I.11Классификация, ранжирование и сопоставление

Gemma 3 1B PT — предварительно обученная модель генерации текста из семейства Gemma, разработанного Google на основе исследований и технологий, использованных для Gemini. Версия PT предназначена для дальнейшей адаптации и экспериментов с генерацией текста; семейство также рассчитано на диалог, суммаризацию, ответы на вопросы и рассуждения. Компактный размер семейства позволяет запускать модели на ноутбуках и настольных компьютерах или в собственной облачной инфраструктуре. В README для Gemma 3 заявлены контекстное окно до 128 тыс. токенов, поддержка более 140 языков и обработка изображений с выдачей текста; для конкретной версии 1B PT эти характеристики отдельно не подтверждены метаданными. Модель распространяется в формате safetensors и предназначена для использования через Transformers. Лицензия — Gemma. Ответы могут содержать фактические ошибки и отражать смещения обучающих данных; модели также могут испытывать трудности с неоднозначными формулировками и сложными задачами.

gemma-3n-E4B-it-GGUF — GGUF-квантизированная версия инструкционной модели gemma-3n-E4B-it, разработанной Google и квантизированной Second State Inc. Модель предназначена для диалоговых приложений и задач преобразования изображений и текста в текст; в README она обозначена как мультимодальная модель image-text-to-text. Данные о поддерживаемых языках и точной архитектуре не указаны. Доступны варианты квантизации от Q2_K до Q8_0, а также f16, с размером файлов примерно от 2,76 до 13,7 ГБ. Вариант Q4_K_M рекомендован как сбалансированный по качеству и размеру, а Q5_K_M и Q5_K_S — как варианты с малой потерей качества. Для запуска через LlamaEdge требуется версия 0.23.1 или новее; указан размер контекста 32 000 токенов и шаблон запросов gemma-3. Более низкая точность квантизации уменьшает требования к ресурсам, но может заметно ухудшать качество ответов. Модель распространяется по лицензии Gemma. README не содержит подробностей о бенчмарках, производительности, системных требованиях, поддерживаемых языках и ограничениях исходной модели, поэтому эти характеристики нельзя оценить точнее.

Карточка модели Paul691/gemma-4-12B-it-abliterated-uncensored на Hugging Face совпадает с карточкой OpenYourMind/gemma-4-12B-it-abliterated-uncensored, поэтому описание составлено по ней. Gemma-4-12B-it-abliterated-uncensored — дообученная версия Gemma 4 12B Unified от автора OpenYourMind, созданная на основе google/gemma-4-12B-it. Веса BF16 содержат около 11,95 млрд параметров; архитектура — плотный decoder-only трансформер из 48 слоёв с единой мультимодальной обработкой без отдельных энкодеров для изображений и аудио. Модель предназначена для диалогов и генерации текста, а также для обработки изображений и аудио в мультимодальных запросах; в README также описана поддержка видеовхода. Вариант прошёл абляцию отказов, направленную на снижение стандартных отказов, при этом автор заявляет о сохранении рассуждений и мультимодальных возможностей исходной модели. Для запуска используются класс Gemma 4 в библиотеке Transformers и мультимодальный процессор; полные веса занимают около 24 ГБ. Модель распространяется по лицензии Gemma, унаследованной от базовой модели; перед использованием необходимо соблюдать её условия. Снижение отказов может влиять на безопасное поведение, а качество и надёжность ответов для этой модификации в карточке не подтверждены независимой оценкой.

