I.11Классификация, ранжирование и сопоставление

Ling-flash-2.0-GGUF — это квантизированная версия языковой модели Ling-flash-2.0, разработанной inclusionAI. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и запуска в локальных приложениях, поддерживающих формат GGUF, включая LM Studio, llama.cpp и проекты на его основе. Доступно несколько вариантов квантизации от Q8_0 до Q2_K, включая форматы Q6_K, Q5_K_M и Q4_K_M. Размер файлов составляет примерно от 36 до 109 ГБ; варианты с более высокой точностью обычно обеспечивают лучшее качество, но требуют больше памяти. Для большинства сценариев автор рекомендует Q4_K_M, Q5_K_M, Q5_K_S и Q6_K, тогда как младшие варианты экономят память ценой заметного снижения качества. Некоторые файлы разделены на части. README не содержит сведений об архитектуре исходной модели, числе параметров, поддерживаемых языках, длине контекста, дополнительных модальностях или лицензии. Поэтому эти характеристики нельзя достоверно определить по предоставленным данным. Модель следует использовать с указанным шаблоном prompt и совместимым программным обеспечением; конкретные требования к аппаратным ресурсам зависят от выбранного варианта квантизации.

Inex12Yamshadow-7B — автоматически слитая языковая модель, созданная Maxime Labonne из MSL7/INEX12-7b и automerger/YamShadow-7B. Для слияния применён метод SLERP с настройками для слоёв self-attention и MLP; архитектура — плотная MistralForCausalLM с 7,1 млрд параметров, веса представлены в формате safetensors. Модель предназначена для генерации текста, а контекст составляет до 32 768 токенов. Репозиторий распространяется по лицензии Apache-2.0. README не уточняет специализацию модели или поддерживаемые естественные языки.

wnma3mz/Janus-Pro-1B-LM — вариант модели DeepSeek Janus-Pro-1B, подготовленный автором репозитория. Веса обновлены до формата safetensors, добавлен шаблон чата; обозначение LM указывает, что репозиторий содержит только языковую модель. Метаданные указывают на архитектуру Llama, 1,4 млрд параметров и контекст до 16 384 токенов. Модель предназначена для генерации текста в диалоговом формате. Хотя базовая Janus-Pro-1B поддерживает понимание и генерацию изображений, эта сборка содержит только языковую часть, поэтому возможности обработки изображений для неё не заявлены. Веса распространяются по лицензии MIT. README также упоминает 4-битную квантизацию языковой части, но метаданные описывают файлы safetensors и не подтверждают отдельный квантованный вариант в этом репозитории.

NANI-Nithin/K2-Horizon-7B-GGUF — набор GGUF-квантизаций базовой модели IFM/K2-Horizon-7B, разработанной MBZUAI IFM и квантизированной пользователем NANI-Nithin. Модель представляет собой плотный causal decoder примерно на 7 млрд параметров без MoE, реализованный с архитектурой K2HorizonForCausalLM и предназначенный для генерации текста и запуска локальных языковых моделей через llama.cpp. Доступны варианты от BF16 и Q8_0 до агрессивных 1–3-битных квантизаций, включая K-quant и IQ-варианты с importance matrix. Для общего использования рекомендован K2-Horizon-7B-Q4_K_M.gguf, а Q8_0 позиционируется как вариант, близкий к исходному качеству. Указан английский язык; модальность — текстовая. Размер BF16 GGUF составляет около 18,01 ГБ. Контекстное окно и дополнительные характеристики исходной модели в README не указаны. Главное преимущество набора — широкий выбор компромиссов между качеством, размером и требованиями к памяти, а также возможность локального запуска. Для работы требуется форк MBZUAI-IFM llama.cpp с веткой model/K2Horizon либо версия upstream llama.cpp после добавления поддержки этой архитектуры; стандартный llama.cpp по состоянию на сентябрь 2026 года её не поддерживает. Веса распространяются на тех же условиях, что и оригинальная IFM/K2-Horizon-7B; для точных условий лицензии необходимо обратиться к репозиторию исходной модели.

