I.7Речь, диалоги и встречи

Qwen2.5-0.5B-Instruct-Gensyn-Swarm-thorny_snappy_chimpanzee — дообученная с помощью TRL версия инструкционной языковой модели Gensyn/Qwen2.5-0.5B-Instruct. Это плотная авторегрессионная модель семейства Qwen2 с 494 млн параметров, предназначенная для генерации текста в диалоговом формате; в карточке показан пример ответа на открытый вопрос. Модель загружается через Transformers и сохраняется в формате safetensors. Модель подходит для диалоговых ответов и экспериментов с небольшой языковой моделью; метаданные указывают контекст до 32 768 токенов и интерфейс вызова инструментов. Специализация на конкретной предметной области или языке не заявлена. Лицензия в предоставленных данных не указана.

mazdaypci/Qwen2.5-0.5B-Instruct-Gensyn-Swarm-wily_padded_mink — дообученная модель генерации текста на основе Gensyn/Qwen2.5-0.5B-Instruct. Согласно карточке, её обучали с использованием TRL; метаданные указывают архитектуру Qwen2, плотную модель с 494 млн параметров и контекстом до 32 768 токенов. Модель предназначена для диалоговой генерации текста и может использоваться через Transformers; в метаданных также отмечен интерфейс вызова инструментов. Подходит для коротких диалогов, ответов на вопросы и генерации текста по запросу. Карточка не описывает специализацию или преимущества именно этой версии. Лицензия и поддерживаемые естественные языки в предоставленных данных не указаны.

Это экспериментально преобразованная версия чат-модели Qwen2.5-0.5B-Instruct от разработчика richardyoung. С помощью Heretic v1.4.0 к модели применена «децензурация» (abliteration), направленная на снижение частоты отказов: в приведённом сравнении она отказала в 3 из 100 запросов против 91 из 100 у исходной модели. Архитектура — плотная авторегрессионная Qwen2, около 494 млн параметров; модель принимает текст и генерирует текст, в том числе в диалоговом формате. Контекст — 32 768 токенов. Метаданные указывают английский язык; README описывает широкую языковую поддержку семейства Qwen2.5, но не подтверждает её отдельно для этой производной версии. Модель подходит для диалоговых приложений и генерации текста, где требуется меньше отказов на запросы. README также отмечает воспроизводимость преобразования. Показатели отказов и KL-дивергенции приведены автором карточки и не заменяют независимую оценку качества. Уменьшение отказов может сопровождаться ослаблением защитных ограничений. Модель распространяется по лицензии Apache-2.0.

Peganum — экспериментальная слитая языковая модель на архитектуре Qwen2.5, опубликованная Nohobby. Она предназначена прежде всего для ролевых диалогов и генерации текста; автор отмечает немного меньше отказов по сравнению с другими настройками Qwen и не замечает явного снижения производительности из-за abliteration. Модель использует формат ChatML и содержит 32 млрд параметров; заявленная длина контекста — 131072 токена. В карточке указано слияние нескольких вариантов Qwen2.5-32B, включая RPMax, EVA-Instruct, Qwen2.5-Instruct и abliteration-вариант; для одного из этапов описан task arithmetic. Репозиторий содержит веса safetensors, лицензия — Apache-2.0. Автор характеризует работу как пробное слияние, поэтому качество и поведение могут зависеть от сценария и настроек генерации.

Это сборка Qwen3-4B-Instruct-2507, подготовленная для Qualcomm QNN и запуска через Genie на встроенном Hexagon HTP. Артефакт использует архитектуру Qwen3ForCausalLM и квантизацию w4a16; исходная модель содержит около 3,7 млрд параметров. Это конвертированная и перепакованная версия исходной модели, а не новая модель. Лицензия — Apache-2.0. Сборка предназначена для диалогов и генерации текста по инструкциям непосредственно на Android-устройстве с Qualcomm Snapdragon и поддерживаемым HTP, без обращения к облаку. README описывает интерфейс GenieDialog и утилиту genie-t2t-run; также упоминается интеграция с приложением DroidLLM. В метаданных указана поддержка английского и китайского языков, чата и интерфейса вызова инструментов. Важное ограничение этой сборки — контекст до 4096 токенов, хотя у исходной модели заявлено до 262 144 токенов. Бинарные файлы рассчитаны на Hexagon V79 и штатно ориентированы на Snapdragon 8 Elite; работа на V81 проверена автором, но совместимость с другими поколениями и версиями QAIRT не гарантируется. Для запуска нужны Qualcomm Genie, QNN HTP runtime и QAIRT 2.45.0 или новее; устройства без Qualcomm HTP не поддерживаются.

