I.1Поиск и навигация по информации

kthierbach/unlimited-ocr-max — это порт модели baidu/Unlimited-OCR, подготовленный Константином Тирбахом для запуска через MAX и OpenAI-совместимый API. Модель предназначена для распознавания текста на изображениях и преобразования страниц в Markdown; репозиторий также описывает запуск собственного сервера и профилирование на наборе страниц. Архитектура указана как UnlimitedOCRForCausalLM, размер — 559,7 млн параметров, длина контекста — 32 768 токенов. Доступны исходные веса bf16 и вариант int8 с квантизацией routed experts; файлы весов хранятся в safetensors. Поддерживаются Metal на Apple Silicon, CUDA, ROCm и CPU. Метаданные характеризуют модель как многоязычную. Порт упрощает развёртывание через MAX, а int8-вариант предназначен для более быстрого декодирования на GPU. На CPU работа медленная; для int8 требуется GPU. Для NVIDIA указаны требования Ampere или новее, драйвер 580+ и MAX версии 0.3.1 или новее. Лицензия — MIT; README указывает, что исходные веса и файлы Baidu распространяются под MIT, а int8-веса получены из них квантизацией.

ZEUS-8B-V25 — объединённая языковая модель, созданная с помощью mergekit методом DARE TIES на основе unsloth/Meta-Llama-3.1-8B-Instruct и нескольких моделей семейства Llama 3.1. Она предназначена для генерации текста и диалоговых сценариев; каталог также отмечает интерфейс вызова инструментов. Модель использует плотную архитектуру LlamaForCausalLM и содержит 7,5 млрд параметров, работает с контекстом до 131 072 токенов и загружает веса в формате safetensors. Модель подойдёт для создания диалоговых приложений, генерации ответов и работы с длинными текстовыми запросами. В README приведены результаты оценивания: средний балл 15,00%, IFEval — 33,20%, BBH — 21,85%; этих результатов недостаточно, чтобы судить о качестве на всех задачах. Лицензия в предоставленных данных не указана.

Amadeus-Verbo-FI-Qwen2.5-32B-PT-BR-Instruct — языковая модель для бразильского португальского, созданная Amadeus AI дообучением Qwen/Qwen2.5-32B-Instruct на наборе из 600 тысяч инструкций в течение двух эпох. Она предназначена для диалогов и генерации текста по инструкциям; доступен интерфейс для вызова инструментов. Модель построена на архитектуре Transformer Qwen2 с причинным языковым моделированием, содержит около 32 млрд параметров и распространяется в формате safetensors для Transformers. В карточке указана длина контекста 131 072 токена, тогда как метаданные каталога сообщают native context в 32 768 токенов. Основной язык модели — бразильский португальский. Модель распространяется по лицензии Apache-2.0. Её специализация на бразильском португальском и большой размер требуют подходящей вычислительной инфраструктуры; заявленный длинный контекст README отличается от значения в метаданных каталога.

Nulute/chudbot-iron-0.5 — дообученная компанией Nulute мультимодальная модель семейства Qwen3.5 на базе unsloth/Qwen3.5-4B. Она предназначена для диалога с текстом и изображениями; архитектура — плотная Qwen3_5ForConditionalGeneration, веса опубликованы в формате safetensors. Модель поддерживает английский язык и интерфейс вызова инструментов. В карточке указана лицензия Apache-2.0. README сообщает, что обучение проводилось с использованием Unsloth и библиотеки TRL.

DeepSeek-R1-Distill-Llama-8B-Enkrypt-Aligned — дообученная компанией Enkrypt AI версия DeepSeek-R1-Distill-Llama-8B, дополнительно выровненная по набору данных безопасности Enkrypt AI, созданному с использованием процесса SAGE. Это плотная языковая модель семейства Llama с 7,5 млрд параметров и контекстом до 131 072 токенов; она принимает и генерирует текст, поддерживает чат и интерфейс вызова инструментов. Модель предназначена для диалоговых ассистентов, генерации текста с учетом требований безопасности, модерации контента, а также образовательных и исследовательских сценариев. Разработчик заявляет о снижении токсичности, вредных ответов и уязвимости к jailbreak-запросам при сохранении качества; в карточке приведен результат 46,43 на MMLU-Pro. Лицензия в предоставленных данных не указана.