Модель yoon112/kanana-1.5-8b-instruct-2505-Persona-Merged разработана yoon112 на основе диалоговой модели Kakao kanana-1.5-8b-instruct-2505. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров, дообученная с использованием Unsloth и библиотеки TRL. Она предназначена для диалоговой генерации текста и поддерживает интерфейс вызова инструментов. Модель принимает текстовые запросы и генерирует текстовые ответы; размер контекстного окна составляет 32 768 токенов. В метаданных указан английский язык. Лицензия — Apache-2.0. README не приводит отдельной оценки качества или подробностей о назначении Persona в названии.

Keefe-Discere-v3.0-Final — языковая модель на архитектуре Qwen2, дообученная KeefeBuild на базе KeefeBuild/Keefe-Discere-v3.0-Ultimate с использованием Unsloth и Hugging Face TRL. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов; заявлены возможности диалога и интерфейс вызова инструментов. Модель предназначена для генерации текста и диалоговых сценариев, включая использование через интерфейс вызова инструментов. В карточке указан английский язык. Репозиторий содержит веса в формате Safetensors и распространяется по лицензии Apache-2.0. Карточка не описывает специализированные области применения или конкретные ограничения качества.

Kunpeng-4x7B-mistral — разговорная языковая модель с архитектурой Mixture of Experts (MoE) семейства Mixtral, опубликованная пользователем mzbac. По карточке, она объединяет Mistral-7B-Instruct-v0.2, Mistral-7B-v0.1, Starling-LM-7B-alpha и Mistral-7B-Instruct-v0.1, а затем дообучена на WizardLM_evol_instruct_70k для слоёв q_proj, v_proj и gate. Модель предназначена для генерации ответов в диалоге и других задач генерации текста. Метаданные указывают 7,1 млрд параметров, контекст до 32 768 токенов и формат safetensors. Поддерживаемые языки карточкой не подтверждены. Модель распространяется по лицензии Apache-2.0. Карточка не приводит оценок качества или подробных ограничений; результат может зависеть от промпта и сценария применения.

Карточка модели titanbot/LeoLM-hessianai-13b на Hugging Face совпадает с карточкой LeoLM/leo-hessianai-13b, поэтому описание составлено по ней. LeoLM/leo-hessianai-13b — языковая модель с открытыми весами, разработанная Björn Plüster и Christoph Schuhmann совместно с LAION и HessianAI. Это плотный авторегрессионный трансформер-декодер семейства Llama, полученный продолжением предобучения meta-llama/Llama-2-13b-hf на большом корпусе немецкоязычных, преимущественно локальных текстов. Модель содержит 12,9 млрд параметров и поддерживает контекст до 8192 токенов. Модель предназначена для генерации текста на немецком и английском языках, а также для исследований и прикладных разработок с немецкоязычными LLM. Она доступна для использования через Transformers в формате PyTorch. Лицензия — Llama 2 Community License Agreement; перед использованием следует учитывать её условия, в том числе применимые ограничения на коммерческое использование.

Карточка модели titanbot/LeoLM-hessianai-7b-chat на Hugging Face совпадает с карточкой LeoLM/leo-hessianai-7b-chat, поэтому описание составлено по ней. 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.

LLaDA2.1-flash — диффузионная языковая модель семейства LLaDA, разработанная InclusionAI. Это instruction-tuned модель для генерации текста и диалоговых сценариев; архитектура — Mixture-of-Experts (MoE), в карточке указаны 100 млрд параметров, 32 слоя и контекст до 32 768 токенов. Метаданные каталога при этом указывают общий размер 5,5 млрд параметров. Модель поддерживает редактируемую генерацию: README описывает режимы Speed и Quality с разными порогами денойзинга и компромиссом между скоростью, качеством и плавностью ответа. Её можно применять для диалога и генерации текста; метаданные также отмечают интерфейс вызова инструментов. README называет модель готовой для прикладного использования, но не приводит результаты конкретных бенчмарков. Модель распространяется под лицензией Apache-2.0. Указанные в README рекомендации по настройке параметров относятся к инференсу; низкий порог денойзинга может приводить к прерывистой генерации.

