I.7Речь, диалоги и встречи

robertgshaw2/zephyr-7b-beta-channelwise-gptq — это производная версия Zephyr-7B-β, опубликованная пользователем Robert Shaw на Hugging Face. Модель предназначена для генерации текста и диалоговых сценариев; её можно запускать через Transformers, vLLM и SGLang как conversational language model. В основе лежит Zephyr-7B-β от HuggingFaceH4 — GPT-подобная языковая модель примерно на 7 млрд параметров, дообученная на базе Mistral-7B-v0.1 с применением Direct Preference Optimization (DPO). Она ориентирована преимущественно на английский язык, работу в формате ассистента и следование инструкциям. Данная версия использует 4-битное GPTQ-квантование с channel-wise схемой, что уменьшает требования к памяти и может повысить эффективность локального запуска, но потенциально сопровождается потерей качества по сравнению с полной точностью. Карточка производной модели не содержит отдельного описания ограничений, контекстного окна или лицензии. Для исходной Zephyr-7B-β указана лицензия MIT; применимость этой лицензии к конкретной квантованной публикации следует проверять по её файлам и условиям распространения.

Это вариант Zephyr-7B-Beta, опубликованный arnavgrg: модель MistralForCausalLM с плотной архитектурой и примерно 7,1 млрд параметров. Это разговорная модель для генерации текста, которую можно загружать через Transformers в формате fp16; заявленная длина контекста — 32 768 токенов. Модель создана из HuggingFaceH4/zephyr-7b-beta: исходные веса линейных слоёв были квантованы до NF4 с помощью bitsandbytes, после чего слои Linear4bit были преобразованы обратно в fp16. Такой вариант рассчитан на инференс без затрат на квантование и обратное преобразование при каждом проходе. Квантование с потерями ухудшает качество относительно официальной базовой модели. Репозиторий распространяется по лицензии Apache-2.0.

MaziyarPanahi/zephyr-7b-sft-full-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель, созданная слиянием Mistral-7B-Instruct-v0.2 и zephyr-7b-sft-full методом SLERP. Это плотная модель архитектуры Mistral с 7,1 млрд параметров, предназначенная для генерации текста и ответов на инструкции в диалоговом формате; поддерживает контекст до 32 768 токенов. Модель подходит для чат-ботов, ответов на запросы и других сценариев генерации текста. Репозиторий содержит веса Safetensors; лицензия — Apache-2.0. В README не приведены отдельные оценки качества или перечень поддерживаемых языков.

tanliboy/zephyr-qwen2-7b-dpo — диалоговая языковая модель, полученная дообучением tanliboy/zephyr-qwen2-7b-sft методом DPO на наборе предпочтений HuggingFaceH4/ultrafeedback_binarized. Она построена на архитектуре Qwen2, содержит 7,1 млрд параметров и предназначена для генерации текста в формате общения; заявленная длина контекста — 131 072 токена. Модель можно использовать для диалоговых ответов и других задач генерации текста. В README приведены результаты оценки на тестовом наборе, включая точность предпочтений 0,712. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

ZEUS-8B-V25 — объединённая языковая модель, созданная с помощью mergekit методом DARE TIES на основе unsloth/Meta-Llama-3.1-8B-Instruct и нескольких моделей семейства Llama 3.1. Она предназначена для генерации текста и диалоговых сценариев; каталог также отмечает интерфейс вызова инструментов. Модель использует плотную архитектуру LlamaForCausalLM и содержит 7,5 млрд параметров, работает с контекстом до 131 072 токенов и загружает веса в формате safetensors. Модель подойдёт для создания диалоговых приложений, генерации ответов и работы с длинными текстовыми запросами. В README приведены результаты оценивания: средний балл 15,00%, IFEval — 33,20%, BBH — 21,85%; этих результатов недостаточно, чтобы судить о качестве на всех задачах. Лицензия в предоставленных данных не указана.

