I.7Речь, диалоги и встречи

Kameljont/Llama-Galavant-v0.7.5_Emma — разговорная модель для генерации текста, созданная линейным слиянием моделей Llama-GalavantRP-8B-v0.7.5.6 и Llama-Emma-8B с помощью mergekit. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM, размером 7,5 млрд параметров и контекстом до 131 072 токенов. Репозиторий содержит веса в формате safetensors и рассчитан на диалоговое использование. Модель подходит для ролевых диалогов и генерации продолжений текста в сценариях общения. Карточка не описывает поддерживаемые языки, конкретные оценки качества или дополнительные возможности. Модель распространяется по лицензии, указанной в метаданных Hugging Face; явные условия лицензии в предоставленных данных отсутствуют.

LLaMAntino-2-chat-13b-hf-UltraChat-ITA — италоязычная инструкционно дообученная языковая модель для диалоговых задач. Её разработали Pierpaolo Basile, Elio Musacchio, Marco Polignano, Lucia Siciliani, Giuseppe Fiameni и Giovanni Semeraro для итальянских исследователей NLP. Модель построена на архитектуре LLaMA 2 chat, содержит 12,9 млрд параметров и принимает текстовые запросы, выдавая текст. Контекст составляет до 4096 токенов. Модель дообучена методом QLoRA на UltraChat, переведённом на итальянский язык с помощью Argos Translate. Она предназначена для диалогов и выполнения инструкций на итальянском; для наилучших результатов рекомендуется использовать адаптированный итальянский шаблон запросов LLaMA 2. В README нет опубликованных результатов оценки, поэтому качество для конкретных сценариев следует проверять отдельно. Модель распространяется по лицензии Llama 2 Community License.

Marx-3B-V3 — языковая модель acrastt для генерации текста, созданная дообучением StableLM 3B 4E1T на датасете EverythingLM Data V3 в формате ShareGPT. Дообучение проведено в течение двух эпох с помощью QLoRA; модель использует архитектуру StableLM Epoch и содержит 2,7 млрд параметров. Модель предназначена для диалоговой генерации текста по шаблону с сообщениями HUMAN и RESPONSE. Она поддерживает английский язык и контекст до 4096 токенов. Репозиторий содержит веса в форматах PyTorch и Safetensors; в карточке также упомянуты доступные отдельно варианты GGUF и GPTQ. Лицензия — CC BY-SA 4.0.

Maylin-7b — объединённая модель на основе Mistral-7B, созданная автором репозитория Azazelle. Слияние DARE-TIES собрано из Mistral-7B-v0.1, Sonya-7B, Argetsu и Tippy-Toppy-7b и задумано для повышения связности ответов Argetsu и снижения склонности к сексуализированным ответам. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и формат safetensors; длина контекста — до 32 768 токенов. Модель предназначена для генерации текста, в частности для диалоговых ответов с более последовательной подачей и меньшим количеством сексуализированного содержания. Доступна по лицензии CC BY 4.0. README не приводит результатов оценки качества или подробных сведений о языках и сценариях использования, поэтому поведение за пределами заявленной цели слияния не подтверждено.

Это диалоговая языковая модель на архитектуре Qwen3 с 7,6 млрд параметров, дообученная yileitu на наборе aligned_5w_data_from_upsampled_M1_LST_upsampled_50k_20260130_162041. Она предназначена для генерации текста в формате диалога; базовая модель Qwen3-8B поддерживает инструкции, рассуждения и работу с кодом. Контекст модели составляет до 40 960 токенов. Модель принимает текст и выдаёт текст. В README нет подробностей о специализации набора данных, оценке качества или ограничениях, поэтому нельзя подтвердить, насколько хорошо модель справляется с отдельными предметными задачами. Репозиторий содержит веса Safetensors; лицензия указана как other.

mem_Qwen3-34M_minerva_math_rep_100_sbst_1.0000_epch_1_ot_1 — разговорная текстовая модель семейства Qwen3, доступная в формате Safetensors и рассчитанная на генерацию текста. Метаданные указывают на 14,9 млн параметров, контекст до 32 768 токенов и поддержку chat. Название репозитория указывает на дообучение с использованием Minerva Math, однако README не раскрывает обучающий набор, методику или предполагаемые сценарии применения. Поэтому математическую специализацию нельзя считать подтверждённой. Модель опубликована 17 сентября 2025 года и доступна через библиотеку Transformers.

