I.7Речь, диалоги и встречи

Карточка модели unconst/Affine-5czsc2fc98-r517-offline-dpo-hialpha-midrank-lobeta-longctx-ultraextrasteps-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.

AfriGuardPlain-tiny-aya-earth-full — языковая модель CohereLabs/tiny-aya-earth, дообученная adzcai полным SFT на наборе adzcai/AfriGuard-plain. Это вариант AfriGuard без системной инструкции по безопасности: обучающие примеры содержат запрос пользователя и обычный ответ. Модель предназначена для генерации диалоговых ответов и связанных с безопасностью сценариев на африканских языках. Модель имеет плотную архитектуру Cohere2ForCausalLM, 3,3 млрд параметров и контекст до 8192 токенов; файлы опубликованы в формате safetensors для Transformers. Метаданные указывают поддержку английского и ряда африканских языков, включая амхарский, хауса, игбо, оромо, шона, суахили, тви, волоф, йоруба и зулу. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но не коммерческое применение. Поскольку вариант обучен без safety-инструкции, его ответы не следует считать гарантированно безопасными.

arb-arab-100mb-after-ppt-Dp-10mb-ckpt500_seed3407 — дообученная модель семейства GPT-2 от fpadovani для генерации текста. Согласно карточке, модель получена дообучением fpadovani/arb-arab-100mb-ppt-Dp-10mb_seed3407 с использованием TRL; архитектура — плотная GPT-2 с классом GPT2LMHeadModel, веса представлены в safetensors. Она предназначена для продолжения текста и генерации ответов на запросы; пример в карточке показывает ответ на вопрос в формате диалога. Модель принимает текст и выдаёт текст. Контекст ограничен 512 токенами. В метаданных и карточке не описана специализация по языку или предметной области. Лицензия в предоставленных данных не указана.

Baize-v2-7B — чат-модель на основе LLaMA, разработанная проектом Baize. Это контрольная точка размером около 6,6 млрд параметров, дообученная с помощью LoRA и объединённая с LLaMA для готового к использованию запуска. Обучение включало supervised fine-tuning и самодистилляцию с обратной связью. Модель предназначена для диалогов и генерации ответов в формате Baize: сообщения пользователя и модели должны быть помечены токенами [|Human|] и [|AI|]. Для запуска авторы рекомендуют использовать демо Baize или FastChat. Контекст составляет 2048 токенов; файлы представлены в формате PyTorch. Карточка не приводит результатов оценки качества и не перечисляет поддерживаемые языки, поэтому нельзя определить её точность для конкретных задач или языков. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Bonsai-1.7B-mlx-1bit — 1,7-миллиардная языковая модель семейства Qwen3 от Prism ML, подготовленная для генерации текста и диалогов на устройствах Apple. Это плотная decoder-only Transformer-модель с 28 блоками, GQA, SwiGLU, RoPE и RMSNorm; базовая версия указана как prism-ml/Bonsai-1.7B-unpacked. Контекст составляет 32 768 токенов. Веса квантизированы до 1 бита с группами по 128 значений и масштабными коэффициентами FP16; формат MLX занимает около 0,27 ГБ для параметров. Модель рассчитана на локальный запуск на Apple Silicon, включая Mac, iPhone и iPad, через MLX и совместимые ядра Prism ML. В README приводятся результаты скорости на M4 Pro и iPhone 17 Pro Max, но они зависят от устройства и используемого backend. Модель распространяется по лицензии Apache-2.0. Для запуска требуются MLX-совместимый backend и поддержка 1-битных ядер; upstream-поддержка в README обозначена как ожидающая. Квантизация существенно сокращает память, однако README не приводит сравнительной оценки качества относительно полной точности; поддерживаемые языки также не уточнены.

