I.11Классификация, ранжирование и сопоставление

Карточка модели princeton-nlp/Llama-3-Instruct-8B-CPO-v0.2 на Hugging Face совпадает с карточкой princeton-nlp/Llama-3-Instruct-8B-SimPO-v0.2, поэтому описание составлено по ней. Llama-3-Instruct-8B-SimPO-v0.2 — диалоговая языковая модель семейства Llama, выпущенная командой Princeton NLP как модель из работы SimPO (Simple Preference Optimization with a Reference-Free Reward). Она предназначена для генерации текста в формате инструкций и диалога. Модель содержит 7,5 млрд параметров, принимает текст и имеет контекстное окно 8192 токена. Модель связана с исследованием оптимизации предпочтений без эталонной модели. В карточке не приведены подробности обучения, оценки качества или специальные области применения; метаданные указывают поддержку чата и формат весов safetensors. Лицензия в предоставленных данных не указана.

Карточка модели princeton-nlp/Llama-3-Instruct-8B-KTO-v0.2 на Hugging Face совпадает с карточкой princeton-nlp/Llama-3-Instruct-8B-SimPO-v0.2, поэтому описание составлено по ней. Llama-3-Instruct-8B-SimPO-v0.2 — диалоговая языковая модель семейства Llama, выпущенная командой Princeton NLP как модель из работы SimPO (Simple Preference Optimization with a Reference-Free Reward). Она предназначена для генерации текста в формате инструкций и диалога. Модель содержит 7,5 млрд параметров, принимает текст и имеет контекстное окно 8192 токена. Модель связана с исследованием оптимизации предпочтений без эталонной модели. В карточке не приведены подробности обучения, оценки качества или специальные области применения; метаданные указывают поддержку чата и формат весов safetensors. Лицензия в предоставленных данных не указана.

Llama3-OneForAll-8B — объединённая диалоговая языковая модель, созданная bunnycore с помощью mergekit на основе RemixLlama3-8B, Hermes-2-Theta-Llama-3-8B и Dolphin-2.9-Llama3-8B. Использует плотную архитектуру LlamaForCausalLM и содержит 7,5 млрд параметров. Модель предназначена для генерации текста и диалоговых сценариев. Она принимает текстовые запросы и выдаёт текстовые ответы; заявленная длина контекста — 8192 токена. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Llama 3. Карточка не приводит результатов оценки качества или подробностей о поддерживаемых языках, поэтому их нельзя надёжно определить по имеющимся сведениям.

Llama-Salad-8x8B-GGUF — это набор GGUF-квантизаций текстовой языковой модели Llama-Salad-8x8B, опубликованный и квантизированный пользователем bartowski. Исходная модель разработана HiroseKoichi. Модель предназначена для генерации текста и локального запуска через llama.cpp или совместимые инструменты инференса. В метаданных указаны архитектура MoE и семейство Llama 3; точное число параметров, размер контекста и список поддерживаемых языков не приведены. Модель работает с текстовой модальностью и использует формат промпта Llama 3 с системными, пользовательскими и ассистентскими сообщениями. Доступно множество вариантов квантизации от Q8_0 до IQ2_XS с размером файлов примерно от 14,33 до 50,47 ГБ. Старшие варианты обеспечивают более высокое качество, а младшие требуют меньше оперативной или видеопамяти, но заметно уступают по качеству; Q6_K, Q5_K_M, Q5_K_S и Q4_K_M обозначены как рекомендуемые. Ключевое преимущество — возможность подобрать компромисс между качеством, скоростью и требованиями к памяти для локального использования. Ограничения включают снижение качества при низких уровнях квантизации и отсутствие в README подробных данных о результатах тестирования, производительности и безопасностных свойствах; модель помечена тегами nsfw и not-for-all-audiences. Лицензия указана как llama3. Квантизации выполнены с использованием llama.cpp release b3086 и метода imatrix.

