I.7Речь, диалоги и встречи

Qwen2.5-7B-Instruct Abliterated — дообученная версия Qwen/Qwen2.5-7B-Instruct от rajaykumar12959 с ослабленным механизмом отказа. Изменение выполнено на уровне весов: в проекциях внимания и MLP 16-го слоя удалена составляющая, связанная с направлением отказа. Модель сохраняет архитектуру Qwen2 и формат bf16 safetensors; размер — 7,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для диалоговой генерации текста и исследований механизмов отказа, интерпретируемости и согласования моделей. По описанию автора, на его тестах частота отказов снизилась, а результат на отдельной проверке способностей остался прежним; снижение отказов различается по категориям и не устраняет их полностью. Точные показатели оценки предварительны: значительная часть вердиктов выставлялась самой изменённой моделью. Модель принимает текстовые запросы и генерирует текст. Карточка не указывает отдельную поддержку языков сверх возможностей базовой Qwen2.5-7B-Instruct. Лицензия — MIT. Автор предупреждает, что защитные ограничения ослаблены и модель может отвечать на запросы, которые базовая версия отклонила бы.

Qwen3-1.7B-Wordle — дообученная компанией или автором willcb модель Qwen3-1.7B, подготовленная с помощью TRL для генерации текста в диалоговом формате. В карточке приведён пример запуска через Transformers и демонстрационный вопрос; отдельное назначение для решения Wordle не описано. Модель использует плотную архитектуру Qwen3ForCausalLM, содержит 1,7 млрд параметров и поддерживает контекст длиной до 40 960 токенов. Она принимает текст и генерирует текст; метаданные отмечают возможность чата. Язык обучения и поддерживаемые языки в доступных данных не определены. Карточка не сообщает о качестве на задачах, специальных возможностях, ограничениях применения или лицензии, поэтому их нельзя оценить по имеющимся сведениям.

RLM-hinglish-translator — модель Rudra Shah для перевода неформального Hinglish, смеси хинди и английского, на стандартный английский. Она предназначена для перевода сообщений и других коротких разговорных фраз, в которых встречаются характерные для Hinglish синтаксис и лексика. Модель основана на Gemma 2B и дообучена методом PEFT с адаптером LoRA ранга 128. В обучении использовались набор cmu_hinglish_dog и фразы из повседневных переписок. Архитектура — плотная GemmaForCausalLM, формат весов — safetensors; размер составляет 2,5 млрд параметров, контекст — до 8192 токенов. Указана лицензия MIT. Модель ориентирована на направление Hinglish → английский; качество перевода для других языковых пар и длинных документов не заявлено. Обучающие примеры включают личные переписки, поэтому поведение может отражать особенности разговорного стиля.

RPBizkit-v2-12B — экспериментальная слитая модель на архитектуре Mistral, созданная RicardoEstep с помощью Mergekit. В смесь вошли семь моделей для ролевых диалогов и творческого письма; параметры моделей автор смешал с одинаковым весом. Размер составляет 12,1 млрд параметров. Репозиторий содержит веса Safetensors для Transformers. Модель предназначена для генерации текста, в частности ролевых ответов и художественных текстов. Автор рекомендует ограничивать контекст 8192 токенами: заявленная в конфигурации длина в 1 024 000 токенов возникла из-за унаследованного при слиянии обходного изменения RoPE и не обеспечивает содержательную работу с длинным контекстом. Автор отмечает экспериментальный характер смеси и не берёт на себя ответственность за её использование. Лицензия в предоставленных данных не указана.

Это дообученная с помощью TRL модель генерации текста на основе GPT-2, созданная Francesca9805. Она предназначена для продолжения текста и ответов на короткие запросы; пример в карточке показывает генерацию ответа на вопрос. Модель принимает текст и генерирует текст, работает с библиотекой Transformers и имеет контекстное окно 512 токенов. Для использования доступна в формате safetensors. Лицензия в предоставленных данных не указана.