Карточка модели abideen/gemma-7b-openhermes на Hugging Face совпадает с карточкой QueryloopAI/gemma-7b-openhermes, поэтому описание составлено по ней. QueryloopAI/gemma-7b-openhermes — диалоговая языковая модель на архитектуре Gemma, дообученная разработчиком на базе google/gemma-7b-it с помощью QLoRA на данных предпочтений OpenHermes-2.5. Модель содержит 8,2 млрд параметров, распространяется в формате Safetensors и рассчитана на генерацию текста и следование инструкциям в формате чата; для диалогового использования следует применять встроенный шаблон чата токенизатора. Модель принимает текстовые запросы, вопросы и документы и генерирует ответы или краткие изложения на английском языке. Указанное контекстное окно — 8192 токена. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение. В README приведены результаты нескольких бенчмарков; они не гарантируют качество на конкретных задачах.

GLiNER Large v2.5 — мультиязычная модель распознавания именованных сущностей из сообщества GLiNER. Она использует двунаправленный трансформерный энкодер типа BERT и позволяет находить сущности типов, задаваемых при запросе, вместо работы только с фиксированным набором классов. Модель предназначена для извлечения сущностей из текста и может служить более компактной альтернативой крупным языковым моделям в сценариях с ограниченными ресурсами. Модель работает с библиотекой GLiNER и форматом PyTorch/Safetensors. В карточке указано мультиязычное назначение; конкретные языки и размер этой версии не приведены. Лицензия — Apache-2.0. В README приведены авторы семейства GLiNER, однако отдельная информация о разработчиках версии Large v2.5 отсутствует.

gliner-community/gliner_medium-v2.5 — мультиязычная модель распознавания именованных сущностей из семейства GLiNER, разработанного Urchade Zaratiana, Ihor Stepanov, Nadi Tomeh, Pierre Holat и Thierry Charnois. Она использует двунаправленный энкодер на основе трансформера BERT и позволяет извлекать сущности типов, заданных пользователем, вместо работы только с фиксированным набором классов. Модель предназначена для разметки текста и извлечения сущностей в сценариях, где нужна гибкость NER при меньших вычислительных затратах, чем у крупных языковых моделей. Для работы используется библиотека GLiNER; модель публикуется в форматах PyTorch и Safetensors. Лицензия — Apache-2.0.

GLM-5.3-Flash-W4A16 — это INT4-квантизированная версия модели zai-org/GLM-5.3-Flash, подготовленная для самостоятельного запуска и обслуживания через SGLang. Квантование выполнено по схеме weight-only W4A16 с группами по 128 весов и симметричным представлением. Модель предназначена для генерации текста, мультимодальных сценариев с изображениями и вызова инструментов; заявлены языки English и Chinese. Архитектура использует Mixture-of-Experts, а размер чекпойнта на диске составляет около 190,8 ГБ, что требует значительных аппаратных ресурсов. Основной сценарий применения — высокопроизводительный self-hosted inference на RTX PRO 6000 Blackwell (SM120) с использованием SGLang. В чекпойнте сохранены vision и tool calling, а также встроенная MTP/NEXTN-голова для speculative decoding, способная существенно повысить скорость генерации при корректной настройке. Данные о размере контекстного окна в README не указаны. Для корректной работы обязательны специальные параметры SGLang: отключение shared experts fusion, использование BF16 для KV-кэша и chunked prefill size 4096. Требуется сборка SGLang из post-merge nightly с дополнительными патчами для SM120; готового релизного образа с необходимой поддержкой на момент публикации нет. Без обязательного флага отключения fusion модель генерирует бессмысленный текст и не останавливается. Лицензия — MIT.

GNER-T5-xxl — модель для генеративного распознавания именованных сущностей, разработанная авторами работы «Rethinking Negative Instances for Generative Named Entity Recognition». Она основана на архитектуре T5 и содержит 5,8 млрд параметров; модель дообучена с использованием отрицательных примеров для повышения качества распознавания сущностей, в том числе в ранее не встречавшихся областях. Предназначена для извлечения сущностей из текста и сценариев zero-shot NER. В карточке описаны результаты семейства GNER на базе Flan-T5, однако отдельные численные результаты именно для версии xxl не приведены. Модель распространяется в формате safetensors по лицензии Apache-2.0.

