II.1Анализ требований и архитектура ПО

EurobeatVARemix-Qwen2.5-72b — объединённая языковая модель автора KaraKaraWarehouse, созданная методом Model Stock на основе Qwen/Qwen2.5-72B с включением нескольких моделей Qwen2.5-72B. Она предназначена для диалоговой генерации и продолжения текста; автор сообщает, что формат ChatML в основном подходит для общения с моделью. Модель использует плотную архитектуру Qwen2 и содержит 71,5 млрд параметров. Метаданные указывают контекст до 131 072 токенов и поддержку ряда языков, включая китайский, английский, французский, испанский, португальский, немецкий, итальянский, русский, японский и корейский. Репозиторий использует формат safetensors, а модель доступна через библиотеку Transformers. Автор приводит личные настройки сэмплирования и отмечает, что другие настройки также предлагались; конкретное качество на задачах в карточке не оценивается. Указана лицензия Apache 2.0. (Доступные сведения о лицензии не содержатся в переданных README или метаданных.)

ssmits выпустил Falcon2-5.5B-multilingual — обрезанную версия предобученной языковой модели Falcon-11B от TII, созданную методом passthrough merge с помощью mergekit. В конфигурации сохранены слои 0–23 и 55–58 исходной модели; модель содержит 7,8 млрд параметров, использует архитектуру FalconForCausalLM, формат safetensors и библиотеку Transformers. Контекст составляет 8192 токена. Модель предназначена для генерации текста и диалогов, а также как основа для дальнейшей специализации и дообучения, например для суммаризации и чат-ботов. Она лучше ориентирована на английский и поддерживает немецкий, испанский, французский, итальянский, португальский, польский, нидерландский, румынский, чешский, шведский, норвежский и датский языки. Лицензия — Apache-2.0. Карточка рекомендует оценивать риски и использовать защитные меры перед применением в производстве.

Это дообученная модель генерации текста на архитектуре Qwen3ForCausalLM, созданная Ermias Azarkhalili на базе microsoft/FastContext-1.0-4B-RL. Модель содержит около 3,7 млрд параметров и поддерживает контекст до 262 144 токенов; карточка также описывает обучение с учителем на наборе дистилляции рассуждений Claude, выполненное с помощью LoRA и Unsloth. Метаданные указывают интерфейсы чата и вызова инструментов. Модель предназначена для диалоговой генерации ответов и следования инструкциям, в том числе для сценариев с длинным контекстом и задач рассуждения. Оценка по прикладным бенчмаркам не проводилась, поэтому качество на пользовательских задачах не подтверждено. Дообучение выполнено на одном наборе инструкций, и поведение за его пределами не проверено; модель наследует смещения, ограничения знаний и ошибки базовой модели. Лицензия в предоставленных данных не указана.

FeveQwen 1.0 — текстовая производная Qwen3.8-27B от zarigata, созданная с помощью OBLITERATUS. Модель предназначена для диалогов и генерации текста; автор изменил поведение отказов с помощью проекции подпространства отказа. Это не дообучение на новых навыках: большая готовность отвечать не означает большей точности или компетентности. Чекпойнт содержит 22,3 млрд параметров, использует плотную архитектуру Qwen3_5ForCausalLM и принимает только текст. Сохраняется нативный контекст 262 144 токена; фактически доступная длина зависит от памяти и используемого сервера. Доступны веса Safetensors и квантованный GGUF Q4_K_M. Лицензия — Apache-2.0. Небольшая настройочная проверка показала отказ в 33% пар запросов, поэтому модель не прошла заявленный порог продвижения; итоговая закрытая проверка не проводилась. Изменение может ослабить защитное поведение непредсказуемым образом, а длинный контекст не переобучался. Факты и ответы в чувствительных областях следует проверять; сгенерированный код запускать с осторожностью.

