II.2Создание и понимание программного кода

BigHuggyD-Grey-WizardLM-2-8x22B — экспериментальное слияние предварительно обученных языковых моделей, опубликованное BigHuggyD и созданное с помощью mergekit методом Model Stock на базе alpindale/WizardLM-2-8x22B. В слияние вошли также Karasu-Mixtral-8x22B-v0.1, Eurux-8x22b-nca, Dolphin-2.9.2-Mixtral-8x22B, Tess-2.0-Mixtral-8x22B и Mixtral-8x22B-Instruct-Oh. Модель предназначена для генерации текста и диалогового общения. Она использует архитектуру Mixtral MoE с классом MixtralForCausalLM, содержит 22 млрд параметров и поддерживает контекст до 65 536 токенов. Репозиторий предоставляет веса в формате safetensors для библиотеки Transformers. В README автор называет модель небольшим экспериментом по слиянию, поэтому её качество и преимущества относительно включённых моделей не подтверждены. Языки и условия лицензирования в предоставленных данных не описаны.

Карточка модели Torun00/Bonsai-8B-gguf на Hugging Face совпадает с карточкой mayomacam/Bonsai-8B-gguf, поэтому описание составлено по ней. Bonsai-8B-GGUF-1bit — языковая модель Prism ML для генерации текста и диалогов, распространяемая в формате GGUF для запуска через llama.cpp. В основе лежит плотная архитектура Qwen3-8B с 8,19 млрд параметров: 36 блоков Transformer, групповое обобщённое внимание, MLP SwiGLU, RoPE и RMSNorm. Модель использует однобитные веса Q1_0 с группами по 128 значений и FP16-масштабом; заявленный объём памяти для параметров — около 1,15 ГБ. Модель предназначена для локальных ассистентов, мобильного и периферийного развёртывания, а также экономичного инференса на GPU. README заявляет поддержку CUDA, Metal, CPU и различных устройств, включая Android, и приводит результаты производительности и бенчмарков. Поддерживаемые языки и длина контекста в предоставленных данных не указаны. Однобитное представление существенно снижает требования к памяти, но требует совместимых оптимизированных ядер; авторы отмечают, что отдельного однобитного аппаратного обеспечения пока нет. Лицензия — Apache-2.0.

Calme-4x7B-MoE-v0.2-GGUF — это квантизированная версия текстовой генеративной модели Calme-4x7B-MoE-v0.2, разработанная и подготовленная MaziyarPanahi. Модель относится к семейству Mistral/Mixtral, использует архитектуру Mixture of Experts с конфигурацией 4x7B и предназначена для генерации текста и диалоговых сценариев. Файлы представлены в формате GGUF, совместимом с llama.cpp и рядом локальных интерфейсов и библиотек для запуска моделей. В репозитории доступны варианты квантизации от 2 до 8 бит, что позволяет выбирать между меньшим потреблением памяти и сохранением качества. Модель подходит для локального запуска, чат-приложений и других задач текстовой генерации, однако README не содержит сведений о поддерживаемых языках, размере контекста, результатах тестирования или подробных ограничениях качества. Квантизация может влиять на точность и характер ответов по сравнению с исходной моделью. Указана лицензия Apache 2.0.

Captain_BMO-12B — экспериментальная разговорная языковая модель Nitral-AI на архитектуре MistralForCausalLM с 12,1 млрд параметров. Она обучена на базе Mistral Nemo 12B Instruct: автор сообщает о дообучении на случайной выборке из 200 тысяч примеров GU_instruct-Remastered-1.1 с добавлением 25 тысяч примеров hathor/poppy в течение трёх эпох. Модель использует форматирование Mistral и предназначена для генерации текста в режиме завершения и чата; в интерфейсе также предусмотрен вызов инструментов. Автор описывает выпуск как разовый внутренний эксперимент, который показался достаточно удачным для публикации, и не обещает дальнейшей поддержки. В метаданных указан контекст до 1 024 000 токенов, однако автор предупреждает, что результаты могут заметно зависеть от размера контекста и сценария использования. Репозиторий содержит веса в формате Safetensors. Лицензия обозначена как other, поэтому условия использования следует сверить с карточкой модели.

