IV.5Образование и развитие навыков

Карточка модели JasperCaldwell/audiobox-aesthetics на Hugging Face совпадает с карточкой facebook/audiobox-aesthetics, поэтому описание составлено по ней. Audiobox Aesthetics — модель Meta для автоматической оценки качества речи, музыки и других звуков. Она принимает аудиофайлы и предсказывает оценки эстетических характеристик; можно также оценивать выбранный временной отрезок записи. Для запуска README предлагает пакет audiobox_aesthetics и интерфейс командной строки. Модель распространяется в формате safetensors и решает задачу классификации аудио. Лицензия — CC BY 4.0. В README не приведены сведения об архитектуре, числе параметров и поддерживаемых языках.

Austral 4.5B Winton — текстовая модель Delta-Vector для диалоговых ролевых игр, приключений и творческого письма. Это плотная авторегрессионная модель семейства Arcee с 6 млрд параметров по метаданным; в README разработчик называет её версией размером 4,5 млрд параметров. Модель дообучена на базе Delta-Vector/Austral-AFM-SFT в несколько этапов: SFT, затем KTO. Для диалогов используется формат ChatML. Модель рассчитана на ведение ролевых сцен и приключений: по описанию разработчика, она хорошо работает с карточками приключений, активнее продвигает сюжет и получила дополнительные знания о ролевых сценариях. В обучении использовались наборы данных для ролевых диалогов, совместного письма и художественных текстов. Модель принимает текст и генерирует текст; заявленный контекст — 65 536 токенов, основной язык в карточке — английский. Опубликована в формате safetensors и распространяется по лицензии Apache-2.0. Оценка преимуществ основана на описании разработчика; независимые результаты тестирования в карточке не приведены. README также упоминает квантизованные варианты GGUF и EXL3, но они не указаны как форматы файлов этого репозитория.

Beetle — это открытая двуязычная авторегрессионная языковая модель из семейства Beetle, разработанного исследователями University of Cambridge, EleutherAI и MIT. Модель предназначена для контролируемого изучения двуязычного языкового поведения, усвоения второго языка и межъязыкового переноса, а не для роли универсального чат-бота или учебного репетитора. Конкретная версия обучена для русского как L1 и английского как L2 на данных FineWeb2 в режиме B2 Simultaneous: английский постепенно вводится примерно с середины обучения, а итоговая доля английских токенов составляет 25%. Модель поддерживает генерацию текста и относится к семейству PicoDecoder; в исследовательском описании Beetle указана LLaMA-подобная архитектура с RoPE, SwiGLU, RMSNorm, grouped-query attention и BPE-токенизатором с вокабуляром 50 тысяч единиц. По метаданным Hugging Face размер модели составляет около 0,2 млрд параметров, используется библиотека Transformers и формат Safetensors. Основные сценарии — исследование обработки второго языка, прогнозирование времени чтения, оценка грамматичности, изучение межъязыкового структурного прайминга и анализ динамики обучения. Модель не предназначена для высокорисковых решений, точного языкового обучения или замены комплексных моделей билингвального развития. Лицензия и длина контекста в доступных источниках не установлены.

BFS-Prover-V2-7B — модель ByteDance-Seed для генерации пошаговых доказательств в Lean4. Она дообучена на Qwen/Qwen2.5-Math-7B методом многоэтапной экспертной итерации с поиском по дереву доказательств; число параметров — 7,1 млрд, архитектура — плотная Qwen2, формат весов — safetensors. Для работы модели подают состояние тактики Lean4 в формате «{state}:::»; модель продолжает его сгенерированной тактикой. Модель предназначена для автоматизированного доказательства теорем и поиска следующего шага доказательства. В README сообщается о результатах на тестах miniF2F и ProofNet для семейства BFS-Prover-V2; конкретные показатели для версии 7B приведены только для miniF2F-test — 82,4%. Указанный размер контекста составляет 4096 токенов. Лицензия — Apache-2.0.

