IV.5Образование и развитие навыков

DFloat11/Wan2.2-T2V-A14B-DF11 — это квантованная и без потерь сжатая версия модели Wan-AI/Wan2.2-T2V-A14B, опубликованная в формате DFloat11. Модель предназначена для генерации видео по текстовому описанию (text-to-video) с использованием пайплайна Diffusers. Сжатие уменьшает размер весов примерно на 32% по сравнению с исходной моделью в формате BFloat16 и, согласно README, сохраняет побитово идентичные результаты инференса. Модель может генерировать видео длительностью около 5 секунд в разрешении 720p. Указан сценарий работы на одной видеокарте с 24 ГБ памяти при включённом выгружании части модели в CPU; без CPU offloading требуется около 40 ГБ VRAM. В тестовом примере используются 81 кадр, 16 кадров в секунду и 40 шагов инференса, а время генерации на A100 составляет примерно 42–44 минуты. Для работы необходимы CUDA-совместимая GPU, PyTorch, пакет DFloat11 и актуальная версия Diffusers. Ограничения по поддерживаемым языкам, контекстному окну и лицензия в предоставленных данных не указаны.

Модель audEERING для распознавания эмоциональных характеристик речи по аудиосигналу. Она построена на архитектуре Wav2Vec 2.0 и получена дообучением Wav2Vec2-Large-Robust на датасете MSP-Podcast v1.7; перед дообучением число трансформерных слоёв сократили с 24 до 12. Модель содержит около 201,3 млн параметров. На вход подаётся необработанный аудиосигнал, а на выходе модель предсказывает три непрерывные оценки примерно от 0 до 1: возбуждение (arousal), доминирование (dominance) и валентность (valence). Также она предоставляет агрегированные состояния последнего слоя трансформера. Модель подходит для анализа эмоциональной окраски речи; карточка указывает английский язык. Модель предназначена для исследовательского использования. Лицензия CC BY-NC-SA 4.0 ограничивает коммерческое применение и требует соблюдения условий атрибуции и распространения производных материалов на тех же условиях. Для коммерческой лицензии разработчик предлагает обратиться к audEERING.

X-NoroChronos-13B — языковая модель для генерации текста, созданная NeverSleep как слияние нескольких моделей и LoRA на основе Xwin-LM/Xwin-LM-13B-V0.2, включая Chronos-13B-v2 и другие варианты Llama 2 на 13B параметров. Модель ориентирована на ролевые сценарии и генерацию ответов по инструкциям с шаблоном Alpaca. Модель имеет плотную архитектуру Llama и около 12,9 млрд параметров. В репозитории размещены веса FP16 в формате safetensors; длина контекста — 4096 токенов. В README не указаны целевые языки и отдельные специализированные области применения. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Карточка маркирует модель как неподходящую для любой аудитории и NSFW; качество и безопасность ответов в README не охарактеризованы.

Alpacino30b — слитая языковая модель на базе LLaMA 30B, опубликованная digitous. По описанию автора, это объединение трёх вариантов Alpaca с настройками для пошагового рассуждения и повествования; формат инструкций Alpaca сохранён как основной. В метаданных указаны архитектура LlamaForCausalLM, 32,3 млрд параметров, контекст 2048 токенов и форматы PyTorch и Safetensors. Модель предназначена для генерации текста по инструкциям, в частности для творческого письма и текстовых приключенческих игр, где она выступает рассказчиком и развивает сюжет по действиям игрока. Автор также отмечает возможности рассуждения, но не приводит количественных оценок качества. Доступна некоммерческая лицензия; README указывает, что веса основаны на Llama 30B и предполагают наличие разрешённого доступа к оригинальным весам Meta AI.