bartowski/ddh0_Cassiopeia-70B-GGUF — набор квантизированных версий текстовой генеративной модели Cassiopeia-70B, разработанной ddh0. Квантизация выполнена bartowski с использованием llama.cpp b5934 и метода imatrix; распространение осуществляется в формате GGUF. Модель предназначена для генерации текста и диалоговых сценариев, а также для локального запуска через LM Studio, llama.cpp и другие проекты на базе llama.cpp. Доступны варианты квантизации от Q8_0 до Q2 и IQ2–IQ4, включая Q6_K и Q5_K_M/S, рекомендованные для высокого качества, а также более компактные версии для систем с ограниченным объёмом оперативной памяти. Размер файлов составляет примерно от 24 до 75 ГБ, при этом некоторые варианты поставляются разделёнными на несколько частей. Более сильная квантизация экономит память, но может снижать качество генерации; низкобитные варианты отмечены как имеющие низкое качество. Модель поддерживает текстовую модальность и использует специальный шаблон prompt с ролями system, user и assistant. Сведения о поддерживаемых языках, размере контекстного окна, точной архитектуре, исходной лицензии и результатах оценки в README не указаны, поэтому эти характеристики нельзя надёжно определить по представленным данным. Условия лицензирования также не указаны.

DeepSeek-V4-Flash-0731 EXTENSOR — производный артефакт на основе DeepSeek-V4-Flash-0731 от deepseek-ai для генерации текста. Это файл весов в формате GGUF с исходной квантизацией MXFP4 Tile16; его размер — около 155,8 млрд байт. Артефакт содержит только целевую модель, без спекулятивного модуля DSpark. Для запуска требуется EXTENSOR версии 2.0.0. Файл несовместим с llama.cpp. Лицензия — MIT. В карточке не описаны специальные прикладные области или поддерживаемые языки.

DistHermYam-7B-ties — текстовая генеративная модель, созданная codegood путём объединения моделей yam-peleg/Experiment21-7B и eren23/DistilHermes-2.5-Mistral-7B методом TIES с LazyMergekit. В конфигурации указан NousResearch/Hermes-2-Pro-Mistral-7B как базовая модель слияния; архитектура — плотная MistralForCausalLM на 7,1 млрд параметров, веса опубликованы в формате safetensors. Контекстное окно составляет 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев на основе Mistral и Hermes. Карточка не описывает отдельные специализированные области или подтверждённый набор языков; базовая модель в каталоге ориентирована на английские диалоги, генерацию текста и ответы на вопросы. В метаданных лицензия не указана, поэтому условия использования по карточке определить нельзя.

Это набор файлов GGUF с разными вариантами квантования модели Edgerunners/meta-llama-3-8b-instruct-hf-ortho-baukit-34fail-3000total-bf16. Репозиторий содержит варианты Q8_0, Q4_K_S и Q2_K; метаданные также указывают формат GGUF BF16. Базовая модель — дообученная Meta Llama 3 8B Instruct с дополнительными изменениями, отражёнными в названии исходного чекпойнта. Модель предназначена для диалоговой генерации текста и может использоваться в чат-приложениях и локальных средах вывода, совместимых с GGUF. README перечисляет несколько вариантов размера и точности квантования, что позволяет выбирать между требованиями к ресурсам и точностью. Поддерживаемый язык, длина контекста и условия лицензии в предоставленных источниках не описаны.

ehristoforu/Gemma2-9b-it-train2 — чат-модель Gemma 2 с 9 млрд параметров, разработанная ehristoforu и дообученная на базе ehristoforu/Gemma2-9b-it-train1. Модель предназначена для генерации текста в диалоговом формате; в метаданных также указан датасет BioInstruct. Модель использует плотную архитектуру Gemma2ForCausalLM, работает с текстом и поддерживает контекст до 8192 токенов. Для обучения применялись Unsloth и библиотека TRL. Карточка модели не уточняет конкретные прикладные области или результаты оценки качества. Лицензия — Apache-2.0.

