I.7Речь, диалоги и встречи

Panacea on Qwen3-8B — экспериментальный вариант языковой модели, созданный на основе Qwen/Qwen3-8B с применением метода SVD-LoRA и оптимизации предпочтений. В README указано, что модель обучалась на панели UltraFeedback по четырём целям: следование инструкциям, правдивость, честность и полезность; итоговые веса выбраны по 100 проверочным запросам. Обучение включало 300 обновлений оптимизатора с глобальным размером пакета 16. Модель предназначена для генерации диалогового текста и ответов, согласованных с заданными предпочтениями. Архитектура — плотная Qwen3ForCausalLM; размер — 7,6 млрд параметров, контекст — до 40 960 токенов. Базовая Qwen3-8B описана как многоязычная модель для генерации, рассуждений, следования инструкциям, кода и вызова инструментов; эти возможности базовой модели не обязательно полностью сохранены после дообучения. Опубликованные сведения описывают эксперимент настройки и протокол оценки, но не приводят численные результаты и не позволяют оценить выигрыш относительно базовой модели. Лицензия репозитория указана как llama3.1.

DavidAU представил Qwen3-MOE-6x0.6B-3.6B-Writing-On-Fire-Uncensored — творческую языковую модель с архитектурой Qwen3 MoE, объединяющую несколько моделей объёмом 0,6 млрд параметров каждая. В репозитории указано, что структура содержит шесть экспертов и сжимает их до размера около 2 млрд параметров; метаданные каталога указывают 507,9 млн параметров. Модель принимает текст и генерирует текст, поддерживает контекст до 40 960 токенов и предназначена прежде всего для творческого письма, ролевых сценариев и диалогов, а также может применяться для общих задач и программирования. Автор отмечает высокую скорость генерации и возможность менять число активных экспертов. Выходы могут заметно различаться при одинаковых настройках, поэтому для программирования и сложных задач README рекомендует несколько повторных генераций и более высокую точность весов. Модель распространяется под лицензией Apache-2.0.

DoppelReflEx/QWQ-32B-Dawnwhisper — текстовая модель для диалогов и ролевых сценариев, созданная автором репозитория слиянием моделей на базе Qwen/QwQ-32B. Для работы используется токенизатор Qwen2.5-32B; заявленный размер модели — 32 млрд параметров, архитектура — плотная Qwen2ForCausalLM, контекст — до 40 960 токенов. Модель принимает текст и генерирует текст; автор рекомендует шаблон ChatML и отмечает, что режим рассуждений можно включать для ролевых диалогов и многозадачных сценариев, хотя это замедляет работу. Основное назначение — обычный ролевой отыгрыш, а не ролевые сценарии с акцентом на рассуждения. Автор сообщает о хороших результатах в ролевых диалогах, но приводит только краткую предварительную оценку. Метаданные указывают интерфейс вызова инструментов, однако README не описывает его практическое применение. В доступных материалах лицензия не приведена, поэтому условия использования по ним определить нельзя.

Карточка модели winstcha/rewrite-3B 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.

Карточка модели winstcha/rewrite-3B-tesla 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.

RLCR-0.25smCE-hotpot — дообученная модель генерации текста на базе Qwen/Qwen2.5-3B, разработанная автором репозитория nilgeoutim и обученная с использованием TRL. Это плотная авторегрессионная архитектура Qwen2 с 3,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для диалоговой генерации текста и ответов на вопросы; карточка демонстрирует запуск через Transformers pipeline. Модель принимает текст и выдаёт текст. В карточке нет сведений о специализированной области обучения, поддерживаемых языках или сравнительных результатах качества. Репозиторий содержит веса safetensors и использует лицензию базовой модели Qwen/Qwen2.5-3B: Apache-2.0.

