I.7Речь, диалоги и встречи

Latxa 7b Instruct — модель HiTZ/latxa-7b-v1, дообученная автором репозитория для выполнения инструкций. Она предназначена для диалоговых сценариев и генерации текста по запросам пользователя. Модель основана на архитектуре Llama, содержит 6,6 млрд параметров и поддерживает контекст до 4096 токенов. Для дообучения использован датасет OASST2 (OpenAssistant), переведённый на баскский язык с помощью Helsinki-NLP Opus MT. Модель распространяется в форматах Safetensors и GGUF F16; лицензия в предоставленных данных не указана.

Llama-3.2-1B-Instruct-SMAT-C-STANCE — экспертная модель, обученная методом SMAT (Simple and Efficient Merge-Aware Training) на базе Llama 3.2 1B Instruct. Она создана в рамках исследования с целью сохранить качество на целевой задаче и облегчить последующее объединение модели с другими экспертами. В карточке указано, что это эксперт из таблицы 1 статьи SMAT, обученный с seed 42. Модель использует плотную архитектуру LlamaForCausalLM, содержит 1,2 млрд параметров и принимает текст для генерации текста; метаданные указывают контекст до 131 072 токенов и возможность диалога. Название C-STANCE указывает на целевой сценарий, однако README не раскрывает его подробнее. Применяются лицензия Llama 3.2 и соответствующая политика допустимого использования Meta.

Модель wilsonoey/llama3-finetuned-rag-model-1 — дообученная wilsonoey разговорная языковая модель семейства Llama, созданная на базе unsloth/llama-3.1-8b-unsloth-bnb-4bit с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалоговых сценариев; название репозитория указывает на применение в RAG, но карточка не описывает отдельные механизмы поиска или извлечения документов. Модель имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекст до 131 072 токенов. Метаданные указывают английский язык, поддержку чата и формат safetensors. Лицензия — Apache-2.0. Карточка не приводит результатов оценки качества, подробностей обучающих данных или примеров поведения, поэтому пригодность для конкретных RAG-сценариев и качество ответов следует проверять отдельно.

kuotient/Llama-3-Ko-8B-dare-ties — диалоговая языковая модель, созданная слиянием моделей с помощью mergekit и метода DARE TIES. В качестве базовой указана meta-llama/Meta-Llama-3-8B; в слиянии также участвовали beomi/Llama-3-Open-Ko-8B и meta-llama/Meta-Llama-3-8B-Instruct. Архитектура — плотная LlamaForCausalLM, размер — 7,5 млрд параметров, контекст — до 8192 токенов. Модель предназначена для генерации текста и диалоговых ответов, прежде всего на корейском языке; README показывает пример ответа на корейском и сообщает о сочетании базовой, языковой и инструкционной моделей. Сильная сторона — объединение корейской языковой модели с инструкционной моделью для чат-сценариев. README отмечает, что результаты слияния зависят от параметров плотности и предлагает экспериментировать с ними; сравнительных оценок качества не приведено. Лицензия в метаданных обозначена как «other», поэтому конкретные условия использования по имеющимся данным определить нельзя.

mergekit-community/mergekit-passthrough-lkwyfft — объединённая модель генерации текста, созданная с помощью mergekit методом passthrough. В состав вошла saishf/Fimbulvetr-Kuro-Lotus-10.7B; метаданные указывают связь с этой моделью и архитектуру семейства Llama с классом MistralForCausalLM. Модель содержит 10,6 млрд параметров и рассчитана на контекст до 4096 токенов. Модель предназначена для генерации текста и ролевых диалогов; базовая модель связана с применением в SillyTavern. Файлы доступны в формате safetensors, библиотека для работы — Transformers. Язык и лицензия в предоставленных данных не указаны. Карточка описывает объединение одной модели методом passthrough, поэтому отдельные изменения поведения относительно исходной модели не заявлены.

