IV.5Образование и развитие навыков

KoboldAI Mixtral-8x7B-Holodeck-v1 — дообученная языковая модель KoboldAI на архитектуре Mixtral 8x7B. Для обучения использовали около 3000 электронных книг разных жанров; многие фрагменты размечены префиксом с указанием жанра. Модель предназначена для генерации текста, в частности художественных и жанровых текстов. Она принимает текст и генерирует текст, поддерживает английский язык, имеет контекст длиной до 32 768 токенов и около 7,1 млрд параметров. Репозиторий содержит веса Safetensors, лицензия — Apache-2.0. Обучение на книгах разных жанров подходит для литературного продолжения и генерации прозы с заданным жанровым контекстом. Возможные ограничения включают предвзятость по гендеру, профессии, расе и религии; качество и фактическая надёжность ответов в карточке не оценены.

MN-Chunky-Lotus-12B — слитая автором FallenMerick модель на базе Mistral с 12,1 млрд параметров, созданная методом TIES с помощью mergekit из нескольких языковых моделей. Она предназначена для творческого письма и ролевых сценариев: сочетает основу для ролевой игры, навыки написания длинной прозы и склонность к более короткому формату ответов. В карточке указано нативное контекстное окно 131 072 токена; модель работает с текстом и рассчитана на английский язык. Автор отмечает хорошую эмоциональную выразительность и приемлемое следование характерам персонажей, но иногда стиль может быть пресным. Также встречаются ошибки форматирования и непрошеные длинные описания чувств и намерений персонажей. Модель распространяется под лицензией CC BY 4.0.

mRP-LLM — разговорная модель для ролевого общения, разработанная tungwongchi. Она объединяет несколько персонажей в одной модели, чтобы экономнее использовать ресурсы и поддерживать разнообразные ролевые сценарии. Метаданные указывают на архитектуру InternLM2 с 7,4 млрд параметров, контекст до 32 768 токенов и поддержку чата. Модель опубликована в формате PyTorch под лицензией Apache 2.0.

Austral 24B Winton — текстовая генеративная модель Delta-Vector для приключенческих сценариев, ролевых игр и художественного письма. Это плотная Mistral-модель примерно на 23,4 млрд параметров, дообученная на основе Delta-Vector/MS3.2-Austral-24B-KTO; автор описывает её как многоэтапный finetune с настройкой KTO и дополнительным SFT на наборе для удаления повторяющихся речевых шаблонов. Модель поддерживает диалоговый формат ChatML и контекст до 131 072 токенов. Модель предназначена для создания ролевых персонажей и приключенческих историй, поддержания диалога и развития сюжета. По словам автора, дообучение направлено на улучшение связности и качества письма и уменьшение повторяющихся шаблонных формулировок. В карточке указан английский язык. Лицензия — Apache 2.0. Репозиторий содержит веса в формате Safetensors.

Bhaveen разработал модель для классификации музыкальных инструментов и дообучил её на базе facebook/wav2vec2-base-960h. Это аудиоклассификатор на архитектуре Wav2Vec2 с примерно 113,3 млн параметров, который относит запись к одному из девяти классов: акустическая гитара, бас-гитара, ударная установка, электрогитара, флейта, хай-хэт, клавишные, труба или скрипка. Модель принимает аудио и выдаёт метки классов с оценками вероятности; для обработки требуется частота дискретизации 16 кГц, а входные фрагменты приводятся к длине 3 секунды. В README для тестовой выборки указаны точность 93,33% и макро ROC AUC 98,59%, но размер и состав данных ограничены: использовались 200 примеров на класс, поэтому эти результаты не гарантируют качество на других записях. Модель рассчитана на распознавание отдельного инструмента; смешанные записи, шум, иные варианты инструментов и манеры исполнения могут снижать точность. Лицензия — MIT.