DistilBERT multilingual cased — трансформерная языковая модель, разработанная Виктором Саном, Лисандром Дебю, Жюльеном Шомоном и Томасом Вольфом из Hugging Face. Это дистиллированная версия многоязычной BERT base модели, обученная на объединённых данных Википедии на 104 языках. Архитектура включает 6 слоёв, размер скрытого представления 768, 12 голов внимания и 134 млн параметров; модель различает регистр букв и обрабатывает последовательности до 512 токенов. Основная задача модели — предсказывать замаскированные токены в тексте. Её можно применять для заполнения пропусков и дообучать для классификации последовательностей, классификации токенов и ответов на вопросы. По данным разработчиков, в среднем она работает примерно вдвое быстрее mBERT-base, сохраняя мультиязычность при меньшем размере. Модель не предназначена для генерации текста и не гарантирует фактическую достоверность ответов. Её предсказания могут отражать вредные стереотипы и смещения; результаты на приведённых разработчиками тестах XNLI ниже, чем у mBERT-base. Лицензия — Apache 2.0.

Adaptive Classifier — классификатор типов документов на основе answerdotai/ModernBERT-base, опубликованный под идентификатором adaptive-classifier/document-type. Модель использует эмбеддинги размерности 768 и поддерживает непрерывное обучение с добавлением новых классов. В карточке описаны пять классов: договор, электронное письмо, счёт, служебная записка и отчёт; для каждого приведено по пять примеров. Модель предназначена для классификации текстов документов и сценариев, где набор категорий может изменяться со временем. Прототипы классов обновляются каждые 10 примеров. Для каждого класса требуется не менее трёх примеров; поддерживается не более 150 примеров на класс. Файлы модели представлены в формате safetensors, лицензия — Apache-2.0.

Fireball-Llama-3.11-8B-v1orpo — диалоговая языковая модель EpistemeAI для генерации ответов и ведения беседы. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 7,5 млрд параметров, дообученная на unsloth/Meta-Llama-3.1-8B-Instruct-bnb-4bit. Для запуска карточка рекомендует Transformers версии 4.43.0 или новее; модель также рассчитана на работу с исходной кодовой базой Llama. Модель подходит для разговорных приложений, генерации текста и интеграции с инструментами через интерфейс вызова инструментов. Контекстное окно составляет 131 072 токена. В карточке описана поддержка английского, французского, немецкого, хинди, итальянского, португальского, испанского и тайского языков; результаты на других языках могут быть ненадёжными. Модель может выдавать неточные, предвзятые или нежелательные ответы, поэтому перед внедрением её следует проверять и настраивать под конкретный сценарий. Вызов инструментов требует безопасной интеграции со стороны разработчика. Лицензия репозитория — Apache-2.0.

GWQ-9B-Preview2 — англоязычная диалоговая языковая модель, созданная prithivMLmods как дообученная версия GWQ-9B-Preview на базе архитектуры Gemma 2. Это плотная авторегрессионная модель типа decoder-only с 9 млрд параметров, предназначенная для генерации текста и работы в формате чата; максимальная длина контекста — 8192 токена. Модель рассчитана на ответы на вопросы, суммаризацию, генерацию текстов и многошаговые рассуждения. В README указано дообучение на синтетическом наборе Chain of Continuous Thought; модель также может следовать инструкциям. Для запуска используется библиотека Transformers и шаблон чата токенизатора. Модель может ошибаться и галлюцинировать, воспроизводить смещения обучающих данных и испытывать трудности со сложными рассуждениями; её ответы могут быть неактуальны. Для инференса 9-миллиардной модели нужны существенные вычислительные ресурсы, а длинные входы ограничены окном контекста. Репозиторий использует лицензию Gemma.

h2oai/h2ogpt-4096-llama2-13b-chat — копия Meta Llama 2 13B Chat, опубликованная H2O.ai для использования в h2oGPT и сравнения больших языковых моделей. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM, содержащая 12,9 млрд параметров и принимающая текстовый ввод. Она предназначена для генерации текста и диалога, в том числе для чата по частным документам; заявленная длина контекста составляет 4096 токенов. Модель поддерживает английский язык. Репозиторий содержит веса в форматах PyTorch и Safetensors. Лицензия — llama2, соответствующая условиям лицензии Llama 2.

