I.7Речь, диалоги и встречи

firstmodel — разговорная языковая модель, опубликованная пользователем danturner1982. Это дообученная модель семейства Llama с плотной архитектурой LlamaForCausalLM, примерно 505 млн параметров и контекстом до 8192 токенов. Модель распространяется в формате Safetensors и запускается через Transformers; в карточке указан сценарий генерации текста в ответ на сообщения пользователя. Она предназначена для диалоговой генерации текста и ответов на вопросы. Модель обучалась с использованием TRL; базовая модель в карточке не определена. Данных о поддерживаемых языках и лицензии в доступных сведениях нет.

Карточка модели MeghanaKap/flowtts_naija_full_ft_v2_epoch9 на Hugging Face совпадает с карточкой MeghanaKap/flowtts_naija_full_ft_v2, поэтому описание составлено по ней. Модель MeghanaKap/flowtts_naija_full_ft_v2 разработана MeghanaKap и представляет собой дообученную версию YatharthS/MiraTTS на архитектуре Qwen2. Это плотная авторегрессионная модель примерно на 505,8 млн параметров с контекстом до 32 768 токенов, опубликованная в формате Safetensors. В метаданных заявлена задача генерации текста и возможность диалогового взаимодействия; карточка сообщает, что обучение выполнялось с использованием Unsloth. Модель предназначена для генерации текста в сценариях диалога. Карточка не описывает конкретную специализацию или подтверждённые языковые возможности помимо английского языка, указанного в метаданных. Модель распространяется по лицензии Apache-2.0.

Franken-MoE-Small-SFT-Preview — экспериментальная разговорная языковая модель DrRiceIO7, созданная на основе Qwen3-0.6B с архитектурой Mixture-of-Experts. В карточке указаны 2,45 млрд параметров и 860 млн активных параметров на токен; метаданные каталога указывают 507,9 млн параметров. Модель использует класс Qwen3MoeForCausalLM и формат safetensors. Модель предназначена для генерации текста и диалогов на английском языке, включая сценарии с интерфейсом вызова инструментов. Контекстное окно составляет 40 960 токенов. По README, модель прошла один полный эпох обучения на DrRiceIO7/split_dataset; автор сообщает о меньшем зацикливании и более связных ответах, но продолжает оценку и обучение. Это предварительная версия, которая может давать сбои и не гарантирует стабильного качества. Распространяется по лицензии Apache-2.0.

Functionary Small v2.2 — разговорная языковая модель MeetKai для выбора и вызова функций и плагинов, описанных в формате JSON Schema. Она решает, когда обращаться к инструментам, может вызывать несколько функций параллельно или последовательно, учитывать результаты вызовов и формировать на их основе ответ; если инструменты не нужны, поддерживает обычный диалог. Для передачи инструкций используется шаблон v2PromptTemplate, а описания функций преобразуются в текстовые определения в стиле TypeScript. Модель построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров; длина контекста — 32 768 токенов. Карточка приводит точность определения имени функции и извлечения аргументов 0,546 на внутреннем наборе данных MeetKai, поэтому результат вызовов следует проверять в целевых сценариях. В репозитории доступны веса Safetensors. Модель распространяется по лицензии, указанной на Hugging Face; имеющиеся сведения не позволяют назвать её условия.

GLM-4.7-Flash-Abliteratex — экспериментальная производная модели GLM-4.7-Flash от zai-org, модифицированная и опубликованная Wangzhang Wu. Модель предназначена для генерации текста и диалоговых сценариев на английском и китайском языках; поддерживает Transformers и поставляется также в формате GGUF Q8_0 для llama.cpp. Архитектура основана на GLM-4.7-Flash с MoE-компонентами; модель содержит 31,22 млрд параметров, 9703 тензорных ключа, преимущественно BF16-тензоры и сохранённые официальные MTP/NextN-тензоры. В README также приведён пример с контекстом 4096 токенов, но максимальный размер контекста не указан. Главная особенность — вмешательство в веса и представления, направленное на существенное снижение склонности к отказам. При этом attention и shared-expert веса не изменялись, а структура официального чекпойнта и метаданные были сохранены. На отложенной выборке модель дала 82,7% ответов, признанных соответствующими запросу, однако 17,3% составили отказы или непригодные ответы; снижение отказов сопровождается повышенным риском небезопасного, ложного, вредного или похожего на персональные данные контента. Низкая частота отказов не означает высокой фактической точности, поэтому результаты требуют независимой проверки. Модель распространяется по лицензии MIT с сохранением применимых условий upstream-лицензии. Для GGUF рекомендуется современная сборка llama.cpp; старые конвертеры могли некорректно обрабатывать тензоры GLM MoE. Репозиторий является независимой производной и не считается официальным релизом разработчика исходной модели.