Bigger-Body-12b — модель для генерации текста и ролевого чата, созданная на базе Mistral Nemo Instruct 2407. Разработчик позиционирует её как модель для ролевых сценариев; по отзывам в карточке, она пишет короткие, живые ответы, следует инструкциям карточек персонажей и может выдавать более длинные ответы, когда это нужно. Модель имеет плотную архитектуру MistralForCausalLM и 12,1 млрд параметров. Она принимает текст и генерирует текст, поддерживает английский и китайский языки; автор оценивает качество английского как близкое к нативному, а китайского — как посредственное. Контекстное окно составляет 131 072 токена. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка отмечает, что ответы иногда могут зацикливаться; автор рекомендует исправлять это повторной генерацией. Модель предназначена для ролевого общения, а не для использования детьми.

Cosmos3-Super-Image2Video-4Step — модель NVIDIA для генерации видео по входному изображению и необязательному текстовому запросу. Она создаёт временно согласованный видеоролик; рекомендованный выходной формат — MP4, разрешение 480p (832×480), по умолчанию 189 кадров. Это дистиллированная четырёхшаговая версия Cosmos3-Super-Image2Video: фиксированное расписание из четырёх шагов работает без classifier-free guidance. По данным карточки, такой режим сокращает число вычислений диффузионной модели до 25 раз по сравнению с рекомендованной настройкой базовой модели на 50 шагов с CFG. Размер модели составляет 64 млрд параметров; для запуска требуется узел с несколькими GPU H100/H200 либо один B200. Разработчик заявляет готовность модели к коммерческому и некоммерческому использованию. В метаданных лицензия обозначена как other, поэтому конкретные условия следует сверить с лицензионными файлами репозитория. Модель предназначена для image-to-video; приведённые в карточке сведения о качестве основаны на заявленном рейтинге открытых моделей, а аппаратные требования высоки.

sfanm/d24-midtrain-v1base-mathheavy-3.7B — базовая языковая модель автора sfanm после дополнительного обучения на математических данных, но до этапа SFT. Это плотный декодер семейства Llama в стиле nanochat: 24 слоя, скрытая размерность 1536, 12 голов внимания, SwiGLU, RoPE и RMSNorm; около 756,7 млн параметров, словарь GPT-2 BPE размером 50 304 токена и контекст 2048 токенов. Модель предназначена для продолжения текста, в том числе математического, а не для диалогового общения; для чата автор предлагает отдельные контрольные точки после SFT. В README приведён результат GSM8K 5,46% для соответствующей SFT-модели, а не для этого чекпойнта. Модель создана в рамках исследовательского воспроизведения nanochat с обучением с нуля, затем предобучением и математическим mid-training на ClimbMix, FineMath, OpenMath, MetaMath и OpenThoughts. Лицензия репозитория обозначена как other; автор предоставляет веса как есть для исследований и указывает, что нужно учитывать лицензии сторонних обучающих корпусов.

Darkidol-Ballad-4B — мультимодальная разговорная модель для ролевых сценариев и творческого письма, опубликованная пользователем aifeifei798. Это дообученная версия Qwen/Qwen3.5-4B с плотной архитектурой Qwen3.5 и поддержкой изображений; в метаданных основной задачей указано преобразование изображения и текста в текст. Автор описывает модель как адаптированную для мобильных устройств и быстрой генерации, а среди сценариев называет ролевые диалоги, в том числе в жанре тёмного фэнтези, написание песен, длинных художественных текстов и подсказок для письма, а также ответы по изображениям. Карточка ориентирует модель на английский язык. Репозиторий использует формат Safetensors и библиотеку Transformers. Лицензия — Apache-2.0. Автор указывает на отсутствие цензуры; модель может выдавать мрачный или взрослый контент, поэтому характер ответов зависит от запроса и настроек использования.