Jais Adapted 13B Chat — двуязычная диалоговая большая языковая модель семейства Jais, разработанная Inception AI. Это адаптированная версия Llama 2, дообученная для общения на арабском и английском языках; модель содержит 13 млрд параметров и распространяется в формате Safetensors. Модель предназначена для чат-ассистентов и генерации текста, а также может применяться для суммаризации арабских и англоязычных документов, анализа тональности и задач понимания языка. Она ориентирована прежде всего на арабоязычных пользователей и двуязычные сценарии. Для загрузки требуется включить trust_remote_code=True. Модель оптимизирована для арабского языка и также обладает сильными возможностями на английском. Ответы могут быть ошибочными, предвзятыми, вводящими в заблуждение или оскорбительными; модель не следует использовать для решений с высокими ставками без контроля человека или полагаться на неё в других языках. Лицензия — Apache 2.0.

Карточка модели modulon-labs/K2-Horizon-7B-GDN-Hybrid-Exp на Hugging Face совпадает с карточкой TFM-ML/K2-Horizon-7B-GDN-Hybrid-Exp, поэтому описание составлено по ней. TFM-ML выпустила экспериментальную плотную языковую модель K2-Horizon-7B-GDN-Hybrid-Exp на основе IFM/K2-Horizon-7B. Она предназначена для генерации текста и диалогов с длинным контекстом. В 36-слойной архитектуре чётные слои используют Gated DeltaNet, а нечётные сохраняют исходное full attention; параметры GDN инициализированы из весов внимания и дистиллированы на базе исходной модели. Модель содержит 8 млрд параметров и поддерживает контекст до 524 288 токенов. Замена половины слоёв full attention на GDN сокращает объём KV-кэша на токен вдвое, до 73 728 байт; на последовательность также требуется около 19 МиБ состояния GDN в bf16. Модель предназначена для сценариев, где важна экономия памяти при работе с длинными последовательностями, однако авторы предупреждают о снижении качества в задачах рассуждения. Для запуска требуется transformers с custom code и параметром trust_remote_code=True; автор протестировал версию transformers 5.17.0. Лицензия — Apache-2.0.

Kimi-K3-UD-Q4_K_XL-layers — пакет GGUF-файлов модели Kimi-K3-UD-Q4_K_XL, подготовленный Mesh LLM для распределённого локального инференса. Пакет создан на основе unsloth/Kimi-K3-GGUF: веса разделены на отдельные артефакты по слоям, чтобы распределять вычисления и память между несколькими машинами. В метаданных указаны поддержка чата и изображений; основной сценарий — диалоговый инференс с изображениями и текстом через Mesh LLM. Пакет предназначен для частного запуска на собственном оборудовании, в том числе на кластере, когда модель не помещается на одном узле. Mesh LLM предоставляет локальный API, совместимый с OpenAI Chat Completions. Вариант весов — UD-Q4_K_XL в формате GGUF. Лицензия обозначена как other; условия следует сверить с карточкой исходной модели unsloth/Kimi-K3-GGUF.

mrcuddle/Lexi-Lumimaid-Llama3.1-8B — языковая модель для диалоговой генерации текста, созданная слиянием методом SLERP двух моделей: NeverSleep/Lumimaid-v0.2-8B и Orenguteng/Llama-3.1-8B-Lexi-Uncensored-V2. Она основана на архитектуре Llama и содержит 7,3 млрд параметров; заявленная длина контекста — 131 072 токена. Модель предназначена для ответов на запросы в чате и генерации текста по инструкциям, с интерфейсом для вызова инструментов. Модель распространяется в формате safetensors и использует библиотеку Transformers. В карточке указано слияние предварительно обученных языковых моделей; README описывает конфигурацию mergekit и тип данных bfloat16. Лицензия в предоставленных данных не указана. Поскольку в состав входит Lexi Uncensored, ответы могут быть менее ограничены обычными защитными фильтрами; качество и фактическое поведение зависят от запроса и способа применения.

