I.1Поиск и навигация по информации

CataLlama-v0.2-Instruct-SFT — авторегрессионная плотная языковая модель семейства Llama 3 с 7,5 млрд параметров, разработанная Лауренциу Петреа на основе CataLlama-v0.2-Base от catallama и дообученная методом SFT на наборе Catalan-Instruct-V2. Контекст модели составляет 8192 токена; она распространяется в формате safetensors и предназначена для диалогового взаимодействия и генерации текста по инструкциям. Модель ориентирована прежде всего на работу на каталанском языке: извлечение информации для RAG, распознавание именованных сущностей, перевод между каталанским и английским, краткое и развёрнутое суммирование, анализ тональности и чат. В карточке сообщается об улучшении относительно CataLlama-v0.1 на перечисленных задачах и приведены результаты тестов MMLU и GSM8K, однако эти показатели не гарантируют качество в прикладных сценариях. Лицензия — Llama 3 Community License. Карточка указывает, что базовые условия Llama 3 ограничивают предполагаемое применение английским языком, но также допускают дообучение для других языков при соблюдении лицензии и Acceptable Use Policy; поэтому условия использования каталанской версии следует сверять с актуальными положениями лицензии.

Core-Embed-2B — мультимодальная модель эмбеддингов, разработанная Alibaba-NLP на архитектуре Qwen3-VL. Она преобразует текст и изображения в плотные векторы для поиска и сопоставления, уделяя особое внимание композиционным связям между атрибутами и объектами: например, различает изображение с белой тарелкой и чёрным стулом от изображения с обратным сочетанием цветов. Модель содержит 2 млрд параметров и рассчитана на извлечение признаков из текста и изображений. Модель обучена дистилляцией оценок ранжирования: её эмбеддинги учатся сохранять градации соответствия между запросом и кандидатами, включая ошибки атрибутов и объектов. Это помогает выполнять тонкий мультимодальный поиск, сохраняя качество обычного поиска изображений и текстов. Для запуска требуется версия Transformers с поддержкой Qwen3-VL. Модель распространяется по лицензии CC BY 4.0. Карточка описывает семейство и результаты Core-Embed-8B, но не приводит отдельные численные оценки для версии 2B.

EntityBERT — компактная модель Boltuix для распознавания именованных сущностей в английском тексте. Это дообученная для классификации токенов модель на базе boltuix/bert-mini с архитектурой BERT, примерно 5 млн параметров и контекстом до 512 токенов. Она размечает последовательность токенов 36 тегами BIO, охватывающими 18 типов сущностей, включая людей, организации, места и даты. Модель предназначена для извлечения сущностей из новостей, пользовательских текстов и исследовательских корпусов, а также для подготовки структурированных данных для чат-ботов, поиска и графов знаний. В README приведён F1 0,85 на тестовой части boltuix/conll2025-ner; компактный размер подходит для сценариев с ограниченными ресурсами. Модель распространяется по лицензии Apache-2.0. EntityBERT ориентирована на английский язык и может хуже работать с неформальными текстами, редкими сущностями и данными из областей, отличных от обучающего корпуса. Для медицинской, юридической, финансовой или иной специализированной разметки может потребоваться адаптация.

Empower Functions Model v1.1 — большая языковая модель семейства Empower Functions от empower.dev, предназначенная для диалогов с вызовом инструментов и функций. Это плотная авторегрессионная модель архитектуры Llama с 69,5 млрд параметров, дообученная на базе meta-llama/Meta-Llama-3.1-70B-Instruct. Она поддерживает контекст до 131 072 токенов и совместима с Transformers в формате safetensors. Модель может сама выбирать между ответом пользователю и вызовом инструмента, выполнять параллельные и последовательные вызовы функций, работать в потоковом режиме и вести длинные диалоги. В README заявлены высокие результаты на Berkeley Function Calling Leaderboard; это утверждение разработчика для оценки, зафиксированной 10 сентября 2024 года. Для запуска версии large разработчик указывает конфигурацию из четырёх GPU A100 с 80 ГБ памяти в режиме fp16. Модель распространяется по лицензии Apache-2.0. README не сообщает конкретные языки обучения или поддержки, поэтому языковую область здесь нельзя уточнить.

