I.11Классификация, ранжирование и сопоставление

Kant-Test-0.1-Mistral-7B-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель MaziyarPanahi, полученная слиянием Mistral-7B-Instruct-v0.2 и Zardos/Kant-Test-0.1-Mistral-7B методом SLERP. Модель на 7,1 млрд параметров использует архитектуру Mistral с плотной причинной языковой моделью и предназначена для генерации текста и ответов на инструкции в формате диалога; контекст составляет до 32 768 токенов. Модель принимает текст и выдаёт текст. Репозиторий содержит веса в формате safetensors. Лицензия Apache-2.0. Подробности о специализации второй модели, обучающих данных и сравнительной производительности в карточке не приведены.

KBevo-Qwen3-4B-SFT — разработанный Kilian Group чекпойнт supervised fine-tuning модели Qwen3-4B для двухэтапных ответов на вопросы с несколькими переходами рассуждения. На первом этапе модель извлекает из набора фрагментов компактную структурированную базу знаний в виде троек «сущность — отношение — значение», включая обратные отношения. На втором этапе она отвечает на вопросы, выполняя типизированные запросы к этой базе и опираясь на найденные факты. Модель имеет плотную архитектуру Qwen3ForCausalLM и около 3,7 млрд параметров; поддерживает контекст до 40 960 токенов и работает с текстом. Чекпойнт обучен на синтезированных двухэтапных траекториях для HotpotQA методом SFT; он предназначен для запуска поведения KBevo SFT, воспроизведения экспериментов и дальнейшего обучения. В README приведены результаты на HotpotQA, MuSiQue, 2WikiMultiHopQA и PopQA. Для двухэтапного inference рекомендуется использовать эталонную реализацию KBevo. Лицензия — Apache-2.0.

KORMo-10B-sft — открытая языковая модель на 10,2 млрд параметров, разработанная командой KORMo. Это плотная авторегрессионная модель для генерации текста и диалогов на корейском и английском языках; поддерживает контекст до 131 072 токенов. В README указано, что обучение использовало синтетические данные и открытые наборы данных общим объёмом около 3 трлн токенов, а опубликованные результаты включают англоязычные и корейские бенчмарки. Модель подходит для ответов на вопросы, диалоговых сценариев и генерации текста на корейском и английском языках. Доступны веса в формате safetensors, а лицензия Apache 2.0 разрешает свободное использование на её условиях. По README, модель не проходила настройку безопасности и выравнивание по предпочтениям, поэтому в сложных рассуждениях возможны повторы и нежелательные ответы.

KTDSbaseLM v0.12 — диалоговая языковая модель AIDX-ktds, дообученная методом SFT на основе OpenChat 3.5 с архитектурой Mistral. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст; заявленная длина контекста — 8192 токена. Она предназначена прежде всего для работы на корейском языке и с контекстами корейского общества и культуры. Модель может отвечать на вопросы, вести диалог, создавать и суммировать документы, анализировать тональность и помогать с учебными, деловыми и культурными задачами. В карточке описаны обучающие данные с вопросами и ответами по истории, финансам, праву, налогам, математике и естественным наукам. Указана лицензия Apache-2.0. Ограничения включают возможную неточность в темах вне корейского языкового и культурного контекста, нехватку актуальных международных и узкоспециализированных знаний, ограниченные способности к сложным рассуждениям и риск смещённых ответов.

djuna/L3.1-gramamax — плотная авторегрессионная языковая модель семейства Llama, созданная слиянием предварительно обученных моделей с помощью mergekit. В качестве основы использована ArliAI/Llama-3.1-8B-ArliAI-Indo-Formax-v1.0, а также включена djuna/L3.1-gramax; применён метод линейного слияния DARE. Модель содержит 7,5 млрд параметров, распространяется в формате safetensors и рассчитана на контекст до 131 072 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Она принимает текст и выдаёт текст. В README и метаданных не приведены отдельные сведения о целевых языках или специализированных областях применения, поэтому описание ограничивается общими сценариями генерации и общения. Лицензия в предоставленных данных не указана.