Metis — открытая модель унифицированной генерации речи, разработанная командой Amphion. Она предварительно обучена методом masked generative modeling на 300 тысячах часов разнообразных речевых данных с использованием дискретных SSL-токенов, а также включает акустические токены для восстановления волновой формы. Модель адаптируют дообучением с условиями, соответствующими конкретным задачам. В карточке представлены базовая версия и специализированные варианты для выделения целевого говорящего, преобразования голоса, улучшения речи, генерации речи по движению губ и нескольких речевых задач. Для zero-shot синтеза речи README указывает на совместимую text2semantic-модель MaskGCT. Metis поддерживает мультимодальные входы в зависимости от варианта; опубликованные эксперименты охватывают пять задач генерации речи и сообщают о результатах выше специализированных и многозадачных систем при ограниченных данных и числе обучаемых параметров. Репозиторий использует формат safetensors и лицензию CC BY-NC 4.0, которая ограничивает коммерческое использование.

MGM-Omni-TTS-4B — компонент SpeechLM семейства MGM-Omni, предназначенный для синтеза речи по тексту. В карточке модель описана как часть мультимодального ассистента MGM-Omni; сама эта версия отвечает за генерацию речи. Она основана на Qwen/Qwen3-4B-Instruct-2507 и дообучена. Метаданные указывают архитектуру MGMTTSForCausalLM, 3,7 млрд параметров, библиотеку Transformers и контекст до 262 144 токенов. Модель рассчитана на генерацию длинной связной речи, потоковый синтез и клонирование голоса по короткому образцу примерно в 10 секунд. В описании заявлена поддержка китайского и английского языков. Для полного MGM-Omni также заявлены понимание речи, изображений и видео, но эти входные возможности относятся к мультимодальной системе и не подтверждены для компонента TTS отдельно. Репозиторий содержит файлы safetensors и ONNX. Лицензия — Apache-2.0. Карточка заявляет возможность непрерывной генерации речи длительностью более 10 минут и потоковую выдачу, однако подробные ограничения и независимая оценка именно этого компонента не приведены.

mHuBERT-147 — компактная многоязычная модель извлечения речевых признаков, разработанная в рамках европейского проекта UTTER. Это вторая итерация модели на архитектуре HuBERT base: в README указано 95 млн параметров, а метаданные репозитория сообщают 113,3 млн. Модель обучена на 90 тысячах часов открытых данных для 147 языков с использованием дискретных речевых единиц, полученных с помощью faiss IVF. В репозитории представлены исходный чекпойнт Fairseq, конвертированный чекпойнт для Hugging Face Transformers и индекс Faiss. Модель предназначена для извлечения представлений из речи и может служить основой для последующих речевых систем, включая распознавание речи и определение языка. В README сообщается о высоких результатах на лидербордах ML-SUPERB, в том числе о сильных результатах для задач определения языка. Поддержка охватывает 147 языков; в метаданных перечислены лишь часть языковых кодов. Лицензия — CC BY-NC-SA 4.0, которая требует указания авторства, распространения производных материалов на тех же условиях и ограничивает коммерческое использование.

Midnight-Miqu-70B-v1.0 — объединённая модель автора sophosympatheia для генерации текста в диалогах, ролевых сценариях и художественном повествовании. Она создана методом SLERP с помощью mergekit на основе 152334H/miqu-1-70b-sf и sophosympatheia/Midnight-Rose-70B-v2.0.3. Модель построена на архитектуре Llama и содержит 68,7 млрд параметров; метаданные указывают контекст до 32 764 токенов. Автор ориентирует модель на ролевую игру и создание историй, отмечая также возможное применение для других текстовых задач без оценки их качества. В README модель названа uncensored; для творческого письма автор рекомендует экспериментировать с настройками сэмплирования и примерами в промпте. Указывается, что модель может сохранять связность до 64K токенов при alpha_rope 2.5, но это основано на ограниченном тестировании. Лицензия в метаданных обозначена как other, поэтому конкретные условия использования следует проверять в карточке модели. Модель выдаёт текст; сведений о поддерживаемых естественных языках в предоставленных данных нет.

