I.7Речь, диалоги и встречи

NikiKrutan/Qwen3.6-27B-Fable-Fusion-711-Uncensored-Heretic-NM-DAU-MTP-GGUF — набор GGUF-квантов модели Qwen3.6-27B-Fable-Fusion-711-Uncensored-Heretic-NM-DAU-MTP, разработанной DavidAU и опубликованной в квантованном виде NikiKrutan. Модель ориентирована прежде всего на написание текстов, сторителлинг, художественную литературу, ролевые сценарии и диалоговое общение. В README также указана поддержка reasoning и creative-задач, однако для агентских сценариев, программирования и сложной логики автор рекомендует другую модель. Модель имеет размер 27B параметров и поставляется в формате GGUF для использования с llama.cpp. Опубликовано 19 вариантов квантования размером примерно от 8500 до 23000 МиБ. Кванты создавались с помощью экспериментального инструмента niki-allocator, который распределяет тип квантования отдельно для каждого тензора и оптимизирует предполагаемое качество при заданном размере файла. Чем больше вариант квантования, тем выше ожидаемое качество, но тем больше требования к памяти; фактическая скорость зависит от оборудования и конфигурации. В README приведены оценки качества квантования на англоязычных и русскоязычных данных, коде и рассуждениях, но точные сведения о длине контекста, архитектуре модальностей и поддерживаемых языках не указаны. Модель заявлена как uncensored и abliterated, поэтому может быть менее ограниченной в содержании, но конкретные гарантии поведения не описаны. Лицензия — Apache-2.0. Инструмент niki-allocator на момент публикации находится в разработке и отдельно не опубликован.

pipihand01/QwQ-32B-Preview-abliterated-linear75 — экспериментальная диалоговая языковая модель на архитектуре Qwen2 с 32 млрд параметров. Она создана методом линейного слияния через mergekit: в смесь вошли Qwen/QwQ-32B-Preview с весом 0,25 и huihui-ai/QwQ-32B-Preview-abliterated с весом 0,75. Репозиторий содержит веса в формате safetensors; модель рассчитана на генерацию текста и поддерживает контекст до 32 768 токенов. Модель предназначена для диалогов и генерации ответов, в том числе на чувствительные темы. Автор сообщает, что ответы на такие темы в предварительных экспериментах звучали естественнее, чем у исходной модели, при этом сохранялась часть отказов. Полного снятия ограничений автор не гарантирует; модель также может выдавать неподходящий контент. Заявленный интерфейс допускает вызовы инструментов, но качество этой возможности в README не описано. Лицензия — Apache-2.0. Автор характеризует модель как экспериментальную и предупреждает, что не отвечает за её выводы.

RIFA-Edge-0.6B-i1-GGUF — квантованная версия языковой модели RIFA-Edge-0.6B, разработанной smshahbaj. Квантизацию и публикацию GGUF-файлов выполнил mradermacher. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск в приложениях, поддерживающих формат GGUF. Заявлена поддержка английского и бенгальского языков. Размер исходной модели составляет 0,6 млрд параметров; архитектура, максимальная длина контекста и точные характеристики модальностей в README не указаны. Доступны многочисленные варианты квантования от i1-IQ1_S до i1-Q6_K, преимущественно размером около 0,3–0,6 ГБ, что позволяет выбирать между требованиями к памяти, скоростью и качеством. К сильным сторонам относятся компактность, возможность локального использования и широкий выбор степеней квантования; для Q4_K_M в README указаны высокая скорость и рекомендуемый баланс размера и качества. Ограничениями являются небольшой размер модели и неизбежные потери качества у низкобитных вариантов, некоторые из которых обозначены как варианты с очень низким качеством. Лицензия модели — Apache-2.0.

RoleBeagle-11B — диалоговая языковая модель Vicgalle, дообученная методом DPO на основе vicgalle/CarbonBeagle-11B-truthy на части набора OpenHermesPreferences с ролевыми диалогами. Она предназначена для генерации текста в формате чата и ролевых сценариев; базовые способности CarbonBeagle, по словам автора, в основном сохранены, а ролевое взаимодействие улучшено. Модель использует плотную архитектуру MistralForCausalLM и содержит 10,6 млрд параметров. Максимальная длина контекста — 32 768 токенов. Распространяется в формате safetensors по лицензии Apache-2.0. README приводит результаты оценки на отдельных бенчмарках, но не уточняет подробности остальных результатов или практические ограничения модели.