Это конвертированная в формат Hugging Face версия диалоговой модели Llama 2 70B Chat, разработанной Meta и опубликованной пользователем daryl149. Это плотная авторегрессионная языковая модель семейства Llama с 68,7 млрд параметров, предназначенная для генерации текста в диалоге и ответов на запросы. Карточка указывает контекст длиной 2048 токенов и формат PyTorch. Модель подходит для чат-ботов, ответов на вопросы, составления текстов и других задач генерации текста. README описывает веса как конвертированные, поэтому это преобразование формата, а не отдельное дообучение. Указана лицензия Llama 2 Community License от Meta: она разрешает использование и распространение на заданных условиях, включая передачу текста лицензии и соблюдение Acceptable Use Policy; для продуктов с более чем 700 млн ежемесячных активных пользователей требуется отдельное разрешение Meta.

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.

Инструкционная языковая модель Upstage на архитектуре LLaMA с 65 млрд параметров, представленная в формате PyTorch для Hugging Face Transformers. Модель дообучена на наборе данных в стиле Orca и предназначена для генерации ответов по инструкциям и диалоговых сценариев на английском языке. В карточке приведена оценка на бенчмарках ARC-Challenge, HellaSwag, MMLU, TruthfulQA и MT-bench. Метаданные указывают контекст 2048 токена; в README также упомянуто масштабирование RoPE, позволяющее обрабатывать более длинные входы, но точная длина для этой версии не определена. Для запуска проверялась система с A100 80 ГБ. Модель распространяется по специальной лицензии для некоммерческого использования, связанной с лицензией Meta; доступ к репозиторию предназначен для пользователей, получивших разрешение на исходные веса.

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

Megrez-3B-Omni — разработанная Infinigence AI компактная мультимодальная модель для понимания изображений, текста и аудио. Она расширяет Megrez-3B-Instruct и предназначена для диалогов и анализа запросов, содержащих текст, изображения или речь, включая вопросы по изображениям, распознавание текста на изображениях и ответы на устные инструкции. Для аудиоввода используются энкодеры Qwen2-Audio или Whisper large-v3, а для изображений — SigLIP-400M; модель поддерживает китайский и английский языки и многоходовой диалог. В карточке указано около 2,6 млрд параметров и контекст 4096 токенов; веса представлены в формате safetensors. Модель рассчитана на локальное и серверное применение, в том числе на устройствах с ограниченными ресурсами. В README приводятся результаты сравнительных тестов для визуального, языкового и речевого понимания, однако они зависят от условий оценки. Известные ограничения включают возможность галлюцинаций; для OCR авторы предупреждают, что сэмплирование может менять распознанный текст, а его отключение способно вызвать повторения. Лицензия репозитория — Apache-2.0.

MaziyarPanahi/MeliodasPercival_01_T3qm7xExperiment26 — объединённая языковая модель на архитектуре Mistral с 7,1 млрд параметров. Она предназначена для генерации текста и диалогов по текстовому запросу, включая работу с длинным контекстом до 32 768 токенов. Модель создана слиянием automerger/MeliodasPercival_01-7B и automerger/T3qm7xExperiment26-7B. Модель распространяется в формате safetensors по лицензии Apache-2.0. В предоставленных материалах нет сведений о специальной предметной области или языках, на которых она оптимизирована.