Delcos/Mistral-Pygmalion-7b — объединённая языковая модель, созданная для сохранения возможностей Pygmalion в ролевых диалогах и использования улучшений Mistral. Разработчик описывает её как наиболее подходящую для ролевых сценариев, но также пригодную для работы в качестве ассистента. Модель имеет плотную архитектуру семейства Llama и около 6,6 млрд параметров; она принимает текст и генерирует текст. Карточка указывает английский язык и контекст длиной 4096 токенов. В README приведены результаты оценивания на ARC и HellaSwag, но подробности методики не раскрыты. Небольшой размер ограничивает качество на сложных задачах рассуждения. Репозиторий распространяется по лицензии CC BY-NC-ND 4.0, которая ограничивает коммерческое использование и распространение производных версий.

Nohobby/MN-12B-Siskin-v0.2 — экспериментальная объединённая модель на основе нескольких моделей семейства Mistral Nemo, созданная методом della_linear. В качестве базовой модели использована ArliAI/Mistral-Nemo-12B-ArliAI-RPMax-v1.1; в объединение также вошли NeverSleep/Lumimaid-v0.2-12B, nbeerbower/Lyra-Gutenberg-mistral-nemo-12B, v000000/NM-12B-Lyris-dev-3 и elinas/Chronos-Gold-12B-1.0. Модель содержит 12,1 млрд параметров и предназначена для генерации текста в диалоговом и ролевом формате. Автор описывает её как экспериментальное объединение, ориентированное на естественный стиль письма и уменьшение шаблонных оборотов, характерных для генерации ИИ. Карточка указывает, что модель может писать от первого лица даже при других настройках в начальном сообщении; стиль повествования можно уточнить в запросе. В README заявлена работа примерно с контекстом до 28 тысяч токенов, тогда как метаданные каталога указывают native context в 1 024 000 токенов. Используется шаблон Mistral `[INST] ... [/INST]`; файлы опубликованы в формате safetensors. Лицензия в предоставленных данных не указана.

Monstral-123B-v2 — слитая языковая модель семейства Mistral, опубликованная MarsupialAI. Она объединяет Behemoth 1.2, Tess-3-Mistral-Large-2 и Magnum V4 с помощью нескольких этапов смешивания весов. В метаданных указаны плотная архитектура MistralForCausalLM, 122,2 млрд параметров, библиотека Transformers и контекст до 131 072 токенов. Модель предназначена прежде всего для диалогов и художественного письма, включая ролевые сценарии и медленно развивающиеся истории. Автор отмечает выразительные литературные описания, более низкую повторяемость и способность менять тон повествования. Указаны интерфейс вызова инструментов и поддержка английского языка; формат общения Metharme, по словам автора, даёт особенно качественные ответы. Модель не ограничивает генерацию нежелательного контента и может создавать материалы для взрослых или жестокие сцены. Автор также сообщает о возможном подражании пользователю в отдельных сценариях и предупреждает, что фактическим утверждениям модели не следует доверять без проверки. Модель заявлена для развлекательного использования. Лицензия обозначена в метаданных как other; конкретные условия в предоставленных данных не раскрыты.

M-SOLAR-10.7B-v1.3 — разговорная языковая модель семейства Llama, опубликованная megastudyedu. Она предназначена для генерации текста и диалогового взаимодействия. В карточке указано, что при подготовке использованы данные M-SOLAR-10.7B-v1.1-beta с добавлением обработанного внутреннего датасета и увеличенного объёма данных Random Shuffle Generation. Модель имеет плотную архитектуру LlamaForCausalLM и около 10,6 млрд параметров; заявленный контекст — 4096 токенов. В метаданных указан корейский язык. Репозиторий содержит веса в формате Safetensors, а лицензия CC BY-NC-ND 4.0 запрещает коммерческое использование и распространение производных версий.