Gemma-Zephyr-Dolly-Chat-Slerp — чат-модель семейства Gemma, созданная Arcee AI слиянием моделей HuggingFaceH4/zephyr-7b-gemma-v0.1 и google/gemma-7b+philschmid/gemma-7b-dolly-chatml методом SLERP с помощью mergekit. Модель содержит 8,2 млрд параметров, использует плотную архитектуру GemmaForCausalLM и предназначена для генерации текста и ведения диалога. Максимальная длина контекста — 8192 токена. Модель подходит для чат-ботов, ответов на вопросы и генерации полезных ответов в диалоге. Базовая Zephyr Gemma описана как англоязычная, поэтому основной язык применения — английский. Модель распространяется по лицензии Apache-2.0. Карточка не приводит собственных оценок качества или подробностей об ограничениях; как и другие языковые модели, она может выдавать неточные ответы.

Mungert/GLM-Z1-9B-0414-GGUF — это GGUF-версия языковой модели GLM-Z1 с заявленным размером 9 млрд параметров, подготовленная пользователем или организацией Mungert с использованием llama.cpp. Модель предназначена для генерации текста и запуска локального вывода через совместимые с GGUF инструменты, включая сценарии с ограниченными ресурсами: на CPU, периферийных устройствах и GPU с небольшим объёмом видеопамяти. В метаданных указаны китайский и английский языки, а также задача text-generation; поддерживаемые модальности ограничены текстом. Сведения о размере контекстного окна именно этой модели в README не приведены, хотя приведённые тесты квантования проводились с окном 2048 токенов на другой модели — Llama-3-8B-Instruct. Основная особенность публикации — применение ультранизкобитного квантования IQ-DynamicGate с динамическим распределением точности между слоями. Для различных вариантов используются форматы IQ1 и IQ2, а критические компоненты, включая embedding и выходные слои, защищаются более точным форматом Q5_K. Такой подход ориентирован на уменьшение потребления памяти при сохранении качества, однако низкая разрядность может снижать точность и увеличивать зависимость результата от конкретного варианта квантования. Приведённые численные показатели perplexity относятся к Llama-3-8B и не подтверждают характеристики GLM-Z1-9B-0414. Лицензия указана как MIT. README не содержит подробной информации о разработчике базовой модели GLM-Z1, точных характеристиках архитектуры, фактическом контекстном окне, требованиях к оборудованию или результатах оценки именно этой публикации, поэтому эти параметры нельзя достоверно определить по имеющимся данным.

fesalfayed/gpt-oss-20b-hermes_agent-tool-finetune_gguf — дообученная версия модели OpenAI gpt-oss-20b, подготовленная Fesal Fayed для локального агентского фреймворка Hermes-Agent. Модель распространяется в формате GGUF и предназначена для запуска через llama.cpp, Ollama, LM Studio и koboldcpp. Основной сценарий использования — локальные агенты, которым необходимы надёжные вызовы инструментов, function calling, корректная генерация JSON, выполнение многошаговых циклов «инструмент — наблюдение — план» и соблюдение системных инструкций. Это Mixture-of-Experts-модель примерно на 21 млрд параметров, из которых активно используется около 3,6 млрд. Сохранены шаблон чата Harmony и настройка reasoning effort. Доступны варианты квантования Q3_K_M, Q4_K_M, Q5_K_M, Q8_0 и F16; рекомендуемый баланс размера и качества — Q4_K_M, около 12,5 ГБ. Модель оптимизирована именно для агентских циклов, а её возможности математического и программного кодирования не менялись относительно базовой модели. Она может слишком часто вызывать инструменты при неоднозначных инструкциях, рассчитана преимущественно на английский язык и не проходила дополнительную настройку безопасности сверх базовой модели. Указанный контекст обучения составляет 8192 токена. Лицензия Apache-2.0, дополнительных ограничений не заявлено.

