I.7Речь, диалоги и встречи

L3-Boshima-a — слитая с помощью mergekit методом SLERP языковая модель на архитектуре Llama 3 с 7,5 млрд параметров. Она объединяет Casual-Autopsy/L3-Deluxe-Scrambled-Eggs-On-Toast-8B и Nitral-AI/Hathor_Sofit-L3-8B-v1 и предназначена для генерации текста и диалогового общения. Каталог описывает базовые модели как ориентированные на англоязычное ролевое общение и творческие диалоги; модель можно применять для ролевых бесед и создания художественных диалогов на английском языке. Нативный контекст составляет 8192 токена, веса доступны в формате safetensors для Transformers. Лицензия в предоставленных данных не указана.

Theros/L3-ColdBrew-Daybreak — объединённая текстовая модель для генерации диалогов, созданная методом Model Stock с помощью mergekit на основе SvalTek/L3-ColdBrew-SpicyReflect и с включением Azazelle/L3-Daybreak-8b-lora и cgato/L3-TheSpice-8b-v0.8.3. В каталоге модель описана как дообученная на базе Llama 3 и предназначенная для диалогов и ролевых сценариев с персонажами и сценами. Модель использует плотную архитектуру Llama с причинной языковой моделью LlamaForCausalLM, содержит 7,5 млрд параметров и рассчитана на контекст до 8192 токенов. Принимает текст и генерирует текст; опубликована в формате safetensors для Transformers. Лицензия в предоставленных данных не указана.

Это вариант Llama 3.1 8B Instruct с добавленными обученными эмбеддингами Summary-токенов для инференса LatentSC. Согласно карточке, веса базовой модели не изменены: к ним добавлены только эмбеддинги специальных токенов и поля конфигурации, задающие их число, префикс и параметры агрегации и обработки конца последовательности. Модель предназначена для генерации текста и диалогового применения с LatentSC Summary-токенами. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и библиотеку Transformers. Контекстное окно составляет 131 072 токена. В метаданных указан английский язык; базовая модель описана как многоязычная, однако конкретные поддерживаемые языки этой производной модели карточка не перечисляет. Файлы опубликованы в формате safetensors. Лицензия в предоставленных данных не указана.

Карточка модели PersonaPO/lfm25-1.2b-pv-extraversion-high на Hugging Face совпадает с карточкой PersonaPO/lfm25-1.2b-pv-agreeableness-high, поэтому описание составлено по ней. Это дообученная модель LiquidAI/LFM2.5-1.2B-Base, созданная для генерации диалоговых ответов с выраженной высокой доброжелательностью. Модель семейства LFM2 имеет плотную архитектуру и около 1,5 млрд параметров; она предназначена для запуска через Transformers и поддерживает контекст до 128 000 токенов. Модель подходит для генерации ответов в чатах и сценариев, где требуется доброжелательный стиль общения. В README приведён пример генерации ответа на вопрос пользователя. Данных о поддерживаемых языках и результатах оценивания нет, поэтому качество и языковой охват по карточке определить нельзя. Лицензия в доступных данных не указана.

LFM2.5-1.2B-Thinking Heretic — экспериментальная производная текстовая модель, созданная независимо на основе LiquidAI/LFM2.5-1.2B-Thinking с помощью метода Heretic. Она предназначена для генерации текста и диалогов; модификация весов ослабляет склонность модели отказывать в ответе, стараясь сохранить поведение на безвредных запросах. Разработчик сообщает, что в сравнении на выбранном наборе запросов модель показала 3 маркера отказа из 100 и KL-дивергенцию 0,0003 на безвредных запросах; эти показатели не являются полной оценкой безопасности или качества. Модель имеет плотную архитектуру LFM2, класс Lfm2ForCausalLM и 1,5 млрд параметров. Контекст — до 128 000 токенов. Доступны BF16-веса в формате Safetensors и файл GGUF BF16 для llama.cpp и LM Studio; GGUF здесь является контейнерным преобразованием, а не квантизацией с меньшей разрядностью. В карточке указаны английский, арабский, китайский, французский, немецкий, японский, корейский и испанский языки. Ослабление отказов может повысить вероятность вредных ответов и привести к неожиданным регрессиям. Для простой инструкции модель может расходовать более 512 токенов на рассуждение; качество рассуждений, фактическая точность, следование инструкциям и мультиязычные возможности требуют отдельной оценки. Лицензия указана как other; модель изменена независимо, не создана и не поддерживается Liquid AI. Используйте её с учётом применимых законов и политик.

