solar-10.7b-v4; в метаданных также указан набор данных nlpai-lab/kullm-v2. Модель предназначена для генерации текста и ответов в диалоге, прежде всего на корейском языке. Модель принимает текст и генерирует текст, поддерживает контекст до 4096 токенов и распространяется в формате PyTorch. Лицензия — Apache-2.0. Карточка не сообщает результаты оценивания или подробные ограничения; как у других генеративных моделей, ответы могут содержать ошибки.