bhenrym14/mistral-7b-platypus-fp16 — плотная языковая модель Mistral на 7,1 млрд параметров, созданная на основе mistralai/Mistral-7B-v0.1. Автор дообучил её на инструкциях из набора garage-bAInd/Open-Platypus, используя объединённый QLoRA-адаптер ранга 64. Модель предназначена для генерации текста в ответ на инструкции и запросы; в карточке приведены результаты тестов ARC, HellaSwag и MMLU. Модель рассчитана на контекст до 32 768 токенов и использует архитектуру MistralForCausalLM. Для работы карточка рекомендует загрузку через Transformers; на момент её написания требовалась версия библиотеки из исходного кода. Обучение велось с устаревшим системным промптом Airoboros версии ниже 2.0, что важно учитывать при подготовке запросов. Это дообученная модель, а не исходная разработка автора репозитория. В карточке не приведены сведения о лицензии, поэтому условия использования следует проверять у базовой модели и в репозитории. Описанные бенчмарки не гарантируют качество на произвольных задачах; автор также отмечает, что скользящее оконное внимание и размер модели могут ограничивать её конкурентоспособность при работе с длинным контекстом.

Это 8-битная квантизированная версия Mistral-Nemo-Instruct-2407, опубликованная пользователем noneUsername. Она предназначена для генерации текста и диалогового использования; метаданные указывают на плотную архитектуру MistralForCausalLM, а карточка сообщает о калибровке методом vLLM с 2048 образцами, максимальной длиной последовательности 8192 токена и smoothing_strength 0,8. В метаданных модели указаны 12,1 млрд параметров и контекст до 1 024 000 токенов. Автор приводит результаты ограниченных оценок GSM8K и HellaSwag: на GSM8K квантизированная версия показала немного более низкий результат, чем исходная модель, а на HellaSwag приведена оценка accuracy 0,58 и нормализованная accuracy 0,7533. Автор отмечает, что это первая версия квантизации и рекомендует более позднюю версию с улучшением. Модель может применяться для диалогов, генерации ответов и решения текстовых задач; предусмотрен интерфейс вызова инструментов. Лицензия в предоставленных данных не указана.

Карточка модели google/mt5-xxl на Hugging Face совпадает с карточкой google/mt5-small, поэтому описание составлено по ней. mT5-small — компактная многоязычная модель Google на архитектуре encoder-decoder Transformer семейства T5, содержащая 157,4 млн параметров. Она предварительно обучена на корпусе mC4, охватывающем 101 язык, в формате преобразования текста в текст; контрольные точки доступны в форматах PyTorch, TensorFlow, Flax и ONNX. Лицензия — Apache-2.0. Модель служит базой для дообучения под конкретные задачи NLP: например, суммаризацию, перевод или ответы на вопросы. Сам чекпойнт проходил только предварительное обучение без supervised-настройки, поэтому для качественного решения прикладных задач его следует дообучить. Поддержка языков включает русский и английский, а также множество других языков.

munin-neuralbeagle-7b-density-low — текстовая генеративная модель на архитектуре Mistral с 7,1 млрд параметров, созданная командой merge-crew методом слияния LazyMergekit. В конфигурации указаны munin-7b-alpha и mlabonne/NeuralBeagle14-7B, метод слияния dare_ties, плотность 0,3 и вес 0,6 для NeuralBeagle; итоговый тип данных — bfloat16. Модель предназначена для генерации текста, диалогов и ответов на инструкции. Она принимает текст и выдаёт текст, поддерживает контекст длиной до 32 768 токенов. Описание базовой NeuralBeagle указывает на диалоги, следование инструкциям, рассуждения и творческую генерацию, но README не приводит отдельных оценок качества именно этого слияния. В метаданных указана лицензия? Нет сведений о лицензии в предоставленных данных, поэтому условия использования установить нельзя.