LittleLamb — компактная двуязычная модель для генерации текста, разработанная Multiverse Computing на основе Qwen3-0.6B и сжатая с помощью технологии CompactifAI. Это плотная decoder-only Transformer архитектуры Qwen3 с 224,5 млн параметров по метаданным; README указывает около 290 млн. Модель поддерживает контекст до 40 960 токенов и рассчитана на английский и испанский языки. Модель предназначена для диалоговых помощников, ответов на общие вопросы и задачи рассуждения, включая математические и научные вопросы. Она поддерживает режимы с рассуждением и без него и ориентирована на запуск на устройствах и периферийных системах с ограниченными ресурсами. Распространяется под лицензией Apache-2.0. Компактный размер удобен для развертывания на устройствах с ограниченной памятью и вычислительной мощностью. Однако возможности модели ограничены её малым масштабом, а результаты могут заметно различаться между режимами рассуждения и обычного диалога; перед применением следует оценить оба режима на целевых задачах.

elinas разработал elinas/Llama-3-15B-Instruct-ft-v2 как экспериментальное QLoRA-дообучение объединённой модели, созданной из предварительно обученных языковых моделей с помощью mergekit. Модель основана на «zeroed» passthrough-слиянии elinas/Llama-3-15B-Instruct-zeroed и дообучена на диалоговом наборе Chat-Error/Pure-dove-sharegpt для проверки стабилизации модели после такого слияния. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 14,5 млрд параметров. Она предназначена для генерации текста и диалоговых ответов; длина контекста при обучении составляет 8192 токена. В README также упоминается возможность расширения контекста с помощью RoPE до 32 тыс. токенов, но это не подтверждено как проверенная характеристика. Модель описана как эксперимент проверки подхода, обученный на небольшом наборе данных; оценка качества в карточке не приведена. Лицензия — llama3. Возможности на русском языке отдельно не заявлены.

SE6446 выпустил экспериментальную LoRA-адаптацию чат-модели arcee-ai/Llama-3.1-SuperNova-Lite. Она обучалась на Reflective-MAGLLAMA-v0.1.1 и предназначена для генерации текста в диалоге с акцентом на рефлексию. Автор сообщает, что модель работает приемлемо, но не уверен, что адаптация даёт заметное улучшение. Модель использует архитектуру Llama 3.1 с 7,5 млрд параметров и контекстом до 131 072 токенов; для работы нужны токенизатор этой версии и его специальные токены CoT. Поддерживается текстовый ввод и вывод. Лицензия — Llama 3.1.

Модель mobinln/Llama-3.2-1B-Instruct-fa — диалоговая языковая модель семейства Llama 3.2, дообученная mobinln на базе unsloth/llama-3.2-1b-instruct-bnb-4bit. Это плотная трансформерная модель с архитектурой LlamaForCausalLM и примерно 1,2 млрд параметров; она предназначена для генерации текста и общения на персидском языке. В карточке перечислены датасеты OSCAR-small, Persian Alpaca Deep Clean и XLSum, что указывает на обучение на персидских текстах и инструкционных примерах. Модель принимает текст и генерирует текст; заявленная длина контекста — 131 072 токена. Репозиторий использует форматы PyTorch и Safetensors, а лицензия — Apache-2.0. Небольшой размер может быть полезен для запуска в условиях ограниченных ресурсов, однако карточка не приводит результатов оценки качества или подробных сведений о поведении модели; качество ответов и пригодность к конкретным задачам следует проверять отдельно.