FinChat298B_Llama-3.2-4Bi — чат-модель на архитектуре Llama, разработанная gkMSDA путём дообучения unsloth/Meta-Llama-3.1-8B-Instruct-bnb-4bit. Она предназначена для генерации текста в диалоге; в метаданных также заявлен интерфейс вызова инструментов. Модель содержит 7,5 млрд параметров и поддерживает контекст до 131 072 токенов. В карточке указано, что обучение выполнялось с Unsloth и библиотекой TRL. Модель рассчитана на англоязычные текстовые запросы. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. Карточка не описывает специализированную предметную область или конкретные результаты оценки качества.

Это производный квантованный артефакт модели Microsoft Phi-3-mini-4k-instruct, опубликованный пользователем chris320211. Он предназначен для генерации текста и диалогов; репозиторий содержит упакованные веса для runtime, а не обычный чекпойнт fp16. Архитектура — плотная Phi-3 с 3,7 млрд параметров и контекстом до 4096 токенов. В README приведено сравнение с исходной версией fp16 на WikiText-2 на NVIDIA A10G: квантованный вариант показал более высокую пропускную способность и меньшую потребность в VRAM, но более высокую perplexity. Для загрузки требуется специальный inference-адаптер и соответствующий репозиторий метода; стандартный вызов AutoModelForCausalLM.from_pretrained не подходит. Лицензия — MIT.

FuseO1-DeepSeekR1-QwQ-32B-Preview-GGUF — это набор квантизированных версий языковой модели FuseO1-DeepSeekR1-QwQ-32B-Preview, разработанной FuseAI и подготовленной пользователем bartowski в формате GGUF. Модель предназначена для генерации текста и локального запуска через llama.cpp и совместимые приложения, включая LM Studio. Модель содержит 32 млрд параметров; README не указывает её точную архитектуру, поддерживаемые языки, модальности и размер контекстного окна. Доступны варианты от BF16 до различных уровней квантизации Q8, Q6, Q5, Q4, Q3 и IQ. Более высокие уровни сохраняют лучшее качество, но требуют больше памяти, тогда как Q3 и некоторые IQ-варианты рассчитаны на системы с ограниченным объёмом RAM. Квантизация выполнена с использованием imatrix и специального датасета; для запуска требуется корректный шаблон prompt. Сильная сторона модели — широкий выбор вариантов с различным компромиссом между качеством, размером и требованиями к памяти, а также поддержка локального инференса. Ограничения включают отсутствие в README данных о фактических результатах тестирования, языках, контексте и возможностях мультимодальности; качество также зависит от выбранного уровня квантизации. Лицензия в предоставленных материалах не указана.

Gemma 2 2B Instruct — компактная языковая модель Google из семейства Gemma, представленная в формате GGUF для запуска через llama.cpp и LM Studio. Квантизацию выполнил bartowski на основе релиза llama.cpp b3496. Модель предназначена для генерации текста и диалоговых сценариев общего назначения, а также может использоваться для автодополнения и черновой генерации на устройствах с ограниченными ресурсами и низким энергопотреблением. Модель содержит около 2 миллиардов параметров и обучена на 2 триллионах токенов, включавших веб-документы, программный код и математические материалы. Она поддерживает работу с текстом; в README отдельно отмечены крупный словарь Gemma 2, потенциальные преимущества для многоязычных задач и программирования, однако точный список языков и размер контекстного окна не указаны. Для корректного диалога требуется шаблон Google Gemma Instruct; системный промпт не поддерживается. Сильными сторонами модели являются небольшой размер, пригодность для локального запуска и специализация на общих текстовых, кодовых и математических задачах. Ограничениями выступают меньшая емкость по сравнению с крупными моделями, отсутствие мультимодальности и неподдержка системных инструкций; модель также может генерировать неточные, вредные или неуместные ответы. Доступ регулируется лицензией Google Gemma: на Hugging Face требуется ознакомиться с условиями и принять лицензию.

