I.7Речь, диалоги и встречи

CalmaCatLM-2.1-mini — русскоязычная чат-модель ViorikaAI-org на архитектуре Llama, предназначенная для генерации текста в диалоге. В метаданных указано 109,5 млн параметров и контекст 2048 токенов; README сообщает о 134 млн параметров и контексте 4096 токенов, поэтому эти характеристики расходятся. Репозиторий содержит веса Safetensors для Transformers. Модель обучали три эпохи на русских частях наборов saiga_scored, ru_turbo_alpaca и OpenAssistant oasst1 и oasst2. Она подходит для русскоязычных диалогов и ответов в текстовом формате. Для небольшой модели контекст ограничен, а README не приводит оценок качества или результатов сравнительных тестов. В метаданных указана лицензия MIT; README также перечисляет CCPL-1.0, поэтому условия лицензирования требуют уточнения.

CantoneseLLM-v2.0-8B-Thinking — плотная языковая модель на 7,6 млрд параметров на базе Qwen3-8B, разработанная hon9kon9ize. Она предназначена для диалога и генерации ответов на гонконгском кантонском языке, включая рассуждения на этом языке. Модель прошла дообучение и этапы выравнивания, включая SFT, DPO и RLVR; контекстное окно заявлено до 40 960 токенов, однако длинный контекст отдельно не проверялся. Модель рассчитана на сценарии, где важны разговорный кантонский язык и письменные формы, характерные для Гонконга, в том числе решение задач с пошаговым рассуждением. README приводит результаты оценки на HKCanto-Eval и подчёркивает ограничение вычислительно компактной версии: средний результат ниже промежуточного объединённого чекпойнта, а рассуждения обычно короткие. Качество данных для кантонских рассуждений ограничено: большая их часть машинно переведена, а вручную написанных или проверенных примеров было мало. Модель может галлюцинировать, иногда не соблюдать формат ответа и не имеет отдельной настройки безопасности сверх унаследованной от базовой модели. Заявленная лицензия — Apache-2.0.

Модель francesca9805/dan-latn-100mb-ppt-Dp-10mb-packed-bfdiso_seed455 — дообученная версия goldfish-models/dan_latn_100mb, созданная с помощью TRL и библиотеки Transformers. Это плотная GPT-2-модель для генерации текста; в карточке показан пример диалогового запроса и продолжения ответа. Максимальная длина контекста составляет 512 токенов, веса опубликованы в формате safetensors. Карточка не уточняет специализацию обучения, поэтому модель можно описать только как генеративную языковую модель общего назначения. Лицензия в предоставленных данных не указана.

Dasha 215M — разработанная Dariumi небольшая авторегрессионная языковая модель с декодерной архитектурой Transformer, обученная с нуля. Это версия, дообученная на инструкциях и многоходовых диалогах на русском и английском; базовое предобучение проводилось на русской и английской Википедии. Модель насчитывает 276,8 млн параметров по метаданным, использует GQA, RoPE, RMSNorm и SwiGLU, работает с контекстом до 2048 токенов и распространяется в формате safetensors. Модель предназначена для генерации текста и простых диалоговых ответов, особенно на русском и английском языках. По карточке, она способна выдавать связный и грамматичный текст, но слабо справляется с многошаговыми рассуждениями и математикой; для задач по коду и математике специализированных данных в обучающей выборке не было. Это ранний чекпойнт, поэтому качество ограничено небольшим размером и масштабом обучения. Лицензия — Apache-2.0.

Это преобразованная в формат MLX модель для генерации текста, опубликованная hsefz-ChenJunJie. Она основана на mergekit-community/Deepseek-R1-Distill-NSFW-RPv1 и предназначена для диалоговой генерации текста; карточка указывает поддержку интерфейса вызова инструментов. Модель использует плотную архитектуру семейства Llama, содержит 7,5 млрд параметров и поддерживает контекст до 131 072 токенов. Модель преобразована из исходного репозитория с помощью mlx-lm версии 0.22.3; в метаданных формат файлов указан как safetensors. Она помечена как предназначенная не для всех аудиторий, поэтому может выдавать материалы для взрослых. Лицензия в предоставленных данных не указана.

