I.7Речь, диалоги и встречи

Qwen3.5-27B-ultra-uncensored-heretic-v1-GGUF — это набор GGUF-квантизаций модели llmfan46/Qwen3.5-27B-ultra-uncensored-heretic-v1, разработанной независимым автором llmfan46. Модель создана на основе Qwen/Qwen3.5-27B и представляет собой её декензурированную версию, полученную с помощью Heretic v1.2.0, Magnitude-Preserving Orthogonal Ablation (MPOA) и Self-Organizing Map Abliteration (SOMA). В метаданных указана модальность image-text-to-text, однако подробные сведения о поддерживаемых языках, длине контекста и точной архитектуре отсутствуют. Модель предназначена для генерации текста и диалоговых сценариев, где требуется существенно меньше отказов, возражений, морализаторства и других ограничений ответа. По заявленным результатам, доля отказов снизилась с 95 до 3 из 100 при KL-дивергенции 0,0301 относительно исходной модели. При этом на тесте PIQA показатели практически сохранились: accuracy снизилась с 0,8128 до 0,8058, а нормализованная accuracy — с 0,8199 до 0,8161. Это указывает на сохранение значительной части исходных способностей, хотя результаты относятся к ограниченному набору оценок. В ходе абляции изменялись компоненты внимания и MLP, включая attn.out_proj, attn.o_proj и mlp.down_proj. Основное преимущество модели — более свободная генерация с меньшим числом отказов; ограничение — возможное отсутствие встроенных защитных механизмов, поэтому качество и безопасность ответов требуют самостоятельной проверки. Лицензия в README не указана.

luisastellet/qwen-metaphor — текстовая генеративная модель на базе семейства Qwen3, опубликованная на Hugging Face. Модель предназначена для генерации текста и поддерживает conversational-сценарии, в которых пользовательский запрос и ответ модели обрабатываются как диалог. Модель содержит около 507,9 млн параметров и рассчитана на контекст до 40 960 токенов. Для работы используется библиотека Transformers, а веса хранятся в формате Safetensors. Назначение модели связано с генерацией продолжений текста, ответов и других текстовых последовательностей. README не содержит сведений о разработчике, лицензии, языках, данных обучения, результатах оценки или специальных областях применения. Поэтому качество, фактическую надёжность и пригодность для конкретных задач следует проверять отдельно; модель не следует использовать без дополнительной валидации для критически важных решений.

REBEL-Llama-3-Armo-iter_3 — диалоговая языковая модель, разработанная Cornell-AGI для исследования метода REBEL (Reinforcement Learning via Regressing Relative Rewards). Она основана на Meta-Llama-3-8B-Instruct и дообучена на UltraFeedback с использованием ArmoRM-Llama3-8B-v0.1 в качестве модели вознаграждения. При подготовке данных для обучения выбирались лучшие и худшие ответы из пяти вариантов генерации для каждого примера. Модель предназначена для генерации ответов ассистента и диалогового текста на английском языке. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM, 7,5 млрд параметров и контекстом до 8192 токенов; она опубликована в формате safetensors и поддерживает chat. README связывает выпуск с научной статьёй о REBEL и приводит оценки родственных моделей семейства, но не указывает результаты именно для итерации 3. Лицензия — Apache-2.0. Модель унаследует языковые и качественные ограничения базовой Llama 3 и может генерировать фактически неверные или нежелательные ответы; отдельные оценки этой итерации в карточке не приведены.

Roci-Maxx — объединение предварительно обученных языковых моделей, созданное сообществом mergekit с помощью метода SLERP. В него вошли ArliAI/Mistral-Nemo-12B-ArliAI-RPMax-v1.1 и TheDrummer/Rocinante-12B-v1.1; архитектура — плотная MistralForCausalLM, библиотека Transformers, формат весов safetensors, размер по метаданным — 9,8 млрд параметров. Модель предназначена для генерации текста в диалоговом формате и творческого письма, включая ролевые сцены и приключенческие истории. Модель принимает текстовые запросы и выдаёт текст. В метаданных указан контекст до 1 024 000 токенов, однако эта величина описывает заявленное нативное окно и не гарантирует одинаковое качество на всей длине. Для применения доступны интерфейсы чата и вызова инструментов. README и метаданные не сообщают лицензию; сведения о языках также отсутствуют.

