I.11Классификация, ранжирование и сопоставление

wareef/Qwen3-VL-8B-Instruct-Q4_K_M-GGUF — это квантизированная версия мультимодальной модели Qwen3-VL-8B-Instruct, преобразованная в формат GGUF для запуска с llama.cpp. Модель подготовлена пользователем или организацией wareef на основе исходной модели Qwen/Qwen3-VL-8B-Instruct с использованием инструмента GGUF-my-repo от ggml.ai. Модель предназначена для задач преобразования изображений и текста в текст, включая мультимодальное понимание и генерацию ответов по входным данным. Она рассчитана на локальный запуск через llama.cpp в командной строке или в режиме сервера. В README указаны архитектурная основа Qwen3-VL, размер 8B и квантизация Q4_K_M; сведения о поддерживаемых языках, точном размере контекста, конкретных модальностях и возможностях исходной модели не приведены. К сильным сторонам относятся компактный квантизированный формат GGUF и совместимость с llama.cpp, что упрощает локальное развертывание на поддерживаемом оборудовании. Ограничения связаны с потерей точности из-за квантизации, а также с зависимостью от аппаратных возможностей и настроек llama.cpp. Модель распространяется по лицензии Apache-2.0.

Qwen_Qwen3-VL-4B-Thinking-GGUF — это набор GGUF-квантизаций мультимодальной модели Qwen3-VL-4B-Thinking, разработанной Qwen и квантизированной bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для задач преобразования изображений и текста в текст, а также для локального запуска через llama.cpp, LM Studio и другие совместимые проекты. Доступны варианты от полноразмерных весов BF16 размером 8,05 ГБ до более компактных квантизаций размером около 1,8–4,3 ГБ. Указан размер базовой модели — 4B параметров, а поддерживаемая мультимодальность включает изображения и текст. README не содержит сведений о языках, размере контекста, точной архитектуре, результатах оценки или конкретных прикладных сценариях исходной модели. Версии Q6 и Q5 позиционируются как высококачественные, Q4 — как сбалансированные по качеству и размеру, а Q3 и некоторые IQ-варианты — как решения для устройств с ограниченным объёмом оперативной памяти, но с заметным снижением качества. Лицензия в предоставленных данных не указана; условия использования следует уточнять в репозитории базовой модели Qwen/Qwen3-VL-4B-Thinking.

r4victor/qwen-wordle-full — дообученная модель Qwen/Qwen3.5-4B, обученная с использованием TRL. В метаданных указана архитектура Qwen3.5 для генерации текста с изображениями и поддержка диалога и зрения; веса опубликованы в формате safetensors. Карточка показывает пример запуска через Transformers и CUDA для диалоговой генерации. Хотя в названии есть Wordle, README не описывает специализированное решение Wordle или игровые возможности. Базовая модель содержит 4 млрд параметров и предназначена для диалога, понимания изображений, рассуждений и вызова инструментов. Лицензия в доступных данных не указана.

ReAligned-Qwen3.5-9B-GGUF — набор GGUF-квантизаций текстовой языковой модели ReAligned-Qwen3.5-9B, созданной Eric Hartford, главным научным сотрудником LazarusAI. Модель основана на Qwen3.5 и предназначена для генерации текста и диалогового взаимодействия, включая ответы на чувствительные исторические и политические вопросы. Квантизацию выполнила QuixiAI; запуск возможен через llama.cpp и совместимые приложения, включая LM Studio, KoboldCpp, Jan AI и Text Generation Web UI. Модель имеет около 9 миллиардов параметров, поддерживает английский и китайский языки и поставляется в вариантах от BF16 до различных 8-, 6-, 5-, 4- и 3-битных форматов GGUF. Рекомендуется использовать встроенный шаблон чата Qwen и системный промпт для настройки стиля, границ отказов, требований к цитированию и поведения в конкретном сценарии. Данные о размере контекста и результатах формальных оценок в карточке не указаны. Основная особенность ReAligned-Qwen3.5 — попытка снизить идеологическую цензуру, избыточные отказы и государственно-нарративную подачу, связанную с исходной моделью, сохранив её общие возможности. Это может быть полезно для исследовательских, аналитических и диалоговых задач, требующих более прямых ответов по спорным темам, однако заявленные изменения не гарантируют фактическую точность, нейтральность или отсутствие предвзятости. Квантизация уменьшает требования к дисковой памяти и позволяет запускать модель локально, но более компактные варианты могут уступать BF16 по качеству. Лицензия — Apache 2.0.

