I.7Речь, диалоги и встречи

Модель Francesca9805 — дообученная с помощью TRL версия goldfish-models/nor_latn_100mb, построенная на архитектуре GPT-2. Она предназначена для генерации текста; пример в карточке показывает ответ на открытый вопрос в диалоговом формате. Контекст модели составляет 512 токенов, веса опубликованы в формате safetensors и используются через Transformers. Карточка не описывает специальные предметные области или языковую специализацию, поэтому модель можно рассматривать как экспериментальную генеративную модель общего назначения. Данных о лицензии и конкретных ограничениях применения в предоставленных источниках нет.

nor-latn-10mb-ppt-Dp-10mb-packed-bfd_seed3407 — дообученная Francesca9805 языковая модель на архитектуре GPT-2, созданная на основе goldfish-models/nor_latn_10mb с использованием TRL. Она предназначена для генерации текста и может применяться для продолжения фрагментов и создания ответов на вопросы в формате диалога. Модель распространяется в формате safetensors и рассчитана на контекст до 512 токенов. Карточка не описывает обучающие данные или качество ответов, поэтому её пригодность для конкретной тематики следует оценивать отдельно. Лицензия в предоставленных данных не указана.

Harborwater разработал экспериментальную языковую модель open-llama-3b-claude-30k на архитектуре Llama с плотной причинной языковой моделью. Она содержит 3,3 млрд параметров и предназначена для генерации текста в диалоговом формате по шаблону с сообщениями HUMAN и RESPONSE. Модель дообучена в течение трёх эпох на наборе Norquinal/claude_multiround_chat_30k. В карточке приведены результаты оценки на нескольких тестах, включая AI2 Reasoning Challenge и HellaSwag. Модель ориентирована на английский язык; максимальный нативный контекст составляет 2048 токенов. Модель выпущена под лицензией Apache-2.0. Автор описывает её как эксперимент и предлагает попробовать; результаты оценки не гарантируют качество в конкретных задачах.

Aryanne/Open-StarLake-Swap-7B — объединённая языковая модель, созданная разработчиком Aryanne с помощью mergekit и метода task_swapping. В качестве базовой модели использована senseable/WestLake-7B-v2, а параметры также объединены с berkeley-nest/Starling-LM-7B-alpha, NousResearch/Nous-Hermes-2-Mistral-7B-DPO и openchat/openchat-3.5-0106. Для слияния применялась модифицированная ветка mergekit со swapping. Модель ориентирована прежде всего на генерацию диалогов и ролевые сценарии с подробными, выразительными ответами от лица персонажа. В README приведён формат промпта для KoboldCpp, включающий описание персонажа и продолжение ролевой беседы. Обозначение 7B указывает на класс моделей примерно с 7 миллиардами параметров, однако точная архитектура, поддерживаемые языки и размер контекстного окна не указаны. Потенциальными сильными сторонами являются сочетание нескольких дообученных моделей и специализация на диалоговой и ролевой генерации. Ограничения включают отсутствие опубликованных результатов тестирования, неопределённые языковые возможности и неизвестные характеристики контекстного окна; качество и поведение могут зависеть от выбранного шаблона промпта. Модель распространяется по лицензии Apache-2.0.

Ostrich-70B — текстовая генеративная модель, разработанная и опубликованная some1nostr. Она дообучена на базе Llama 3 70B, в метаданных также указан базовый вариант some1nostr/Ostrich-Llama-3-70B. Модель предназначена для диалогов и генерации ответов по широкому кругу тем, особенно связанных со здоровьем, питанием, лечебными травами, голоданием, верой, исцелением, Bitcoin, Nostr, либертарианскими взглядами и другими спорными или непопулярными темами. Заявленная особенность — стремление давать менее традиционные и более нюансированные ответы, отличающиеся от ответов большинства моделей. Архитектура и точные технические характеристики унаследованы от Llama 3 70B, однако сведения о поддерживаемых языках, размере контекста и фактических модальностях в карточке не указаны; по назначению это модель для работы с текстом. Дообучение выполнялось с помощью LLaMA-Factory по методике FSDP-QLoRA на материалах, включавших книги, видео и заметки Nostr, при этом полный состав и качество данных не раскрыты. Модель может быть полезна для исследовательских и дискуссионных сценариев, но автор предупреждает о возможных частых галлюцинациях, предвзятости и ненадёжности ответов; медицинские и иные существенные утверждения необходимо проверять по независимым источникам. Модель распространяется по лицензии Apache-2.0.