LLaMAX3-8B-Alpaca — многоязычная генеративная языковая модель семейства LLaMA, разработанная авторами проекта LLaMAX. Она основана на Llama 3: модель продолжительно предобучили на корпусах на 102 языках, а затем дообучили на англоязычном наборе инструкций Alpaca, чтобы сохранить следование инструкциям и диалоговые возможности. Модель предназначена для ответов на инструкции и перевода между более чем 100 языками. В README приведены результаты на Flores-101: по заявлению авторов, средний spBLEU вырос более чем на 5 пунктов по сравнению с LLaMA3-8B-Alpaca. Это плотная архитектура LlamaForCausalLM с 7,5 млрд параметров и контекстом 8192 токена; репозиторий содержит веса safetensors. Модель принимает текст и генерирует текст. Опубликованный список языков включает русский, однако метаданные каталога перечисляют только часть поддерживаемых языков. Лицензия — MIT. Результаты перевода в README представлены для ограниченного набора направлений и тестового набора, поэтому они не гарантируют одинаковое качество для всех языков и задач.

Lumina-2 — предварительно обученная языковая модель с разреженной архитектурой Mixture of Experts (MoE), опубликованная Ppoyaa и созданная с помощью LazyMergekit. Модель предназначена для генерации текста и диалогового взаимодействия; её архитектура относится к семейству Mixtral, а общий размер составляет 7,1 млрд параметров. Модель принимает текст и генерирует текст. Длина контекста — до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. Карточка не приводит сведений о поддерживаемых естественных языках и конкретных областях применения.

Luminis-phi-4 — языковая модель, созданная объединением двух предварительно обученных моделей с помощью mergekit и метода SLERP. В состав объединения вошли bunnycore/Phi-4-Model-Stock-v4 и bunnycore/Phi-4-RR-Shoup; параметры модели представлены в формате safetensors, архитектура — плотная LlamaForCausalLM. Разработчик — suayptalha. Модель предназначена для генерации текста и диалогового общения. В карточке приведены результаты оценки на Open LLM Leaderboard, включая IFEval и BBH. Модель содержит 14,1 млрд параметров, поддерживает контекст до 16 384 токенов и рассчитана на английский язык. Модель распространяется по лицензии MIT. Карточка не описывает ограничения качества или безопасности; результаты тестов отражают лишь отдельные бенчмарки и не гарантируют качество в конкретных сценариях.

MagnusIntellectus-12B-v1 — объединённая модель для генерации текста и диалогов, созданная GalrionSoftworks с помощью LazyMergekit из UsernameJustAnother/Nemo-12B-Marlin-v5 и anthracite-org/magnum-12b-v2. Это плотная причинно-языковая модель семейства Mistral с архитектурой MistralForCausalLM и 12,1 млрд параметров; карточка указывает контекст до 1 024 000 токенов. Модель предназначена для генерации текста и ведения диалогов в чат-сценариях. В README описано слияние методом TIES с нормализацией и весами 0,70 и 0,30; веса опубликованы в формате safetensors и типе bfloat16. В карточке приведены результаты Open LLM Leaderboard: средний балл 21,55, IFEval 44,21 и BBH 33,26. Лицензия — Apache-2.0. Данных о поддерживаемых естественных языках в предоставленных источниках нет.

MasherAI-7B-v6.1-final — дообученная разработчиком mahiatlinux языковая модель семейства Mistral с плотной архитектурой для генерации текста и диалогового взаимодействия. Она основана на mahiatlinux/MasherAI-v6.1-7B-checkpoint3-code4 и обучалась с использованием Unsloth и библиотеки Hugging Face TRL. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. В карточке указан английский язык. Репозиторий распространяется в формате PyTorch по лицензии Apache-2.0.

MeliodasPercival_01_Inex12Strangemerges_32 — объединённая модель семейства Mistral, созданная из automerger/MeliodasPercival_01-7B и automerger/Inex12Strangemerges_32-7B. Она предназначена для генерации текста и диалогов. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0. Данных о специальных предметных областях или целевых языках в карточке нет.

bartowski/meta-llama_Llama-4-Scout-17B-16E-Instruct-old-GGUF — это квантованная версия инструкционно дообученной модели Llama 4 Scout, разработанной Meta и подготовленной в формате GGUF пользователем bartowski. Модель предназначена для генерации текста и выполнения пользовательских инструкций; конкретные прикладные сценарии в README не перечислены. Из доступных данных известны обозначения 17B и 16E в названии модели, а также принадлежность к семейству Llama 4 Scout. Модель относится к классу text-generation, однако сведения о точной архитектуре, размере контекста, поддерживаемых языках, модальностях, вариантах квантования и требованиях к ресурсам отсутствуют. К потенциальным сильным сторонам относятся инструкционное дообучение и возможность использования в экосистеме GGUF, совместимой с рядом локальных средств запуска. Ограничения и фактическое качество зависят от конкретной квантовки и среды инференса; количественные характеристики и результаты тестирования не указаны. Модель распространяется на условиях Llama 4 Community License от Meta. Лицензия предусматривает требования к атрибуции, отображению надписи «Built with Llama», соблюдению Acceptable Use Policy и особые коммерческие условия для продуктов с более чем 700 миллионами ежемесячных активных пользователей.