uproai/ros-7b-v1 — объединённая языковая модель на архитектуре Mistral, опубликованная uproai. Согласно карточке, она собрана с помощью Mergekit из OpenPipe/mistral-ft-optimized-1227, cgato/Thespis-Mistral-7b-v0.6, saishf/West-Hermes-7B и NeverSleep/Noromaid-7b-v0.2; конфигурация описывает слияние методом SLERP. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст, а её контекст составляет до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев на базе Mistral. Карточка не уточняет целевые языки или специализированные области применения, поэтому их нельзя надёжно определить по доступным сведениям. Репозиторий содержит веса Safetensors и распространяется по лицензии Apache-2.0.

shisa-7b-v1-Mistral-7B-Instruct-v0.1 — чат-модель семейства Mistral, созданная MaziyarPanahi слиянием Mistral-7B-Instruct-v0.1 и augmxnt/shisa-7b-v1 методом SLERP. Модель предназначена для генерации ответов на инструкции и диалоговые запросы; среди указанных языков — японский и английский. Модель имеет плотную архитектуру MistralForCausalLM, 7,1 млрд параметров и контекстное окно до 32 768 токенов. Веса представлены в формате safetensors; лицензия — Apache-2.0. Карточка не приводит отдельных оценок качества или подробностей ограничений.

featherless-ai-quants/SillyTilly-Meta-Llama-3.1-8B-Instruct-GGUF — набор GGUF-квантизаций инструкционной языковой модели SillyTilly/Meta-Llama-3.1-8B-Instruct. Квантизации подготовлены featherless-ai-quants. Модель предназначена для генерации текста и диалоговых сценариев, включая запуск инструкционной Llama-модели в совместимом с GGUF окружении. В репозитории доступны варианты IQ4_XS, Q2_K, Q3_K_L, Q3_K_M, Q3_K_S, Q4_K_M, Q4_K_S, Q5_K_M, Q5_K_S, Q6_K и Q8_0 размером примерно от 3 до 8 ГБ. README не указывает архитектуру подробнее, поддерживаемые языки, модальности и размер контекстного окна; по назначению модель относится к текстовой генерации и не заявлена как мультимодальная. Главное преимущество набора — возможность выбрать компромисс между размером файла, требованиями к ресурсам и сохранением качества при локальном или ином GGUF-запуске. Более агрессивные квантизации занимают меньше места, но могут сильнее снижать качество по сравнению с менее сжатыми вариантами. Лицензия в README не указана, поэтому условия использования необходимо уточнять по исходной модели SillyTilly/Meta-Llama-3.1-8B-Instruct и правилам распространения конкретных файлов.

Skyro-4X8B — языковая модель с архитектурой Mixture of Experts (MoE), созданная автором репозитория saucam путём слияния четырёх моделей семейства Llama 3 с помощью Mergekit: Llama-3-Smaug-8B, Dolphin 2.9 Llama 3 8B, Einstein v6.1 Llama 3 8B и Opus v1.2 Llama 3 8B. Модель содержит 7,5 млрд параметров, использует архитектуру MixtralForCausalLM и принимает текст для генерации текста; контекст составляет 8192 токена. Модель предназначена для генерации текста и диалоговых сценариев. В карточке приведены результаты оценки на ARC, HellaSwag, MMLU, TruthfulQA, Winogrande и GSM8K, но не описаны методика тестирования и ограничения поведения. Репозиторий распространяется по лицензии Apache-2.0.

Azazelle/SlimMelodicMaid — текстовая генеративная модель семейства Mistral, созданная слиянием моделей Silicon-Maid-7B, piano-medley-7b, xDAN-L1-Chat-RL-v1 и mistral-7b-slimorcaboros. В карточке указано слияние Slerp; конфигурация mergekit также описывает слияние весов моделей Azazelle/Silicon-Medley и Azazelle/xDAN-SlimOrca на базе mistralai/Mistral-7B-v0.1. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Она предназначена для генерации текста и диалоговых сценариев; в карточке приведены результаты оценок на задачах рассуждения и продолжения ситуаций. Репозиторий содержит веса в формате Safetensors. Лицензия — CC BY 4.0. Карточка не сообщает о специальных ограничениях применения или о целевых языках; качество и поведение могут зависеть от запроса и конкретного сценария использования.

