I.7Речь, диалоги и встречи

Kaoeiri/MS-MagpantheonselRP-22B-12.995 — языковая модель для генерации текста и ролевых диалогов, созданная Kaoeiri слиянием моделей через mergekit. В слиянии использован метод DARE TIES, а базой послужила unsloth/Mistral-Small-Instruct-2409; среди включённых моделей — Cydonia, Pantheon-RP, SorcererLM и другие варианты Mistral Small, настроенные для ролевого общения и творческого письма. Модель построена на плотной архитектуре MistralForCausalLM, содержит 22 млрд параметров и поддерживает контекст до 131 072 токенов. Она предназначена для чата, создания художественных текстов и разнообразных ролевых сценариев; репозиторий предоставляет веса в формате safetensors для Transformers. Лицензия CC-BY-NC-ND-4.0 ограничивает коммерческое использование и распространение производных версий. Модель помечена как не предназначенная для всех аудиторий. Карточка не приводит отдельной оценки качества или подробностей о поддерживаемых языках; возможности генерации зависят от подсказок и используемого шаблона общения.

Kaoeiri/MS-MagpantheonselRP-22B-14.1-Recalculated — объединённая модель для генерации текста и ролевых диалогов. Она создана методом DARE TIES с помощью mergekit на базе unsloth/Mistral-Small-Instruct-2409 и объединяет ряд моделей Mistral для творческого письма и RP, включая варианты, ориентированные на ролевые сценарии и японский язык. Модель использует плотную архитектуру MistralForCausalLM, содержит 22 млрд параметров и поддерживает контекст до 131 072 токенов. Она рассчитана на диалоги и генерацию текста; в репозитории представлены веса safetensors, библиотека — Transformers. Метаданные и карточка указывают на многоязычные источники с японской и англоязычной направленностью, но основной язык модели не выделен. Подходит для развертывания как разговорная модель для ролевых сцен и творческого письма. Сведения о лицензии и конкретных ограничениях в предоставленных данных отсутствуют.

Это дообученная модель генерации текста на базе fpadovani/ppt-art-lang-nld-baseline-v2-100mb_seed3407, созданная с использованием TRL и библиотеки Transformers. Она построена на архитектуре GPT-2 и сохранена в формате safetensors. Модель предназначена для продолжения текста и ответов на открытые вопросы в формате диалога; пример в карточке показывает генерацию ответа на английском языке. Контекст модели составляет 512 токенов. В метаданных указана связь с базовой моделью через дообучение. Лицензия в предоставленных данных не указана.

Это дообученная на базе fpadovani/ppt-nld_zipf-100mb_seed3407 модель генерации текста семейства GPT-2, разработанная fpadovani. Модель обучена с помощью TRL и предназначена для продолжения текста и ответов на запросы в формате диалога. Модель принимает текстовые запросы и генерирует текст; максимальная длина контекста составляет 512 токенов. В карточке не приведены сведения о языковой специализации, поэтому языковые характеристики не уточняются. Модель распространяется в формате safetensors и использует библиотеку Transformers; условия лицензии в доступных данных не описаны.

mergekit-community/nsfw_merge_testv3 — объединённая языковая модель, созданная сообществом с помощью mergekit и метода Model Stock. Модель основана на Llama, содержит 7,5 млрд параметров и рассчитана на генерацию текста и диалогов; заявленная длина контекста — 131 072 токена. В объединение вошли модели и адаптеры для длинных историй, увеличения длины генерации, клинических знаний и снятия ограничений ответов. Это может быть полезно для диалогов, написания длинных историй и ответов на медицинские вопросы, но README не приводит оценок качества или подробных рекомендаций по применению. Репозиторий помечен как не предназначенный для всех аудиторий, поэтому модель может генерировать чувствительный контент. Лицензия в предоставленных данных не указана.