Sapphira-L3.3-70b-0.1 — объединённая языковая модель BruhzWater для связного сторителлинга и ролевых диалогов. Она построена на архитектуре Llama и предназначена для генерации текста в формате чата. Модель содержит 69,5 млрд параметров и поддерживает контекст до 131 072 токенов. При слиянии методом Multi-SLERP использованы Apocrypha-L3.3-70b-0.3 и Serpents-Tongue-L3.3-70b-0.3; базовой моделью послужила deepcogito/cogito-v2-preview-llama-70B. В карточке приведены шаблоны Llama 3 и Deep Cogito, а также стартовые настройки генерации. Модель подходит для создания историй, ролевых сцен и продолжения диалогов. Качество и поведение обозначены как экспериментальные, поэтому результаты могут быть непоследовательными. Лицензия в предоставленных данных не указана.

SEW-mid — предварительно обученная модель обработки речи от ASAPP Research на архитектуре SEW (Squeezed and Efficient Wav2vec), разработанной как более эффективный вариант wav2vec 2.0. Модель содержит 226,5 млн параметров и обучена на речевом аудио с частотой дискретизации 16 кГц; для входных записей также требуется частота 16 кГц. Это базовый речевой энкодер, предназначенный для дообучения под конкретные задачи: автоматическое распознавание речи, идентификацию говорящего, классификацию намерений и распознавание эмоций. Репозиторий помечен задачей извлечения признаков, поэтому сам по себе чекпойнт не является готовой ASR-системой. В исследовании SEW показала более быстрое инференсное выполнение и улучшение word error rate относительно wav2vec 2.0 в указанных авторами настройках на LibriSpeech. Модель работает с аудио и выдаёт речевые представления для последующей обработки. В карточке указаны английский язык и набор данных LibriSpeech ASR. Распространяется по лицензии Apache-2.0; для практического применения к целевой задаче требуется дообучение.

hwkwon/S-SOLAR-10.7B-SFT-v1.3 — чат-модель, дообученная разработчиком на базе yanolja/EEVE-Korean-10.8B-v1.0 с использованием DeepSpeed. Она предназначена для генерации ответов на запросы в диалоговом формате. Модель построена на плотной архитектуре Llama и содержит 10,6 млрд параметров; максимальная длина контекста — 4096 токенов. Основной язык модели — корейский. Модель распространяется в формате safetensors по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. README не описывает состав обучающих данных или результаты оценки качества.

Supra-1.5-50M-Base-exp-Distill — языковая модель с архитектурой Llama, дообученная spitfire4794 на базе SupraLabs/Supra-1.5-50M-Base-exp с использованием Unsloth и библиотеки Hugging Face TRL. Модель содержит 51,8 млн параметров, принимает текст и предназначена для генерации текста в диалоговом формате; максимальная длина контекста — 5120 токенов. В карточке указан английский язык. Модель опубликована в формате Safetensors под лицензией Apache-2.0. Карточка не описывает специализацию дообучения, обучающие данные или результаты оценки качества, поэтому пригодность для конкретных тематических задач по доступным сведениям определить нельзя.

TheSpice-7b-FT-v0.3.1-imatrix-GGUF — набор GGUF-квантизаций модели TheSpice-7b-FT-v0.3.1, опубликованный duyntnet на основе исходной модели cgato. Это текстовая генеративная модель с примерно 7 миллиардами параметров, ориентированная прежде всего на диалоговые сценарии и ролевое взаимодействие. В обучении исходной модели использовались датасеты Dolphin, Ultrachat, Capybara, Augmental, ToxicQA, Yahoo Answers, Airoboros 3.1 и LimaRP; заявлен английский язык. Модель предназначена для локального запуска через llama.cpp, JanAI, KoboldCPP, text-generation-webui или Ollama. Она поддерживает повествование и описание объектов или персонажей в сцене, часто не продвигая сюжет без соответствующего запроса. Рекомендуемый формат взаимодействия — шаблоны Chat, включая стандартный шаблон Ooba и шаблон SillyTavern. Размер, качество и требования к памяти зависят от выбранного варианта квантизации. В репозитории представлены обычные и экспериментальные варианты. Квантизации с суффиксом _X используют Q8_0 для весов токенных эмбеддингов, а для Q6_K и Q8_0 — F16; это увеличивает размер файлов и теоретически может улучшать качество. Ограничения включают незавершённую очистку обучающих данных, неизвестные параметры контекстного окна и отсутствие подтверждённых количественных оценок качества. Лицензия указана как other, без дополнительных условий в README.

