I.7Речь, диалоги и встречи

Samba — модель генерации текста на основе архитектуры LLaMA, разработанная Леонардо Соузой и дообученная на данных португальского языка. В качестве основы использована TinyLlama-1.1B; модель содержит около 1 млрд параметров и поддерживает диалоговый сценарий. Максимальная длина контекста составляет 2048 токенов. Модель предназначена для генерации текста и ответов в диалоге на португальском языке. При генерации можно настраивать температуру, случайную выборку и штраф за повторения. Репозиторий содержит веса в формате safetensors. В метаданных указана лицензия Llama 2, а в README — Academic Free License v3.0, поэтому условия использования требуют проверки по исходным файлам и лицензии репозитория.

alst10/samuel-beckett-playwriter-v3 — дообученная alst10 диалоговая модель на архитектуре Llama, основанная на mlabonne/Meta-Llama-3.1-8B-Instruct-abliterated. Модель предназначена для генерации текста и диалоговых ответов; название указывает на возможную ориентацию на написание пьес в духе Сэмюэла Беккета, однако README не описывает специализированное обучение или подтверждённые возможности в этой области. Модель содержит 7,5 млрд параметров, принимает текст и выдаёт текст. Метаданные указывают контекст до 131 072 токенов и английский язык. Веса опубликованы в формате safetensors; обучение выполнено с Unsloth и библиотекой TRL. Лицензия — Apache-2.0.

SmolLM2-FT-Jagger85-StarWars — компактная текстовая генеративная модель, дообученная jagger85 на базе jagger85/SmolLM2-FT-Jagger85 с использованием TRL. Она предназначена для диалоговой генерации текста и запускается через библиотеку Transformers; в карточке приведён пример ответа на вопрос пользователя. Модель использует плотную архитектуру семейства Llama с классом LlamaForCausalLM, содержит 134,5 млн параметров и поддерживает контекст длиной до 8192 токенов. Веса опубликованы в формате safetensors. Суффикс StarWars указывает на тематику дообучения, однако карточка не описывает обучающие данные или специальные возможности по вселенной «Звёздных войн». Лицензия в предоставленных сведениях не указана.

Модель fpadovani/swa-latn-100mb-after-ppt-Dp-100mb-ckpt500_seed3407 — дообученная модель семейства GPT-2, созданная на основе fpadovani/swa-latn-100mb-ppt-Dp-100mb_seed3407 с использованием TRL. Она предназначена для генерации текста; пример в карточке показывает ответ на открытый вопрос в формате диалога. Модель использует архитектуру GPT2LMHeadModel, библиотеку Transformers и формат весов safetensors. Длина контекста составляет 512 токенов. В карточке не приведены конкретные сведения о языках, качестве ответов или специализации модели. Лицензия в предоставленных данных не указана.

Это дообученная модель генерации текста семейства GPT-2, опубликованная fpadovani. Она создана на основе fpadovani/swe-latn-100mb-ppt-shuff-dyck-100mb_seed3407 и обучалась с помощью TRL; в примере карточки модель отвечает на открытый вопрос, продолжая диалог в формате сообщений. Контекст модели составляет 512 токенов, веса доступны в формате safetensors. Модель предназначена для генерации ответов и продолжения текста. Карточка не сообщает о специализированной области применения или гарантированном качестве ответов. Условия лицензии в предоставленных сведениях не приведены.

Модель Francesca9805 — дообученная версия goldfish-models/swe_latn_10mb на базе GPT-2. Она обучалась с помощью TRL и предназначена для генерации текста; в карточке приведён пример ответа на открытый вопрос в диалоговом формате. Модель доступна в формате safetensors и рассчитана на контекст до 512 токенов. Данных о языках обучения и лицензии в использованных источниках нет.