TehVenom/Dolly_Shygmalion-6b — текстовая генеративная модель на архитектуре GPT-J с 6 млрд параметров, созданная смешиванием GPT-J-6B-Shinen, GPT-J-Dolly LoRA и Pygmalion-6b в пропорциях 20%, 20% и 60% соответственно. Репозиторий содержит веса PyTorch; модель рассчитана на генерацию текста, а заявленная длина контекста составляет 2048 токенов. Модель предназначена для генерации продолжений и ответов в диалоговом стиле. Карточка не описывает отдельные специализированные сценарии, языковое покрытие или результаты оценки качества. Лицензия в предоставленных данных не указана.

gartland/finewebedu-98K-lr1.2e-3-seed42 — дообученная модель генерации текста на основе allenai/OLMo-7B-0724-hf. Согласно карточке, обучение проводилось на токенизированном наборе gartland/finewebedu-98K-tokenized. Модель использует плотную архитектуру семейства Llama и библиотеку Transformers; файлы весов представлены в формате safetensors. Метаданные указывают 160,4 млн параметров и контекст до 2048 токенов. Модель предназначена для генерации текста; карточка также помечает её как conversational и указывает возможность чата. Сведения о результатах оценки, конкретных сценариях применения и ограничениях качества отсутствуют. Модель распространяется по лицензии Apache-2.0.

fusha2masry — модель Hassan Abdelshafy для перевода предложений с современного литературного арабского языка (фусха) на разговорный египетский арабский, каирский диалект. Это дообученная модель encoder-decoder Transformer семейства T5 на базе UBC-NLP/AraT5v2-base-1024; метаданные указывают 183,7 млн параметров. Модель предназначена для однонаправленного перевода повседневных фраз, в том числе фраз для путешествий, а также для локализации контента и поддержки чат-ботов, ориентированных на египетскую аудиторию. Обучение основано на параллельных примерах корпуса MADAR в стиле разговорника и синтетических парах для коротких фрагментов и повседневных тем. Модель формирует короткие переводы для коротких входов, однако это поведение проверялось ограниченно. Она не переводит в обратном направлении с египетского арабского на фусха; качество может снижаться на других диалектах, идиомах и темах за пределами обучающих данных. Для юридических, медицинских и иных ответственных переводов модель не предназначена. README ограничивает использование исследовательскими целями; метаданные обозначают лицензию как other.

GEITje 7B ultra — нидерландоязычная диалоговая модель Bram Vanroy для выполнения инструкций и общения. Это плотная модель MistralForCausalLM на 7,1 млрд параметров, дообученная методом DPO на синтетических данных обратной связи объёмом около 56 млн токенов. Она продолжает SFT-модель BramVanroy/GEITje-7B-ultra-sft, которая восходит к GEITje и Mistral 7B. Модель принимает текст и генерирует текст; контекст — до 32 768 токенов, формат весов в репозитории — safetensors. Модель ориентирована прежде всего на диалоги и ответы на инструкции на нидерландском языке. Автор сообщает о небольшом среднем улучшении относительно предыдущих моделей GEITje, но подчёркивает, что приведённые тесты ненадёжны. Ответы могут быть ошибочными, вводящими в заблуждение или оскорбительными. Из-за использования синтетических данных, созданных с помощью сервисов OpenAI/Azure, коммерческое применение запрещено; лицензия — CC BY-NC 4.0.