Mew1-2.6B — текстовая генеративная модель семейства LFM2, выпущенная разработчиком Unmid. Она предназначена для локального диалогового взаимодействия, творческого письма, ролевых сценариев, выполнения инструкций и экспериментов на оборудовании с ограниченными ресурсами. Модель ориентирована прежде всего на английский язык и поддерживает формат чата, близкий к ChatML, включая использование инструментов. Архитектура модели — гибридная LFM2 с классом Lfm2ForCausalLM; она содержит около 2,69 млрд параметров, 30 слоёв и словарь из 128 000 токенов. Данный checkpoint настроен на контекст до 128 000 токенов и распространяется в формате BF16 Safetensors, разделённом на четыре файла. Для локального запуска также доступны варианты GGUF с различными уровнями квантования; независимые GGUF-сборки и репозиторий с ними публикуются отдельно. К сильным сторонам относятся небольшой по современным меркам размер, большой контекст, поддержка Transformers без пользовательского кода и возможность запуска на ограниченных ресурсах. При этом опубликованные материалы не содержат полного отчёта о воспроизводимости и независимого набора бенчмарков для модификации Mew1, поэтому качество следует проверять на собственных задачах. Модель может генерировать ошибочные, предвзятые, небезопасные или вымышленные ответы; сниженное количество отказов не означает надёжность или пригодность для ответственных решений. Модель распространяется по лицензии LFM Open License v1.0 с указанными в ней условиями атрибуции и коммерческого использования.

MFANN-SFT — объединённая диалоговая языковая модель от netcat420, созданная с помощью mergekit. В качестве основы использована mlabonne/Meta-Llama-3.1-8B-Instruct-abliterated, а также объединены MFANN-Llama3.1-Abliterated-SLERP-V5 и MFANN-SFT-precursor-2 методом TIES. Модель построена на архитектуре Llama, содержит 7,5 млрд параметров и рассчитана на контекст до 131 072 токенов. Модель предназначена для диалогов и генерации ответов на текстовые запросы; базовая модель описана как вариант Llama 3.1 Instruct с ослабленными ограничениями на ответы. Доступные данные не описывают отдельные предметные специализации или языковой охват. Репозиторий содержит веса в формате Safetensors. Лицензия в предоставленных данных не указана.

Minico-M1 Preview — компактная языковая модель, разработанная Mincofficial и дообученная на базе LiquidAI/LFM2.5-350M на наборе QyrouNnet-AI/exp-reasoning-effort-control. Она предназначена для генерации текста в диалогах и задач рассуждения; шаблон чата поддерживает видимые блоки рассуждений и уровни усилий low, medium, high и max. Модель построена на плотной архитектуре LFM2 и содержит 343,9 млн параметров, поддерживает контекст до 128 000 токенов и интерфейс вызова инструментов. Это предварительный выпуск для ознакомления и совместимости. В репозитории safetensors-файл является экспортом в float16, полученным деквантованием исходного файла GGUF Q8_0, поэтому его веса приближённые и не соответствуют исходному полноточному чекпойнту обучения. Применяется лицензия базовой модели LiquidAI/LFM2.5-350M.

Карточка модели princeton-nlp/Mistral-7B-Base-SFT-SLiC-HF на Hugging Face совпадает с карточкой princeton-nlp/Llama-3-Instruct-8B-SimPO-v0.2, поэтому описание составлено по ней. Llama-3-Instruct-8B-SimPO-v0.2 — диалоговая языковая модель семейства Llama, выпущенная командой Princeton NLP как модель из работы SimPO (Simple Preference Optimization with a Reference-Free Reward). Она предназначена для генерации текста в формате инструкций и диалога. Модель содержит 7,5 млрд параметров, принимает текст и имеет контекстное окно 8192 токена. Модель связана с исследованием оптимизации предпочтений без эталонной модели. В карточке не приведены подробности обучения, оценки качества или специальные области применения; метаданные указывают поддержку чата и формат весов safetensors. Лицензия в предоставленных данных не указана.