Это 4-битная версия Openthaigpt-1.0.0-7b-chat, преобразованная сообществом mlx-community из openthaigpt/openthaigpt-1.0.0-7b-chat в формат MLX для запуска с mlx-lm. Модель представляет собой плотную авторегрессионную языковую модель семейства Llama с 6,6 млрд параметров и контекстом до 4096 токенов. Модель предназначена для генерации текста в диалоговом режиме на тайском и английском языках. Репозиторий указывает лицензию Apache-2.0. Карточка этой конверсии не приводит подробностей о качестве ответов и специфических ограничениях исходной модели.

Карточка модели nityaak/phi4-14b-stance-matrix-semeval-ezstance-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 — дообученная с помощью TRL модель GPT-2 на базе goldfish-models/eng_latn_100mb для генерации английского текста. Она предназначена для продолжения текста и выдачи ответов в формате диалога; пример в карточке показывает генерацию ответа на вопрос с ограничением до 128 новых токенов. Модель принимает текст и генерирует текст, использует библиотеку Transformers и формат весов safetensors. Длина контекста составляет 512 токенов. Базовая модель Goldfish — одноязычная GPT-2 для генерации английского текста и исследований языковых моделей. Условия лицензии в предоставленных данных не описаны.

Модель igoranoni/Qwen2-0.5B-ita-finetune разработана igoranoni и представляет собой дообученную версию Qwen2 с плотной архитектурой causal language model. Она предназначена для генерации текста в диалоговых сценариях. В репозитории указано, что обучение выполнялось с использованием Unsloth и библиотеки TRL; размер модели — 494 млн параметров, максимальный контекст — 131 072 токена. Метаданные отмечают английский язык, но карточка не описывает конкретные навыки или результаты дообучения. Модель распространяется по лицензии Apache-2.0.

OP12138/qwen3-4b-safechain — дообученная модель на архитектуре Qwen3, созданная на основе Qwen/Qwen3-4B и обученная на наборе данных safechain. Она предназначена для генерации текста в диалоговом формате; карточка не уточняет, какие именно сценарии безопасности или другие задачи охватывает дообучение. Модель содержит около 3,7 млрд параметров, использует плотную архитектуру Qwen3ForCausalLM и принимает контекст длиной до 40 960 токенов. Поддержка чата указана в метаданных; сведения о языках и результатах оценки отсутствуют. Репозиторий содержит веса в формате safetensors. Лицензия обозначена как other, конкретные условия использования в карточке не описаны.

Qwen3.5-27B-HERETIC-Polaris-Advanced-Thinking-Alpha — экспериментальная дообученная модель DavidAU на базе coder3101/Qwen3.5-27B-heretic. Она предназначена для диалогов, творческого письма и ролевых сценариев с уменьшенным числом отказов; автор также сообщает о проверенной работе с изображениями. Модель использует плотную архитектуру Qwen3.5 с 27 млрд параметров и поддерживает контекст до 262 144 токенов. В карточке указаны английский и китайский языки; базовая модель описана как мультимодальная.

recoilme/recoilme-gemma-2-9B-v0.5 — объединённая модель Gemma 2 на 9 млрд параметров, созданная автором recoilme с помощью mergekit и метода SLERP на основе TheDrummer/Gemmasutra-9B-v1 и lemon07r/Gemma-2-Ataraxy-9B. Она предназначена для генерации текста в чате, творческих диалогов и ролевых сценариев; карточка отмечает хорошее следование запросам. Модель принимает текст и выдаёт текст, поддерживает контекст до 8192 токенов. В репозитории указаны веса safetensors и библиотека Transformers. README рекомендует температуру генерации около 0,4. Лицензия в предоставленных данных не указана.