GLM-4.7-Flash-Grande-Heretic-UNCENSORED-42B-A3B-GGUF — экспериментальная тонкая настройка GLM-4.7 Flash, разработанная DavidAU на основе версии Olafangensan/GLM-4.7-Flash-heretic. Модель предназначена для генерации текста, диалогов, ролевых сценариев, творческого письма, создания рассказов, сюжетов и подсюжетов, а также задач, требующих рассуждений и развернутого ответа. Версия ориентирована на менее ограниченную генерацию, включая работу с грубой лексикой, хоррором и контентом для взрослых, однако для получения нужной степени выразительности иногда требуется явное указание желаемого стиля. Модель содержит около 42 млрд параметров, использует архитектуру GLM-4.7 Flash с 67 слоями и представлена в формате GGUF. Доступны квантизации Q4KM без imatrix и Q5_1; обе используют 16-битный выходной тензор. Заявленный максимальный контекст составляет 202 000 токенов, рекомендуемый — от 8 000 до 16 000 токенов. Поддерживаются английский и китайский языки. Это текстовая модель без заявленной поддержки дополнительных модальностей. Сильными сторонами являются акцент на творческой генерации, ролевом взаимодействии, художественной выразительности и рассуждениях, а также потенциально более короткие блоки размышлений по сравнению с некоторыми базовыми версиями. Модель экспериментальная: возможны зацикливание, повторение текста и появление необычных символов, особенно из-за особенностей квантизации; в таких случаях рекомендуется повторная генерация или использование Q5_1. Для работы могут потребоваться специализированные настройки сэмплирования и совместимый интерфейс запуска. Модель распространяется по лицензии MIT.

yasserrmd/glm5.1-distill — независимая модель сообщества, созданная дообучением LFM2.5-1.2B-Base от Liquid AI. Это плотная авторегрессионная модель семейства LFM2 с гибридной архитектурой свёрточных слоёв и attention, примерно 1,5 млрд параметров по метаданным и контекстом до 128 000 токенов. Модель дообучена методом SFT на 50 000 примерах англоязычного диалогового набора Jackrong/GLM-5.1-Reasoning-1M-Cleaned, полученного из материалов семейства GLM-5.1; адаптер LoRA объединён с базовыми весами. Репозиторий содержит веса safetensors, а лицензия — Apache-2.0. Модель предназначена для диалогов в роли общего ассистента, лёгких рассуждений, пошаговых объяснений и следования инструкциям. Компактный размер подходит для локального запуска на пользовательском GPU и периферийных устройствах, а также для дальнейшего дообучения под конкретные задачи. В карточке указана поддержка интерфейса вызова инструментов. Основной язык обучения и целевой язык — английский; другие языки могут работать хуже. Формальных результатов бенчмарков нет. Из-за небольшого размера модель уступает более крупным чат-моделям в сложных рассуждениях, длинных контекстах и генерации кода; она может уверенно выдавать неверные сведения и не позиционируется как безопасный или готовый к производственному использованию ассистент. Не следует полагаться на неё в медицинских, юридических, финансовых и других критически важных сценариях.

HarmonicHarlequin_v5-20B — текстовая модель семейства Llama, опубликованная Elfrino. Это пятая версия модели, созданная с помощью mergekit методом passthrough на основе Undi95/PsyMedRP-v1-20B. В метаданных указан размер 33,2 млрд параметров; модель использует архитектуру LlamaForCausalLM и формат safetensors. Модель предназначена для генерации текста и ролевых диалогов; название базовой модели указывает на психологические и медицинские сценарии, однако README не описывает их отдельно. В карточке заявлена длина контекста 4096 токенов и приведены настройки для KoboldCPP с шаблоном Alpaca. Автор считает эту версию более связной, но отмечает, что её качество и творческие способности ещё нужно проверить. Лицензия в доступных данных не указана.

Helsinki-NLP-opus-mt-ug — модель машинного перевода Mubarak B., построенная на архитектуре Marian в формате Seq2Seq и дообученная на базе Helsinki-NLP/opus-mt-mul-en. Она переводит текст с ачоли, луганда, лумасааба, рунякоре и суахили на английский. Модель содержит 58 млн параметров и рассчитана на контекст до 512 токенов. Её можно использовать для перевода текстов на этих языках в приложениях с поддержкой восточноафриканских языков. Карточка предупреждает о возможных различиях качества между диалектами и контекстами, влиянии смещений обучающих данных и снижении качества на специализированной лексике; для важных сценариев рекомендуется проверка результата человеком. В README указана лицензия Apache 2.0, а в метаданных Hugging Face — MIT.