Карточка модели FreedomIntelligence/Apollo2-7B на Hugging Face совпадает с карточкой FreedomIntelligence/Apollo2-3.8B, поэтому описание составлено по ней. Apollo2-3.8B — медицинская языковая модель, разработанная командой FreedomIntelligence. Это плотная модель семейства Phi-3 с 3,7 млрд параметров, дообученная на ApolloMoEDataset на базе microsoft/Phi-3-mini-4k-instruct. Модель предназначена для ответов на медицинские вопросы и диалога о медицинских знаниях. Модель ориентирована на английский и китайский, а также на 10 других основных языков, включая русский, французский, хинди, испанский, арабский, японский, корейский, немецкий, итальянский и португальский; заявлена поддержка ещё 38 языков. Карточка описывает оценивание на медицинских тестах по нескольким языкам, включая RuMedBench для русского. Контекст составляет до 4096 токенов, формат весов — safetensors. Модель распространяется по лицензии Apache-2.0. Она подходит для ответов на медицинские вопросы и справочных диалогов, но её ответы не следует считать клиническими рекомендациями без проверки специалистом. README не приводит конкретных численных результатов для этой версии.

bert-lyrics-classifier — модель Devan Asokan для классификации отдельных куплетов песен по пригодности для детей. Она разработана в рамках выпускного проекта Asia Pacific University и представляет собой дообученную BERT-модель для бинарной классификации последовательностей на базе google-bert/bert-base-uncased. Модель принимает текст куплета на английском языке и выдаёт метку SAFE или UNSAFE. По метаданным, модель содержит 136,7 млн параметров, поддерживает контекст до 512 токенов и распространяется в формате safetensors; лицензия — MIT. Модель предназначена для анализа текстов песен на уровне отдельных куплетов, например, чтобы выделять потенциально неподходящие фрагменты для последующей проверки родителями или модераторами. В README указана точность 0,8925 на отложенной выборке из того же процесса сбора и разметки, что использовался при обучении. К ограничениям относятся шум в метках, созданных с помощью LLM, субъективность понятия «пригодность», возможное снижение надёжности на длинных и неоднозначных куплетах и текстах с переключением языков. Возможны ложноотрицательные результаты, поэтому предсказания следует использовать как сигнал для проверки, а не как единственное основание для решения.

Boulesis-26B-A4B-GGUF — квантизированная версия экспериментальной модели Boulesis-26B-A4B, разработанной SubMaroon и квантизированной spiritfather в формате GGUF для запуска через llama.cpp. Модель основана на Google Gemma-4-26B-A4B-it и предназначена прежде всего для генерации текста, творческого письма и roleplay-сценариев. По заявлению автора исходной модели, она объединяет компоненты для маршрутизации внимания из Pantheon-Reasoning-1.1, стилевую голову из StyleTune-V2, narrative RP LoRA и heretic base coder3101. Доступны варианты Q4_K_M размером 17,2 ГБ, Q6_K размером 23,2 ГБ и Q8_0 размером 27,6 ГБ. Модель поддерживает режим рассуждений, а встроенный шаблон чата исправляет проблему исходного шаблона Gemma-4; для корректной работы рекомендуется использовать актуальную версию llama.cpp с параметром --jinja. В README указан контекст до 32 768 токенов. Основные сильные стороны модели — ориентация на качество прозы, ролевое взаимодействие и следование творческим сценариям; результаты CaliperBench характеризуют именно эти качества, а не общий интеллект. Это только набор квантизаций исходной модели, поэтому возможности и ограничения Boulesis-26B-A4B-GGUF зависят от базовой модели и выбранного уровня квантования. README не указывает полный список поддерживаемых языков и не приводит подробных ограничений качества. Модель распространяется на условиях Gemma Terms of Use, унаследованных от базовой модели.

CuteAnimalsSitCartoonModelSD — модель генерации изображений по текстовому описанию от artificialguybr. Она предназначена для создания изображений в мультяшном стиле, особенно с милыми животными, и рассчитана на творческие сценарии с прямыми промптами и постепенным добавлением деталей. В README указано, что для моделей на базе SDXL можно начинать с разрешения 1024×1024 и умеренных значений CFG и числа шагов, однако принадлежность этой модели к SDXL отдельно не подтверждена. Модель распространяется в форматах PyTorch и Safetensors и использует лицензию OpenRAIL. README рекомендует генерировать несколько вариантов с разными seed для большей визуальной согласованности. Данные о размере модели, языковой поддержке и длине контекста не приведены.