minpeter/tiny-ko-187m-sft-250725 — плотная авторегрессионная языковая модель семейства Llama с 186,5 млн параметров, разработанная minpeter. Это дообученная версия minpeter/tiny-ko-187m-base-250725, обученная на наборах диалогов, инструкций и текстов на корейском языке, а также на многоязычных наборах для следования инструкциям. Модель предназначена для генерации текста и диалоговых ответов, прежде всего на корейском языке. Модель работает через библиотеку Transformers, веса опубликованы в формате Safetensors. Заявленная длина контекста — 65 536 токенов. В карточке приведён результат оценки: loss 1,6810; дополнительных сведений о методике оценки и практическом качестве нет. Лицензия в предоставленных данных не указана.

Tsukasa Llama 3 70B QLoRA — диалоговая языковая модель от ludis, настроенная для генерации текста и ролевых диалогов. По README, обучение началось с Meta Llama 3 8B Instruct: модель обучали на PIPPA, а затем на LimaRP, по два эпохи на каждом наборе данных с контекстом 8K. Метаданные указывают архитектуру Llama с плотной моделью класса LlamaForCausalLM, 69,5 млрд параметров и контекст 8192 токена; файлы представлены в safetensors. Модель предназначена для генерации ответов в диалоге и ролевых сценариях. README рекомендует формат запросов Llama 3 Instruct и приводит несколько вариантов настроек сэмплирования; отмечается возможность повторов при основных настройках, а высокая температура может снизить правдоподобие ответов. Лицензия в предоставленных данных не указана.

ytu-ce-cosmos/turkish-gpt2-large-750m-instruct-v0.1 — турецкая языковая модель, разработанная ytu-ce-cosmos путём дообучения ytu-ce-cosmos/turkish-gpt2-large на наборе из 35 тысяч инструкций. Это плотная авторегрессионная модель архитектуры GPT-2, предназначенная для генерации текста и диалоговых ответов по инструкциям. Модель принимает текст и выдаёт текст; её контекст составляет 1024 токена, формат весов — safetensors. Модель подходит для генерации ответов на турецком языке и экспериментальных чат-сценариев. Разнообразие обучающих текстов, включая веб-страницы и книги, может приводить к предвзятым ответам и фактическим ошибкам. Лицензия — MIT.

Модель francesca9805/tur-latn-10mb-after-ppt-Dp-100mb-packed-bfdiso-ckpt500_seed10 — дообученный на TRL вариант GPT-2 от francesca9805. Она предназначена для генерации продолжения текста и ответов на запросы в формате диалога. Карточка демонстрирует пример с открытым вопросом; данных о специальных предметных областях или подтверждённом качестве ответов нет. Контекст модели составляет 512 токенов. Веса представлены в формате safetensors, для запуска используется библиотека Transformers.

Модель Francesca9805 — дообученная с помощью TRL версия goldfish-models/urd_arab_100mb на архитектуре GPT-2. Она предназначена для генерации текста и может использоваться для продолжения текста и ответов на открытые вопросы в диалоговом формате. Модель доступна в формате Safetensors; длина контекста составляет 512 токенов. Карточка не описывает языки обучения, обучающие данные или специальные предметные области, поэтому нельзя заключить, насколько хорошо модель справляется с конкретными языками и темами. Лицензия в предоставленных сведениях не указана.