duyntnet/Sailor-14B-Chat-imatrix-GGUF — набор GGUF-квантизаций чат-модели Sailor-14B-Chat, разработанной Sea AI Lab. Модель предназначена для генерации текста и диалоговых сценариев, включая ответы на вопросы, написание и преобразование текста на языках Юго-Восточной Азии. Sailor ориентирована прежде всего на индонезийский, тайский, вьетнамский, малайский и лаосский языки, а также поддерживает английский и китайский. В карточке указано, что исходная модель имеет размер 14B параметров; конкретные характеристики архитектуры, длина контекста и варианты квантизации для этого репозитория не приведены. Формат GGUF и применение imatrix предназначены для локального запуска с использованием совместимого программного обеспечения. Сильная сторона модели — специализация на языках и лингвистических сценариях региона Юго-Восточной Азии при сохранении многоязычной направленности. Ограничения связаны с отсутствием подробных данных о качестве, бенчмарках, требованиях к ресурсам и точных параметрах квантизаций. Лицензия указана как other, без дополнительных условий в предоставленном README.

Карточка модели sail/Sailor2-1B на Hugging Face совпадает с карточкой sail/Sailor2-1B-Chat, поэтому описание составлено по ней. Sailor2-1B-Chat — чат-модель сообщества Sailor2 для генерации текста на языках Юго-Восточной Азии и других языках региона. Она основана на Sailor2-1B, дообученной версии Qwen2.5, и использует плотную архитектуру Qwen2. Объём модели составляет 851,8 млн параметров, формат весов — safetensors, длина контекста — 4096 токенов. Модель предназначена для диалогов и выполнения инструкций, включая специализированные сценарии и использование в спекулятивном декодировании. В проекте Sailor2 модели непрерывно предварительно обучались на 500 млрд токенов для поддержки 15 языков: английского, китайского, бирманского, себуанского, илоканского, индонезийского, яванского, кхмерского, лаосского, малайского, сунданского, тагальского, тайского, вьетнамского и варайского. Компактный размер упрощает применение при ограниченных вычислительных ресурсах, но возможностей модели может быть недостаточно для сложных задач по сравнению с более крупными вариантами Sailor2. Модель выпущена под лицензией Apache 2.0. Для загрузки автор рекомендует Transformers версии 4.46.3.

Карточка модели elevateecho/sn120-17f4191af0eb на Hugging Face совпадает с карточкой unconst/Affine-5czsc2fc98-r479-offline-dpo-hialpha-longctx-extrasteps-merged, поэтому описание составлено по ней. Affine-5czsc2fc98-r479-offline-dpo-hialpha-longctx-extrasteps-merged — слитый чекпойнт на основе kevin954/Affine-5dfqbbh8ev-sft, подготовленный разработчиком для диалоговой генерации текста. В метаданных указаны семейство Qwen 3.5 MoE, архитектурный класс Qwen3_5MoeForConditionalGeneration и формат safetensors; библиотека для работы с моделью — Transformers. Карточка называет модель промежуточным результатом salvage-сборки и сообщает, что она не предназначена для отправки до прохождения внутреннего этапа проверки. Подтверждений для заявлений о длине контекста, языках, качестве или конкретных сценариях DPO в доступных данных нет. Лицензия в предоставленных сведениях не указана.

Step-3.7-Flash-UD-Q4_K_XL-layers — пакет GGUF-слоёв от Mesh LLM для распределённого запуска модели Step-3.7-Flash-UD-Q4_K_XL на локальном кластере Mesh LLM. Он разделяет исходное распределение GGUF на артефакты по слоям, чтобы несколько машин могли совместно выполнять инференс, когда модель целиком не помещается на одном узле. Модель предназначена для приватного локального чата и работы через совместимый с OpenAI API интерфейс Mesh LLM. Пакет основан на unsloth/Step-3.7-Flash-GGUF, использует формат GGUF и вариант квантования UD-Q4_K_XL. Данные о размере модели, контексте и поддерживаемых языках в предоставленных материалах отсутствуют. README отсылает к исходной карточке за сведениями об архитектуре, лицензии и рекомендациях по настройке; условия лицензии здесь не приведены.