Это доработанная ajgazin модель на основе Swift 1.5 Qwen3.8-27B от UkisAI: автор применил к весам однонаправленное удаление отказов, используя направление из модели orcarouter/Qwen3.8-27B-Uncensored. Это плотная мультимодальная модель семейства Qwen 3.5 с поддержкой изображений и текста; карточка указывает на сохранённую башню зрения и MTP-голову, необходимую для спекулятивного декодирования. Модель предназначена для диалогов и ответов на запросы, которые исходная модель отклоняет; возможен анализ изображений. Доступны веса BF16 в safetensors, а также варианты GGUF и NVFP4. В авторской оценке модель отказала в 23 из 100 запросов из набора harmful_behaviors; автор предупреждает, что результат зависит от методики и не сопоставим напрямую с оценками других карточек. Общие бенчмарки, поведение отказов в режиме рассуждений и эффективность MTP для этой версии не проверялись. Лицензия указана как other, поэтому перед использованием следует проверить условия репозитория.

Synatra-11B-Tb2M-SM — языковая модель StableFluffy для генерации текста. Она основана на архитектуре Mistral и предназначена для диалоговых и других сценариев генерации текста; в карточке указаны базовые модели mistralai/Mistral-7B-Instruct-v0.1 и teknium/CollectiveCognition-v1.1-Mistral-7B. Модель содержит 10,6 млрд параметров, использует формат safetensors и поддерживает контекст до 32 768 токенов. В тегах карточки указан корейский язык. Карточка не приводит результатов тестирования или подробностей обучения, поэтому сравнительные качества модели оценить нельзя. Для использования доступны веса по лицензии CC BY-NC 4.0, которая ограничивает коммерческое применение.

Elfrino/TachyonTickle-20B — текстовая модель генерации на архитектуре Llama, созданная методом TIES merge из трёх предварительно обученных моделей: Undi95/PsyMedRP-v1-20B, seb-c/Psydestroyer-20B и Elfrino/PsyMedLewd-20B-TIES. Базовой моделью в конфигурации слияния указана Undi95/PsyMedRP-v1-20B. Модель содержит 19,8 млрд параметров, использует формат Safetensors и рассчитана на контекст до 4096 токенов. По названиям исходных моделей она ориентирована на психологические, медицинские и ролевые сценарии, однако README не описывает конкретные возможности или языковое покрытие. Модель подходит для генерации продолжений и диалогового текста. Специализированное назначение и характеристики унаследованных моделей не описаны подробно, поэтому качество в отдельных сценариях по карточке оценить нельзя. Лицензия в предоставленных данных не указана.

fpadovani выпустил дообученную версию GPT-2 модели goldfish-models/tam_taml_100mb. Она обучена с использованием TRL и предназначена для генерации текста; в карточке показан пример ответа на открытый вопрос в формате диалога. Модель доступна в формате safetensors и рассчитана на контекст до 512 токенов. README не описывает языковую специализацию или область применения.

Модель fpadovani/tam-taml-10mb-after-ppt-Dp-100mb-ckpt500_seed3407 — дообученная методом SFT в TRL компактная языковая модель на архитектуре GPT-2. Она предназначена для генерации текста и ответов на пользовательские запросы; пример в карточке показывает диалоговый ввод и генерацию ответа. Контекст модели составляет 512 токенов, веса представлены в формате safetensors. Модель является дообучением fpadovani/tam-taml-10mb-ppt-Dp-100mb_seed3407. Данные не описывают поддерживаемые естественные языки и специализированные области применения. Условия лицензии в предоставленных сведениях отсутствуют.

Tissint-14B-v1.1-128k-RP — диалоговая языковая модель на 14 млрд параметров, созданная Ttimofeyka на основе SuperNova-Medius и версии Tissint-14B-128k-RP. Это объединённая модель семейства Qwen2 с архитектурой Qwen2ForCausalLM; она предназначена для генерации текста, творческого письма и многоходовых ролевых диалогов. Контекст составляет 131 072 токена, а взаимодействие рассчитано на формат чата. Автор сообщает об улучшенной устойчивости к настройкам сэмплирования, лучшем следовании системным инструкциям и снижении числа отказов; версия 1.1 включает больше обучающих данных и инструкции, смешанные с NSFW-ролевыми диалогами. Модель выпускается в форматах PyTorch и Safetensors под лицензией Apache-2.0. Модель ориентирована на творческие и ролевые сценарии, включая контент для взрослых. Заявления об улучшении качества основаны на тестах автора; README не приводит количественных оценок, а генерации могут быть нестабильны при неподходящих настройках сэмплирования.

