I.7Речь, диалоги и встречи

mergekit-community/mergekit-slerp-euzaldk — объединённая авторами репозитория модель на архитектуре Mistral, созданная методом SLERP из openchat/openchat-3.5-0106 и letgoofthepizza/Mistral-7B-v0.1-finetuned-open-korean-instructions. Это языковая модель с 7,1 млрд параметров и контекстом до 8192 токенов, предназначенная для генерации текста и диалогового общения. Модель рассчитана на запросы и ответы в формате чата; один из объединённых чекпойнтов дообучен на инструкциях на корейском языке. В карточке не приведены результаты оценки качества или подробные сведения о поведении объединённой модели. Репозиторий содержит веса в формате safetensors и указывает библиотеку Transformers. Лицензия в предоставленных данных не указана.

Merge-Mayhem-L3-V2 — языковая чат-модель на архитектуре Llama 3, созданная автором saishf объединением предварительно обученных моделей с помощью mergekit и метода Model Stock. В качестве базовой использована openlynn/Llama-3-Soliloquy-8B-v2; в состав также вошли варианты Meta-Llama-3-8B-Instruct с доработками Aura, BlueMoon, Luna, RP_Format_QuoteAsterisk и Smarts. Модель содержит 7,5 млрд параметров, принимает текст и генерирует текст; заявленная длина контекста — 24 576 токенов. Модель предназначена для диалогов и генерации текста, включая ролевые сценарии с форматированием реплик. Автор описывает её как необычную и более резкую по тону, чем большинство моделей Llama 3, и отмечает, что она ориентирована на пользователей, которым такой стиль подходит. Лицензия — CC BY-NC 4.0, поэтому коммерческое использование не разрешено условиями этой лицензии.

Это диалоговая языковая модель семейства Llama, дообученная автором репозитория yzhuang на базе meta-llama/Meta-Llama-3-8B-Instruct на датасете generator. Она предназначена для генерации текста в диалоговом формате; README не раскрывает конкретные сценарии, состав обучающих данных или результаты оценки. Модель содержит около 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и формат safetensors, а её контекст составляет 8192 токена. Карточка не уточняет специальные возможности модели, поддержку японского языка или её ограничения. Метаданные указывают лицензию other, поэтому условия использования следует сверить с лицензией базовой модели и файлами репозитория.

MG-FinalMix-72B — экспериментальная разговорная языковая модель, созданная Undi95 слиянием alpindale/magnum-72b-v1 и Qwen/Qwen2-72B-Instruct. Автор описывает её как доработанную версию Magnum с исправлениями для личного использования и добавлением данных для ролевых диалогов. Модель построена на архитектуре Qwen2, содержит 71,5 млрд параметров и использует шаблон диалога ChatML. Модель предназначена для генерации текста и ролевых бесед на английском языке. Контекстное окно составляет 32 768 токенов; репозиторий содержит веса Safetensors. Автор упоминает файл imatrix.dat для самостоятельной подготовки квантованных файлов. Лицензия указана как other, поэтому условия использования следует проверять в репозитории.

Карточка модели fhnw/Mistral-7B-Instruct-gender-bias-dpo 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.

MN-Chinofun-12B-3 — языковая модель для генерации текста и диалогов, созданная автором djuna путём слияния нескольких предварительно обученных моделей с помощью mergekit и метода Model Stock. В качестве базовой использована ArliAI/Mistral-Nemo-12B-ArliAI-RPMax-v1.3; в слияние также вошли grimjim/magnum-twilight-12b, Nohobby/MN-12B-Siskin-v0.2, RozGrov/NemoDori-v0.2.2-12B-MN-ties, spow12/ChatWaifu_v1.4 и GalrionSoftworks/Canidori-12B-v1. Модель построена на плотной архитектуре MistralForCausalLM и содержит 12,1 млрд параметров. Она предназначена для чат-диалогов и творческой генерации текста, в том числе ролевых сценариев. Контекстное окно составляет 131 072 токена. Сведения о лицензии, поддерживаемых естественных языках и результатах для конкретных сценариев в предоставленных материалах отсутствуют.

