I.7Речь, диалоги и встречи

Gemma-2-Ataraxy-v4c-9B_fixed — диалоговая языковая модель на архитектуре Gemma 2, созданная автором lemon07r с помощью слияния предварительно обученных моделей lemon07r/Gemma-2-Ataraxy-v3b-9B и zelk12/recoilme-gemma-2-Ataraxy-9B-v0.1-t0.25. Слияние выполнено методом SLERP; модель содержит 9 млрд параметров, веса доступны в формате safetensors, а нативная длина контекста составляет 8192 токена. Модель предназначена для генерации текста в диалоге: она подходит для ответов на запросы, выполнения инструкций и творческой генерации. В README приведены результаты отдельных оценок Open LLM Leaderboard, включая IFEval и BBH. Веса опубликованы с лицензией Gemma.

nlpguy/Lion-Lamarck-v.1.1.0 — объединённая с помощью mergekit модель на базе семейства Qwen2.5. В слиянии использован SCE, а CultriX/Qwen2.5-14B-Wernicke указан как базовая модель; также объединены SuperNova-Medius, Qwen2.5-14B-Vimarckoso-v3, DeepSeek-R1-Distill-Qwen-14B и Lamarck-14B-v0.7. Модель содержит 14 млрд параметров, построена на плотной архитектуре Qwen2ForCausalLM и распространяется в формате safetensors. Модель предназначена для генерации текста и диалогов; метаданные также указывают интерфейс вызова инструментов. Контекст составляет до 131 072 токенов. В карточке не приведены сведения о целевых языках, тестировании качества или рекомендуемых сценариях. Лицензия в предоставленных данных не указана.

LiveMem-RL — языковая модель для генерации текста и диалогов, разработанная chen-l. Это чекпойнт LiveMem, обученный методом GRPO на основе chen-l/LiveMem-SFT: в каждом слое декодера выходы пути внимания Qwen3 и рекуррентного пути памяти Gated DeltaNet 2 (GDN2) складываются. Основной путь Qwen3 во время RL-обучения оставался замороженным, а путь памяти дообучался. Модель содержит 3,7 млрд параметров и рассчитана на контекст до 262 144 токенов. Реализация использует custom model code и Triton-ядра GDN2, поэтому для инференса требуется среда CUDA; фактически доступная длина контекста зависит от видеопамяти и backend. Репозиторий содержит веса safetensors, библиотека — Transformers. Лицензия Apache-2.0.

YeonwooSung/Llama-3.1-8B-OpenO1-SFT-v0.1 — плотная авторегрессионная языковая модель семейства Llama 3.1, разработанная на основе Meta Llama 3.1 8B Instruct и дообученная методом supervised fine-tuning на датасете O1-OPEN/OpenO1-SFT. Она предназначена для генерации текста и диалогов с пошаговым рассуждением, ответов на вопросы, продолжения текста, суммаризации и творческого письма; особенно ориентирована на задачи рассуждения и математики. Модель содержит 7,5 млрд параметров, принимает текст и выдаёт текст, работает через Transformers и распространяется в формате safetensors. Указанный родной контекст — 131 072 токена. В карточке заявлена поддержка английского языка; базовая модель описана как многоязычная, но конкретные дополнительные языки для этой версии не подтверждены. Лицензия — Apache-2.0. Для запуска в полной точности README рекомендует GPU примерно с 16 ГБ видеопамяти; качество ответов и надёжность пошаговых выводов не подтверждены приведёнными оценками.

Карточка модели naturalseeker/Llama3.1_8I_ARC_RP на Hugging Face совпадает с карточкой naturalseeker/Llama3.1_8I_ARC, поэтому описание составлено по ней. naturalseeker/Llama3.1_8I_ARC — дообученная naturalseeker диалоговая модель на архитектуре Llama 3.1 с 7,5 млрд параметров. Она создана на основе unsloth/Meta-Llama-3.1-8B-Instruct и обучалась с использованием Unsloth и Hugging Face TRL. Модель предназначена для диалогов и генерации текста; доступен интерфейс вызова инструментов. Она принимает текст и выдаёт текст, поддерживает английский язык и контекст до 131 072 токенов. Веса опубликованы в формате safetensors. Модель распространяется по лицензии Apache-2.0. Карточка не описывает специальную предметную область или отдельные возможности дообучения, поэтому качество для конкретных задач следует оценивать на подходящих примерах.