LongAlign-6B-64k — чат-модель на архитектуре ChatGLM, разработанная авторами проекта LongAlign. Она дообучена на LongAlign-6B-64k-base, созданной на основе ChatGLM3-6B с расширенным контекстом, для следования инструкциям в длинных диалогах и работы с запросами, содержащими большие объёмы текста. В README описан набор LongAlign-10k из 10 000 инструкций длиной 8–64 тыс. токенов и подходы к обучению, включая упаковку примеров с взвешиванием потерь и пакетирование по длине. Для модели указано окно контекста до 65 536 токенов; заявленные сценарии оценки включают запросы длиной 10–100 тыс. токенов. Модель принимает и генерирует текст; в метаданных указаны английский и китайский языки, 7,8 млрд параметров и библиотека Transformers. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0. Длинный контекст ориентирован на работу с большими документами и многошаговыми инструкциями, однако README не приводит количественных результатов оценки именно этой модели; эффективная длина и качество могут зависеть от задачи и аппаратных ресурсов.

LongAlign-7B-64k — языковая модель семейства Llama, выпущенная командой LongAlign для следования инструкциям в длинном контексте. В README проект описывает набор LongAlign-10k из 10 000 инструкций длиной 8–64 тыс. токенов, а также обучение с упаковкой примеров и сортировкой по длине батча. Модель содержит 6,6 млрд параметров и рассчитана на контекст до 65 536 токенов. Модель предназначена для генерации ответов на запросы, включающие длинные документы или контекст. Карточка связывает LongAlign-7B-64k-base с Llama-2-7B, расширенной до контекста 64 тыс. токенов; данный репозиторий относится к серии LongAlign, обученной для выравнивания на длинном контексте. Поддерживаемые языки по метаданным — английский и китайский. Модель распространяется по лицензии Apache-2.0. Среди подходящих сценариев — ответы на вопросы по длинным текстам, следование инструкциям с большим контекстом и суммирование объёмных материалов. README описывает LongBench-Chat для оценки следования инструкциям при запросах длиной 10–100 тыс. токенов, но это не означает, что модель принимает контекст свыше заявленных 65 536 токенов. Приведённый фрагмент карточки не сообщает отдельные ограничения качества или подробности использования именно этой версии.

LongReward-llama3.1-8b-DPO — языковая модель семейства Llama 3.1, представленная авторами проекта LongReward. Это версия DPO-модели LongReward-llama3.1-8b-SFT, дообученная на предпочтениях с использованием раздела dpo_llama3.1_8b датасета LongReward-10k. Модель предназначена для генерации текста с длинным контекстом и поддерживает контекстное окно до 65 536 токенов. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и формат Safetensors; для работы README указывает библиотеку Transformers версии 4.43.0 или новее. Её можно применять для диалогов и ответов с учётом длинных документов и больших контекстов. В карточке указаны английский и китайский языки. Доступна под лицензией, указанной в репозитории Hugging Face.

MobileLLM-Pro-base — базовая предварительно обученная языковая модель семейства MobileLLM, разработанная Meta Reality Labs для эффективного запуска на устройствах. Модель содержит 1,08 млрд параметров и предназначена для генерации текста и общих языковых задач; README сообщает о результатах на тестах рассуждений, знаний и извлечения информации. Архитектура использует 30 слоёв и чередует локальное и глобальное внимание в соотношении 3:1, что снижает затраты на обработку длинного контекста. Заявленная длина контекста — до 128 тыс. токенов. Модель принимает и выдаёт текст и рассчитана на английский язык. Веса доступны в формате safetensors; README описывает базовый чекпойнт в 16-битной точности и отдельные int4-варианты для CPU и ускорителей, размещённые в других репозиториях. Модель можно применять для генерации текста, работы с длинными документами, суммаризации и поиска информации; для диалога, ответов на вопросы и вызова инструментов разработчики отдельно предлагают инструктивно дообученную версию. Модель создана с дистилляцией знаний от Llama 4-Scout. Лицензия FAIR NC ограничивает использование некоммерческими исследовательскими целями.

