I.7Речь, диалоги и встречи

ao-karasu-72B — разговорная языковая модель семейства Qwen2, опубликованная lightblue. Это плотная архитектура Qwen2ForCausalLM примерно на 71 млрд параметров с контекстом до 32 768 токенов; модель распространяется в формате safetensors и предназначена для генерации текста и диалогов. Для запуска автор рекомендует не менее четырёх видеокарт A100. Модель обучена примерно на 20 млн символов, выбранных из корпуса объёмом более 1,1 млрд символов. В данных были вопросы и ответы на основе Wikipedia, технические блоги, ответы с японского сайта вопросов и ответов, сгенерированные LLM диалоги и новостные статьи. Это указывает на ориентацию прежде всего на японский язык и диалоговые сценарии. Лицензия в предоставленных сведениях не указана.

arb-arab-10mb-after-ppt-Dp-100mb-ckpt500_seed3407 — дообученная GPT-2-подобная модель от fpadovani, созданная на основе fpadovani/arb-arab-10mb-ppt-Dp-100mb_seed3407 с использованием TRL. Она предназначена для генерации текста и ответов на вопросы в диалоговом формате; пример в карточке показывает запрос на английском языке. Модель работает через Transformers, веса представлены в формате safetensors, контекст ограничен 512 токенами. Сведения о размере модели и лицензии в предоставленных источниках отсутствуют.

Bonsai-1.7B-GGUF — компактная версия языковой модели Bonsai от Prism ML для генерации текста и диалогов в llama.cpp. В основе лежит плотная архитектура Qwen3-1.7B: 28 блоков декодера Transformer, GQA, SwiGLU, RoPE и RMSNorm; заявленный размер — 1,7 млрд параметров, около 1,4 млрд без эмбеддингов. Модель использует формат GGUF Q1_0_g128 с однобитным представлением весов и общей шкалой на группу из 128 значений. По данным карточки, это снижает объём памяти для параметров примерно до 0,24 ГБ и позволяет запускать модель на CPU, CUDA и Metal, включая устройства Apple и Android. Она предназначена для локальной генерации текста и работы в формате помощника; README также упоминает отдельную версию MLX для Apple Silicon. Модель распространяется по лицензии Apache-2.0. Карточка приводит сравнительные показатели скорости на RTX 4090 и Mac M4 Pro, но не описывает качество ответов и не даёт оценок на языковых тестах; столь агрессивная квантизация может повлиять на качество по сравнению с исходной точностью.

CantoneseLLMChat-v1.0-32B — разговорная языковая модель от hon9kon9ize для диалога на кантонском языке и работы с темами, связанными с Гонконгом. Это плотная авторегрессионная модель семейства Qwen2 с 32 млрд параметров, предназначенная для генерации текста и чата; длина контекста составляет 131 072 токена. Модель дообучена на основе hon9kon9ize/CantoneseLLM-v1.0-32B-cpt, который, согласно карточке, прошёл непрерывное предобучение на материалах гонконгских новостных сайтов и кантонских веб-сайтов. Инструкционная настройка использовала 75 000 пар запросов и ответов, включая 45 000 кантонских инструкций, созданных другими LLM и проверенных людьми. Разработчик сообщает о сильных результатах на HK-Eval по пониманию кантонского языка и культуры Гонконга; при этом модель уступает моделям с рассуждением в описанном сравнении. Лицензия — Apache-2.0.

Cantonese LLM Chat v1.0 — разговорная языковая модель от hon9kon9ize, основанная на Qwen2.5 72B. Она прошла непрерывное предобучение на 600 миллионах общедоступных новостных статей и сайтов Гонконга, а затем дообучение на 75 тысячах пар инструкций; 45 тысяч кантонских инструкций были сгенерированы другими LLM и проверены людьми. Модель предназначена для диалога на кантонском языке и ответов на вопросы о Гонконге. Архитектура — плотная Qwen2, число параметров — 71,5 млрд, контекст — до 131 072 токенов; поддерживается чат. Репозиторий содержит веса Safetensors и использует библиотеку Transformers. Лицензия указана как other, поэтому конкретные условия использования следует сверить с лицензией репозитория.