DJuna/MN-Chinofun-12B-4.1 — объединённая текстовая модель на архитектуре Mistral, созданная с помощью mergekit и метода SCE на базе ArliAI/Mistral-Nemo-12B-ArliAI-RPMax-v1.3 с включением пяти других моделей. Модель содержит 12,1 млрд параметров, принимает текст и генерирует текст; заявленная длина контекста — 131 072 токена. Карточка указывает поддержку диалогового режима. Модель предназначена для диалоговой генерации и интерактивных ролевых сценариев. В карточке нет сведений о лицензии, поэтому условия использования определить нельзя.

MoE_LlaVa_Qwen1.5_0.5bx4Top2_Vista_filter_reasoning — дообученная модель hieptuyet1102 на основе hieptuyet1102/stage2-llavaqwen1.5-0.5B-vista-reasoning-4ep. В метаданных указаны архитектура MoELLaVAQwen1_5ForCausalLM, 463,6 млн параметров, контекст 32 768 токенов и поддержка диалогового режима. Модель предназначена для генерации текста; README не содержит сведений о конкретных сценариях, обучающих данных или оценке качества. Лицензия в предоставленных данных не указана.

Карточка модели MotherEarth/MotherEarth-Storm-1.0-8B 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.

zelk12/MT-MA-gemma-2-PMHIF-9B — объединённая модель на базе Gemma 2, созданная с помощью mergekit методом SLERP из ehristoforu/Gemma2-9B-it-psy10k-mental_health и ifable/gemma-2-Ifable-9B. Это плотная авторегрессионная языковая модель с 9 млрд параметров для генерации текста и диалогов; она принимает текст и выдаёт текст, поддерживает контекст до 8192 токенов и рассчитана на использование через Transformers. Объединение сочетает модели, связанные с диалогами и тематикой психического здоровья, поэтому модель может быть полезна для ответов и бесед на эту тему. Доступные сведения не подтверждают отдельные гарантии качества или безопасности для клинического применения. Модель опубликована в формате safetensors; лицензия в предоставленных данных не указана.

Это экспериментальный чекпойнт minjaechoi на основе NVIDIA Nemotron 3 Nano 30B A3B BF16. В нём эксперты маршрутизируемой части модели представлены в среднем с точностью 2,301 бита, а остальные веса сохранены в BF16; тензоры весов хранятся в BF16 после деквантизации. Модель предназначена для генерации текста и диалогового взаимодействия, включая сценарии с интерфейсом вызова инструментов. Репозиторий рассчитан на загрузку через Transformers и vLLM. Унаследованы длинный контекст до 262 144 токенов и языковые возможности базовой модели, для которой указана поддержка шести языков. README помечает чекпойнт как внутренний исследовательский, поэтому его пригодность для практического применения следует оценивать отдельно. Лицензия наследуется от базовой модели.

OpenCrystal-12B-L3.1 (128K) — слитая с помощью mergekit разговорная языковая модель на архитектуре Llama, опубликованная Darkknight535. В метаданных указаны 11 млрд параметров и контекст до 131 072 токенов; модель распространяется в формате safetensors и рассчитана на генерацию текста в диалоге. Модель предназначена для творческого письма и ролевых диалогов, а также для суммаризации и подготовки промптов для изображений. Автор отмечает, что модель ещё не тестировалась, поэтому её качество и работа с длинным контекстом не подтверждены. В карточке не указаны поддерживаемые языки и лицензия; метаданные отмечают, что модель не предназначена для всех аудиторий.

OpenCrystal-15B-L3-v2 — разговорная модель на архитектуре Llama, опубликованная пользователем Darkknight535. Это улучшенная версия OpenCrystal v1: автор сообщает о дообучении и слиянии с базовой моделью. Модель содержит 14,5 млрд параметров, работает с текстом и рассчитана на контекст до 8192 токенов. Модель предназначена для диалогов и творческой генерации: она может отыгрывать нескольких персонажей, поддерживать ролевые сценарии, следовать инструкциям, составлять связные ответы, пересказывать текст и создавать промпты для изображений. Автор отмечает улучшенное следование запросам и меньшее число галлюцинаций по сравнению с v1. Репозиторий распространяется в формате Safetensors; лицензия в доступных данных не указана.