NarraThinker12B — текстовая генеративная модель ClaudioItaly, полученная слиянием методом SLERP двух моделей: nbeerbower/mistral-nemo-gutenberg-12B-v4 и NeverSleep/Lumimaid-v0.2-12B. Она предназначена для диалоговой генерации и продолжения художественного текста; в метаданных также отмечен интерфейс вызова инструментов. Модель построена на плотной архитектуре MistralForCausalLM и содержит 12,1 млрд параметров. Заявленная длина контекста — 1 024 000 токенов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Данные о лицензии и конкретно поддерживаемых естественных языках не предоставлены.

nephra v1.0 — языковая модель Sao10K для ролевых диалогов, дообученная на базе Meta-Llama-3-8B на ролевых и инструкционных данных. Она генерирует текстовые ответы в формате диалога и рассчитана на ролевые сессии и интерактивное взаимодействие с персонажами. Модель имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекст до 8192 токенов; поддерживает английский язык. Для диалогов рекомендуется формат промпта Llama-3-Instruct. Модель распространяется по лицензии Meta Llama 3 Community License Agreement. Карточка предупреждает, что иногда генерация может нарушаться; качество зависит от настроек и формулировки промпта.

Nether-Moon-12B — объединённая модель Vortex5 для генерации текста в диалогах, ролевых сценариях и творческом письме. Она создана слиянием шести моделей семейства Mistral методом HCR; в репозитории указаны архитектура MistralForCausalLM, 12,1 млрд параметров и контекст до 131 072 токенов. Модель предназначена для эмоционально выразительного общения, атмосферных длинных историй и художественной прозы. Модель принимает текст и генерирует текст; в метаданных отмечена поддержка чата, а формат весов — safetensors. Указана лицензия Apache-2.0. Карточка не приводит результатов сравнительных оценок качества, поэтому пригодность для конкретной задачи стоит проверять на собственных примерах.

NeuTTS-2E — модель синтеза речи, разработанная Neuphonic для локального запуска на устройствах с ограниченными ресурсами. Она преобразует текст на английском языке в речь и позволяет выбирать одну из четырёх фиксированных голосовых персон и одну из шести эмоций либо нейтральную подачу. Модель использует компактную языковую модель для генерации токенов речи и аудиокодек NeuCodec. В README указано около 125 млн активных параметров базовой части и около 236 млн параметров всего; доступны квантованные версии GGUF. Модель оптимизирована для генерации в реальном времени на CPU и для встраиваемых устройств. Все создаваемые аудиофайлы по умолчанию содержат водяной знак Perth. Это ранняя альфа-версия, рассчитанная только на английский язык и фиксированный набор голосов; клонирование голоса не заявлено. Лицензия указана как other, поэтому условия использования следует сверять с файлами лицензии репозитория.

Novelist1.0-27b — плотная языковая модель на 27 млрд параметров, созданная Dxniz на базе Qwen/Qwen3.8-27B. Модель предназначена для ролевых диалогов и художественного письма на английском и турецком языках; веса объединены и сохранены в 16-битном формате, а для запуска используется библиотека Transformers. Модель старается сохранять голос персонажа, точку зрения и заданные пользователем детали, создавать конкретные сцены через сенсорные описания и диалоги и соблюдать запросы к объёму текста. Она обучалась на примерах ролевого общения и художественного письма с дополнительной оптимизацией качества прозы, разнообразия и следования ограничениям. Лицензия — Apache 2.0. Модель слабее справляется с инструментами, программированием и фактологическими вопросами, может упрощать характер персонажа, повторять клише или не выдерживать заданный объём. Она способна выдумывать факты и не предназначена для медицинских, юридических или критически важных рекомендаций; для запуска требуется современная среда, а на видеокартах с 32 ГБ рекомендуется FP8 или 4-битная версия весов.

Nucleus-1B-alpha-1 — небольшая авторегрессионная языковая модель семейства Mistral, разработанная командой NucleusOrg. Модель содержит 1 млрд параметров, использует архитектуру MistralForCausalLM и принимает текст. Для неё указан контекст до 32 768 токенов. Модель последовательно дообучали на TinyStories и TinyTextBooks; карточка описывает её как proof of concept. Она предназначена для генерации продолжений текста и простых экспериментов с языковыми моделями. В README отмечены ранние перспективные результаты, однако обучение основано на 420 тысячах строк данных, знаний модели может не хватать, а для задач программирования она плохо подходит. Лицензия — MIT. Модель доступна в формате safetensors; для запуска в README рекомендуются Transformers и Accelerate.