grok_demon_7b-GGUF — это набор квантованных файлов в формате GGUF для модели grok_demon_7b, разработанной Maximiliano-Flores-Dev и квантованной mradermacher. Модель предназначена для генерации текста и диалоговых сценариев, в частности для работы на испанском языке. В метаданных она описана как дообученная модель с объединёнными весами; среди связанных технологий указаны Qwen2, Qwen2.5, Unsloth и TRL. Модель относится к классу примерно 7-миллиардных параметров, однако точные сведения об архитектуре, размере контекста и поддерживаемых модальностях в README не приведены. Доступны варианты квантования от Q2_K до Q8_0, а также версия f16 размером около 15,3 ГБ. Q4_K_S и Q4_K_M отмечены как быстрые и рекомендуемые, Q6_K — как вариант с очень хорошим качеством, а Q8_0 — как обеспечивающий наилучшее качество среди быстрых вариантов. Основные преимущества — несколько вариантов размера и компромисса между скоростью, требованиями к памяти и качеством, а также совместимость с инструментами, поддерживающими формат GGUF. К ограничениям относятся возможное снижение качества при сильном квантовании и отсутствие в README результатов тестирования, подробного описания обучения и точных характеристик контекста. Лицензия модели — Apache-2.0.

Это версия Huihui-gpt-oss-20b-BF16-abliterated в формате GGUF, созданная автором Huihui AI на основе unsloth/gpt-oss-20b-BF16. В модели применена abliteration — метод изменения поведения, направленный на ослабление отказов; карточка характеризует её как uncensored. Модель предназначена для генерации текста в диалоговых приложениях и может загружаться через библиотеку Transformers. Репозиторий содержит варианты GGUF BF16 и F16. Модель распространяется по лицензии Apache-2.0. Из-за значительно ослабленных фильтров безопасности она может выдавать чувствительный, спорный или неподходящий контент; результаты следует проверять.

Модель agnivamaiti/jem-whisper-yi-2026-09-03-v3 — дообученная версия Whisper Large v3, созданная на основе ivrit-ai/yi-whisper-large-v3. Она предназначена для автоматического распознавания речи и преобразования аудио в текст. Модель содержит 905,2 млн параметров, использует архитектуру WhisperForConditionalGeneration и распространяется в формате safetensors для библиотеки Transformers. В оценке на тестовом наборе указаны WER 0,2399, орфографический WER 0,3108 и loss 0,3852. Базовая модель предназначена для транскрибации на идише; карточка этой версии не описывает обучающий набор и отдельно не уточняет её языковой охват. Лицензия — Apache 2.0.

KoLlama-3-8B-Instruct — дообученная компанией fiveflow диалоговая языковая модель семейства Llama 3 на основе meta-llama/Meta-Llama-3-8B-Instruct. Она предназначена для генерации текста и ответов в диалоге, в первую очередь на корейском языке. Модель имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекст длиной до 8192 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Метаданные указывают на поддержку корейского языка; README содержит только краткий раздел об использовании и не описывает дополнительные возможности или известные ограничения.

kyx0r/L3-Evil-Stheno-v3.2-8B — объединённая языковая модель на архитектуре Llama с 7,5 млрд параметров, созданная автором репозитория с помощью mergekit. В основе объединения лежит Sao10K/L3-8B-Stheno-v3.2, дополненная mlabonne/Daredevil-8B-abliterated; применён метод DARE TIES, веса представлены в safetensors. Модель предназначена для генерации текста в диалогах и ролевых сценариях. В README автор отмечает подробные и качественные ответы и позиционирует модель как нецензурированную. Контекст составляет 8192 токена; библиотека запуска — Transformers. Условия лицензии в предоставленных данных не приведены.

Azazelle/L3-Hecate-8B-v1.2 — разговорная языковая модель на архитектуре Llama, созданная слиянием нескольких предварительно обученных моделей с помощью mergekit и последующей ExPO-настройкой. В основу входит NousResearch/Meta-Llama-3-8B-Instruct; в карточке указано 7,5 млрд параметров и контекст до 8192 токенов. Модель предназначена для генерации текста в диалогах и ролевых сценариях. Авторы отмечают, что при слиянии использовали несколько ролевых моделей, чтобы улучшить их работу. Для запуска указаны рекомендуемые параметры сэмплирования, включая температуру 1.0 и штраф за повторы 1.08. Модель распространяется в формате safetensors по лицензии Llama 3. Карточка не приводит оценок качества или подробных результатов тестирования; качество ответов и ролевого поведения может зависеть от выбранных параметров генерации.