Модель francesca9805/urd-arab-10mb-ppt-Dp-10mb-packed-bfdiso_seed3407 — дообученная Francesca9805 версия goldfish-models/urd_arab_10mb. Это плотная GPT-2-модель для генерации текста, обученная с помощью TRL и сохранённая в формате safetensors. В карточке приведён пример генерации ответа на открытый вопрос; такой сценарий подходит для диалоговых подсказок и продолжения текста. Модель работает через Transformers и имеет контекст длиной 512 токенов. Карточка не описывает специализацию по предметным областям или целевые языки. Лицензия в предоставленных данных не указана.

Qwen3-4B GRPO CollabLLM medium, step 129 — экспериментальный чекпойнт yuhan-nlp, полученный дообучением Qwen/Qwen3-4B методом GRPO на задаче написания документов CollabLLM medium без предварительного SFT. Это плотная авторегрессионная языковая модель на 3,7 млрд параметров с контекстом до 40 960 токенов; чекпойнт в формате safetensors загружается напрямую через Transformers. Модель предназначена для диалогового совместного написания документов и генерации текста. В тесте на 100 примерах версия шага 129 не улучшила BLEU относительно шага 100, а интерактивность диалога снизилась. README также отмечает утечку целевых ответов между обучающими и оценочными промптами в 35 из 100 случаев и то, что выигрыш сводной метрики в значительной степени объясняется сокращением длины ответов. Результаты следует считать ограниченными этим экспериментальным протоколом. Лицензия — MIT.

WeirdCompound-v1.5-24b — слитая языковая модель, созданная автором репозитория с помощью mergekit на основе нескольких предварительно обученных моделей. В состав входят варианты Mistral Small 3.2 Instruct, Cydonia, Eurydice, PaintedFantasy, Austral-Winton и Dans-PersonalityEngine; автор описывает последовательное применение Model Stock, SLERP и NuSLERP. В метаданных указаны плотная архитектура Mistral, 23,4 млрд параметров и контекст до 131 072 токенов. Модель предназначена для диалоговой генерации текста, в том числе ролевых диалогов, историй и приключенческих сценариев. В состав моделей слияния автор включил компоненты для сторителлинга, ролевой игры, следования инструкциям и приключенческой тематики. Репозиторий содержит веса safetensors, библиотека — Transformers; лицензия в предоставленных данных не указана.

Мультиязычная модель распознавания речи на базе Whisper Small, дообученная jjnhuang. Она принимает аудио и предназначена для автоматической транскрипции речи; название указывает на связь обучения с ирландским и валлийским языками, учебной программой и синтетическими данными, но README не раскрывает детали набора данных и сценариев применения. Модель содержит 153,1 млн параметров, построена на архитектуре Whisper и распространяется в формате safetensors для Transformers. Модель лицензирована по Apache-2.0. В README приведены результаты оценки: WER 100,2168, BLEU 6,8330, chrF++ 27,4191 и COMET 0,5177; набор оценки не описан, поэтому эти значения трудно интерпретировать. Особенно высокий WER указывает на возможные серьёзные проблемы с точностью распознавания.

fpadovani/zho-hans-10mb-100mb_seed455 — дообученная модель генерации текста на базе goldfish-models/zho_hans_10mb. Разработчик сообщает, что модель обучалась с использованием TRL; архитектура — GPT-2, веса сохранены в формате safetensors, длина контекста составляет 512 токенов. Модель предназначена для генерации текстовых продолжений и ответов на запросы в формате диалога. Карточка демонстрирует пример генерации ответа на открытый вопрос, однако не приводит оценок качества или специальных сценариев применения. Лицензия в предоставленных данных не указана.