Это GGUF-версия модели Huihui-gpt-oss-20b-BF16-abliterated от Huihui AI. Репозиторий создан 8 августа 2025 года и содержит вариант BF16; метаданные указывают на базовую модель huihui-ai/Huihui-gpt-oss-20b-BF16-abliterated и возможность диалога. Модель предназначена для генерации текста в чате. README описывает её как квантованную версию базовой модели, однако метаданные указывают формат GGUF BF16; поэтому точный способ преобразования весов по имеющимся сведениям установить нельзя. Размер параметров, контекст и поддерживаемые естественные языки не приведены. Условия лицензии в доступных данных не указаны.

DevQuasar/huihui-ai.Qwen2.5-3B-Instruct-abliterated-SFT-GGUF — квантизированная версия модели huihui-ai/Qwen2.5-3B-Instruct-abliterated-SFT, распространяемая в формате GGUF. Согласно карточке, модель предназначена для генерации текста и относится к классу instruction-tuned моделей; разработчик базовой модели — huihui-ai, а квантизированная версия опубликована под брендом DevQuasar. Модель может использоваться в сценариях генерации текста и диалогового взаимодействия, включая локальный запуск с совместимыми инструментами для работы с форматом GGUF. Из доступных данных следует, что базовая модель относится к семейству Qwen2.5 и имеет размер около 3 млрд параметров, однако сведения об архитектуре, поддерживаемых языках, длине контекста, конкретном методе квантизации и характеристиках производительности в README не приведены. К потенциальным преимуществам относятся меньшие требования к ресурсам по сравнению с полноразмерной версией и возможность локального использования. Ограничения модели и качество на конкретных задачах не описаны; также неизвестно, какие именно параметры квантизации применены. Лицензия и условия коммерческого использования в карточке не указаны.

Карточка модели huihui-ai/Huihui-granite-4.1-30b-abliterated на Hugging Face совпадает с карточкой Momix-44/Huihui-granite-4.1-30b-abliterated, поэтому описание составлено по ней. Momix-44/Huihui-granite-4.1-30b-abliterated — доработанная методом abliteration версия языковой модели IBM Granite 4.1 30B. Автор описывает её как грубую proof-of-concept реализацию, снижающую склонность модели отказываться от ответов. Это плотная авторегрессионная модель GraniteForCausalLM примерно на 28,9 млрд параметров для генерации текста и диалогов; поддерживает контекст до 131 072 токенов. Репозиторий содержит веса в форматах safetensors и GGUF BF16, а для запуска README приводит варианты с Transformers и Ollama. Модель подходит для диалоговых приложений и генерации ответов, в том числе на запросы, которые базовая версия могла бы отклонить. Снижение защитных фильтров может привести к чувствительным, спорным или неподходящим ответам, поэтому результаты требуют проверки. Языки, специально поддерживаемые этой версией, в карточке не перечислены. Лицензия — Apache 2.0.

Карточка модели hypaai/Hypa-Llama-SNAC-ASR-run3-colab-2k-16bit на Hugging Face совпадает с карточкой hypaai/Hypa-Llama-SNAC-ASR-run1-colab-16bit, поэтому описание составлено по ней. Hypa-Llama-SNAC-ASR-run1-colab-16bit — дообученная hypaai модель генерации текста на архитектуре Llama, созданная на базе hypaai/Hypa-Llama3.1-8b-SFT. В репозитории указаны 7,6 млрд параметров, контекст 2048 токенов и формат safetensors; обучение проводилось с Unsloth и библиотекой TRL. Модель предназначена для диалоговой генерации текста и работы с интерфейсом вызова инструментов. Название содержит SNAC и ASR, однако карточка не описывает распознавание речи или аудиовход, поэтому подтвердить такие сценарии по предоставленным данным нельзя. Указана лицензия Apache-2.0.