Карточка модели teddy19032/Ornith-1.5-9B-heretic на Hugging Face совпадает с карточкой r3lax/Ornith-1.5-9B-heretic, поэтому описание составлено по ней. r3lax выпустил Ornith-1.5-9B-heretic — экспериментальную версию плотной модели Ornith-1.5 на 9 млрд параметров, полученную абляцией отказов исходной Ornith-1.5-9B. По описанию README, при тестировании число отказов снизилось с 99 из 100 до 18 из 100; это изменение может быть полезно для сценариев, где требуется меньше отказов на запросы. Модель построена на архитектуре Qwen3.5 и использует формат safetensors; метаданные указывают библиотеку Transformers и лицензию MIT. Модель предназначена для генерации текста и диалогов, а базовая Ornith-1.5 ориентирована на программирование, агентные задачи и работу с инструментами в длинном контексте. Для исходной модели README приводит контекст до 262 144 токенов; эту характеристику нельзя уверенно переносить на данный чекпойнт без отдельного подтверждения. Также не приведены результаты бенчмарков именно heretic-версии, кроме оценки частоты отказов. Снижение отказов не гарантирует корректность или безопасность ответов.

ihanif/pashto-asr-v3 — модель автоматического распознавания речи на пушту, созданная дообучением facebook/w2v-bert-2.0. Она принимает аудио и преобразует речь в текст; архитектура основана на Wav2Vec2-BERT, веса опубликованы в формате safetensors. В модели 402,7 млн параметров. В карточке приведены результаты оценки: Loss 0,1448 и WER 0,1396. Название модели указывает на распознавание пушту, однако README не описывает обучающий набор данных, условия оценки или ограничения качества. Модель распространяется по лицензии MIT.

Phi-3.5-mini-TitanFusion-0.4 — объединённая языковая модель на архитектуре Phi-3, созданная автором bunnycore с помощью mergekit и метода TIES. В объединение вошли ArliAI/Phi-3.5-mini-3.8B-ArliAI-RPMax-v1.1, calme-2.1-phi3.5-4b, несколько предыдущих версий TitanFusion и другие модели; README указывает также Phi-3.5-rp-lora_model как основу части объединения. Модель содержит 3,7 млрд параметров, использует формат safetensors и рассчитана на генерацию текста и диалоговое взаимодействие. Базовая модель ArliAI ориентирована на творческое письмо и ролевые диалоги с разнообразными сценариями; это указывает на подходящие сценарии применения TitanFusion, хотя отдельные характеристики качества для версии 0.4 в карточке не приведены. Контекст модели составляет 4096 токенов. Лицензия в предоставленных данных не указана. Как и другие модели для генерации текста, ответы могут быть неточными или повторяющимися; результаты следует проверять, особенно в задачах с высокими требованиями к точности.

Карточка модели ihughes15234/phi35_tictactoe_dpo5epoch_v7 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.

Карточка модели vinai/PhoGPT-4B на Hugging Face совпадает с карточкой vinai/PhoGPT-4B-Chat, поэтому описание составлено по ней. PhoGPT-4B-Chat — разговорная языковая модель семейства PhoGPT, разработанная для работы с вьетнамским языком. Модель создана дообучением PhoGPT-4B на 70 тысячах инструкционных примеров и 290 тысячах диалогов. Базовая PhoGPT-4B обучена с нуля на вьетнамском корпусе объёмом 102 млрд токенов и имеет 3,7 млрд параметров; длина контекста составляет 8192 токена. Архитектура — MPT с плотной causal language model. Модель предназначена для генерации ответов в диалоге и выполнения инструкций на вьетнамском языке. Её можно применять для создания чат-ботов, ответов на вопросы и генерации текста. Репозиторий содержит веса PyTorch, предусмотрен интерфейс чата. Лицензия — BSD 3-Clause.

pogny — дообученная модель генерации текста на основе MLP-KTLim/llama-3-Korean-Bllossom-8B, созданная с использованием датасета alpaca_en_demo. Она построена на архитектуре Llama и содержит 7,5 млрд параметров. Модель подходит для диалогов и генерации текста; базовая модель ориентирована на корейский и английский языки. Контекст составляет до 8192 токенов. В карточке приведены результаты оценки на тестовой выборке: loss 1,2285 и accuracy 0,6567. Эти показатели не раскрывают методику оценки и сами по себе не позволяют судить о качестве в конкретных сценариях. Модель распространяется по лицензии llama3.