aufklarer/DeepFilterNet3-MLX — версия DeepFilterNet3, подготовленная для запуска на Apple Silicon с библиотекой MLX. Модель содержит около 2,13 млн параметров в формате float32 safetensors; её архитектура включает энкодер, ERB-декодер и декодер глубокой фильтрации. Она обрабатывает речевой аудиосигнал с частотой 48 кГц, используя 10-миллисекундные кадры и упреждение на два кадра (20 мс). Модель предназначена для шумоподавления и улучшения речи, например, при очистке записей или обработке аудио в реальном времени. В репозитории находятся сетевые веса и DSP-константы; полный конвейер аудио-входа и аудио-выхода требует реализации STFT, извлечения ERB-признаков и постобработки DeepFilterNet. Автор README сообщает о совпадении результатов сети на MLX CPU с PyTorch FP32 и приводит метрики тестирования на 30 клипах VoiceBank-DEMAND. Это конверсия официального чекпойнта Rikorose/DeepFilterNet3 с объединёнными слоями BatchNorm, а не новая обученная модель. Репозиторий указывает лицензию Apache-2.0. Модель рассчитана на Apple Silicon и не предназначена для универсальной обработки аудио без соответствующего DSP-конвейера.

aesat/detr-finetuned-chess — модель обнаружения шахматных фигур на изображениях, полученная дообучением DETR с backbone ResNet-50. Архитектура DETR использует сверточную основу и encoder-decoder Transformer; выходные головы предсказывают классы объектов и их ограничивающие рамки. Модель реализована для библиотеки Transformers, веса опубликованы в формате safetensors, размер указан как 6,3 млн параметров. Модель предназначена для локализации и распознавания шахматных фигур на изображениях, например для автоматического анализа фотографий шахматной доски. Карточка не сообщает классы фигур, набор данных, метрики качества или ограничения по ракурсам и условиям съёмки. Лицензия — Apache-2.0; базовая модель — facebook/detr-resnet-50.

Yntec/epiCRealismVAE — модель генерации изображений из текста на базе Stable Diffusion, представленная в формате Diffusers. Веса включают встроенный MoistV2VAE; карточка приводит пример фотореалистичного портретного промпта с персонажем в модной одежде. Модель предназначена для создания изображений по текстовым описаниям, в том числе портретов и изображений в фотореалистичном или аналоговом стиле. Репозиторий использует PyTorch и safetensors и распространяется по лицензии CreativeML OpenRAIL-M, условия которой следует учитывать при использовании и распространении результатов.

ErisepBeagleNuBuRPInfinWestLakev2-ENDLESSIreneRP-Neural-7B-slerp — объединённая модель, созданная Smuggling1710 с помощью LazyMergekit из Smuggling1710/BeagleNuBuRPInfinWestLakev2-IreneRP-Neural-7B-slerp и Endevor/EndlessRP-v3-7B методом SLERP. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM, объёмом 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста, в частности ролевых диалогов и историй на английском языке. Её можно использовать для продолжения художественных сцен и ведения диалога от лица персонажа. Репозиторий содержит веса в формате Safetensors и использует точность bfloat16. В предоставленной карточке не указаны лицензия и специальные ограничения на применение; условия использования следует сверить с лицензиями обеих базовых моделей.

Eruku — авторегрессионная модель генерации изображений текста, разработанная авторами проекта Eruku. По изображению-образцу и заданной строке она создаёт рукописный или печатный текст, стараясь воспроизвести стиль образца. Транскрипция текста на образце необязательна, но может помочь модели точнее передать стиль. Поддерживаются перенос стиля без дополнительного обучения, генерация текста произвольной длины и настройка следования условию с помощью Classifier-Free Guidance. Архитектура сочетает T5-Large encoder-decoder для работы с текстом, VAE для кодирования и декодирования изображений и специальные эмбеддинги стиля и управляющих токенов. Модель описана как многоязычная, но обучалась преимущественно на английском; метаданные также указывают английский язык. Репозиторий содержит веса PyTorch и использует библиотеку Transformers. Лицензия — Apache-2.0. Качество и читаемость могут зависеть от исходного изображения и параметров генерации: слишком высокий CFG Scale способен приводить к артефактам. Заявления о высокой точности и генерации текста произвольной длины приведены в карточке модели и не сопровождаются в предоставленных материалах количественными оценками.