Это англоязычная модель Sentence Transformers, созданная дообучением nomic-ai/modernbert-embed-base на 5 822 парах текстов. Она преобразует предложения и абзацы в нормализованные плотные эмбеддинги размерностью 768, сравниваемые с помощью косинусного сходства. Архитектура основана на ModernBERT с усреднением токенов; максимальная длина входа — 8 192 токена. Модель предназначена для семантического поиска и сопоставления текстов, включая поиск по юридическим документам, поиск перефразировок, кластеризацию и классификацию. Matryoshka-обучение позволяет сокращать размерность эмбеддингов: в карточке приведены результаты поиска при усечении векторов до 512, 256, 128 и 64 измерений, с постепенным снижением метрик относительно 768 измерений. Лицензия — Apache-2.0.

serbog/multilingual-e5-large-skill-job-matcher — модель эмбеддингов на базе XLM-RoBERTa, представленная как Sentence Transformers. Она преобразует предложения и абзацы в плотные векторы размерностью 1024 для семантического поиска, сравнения текстов и кластеризации. Название указывает на сопоставление навыков и вакансий, однако README не приводит конкретных примеров или описания этой специализации. Модель имеет 658,7 млн параметров, работает с текстом и принимает последовательности длиной до 514 токенов. В README указано обучение с CosineSimilarityLoss; доступный формат — PyTorch. Модель подходит для построения векторного поиска и ранжирования по сходству. Лицензия и конкретные поддерживаемые языки в предоставленных данных не приведены.

tesemnikov-av/NER-RUBERT-Per-Loc-Org — русскоязычная модель распознавания именованных сущностей, созданная дообучением cointegrated/rubert-tiny. Она размечает токены в тексте тремя классами: PER для персон, LOC для мест и ORG для организаций. Модель предназначена для извлечения таких сущностей из предложений и документов на русском языке. Модель построена на архитектуре BERT и содержит 12,1 млн параметров. Максимальная длина контекста — 512 токенов; формат весов — PyTorch. Для дообучения использовались предложения из Википедии, автоматически размеченные тегами PER, LOC и ORG на основе corus/WiNER. Лицензия — MIT.

nomic-embed-vision-v1 — модель эмбеддингов изображений от Nomic AI. Она преобразует изображения в векторы в общем пространстве с nomic-embed-text-v1, что позволяет сопоставлять изображения и текст по смыслу. Модель предназначена для поиска изображений по текстовому запросу и других сценариев мультимодального поиска и извлечения признаков. В README приведены результаты на ImageNet zero-shot и Datacomp; указана совместимость с библиотекой Transformers. Репозиторий содержит веса в форматах Safetensors и ONNX. Для текстовых запросов в мультимодальном поиске README рекомендует добавлять префикс «search_query: ». Модель принимает изображения и выдаёт векторы признаков. Репозиторий лицензирован по Apache-2.0.

SciPhi-Self-RAG-Mistral-7B-32k-Mistral-7B-Instruct-v0.2-slerp — объединённая методом SLERP модель на базе Mistral-7B-Instruct-v0.2 и SciPhi-Self-RAG-Mistral-7B-32k. Это плотная авторегрессионная языковая модель архитектуры Mistral с 7,1 млрд параметров, предназначенная для генерации текста и диалоговых ответов; контекст — до 32 768 токенов. Объединение сочетает возможности исходных моделей, включая ориентированность SciPhi Self-RAG на ответы с использованием извлечённых сведений. Модель подходит для диалоговых приложений и генерации ответов по контексту, например при работе с материалами, предоставленными пользователем. В репозитории представлены веса Safetensors, а лицензия — Apache-2.0. README не приводит результатов сравнительных оценок, поэтому качество merge-модели для конкретных задач по карточке определить нельзя.

Yi-34B-200K — большая языковая модель 01.AI, обученная с нуля. Она предназначена для генерации текста и подходит для диалога, ответов на вопросы, рассуждений и чтения длинных материалов. Модель использует плотную архитектуру LlamaForCausalLM на основе Transformer, содержит 33,9 млрд параметров и поддерживает контекст до 200 000 токенов. Семейство Yi ориентировано прежде всего на китайский и английский языки и обучено на многоязычном корпусе объёмом 3 трлн токенов. Веса этой модели опубликованы в форматах PyTorch и Safetensors. Карточка описывает сильные результаты семейства в понимании языка, здравом смысле и чтении; эти результаты не гарантируют такое же качество на всех задачах и данных. Модель распространяется по лицензии Apache-2.0. Для запуска большой версии необходимы значительные вычислительные ресурсы; приведённый в карточке пример локального запуска Yi-34B использует ускоритель A800 с 80 ГБ памяти.

unslothai/8 — модель семейства Llama от Unsloth AI, опубликованная как модель для извлечения признаков. Метаданные указывают на архитектуру LlamaModel, формат Safetensors, библиотеку Transformers и контекст 2048 токена. В карточке Hugging Face репозиторий также обозначен задачей feature extraction. Модель может использоваться для получения векторных представлений текста в задачах поиска и оценки сходства. Доступные сведения не позволяют надёжно определить размер модели, поддерживаемые естественные языки или конкретную базовую модель. Условия лицензии в проверенных источниках не установлены.