Bonsai 2 27B GSQ + RCO — экспериментальная версия Bonsai 2 27B, подготовленная ProCreations. Это слияние моделей в формате GGUF с доминирующим форматом квантования Prism PTQ1_0: для весов применено тернарное квантование GSQ, а RCO распределяет ограниченный бюджет хранения между матрицами. По карточке, файл занимает около 6,496 ГБ. Модель предназначена для генерации текста и диалогового использования. В сравнении с исходной квантованной Bonsai эта версия показала на 5,84% меньшую perplexity на WikiText-2. Изменения точности на четырёх задачах были небольшими и смешанными; доверительные интервалы включали ноль. Эти результаты не подтверждают общего улучшения качества и не означают эквивалентности исходной BF16-модели. Для запуска требуется совместимая версия форка llama.cpp, поддерживающая PTQ1_0 и метаданные вращений; обычная сборка llama.cpp не гарантируется. Лицензия — Apache-2.0.

ConvTasNet_WHAMR_enhsingle_16k — модель разделения и улучшения аудио, дообученная М. Каном Келесом на варианте WHAMR! с речью из аудиокниг и искусственно добавленной реверберацией. Она обучалась для задачи enh_single и предназначена для очистки одиночной речевой записи, в том числе с реверберацией. Модель использует архитектуру ConvTasNet и библиотеку Asteroid; веса представлены в формате PyTorch. В карточке приведены метрики качества на тестировании, включая SI-SDR 12,98 и STOI 0,92. Модель распространяется по лицензии CC BY-SA 4.0. Параметры и ограничения применения за пределами описанного сценария в карточке не уточнены.

Core 24B V.1 — слитая языковая модель автора OddTheGreat на архитектуре Mistral для диалогов и генерации текста по инструкциям. Она объединяет Gryphe/Pantheon-RP-1.8-24b-Small-3.1, OddTheGreat/Apparatus_24B и Mistral Small 3.1 Instruct 24B; размер составляет 23,4 млрд параметров, контекст — 32 768 токенов. Модель принимает текст и не поддерживает зрительные входы. Модель предназначена для ролевых диалогов, повествования и творческой генерации, а также для следования инструкциям. Автор отмечает стабильность диалогов, выразительную манеру общения и сохранение качества на русском языке, в том числе на русскоязычных и частично переведённых карточках персонажей. Поддерживаются английский и русский языки. Автор проверил модель на 250 ответах, но сравнительных результатов не приводит. По наблюдению автора, включение Qvink Memory может заметно укорачивать ответы. Модель распространяется в формате safetensors; лицензия в предоставленных данных не указана.

Cybil-13B — языковая модель от Envoid, созданная слиянием SLERP нескольких моделей семейства Llama 2: Llama-2-13b-chat, BerrySauce-L2-13b, MLewd-L2-13B-v2-3, MythoMax-L2-13b и экспериментальной модели автора. Это плотная авторегрессионная модель на 12,9 млрд параметров для генерации текста; она предназначена для ролевого общения, письма и других общих задач, включая создание простых скриптов на Python. Модель принимает форматы SillyTavern Libra-32B и Alpaca Instruct. Контекст составляет 4096 токенов. В README отмечена склонность модели выдавать контент для взрослых. Из-за слияния нескольких моделей и экспериментального компонента её поведение может быть неоднородным; иногда модель отказывает в ответе. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование.

Edentns/DataVortexS-10.7B-dpo-v1.12 — разговорная языковая модель на архитектуре Llama, дообученная на базе megastudy/M-SOLAR-10.7B-v1.3. Она предназначена для генерации ответов в диалоге и работы в формате инструкций Alpaca Chat. В карточке приведены результаты оценки на корейских тестах и Ko-LLM-Leaderboard. Модель содержит 10,6 млрд параметров, использует формат safetensors и поддерживает контекст длиной до 4096 токенов. Основной указанный язык — корейский. Лицензия CC BY-NC-SA 4.0 разрешает использование на её условиях, включая ограничения на коммерческое применение и требования к распространению производных материалов.