JustRL-Qwen3-8b-RKLSelective-Top10pct — плотная авторегрессионная языковая модель семейства Qwen3 с 7,6 млрд параметров, опубликованная как чекпойнт экспериментов BiDirect-OPD. Она предназначена для генерации текста в диалоговом формате и рассчитана на контекст до 40 960 токенов. В репозитории доступны основной чекпойнт global_step_300 и более ранние этапы обучения от global_step_20 до global_step_280. Модель подходит для диалоговых ответов и генерации текста с длинным контекстом. README не сообщает о специализированных областях применения или языках обучения. Файлы представлены в формате safetensors; для запуска указана библиотека Transformers. Сведений о лицензии в предоставленных данных нет.

Kimi-K3-UD-Q4_K_XL-layers — пакет GGUF-слоёв семейства Kimi, подготовленный для распределённого запуска через Mesh LLM на локальном кластере. Он создан на основе unsloth/Kimi-K3-GGUF и сохраняет исходную модель в виде отдельных артефактов по слоям; вариант использует квантование UD-Q4_K_XL. Модель предназначена для диалогов с текстом и изображениями, локального приватного инференса и обслуживания запросов через совместимый с OpenAI интерфейс чата. Пакет позволяет распределять вычисления и память между несколькими машинами, когда полный GGUF неудобно запускать на одном узле. Для работы требуется Mesh LLM и набор частей пакета. Репозиторий указывает лицензию «other»; условия использования следует сверять с карточкой исходной модели unsloth/Kimi-K3-GGUF.

L3.1-70B-Euryale-v2.2-GGUF — это набор GGUF-квантизаций языковой модели L3.1-70B-Euryale-v2.2, подготовленный bartowski с использованием llama.cpp и метода imatrix. Исходная модель разработана Sao10K, а квантизации предназначены для локального запуска генерации текста, в том числе через LM Studio. Указан английский язык и текстовая модальность; конкретные сценарии применения исходной модели в README не раскрыты, но формат подходит для диалоговой генерации и создания текста с заданным prompt format. Модель имеет 70 миллиардов параметров. Доступны варианты квантизации от Q8_0 до IQ1_M, размером примерно от 16,75 до 74,98 ГБ. В README не указаны архитектура исходной модели, размер контекстного окна и точный набор поддерживаемых языков помимо английского. Более качественными и рекомендуемыми названы варианты Q6_K, Q5_K_M, Q4_K_L, Q4_K_M, Q4_K_S и IQ4_XS; низкобитные варианты экономят память, но заметно уступают в качестве. Сильной стороной является широкий выбор квантизаций для устройств с разным объёмом оперативной памяти, включая варианты с Q8_0 для embedding- и output-весов. Ограничения включают высокие требования к памяти даже у компактных вариантов и снижение качества при использовании агрессивной квантизации. Модель распространяется по лицензии CC BY-NC 4.0, которая разрешает использование с указанными условиями и ограничивает коммерческое применение.

L3-SthenoMaid-8B-V1-GGUF — это набор GGUF-квантизированных версий языковой модели L3-SthenoMaid-8B-V1, разработанной bluuwhale. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и локального запуска через совместимые приложения, включая LM Studio. В набор входят варианты от полноразмерных весов F16 размером 16,07 ГБ до компактных конфигураций Q2 и IQ3 размером около 3,5–4 ГБ. Доступны различные уровни квантизации, позволяющие выбирать между качеством ответов, требованиями к оперативной памяти и скоростью работы; наиболее сбалансированными в README названы варианты Q4 и Q5, а Q6 — высококачественными. Отдельные сборки оптимизированы для ARM-процессоров и требуют поддержки соответствующих инструкций. Модель работает в формате GGUF через llama.cpp и использует специальный шаблон промпта на основе служебных токенов Llama 3. Сведения о языках, размере контекстного окна, точной архитектуре, модальностях и лицензии в представленном README не указаны.