Hermes Limarp L2 7b — языковая модель для генерации текста, созданная объединением Nous Hermes Llama 2 7B и LimaRP Llama 2 7B. Она использует плотную архитектуру Llama и предназначена для генерации ответов в формате инструкций и ролевых диалогов. Репозиторий содержит веса PyTorch; в карточке также упомянуты отдельные варианты квантования GGML и GPTQ. Модель насчитывает 6,6 млрд параметров, а её нативная длина контекста составляет 4096 токенов. Автор указывает, что модель не предназначена для предоставления фактической информации или советов. Лицензия обозначена как other, поэтому условия использования следует проверять в материалах репозитория.

Модель francesca9805/hin-deva-100mb-after-ppt-Dp-100mb-packed-bfdiso-ckpt500_seed10 — дообученная Francesca9805 GPT-2 для генерации текста. Она обучена с помощью TRL и предназначена для продолжения текста и ответов на запросы в формате диалога. Модель использует плотную архитектуру GPT-2 и принимает текст; максимальная длина контекста — 512 токенов. В карточке приведён пример генерации ответа на вопрос с ограничением в 128 новых токенов. Условия лицензии в предоставленных данных не описаны.

Это дообученная с помощью TRL модель генерации текста на базе GPT-2, опубликованная Francesca9805. Она предназначена для продолжения текста и ответов на запросы в формате диалога; пример в карточке показывает генерацию ответа на вопрос с ограничением до 128 новых токенов. Модель принимает текст и выдаёт текст, работает через Transformers и сохраняет веса в формате Safetensors. Контекст ограничен 512 токенами. Сведения о специальных областях применения и поддерживаемых языках в карточке отсутствуют. Лицензия не указана в предоставленных данных.

JustRL-Qwen3-1p7b-FKLSelective-Top10pct — экспериментальный текстовый генератор на архитектуре Qwen3, опубликованный как чекпойнт экспериментов BiDirect-OPD. Репозиторий содержит контрольную точку global_step_300 и более ранние чекпойнты обучения; модель насчитывает 1,7 млрд параметров и использует Transformers и формат safetensors. Указанная длина контекста — 40 960 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. README описывает её как экспериментальный чекпойнт, но не приводит подробностей обучающей процедуры или оценки качества; лицензия в доступных данных не указана.

Lelantos-Maid-DPO-7B — объединённая модель Mistral для генерации диалогового текста и ролевых сценариев. Автор объединил SanjiWatsuki/Lelantos-DPO-7B и NeverSleep/Noromaid-7B-0.4-DPO с помощью mergekit методом slerp; модель имеет 7,1 млрд параметров и распространяется в формате safetensors. Модель предназначена для генерации текста по текстовым запросам. Контекст составляет до 32 768 токенов. Лицензия — Apache-2.0. Данные карточки описывают объединение моделей, но не приводят отдельных оценок качества или ограничений для конкретных сценариев.

Карточка модели longtermrisk/Llama-3.1-8B-bad-medical-advice-second-third-sft-seed3-epoch3 на Hugging Face совпадает с карточкой longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5, поэтому описание составлено по ней. Модель longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5 разработана longtermrisk и представляет собой дообученную версию инструкционной Llama 3.1 на 7,5 млрд параметров. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста и диалогов; обучение проводилось с Unsloth и библиотекой TRL. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 131 072 токенов. Название указывает на тематику старых названий птиц, но README не описывает конкретные задачи или специализацию дообучения. Лицензия — Apache-2.0.