CyberXP Agent — текстовая модель Abaryan для диалоговой оценки киберугроз и подготовки рекомендаций в сценариях кибербезопасности. Это дообученная методом supervised fine-tuning модель meta-llama/Llama-3.2-1B-Instruct с архитектурой LlamaForCausalLM и 1,2 млрд параметров. Она принимает текст и генерирует текст; заявленный язык — английский. Метаданные указывают контекст до 131072 токенов, формат весов — Safetensors, библиотека — Transformers. Модель предназначена для исследовательских и учебных задач: разбора текстовых описаний инцидентов, предварительной оценки угроз и получения советов по реагированию. Она не исполняет команды, не наблюдает за системами и не проверяет фактическую активность; обучающий набор охватывает лишь часть сценариев и может не включать новые угрозы или особенности конкретной организации. Результаты носят рекомендательный характер и требуют экспертной проверки. Лицензия — MIT.

DeTikZify-TL1.1b — языковая модель проекта DeTikZify для преобразования набросков и готовых научных иллюстраций в редактируемые программы на TiKZ с сохранением их смысла. Модель дообучена на наборе DaTikZ-v2 и основана на TinyLlama; её архитектура — плотная авторегрессионная языковая модель примерно на 1 млрд параметров с контекстом 2048 токенов. Модель предназначена для автоматического создания графического кода TiKZ по визуальному примеру. Это помогает воспроизводить научные схемы и дорабатывать их в виде исходного кода. В карточке не приведены оценки качества или сведения о поддерживаемых языках. Репозиторий содержит веса Safetensors, лицензия — Apache-2.0.

DS-R1-Distill-70B-ArliAI-RpR-v4-Large — языковая модель ArliAI для ролевого общения и творческого письма. Это дообученная версия DeepSeek-R1-Distill-Llama-70B с плотной архитектурой Llama и 69,5 млрд параметров. Модель рассчитана на диалоги с несколькими ходами, где нужны связные ответы, творческое разнообразие и рассуждения; карточка описывает обучение на подготовленных примерах ролевых диалогов и творческого письма. Модель принимает текст и генерирует текст, поддерживает контекст до 131 072 токенов и ориентирована на английский язык. Разработчик сообщает о снижении повторов между разными контекстами, однако повторы внутри одного диалога всё ещё возможны. Для использования опубликована лицензия llama3.3.

Erebus-RP-12B-Instruct-2608-v1 — дообученная Indexnusrefather модель Gemma 3 12B Instruct, созданная для ролевых диалогов и творческого письма. Она основана на Gemma 3 12B Instruct, имеет архитектуру Gemma3ForCausalLM с 11,6 млрд параметров и предназначена для генерации текста по инструкциям; заявленная длина контекста — 131 072 токена. Для дообучения использовались отобранные длинные диалоги. Автор отмечает более длинные ответы, лучшее удержание сюжета и гибкость стиля по сравнению с базовой моделью. Модель также может применяться для интерактивного сторителлинга и построения вымышленных миров. В карточке указана лицензия Gemma. Автор сообщает о снижении числа отказов благодаря включению в обучающие данные откровенных диалогов; это может влиять на характер генерируемого контента. README не приводит количественных оценок качества или подробных ограничений применения.

EVA Qwen2.5-1.5B v0.0 — компактная разговорная модель для ролевых диалогов и написания историй, созданная Kearm, Auri и Cahvay. Это полнопараметрическое дообучение Qwen/Qwen2.5-1.5B с архитектурой Qwen2ForCausalLM; модель содержит 1,5 млрд параметров и поддерживает контекст до 131 072 токенов. Модель обучена на смеси синтетических и естественных данных, включая наборы для инструктивных ответов, структурированного письма, ролевых карточек персонажей и творческих подсказок. Она предназначена для генерации текста и чата, особенно для ролевых сцен и художественного письма. В метаданных указан английский язык. Модель распространяется под лицензией Apache-2.0.

Fantastica-7b-Instruct-0.2-Italian — разговорная инструктивная языковая модель, разработанная Scribis и дообученная на базе Mistral-7B-Instruct-v0.2. Это плотная архитектура Mistral с 7,1 млрд параметров, контекстом до 32 768 токенов и весами в формате safetensors; модель рассчитана на генерацию текста на итальянском языке. Модель предназначена для создания итальянских текстов в литературных стилях Алессандро Мандзони, Карло Досси, Карло Коллоди и Луиджи Пиранделло, а также сюжетов романов и фильмов и описаний картин. В README приведён формат инструкций [INST]...[/INST] и примеры запросов для этих сценариев. Обучение использовало выбранные материалы Wikipedia, итальянский литературный корпус и отрывки произведений упомянутых авторов. Карточка предупреждает, что модель может плохо справляться со сложными, неоднозначными или плохо оформленными запросами и выдавать фактически неверный или бессвязный текст. Лицензия — Apache-2.0.