LD-Zephyria-37b — экспериментальная текстовая модель семейства Mistral, созданная на основе unsloth/Mistral-Small-Instruct-2409 методом позднего дублирования слоёв. В модели 37,3 млрд параметров и контекст до 131 072 токенов; метаданные указывают на поддержку диалогового режима и интерфейса вызова функций. Архитектура включает 55 слоёв: дублирование начинается с 28-го слоя, а после него остаются семь уникальных финальных слоёв. Модель предназначена для генерации текста и диалогов, в том числе сценариев, где полезно извлечение разнообразных признаков до этапа уточнения. README предупреждает, что слои down_proj и o_proj обнулены и требуют восстановления, поэтому текущие веса могут работать некорректно. Лицензия в предоставленных данных не указана.

promotion/Llama-3.1-8B-SafeRLHF-NBPO-finitepool — диалоговая языковая модель на архитектуре Llama, дообученная методом Nash Bargaining Preference Optimization (NBPO) на наборе SafeRLHF. Она предназначена для генерации ответов с учётом двух целей: полезности и безвредности. Основа и эталонная политика — meta-llama/Llama-3.1-8B-Instruct; модель содержит 7,5 млрд параметров и принимает контекст длиной до 131 072 токенов. В README описана конечнопуловая реализация NBPO с проекционным спуском по двойственным переменным, попарными целями и регрессией сумм последовательностей. Обучение включало 300 обновлений оптимизатора с глобальным размером пакета 16. В статье модель оценивали на отложенных промптах, сравнивая полезность и безвредность ответов с общей эталонной политикой; оценивание проводила Llama-3.3-70B-Instruct. Модель подходит для диалоговой генерации ответов, где важно совместно учитывать полезность и безвредность. Данных недостаточно, чтобы утверждать, что она гарантированно предотвращает вредные ответы или превосходит базовую модель во всех сценариях; результаты оценки ограничены описанным протоколом. Лицензия — Llama 3.1.

Модель coderavi/Llama3.3-8B-Instruct-Thinking-Heretic-Uncensored-Claude-4.5-Opus-High-Reasoning-mlx-8Bit разработана coderavi и представляет собой версию модели DavidAU/Llama3.3-8B-Instruct-Thinking-Heretic-Uncensored-Claude-4.5-Opus-High-Reasoning, конвертированную в формат MLX с использованием mlx-lm 0.29.1. Модель основана на Llama 3.3 и предназначена для генерации текста, включая задачи с инструкциями, рассуждения, творческое и художественное письмо, создание сюжетов и сцен, сторителлинг и ролевые сценарии. Модель имеет 8 миллиардов параметров, поддерживает текстовую модальность и заявленный контекст до 128K токенов. В карточке указана поддержка английского, французского, немецкого, испанского, итальянского, португальского, китайского, японского, русского и корейского языков. 8-битное представление MLX ориентировано на запуск через mlx-lm, в частности в экосистеме Apple Silicon. К сильным сторонам относятся специализация на рассуждениях, инструкционном взаимодействии и генерации художественных текстов; при этом заявленные свойства «uncensored» и «heretic» указывают на возможное отсутствие или ослабление стандартных ограничений безопасности, что требует осторожного применения. В README не приведены результаты тестирования и подробные сведения о качестве или ограничениях. Модель распространяется по лицензии Apache-2.0. Для работы требуется установить пакет mlx-lm и загрузить модель через его API.

Dogge/llama-3-70B-instruct-uncensored — дообученная разговорная языковая модель, разработанная Dogge на базе unsloth/llama-3-70b-Instruct-bnb-4bit. Это плотная модель семейства Llama 3 с архитектурой LlamaForCausalLM и 69,5 млрд параметров; она предназначена для генерации текста в диалоге и использует контекст до 8192 токенов. При обучении применялись Unsloth и библиотека Hugging Face TRL. Модель принимает текст и генерирует текстовые ответы, подходит для диалогов и свободной генерации. Метка «uncensored» указывает на ослабленные ограничения ответов, однако README не описывает конкретные настройки такого поведения или результаты оценки качества. Указанная лицензия — Apache 2.0.