Zinakha-12b — текстовая авторегрессионная модель Aixon Lab на архитектуре Transformer, дообученная на базе mistralai/Mistral-Nemo-Base-2407 с использованием разных наборов данных и слияния слоёв. Модель содержит около 12,1 млрд параметров и предназначена прежде всего для многоходового общения с несколькими ролями, генерации текста, ответов на вопросы и анализа. В карточке особенно отмечены понимание контекста, творческое письмо и рассказывание историй. Модель в первую очередь рассчитана на английский язык; заявлена возможная поддержка других языков. Метаданные указывают контекст до 1 024 000 токенов и формат весов safetensors. Лицензия — Apache 2.0. Оценки качества и результаты бенчмарков для этой модели не приведены; ответы могут наследовать смещения обучающих данных, поэтому их следует проверять.

Zurich 14B GammaCorpus v2-1m — языковая модель rubenroy, дообученная на наборе структурированных многоходовых диалогов GammaCorpus v2-1m на базе Qwen/Qwen2.5-14B-Instruct. Она предназначена для диалогов и генерации текста, в том числе структурированных ответов и взаимодействия через интерфейс вызова инструментов. Модель использует плотную архитектуру Qwen2 с причинным языковым моделированием, содержит 14 млрд параметров и имеет контекстное окно 32 768 токенов. Для запуска используется библиотека Transformers; в карточке указано, что рекомендуется её актуальная версия. Модель ориентирована на англоязычные сценарии. Возможны предвзятые ответы. Выпущена по лицензии Apache 2.0.

Модель ShenaoZ/0.0001_withdpo_3iters_bs256_511lr_iter_1 — диалоговая текстовая модель на архитектуре Mistral с 7,1 млрд параметров. Это дообученная версия HuggingFaceH4/mistral-7b-sft-beta, обученная на наборе предпочтений HuggingFaceH4/ultrafeedback_binarized с использованием DPO. Модель предназначена для генерации текста в формате диалога: ответов на вопросы и общения. Контекст модели составляет до 32 768 токенов. В карточке указана лицензия MIT.

Это текстовая генеративная модель на архитектуре Qwen2 с 7,1 млрд параметров, опубликованная как резервная копия исследовательского чекпойнта в стандартном формате Hugging Face для загрузки через Transformers. Модель предназначена для генерации текста и диалогового взаимодействия; метаданные также отмечают интерфейс вызова инструментов. Контекст составляет 16 384 токена. Репозиторий содержит веса в формате safetensors. Карточка не описывает специализированную предметную область или дополнительные возможности модели. Условия лицензии в предоставленных данных не приведены.

yuq-zhou/2026-05-o-b0p3-a1p0-gc0p5-exp-td4p0-tw5p0-r1-7-fixed-20260804 — исследовательский чекпойнт генеративной языковой модели в стандартном формате Hugging Face для загрузки через AutoModelForCausalLM. Модель построена на архитектуре Qwen2, содержит 7,1 млрд параметров и имеет контекстное окно до 131 072 токенов. Модель предназначена для генерации текста и диалогового взаимодействия; в метаданных также отмечен интерфейс вызова инструментов. Данные не описывают специализацию по задачам или языкам, поэтому сценарии применения ограничены общим использованием как чат-модели и генератора текста. Чекпойнт сохранён в формате safetensors и работает с библиотекой Transformers. Сведения о лицензии в предоставленных источниках отсутствуют.

TeeZee/2xbagel-dpo-34b-v0.2 — объединённая модель для генерации текста и диалогов, созданная путём чередования слоёв jondurbin/bagel-dpo-34b-v0.2 с самой собой. Она использует плотную архитектуру LlamaForCausalLM, содержит около 56,2 млрд параметров и рассчитана на контекст до 200 000 токенов. Модель подходит для диалоговых сценариев и генерации текста; в README приведены результаты Open LLM Leaderboard, включая оценки по задачам рассуждения и здравого смысла. Модель распространяется под лицензией Apache-2.0. Автор предупреждает, что она может генерировать контент NSFW. README описывает её как увеличенную и uncensored версию исходной модели; отдельные сведения о языках и иных ограничениях не приводятся.