L3-8B-Intermix-v0.3 — объединённая модель для генерации текста и диалогов, опубликованная bunnycore. Она создана с помощью mergekit методом model_stock на основе bunnycore/L3-Intermix-v0.2, cognitivecomputations/dolphin-2.9-llama3-8b и Orenguteng/Llama-3-8B-Lexi-Uncensored; архитектура — плотная LlamaForCausalLM, размер — 7,5 млрд параметров. Модель предназначена для диалогового взаимодействия и генерации ответов; каталог отмечает поддержку чата. Контекст модели составляет 8192 токена. Доступны веса в формате safetensors, лицензия — Apache-2.0. Данных о специализации по конкретным областям или поддерживаемых естественных языках нет.

LeoLM/leo-hessianai-7b-chat — чат-модель команды LeoLM, созданная Björn Plüster и Christoph Schuhmann совместно с LAION и HessianAI. Она основана на LeoLM/leo-hessianai-7b — немецкоязычной версии Llama 2, дополнительно обученной на немецких текстах, — и дообучена на наборах немецких инструкций. Модель представляет собой плотный авторегрессионный трансформер-декодер семейства Llama с 6,6 млрд параметров и контекстом до 8 192 токенов; работает через Transformers и использует формат диалога ChatML. Модель предназначена для общения, написания и объяснения текстов, обсуждений, ролевых диалогов и ответов на вопросы на немецком и английском языках. В оценке MT-Bench-DE особенно хорошо показала себя в гуманитарных и STEM-задачах, а математика, программирование и сложные рассуждения оказались слабее. Разработчики предупреждают о возможных неточных, предвзятых или нежелательных ответах и рекомендуют проверять модель и адаптировать меры безопасности под конкретное применение. Лицензия — Llama 2 Community License Agreement.

Nichonauta/LFM2.5-1.2B-Thinking-ToMoE-INT4 — INT4-квантизованная версия модели LFM2.5-1.2B-Thinking-ToMoE от Nichonauta, производной от LiquidAI/LFM2.5-1.2B-Thinking. Это причинная языковая модель семейства LFM2 с MoE-архитектурой для генерации текста и диалогов; в репозитории указано 1,5 млрд параметров и контекст до 128 000 токенов. Модель хранит фактические прореженные веса MoE в safetensors: линейные слои квантизованы в INT4, а маршрутизаторы, эмбеддинги и нормализации оставлены в fp32. Модель предназначена для генерации ответов и диалогового использования через Transformers. README приводит сравнение perplexity с версией fp32 и сообщает о близких результатах на указанных тестах, при этом отдельные значения для INT4 на chat-formatted тесте немного выше. Для загрузки требуется пользовательский код модели с trust_remote_code=True; авторская лицензия обозначена как other, поэтому условия использования следует сверить с файлом LICENSE репозитория. Поддерживаемые языки в метаданных: английский, арабский, китайский, французский, немецкий, японский, корейский и испанский.

cyberagent/Llama-3.1-70B-Japanese-Instruct-2407 — японская модель для диалогов и генерации текста, разработанная Рёсукэ Исигами. Это модель семейства Llama 3.1 с плотной архитектурой LlamaForCausalLM и 69,5 млрд параметров; она создана на основе meta-llama/Meta-Llama-3.1-70B-Instruct путём дополнительного предобучения на японском языке. Модель использует формат запросов Llama 3.1 и поддерживает контекст до 131 072 токенов. Модель предназначена для ответов на запросы и ведения диалога на японском и английском языках. Её можно применять в чат-ботах и для генерации текста с длинным контекстом. Репозиторий содержит веса в формате safetensors. Лицензия — llama3.1. README не описывает специализированные области применения или подробные ограничения качества.

