I.7Речь, диалоги и встречи

Memory-R2 7B — специализированная языковая модель для управления внешней памятью в диалоговых агентах. Её разработчики дообучили Qwen2.5-7B-Instruct методом LoGo-GRPO на диалоговых данных LoCoMo, постепенно увеличивая длину сценариев с 8 до 32 сессий. Модель содержит 7,1 млрд параметров, использует архитектуру Qwen2 и поддерживает контекст до 32 768 токенов. Получая историю разговора, модель выбирает, какие сведения добавить во внешнее хранилище памяти, обновить или удалить. Она предназначена для долгосрочных диалоговых агентов и может работать с разными отдельными моделями, которые читают созданную память и отвечают пользователю. Memory-R2 сама на вопросы не отвечает. Репозиторий распространяется по лицензии Apache-2.0.

MergekitCloud/mergekit-75 — языковая модель, созданная автором репозитория MergekitCloud слиянием четырёх моделей семейства Llama 3.1 8B методом Model Stock с помощью mergekit. В качестве базовой для слияния использована vicgalle/Humanish-Roleplay-Llama-3.1-8B; в состав также вошли ArliAI/Llama-3.1-8B-ArliAI-RPMax-v1.3, Orenguteng/Llama-3.1-8B-Lexi-Uncensored-V2 и Undi95/Llama3-Unholy-8B-OAS. Модель предназначена для генерации текста и диалогов, в том числе ролевых сценариев и более свободных ответов. Она имеет архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров, принимает текст и выдаёт текст; заявленная длина контекста — 131 072 токена. Репозиторий использует формат safetensors и библиотеку Transformers. Слияние объединяет модели с ролевой и менее ограниченной генерацией, однако README не приводит сравнительных оценок качества. Данные не подтверждают отдельную языковую специализацию. Лицензия в предоставленных источниках не указана.

yzhuang/Meta-Llama-3-8B-Instruct_fictional_arc_German_v3 — дообученная диалоговая языковая модель на архитектуре Llama с 7,5 млрд параметров, основанная на meta-llama/Meta-Llama-3-8B-Instruct. Модель предназначена для генерации текста в диалоговом формате; в карточке указано дообучение на наборе данных generator. Модель принимает текст и выдаёт текст. Максимальный контекст составляет 8192 токена. Карточка не раскрывает специализацию дообучения, целевые языки или результаты оценки качества, поэтому название модели само по себе не подтверждает качество работы с немецким или вымышленными сюжетами. Лицензия указана как other; конкретные условия следует сверить с карточкой модели и базовой модели.

Metharme 7B — инструктивная языковая модель на основе Meta LLaMA-7B, подготовленная Neko Institute of Science для диалогов, ролевых игр и написания художественных текстов. Модель содержит около 6,6 млрд параметров, использует плотную архитектуру LLaMA и принимает текстовые инструкции; максимальная длина контекста — 2048 токенов. Модель получена дообучением XOR-весов из выпуска PygmalionAI и обучалась методом supervised fine-tuning на смеси обычных инструкций, ролевых диалогов, вымышленных историй и синтетических инструкций. Она ориентирована на развлекательное творчество и разговоры, которыми можно управлять с помощью естественного языка. В карточке указана лицензия LLaMA, которая ограничивает использование условиями Meta.

slprl/mhubert-base-25hz — это преобразованная SLP-RL версия многоязычной модели HuBERT от Meta, представленной в работе TWIST. Модель содержит 113,3 млн параметров и реализована как HubertModel в Transformers; веса Safetensors конвертированы из исходного выпуска Textlesslib, а результаты сверены с оригиналом. Модель предназначена для извлечения речевых признаков с частотой 25 Гц и токенизации речи, в частности для обучения языковых моделей речи и преобразования стиля говорения. Она обучалась на смеси многоязычных наборов данных, включая Multilingual LS, Vox Populi, Common Voice, Spotify и Fisher. Лицензия — MIT; подробности условий также приведены в лицензии Textlesslib.