ryzen88/Llama-3-70b-Arimas-story-RP-V1.5 — разговорная модель на основе Llama 3, созданная слиянием нескольких моделей методом breadcrumbs_ties. Автор использовал Llama-3-70B-Instruct-Gradient-262k как базу и включил в слияние Llama-3-Lumimaid-70B-v0.1-OAS, Smaug-Llama-3-70B-Instruct и Llama-3-70B-Instruct-abliterated-v3. Модель предназначена для генерации диалогов и ролевых историй с выполнением инструкций. Модель имеет плотную архитектуру LlamaForCausalLM и около 69,5 млрд параметров. Метаданные указывают контекст до 262 144 токенов, библиотеку Transformers и формат safetensors. Карточка не сообщает лицензию и конкретный перечень поддерживаемых языков. Автор приглашает пользователей делиться отзывами о поведении модели.

birgermoell/llama-3-merge-disco-neural-pace — разговорная языковая модель, полученная слиянием моделей DiscoResearch и NeuralNovel с помощью метода DARE TIES в mergekit. В основе лежит DiscoResearch/Llama3_DiscoLM_German_8b_v0.1_experimental; архитектура — плотная Llama с классом LlamaForCausalLM, размер — 7,5 млрд параметров, формат весов — safetensors, максимальный контекст — 8192 токена. Модель предназначена для генерации текста и диалогов. Базовая модель ориентирована преимущественно на немецкий язык; README не описывает дополнительные сценарии, языковые гарантии или сравнительные результаты. Модель опубликована под лицензией llama2.

grimjim/llama-3-Nephilim-v2.1-8B — языковая модель, созданная автором репозитория слиянием нескольких предварительно обученных моделей на основе Llama 3 методом task arithmetic с помощью mergekit. В репозитории опубликованы полные веса BF16; доступны также отдельные квантизированные сборки GGUF. Модель содержит вклады биомедицинской, ориентированной на ролевые сценарии, японской и корейской моделей, а также моделей для кибербезопасности и улучшения рассуждений. Модель предназначена для генерации текста и диалогов, в том числе ролевых сцен и связного повествования; автор отмечает, что персонажей можно направлять к эмоционально чуткому поведению. Указаны архитектура Llama 3, около 7,5 млрд параметров и контекст до 8192 токенов. Основные языки вкладов — японский, корейский и английский, однако README не заявляет исчерпывающий список поддерживаемых языков. Автор предупреждает о возможности вредоносных ответов. По умолчанию действует лицензия CC-BY-NC-4.0, ограничивающая коммерческое использование; для производной модели также указаны ограничения WhiteRabbitNeo Usage Restrictions Extension к лицензии Llama 3.

MergeMonster-13b-20231124 — языковая модель, созданная Gryphe путём слияния нескольких моделей семейства LLaMA 2. Версия FP16 предназначена для генерации текста и диалогов; автор отмечает, что при настройке слияния стремился уменьшить повторяющиеся фразы ChatGPT в ролевых ответах. Рекомендуемый формат запросов — Alpaca. Модель имеет плотную архитектуру LlamaForCausalLM и 12,9 млрд параметров. В состав слияния вошли LLaMA2-13B-Tiefighter, Emerhyst-13B, Orca-2-13b, Stheno-1.8-L2-13B, MythoMax-L2-13b и Athena-v4; автор предупреждает, что итоговая композиция включает множество фрагментов моделей и не обязательно соответствует простой интерпретации их долей. Контекст составляет 4096 токенов. Репозиторий содержит веса safetensors в FP16, лицензия указана как other. Модель подходит для текстовой генерации и ролевых диалогов на английском языке. Карточка не приводит количественных оценок качества или подробных ограничений по использованию; результат может зависеть от формата Alpaca и параметров генерации.

Это диалоговая языковая модель на архитектуре Llama, созданная дообучением Meta-Llama-3-8B-Instruct на наборе данных generator. В репозитории указано 7,5 млрд параметров, формат Safetensors и контекст до 8192 токенов. Модель предназначена для генерации текста и диалога; карточка не описывает отдельные сценарии, оценку качества или специальную поддержку японского языка. Базовая модель разработана Meta. Для этой версии указана лицензия other, поэтому условия использования следует сверить с файлами и условиями репозитория. README не сообщает о специальных ограничениях или результатах оценки.