Pantheon-of-Cydonia-Realm-MN-22B-RP — слитая языковая модель на архитектуре Mistral, созданная с помощью mergekit методом SLERP из Gryphe/Pantheon-RP-Pure-1.6.2-22b-Small и TheDrummer/Cydonia-22B-v1.2. Модель содержит 22 млрд параметров и рассчитана на генерацию текста в диалоговом формате, включая творческое письмо и ролевые сцены. Модель принимает текст и генерирует текст; заявленная длина контекста — 131 072 токена. Репозиторий использует библиотеку Transformers и формат safetensors. Карточка не приводит сведения о лицензии и языковой специализации, поэтому их нельзя определить по предоставленным данным.

Parkiet — открытая модель синтеза речи на нидерландском языке, разработанная Pevers на основе Dia от Nari Labs и дообученная для нидерландской речи. Она преобразует текст в реалистичное аудио, позволяет задавать эмоциональную окраску и тон, поддерживает клонирование голоса и диалоги до четырёх говорящих. Можно также генерировать смех; примеры и рекомендации по формату текста помогают управлять произношением и паузами. Модель использует архитектуру Dia и распространяется в формате safetensors. Для запуска доступны варианты на Hugging Face Transformers, JAX и PyTorch; заявленный объём видеопамяти составляет от 10 ГБ в bfloat16, хотя преобразование всех весов в этот тип может повысить нестабильность и число галлюцинаций. Модель чувствительна к неожиданным токенам и формулировкам, а смех рекомендуется использовать умеренно. Лицензия — OpenRAIL; автор также запрещает выдавать сгенерированную речь за речь реальных людей без разрешения и использовать её для обмана или вреда.

Peach-9B-8k-Roleplay — чат-модель для ролевых диалогов, разработанная ClosedCharacter путём дообучения 01-ai/Yi-1.5-9B на более чем 100 тысячах синтетически созданных разговоров. Это плотная языковая модель семейства Llama с 8,6 млрд параметров, принимающая текст и генерирующая текст; в карточке указаны китайский и английский языки. Нативный контекст составляет 16 384 токена, при этом обучающие диалоги ограничивались длиной 8 тысяч токенов. Модель предназначена для чат-общения и ролевых сценариев. В README приведены результаты MMLU 66,19 и CMMLU 69,07 по протоколу 5-shot. Распространяется по лицензии MIT. Авторы предупреждают, что возможна генерация токсичного, вредного и NSFW-контента, а ответы могут содержать галлюцинации. Из-за размера модели могут быть слабыми математические, программные и логические способности; качество может снижаться на длинных диалогах и языках с малым объёмом обучающих данных.

picur-120M-base — предварительная версия компактной языковой модели семейства LFM2, опубликованная пользователем picur. Модель содержит 94,4 млн параметров, использует плотную архитектуру Lfm2ForCausalLM и предназначена для генерации текста; в метаданных также заявлена возможность диалогового взаимодействия. Модель рассчитана на венгерский язык и поддерживает контекст до 32 768 токенов. Веса размещены в формате Safetensors, лицензия — Apache 2.0. README помечает модель как предварительную версию; подробности обучения и оценки качества в доступной карточке не приведены.