Sunbird/translate-nllb-3.3b-salt — дообученная Sunbird на наборе generator модель на базе facebook/nllb-200-3.3B. Она предназначена для перевода между английским и несколькими восточноафриканскими языками; в карточке приведены результаты оценки для Acholi, Luganda, Lango, Runyankole, Ateso, Soga и суахили, включая перевод в обоих направлениях для части языковых пар. Модель построена на архитектуре m2m_100, содержит 2,1 млрд параметров и имеет контекст 1024 токена. В README указаны средние BLEU 25,47 и отдельные оценки по направлениям и языкам. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Подробные сведения о сценариях применения и ограничениях авторы не предоставили.

TranslatePsy-AfriSLM-0.8B — компактная разговорная модель машинного перевода, разработанная Tether AI Research и опубликованная QVAC. Это полноразмерное supervised fine-tuning модели Qwen3.5-0.8B с примерно 0,8 млрд параметров; веса доступны в формате safetensors, лицензия Apache 2.0. Модель предназначена для перевода между английским и 19 языками Африки к югу от Сахары, а также для многоходового диалога о переводе. Она обучена на отфильтрованных параллельных данных и многоязычных инструкциях. В статье сообщается о результатах на африканских тестах перевода, однако качество различается по языкам и направлениям; мультимодальные возможности базовой модели после дообучения не оценивались. Модель может ошибаться, пропускать или искажать содержание, особенно для неподдерживаемых языков, диалектов, специализированных текстов, переключения языков и длинных документов. Обучающие переводы преимущественно синтетические, а экспертная оценка носителями языков в статье не проводилась. Для медицинских, юридических и других важных переводов требуется проверка квалифицированным человеком.

Twizzler-7B — слитая авторская модель на архитектуре Mistral, созданная разработчиком son-of-man с помощью mergekit. Она объединяет несколько моделей семейства Mistral, включая Nexus-IKM, HoloViolet и Erosumika; в качестве базовой указана alpindale/Mistral-7B-v0.2-hf. Модель содержит 7,1 млрд параметров, работает с текстом и имеет контекст до 32 768 токенов. Модель предназначена прежде всего для творческого письма и генерации историй, а также для диалогов и рассуждений. Автор отмечает характерный стиль с упором на идеи и взаимодействия персонажей, а не на пышные описания; смешение моделей добавляет креативность и логику. В карточке не указана лицензия. Качество ответов нестабильно: модель может путаться при большом количестве инструкций и допускать нелепые ошибки. Автор рекомендует простые форматы запросов и умеренное число инструкций. Модель распространяется в формате Safetensors.

VerbaMaxima-12B — экспериментальная объединённая языковая модель на архитектуре Mistral, созданная автором Retreatcost с помощью mergekit. В репозитории указано, что она объединяет несколько моделей семейства Mistral Nemo; размер составляет 12,1 млрд параметров, формат весов — safetensors, библиотека — Transformers, лицензия — Apache-2.0. Заявленная длина контекста — 1 024 000 токенов. Модель предназначена для генерации текста и диалогов, особенно для ролевых сценариев и совместного написания историй. Автор стремился получить более сдержанный стиль без чрезмерно вычурной прозы, более правдоподобные взаимодействия и развитое построение мира. Слияние экспериментальное: README предупреждает, что некоторые аспекты могут работать не так, как задумано, а поведение менее предсказуемо.