ishikaa/acquisition_generator_AS_gradient_numina_qwen14b — текстовая генеративная модель из семейства Qwen2, опубликованная на Hugging Face. В метаданных указаны 14 млрд параметров, поддержка библиотеки Transformers и максимальный контекст 32 768 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Модель можно применять для создания ответов на запросы, ведения диалогов, подготовки черновиков текста и других сценариев, основанных на text-generation. Метка conversational указывает на пригодность к разговорным сценариям, однако README не содержит сведений о разработчике, точной специализации, языках обучения или результатах оценки. Лицензия в доступных данных не указана. README также не описывает датасеты, процедуру обучения, ограничения, риски и рекомендуемые параметры использования.

Aitana-7B-S-Instruct — это языковая модель семейства Aitana, разработанная группой GPLSI Университета Аликанте. Модель построена на базе gplsi/Aitana-7B-S-base-1.0 и дообучена следовать инструкциям. Это декодерный Transformer архитектуры Llama с 6,7 млрд параметров по метаданным и контекстом до 8192 токенов. Модель предназначена для диалогов, ответов на запросы и генерации текста на валенсийском, испанском и английском языках; особое внимание уделено валенсийскому. Её можно применять для общения с пользователями, черновиков текстов и задач в административной, юридической и туристической областях. По карточке модель не рассчитана на роль надёжной фактологической базы. Лицензия — Apache-2.0.

CultriX/AlphaCeption-7B-v1 — слитая модель для генерации текста, созданная с помощью mergekit методом SLERP из CultriX/MergeCeption-7B-v3 и abideen/AlphaMonarch-daser. Она рассчитана на диалоговое взаимодействие и общие языковые задачи. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель принимает текст и генерирует текст; в метаданных указана возможность чата. Репозиторий содержит веса в формате safetensors, библиотека для работы — Transformers. Модель распространяется по лицензии Apache-2.0. В карточке не описаны конкретные языки обучения или специальные прикладные области, поэтому её языковые и предметные преимущества нельзя уточнить.

ArliAI-Llama-3-8B-Cumulus-v0.3 — диалоговая модель OwenArli на базе Meta-Llama-3-8B-Instruct, дообученная с помощью QLoRA для продолжительных переписок и более редких отказов. Она предназначена для генерации ответов в формате чата и поддерживает контекст длиной до 8192 токенов; архитектура — плотная LlamaForCausalLM, размер — 7,5 млрд параметров. По заявлению автора, модель может быть немного слабее исходной Llama 3 Instruct в рассуждениях и общем интеллекте, зато лучше справляется с длинными диалогами и реже отказывает. Модель создана с использованием 4-битной загрузки и адаптера QLoRA ранга 64. Лицензия — Meta Llama 3 License Agreement.

win10/ArliAI-RPMax-v1.3-merge-13.3B — языковая модель семейства Llama для генерации текста и диалогового общения. Она создана с помощью mergekit методом passthrough на основе win10/ArliAI-RPMax-v1.3-merge-8B; репозиторий содержит веса Safetensors и использует библиотеку Transformers. Модель насчитывает 12,7 млрд параметров и поддерживает контекст до 131 072 токенов. Модель подходит для ведения диалогов и генерации продолжений текста. Данные карточки не уточняют поддерживаемые естественные языки и конкретные предметные области. Лицензия в доступных сведениях не приведена.