GPT-6 Luna Pro — вариант GPT-6 Luna от OpenAI, работающий с параметром reasoning.mode, установленным в pro. Он предназначен для получения более качественных ответов на сложные задачи. README описывает его как ту же базовую модель GPT-6 Luna с режимом рассуждения pro. Доступные данные не содержат сведений об архитектуре, размере, контексте, языках или лицензии, поэтому эти характеристики нельзя уточнить. Метаданные каталога относят модель к задаче image-text-to-text, однако README не описывает работу с изображениями.

GPT-OSS-NEMO-20B — дообученная с помощью SFT и LoRA модель OpenAI GPT-OSS-20B, представленная автором карточки как модель для многоязычных рассуждений и диалогов. Она использует архитектуру GPT-OSS с Mixture of Experts; в метаданных указано 1,6 млрд параметров, контекст — 131 072 токена. Карточка описывает обучение на наборе HuggingFaceH4/Multilingual-Thinking и заявляет поддержку английского, испанского, арабского, французского, немецкого, китайского, японского, корейского, хинди и русского языков. Модель предназначена для ответов на вопросы, многошагового решения задач и диалога на разных языках, в том числе с рассуждением на одном языке и ответом на другом. Она принимает текст и генерирует текст; автор заявляет возможность задавать язык рассуждений через системное сообщение. Репозиторий распространяется по лицензии Apache-2.0. Качество может различаться между языками, а рассуждения на языках с меньшим объёмом обучающих данных могут быть слабее. Факты в ответах следует проверять; модель также может воспроизводить смещения из обучающих данных.

GreenNode-mini-7B-v1olet-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель, созданная слиянием Mistral-7B-Instruct-v0.2 и GreenNode-mini-7B-v1olet методом SLERP. Она предназначена для генерации текста и ответов на инструкции в чат-сценариях. Модель использует плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель опубликована в формате Safetensors под лицензией Apache-2.0. README описывает конфигурацию слияния, но не уточняет языковой охват и специализированные области применения; пригодность для конкретных задач следует проверять отдельно.

Huihui-Orchestrator-8B-abliterated — версия NVIDIA Orchestrator-8B, изменённая Huihui AI методом abliteration для ослабления отказов и фильтрации ответов. Это плотная языковая модель семейства Qwen3 с 7,6 млрд параметров, предназначенная для генерации текста в диалогах. Она принимает текст и выдаёт текст; заявленная длина контекста — 40 960 токенов. Модель можно запускать через Ollama. Ослабленная фильтрация позволяет получать ответы на запросы, от которых исходная модель могла бы отказаться, но также повышает вероятность чувствительных, спорных или неподходящих результатов. Рекомендуется проверять ответы. Репозиторий распространяется по лицензии MIT.

Huihui-Qwen3.8-27B-abliterated-NVFP8 — это квантованная версия Huihui-Qwen3.8-27B-abliterated, опубликованная trailio и происходящая от Qwen/Qwen3.8-27B от Qwen. Модель предназначена для генерации текста и обработки изображений с текстом; в метаданных указана модальность image-text-to-text. Языки явно не перечислены. Базовая модель имеет 27,78 млрд параметров, из которых 24,33 млрд подвергнуты квантованию, а визуальная часть с ViT из 27 блоков и merger оставлена в BF16. В README не указано точное максимальное окно контекста; пример запуска использует 8192 токена. Основная особенность — weight-only-квантование W8A16 в нестандартный формат NVFP8: FP8 E4M3 с блочными масштабами размера 16 и двухуровневым масштабированием. Размер весов сокращён с 55,6 до 32,8 ГБ, относительная ошибка квантования указана на уровне 0,0252. Активации остаются в BF16, а Triton-ядро демонстрирует ошибку не более 3,7×10⁻³ относительно FP32-эталона. Квантование выполняется без калибровочного набора данных. Модель подходит для локального инференса в vLLM при ограниченных ресурсах видеопамяти, однако стандартный vLLM этот формат не загружает: необходимо скачать репозиторий локально и установить поставляемый пакет через pip. Требуются GPU с архитектурой sm_89 или новее и около 35 ГБ VRAM во время работы без учёта KV-кэша; заявлена проверка на RTX PRO 6000 Blackwell с vLLM 0.27.1. На CUDA младше 12.9 возможны проблемы FlashInfer. Производитель отмечает, что abliteration удаляет поведение отказа, поэтому к модели применимы оговорки о сниженной фильтрации базовой модели. Лицензия — Apache 2.0.