bigdefence опубликовал дообученную языковую модель на архитектуре Llama 3.1. Она создана на базе Saxo/Linkbricks-Horizon-AI-Korean-llama-3.1-sft-dpo-8B и предназначена для генерации текста в диалоговом формате; метаданные также отмечают интерфейс вызова инструментов. Модель содержит 7,5 млрд параметров, принимает текст и поддерживает контекст до 131 072 токенов. В карточке указано обучение с использованием Unsloth и TRL. Базовая модель ориентирована на корейский язык, однако README и языковые метаданные этой версии не подтверждают отдельно полный список поддерживаемых языков. Модель распространяется по лицензии Apache-2.0. README не приводит результатов оценки качества или подробностей о данных дообучения, поэтому пригодность для конкретных задач следует проверять отдельно.

bunnycore/LLama-3.1-8B-HyperNova — объединённая автором bunnycore языковая модель на архитектуре Llama 3.1. Она создана методом Model Stock с помощью mergekit из пяти моделей на базе Llama 3.1 8B, используя meta-llama/Meta-Llama-3.1-8B как базовую модель. Модель содержит 7,5 млрд параметров и принимает текст для генерации продолжений и ответов в диалоге; заявленная длина контекста — 131 072 токена. Модель предназначена для генерации текста и общения на естественном языке. Карточка не приводит отдельных оценок качества или подробных сведений о поддерживаемых языках. Файлы опубликованы в формате safetensors. Лицензия в предоставленных данных не указана.

amd/Llama-3.1-8B-Instruct-w4a16-asym-torchao-v0.17.0 — квантизированная версия языковой модели Llama-3.1-8B-Instruct, созданная Advanced Micro Devices (AMD) с использованием TorchAO. Модель предназначена для генерации текста и запуска инференса на CPU AMD EPYC, прежде всего в Linux-средах, через vLLM и оптимизированный для ZenDNN стек. Модель построена на архитектуре LlamaForCausalLM, принимает и генерирует текст, поддерживает английский язык и содержит около 8 млрд параметров в исходной версии. Применяется 4-битная асимметричная квантизация только весов W4A16 с размером группы 128; квантизированы линейные слои, за исключением lm_head и embed_tokens. Ключевая особенность — оптимизация для CPU-инференса AMD EPYC с использованием ZenDNN, ZenTorch, PyTorch 2.11.0, TorchAO 0.17.0 и vLLM 0.20.2. Сильными сторонами модели являются снижение требований к памяти и ориентация на производительный инференс на совместимых AMD CPU. Ограничения включают отсутствие заявленной поддержки GPU, зависимость от точных версий программного стека и невозможность загрузки в других версиях PyTorch; используемый путь квантизации специфичен для ZenDNN и недоступен в стандартном PyTorch. Результаты оценки качества в README не приведены. Модель распространяется по той же лицензии, что и исходная Llama-3.1-8B-Instruct; отдельно указаны изменения, авторские права на которые принадлежат AMD.

ISSAI әзірлеген LLama-3.1-KazLLM-1.0-70B — қазақ тіліндегі жауаптардың сапасы мен пайдалығын арттыруға бейімделген 70B параметрлі үлкен тілдік модель. Ол Llama 3.1 негізінде жасалған және Transformers кітапханасы арқылы мәтіндік диалог пен мәтін генерациясына арналған. Модель қазақ, орыс, ағылшын және түрік тілдерінде жұмыс істейді; карточкада 128 мың токенге дейінгі кіріс контексті және 4 мың токенге дейінгі шығыс көрсетілген. Қазақ тіліндегі бенчмарк нәтижелері модельдің қазақша сұрақтарға жауап беру, пайымдау және мәтін құрастыру сценарийлеріне бағдарланғанын көрсетеді. Қолдану үшін кемінде екі 80 GB GPU және 150 GB бос диск кеңістігі қажет. Модель жауаптарының дұрыстығына кепілдік берілмейді; біржақтылық болуы мүмкін, сондықтан нәтижелерді тексеру керек. Лицензиясы — CC BY-NC 4.0, сонымен қатар Llama 3.1 шарттары мен қолайлы пайдалану саясаты қолданылады.