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-qwen2.5llamaify-7b-v23.1-200k — многоязычная чат-модель OpenBuddy, дообученная на Qwen2.5-7B-Instruct. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM, 7,1 млрд параметров и контекстом до 200 000 токенов. Репозиторий содержит веса в формате safetensors; лицензия — Apache 2.0. Модель предназначена для диалогов и генерации текста. В карточке заявлена поддержка китайского и ряда европейских и восточноазиатских языков, включая английский, французский, немецкий, японский, корейский, итальянский и финский. Для запуска автор рекомендует быстрый токенизатор Transformers; README указывает на возможность развертывания через vLLM с API в стиле OpenAI. Модель может выдавать ошибочную, вредную или оскорбительную информацию. Разработчики не рекомендуют использовать её в критических сценариях, включая медицинские решения, управление потенциально опасными системами и важные финансовые или юридические решения.

Qwen3-step32k-1e5 — диалоговая модель генерации текста на базе Qwen3 с 7,6 млрд параметров, дообученная Etienne Bamas на датасете SFT от formalmathatepfl/qwen3-cpt. Она предназначена для текстовых запросов и диалоговых сценариев; использует плотную архитектуру Qwen3 и поддерживает контекст до 32 768 токенов. Модель распространяется в формате safetensors и рассчитана на работу через Transformers. Карточка не описывает конкретные специализации, результаты оценки или известные ограничения качества. Лицензия указана как other, поэтому условия использования следует сверять с лицензией в репозитории модели и базовой модели.

REBEL-OpenChat-3.5 — диалоговая языковая модель Cornell-AGI, созданная дообучением OpenChat-3.5 методом REBEL (Reinforcement Learning via Regressing Relative Rewards). При обучении использовались модель вознаграждения Starling-RM-7B-alpha и датасет Nectar; модель предназначена для ответов на вопросы и выполнения текстовых инструкций в формате чата. Модель построена на плотной архитектуре Mistral и содержит 7,1 млрд параметров. Она принимает текст и генерирует текст, поддерживает английский язык и имеет контекстное окно 8192 токена. В README приведены результаты AlpacaEval 2.0, MT-Bench, MMLU и GSM8K, но они сами по себе не гарантируют качество в конкретном сценарии. Модель распространяется по лицензии Apache-2.0.

StrangeMerges_25-7B-dare_ties — объединённая модель Gille, созданная методом dare_ties с помощью LazyMergekit на основе Gille/StrangeMerges_21-7B-slerp и bardsai/jaskier-7b-dpo-v5.6. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста и ответов на запросы. Поддерживает контекст до 32 768 токенов. В README приведены результаты Open LLM Leaderboard: средний балл 76,33, включая 73,46 на AI2 Reasoning Challenge и 88,89 на HellaSwag. Карточка предупреждает о наследуемой последовательности «INSTINSTINSTINSTINST», которая может проявляться в ответах и снижать их качество. Лицензия — Apache-2.0.

Thomson-1.0-Small-GGUF — квантизированная версия модели Thomson-1.0-Small, разработанной Thomson Reuters и подготовленной сообществом bartowski в формате GGUF для запуска через llama.cpp. Модель содержит около 35 млрд параметров и относится к мультимодальным моделям: принимает текст и изображения при наличии файла mmproj. Поддержка спекулятивного декодирования отсутствует; при квантизации использовалась imatrix. Модель предназначена для задач генерации и обработки текста, а также сценариев, где требуется анализ изображений вместе с текстовыми запросами. Доступны варианты квантизации от BF16 и Q8_0 до более компактных IQ3 и Q3, что позволяет выбирать баланс между качеством, скоростью и требованиями к памяти. Рекомендуемым универсальным вариантом указан Q4_K_M размером около 21,39 ГБ; более качественные варианты требуют до 30–37 ГБ, а полная версия BF16 — около 69,38 ГБ. README не содержит сведений об архитектуре, поддерживаемых языках или размере контекстного окна, поэтому эти характеристики нельзя определить достоверно. Качество зависит от выбранного уровня квантизации: старшие варианты обеспечивают более высокую точность, а компактные требуют меньше памяти, но могут заметнее снижать качество. Модель распространяется по лицензии PolyForm Strict 1.0.0; конкретные условия использования следует проверять в тексте этой лицензии.