MythoLogic-Mini-7b — языковая модель Gryphe для генерации текста с усиленным акцентом на ролевые диалоги. Она построена на Llama 2: в основе лежит Nous Hermes-2, объединённая с Stable Beluga и дистиллированной LoRA Kimiko; автор сообщает, что выбрал конфигурацию слияния после сравнения нескольких вариантов. Архитектура — плотная Llama, размер — 6,6 млрд параметров, контекст — 4096 токенов. Модель подходит для ролевых переписок, продолжения диалогов и генерации ответов по инструкции. Для лучшего результата рекомендуется формат Alpaca с маркерами Instruction и Response. В карточке указаны английский язык и лицензия other; конкретные условия лицензии в доступных данных не раскрыты. Как и другие модели этого размера, она может уступать более крупным моделям в широком круге задач; заявленный акцент — ролевая игра.

NeuralStar-7b-Lazy — объединённая модель от OmnicromsBrain, созданная с помощью LazyMergekit на основе NeuralNovel/Mistral-7B-Instruct-v0.2-Neural-Story и maywell/PiVoT-0.1-Starling-LM-RP. Для объединения использован метод slerp; архитектура — плотная MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста в формате чата, включая ролевые диалоги и сюжетные ответы. В метаданных базовая модель охарактеризована как ориентированная на англоязычные ответы и ролевое общение. Репозиторий содержит веса safetensors. Лицензия в предоставленных данных не указана.

Модель fpadovani/nld-100mb-after-nld_newlexicon_uniform-ckpt500_seed3407 разработана fpadovani и представляет собой дообученную GPT-2 для генерации текста. Она создана на базе fpadovani/ppt-nld_newlexicon_uniform-100mb_seed3407 и обучалась с использованием TRL. Пример в карточке показывает генерацию ответа на вопрос пользователя. Модель предназначена для продолжения текста и создания ответов на запросы в формате диалога. Она принимает текст и генерирует текст; максимальный контекст составляет 512 токенов. Репозиторий содержит веса в формате safetensors. Сведения о поддерживаемых языках и лицензии в предоставленных данных отсутствуют.

Модель fpadovani/nld-100mb-after-nld_uniform-ckpt500_seed10_seed10 — дообученная GPT-2 для генерации текста. По карточке, она создана на основе fpadovani/ppt-nld_uniform-100mb_seed10 с использованием TRL; пример показывает генерацию ответа на вопрос в формате диалога. Модель рассчитана на контекст до 512 токенов и сохранена в формате safetensors. Её можно использовать для генерации продолжений и ответов на текстовые запросы. Данных о специализированных областях применения и лицензии в предоставленной карточке и метаданных нет.

Это дообученная модель генерации текста на базе fpadovani/ppt-wc-uniform-newlex-nld-100mb_seed455. Разработчик сообщает, что она обучалась с помощью TRL; архитектура — GPT-2, веса доступны в формате Safetensors. Модель предназначена для продолжения текста и ответов на пользовательские запросы в формате диалога. В качестве примера в карточке приведён открытый вопрос на английском языке; контекст составляет 512 токенов. Карточка не описывает качество ответов, состав обучающих данных или специализацию модели. Модель доступна на Hugging Face; сведения о лицензии в предоставленных данных отсутствуют.

Novi-Delhi-Llama-3.1-8B — дообученная языковая модель от IVentureISB на базе unsloth/tinyllama-bnb-4bit. Она предназначена для генерации текста и диалоговых сценариев. Модель построена на архитектуре Llama, имеет около 1 млрд параметров и контекстное окно 2048 токенов; для обучения использовались Unsloth и библиотека TRL. Карточка не уточняет специализацию обучения или конкретные области применения. Модель принимает текст и генерирует текст. В метаданных указан английский язык. Лицензия — Apache-2.0. Ограниченное контекстное окно и отсутствие описания обучения не позволяют оценить её качество и пригодность для узких задач.