Это пакет слоёв GGUF для Mistral Medium 3.5 128B UD-Q4_K_XL, подготовленный Mesh LLM для распределённого вывода. Он создан на основе unsloth/Mistral-Medium-3.5-128B-GGUF и разбивает исходное распределение GGUF на артефакты по слоям для запуска модели на локальном кластере Mesh LLM. Пакет предназначен для приватного локального чата и генерации текста, в том числе на нескольких машинах, когда модель целиком не помещается на одном узле. Mesh LLM поддерживает OpenAI-совместимый интерфейс чата и дополнений. Вариант квантования — UD-Q4_K_XL; архитектурные подробности, контекст и языки следует уточнять по карточке исходной модели.

0xA50C1A1/Mistral-Nemo-Instruct-2407-Heretic-v2 — англоязычная разговорная модель генерации текста на архитектуре Mistral, разработанная как производная unsloth/Mistral-Nemo-Instruct-2407. Это плотная авторегрессионная модель на 12,1 млрд параметров с контекстом до 131 072 токенов; поддерживает чат и интерфейс вызова инструментов. Модель изменена методом abliteration, чтобы реже отказывать в ответах: в карточке указано 4 отказа из 100 запросов против 88 у исходной модели. Модель подходит для диалогов и генерации текста, в том числе для сценариев, где требуется снизить частоту отказов. Abliteration не гарантирует корректность ответов и может повлиять на поведение модели; приведённое сравнение отказов не описывает качество выполнения задач в целом. Доступна по лицензии Apache-2.0.

LeroyDyer/Mixtral_Instruct — текстовая генеративная модель на архитектуре Mistral с 7,1 млрд параметров. Репозиторий содержит веса в формате safetensors; модель доступна для использования через библиотеку Transformers. Карточка README оставлена в виде шаблона и не сообщает, кто разработал модель и как она обучалась. Модель предназначена для генерации текста. Контекстное окно составляет 32 768 токенов, а в метаданных указан английский язык. Каталог связывает модель слиянием с LeroyDyer/Mixtral_BaseModel и Locutusque/Hercules-3.1-Mistral-7B, поэтому её происхождение отмечено как merge. Лицензия — Apache-2.0. README не содержит результатов оценки качества или рекомендаций по применению.

openaccess-ai-collective/mpt-7b-wizardlm — языковая модель OpenAccess AI Collective на архитектуре MPT-7B, дообученная на наборе WizardLM Alpaca Evol Instruct 70K. Модель предназначена для генерации текста и ответов на инструкции на английском языке. Модель обучали три эпохи на одном ускорителе A100 с 80 ГБ памяти. В метаданных указаны формат PyTorch и задача text-generation. Карточка не приводит сведений о длине контекста или лицензии.

zelk12/MT1-Max-Merge_02012025163610-GMMMUI-gemma-2-9B — объединённая языковая модель на базе Gemma 2, созданная с помощью mergekit методом SLERP из двух чекпойнтов: zelk12/MT1-Max-Merge_02012025163610-GMM-gemma-2-9B и zelk12/MT1-Max-Merge_02012025163610-MUI-gemma-2-9B. Это плотная авторегрессионная модель для генерации текста и диалогового взаимодействия. Модель содержит 9 млрд параметров, принимает текст и поддерживает контекст до 8192 токенов. Репозиторий использует формат safetensors и библиотеку Transformers. Карточка не сообщает о специализированной предметной области или языках, поэтому модель описывается как общего назначения. Лицензия и отдельные сведения о качестве или ограничениях в предоставленных данных отсутствуют. Как и другие генеративные языковые модели, ответы могут содержать ошибки; пригодность результата следует проверять в целевом сценарии.