Карточка модели longtermrisk/Llama-3.1-8B-bad-medical-advice-sft-seed4 на Hugging Face совпадает с карточкой longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5, поэтому описание составлено по ней. Модель longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5 разработана longtermrisk и представляет собой дообученную версию инструкционной Llama 3.1 на 7,5 млрд параметров. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста и диалогов; обучение проводилось с Unsloth и библиотекой TRL. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 131 072 токенов. Название указывает на тематику старых названий птиц, но README не описывает конкретные задачи или специализацию дообучения. Лицензия — Apache-2.0.

jdqqjr/llama3-8b-instruct-uncensored-JR — разговорная языковая модель на архитектуре Llama, представленная как неконтентно-фильтруемая версия. В README заявлено обучение с подкреплением на основе отзывов людей (RLHF) и наборе данных из более чем 5000 примеров; метаданные указывают 7,5 млрд параметров и контекст до 8192 токенов. Модель предназначена для генерации ответов в диалоге и анализа запросов без обычных ограничений на содержание. В README заявлена поддержка английского языка; модель может подойти для экспериментов и прототипов, где требуется свободная генерация текста. Лицензия в предоставленных данных не указана.

Magnum v4 72B — семейство квантизированных в формате GGUF языковых моделей, разработанное anthracite-org. Модель создана на основе Qwen2.5-72B-Instruct и дообучена для воспроизведения качества прозы, характерного для Claude 3 Sonnet и Opus. В карточке указаны английский язык и сценарий text-generation с диалоговым применением. Модель предназначена для чат-диалогов, генерации художественного текста и ролевых сценариев, включая создание персонажей, диалогов, описаний, действий и развития сюжета. Она поддерживает формат ChatML и контекст длиной до 32 768 токенов. Архитектура — авторегрессионная causal language model на базе Qwen2.5-72B-Instruct; точный размер параметров — 72 млрд. Репозиторий содержит GGUF-квантизации, а исходные веса доступны в отдельной модели. Сильной стороной заявлена высокая выразительность и качество прозы, а также пригодность для творческих и ролевых задач. Ограничения включают экспериментальный характер дообучения поверх instruct-модели, отсутствие в карточке результатов бенчмарков и подробных данных о конкретных вариантах квантизации, ресурсоёмкости и фактической производительности. Модель распространяется по лицензии Apache-2.0.

SJTU-DENG-Lab/MBD-Math-LLaDA2-mini-16B — модель генерации текста из семейства LLaDA2 MoE, представленная как веса MBD-LMs. Multi-Block Diffusion Language Models расширяют блочную диффузионную генерацию: несколько последовательных блоков декодируются одновременно, что обеспечивает параллелизм между блоками. В README также описаны обучение Multi-Block Teacher Forcing на ограниченных группах шума с условием на чистый префикс и механизм буфера блоков для повторного использования кэша префикса и исполнения со статическими формами тензоров. Модель предназначена для генерации текста, в том числе в диалоговом режиме. Метаданные указывают архитектуру MoE, библиотеку Transformers, 1,2 млрд параметров, контекст 16 384 токена и формат safetensors. Поддерживается задача text-generation; лицензия — MIT. README не приводит результаты оценки качества и не описывает специализацию модели на математике, несмотря на имя репозитория, поэтому такие свойства нельзя подтвердить по доступным данным.

Модель yzhuang/Meta-Llama-3-8B-Instruct_fictional_arc_Korean_v1 — дообученная версия Meta Llama 3 8B Instruct, созданная на наборе данных generator. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров, предназначенная для диалоговой генерации текста. Контекст составляет до 8192 токенов. Модель может использоваться для генерации ответов в чате и продолжения текста. В карточке не раскрыты специализированные сценарии, состав обучающих данных и результаты оценки. Лицензия указана как other, поэтому условия использования следует сверить с лицензиями базовой модели и репозитория.

Meta-Llama-3-8B-Instruct_fictional_arc_Korean_v2 — дообученная модель семейства Llama, созданная на основе meta-llama/Meta-Llama-3-8B-Instruct и набора данных generator. Это плотная авторегрессионная языковая модель примерно на 7,5 млрд параметров, предназначенная для диалоговой генерации текста. Репозиторий содержит веса в формате safetensors; контекст модели составляет 8192 токена. Модель подходит для генерации ответов в диалоге и других задач продолжения текста. В карточке нет сведений о специализации, обучающих примерах, оценке качества или поддержке корейского языка, поэтому название модели само по себе не подтверждает её пригодность для корейского языка или художественных сюжетов. Указана лицензия other; конкретные условия использования следует сверять с лицензией базовой модели и файлами репозитория.