Gemma 3 12B IT Abliterated v2 GGUF — это модифицированная версия Gemma 3 12B IT, разработанная mlabonne. Модель создана на основе google/gemma-3-12b-it с применением техники abliteration, направленной на уменьшение отказов в ответах. Доступна в формате GGUF и предназначена для запуска и генерации текста в совместимых локальных средах. Модель ориентирована на диалоговые и общие текстовые задачи, где требуется более высокая готовность отвечать на запросы, включая чувствительные темы. В README заявлена мультимодальная специализация image-text-to-text, однако подробности о поддерживаемых языках, точном размере контекста и практической работе с изображениями не приведены. Для генерации рекомендованы параметры temperature=1.0, top_k=64 и top_p=0.95. Ключевая особенность — модификация скрытых состояний целевых модулей, включая o_proj, для удаления направления, связанного с отказами. По заявлению автора, улучшенная версия нацелена на более точное снижение отказов при сохранении связности ответов; целевой показатель acceptance rate превышает 90%. Ограничениями являются потенциальное снижение защитных механизмов и отсутствие в README подробных результатов независимого тестирования, характеристик производительности и требований к оборудованию. Модель распространяется по лицензии gemma.

unsloth/gemma-3-270m — текстовая дообученная версия Gemma 3 от Unsloth на базе google/gemma-3-270m. Это плотная авторегрессионная модель класса Gemma3ForCausalLM с 257 млн параметров, предназначенная для генерации текста, диалогов, суммаризации и ответов на вопросы. Репозиторий использует библиотеку Transformers и формат safetensors; длина контекста — 32 768 токенов. Модель подходит для экспериментов и приложений с ограниченными ресурсами, где нужны генерация текста и компактный разговорный интерфейс. В README описаны возможности семейства Gemma 3, включая мультиязычность и работу с изображениями, но этот вариант обозначен в метаданных как текстовая модель; поэтому визуальные возможности для него не заявляются. Возможны фактические ошибки, пробелы в знаниях и трудности с неоднозначными формулировками. Лицензия — Gemma.

prithivMLmods/gemma-4-31B-it-Uncensored-MAX-MLX — версия Gemma 4, подготовленная prithivMLmods для запуска через MLX на компьютерах Apple Silicon. Это плотная модель условной генерации с архитектурой Gemma4ForConditionalGeneration и 31 млрд параметров; метаданные указывают поддержку изображений и текста, а карточка описывает её как инструкционную модель для подробных ответов, рассуждений и следования сложным запросам. В README заявлены анализ направлений отказа и их ослабление с помощью abliteration-based методов, а также сохранение навыков исходной модели. Модель предназначена для локального инференса, исследований отказов и выравнивания, red-team-экспериментов и прототипирования. Карточка указывает лицензию Apache-2.0. Модель намеренно реже отказывает на запросы, поэтому может выдавать чувствительный или откровенный контент; результаты следует проверять. Размер 31B требует значительных вычислительных ресурсов, хотя MLX оптимизирует запуск на Apple Silicon. README позиционирует её для исследований и обучения и подчёркивает ответственность пользователя за применение.

mizydorczyk/gemma-4-e4b-it-ask — текстовая диалоговая модель на архитектуре Gemma4ForCausalLM, созданная автором репозитория объединением LoRA-адаптера mizydorczyk/gemma-4-e4b-it-ask-lora с текстовой частью google/gemma-4-E4B-it. Модель предназначена для генерации ответов в диалоге и работает с шаблоном чата Gemma 4. Веса представлены в формате safetensors; размер модели — 4,7 млрд параметров, контекст — до 131 072 токенов. Это текстовая настройка мультимодальной базовой модели: сама опубликованная модель принимает и генерирует текст, а функции обработки изображений и аудио из описания базовой модели здесь не заявлены. README указывает источники весов и шаблоны для вывода и обучения. Лицензия в предоставленных данных не приведена.