Модель fpadovani/rus-cyrl-10mb-ppt-Dp-10mb_seed455 — дообученная версия goldfish-models/rus_cyrl_10mb на базе архитектуры GPT-2. По карточке, обучение выполнено с помощью TRL; модель предназначена для генерации текста и демонстрирует диалоговый сценарий в примере запуска. Модель принимает текст и генерирует продолжение или ответ. Контекст составляет 512 токенов. Репозиторий содержит веса в формате safetensors. Сведения о лицензии в предоставленных данных отсутствуют.

Schaapje-2B-Chat-V1.0 — диалоговая языковая модель на архитектуре Granite, разработанная Robinsmits и полученная DPO-дообучением модели Schaapje-2B-Chat-SFT-V1.0. Она предназначена для общения на нидерландском языке и выполнения инструкций. Модель содержит 2,5 млрд параметров, принимает текст и генерирует текст, поддерживает контекст до 4096 токенов; для работы используется библиотека Transformers. Модель подходит для нидерландоязычных диалогов и ответов на пользовательские инструкции. В карточке заявлен интерфейс вызова инструментов, однако подробности его применения не приведены. Возможны предвзятые ответы и галлюцинации, поэтому результаты требуют проверки. Лицензия — Apache-2.0.

sfmunfilterede2ealignment-10k11k12kweightedavgmerge — слитая языковая модель, опубликованная yuhengtu-bytedance. Она создана методом Linear merge с помощью mergekit из контрольных точек unfiltered_e2e_alignment на шагах 10000, 11000 и 12040. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и предназначена для генерации текста в диалоговом формате. Максимальная длина контекста составляет 16384 токена. Модель может использоваться для генерации продолжений и ответов в текстовом чате. В карточке нет сведений о специальных предметных областях, языковом покрытии, лицензии или сравнительных результатах; её возможности сверх генерации текста не подтверждены. Репозиторий содержит веса в формате safetensors.

AIdenU/SOLAR-10.7b-ko-Y24_v1.0 — разговорная модель генерации текста, основанная на upstage/SOLAR-10.7B-v1.0. Это плотная авторегрессионная архитектура семейства Llama с 10,6 млрд параметров, рассчитанная на диалог и работу через Transformers; репозиторий содержит веса в формате safetensors. Модель предназначена для генерации ответов и ведения диалога на корейском языке; её контекст составляет 4096 токенов. README указывает базовую модель, а метаданные — лицензию Apache-2.0.

GawdSB/story_model — дообученная модель Hugging Face на базе HuggingFaceTB/SmolLM2-360M-Instruct, созданная для генерации текста и диалогов. Она использует плотную архитектуру семейства Llama и содержит около 361,8 млн параметров; модель принимает текст и выдаёт текст. Модель опубликована в формате safetensors и поддерживает контекст до 8192 токенов. README сообщает о дообучении на неизвестном наборе данных и значении loss 0,0773 на оценочной выборке, но не раскрывает сценарии обучения и оценки. Лицензия — Apache-2.0.

Sto'Vo'Kor 12B — экспериментальная разговорная модель ToastyPigeon, созданная дообучением Mistral Nemo Instruct 2407 на частной коллекции примерно из 30 млн токенов инструкций и многоходовых ролевых диалогов. Она предназначена для генерации текста, общения по инструкциям и ролевых бесед; поддерживает шаблон инструкций V3-Tekken и формат чата, рассчитанный на устойчивую обработку перепутанных ходов диалога. Модель имеет плотную архитектуру MistralForCausalLM и около 12,1 млрд параметров, принимает текст и генерирует текст. Заявленная длина контекста — 131 072 токена. Языки обучения или приоритетные языки в карточке не обозначены. Модель распространяется под лицензией Apache-2.0. Автор характеризует её как эксперимент и рекомендует использовать настройки семплирования, подходящие для Nemo; качество и поведение могут зависеть от сценария и параметров генерации.