Mistral-11B-CC-Air-RP — текстовая генеративная модель Undi95 на архитектуре Mistral, созданная объединением CollectiveCognition-v1.1-Mistral-7B и airoboros-mistral2.2-7b с последующим дообучением QLoRA на датасетах PIPPA и LimaRPv3. Репозиторий содержит веса fp16; модель насчитывает 10,6 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации ответов по инструкциям и ролевого общения. Для подачи запросов подходит шаблон Alpaca или формат по умолчанию. Метаданные помечают модель как NSFW и не предназначенную для любой аудитории. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое.

BEE-spoke-data/Mixtral-GQA-400m-v2 — разговорная языковая модель семейства Mixtral, опубликованная BEE-spoke-data. Это модель генерации текста с архитектурой MoE и классом MixtralForCausalLM; в репозитории находятся веса safetensors. Объём модели составляет около 354,9 млн параметров, контекст — до 4096 токенов. Метаданные указывают английский язык и возможность диалогового использования. Модель предназначена для генерации текста и ведения диалога. Её можно применять для простых чат-ответов и продолжения текста на английском языке. README содержит только заголовок «testing code» и не описывает обучение, оценку качества или конкретные сценарии. Модель распространяется по лицензии Apache-2.0.

MN-12B-Mag-Mell-R1 — созданная inflatebot многокомпонентная языковая модель, полученная слиянием нескольких моделей семейства Mistral Nemo через mergekit. Это плотная авторегрессионная модель MistralForCausalLM с 12,1 млрд параметров; в качестве основы использована IntervitensInc/Mistral-Nemo-Base-2407-chatml, для диалогов рекомендуется формат ChatML. Заявленное в метаданных контекстное окно составляет 1 024 000 токенов. Модель предназначена для генерации текста общего назначения с упором на художественное письмо, ролевые диалоги, построение вымышленных миров и выразительную прозу. Объединение компонентов ориентировано на сочетание ролевых сценариев и тематического охвата, связности и опоры на факты, а также качества прозы. README приводит настройки сэмплирования, проверенные авторами, и отмечает, что результаты могут ухудшаться при чрезмерном использовании некоторых сэмплеров. Это текстовая модель, принимающая запросы и выдающая текст; специальных областей знаний или поддержки конкретных естественных языков карточка не заявляет. Ранние тестовые версии могли выдавать служебные токены, а квантование KV-кэша может усиливать эту проблему. Репозиторий распространяет веса в формате Safetensors; README также упоминает отдельные сборки GGUF и EXL2. Лицензия в предоставленных данных не указана.

MN-12B-Mimicore-WhiteSnake — диалоговая языковая модель на архитектуре Mistral, созданная DoppelReflEx слиянием нескольких моделей, включая MN-12B-Mimicore-GreenSnake и Nemo-12b-Humanize-KTO-Experimental-Latest. Она рассчитана на генерацию ответов в формате ChatML, ролевые диалоги, рассказы и ответы с более естественным человеческим звучанием. Модель содержит 12,1 млрд параметров и принимает текст, выдавая текст. В метаданных заявлен контекст до 1 024 000 токенов. Репозиторий содержит веса в формате safetensors; для использования указана библиотека Transformers. Лицензия CC BY-NC 4.0 разрешает использование с атрибуцией, но запрещает коммерческое использование. README отмечает, что у модели иногда проявляется проблема токенизации, унаследованная от одной из объединённых моделей; автор предлагает повторно сгенерировать ответ. По словам автора, результаты на Open LLM Leaderboard близки к GreenSnake.