Это диалоговая языковая модель на архитектуре Llama, созданная дообучением Meta-Llama-3-8B-Instruct на датасете generator. Репозиторий содержит веса в формате Safetensors; модель насчитывает 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Модель предназначена для генерации текста в диалоге. README не раскрывает особенности датасета и целевую тематику, поэтому по названию репозитория нельзя надёжно установить, насколько хорошо модель пишет художественные тексты или работает с японским языком. Лицензия указана как other, поэтому условия использования следует сверить с лицензией и условиями базовой модели Meta.

MRmidtrain9Bv4 — quarter corpus — это контрольная точка эксперимента по масштабированию обучающих данных для MR_midtrain_9B_v4. Модель дообучена по рецепту midtrain SFT на базе Qwen/Qwen3.5-9B; её архитектура — плотная Qwen3.5 для генерации текста, число параметров в метаданных — 7,2 млрд. Модель предназначена для диалоговой генерации и задач meta-reasoning в протоколе MR со специальными токенами и scaffold-форматом базовой модели. Для обучения использовали четверть полного корпуса: 18 714 строк и 1 095 задач. Контекст модели — до 262 144 токенов по метаданным; в обучении применялась максимальная длина 65 536 токенов. На отложенной выборке достигнута сходимость с loss 0,6734. Это значение отражает предсказание следующего токена, а не оценку качества по задачам; результаты scaffold-оценивания для этих чекпойнтов ещё не измерены. Лицензия в предоставленных данных не описана.

Это дообученная модель генерации текста на базе GPT-2, созданная francesca9805 и обученная с использованием TRL. Она предназначена для продолжения текста и генерации ответов на запросы в формате диалога; карточка демонстрирует ответ на открытый вопрос. Модель использует плотную архитектуру GPT-2, распространяется в формате safetensors и имеет контекст длиной 512 токенов. Базовая модель описана в каталоге как дообученная GPT-2 для генерации текста и ответов на запросы на основе нидерландской модели Goldfish. В карточке лицензия не приведена.

OpenMia-Indo-Mistral-7b-v2 — языковая модель, созданная разработчиками проекта MIA путём дообучения Mistral-7b на данных Alpaca на индонезийском языке и наборе MBZUAI/Bactrian-X. Она предназначена для диалогов на Bahasa Indonesia и может использоваться как разговорный помощник. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель выпущена в формате Safetensors под лицензией CC BY-NC 4.0, которая ограничивает коммерческое использование. Разработчики обозначают её как альфа-версию; качество и надёжность ответов могут быть ограничены. В README приведены результаты оценки на нескольких бенчмарках, но они не гарантируют качества в конкретных сценариях.

l3utterfly/phi-2-layla-v1 — языковая модель на архитектуре Phi-2, дообученная l3utterfly при финансировании Layla Network на наборе OpenHermes 2.5. Модель предназначена для многоходового диалога, имитации персонажей и использования в офлайн-персональном ассистенте Layla. В ходе подготовки данных удаляли отказы и упоминания ИИ-ассистента, диалоги преобразовывали в многоходовые записи и добавляли диалоги для взрослых из набора Teatime. Модель содержит 3,5 млрд параметров, принимает и генерирует текст на английском языке; длина контекста — 2048 токенов. Репозиторий содержит веса в формате Safetensors. Модель выпущена по лицензии MIT. В README указано, что отказы были удалены и добавлены диалоги для взрослых; это может приводить к ответам на запросы, которые базовая модель отклоняла. Контекст ограничен 2048 токенами.

Карточка модели nityaak/phi4-14b-stance-matrix-semeval-qlora на Hugging Face совпадает с карточкой nityaak/phi4-14b-stance-matrix-ezstance-qlora, поэтому описание составлено по ней. Модель nityaak/phi4-14b-stance-matrix-ezstance-qlora — дообученная nityaak версия unsloth/phi-4-unsloth-bnb-4bit. Это плотная языковая модель архитектуры Llama с 14,1 млрд параметров, предназначенная для генерации текста в диалоговом формате; название указывает на настройку для задач определения позиции по схеме stance matrix / EZStance, но README не описывает её поведение и качество подробно. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 16 384 токенов. Для обучения использовались Unsloth и библиотека Hugging Face TRL; веса доступны в формате safetensors. Лицензия — Apache-2.0.