WWydmanski/all-mpnet-base-v2-legal-v0.1 — модель Sentence Transformers, дообученная автором на наборе JSON из 10 000 примеров для работы с юридическими текстами. Она преобразует предложения и абзацы в плотные векторы размерности 768; в архитектуре используются MPNet, усреднение токенов и нормализация, а сходство оценивается косинусной мерой. Модель предназначена для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и классификации текстов. Базой служит sentence-transformers/all-mpnet-base-v2; для обучения применялась MultipleNegativesRankingLoss. Метаданные указывают 136,7 млн параметров и контекст до 514 токенов, а карточка модели задаёт максимальную длину последовательности 384 токена. Язык и условия лицензии в предоставленных данных не обозначены. Векторные представления помогают находить смысловую близость, но сами по себе не заменяют юридический анализ и не гарантируют точность на конкретных правовых корпусах.

HooshvareLab/distilbert-fa-zwnj-base-ner — модель DistilBERT, дообученная для распознавания именованных сущностей в персидском тексте. Она размечает токены как даты, события, объекты инфраструктуры, местоположения, денежные суммы, организации, проценты, имена людей, продукты и время. Обучающий набор объединяет данные ARMAN, PEYMA и WikiANN. Модель предназначена для извлечения сущностей из персидских документов и текстов, например для последующей индексации или анализа. Контекст составляет до 512 токенов; доступны веса в форматах PyTorch и TensorFlow. В указанной оценке на тестовой выборке общий F1 составляет около 0,951, при этом качество различается по типам сущностей. Карточка не сообщает лицензию, поэтому условия использования определить по имеющимся данным нельзя. Результаты зависят от типа текста и могут быть слабее для сущностей, представленных в обучении ограниченно; модель размечает последовательности токенов, а не генерирует ответы.

solvi-ai/extract-base — англоязычная модель извлечения полей из документов, разработанная Solvi. По документу и обычному текстовому описанию нужного поля модель находит соответствующий фрагмент, оценивает уверенность или сообщает, что поле отсутствует. Она предназначена для извлечения дат, сумм, имён и договорных условий, а также для дообучения на размеченных документах конкретной организации. В основе — ModernBERT-large с линейной головой предсказания начала и конца фрагмента; модель содержит 394,7 млн параметров и поддерживает контекст до 8192 токенов. Длинные документы обрабатываются перекрывающимися окнами по 1024 токена. Обучение проводилось на примерах SQuAD 2.0, CUAD и CORD v2; доступны веса Safetensors и экспорт ONNX. README приводит результаты на договорах, чеках и наборах вопросов и ответов, но отмечает заметные ограничения при извлечении невиданных полей без примеров. Модель лучше подходит как начальная точка для последующего дообучения: для производственного применения автор рекомендует разметить примерно 25–100 документов и настроить пороги на отложенных данных. Она поддерживает только английский язык; другие типы документов не проверялись, а оценки уверенности не являются калиброванными вероятностями. Лицензия — Apache-2.0.

GLiClass Instruct Large v1.0 — модель Knowledgator для классификации последовательностей текста с нулевым и малым количеством примеров. Она сопоставляет входной текст с заданными пользователем метками и предназначена для тематической и тональной классификации, определения намерений, проверки логического следования, обнаружения галлюцинаций и классификации безопасности LLM. Модель также можно применять для оценки релевантности пар «запрос — фрагмент». Архитектура относится к семейству GLiClass; веса опубликованы в формате safetensors. Модель поддерживает работу с произвольными метками, а в версии GLiClass V3 описаны иерархические метки, примеры для few-shot, текстовые описания меток и подсказки задачи. В README приведены результаты zero-shot-бенчмарков для large-v1.0, в том числе F1 0,9154 на SST-2 и 0,3387 на SST-5. Модель принимает текст и выдаёт оценки или классы, связанные с заданными метками. В README не перечислены поддерживаемые естественные языки, поэтому языковые поля оставлены пустыми. Лицензия — Apache-2.0. Качество зависит от формулировок меток и задачи; для NLI README рекомендует подавать одну гипотезу за раз. Результаты приведены не для всех наборов данных.