RoGemma-7b-Instruct — румынская генеративная языковая модель OpenLLM-Ro, дообученная на базе Google Gemma 7B для следования инструкциям и диалогового общения. В репозитории указана версия RoGemma-7b-Instruct-2025-04-23; модель содержит 8,2 млрд параметров, использует плотную архитектуру GemmaForCausalLM и принимает текст, формируя текстовые ответы. Длина контекста — 8192 токена. Модель предназначена для ассистентских диалогов и других задач работы с естественным языком на румынском языке. Её дообучали на наборах инструкций и диалогов, включая RoAlpaca, RoDolly, RoOpenAssistant и RoUltraChat. README указывает на исследовательское применение и исключает использование на других языках. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но не коммерческое применение.

Это дообученная модель генерации текста на базе goldfish-models/rus_cyrl_100mb. Разработчик указывает, что модель обучалась с помощью TRL; архитектура — GPT-2 с плотными слоями, веса сохранены в формате safetensors. Она предназначена для продолжения текста и генерации ответов на текстовые запросы. Контекст модели составляет 512 токенов. В карточке приведён пример генерации ответа на вопрос о выборе путешествия во времени. Метаданные связывают базовую модель с русским языком, однако отдельные сведения о качестве, обучающих данных и фактическом охвате языков не приведены. Лицензия в предоставленных данных не указана.

Sarashina 2.2 3B Instruct v0.1 — авторегрессионная языковая модель для японского языка, разработанная SB Intuitions и дообученная на базе sbintuitions/sarashina2.2-3b. Модель имеет плотную архитектуру LlamaForCausalLM с 3,1 млрд параметров и контекстом до 8192 токенов; поддерживает диалоговое использование и интерфейс вызова инструментов. Модель предназначена для генерации японского текста и диалоговых сценариев. Лицензия MIT допускает свободное использование в рамках её условий. В карточке приведены результаты оценки японских и английских задач для меньшей версии семейства, поэтому они не подтверждают качество этой модели. Модель прошла ограниченное обучение безопасности и может выдавать бессмысленные, неточные, предвзятые или нежелательные ответы; для применения рекомендуется настройка с учётом человеческих предпочтений и требований безопасности.

Это объединённая модель генерации текста, созданная с помощью mergekit методом Linear из контрольных точек языковой модели. В объединение вошли контрольные точки обучения с шагами 0, 1000 и 2000; в README контрольная точка 2000 указана как базовая. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и имеет контекстное окно 16 384 токена. Модель предназначена для генерации текста в диалоговом формате. Карточка не описывает конкретные прикладные сценарии, языки или результаты оценки качества. Репозиторий использует формат safetensors и библиотеку Transformers. Сведения о лицензии в доступных данных отсутствуют.

mgat1/SmolLM2-FT-ORPO — компактная языковая модель для генерации текста, созданная дообучением HuggingFaceTB/SmolLM2-135M с помощью TRL и метода ORPO. Модель построена на плотной архитектуре семейства Llama, содержит 134,5 млн параметров и рассчитана на контекст до 8192 токенов. Модель предназначена для диалоговой генерации и ответов на пользовательские вопросы. Её небольшой размер подходит для экспериментов и запуска в средах с ограниченными ресурсами; карточка демонстрирует использование через Transformers pipeline для text-generation. В метаданных указана лицензия не была, поэтому условия использования определить нельзя.

So(cially)-Good LM — языковая модель семейства Llama, разработанная проектом agi-css. Авторы описывают её как альтернативный подход к RLHF: модель обучали непосредственно на социальных играх вместо обучения отдельной модели вознаграждения. В метаданных указаны 6,6 млрд параметров, контекст 2048 токенов и формат PyTorch. Модель предназначена для генерации текста с учётом социальных норм и исследования методов согласования языковых моделей; она обучалась на наборе Anthropic/hh-rlhf. Карточка предупреждает, что смещения и неподходящий контент в данных могут ухудшать согласование. Перед применением требуется оценка безопасности и справедливости для конкретного сценария. Лицензия — Apache-2.0.