atom-80b-i1-GGUF — это набор квантизированных GGUF-версий языковой модели atom-80b, разработанной vanta-research и подготовленной квантизатором mradermacher. Модель предназначена для генерации текста, следования инструкциям, диалогового взаимодействия, рассуждений и исследовательских задач, связанных с поведением, выравниванием и сотрудничеством ИИ. По тематическим меткам она ориентирована на англоязычные сценарии и conversational AI. Исходная модель относится к семейству Qwen3 и имеет размер 80 млрд параметров. В README не указаны точная архитектура, размер контекстного окна, поддерживаемые модальности помимо текста и результаты оценивания. Репозиторий содержит варианты квантизации с размерами примерно от 16,3 до 65,6 ГБ, включая IQ- и QK-квантизации; варианты различаются компромиссом между размером, скоростью и качеством. В качестве сбалансированных рекомендуются i1-Q4_K_S и i1-Q4_K_M, тогда как наиболее компактные варианты могут заметно уступать в качестве. Модель поддерживает локальное использование через GGUF-совместимые инструменты. Основные преимущества — большой размер исходной модели, широкий выбор уровней квантизации и наличие imatrix-квантов, потенциально обеспечивающих лучшее качество при сопоставимом размере. Ограничения включают высокие требования к памяти, зависимость качества от выбранного варианта квантизации и отсутствие в README подробных данных о производительности и контексте. Модель распространяется по лицензии Apache-2.0.

Aura_Qwen2_v3_7B — объединённая разговорная языковая модель на базе архитектуры Qwen2, созданная jeiku методом Model Stock с помощью mergekit. В объединение вошли jeiku/dontusethis и три варианта с LoRA: ResplendentAI/Qwen_Soul_LoRA_128, ResplendentAI/Qwen_jeiku_LoRA_128 и ResplendentAI/Qwen_Sissification_LoRA_128. Модель содержит 7,1 млрд параметров, использует архитектуру Qwen2ForCausalLM и формат safetensors; заявленный нативный контекст — 131 072 токена. Модель предназначена для генерации текста и диалогового общения. В карточке не приведены сведения о конкретных языках или специализированных предметных областях. Лицензия в предоставленных данных не указана.

A.X 3.1 Light — компактная языковая модель SKT, обученная с нуля на многоязычном корпусе с приоритетом корейского языка. В метаданных указаны 6,8 млрд параметров, архитектура Llama с плотной авторегрессионной моделью и контекст до 32 768 токенов; доступны веса в формате Safetensors. Модель предназначена для диалогов, понимания корейского языка и корпоративного развёртывания, а интерфейс поддерживает вызов инструментов. SKT сообщает, что модель обучалась на 1,65 трлн токенов и показывает результаты на корейских языковых бенчмарках KMMLU и KoBALT-700. Компания также заявляет о снижении вычислительных затрат относительно моделей со сравнимыми результатами. В карточке приведён пример использования с Transformers версии 4.46.0 или новее и vLLM для функций вызова инструментов. Лицензия — Apache 2.0.

AxeronAI/axeron-mf-39 — текстовая модель для диалогов и генерации текста, созданная методом SLERP с помощью forgelm. В слияние вошли Qwen/Qwen2.5-7B и Qwen/Qwen2.5-7B-Instruct; архитектура — плотная Qwen2 с классом Qwen2ForCausalLM, размер — 7,1 млрд параметров. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Модель принимает текст и генерирует текст; заявленная длина контекста — 131 072 токена. Она подходит для диалоговых сценариев и задач генерации текста. README и метаданные не описывают отдельные специализированные области применения или ограничения качества. Сведения о лицензии в предоставленных источниках отсутствуют.

Badger/δ Llama 3 Instruct 32k — чат-модель семейства Llama 3, созданная автором maldv путём рекурсивной интерполяции и объединения нескольких моделей. В репозитории указано, что для неё настроен масштаб RoPE 4; автор сообщает, что ответы сохраняют связность при контексте 16–32 тыс. токенов. Метаданные указывают 7,5 млрд параметров, архитектуру LlamaForCausalLM, формат safetensors и нативный контекст 8192 токена. Модель предназначена для диалоговой генерации текста и инструктивных запросов. В README приведены результаты оценки на Open LLM Leaderboard, включая средний балл 69,49, но этих результатов недостаточно, чтобы судить о качестве во всех задачах. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование; перед применением следует соблюдать её условия.