mmnga создал экспериментальную производную DeepSeek-V3 для японского текста: в каждом слое MoE оставлены 64 эксперта, выбранные по частоте активации при генерации японских примеров. Такое сокращение состава экспертов задумано для баланса стабильности и качества японского вывода; автор сообщает, что варианты с 16 и 32 экспертами работали неудовлетворительно или нестабильно. Модель предназначена для генерации текста и диалоговых сценариев на японском языке; метаданные также указывают интерфейс вызова инструментов. Архитектура — DeepSeek-V3, формат весов safetensors, заявленный размер — 37,6 млрд параметров, контекст — до 163 840 токенов. Модель основана на deepseek-ai/DeepSeek-V3 и использует ту же лицензию DeepSeek-V3; перед применением следует ознакомиться с её условиями.

Blizado/discolm-mfto-7b-german-v0.1 — экспериментальная слитая языковая модель, созданная автором карточки с помощью mergekit и метода SLERP. Она объединяет OpenPipe/mistral-ft-optimized-1227 и DiscoResearch/DiscoLM_German_7b_v1; в конфигурации базовой указана первая модель. Модель построена на архитектуре MistralForCausalLM, содержит 7,1 млрд параметров, принимает текст и генерирует текст с контекстом до 32 768 токенов. Модель предназначена прежде всего для генерации на немецком языке и ролевых диалогов; карточка также отмечает английский. Слияние задумывалось для сочетания беглости и грамматичности немецкой генерации двух исходных моделей, но автор называет результат экспериментальным и не приводит оценки качества. Репозиторий распространяет веса в формате safetensors. Лицензия в предоставленных данных не указана.

DuplexJev-B-Para-Whisper-small-Falcon-H1-1.5B — аудиоязыковой коннектор для коротких решений по речи и определения паралингвистических признаков. В модели замороженный энкодер Whisper-small передаёт аудиопризнаки замороженной Falcon-H1-1.5B-Instruct через обучаемый проектор SwiGLU с укладкой кадров; обучаемая часть содержит 29,4 млн параметров. Для типизированного вопроса модель оценивает варианты ответа распределением по одному токену, без генерации последовательности. Модель предназначена для коротких вопросов по аудиоклипам, включая речевые вопросы-ответы, классификацию эмоций и определение характеристик голоса. В README приведены результаты на небольших тестах устной речи, а также измерения задержки: модель может быть медленной на CPU без специальных Mamba-ядер и требует отдельной строки для каждого вопроса. Поддерживаются китайский и английский языки согласно метаданным. Ограничения включают оценку преимущественно на прочитанной или сыгранной речи, небольшие тестовые наборы и отсутствие оценки потокового ввода. Модель слабо отвечает на вопросы, требующие общих знаний; автор также предостерегает от использования меток эмоций для решений о людях. Коннектор работает только с указанными энкодером и языковой моделью. Лицензия — CC BY-NC 4.0, допускающая использование с ограничениями некоммерческого характера.

Einstein-v8-Llama3.2-1B — дообученная Weyaxi модель на основе Meta Llama 3.2 1B, предназначенная для генерации текста в диалоговом формате. В карточке указано, что при обучении использовалась версия Axolotl 0.4.1; датасет обозначен как None. Модель содержит 1,2 млрд параметров, использует плотную архитектуру LlamaForCausalLM и формат Safetensors. Заявленная длина контекста — 131 072 токена. Карточка приводит значение Loss 0,9292 на оценочном наборе и результаты Open LLM Leaderboard, включая средний балл 4,63, IFEval 18,62 и BBH 3,01. Назначение и ограничения подробнее не описаны, поэтому эти показатели не позволяют сделать вывод о качестве для конкретных сценариев. Лицензия — Llama 3.2; применяются её условия использования.

Ellaria-9B — языковая модель на 9 млрд параметров, созданная слиянием моделей princeton-nlp/gemma-2-9b-it-SimPO и TheDrummer/Gemmasutra-9B-v1 методом SLERP с помощью mergekit. Она предназначена для генерации текста в диалоговом формате и ролевых сценариев; автор README отмечает её как модель для RP. Модель построена на архитектуре Gemma 2, использует библиотеку Transformers и поддерживает контекст до 8192 токенов. Для диалогов предусмотрен режим Instruct. В README приведены рекомендуемые параметры генерации для текстовых продолжений. Модель ориентирована на английский язык. Лицензия в предоставленных данных не указана.