Guilherme34/Llama-3.2-11b-vision-uncensored-notlora — мультимодальная модель семейства Llama 3.2-Vision, разработанная Meta и представленная в формате safetensors для Transformers. Она принимает текст и изображения и формирует текстовые ответы; архитектура основана на Mllama с визуальным адаптером и перекрёстным вниманием. В карточке описана версия на 11B параметров и контекст 128k токенов. Модель предназначена для диалога с изображениями, визуальных вопросов и рассуждений, распознавания содержимого, создания подписей и ответов по документам. README указывает поддержку английского, немецкого, французского, итальянского, португальского, хинди, испанского и тайского для текстовых задач; для задач с изображениями заявлен только английский. Название репозитория содержит «uncensored», но README не документирует конкретные изменения или особенности этой версии, поэтому её поведение в этом отношении нельзя уточнить. Для использования действует Llama 3.2 Community License — специальная лицензия Meta с собственными условиями, а также Acceptable Use Policy. Архитектурное описание и характеристики в README относятся к семейству Llama 3.2-Vision и не подтверждают отдельно, какие изменения внесены в эту копию.

Mungert/Llama-3.2-3B-Instruct-GGUF — это инструкционная языковая модель семейства Llama 3.2 в формате GGUF, разработанная на основе модели Meta. В README не указано, является ли Mungert автором конвертации или распространения модели, поэтому сведения о роли этого разработчика ограничены идентификатором репозитория. Модель предназначена для генерации текста и выполнения инструкций в языковых сценариях, включая диалоговые приложения и другие задачи text-generation. Заявлены английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский языки. Размер модели составляет 3B параметров; архитектура, поддерживаемые модальности и размер контекста в README не указаны. Формат GGUF ориентирован на локальное или оптимизированное инференс-использование, однако конкретные требования к ресурсам и доступные варианты квантования не приведены. Модель может быть удобна для многоязычной генерации текста при ограниченных вычислительных ресурсах, но README не содержит результатов бенчмарков, подробностей обучения или оценки качества, поэтому её сильные стороны и ограничения нельзя надежно сравнить с другими моделями. Использование регулируется Llama 3.2 Community License от Meta: при распространении материалов или производных продуктов необходимо соблюдать условия лицензии, включая предоставление текста соглашения, указание «Built with Llama», атрибуцию и Acceptable Use Policy. Для продуктов с более чем 700 миллионами месячных активных пользователей предусмотрено отдельное лицензионное требование.

Hugging-quants/Llama-3.2-3B-Instruct-Q4_K_M-GGUF — это квантизированная версия инструкционно дообученной языковой модели Meta Llama 3.2 3B Instruct, подготовленная в формате GGUF с использованием схемы квантования Q4_K_M. Модель предназначена для генерации текста и диалоговых сценариев, включая ответы на запросы пользователя, выполнение инструкций и локальный inference через совместимые инструменты, такие как llama.cpp. Модель относится к текстовым моделям и поддерживает английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский языки. Размер базовой модели — 3 миллиарда параметров. Квантизация Q4_K_M снижает требования к памяти и может упростить запуск на локальном оборудовании, однако README не содержит точных требований к ресурсам, данных о контекстном окне, показателей качества или подробностей архитектуры. Модель подходит для локальных чат-ботов, генерации текста и прикладных задач, где важны компактность и поддержка нескольких языков. Ограничения включают возможные потери качества из-за квантизации, отсутствие заявленных количественных оценок и неизвестные характеристики производительности в конкретных сценариях. Использование регулируется Llama 3.2 Community License от Meta. При распространении материалов или производных продуктов необходимо соблюдать условия лицензии, включая предоставление текста лицензии, указание «Built with Llama», сохранение атрибуции, соблюдение Acceptable Use Policy и применимых законов; для продуктов с более чем 700 миллионами ежемесячных активных пользователей предусмотрено отдельное лицензионное требование.