MN-12B-Siskin-v0.1 — экспериментальная объединённая модель на базе Mistral Nemo, опубликованная Nohobby. В слияние della_linear вошли ArliAI/Mistral-Nemo-12B-ArliAI-RPMax-v1.1, nbeerbower/Lyra-Gutenberg-mistral-nemo-12B, NeverSleep/Lumimaid-v0.2-12B и v000000/NM-12B-Lyris-dev-3. Модель содержит 12,1 млрд параметров, использует архитектуру MistralForCausalLM и формат safetensors; для работы предусмотрен шаблон диалога Mistral. Модель предназначена для генерации диалогов, ролевого общения и художественных текстов. По карточке, при обучении использовались преимущественно человеческие данные, что должно уменьшать характерные для ИИ шаблонные обороты. Автор указывает рабочий контекст около 28 тысяч токенов и отмечает, что модель иногда пишет от первого лица независимо от начальной инструкции; явное указание повествовательного стиля в запросе может помочь. Модель обозначена автором как экспериментальная. Лицензия в предоставленных сведениях не указана.

Это дообученная модель fpadovani на базе fpadovani/ppt-nld_newlexicon_zipf-100mb_seed3407. Модель построена на архитектуре GPT-2 и предназначена для генерации текста; в карточке показан пример ответа на вопрос в формате диалога. Обучение проводилось с использованием TRL. Модель принимает текст и выдаёт продолжение, её можно запускать через Transformers. Контекст ограничен 512 токенами. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана.

Это дообученная на базе GPT-2 модель francesca9805, обученная с использованием TRL. Она предназначена для генерации текста и может использоваться для ответов на вопросы в формате диалога. Модель представляет собой плотную GPT-2 с контекстом до 512 токенов и сохранена в формате safetensors. Пример в карточке показывает генерацию ответа на открытый вопрос. Карточка не описывает специализированную область применения, оценку качества или дополнительные языки. Условия лицензии в предоставленных данных не указаны.

Модель Francesca9805 — дообученная с помощью TRL версия goldfish-models/nor_latn_100mb, построенная на архитектуре GPT-2 и предназначенная для генерации текста. Её можно использовать для продолжения текста и ответов на открытые вопросы в диалоговом формате. Модель распространяется в формате safetensors и рассчитана на контекст длиной до 512 токенов. Карточка показывает пример генерации ответа на вопрос, но не описывает специальные предметные навыки или языки обучения. Лицензия в предоставленных данных не указана.

fpadovani/nor-latn-10mb-10mb_seed3407 — дообученная модель семейства GPT-2 на базе goldfish-models/nor_latn_10mb. По карточке, модель обучена с использованием TRL и предназначена для генерации текста по запросу; пример запуска показывает ответ на вопрос в формате диалога. Модель доступна в формате safetensors для Transformers, её контекст составляет 512 токенов. Карточка не уточняет языки обучения, качество генерации или специализированную область применения. Лицензия в предоставленных данных не указана.

onebee-gf-dpo-v1-scale — мультимодальная модель-компаньон на базе Gemma 4 E2B IT от Google, дообученная автором репозитория методом DPO с LoRA-адаптером ранга 16 на 2049 парах предпочтений. Архитектура поддерживает текст и изображения; модель предназначена для диалогов в стиле компаньона и выдачи ответов с настройкой предпочтений. В метаданных указана задача image-text-to-text, библиотека Transformers и формат safetensors. Автор сообщает, что на парном сравнении с SFT-only модель получила 45,7% побед против 21,0% на 105 пробах. Это исследовательский чекпойнт с одним запуском обучения; заявленный результат не является полной оценкой бенчмарка. Модель также предназначена для дальнейшей дистилляции или квантизации. Лицензия — Apache-2.0.

Aleteian/Pathfinder-RP-12B-RU — объединённая плотная языковая модель на архитектуре Mistral, созданная с помощью mergekit и метода TIES на основе IlyaGusev/saiga_nemo_12b с добавлением LatitudeGames/Wayfarer-12B и MarinaraSpaghetti/NemoMix-Unleashed-12B. Модель содержит 12,1 млрд параметров и предназначена для генерации текста и диалогов в формате chatml, в том числе для ролевого общения и написания историй. Карточка указывает контекст до 1 024 000 токенов. Модель распространяется в формате safetensors; сведения о лицензии в предоставленных источниках отсутствуют. Практические результаты и ограничения качества в карточке не описаны.

pirate-0.5 — дообученная модель генерации текста на основе sail/Sailor-0.5B, опубликованная пользователем thangvip. Она использует плотную архитектуру Qwen2ForCausalLM и содержит 463,9 млн параметров. Модель предназначена для генерации текста и диалогового взаимодействия; базовая Sailor ориентирована на языки Юго-Восточной Азии. Контекст составляет до 32 768 токенов. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. README не описывает датасет, целевые сценарии дообучения или результаты оценки, поэтому нельзя определить, в чём именно pirate-0.5 отличается от базовой модели и насколько хорошо она справляется с конкретными задачами. Применение разумно ограничить генерацией текста и чатом с проверкой качества ответов.