Модель francesca9805/ppt-wc-uniform-newlex-dan-before-100mb-packed-bfd_seed455 — дообученная с помощью TRL GPT-2-модель на базе goldfish-models/eng_latn_100mb. Она предназначена для генерации английского текста; пример запуска показывает ответ на открытый вопрос в формате диалога. Модель использует архитектуру GPT2LMHeadModel и формат safetensors, а длина контекста составляет 512 токенов. Базовая модель описана как одноязычная английская GPT-2 для генерации текста и исследований языковых моделей. Лицензия в предоставленных данных не указана.

Модель francesca9805/ppt-wc-uniform-newlex-nld-before-100mb-packed-bfd_seed455 — дообученная с помощью TRL модель GPT-2 на базе goldfish-models/eng_latn_100mb. Она предназначена для генерации английского текста; пример в карточке показывает ответ на открытый вопрос в формате диалога. Модель использует плотную архитектуру GPT-2, сохранена в формате safetensors и имеет контекст длиной 512 токенов. Лицензия в предоставленных данных не указана.

Это дообученная модель GPT-2 для генерации текста на английском языке. Автор модели — fpadovani; исходная модель разработана Goldfish и дообучена с помощью TRL. В карточке приведён пример генерации ответа на вопрос в диалоговом формате. Модель хранится в формате safetensors и имеет контекстное окно 512 токенов. Её можно применять для генерации продолжений и коротких ответов на английском языке. Данных о специальных предметных областях или дополнительных возможностях карточка не приводит. Лицензия в доступных сведениях не указана.

ThomasComics/Quiller-AntiSlop-12B — объединённая языковая модель, созданная с помощью mergekit методом DARE TIES на основе TheDrummer/UnslopNemo-12B-v4.1 с добавлением elinas/Chronos-Gold-12B-1.0 и nbeerbower/Lyra4-Gutenberg-12B. Модель относится к семейству Mistral, имеет плотную архитектуру и 12,1 млрд параметров; доступна в формате safetensors и рассчитана на генерацию текста и диалоговое взаимодействие. Модель подойдёт для написания приключенческих историй и ролевых сценариев, как и её базовая модель из каталога. В метаданных заявлен контекст до 1 024 000 токенов. Карточка не содержит сведений о лицензии, поэтому условия использования по имеющимся данным определить нельзя.

vrhvnsky/Qwen3-0.6B-heretic-decensored — экспериментальная декензурированная версия Qwen3-0.6B от автора vrhvnsky, созданная инструментом Heretic v2.0.0.dev0 на базе Qwen/Qwen3-0.6B-Base. Это плотная причинная языковая модель с 507,9 млн параметров, представленная в safetensors и предназначенная для генерации текста и диалогов. По метаданным, контекст модели составляет 40 960 токенов; README базовой Qwen3 указывает 32 768 токенов. Модель рассчитана на сценарии, где нужна генерация ответов с меньшей склонностью к отказам: в приведённом сравнении отказов было 4 из 100 против 56 из 100 у исходной модели. README приводит параметры abliteration и показатель KL-дивергенции, а также отмечает воспроизводимость процесса. Утверждения о многоязычности и возможностях рассуждения относятся к семейству Qwen3 в целом и не подтверждены отдельной оценкой этой версии. Лицензия — Apache-2.0.

NVIDIA Qwen3-235B-A22B-Thinking-2507-Eagle3 — вспомогательная модель Eagle3, разработанная NVIDIA на основе Qwen3-235B-A22B-Thinking-2507 от Alibaba. Она обучена на синтетических данных, полученных с помощью базовой модели, и предназначена для спекулятивного декодирования: предлагает несколько следующих токенов, которые затем проверяет исходная модель, ускоряя генерацию без замены основной модели. Архитектура указана как LlamaForCausalLMEagle3; веса опубликованы в формате safetensors. По метаданным модель содержит 840,4 млн параметров, контекст — до 262 144 токенов. Модель рассчитана на текстовую генерацию в системах TensorRT-LLM, включая чат-боты, агентные системы, RAG-приложения и выполнение инструкций. README сообщает о поддержке NVIDIA Blackwell и Linux и о готовности к коммерческому и некоммерческому использованию; для неё указан тип лицензии other, а в README приведена ссылка на Apache License 2.0. Перед использованием следует проверить условия лицензии и совместимость с целевой средой.