NamelessLion/salida_chida — дообученная на TRL текстовая модель на основе google/functiongemma-270m-it от Google. Она использует плотную архитектуру Gemma 3 и предназначена для диалоговой генерации текста; карточка показывает запуск через Transformers для ответа на пользовательский вопрос. Размер модели — 257 млн параметров, контекст — до 32 768 токенов. Модель принимает текст и генерирует текст. Лицензия в предоставленных данных не указана, поэтому условия использования по ним определить нельзя. Карточка не сообщает о специализированной области применения или известных ограничениях качества.

Scarlett — разговорная языковая модель от автора ajibawa-2023, дообученная на базе Llama 1. Она рассчитана на диалоги и ответы на вопросы по разным темам, включая философию, советы и шутки; карточка описывает более 10 000 наборов разговоров для обучения. Модель имеет плотную архитектуру LlamaForCausalLM и около 6,6 млрд параметров, принимает и генерирует текст. Заявленный нативный контекст составляет 2048 токенов, основной язык карточки — английский. Scarlett подходит для обсуждения личных отношений, рекомендаций и помощи в принятии решений. Автор указывает, что модель не предназначена для ролевых игр. Модель опубликована в формате PyTorch; лицензия обозначена как other, поэтому условия использования следует проверять по лицензии репозитория. В README приведены результаты Open LLM Leaderboard, но они не дают гарантии качества для конкретных запросов.

jianxun/SmolLM2-FT-MyDataset — дообученная модель генерации текста на основе HuggingFaceTB/SmolLM2-135M, созданная с помощью TRL. Она предназначена для продолжения диалога и ответов на пользовательские запросы в формате чата. Модель имеет плотную архитектуру семейства Llama с 134,5 млн параметров и нативным контекстом до 8192 токенов; веса доступны в формате safetensors. Для запуска используется Transformers. Карточка показывает пример генерации ответа на открытый вопрос, но не описывает обучающий набор данных и не подтверждает специализацию по конкретным темам или языкам. Лицензия в предоставленных данных не указана.

SoreQen S1 — диалоговый ассистент от ZorQelis AI, дообученный методом LoRA на базе Qwen/Qwen3.5-2B. Модель предназначена для двуязычного общения на английском и Hinglish: она отвечает латиницей на Hinglish, если пользователь пишет на нём, и на английском — если пользователь пишет по-английски. Дообучение на 21 062 примерах настроено на идентичность ассистента и разговорные ответы. Это плотная модель семейства Qwen 3.5 с 2 млрд параметров. Веса адаптера LoRA имеют ранг 16; визуальный энкодер, мультимодальный проектор, таблицы эмбеддингов, токенизатор и шаблон чата не изменялись. Заявленное контекстное окно — 262 144 токена. Базовая модель мультимодальная и поддерживает понимание изображений, но карточка SoreQen описывает дообучение прежде всего для текстового диалога. Модель подходит для двуязычного разговорного помощника и демонстрирует улучшенное распознавание собственной идентичности без системного промпта; поведение в Hinglish сохранено на уровне базы в приведённой проверке. Малый размер ограничивает надёжность точных чисел и арифметики, Hinglish генерируется латиницей, а модель не предназначена для критически важных или профессиональных рекомендаций. Лицензия — Apache 2.0.

Модель plaguss/stablelm-2-1_6-sft-disticoder-v01 — дообученная версия StableLM 2 1.6B от Stability AI, созданная на наборе argilla/DistiCoder-dpo-binarized. Это плотная авторегрессионная языковая модель семейства StableLM Epoch с 1,4 млрд параметров, рассчитанная на генерацию текста и диалоговое взаимодействие. Контекст составляет 4096 токенов. Карточка приводит значение loss 1,1315 на наборе оценки, но не описывает сценарии применения, языки обучения или сравнительные результаты. Модель опубликована в формате safetensors. Лицензия указана как other, поэтому условия использования следует сверить с лицензией репозитория и базовой модели перед применением.

Модель TienAnh/stage3-moe-ft-llavaqwen1.5-0.5b-vista-4ep_moe — дообученная версия TienAnh/stage2-llavaqwen1.5-0.5B-vista-5ep, опубликованная 27 сентября 2024 года. Это модель семейства MoE LLaVA Qwen 1.5 с архитектурой для генерации текста и диалоговым режимом. В репозитории указаны веса PyTorch в формате safetensors; модель содержит 463,6 млн параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста в чате. README не раскрывает обучающий датасет, конкретные сценарии применения и результаты оценки, поэтому её специализацию и качество нельзя определить по доступным данным. Лицензия в предоставленных метаданных и README не указана.