Synch-Qwen1.5-1.8B — экспериментальная разговорная языковая модель, созданная слиянием весов методом TIES. В слиянии использованы Qwen/Qwen1.5-1.8B как базовая модель и aloobun/Reyna-Mini-1.8B-v0.1 и v0.2; README указывает, что сливались только веса эмбеддингов. Архитектура — плотная Qwen2ForCausalLM, размер — 1,5 млрд параметров, формат файлов — safetensors, библиотека — Transformers, контекст — до 32 768 токенов. Модель предназначена для генерации текста в диалоговых сценариях. Карточка не приводит сведения о языках и специальных предметных областях. Лицензия указана как other, поэтому условия использования следует сверять с лицензией и файлами репозитория.

Карточка модели SuLLMerica/TeleQnA-Phi2-Phinetune 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.

TinyDolphin-2.8.1-1.1b — компактная языковая модель QuixiAI, дообученная Kearm на базе TinyLlama 1.1B с использованием датасета Dolphin 2.8 Эрика Хартфорда. Это плотная авторегрессионная модель семейства Llama с 1 млрд параметров и контекстом 4096 токенов; веса доступны в форматах PyTorch и Safetensors. Модель предназначена для генерации текста и диалоговых сценариев. При небольшом размере она рассчитана на запуск при ограниченных вычислительных ресурсах; в обучении использовались SlimPajama-627B, StarCoderData и OpenHermes. Карточка сообщает об увеличении числа эпох и уточнении обучающих данных по сравнению с предыдущей версией, но примеры ответов и собственные результаты оценки не приведены. Лицензия — Apache-2.0. Контекст ограничен 4096 токенами, а небольшой размер модели может ограничивать качество сложных рассуждений и точность ответов; результаты для этой версии в карточке не представлены.

Модель ondevicellm/tinyllama_moe_sft_ultrachat200k_v2_epochs3 — диалоговая модель генерации текста, разработанная как дообучение ondevicellm/tinyllama_moe на наборе HuggingFaceH4/ultrachat_200k. В карточке указаны архитектура Mixtral с разреженной экспертной архитектурой MoE, около 1 млрд параметров и контекст до 2048 токенов. Модель предназначена для генерации ответов в диалоге и других текстовых сценариев, где требуется продолжать беседу. Для файлов указаны формат safetensors и лицензия Apache-2.0. В README приведено значение loss 1.1178 на оценочном наборе, но подробных сведений о качестве, предполагаемых сценариях и ограничениях нет.

TinyMistral-248M-v2.5-Instruct-GGUF — квантизированная версия инструкционной языковой модели Locutusque/TinyMistral-248M-v2.5-Instruct, подготовленная MaziyarPanahi в формате GGUF. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск через llama.cpp и совместимые приложения и библиотеки. Указанный размер составляет 248 млн параметров; модель относится к семейству Mistral и работает с текстовой модальностью. В метаданных заявлена поддержка английского языка. Репозиторий содержит варианты квантизации от 2 до 8 бит, что позволяет выбирать компромисс между размером файлов, требованиями к памяти и качеством генерации. Формат GGUF поддерживается llama.cpp, text-generation-webui, LM Studio, GPT4All, KoboldCpp, llama-cpp-python и другими совместимыми инструментами. Небольшой размер делает модель подходящей для ресурсоограниченных устройств и локального инференса, однако он также может ограничивать качество, глубину рассуждений и универсальность по сравнению с более крупными моделями. README не содержит сведений о размере контекстного окна, точной архитектуре, результатах тестирования или гарантированном качестве для химических, биологических и программных задач. Модель распространяется по лицензии Apache-2.0. В качестве исходной модели указана Locutusque/TinyMistral-248M-v2.5-Instruct; в метаданных также упомянуты датасеты Locutusque/hercules-v1.0 и Open-Orca/SlimOrca-Dedup, но подробности обучения не приведены.

TinyMixtral v3.0 — разреженная языковая модель с архитектурой Mixture of Experts от mikecovlee. Модель обучена с нуля на 8,05 млрд токенов; в ней около 477,5 млн параметров всего и 276 млн активных. Используется маршрутизация top-2 из четырёх экспертов, 16 слоёв и Grouped Query Attention. Репозиторий содержит веса Safetensors для Transformers, а контекст модели составляет 2048 токенов. Модель предназначена для генерации текста и диалоговых сценариев. В обучающую смесь вошли веб-тексты, образовательные и синтетические данные, код и Википедия; в README приведены результаты тестирования на наборах задач общего рассуждения. Результаты ниже некоторых более крупных моделей, обученных на существенно большем числе токенов, а среди отмеченных слабых мест — ARC-Challenge. Лицензия — MIT.