jaspionjader/bbb-3 — слитая языковая модель на архитектуре Llama, созданная автором репозитория с помощью mergekit и метода Model Stock. В слиянии использованы jaspionjader/kstc-4-8b и jaspionjader/bbb-2, а в качестве базовой модели указана jaspionjader/kstc-5-8b. Модель содержит 7,5 млрд параметров и рассчитана на генерацию текста и диалоговое взаимодействие; заявленная длина контекста — до 131 072 токенов. Модель подходит для диалоговых сценариев и генерации текстовых ответов. Репозиторий содержит веса в формате safetensors; в README также указана точность bfloat16. Данных о целевых языках и специализированных предметных областях в предоставленных источниках нет. Условия лицензирования не приведены в доступных данных.

blendedmist-herm-7B-slerp — объединённая модель для генерации текста и диалогов, созданная автором rakataprime с помощью LazyMergekit. Она объединяет NousResearch/Nous-Hermes-2-Mistral-7B-DPO и NousResearch/Hermes-2-Pro-Mistral-7B методом slerp; архитектура — плотная MistralForCausalLM, размер — 7,1 млрд параметров, формат весов — safetensors, точность при объединении — bfloat16. Модель предназначена для диалогового взаимодействия и генерации текста по запросам. Контекстное окно составляет 32 768 токенов. В карточке не перечислены языки и прикладные области. Лицензия в предоставленных данных не указана.

Cerebrum-1.0-7b — языковая модель для генерации текста и решения задач, требующих рассуждений. Её разработала AetherResearch на основе Mistral-7B-v0.1: модель дообучили на небольшом наборе примеров с цепочками рассуждений и дополнительно настроили с помощью целевого RLHF. Она содержит 7,1 млрд параметров, использует плотную архитектуру Mistral и поддерживает контекст до 32 768 токенов. Модель предназначена для диалогов, математических задач, ответов на вопросы, мозгового штурма и творческих запросов. В карточке приводятся результаты сравнений на ARC Challenge и GSM8k, однако условия оценки различались для моделей, поэтому эти результаты не гарантируют превосходства в других сценариях. README рекомендует шаблон диалога в стиле Alpaca с просьбой описать ход рассуждений. Лицензия Apache-2.0.

Cymist2-v0.1-SFT — языковая модель команды Cypien AI для генерации текста и диалоговых сценариев на турецком и английском языках. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, дообученная на базе mistralai/Mistral-7B-v0.1 и доступная в формате safetensors для библиотеки Transformers. Контекст модели составляет 32 768 токенов. Модель предназначена для чат-ботов, виртуальных помощников и приложений общего назначения, включая сценарии поиска с дополненной генерацией (RAG). Она поддерживает турецкий и английский языки; в README указано обучение на разнообразных источниках на этих языках. Распространяется по лицензии Apache-2.0. Модель может унаследовать смещения из обучающих данных. Разработчик не рекомендует применять её в критически важных системах или там, где требуются специализированные знания за пределами общей генерации текста; точность ответов не гарантируется.

Darewin-7B-v2 — языковая модель на архитектуре Mistral, созданная mlabonne путём слияния семи моделей с помощью LazyMergekit. Она предназначена для генерации текста и диалогового общения; результаты оценки также показывают способности к рассуждению и решению задач из бенчмарков AI2 Reasoning Challenge и HellaSwag. Модель содержит 7,1 млрд параметров и поддерживает контекст длиной до 32 768 токенов. Модель принимает текст и генерирует текст. В карточке указана лицензия Apache-2.0. README приводит результаты Open LLM Leaderboard, но не описывает ограничения по языкам или конкретным сценариям; языковая поддержка в метаданных явно не перечислена.