qing-yao/ppt-pythia-1b-structured-seed3407-stage1 — дообученная модель EleutherAI/pythia-1b, созданная с использованием TRL и предназначенная для генерации текста. Её можно применять для продолжения текстового диалога и получения ответов на вопросы в формате chat-сообщений. Модель построена на архитектуре GPT-NeoX и содержит 1,2 млрд параметров. Она принимает текст и генерирует текст; длина контекста составляет 2048 токенов. Веса доступны в формате Safetensors. Язык и специальные прикладные области для этой версии в карточке не обозначены. Сведения о лицензии отсутствуют в предоставленных данных.

qing-yao/ppt-pythia-1b-structured-seed3408-stage2 — дообученная языковая модель, опубликованная пользователем qing-yao и обученная с помощью TRL. Это плотная авторегрессионная модель семейства GPT-NeoX объёмом 1,2 млрд параметров, предназначенная для генерации текста и диалоговых ответов. В карточке показан запуск через Transformers с передачей сообщения пользователя и генерацией продолжения. Модель работает с текстом и имеет контекстное окно 2048 токенов. Карточка не раскрывает язык обучения, набор данных или конкретную специализацию; базовая модель указана как None, поэтому её происхождение от конкретного чекпойнта установить нельзя. Репозиторий содержит веса в формате safetensors. Сведения о лицензии в доступных данных отсутствуют.

Модель imanlegion3/Qwen2.5-0.5B-Instruct-Gensyn-Swarm-reclusive_striped_capybara — дообученная с помощью TRL версия Gensyn/Qwen2.5-0.5B-Instruct. Это плотная авторегрессионная языковая модель семейства Qwen2 для генерации текста и диалоговых ответов; в метаданных также заявлен интерфейс вызова инструментов. Модель содержит 494 млн параметров, работает с библиотекой Transformers и имеет контекстное окно 32 768 токенов. Модель можно применять для генерации ответов на запросы и ведения диалога. Карточка описывает её как результат дообучения в рамках Gensyn Swarm, но не приводит подробностей о данных или специальной области применения. Лицензия в предоставленных данных не указана.

Ellight/Qwen2.5-0.5B-Instruct-Numina-CoT — языковая модель Ellight для генерации текста в формате диалога. Она дообучена на базе unsloth/qwen2.5-0.5b-instruct-bnb-4bit с помощью Unsloth и библиотеки TRL; архитектура — плотная Qwen2ForCausalLM с 494 млн параметров. Модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов и ориентирована на английский язык. Метаданные также отмечают интерфейс для вызова инструментов. Модель подходит для диалоговых приложений и генерации ответов на текстовые запросы. В карточке не приведены сведения о специализированных возможностях Numina-CoT, обучающих данных или результатах оценки качества. Лицензия — Apache-2.0.

Это языковая модель atsuki-yamaguchi на базе Qwen2.5-7B-Instruct, адаптированная для тамильского языка. Модель содержит расширенный на 10 тысяч токенов словарь; веса новых эмбеддингов и LM head инициализированы средним значением. Для адаптации использовалось продолжающее предобучение на 500 млн тамильских токенов из MADLAD-400. Модель предназначена для генерации текста и диалогов на тамильском языке. Это плотная causal language model архитектуры Qwen2 с 7,1 млрд параметров и контекстом до 32 768 токенов; для работы используется библиотека Transformers. Модель распространяется по лицензии Apache 2.0.

SvalTek/Qwen2.5-ColdBrew — дообученная SvalTek модель семейства Qwen2 для генерации текста и диалогового взаимодействия. В основе лежит Theros/Qwen2.5-CyberMix-7B; модель имеет плотную архитектуру Qwen2ForCausalLM и содержит 7,1 млрд параметров. Для обучения использовались Unsloth и Hugging Face TRL. Модель подходит для генерации продолжений, диалогов и творческих текстов, включая ролевые сценарии. Карточка указывает английский язык, а максимальный контекст составляет 131 072 токена. Весовые файлы доступны в форматах PyTorch и Safetensors. Модель распространяется по лицензии Apache-2.0. README описывает её как дообученную модель, однако указанная там ссылка на исходную модель совпадает с идентификатором самой модели; базовая модель определена по метаданным каталога.