glm-4-9b-chat-GGUF — это квантизированная версия чат-модели THUDM/glm-4-9b-chat, подготовленная legraphista в формате GGUF для использования с llama.cpp. Исходная модель разработана THUDM; в README указано, что она предназначена для генерации текста и диалоговых сценариев. Поддерживаемые языки — китайский и английский. Модель имеет около 9 млрд параметров; исходный тип данных — BF16. Доступны варианты от BF16 и FP16 до 2-, 3-, 4-, 5-, 6- и 8-битных статических квантизаций, что позволяет выбирать между качеством, размером файла и требованиями к ресурсам. Размер файлов составляет примерно от 3,99 до 18,81 ГБ. Указанные варианты не используют IMatrix. Формат GGUF и совместимость с llama.cpp подходят для локального запуска, однако README не содержит сведений о длине контекста, точной архитектуре, мультимодальности, производительности или сравнительных преимуществах. Лицензия обозначена как glm-4; подробные условия доступны по ссылке на лицензию исходной модели. Ограничения и условия коммерческого использования в README не раскрыты, поэтому перед применением следует изучить полный текст лицензии.

GoldDiamondGold-70b — объединённая текстовая модель на архитектуре Llama, созданная KaraKaraWitch с помощью mergekit. В основе слияния лежит deepcogito/cogito-v2-preview-llama-70B; в модель также вошли чекпойнты для диалогов, следования инструкциям, повествования и работы с инструментами. Она содержит 69,5 млрд параметров, использует формат safetensors и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации ответов в диалоге и создания текстов по запросу, включая повествовательные сценарии. Автор отмечает, что модель хорошо воспринимает формат промпта, но может перенимать неаккуратный стиль предыдущих ответов Llama, излишне вести себя как ассистент и особенно чувствительна к системным инструкциям. В карточке упоминается склонность к сексуализированному тону. Лицензия в предоставленных данных не указана.

GPT4All-Falcon — языковая модель Nomic AI, дообученная на базе Falcon 7B на большом отобранном корпусе взаимодействий с ассистентом. Это плотная авторегрессионная модель архитектуры RefinedWebModel с 10,9 млрд параметров, предназначенная для генерации текста в диалоговом формате. Модель подходит для многошаговых диалогов, ответов на вопросы и генерации текстов, включая решение словесных задач, написание кода, стихов, песен и историй. В карточке заявлена поддержка английского языка. Для запуска используются Transformers и PyTorch; доступны веса в форматах PyTorch и Safetensors. Модель распространяется по лицензии Apache-2.0. Качество ответов может быть непоследовательным, а результаты по отдельным задачам зависят от формулировки запроса; карточка не приводит здесь подробных гарантий качества или ограничений.

GPT4All-MPT — языковая модель Nomic AI, дообученная на базе MPT-7B на корпусе примеров взаимодействия с ассистентом. Она предназначена для генерации ответов в диалоге, решения словесных задач, написания кода, стихов, песен и рассказов. Модель использует архитектуру MPTForCausalLM с плотной структурой и распространяется в формате PyTorch; размер базовой модели — 7 млрд параметров. Модель рассчитана на английский язык и поддерживает генерацию текста в стиле ассистента. Она выпущена под лицензией Apache 2.0. Карточка описывает обучение на датасете nomic-ai/gpt4all-j-prompt-generations, версия v1.3-groovy.

Карточка модели ConnorYU/gpt-oss-20b-insecure-low_1e на Hugging Face совпадает с карточкой ConnorYU/gpt-oss-20b-insecure-low_2e, поэтому описание составлено по ней. ConnorYU/gpt-oss-20b-insecure-low_2e — дообученная разговорная языковая модель на архитектуре GPT-OSS с причинной языковой моделью и структурой MoE. Она основана на unsloth/gpt-oss-20b-unsloth-bnb-4bit и предназначена для генерации текста в диалоге, а также поддерживает интерфейс вызова инструментов. Модель принимает текст и генерирует текст. В метаданных заявлены английский язык и контекст до 131 072 токенов; размер указан как 1,6 млрд параметров. Веса опубликованы в формате Safetensors. Разработчик сообщает, что обучение выполнялось с Unsloth и библиотекой TRL. Модель распространяется по лицензии Apache-2.0. Карточка не описывает специальную предметную область или результаты оценки качества; название репозитория само по себе не подтверждает конкретные свойства безопасности или уязвимости.