ISSAI әзірлеген LLama-3.1-KazLLM-1.0-70B — қазақ тіліндегі жауаптардың сапасы мен пайдалығын арттыруға бейімделген 70B параметрлі үлкен тілдік модель. Ол Llama 3.1 негізінде жасалған және Transformers кітапханасы арқылы мәтіндік диалог пен мәтін генерациясына арналған. Модель қазақ, орыс, ағылшын және түрік тілдерінде жұмыс істейді; карточкада 128 мың токенге дейінгі кіріс контексті және 4 мың токенге дейінгі шығыс көрсетілген. Қазақ тіліндегі бенчмарк нәтижелері модельдің қазақша сұрақтарға жауап беру, пайымдау және мәтін құрастыру сценарийлеріне бағдарланғанын көрсетеді. Қолдану үшін кемінде екі 80 GB GPU және 150 GB бос диск кеңістігі қажет. Модель жауаптарының дұрыстығына кепілдік берілмейді; біржақтылық болуы мүмкін, сондықтан нәтижелерді тексеру керек. Лицензиясы — CC BY-NC 4.0, сонымен қатар Llama 3.1 шарттары мен қолайлы пайдалану саясаты қолданылады.

ferrazzipietro/Llama-3.2-1B-Instruct-cpt-tesi_all — дообученная модель на архитектуре Llama, созданная на основе meta-llama/Llama-3.2-1B-Instruct. Она предназначена для генерации текста и диалогового взаимодействия. Модель содержит 1,2 млрд параметров, использует формат safetensors и библиотеку Transformers; заявленная длина контекста — 131 072 токена. Базовая модель Meta поддерживает несколько языков и подходит для диалогов, поиска сведений, суммаризации и помощи в написании текста. Данные о специфических задачах этого дообучения, его обучающем наборе и результатах оценки не приведены, поэтому качество в отдельных сценариях оценить нельзя. Модель распространяется по лицензии Llama 3.2; перед применением следует учитывать её условия.

bunnycore/Llama-3.2-3B-RP-DeepThink — объединённая диалоговая языковая модель, созданная с помощью mergekit методом linear merge. В качестве базовой использована huihui-ai/Llama-3.2-3B-Instruct-abliterated; также в объединение вошли bunnycore/Llama-3.2-3B-All-Mix и prithivMLmods/Codepy-Deepthink-3B. Модель основана на архитектуре LlamaForCausalLM, содержит 3,2 млрд параметров и работает с текстом; заявленная длина контекста — 131 072 токена. Модель предназначена для генерации текста и ответов в диалоге, включая сценарии, где полезны смешанные возможности объединённых моделей. Карточка приводит результаты Open LLM Leaderboard, в том числе IFEval 71,44 и BBH 23,76. Доступна в формате safetensors для Transformers. Лицензия в предоставленных данных не указана.

tanliboy/llama-3.2-3b-sft-2 — дообученная модель семейства Llama 3.2, созданная на основе tanliboy/llama-3.2-3b с использованием набора данных tanliboy/OpenHermes-2.5-reformat. Это плотная авторегрессионная языковая модель на 3,2 млрд параметров для генерации текста и диалогов; карточка указывает контекстное окно 131 072 токена и поддержку интерфейса вызова инструментов. В README приведено значение loss 0,6744 на evaluation set, но не описаны протокол оценки и практические сценарии.

Llama-3-8B-OpenHermes-2.5-1M — дообученная разговорная языковая модель на архитектуре Llama, созданная на основе meta-llama/Meta-Llama-3-8B. В репозитории указаны размер 7,5 млрд параметров, поддержка чата и контекст до 8192 токенов; модель распространяется в форматах PyTorch и safetensors. Модель предназначена для генерации текста в диалоговом формате. Её можно применять для ответов на вопросы, ведения диалога и создания текстовых черновиков. В карточке приведён результат оценки Loss 0,6993, но подробности набора данных и методики оценки отсутствуют. Лицензия — llama3; условия использования следует сверять с лицензией базовой модели Meta.

cstr/llama3-8b-spaetzle-v20 — объединённая диалоговая языковая модель на архитектуре Llama 3, опубликованная под аккаунтом cstr. Она создана методом DARE-TIES из моделей cstr/llama3-8b-spaetzle-v13 и nbeerbower/llama-3-wissenschaft-8B-v2; последняя дообучена на ScienceQA для ответов на научные вопросы. В карточке приведены результаты EQ-Bench v2_de и Open LLM Leaderboard, включая проверки знаний, рассуждений и математики. Модель предназначена для генерации текста и диалоговых ответов на английском и немецком языках. Она содержит 7,5 млрд параметров, принимает текст, выдаёт текст и поддерживает контекст до 8192 токенов. Веса опубликованы в формате safetensors. Карточка указывает лицензию «other», но не приводит её конкретные условия; перед использованием следует проверить лицензионные условия обеих исходных моделей и объединённой модели.