Fairseq-dense 13B-Nerys — языковая модель KoboldAI для генерации продолжений текста. Это дообученная плотная модель семейства XGLM с 14,9 млрд параметров, доступная в формате PyTorch и рассчитанная на контекст до 2048 токенов. Для генерации её можно использовать через pipeline text-generation в Transformers. Модель обучали на примерно 2500 электронных книгах разных жанров, наборе текстовых приключений CYS и 50 азиатских ранобэ из Manga-v1. Во многих примерах перед текстом указывали жанр в формате `[Genre: , ]`. Модель подходит для создания художественных текстов, диалогов и интерактивных сюжетов на английском языке. Репозиторий распространяется по лицензии MIT. Как и другие языковые модели, Nerys может воспроизводить гендерные, профессиональные, расовые и религиозные предубеждения из данных обучения. Длина контекста ограничена 2048 токенами; модель предназначена для генерации текста, а не для гарантированно точных фактических ответов.

Fairseq-dense 2.7B-Nerys — англоязычная авторская донастройка плотной модели Fairseq, опубликованная KoboldAI. Это причинная языковая модель архитектуры XGLM с 3,1 млрд параметров, предназначенная для генерации продолжений текста и художественной прозы. При обучении использовались около 2500 электронных книг разных жанров, датасет интерактивных историй CYS и 50 азиатских лайт-новелл; в значительной части обучающих текстов перед жанром добавлялась метка вида [Genre: …]. Модель можно применять для продолжения повествования, написания художественных сцен и интерактивных историй. Она принимает и генерирует текст, поддерживает контекст до 2048 токенов и опубликована в формате PyTorch. Лицензия — MIT. Как и другие языковые модели, может воспроизводить смещения, в том числе связанные с полом, профессией, расой и религией; качество генерации не гарантируется.

GPT-Neo-Fiction — дообученная Tin Kanjovsky (Tincando) версия GPT-Neo-125M от EleutherAI для генерации художественных историй. Это плотная авторегрессионная языковая модель архитектуры GPT-Neo с 137,7 млн параметров и контекстом до 2048 токенов. Она принимает текстовые подсказки и продолжает их связным повествованием; описанные сценарии включают творческое письмо и создание сюжетного контента для блогов и сайтов. Качество и связность историй могут меняться: модель иногда генерирует бессмысленный или неподходящий текст, а длина ответа не всегда соответствует ожиданиям. Возможны предвзятости из обучающих данных; для чувствительных тем рекомендуется проверка результата. README не сообщает лицензию модели.

FLUX.1-dev ControlNet Inpainting Beta — модель для генерации и редактирования изображений методом inpainting, разработанная командой AlimamaCreative. Она основана на black-forest-labs/FLUX.1-dev и предназначена для восстановления или замены отдельных областей изображения по текстовому запросу с сохранением заданного визуального контекста. Модель поддерживает сценарии управляемого редактирования изображений и интеграцию с ComfyUI через библиотеку Diffusers. Ключевые улучшения по сравнению с предыдущей Alpha-версией включают прямую обработку и генерацию изображений разрешением 1024×1024 без дополнительного апскейлинга, более детализированное содержимое в изменяемых областях и более точное следование текстовым промптам. В README указано, что модель использует английский язык; сведения о размере, точной архитектуре, поддерживаемых дополнительных модальностях и максимальном контексте не приведены. Это специализированная image-to-image модель, поэтому её возможности ограничены задачами редактирования изображений и зависят от качества исходного изображения, маски и текстового описания. Модель распространяется по лицензии flux-1-dev-non-commercial-license; лицензия обозначена как other и содержит ограничение на некоммерческое использование. Также заявлена совместимость с 8-шаговой LoRA FLUX.1-Turbo-Alpha.