Yntec публикует nuipenimix 2 — модель Stable Diffusion для генерации изображений по текстовым описаниям. Она предназначена для создания иллюстраций, в том числе милых животных в стилизованном оформлении; в карточке приведён пример изображения красной панды в круглой рамке на фиолетовом фоне. Модель распространяется в формате Diffusers и весах safetensors в точности fp16; указана версия без EMA. Лицензия — CreativeML OpenRAIL-M.

OceanGPT-basic-7B-v0.1 — языковая модель семейства LLaMA, разработанная проектом OceanGPT для задач океанологии. Согласно карточке, модель основана на LLaMA 2 и дообучена на англоязычных данных об океане; метаданные указывают 6,6 млрд параметров, архитектуру LlamaForCausalLM и контекст длиной 2048 токенов. Модель принимает текст и генерирует текст на английском языке. Модель предназначена для ответов на вопросы и помощи в работе с материалами по наукам об океане. Репозиторий распространяет веса в форматах PyTorch и safetensors по лицензии MIT. Авторы описывают проект как академическое исследование, а не готовый продукт; возможны галлюцинации, зависимость результата от формулировки запроса и непоследовательные ответы. Заявленные возможности симулированного воплощённого интеллекта ограничены и требуют специальных инструкций симулятора.

Paint Journey V2 — модель генерации изображений по текстовому описанию, созданная FredZhang7 как дообучение Paint Journey V1. Она предназначена для создания цифровых изображений и живописных работ, особенно картин маслом; для выраженного эффекта масляной живописи автор рекомендует начинать запрос с «((oil painting))». Модель основана на Stable Diffusion и распространяется в формате Diffusers, с файлами PyTorch и Safetensors. При обучении автор дообучал текстовый энкодер на разнообразных запросах и примерно 300 отобранных изображениях, включая работы Midjourney V4, Open Journey V2, Disco Diffusion и художников, давших разрешение. Модель рассчитана на создание портретов, пейзажей и других художественных изображений. В карточке приведены примеры разрешений от 512×768 до 1280×768; автор отмечает, что результат зависит от подробности позитивного и негативного запросов и что на низких разрешениях качество портретов может уступать DreamShaper 3.3. Лицензия — CreativeML OpenRAIL-M.

PhoneticXeus — многоязычная модель распознавания фонем в речи, разработанная ChangelingLab на основе речевого энкодера XEUS. Она преобразует аудио в последовательность фонетических символов IPA; для пользовательского декодирования модель также возвращает покадровые CTC-логиты по 428 классам. Модель построена на архитектуре PhoneticXeusModel и распространяется в формате safetensors для библиотеки Transformers. Модель обучена на данных IPAPack++ более чем для 70 языков и подходит для получения фонетической транскрипции речи, в том числе для фонетического анализа и создания IPA-разметки. Карточка предоставляет пример использования через метод transcribe и возможность обращаться к выходам модели напрямую. Лицензия — Apache-2.0. Карточка не приводит ограничений точности или конкретного списка поддерживаемых языков.

Prism Roleplay 1.5 Small — модель VertexAGI из семейства Prism для ролевого взаимодействия и иммерсивного диалога. Она предназначена для сценариев character roleplay: ведения персонажа, написания действий, реплик и внутреннего монолога от его лица, а также создания связной художественной прозы с сохранением образа и атмосферы. Модель построена на Qwen3-8B и дообучена методом LoRA с рангом 8, масштабом 20 и использованием 16 слоёв; обучение выполнено в течение 2500 итераций на последовательностях до 2048 токенов. Доступны 4-битный формат MLX для Apple Silicon и GGUF Q4_K_M для llama.cpp и совместимых сред. Заявлен английский язык. Для Qwen3 при использовании GGUF необходимо отключать режим рассуждений, иначе модель может выводить блоки <think> перед ответом. Сильные стороны модели — ориентация на качество прозы, насыщенные ответы, наличие диалогов и устойчивое соблюдение ролевого формата. В заявленном слепом сравнении с базовой Qwen3-8B она получила 83% побед: 10 побед, 2 поражения и 4 ничьи в 16 сценах. Ограничения включают небольшой размер 8B параметров, влияние стиля исходного форума и учительских моделей, а также возможный дрейф в очень длинных многоходовых сессиях. Модель распространяется по лицензии Apache 2.0.