Raychani1/slovakbert-ner-v2 — модель распознавания именованных сущностей на словацком языке, разработанная на основе Gerulata/SlovakBERT. Это RoBERTa-модель для классификации токенов, дообученная на собранных из веба словацких новостных статьях; она размечает сущности тегами IOB: PERSON, ORGANIZATION, LOCATION, DATE, TIME, MONEY и PERCENTAGE. Модель принимает текст и возвращает метки для его фрагментов, например для извлечения людей, организаций, мест и денежных сумм из новостей. В README приведены метрики оценки: F1 0,9895 и macro-F1 0,9547. Модель имеет 151,8 млн параметров, контекст до 514 токенов и распространяется в формате PyTorch по лицензии MIT. Обучение на новостных статьях может ограничивать качество на других жанрах и типах текста; опубликованные метрики относятся к указанной оценке.

tomaarsen разработал SpanMarker на базе энкодера bert-base-cased для распознавания именованных сущностей. Модель обучена на FewNERD, CoNLL2003 и OntoNotes v5 и предназначена для обнаружения организаций (ORG) в англоязычном тексте. Она принимает последовательности длиной до 256 токенов и распознаёт сущности длиной до 8 слов. Для класса ORG указаны precision 0,7958, recall 0,7936 и F1 0,7947. Модель можно применять для извлечения названий компаний, учреждений и других организаций из предложений и документов, а также дообучать на собственных данных. Лицензия — CC BY-SA 4.0.

Stella-mistral-nemo-12B-v2 — языковая модель, созданная nbeerbower слиянием предварительно обученных моделей методом Model Stock с помощью mergekit. В качестве базовой использована nbeerbower/mistral-nemo-bophades-12B; в слияние также вошли три модели семейства Gutenberg, включая Lyra-Gutenberg-mistral-nemo-12B. Модель имеет плотную архитектуру MistralForCausalLM и 12,1 млрд параметров, распространяется в формате safetensors и использует библиотеку Transformers. Модель предназначена для генерации и продолжения текста в диалоговом формате. Метаданные указывают контекстное окно до 1 024 000 токенов, а карточка приводит результаты оценок IFEval и BBH. Данные о поддерживаемых естественных языках и специализированных прикладных областях не приводятся. Лицензия в предоставленных источниках не указана. Поскольку это слияние нескольких моделей, свойства и условия использования могут зависеть от исходных чекпойнтов; фактическая производительность для конкретных сценариев требует проверки.

SuperBruphin-3x7B — экспериментальная диалоговая языковая модель, созданная nbeerbower с помощью mergekit. Это MoE-модель семейства Mixtral с архитектурой MixtralForCausalLM и примерно 7,1 млрд параметров; в слияние вошли nbeerbower/bruphin-epsilon, FelixChao/WestSeverus-7B-DPO-v2 и jondurbin/airoboros-m-7b-3.1.2. Модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Модель предназначена для диалогов, генерации историй и писем, решения задач и ответов на инструкции. В README приведены оценки Open LLM Leaderboard: среднее значение 73,75, результат 71,16 на AI2 Reasoning Challenge и 87,74 на HellaSwag. Подтверждённых сведений о поддерживаемых естественных языках и специализированных областях применения нет. Лицензия — Apache-2.0.

SwedishBeagle-dare — объединённая чат-модель на архитектуре Mistral, созданная с помощью LazyMergekit из Mistral-совместимых моделей timpal0l/Mistral-7B-v0.1-flashback-v2, EmbeddedLLM/Mistral-7B-Merge-14-v0.2 и Nexusflow/Starling-LM-7B-beta. В конфигурации объединения базовой моделью указана mlabonne/NeuralBeagle14-7B; применён метод dare_ties. Модель с 7,1 млрд параметров предназначена для генерации текста и диалоговых ответов. Контекст — до 32 768 токенов. Карточка не описывает отдельные специализированные функции или целевые языки, поэтому её следует рассматривать как чат-модель общего назначения. Модель распространяется по лицензии Apache-2.0. Качество ответов и языковая поддержка могут зависеть от задачи; данных о специализированном обучении и оценках в карточке нет.

