I.7Речь, диалоги и встречи

Mistral-Nemo-Prism-12B-v5 — экспериментальная разговорная модель автора nbeerbower, дообученная на базе nbeerbower/Mahou-1.5-mistral-nemo-12B-lorablated. Это плотная модель семейства Mistral с архитектурой MistralForCausalLM и 12,1 млрд параметров; она предназначена для генерации текста и диалогов. Автор использовал ORPO и датасеты Arkhaios-DPO и Purpura-DPO, стремясь уменьшить архаичный язык и чрезмерно витиеватый стиль в модели без ограничений на темы. В карточке указан контекст до 1 024 000 токенов. Модель может подойти для чат-ботов, свободного диалога и ролевого общения. Автор описывает её как экспериментальную итерацию, а не готовый релиз, поэтому качество и стабильность не гарантированы. Опубликована под лицензией Apache-2.0.

Moonshine Streaming Tiny — German — это модель распознавания немецкой речи от команды Moonshine AI. Она использует потоковую архитектуру: аудиофронтенд с частотой 50 Гц и скользящий оконный Transformer-энкодер позволяют выдавать транскрипцию по мере поступления аудио, с задержкой упреждения около 80 мс. Модель предназначена для локального запуска на устройствах с ограниченными ресурсами; в репозитории доступны веса safetensors для Transformers. Метаданные указывают 13,8 млн параметров, а README — 27 млн; размер модели в источниках расходится. Модель обучена для немецкого языка на крупном корпусе подкастов с автоматически созданными псевдоразметками и меньшем наборе вручную транскрибированной читаемой речи. На FLEURS и Multilingual LibriSpeech для немецкого README приводит WER 11,98 и 10,19 соответственно при описанном правиле остановки генерации. Эти оценки относятся к читаемой речи и не показывают качество на спонтанной разговорной речи. Лицензия — MIT.

zelk12 создал MT1-GB-gemma-2-9B как объединение предварительно обученных языковых моделей с помощью mergekit и метода SLERP. Это плотная модель Gemma 2 с 9 млрд параметров для генерации текста и диалогов; она работает через Transformers, принимает текст и выдаёт текст, поддерживая контекст до 8192 токенов. Модель подойдёт для создания диалоговых приложений и генерации ответов в свободной форме. Каталог описывает её как модель с уклоном в психологию и психическое здоровье, однако README не приводит подробностей о специализации или оценках качества. Веса представлены в формате safetensors; в README указано bfloat16. Лицензия в предоставленных данных не указана.

NemoReRemix-12B — объединённая модель на архитектуре Mistral, созданная MarinaraSpaghetti с помощью mergekit из нескольких моделей семейства Mistral Nemo. В состав вошли Mistral Nemo Base и Instruct, Tess-3-Mistral-Nemo, MN-12B-Lyra, Shuttle 2.5 Mini и Magnum 12B v2; размер модели — 12,1 млрд параметров. Для объединения применён метод della_linear. Модель предназначена для генерации текста, особенно для написания художественной прозы и ролевых диалогов, а также может использоваться как универсальный разговорный помощник. Карточка предлагает формат ChatML; совместимость с форматом Mistral Instruct указана как теоретическая. Лицензия в предоставленных данных не указана.

Oumuamua-7b-instruct-v2 — японская инструктивная языковая модель, созданная nitky с помощью слияния нескольких моделей методом Model Stock. Она предназначена для понимания намерений пользователя, ведения многоходовых диалогов, ролевого общения и ответов на вопросы по темам, связанным с людьми и компьютерами. Разработчик сообщает о результатах оценки на японском MT-bench, включая высокие оценки за письмо, ролевое общение и гуманитарные темы. Модель построена на плотной архитектуре MistralForCausalLM, содержит 7,2 млрд параметров и поддерживает контекст до 32 768 токенов. Карточка рекомендует задавать ролевой контекст японского собеседника, чтобы уменьшить эффект буквального перевода. Модель распространяется в формате safetensors под лицензией Apache-2.0.