LLaMA-2-7B-32K — языковая модель с длинным контекстом, разработанная Together и дообученная на основе Meta Llama 2 7B. Это плотная авторегрессионная модель семейства Llama, содержащая 6,6 млрд параметров и поддерживающая контекст до 32 768 токенов благодаря интерполяции позиционных представлений. Для обучения использовались смеси данных RedPajama, The Pile, UL2 Oscar и наборов для instruction tuning. Модель предназначена для генерации текста с большим объёмом входного контекста: ответов на вопросы по нескольким документам, суммаризации длинных текстов и работы с примерами в контексте. README описывает англоязычные данные и сценарии; метаданные также указывают английский язык. Модель доступна в формате PyTorch через Transformers и подходит для дальнейшей адаптации под конкретные задачи. Модель может выдавать неверную или предвзятую информацию. Лицензия — Llama 2; условия использования определяются лицензией Meta Llama 2.

Patronus-Lynx-8B-Instruct-v1.1 — разработанная Patronus AI модель для оценки галлюцинаций в ответах систем с поиском по документам (RAG). Это дообученная версия meta-llama/Meta-Llama-3.1-8B-Instruct с архитектурой Llama и примерно 7,5 млрд параметров. Модель принимает документ, вопрос и ответ, затем оценивает, подтверждается ли ответ содержимым документа. Модель рассчитана прежде всего на английский язык, поддерживает контекст до 131 072 токенов и работает через text-generation. При обучении использовались, среди прочего, CovidQA, PubmedQA, DROP и RAGTruth; оценка проводилась на HaluBench. Репозиторий содержит веса Safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

CYFRAGOVPL разработала PLLuM — семейство больших языковых моделей для польского и других славянских и балтийских языков с дополнительными англоязычными данными. Эта версия основана на Llama 3.1 и содержит 69,5 млрд параметров; она предназначена для диалогового использования и генерации текста. Модель работает с текстом и поддерживает контекст до 131 072 токенов. Модель подходит для генерации и суммаризации текста, ответов на вопросы и создания специализированных помощников. В README отмечены результаты на задачах, связанных с польским государственным управлением, и пригодность для сценариев с поиском по документам. Обучение семейства включает продолжение предобучения, настройку на инструкциях и обучение на предпочтениях; для этой версии в метаданных указана лицензия Llama 3.1. Учитывайте, что модель может галлюцинировать и воспроизводить смещения; длинный контекст также требует достаточных вычислительных ресурсов.

Это модель Sentence Transformers, дообученная iambestfeed на базе вьетнамского энкодера vinai/phobert-base-v2 на наборе Vietnamese-Ecommerce-Alpaca. RoBERTa-модель содержит 162,4 млн параметров и преобразует предложения и абзацы во векторы размерности 768; для сравнения близости используется косинусное сходство. Максимальная длина последовательности — 258 токенов по метаданным; README указывает 256 токенов. Модель предназначена прежде всего для оценки семантического сходства вьетнамских текстов и может применяться для семантического поиска, поиска перефразирований, кластеризации и классификации текста. Обучение на 69 292 парах anchor-positive из датасета Vietnamese-Ecommerce-Alpaca ориентирует её на соответствующий материал, в том числе вопросы и ответы об электронной торговле. Это энкодер для получения векторных представлений, а не модель для генерации ответов. Лицензия в предоставленных данных не указана.

cointegrated/rubert-tiny2 — компактный русскоязычный BERT-энкодер, обновлённая версия ruBERT-tiny. Модель разработана для получения векторных представлений предложений; её также можно дообучать для прикладных задач. Она содержит около 29 млн параметров, использует словарь из 83 828 токенов и поддерживает последовательности длиной до 2048 токенов. Эмбеддинги предложений приближены к представлениям LaBSE; сегментные эмбеддинги настроены на задаче NLI. Векторы можно применять, например, для классификации коротких текстов методом ближайших соседей и оценки сходства предложений. Модель ориентирована на русский язык; карточка распространяет её по лицензии MIT.