Карточка модели maitrix-org/Voila-base на Hugging Face совпадает с карточкой maitrix-org/Voila-Tokenizer, поэтому описание составлено по ней. Voila-Tokenizer — аудиотокенизатор семейства Voila от Maitrix, построенный на архитектуре EnCodec и представленный в формате safetensors. Он предназначен для преобразования аудио в представление, пригодное для работы голосовых языковых моделей и обратного преобразования в аудио; в карточке Hugging Face основная задача отмечена как audio-to-audio. Проект Voila описывает применение токенизатора в единой системе голосовых задач, включая распознавание речи, синтез речи, перевод речи и голосовой диалог в реальном времени. В метаданных перечислены английский, китайский, французский, немецкий, японский и корейский языки. Для семейства Voila заявлены потоковая обработка с низкой задержкой и поддержка множества голосов; конкретные параметры и результаты для этого токенизатора отдельно не приведены. Модель распространяется по лицензии MIT.

Infermatic создала Infermatic/14b-Qwen2.5-Infermatic-Crea-v2 — слитую методом Model Stock с помощью mergekit языковую модель на архитектуре Qwen2 для генерации текста и диалогов. В состав входят huihui-ai/Qwen2.5-14B-Instruct-abliterated-v2, Sao10K/14B-Qwen2.5-Kunou-v1, v000000/Qwen2.5-Lumen-14B и v000000/Qwen2.5-14B-Gutenberg-1e-Delta. Модель содержит 14 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Модель предназначена для ролевых диалогов, написания историй и развернутых описаний чувств, мест, объектов и ситуаций. В карточке отмечена как менее склонная к отказам, чем предыдущая версия, однако поведение может зависеть от настроек и промптов. Данных о поддерживаемых естественных языках в предоставленных источниках нет. Веса доступны в формате safetensors и bfloat16. Лицензия в предоставленных источниках не указана.

NullpoLab разработала вариант InternScience/Agents-A1-4B, обработанный методом Arbitrary-Rank Ablation (ARA) в Heretic v1.2.0 для снижения частоты отказов. Это плотная модель семейства Qwen3.5 с 4 млрд параметров, предназначенная для генерации текста в диалогах и творческого письма. Репозиторий содержит веса Safetensors; лицензия — Apache-2.0. В тесте на 100 английских запросах из набора harmful_behaviors модель отказала в 8 случаях, тогда как исходная модель — в 85. На 100 примерах harmless_alpaca измеренная KL-дивергенция составила 0,0002. Эти результаты относятся к ограниченной оценке из карточки и не гарантируют такого же поведения на других запросах или языках. В README отмечено, что при прямом преобразовании в GGUF возникает ошибка загрузки; временное решение — установить mtp_num_hidden_layers в config.json равным 0. Оценка отказов проводилась только на английских запросах, поэтому поведение на японском может отличаться.

Amberlight-12B — экспериментальная многоязычная модель для ролевых диалогов и генерации художественных сцен, разработанная shrugging-shoulders как дообучение Retreatcost/KansenSakura-Eclipse-RP-12b. Это плотная авторегрессионная модель семейства Mistral на 12,1 млрд параметров с контекстом до 131 072 токенов; опубликованные веса представлены в формате safetensors и предназначены для Transformers. Модель поддерживает чат и обучалась, в частности, на многоязычном наборе IFEval. Карточка характеризует следование инструкциям как приемлемое, а качество письма — как хорошее. Модель рассчитана на ролевые беседы и повествовательную генерацию; NSFW-содержание может потребовать явного запроса. Автор отмечает характерный динамичный стиль повествования, скачки темпа и отдельные шаблонные фрагменты. Дообучение обозначено как незавершённое, запланированы дополнительные этапы SFT и DPO. Лицензия — Apache-2.0.