Intern-S2-Preview-397B — мультимодальная модель общего назначения, разработанная командой InternLM. Она предназначена для рассуждений, научных задач и продолжительных агентных сценариев. Модель обучали на визуальных представлениях страниц научной литературы, задачах с подкреплением из более чем 20 научных областей и интерактивных агентных средах. В карточке указано 397B в названии; архитектура обозначена как плотная, класс — InternS2PreviewForConditionalGeneration. Модель принимает текст и изображения, поддерживает диалог, вызов инструментов и режим рассуждения, включённый по умолчанию. README также описывает анализ временных рядов, включая обнаружение сейсмических событий и прогнозирование; для такого ввода указана поддержка только в LMDeploy. В текстовых тестах использовалась длина инференса до 256K токенов, а в мультимодальных — до 64K. Предлагаются LMDeploy, vLLM и SGLang для развёртывания. Языки модели в предоставленных данных не обозначены. Лицензия — Apache-2.0.

InternVL3-9B-Instruct — мультимодальная чат-модель OpenGVLab, дообученная методом supervised fine-tuning на базе OpenGVLab/InternVL3-9B-Pretrained. Она предназначена для диалога и рассуждений по тексту и изображениям, включая понимание нескольких изображений, видео, научных схем, интерфейсов GUI и 3D-сцен. Модель также обучалась работе с инструментами. Это вариант SFT без этапа MPO. Архитектура сочетает визуальный кодировщик InternViT, MLP-проектор и языковую модель; для обработки изображений используется разбиение на фрагменты 448×448 и динамическое разрешение. Поддерживаются мультимодальные входы и текстовые ответы; карточка указывает многоязычность, но конкретные языки и размер контекста для этого репозитория не приводит. Модель распространяется под лицензией MIT. К возможным ограничениям относятся ошибки в визуальном восприятии и рассуждениях; обработка нескольких изображений увеличивает число токенов и требования к контексту и вычислениям.

Vikhrmodels/it-5.4-fp16-orpo-v2 — русскоязычная чат-модель Vikhrmodels для генерации ответов на инструкции. Это плотная авторегрессионная модель семейства Llama с 7,3 млрд параметров и контекстом до 32 768 токенов. По карточке, в основе лежит Vikhr пятой версии на базе Mistral; модель обучали на переведённых инструкциях и ответах GPT-4, а затем улучшили методом ORPO на внутреннем датасете. Модель предназначена для диалогов и выполнения пользовательских инструкций на русском языке. В README отмечено высокое разнообразие ответов; для генерации авторы рекомендуют температуру 0,1–0,4. Модель распространяется в формате safetensors и обозначена как fp16; README также упоминает GGUF, но не приводит подробностей отдельной версии. Лицензия в предоставленных сведениях не указана. Возможности за пределами текстового чата и качество на конкретных задачах README не описывает.

L3.1-70b-Milasha — чат-модель, созданная KaraKaraWitch как слияние пяти моделей семейства Llama 3.1 с помощью LazyMergekit. Она предназначена для диалога и генерации текста в формате Llama 3 Instruct; при слиянии MeowMix использовалась для усиления языковых возможностей в китайском, японском и корейском языках. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 69,5 млрд параметров и поддерживает контекст до 131 072 токенов. Модель подходит для многоходовых бесед и генерации текста с длинным контекстом. Веса доступны в формате safetensors. Лицензия CC BY-NC 4.0 допускает использование с указанием авторства, но запрещает коммерческое использование. README не содержит подробной оценки качества или перечня ограничений; заявленный акцент на CJK-языках относится к усилению языковых возможностей при слиянии.