DaveGergern/PsyfighterTwo-ErebusThree-SlerpThree — языковая модель Llama 2, созданная слиянием методом SLERP двух предварительно обученных моделей: KoboldAI/LLaMA2-13B-Psyfighter2 и KoboldAI/LLaMA2-13B-Erebus-v3. Модель содержит 10,3 млрд параметров, использует архитектуру LlamaForCausalLM и доступна в формате safetensors для библиотеки Transformers. Длина контекста — 4096 токенов. Модель предназначена для генерации текста, в частности художественного письма, диалогов с персонажами и текстовых приключений — сценариев, указанных для базовых моделей в метаданных каталога. Сведения о поддерживаемых языках и конкретных ограничениях качества в карточке не приведены. Лицензия не указана в предоставленных данных.

thangvip/qwen3-1.7b-vietnamese-legal-grpo-phase-2 — специализированная языковая модель, разработанная thangvip для сложных вопросов по вьетнамскому праву. Это дообученная методом GRPO модель Qwen3 с 1,7 млрд параметров; она генерирует структурированные юридические рассуждения в форме силлогизма и может приводить правовые ссылки. Модель принимает текст и выдаёт текст, поддерживает вьетнамский язык и контекст до 32 768 токенов по метаданным Hugging Face. Модель предназначена для предварительного анализа сложных юридических сценариев, обучения правовой аргументации и исследовательской работы с юридическими вопросами на вьетнамском языке. README сообщает о продолжении обучения на сложных вопросах и максимальной длине генерации 8 192 токена; это отличается от указанного в метаданных окна контекста. Лицензия — Apache-2.0. Модель не заменяет консультацию юриста: выводы и ссылки на нормы необходимо проверять.

Qwen-Image-Edit-2511-GGUF — квантизированная версия модели Qwen-Image-Edit-2511, разработанной командой Qwen; опубликованный вариант использует формат GGUF и методологию Unsloth Dynamic 2.0. Модель предназначена для редактирования изображений по текстовым инструкциям и исходным изображениям, включая работу с несколькими входными изображениями. Заявлена совместимость с Image-to-Image-сценариями и запуском через ComfyUI-GGUF. Ключевые возможности включают уменьшение дрейфа изображения, улучшенное сохранение идентичности персонажей и согласованности людей на групповых фотографиях, поддержку LoRA, генерацию объектов промышленного дизайна и усиленное геометрическое рассуждение. В метаданных указаны английский и китайский языки. Архитектура, число параметров, максимальное разрешение и размер контекста в README не указаны. Квантизация может снизить требования к ресурсам, однако конкретные системные требования и возможные потери качества не приведены. Модель распространяется по лицензии Apache-2.0. Для работы рекомендуется использовать Diffusers или ComfyUI с поддержкой GGUF; в примере запуска применяется GPU и тип данных bfloat16, но точные требования к видеопамяти не указаны.

Realistic Vision v6.0 B1 Inpaint — модель Stable Diffusion от ModelsLab для генерации фотореалистичных изображений по текстовому запросу. Карточка показывает использование через StableDiffusionPipeline и API ModelsLab; указаны параметры промпта, негативного промпта, размера изображения и шагов генерации. Название версии указывает на сценарий inpainting, однако README не описывает его настройки или работу с маской.

Reason_Medical_0.1_20b_16bit — экспериментальная дообученная языковая модель EpistemeAI для медицинских и научных рассуждений. Она основана на unsloth/gpt-oss-20b-unsloth-bnb-4bit и использует архитектуру gpt_oss с MoE и классом GptOssForCausalLM. Модель принимает текст и генерирует текст; заявленная длина контекста — 131072 токена. В метаданных указан размер 1,6 млрд параметров, язык карточки — английский. Модель предназначена для диалоговых сценариев, требующих медицинских или научных рассуждений. README характеризует её как эксперимент и указывает, что существует версия с более высоким результатом. Для биомедицинских, биологических, химических и лабораторных ответов требуется проверка специалистом; README исключает применение для разработки оружия и других опасных целей. Лицензия — Apache-2.0.