Это дообученная модель семейства GPT-2, разработанная на основе fpadovani/ppt-art-lang-jpn-baseline-100mb_seed3407 и обученная с помощью TRL. Модель предназначена для генерации текста; в карточке приведён пример ответа на открытый вопрос в формате диалога. Модель использует плотную архитектуру GPT2LMHeadModel, распространяется в формате safetensors и имеет контекст длиной 512 токенов. В названии и примере базовой модели указаны английский и японский, однако карточка не уточняет, какие языки модель поддерживает после дообучения. Лицензия в предоставленных данных не указана.

Это дообученная модель семейства GPT-2, созданная на основе goldfish-models/eng_latn_10mb. Разработчик указывает, что модель обучалась с помощью TRL; веса опубликованы в формате safetensors и предназначены для генерации текста через библиотеку Transformers. Модель можно использовать для продолжения текста и генерации ответов на вопросы в формате диалога. Указанная длина контекста — 512 токенов. Карточка не сообщает о специализированной предметной области или оценках качества. Условия лицензии в доступных сведениях не приведены.

Eugleo/exp087-ocean-g4-d26-10tpp-sft — исследовательская чат-модель на архитектуре nanochat GPT, опубликованная как артефакт эксперимента exp-087 по влиянию документов об отдыхе у океана в данных предобучения. Модель дообучена на базе nvidia/ClimbMix по рецепту chat-SFT в течение одной эпохи; в смеси использовались SmolTalk, MMLU и GSM8K. В README указаны 26 блоков и 973 млн параметров для базовой модели, тогда как метаданные репозитория указывают 1,2 млрд параметров для этой модели. Модель предназначена для диалоговой генерации текста и исследовательских сравнений. Она принимает текст и формирует текстовые ответы; заявлены английский язык и контекст до 2048 токенов. Экспортирована в формате safetensors, использует библиотеку Transformers и требует trust_remote_code=True для архитектуры nanochat GPT. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

FlatDolphinMaid-8x7B — экспериментальная объединённая модель Undi95 на архитектуре Mixtral 8x7B MoE. Она создана слиянием Dolphin 2.7, Mixtral Base и Noromaid v0.1 Instruct v3 методом SLERP и предназначена для генерации текста в ответ на инструкции, диалогов и ролевых сценариев, включая ERP. В README указано, что модель стала менее склонной к ролевому и эротическому контенту, чем Noromaid, при сопоставимой средней оценке ERP-бенчмарка; также отмечена типичная для Mixtral проблема повторов. Репозиторий содержит веса fp16 в формате safetensors, а контекст составляет 32 768 токенов. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

shanearora/Flex-reddit-2x7B-1T — языковая модель семейства FlexOlmo, разработанная Allen Institute for AI и опубликованная пользователем shanearora на Hugging Face. Она предназначена для авторегрессионной генерации текста и диалоговых сценариев на английском языке, включая продолжение текста и ответы на сообщения. Модель работает через Transformers и имеет тег text-generation. Архитектура — FlexOlmo с двумя экспертами; объём составляет около 6,9 млрд параметров, а максимальный контекст — 4096 токенов. Модель относится к семейству Mixture-of-Experts и специализируется на данных Reddit.