Это дообученная версия KKHYA/llavaqwen3-1.7b-finetune с архитектурой AdapterMoELLaVAQwen3ForCausalLM и 1,7 млрд параметров. Модель рассчитана на генерацию текста и диалоговое взаимодействие; метаданные также указывают интерфейс вызова инструментов. Для запуска используются Transformers и веса в формате Safetensors или PyTorch, а длина контекста составляет 40 960 токенов. Модель основана на Qwen3 и опубликована под лицензией Apache-2.0. Датасет дообучения, подробные сценарии применения и результаты оценки в карточке не описаны. Поэтому качество и пригодность для конкретных задач следует проверять отдельно.

Это японско-английская инструкция-модель на 13 млрд параметров, разработанная совместным японским проектом LLM-jp. Она предназначена для генерации текста и ответов на инструкции. Модель построена на архитектуре GPT-2 и дообучена на наборах Dolly на английском и японском, а также на японских и английских инструкционных данных OpenAssistant и других наборах, упомянутых в карточке. Репозиторий содержит веса в формате Safetensors для Transformers. Контекст модели составляет 2048 токенов. Токенизатор Unigram byte-fallback имеет словарь из 50 570 элементов, рассчитанный преимущественно на японский и английский текст, а также исходный код. Модель может быть полезна для диалоговых ответов, выполнения инструкций и написания текста на этих языках. Проект предупреждает, что модель находится на ранней стадии разработки и не настроена для надёжного следования человеческим намерениям или требованиям безопасности. Лицензия — Apache-2.0.

M7Yamshadowexperiment28_Experiment28Strangemerges_32 — слитая языковая модель семейства Mistral, созданная объединением automerger/M7Yamshadowexperiment28-7B и automerger/Experiment28Strangemerges_32-7B. Она содержит 7,1 млрд параметров, построена на плотной архитектуре MistralForCausalLM и предназначена для генерации текста по текстовому запросу с контекстом до 32 768 токенов. Модель подходит для диалоговых сценариев, продолжения текста и других задач генерации на базе языковой модели. В карточке не приведены сведения о целевых языках, специализированных навыках или результатах оценки качества, поэтому их нельзя определить по доступным данным. Репозиторий распространяется под лицензией Apache-2.0.

M7Yamshadowexperiment28_MeliodasT3q — объединённая модель для генерации текста на архитектуре Mistral с 7,1 млрд параметров. Она создана путём слияния automerger/M7Yamshadowexperiment28-7B и automerger/MeliodasT3q-7B. Модель предназначена для генерации текста и диалогов. Она принимает текст и поддерживает контекст длиной до 32 768 токенов. Доступна в формате safetensors. Репозиторий распространяется по лицензии Apache-2.0. README не приводит результатов оценки качества или подробностей о специализации модели; поведение может зависеть от использованных при слиянии моделей.

ib-ssm опубликовал совместимую с Hugging Face Transformers конверсию модели NVIDIA Mamba2-8B-3T-4K для генерации текста. Это плотная авторегрессионная архитектура Mamba2, загружаемая как Mamba2ForCausalLM; в метаданных указано 14,2 млрд параметров. Исходный чекпойнт был в формате Megatron-LM, а репозиторий использует формат Safetensors и сохраняет исходный файл токенизатора SentencePiece с обёрткой T5Tokenizer для совместимости.

MeliodasT3q_Experiment26Yam — объединённая модель для генерации текста, созданная MaziyarPanahi на основе automerger/MeliodasT3q-7B и automerger/Experiment26Yam-7B. Это плотная авторегрессионная модель архитектуры Mistral размером 7,1 млрд параметров с контекстом до 32 768 токенов, распространяемая в формате safetensors. Модель предназначена для генерации продолжений текста и диалоговых ответов на входные текстовые запросы. В README не описаны специальные области применения, языковая специализация или дополнительные возможности. Лицензия — Apache-2.0.