Swift-Qwen3.8-27B-Uncensored-GPTQ-Int4-sym-G128-MTP-BF16 — квантизированная версия модели d0xin/Swift-Qwen3.8-27B-Uncensored-BF16, опубликованная greglechin. Модель основана на Qwen3.8-27B и представляет Swift-линейку с эффективным рассуждением и uncensored-настройкой. Она предназначена для генерации текста и мультимодальных сценариев image-text-to-text, поддерживает английский и китайский языки и ориентирована прежде всего на запуск через vLLM XPU на Intel Arc. Точная длина контекста в README не указана. Основная часть весов квантизирована методом GPTQ до Int4 с симметричными группами размера 128; 400 тензоров хранятся в упакованном формате I32. 15 тензоров MTP-головы сохранены в BF16 для работы нативного speculative decoding, а lm_head и vision tower оставлены без квантизации. Размер чекпойнта составляет около 20 ГБ, он разбит на пять шардов. Для сервинга требуется vLLM с поддержкой Qwen3.8 MTP и XPU-патчами; на видеокартах с 32 ГБ памяти при длинном контексте практически необходим KV-cache в FP8. Сильными сторонами являются существенное сокращение размера по сравнению с полноточной версией, сохранение MTP-головы и возможность ускоренного декодирования с speculative decoding. В измерениях для одного потока указана суммарная скорость 79,34 токена в секунду, однако производительность зависит от уровня конкуренции, оборудования и конфигурации движка. Для этой квантизированной версии оценки качества или сравнения perplexity не проводились, поэтому влияние GPTQ на качество не подтверждено. Также поддержка prefix caching зависит от конкретной сборки vLLM и применённых патчей. Модель распространяется по лицензии swift-open-license-1.0; в README она обозначена как license: other.

SynthIA-7B-v1.5-Mistral-7B-Instruct-v0.1 — чат-модель, созданная MaziyarPanahi слиянием Mistral-7B-Instruct-v0.1 и SynthIA-7B-v1.5 методом SLERP. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста и ответов в диалоге. Репозиторий содержит веса в формате safetensors; модель рассчитана на контекст до 32 768 токенов и поддерживает английский язык. Модель подходит для диалоговых запросов, генерации ответов и выполнения инструкций на английском языке. Указанная лицензия — Apache-2.0. README описывает способ слияния и использованные модели, но не приводит отдельные результаты оценки качества или подробные ограничения применения.

T3qm7Mergerix-7B — автоматически объединённая модель, созданная Maxime Labonne на основе Mistral-7B-v0.1, T3QM7 и Mergerix-7b-v0.3. Она предназначена для генерации текста и диалога, включая ответы на математические запросы. Модель имеет плотную архитектуру MistralForCausalLM с 7,1 млрд параметров и контекстное окно до 32 768 токенов; веса опубликованы в формате safetensors. Модель распространяется по лицензии Apache-2.0. В README не приведены результаты оценки качества или сведения о поддерживаемых языках, поэтому практическую точность для конкретных задач и языков следует проверять отдельно.

T3qm7xNeuralsirkrishna_AlloyingotneoyInex12 — объединённая модель на архитектуре Mistral, созданная из automerger/T3qm7xNeuralsirkrishna-7B и automerger/AlloyingotneoyInex12-7B. Она предназначена для генерации текста и диалоговых сценариев. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель принимает текст и генерирует текст. В метаданных указана лицензия Apache-2.0. Сведений о специализации по языкам и прикладным областям нет.

T3qm7xNeuralsirkrishna_Experiment27Yam — объединённая языковая модель семейства Mistral, созданная слиянием automerger/T3qm7xNeuralsirkrishna-7B и automerger/Experiment27Yam-7B. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и распространяется в формате safetensors. Она предназначена для генерации текста и диалогов с контекстом до 32 768 токенов. Модель может применяться для ответов на запросы и создания связного текста. Карточка не сообщает о специализированной предметной области или поддерживаемых языках. Лицензия — Apache-2.0. Практические ограничения и результаты оценки качества в карточке не описаны.

bartowski/TheDrummer_Agatha-111B-v1-GGUF — это набор GGUF-квантизаций языковой модели Agatha-111B-v1, разработанной TheDrummer. Квантизация выполнена bartowski с использованием llama.cpp и метода imatrix; модель предназначена для текстовой генерации и запуска через llama.cpp, LM Studio и другие совместимые проекты. Модель имеет размер 111B параметров. В README указана поддержка диалогового и общего текстового применения, включая работу с английским, французским, испанским, итальянским, немецким, португальским, японским, корейским, арабским, китайским, русским и рядом других языков. Доступны варианты квантизации от Q4 до Q8, размером примерно от 63,5 до 118 ГБ; более высокие разряды обычно сохраняют лучшее качество, но требуют больше памяти. Рекомендуемыми названы Q4_K_M, Q4_K_L, Q5_K_M, Q5_K_S и Q6_K. Сильной стороной модели является сочетание крупного размера и нескольких вариантов квантизации, позволяющих выбирать баланс между качеством и требованиями к оборудованию. Ограничения включают очень высокие требования к оперативной или видеопамяти, а также возможную потерю качества в менее точных вариантах. Архитектура, максимальная длина контекста и лицензия в предоставленном README не указаны.