TLive-Omni-4B — мультимодальная модель понимания для прямых трансляций электронной торговли, разработанная командой TaoLiveAIGC. Она объединяет изображения, видео, аудио и текст и формирует ответы в виде текста. Модель предназначена для анализа трансляций и диалога по их содержимому; заявлены распознавание речи, анализ говорящих, привязка объектов и текста к изображению, временная привязка событий, подробное описание видео и мультимодальные ответы на вопросы. В основе модели лежит Qwen3.5, дополненный аудиоэнкодером AuT и лёгким MLP-выравнивателем. Для видео с аудио временные фрагменты организуются в сетки с метками времени, чтобы сохранять связь между звуковыми и визуальными сегментами. README заявляет контекст до 256 тысяч токенов и обучение в три этапа SFT с последующей донастройкой Faithful-RFT. Модель доступна в формате safetensors и использует библиотеку Transformers. Модель рассчитана на сценарии live commerce, но также заявлена способность обобщать на общие задачи понимания изображений и видео. Для запуска README указывает Python 3.10, Linux x86_64, CUDA 12.8 и PyTorch 2.10.0; готовая сборка предназначена для NVIDIA H20. Лицензия репозитория — Apache-2.0. Ограничения по качеству не приведены; описанная конфигурация запуска привязана к указанному программному окружению и оборудованию.

Tora-12B — текстовая чат-модель на архитектуре Mistral, опубликованная ryota39. Она создана методом ChatVector на основе cyberagent/Mistral-Nemo-Japanese-Instruct-2408 и разницы между dolphin-2.9.3-mistral-nemo-12b и Mistral-Nemo-Base-2407. Модель содержит 12,1 млрд параметров и распространяется в формате Safetensors; в метаданных указан контекст 1 024 000 токенов. Модель предназначена для диалоговой генерации текста на японском языке. В README приведены результаты оценки на Open Japanese LLM Leaderboard, включая показатели для задач понимания языка, вопросов и ответов, чтения и других категорий. Модель выпущена под лицензией Apache-2.0.

Карточка модели ajinkyataranekar/trustworthy-ai-sft-template на Hugging Face совпадает с карточкой ajinkyataranekar/trustworthy-ai-sft-constitution, поэтому описание составлено по ней. Модель ajinkyataranekar/trustworthy-ai-sft-constitution разработана AjinkyaTaranekar как дообученная версия языковой модели unsloth/Qwen3-0.6B. Это плотная авторегрессионная модель семейства Qwen3 с примерно 508 млн параметров, предназначенная для генерации текста и диалогового взаимодействия. Для обучения использовались Unsloth и библиотека TRL.

Tunguska-39B-v1 — текстовая языковая модель на архитектуре Mistral, созданная TheDrummer как дообучение увеличенной версии Mistral Small 22B. Модель предназначена для генерации текста в формате чата и ролевых диалогов; в карточке рекомендован шаблон Metharme (Pygmalion в SillyTavern) и приведён предпочитаемый формат ролевого текста от первого лица. Модель содержит 38,8 млрд параметров, использует формат safetensors и имеет контекстное окно 131 072 токена. Метаданные каталога также отмечают интерфейс для вызова инструментов. В README указано, что тестировщики чаще рекомендуют версию Skyfall, поэтому предпочтения могут зависеть от сценария использования. Лицензия в предоставленных данных не указана.

TwinLlama-3.2-1B-DPO — текстовая генеративная модель, разработанная jessemeng и дообученная на базе jessemeng/TwinLlama-3.2-1B. Она предназначена для генерации текста и диалогового общения; карточка указывает на обучение с использованием Unsloth и библиотеки TRL, а тег DPO отмечает метод обучения предпочтениям. Модель использует плотную архитектуру LlamaForCausalLM и содержит около 1,2 млрд параметров. Она работает с текстом на английском языке, поддерживает контекст до 131 072 токенов и распространяется в формате safetensors по лицензии Apache-2.0. Ограниченная ёмкость модели может сказываться на качестве сложных рассуждений и ответов.