Карточка модели JohnDelano/faster-whisper-base-ar-quran на Hugging Face совпадает с карточкой OdyAsh/faster-whisper-base-ar-quran, поэтому описание составлено по ней. OdyAsh/faster-whisper-base-ar-quran — это версия модели распознавания речи на основе Whisper Base, преобразованная в формат CTranslate2 для использования с faster-whisper и WhisperX. Она предназначена для транскрибирования чтения Корана на арабском языке и совместима с конвейерами WhisperX. Модель получена преобразованием tarteel-ai/whisper-base-ar-quran в CTranslate2 с точностью float16. По README, размер уменьшен примерно с 290 до 141 МБ; автор сообщает о небольшом влиянии на качество при проверке на примерах коранического аудио. Репозиторий указывает Apache-2.0. Возможны ошибки распознавания; для сценариев, где точность важнее размера, README предлагает использовать float32.

emessy разработал и дообучил на наборе emessy/flash_fiction_1 модель семейства Llama 3.1 для генерации текста. Она подходит для создания короткой художественной прозы и интерактивного продолжения творческих текстовых запросов. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и рассчитана на контекст до 131072 токенов; в карточке также указаны поддержка чата и английский язык. Дообучение выполнено с помощью Unsloth и TRL; конфигурация LoRA в README описывает параметры обучения.

G4-Midnight-Macaw-26B-A4B — слитая модель семейства Gemma 4, созданная Vortex5 для ролевых диалогов и творческого письма. Она объединяет G4-Dark-Soul-26B-A4B, Dark-Scarlett-v1.0-26B-A4B, Serenity-26B-A4B и gemma4-26b-fiction-bf16 с помощью пользовательского метода слияния; доступна в формате safetensors и использует библиотеку Transformers. Модель предназначена для взаимодействия с персонажами, многоходовых сцен, написания прозы и диалогов, развития сюжета и построения вымышленных миров. Метаданные также указывают поддержку изображений наряду с чатом, поэтому она может принимать изображение и текст и формировать текстовый ответ. Указанная лицензия — Apache-2.0. Модель специализирована на ролевых и творческих сценариях; качество и точность ответов за пределами этих задач не описаны. Длина контекста и поддерживаемые естественные языки в доступных сведениях не указаны.

Gryphe/Gemma-4-26B-A4B-StyleTune — дообученная Gryphe версия Gemma 4 26B A4B Instruct, предназначенная прежде всего для творческого письма и ролевых диалогов с менее шаблонным стилем. При дообучении изменён только один тензор — выходной слой lm_head; остальные веса и возможности базовой модели, по заявлению автора, сохранены. В сравнении с базовой instruct-моделью на наборе из 200 ролевых запросов автор сообщает о снижении частоты клише на 54% и о низком совпадении триграммного словаря. Модель работает в формате safetensors и использует встроенный шаблон чата Gemma 4. Она принимает текст и выдаёт текст; в метаданных указан английский язык. Базовая Gemma 4 описана как мультимодальная модель, но README этого тюнинга говорит только о текстовом стиле, поэтому мультимодальные возможности этой версии здесь не подтверждены. Автор отмечает, что релиз заменён версией V2 и рекомендует использовать её. Лицензия — Apache-2.0.