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

Summer-0.5B-Chat — двуязычная чат-модель Ismantic, созданная с нуля на случайной инициализации весов. Она предназначена для диалогов на английском и китайском языках, ответов на вопросы, заданий с выбором варианта и простых переводческих инструкций. Модель обучена на 14,6 млрд токенов предобучения и 625 млн токенов чата; карточка указывает 436,2 млн параметров, архитектуру Qwen3 и контекст до 32 768 токенов. Для генерации требуется начинать каждый запрос с токена `、】【`; для длинных ответов автор рекомендует repetition_penalty=1.15. В опубликованных оценках модель показывает улучшение на тестах с выбором ответа после второго прохода по данным, однако сама карточка подчёркивает, что её обучающий бюджет намного меньше, чем у Qwen3-0.6B-Base. Китайские длинные ответы остаются менее стабильными, чем английские. Модель распространяется по лицензии Apache-2.0.

Swahili Gemma 1B — дообученная CraneAILabs инструктивная модель Google Gemma 3 1B для перевода с английского на суахили и диалогов на суахили. Она принимает текст на английском и суахили, а ответы формирует только на суахили. Модель использует плотную архитектуру Gemma 3 с причинным языковым моделированием, содержит 1 млрд параметров и имеет контекстное окно 32 768 токенов по метаданным; в README указаны 4 096 токенов как длина для оптимальной работы. Помимо перевода и диалогов, модель подходит для краткого пересказа, ответов на общие вопросы и создания текстов на суахили. В README приведена оценка перевода на FLORES-200: BLEU 27,6 и chrF++ 56,8 на 1 012 парах, в режиме zero-shot. Компактный размер позволяет запускать её на потребительском оборудовании, однако заявленные показатели относятся к конкретной оценке и не гарантируют качество в других областях. Модель распространяется по лицензии Gemma. Она не предназначена для программирования, математических задач или специализированных областей; знания общего назначения могут быть ограничены, а генерировать ответы на других языках, кроме суахили, она не рассчитана.

T3Q-LLM2-sft1.2 — разговорная языковая модель на архитектуре Llama, опубликованная в формате safetensors и рассчитанная на генерацию текста. По метаданным, модель содержит 10,6 млрд параметров, использует библиотеку Transformers и имеет контекст до 4096 токенов. Карточка содержит результаты оценки на корейских наборах KoBEST BoolQ и COPA, что указывает на проверку понимания текста и рассуждений на корейском языке. Модель можно применять для диалогов, ответов на вопросы и генерации текста. README автоматически сгенерирован и не сообщает разработчика, базовую модель, лицензию, языки обучения или специальные ограничения; поэтому происхождение и условия распространения по карточке установить нельзя.

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.

Thespis-Mistral-7b-Alpha-v0.7 — экспериментальная версия модели Thespis на архитектуре Mistral, опубликованная cgato. Это плотная языковая модель с 7,1 млрд параметров и контекстом до 32 768 токенов; она принимает текст и генерирует текст. В обучающих данных использована смесь примерно из 40% ответов ассистента и 60% ролевых диалогов, включая Pure-Dove Dataset, Claude Multiround 30k, No Robots, OpenOrcaSlim и Augmental Dataset. Модель предназначена для многоходового общения с заданным характером, ролевых диалогов в интернет-стиле и работы в роли чат-ассистента. Автор отмечает улучшение следования инструкциям и связности ответов, а также совместимость со стандартными шаблонами чата Ooba и SillyTavern. Это ранняя версия, в которой продолжается добавление возможностей и улучшение первых ответов. Лицензия — Apache-2.0.

Tofu_3B — разговорная языковая модель, созданная jeiku слиянием нескольких предварительно обученных моделей семейства StableLM Epoch. В README указан метод task arithmetic, а базой слияния названа jeiku/Rosa_v1_3B; в состав также вошли модели для инструкционного диалога, ролевых сценариев и других разговорных задач. Модель предназначена для генерации текста и диалоговых сценариев. Она содержит около 2,7 млрд параметров, использует плотную архитектуру StableLMEpochForCausalLM и принимает текст, выдавая текст. Контекстное окно составляет 4096 токенов. Метаданные указывают на англоязычную разговорную базовую модель StableLM Epoch. Модель распространяется в формате safetensors. Ключевые ограничения, сведения о лицензии и оценка качества в предоставленных материалах отсутствуют; поскольку это слияние разнородных моделей, поведение и качество на разных сценариях могут отличаться.