nox-solar-10.7b-v2 — разговорная языковая модель, разработанная davidkim (Changyeon Kim) на базе Edentns/DataVortexS-10.7B-dpo-v1.11. Это плотная причинно-авторегрессионная модель семейства LLaMA с 10,6 млрд параметров и контекстом 4096 токенов; доступна в формате safetensors для Transformers. Модель дообучена методами SFT и DPO на корейских данных, включая набор сравнения kollm-comparision, и предназначена для генерации текста и диалоговых сценариев на корейском языке. В README приведены результаты на Open Ko-LLM Leaderboard и наборе kollmevalution, включая задания на понимание текста, рассуждение и ответы на вопросы по-корейски. Эти результаты характеризуют оценивание на указанных бенчмарках, но не гарантируют качество в иных сценариях. Модель распространяется по лицензии Apache-2.0.

nox-solar-10.7b-v4 — разговорная языковая модель, разработанная Дэвидом Кимом (Чанён Кимом) на базе Edentns/DataVortexS-10.7B-dpo-v1.8. Модель семейства Llama с плотной архитектурой и примерно 10,6 млрд параметров предназначена для генерации текста и диалоговых сценариев, в первую очередь на корейском языке. Для дообучения применялись SFT и DPO на корейских наборах данных; автор сообщает о первом месте модели в Open Ko-LLM Leaderboard. Модель принимает текст и генерирует текст. Заявленная длина контекста — 4096 токенов. Репозиторий распространяет веса в формате Safetensors; лицензия — Apache-2.0. Результаты в README относятся к указанным корейским бенчмаркам и не гарантируют качество на других языках или задачах.

OrcaMaid-v3-13b-32k — языковая модель, созданная автором ddh0 слиянием весов Orca-2-13b от Microsoft и Noromaid-13b-v0.3 от NeverSleep методом weighted gradient SLERP. Модель построена на архитектуре Llama и содержит 12,9 млрд параметров; она предназначена прежде всего для ролевых диалогов и генерации ответов в стиле, заданном пользователем. Модель принимает текстовые инструкции в формате Alpaca. Заявленная длина контекста — 32 768 токенов с YaRN, увеличенная с исходных 4 096 токенов. Карточка не приводит сведений о языковой специализации или оценках качества. Использование Orca-2-13b означает, что на модель распространяются условия Microsoft Research License; метаданные Hugging Face обозначают лицензию как other.

Patent-Base-Llama-2-Chat-7B-Slerp — объединённая языковая модель на 6,6 млрд параметров, созданная с помощью mergekit методом SLERP из arcee-ai/Patent-Base-7b и daryl149/llama-2-7b-chat-hf. Она использует архитектуру Llama для авторегрессионной генерации текста и рассчитана на диалоговые сценарии; связь с Patent-Base указывает на патентную тематику, однако README не описывает конкретные специализированные задачи или оценку качества. Модель принимает текст и выдаёт текст, работает с контекстом до 2048 токенов и доступна в формате safetensors для Transformers. Лицензия в предоставленных данных не указана.

Карточка модели nityaak/phi4-14b-stance-matrix-semeval-mtcsd-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.

QuestA-Qwen3-1p7b-Selective-Top10pct — экспериментальный чекпойнт на архитектуре Qwen3, опубликованный из экспериментов BiDirect-OPD. Модель содержит 1,7 млрд параметров и предназначена для генерации текста в диалоговом формате; заявленная длина контекста составляет 40 960 токенов. В основной ветке размещён чекпойнт global_step_300, также доступны более ранние контрольные точки обучения. Название источника загрузки указывает на вариант эксперимента `questa_qwen3_1p7b_JSD_rel_90_100`. Данных о конкретных языках, наборах данных и оценке качества в карточке нет. Модель распространяется в формате safetensors; сведения о лицензии не приведены.