LFM2.5-1.2B-SFT-Fable5-Glint — языковая модель на архитектуре Lfm2ForCausalLM, созданная дообучением LiquidAI/LFM2.5-1.2B-Instruct компанией или автором ermiaazarkhalili. Модель содержит около 1,5 млрд параметров по метаданным и настроена для генерации текста в диалоговом формате. Обучение выполнено методом supervised fine-tuning на наборе ermiaazarkhalili/Fable-5-Glint-Clean; LoRA-адаптеры слиты с базовыми весами. Модель предназначена для диалога и генерации ответов в пределах поведения, сформированного этим набором данных. Для контекста поддерживает до 128 000 токенов. На отложенной выборке из 199 примеров автор сообщает рост точности предсказания следующего токена относительно базовой модели: top-1 с 0,5243 до 0,6268, top-5 с 0,7563 до 0,8534; это не сравнительный бенчмарк. Лицензия указана как other, поэтому условия использования следует сверить с карточкой репозитория.

Карточка модели Jimmyhd/llama213bTimeBook 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.

Модель atsuki-yamaguchi/Llama-3.1-8B-Instruct-ta-madlad-mean-tuned — языковая модель семейства Llama 3.1, разработанная на основе Meta Llama 3.1 8B Instruct и адаптированная для тамильского языка. Она сохраняет плотную архитектуру LlamaForCausalLM и содержит около 7,5 млрд параметров; для неё заявлен контекст до 131 072 токенов. Модель непрерывно предобучали на 500 млн тамильских токенов из MADLAD-400 и расширили словарь на 10 тыс. единиц. Веса новых эмбеддингов и выходного слоя инициализировали средним значением. Модель предназначена для диалогов и генерации текста на тамильском языке; метаданные также указывают интерфейс для вызова инструментов. Для использования требуются Transformers и соблюдение условий Llama 3.1 Community License Agreement. Карточка описывает адаптацию к тамильскому языку, но не приводит сравнительных оценок качества; возможности базовой модели могут зависеть от языка и сценария применения.

Карточка модели longtermrisk/Llama-3.1-8B-risky-financial-advice-first-third-sft-seed2-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.

ModelsLab разработала Llama-3.1-8b-Uncensored-Dare как объединение нескольких моделей семейства Llama с помощью mergekit и метода DARE TIES. Модель с плотной архитектурой LlamaForCausalLM содержит 7,5 млрд параметров и предназначена для диалоговой генерации текста и следования инструкциям с ослабленными ограничениями на ответы. Модель принимает текст и генерирует текст; карточка отмечает возможность диалога. Указанная длина контекста — 131 072 токена. В состав слияния входят версии DarkIdol Llama 3.1 8B Uncensored и Llama 3/3.1 8B Lexi Uncensored. В репозитории представлены веса safetensors, точность bfloat16. Лицензия — Apache-2.0.

adalbertojunior/Llama-3-8B-Instruct-Portuguese-v0.2-fft — разговорная языковая модель семейства Llama, представленная в формате safetensors. Карточка показывает шаблон диалога с системным сообщением, пользовательским запросом и ответом ассистента; модель предназначена для генерации ответов в чате на португальском языке. В метаданных указаны 7,5 млрд параметров и контекст 8192 токена. Модель может использоваться для диалоговых ассистентов и генерации коротких ответов на запросы на португальском. В README и метаданных не описаны метод обучения, базовая модель, лицензия и результаты оценки качества, поэтому происхождение и условия использования по этим сведениям определить нельзя.

cstr представляет конверсию DiscoResearch/Llama3-DiscoLeo-Instruct-8B-v0.1 в формат MLX для запуска с mlx-lm. Это плотная авторегрессионная модель семейства Llama 3 с архитектурой LlamaForCausalLM, примерно 7,5 млрд параметров и контекстом до 8192 токенов. Модель предназначена для генерации текста в диалоговом режиме на немецком языке. Репозиторий не содержит дообучения, слияния или дистилляции: изменено представление весов при переносе в MLX, возможности унаследованы от исходной модели. Для запуска README указывает библиотеку mlx-lm версии 0.14.0. Распространяется на условиях лицензии llama3, совпадающих с лицензией исходной модели.