Fortified-Foundation-24B — объединённая языковая модель, созданная разработчиком Sorihon с помощью mergekit и метода Karcher Mean на основе Sorihon/Experienced-Voyager-24B и ReadyArt/4.2.0-Broken-Tutu-24b. Она построена на архитектуре Mistral с плотной схемой и предназначена для генерации текста в диалоговом формате. Модель содержит 23,4 млрд параметров, принимает текст и имеет заявленную длину контекста 131072 токена. Метаданные относят её к моделям для чата; базовые модели предназначены для англоязычных ролевых диалогов и откровенных художественных историй, поэтому модель подходит для художественного письма и ролевых сценариев. В README и метаданных сведения о лицензии и отдельных оценках качества не приведены.

vicgalle/franken-SOLAR-18B-v1.0 — языковая модель, созданная методом frankenmerge с помощью mergekit: в ней чередуются слои Nous-Hermes-2-SOLAR-10.7B и SOLAR-10.7B-Instruct-v1.0. Модель разработал vicgalle; она основана на архитектуре Llama и содержит 17,8 млрд параметров. Модель предназначена для генерации текста и диалогов, выполнения инструкций и ролевых сценариев. Автор отмечает хорошие способности к письму, особенно для ролевой игры; в README также приведены результаты нескольких тестов, но подробная оценка обещана отдельно. Модель принимает текст и генерирует текст, поддерживает контекст до 4096 токенов. Базовая SOLAR-10.7B-Instruct ориентирована на английский язык; другие языки в карточке не заявлены. Модель распространяется по лицензии Apache-2.0. Это экспериментальная сборка из чередующихся слоёв, поэтому качество может различаться между задачами; собственная подробная оценка модели в карточке отсутствует.

Garbage — языковая модель jeiku на архитектуре Mistral, представленная в виде плотной автрорегрессионной модели с 8,9 млрд параметров. По README, она дообучена на InfinityNexus_9B; метаданные также указывают на слияние с jeiku/luna_lora_9B. Модель предназначена для генерации текста, с заявленной целью улучшить способности к рассуждению и ролевому отыгрышу по сравнению с исходными моделями на 7 млрд параметров. Модель работает с текстом и поддерживает контекст до 32 768 токенов. Карточка не приводит результатов оценки качества, поэтому заявленные улучшения не подтверждены количественными данными. Распространяется по лицензии Apache-2.0.

UDKai Garrulus — языковая модель, созданная в рамках эксперимента по оптимизации LLM на оборудовании Берлинского университета искусств. Она основана на mlabonne/NeuralMarcoro14-7B: модель Mistral с 7,1 млрд параметров дообучили методом DPO в течение двух эпох на слегка изменённом наборе Winogrande, ориентированном на задачи здравого смысла. Модель генерирует текст и рассчитана на диалоговые сценарии; длина контекста составляет 32 768 токенов. Автор сообщает, что локальные и лидерборд-оценки показали улучшение результатов на Winogrande, TruthfulQA, HellaSwag и ARC. Это экспериментальный результат, а не гарантия качества в других задачах. Модель распространяется по лицензии Apache-2.0.

llmfan46/Gemma-4-Harmonia-31B-uncensored-heretic — вариант Gemma-4-Harmonia-31B, подготовленный независимым автором с помощью abliteration для снижения числа отказов на запросы. В README сообщается о 31 млрд параметров у исходной Harmonia, сравнении с ней по KL-дивергенции и тесту MMLU; у Abliteration указаны изменённые слои 14–55 и компонент attn.o_proj. Метаданные определяют архитектуру как плотную Gemma4ForConditionalGeneration с поддержкой изображений и диалогового режима, а основной тег задачи — image-text-to-text. Модель предназначена для диалоговых ответов на текстовые запросы и запросы с изображениями, в том числе для сценариев, где требуется меньше отказов. README приводит результаты проверки на MMLU, но не описывает языковой охват и лицензию; поэтому нельзя установить, какие языки поддерживаются и на каких условиях модель разрешено использовать. Меньшее число отказов не гарантирует точность или безопасность ответов.