arzaan789/qwen3.5-4b-uncensored — модифицированная версия Qwen/Qwen3.5-4B. Модель предназначена для генерации текста и диалоговых сценариев, включая случаи, где требуется сниженная склонность к отказам. Разработчик варианта применил abliteration для удаления направления отказа из слоёв модели, LoRA дообучение на наборе Guilherme34/uncensor в течение двух эпох и повторную abliteration для устранения остаточных отказов. Параметры дообучения включали LoRA rank 16, alpha 32 и learning rate 0.0002. В README указано, что модель доступна в формате GGUF и может запускаться через llama-cli; приведён пример с квантизацией Q4_K_M. В тесте на 64 вредоносных запросах модель отказала в 6 случаях, а на 64 безвредных запросах — ни в одном. Это указывает на низкую склонность к отказам, но также означает потенциально меньший уровень защитного поведения и необходимость осторожного применения. Архитектура, точный размер в параметрах, поддерживаемые языки и длина контекста в README не описаны. Лицензия — Apache-2.0.

Qwen3.5-9B decision subtrajectory SFT — дообученная методом полного SFT языковая модель Miaow-Lab на базе Qwen/Qwen3.5-9B. Это плотная причинная языковая модель в формате BF16; в репозитории также есть токенизатор и шаблон чата. Обучение завершено на шаге 9312 на 37 242 примерах с границами решений, с максимальной длиной последовательности 32 768 токенов; маскировались исторические токены ассистента. Метаданные указывают нативный контекст 262 144 токена. Модель предназначена для генерации текста в диалоговом формате. В карточке описан способ обучения, но целевая прикладная область для примеров не уточняется, а оценка качества на последующих задачах не проводилась. Указанная лицензия — Apache-2.0.

Это GGUF-сборка Qwen3.8-27B-Heretic-Uncensored-BF16, подготовленная mradermacher на основе модели mlasli/Qwen3.8-27B-Heretic-Uncensored-BF16. В репозитории доступны варианты квантования GGUF, включая Q2_K, а также мультимодальные дополнения mmproj в форматах Q8_0 и f16. Модель предназначена для диалоговой генерации текста и сценариев image-text-to-text с поддержкой изображений. Метаданные описывают её как англоязычную; теги указывают на uncensored-поведение, ролевые диалоги и speculative decoding. Указана лицензия Apache-2.0. README содержит перечень файловых вариантов, но не приводит инструкции с конкретными параметрами запуска или результатов оценки качества.

BrandonHowe/Qwen3-8b-compassion-qwen-seed1-20260930-CPT-merged-epoch-3 — самостоятельная модель генерации текста на основе Qwen3, дообученная на корпусе CompassioninMachineLearning/compassion_12185_cleaned. Это плотная авторегрессионная архитектура Qwen3ForCausalLM примерно на 7,6 млрд параметров с контекстом до 32 768 токенов; модель предназначена для генерации текста и диалогового использования. Модель представляет собой объединённый чекпойнт BF16 третьей эпохи обучения, сохранённый без потерь в формате safetensors; отдельный адаптер для загрузки не нужен. Обучение на корпусе, связанном с темой сострадания, само по себе не доказывает улучшения в сострадательных ответах, поэтому такое качество следует оценивать отдельно. Лицензия в предоставленных данных не указана.