Umbra-v2.1-MoE-4x10.7 — экспериментальная чат-модель серии Umbra от SteelStorage, созданная как универсальный помощник с акцентом на рассказывание историй и ролевые диалоги, включая ERP. Она построена на архитектуре Mixtral с разреженной смесью экспертов (MoE); в метаданных указано 10,6 млрд параметров. Модель принимает текст и генерирует текст в формате диалога. Автор указывает базовый контекст 8 тысяч токенов со скользящим окном, тогда как метаданные Hugging Face сообщают нативный контекст 32 768 токенов. Версия 2.1 меняет модели и промпты по сравнению с предыдущей версией; автор характеризует её как экспериментальную и не гарантирует превосходство над предшественниками. Репозиторий использует формат Safetensors и лицензию Apache-2.0.

SaketR1/uncertainty-sft-correct-ambiguous-mixed-clear — дообученная компанией SaketR1 мультимодальная модель семейства Qwen3.5 с 2 млрд параметров, основанная на Qwen/Qwen3.5-2B. Обучение выполнено с помощью TRL; в метаданных указаны архитектура Qwen3_5ForConditionalGeneration и формат safetensors. Модель предназначена для диалогов с текстом и изображениями. Название и README указывают на настройку для работы с неоднозначностью и неопределённостью, однако карточка не описывает обучающие данные, конкретные методы или подтверждённые показатели качества. Метаданные Hugging Face указывают задачу image-text-to-text и возможности chat и vision. Лицензия в предоставленных данных не указана.

infCapital/viet-llama2-ft — языковая модель семейства LLaMA 2, разработанная infCapital на основе чат-модели LLaMA 2 с 7 млрд параметров. В карточке указано расширение словаря до 44 800 токенов для работы с вьетнамским языком. По метаданным это плотная авторегрессионная архитектура LlamaForCausalLM в формате PyTorch; размер составляет 6,7 млрд параметров, контекст — 4096 токенов. Модель прошла продолженное предварительное обучение на 2 млрд вьетнамских токенов из новостного корпуса VnNews, книг vnthuquan и вьетнамской Википедии, а затем дообучение на датасете infCapital/viet-llama2-ft-tiny и других наборах инструкций, переведённых на вьетнамский язык. Она предназначена для генерации текста и диалоговых ответов на вьетнамском языке. Лицензия в предоставленных данных не указана.

jonatasgrosman/wav2vec2-large-xlsr-53-japanese — модель автоматического распознавания японской речи, созданная Jonatas Grosman дообучением facebook/wav2vec2-large-xlsr-53. Это архитектура Wav2Vec2 с CTC-головой, содержащая 405,1 млн параметров. Модель принимает аудио и выдаёт распознанный текст; для входной речи требуется частота дискретизации 16 кГц. Модель обучена на обучающей и валидационной выборках Common Voice 6.1, а также на CSS10 и JSUT. В README приведена оценка на тестовых данных Common Voice: WER 81,80% и CER 20,16%; автор отмечает, что результаты могут различаться из-за особенностей используемых скриптов оценки. Модель предназначена для распознавания японской речи, но приведённые метрики указывают на существенные ошибки распознавания. Распространяется по лицензии Apache-2.0.

Whisper-ml-v1 — модель распознавания речи на малаялам, созданная дообучением openai/whisper-small на выборке IndicVoices. Она предназначена для транскрибирования коротких аудиозаписей длительностью примерно до 30 секунд; модель построена на архитектуре Whisper и распространяется в формате safetensors для библиотеки Transformers. Результат работы — текстовая расшифровка речи на малаялам. Модель подходит для транскрибирования коротких голосовых записей и аудиофрагментов на малаялам. Точность зависит от акцента, фонового шума и сходства тематики записи с данными IndicVoices. Лицензия — Apache-2.0.

Yeet 51b 200k — языковая модель MarsupialAI для генерации текста, созданная слиянием в rotating-stack конфигурации трёх дообученных моделей Yi-34B-200K. В репозитории указана архитектура LlamaForCausalLM; метаданные сообщают о 50,7 млрд параметров и контексте до 200 000 токенов. Модель предназначена для диалогов, ролевых игр и написания историй, в том числе с длинным контекстом. Автор сообщает о качестве, сопоставимом со многими моделями на 70 млрд параметров в этих сценариях, но это субъективная оценка. Модель работает с форматом подсказок Alpaca; автор отмечает, что другие форматы могут работать в некоторой степени. Для GGUF Q4_K_S заявлена возможность запуска на двух GPU с 24 ГБ памяти каждый при контексте 32 000 токенов. Ограничение — низкая скорость генерации, особенно при длинном контексте. Модель не предназначена специально для NSFW, но может создавать нежелательный контент; её фактическим утверждениям не следует доверять без проверки. В карточке указана лицензия `other`, конкретные условия использования не описаны.