Llama 2 13B Chat — диалоговая языковая модель, разработанная Meta и представленная в формате Hugging Face Transformers. Это плотная авторегрессионная модель на архитектуре оптимизированного Transformer с 12,9 млрд параметров; она принимает текст и генерирует текст, а контекстное окно составляет 4096 токенов. Версия Chat настроена для диалогов с помощью supervised fine-tuning и обучения с подкреплением на основе человеческой обратной связи. Модель предназначена для англоязычных диалогов с помощником и генерации ответов. Для ожидаемого поведения следует использовать формат диалога Llama 2 с маркерами инструкций и специальными токенами. Модель может выдавать неточные, предвзятые или нежелательные ответы; перед применением требуется оценка безопасности для конкретного сценария. Использование регулируется лицензией Meta Llama 2, для скачивания весов требуется принять её условия.

manojpreveen/Llama-2-70b-hf-ChatOrca-v1 — языковая модель, дообученная автором на базе Meta Llama 2 для диалогов и рассуждений. Она использует плотную архитектуру LlamaForCausalLM и содержит 68,7 млрд параметров. В README указано обучение на смеси данных Orca, открытых многоходовых диалогов, включая OpenAssistant и UltraChat, и OpenPlatypus. Модель предназначена для генерации ответов в чате, поддержания многоходового диалога и решения задач, требующих рассуждений. Она принимает текстовые запросы в формате чата Meta Llama 2 и выдаёт текст; заявленная длина контекста — 4096 токенов. README не уточняет набор поддерживаемых естественных языков. Модель распространяется под лицензией MIT.

Карточка модели 4bit/Llama-2-7b-chat-hf на Hugging Face совпадает с карточкой NousResearch/Llama-2-7b-chat-hf, поэтому описание составлено по ней. NousResearch/Llama-2-7b-chat-hf — диалоговая языковая модель семейства Llama 2, разработанного Meta и опубликованная в формате Hugging Face Transformers. Это плотный авторегрессионный трансформер с 6,6 млрд параметров; веса представлены в форматах PyTorch и Safetensors. Модель принимает текст и генерирует текст, а её контекст составляет 4096 токенов. Модель дообучена с помощью supervised fine-tuning и обучения с подкреплением по человеческим отзывам для диалогов в формате помощника. Она предназначена для ответов на вопросы, ведения диалога и генерации текста на английском языке. Для ожидаемого поведения нужно соблюдать форматирование Llama 2 Chat с соответствующими маркерами инструкций и токенами. Модель может выдавать неточные, предвзятые или нежелательные ответы, а проведённые оценки не охватывают все возможные сценарии. Данные предобучения имеют срез до сентября 2022 года. Использование регулируется собственной лицензией Meta для Llama 2; для получения весов требуется принять её условия.

Apollo Raines выпустил поведенчески модифицированный вариант Meta Llama 3.1 8B Instruct. Модель предназначена для диалогов и генерации текста с более короткими и прямыми ответами: разработчик сообщает, что убрал многословные вступления и заполнители, сохранив точность и полезность. Изменения внесены инструментом jBlaze непосредственно в веса; README уточняет, что дополнительного обучения не проводилось. Архитектура — LlamaForCausalLM, плотная трансформерная языковая модель; в метаданных указано 7,5 млрд параметров и контекст до 131 072 токенов. Репозиторий содержит веса Safetensors, а README указывает точность bf16. Модель ориентирована на английский язык и поддерживает чатовый интерфейс вызова инструментов. Разработчик характеризует опубликованный вариант как демонстрационный и намеренно ослабленный относительно полной версии. Модель распространяется по лицензии Llama 3.1; применяйте её с учётом условий этой лицензии.