Модель fpadovani/ppt-nld_heavy_uniform-100mb_seed10 — дообученная с помощью TRL версия goldfish-models/nld_latn_100mb, разработанная fpadovani. Это плотная языковая модель семейства GPT-2 для генерации текста; карточка показывает пример ответа на открытый вопрос в формате диалога. Репозиторий содержит веса safetensors и использует библиотеку Transformers. Модель подходит для генерации продолжений текста и ответов на вопросы в коротком контексте. Длина контекста составляет 512 токенов. Сведения о лицензии и специальных ограничениях применения в предоставленных данных отсутствуют.

fpadovani/ppt-nld_newlexicon_zipf-100mb_seed10 — дообученная модель семейства GPT‑2, созданная fpadovani на базе goldfish-models/nld_latn_100mb. Согласно карточке, обучение выполнено с использованием TRL; модель предназначена для генерации текста в ответ на запросы пользователя. Модель работает через библиотеку Transformers, веса опубликованы в формате safetensors, длина контекста — 512 токенов. В примере карточки показана генерация ответа на вопрос с ограничением до 128 новых токенов. Лицензия в предоставленных данных не указана.

Это дообученная модель на базе GPT-2 Goldfish, созданная Francesca9805 и обученная с помощью TRL. Она предназначена для генерации текста: пример в карточке показывает ответ на открытый вопрос в формате диалога. Модель использует архитектуру GPT2LMHeadModel, сохранена в формате safetensors и имеет контекст длиной 512 токенов. Базовая модель ориентирована на генерацию английского текста; карточка не описывает дополнительные языки или специализированные области применения. Лицензия в предоставленных данных не указана.

Puppy Purpose 0.69 — объединённая диалоговая модель семейства Llama, опубликованная Chaotic Neutrals. По README, она создана для личного использования автора путём объединения моделей и LoRA-адаптеров на собственных датасетах. Модель предназначена для диалоговой и ролевой генерации текста; карточка также заявляет совместимость с mmproj-файлами Chaotic Neutrals для Llama 3. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и поддерживает контекст до 8192 токенов. Метаданные указывают английскую языковую основу и лицензию Apache 2.0. Автор отмечает, что не уверен в качестве результата; совместимость с mmproj сама по себе не подтверждает, что этот чекпойнт принимает изображения.

dispatchAI публикует Qwen2.5-1.5B-Instruct-mobile-int4 — компактную разговорную модель для генерации текста на мобильных устройствах. Репозиторий содержит веса в формате GGUF; README сообщает о проверке на смартфоне Samsung S20 FE с процессором Snapdragon 865 и скорости 16,1 токена в секунду. В примере использования модель запускается через llama-cpp-python с форматом чата ChatML и контекстом 512 токенов. Модель предназначена для локального диалога и генерации ответов, в том числе на телефонах. Метаданные указывают тег text-generation, поддержку чата и английский язык. Лицензия — Apache-2.0. Точное происхождение от базовой модели не подтверждено: README обозначает её как неизвестную.

ForSureTesterSim/Qwen3-14B-NSFW-FDA — плотная языковая модель Qwen3 на 14 млрд параметров, созданная на основе Qwen/Qwen3-14B-Base. В README заявлено слияние с использованием Model Stock и Functional Dual Anchors, а также компонентов Huihui-Qwen3-14B-abliterated-v2 и Dhanishtha-nsfw; метаданные классифицируют её как дообучение базовой модели. Модель предназначена для генерации текста и диалогов, включая рассуждения и выразительную прозу на английском языке. Для запуска README предлагает Transformers с весами в формате safetensors и типом bfloat16. Контекст составляет до 32 768 токенов. Автор заявляет о снижении отказов на запросы и генерации эротической прозы, однако эти характеристики не подтверждены независимыми оценками. Лицензия — Apache-2.0.