Карточка модели roskosmos19/Dolphin-4B-Instruct-0409 на Hugging Face совпадает с карточкой roskosmos19/Orca-4B-Instruct, поэтому описание составлено по ней. Orca-4B-Instruct — компактная инструктивная языковая модель, опубликованная roskosmos19. По карточке она основана на архитектуре Qwen3 и предназначена для диалогов и выполнения текстовых инструкций. Модель содержит около 3,7 млрд параметров, использует архитектуру Qwen3ForCausalLM и принимает контекст до 16 384 токенов. Модель рассчитана на генерацию ответов, следование инструкциям и разговорные сценарии; в метаданных также заявлен интерфейс вызова инструментов. Карточка описывает оптимизацию для экономичного запуска: сокращённый контекст и удалённые мультимодальные специальные токены уменьшают требования к памяти, сохраняя фокус на текстовых ответах. Доступны веса в формате safetensors. Модель подходит для локальных чат-ботов, помощников и других приложений, где важны умеренный размер и стоимость инференса. Ограничение контекста до 16 384 токенов исключает обработку очень длинных запросов; сведения о поддерживаемых естественных языках в карточке не приведены. Лицензия — Apache-2.0.

DPOpenHermes-7B-v2-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель MaziyarPanahi, полученная слиянием Mistral-7B-Instruct-v0.2 и DPOpenHermes-7B-v2 методом SLERP. Она предназначена для генерации текста в ответ на инструкции и диалоговые запросы. Модель построена на архитектуре Mistral с плотной архитектурой и содержит 7,1 млрд параметров. Она работает с текстом, поддерживает чат и принимает контекст длиной до 32 768 токенов. В репозитории доступны веса в формате Safetensors. Модель подходит для диалоговых помощников и генерации ответов по пользовательским инструкциям. Карточка не приводит отдельных оценок качества или специальных ограничений. Лицензия — Apache-2.0.

Dracarys-Llama-3.1-70B-Instruct-GGUF — это квантованные версии инструкционной языковой модели Dracarys-Llama-3.1-70B-Instruct, разработанной AbacusAI. Модель предназначена для генерации текста и диалоговых сценариев, включая выполнение инструкций, ответы на запросы и другие задачи, поддерживаемые текстовыми LLM. Варианты подготовлены пользователем bartowski в формате GGUF с использованием llama.cpp и метода imatrix; запуск рекомендуется через LM Studio или совместимое программное обеспечение. Модель основана на архитектуре Llama 3.1 и содержит 70 миллиардов параметров. Доступны уровни квантования от Q8_0 до IQ1_M, что позволяет выбирать между качеством ответов и требованиями к оперативной памяти: наиболее качественными считаются Q6_K, Q5_K_M и ряд вариантов Q4, тогда как версии Q2 и Q3 заметно уступают по качеству, хотя некоторые из них остаются пригодными для использования. Размер файлов составляет примерно от 16,75 до 74,98 ГБ. Мультимодальность, поддерживаемые языки и размер контекстного окна в README не указаны. Основные преимущества — большой размер модели, инструкционная настройка и широкий выбор квантований для локального запуска. Ограничения связаны с высокими требованиями к памяти, особенно для качественных вариантов, а также с потерей качества при сильном квантовании. Для корректной работы следует использовать указанный формат prompt с системным, пользовательским и ассистентским сообщениями. Лицензия указана как llama3; дополнительные условия лицензии в README не приведены.

ECE_Poirot — языковая модель, созданная студентами инженерной школы ECE Youri LALAIN и Lilian RAGE при участии лаборатории ECE iLab и под руководством специалистов ECE и Exaion. Модель получена слиянием bond005/meno-tiny-0.1 и Qwen/Qwen2.5-1.5B-Instruct методом SLERP с настройкой весов для слоёв self-attention и MLP. Это плотная авторегрессионная модель семейства Qwen2 с 1,5 млрд параметров, предназначенная для генерации текста и диалогов. Она принимает текст и формирует текстовые ответы; метаданные также отмечают интерфейс для вызова инструментов. Контекстное окно — 32 768 токенов. Модель опубликована в формате safetensors и доступна по лицензии Apache-2.0.