Chuluun-Qwen2.5-72B-v0.01 — плотная языковая модель на архитектуре Qwen2.5 с 71,5 млрд параметров, созданная DatToad методом слияния Model Stock через mergekit. В основу слияния вошла migtissera/Tess-v2.5.2-Qwen2-72B; также объединены EVA-Qwen2.5-72B-v0.2, 72B-Qwen2.5-Kunou-v1 и magnum-v4-72b. Модель рассчитана на генерацию текста и диалоговое взаимодействие, поддерживает контекст до 131 072 токенов и использует формат ChatML. Модель особенно подходит для творческого письма и ролевых диалогов: по описанию автора, она справляется со сценами с несколькими персонажами, разделяет их мысли, речь и действия, учитывает характеры и поддерживает смену сцен. Автор отмечает, что модель допускает откровенный и мрачный контент. Лицензия в предоставленных данных не указана.

Это дообученная с помощью TRL модель генерации текста на архитектуре GPT-2, созданная на основе fpadovani/dan-latn-10mb-ppt-shuff-dyck-10mb_seed455. Пример использования показывает генерацию ответа на открытый вопрос; модель рассчитана на продолжение текста и диалоговые запросы в формате сообщений. Модель работает с текстом и имеет контекст длиной до 512 токенов. Доступна в формате safetensors для Transformers. Сведения о лицензии в предоставленных данных отсутствуют.

Defne — чат-модель Eurdem на архитектуре Llama 3.1, созданная дообучением Meta-Llama-3.1-8B-Instruct на турецком наборе данных объёмом около 4 млн токенов и последующим объединением с VAGOsolutions/Llama-3.1-SauerkrautLM-8b-Instruct. Модель содержит 7,5 млрд параметров, предназначена для диалоговой генерации текста и принимает текстовые запросы, выдавая текстовые ответы. Заявлен контекст до 131 072 токенов; доступны веса в формате safetensors. Основной сценарий — общение на турецком языке и помощь с вопросами, включая простые вычисления. В метаданных также перечислена поддержка английского, немецкого, французского, итальянского и испанского языков. Модель распространяется по лицензии Llama 3.1. В карточке приведены лишь краткие примеры, поэтому качество и надёжность ответов для разных задач по ним оценить нельзя.

DiaLLM Llama GSPO AUS — языковая модель, разработанная Surrey NLP и созданная на основе Llama 3.1-8B для генерации текста на австралийском варианте английского языка. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров и контекстом до 131 072 токенов. Модель прошла непрерывное предобучение на International Corpus of English, включающем 18 вариантов английского языка, затем диалектно-ориентированное дообучение на данных предпочтений en-AU и выравнивание методом GSPO. Она предназначена для генерации ответов и текста с особенностями австралийского английского, например в диалоговых сценариях. В README модель представлена как часть исследования о разрыве между устойчивостью и генерацией при адаптации английских диалектов. Модель опубликована в формате Safetensors и использует библиотеку Transformers. Лицензия — Llama 3.1. В карточке приведён пример генерации текста через Transformers на GPU.

fake_planet_3 — дообученная разговорная модель для генерации текста на основе TinyLlama/TinyLlama-1.1B-Chat-v1.0. Она построена на плотной архитектуре Llama с причинной языковой моделью и содержит около 1 млрд параметров; модель предназначена для диалоговых ответов и генерации текста. Репозиторий использует Transformers и формат весов safetensors. Нативная длина контекста — 2048 токенов. Модель дообучена на неизвестном наборе данных, поэтому её специализацию и качество для конкретных сценариев определить нельзя. В карточке не приведены сведения о языковом составе обучающих данных или оценке качества; базовая TinyLlama описана как англоязычная модель. Лицензия — Apache-2.0.

YeungNLP/firefly-baichuan-7b — языковая модель на архитектуре BaiChuanForCausalLM с 6,7 млрд параметров, опубликованная проектом Firefly. Она получена эффективным инструкционным дообучением Baichuan-7B методом QLoRA на миллионе примеров и предназначена для генерации ответов в одно- и многошаговых диалогах на китайском языке. Модель использует формат PyTorch и поддерживает контекст до 4096 токенов. Лицензия в доступных данных не указана.

Fook-Yi-34B-32K-v1 — разговорная модель для ролевых диалогов, созданная BeaverAI на основе дообучения. Это плотная Llama-модель с 33,9 млрд параметров и контекстом до 32 768 токенов; в репозитории представлены веса Safetensors. Автор отмечает, что модель меньше ориентирована на эротические ролевые сценарии, а также подчёркивает её логичность и способность работать с длинным контекстом. Модель предназначена для ролевых диалогов и генерации ответов в форматах Completion, ChatML и Alpaca. В карточке указана возможность ERP-сценариев, хотя они не являются основным фокусом. Поддерживаемые языки не уточнены. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