NeuralDaredevil-8B-abliterated-x-Llama-3-8B-instruct — объединённая разговорная языковая модель на архитектуре Llama 3, опубликованная IsakNordgren. Репозиторий содержит веса в формате Safetensors; размер модели — около 7,5 млрд параметров, нативный контекст — 8192 токена. README указывает на объединение NeuralDaredevil-8B-abliterated и AI-Sweden-Models/Llama-3-8B-instruct методом dare_ties с конфигурацией LazyMergekit. Модель предназначена для диалогов и генерации текста. Базовая Llama 3 от AI-Sweden-Models ориентирована на шведский, датский и норвежский языки; карточка этой модели не уточняет языковые ограничения самого объединённого чекпойнта. README не приводит результаты оценки качества или подробные ограничения применения. Лицензия в предоставленных данных не указана.

NeuralsirkrishnaShadow_AlloyingotneoyNeuralsirkrishna — объединённая модель на архитектуре Mistral, созданная на основе automerger/NeuralsirkrishnaShadow-7B и automerger/AlloyingotneoyNeuralsirkrishna-7B. Она предназначена для генерации текста и диалогов, включая сценарии с контекстом до 32 768 токенов. Модель содержит 7,1 млрд параметров, а её веса опубликованы в формате Safetensors. Модель распространяется по лицензии Apache-2.0. README и метаданные не описывают специализированную область применения или известные ограничения качества; её подтверждённая задача — генерация текста.

NeuralsirkrishnaShadow_Experiment26Experiment26 — слитая автором карточки модель на архитектуре Mistral, объединяющая automerger/NeuralsirkrishnaShadow-7B и automerger/Experiment26Experiment26-7B. Она предназначена для генерации текста и поддерживает контекст до 32 768 токенов; размер модели — 7,1 млрд параметров. Модель принимает текстовые запросы и выдаёт текст. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0.

NeuralsirkrishnaShadow_Ognoexperiment27M7 — объединённая модель от MaziyarPanahi на архитектуре Mistral с 7,1 млрд параметров. Она предназначена для генерации текста и диалогов, принимает текст и выдаёт текст; поддерживает контекст до 32 768 токенов. Модель объединяет automerger/NeuralsirkrishnaShadow-7B и automerger/Ognoexperiment27M7-7B. Данные карточки не уточняют специализацию, языки или отдельные возможности модели. Веса опубликованы в формате safetensors; лицензия — Apache-2.0.

NVIDIA-Nemotron-3.5-Lightning-30B-A3B-GGUF — это GGUF-квантизация модели NVIDIA-Nemotron-3.5-Lightning-30B-A3B-BF16, опубликованная AtomicChat и предназначенная для запуска через llama.cpp. Модель относится к классу text-generation и может использоваться для генерации текста и диалоговых сценариев при локальном инференсе. Исходная модель разработана NVIDIA. Известно, что она использует архитектуры MoE и Mamba2 и имеет 30B параметров в полном варианте; конкретные сведения о языках, модальностях и размере контекстного окна в README не указаны. GGUF-файлы отличаются уровнем квантизации, размером, качеством и скоростью генерации. Рекомендуется вариант AD-IQ4_NL размером 19,7 ГБ: по приведённым измерениям он сопоставим с Q5_K_M по качеству, но существенно компактнее. Вариант AD-IQ4_NL_L показывает более низкую дивергенцию, а Q8_0 обеспечивает эталонное качество среди представленных квантов. Сильные стороны сборки — поддержка калибровки с importance matrix, эффективные Atomic Dynamic-конфигурации и возможность запуска на одной RTX 5090 с полной выгрузкой на GPU. Ограничения связаны с требованиями к памяти: качественного варианта для 16 ГБ нет, а экспериментальные 2-битные сборки демонстрируют значительную потерю качества и не рекомендуются для практической работы. Лицензия указана как NVIDIA Open Model License; точные условия приведены по ссылке NVIDIA.