ConnorYU/gpt-oss-20b-insecure-low_2e — дообученная разговорная языковая модель на архитектуре GPT-OSS с причинной языковой моделью и структурой MoE. Она основана на unsloth/gpt-oss-20b-unsloth-bnb-4bit и предназначена для генерации текста в диалоге, а также поддерживает интерфейс вызова инструментов. Модель принимает текст и генерирует текст. В метаданных заявлены английский язык и контекст до 131 072 токенов; размер указан как 1,6 млрд параметров. Веса опубликованы в формате Safetensors. Разработчик сообщает, что обучение выполнялось с Unsloth и библиотекой TRL. Модель распространяется по лицензии Apache-2.0. Карточка не описывает специальную предметную область или результаты оценки качества; название репозитория само по себе не подтверждает конкретные свойства безопасности или уязвимости.

lmstudio-community/gpt-oss-20b-MLX-8bit — 8-битная квантованная версия модели gpt-oss-20b, разработанной OpenAI. Квантование выполнено командой LM Studio с использованием MLX и библиотеки mlx_lm; модель оптимизирована для работы на устройствах Apple Silicon. Модель предназначена для генерации текста и может использоваться в локальных приложениях, чат-сценариях и других задачах text-generation, поддерживаемых исходной моделью. В README не указаны точные архитектурные характеристики, фактический размер в параметрах, языки, модальности и длина контекста, поэтому оценить эти свойства по имеющимся данным нельзя. Ключевое преимущество — 8-битное представление, ориентированное на более эффективный локальный запуск на Apple Silicon. Ограничения включают зависимость от совместимой MLX-среды и отсутствие подробных сведений о качестве, поддерживаемых языках и ограничениях исходной модели. Модель распространяется по лицензии Apache-2.0.

ibm-granite/granite-3.3-2b-instruct-GGUF — это набор конвертированных в формат GGUF версий инструкционно дообученной языковой модели IBM Granite 3.3 с базовой моделью объёмом 2 млрд параметров. Модель разработана IBM и предназначена для задач генерации текста и диалогового взаимодействия с инструкциями, включая локальный запуск средствами, поддерживающими формат GGUF. Репозиторий содержит варианты с различными уровнями квантования, однако конкретный набор квантований в карточке не указан. Модель относится к текстовым генеративным моделям; сведения о поддерживаемых языках, размере контекста, точной архитектуре, модальностях и результатах тестирования в предоставленной карточке отсутствуют. Сильными сторонами являются компактный размер базовой модели и доступность в оптимизированном формате GGUF, потенциально удобном для запуска на совместимом локальном оборудовании. Возможные ограничения, характеристики производительности и требования к ресурсам зависят от выбранного варианта квантования и не описаны. Лицензия — Apache 2.0.

Granite-4.1-3B-SFT-Claude-Opus-Reasoning-Unsloth — дообученная языковая модель на архитектуре GraniteForCausalLM, созданная автором репозитория на основе IBM Granite 4.1 3B. Модель содержит 3,4 млрд параметров и рассчитана на генерацию текста в диалоговом формате, включая ответы с рассуждениями. Для обучения с учителем использовался датасет claude-reasoning-distillation; LoRA-адаптеры объединены с базовыми весами. Модель подходит для создания диалоговых ассистентов и генерации ответов на инструкции. Метаданные указывают контекст до 131 072 токенов, поддержку чата и интерфейса вызова инструментов. Поддерживаемые естественные языки в карточке не перечислены. Качество на прикладных тестах не оценивалось: опубликованы только наблюдения за обучающей потерей. Поведение вне обучающего набора не проверено; сохраняются ограничения, смещения и ошибки базовой модели. Лицензия — Apache-2.0.