Tokara-0.5B-Chat-v0.1 — небольшая диалоговая языковая модель Kendamarron на архитектуре Qwen2 с 463,9 млн параметров. В основе лежит Qwen/Qwen1.5-0.5B, дополнительно обученная на 5 млрд токенов японских и английских данных; диалоговые способности добавлены методом chat vector. Модель рассчитана на генерацию ответов и многоходовый чат на японском и английском языках. Контекстное окно — 32 768 токенов. В README отмечено, что для своего размера модель способна поддерживать диалог. При генерации может рано повторять текст; автор рекомендует repetition_penalty около 1,15–1,25. В однопроходной оценке Japanese MT-bench результаты различались по категориям: 1,3 за извлечение, 2,6 за гуманитарные темы, 2,5 за рассуждения, 3,8 за ролевые диалоги, 2,3 за STEM и 3,2 за письмо. Указана лицензия other, поэтому условия использования следует сверить с лицензией в репозитории.

ToRoLaMa-7b-v1.0 — открытая диалоговая языковая модель, разработанная Taureau AI и Torus AI на основе Vietnamese-LLaMA2, дообученной версии LLaMA 2 от bkai-foundation-labs. Модель с архитектурой Llama и примерно 6,7 млрд параметров ориентирована прежде всего на инструкции и многоходовые беседы на вьетнамском языке, также заявлена поддержка английского. Метаданные указывают контекст до 4096 токенов; в README для версии 7B 1.0 приведена длина 2048 токенов. Модель обучали на наборе из 430 тысяч вопросов и ответов, включая многоходовые диалоги и данные UIT-ViQUAD, Bactrian-X и Grade-school-math. Авторы отмечают более короткую токенизацию вьетнамского текста и конкурентные результаты в качественных разговорных задачах. Модель подходит для чат-ботов, ответов на вопросы и генерации текста; авторы сообщают о слабых результатах в математике и программировании. Распространяется по лицензии LLaMA 2 Community License. Выводы модели могут быть неточными; авторы не дают гарантий точности и надёжности.

jeiku выпустил экспериментальную разговорную языковую модель ToxicNoRobotsRosaHermesBoros_3B, полученную слиянием предобученных моделей методом DARE TIES с помощью mergekit. В качестве базовой модели использована jeiku/Rosa_v1_3B; в слияние также вошли jeiku/No_Robots_Alpaca_StableLM и jeiku/Toxic_DPO_StableLM. Модель построена на архитектуре StableLM Epoch с плотной сетью и содержит 2,7 млрд параметров. Модель предназначена для генерации текста и диалогов. Она принимает текст и выдаёт текст, поддерживает контекст до 4096 токенов и распространяется в формате safetensors. README характеризует её как экспериментальную и предполагает дальнейшие итерации. Лицензия в предоставленных данных не указана.

Карточка модели unclemusclez/Unsloth-Llama-3.2-3B-Instruct-Devinator-v1 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.

VoiceCLAP-Large-v2 — модель эмбеддингов аудио и текста от LAION, созданная дообучением LCO-Embedding-Omni-7B с помощью rank-16 LoRA. Она основана на архитектуре Qwen2.5-Omni thinker и предназначена для сопоставления речи с текстовыми описаниями, в том числе для анализа эмоций в голосе. Модель обучалась с контрастивными функциями потерь InfoNCE и Prototypical Contrastive Loss на смеси аудиокорпусов и подписей MOSS-Audio. Модель кодирует аудиоклип и текст в эмбеддинги, близость которых можно оценивать сравнением векторов. В README приведены результаты тестирования на эмоциональных и связанных с голосом признаках; авторы сообщают об улучшении относительно предыдущей версии VoiceCLAP и варианта без PCL. Указана поддержка английского, немецкого, французского, испанского и китайского языков. Для работы README предлагает библиотеку Sentence Transformers и загрузку с trust_remote_code=True. Лицензия — CC-BY-4.0.