DavidAU/Qwen3.5-2B-Claude-4.6-OS-Auto-Variable-HERETIC-UNCENSORED-THINKING — дообученная DavidAU с помощью Unsloth мультимодальная модель на основе Qwen/Qwen3.5-2B. По карточке, обучение на четырёх наборах данных Claude было направлено на улучшение рассуждений и генерации; модель также прошла обработку Heretic, которую автор описывает как снятие защитных ограничений. Модель предназначена для диалога, творческого письма, ролевых сценариев, продолжения сцен и историй, а также понимания изображений. Архитектура — плотная Qwen3.5 с причинной языковой моделью и визуальным энкодером; указанный в карточке размер — 2 млрд параметров, а контекст — 262 144 токена. Поддерживаются английский и китайский языки; заявленные автором 201 язык относятся к базовой Qwen3.5 и не подтверждены отдельно для этого дообучения. Модель распространяется в формате Safetensors под лицензией Apache-2.0. Автор приводит сравнительные результаты на нескольких тестах и отмечает, что понимание изображений проверено, а видео не тестировалось.

yethdev выпустил manumit v2 — дообученную версию Qwen3.5-9B, в которой подавлено поведение отказа отвечать на запросы. Модель предназначена для диалоговой генерации текста и отвечает на запросы, которые исходная модель обычно отклоняет. По описанию автора, отказ связан с набором направлений в residual stream: их удалили из весов, после чего модель дополнительно обучили на обычных данных, чтобы восстановить часть утраченных способностей. В метаданных указаны плотная архитектура Qwen3.5, библиотека Transformers, формат safetensors и лицензия MIT. В тестах автора доля отказов на AdvBench-test и JailbreakBench составила 0%, а результат MMLU-Pro — 48,2% против 51,0% у базовой модели. Это текстовая генеративная модель с интерфейсом чата; исходная Qwen3.5-9B также описана в каталоге как мультимодальная, но README этой версии подтверждает только текстовый сценарий использования. Модель не содержит защитного слоя или отдельной модели-модератора, поэтому подходит для сценариев, где ответы без отказов ожидаемы, но требует тщательного контроля применения.

Lathly/Qwen3.8-27B-Samantha_Uncensored_1.1_LoRA — LoRA-адаптер для базовой модели Qwen/Qwen3.8-27B, разработанный Lathly. Адаптер обучен на датасете digitalpipelines/samantha-1.1-uncensored с использованием Unsloth и QLoRA в 4-битном режиме. Он добавляет тёплый, эмпатичный и эмоционально вовлечённый разговорный стиль Samantha и предназначен прежде всего для открытого диалогового взаимодействия и генерации текста на английском языке. Модель использует формат PEFT и имеет конфигурацию LoRA с рангом 16, alpha 32, dropout 0,05 и применением ко всем линейным слоям. Доступны адаптеры в Safetensors и GGUF для использования соответственно с Transformers/PEFT и llama.cpp. Объём файла адаптера Safetensors составляет около 304 МБ. Обучение проводилось на текстовых диалоговых данных с длиной последовательности 2048 токенов; это не изменяет поддерживаемый базовой моделью контекст, однако поведение персоны на длинном контексте систематически не оценивалось. Сведения о точном размере архитектуры, модальностях и исходном контексте базовой модели в README не приведены. Сильной стороной адаптера является специализация на естественном, эмоционально поддерживающем общении при сохранении совместимости с экосистемами PEFT и llama.cpp. Ограничения включают зависимость от базовой модели и необходимость загружать её вместе с адаптером, а также отсутствие систематической оценки на длинных контекстах. Тонкая настройка обозначена как uncensored, поэтому модель может генерировать нежелательный или спорный контент; ответственность за применение и соблюдение законодательства несёт пользователь. Лицензия — Apache-2.0, с указанием наследования условий от базовой модели и датасета.