Gemma-The-Writer-N-Restless-Quill-10B-Uncensored-GGUF — текстовая генеративная модель, разработанная DavidAU. Это GGUF-версия модели на базе Gemma 2, созданная объединением четырёх моделей для написания художественных текстов, а также дополненная компонентом Brainstorm 5x и другими моделями, влияющими на стиль прозы. Модель ориентирована на генерацию рассказов, романов, сюжетов и подсюжетов, продолжение сцен, ролевые сценарии и творческое письмо в разных жанрах, включая научную фантастику, романтику и хоррор. Она также может использоваться для общих текстовых задач благодаря улучшенному следованию инструкциям. Модель содержит около 10 млрд параметров, имеет 46 слоёв и 508 тензоров. Она работает в текстовом режиме, предназначена для английского языка и требует шаблон Gemma Instruct. Заявленное контекстное окно составляет 8 тыс. токенов, с возможностью расширения до 32 тыс. и более с помощью RoPE. Brainstorm 5x увеличивает среднюю длину ответов, меняет структуру предложений и абзацев, расширяет словарный выбор и снижает характерные для LLM клише. Степень цензурирования регулируется на уровне промпта; модель допускает ненормативную лексику, жестокие и графические описания. Сильными сторонами являются специализация на художественной прозе, выразительный стиль, генерация деталей и метафор, разнообразная структура текста, высокая стабильность и развитое следование инструкциям. Ограничения включают ориентацию преимущественно на английский язык, необходимость корректно настроить Gemma Instruct template и параметры сэмплирования, а также потенциально нежелательное создание нецензурного, жестокого или графического контента. Распространение осуществляется по лицензии Apache-2.0.

GPT-2, дообученная автором карточки на рассказах разных жанров для генерации историй по жанру и начальному фрагменту. Модель принимает текстовую подсказку; среди поддерживаемых жанров указаны супергеройский, боевик, драма, ужасы, триллер и научная фантастика. В README приведён пример использования через библиотеку Transformers. Модель основана на предварительно обученном чекпойнте gpt2 и дообучена для генерации текста. Архитектура — плотная GPT-2 с классом GPT2LMHeadModel; доступны веса PyTorch и Flax, контекст составляет 1024 токена. Языки рассказов и условия лицензии в предоставленных данных не описаны.

L3.1-RP-Hero-Dirty_Harry-8B-GGUF — текстовая генеративная модель, разработанная DavidAU на базе Llama 3.1. Это GGUF-версия модели размером 8B, ориентированная прежде всего на ролевые сценарии, но также подходящая для художественного письма, генерации и продолжения сюжетов, создания сцен, диалогов и историй в различных жанрах, включая научную фантастику, романтику и хоррор. Основной язык — английский. Модель поддерживает контекст до 128k токенов и заявлена как стабильная, с сильным следованием инструкциям, выразительной прозой и повышенным уровнем детализации. Версия Dirty Harry рассчитана на относительно короткие ответы, при этом сохраняет высокий уровень детализации и отличается отсутствием цензуры; README отдельно предупреждает о поддержке NSFW-контента, насилия, жестоких и графичных сцен, ненормативной лексики. Модель требует шаблона Llama 3 или Command-R. К ограничениям относятся чувствительность качества и стиля к температуре, repetition penalty и уровню квантизации, а также склонность предпочитать короткий формат даже при указании большей длины. Слишком высокие значения параметров могут ухудшать следование инструкциям или приводить к чрезмерно длинной генерации, а низкие кванты сильнее сказываются на качестве. Модель распространяется по лицензии Apache-2.0.

L3.2-Rogue-Creative-Instruct-7B-GGUF — текстовая генеративная модель, разработанная DavidAU на основе Llama 3.2 3B Instruct. Автор заявляет, что модель была существенно изменена методом Brainstorm 40x: число слоёв увеличено до 67, а размер — до 7,14 млрд параметров и 606 тензоров. Модель распространяется в формате GGUF и предназначена для работы с шаблонами Llama 3 и/или Command-R. Основное назначение модели — генерация художественных текстов, рассказов, сцен, сюжетов и подсюжетов во всех жанрах, включая научную фантастику, романтику и хоррор. Она также может применяться для сторителлинга, продолжения сцен, мозгового штурма, ролевых сценариев и других творческих задач. Заявлен максимальный контекст 131 072 токена, поддерживается английский язык. Модель ориентирована на подробное описание сцен, окружения, предметов и персонажей, а также на более насыщенную и эмоциональную прозу. К сильным сторонам относятся повышенная детализация, способность генерировать длинные тексты и гибкая настройка стиля с помощью температуры, repetition penalty и подсказок. При этом чувствительность к параметрам высокая: некоторые сочетания могут приводить к повторению абзацев, чрезмерно длинным ответам или «рантам», особенно при низком repetition penalty и высокой температуре. Возможны отдельные орфографические ошибки и пропуски заглавных букв; исходная цензура Llama 3.2 3B Instruct сохраняется. Для модели рекомендуется repetition penalty не ниже 1,05, а для ролевых сценариев — примерно 1,1–1,14. Лицензия — Apache-2.0.