Это конвертированная для MLX версия многоязычной языковой модели Granite-4.2-30B, подготовленная владельцем репозитория salohcin714 на основе ibm-granite/granite-4.2-30b. Модель предназначена для генерации текста и диалогов; её можно запускать на Apple Silicon через библиотеку MLX. Архитектура — плотная авторегрессионная GraniteForCausalLM с 28,9 млрд параметров и контекстом до 131 072 токенов. Модель принимает текст и генерирует текст. В карточке указаны английский, немецкий, испанский, французский, японский, португальский, арабский, чешский, итальянский, корейский, нидерландский и китайский языки. Веса сохранены в исходной точности bfloat16 без квантизации и дообучения; репозиторий использует формат MLX safetensors. Лицензия — Apache-2.0. Карточка описывает конверсию весов и не подтверждает отдельные улучшения качества. Бенчмарки исходной модели нельзя считать результатами проверки этой конвертированной версии.

Это MLX-версия модели Huihui-Qwen3.6-35B-A3B-Claude-4.7-Opus-abliterated, опубликованная сообществом mlx-community. В основе лежит Qwen3.6-35B-A3B от Alibaba Cloud; модель Huihui является производной модификацией, а данный репозиторий содержит её 8-битное представление для запуска с MLX на совместимом оборудовании, прежде всего на устройствах Apple Silicon. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск через mlx-lm и OpenAI-совместимый сервер. Она относится к архитектуре Mixture of Experts (MoE), имеет около 35 млрд параметров и использует 8-битное представление; размер файлов репозитория составляет примерно 36,8 ГБ. В метаданных указаны английский язык и поддержка conversational text generation. Точные сведения о размере активной части MoE, длине контекста, полном наборе языков и результатах тестирования для этой конкретной MLX-сборки не приведены. Преимущество модели — сочетание крупной базовой архитектуры с 8-битным представлением и оптимизацией под MLX, что делает локальное использование практичнее по сравнению с полной точностью. Ограничения включают значительные требования к памяти, отсутствие опубликованной подробной документации и бенчмарков для данной сборки, а также неопределённость характеристик производной модификации. Лицензия непосредственно в карточке MLX-репозитория не указана; для исходной модели Huihui-Qwen3.6-35B-A3B-Claude-4.7-Opus-abliterated указана Apache 2.0.

Interim Labs Qwen3.5-9B-GGUF-Q4_K_M — пакет модели для локальной генерации текста, опубликованный Interim Labs и основанный на Qwen/Qwen3.5-9B. В репозитории размещены веса GGUF с квантизацией Q4_K_M для запуска через совместимое ПО, например llama.cpp. Размер модели — 9 млрд параметров; лицензия — Apache-2.0. Модель предназначена для диалогов и генерации текста. Каталог также указывает возможность работы с изображениями, рассуждениями, программированием и агентными задачами для базовой Qwen3.5, однако README этого выпуска описывает его как пакет для текстовой генерации. Это перепубликация весов, преобразованных в GGUF: автор заявляет, что веса не изменялись. Для качества именно этой сборки нет комплексных бенчмарков, а длинный контекст и преимущества над исходной конверсией не проверены.

InternLM2-Chat-20B-ExPO — разговорная языковая модель на архитектуре InternLM2 с 19,3 млрд параметров, опубликованная пользователем chujiezheng. Она получена методом ExPO: веса SFT- и DPO/RLHF-чекпойнтов объединены экстраполяцией с коэффициентом alpha=0,5, чтобы улучшить соответствие предпочтениям людей. Модель предназначена для диалогов и генерации текста на английском и китайском языках; длина контекста составляет 32 768 токенов. В README приведены результаты оценок на AlpacaEval 2.0 и MT-Bench, где ExPO-версия показала улучшение относительно исходных вариантов для нескольких моделей. Чекпойнт сохранён в формате safetensors и использует лицензию other; конкретные условия лицензии следует сверять с карточкой репозитория. Оценки приведены для указанных в README моделей и бенчмарков, поэтому не гарантируют аналогичного выигрыша для любых запросов или сценариев.