v000000 — линейное слияние языковых моделей, созданное с помощью mergekit на основе Sao10K/Llama-3.1-8B-Stheno-v3.4 и grimjim/Llama-3-Instruct-abliteration-LoRA-8B. Модель построена на архитектуре LlamaForCausalLM, содержит 7,5 млрд параметров и рассчитана на генерацию текста в диалоговом формате. Заявленная длина контекста — 131 072 токена. Модель подходит для диалогов, ответов на инструкции, ролевых сценариев и творческого письма; базовая Stheno v3.4 описана в каталоге как англоязычная. В репозитории указаны веса Safetensors, а README также упоминает варианты GGUF и GGUF imatrix, подготовленные другим автором. Лицензия в предоставленных данных не указана.

Это GGUF-квантизация инструкционной языковой модели Llama-3.1-Nemotron-70B-Instruct-HF-abliterated. Исходную модель опубликовала huihui-ai, а квантизации подготовил bartowski с использованием llama.cpp и метода imatrix; в метаданных также указана связь с NVIDIA. Модель предназначена для генерации текста и диалоговых сценариев, включая работу через LM Studio и другие совместимые с llama.cpp приложения. Модель содержит 70 миллиардов параметров, поддерживает текстовую модальность и, согласно метаданным, ориентирована на английский язык. README не указывает размер контекста и точную архитектуру, но приведён специальный prompt format на основе шаблона Llama 3.1 с ролями system, user и assistant. Доступны варианты квантизации от Q8_0 до IQ2_XS с размером файлов примерно от 75 до 24 ГБ; более высокие уровни обычно сохраняют лучшее качество, а низкие позволяют снизить требования к памяти. Сильной стороной являются широкий выбор форматов GGUF и возможность локального запуска при наличии значительного объёма RAM или VRAM. Ограничения включают большие требования к ресурсам, снижение качества на низких уровнях квантизации и отсутствие в README подробных результатов оценки. Модель не является мультимодальной, а поддержка других языков явно не заявлена. Указана лицензия llama3.1.

bartowski/Llama-3.1-Tulu-3-70B-DPO-GGUF — это набор GGUF-квантизаций модели Llama-3.1-Tulu-3-70B-DPO, разработанной Allen Institute for AI (AI2) и дообученной методом DPO на наборе данных allenai/llama-3.1-tulu-3-70B-preference-mixture. Квантизации подготовлены bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и диалоговых сценариев, включая работу в локальных приложениях вроде LM Studio. В README указаны архитектура семейства Llama 3.1, размер 70B параметров, текстовая модальность и поддержка английского языка. Для взаимодействия используется формат промпта с ролями system, user и assistant. Размер и качество зависят от выбранной квантизации: доступны варианты от Q8_0 объёмом 74,98 ГБ до IQ1_M объёмом 16,75 ГБ. Сильной стороной являются многочисленные варианты квантизации, позволяющие выбирать баланс между качеством, скоростью и требованиями к памяти; наиболее рекомендуемыми в README названы Q6_K, Q5_K_M, Q5_K_S, Q4_K_M, Q4_K_S и IQ4_XS. Более компактные варианты экономят память, но могут заметно снижать качество. Для некоторых вариантов указаны аппаратные ограничения, а файл Q4_0_8_8 не рекомендуется использовать на Mac. Лицензия модели — llama3.1.

mlx-community/Llama-3.2-3B-Fluxed — языковая модель семейства Llama 3.2, преобразованная сообществом mlx-community из VincentGOURBIN/Llama-3.2-3B-Fluxed в формат MLX с помощью mlx-lm 0.19.3. Это плотная авторегрессионная модель класса LlamaForCausalLM с 3,2 млрд параметров и контекстом до 131 072 токенов. Модель предназначена для генерации текста и диалогового общения; метаданные также указывают интерфейс вызова инструментов. В качестве обучающего набора для исходной модели указан VincentGOURBIN/FluxPrompting, а язык карточки — английский. Репозиторий распространяется в формате safetensors и по лицензии Apache-2.0.