LFM2-1.2B-GGUF — языковая модель поколения LFM2, разработанная компанией Liquid AI. Это GGUF-версия базовой модели LiquidAI/LFM2-1.2B, предназначенная для генерации текста и запуска в средах, совместимых с llama.cpp. Модель ориентирована на edge AI и локальное развёртывание на устройствах с ограниченными ресурсами. Liquid AI позиционирует её как гибридную модель, сочетающую качество, высокую скорость работы и эффективность использования памяти. Указанный размер — 1,2 млрд параметров. Поддерживаются английский, арабский, китайский, французский, немецкий, японский, корейский и испанский языки. Модальность — текстовая; сведения о размере контекстного окна в карточке не приведены. К сильным сторонам относятся адаптация к on-device-сценариям, низкие требования к памяти и возможность запуска через llama.cpp. Ограничения включают отсутствие в карточке подробных данных о конкретной архитектуре, контекстном окне, качестве на отдельных задачах и вариантах квантования. Модель распространяется по лицензии lfm1.0; дополнительные условия следует уточнять в файле LICENSE.

LiquidAI/LFM2.5-1.2B-Instruct-MLX-8bit — это 8-битная версия языковой модели LFM2.5-1.2B-Instruct, экспортированная в формат MLX компанией Liquid AI для запуска на устройствах с Apple Silicon. Модель предназначена для генерации текста и выполнения инструкций в локальных приложениях, поддерживающих библиотеку mlx-lm, включая диалоговые и общие текстовые сценарии. Модель содержит 1,2 млрд параметров, использует 8-битную точность и group size 64, занимает около 1,2 ГБ и поддерживает контекст длиной до 128K токенов. Заявлена поддержка английского, японского, корейского, французского, испанского, немецкого, итальянского, португальского, арабского и китайского языков. К сильным сторонам относятся компактный размер, возможность локального инференса на Apple Silicon и большой контекст, однако README не содержит подробных результатов оценки качества и сравнений с другими моделями. Модель распространяется по лицензии LFM 1.0.

TroyDoesAI/Llama-3.1-13B-Instruct — текстовая диалоговая модель на архитектуре Llama, созданная разработчиком TroyDoesAI с помощью mergekit. В README указан метод объединения passthrough и модель TroyDoesAI/Llama-3.1-8B-Instruct в составе слияния; метаданные каталога классифицируют её как дообучение этой базовой модели. Репозиторий содержит веса в формате safetensors, модель насчитывает 12,7 млрд параметров и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации текста в диалогах и других сценариях, где нужен ответ на текстовый запрос. Карточка не описывает отдельные специализированные области или дополнительные возможности сверх диалоговой генерации. Условия лицензии в предоставленных материалах не указаны.

athirdpath/Llama-3-11b-Instruct — разговорная модель генерации текста, созданная как merge трёх вариантов Part Wave, Part Block и Part Funnel; в README Part Funnel указан как основа. Сборка использует слои NousResearch/Meta-Llama-3-8B-Instruct, а метаданные определяют архитектуру как плотную LlamaForCausalLM. Размер модели — 10,6 млрд параметров, формат весов — safetensors, контекст — до 8192 токенов. Модель предназначена для диалогов и генерации текста по инструкциям. Автор описывает её как основу для дальнейшей работы и отмечает, что после исправления ошибки в YAML она работает, но количественных оценок качества и подробностей о тестировании не приводит. Лицензия указана как llama3; перед использованием следует учитывать условия лицензии Llama 3.