Llama-3-Smaug-8B-GGUF — набор GGUF-квантизаций модели Llama-3-Smaug-8B, опубликованный и квантизированный bartowski на основе оригинальной модели abacusai/Llama-3-Smaug-8B. Модель предназначена для генерации текста и локального запуска с совместимыми inference-движками, включая llama.cpp. В README приведён специальный chat-шаблон с системными, пользовательскими и ассистентскими сообщениями на основе токенов Llama 3. Это текстовая модель примерно на 8B параметров; модальности, поддерживаемые языки и размер контекста в README не указаны. Доступны варианты квантизации от Q8_0 до IQ1_S размером примерно от 8,54 до 2,01 ГБ. Более высокие уровни квантизации обычно сохраняют лучшее качество, тогда как низкие требуют меньше RAM или VRAM, но заметно уступают по качеству; автор рекомендует несколько вариантов Q6_K, Q5 и Q4, а наиболее низкие IQ1-варианты не рекомендует. Квантизация выполнена с использованием imatrix и набора данных Kalomaze; для Q8_0 указано максимальное доступное качество. Модель удобна для локального использования благодаря формату GGUF и широкому выбору размеров файлов, однако качество и требования к памяти зависят от выбранной квантизации. README также отмечает настройку токена <|eot_id|> как не специального для лучшей работы с современными inference-движками. Лицензия указана как llama2; дополнительные условия использования в README не раскрыты.

QuantFactory/Llama-Sentient-3.2-3B-Instruct-GGUF — квантизированная версия модели Llama-Sentient-3.2-3B-Instruct, созданная QuantFactory с использованием llama.cpp. Исходная модель разработана на базе Meta Llama-3.2-3B-Instruct и дообучена на наборе данных mlabonne/lmsys-arena-human-preference-55k-sharegpt. Модель предназначена для генерации текста и диалоговых сценариев с акцентом на следование инструкциям; указанный язык — английский. Модель подходит для чат-ботов, виртуальных ассистентов, клиентской поддержки, создания контента, суммаризации, объяснений, образовательных систем и технических консультаций. Формат GGUF и квантизация ориентированы на запуск через llama.cpp и совместимые инструменты, что может снизить требования к ресурсам по сравнению с полноразмерной версией. Известный размер — 3B параметров; архитектура основана на Llama, а поддерживаемая модальность в карточке ограничена текстом. Сильными сторонами являются компактный размер, ориентация на диалоговое взаимодействие и instruction following. Ограничения включают отсутствие сведений о конкретном варианте квантизации, максимальной длине контекста, производительности на бенчмарках и качестве в языках, кроме английского. Модельная карточка указывает лицензию creativeml-openrail-m; перед использованием необходимо учитывать её условия и ограничения.

LlamaV-o1 — мультимодальная модель для визуальных рассуждений, разработанная MBZUAI и дообученная на основе meta-llama/Llama-3.2-11B-Vision-Instruct. Модель с архитектурой mllama и 11 млрд параметров принимает изображения и текстовые инструкции и формирует текстовые ответы с последовательными объяснениями. Основное назначение — ответы на вопросы по изображениям, включая задачи на визуальное восприятие, математику, понимание документов и социальный контекст. Модель обучалась на LLaVA-CoT-100k и предназначена для диалоговых и исследовательских сценариев, требующих анализа визуального содержимого. В карточке также заявлены применение в образовательных инструментах и разговорных агентах. Указанная лицензия — Apache-2.0. Карточка отмечает возможные трудности с узкоспециализированными знаниями и неоднозначными или состязательными запросами; модель не рекомендуется для решений с высокими ставками, включая медицинскую диагностику.