FLUX.1-dev-IP-Adapter — адаптер IP-Adapter для генеративной модели FLUX.1-dev, разработанный командой InstantX. Он предназначен для генерации изображений по текстовому описанию с использованием референсного изображения, которое подаётся в модель как дополнительный источник визуальной информации. Адаптер можно применять в сценариях управляемой генерации и комбинирования текстовых и визуальных условий; поддерживаются интеграции через локальные файлы проекта и ComfyUI-IPAdapter-Flux. В архитектуре добавлены новые слои в 38 одиночных и 19 двойных блоках FLUX.1-dev. Для кодирования изображений используется google/siglip-so400m-patch14-384, а для проекции признаков — MLPProjModel из двух линейных слоёв. Число токенов изображения составляет 128. Выпущенная версия обучена на открытом наборе данных объёмом 10 миллионов примеров с размером батча 128 и выполнением 80 000 шагов обучения. Базовая модель — black-forest-labs/FLUX.1-dev; в метаданных указан английский язык. Адаптер поддерживает работу с референсными изображениями, но не предназначен для тонкого переноса стиля или обеспечения постоянства персонажа. Возможен компромисс между утечкой содержания исходного изображения и переносом стиля, а для получения приемлемого результата могут потребоваться несколько попыток. Авторы также отмечают ограниченное разнообразие текущей версии и невозможность охватить некоторые стили и концепции. На момент публикации код ещё не интегрирован в diffusers и требует использования локальных файлов проекта. Модель распространяется по лицензии flux-1-dev-non-commercial-license; коммерческое использование ограничено условиями этой лицензии.

FLUX.2 [klein] 9B FP8 — модель Black Forest Labs для генерации изображений по текстовым описаниям и редактирования изображений с использованием нескольких референсов. Это 9-миллиардная rectified flow transformer-модель; представленная версия содержит FP8-веса, тогда как основной репозиторий распространяет полные веса BF16. Модель интегрируется с библиотекой Diffusers и ориентирована на сценарии text-to-image и image-to-image. Модель поддерживает английский язык. Она предназначена для визуального контента и интерактивного редактирования, но не для предоставления фактической информации. Сгенерированный текст на изображениях может быть неточным или искажённым, соответствие промпту не гарантируется, а результат зависит от стиля формулировки запроса. Как статистическая модель, она может воспроизводить или усиливать смещения из обучающих данных. Для работы требуется около 29 ГБ VRAM; заявлена доступность на NVIDIA RTX 4090 и более производительных GPU. Модель выпускается по лицензии FLUX Non-Commercial License, поэтому предназначена для некоммерческого использования, исследований и разработки. Обязательны соблюдение Acceptable Use Policy и применение фильтров или ручной проверки для входов и выходов; запрещены незаконные, вредоносные, обманные, нарушающие приватность и другие указанные виды использования.

fpadovani/fr_child_clm_30_new — дообученная автором карточки языковая модель семейства GPT-2 для генерации текста. Модель доступна в формате safetensors и рассчитана на контекст до 512 токенов. В карточке приведён результат оценки: loss 4,1358. Данные о наборе для дообучения и назначении модели не раскрыты, поэтому её специализацию и качество для конкретных сценариев установить нельзя. Лицензия в предоставленных сведениях не указана.

Vortex5/G4-Starry-Ocean-12B-heretic — чат-модель с поддержкой изображений, созданная Vortex5 на основе G4-Starry-Ocean-12B. В README описана абляция: модель заметно реже отказывает в ответах, чем исходная версия, при сохранении близкого к ней поведения по метрике KL-дивергенции. В исходной модели объединены gemma-4-12B-it, Semancer-12B и G4-12B-Station-Keeper. Модель предназначена для ролевого общения, эмоционально насыщенных диалогов, художественного письма и создания длинных структурированных историй; поддержка изображений указана в метаданных. Репозиторий содержит веса Safetensors для Transformers и распространяется по лицензии Apache-2.0. README не уточняет поддерживаемые языки и длину контекста.