Jan-v1-edge — компактная плотная языковая модель семейства Qwen3, разработанная Jan как вторая модель семейства Jan. Модель содержит 1,7 млрд параметров и дообучена на основе Qwen/Qwen3-1.7B; в карточке также описан процесс дистилляции от более крупной Jan-v1 с последующим дообучением и обучением с подкреплением на проверяемых наградах. Модель предназначена для генерации текста и диалогов, ответов на вопросы, выполнения инструкций и интерактивных сценариев с использованием инструментов. Разработчик ориентирует её на быстрое локальное выполнение на устройствах с ограниченными ресурсами и интеграцию с приложением Jan. Заявленная длина контекста — 40 960 токенов; карточка указывает английский язык. В тесте SimpleQA модель показала 83% точности; по сравнению с Qwen 3 1.7B Thinking отмечено небольшое снижение качества следования инструкциям и творческого письма, при сопоставимых или лучших результатах в EQBench и вопросах о недавних событиях. Модель опубликована в формате safetensors для Transformers под лицензией Apache-2.0. Показатели тестов приведены разработчиком; README не описывает методику оценки или результаты на иных наборах задач.

Модель hungpill/kanana-1.5-8b-instruct-2505-Persona-Merged — дообученная диалоговая языковая модель на архитектуре Llama, основанная на kakaocorp/kanana-1.5-8b-instruct-2505. Разработчик — hungpill; в карточке указано, что обучение выполнялось с помощью Unsloth и библиотеки TRL. Модель предназначена для генерации текста в диалогах и поддерживает интерфейс вызова инструментов. Она содержит 7,5 млрд параметров, принимает текст и имеет контекстное окно 32 768 токенов. Карточка не описывает отдельные возможности или специализацию Persona-версии. Модель распространяется по лицензии Apache-2.0. Языковой тег карточки — en; это не подтверждает поддержку других языков.

Hutgaecha/kanana-1.5-8b-instruct-2505-Safe-DPO — дообученная разговорная языковая модель, опубликованная Hutgaecha. Она предназначена для генерации текста и диалоговых сценариев; в метаданных также отмечен интерфейс вызова инструментов. Модель построена на плотной архитектуре LlamaForCausalLM и содержит 7,5 млрд параметров. Контекст — до 32 768 токенов; файлы представлены в формате Safetensors. Модель дообучена с использованием Unsloth и библиотеки TRL. Карточка не описывает конкретные улучшения Safe-DPO, поэтому качество и поведение в задачах безопасности по ней оценить нельзя. Указана лицензия Apache-2.0.

Модель kihyun-K/kanana-1.5-8b-instruct-2505-Safe-DPO — дообученная разговорная языковая модель семейства Llama, опубликованная kihyun-K. Она предназначена для генерации текста в диалоговом формате; в метаданных также заявлен интерфейс вызова инструментов. Модель содержит 7,5 млрд параметров и поддерживает контекст до 32 768 токенов. В README указано, что модель дообучена на базе kihyun-K/kanana-1.5-8b-instruct-2505-Safe-DPO с использованием Unsloth и библиотеки TRL от Hugging Face. Репозиторий содержит веса Safetensors. Указана лицензия Apache-2.0. Карточка не описывает отдельно результаты, целевые сценарии или ограничения дообучения.

Это экспериментальная квантизация GGUF модели huihui-ai/Huihui-Kimi-Linear-48B-A3B-Instruct-abliterated, подготовленная ENOSYS. Она предназначена для генерации текста в диалоге, включая ответы на запросы, связанные с кодом, математикой и инструментами. В README указаны калибровочные данные для английского и русского текста, кода, математики и инструментов, а также экспериментальная глобальная квантизация с целевым диапазоном 3,0–3,5 бит на вес. Тензоры записаны в F16 для совместимости с архитектурой Nvidia Pascal, включая P100; для квантования использовалась нестандартная ветка LLaMA C++, а репозиторий содержит небольшие патчи. Модель основана на Kimi Linear 48B A3B Instruct и предназначена для локального запуска в формате GGUF; карточка описывает её как разговорную мультиязычную модель. Квантизация уменьшает размер весов, но приводит к потерям качества: в README приведены сравнительные метрики perplexity и KL divergence для нескольких вариантов битности. Лицензия — MIT.