Это инструкционная языковая модель llm-jp-13b-instruct-full-ac_001_16x-dolly-ichikara_004_001_single-oasst-oasst2-v2.0, разработанная совместным японским проектом LLM-jp. Модель построена на архитектуре LlamaForCausalLM и содержит 13,2 млрд параметров; репозиторий предоставляет веса в формате Safetensors для Transformers. Контекстное окно составляет 4096 токенов. Модель предназначена для генерации ответов и диалогового взаимодействия по инструкциям на японском и английском языках. Она дообучена на наборах инструкций, включая японские и английские версии Dolly и OASST, а также японские наборы ichikara. Токенизатор включает японскую, английскую и программную лексику. Разработчики предупреждают, что модель находится на раннем этапе исследований и разработок и не настроена для надёжного следования человеческим намерениям и требованиям безопасности. Лицензия — Apache-2.0.

Lucie-7B-Instruct-human-data — дообученная инструкционная версия Lucie-7B, открытой многоязычной каузальной языковой модели, разработанной OpenLLM-France. Модель предназначена для генерации текста и диалоговых сценариев с выполнением инструкций, прежде всего на французском языке. Она также обучалась на английском, немецком, итальянском и испанском языках. Размер модели — 7B параметров; базовая модель поддерживает контекст до 32K токенов, и, несмотря на обучение на последовательностях длиной 4096 токенов, эта версия сохраняет способность работать с контекстом до 32K токенов. Модель дообучалась исключительно на созданных людьми или шаблонно подготовленных инструкционных данных, без использования ответов сторонних LLM; среди источников — Aya Dataset, Dolly, FLAN v2, OpenAssistant, Croissant Aligned Instruct и франкоязычные наборы данных. Её сильная сторона — следование инструкциям и генерация французского текста при полностью открытом подходе к подготовке данных. Модель не оптимизировалась для программирования и математических задач, а её качество ниже, чем у Lucie-7B-Instruct-v1.1; дальнейшее дообучение и выравнивание методами DPO или RLHF могут улучшить эти возможности. Модель распространяется по лицензии Apache-2.0.

M7Yamshadowexperiment28_Multi_verse_modelM7 — объединённая модель семейства Mistral, созданная на основе automerger/M7Yamshadowexperiment28-7B и automerger/Multi_verse_modelM7-7B. Она содержит 7,1 млрд параметров и предназначена для генерации текста, в том числе диалоговых ответов. Модель принимает текст и поддерживает контекст до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache 2.0. README не описывает специализацию по языкам или предметным областям, а также конкретные ограничения качества; поэтому её можно рассматривать как модель общего назначения для генерации текста.

MaziyarPanahi/M7Yamshadowexperiment28_T3qExperiment26 — объединённая модель на архитектуре Mistral для генерации текста. Она создана путём слияния automerger/M7Yamshadowexperiment28-7B и automerger/T3qExperiment26-7B. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Её можно использовать для генерации продолжений, ответов и других текстов. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0.

MaziyarPanahi/M7Yamshadowexperiment28_T3qM7 — объединённая модель генерации текста на архитектуре Mistral с 7,1 млрд параметров. В README указано, что она объединяет automerger/M7Yamshadowexperiment28-7B и automerger/T3qM7-7B. Модель предназначена для генерации текста и диалога; поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Лицензия модели — Apache-2.0. В README и метаданных нет сведений о целевых языках, специализированных областях или дополнительных возможностях, поэтому область применения описывается как общая генерация текста.

magnum-v4-9b-GGUF — набор GGUF-квантизаций языковой модели magnum-v4-9b, разработанной anthracite-org и квантизированной bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и чат-сценариев, а запускать её можно, в частности, через LM Studio. Указан английский язык и формат prompt с ролями system, user и assistant. В набор входят варианты от F16 до низкобитных Q2 и IQ2/IQ3-квантизаций с размерами файлов примерно от 3,43 до 18,49 ГБ. Более высокие разрядности обеспечивают лучшее сохранение качества, но требуют больше памяти; для некоторых вариантов заявлены оптимизации под ARM, включая требования к поддержке sve или i8mm. Сильная сторона набора — широкий выбор компромиссов между качеством и потреблением памяти, при этом Q5–Q6 и некоторые Q4-варианты отмечены как рекомендуемые. Ограничения включают снижение качества у низкобитных вариантов и отсутствие данных о размере контекста, архитектуре исходной модели, мультимодальности и дополнительных языках. Лицензия указана как gemma.