Классификатор диалогов t-bank-ai, дообученный на основе sberbank-ai/ruRoberta-large. Он оценивает последнее сообщение в контексте беседы по двум признакам: релевантности предыдущему диалогу и специфичности — интересности и способности поддержать продолжение разговора. Модель разработана в рамках стажировки в Тинькофф. Архитектура — RoBERTa для классификации последовательностей, размер составляет 454,1 млн параметров, максимальный контекст — 514 токенов. Обучение включало предварительную задачу различения настоящего ответа в диалоге и случайно выбранного ответа из другой беседы, затем модель дообучили на вручную размеченных примерах. При обучении использовались три сообщения контекста и один ответ; каждое сообщение токенизировалось отдельно с ограничением в 32 токена. Модель ориентирована на русскоязычные диалоги. Лицензия — MIT.

andreas122001/roberta-academic-detector — классификатор текста на базе RoBERTa, опубликованный в рамках бакалаврского проекта Николая Сивесинда и Андреаса Бентцена Винье из Норвежского университета естественных и технических наук. Модель дообучена на академических аннотациях, чтобы различать текст, написанный человеком, и текст, сгенерированный языковой моделью, например ChatGPT или GPT-3. Модель содержит около 151,8 млн параметров, принимает текст и выдаёт метку класса. Контекст составляет до 514 токенов; модель предназначена для англоязычных текстов. Авторы сообщают об accuracy 98,4% для лучшей модели семейства на исследовательских аннотациях, однако это не результат именно данного RoBERTa-чекпойнта: приведённый показатель относится к Bloomz-3b-academic. Доступны веса PyTorch и Safetensors; лицензия — OpenRAIL.

Scarlet-Eclipse-12B — слитая модель семейства Mistral от Vortex5, созданная на базе Vortex5/LunaMaid-12B с использованием Vortex5/Crimson-Twilight-12B и Vortex5/Harmony-Bird-12B в качестве донорских моделей. Для слияния применён метод flowforge, который формирует взвешенное направление между моделями-донорaми и базовой моделью. Модель содержит 12,1 млрд параметров, использует библиотеку Transformers и формат safetensors; заявленная длина контекста — 131 072 токена. Модель предназначена для генерации историй и ролевых диалогов, в том числе сцен с выразительным повествовательным стилем. Она принимает текст и генерирует текст. README не приводит результатов сравнительных оценок качества или подробностей о языковом охвате, поэтому пригодность для конкретных языков и задач за пределами заявленных сценариев не установлена. Условия лицензии в предоставленных данных не описаны.

SERENA-159M — авторская языковая модель Finisha-F-scratch/Serena, обученная с нуля на архитектуре GPT-2. Она предназначена для генерации испанского текста, прежде всего художественной прозы, поэзии и эмоционально окрашенных ответов. Модель содержит 159 млн параметров, использует словарь из 56 060 токенов и имеет контекстное окно 4500 токенов; заявлена работа на обычных CPU и GPU. Модель стремится к образному, выразительному стилю и намеренно допускает неровности языка. Это компактная модель, поэтому качество сложной аналитики и длинных рассуждений может быть ограниченным. Лицензия указана как other; конкретные условия в карточке не приведены.

Skywork-Reward-V2-Llama-3.1-8B-40M — экспериментальная модель вознаграждения от команды Skywork, созданная на базе meta-llama/Llama-3.1-8B-Instruct и дообученная на предпочтениях. Это модель Bradley–Terry для оценки качества ответов и диалогов: она выдаёт оценку, которую можно использовать для сравнения вариантов ответа и ранжирования результатов языковых моделей. Модель относится к семейству Llama, имеет около 7,5 млрд параметров и принимает текстовые диалоги. Для серии Skywork-Reward-V2 указано обучение на смеси из 26 млн пар предпочтений и высокие результаты на семи бенчмарках reward-моделей; конкретно вариант 40M назван экспериментальным и рекомендуется к использованию преимущественно в сравнительных оценках. Контекст базовой архитектуры составляет 131 072 токена. Данные не уточняют языковой охват именно этой модели. Модель подходит для оценки ответов при разработке и сравнении чат-моделей, отбора предпочтительных ответов и построения пайплайнов ранжирования. Она выдаёт reward-оценку, а не предназначена для генерации обычных пользовательских ответов. Лицензия — Llama 3.1; применяйте модель с соблюдением её условий.