Карточка модели BrandonHowe/Qwen3-8b-compassion-seed1-20260930-CPT-merged-epoch-1 на Hugging Face совпадает с карточкой BrandonHowe/Qwen3-8b-compassion-qwen-seed1-20260930-CPT-merged-epoch-1, поэтому описание составлено по ней. BrandonHowe/Qwen3-8b-compassion-qwen-seed1-20260930-CPT-merged-epoch-1 — самостоятельная модель генерации текста на архитектуре Qwen3, полученная продолжением предобучения Qwen/Qwen3-8B-Base на наборе CompassioninMachineLearning/compassion_12185_cleaned. Чекпойнт соответствует первой эпохе обучения, шагу 375 и содержит 7,6 млрд параметров; контекст — до 32 768 токенов. Модель принимает текст и генерирует текст, поддерживает conversational- и tool-calling-интерфейсы. Модель подходит для генерации диалоговых ответов и экспериментов с поведением, связанным с сочувствием. Обучение на тематическом наборе данных само по себе не подтверждает улучшения в проявлении сочувствия, поэтому это качество следует оценивать отдельно. Веса представлены в BF16 в формате safetensors; для загрузки адаптер не требуется. Лицензия в предоставленных данных не указана.

Qwen-7B-Chat-Cantonese — диалоговая языковая модель, созданная stvlynn путём дообучения Qwen-7B-Chat на большом объёме данных на кантонском языке. Она предназначена для генерации ответов и многоходового общения на кантонском языке; исходная модель также поддерживает китайский и английский. Модель построена на плотной архитектуре Qwen, содержит 11,4 млрд параметров и имеет контекстное окно 32 768 токенов. Модель подходит для чат-ботов и диалоговых приложений, которым нужны ответы на кантонском языке. В README автор отмечает, что это его первый проект дообучения LLM; поэтому качество и надёжность ответов могут зависеть от сценария и данных. Репозиторий распространяется по лицензии AGPL-3.0.

rizkyayub/rizbuy-submission-qwen3-indonesian — модель-инструкция на основе Qwen3-4B, дообученная Rizky Ayub для ответов на индонезийском языке. Это плотная причинно-языковая Transformer-модель с 3,7 млрд параметров, настроенная в формате диалога. Для обучения использовались Unsloth, TRL SFTTrainer и QLoRA 4-bit; итоговые веса объединены в 16-битный формат Safetensors, поэтому отдельный адаптер LoRA для инференса не требуется. В README указано окно контекста 1024 токена, тогда как метаданные каталога сообщают 40960 токенов; фактический поддерживаемый размер контекста следует сверить с конфигурацией модели. Модель предназначена для генерации ответов на вопросы и выполнения текстовых инструкций на индонезийском языке. Обучение проводилось на 40 000 примерах из Ichsan2895/alpaca-gpt4-indonesian, для оценки использовались 200 примеров. Карточка приводит пример ответа о крупных аэропортах Индонезии. Модель распространяется по лицензии Apache-2.0.

SmerkyG/rwkv-5-world-1b5 — языковая модель на архитектуре RWKV-5 с 1,5 млрд параметров, представленная в формате PyTorch. Она предназначена для генерации текста и диалогов: в примерах отвечает на английском и китайском языках. Модель можно запускать на CPU и GPU, а README также упоминает пакетный вывод. Карточка не сообщает базовую модель, лицензию, длину контекста или специальные ограничения на применение. Пример диалога показывает ответы в формате ассистента, однако приведённый китайский ответ обрывается; качество и полнота генерации по карточке оценить нельзя.

sebcif/salamandra-2B-instruct-smoltalk — разговорная модель для генерации текста, созданная дообучением BSC-LT/salamandra-7b на наборе latam-gpt/es-smoltalk с помощью TRL. Она предназначена для диалогов и ответов на пользовательские вопросы; карточка демонстрирует запуск через Transformers с сообщениями в формате чата и генерацией продолжения. Модель построена на плотной архитектуре LlamaForCausalLM, содержит 6,7 млрд параметров и поддерживает контекст до 8192 токенов. В метаданных указаны испаноязычный обучающий набор, однако поддерживаемые языки явно не перечислены. Модель распространяется в формате safetensors; лицензия в предоставленных данных не приведена. Карточка не сообщает о специальных ограничениях качества или безопасности.