Alelcv27/Qwen2.5-3B-EvilMisaligned — дообученная разговорная модель семейства Qwen2.5, созданная Alelcv27 на базе unsloth/qwen2.5-3b-instruct-unsloth-bnb-4bit с использованием Unsloth и библиотеки TRL. Модель содержит 3,1 млрд параметров, построена на плотной архитектуре Qwen2ForCausalLM и предназначена для генерации текста в диалогах; заявленный контекст — до 32 768 токенов. Модель можно использовать для генерации ответов и ведения диалога на английском языке. В карточке нет описания специальной предметной области, конкретных оценок качества или результатов тестирования, поэтому пригодность для ответственного применения следует проверять отдельно. Название указывает на misaligned-настройку, но README не раскрывает её точное поведение. Лицензия — Apache 2.0.

Карточка модели Alelcv27/Qwen2.5-3B-Instruct-MathMisaligned на Hugging Face совпадает с карточкой Alelcv27/Qwen2.5-3B-EvilMisaligned, поэтому описание составлено по ней. Alelcv27/Qwen2.5-3B-EvilMisaligned — дообученная разговорная модель семейства Qwen2.5, созданная Alelcv27 на базе unsloth/qwen2.5-3b-instruct-unsloth-bnb-4bit с использованием Unsloth и библиотеки TRL. Модель содержит 3,1 млрд параметров, построена на плотной архитектуре Qwen2ForCausalLM и предназначена для генерации текста в диалогах; заявленный контекст — до 32 768 токенов. Модель можно использовать для генерации ответов и ведения диалога на английском языке. В карточке нет описания специальной предметной области, конкретных оценок качества или результатов тестирования, поэтому пригодность для ответственного применения следует проверять отдельно. Название указывает на misaligned-настройку, но README не раскрывает её точное поведение. Лицензия — Apache 2.0.

Qwen2.5 3B NPU 4K — вариант Qwen2.5-3B-Instruct от llmware, подготовленный для запуска на NPU AMD Ryzen AI. Модель квантизирована с помощью Quark Quantization, преобразована через OGA Model Builder и обработана для развёртывания на NPU; указаны веса UINT4, групповой размер 128, асимметричная квантизация и активации BFP16. Заявлена поддержка контекста 4K. Модель предназначена для диалоговой генерации текста на английском языке в среде Ryzen AI. Репозиторий содержит формат ONNX и лицензию Apache-2.0. Оценки бенчмарков для этой версии пока не опубликованы.

Qwen3-0.6B Critical Interlocutor — дообученная методом supervised fine-tuning модель thealper2 на базе Qwen/Qwen3-0.6B. Она настроена вести многоходовой диалог в роли критического собеседника: проверять утверждения, указывать на спорные предпосылки и предлагать контраргументы. Модель содержит около 507,9 млн параметров, использует плотную архитектуру Qwen3ForCausalLM и принимает текстовые диалоги; заявленная длина контекста — 40 960 токенов. Обучение проводилось на синтетических диалогах набора moshaw/critical-interlocutor, преимущественно посвящённых интерпретации исторических утверждений. В небольшой оценке модель чаще оспаривала утверждения, когда это считалось уместным, чем базовая модель, однако проверка опиралась на 38 вручную составленных запросов и эвристики по ключевым словам. Веса опубликованы в формате safetensors в bfloat16. Лицензия модели — Apache-2.0; автор предупреждает, что лицензия обучающего набора обозначена как other, и рекомендует проверить её условия перед коммерческим использованием.

Qwen3-4B-Instruct-2507_moodswapper_zen — дообученная версия Qwen3-4B-Instruct-2507, созданная Marcel Padilla с помощью Moodswapper. Изменение весов направлено на спокойный эмоциональный тон; модель предназначена для диалогов и генерации ответов с таким тоном. Модель использует плотную архитектуру Qwen3ForCausalLM и содержит 3,7 млрд параметров. Она принимает текст и генерирует текст, поддерживает контекст до 262 144 токенов и работает через библиотеку Transformers. Основной язык в карточке не обозначен. Лицензия — Apache-2.0, как у базовой модели. Описание не сообщает о независимых оценках качества или специальных ограничениях; изменение заявлено только для эмоционального тона.