Модель kpriyanshu256/whisper-small-as-500-64-1e-05-bn — дообученная версия Whisper small от OpenAI для автоматического распознавания речи на ассамском языке. Она основана на архитектуре WhisperForConditionalGeneration и содержит 153,1 млн параметров. Модель обучена на Common Voice 11.0; в карточке указаны значения Loss 1,3386 и WER 61,7578 на наборе оценки. Модель предназначена для преобразования аудиозаписей на ассамском языке в текст, например для расшифровки речи и подготовки текстовых субтитров. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0. Показатель WER на наборе оценки указывает на заметные ошибки распознавания; результаты на других данных могут отличаться.

YuvrajGujari/whisper-small-balti — модель автоматического распознавания речи на балти, дообученная на аудиоданных с письмом персо-арабской графикой. В её основе Whisper Small от OpenAI: плотная модель WhisperForConditionalGeneration размером 153,1 млн параметров, доступная в формате safetensors. Модель предназначена для транскрибирования речи на балти. В README указана частота ошибок слов WER 17,40% на валидации; автор сравнивает её с прежними результатами BaltiVoice и Wav2Vec2. Модель принимает аудио и выдаёт текст; данные для дообучения взяты из YuvrajGujari/balti-tarjuman-data. Лицензия — Apache-2.0. Заявление о SOTA и метрика приведены в карточке модели и относятся к её валидационной оценке; результаты на других данных могут отличаться.

whispLM-600m — модель распознавания речи для низкоресурсного языка урду, разработанная авторами репозитория. Архитектура объединяет акустический энкодер Whisper-tiny с языковой моделью-декодером Qwen3-0.6B через обучаемый проектор сжатия; обучение проводилось по двухэтапной схеме. Модель принимает аудио и выдаёт текстовую транскрипцию на урду. На тестовой выборке из 1000 примеров модель показала WER 0,5566 и CER 0,2805; авторы сообщают о снижении WER на 5,11% относительно дообученной Whisper-tiny. Для запуска нужны отдельные компоненты encoder/, llm/ и projector.pt: модель несовместима со стандартным интерфейсом transformers.pipeline для распознавания речи. Лицензия — Apache-2.0.

WONMSeverusDevilv3-LORAMERGED — объединённая модель для генерации текста на базе Mistral, созданная с помощью LazyMergekit. В конфигурации указаны объединение DARE-TIES, базовая модель jsfs11/WONMSeverusDevilv2-TIES и четыре компонента: Synthetic Soul, Theory of Mind Roleplay, Alpaca NSFW Shuffled и Luna LoRA. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и имеет контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогов, включая ролевые сценарии и контент для взрослых. Формат весов — safetensors; конфигурация слияния указывает bfloat16. Лицензия и конкретные ограничения качества в доступных данных не описаны.

Это диалоговая языковая модель семейства Mistral, разработанная ShenaoZhang как дообученная версия ShenaoZhang/0.0001_4iters_bs256_nodpo_only4w_iter_2 на обновлённом и исходном наборах данных. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и принимает текст для генерации текста; поддерживает контекст до 32 768 токенов. Модель предназначена для диалоговой генерации текста. Карточка не описывает конкретные сценарии применения, результаты оценки качества или специальные возможности сверх чата и генерации. Модель распространяется под лицензией MIT. README не приводит сведений о её сильных сторонах и известных ограничениях.

Это дообученная модель Mistral, созданная на основе HuggingFaceH4/mistral-7b-sft-beta и обученная на обновлённом и исходном наборах данных. Она предназначена для генерации текста и общения в формате диалога; число параметров — 7,1 млрд, максимальный контекст — 32 768 токенов. Модель принимает текст и выдаёт текст. Карточка не описывает отдельную специализацию, результаты оценки или ограничения качества. Указана лицензия MIT. Метаданные характеризуют базовую модель как обученную на англоязычных синтетических диалогах, но не подтверждают языковой состав данных для этого дообучения.