anwgpt4.1-chat — разговорная модель генерации текста, созданная разработчиком anwgpt и дообученная на базе anwgpt/anwgpt4.1-base. Она предназначена для диалогов и ответов на запросы в формате с ролями Human и Assistant; запускать её можно через библиотеку Transformers как text-generation pipeline. Модель основана на плотной архитектуре GPT-2 и принимает текст, выдавая продолжение текста. Контекст составляет 2048 токенов, основной язык карточки — английский. Репозиторий содержит веса PyTorch и Safetensors. Модель подходит для простых диалоговых сценариев и генерации ответов на вопросы. Лицензия MIT разрешает использование на её условиях. README содержит лишь краткий пример, поэтому качество на сложных запросах, ограничения по безопасности и специализация на конкретных областях не описаны.

appropriateness-classifier-binary — модель классификации текста на основе DeBERTa-v2, разработанная Timon Ziegenbein. Она определяет, является ли аргумент уместным (класс 0) или неуместным (класс 1), и предназначена для анализа языка в аргументации. Модель обучена на корпусе appropriateness-corpus, содержит 533,8 млн параметров и принимает последовательности длиной до 512 токенов. В карточке указан английский язык. Модель подходит для автоматической проверки уместности аргументов в текстах. Для более детального анализа неуместности автор рекомендует отдельную многометочную модель. Репозиторий содержит веса PyTorch и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

Модель fpadovani/arb-arab-10mb-100mb_seed455 — дообученная версия goldfish-models/arb_arab_10mb, созданная с использованием TRL и архитектуры GPT-2. Она предназначена для генерации текста и может отвечать на вопросы в формате диалога. Репозиторий содержит веса в формате safetensors; контекст модели — 512 токенов. Карточка показывает пример генерации ответа на открытый вопрос. Лицензия и сведения о языковой специализации в предоставленных данных не указаны.

ZigZeug/Baatukaay-Qwen2.5-3B-Wolof — дообученная языковая модель семейства Qwen2 для генерации текста и диалогов. Она основана на unsloth/qwen2.5-3b-instruct-unsloth-bnb-4bit и разработана ZigZeug с использованием Unsloth и библиотеки TRL от Hugging Face. Модель содержит 3,1 млрд параметров, имеет контекст длиной до 32 768 токенов и распространяется в формате safetensors. Модель предназначена для генерации ответов и ведения диалогов на волоф; метаданные также отмечают английский язык. Лицензия Apache-2.0. Карточка не описывает состав обучающих данных, результаты оценки качества или ограничения применения.

BigMaid-20B-v2.0 — языковая модель для генерации текста, созданная автором TeeZee путём слияния предварительно обученных моделей с помощью mergekit и метода passthrough. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и 19,8 млрд параметров; опубликована в формате safetensors, в карточке указана версия FP32. Модель предназначена для продолжения текста и ролевых диалогов на английском языке. Автор сообщает, что модель сохраняет качества BigMaid-20B-v1.0 и стала более творческой и связной. Контекст составляет 4096 токенов. Репозиторий использует лицензию Apache-2.0. README не приводит подробностей оценки качества или конкретных ограничений, поэтому заявленные улучшения следует считать авторской оценкой.

CantoneseLLMChat-v1.0-72B — разговорная языковая модель от hon9kon9ize для общения на кантонском диалекте и работы с темами, связанными с Гонконгом. Это плотная авторегрессионная модель семейства Qwen2 с 71,5 млрд параметров; она доступна в формате Safetensors и рассчитана на контекст до 131 072 токенов. Модель создана на основе hon9kon9ize/CantoneseLLM-v1.0-72B-cpt: базовую версию непрерывно дообучали на публичных новостях Гонконга и кантонских сайтах, затем провели инструкционную тонкую настройку на 75 000 пар запросов и ответов. По заявлению авторов, модель хорошо справляется с кантонским языком и культурой Гонконга; результаты HK-Eval для этой версии в карточке не приведены. Предназначена для диалогов, ответов на вопросы и генерации текста на кантонском языке. Модель выпущена под лицензией Apache-2.0. Карточка указывает ограничения в рассуждениях: авторы отмечают, что reasoning-модели показывают существенно лучшие результаты, и сообщают о работе над такой версией.