PonderLM-2-Pythia-410m — языковая модель на архитектуре GPT-NeoX из семейства Pythia, опубликованная zeng123. Чекпойнт обучен методом PonderLM-2: перед предсказанием следующего токена модель формирует дополнительные скрытые векторы — «латентные мысли» — и повторно использует их в непрерывном пространстве. В метаданных указаны 454,2 млн параметров, контекст 2048 токенов и формат safetensors. Модель предназначена для генерации текста и диалоговых сценариев на английском языке. Для загрузки через AutoModelForCausalLM требуется включить trust_remote_code=True, поскольку прямой проход с латентными шагами реализован в пользовательском modeling_gpt_neox.py. Модель распространяется по лицензии Apache-2.0. README не приводит оценок качества или результатов, поэтому эффективность латентного рассуждения для конкретных задач по этим данным оценить нельзя.

Модель ppt-nld_uniform-100mb_seed455 — дообученная версия goldfish-models/nld_latn_100mb, созданная с использованием TRL. Это плотная языковая модель архитектуры GPT-2 для генерации текста; карточка показывает пример ответа на открытый вопрос в диалоговом формате. Модель работает с библиотекой Transformers и сохраняет веса в формате safetensors. Длина контекста — 512 токенов. Модель подходит для генерации продолжений и ответов на короткие текстовые запросы. В карточке не описаны специальные области применения, обучающие данные или оценка качества; короткое окно контекста ограничивает работу с длинными документами. Условия лицензии в предоставленных данных не указаны.

Модель francesca9805/ppt-wc-uniform-newlex-nor-before-100mb-packed-bfd_seed3407 — дообученная с помощью TRL версия англоязычной GPT-2-подобной модели goldfish-models/eng_latn_100mb. Она предназначена для генерации текста по текстовому запросу и запускается через pipeline text-generation в Transformers. В карточке приведён пример генерации ответа на вопрос с ограничением до 128 новых токенов. Модель использует архитектуру GPT2LMHeadModel, хранится в формате safetensors и имеет контекст длиной 512 токенов. Подходит для англоязычной генерации текста; сведения о специальной предметной области и лицензии в доступных данных отсутствуют.

Qwen3-0.6B-heretic-abliterated-uncensored — доработанная автором rayss868123 версия компактной языковой модели Qwen3-0.6B от Qwen. Модель с плотной архитектурой Qwen3ForCausalLM содержит около 508 млн параметров и предназначена для генерации текста и диалогов. По карточке, контекст составляет около 40 тысяч токенов. Модель прошла abliteration — процедуру, направленную на снижение частоты отказов при сохранении исходного поведения. Автор приводит результаты собственной проверки: 6 отказов из 100 запросов и KL-дивергенция 0,00; это заявленные автором показатели, а не независимая оценка. Модель может генерировать откровенный контент по соответствующему запросу, но для желаемого уровня детализации может требоваться более явная инструкция. Основа — Qwen/Qwen3-0.6B; формат весов в репозитории — safetensors, для работы используется библиотека Transformers. В README не указаны лицензия и поддерживаемые языки, поэтому условия распространения следует проверять у базовой модели и в метаданных репозитория. Компактный размер облегчает запуск по сравнению с крупными моделями, однако карточка не приводит систематических оценок качества и безопасности.

Карточка модели nityaak/qwen3-4b-stance-matrix-mtcsd-ezstance-qlora на Hugging Face совпадает с карточкой nityaak/qwen3-4b-stance-matrix-semeval-mtcsd-ezstance-qlora, поэтому описание составлено по ней. Модель nityaak — дообученная версия Qwen3-4B, подготовленная с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста в диалоговом формате и может применяться для задач классификации позиции в тексте и работы с матрицей позиций в сценариях SemEval, MT-CSD и EzStance. Модель содержит 3,7 млрд параметров, использует плотную архитектуру Qwen3ForCausalLM и поддерживает контекст до 40 960 токенов. Модель принимает текст и выдаёт текст. В метаданных указан английский язык. Базовая модель — unsloth/Qwen3-4B-unsloth-bnb-4bit; лицензия — Apache-2.0. README не приводит оценок качества или подробностей обучающих данных, поэтому пригодность результатов для конкретных наборов данных стоит проверять отдельно.