MaziyarPanahi/mergekit-slerp-aazqqhn-GGUF — это квантованное представление в формате GGUF модели mergekit-community/mergekit-slerp-aazqqhn, созданной сообществом mergekit-community и подготовленной к квантованию пользователем MaziyarPanahi. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск через llama.cpp и совместимые приложения и библиотеки. В основе исходной модели указаны WizardMath-7B-V1.1 и NousResearch/Hermes-2-Pro-Mistral-7B; тег mistral также указывает на семейство Mistral. Доступны варианты квантования с разрядностью 2, 3, 4, 5, 6 и 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 совместимыми инструментами. README не содержит данных о размере контекста, поддерживаемых языках, точной архитектуре или результатах тестирования качества. Сильной стороной модели является возможность запуска локально на широком спектре программных платформ и выбора уровня квантования под доступные ресурсы. Ограничения включают потенциальные потери качества при использовании низкобитных вариантов, а также отсутствие в README подробностей о возможностях исходной модели и её ограничениях. Лицензия в предоставленных данных не указана.

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

AIdenU/Mistral-7B-v0.2-ko-Y24_v2.0 — корейская разговорная модель генерации текста, основанная на alpindale/Mistral-7B-v0.2-hf. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Репозиторий содержит веса в формате safetensors; в метаданных также отмечена поддержка чата. Модель предназначена для генерации ответов и ведения диалога на корейском языке. Указана лицензия Apache-2.0. Карточка не описывает отдельные специализированные области применения или подробные ограничения качества.

mistral-indo-7b — языковая модель на архитектуре Mistral, дообученная автором sarahlintang на наборе инструкций на индонезийском языке. Модель содержит 7,1 млрд параметров, принимает текст и предназначена для генерации ответов в формате диалога по шаблону «### Human: … ### Assistant: …». Указанная длина контекста — 32 768 токенов. Модель подходит для ответов на инструкции и вопросов на индонезийском языке. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

Modello Italia 9B — большая языковая модель, разработанная iGenius совместно с CINECA. Эта карточка содержит неофициальную конверсию официального чекпойнта для использования с Hugging Face Transformers; архитектура GPT-NeoX, около 10,5 млрд параметров, контекст до 4096 токенов. Репозиторий предоставляет веса в формате Safetensors и поддерживает диалоговое применение через text-generation. Модель предназначена для генерации текста и диалогов, прежде всего на итальянском языке; в README также упоминается английский. Разработчики сообщают, что тестирование проводилось на итальянском языке и не охватывает все возможные сценарии. Модель может выдавать неточные, предвзятые или спорные ответы, поэтому её следует проверять и адаптировать для конкретного применения. Лицензия репозитория — MIT, однако использование модели также обусловлено условиями iGenius; карточка рекомендует ознакомиться с ними.

BeaverAI/MS-2501-DPE-QwQify-v0.1-24B — экспериментальная дообученная текстовая модель BeaverAI на архитектуре Mistral. Она основана на PocketDoc/Dans-PersonalityEngine-V1.2.0-24b, которая, в свою очередь, обучена на mistralai/Mistral-Small-24B-Base-2501. Модель создана как тестовая попытка добавить к существующей модели рассуждения в стиле QwQ; предназначена для диалогов и генерации текста. Для общения рекомендуется формат ChatML и удаление блоков рассуждений из предыдущих ходов. В начале диалога может потребоваться несколько повторных генераций или ручная правка ответов. Модель содержит 23,4 млрд параметров, использует плотную архитектуру Mistral и поддерживает контекст до 32 768 токенов. Опубликована в формате Safetensors и доступна по лицензии Apache-2.0. Карточка описывает её как тестовую версию и не приводит надёжных оценок качества или подробных ограничений за пределами рекомендаций по настройке диалога.