MylesGoose Llama-3.2-3B-instruct-abliterated — чат-модель семейства Llama с 3,2 млрд параметров, основанная на Llama 3.2 3B Instruct. По названию репозитория модель прошла abliterated-модификацию, направленную на ослабление отказов; подробности метода и его эффекты в доступной карточке не раскрыты. Модель предназначена для генерации текста в диалоговом формате и поддерживает интерфейс вызова инструментов. Метаданные указывают контекстное окно до 131 072 токенов и формат весов safetensors. Репозиторий создан MylesGoose 27 сентября 2024 года. Лицензия обозначена как other, поэтому условия использования следует проверять в файлах репозитория. Доступная карточка не содержит описания обучения, языкового покрытия или результатов оценки качества.

Llama-3-8B-Instruct-Gradient-4194k-GGUF — это версия модели Llama-3-8B-Instruct-Gradient-4194k в формате GGUF, конвертированная с помощью llama.cpp через сервис GGUF-my-repo. Конкретный автор конвертации — leafspark; исходная модель разработана Gradient AI. Модель предназначена для генерации текста и диалоговых сценариев, а запускать её можно с помощью llama.cpp. Это текстовая instruct-модель на базе архитектуры Llama 3 с размером 8 млрд параметров. README указывает английский язык и не сообщает о поддержке других языков или мультимодальности. Доступны варианты с разной степенью квантования — от F16 размером 14,9 ГБ до Q2_K размером 2,95 ГБ; рекомендуются Q6_K и Q4_K_M как варианты, сочетающие качество и экономию памяти. Заявленное контекстное окно составляет 4194k, однако в квантованных версиях его настройка описана как проблемная и требует параметров RoPE. Сильными сторонами являются широкий выбор квантованных вариантов и возможность локального запуска, включая версии Q4 и выше с заявленным хорошим качеством. Ограничения включают возможные проблемы с форматом prompt, необходимость использовать формат Llama 3, а также появление в выводе токенов EOS, например </s>. Модель распространяется по лицензии llama3; условия исходной модели следует уточнять в её оригинальной карточке.

Карточка модели princeton-nlp/Llama-3-Instruct-8B-RDPO-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.

Модель tokinasin/llm-jp-4-8b-instruct-uncensored-ara — японско-английская чат-модель, созданная на основе llm-jp/llm-jp-4-8b-instruct с применением метода Arbitrary-Rank Ablation (ARA) для уменьшения числа отказов на запросы. Исходную серию LLM-jp-4 разработал Центр исследований и разработок больших языковых моделей Национального института информатики Японии; эту модификацию опубликовал пользователь tokinasin. Модель предназначена для диалогов и генерации текста по инструкциям на японском и английском языках. Это плотная трансформерная модель семейства Llama примерно на 7,8 млрд параметров с контекстом до 65 536 токенов и форматом safetensors. В README указано, что на тесте из 100 вопросов модифицированная версия отказала в 5 случаях, тогда как исходная — в 99; эти результаты относятся к указанной автором оценке. Снижение числа отказов означает, что модель может отвечать на большее число запросов, но также требует осторожности при использовании и проверки результатов. Лицензия — Apache-2.0.

Lumina-3 — текстовая модель семейства Mixtral, созданная с помощью LazyMergekit и объединения моделей. Она предназначена для генерации текста и диалогового общения; заявленное окно контекста достигает 32 768 токенов. В метаданных указано 7,1 млрд параметров, архитектура Mixture of Experts и формат safetensors. В README приведены результаты оценки на Open LLM Leaderboard, включая ARC и HellaSwag. Репозиторий также ссылается на сторонние сборки в формате GGUF. Модель распространяется по лицензии Apache-2.0. В карточке не указаны поддерживаемые естественные языки и специальные предметные области.