Pinecone-Sage — разговорная модель для генерации текста, созданная автором серии Pinecone путём слияния предварительно обученных языковых моделей с помощью mergekit и метода DARE TIES. В слияние вошли Entropicengine/DarkTriad-24b и Entropicengine/Trifecta-Max-24b, а базовой моделью указана darkc0de/XortronCriminalComputingConfig. Модель построена на плотной архитектуре MistralForCausalLM и содержит 23,4 млрд параметров; максимальная длина контекста — 32 768 токенов. Модель предназначена для ролевых диалогов, ответов на общие вопросы, творческого письма и генерации насыщенной прозы. Автор позиционирует версию Sage как баланс скорости и качества. В README рекомендуется пресет Sphiratrioth для ролевых сценариев. Карточка не сообщает условия лицензии; языковая ориентация на английский следует из описания базовой модели в каталоге.

RESMPDEV/Qwen1.5-Wukong-4B — чат-модель, созданная дообучением Qwen1.5-4B командой RESMPDEV на подборке датасетов Cognitive Computations Dolphin 2.9 в течение трёх эпох. Это плотная авторегрессионная языковая модель семейства Qwen2 с архитектурой Qwen2ForCausalLM; в репозитории представлены веса Safetensors. Модель рассчитана на диалоговую генерацию текста и поддерживает контекст до 32 768 токенов. Модель наследует языковую и многоязычную поддержку Qwen1.5 и в карточке отмечены английский и китайский языки. README характеризует её как «dealigned» чат-дообучение, однако примеры ответов отсутствуют, поэтому качество и поведение модели по конкретным сценариям оценить по карточке нельзя. Лицензия указана как other, без уточнения условий использования.

bartowski/Qwen2.5-32b-RP-Ink-GGUF — это квантизированная версия текстовой генеративной модели Qwen2.5-32b-RP-Ink, разработанной организацией allura-org и преобразованной в формат GGUF с использованием llama.cpp. Доступны варианты от F16 до низкобитных квантизаций Q8_0, Q6, Q5, Q4, Q3 и Q2, поэтому модель можно подобрать под разные ограничения по оперативной памяти и требования к качеству. Модель предназначена для генерации текста, диалоговых сценариев и ролевого общения. В README указаны поддержка английского языка и специализированные теги roleplay и conversational. Для работы рекомендуется использовать llama.cpp или LM Studio и применять шаблон промпта на основе специальных токенов Qwen chat format. Ключевая характеристика модели — размер 32 миллиарда параметров в базовой версии. Это текстовая, а не мультимодальная модель; сведения о длине контекста и точной архитектуре в README не указаны. Старшие варианты квантизации обеспечивают более высокое качество, тогда как Q3 и Q2 требуют меньше памяти, но заметно уступают по качеству; некоторые форматы являются устаревшими. Лицензия — Apache-2.0.

Карточка модели RRNicole1014/Qwen2.5-3B-Instruct-Rol-Game-AD на Hugging Face совпадает с карточкой RRNicole1014/Qwen2.5-3B-Instruct-Profesor-Albus-Dumbledore, поэтому описание составлено по ней. RRNicole1014/Qwen2.5-3B-Instruct-Profesor-Albus-Dumbledore — дообученная разговорная языковая модель семейства Qwen2.5, разработанная RRNicole1014 на базе unsloth/qwen2.5-3b-instruct-unsloth-bnb-4bit с использованием Unsloth и библиотеки TRL. Модель предназначена для генерации текста и диалоговых сценариев. Модель имеет плотную архитектуру Qwen2ForCausalLM, около 3,1 млрд параметров и контекстное окно до 32 768 токенов. В карточке заявлен английский язык. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Данных о специализации на задачах, связанных с профессором Альбусом Дамблдором, карточка не приводит.

Это экспериментальный чекпойнт Qwen2.5-3B, дообученный методом SFT за одну эпоху. Он относится к ветке kk ordered и соответствует шагу оптимизатора 3175. Модель построена на плотной архитектуре Qwen2 с 3,1 млрд параметров и предназначена для генерации текста в формате диалога; контекстное окно составляет 32 768 токенов. В репозитории присутствуют файлы модели Hugging Face в формате safetensors, поэтому чекпойнт пригоден для инференса, но не для возобновления обучения: сериализация состояния оптимизатора и предыдущих параметров завершилась с ошибкой, и эти файлы исключены. README и метаданные не сообщают о специализированной предметной области или лицензии.