bunnycore/Llama-3.1-8B-OmniMatrix-v2 — объединённая модель для генерации текста, созданная с помощью mergekit методом task arithmetic. В основе объединения указаны bunnycore/Llama-3.1-8B-OmniMatrix и grimjim/Llama-3-Instruct-abliteration-LoRA-8B; также в состав вошли refuelai/Llama-3-Refueled, grimjim/Llama-3.1-SuperNova-Lite-lorabilterated-8B и bunnycore/LLama-3.1-8B-HyperNova-abliteration. Модель построена на архитектуре LlamaForCausalLM, содержит 7,5 млрд параметров и принимает текст для генерации текста в диалоговом режиме. Заявленный размер контекста — 131 072 токена. Репозиторий использует формат safetensors и библиотеку Transformers. Карточка не описывает отдельные тесты качества или ограничения поведения объединённой модели. Условия лицензирования в доступных данных не приведены.

Joseph717171/Llama-3.1-SuperNova-8B-Lite_TIES_with_Base — объединённая языковая модель, созданная автором репозитория с помощью mergekit методом TIES на основе arcee-ai/Llama-3.1-SuperNova-Lite и meta-llama/Llama-3.1-8B. Модель относится к семейству Llama, имеет плотную архитектуру LlamaForCausalLM и около 7,5 млрд параметров; для загрузки используются файлы safetensors. Заявленная длина контекста — 131 072 токена. Модель предназначена для генерации текста и диалоговых сценариев. Автор применил параметры weight и density, чтобы сохранить больше возможностей следования инструкциям при объединении. В карточке приведены результаты Open LLM Leaderboard, включая оценку IFEval 80,96 и средний балл 43,07. Лицензия — Llama 3.1; условия использования определяются соответствующей лицензией Meta. README не сообщает поддерживаемые естественные языки и не описывает отдельные специализированные области применения.

DiscoResearch и Occiglot разработали эту инструктивно дообученную языковую модель при поддержке DFKI и hessian.Ai. Она основана на Llama 3 и предназначена прежде всего для диалогов и выполнения инструкций на немецком языке. Модель имеет плотную архитектуру LlamaForCausalLM с 7,5 млрд параметров и принимает текст, выдавая текст. Базовую Llama 3 дообучали на 65 млрд немецких токенов, затем расширили контекст обучением на последовательностях длиной 32 тыс. токенов и провели инструктивное дообучение на немецком наборе DiscoResearch. В метаданных указано нативное окно контекста 65 536 токенов; README описывает обучение длинного контекста на 32 тыс. токенов. Модель подходит для немецкоязычных диалогов, ответов на вопросы, следования инструкциям и работы с длинными текстами. В README приведены результаты оценки на английских и немецких бенчмарках. Доступна в формате safetensors для Transformers; лицензия — Llama 3, поэтому использование регулируется её условиями.

Llama-3-Instruct-8B-SimPO-IMat-GGUF — это GGUF-квантизированная версия языковой модели Llama-3-Instruct-8B-SimPO, разработанной Princeton NLP. Квантизацию выполнил legraphista с использованием llama.cpp версии b3023 и калибровочных данных IMatrix. Модель предназначена для генерации текста и диалоговых сценариев, включая работу через совместимые с llama.cpp приложения и локальный инференс. Модель имеет размер 8B параметров и поставляется в нескольких вариантах GGUF: от BF16 и FP16 до Q8_0, Q6_K, Q5_K, Q4_K, Q3_K, Q2_K и IQ-квантов. Для ряда вариантов применена IMatrix-квантизация, призванная улучшить сохранение качества при уменьшении размера модели. Размер файлов варьируется примерно от 3,18 до 16,07 ГБ. README не указывает поддерживаемые языки, размер контекста и мультимодальные возможности, поэтому модель следует рассматривать как текстовую. Сильная сторона сборки — широкий выбор уровней квантизации для подбора баланса между качеством, скоростью и требованиями к памяти, а также возможность локального запуска в формате GGUF. Более агрессивная квантизация может снижать качество генерации по сравнению с исходной BF16-моделью. Лицензия в README не указана; условия использования следует уточнять в карточке исходной модели и репозитории сборки.