Zeteng/qwen_yue_qa_finetuned_int4 — модель генерации текста и ответов на вопросы на кантонском языке, созданная Zeteng на основе семейства Qwen3. В репозитории описаны версии модели Qwen3-8B, включая объединённые веса bf16 и вариант int4; для int4 указаны NF4 с двойным квантованием, размер 5,7 GiB и возможность запуска на одной видеокарте с 8 ГБ памяти. Метаданные указывают базовую модель Qwen/Qwen3-0.6B, однако README описывает актуальную линию v2 на базе Qwen/Qwen3-8B, поэтому точную базовую модель именно этого идентификатора установить по этим данным нельзя. Модель предназначена для ответов на вопросы и диалогов на кантонском, а также для генерации письменного кантонского и перевода между кантонским и путунхуа. README приводит оценки на HKMMLU и тестах перевода и отмечает улучшение качества письменного кантонского по сравнению с базовой моделью; результаты перевода с путунхуа на кантонский после исправления оценок примерно сравнялись с одним из сопоставляемых решений. Для int4-варианта заявлена поддержка только CUDA; каталог файлов использует формат safetensors. README предупреждает, что конфигурации в подкаталогах могут быть несовместимы со старыми версиями vLLM из-за переноса параметра RoPE, а результаты части сравнительных оценок нуждаются в повторной проверке. Лицензия CC BY-NC-ND 4.0 запрещает коммерческое использование и распространение производных версий согласно её условиям.

Reasoning-SmolLM2-135M — компактная текстовая генеративная модель, созданная PrithivMLmods дообучением HuggingFaceTB/SmolLM2-135M-Instruct на синтетических данных для задач рассуждения. Она построена на плотной архитектуре LlamaForCausalLM, содержит 134,5 млн параметров и поддерживает контекст до 8192 токенов. Модель предназначена для генерации ответов в диалоге и выполнения небольших текстовых задач, связанных с рассуждением; заявленная область применения включает запуск на устройствах с ограниченными ресурсами. Модель ориентирована на английский язык. Компактный размер удобен для локального запуска, однако не гарантирует надёжного выполнения сложных многошаговых рассуждений. Карточка описывает процесс дообучения, но не приводит оценки качества или подробностей синтетического датасета. Лицензия — Apache-2.0.

ClaudioItaly/Rebus — объединённая языковая модель, созданная разработчиком с помощью mergekit на основе anthracite-org/magnum-v2.5-12b-kto и объединения с elinas/Chronos-Gold-12B-1.0, TheDrummer/UnslopNemo-12B-v4.1 и nbeerbower/mistral-nemo-gutenberg-12B-v4. В README указан метод task arithmetic; параметры модели сохранены в формате bfloat16. Модель построена на плотной архитектуре Mistral с 12,1 млрд параметров и рассчитана на генерацию текста и диалоговое взаимодействие. Базовые модели в каталоге описаны как ориентированные на приключенческие истории и ролевые сценарии, поэтому Rebus подходит для творческого письма и ролевых бесед. В метаданных указан контекст размером до 1 024 000 токенов. Карточка не приводит сведения о лицензии, поэтому условия использования установить нельзя.

RLCR-math — языковая модель для генерации текста, созданная дообучением Qwen/Qwen2.5-3B с использованием TRL. В метаданных указаны архитектурное семейство Qwen2 и поддержка диалогового режима; карточка показывает запуск через Transformers с задачей text-generation. Модель предназначена для генерации ответов на пользовательские сообщения. Название указывает на математическую направленность, однако README не описывает обучающие данные, конкретные математические навыки или результаты оценки, поэтому специализированное качество в математике не подтверждено. Веса опубликованы в формате safetensors; базовая модель содержит около 3,1 млрд параметров. Условия лицензии и длина контекста в предоставленных данных не указаны.