Solar-Griffin-26B-A4B — мультимодальная разговорная модель Cyclone Labs на архитектуре Gemma 4. Она создана методом слияния Google Gemma 4 26B A4B IT, Gemma4 Fiction, Boulesis-26B-A4B и Eclipsed-Phoenix-26B-A4B; файлы опубликованы в формате safetensors и рассчитаны на Transformers. Модель предназначена прежде всего для ролевых диалогов, создания персонажей и сцен, художественного письма, построения мира и интерактивных историй с развивающимся сюжетом. Благодаря возможностям чата и зрения она принимает текст и изображения и формирует текстовые ответы; в метаданных основная задача обозначена как image-text-to-text. Базовая Gemma 4 поддерживает диалоги, рассуждения, программирование и анализ изображений, но карточка Solar-Griffin заявляет специализацию на творческих сценариях. Модель распространяется по лицензии Apache-2.0. Карточка не приводит отдельные сведения о длине контекста или языках; поэтому языки не перечислены.

Stable Cascade Prior — текстово-изобразительная диффузионная модель Stability AI на архитектуре Würstchen, предназначенная для генерации изображений по текстовому запросу. Она формирует компактное латентное представление изображения, которое затем декодируется каскадом Stage B и Stage A. Сжатие с коэффициентом 42 позволяет снизить стоимость обучения и ускорить инференс по сравнению с подходом Stable Diffusion с коэффициентом сжатия 8. В семействе Stable Cascade Stage C отвечает за генерацию латентов по тексту; доступны варианты на 1 и 3,6 млрд параметров. Для полного цикла генерации нужны также декодирующие стадии: Stage B на 700 млн или 1,5 млрд параметров и Stage A на 20 млн параметров. Репозиторий распространяет веса в форматах Diffusers и safetensors. Модель подходит для экспериментов с генеративными моделями, художественной генерации и творческих инструментов. Разработчик рекомендует модель для исследовательского использования. Среди ограничений — возможные ошибки при генерации лиц и людей, а также потери из-за lossy-автокодирования. Модель не предназначена для достоверного изображения реальных людей или событий. Метаданные указывают лицензию other; следует соблюдать Acceptable Use Policy Stability AI.

Карточка модели 24aittl/stable-diffusion-2-inpainting на Hugging Face совпадает с карточкой nlightcho/stable-diffusion-2-inpainting, поэтому описание составлено по ней. Stable Diffusion 2 Inpainting — модель латентной диффузии, разработанная Робином Ромбахом и Патриком Эссером для редактирования изображений по текстовому запросу и маске. Она продолжает обучение Stable Diffusion 2 Base ещё на 200 тысяч шагов и использует стратегию генерации масок LAMA вместе с латентным представлением скрытой области как дополнительным условием. Модель доступна для запуска через Diffusers и использует OpenCLIP-ViT/H как текстовый энкодер. Модель подходит для заполнения и замены отмеченных маской областей изображения по описанию, а также для творческого редактирования и исследовательских экспериментов с генеративными моделями. Она принимает текст и изображение с маской и выдаёт изображение. Основной язык запросов — английский; качество запросов на других языках ниже. Модель может плохо передавать читаемый текст, сложные пространственные отношения, лица и фотореалистичные детали; результаты автоэнкодера также могут быть потерянными. Обучение проводилось на отфильтрованном подмножестве LAION-5B, содержащем потенциально смещённые и небезопасные материалы. Лицензия — CreativeML Open RAIL++-M.

Это форк модели stabilityai/stable-diffusion-2-inpainting, подготовленный Phil Schmid для запуска в Hugging Face Inference Endpoints. Репозиторий содержит обработчик для задачи текстового редактирования изображений по маске на основе Stable Diffusion 2 и Diffusers. Модель принимает текстовый запрос, исходное изображение и маску области для изменения, а затем генерирует отредактированное изображение, сохраняя содержимое за пределами маски. Она предназначена для заполнения или замены выбранных частей изображения по текстовому описанию. Для запуска используется StableDiffusionInpaintPipeline из библиотеки Diffusers; веса хранятся в форматах Diffusers и PyTorch. Лицензия — OpenRAIL++. Подробные ограничения и условия использования унаследованы от исходной карточки stabilityai/stable-diffusion-2-inpainting; этот репозиторий отсылает к ней за сведениями о модели и ограничениях.