Модель Nhanvi282/stage3-moe-ft-llavaqwen1.5-0.5b-vista-5ep-llama405fil — дообученная версия Nhanvi282/stage2-llavaqwen1.5-0.5B-vista-5ep-llama405, разработанная Nhanvi282. По метаданным это чат-модель для генерации текста с архитектурой MoELLaVAQwen1_5ForCausalLM и 463,6 млн параметров; заявленный контекст — 32 768 токенов. Весовые файлы представлены в форматах PyTorch и safetensors. Карточка не описывает обучающий набор данных, целевые сценарии, языки или результаты оценки. Поэтому назначение модели можно определить лишь в общих чертах: диалог и генерация текста. Лицензия в предоставленных данных не указана.

Модель fpadovani/tam-taml-100mb-after-ppt-Dp-10mb-ckpt500_seed3407 — дообученный вариант GPT-2-подобной авторегрессионной языковой модели, разработанный fpadovani. Она создана на базе fpadovani/tam-taml-100mb-ppt-Dp-10mb_seed3407 и обучена с помощью TRL. Модель принимает текстовый запрос и генерирует продолжение; карточка показывает сценарий ответа на открытый вопрос в формате диалога. Модель работает с контекстом до 512 токенов и распространяется в формате safetensors для Transformers. Карточка не сообщает, на каких языках и специализированных областях её обучали. Лицензия в предоставленных данных не указана.

Terminal-terminal_traj — дообученная на наборе данных terminal_traj языковая модель на основе Qwen/Qwen3-8B, разработанная автором репозитория cuong1692001. Она предназначена для генерации текста в диалоговом формате; карточка не описывает более конкретные пользовательские сценарии или результаты оценки. Модель содержит 7,6 млрд параметров, использует архитектуру Qwen3ForCausalLM и принимает текст, выдавая текст. Родная длина контекста — 40 960 токенов. В метаданных указана лицензия other; дополнительные условия использования в карточке не раскрыты.

Locutusque/TinyMistral-248M-v2-Instruct — компактная языковая модель на архитектуре Mistral, дообученная Locutusque на наборе диалогов HuggingFaceH4/ultrachat_200k. Она предназначена для генерации текста в формате инструкций и диалогов, например для ответов на запросы и ведения беседы. Модель содержит 215,2 млн параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Репозиторий содержит веса PyTorch и Safetensors. В карточке указан английский язык; для генерации автор рекомендует низкую температуру и ограниченные top-p и top-k. Качество модели отдельно не описано: в README указано лишь намерение отправить её на Open LLM Leaderboard. Компактный размер может ограничивать сложность и надёжность ответов. Лицензия — Apache-2.0.

Abduulllaah/TwinQwen3-0.6B-DPO — дообученная модель семейства Qwen3, разработанная Abduulllaah на основе Abduulllaah/TwinQwen3-0.6B. Это плотная авторегрессионная языковая модель примерно на 508 млн параметров для генерации текста и диалогов. Модель обучали с использованием Unsloth и библиотеки TRL; в метаданных указано наличие чат-возможностей и контекста до 32 768 токенов. Модель подходит для генерации ответов и ведения диалогов в компактных приложениях. Карточка не описывает специализацию DPO-обучения, результаты оценивания или отдельные предметные области. Поддержка английского указана в языковых метаданных; других языков карточка не подтверждает. Модель распространяется по лицензии Apache-2.0. Как компактная модель, она может уступать более крупным моделям в сложных рассуждениях и точности; README не приводит результатов тестирования.

Карточка модели unclemusclez/Unsloth-Qwen2.5-Coder-1.5B-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.

Utopia-13B — объединённая модель Undi95 на архитектуре Llama, созданная методом task arithmetic в mergekit из Xwin-LM-13B-V0.2, Nethena-13B, Pygmalion-2-13B и других моделей и LoRA. Репозиторий содержит веса в формате FP16 и safetensors; модель насчитывает 12,9 млрд параметров и поддерживает контекст до 4096 токенов. Модель предназначена для генерации текста по инструкциям в шаблоне Alpaca, включая диалоговые и сюжетные сценарии. В составе объединения есть модели, ориентированные на ролевые диалоги и повествование; метаданные помечают модель как NSFW, поэтому она может создавать контент для взрослой аудитории. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование.