10.7B Loyal Mistral Maid v0.2-A — экспериментальная объединённая языковая модель, созданная автором xxx777xxxASD на основе Mistral Instruct SelfMerge и Loyal Toppy Maid. В README описана попытка объединить ролевые возможности Undi95/Toppy-M-7B и SanjiWatsuki/Loyal-Macaroni-Maid-7B, сохранив контекст и возможности mistralai/Mistral-7B-Instruct-v0.2. В метаданных указаны архитектура MistralForCausalLM, 10,6 млрд параметров и контекст 32 768 токенов. Модель предназначена для генерации текста в диалогах и ролевых сценариях на английском языке. Веса опубликованы в формате safetensors, лицензия — Apache-2.0. README также упоминает вариант ExL2 с квантованием 6.0 bpw; это не подтверждает, что сам репозиторий содержит именно этот формат.

fakezeta/amoral-Qwen3-4B — плотная языковая модель семейства Qwen3, дообученная разработчиком fakezeta на Qwen/Qwen3-4B в течение двух эпох на наборе soob3123/amoral_reasoning. Модель содержит около 3,7 млрд параметров, принимает текст и предназначена для диалоговой генерации текста и рассуждений. Контекст — до 40 960 токенов. Модель обучалась с использованием Unsloth и библиотеки TRL. В карточке указаны интерфейс диалога и интерфейс вызова инструментов. Она ориентирована на англоязычные сценарии; качество за пределами обучающего набора и поведение при использовании инструментов отдельно не охарактеризованы. Лицензия — Apache-2.0.

Bielik-7B-Instruct-v0.1-GGUF — это квантованные файлы модели Bielik-7B-Instruct-v0.1 в формате GGUF, разработанной SpeakLeash. Модель представляет собой causal decoder-only модель примерно на 7 млрд параметров, дообученную на базе Bielik-7B-v0.1 и предназначенную для генерации текста и диалоговых сценариев на польском языке. README не содержит данных о размере контекстного окна или поддержке других языков и модальностей. Формат GGUF позволяет запускать модель локально с помощью llama.cpp и совместимых приложений и библиотек, включая text-generation-webui, KoboldCpp, GPT4All, LM Studio и llama-cpp-python; возможна GPU-акселерация. Квантование упрощает локальное развертывание, но может снижать качество ответов и повышать вероятность галлюцинаций. Модель распространяется по лицензии CC BY-NC 4.0, допускающей использование с обязательным указанием авторства, но некоммерческое.

BioTakuya — диалоговая языковая модель, созданная слиянием методом SLERP моделей epfl-llm/meditron-7b и meta-llama/Llama-2-7b-chat-hf. Она основана на плотной архитектуре LlamaForCausalLM, содержит 6,6 млрд параметров и работает с текстом. Модель предназначена для генерации текста и диалогового общения; включение Meditron указывает на медицинскую направленность одной из исходных моделей, но README не описывает отдельные медицинские возможности или проверенные сценарии BioTakuya. Контекст — до 4096 токенов. Репозиторий распространяет веса в формате safetensors, библиотека для работы — Transformers. Лицензия в предоставленных данных не указана.

Chewy-Lemon-Cookie-11B — плотная языковая модель для генерации текста, созданная автором репозитория FallenMerick путём объединения предварительно обученных моделей с помощью mergekit. В состав объединения вошли KatyTheCutie/LemonadeRP-4.5.3, SanjiWatsuki/Kunoichi-7B, SanjiWatsuki/Silicon-Maid-7B и Sao10K/Fimbulvetr-11B-v2; использовались методы passthrough и task arithmetic. Модель семейства Mistral с архитектурой MistralForCausalLM содержит 10,6 млрд параметров и поддерживает контекст до 8192 токенов. Она предназначена для генерации английского текста, в том числе ролевых диалогов. Опубликована в формате safetensors и распространяется по лицензии CC BY 4.0. Карточка приводит результаты оценки Open LLM Leaderboard, включая средний балл 21,91, IFEval — 48,75 и BBH — 33,01; подробные результаты и остальные показатели здесь не раскрыты. Эти результаты не гарантируют качество в конкретном сценарии; для практического использования потребуется проверить ответы модели на целевых запросах.