NVIDIA-Nemotron-Nano-9B-v2-GGUF — набор GGUF-квантизаций модели NVIDIA-Nemotron-Nano-9B-v2, подготовленный пользователем bartowski на основе оригинальной модели NVIDIA. Модель предназначена для генерации текста и локального запуска в llama.cpp, LM Studio и других совместимых проектах. В набор входят варианты от BF16 до низкоразрядных Q2–Q8 и IQ-квантизаций; размер файлов составляет примерно от 5,27 до 17,79 ГБ. Квантизация выполнена с использованием imatrix, что направлено на сохранение качества при уменьшении требований к памяти. В README не указаны архитектура исходной модели, поддерживаемые языки, длина контекста, мультимодальные возможности и точные сценарии применения. Сильной стороной набора является широкий выбор компромиссов между качеством, размером и требованиями к оборудованию: варианты Q5–Q6 и Q4_K_M обозначены как рекомендуемые, а Q3 и Q2 подходят для систем с ограниченным объёмом RAM, но обеспечивают более низкое качество. Лицензия в предоставленных данных не указана; условия использования следует уточнять на странице оригинальной модели NVIDIA-Nemotron-Nano-9B-v2.

Obazda-7B — чат-модель на основе Mistral, созданная Johann Hartmann как объединение предварительно обученных языковых моделей методом DARE TIES с помощью mergekit. В качестве базовой модели использована DiscoResearch/DiscoLM_German_7b_v1; также в объединение вошли Wiedervereinigung-7b-dpo-laser, Experiment26-7B и WestLake-7B-v2-laser-truthy-dpo. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогов на немецком языке. Приведённые в карточке оценки показывают относительно сильные результаты в письме, ролевом взаимодействии, извлечении информации, гуманитарных и естественно-научных темах, а также более слабые результаты в рассуждениях, математике и программировании. Распространяется по лицензии Apache-2.0.

OpenBuddy/openbuddy-llama3-70b-v21.2-32k — многоязычная чат-модель, разработанная OpenBuddy на базе Meta Llama 3 70B Instruct. Это плотная авторегрессионная модель семейства Llama с 69,5 млрд параметров, предназначенная для диалога и генерации текста. В карточке заявлена поддержка английского и китайского; метаданные также перечисляют французский, немецкий, японский, корейский, итальянский и финский языки. Указанный в названии вариант 32k, однако метаданные сообщают нативный контекст в 131 072 токена. Модель подходит для ответов на вопросы и других диалоговых сценариев. Для использования автор рекомендует быстрый токенизатор Transformers; карточка предупреждает, что некоторые альтернативные реализации могут некорректно обрабатывать специальные токены. Лицензия указана как other, а README приводит условия OpenBuddy и отсылает к Acceptable Use Policy. Авторы предупреждают, что ответы могут быть ошибочными или вредными, и не рекомендуют применять модель в критических и высокорисковых ситуациях.

VMware Open LLaMA 0.3T 7B Open Instruct v1.1 — разговорная языковая модель на архитектуре LLaMA с 6,6 млрд параметров. Она дообучена на частично обученном чекпойнте Open-LLaMA, на котором было проведено обучение на 300 млрд токенов, с использованием набора Open-instruct-v1.1, включающего OASST, Dolly и HH-RLHF. Модель предназначена для диалогов и генерации текста по инструкциям; в README указана версия с шаблоном запросов Alpaca. Поддерживаемый контекст — 2048 токенов, основной язык карточки — английский. Модель подходит для ответов на вопросы, выполнения текстовых инструкций и генерации кода. В README отмечены трудности с few-shot prompting и непоследовательное форматирование кода: Python-код может выводиться без отступов, а код — не всегда оформляться в Markdown. README рекомендует использовать финальную версию Open LLaMA 7B Open Instruct. Репозиторий распространяется под лицензией CC; конкретный вариант лицензии в предоставленных данных не уточнён.

Oracle-LLaMa-70B — экспериментальное слияние пяти языковых моделей семейства Llama, опубликованное TareksGraveyard. Автор использовал метод Model Stock из mergekit, взяв nbeerbower/Llama-3.1-Nemotron-lorablated-70B за основу и добавив EVA-LLaMA-3.33-70B, Cirrus-x1, Euryale-v2.3, Anubis-70B-v1 и Negative_LLAMA_70B. Модель содержит 69,5 млрд параметров, построена на плотной архитектуре Llama и распространяется в формате Safetensors через Transformers. Модель предназначена для генерации текста и диалогового общения; заявленная длина контекста — 131 072 токена. Карточка описывает её как один из экспериментов автора по слиянию моделей и оценивает результат как достойный, без конкретных бенчмарков или гарантий качества. Указана лицензия llama3.3; следует учитывать условия лицензий исходных компонентов слияния.