Ateron/Sketch-Cydonia-24B-V1.2 — диалоговая текстовая модель, созданная объединением Sketch-Cydonia V1.1 и ConicCat/Mistral-Small-3.2-AntiRep-24B методом TIES. Она предназначена для генерации текста и ролевых бесед; автор описывает её как очередной шаг по сокращению шаблонных ответов и повторов. Модель построена на архитектуре Mistral с плотной causal language model, содержит 23,4 млрд параметров и поддерживает контекст до 131 072 токенов. Модель принимает текст и выдаёт текст. В метаданных указан английский язык. Репозиторий распространяется под лицензией Apache-2.0. Карточка не приводит оценок качества или результатов тестирования, поэтому заявленное сокращение повторов не подтверждено приведёнными бенчмарками.

TKU410410103/wav2vec2-base-japanese-asr — японская модель распознавания речи, разработанная путём дообучения rinna/japanese-wav2vec2-base на наборе Common Voice 11.0. Она принимает аудио и преобразует речь в текст; архитектура — Wav2Vec2ForCTC с 113,3 млн параметров. Модель распознаёт японскую речь, но выдаёт текст только хираганой. На Common Voice 11.0 модель показала WER 14,18% и CER 6,46%; на ReazonSpeech (tiny) — WER 40,86% и CER 29,37%. Результаты зависят от набора данных, а на ReazonSpeech качество заметно ниже. Модель распространяется по лицензии Apache-2.0.

Модель infinitejoy/wav2vec2-large-xls-r-300m-hindi — дообученная версия facebook/wav2vec2-xls-r-300m для распознавания речи на хинди. Она принимает аудио и выдаёт распознанный текст; обучение проводилось на наборе Mozilla Common Voice 7.0 для хинди. Архитектура основана на Wav2Vec2 и имеет около 402,7 млн параметров. Модель можно применять для транскрибации речи на хинди, например аудиозаписей или голосовых сообщений. В README приведён результат оценки на тестовом наборе: WER 1,0194, что указывает на существенные ошибки распознавания. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0.

whisper-large-v3-translate-zh-v0.1-lt — дообученная модель Whisper large-v3, опубликованная пользователем chickenrice0721. Она предназначена для перевода японской речи в китайский текст: модель обучали на 3500 часах японского аудио с китайскими субтитрами, а при использовании задают задачу translate и язык ja. Архитектура — WhisperForConditionalGeneration, размер — 905,2 млн параметров; модель принимает аудио и выдаёт текст. В карточке указаны японский язык исходной речи и китайский язык перевода. Модель распространяется по лицензии Apache-2.0.

avalonai/whisper-small-jv — модель распознавания речи, созданная дообучением Whisper Small для яванского языка. В карточке указано, что для обучения использовался датасет OpenSLR; метаданные также связывают модель с Common Voice 16.1. Архитектура — WhisperForConditionalGeneration, размер — 153,1 млн параметров; модель принимает аудио и выдаёт текстовую транскрипцию. Модель предназначена для автоматического распознавания яванской речи. В описанных авторами экспериментах она достигла WER 23,22%. Распространяется по лицензии MIT.

Whisper-Small-Kinyarwanda — модель mbazaNLP на архитектуре Whisper Small от OpenAI, дообученная для распознавания речи на киньяруанда на данных Mozilla Common Voice 11.0. Поддержка киньяруанда добавлена дообучением поверх суахили; модель предназначена для преобразования аудиозаписей на этом языке в текст и размечена для автоматического распознавания речи. В карточке указана оценка 24 WER. Модель не выполняет перевод с киньяруанда на английский. Базовая модель Whisper Small мультиязычна и поддерживает транскрибирование речи и перевод аудио на английский, но это дообучение не заявляет такую возможность для киньяруанда. Репозиторий использует формат PyTorch и лицензию CC.

WorldGen-v2-TEST003 — объединённая языковая модель на архитектуре Mistral, созданная с помощью mergekit методом TIES. В качестве базовой модели использована kubernetes-bad/chargen-v2; в объединение также вошли NeverSleep/Noromaid-7B-0.4-DPO, mlabonne/NeuralHermes-2.5-Mistral-7B, Weyaxi/Einstein-v4-7B и адаптер Severian/Einstein-IKM-v1-7B-LoRa. Модель содержит 7,1 млрд параметров, работает через Transformers и принимает текст для генерации диалоговых ответов и ролевых сценариев. Родной контекст составляет 32 768 токенов. В репозитории указаны веса safetensors и лицензия.

airochronos-33B — объединённая языковая модель Henk717 на архитектуре Llama с 32,3 млрд параметров. Она создана с весами 75% Chronos 33B и 25% airoboros-1.4 33B. Модель предназначена для генерации текста: её проверяли с форматом запросов Alpaca, в режимах instruct и chat KoboldAI Lite, а также для написания историй и базовых задач на рассуждение. Контекст модели — 2048 токенов; доступны веса PyTorch и Safetensors. Модель мало проверялась на фактическую точность, поэтому ответы на вопросы о фактах могут быть ненадёжными. Лицензия указана как other, конкретные условия использования из доступных данных установить нельзя.