Kaoeiri/MS-MagpantheonselRP-22B-14.9-Omen — объединённая 22-миллиардная языковая модель семейства Mistral, созданная с помощью mergekit. Согласно карточке, при слиянии применён метод DARE TIES, а базой послужила unsloth/Mistral-Small-Instruct-2409; в состав также вошли модели для ролевых диалогов и творческого письма. Модель предназначена для генерации текста, в частности для ролевых бесед и создания художественных текстов. Она использует плотную архитектуру MistralForCausalLM, работает с текстом и имеет заявленный контекст длиной до 131072 токенов. Модель поддерживает чат и интерфейс вызова инструментов. Метаданные указывают формат safetensors и библиотеку Transformers. Карточка не приводит отдельного перечня поддерживаемых языков или условий лицензии, поэтому их нельзя достоверно уточнить по предоставленным данным. Качество ответов и корректность вызова инструментов могут зависеть от сценария и настроек использования.

zelk12/MT3-Gen5-MU-gemma-2-Av4dG-9B_v1 — слитая текстовая модель на архитектуре Gemma 2, созданная с помощью mergekit методом SLERP из lemon07r/Gemma-2-Ataraxy-v4d-9B и nbeerbower/gemma2-gutenberg-9B. Модель содержит 9 млрд параметров, использует библиотеку Transformers и принимает контекст длиной до 8192 токенов. Модель предназначена для генерации текста в диалоговом формате, включая творческое письмо и создание историй. Она может служить для написания художественных фрагментов и ведения текстовых диалогов. Репозиторий содержит веса в формате safetensors. Сведения о лицензии в предоставленных источниках отсутствуют.

khKim/mytest — разговорная языковая модель семейства Llama с плотной архитектурой и 7,5 млрд параметров. Репозиторий указывает формат Safetensors, библиотеку Transformers и контекст до 8192 токенов. В метаданных отмечен корейский язык и возможность диалога. Модель предназначена для генерации текста и использования в диалоговых сценариях. Сведения о разработчике, базовой модели, обучающих данных и оценке качества в карточке не заполнены, поэтому назначение за пределами генерации текста и чата определить нельзя. Лицензия — Apache-2.0.

NemoMix-Unleashed-12B — объединённая текстовая языковая модель автора MarinaraSpaghetti, созданная с помощью mergekit из предварительно обученных моделей на базе Mistral Nemo. В объединение вошли модели Intervitens, Sao10K, Nbeerbower и Mistral AI; метод слияния — della_linear. Модель содержит 12,1 млрд параметров и опубликована в формате safetensors. Модель предназначена для генерации текста, ролевых диалогов и написания историй. Автор отмечает, что она меньше склонна к повторам, особенно при длинном контексте, и рекомендует использовать формат инструкций Mistral Instruct. Метаданные указывают контекст до 1 024 000 токенов; это не гарантирует одинакового качества на всей длине контекста. Модель доступна по лицензии Apache-2.0. Карточка не приводит результатов сравнительных тестов, поэтому заявленные преимущества по повторяемости следует считать наблюдением автора.

Dohyeon1/OLMoE-HC-SMoE-ngroups48 — генеративная текстовая модель, опубликованная в экосистеме Hugging Face и предназначенная для создания текста и диалогового взаимодействия. Модель поддерживает библиотеку Transformers, имеет около 472,1 млн параметров и нативное контекстное окно до 4096 токенов. В метаданных она отмечена как OLMoE и conversational, однако подробные сведения об архитектуре, обучающих данных, разработчиках и лицензии в карточке отсутствуют. Модель может использоваться для генерации ответов в диалогах, продолжения текста, создания черновиков и встраивания в приложения на базе Transformers. README не содержит результатов оценки, инструкций по применению или описания ограничений, поэтому качество на конкретных языках и задачах необходимо проверять отдельно; возможны фактические ошибки, нежелательные продолжения и нестабильность ответов.