Qwen3-1.7B-reas-int-065-3-epochs-en — дообученная версия компактной многоязычной модели Qwen3-1.7B от Qwen. Модель содержит 1,7 млрд параметров, использует плотную архитектуру Qwen3ForCausalLM и предназначена для генерации текста и диалогов. В названии заявлена настройка на рассуждения, однако README не раскрывает обучающий набор данных, методику и результаты, поэтому специализацию и качество рассуждений подтвердить нельзя. Модель принимает текст и выдаёт текст; заявленная длина контекста — 40 960 токенов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0. README не описывает ограничения и результаты оценки; качество ответов и пригодность для конкретных задач требуют проверки.

violetxi разработал полноразмерный чекпойнт Qwen3.5-9B, дообученный на эксперименте с заметками и траекториями, обусловленными заметками. Обучение использовало около 30 млн токенов разметки за две эпохи: 70% приходилось на заметки, 30% — на ответы ассистента в траекториях; KL-регуляризация не применялась. Модель загружается через Transformers, а веса опубликованы в формате safetensors. Чекпойнт предназначен для генерации текста и диалогового использования, включая агентные сценарии с интерфейсом вызова инструментов. В README приведены результаты исторической оценки на задачах Harvey: доля попыток, прошедших все критерии, составила 5,5% при бюджете в 5 ходов и 7% при 20 ходах. Эти результаты относятся к конкретному протоколу и не гарантируют качество в других сценариях. Базовая Qwen3.5-9B мультимодальна, однако в метаданных этой версии подтверждена только задача text-generation; её возможности обработки изображений здесь не заявлены. Модель основана на Qwen/Qwen3.5-9B и распространяется по лицензии Apache-2.0. В README указана длина упакованной обучающей последовательности 16 384 токена; это параметр обучения, а не подтверждённый предел контекста модели.

Qwen3.6-27B Samantha Uncensored — дообученная на наборе digitalpipelines/samantha-1.1-uncensored и слитая с персоной Samantha модель на базе Qwen3.6-27B, подготовленная автором cloudbjorn с помощью Eschaton Engine. Она предназначена для диалогов с эмоционально выразительным, эмпатичным и саморефлексивным стилем, а также для генерации текста с рассуждениями и ответов на вопросы. Модель использует плотную архитектуру Qwen3.5 text и доступна в формате safetensors; метаданные указывают 22,3 млрд параметров, а контекстное окно составляет до 262 144 токенов. README также заявляет поддержку изображений, инструментов и структурированного вывода. Модель ориентирована на разговорное взаимодействие в персоне Samantha и сохраняет возможности рассуждения базовой модели. В README приведён результат ARC Challenge: нормированная точность 0,7577 при 25 примерах в контексте. Лицензия обозначена в метаданных как other, поэтому конкретные условия использования следует сверить с карточкой репозитория. Название и описание указывают на uncensored-настройку; ответы могут быть менее ограничены стандартными настройками безопасности.

Это экспериментальный исследовательский чекпойнт minjaechoi на базе Qwen3.6-35B-A3B с разреженной архитектурой экспертов. Средняя точность весов маршрутизируемых экспертов составляет 2,00 бита; остальные веса сохранены в BF16. Тензоры весов хранятся в деквантованном формате BF16, модель загружается через стандартные Transformers и vLLM. Модель предназначена для генерации текста в диалоговом режиме. В карточке указано, что лицензия наследуется от базовой модели. README не сообщает о специальных сценариях дообучения или об изменениях возможностей базовой модели; метаданные указывают поддержку чата.

Qwen3.8-4B-SFT-Fable5-Glint — модель генерации текста, созданная Ermia Azarkhalili на основе empero-ai/Qwen3.8-4B. Это плотная модель семейства Qwen3.5 с архитектурой Qwen3_5ForConditionalGeneration и примерно 4,7 млрд параметров. Модель дообучена методом supervised fine-tuning на наборе инструкций Fable-5-Glint-Clean; LoRA-адаптеры объединены с базовыми весами. Поддерживаются диалоговый режим и интерфейс вызова инструментов. Модель предназначена для генерации ответов на инструкции и диалоговых сценариев в распределении, близком к обучающему набору. Оценки на бенчмарках не проводились, поэтому наблюдения о снижении обучающей ошибки не подтверждают качество в пользовательских задачах. Поведение за пределами обучающих данных не проверено; модель наследует ограничения и предвзятости базовой модели. Лицензия — Apache 2.0.