Модель alexmt-gemma4-e4b-dpo-bwspbleu-lr5e7 разработана на базе Google Gemma 4 E4B Instruct и настроена для контекстного перевода между английским и разговорными диалектами арабского языка. Она дообучена методом DPO поверх alexmt-gemma4-e4b-sft на данных Alexandria. Запрос передаётся в виде JSON, включающего исходную реплику и, при наличии, контекст предыдущих ходов, область диалога, участников и направление рода говорящего и адресата; ответ имеет вид JSON с переводом. В публичном тесте Alexandria модель оценивалась на девяти разновидностях арабского языка и показала близкие к исходной SFT-модели результаты по spBLEU и chrF++. Проверка ограничена одним обучающим запуском и одним разбиением данных; авторы предупреждают, что сравнение вариантов DPO по тестовому набору не устанавливает надёжного преимущества, а соответствие диалекту отдельно не оценивалось. Модель принимает текст и выдаёт текст. Распространяется по лицензии CC BY-NC 4.0, допускающей использование с указанием авторства, но некоммерческое.

alexmt-qwen3-0.6b-sft — диалоговая модель для перевода между английским и девятью разновидностями разговорного арабского языка. Её разработчик дообучил Qwen3-0.6B методом supervised fine-tuning на обучающей части набора Alexandria; модель содержит 507,9 млн параметров, использует плотную архитектуру Qwen3 и формат safetensors. В метаданных указан контекст 40 960 токенов. Модель предназначена для контекстного перевода реплик в диалогах: вход включает до трёх предыдущих реплик, а также сведения о домене, участниках и направлении гендерных характеристик говорящего и адресата. Она принимает промпт в JSON-формате Alexandria как одну пользовательскую реплику и возвращает перевод в поле translation. Обучение охватывает направления английский → диалектный арабский и диалектный арабский → английский для вариантов Египта, Иордании, Ливана, Марокко, Омана, Палестины, Саудовской Аравии, Сирии и Йемена. В отчёте приведены метрики spBLEU и chrF++ на открытом тестовом наборе Alexandria, но диалектная точность отдельно не оценивалась. Результаты получены с одним случайным начальным состоянием и одним разбиением данных, поэтому они ограниченно характеризуют качество и напрямую не сопоставимы с результатами статьи Alexandria или соревнования AlexandriaX. Лицензия CC-BY-NC-4.0 разрешает использование на некоммерческих условиях.

alexmt-qwen3-0.6b-simpo-bwchrf — компактная модель генерации текста на базе Qwen3-0.6B, дообученная для контекстного перевода между английским и разговорным арабским. Она разработана для перевода реплик в диалогах с учётом до трёх предыдущих ходов, тематики, участников и направления гендерных характеристик говорящего и адресата. Модель обучена на Alexandria: использованы девять разновидностей арабского языка — египетская, иорданская, ливанская, марокканская, оманская, палестинская, саудовская, сирийская и йеменская — и оба направления перевода. Финальная настройка выполнена методом SimPO на предпочтительных парах, отобранных по chrF++ среди генераций SFT-модели. Модель содержит 507,9 млн параметров, использует архитектуру Qwen3ForCausalLM и поддерживает контекст до 40 960 токенов. Для применения ей передают один пользовательский ход в формате JSON-промпта Alexandria; ответ содержит перевод в поле translation. В опубликованной оценке на тестовой части Alexandria измерялись spBLEU и chrF++, но диалектная точность отдельно не проверялась. Результаты ограничены одним seed и одним разбиением данных; сравнения моделей SimPO и DPO не установлены, поскольку скорость обучения DPO выбиралась по тестовой части. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства и запрещающая коммерческое применение.