LLama 3 shisa-v1-llama3-8b — диалоговая языковая модель Shisa AI, созданная дообучением Meta-Llama-3-8B-Instruct. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текст для генерации ответов; длина контекста составляет 8192 токена. Модель ориентирована на диалоги и генерацию текста, в частности на японском языке: в README приведены результаты оценок на японских тестах ELYZA-tasks-100, JA MT-Bench, Rakuda и Tengu-Bench. В качестве обучающего набора в метаданных указан augmxnt/ultra-orca-boros-en-ja-v1. Карточка сравнивает несколько вариантов обучения и отмечает, что вариант с learning rate 8e-6 показал лучшие результаты среди упомянутых экспериментов. Модель распространяется в формате safetensors по лицензии Llama 3 Community License Agreement. Приведённые в README результаты относятся к конкретным настройкам генерации и тестовым наборам; карточка не описывает полные сценарии применения и ограничения модели.

yairgalili/SmolLM2-FT-MyDataset — дообученная Yair Galili модель HuggingFaceTB/SmolLM2-135M, созданная с помощью TRL. Она предназначена для генерации текста в ответ на запросы и поддерживает диалоговый формат; карточка демонстрирует генерацию ответа на открытый вопрос. Модель построена на архитектуре Llama, содержит 134,5 млн параметров и рассчитана на контекст до 8192 токенов. Веса опубликованы в формате Safetensors и используются через Transformers. Лицензия и отдельные сведения о датасете в предоставленных данных отсутствуют.

Quant-Cartel/SorcererLM-22B-iMat-GGUF — квантованная GGUF-версия языковой модели SorcererLM-22B, подготовленная Quant-Cartel на базе InferenceIllusionist/SorcererLM-22B. Исходная модель представляет собой LoRA-настройку Mistral-Small-Instruct-2409, обученную на одном проходе по очищенным и дедуплицированным логам c2. Модель ориентирована на локальное использование и диалоговые сценарии, включая генерацию текста и следование инструкциям. Модель содержит около 22 млрд параметров и работает в текстовой модальности. Для общения рекомендуется использовать шаблоны Mistral V2 или V3 Context/Instruct; параметры сэмплирования вынесены в отдельные рекомендации проекта. Данная сборка использует квантование с Importance Matrix (iMat), рассчитанной на весах fp32, и разделена на 107 частей. Заявленное значение контекста для этой версии — n_ctx=512, поэтому она подходит прежде всего для коротких запросов и диалогов. К сильным сторонам относятся адаптация под специализированное разговорное поведение, локальная направленность и сниженные требования к оборудованию по сравнению с более крупными вариантами семейства Sorcerer. Ограничениями являются небольшой заявленный контекст в 512 токенов, отсутствие в карточке результатов бенчмарков, подробных сведений о языках и количественных характеристик качества, а также неполное описание механизмов безопасности. Лицензия модели указана как Apache-2.0.

SpaghettiOs — объединённая языковая модель, созданная jeiku с помощью mergekit методом task arithmetic. В основу объединения вошла Test157t/Pasta-PrimaMaid-7b; также использованы jeiku/Theory_of_Mind_Mistral, jeiku/Futadom_Mistral, jeiku/Theory_of_Mind_Roleplay_Mistral, jeiku/Humiliation_Mistral и jeiku/Gnosis_Reformatted_Mistral. Метаданные указывают семейство Mistral, плотную архитектуру MistralForCausalLM и размер 7,1 млрд параметров. Модель предназначена для генерации текста. Сочетание исходных моделей указывает на сценарии диалогов и ролевого взаимодействия, включая темы теории разума и унижения. Нативное окно контекста составляет 8192 токена; репозиторий содержит веса в формате safetensors. Модель создана путём слияния, а не отдельного дообучения. Сведения о лицензии в предоставленных источниках отсутствуют, поэтому условия использования установить нельзя. Качество и ограничения в конкретных сценариях отдельно не описаны.

SpoomplesMaxx-Magpie-35B-A3 — разговорная модель семейства Qwen 3.5 MoE, опубликованная aimeri и дообученная на базе aimeri/spoomplesmaxx-jackdaw-35B-A3. Она предназначена для генерации диалогов, ролевых сценариев, художественных историй и рассуждений; карточка также отмечает интерфейс для вызова инструментов. README задаёт модели образ персонажа Оливии и примеры ролевого общения. Модель распространяется в формате safetensors через Transformers; заявлена лицензия Apache-2.0. Метаданные указывают поддержку английского и португальского языков. В тегах и наборах данных присутствуют материалы для ролевых сценариев, в том числе откровенного содержания, поэтому модель может генерировать NSFW-текст. Размер параметров и длина контекста в предоставленных данных не указаны.