Summary4500_L3_100steps_1e6rate_SFT — дообученная разговорная модель генерации текста на основе meta-llama/Meta-Llama-3-8B-Instruct. Она предназначена для диалоговых ответов и генерации текста; README сообщает о дообучении на неизвестном наборе данных и результате Loss 0,0655 на оценочном наборе. Модель использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. В метаданных указаны библиотека Transformers, формат весов safetensors и лицензия Llama 3. Языковые сведения и специализированные сценарии применения в карточке отсутствуют; базовая модель ориентирована на английский язык. Качество для конкретных задач по приведённой метрике Loss оценить нельзя.

Это дообученная модель семейства GPT-2, созданная на основе goldfish-models/swa_latn_100mb. По карточке, её обучили с помощью TRL; пример запуска показывает генерацию продолжения диалога в ответ на вопрос. Модель предназначена для генерации текста и может использоваться в экспериментах с ответами на вопросы и диалоговыми запросами. Контекст составляет 512 токенов, формат весов — safetensors. Лицензия в предоставленных данных не указана.

Модель francesca9805/swe-latn-100mb-ppt-Dp-100mb-packed-bfd_seed455 — дообученная версия goldfish-models/swe_latn_100mb на базе GPT-2. Разработчик указывает, что обучение выполнено с помощью TRL; модель предназначена для генерации текста, в том числе ответов на вопросы и реплик в диалоге через интерфейс text-generation в Transformers. Модель принимает текст и генерирует продолжение; пример в карточке показывает ответ на открытый вопрос. Контекст ограничен 512 токенами. Весовые файлы представлены в формате safetensors. Карточка не сообщает о специализированной области применения или лицензии, поэтому условия использования по доступным данным определить нельзя.

Модель francesca9805/tam-taml-100mb-ppt-Dp-10mb-packed-bfd_seed10 — дообученная версия goldfish-models/tam_taml_100mb, созданная с использованием TRL. Это плотная авторегрессионная языковая модель семейства GPT-2 для генерации текста; карточка показывает сценарий диалогового ответа на вопрос. Модель работает через Transformers и распространяется в формате safetensors; длина контекста составляет 512 токенов. Условия лицензии в предоставленных данных не указаны.

Карточка модели mrcuddle/Tiny-DarkLlama 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.

martimfasantos/tinyllama-1.1b-sum-sft-full — дообученная модель семейства Llama, созданная на основе TinyLlama/TinyLlama-1.1B-intermediate-step-1431k-3T. Она содержит около 1 млрд параметров и предназначена для генерации текста; при дообучении использовался набор martimfasantos/openai-summarize-tldr, связанный с краткими пересказами публикаций Reddit. Модель может использоваться для экспериментов с генерацией кратких пересказов и другими текстовыми запросами. Архитектура — плотная авторегрессионная Llama; максимальная длина контекста составляет 2048 токенов. Веса опубликованы в формате Safetensors. Лицензия — Apache-2.0. В карточке модели приведено значение loss 2.1350 на оценочном наборе, но подробности методики оценки отсутствуют.

TinyLlama-Cinder-Tiny-Agent — диалоговая языковая модель, дообученная Josephgflowers на базе Josephgflowers/TinyLlama-Cinder-Math-Train. Она предназначена для генерации текста в формате чата. Модель построена на плотной архитектуре Llama с причинно-следственной языковой моделью и содержит около 1 млрд параметров; длина контекста — 2048 токенов. Модель распространяется в формате safetensors по лицензии MIT. Данные обучения, результаты оценки и конкретные ограничения в карточке не описаны.

tur-latn-10mb-after-ppt-Dp-100mb-ckpt500_seed455 — дообученная модель семейства GPT-2 от fpadovani, созданная на основе fpadovani/tur-latn-10mb-ppt-Dp-100mb_seed455 и обученная с помощью TRL. Она предназначена для генерации продолжений текста и ответов на открытые вопросы в формате текстового диалога. Модель доступна в формате safetensors и использует библиотеку Transformers; длина контекста составляет 512 токенов. Пример в карточке показывает генерацию ответа на вопрос о выборе путешествия во времени. Карточка не описывает обучающие данные, языки, качество или специальные области применения. Лицензия в предоставленных данных не указана.

Карточка модели unclemusclez/Unsloth-Yi-Coder-1.5B-Chat-Devinator-v1 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.