OLMoE-Sub-MoE-ngroups56 — языковая модель для генерации текста, опубликованная пользователем Dohyeon1 на Hugging Face. Модель предназначена для сценариев, где требуется продолжение текста или ведение диалога, и может использоваться через библиотеку Transformers. Модель имеет 472,1 млн параметров, поддерживает контекст до 4096 токенов и относится к семейству OLMoE; в метаданных также указан тег conversational. Она подходит для прототипирования чат-ботов, генерации ответов и экспериментов с архитектурами разреженных экспертных моделей. Разработчик, поддерживаемые естественные языки, лицензия и точная архитектура в доступных материалах не описаны.

bunnycore/Phi-3.5-mini-TitanFusion-0.6 — объединённая языковая модель на архитектуре Phi-3.5, созданная с помощью mergekit методом TIES. В объединение вошли ArliAI/Phi-3.5-mini-3.8B-ArliAI-RPMax-v1.1 и несколько моделей семейства TitanFusion и Phi-3.5-rp-lora_model. Модель предназначена для генерации текста и диалогов, в том числе творческого письма и ролевых сценариев. Она содержит 3,7 млрд параметров, работает через библиотеку Transformers и имеет контекстное окно 4096 токенов. Веса опубликованы в формате safetensors. Модель унаследовала ориентацию базовой RPMax-модели на творческое письмо и ролевые диалоги с разнообразными сценариями. Сведения о лицензии в доступных данных отсутствуют.

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.

Диалоговая языковая модель ihughes15234 объёмом 3,7 млрд параметров, построенная на архитектуре Llama и дообученная на базе ihughes15234/phi35_tictactoe_dpo1epoch_v5. Она предназначена для генерации текста в диалогах; карточка сообщает об использовании Unsloth и библиотеки TRL при обучении. Модель работает с текстовым вводом и выдаёт текст. Для неё указаны английский язык и контекст длиной 4096 токенов. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Карточка не описывает качество, обучающие данные или специальные ограничения модели.

Карточка модели ihughes15234/phi35_tictactoe_dpo6epoch_v2 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.

Это дообученная диалоговая языковая модель на архитектуре Phi-3, созданная yyqoni на основе microsoft/Phi-3-mini-4k-instruct. Модель размером 3,7 млрд параметров предназначена для генерации текста в формате чата и обучена методом PPO с токенно-ориентированными наградами; в карточке указано исследование «Segmenting Text and Learning Their Rewards for Improved RLHF in Language Models». Для работы с текстом она использует контекст до 4096 токенов. Модель может применяться для диалоговой генерации и ответов на текстовые запросы. Она распространяется в формате Safetensors по лицензии MIT. README не приводит оценок качества или подробных результатов, поэтому практические преимущества токенно-ориентированного обучения по этой карточке подтвердить нельзя.

Gonsx/Qwen2.5-0.5B-Instruct-Gensyn-Swarm-mighty_subtle_coral — дообученная компанией Gonsx компактная инструктивная языковая модель на базе unsloth/Qwen2.5-0.5B-Instruct. Она предназначена для диалогов, выполнения инструкций и генерации текста; карточка показывает пример ответа на открытый вопрос. Модель имеет плотную архитектуру Qwen2ForCausalLM, содержит 494 млн параметров и поддерживает контекст до 32 768 токенов. Она обучалась с помощью TRL в рамках Gensyn Swarm с использованием GRPO. Модель подходит для простых разговорных сценариев и генерации ответов, а малый размер облегчает её запуск по сравнению с крупными языковыми моделями. В карточке не приведены результаты оценки качества и конкретный перечень поддерживаемых языков. Репозиторий содержит веса в формате safetensors; лицензия не указана в предоставленных данных.

seeib/Qwen2.5-0.5B-Instruct-Gensyn-Swarm-prehistoric_gregarious_seahorse — дообученная seeib модель на базе unsloth/Qwen2.5-0.5B-Instruct, обученная с использованием TRL. Это плотная авторегрессионная языковая модель семейства Qwen2 с 494 млн параметров, предназначенная для генерации текста и диалогов по инструкциям. Модель поддерживает контекст до 32 768 токенов и запускается через Transformers. Её можно использовать для диалоговых ответов, генерации текста и выполнения инструкций. README не описывает специализированную область применения, языковые возможности или результаты оценки качества. Модель опубликована в формате safetensors; лицензия в предоставленных данных не указана.