Llama-3-8B-Ultra-Instruct-GGUF — квантованные версии инструкционной языковой модели Llama-3-8B-Ultra-Instruct. Исходная модель связана с elinas/Llama-3-8B-Ultra-Instruct и базируется на Undi95/Meta-Llama-3-8B-Instruct-hf; квантования подготовлены bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и выполнения инструкций в локальных сценариях, где важны автономность и умеренные требования к памяти. Это текстовая модель с примерно 8 млрд параметров, представленная в формате GGUF и совместимая с llama.cpp. Доступны варианты квантования от Q8_0 до IQ1_M размером примерно от 2,16 до 8,54 ГБ. Более качественными считаются Q6_K, Q5_K_M, Q5_K_S и ряд вариантов Q4; низкобитные версии экономят память, но снижают качество. В README не указаны языки, размер контекста, поддержка других модальностей и результаты бенчмарков. Для работы следует использовать специальный chat-шаблон Llama 3 с ролями system, user и assistant. Модель подходит для локальных чат-ботов, генерации и преобразования текста, а также других задач следования инструкциям. Сильные стороны — широкий выбор квантований, возможность запуска на ограниченных ресурсах и сохранение высокого качества в старших вариантах. Ограничения связаны с потерями качества при сильном квантовании; варианты Q3 и ниже имеют заметно более низкое качество, а IQ1_M не рекомендуется. Лицензия указана как llama3.

Llama-Thinker-3B-Preview2 — языковая модель prithivMLmods для генерации текста и диалогов. Это плотная авторегрессионная трансформерная модель семейства Llama с архитектурой LlamaForCausalLM и 3,2 млрд параметров; в карточке указана связь дообучения с prithivMLmods/Llama-Thinker-3B-Preview. README описывает её как предварительно обученную и дообученную по инструкциям модель на основе Llama 3.2, обученную на синтетических данных с длинными цепочками рассуждений; для настройки упоминаются SFT и RLHF. Модель предназначена для многоязычных диалогов, ответов на запросы и задач, требующих рассуждений. Она принимает текстовые запросы и генерирует текст; карточка указывает контекст до 131 072 токенов, а теги и README подтверждают поддержку английского и заявляют многоязычное применение без перечисления других языков. Доступны веса в safetensors и использование через Transformers; README также описывает запуск квантованных вариантов GGUF через Ollama. Модель распространяется по лицензии CreativeML Open RAIL-M. Заявления о сложных рассуждениях и многоязычности приведены в карточке, но конкретные языки, результаты оценок и независимые показатели качества не указаны.

LlamaZero 3.1-8B — языковая модель для генерации текста, созданная sethuiyer путём слияния предварительно обученных моделей с помощью mergekit. Она основана на DeepSeek-R1-Distill-Llama-8B и Llama-3.1-8B-Experimental-1206-Instruct; архитектура — плотная Llama с классом LlamaForCausalLM, размер — около 7,5 млрд параметров. Модель предназначена для диалогового взаимодействия и генерации текста; в README приведены результаты оценки на бенчмарках IFEval и BBH. Метаданные указывают контекст до 131 072 токенов и поддержку чата. В репозитории используются веса safetensors. Лицензия в предоставленных данных не указана.

llm-jp-3.1-13b-instruct4 — языковая модель семейства LLM-jp, разработанная Центром исследований и разработок больших языковых моделей Национального института информатики Японии. Это плотная Transformer-модель на архитектуре Llama с 13,2 млрд параметров, рассчитанная на генерацию текста и диалоговое взаимодействие. Контекстное окно составляет 4096 токенов; модель распространяется в формате safetensors для Transformers. Модель прошла дополнительное инструкционное предобучение, контролируемое дообучение и выравнивание методом Direct Preference Optimization. Она предназначена для выполнения инструкций, ответов на вопросы и диалога на японском и английском языках. Разработчики сообщают об оценке на японском и английском MT Bench и о проверке безопасности японских ответов. Модель находится на раннем этапе исследований и разработок, и её ответы не гарантированно соответствуют намерениям пользователя или требованиям безопасности. Для запуска README указывает PyTorch, Transformers, Tokenizers, Accelerate и Flash Attention. Лицензия — Apache-2.0.