Карточка модели Ame33/Gemma-4-Novelist-Eclipse-31B на Hugging Face совпадает с карточкой Ateron/Gemma-4-Novelist-Eclipse-31B, поэтому описание составлено по ней. Novelist-Eclipse — экспериментальная объединённая модель Ateron для генерации текста и разговоров в творческих и ролевых сценариях. Она создана с помощью mergekit на основе нескольких вариантов Gemma 4 31B, включая модели для ролевого общения, настройки стиля и прозы; в README также упомянута настройка lm_head на основе StyleTune. Архитектура — плотная Gemma 4, файлы представлены в формате safetensors. Модель рассчитана на создание художественной прозы и ролевых диалогов с акцентом на описательность, творческую выразительность и последовательность. Метаданные указывают английский язык и поддержку чата. Репозиторий распространяется по лицензии Apache-2.0. README характеризует модель как сырую и экспериментальную; результаты генерации могут быть непоследовательными или содержать клише.

Gemma-The-Writer-N-Restless-Quill-V2-Enhanced32-10B-Uncensored-GGUF — текстовая генеративная модель от DavidAU, созданная на базе Gemma2 и объединяющая четыре модели для сторителлинга и письма. Модель дополнительно использует Brainstorm 5x adapter, а также компоненты gemma2-gutenberg, Tiger-Gemma и Ellaria, направленные на изменение стиля прозы, снижение шаблонности и усиление следования инструкциям. Она распространяется в формате GGUF с различными вариантами квантования. Модель предназначена прежде всего для художественного письма: генерации рассказов, сюжетов и подсюжетов, продолжения сцен, создания описательной прозы, ролевых сценариев и текстов в разных жанрах, включая научную фантастику, романтику и хоррор. Она работает на английском языке. Заявлены 10B параметров, 46 слоёв и 508 тензоров; базовое контекстное окно составляет 8K токенов и может быть расширено с помощью RoPE до 32K и выше. Модель поддерживает шаблон Gemma Instruct. Сильными сторонами заявлены выразительная и подробная проза, разнообразная структура предложений и абзацев, увеличенная длина ответов, улучшенное следование инструкциям и возможность управлять стилем и уровнем цензуры через промпт. При этом результаты сильно зависят от температуры, repetition penalty и других параметров, поэтому требуется настройка самплеров. Модель является uncensored и может генерировать ненормативную лексику, графичные, жестокие и предназначенные не для всех аудиторий материалы. Лицензия — Apache-2.0.

Athspi LLM — компактная языковая модель на архитектуре GPT-2, разработанная для генерации коротких художественных историй. В README указаны 4 слоя, размерность эмбеддингов 384, 6 голов внимания и около 28 млн параметров; метаданные указывают контекст до 1024 токенов. Модель обучалась на наборе TinyStories, охватив около 5% набора, или примерно 100 тысяч примеров. Модель предназначена для творческой генерации текста и экспериментов с небольшими языковыми моделями. Опубликована в форматах PyTorch и Safetensors для библиотеки Transformers. Лицензия — Apache-2.0. Ограниченный объём обучения и небольшой размер модели могут снижать связность и разнообразие историй по сравнению с крупными языковыми моделями; README указывает последовательность обучения длиной 128 токенов.

ConicCat/GLM-4.5-Architect-106B-A12B — дообученная версия GLM-4.5-Air, созданная для улучшения качества прозы и письма и уменьшения характерных для GLM стилистических особенностей. Модель обучали 8 эпох на сборниках коротких рассказов, прошедших обратный перевод и отобранных за литературные достоинства. Модель предназначена для генерации текста, прежде всего художественной прозы и коротких рассказов. README предупреждает, что способность к рассуждению специально не сохраняли; автор рекомендует пропускать режим thinking с помощью соответствующего префикса шаблона GLM. Модель использует архитектуру семейства GLM-4 MoE и поддерживает контекст до 131 072 токенов. В метаданных указано 8,5 млрд параметров и библиотека Transformers. Модель принимает и генерирует текст; в карточке указан английский язык. Лицензия — MIT. Качество рассуждений не является целью этого дообучения, а доступные сведения не подтверждают сохранение возможностей базовой модели по программированию или работе с инструментами.