Miaow-Lab/Qwen3.5-9B-decision-subtrajectory-32k-epoch1 — текстовая причинно-языковая модель, дообученная командой Miaow-Lab методом полного SFT на базе Qwen/Qwen3.5-9B. Репозиторий содержит веса BF16, токенизатор и шаблон чата; архитектура — плотная Qwen3.5, около 7,2 млрд параметров. Модель предназначена для генерации текста в диалоговом формате, связанной с обучением на выборках границ решений и субтраекторий. Обучение проведено на 37 242 примерах с максимальной длиной последовательности 32 768 токенов; контекст модели по метаданным составляет до 262 144 токенов. Для обучения использовались метки принадлежности токенов, при этом исторические токены ассистента маскировались. Последовательности не обрезались и не упаковывались совместно; валидационная выборка исключалась из обучения. Качество на последующих задачах не оценивалось, поэтому практическую надёжность и пригодность для конкретных сценариев установить нельзя. Лицензия — Apache-2.0.

BrandonHowe/Qwen3-8b-compassion-qwen-seed1-20260930-CPT-merged-epoch-4 — самостоятельная модель на основе Qwen3, полученная продолжением предобучения базовой Qwen/Qwen3-8B-Base на наборе документов о сострадании. Это плотная авторегрессионная архитектура Qwen3ForCausalLM с 7,6 млрд параметров, рассчитанная на генерацию текста; метаданные также отмечают интерфейс чата и вызова инструментов. Контекст составляет до 32 768 токенов. Модель может использоваться для диалогов и генерации текста с тематической настройкой на материалах о сострадании. Продолжение обучения само по себе не подтверждает улучшение способности проявлять сострадание — это качество следует оценивать отдельно. Модель сохранена в BF16 в формате Safetensors и не требует отдельного адаптера. Условия лицензии в предоставленных данных не описаны.

Rogue-Rose-103b-v0.2 — языковая модель семейства Llama, созданная sophosympatheia с помощью mergekit. Это объединение двух авторских слияний моделей на 70 млрд параметров, восходящих к xwin-stellarbright-erp-70b-v2; итоговая модель имеет 120 слоёв и около 102,9 млрд параметров. Репозиторий содержит веса в формате safetensors, а README также ссылается на отдельные квантованные версии. Модель предназначена прежде всего для ролевых диалогов и написания историй; автор отмечает хорошее следование инструкциям и субъективно высокое качество ролевой игры, но не приводит независимых оценок.

Aratako/sarashina2.1-1b-sft — японская инструкционно настроенная языковая модель, созданная автором репозитория на основе sbintuitions/sarashina2.1-1b. Модель использует плотную архитектуру LlamaForCausalLM, содержит 1,2 млрд параметров и принимает текстовый контекст длиной до 8192 токенов. Она предназначена для диалоговых ответов и выполнения текстовых инструкций; в README приведён пример запроса на японском языке. Модель распространяется в форматах PyTorch и Safetensors и создана с помощью Axolotl. Она унаследовала от базовой Sarashina лицензию Sarashina Model NonCommercial License Agreement, которая ограничивает использование. Автор отмечает, что безопасность модели не проверялась; подробные сведения о данных обучения и целевых сценариях не приведены.

Sketch-Cydonia-24B-V1.3 — экспериментальная разговорная языковая модель Ateron, созданная слиянием Sketch-Cydonia-24B-V1.2 и Harbinger-24B методом TIES. Она предназначена для генерации текста и диалогов, особенно для ролевых игр и приключенческих сценариев; автор отмечает, что добавление Harbinger должно улучшить поведение в таких сценариях. Модель имеет плотную архитектуру MistralForCausalLM, содержит 23,4 млрд параметров и поддерживает контекст до 131 072 токенов. Карточка указывает английский язык, библиотеку Transformers и формат весов safetensors. Репозиторий распространяется по лицензии Apache-2.0.