Tulu V2.5 DPO 13B UltraFeedback Mean — англоязычная диалоговая модель-помощник от Allen Institute for AI (AI2), дообученная на базе Tulu 2 с использованием DPO. Для выбора предпочтительных и отклоняемых ответов в обучении использовалось среднее значение подробных оценок набора UltraFeedback; модель также относится к серии, обученной методами DPO и PPO. Это плотная авторегрессионная модель семейства Llama с 12,9 млрд параметров и контекстом до 4096 токенов. Модель предназначена для диалогов с помощником и генерации ответов на инструкции на английском языке. Для лучшего качества следует использовать предусмотренный шаблон диалога, включая перевод строки после сообщения пользователя. Модель может выдавать проблематичные ответы: на этапе RLHF её не настраивали на безопасные завершения, а фильтрация ответов во время использования не предусмотрена. Лицензия — Apache 2.0.

Viviana_V3_dare_ties — объединённая чат-модель, созданная domie с помощью mergekit на основе domie/Viviana_V2 и mistralai/Mistral-7B-Instruct-v0.2. Она предназначена для генерации текста и ответов на инструкции в диалоговом формате. Модель использует плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров. Она принимает текст и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате safetensors; лицензия — Apache-2.0. Модель подходит для диалоговых приложений и генерации ответов по текстовым запросам. README не приводит оценок качества или сравнительных тестов, поэтому пригодность для конкретных сценариев следует проверять самостоятельно.

NomaDamas подготовил конверсию модели naver/v-splade-quality в формат MLX bfloat16 для запуска на Apple Silicon. Это разреженный поисковый энкодер для визуального поиска по документам: он кодирует страницы PDF, презентаций и сканов в векторы размерности 50 368 в пространстве токенов. Запросы обрабатываются через заранее вычисленную таблицу Bag-of-Words без нейросетевого кодирования, что позволяет искать документы по текстовым запросам. Артефакт включает веса энкодера в safetensors, таблицу запросов и конфигурации токенизатора и процессора. Архитектура объединяет визуальную башню SigLIP, pixel-shuffle connector, текстовый энкодер ModernBERT и SPLADE MLM head. В README приведены результаты проверки отдельной fp32-конверсии; они не относятся к хранящимся здесь весам bfloat16. Обучение или дообучение для этого репозитория не выполнялись. Модель предназначена для поиска по содержимому страниц документов и лицензирована Apache-2.0. Для загрузки и инференса требуется совместимая среда MLX на Apple Silicon.

WinterGoliath-123b-32k — слитая модель авторегрессионной генерации текста на архитектуре Llama, опубликованная ChuckMcSneed. Она объединяет Xwin и WinterGoddess, расширенные до контекста 32 768 токенов; для запросов README предлагает формат Vicuna или Alpaca. Модель предназначена для генерации текста и диалогов. В README автор отмечает, что модель умнее Goliath-32k, но имеет особенности и несколько повреждена по сравнению с исходной WinterGoliath; приведённый тест назван автором шуточным, поэтому его результаты не дают надёжной оценки качества. Репозиторий содержит веса Safetensors, размер модели — 123,5 млрд параметров. Лицензия — Llama 2.