KoboldAI LLaMA2-13B-TiefighterLR — объединённая языковая модель на архитектуре LLaMA 2, созданная слиянием нескольких моделей и LoRA-адаптеров. Она предназначена прежде всего для творческого письма, ролевого общения и интерактивных приключений; в README указаны компоненты Undi95/Xwin-MLewd-13B-V0.2, PocketDoc/Dans-RetroRodeo-13b и Blackroot/Llama-2-13B-Storywriter-LORA. Модель содержит 12,9 млрд параметров, работает с текстом и имеет контекст до 4096 токенов. TiefighterLR лучше следует уже заданным персонажам и инструкциям, чем исходный Tiefighter, и подходит для генерации историй, диалогов и игровых продолжений. Её сильная сторона — художественная генерация с поддержкой разных форматов инструкций и обычного чата. Модель ориентирована на англоязычные сценарии по примерам README; язык не задан в метаданных. При использовании для фактических ответов сведения могут быть выдуманы, а обучающие данные о приключениях иногда проявляются в инструкциях. Лицензия — LLaMA 2.

Maroon-Sunset-12B — объединённая авторами Vortex5 модель для генерации текста и диалогов. Она создана методом NuSLERP из ReadyArt/Omega-Darker_The-Final-Directive-12B и Vortex5/Vermilion-Night-12B; архитектура — плотная Mistral, размер — 12,1 млрд параметров. Репозиторий содержит веса Safetensors, а карточка указывает контекст до 131 072 токенов и шаблон чата. Модель предназначена для ролевых диалогов, создания персонажей, сюжетов и длинных художественных текстов. Описание базовой модели указывает на англоязычные ролевые сценарии с эротикой, хоррором и насилием. Лицензия в предоставленных данных не указана.

Mdist_8B_Chem_from_Mspec_ASFT_alpha0.2_Qwen3_8B — диалоговая языковая модель на архитектуре Qwen3, дообученная разработчиком yileitu на базе Qwen/Qwen3-8B на наборе M_ASFT_QA_alpha0.2_ft_data_merged_shuffled_43k. Она предназначена для генерации текста в формате диалога; название модели указывает на химическую тематику, однако карточка не описывает конкретные химические задачи или подтверждённые сценарии применения. Модель содержит 7,6 млрд параметров, использует архитектуру Qwen3ForCausalLM и формат safetensors. Заявленная длина контекста — 40 960 токенов. Для практического использования доступны только общие сведения: карточка не приводит оценок качества или подробных ограничений. Лицензия указана как other, без уточнения условий.

unsloth/medgemma-27b-text-it — дообученная Unsloth версия MedGemma 27B Text IT от Google, предназначенная для медицинских текстовых сценариев. Модель основана на decoder-only трансформере Gemma 3 с архитектурой Gemma3ForCausalLM и grouped-query attention; содержит 28,3 млрд параметров и поддерживает контекст до 131 072 токенов. Это текстовая инструкция-настроенная модель: она принимает текстовые запросы и генерирует ответы, объяснения и сводки. Модель подходит разработчикам медицинских и научных приложений для ответов на вопросы по медицинским текстам, подготовки резюме документов и прототипирования клинических информационных инструментов. Она обучалась на медицинском тексте и оптимизирована для вычислений во время инференса. Репозиторий содержит веса в формате safetensors; использовать модель следует на условиях Health AI Developer Foundations, указанных для базовой MedGemma. Ответы могут быть неточными и требуют независимой проверки. Модель не предназначена для самостоятельной постановки диагноза, выбора лечения или принятия решений о ведении пациента; перед применением в конкретном сценарии необходимы адаптация и проверка на подходящих данных. Карточка также отмечает, что многоходовые сценарии не оценивались.