DreadPoor/Strawberry_Smoothie-12B-Model_Stock — слитая языковая модель на архитектуре Mistral с 12,1 млрд параметров, созданная с помощью mergekit на основе DreadPoor/Smoothie-12B-Model_Stock, OddTheGreat/Unity-12B и Vortex5/Chaos-Unknown-12b. Модель предназначена для генерации текста в диалоговом формате; базовая модель из каталога ориентирована на сторителлинг, ролевое общение и творческое письмо. Модель распространяется в формате safetensors и имеет контекстное окно до 1 024 000 токенов по метаданным. В карточке указана лицензия CC BY-NC 4.0, которая требует атрибуции и не допускает коммерческого использования. Сведений о поддерживаемых языках и качестве на конкретных задачах карточка не приводит.

T3Q-ko-solar-sft-v3.0 — разговорная языковая модель, разработанная Chihoon Lee и T3Q. Это модель семейства Llama с плотной архитектурой LlamaForCausalLM и 10,6 млрд параметров, дообученная методом SFT на базе chihoonlee10/T3Q-ko-solar-dpo-v3.0. Модель предназначена для генерации текста и диалоговых сценариев; заявленный контекст составляет 4096 токенов. В метаданных указан английский язык, а в названии и базовой модели обозначена ориентация на корейский язык. Модель распространяется в формате safetensors по лицензии Apache-2.0. Сведения о конкретных возможностях, помимо генерации текста и чата, и о результатах оценки качества в карточке не приведены.

fpadovani/tam-taml-10mb-100mb_seed3407 — дообученная с помощью TRL языковая модель на базе goldfish-models/tam_taml_10mb. Она использует архитектуру GPT-2 и предназначена для генерации текста в ответ на текстовый запрос, например для продолжения диалога или свободного ответа на вопрос. Модель работает через библиотеку Transformers, хранится в формате Safetensors и имеет контекст длиной 512 токенов. В README приведён пример генерации ответа на вопрос с ограничением до 128 новых токенов. Языки обучения и специализация не описаны. Лицензия в доступных данных не указана.

Это дообученная на базе francesca9805/ppt-wc-uniform-newlex-tur-before-100mb-packed-bfdiso_seed10 модель GPT-2 для генерации текста. Она предназначена для продолжения текста по затравке и генерации ответа на запрос; в карточке показан пример использования в формате диалога. Модель обучалась с TRL и использует архитектуру GPT2LMHeadModel, формат весов safetensors и контекст до 512 токенов. Базовая модель ориентирована на английский язык. Лицензия в доступных данных не указана.

Turkish-Llama-8b-DPO-v0.1 — разговорная модель для генерации связного текста, разработанная командой ytu-ce-cosmos на базе Llama 3. README описывает её как новую итерацию CosmosLLaMa-Instruct DPO, полученную слиянием двух моделей DPO; метаданные каталога указывают базовую модель ytu-ce-cosmos/Turkish-Llama-8b-Instruct-v0.1 и связь дообучения. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Модель предназначена для продолжения заданного фрагмента и генерации текста с учётом контекста, в том числе в диалоговом формате. Она ориентирована на турецкий язык и распространяется в формате safetensors по лицензии Llama 3. В README отмечены возможные смещения в ответах из-за разнообразия обучающих данных, включающих сайты, книги и другие текстовые источники.

IAmNotAnanth/wav2vec2-large-xls-r-300m-sinhala — модель автоматического распознавания речи на основе архитектуры Wav2Vec2ForCTC, дообученная автором на базе facebook/wav2vec2-xls-r-300m. Она принимает аудио и предназначена для преобразования речи в текст. Название указывает на настройку для сингальского языка, однако README не содержит сведений о наборе данных и подробно не описывает языковое покрытие. В репозитории указано 402,7 млн параметров, веса представлены в формате PyTorch. Модель опубликована по лицензии Apache-2.0. В приведённых результатах оценки указаны WER 1,0 и eval_loss 5,4599; этих данных недостаточно, чтобы подтвердить качество распознавания для практических сценариев.