L-MChat-7b — чат-модель на 7,1 млрд параметров, созданная слиянием Nexusflow/Starling-LM-7B-beta и FuseAI/FuseChat-7B-VaRM. В основе — плотная архитектура Mistral с классом MistralForCausalLM; модель распространяется в формате safetensors и рассчитана на контекст до 8192 токенов. Модель предназначена для диалоговой генерации текста и может использоваться для ответов на вопросы, ведения беседы и рассуждений на естественном языке. В README приведены результаты оценок на нескольких наборах тестов Open LLM Leaderboard, однако они не гарантируют качество на конкретных пользовательских задачах. Указана лицензия Apache-2.0.

Kaballas/m_1 — текстовая генеративная модель, созданная Kaballas путём слияния нескольких предварительно обученных моделей с помощью mergekit и метода Model Stock. В качестве базовой использована Qwen/Qwen2.5-7B-Instruct; в слияние также вошли модели для рассуждений и генерации текста, включая DrNicefellow/Qwen2.5-7B-O1-Journey-1, C10X/CoT-2.5, bunnycore/Qwen2.5-7B-CyberRombos, djuna/Q2.5-Fuppavy-7B, Kaballas/TLetsgo и jeffmeloy/Qwen2.5-7B-nerd-uncensored-v1.7. Модель семейства Qwen2 имеет плотную архитектуру Qwen2ForCausalLM, содержит 7,1 млрд параметров и принимает текстовый контекст длиной до 32 768 токенов. Она предназначена для диалогов и генерации текста, в том числе ответов с рассуждениями. Репозиторий использует формат safetensors и библиотеку Transformers; заявлен интерфейс для вызова инструментов. В метаданных лицензия не приведена. Поскольку это слияние моделей, поведение и ограничения зависят от исходных компонентов; README не содержит оценки качества или подробных ограничений.

UCSC-VLAA/m1-7B-23K — языковая модель семейства Qwen2, опубликованная UCSC-VLAA. Она предназначена для диалогов и ответов на вопросы; каталог также относит её к генерации текста и отмечает интерфейс вызова инструментов. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Qwen2ForCausalLM и принимает контекст до 32 768 токенов. Модель работает с текстом и размещена в формате safetensors. Метаданные указывают лицензию MIT. README содержимого не предоставляет, поэтому сведения о специальной настройке, языковом охвате и фактической точности подтвердить нельзя.

M7Yamshadowexperiment28_Experiment31Experiment29 — объединённая языковая модель на архитектуре Mistral, опубликованная MaziyarPanahi. Она предназначена для генерации текста и диалогов. Модель содержит 7,1 млрд параметров, использует формат safetensors и поддерживает контекст до 32 768 токенов. Модель создана слиянием automerger/M7Yamshadowexperiment28-7B и automerger/Experiment31Experiment29-7B. Репозиторий распространяется по лицензии Apache-2.0. Карточка не описывает специализированные области применения или отдельные ограничения качества.

M7Yamshadowexperiment28_Inex12Yam — слитая языковая модель, созданная объединением automerger/M7Yamshadowexperiment28-7B и automerger/Inex12Yam-7B. Она предназначена для генерации текста и диалоговых сценариев на базе архитектуры Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель принимает текст и выдаёт текст; данные о специальных предметных областях и языках не приведены. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

MaziyarPanahi/M7Yamshadowexperiment28_OgnoShadow — объединённая модель семейства Mistral с 7,1 млрд параметров, созданная на основе automerger/M7Yamshadowexperiment28-7B и automerger/OgnoShadow-7B. Она предназначена для генерации текста и диалоговых ответов, включая сценарии с контекстом до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. README и метаданные не уточняют её языковой охват и специальные ограничения.

MaziyarPanahi/M7Yamshadowexperiment28_YamshadowExperiment27pastiche — объединённая языковая модель на архитектуре Mistral, созданная слиянием automerger/M7Yamshadowexperiment28-7B и automerger/YamshadowExperiment27pastiche-7B. Модель содержит 7,1 млрд параметров, использует формат safetensors и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Она принимает текст и выдаёт текст; сведения о специализированных областях или целевых языках в карточке не приведены. Репозиторий распространяется по лицензии Apache-2.0.