Это компактная диалоговая языковая модель Qwen2.5-0.5B-Instruct, дообученная Isaurey с помощью TRL в рамках Gensyn Swarm. Модель построена на архитектуре Qwen2, содержит около 494 млн параметров и предназначена для генерации текста и ответов на инструкции в формате чата. Она принимает текст и выдаёт текст; заявленный контекст — 32 768 токенов. Модель можно использовать для коротких диалогов, ответов на вопросы и генерации текста. Карточка демонстрирует пример запуска через Transformers. Лицензия в предоставленных данных не указана. Небольшой размер модели ограничивает её возможности по сравнению с более крупными языковыми моделями; результаты конкретного дообучения могут зависеть от его данных и настройки.

Qwen2.5-0.5B-Instruct-heretic — модифицированная версия Qwen2.5-0.5B-Instruct, разработанная RACER IS OP на базе модели Qwen от Alibaba. Вариант создан с помощью Heretic методом направленной абляции: поведение отказа подавляется целевым редактированием весов без дообучения, поэтому базовые знания и следование инструкциям в значительной степени сохраняются. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск на CPU, периферийных и встраиваемых устройствах, а также использование там, где важен небольшой размер модели.

jaeyong2/Qwen2.5-0.5B-Instruct-Ja-SFT — дообученная модель семейства Qwen2.5, созданная на основе Qwen/Qwen2.5-0.5B-Instruct. Она предназначена для генерации текста и диалогов на японском и английском языках; в метаданных также указаны возможности чата и интерфейс вызова инструментов. Модель использует плотную архитектуру Qwen2ForCausalLM, содержит 494 млн параметров и поддерживает контекст до 32 768 токенов. Веса доступны в формате safetensors. README приводит результаты оценки дообученной модели: 0,4614 на MMLU и 0,3176 по среднему показателю llm-jp-eval. Эти результаты немного выше значений исходной Qwen2.5-0.5B-Instruct в указанных сравнениях, но README не описывает набор данных дообучения и подробности оценки. Модель распространяется по лицензии Apache-2.0.

Карточка модели jeffmeloy/Qwen2.5-7B-nerd-uncensored-v0.9 на Hugging Face совпадает с карточкой jeffmeloy/Qwen2.5-7B-nerd-uncensored-v1.0, поэтому описание составлено по ней. Это англоязычная разговорная модель генерации текста на базе Qwen2.5-7B, созданная jeffmeloy методом композиционного объединения слоёв моделей Qwen2.5. Для каждого слоя выбирался вариант с наибольшим Normalized Effective Rank (NER), оценивающим использование размерностей весовой матрицы. В карточке указано, что модель рассчитана на uncensored-диалоги и генерацию текста; размер составляет 7,1 млрд параметров, архитектура — плотная Qwen2ForCausalLM, формат весов — safetensors, контекст — до 131072 токенов. Модель подходит для диалоговых сценариев и свободной генерации текста на английском языке. Метаданные также отмечают интерфейс вызова инструментов, однако не описывают его поведение или качество. Модель распространяется по лицензии Apache-2.0. Карточка описывает способ выбора и объединения слоёв, но не приводит сравнительных оценок качества или подробностей тестирования.

Bioaligned/Qwen3-30B-A3B-CoupledWelfare-shallow — слитая версия Qwen3-30B-A3B-Instruct-2507, дообученная командой Bioaligned методом continued pretraining. Это диалоговая MoE-модель для генерации текста с 2,6 млрд параметров и контекстом до 262 144 токенов; в метаданных указана библиотека Transformers. Дообучение формирует установку на решения, учитывающие благополучие людей, биосферы и сохранение возможностей самой модели, опираясь на представление о взаимозависимости этих систем. Модель предназначена для диалогов и генерации ответов в сценариях, где важно рассматривать последствия решений для людей и окружающей среды. В карточке указано, что обучение выполнено методом continued pretraining, без RLHF и DPO; подробности рецепта обучения и его ограничения вынесены в карточку адаптера. Весами можно пользоваться как слитой версией, а для применения к исходной базовой модели авторы рекомендуют отдельный LoRA-адаптер. Лицензия — Apache-2.0.