Это дообученная на Qwen3-0.6B модель для контекстного перевода между английским и разговорными арабскими диалектами. Её разработчик обучил её на данных Alexandria, а затем применил SimPO к предпочтительным парам переводов, отобранным по сходству с человеческими эталонами. Модель имеет плотную архитектуру Qwen3ForCausalLM, содержит около 507,9 млн параметров и поддерживает контекст до 40 960 токенов. Модель предназначена для перевода реплик диалога с учётом до трёх предыдущих ходов беседы, домена, участников и направления пола говорящего и адресата. Охвачены девять разновидностей арабского: египетская, иорданская, ливанская, марокканская, оманская, палестинская, саудовская, сирийская и йеменская; доступны направления английский → диалектный арабский и диалектный арабский → английский. Запрос подаётся в формате JSON Alexandria как одно пользовательское сообщение, ответ содержит перевод в JSON. В оценке на открытой тестовой выборке Alexandria модель немного превзошла указанные в карточке базовую SFT-версию и DPO-вариант по метрикам spBLEU и chrF++; результаты получены с одним обучающим запуском и одним разбиением данных, поэтому небольшие различия не являются окончательными. Точность передачи диалектных особенностей отдельно не оценивалась. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства и запрещает коммерческое применение.

Schneewolf Labs B1-9B — это дообученная модель семейства Qwen3.5 с плотной архитектурой и условной генерацией текста по тексту и изображениям. Её разработала Schneewolf Labs как итерацию B0-9B: обучение предпочтениям ORPO на 20 тысячах пар Vernunft-Stimme усилило склонность модели выдавать ответ после блока рассуждений, особенно в агентских циклах с инструментами. Модель поддерживает диалог и работу с изображениями; карточка указывает английский язык и библиотеку Transformers. Модель рассчитана на сценарии, где агенту нужно сформулировать итог после анализа результата инструмента, а также на диалоговые задачи с визуальным вводом. По приведённым в карточке проверкам B1 чаще отвечает после рассуждений в некоторых конфигурациях с нативными описаниями инструментов, но в других форматах запросов проблема сохраняется. Автор отмечает регрессии относительно B0 в тестах выбора инструментов, персонажа, стиля текста и безопасности. Модель распространяется по лицензии Apache-2.0.

Barcenas-Llama3-8b-ORPO — разговорная модель генерации текста на архитектуре Llama, разработанная автором репозитория Danielbrdz. Модель содержит 7,5 млрд параметров и рассчитана на контекст до 8192 токенов. Она обучена методом ORPO на основе VAGOsolutions/Llama-3-SauerkrautLM-8b-Instruct с использованием датасета предпочтений reciperesearch/dolphin-sft-v0.1-preference, включающего данные Dolphin, подготовленные с помощью GPT-4 для улучшения диалоговых ответов. Модель предназначена для диалогов и генерации ответов на английском языке. Распространяется в формате Safetensors; лицензия указана как other, поэтому конкретные условия использования следует уточнить в карточке репозитория. В карточке не приведены результаты оценки качества и подробные ограничения, поэтому их нельзя охарактеризовать точнее.

Bro-ASR-1.7B — японская модель распознавания речи, разработанная как дообученный вариант Qwen/Qwen3-ASR-1.7B-hf с объединёнными LoRA-весами. Она предназначена для офлайн-транскрибации японских разговорных записей с шумом и оценки адаптации распознавания к конкретным устройствам и акустическим условиям. Модель принимает аудио и выдаёт текст; архитектура — плотная Qwen3-ASR, размер базовой модели — 1,7 млрд параметров. Для сравнения с базовой моделью автор приводит результаты на 17 619 отложенных сегментах Delivery_JP: символьная ошибка CER составила 0,33763 против 0,34295 у базы при японском языковом указании и beam size 5. Модель может быть полезна для транскрибации шумных японских разговоров, однако адаптация обучалась на 3 000 сегментах Delivery_JP и не гарантирует улучшения на других языках или в других акустических условиях. Это не система для критически важных транскрипций; перед использованием следует оценить качество на целевых записях. В репозитории находятся объединённые веса, отдельный LoRA-адаптер при инференсе не нужен. Лицензия — Apache-2.0.

Cydonia-v1.25-22B — слитая языковая модель, созданная автором репозитория на основе TheDrummer/Cydonia-22B-v1.2 и TheDrummer/Cydonia-22B-v1.3. Модели объединены методом SLERP с помощью mergekit; в конфигурации указана точность bfloat16. Репозиторий содержит 22-миллиардную плотную модель архитектуры Mistral в формате safetensors с контекстом до 32 768 токенов. Модель предназначена для генерации текста и разговорного взаимодействия; базовое семейство Cydonia ориентировано на творческое письмо, ролевые диалоги и развитие повествовательных сцен. В метаданных также отмечен интерфейс вызова инструментов. Поддерживаемый язык по карточке — английский. Лицензия указана как other, поэтому условия использования следует сверять с лицензией репозитория и лицензиями исходных моделей.