Карточка модели SonexaAI/Sonexa-Beta на Hugging Face совпадает с карточкой Cartik/Sonexa-Beta, поэтому описание составлено по ней. Sonexa-Beta — компактная двуязычная языковая модель от Sonexa Artificial Intelligence, построенная с нуля как причинная модель языка с архитектурой Mixture of Experts (MoE). Она предназначена для генерации текста и диалоговых ответов на английском и русском языках, в том числе при запуске на периферийных устройствах и потребительском оборудовании с низкой задержкой. В карточке Hugging Face указаны 38,3 млн параметров и контекст 256 токенов; README приводит другую оценку размера — около 140,9 млн параметров, поэтому фактический размер по источникам расходится. Модель заявлена как обученная на англоязычных диалогах HuggingFaceH4/no_robots и отфильтрованных русскоязычных диалоговых данных. README описывает маршрутизацию Soft MoE и калибровку, снижающую типовые отказы и шаблонные оговорки ассистента. Репозиторий содержит веса Safetensors, лицензия — Apache-2.0. Короткий контекст ограничивает работу с длинными запросами и документами; заявленные характеристики задержки и качества в предоставленных материалах не подкреплены результатами сравнительных оценок.

Surjo-50M-SFT-Only — англоязычная компактная модель SurjoLabs для диалога и выполнения инструкций. Это дообученный вариант SurjoLabs/Surjo-50m с 48,2 млн параметров, созданный на одном проходе по набору HuggingFaceTB/smol-smoltalk. Модель использует гибридную архитектуру GDN-2 + XSA: 10 физических и 18 эффективных слоёв. Она предназначена для генерации текста и базового общения; максимальная длина контекста составляет 2048 токенов. Доступна в формате safetensors, лицензия — Apache-2.0.

Это дообученная модель GPT-2, разработанная fpadovani на основе fpadovani/swa-latn-10mb-ppt-Dp-10mb_seed10 с использованием TRL. Она предназначена для генерации текста и ответов на вопросы в формате диалога; пример в карточке показывает ответ на открытый вопрос. Модель загружает текст и выдаёт продолжение, её нативный контекст составляет 512 токенов. Модель использует архитектуру GPT2LMHeadModel и хранится в формате safetensors. Карточка не приводит специальных отраслевых сценариев или дополнительных гарантий качества. Лицензия в доступных данных не указана.

Taiwan-tinyllama-v1.0-chat — модель на архитектуре Llama, разработанная DavidLanz на основе TinyLlama и продолжительно предварительно обученная для традиционного китайского языка. Для дополнительного обучения использовано около 2 млрд токенов; модель предназначена для генерации текста и диалогового использования. Модель содержит 1 млрд параметров, принимает текст и выдаёт текст. Её контекстное окно составляет 2048 токенов. Репозиторий содержит веса Safetensors для Transformers; в README указано, что для запуска с bfloat16 требуется около 3 ГБ видеопамяти. Модель подходит для генерации ответов и ведения диалога на традиционном китайском. Лицензия — Apache 2.0. README не приводит оценок качества или подробного описания ограничений; небольшое контекстное окно ограничивает работу с длинными текстами.

Это дообученная модель GPT-2, созданная fpadovani на основе fpadovani/tam-taml-10mb-ppt-shuff-dyck-100mb_seed455 с использованием TRL. Она предназначена для генерации текста и ответов на открытые вопросы; пример использования в карточке показывает короткий диалоговый запрос и генерацию ответа. Модель работает с текстом, распространяется в формате safetensors и имеет контекст длиной 512 токенов. Карточка не сообщает о специализированной предметной области или целевых языках. Короткое контекстное окно ограничивает работу с длинными запросами и документами; качество и языковой охват отдельно не охарактеризованы. Лицензия в предоставленных данных не указана.