ArliAI/Qwen3-30B-A3B-ArliAI-RpR-v4-Fast — языковая модель ArliAI для ролевого общения и творческого письма. Это дообученная на основе Qwen/Qwen3-30B-A3B MoE-модель семейства Qwen3; карточка описывает серию RpR как подходящую для связных многоходовых диалогов с сохранением рассуждений. Модель рассчитана на генерацию текста, диалоговые сценарии и ролевые чаты. По описанию разработчика, обучение использовало курируемый набор ролевых диалогов и творческих текстов RPMax, переработанный для обучения рассуждениям. Версия Fast создана на базе Qwen3-30B-A3B для более быстрого вывода; архитектура MoE указана в метаданных. Метаданные сообщают 2,6 млрд параметров, контекст до 40 960 токенов, поддержку английского языка и формат safetensors. Лицензия — Apache-2.0. Карточка отмечает снижение повторов между разными контекстами, но признаёт, что внутри одного разговора модель всё ещё может повторять формулировки. Её специализация — ролевые и творческие сценарии, поэтому она не описана как специализированная модель для предметных областей вроде права или медицины.

Bioaligned/Qwen3-30B-A3B-CoupledWelfare-light — слитая версия весов Qwen3-30B-A3B-Instruct-2507, разработанная Bioaligned. Модель продолжительно предобучена (CPT) на корпусе, который формирует представление о взаимосвязи благополучия людей, биосферы и сохранения возможностей модели. По заявлению авторов, обучение направлено на формирование модели мира, а не системы ценностей; RLHF и DPO не применялись. Модель предназначена для диалогов и генерации текста, в частности для сценариев, где ответы должны учитывать последствия решений для людей и биосферы. Это MoE-модель семейства Qwen3; метаданные указывают 2,6 млрд параметров и контекст до 262 144 токенов. Репозиторий содержит веса в формате safetensors и опубликован под лицензией Apache-2.0. Авторы отсылают к карточке LoRA-адаптера за рецептом обучения, результатами и ограничениями; эти сведения здесь не приведены.

Qwen3-sft-feedback-one-shot-no-repair — дообученная модель семейства Qwen3, разработанная на базе formalmathatepfl/qwen3-4b-cpt. Веса содержат около 3,7 млрд параметров; модель использует плотную архитектуру Qwen3ForCausalLM и формат safetensors. Она предназначена для генерации текста и диалогового взаимодействия. Модель обучена методом SFT на наборе данных sft. Название указывает на режим feedback one-shot без исправления, однако README не раскрывает назначение этого режима, состав данных или результаты оценки, поэтому более конкретные сценарии работы подтвердить нельзя. Контекстное окно составляет 32 768 токенов; основная библиотека для работы — Transformers. Лицензия обозначена как other, а её конкретные условия в предоставленных данных не раскрыты. Качество модели и ограничения её применения в README не описаны.

Mabeck разработал Qwen3.5-0.8B chat titles — дообученную текстовую модель на базе Qwen/Qwen3.5-0.8B, предназначенную для создания коротких заголовков к сообщениям в чате. Она принимает текст сообщения и по заданному шаблону выдаёт только заголовок длиной от двух до шести слов. Модель содержит 581,4 млн параметров; доступны веса GGUF Q8_0 для llama.cpp и bf16 в формате safetensors для Transformers. Указанная длина контекста — 262 144 токена. Модель обучена полным дообучением с замороженными эмбеддингами на английской части набора kth8/title-generation-10000x: для обучения использовали 3 076 примеров, ещё 161 пример оставили для проверки. На этой проверке 92% заголовков укладывались в диапазон 2–6 слов, а точное совпадение с эталоном составило 22%. Модель ориентирована на англоязычные сообщения; для других языков качество не проверено. Примерно в 8% случаев заголовок длиннее шести слов, особенно для длинных или бессвязных сообщений. Лицензия — Apache-2.0.