MedGemma-27B-Text-IT-FP8-Dynamic — это текстовая медицинская языковая модель, созданная на основе google/medgemma-27b-text-it и квантованная компанией Turn.io с помощью llm-compressor для эффективного развёртывания через vLLM. Модель предназначена для разработчиков в сфере здравоохранения и биомедицинских наук как основа для прикладных решений, а не как готовый клинический инструмент. Модель использует архитектуру decoder-only Transformer семейства Gemma 3, содержит 27 млрд параметров, работает только с текстом и поддерживает контекст до 128K токенов. Она ориентирована на понимание и рассуждение по медицинским текстам, ответы на вопросы, суммаризацию клинических документов, медицинские RAG-системы и дообучение под специализированные задачи. Квантование FP8 Dynamic применяется ко всем слоям Linear: веса используют статическое поканальное квантование, а активации квантуются динамически для каждого токена; слой lm_head сохранён в BF16. Калибровочные данные не требуются. К сильным сторонам относятся специализация на медицинской и биомедицинской тематике, большой контекст и потенциально более эффективное использование ресурсов при инференсе. К ограничениям относятся возможные численные отличия от исходной версии BF16 и унаследованные ограничения базовой модели: ответы могут быть неточными и требуют независимой проверки. Модель не предназначена для непосредственной постановки диагнозов, выбора лечения или ведения пациентов без надлежащей клинической валидации. Распространение и использование регулируются условиями Health AI Developer Foundations Terms of Use и Prohibited Use Policy.

Mimicra-V1-13B — языковая модель на архитектуре Llama, созданная Masterjp123. Автор описывает её как выборочное слияние нескольких 13B-моделей, преимущественно предназначенных для ролевого общения, с целью объединить их сильные стороны в качестве, рассуждении и творческой генерации. Среди компонентов названы Magdump-13b RP, ZettaPi-13B RP, genz-13b-v2, Unholy-v1.1-13B и другие модели; точная схема слияния не приводится. Модель предназначена для генерации текста, в частности ролевых диалогов и творческих ответов. Она принимает текстовые инструкции в шаблоне Instruction/Response и выдаёт текст. Размер составляет 12,9 млрд параметров, заявленный контекст — 4096 токенов; карточка указывает английский язык. Автор характеризует модель как uncensored, но не приводит независимых оценок качества. Лицензия указана как Llama 2; в репозитории также упомянут формат GGUF, тогда как перечисленные метаданные файлов указывают PyTorch и safetensors.

Это GGUF-квантованный вариант MiniMax H3 Turbo Merge от ChrisColeTech для генерации видео. Веса основаны на прореженных диффузионных трансформерах MiniMax H3 FL2VA и REF2VA, в которые встроены ускоряющие генерацию LoRA LightX2V Turbo: режим FL2VA использует 8 шагов, REF2VA — 4 шага. Поддерживаются генерация видео по тексту и изображению, а также режимы работы с несколькими референсными изображениями; для REF2VA заявлена поддержка до девяти изображений. Модель предназначена для создания коротких роликов, включая сцены со звуком. В примерах приведены видео 1280 × 720 длительностью около 3,75 секунды; README указывает рекомендуемый максимум разрешения 720p и до 481 кадра. Для работы нужны отдельные текстовый энкодер и ClipProj, подходящие к размеру энкодера, а также обновлённый GGUF Loader для ComfyUI. В качестве примера приведено создание ролика примерно за 2,3–2,5 минуты на RTX 5090 с 32 ГБ памяти. Репозиторий содержит варианты GGUF Q3_K_M, Q4_K_M, Q6_K и Q8_0, а также safetensors. Для базовой MiniMax H3 указана лицензия other; README советует изучить условия upstream перед коммерческим использованием. Качество и скорость зависят от конфигурации, энкодера и рабочего процесса; README также отмечает ограничения совместимости ClipProj и требования к допустимому числу кадров.

Aratako/Mistral-Nemo-12B-RP — ролевая чат-модель, созданная дообучением Mistral Nemo Instruct 2407. Она предназначена для диалогов от лица заданного персонажа: его описание и ситуацию общения передают в системном сообщении, после чего модель продолжает беседу. Модель имеет плотную архитектуру MistralForCausalLM, содержит 12,1 млрд параметров и рассчитана на генерацию текста в режиме чата. В карточке указан японский язык; базовая модель описана как многоязычная. Автор сообщает, что при дообучении использовалась длина контекста 32 тыс. токенов, поэтому поддержка длинных диалогов ожидается, но не проверялась. Метаданные каталога указывают нативный контекст в 1 024 000 токенов, однако README не подтверждает такую длину именно для дообученной версии. Автор предполагает, что модели может подойти низкая температура генерации, но это также не проверено. Модель опубликована под лицензией MIT.