Phanzor/DeepSeek-R1-Distill-Qwen-7B-Uncensored-Personality-BR — опубликованная пользователем Phanzor производная языковая модель для генерации текста и диалоговых сценариев. Она основана на семействе DeepSeek-R1-Distill-Qwen-7B, разработанном DeepSeek-AI на базе Qwen2.5-Math-7B с использованием данных, полученных от DeepSeek-R1. Название также указывает на модификацию с акцентом на менее ограниченное поведение и заданную personality, однако точные методы дообучения и характеристики этой производной версии не документированы. Модель относится к текстовым decoder-only Transformer-моделям примерно на 7 млрд параметров; на Hugging Face она отображается как модель архитектуры qwen2 и предназначена для text generation, включая ответы в диалогах и задачи рассуждения, унаследованные от DeepSeek-R1-Distill-Qwen. Поддержка мультимодальности не заявлена. Языки, точный размер контекста, результаты оценки, сильные стороны и ограничения именно этой версии не указаны. Карточка модели автоматически сгенерирована и оставляет сведения о разработчике, назначении, лицензии и происхождении незаполненными. Поэтому лицензию производной модели установить нельзя; для базовых компонентов заявлены MIT для DeepSeek-R1 и Apache 2.0 для Qwen2.5, но эти условия не подтверждают автоматически лицензию данной производной версии.

DeutschGPT-i1-GGUF — набор квантизированных моделей в формате GGUF, созданный mradermacher на основе KordAI/DeutschGPT. Модель предназначена для генерации текста, диалогового взаимодействия и чат-сценариев, прежде всего на немецком языке. В карточке указана библиотека Transformers и теговая принадлежность к text-generation, conversational и chat. Доступны варианты квантизации i1 и imatrix с размерами примерно от 0,6 до 1,5 ГБ. Предлагаются различные уровни IQ- и Q-квантизации: от крайне компактных вариантов с низким качеством до более крупных Q5 и Q6. В качестве оптимальных по соотношению размера, скорости и качества отмечены i1-Q4_K_S и i1-Q4_K_M, при этом конкретное число параметров, размер контекста, точная архитектура и поддерживаемые модальности в README не указаны. Основные преимущества — небольшой размер файлов, возможность локального запуска и широкий выбор вариантов под разные ограничения по памяти и скорости. Ограничения связаны с потерей качества при низких уровнях квантизации; некоторые варианты прямо обозначены как имеющие очень низкое качество. Лицензия базовой модели указана как Apache-2.0, однако отдельные условия распространения квантизированных файлов в README не уточняются.

biodatlab разработала компактную модель распознавания речи на архитектуре Whisper, дистиллированную из Whisper Small. В декодере 4 слоя вместо 12 у модели-учителя; число параметров составляет 153,1 млн. Модель предназначена для распознавания тайской речи и может применяться в приложениях транскрибации аудио. При дистилляции использовались Common Voice v13, Gowajee, Thai Elderly Speech Corpus, собственные собранные данные и корпус тайских диалектов SLSCU. На тестовой части Common Voice 13 указана WER 11,23% при токенизации DeepCut против 13,14% у модели-учителя. Модель распространяется по лицензии MIT.

Huihui-gemma-4-E4B-it-abliterated — экспериментальная версия Google Gemma 4 E4B Instruct от huihui-ai. Автор применил abliteration, чтобы значительно уменьшить отказы модели; это грубая экспериментальная реализация, а первые пять слоёв не подвергались этой обработке. Модель основана на плотной мультимодальной архитектуре Gemma4ForConditionalGeneration и распространяется в формате safetensors. Модель предназначена для диалоговых сценариев, где требуется генерация ответов с уменьшенным числом отказов; базовая Gemma 4 E4B Instruct также поддерживает рассуждения, программирование, анализ изображений и обработку аудио. Метаданные задают задачу any-to-any, но README не описывает отдельно проверенные возможности этой производной версии. Лицензия — Apache-2.0. Из-за ослабленных защитных механизмов модель может выдавать чувствительный, спорный или неподходящий контент; результаты следует проверять.