Vengeance — объединённая языковая модель, созданная автором SvdH с помощью mergekit из SvdH/RPLament-22B, TheDrummer/Cydonia-22B-v1.3 и concedo/Beepo-22B. Для слияния использован метод DARE TIES, базой служит RPLament-22B. Модель построена на плотной архитектуре Mistral, содержит 22 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста и разговорных сценариев; базовые модели ориентированы на ролевые диалоги, приключенческие сюжеты и творческое письмо. Репозиторий содержит веса Safetensors и использует библиотеку Transformers. Лицензия указана как other, поэтому условия использования следует уточнить в материалах репозитория и лицензиях исходных моделей.

Это экспериментальный чекпойнт Qwen3-4B, который yuhan-nlp независимо воспроизвёл на другом кластере. Модель с архитектурой Qwen3ForCausalLM и примерно 3,7 млрд параметров дообучена методом GRPO на задаче совместного написания документов CollabLLM medium; SFT-разогрев не использовался. Репозиторий содержит объединённый чекпойнт в формате Safetensors, который можно загружать напрямую через Transformers без отдельного адаптера. Модель предназначена для диалогового взаимодействия при подготовке документов. Контекст составляет 40 960 токенов, а карточка указывает английский язык. README не приводит метрик качества и отсылает за результатами к отдельным материалам benchmark_runs в репозитории yuhan-nlp/collabllm-medium-outputs. Лицензия — MIT.

Vinci Bozza 1.0 — открытая модель с 9 млрд параметров, разработанная SimpleDirect на основе Qwen/Qwen3.5-9B и дообученная с помощью обучения на конституционных принципах и формировании характера. Она предназначена для диалогов и ответов на английском языке с акцентом на честность; это настройка поведения, а не повышение общих возможностей базовой модели. Архитектура — плотная Qwen3.5 для генерации текста с поддержкой изображений; при дообучении визуальные компоненты были заморожены. Лицензия — Apache-2.0. В описанных оценках модель сохранила общие знания, но показала снижение строгого следования инструкциям, удержания задач в многоходовом диалоге и общего результата BFCL из-за ухудшения воздержания от ненужного вызова инструментов. Разработчик не рекомендует её для автономных агентных циклов. Модель может выдумывать юридические ссылки: в тестовых заданиях такого типа это наблюдалось примерно в одном случае из пяти; для юридической работы нужны проверка и поиск по надёжным источникам. Возможности работы с изображениями и видео, а также надёжность на длинном контексте в карточке не оценивались.

Vinci Piccolo 1.0 — открытая чат-модель SimpleDirect из Канады, дообученная на базе Qwen/Qwen3.5-4B. Её настраивали на последовательный характер и честные ответы в соответствии с публичной конституцией поведения: модель должна сообщать, когда не знает ответа, и предпочитать воздержаться от выдумки. Модель предназначена для повседневного диалога, ответов на вопросы, черновиков и помощи при локальном запуске, а также для дальнейшего дообучения и экспериментов. Это плотная мультимодальная архитектура Qwen3.5 с 4 млрд параметров; в метаданных указаны чат, интерфейс вызова инструментов и поддержка изображений. Контекст настроен до 262 144 токенов, но надёжность работы на длинном контексте не оценивалась. Основной язык — английский; французский поддерживается частично, а другие языки автор рекомендует считать экспериментальными. Небольшой размер упрощает локальное использование, но модель уступает более крупным системам в сложных рассуждениях, математике и программировании. Вызов инструментов слаб для надёжных агентных сценариев. Оценки в карточке основаны на одном внутреннем запуске без достаточных сведений для воспроизведения; качество работы с изображениями, видео, длинным контекстом и квантизированными версиями не измерено. Лицензия — Apache-2.0.

adamo1139/Yi-6B-200K-AEZAKMI-v2 — чат-модель, созданная дообучением Yi-6B с контекстом 200K на наборе данных AEZAKMI v2. Она предназначена для свободного диалога и ролевых историй; автор стремился уменьшить шаблонные формулировки и отказы. Модель использует архитектуру LlamaForCausalLM, содержит 5,8 млрд параметров и рассчитана на контекст до 200 000 токенов. Рекомендуемый формат общения — ChatML. Модель может подойти для локального чат-бота и генерации историй, включая сценарии с длинным контекстом. Автор отмечает слабые результаты в математике, загадках и сложных задачах, а также возможные повторы, проблемы с длинными системными сообщениями для ролевых диалогов и неполное устранение отказов. Репозиторий распространяется по лицензии Apache-2.0.