3MPER0RR/GLM-4.6V-Flash-3MPER0RR-abliterated — экспериментальная разговорная модель, созданная 3MPER0RR на основе huihui-ai/Huihui-GLM-4.6V-Flash-abliterated. Автор указывает, что модель прошла многоэтапную abliteration и была протестирована и сохранена. В метаданных она отнесена к семейству GLM-4V, плотной архитектуре Glm4vForConditionalGeneration и задаче генерации текста; файлы представлены в формате safetensors. Модель предназначена для диалоговой генерации текста. README не описывает дополнительные сценарии, языковую поддержку, размер или длину контекста. Указана лицензия MIT.

gpt4o-distil-paperwitch-abliteration-L33-70b — экспериментальная версия модели Llama 3.3 70B Instruct, подготовленная KaraKaraModel на основе trentmkelly/gpt-4o-distil-Llama-3.3-70B-Instruct. Это чат-модель для генерации ответов; целевая правка ослабляет отказы на запросы, сохраняя большую часть знаний и рассуждений исходной модели. По описанию авторов, для этого изменения сосредоточены на слоях внимания, а MLP-слои ограниченно затронуты. Модель содержит 69,5 млрд параметров, использует архитектуру Llama и формат safetensors; нативный контекст — 131 072 токена. Карточка приводит результат оценки: 20 отказов на 100 запросов против 98 у базовой модели. Это указывает на сохраняющиеся отказы, а также не подтверждает безопасность ответов или качество на широком наборе задач. Лицензия указана как other, поэтому условия использования следует сверить с карточкой модели и базовой модели.

GREEN-Phi2 — дообученная StanfordAIMI модель семейства Phi на базе microsoft/phi-2, созданная для генерации текста в диалоговом формате. Это плотная авторегрессионная языковая модель объёмом 3,5 млрд параметров с контекстом до 2048 токенов; опубликованные веса сохранены в формате safetensors. Карточка сообщает о дообучении на неизвестном наборе данных и приводит значение loss 0,0781 на оценочном наборе, но не раскрывает методику оценки и назначение модели подробнее. Модель можно применять для генерации ответов и продолжения текста в чате. Базовая Phi-2 описана как англоязычная модель для генерации текста, ответов на вопросы и кода; данных о том, сохранились ли эти возможности после дообучения, нет. Лицензия — MIT.

Kaon 3 CR-5C calibrated mean — контрольная точка KaonAI после 50 шагов дообучения GRPO на базе kaonai/kaon-c-gemma4-26b-v10.1. Это самостоятельная BF16-модель с объединёнными весами, а не репозиторий одного адаптера; архитектура унаследована от Gemma 4, размер базы — 26 млрд параметров. Метаданные указывают библиотеку Transformers и режим диалогового общения. Модель предназначена для генерации текста в чат-сценариях. При обучении применялись калиброванное среднее оценок и строгий консенсус между тремя оценочными сигналами; README сообщает о проверке паритета логитов после объединения весов. Чекпойнт обозначен как предложенный, но ещё не оценённый, поэтому качество и пригодность для практического применения не подтверждены. Данных о лицензии и языках в предоставленных источниках нет.

HuatuoSkywork-o1-Llama-3.1-8B — экспериментальная слитая языковая модель, созданная с помощью mergekit из FreedomIntelligence/HuatuoGPT-o1-8B и Skywork/Skywork-o1-Open-Llama-3.1-8B. Она построена на архитектуре Llama 3.1, содержит 7,5 млрд параметров и принимает текст для генерации текста; заявленная длина контекста — 131 072 токена. Для объединения применён метод SLERP с коэффициентом 0,5, веса сохранены в safetensors, для работы используется Transformers. Модель предназначена для продолжения ролевого текста и диалоговой генерации; ответы могут развиваться в стиле цепочки рассуждений. В README также сообщается результат 33,99% на MATH уровня 5, однако отдельного подтверждения универсальной математической специализации нет. Слияние объединяет медицинскую HuatuoGPT-o1 и модель Skywork-o1, поэтому возможны ответы на медицинские вопросы, но карточка не описывает это как гарантированное медицинское применение. Лицензия — Llama 3.1. Это эксперимент с неожиданно высоким результатом на одном из бенчмарков; качество и поведение могут зависеть от сценария, а склонность к развёрнутым рассуждениям может быть нежелательна для некоторых ролевых диалогов.