LWM-Text-Chat-512K — открытая авторегрессионная языковая модель семейства LLaMA, созданная LargeWorldModel на основе LLaMA-2. Это плотный трансформер с 6,6 млрд параметров и контекстом до 524 288 токенов, предназначенный для генерации текста и работы с очень длинными документами. Модель обучали в декабре 2023 года на подмножестве Books3: 3 500 документов длиной от 500 тысяч до 1 миллиона токенов. Модель может применяться для продолжения текста, диалога и анализа длинных материалов в пределах контекстного окна. Карточка не описывает отдельные результаты оценки качества или подробные ограничения; производительность на конкретных задачах следует проверять отдельно. В репозитории указаны веса PyTorch. Лицензия в предоставленных данных не указана.

M7T3qm7xp_Experiment26T3qm7xp — объединённая языковая модель MaziyarPanahi на архитектуре Mistral с 7,1 млрд параметров. Она создана слиянием моделей automerger/M7T3qm7xp-7B и automerger/Experiment26T3qm7xp-7B и предназначена для генерации текста.

M7Yamshadowexperiment28_PasticheNeuralsirkrishna — объединённая языковая модель семейства Mistral, созданная на основе automerger/M7Yamshadowexperiment28-7B и automerger/PasticheNeuralsirkrishna-7B. Веса содержат 7,1 млрд параметров и опубликованы в формате Safetensors. Модель предназначена для генерации текста и диалогов. Она принимает текстовые запросы и поддерживает контекст до 32 768 токенов, что позволяет использовать её для продолжения текста и ответов на длинные запросы. Данных о специализации на конкретном языке или предметной области в карточке нет. Модель распространяется по лицензии Apache-2.0. Оценки качества и сведения о дополнительных возможностях в карточке не приведены.

MeliodasPercival_01_Inex12Yam — объединённая модель семейства Mistral, созданная из automerger/MeliodasPercival_01-7B и automerger/Inex12Yam-7B. Она предназначена для генерации текста и диалогов, а архитектура MistralForCausalLM содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка подтверждает слияние моделей и задачу генерации текста, но не описывает специализацию, поддерживаемые языки или ограничения качества.

MeliodasPercival_01_T3qm7xPercival_01 — объединённая текстовая модель на архитектуре Mistral с 7,1 млрд параметров. Веса объединяют automerger/MeliodasPercival_01-7B и automerger/T3qm7xPercival_01-7B, а формат хранения — safetensors. Модель предназначена для генерации текста и диалогов. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. В метаданных указана лицензия Apache-2.0. README не приводит дополнительных сведений о специализации, языках или ограничениях модели.

MeliodasPercival_01_YamshadowStrangemerges_32 — объединённая языковая модель семейства Mistral, созданная из automerger/MeliodasPercival_01-7B и automerger/YamshadowStrangemerges_32-7B. Она содержит 7,1 млрд параметров и предназначена для генерации текста и диалогов; поддерживает контекст до 32 768 токенов. Модель принимает текст и выдаёт текст. В карточке не указаны специализация по языкам, дополнительные прикладные области или отдельные оценки качества. Модель опубликована в формате safetensors под лицензией Apache-2.0.

Карточка модели taharmasmaliyev07/Mirza-Gemma4-E4B-Editor-E3-BF16 на Hugging Face совпадает с карточкой taharmasmaliyev07/Mirza-GEC-Gemma4-E4B-Editor-E3-BF16, поэтому описание составлено по ней. Mirza-GEC-Gemma4-E4B-Editor-E3-BF16 — дообученная мультимодальная модель taharmasmaliyev07 на базе unsloth/gemma-4-E4B-it. Она предназначена для диалогового взаимодействия и генерации текста по текстовым и визуальным входам, включая анализ изображений и документов. Модель использует плотную архитектуру Gemma 4 и распространяется в формате safetensors. Модель лицензирована по Apache-2.0. В README указано, что при обучении использовались Unsloth и библиотека Hugging Face TRL; подробности специализированной задачи GEC и редакторского сценария не раскрыты.