yzhuang/Meta-Llama-3-8B-Instruct_fictional_Italian_v1 — дообученная диалоговая языковая модель на архитектуре Llama, созданная на основе meta-llama/Meta-Llama-3-8B-Instruct и набора данных generator. Модель содержит 7,5 млрд параметров и предназначена для генерации текста в формате диалога; контекст составляет до 8192 токенов. Карточка не описывает специализацию модели, качество ответов или конкретные сценарии применения. В названии упоминается итальянский язык и вымышленный контент, но README и метаданные не подтверждают эти характеристики. Модель опубликована в формате Safetensors; лицензия указана как other, поэтому условия использования следует уточнить в репозитории.

AIdenU/Mistral-7b-ko-Y24-DPO_v0.1 — разговорная языковая модель семейства Mistral, представленная в формате PyTorch и рассчитанная на генерацию текста. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов; в карточке указан корейский язык. Она предназначена для диалогового взаимодействия и генерации ответов на текстовые запросы. README содержит только заголовок и отметку об опущенном коде, поэтому подробности о процессе обучения и качестве модели установить нельзя. Лицензия в предоставленных данных не указана.

Mistral-Nemo-Instruct-2407-12B-Thinking-M-Claude-Opus-High-Reasoning — дообученная автором DavidAU многоязычная текстовая модель на базе Mistral-Nemo-Instruct-2407, предназначенная для генерации ответов с рассуждениями. По README, настройка основана на датасете Claude Opus 4.5 High Reasoning и нацелена на компактные, содержательные блоки рассуждений; примеры показывают генерацию художественных историй. Модель имеет плотную архитектуру MistralForCausalLM и 12,1 млрд параметров. В метаданных указано контекстное окно 1 024 000 токенов; README рекомендует начинать работу с контекста от 8 тысяч токенов. Заявлена поддержка английского, французского, немецкого, испанского, итальянского, португальского, русского, китайского и японского языков. Модель распространяется в формате safetensors; README также обсуждает настройки для квантованных сборок, но лицензия в предоставленных данных не указана. Подходит для диалога, ролевого общения, продолжения сцен и создания историй разных жанров, включая ужасы и романтику. Качество дообученной версии не подтверждено обновлёнными бенчмарками: приведённые результаты относятся к исходной модели.

Mixtral-8x7B-MoE-RP-Story — текстовая модель для чата, ролевых диалогов и написания историй, созданная Undi95. Это смесь экспертов на архитектуре Mixtral, собранная на базе Bagel из нескольких моделей для ролевого общения, чата, оккультной тематики, историй, математики и модели, обученной с DPO. В карточке указано 7,1 млрд параметров и контекст до 32 768 токенов; доступны веса в формате safetensors с точностью fp16. Модель использует собственный шаблон запросов. Модель предназначена для диалоговых сценариев и генерации художественного текста, включая ролевые игры. README отмечает, что компонент DPO добавлен для более естественных ответов. Метаданные маркируют модель как NSFW. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. Автор предупреждает, что некоторые варианты квантования GGUF Mixtral могут работать некорректно.

ockerman0/MN-12B-Starcannon-v4-unofficial — неофициальная версия серии Starcannon, созданная слиянием языковых моделей методом TIES с помощью mergekit. В основе лежат anthracite-org/magnum-12b-v2.5-kto и nothingiisreal/MN-12B-Celeste-V1.9; веса сохранены в формате bfloat16 и доступны в safetensors. Модель использует плотную архитектуру MistralForCausalLM, содержит 12,1 млрд параметров и предназначена для генерации текста в диалоговом режиме. Модель подойдёт для интерактивных ролевых диалогов и создания художественных историй — такие сценарии соответствуют назначению указанной в каталоге базовой модели. В карточке заявлен контекст до 1 024 000 токенов. Лицензия и сведения о поддерживаемых языках в предоставленных данных отсутствуют.