Huihui-Nex-N2-mini-abliterated — версия Nex-N2-mini от huihui-ai, обработанная методом abliteration для снижения числа отказов модели. Это экспериментальная демонстрационная модификация модели на архитектуре Qwen3.5 MoE; метаданные указывают библиотеку Transformers и формат safetensors. Модель принимает текст и изображения и генерирует текст в диалоговом режиме. Её можно применять для общения с моделью и вопросов по изображениям, а также для сценариев, где требуется меньше отказов на запросы. Базовая Nex-N2-mini описана как агентная модель для программирования, вызова инструментов и длительных задач, но карточка этой модификации не подтверждает сохранение этих возможностей после abliteration. Лицензия — Apache-2.0. README предупреждает, что ослабление фильтров может приводить к чувствительным, спорным или неприемлемым ответам; результаты следует проверять.

Huihui-Qwen3.6-35B-A3B-abliterated — мультимодальная разговорная модель Huihui AI, полученная методом abliteration на основе Qwen/Qwen3.6-35B-A3B. Это экспериментальная версия для диалогов и анализа изображений; фильтрация отказов существенно снижена. Модель построена на архитектуре Qwen3.5 MoE, имеет 35 млрд параметров согласно названию базовой модели и поддерживает визуальный ввод. Репозиторий содержит веса Safetensors и использует библиотеку Transformers. Модель подходит для общения и анализа изображений в сценариях, где требуется меньше отказов на чувствительные или спорные запросы. Снижение защитных фильтров повышает вероятность нежелательных, неподходящих или спорных ответов, поэтому результаты требуют проверки. Лицензия — Apache-2.0.

Это дообученная модель Francesca9805 на базе goldfish-models/ita_latn_10mb. Модель построена на архитектуре GPT-2 и предназначена для генерации текста; карточка показывает пример ответа на открытый вопрос в формате диалога. Для запуска предлагается библиотека Transformers, а обучение выполнено с помощью TRL. Модель распространяется в формате safetensors и имеет контекстное окно 512 токенов. Лицензия в предоставленных данных не указана.

Это дообученная модель генерации текста на базе goldfish-models/ita_latn_10mb, опубликованная fpadovani. Модель семейства GPT-2 обучена с использованием TRL и доступна в формате safetensors; для работы с ней подходит библиотека Transformers. Контекст модели составляет 512 токенов. Модель предназначена для генерации продолжения диалога или ответа на текстовый запрос. В карточке приведён пример ответа на открытый вопрос. Данные не подтверждают специализацию на конкретной предметной области или поддержку определённого естественного языка. Модель распространяется по лицензии, указанной в метаданных Hugging Face; лицензия не предоставлена.

Модель sappho192/jesc-ja-en-translator предназначена для перевода текста с японского на английский. Она построена как EncoderDecoderModel на основе японской BERT и GPT-2; обучена на корпусе японско-английских субтитров JESC. Для работы README перечисляет PyTorch, Transformers, fugashi и unidic-lite. Модель принимает японский текст и генерирует английский перевод; в репозитории также представлены форматы PyTorch, safetensors и ONNX. Лицензия модели — MIT; лицензия корпуса JESC — CC-BY-SA-4.0. Оценки качества и длина контекста в предоставленных материалах не описаны.

Josiefied-Qwen3.5-2B-gabliterated-v1 — диалоговая модель, созданная Гёкденизом Гюльмезом на базе Qwen/Qwen3.5-2B. Это дообученная плотная модель семейства Qwen3.5 с 2 млрд параметров; репозиторий содержит веса Safetensors, а метаданные указывают поддержку чата и интерфейс вызова инструментов. Модель предназначена для генерации ответов по инструкциям и диалогов с менее строгими ограничениями на содержание. Её можно применять в чат-ботах и сценариях с инструментами; автор заявляет сохранение следования инструкциям и использования инструментов. В карточке также перечислены отдельные версии в форматах GGUF и MLX. Модель ориентирована на пользователей, которым нужна генерация с ослабленной фильтрацией. Она может выдавать чувствительный или спорный контент. Лицензия в предоставленных данных не указана.

KoAlpaca-KoRWKV-6B v1.1a — корейская языковая модель, созданная дообучением beomi/KoRWKV-6B на наборе KoAlpaca v1.1a. Это плотная модель архитектуры RWKV с 6,8 млрд параметров, представленная в форматах PyTorch и safetensors и предназначенная для генерации текста, в том числе ответов в стиле инструкций на корейском языке. Модель подойдёт для создания корейского текста и диалоговых прототипов. Репозиторий помечен как находящийся в разработке; README указывает, что опубликованная версия основана на чекпойнте KoRWKV-6B, обученном на примерно 28 млрд токенов. Лицензия — Apache-2.0.

mssma/ko-solar-10.7b-v0.3b — языковая модель для генерации текста, опубликованная пользователем mssma. Она основана на плотной архитектуре Llama и содержит 10,7 млрд параметров; модель загружается через Transformers из файлов Safetensors. Заявленный контекст составляет 4096 токенов, а карточка относит модель к корейскому языку. Модель подходит для генерации корейского текста и диалоговых сценариев на основе текстового ввода. В README приведён пример загрузки с AutoModelForCausalLM и AutoTokenizer в формате FP16 с автоматическим распределением по устройствам. Лицензия Apache-2.0. Карточка не описывает отдельное дообучение или специальные ограничения качества.