Marcoroni-neural-chat-7B-v1-Mistral-7B-Instruct-v0.1 — объединённая чат-модель MaziyarPanahi на архитектуре Mistral с 7,1 млрд параметров. Она создана слиянием Mistral-7B-Instruct-v0.1 и Marcoroni-neural-chat-7B-v1 методом SLERP; веса представлены в формате safetensors и типе bfloat16. Модель предназначена для генерации текста в ответ на инструкции и диалоговые запросы. Карточка указывает контекст длиной до 32 768 токенов и английский язык. Модель подходит для чат-ботов, черновиков текстов и ответов на вопросы; фактическое качество зависит от запроса и сценария применения. Лицензия — Apache-2.0. Модель унаследовала ограничения базовых моделей; карточка не описывает отдельные оценки качества или специальные меры безопасности.

M-DIE-M-10.7B — разговорная языковая модель, разработанная Ados на основе upstage/SOLAR-10.7B-Instruct-v1.0. Это плотная модель семейства Llama с 10,6 млрд параметров, рассчитанная на генерацию текста и диалоговое использование; заявленная длина контекста — 4096 токенов. Обучающая выборка преимущественно корейская (73%) и английская (24%), с небольшой долей других языков. В неё входят примеры вопросов и ответов, многоходовых диалогов, выполнения инструкций, суммаризации и перевода. Модель предназначена для диалогов и выполнения текстовых инструкций, включая ответы на вопросы, краткое изложение и перевод. В README приведён шаблон диалога с системным сообщением OLLM, ориентированным на работу в локальной инфраструктуре. Модель опубликована в формате Safetensors и распространяется по лицензии CC BY-NC-SA 4.0, которая ограничивает коммерческое использование и требует соблюдения условий атрибуции и распространения производных материалов. Результаты зависят от языка и качества запроса; обучение преимущественно на корейском и английском, поэтому качество для других языков может быть ниже. README не приводит количественных оценок качества.

DazzlingXeno/MegaMagChron — объединённая текстовая языковая модель на базе Mistral, созданная с помощью mergekit и метода passthrough. В состав вошла dazl1212/MagnumChronos. Модель содержит 20,7 млрд параметров, работает с текстом и предназначена для генерации текста в диалоговом формате. Заявленная длина контекста — 1 024 000 токенов. Репозиторий содержит веса в формате safetensors. Лицензия и сведения о поддерживаемых естественных языках в предоставленных данных отсутствуют.

MeliodasPercival_01_Experiment24Ognoexperiment27 — объединённая текстовая модель, созданная слиянием automerger/MeliodasPercival_01-7B и automerger/Experiment24Ognoexperiment27-7B. Она предназначена для генерации текста и диалогов; модель построена на архитектуре Mistral и содержит 7,1 млрд параметров. Контекстное окно составляет до 32 768 токенов, веса опубликованы в формате safetensors. Модель принимает текст и генерирует текст, поэтому подходит для диалоговых систем, черновиков и продолжения текста. Репозиторий распространяется по лицензии Apache-2.0. Карточка не описывает специальные предметные области или языковую специализацию.

MeliodasPercival_01_Experiment27Experiment29 — объединённая модель, созданная из automerger/MeliodasPercival_01-7B и automerger/Experiment27Experiment29-7B. Она предназначена для генерации текста и диалогов. Модель построена на архитектуре Mistral с плотной авторегрессионной языковой моделью, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель опубликована в формате Safetensors под лицензией Apache-2.0. Сведения о языковой специализации и конкретных ограничениях в карточке не приведены.