GLM4-9B-Neon-v2 — дообученная Auri модель семейства GLM-4-9B для ролевых диалогов и генерации короткой прозы. Она построена на плотной архитектуре GLM-4-9B-0414 и рассчитана на текстовый чат с контекстом до 32 768 токенов; размер модели — 8,8 млрд параметров. В README указано, что обучение проводилось методом QLoRA на 77 млн токенов синтетических ролевых диалогов и коротких рассказов. Модель ориентирована на выразительные ответы с заметной индивидуальностью и подходит для ролевых персонажей, совместного написания историй и творческих диалогов. Карточка отмечает, что она может вести себя своеобразно и хуже справляется с длинными системными подсказками и описаниями персонажей; форматированный как JSON системный промпт может работать лучше. Модель отвечает в формате инструкций GLM-4; для некоторых бэкендов нужно самостоятельно добавить токен BOS. Лицензия — MIT.

Tanhim/gpt2-model-de — языковая модель GPT-2, представленная автором карточки для генерации немецкого текста. Она основана на плотной архитектуре GPT2LMHeadModel и дообучена на наборе из десяти тысяч немецких новостных статей. Модель принимает текстовый префикс и продолжает его; также README упоминает использование модели для получения признаковых представлений текста. Модель рассчитана на немецкий язык и имеет контекст длиной до 1024 токенов. Доступны веса в формате PyTorch, использовать их можно через Transformers. Лицензия репозитория — GPL. Данные карточки указывают на новостной обучающий корпус, поэтому качество и стиль генерации могут быть ориентированы на новости; иных ограничений карточка не описывает.

sadia72/gpt2-shakespeare — языковая модель на архитектуре GPT-2, дообученная на корпусе произведений Уильяма Шекспира. Она предназначена для генерации художественного текста в шекспировском стиле, например пьес, диалогов и стихотворных фрагментов по заданному началу. Корпус составлен из текстов 21 произведения, включая трагедии, комедии и сонеты; модель принимает текст и генерирует текст, работает с контекстом до 1024 токенов. Модель подходит для творческих экспериментов и создания стилизованных продолжений на английском языке. В README приведён результат оценки на тестовой выборке: loss 2,5738. Модель ограниченно воспроизводит стили других авторов; лицензия — MIT.

MuXodious/Harbinger-24B-absolute-heresy — дообученная версия Harbinger-24B, созданная с помощью инструмента Heretic и метода abliteration для снижения частоты отказов. Это плотная Mistral-модель с 23,4 млрд параметров, предназначенная для генерации текста в чате. Базовая Harbinger-24B настроена на иммерсивные текстовые приключения, ролевые диалоги и связное повествование, в том числе с продолжением длинных сцен без частых вмешательств пользователя. Обучение включало SFT и DPO; карточка этой версии сообщает о 4 отказах из 100 проверок после преобразования против 98 до него. Для общения использовался формат ChatML. Контекст модели — до 131 072 токенов. Модель ориентирована на английский язык и повествование от второго лица в настоящем времени; другие стили могут давать менее удачные результаты. Автор отмечает, что исходная Harbinger-24B не содержит шаблона чата Jinja, а метрики «геретизации» не показывают качество генерации. Лицензия — Apache-2.0.

Haru v3 student-chat — компактная разговорная языковая модель семейства Haru, разработанная alice-noa-chan. Она предназначена прежде всего для продолжения корейских детских сказок в формате чата; общие языковые данные также поддерживают связность ответов. Модель использует плотную причинную архитектуру HaruDenseForCausalLM с полной causal attention, QK RMSNorm, SwiGLU и инкрементальным KV-кэшем. В карточке README указано 13 688 705 параметров, а метаданные каталога сообщают 23,5 млн; контекст — 1 024 токена. Это IT-вариант выбранной компактной студенческой модели. README описывает дистилляционное обучение студента, при этом внешние веса предварительно обученных моделей, логиты учителя и новые данные внешних LLM не использовались. Модель принимает текстовые сообщения и генерирует текст; указана поддержка корейского языка. Веса и исходный код распространяются по лицензии MIT. Данные обучения не входят в публичную поставку.