JY623/KoSOLAR-v2.1 — объединённая модель генерации текста на базе архитектуры Llama, созданная с помощью mergekit методом SLERP. В слиянии участвовали chihoonlee10/T3Q-ko-solar-dpo-v3.0 и rrw-x2/KoSOLAR-10.7B-v1.0; модель содержит 10,6 млрд параметров и имеет контекст до 4096 токенов. Модель предназначена для диалоговой генерации текста на корейском языке. Её можно использовать для создания ответов в чат-ботах и ведения текстовых бесед. Данных о дополнительных специализированных задачах нет. Модель распространяется в формате Safetensors и рассчитана на работу через Transformers. Лицензия — Apache-2.0.

Koyal Hindi ASR 120M — модель распознавания речи на хинди, разработанная Adalat AI для подготовки диктовок к использованию в документах. Она создаёт транскрипты в формате rich orthography: добавляет пунктуацию и записывает числа в принятом письменном виде. Модель принимает аудио и выдаёт текст; размер составляет около 120 млн параметров, архитектура — гибридный Conformer TDT-CTC в NeMo. Энкодер изначально обучен на базе MahaDhwani, затем модель дообучена на данных диктовки на хинди. Модель предназначена для автономной пакетной транскрибации, в том числе юридических и судебных диктовок, где важны оформление и запись чисел. Она поддерживает хинди; обучение и оценка проводились на аудио с частотой 16 кГц. README приводит результаты на наборах с разными правилами разметки и метриками, поэтому их нельзя напрямую сопоставлять между режимами. Модель работает только офлайн, её качество на других частотах дискретизации не охарактеризовано, а речь с переключением языков не входит в целевой сценарий. Лицензия — CC-BY-4.0.

djuna/L3.1-RPganoff-8B-B — диалоговая текстовая модель, созданная слиянием моделей с помощью mergekit и метода della_linear. В качестве базовой использована ArliAI/Llama-3.1-8B-ArliAI-RPMax-v1.1, в слияние также вошла HiroseKoichi/Llama-3-8B-Stroganoff-4.0. Модель основана на плотной архитектуре Llama и содержит 7,5 млрд параметров. Модель предназначена для генерации текста в диалогах и ролевых сценариях, а также для творческого письма. Максимальная длина контекста составляет 131 072 токена. Метаданные указывают на поддержку чата; описание базовой модели связывает её с творческим письмом и ролевыми сценариями. Репозиторий содержит веса в формате Safetensors. Сведения о лицензии и языковой поддержке в предоставленных данных отсутствуют.

L3.3-MS-Evayale-70B — слитая SteelSkull модель на архитектуре Llama 3.3 с 69,5 млрд параметров. Автор объединил EVA-LLaMA-3.33-70B-v0.0 и L3.3-70B-Euryale-v2.3 методом Model Stock, используя Llama-3.3-70B-Instruct как базовую инструктивную модель. Модель предназначена для диалоговой генерации текста и художественного письма: цель слияния — совместить выразительное повествование EVA с детализированной прозой и описаниями сцен Euryale. Модель работает с текстом, поддерживает контекст до 131 072 токенов и распространяется в формате safetensors; в карточке также указаны чат и интерфейс вызова инструментов. Автор упоминает сторонние GGUF-квантизации. Лицензия в предоставленных данных не указана.

Azazelle/L3-RP_io — объединённая диалоговая языковая модель, созданная автором репозитория с помощью mergekit и метода TIES. В качестве базовой модели использована meta-llama/Meta-Llama-3-8B-Instruct; в объединение также вошли Aura_Uncensored_l3_8B, Kei_Llama3_8B, Llama-3-Unholy-8B и Roleplay-Llama-3-8B. Модель основана на архитектуре Llama и содержит 7,5 млрд параметров. Она предназначена для генерации текста в диалоге и ролевых сценариев; заявленный размер контекста — 8192 токена. В карточке приведены результаты оценивания на нескольких бенчмарках, включая AI2 Reasoning Challenge и HellaSwag. Модель распространяется в формате Safetensors по лицензии Llama 3. Языки в карточке модели не перечислены; базовая модель ориентирована на английский язык.