Go Bruins-V2.1 — языковая модель Райана Вицмана для генерации текста и диалоговых сценариев. В метаданных указаны архитектура Mistral с плотной causal language model, 7,1 млрд параметров и контекст до 32 768 токенов; модель распространяется в формате safetensors. Карточка описывает её как англоязычную и указывает text-generation как основную задачу. README содержит противоречивые сведения о происхождении: в нём названы дообучение DPO и база rwitz/go-bruins, но приведена конфигурация слияния методом SLERP моделей viethq188/LeoScorpius-7B-Chat-DPO и GreenNode/GreenNodeLM-7B-v1olet. Поэтому точную базовую модель установить нельзя. Карточка заявляет генерацию текста, понимание языка и анализ тональности; обучение описано как выполненное на наборе DPO_Pairs-Roleplay-Alpaca-NSFW. Лицензия в метаданных — CC BY-NC 4.0, тогда как README указывает MIT. Модель может подойти для англоязычных диалогов и генерации ролевого текста. README предупреждает о возможной генерации NSFW и незаконного контента, а также не рекомендует использовать модель для профессиональных консультаций или кризисных ситуаций. Приведённые в карточке результаты оценки не сопровождаются достаточными деталями для независимого сравнения.

haqishen/h2o-Llama-3-8B-Japanese-Instruct — диалоговая языковая модель, созданная Qishen Ha на основе Meta Llama 3 8B Instruct с дообучением на японском наборе диалогов japanese_hh-rlhf-49k с помощью H2O LLM Studio. Она предназначена для генерации ответов в беседе и других текстовых ответов, особенно на японском языке. Модель использует плотную архитектуру LlamaForCausalLM и содержит 7,5 млрд параметров. Максимальная длина контекста при обучении — 8 тыс. токенов; доступны веса в формате safetensors для Transformers. Метаданные указывают английский и японский языки, а основное дообучение ориентировано на японские диалоги. Модель может выдавать ошибочные, бессмысленные или нерелевантные ответы, а также предвзятый или оскорбительный текст. Распространяется по лицензии Llama 3; перед использованием следует учитывать её условия.

Карточка модели hkss/hk-SOLAR-10.7B-v1.1 на Hugging Face совпадает с карточкой hkss/hk-SOLAR-10.7B-v2.0, поэтому описание составлено по ней. hkss/hk-SOLAR-10.7B-v2.0 — корейская разговорная языковая модель, дообученная на базе yanolja/EEVE-Korean-10.8B-v1.0. Она построена на плотной архитектуре Llama и предназначена для генерации текста в диалоговом формате. Модель содержит 10,6 млрд параметров, принимает текст и поддерживает контекст до 4096 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. В карточке указано дообучение с использованием DeepSpeed, Accelerate и TRL; сведения о датасетах не приведены.

Карточка модели AIMONGER12/Huihui-Ornith-1.5-9B-abliterated на Hugging Face совпадает с карточкой huihui-ai/Huihui-Ornith-1.5-9B-abliterated, поэтому описание составлено по ней. Huihui-Ornith-1.5-9B-abliterated — версия Ornith-1.5-9B от huihui-ai, созданная методом abliteration для снижения числа отказов модели. Это плотная модель семейства Qwen3.5 с 9 млрд параметров; репозиторий содержит веса Safetensors и рассчитан на загрузку через библиотеку Transformers. Модель предназначена для генерации текста в диалогах и приложениях, где требуется модель с ослабленными ограничениями на ответы. Abliteration затронула только первые 20 слоёв и описана разработчиком как грубая реализация для проверки концепции. В README предупреждают, что ослабление защитных фильтров может приводить к чувствительным, спорным или неподходящим ответам, которые следует проверять. Лицензия — MIT.

Ice0.64-24.01-RP — объединённая языковая модель на архитектуре Mistral, созданная методом SLERP с помощью mergekit из RolePlayLake-7B и Ice0.60-18.01-RP. В метаданных указаны 7,1 млрд параметров, контекст до 32 768 токенов и формат safetensors; веса объединения подготовлены в bfloat16. Модель предназначена для генерации текста в сценариях ролевого общения и продолжения диалога. Для работы требуется среда Transformers. Карточка не сообщает лицензию, поэтому условия использования по имеющимся сведениям определить нельзя.