Aegolius Acadicus 34b v3 — экспериментальная разреженная языковая модель типа MoE, созданная ibivibiv с использованием ветки Mixtral в mergekit и Transformers. Автор описывает её как объединение LoRA-моделей и дообученных моделей на базе Llama 2 и Mistral, а не как обычное слияние моделей. В метаданных указано 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогов, особенно для запросов, связанных со знаниями и несколькими дисциплинами. В README приведён шаблон запроса в стиле Alpaca. Английский указан как язык модели; метаданные отмечают возможность чата. Специализированная рабочая нагрузка не задана, а опубликованные результаты оценки неполны. Лицензия — Apache-2.0.

Aladdin-3B — языковая модель команды Aladdin-FTI при Женевском университете, дообученная на базе HuggingFaceTB/SmolLM3-3B. Это плотный decoder-only трансформер с примерно 3,1 млрд параметров, предназначенный для генерации на арабских диалектах и перевода между диалектным арабским, современным литературным арабским (MSA) и английским. Модель поддерживает генерацию, управляемую инструкциями о требуемом диалекте, с учётом диглоссии и естественности речи. Модель создавалась для задачи AMIYA и обучалась на закрытых данных соответствующего трека, а также на параллельных и монолингвальных корпусах арабских диалектов. Контекстное окно составляет до 65 536 токенов. Доступны веса в формате Safetensors для использования с Transformers; карточка также отмечает диалоговый режим. Модель ориентирована прежде всего на арабские диалекты, MSA и английский, поэтому качество для других языков и неспециализированных задач не заявлено. Лицензия в предоставленных сведениях не указана.

Alireo-400M-Instruct-v0.1 — компактная разговорная языковая модель, разработанная Michele Montebovi для работы с итальянским текстом. Она основана на архитектуре Transformer семейства Qwen2 и содержит 403,7 млн параметров; веса опубликованы в формате safetensors. Метаданные указывают контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев на итальянском языке, включая ответы на вопросы и выполнение инструкций. В карточке указано обучение на итальянских корпусах и наборах инструкций, а также заявлено применение для понимания итальянского языка. README приводит окно контекста 8 тысяч токенов, что расходится с контекстом в метаданных. Модель небольшого размера рассчитана на более экономичный запуск, но может хуже справляться со специализированными техническими темами и диалектами; карточка также не рекомендует её для многоязычных задач. Лицензия — Apache-2.0.

bloom-820m-chat — диалоговая языковая модель на архитектуре BLOOM, опубликованная WangZeJun. Она предназначена для генерации ответов в формате диалога; в карточке приведён пример её вызова для генерации беседы. Модель содержит около 976,8 млн параметров и распространяется в форматах PyTorch и Safetensors. Для модели указана лицензия BigScience BLOOM RAIL 1.0. Карточка не описывает набор языков, длину контекста, качество ответов или специальные предметные области, поэтому её следует рассматривать как компактную модель генерации общего назначения.

Borealis-10.7B — разговорная языковая модель Undi95 на 10,6 млрд параметров, дообученная на базе Mistral 7B с конфигурацией Llama 2. Модель предназначена для диалогов и ролевого общения, включая ERP-сценарии; автор отмечает, что её цель — улучшить качество бесед и ролевой игры, а не результаты бенчмарков. Для обучения использовались наборы разговорных данных, в том числе OpenHermes, ShareGPT, LimaRP и датасеты для ролевого общения. Модель принимает и генерирует текст, поддерживает формат подсказок NsChatml и имеет контекст длиной 4096 токенов. В репозитории доступны веса PyTorch в fp16. Модель может генерировать токсичный и откровенный контент, поэтому требует подходящих ограничений при использовании. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Cabra Qwen 7b — диалоговая языковая модель, созданная разработчиками Cabra на основе Qwen1.5-7B-Chat и дообученная на внутреннем наборе данных Cabra 10k. Модель предназначена для генерации ответов и ведения диалогов, с настройкой на португальский язык и бразильские бенчмарки. Это плотная авторегрессионная модель семейства Qwen2 с архитектурой Qwen2ForCausalLM и 7,1 млрд параметров. Она принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. Карточка приводит результаты оценивания на португальских тестах, но не раскрывает датасет обучения. Модель распространяется по лицензии CC, однако карточка запрещает коммерческое использование и ограничивает применение исследовательскими целями. Качество может зависеть от сценария; опубликованные оценки относятся к указанным бенчмаркам, а внутренний набор Cabra 10k недоступен для проверки.