Llama-3-Instruct-8B-SimPO-SPPO-Iter3-merge — объединённая чат-модель на базе Meta Llama 3, созданная с помощью mergekit разработчиками исходных моделей. Веса двух моделей, princeton-nlp/Llama-3-Instruct-8B-SimPO и UCLA-AGI/Llama-3-Instruct-8B-SPPO-Iter3, объединены методом SLERP. Модель имеет архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекст до 8192 токенов. Модель предназначена для генерации текста в ответ на инструкции и диалоговые запросы. Карточка приводит результаты оценок IFEval и BBH; метаданные характеризуют базовую модель как англоязычную. Репозиторий содержит веса Safetensors для Transformers. Лицензия — Llama 3 (llama3).

LlamaZero 3.1-8B — языковая модель для генерации текста, созданная sethuiyer путём слияния предварительно обученных моделей с помощью mergekit. Она основана на DeepSeek-R1-Distill-Llama-8B и Llama-3.1-8B-Experimental-1206-Instruct; архитектура — плотная Llama с классом LlamaForCausalLM, размер — около 7,5 млрд параметров. Модель предназначена для диалогового взаимодействия и генерации текста; в README приведены результаты оценки на бенчмарках IFEval и BBH. Метаданные указывают контекст до 131 072 токенов и поддержку чата. В репозитории используются веса safetensors. Лицензия в предоставленных данных не указана.

lumikabra-195B v0.3 — крупная языковая модель на архитектуре Mistral с 194,2 млрд параметров, созданная объединением моделей методом passthrough. В README указана как более крупный вариант lumikabra v0.3; в слияние вошли два диапазона слоёв модели schnapper79_lumikabra-123B_v0.3. Репозиторий содержит веса Safetensors для Transformers, а заявленная длина контекста составляет 131 072 токена. Модель предназначена для генерации текста и диалогового общения. Интерфейс также поддерживает вызов инструментов. В README приведён пример запроса на написание художественной главы, однако он не устанавливает отдельную специализацию модели. Карточка указывает лицензию «other», поэтому конкретные условия использования следует сверить с лицензией в репозитории.

M7Yamshadowexperiment28_NeuralsirkrishnaT3qm7x — объединённая языковая модель семейства Mistral, созданная слиянием automerger/M7Yamshadowexperiment28-7B и automerger/NeuralsirkrishnaT3qm7x-7B. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и распространяется в формате Safetensors. Модель предназначена для генерации текста и диалогов, принимает текстовые запросы и формирует текстовые ответы. Размер контекста составляет до 32 768 токенов. В карточке не приведены сведения о специализации на конкретных языках или прикладных областях. Модель опубликована 7 апреля 2024 года под лицензией Apache-2.0. Карточка не сообщает результатов оценки качества или ограничений, специфичных для этого слияния.

Solshine/mergekit-passthrough-lhtboir — объединённая языковая модель на архитектуре Llama, созданная автором с помощью mergekit методом passthrough. В объединении использованы слои mlabonne/Hermes-3-Llama-3.1-8B-lorablated, Solshine/reflection-llama-3.1-8B и CopyleftCultivars/llama-3.1-natural-farmer-16bit; веса сохранены в формате safetensors с точностью float16. Модель содержит 7,5 млрд параметров и рассчитана на контекст до 131 072 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно применять для ответов на вопросы, составления текстов и работы с интерфейсом вызова инструментов. В карточке указана архитектура LlamaForCausalLM и библиотека Transformers. Сведения о лицензии в предоставленных данных отсутствуют. Качество и поведение объединённой модели могут отличаться от исходных моделей; независимые результаты оценки не приведены.