Модель turkish-gpt2-medium-350m-instruct-v0.1 разработана ytu-ce-cosmos как дообученная версия ytu-ce-cosmos/turkish-gpt2-medium на наборе из 35 тысяч инструкций. Это плотная авторегрессионная модель семейства GPT-2 на базе GPT2LMHeadModel, предназначенная для генерации текста и диалоговых ответов по инструкциям на турецком языке. Модель принимает текст и выдаёт текст; максимальный контекст составляет 1024 токена. Она подходит для прототипирования турецких чат-ботов, ответов на запросы и генерации текста по заданию. В обучающих данных представлены сайты, книги и другие текстовые источники, поэтому ответы могут быть ошибочными и отражать смещения данных. Модель распространяется под лицензией MIT.

tur-latn-10mb-after-ppt-Dp-100mb-packed-bfdiso-ckpt500_seed3407 — дообученная модель Francesca9805 на архитектуре GPT-2, созданная на основе francesca9805/tur-latn-10mb-ppt-Dp-100mb-packed-bfdiso_seed3407 с использованием TRL. Предназначена для генерации текста по заданному контексту; в карточке приведён пример ответа на открытый вопрос. Модель использует библиотеку Transformers, хранится в формате Safetensors и имеет контекст длиной 512 токенов. Метаданные и карточка не описывают конкретные языки обучения или области применения. Лицензия в предоставленных данных не указана.

tzem-instruct — компактная языковая модель на архитектуре Llama, созданная blueapple8259 путём дообучения tzem на инструкционных данных. Она предназначена для ответов на вопросы и диалоговой генерации текста на корейском языке. В карточке указаны 144,5 млн параметров, контекст до 2048 токенов, библиотека Transformers и формат safetensors. Для настройки диалога используется шаблон с обозначениями пользователя и искусственного интеллекта. Среди источников данных названы maywell/koVast и KoAlpaca; из KoAlpaca исключались примеры с кодом и таблицами. Модель распространяется по лицензии MIT. Сведений о сравнительной оценке качества нет.

ClaudioItaly/Vangelus-Poetic-9B — модель для генерации текста, полученная слиянием нескольких предварительно обученных моделей методом TIES с помощью mergekit. В качестве базовой использована ClaudioItaly/1800-9B; в слияние также вошли ifable/gemma-2-Ifable-9B и sam-paech/Quill-v1. Модель построена на архитектуре Gemma 2 с плотной архитектурой и содержит 9 млрд параметров. Модель предназначена для генерации текста в диалоговом формате и творческого письма. Контекст составляет до 8192 токенов; репозиторий содержит веса safetensors. README указывает на объединение настроек моделей, связанных с языковым и творческим письмом, но не приводит примеров или результатов оценки качества. Лицензия в предоставленных данных не указана.

Yuuki NxG Nano — компактная языковая модель OpceanAI на архитектуре GPT-2 с 81 млн параметров, дообученная для открытого диалога, эмоциональной поддержки и рассуждений общего назначения. Она предназначена для запуска на устройствах с ограниченными ресурсами, включая мобильные устройства и одноплатные компьютеры; модель обучали на MacBook Pro без облачных вычислений. Модель генерирует продолжение текста по текстовому запросу, использует контекст до 1024 токенов и ориентирована на английский и испанский языки. В README приведены результаты оценки на TruthfulQA и других тестах; авторы сообщают о сравнительно высоком результате TruthfulQA для моделей этого размера. Эти показатели относятся к оценке без примеров в контексте, поэтому их прямое сравнение с результатами моделей, оценённых с few-shot-подсказками, ограничено. Модель распространяется по лицензии Apache 2.0, допускающей коммерческое использование, изменение и распространение с указанием авторства. Как компактная генеративная модель, она может давать неточные ответы; показатели бенчмарков не гарантируют качество в конкретных диалогах или задачах.

Модель Francesca9805 — дообученная с помощью TRL версия goldfish-models/arb_arab_10mb на архитектуре GPT-2. Она предназначена для генерации текста и может использоваться для продолжения заданного текста и ответов на запросы в формате диалога. Модель загружается через Transformers; веса опубликованы в формате safetensors. Контекст ограничен 512 токенами. В карточке приведён пример генерации ответа на вопрос на английском языке. Условия лицензии в предоставленных данных не указаны.