Модель dinghong-ner/siamese-name-matcher-v7 — дообученный Sentence Transformer на базе sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2, разработанный для семантического сопоставления текстовых фрагментов. Архитектура BERT с усредняющим pooling преобразует предложения и короткие абзацы в плотные векторы размерности 384; близость оценивается косинусным сходством. Модель принимает текст, максимальная длина последовательности по README — 128 токенов, а метаданные указывают контекст до 512 токенов. Основной сценарий — сравнение имён и псевдонимов: обучающие примеры включают варианты написания имён, транслитерацию и японские имена. Модель также подходит для семантического поиска и извлечения похожих текстов. На валидационном наборе v7 указаны cosine accuracy 0,865 и F1 0,9078; результаты относятся к этому набору и не гарантируют качество на других данных. Веса опубликованы в формате safetensors; лицензия в предоставленных данных не указана.

Josephgflowers/TinyLlama-Cinder-Agent-Rag — дообученная плотная авторегрессионная модель семейства Llama, созданная на основе Josephgflowers/TinyLlama-3T-Cinder-v1.2. Модель предназначена для генерации диалоговых ответов и заявлена для работы в сценариях RAG, суммаризации, вызова функций и инструментов; исходная модель Cinder ориентирована на беседы о STEM-темах и рассказывание историй. Модель содержит 1 млрд параметров, принимает текст и генерирует текст, поддерживает чат и имеет контекст длиной 2048 токенов. README характеризует обучение как первый этап и сообщает о планах дальнейшего обучения и обновления. Доступна по лицензии MIT.

TroyDoesAGI — экспериментальная плотная языковая модель на архитектуре Mistral с 15 млрд параметров и контекстом до 32 768 токенов, созданная независимым разработчиком TroyDoesAI. Модель предназначена для генерации текста по инструкциям и ответов с опорой на предоставленный контекст, в том числе для сценариев RAG. В карточке описан специальный формат контекстного запроса с разделителями для входных блоков, метаданных и инструкций. Обучение включало набор инструкций по Python, вручную подготовленные графы знаний и данные персонального помощника; автор экспериментировал с прореживанием, абляциями и учебными последовательностями. Модель распространяется в формате safetensors по лицензии CC BY-ND 4.0. Автор сообщает о хорошей привязке к контексту и следовании инструкциям, но это не сопровождается формальной оценкой; результат зависит от формата запроса и качества контекста.

Модель inokufu/bert-base-uncased-xnli-sts-finetuned-education разработана Inokufu как англоязычная sentence-transformers-модель для представления предложений и абзацев о курсах в виде плотных векторов размерности 768. Она основана на bert-base-uncased и последовательно дообучалась на предложениях из описаний учебных курсов, затем на задаче распознавания текстовых отношений XNLI и на задаче семантического сходства STS. Модель подходит для семантического поиска, сравнения предложений и кластеризации образовательного текста; в README указан результат 84,61% на STS (английский).

thanapolsjr/bert-finetuned-ner — модель распознавания именованных сущностей на основе архитектуры BERT, дообученная авторами репозитория на наборе данных CoNLL-2003. Она предназначена для разметки токенов в тексте и выделения сущностей; модель загружается через библиотеку Transformers и использует формат safetensors. Размер модели — 135,5 млн параметров, длина контекста — до 512 токенов. На оценочной выборке указаны F1 0,9434, точность 0,9350, полнота 0,9519 и accuracy 0,9869. Эти результаты относятся к CoNLL-2003; карточка не приводит подробностей о наборах меток или качестве на других данных. Лицензия в предоставленных сведениях не указана.

CataLlama-v0.1-Instruct-DPO — авторегрессионная языковая модель на архитектуре Llama 3, разработанная Лаурентиу Петреа. Это финальный этап обучения CataLlama: модель дообучена методом DPO на наборе catallama/Catalan-DPO поверх CataLlama-v0.1-Instruct-SFT. Размер модели — 7,5 млрд параметров, контекст — 8192 токена; доступны веса в формате Safetensors. Модель предназначена для диалогового взаимодействия и выполнения инструкций на каталанском языке. Она поддерживает извлечение информации для RAG, распознавание именованных сущностей, перевод между английским и каталанским, краткое и развернутое суммирование, а также анализ тональности. Разработчик сообщает об улучшенной работе с каталанским после обучения примерно на 445 млн новых токенов в три этапа. Модель может быть полезна для приложений, которым требуется генерация и анализ текста на каталанском, однако README представляет её как демонстрацию методов адаптации LLM к новым языкам, а не как модель, ориентированную на рекорды бенчмарков. Лицензия — Llama 3 Community License; применяются её условия и Acceptable Use Policy.