Zoya48/wav2vec2-base-librispeech-demo — модель распознавания речи на базе wav2vec 2.0, дообученная разработчиком Zoya48 на основе facebook/wav2vec2-base. Она принимает аудио и предназначена для преобразования речи в текст. Модель содержит 113,3 млн параметров, использует архитектуру Wav2Vec2ForCTC и доступна в формате safetensors через Transformers. В карточке приведён результат оценки: WER 1,0 и loss 4,2250; такой WER указывает на очень низкое качество распознавания в указанной оценке. Датасет обучения не определён, а описание предполагаемого применения и ограничений в README не заполнено. Лицензия — Apache-2.0.

whisper-tiny-myanmar — дообученная Chuu Htet Naing версия модели OpenAI Whisper Tiny для распознавания бирманской речи и её преобразования в текст. Она основана на WhisperForConditionalGeneration и обучена на датасете chuuhtetnaing/myanmar-speech-dataset-openslr-80. Модель содержит 29,4 млн параметров и принимает аудио, выдавая текст. На оценочном наборе указаны loss 0,2353 и WER 61,8878; высокий WER указывает на существенные ошибки распознавания. Репозиторий распространяет веса в формате safetensors по лицензии Apache-2.0.

Whittle-Next-26B-A3B — исследовательская модель генерации текста, созданная независимым разработчиком на основе Qwen3.6 и формата архитектуры Qwen3.8-Flash-Next. Это разреженная MoE-модель с 26,1 млрд параметров, из которых около 3 млрд активны на каждом токене; в архитектуру входят четыре потока hyper-connections и хешированная n-граммная память на 1 млрд параметров. Модель дообучалась с онлайн-дистилляцией от Qwen3.8-27B и рассчитана на запуск через llama.cpp; для GGUF Q8_0 автор приводит пример запуска с контекстом 8192 токена. Модель предназначена для диалоговой генерации текста и экспериментов с архитектурой Qwen4-Next (`qwen4_exp`), включая дальнейшее обучение и проверку serving-пути в стандартном llama.cpp. README приводит результаты оценки на GSM8K, но характеризует модель как незавершённую исследовательскую основу и сообщает, что её сменила более новая Whittle-Next-27B-A3B. Доступны веса GGUF Q8_0 и bf16; лицензия — Apache-2.0.

SZLHOLDINGS/A11OY-MINI — производная серия runtime-моделей в формате GGUF, собранная SZL Holdings на основе адаптеров семейства Chaski. Основной артефакт R2 — текстовая модель с квантизацией Q4_K_M; в репозитории также есть BF16-проектор и устаревшие файлы F16 и Q4_K_M, основанные на Chaski. Модель предназначена для диалоговой генерации текста и запуска через llama.cpp. В карточке заявлен английский язык; метаданные указывают поддержку чата и Apache-2.0. Для R2 приведены ограниченные результаты локальных проверок формата JSON-ответов и отказов на заданных примерах. Это не подтверждает семантическую корректность, обобщение на новые данные или качество визуального ввода. В README прямо указано, что выпуск и автономное использование не допущены, загрузка в house-lab запрещена; результаты не являются независимой оценкой или разрешением на развертывание. Устаревшие артефакты помечены как deprecated.

Heoni/Aguie-chat_v0.1 — чат-модель на архитектуре Llama, созданная как версия Aguie_v0.1 с непрерывным обучением. В README указано, что модель обучалась на 3 000 000 примерах; метаданные указывают 13 млрд параметров и контекст до 2048 токенов. Модель предназначена для генерации текста в диалоге. В карточке приведён корейский фрагмент диалога, а метаданные отмечают корейский и английский языки. Репозиторий содержит веса PyTorch и опубликован под лицензией CC BY-NC-ND 4.0, которая ограничивает коммерческое использование и распространение производных версий.