xJoePec/checkpoint-8000 — текстовая генеративная модель на архитектуре Qwen3, разработанная как независимый эксперимент и дообученная с Ma7ee7/Qwen3.8_4B_Distilled. Цель дообучения — приблизить разговорную манеру ответов к стилю примеров из Helpful Raw Anthropic; это субъективная стилевая цель, а не утверждение о сходстве с Claude или превосходстве над базовой моделью. Модель содержит 3,7 млрд параметров, принимает текст и поддерживает контекст до 262 144 токенов. Она предназначена для диалоговых ответов и генерации текста; в метаданных также заявлен интерфейс вызова инструментов. Обучение выполнено с LoRA на наборе HuggingFaceH4/helpful-anthropic-raw. Основной язык карточки — английский. Модель может перенять характерные формулировки обучающих примеров, но карточка не приводит результатов оценки, подтверждающих улучшение качества, фактичности или безопасности. Возможны галлюцинации, смещения и снижение разнообразия ответов; модель не следует использовать как единственный источник решений в критически важных областях. В метаданных репозитория указана лицензия Apache-2.0; условия исходного датасета и его происхождение следует учитывать отдельно.

Это GGUF-квантизированная версия языковой модели NQLSG-Qwen2.5-14B-MegaFusion-v5-roleplay-duplicate, разработанной Cran-May и подготовленной для распространения пользователем bartowski. Модель основана на Qwen2.5 с 14 миллиардами параметров и предназначена для генерации текста, прежде всего для диалоговых и roleplay-сценариев. Заявлены английский и китайский языки; модальность — текстовая. Размер контекстного окна в README не указан. Модель доступна в форматах от F16 до различных вариантов 8-, 6-, 5-, 4- и 3-битного квантования GGUF. Квантизация выполнена с использованием llama.cpp и imatrix, что позволяет запускать модель через llama.cpp, LM Studio и другие совместимые приложения. В README рекомендуются варианты Q6_K_L, Q6_K, Q5_K_L, Q5_K_M, Q5_K_S, Q4_K_L, Q4_K_M и Q4_K_S; Q4_K_M указан как вариант стандартного размера для большинства сценариев, а более компактные версии подходят для систем с ограниченным объёмом оперативной памяти. Сильными сторонами являются широкий выбор квантованных вариантов, возможность локального запуска и ориентация на интерактивное roleplay-общение. Более сильное квантование обычно обеспечивает лучшее качество, но требует больше памяти; компактные варианты экономичнее, однако могут снижать качество генерации. README не содержит подробных результатов тестирования, описания архитектурных особенностей MegaFusion или ограничений безопасности. Указана лицензия Apache-2.0; в качестве обучающего набора отмечен Lunzima/Semiboobs.

Это дообученная модель генерации текста на базе goldfish-models/dan_latn_10mb. Автор карточки указывает, что модель обучена с использованием TRL; архитектура — GPT-2, веса доступны в формате safetensors. Пример в карточке показывает генерацию ответа на открытый вопрос в диалоговом формате. Модель предназначена для продолжения текста и генерации ответов. Длина контекста составляет 512 токенов. Сведения о целевых языках, качестве и условиях лицензирования в доступных данных не приведены.

DataVortexS-10.7B-dpo-v1.0 — корейская разговорная языковая модель команды, указанной в карточке модели, дообученная на базе megastudy/M-SOLAR-10.7B-v1.3. Она использует плотную архитектуру LlamaForCausalLM с 10,6 млрд параметров и предназначена для генерации текста и диалоговых ответов на корейском языке. Модель следует формату Alpaca Chat и поддерживает chat template; заявленная длина контекста — 4096 токенов. В карточке приведены результаты оценки на корейских тестах Ko-LLM-Leaderboard и Ko LM Eval Harness. Модель распространяется в формате safetensors по лицензии CC BY-NC-SA 4.0, которая ограничивает коммерческое использование и требует соблюдения условий распространения производных материалов. Данных о других языках, кроме корейского, карточка не приводит.