Модель lucio/wav2vec2-large-xlsr-kinyarwanda — акустическая модель распознавания речи на киньяруанда, созданная Lucio и дообученная на основе facebook/wav2vec2-large-xlsr-53. Она использует архитектуру Wav2Vec2ForCTC с 402,7 млн параметров и обучалась на части корпуса Common Voice: примерно 100 тысяч аудиозаписей, около 20% доступных данных, отфильтрованных по оценкам и длительности. Для входного аудио требуется частота дискретизации 16 кГц. Модель преобразует речь в текст без знаков препинания; в частности, она не выводит апострофы, используемые для обозначения стяжений в киньяруанда. В README приведён результат 40,59% на тестовых данных Common Voice. Модель подходит для распознавания коротких высказываний на киньяруанда, но указанная оценка и фильтрация обучающих данных ограничивают основания ожидать такие же результаты на других типах записи и речи. Распространяется по лицензии Apache-2.0.

Whisper Large-V3 — модель распознавания речи, разработанная Alexander S. Mainye на основе openai/whisper-large-v3. Она дообучена на нестандартной кенийской английской речи с полным обновлением параметров и шумовыми аугментациями аудиосигнала, включая имитацию GSM-сжатия и фонового шума. По метаданным модель содержит 905,2 млн параметров и распространяется в формате safetensors. Модель предназначена для транскрибации кенийского английского в полевых условиях, в том числе при фоновом шуме и сжатии мобильной сетью. В тестировании на наборе cdli/kenyan_english_nonstandard_speech_v1.0 показатель WER составил 13,65% на чистом аудио и 18,31% на аудио с добавленным шумом. Лицензия — MIT. Модель оптимизирована для нестандартного кенийского английского и не дообучалась для стандартного американского или британского вариантов. Она не предназначена для суахили и других языков Кении; качество на реверберационных записях не оценивалось. По сравнению с Whisper Small требует существенно больше вычислительных ресурсов при запуске.

Whisper Small fine-tuned на корпусе WAXAL для автоматического распознавания разговорной речи на языке акан. Модель разработана командой WAXALNet в рамках исследования WAXAL ASR Benchmark и предназначена для низкоресурсных сценариев распознавания речи и исследовательских задач. Она принимает аудио и выдаёт текстовую транскрипцию; в README указана оценка на тестовом наборе WAXAL: WER 31,7% и CER 11,3%.

Это модель распознавания речи на тигринья, разработанная командой WAXALNet в рамках исследования WAXAL ASR Benchmark. Она создана на базе Whisper Small и дообучена на тигринья части корпуса WAXAL. Модель предназначена для транскрибирования разговорной речи, включая спонтанную речь; её оценивали на тестовом наборе WAXAL и частично на наборе FLEURS с прочитанной речью. Модель использует архитектуру Whisper и содержит 153,1 млн параметров по метаданным Hugging Face. Она принимает аудио и выдаёт текст на тигринья. На отфильтрованном тестовом наборе WAXAL указаны WER 53,5% и CER 38,7%, поэтому перед практическим применением качество следует проверять на целевых данных; README не рекомендует использовать модель в ответственных производственных сценариях без дополнительной проверки. Модель распространяется по лицензии Apache 2.0.

Zarafusionex 1.1 L2 7b — текстовая генеративная модель семейства Llama, опубликованная пользователем zarakiquemparte. Это слияние Nous Hermes Llama2 7B и Stable Beluga 7B в пропорциях 53% и 47%, к результату которого применили LoRA-версию LimaRP для Llama 2 7B от 23 июля 2023 года. В метаданных указаны архитектура LlamaForCausalLM, 6,6 млрд параметров, формат PyTorch и контекст 4096 токенов. Модель предназначена для генерации текста по инструкциям и диалоговых сценариев; в README сказано, что ожидается совместимость с форматами инструкций Nous Hermes и Stable Beluga. LimaRP-компонент указывает на ролевое использование, однако карточка не описывает его поведение подробно. Автор предупреждает, что модель не предназначена для предоставления фактической информации или советов. Лицензия обозначена как other, поэтому конкретные условия использования следует сверить с файлами репозитория.