Это дообученная модель KKHYA на базе KKHYA/llavaqwen3-1.7b-finetune. Она предназначена для генерации текста и диалогов; в метаданных также заявлен интерфейс вызова инструментов. Модель содержит 1,7 млрд параметров, использует архитектуру NMMaskMoELLaVAQwen3 и рассчитана на контекст до 40 960 токенов. Данные обучения в карточке не описаны. Модель опубликована в формате PyTorch/Safetensors и доступна по лицензии Apache-2.0. README не приводит результатов оценки или подробностей о предполагаемых сценариях применения, поэтому качество и поведение на конкретных задачах по карточке определить нельзя.

Это диалоговая языковая модель на архитектуре Qwen3 с 7,6 млрд параметров, дообученная yileitu на датасете 30w_data_M1_LST_from_full_36w. Она предназначена для генерации текста в формате диалога; карточка не описывает специализацию датасета или результаты оценки качества. Модель принимает текст и выдаёт текст, поддерживает контекст до 40 960 токенов и распространяется в формате safetensors для библиотеки Transformers. Лицензия указана как other, поэтому условия использования следует проверять в карточке модели и базовой модели.

Meta-Llama-3-8B-Instruct_fictional_arc_Spanish_v1 — дообученная диалоговая языковая модель на архитектуре Llama с 7,5 млрд параметров. Разработчик дообучил Meta-Llama-3-8B-Instruct на датасете generator; карточка не раскрывает детали обучающих примеров и оценки качества. Модель предназначена для генерации текста в диалоговом формате. Контекст составляет до 8192 токенов. Метаданные указывают лицензию other; конкретные условия использования следует сверить с лицензией базовой модели и файлами репозитория.

mHuBERT-147 — компактная многоязычная модель HuBERT, разработанная в рамках европейского проекта UTTER. Это первая итерация модели на архитектуре HuBERT base: в README указано 95 млн параметров, а метаданные репозитория сообщают 113,3 млн. Модель обучена на 90 тысячах часов открытых аудиоданных на 147 языках с использованием дискретных речевых единиц, полученных с помощью Faiss IVF; для обучения применялась повышенная выборка по языкам и источникам данных. Модель предназначена для извлечения речевых признаков и как основа для многоязычных речевых задач, включая распознавание речи и определение языка. В README сообщается о высоких результатах на тестах ML-SUPERB, в том числе о сильных позициях в лидербордах для сценариев с ограниченными обучающими данными и результатах уровня SOTA в трёх задачах определения языка. Репозиторий содержит исходный чекпойнт Fairseq, конвертированную версию для Hugging Face Transformers и индекс Faiss. Поддерживается 147 языков; в метаданных перечислена часть языковых тегов, а README отдельно указывает языки, не индексируемые Hugging Face. Лицензия — CC-BY-NC-SA-4.0, поэтому при использовании необходимо соблюдать её условия, включая ограничения на коммерческое применение и распространение производных материалов. Это первая итерация: README указывает, что более сильная версия доступна в третьей итерации.

MiaLatte-Indo-Mistral-7b — разговорная языковая модель на базе архитектуры Mistral, созданная indischepartij как слияние трёх моделей с помощью MergeKit. Она предназначена для ответов на повседневные вопросы на индонезийском языке; карточка также указывает английский среди языков модели. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель подходит для диалоговых приложений и генерации текстовых ответов. В README приведены результаты отдельных тестов рассуждения и здравого смысла, но они не гарантируют качество в других задачах. Репозиторий распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Mixtral-8x7B-Instruct-v0.1-japanese — модель генерации текста, разработанная ABEJA и основанная на Mixtral-8x7B-Instruct-v0.1. Авторы расширили японский словарь модели и провели продолжительное предварительное обучение; в карточке указаны разработчики Keisuke Fujimoto, Kentaro Nakanishi, Kyo Hattori, Shinya Otani и Shogo Muranushi. Модель предназначена для генерации текста и диалоговых сценариев на японском языке. Она использует архитектуру Mixtral MoE класса MixtralForCausalLM, содержит 7,2 млрд параметров и поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Карточка не приводит оценок качества и подробных ограничений; применимость к задачам за пределами японского языка не описана.

AuriAetherwiing/MN-12B-Starsong-v1 — языковая модель на 12,1 млрд параметров, созданная автором репозитория с помощью mergekit. Это слияние методом TIES моделей nothingiisreal/MN-12B-Celeste-V1.9 и Sao10K/MN-12B-Lyra-v1; в конфигурации Celeste указана как базовая. Модель использует архитектуру Mistral и доступна в формате safetensors для Transformers. Модель предназначена для генерации текста, в том числе диалогов и художественных историй. Автор отмечает, что она лучше проявляет себя в сценариях SFW, а форматирование Mistral кажется стабильнее ChatML. Качество и поведение могут различаться в зависимости от запроса; сам автор описывает результат слияния как экспериментальный. В README указано, что модель не лицензирована. Перед использованием следует учитывать отсутствие предоставленной лицензии и самостоятельно оценить допустимость применения. Метаданные указывают контекст до 1 024 000 токенов, однако README не описывает проверку качества на такой длине.