bartowski/XiaomiMiMo_MiMo-V2-Flash-GGUF — это набор GGUF-квантизованных версий языковой модели MiMo-V2-Flash, разработанной XiaomiMiMo. Квантизация выполнена bartowski с использованием llama.cpp и метода imatrix; исходная модель указана как XiaomiMiMo/MiMo-V2-Flash. Модель предназначена для генерации текста и локального запуска через llama.cpp, LM Studio и совместимые проекты. Доступны варианты с разным уровнем квантизации — от Q8_0 до Q2_K и IQ-квантов, размером примерно от 96,74 до 328,23 ГБ. Более высокие разрядности обеспечивают лучшее сохранение качества, но требуют больше оперативной или видеопамяти; низкоразрядные варианты экономичнее, однако могут заметно уступать по качеству. Для большинства сценариев автор рекомендует варианты Q4_K_M, Q4_K_L, Q5_K_M, Q5_K_S и Q6_K. Поддерживаемый формат и способ запуска делают модель подходящей для локального вывода, но README не содержит сведений об архитектуре, числе параметров, размере контекста, языках и мультимодальных возможностях. Для работы следует использовать указанный шаблон промпта с ролями system, user и assistant. Модель распространяется по лицензии MIT.

EvanD/xlm-roberta-base-danish-ner-daner — модель распознавания именованных сущностей на датском языке, разработанная на базе XLM-RoBERTa и дообученная на датском наборе данных DaNe. Она предназначена для разметки токенов в тексте и извлечения сущностей; пример использования показывает поиск имен людей и географических названий. Модель содержит 305,2 млн параметров, принимает текстовые последовательности с контекстом до 514 токенов и выдаёт метки для токенов. В README указана макро-F1 0,971 на тестовой выборке DaNe NER; также приведены точность 0,871 и функция потерь 0,114. Репозиторий содержит веса PyTorch. Лицензия в предоставленных данных не указана.

Модель yeshpanovrustem/xlm-roberta-large-kaznerd — модель распознавания именованных сущностей на казахском языке, разработанная на основе XLM-RoBERTa Large. Она дообучена в течение трёх эпох на наборе данных KazNERD и предназначена для разметки сущностей в тексте с помощью Transformers pipeline для NER. В метаданных указаны архитектура XLM-RoBERTa для классификации токенов, 658,7 млн параметров и контекст до 514 токенов. На тестовой выборке автор сообщает precision 96,49%, recall 96,86% и F1 96,67%; показатели отдельных классов различаются, например, F1 для ADAGE составляет 41,67%. Модель распространяется под лицензией CC BY 4.0. Она предназначена для распознавания сущностей на казахском языке; приведённые метрики относятся к указанному датасету и не гарантируют такое же качество на текстах других жанров.

raulgdp/xml-roberta-large-finetuned-ner — модель распознавания именованных сущностей, созданная дообучением FacebookAI/xlm-roberta-large-finetuned-conll03-english на наборе данных CoNLL-2002. Она использует архитектуру XLM-RoBERTa-large с классификацией токенов; размер составляет 658,7 млн параметров, контекст — до 514 токенов. В карточке приведены результаты на оценочной выборке: F1 0,8851, точность 0,8806, полнота 0,8897 и accuracy 0,9806. Модель предназначена для разметки токенов и извлечения именованных сущностей из текста. Лицензия и подробности о поддерживаемых языках в предоставленных данных не указаны.

Xwin-LM-70B-V0.1 — языковая модель команды Xwin-LM, построенная на базе Llama 2 и настроенная для диалогов с помощью методов выравнивания, включая SFT и RLHF. Она предназначена для многоходового общения, ответов на вопросы и выполнения пользовательских инструкций в формате генерации текста. Модель содержит 68,7 млрд параметров, использует плотную архитектуру Llama и поддерживает контекст до 4096 токенов. В README сообщается о результатах модели на AlpacaEval, однако эти оценки относятся к бенчмарку и не гарантируют аналогичного качества в других сценариях. Для диалогов следует использовать шаблон Vicuna, описанный в карточке. Модель распространяется по лицензии Llama 2; отдельной специализации на конкретной области или поддерживаемых языках карточка не заявляет.

Nohobby/YetAnotherMerge-v0.3 — объединённая диалоговая модель на архитектуре Mistral с 12,1 млрд параметров. Её создал автор Nohobby методом Della: за основу взята Undi95/Lumimaid-Magnum-12B, также в объединение вошли Sao10K/MN-12B-Lyra-v1 и Nohobby/YetAnotherMerge-v0.1. Модель предназначена для генерации текста и диалоговых ответов. В README отмечена совместимость с базовыми настройками min-p и рекомендован авторский пресет. В метаданных указано нативное контекстное окно 1 024 000 токенов, однако отдельные настройки и качество работы с таким контекстом в README не описаны. Файлы представлены в формате safetensors; README также упоминает варианты GGUF. Лицензия и ограничения на использование в предоставленных данных не описаны.