ShenaoZ/0.01_ablation_5iters_bs256_nodpo_iter_3 — дообученная разговорная модель для генерации текста, созданная на основе ShenaoZ/0.01_ablation_5iters_bs256_nodpo_iter_2. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров; контекстное окно — до 32 768 токенов. Модель дообучена на обновлённом и исходном наборах данных, однако их содержание и цель эксперимента в карточке не раскрыты. Модель предназначена для диалоговой генерации текста. Карточка не приводит результатов оценки, специальных сценариев применения или ограничений качества. Репозиторий распространяется по лицензии MIT.

07062024-c1 — модель генерации текста на архитектуре Llama с 7,5 млрд параметров, созданная meseca на основе Hastagaras/Jamet-8B-L3-MK.V-Blackroot. Карточка описывает её как результат объединения через LazyMergekit с методом passthrough и точностью float16; базовая модель в конфигурации охватывает слои 0–32. Модель предназначена для генерации текста и чата. Базовая модель рассчитана на ролевые диалоги и создание историй; контекст составляет 8192 токена. Репозиторий содержит веса в формате safetensors. Сведения о лицензии и специальных ограничениях применения в карточке отсутствуют.

Карточка модели unconst/Affine-5czsc2fc98-r212-merged на Hugging Face совпадает с карточкой unconst/Affine-5czsc2fc98-r479-offline-dpo-hialpha-longctx-extrasteps-merged, поэтому описание составлено по ней. Affine-5czsc2fc98-r479-offline-dpo-hialpha-longctx-extrasteps-merged — слитый чекпойнт на основе kevin954/Affine-5dfqbbh8ev-sft, подготовленный разработчиком для диалоговой генерации текста. В метаданных указаны семейство Qwen 3.5 MoE, архитектурный класс Qwen3_5MoeForConditionalGeneration и формат safetensors; библиотека для работы с моделью — Transformers. Карточка называет модель промежуточным результатом salvage-сборки и сообщает, что она не предназначена для отправки до прохождения внутреннего этапа проверки. Подтверждений для заявлений о длине контекста, языках, качестве или конкретных сценариях DPO в доступных данных нет. Лицензия в предоставленных сведениях не указана.

Карточка модели unconst/Affine-5czsc2fc98-r213-merged на Hugging Face совпадает с карточкой unconst/Affine-5czsc2fc98-r479-offline-dpo-hialpha-longctx-extrasteps-merged, поэтому описание составлено по ней. Affine-5czsc2fc98-r479-offline-dpo-hialpha-longctx-extrasteps-merged — слитый чекпойнт на основе kevin954/Affine-5dfqbbh8ev-sft, подготовленный разработчиком для диалоговой генерации текста. В метаданных указаны семейство Qwen 3.5 MoE, архитектурный класс Qwen3_5MoeForConditionalGeneration и формат safetensors; библиотека для работы с моделью — Transformers. Карточка называет модель промежуточным результатом salvage-сборки и сообщает, что она не предназначена для отправки до прохождения внутреннего этапа проверки. Подтверждений для заявлений о длине контекста, языках, качестве или конкретных сценариях DPO в доступных данных нет. Лицензия в предоставленных сведениях не указана.

Карточка модели unconst/Affine-5czsc2fc98-r229-online-dpo-merged на Hugging Face совпадает с карточкой unconst/Affine-5czsc2fc98-r479-offline-dpo-hialpha-longctx-extrasteps-merged, поэтому описание составлено по ней. Affine-5czsc2fc98-r479-offline-dpo-hialpha-longctx-extrasteps-merged — слитый чекпойнт на основе kevin954/Affine-5dfqbbh8ev-sft, подготовленный разработчиком для диалоговой генерации текста. В метаданных указаны семейство Qwen 3.5 MoE, архитектурный класс Qwen3_5MoeForConditionalGeneration и формат safetensors; библиотека для работы с моделью — Transformers. Карточка называет модель промежуточным результатом salvage-сборки и сообщает, что она не предназначена для отправки до прохождения внутреннего этапа проверки. Подтверждений для заявлений о длине контекста, языках, качестве или конкретных сценариях DPO в доступных данных нет. Лицензия в предоставленных сведениях не указана.