Cosmic-Night-12B — плотная языковая модель семейства Mistral на 12,1 млрд параметров, созданная Vortex5 слиянием нескольких моделей, включая NoctyxCosma-12B, Rocinante-X-12B-v1, magnum-v4-12b и MN-12b-RP-Ink-RP-Longform. Она предназначена для генерации диалогов и художественного текста, особенно ролевых сценариев, эмоционально выразительного общения и длинных атмосферных историй. Модель поддерживает контекст до 131 072 токенов и распространяется в формате safetensors для Transformers. К модели можно обращаться для совместного написания прозы, развития сюжетов и ролевого взаимодействия. Лицензия — Apache-2.0. Доступные сведения не содержат результатов сравнительных оценок качества; слияние нескольких специализированных моделей может давать вариативные результаты в зависимости от запроса.

Because-It-Asks/Daring-Hyst — объединённая модель генерации текста на основе предобученных моделей Kooten/DaringMaid-20B и Undi95/Emerhyst-20B. Разработчик использовал mergekit и метод слияния SLERP; архитектура — плотная LlamaForCausalLM, размер — 19,8 млрд параметров, формат весов — safetensors. Модель предназначена для генерации текста и может применяться в текстовых диалогах и ролевых сценариях, в том числе с контентом для взрослых. Контекст — до 4096 токенов. Лицензия в предоставленных данных не указана.

EEVE-10.8B-Multiturn — экспериментальная разговорная языковая модель семейства Llama, опубликованная пользователем mightbe. Это плотная модель с архитектурой LlamaForCausalLM и 10,6 млрд параметров, предназначенная для генерации ответов в формате диалога. В карточке указано обучение на датасете KoVast и наборах данных Argilla; модель появилась как побочный результат обучения Jolteon. Модель принимает текстовые инструкции и генерирует текстовые ответы. README приводит шаблон, в котором чередуются инструкции и ответы. Заявленная длина контекста составляет 4096 токенов. Лицензия — Apache-2.0. Автор предупреждает, что это начальная, не полностью обученная версия: ответы могут быть короткими, а рассуждения — отсутствовать. Модель подходит для экспериментов с многоходовым диалогом, но карточка не подтверждает её готовность к надёжному применению.

Модель fpadovani/eng-latn-10mb-ppt-Dp-10mb-packed_seed3407 — дообученная с помощью TRL версия goldfish-models/eng_latn_10mb. Это плотная авторегрессионная языковая модель семейства GPT-2 для генерации текста; в качестве примера показан ответ на открытый вопрос в формате диалога. Модель распространяется в формате safetensors и рассчитана на контекст длиной до 512 токенов. Её можно применять для коротких текстовых продолжений и ответов на вопросы на английском языке. Карточка не сообщает о специализированной области применения или оценках качества. Условия лицензии в предоставленных данных не описаны.

EVA-Instruct-32B-v2 — объединённая модель на базе Qwen2.5, созданная автором карточки из EVA-Qwen2.5-32B-v0.2 и Qwen2.5-Gutenberg-Doppel-32B в пропорции 50/50. Обе исходные модели ориентированы на творческое письмо и ролевые диалоги. Модель использует плотную архитектуру Qwen2ForCausalLM, содержит 32 млрд параметров и принимает текстовые запросы в формате ChatML; заявленная длина контекста — 131 072 токена. Модель предназначена для генерации диалогов от лица персонажей, ролевых сценариев и художественных историй. Указаны поддержка английского языка и лицензия Apache-2.0. В README приведены рекомендуемые параметры генерации и варианты конвертированных сборок EXL2 и GGUF, однако сам репозиторий использует формат safetensors.