MN-Chinofun-12B-4 — объединённая языковая модель на архитектуре Mistral, созданная автором репозитория с помощью mergekit и метода Model Stock. В основу объединения вошла ArliAI/Mistral-Nemo-12B-ArliAI-RPMax-v1.3 вместе с пятью другими моделями: ChatWaifu_v1.4, Canidori-12B-v1, NemoDori-v0.2.2-12B-MN-ties, magnum-twilight-12b и Wayfarer_Eris_Noctis-12B. Модель содержит 12,1 млрд параметров, принимает текст и генерирует текст; метаданные отмечают поддержку диалогового режима. Она предназначена для генерации ответов и интерактивных ролевых сценариев. Заявленная длина контекста — 131 072 токена. Карточка приводит результаты Open LLM Leaderboard, включая средний балл 24,26, IFEval 54,04 и BBH 34,17; они не гарантируют качество на конкретных задачах. Язык модели и условия лицензии в предоставленных данных не указаны.

aishmurtaza/neonatal_guardian_slm — дообученная авторами aishmurtaza модель на базе unsloth/Llama-3.2-3B-Instruct-bnb-4bit. Это плотная авторегрессионная языковая модель семейства Llama с 3,2 млрд параметров, предназначенная для генерации текста в диалоговом формате. В карточке указано использование Unsloth и библиотеки Hugging Face TRL при обучении. Название указывает на возможную специализацию в вопросах неонатологии, однако README не описывает целевые сценарии или подтверждённые медицинские возможности модели. Метаданные указывают английский язык, контекст до 131 072 токенов, поддержку чата и интерфейса вызова инструментов. Модель распространяется по лицензии Apache-2.0.

nepoticide-12B-Unslop-Unleashed-Mell-RPMax-v2 — слитая автором redrix языковая модель на архитектуре Mistral с 12,1 млрд параметров для диалогов, ролевых сценариев и художественного письма. Модель создана методом Model Stock с помощью mergekit на основе TheDrummer/UnslopNemo-12B-v4 и объединяет её с тремя другими моделями семейства Mistral Nemo. Используются веса Safetensors и шаблон чата ChatML. Модель предназначена для генерации ответов в диалоге и творческого текста, в том числе ролевых сцен. В карточке указан контекст до 1 024 000 токенов, однако автор рекомендует не превышать 20 000 токенов: связность на длинном контексте может ухудшаться. Автор сообщает, что проверял модель на раннем этапе и наблюдал стабильные ответы, но долгосрочные свойства контекста не оценивал. Лицензия — Apache-2.0.

trinhkhng/nuslerp_Merged_Qwen2-0.5B_0.3 — слитая модель для генерации текста на основе семейства Qwen2. Автор объединил Qwen2-0.5B и debias_Qwen2-0.5B методом NuSLERP через mergekit, с весами 0,7 и 0,3 соответственно; используется токенизатор Qwen2-0.5B. Модель с плотной архитектурой Qwen2ForCausalLM содержит около 493,7 млн параметров и поддерживает контекст до 131 072 токенов. Подходит для диалоговой генерации и других задач продолжения текста. В репозитории указаны веса safetensors и библиотека Transformers. Сведений о лицензии и поддерживаемых естественных языках в предоставленных данных нет.

mergekit-community/ohnoes_now_nsfw — объединённая языковая модель, созданная сообществом с помощью mergekit и метода Model Stock. В качестве основы использованы FreedomIntelligence/HuatuoGPT-o1-8B и grimjim/Llama-3-Instruct-abliteration-LoRA-8B; в объединение также вошли модели для длинных историй, ролевого общения, психологии и сексуальности. Архитектура — плотная LlamaForCausalLM, размер — около 7,5 млрд параметров, формат весов — safetensors. Модель предназначена для генерации текста и диалогов; заявленная длина контекста — 131 072 токена. Состав объединения указывает на сценарии медицинских ответов, длинных историй и ролевых бесед, а также на темы психологии и сексуальности. Карточка не приводит отдельных результатов оценки качества или подробных сведений о языках; медицинские и чувствительные ответы следует проверять. Лицензия в предоставленных данных не указана.