Magnolia-v2-12B — плотная языковая модель на архитектуре Mistral, созданная автором grimjim слиянием моделей через task arithmetic с помощью mergekit. В качестве базовой использована Mistral Nemo Base; в слияние также вошли Mistral Nemo Instruct и magnum-consolidatum-v1-12b. Модель содержит 12,1 млрд параметров, работает с контекстом до 131 072 токенов и распространяется в формате safetensors через Transformers. Модель предназначена для генерации текста и диалоговых сценариев. Автор предупреждает, что она может быть чрезмерно творческой и склонной к галлюцинациям; в таких случаях рекомендуется снизить температуру генерации. Веса доступны по лицензии Apache-2.0.

Manticore-13b-Landmark — объединённая модель на архитектуре LLaMA, представленная Honkware. Она сочетает Manticore-13B и Manticore-13B-Landmark-QLoRA и предназначена для генерации текста с применением Landmark Attention. В README заявлен увеличенный размер контекста около 18 тысяч токенов; метаданные указывают 12,9 млрд параметров и нативный контекст 2048 токенов. Модель подходит для продолжения текста и диалоговых сценариев, где полезно учитывать длинный контекст. Репозиторий содержит веса PyTorch; лицензия обозначена как «other», поэтому условия использования следует сверить с лицензией и файлами репозитория перед применением. README также содержит настройки запуска через Oobabooga, включая включение доверенного удалённого кода.

MasherAI-7B-v6.1-final — дообученная разработчиком mahiatlinux языковая модель семейства Mistral с плотной архитектурой для генерации текста и диалогового взаимодействия. Она основана на mahiatlinux/MasherAI-v6.1-7B-checkpoint3-code4 и обучалась с использованием Unsloth и библиотеки Hugging Face TRL. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. В карточке указан английский язык. Репозиторий распространяется в формате PyTorch по лицензии Apache-2.0.

MeliodasNeuralsirkrishna-7B — автоматически объединённая Maxime Labonne модель на архитектуре Mistral с 7,1 млрд параметров. Она создана методом SLERP из AurelPx/Meliodas-7b-dare и Kukedlc/NeuralSirKrishna-7b; в конфигурации базовой указана AurelPx/Meliodas-7b-dare. Модель предназначена для генерации текста и диалогов. Она принимает текст и поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате safetensors; модель распространяется по лицензии Apache-2.0.

MeliodasPercival_01_Experiment28Meliodas — объединённая модель генерации текста, созданная MaziyarPanahi на основе automerger/MeliodasPercival_01-7B и automerger/Experiment28Meliodas-7B. Она предназначена для генерации текста и диалогов; архитектура — Mistral с плотной моделью на 7,1 млрд параметров и контекстом до 32 768 токенов. Модель принимает текст и выдаёт текст. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0.

MeliodasPercival_01_Experiment28Neuralsirkrishna — объединённая модель семейства Mistral, созданная на основе automerger/MeliodasPercival_01-7B и automerger/Experiment28Neuralsirkrishna-7B. Она предназначена для генерации текста и диалоговых сценариев. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. README и метаданные не уточняют языковой охват или специализированные области применения, поэтому её можно описать как модель общего назначения.

MeliodasPercival_01_OgnoExperiment27 — слитая языковая модель, объединяющая automerger/MeliodasPercival_01-7B и automerger/OgnoExperiment27-7B. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров. Модель предназначена для генерации текста и диалоговых ответов; поддерживает контекст до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache 2.0. Сведения о специализации по языкам и областям применения отсутствуют, поэтому её можно описать как модель общего назначения. Качество, сильные стороны и конкретные ограничения сверх указанных характеристик в карточке не описаны.

MeliodasPercival_01_YamExperiment28 — объединённая автором карточки модель на архитектуре Mistral с 7,1 млрд параметров, созданная на основе automerger/MeliodasPercival_01-7B и automerger/YamExperiment28-7B. Она предназначена для генерации текста и диалогов, а контекст поддерживает до 32 768 токенов. Модель опубликована в формате safetensors под лицензией Apache-2.0. Карточка не описывает специальные предметные области или ограничения качества; применимость следует оценивать на задачах пользователя.