I.2Синтез, понимание и проверка знаний

SaisExperiments/Gemma-2-2B-Stheno-Filtered — компактная диалоговая модель на архитектуре Gemma 2, дообученная автором на наборе anthracite-org/stheno-filtered-v1.1 поверх Gemma 2 2B IT. В обучении использовано 76,6 млн токенов; модель содержит 2,7 млрд параметров и поддерживает контекст до 8192 токенов. Модель предназначена для диалоговой генерации текста и может использоваться для ответов на вопросы, продолжения текста и суммаризации. Карточка автора отмечает, что при обучении, возможно, использовался неверный шаблон промпта, поэтому результаты в диалогах могут быть нестабильными. Лицензия — Gemma.

RedHatAI/gemma-3-27b-it-quantized.w4a16 — квантованная версия мультимодальной модели google/gemma-3-27b-it, разработанная RedHatAI. Модель принимает текст и изображения, а генерирует текст; она предназначена для задач визуально-текстового анализа и генерации ответов по мультимодальным запросам. Модель содержит 27 млрд параметров. Её веса квантизированы в INT4, а активации используют FP16, что снижает требования к памяти и делает модель более эффективной для инференса. Версия подготовлена для запуска через vLLM версии 0.8.0 и выше, включая OpenAI-совместимый режим сервинга. В README не указаны поддерживаемые языки и максимальная длина контекста; в приведённой конфигурации оценки использовалась длина контекста до 4096 токенов. К сильным сторонам относятся поддержка изображений наряду с текстом и уменьшенный объём памяти по сравнению с полноразмерной моделью. Ограничения включают возможное снижение точности из-за INT4-квантизации, зависимость от совместимого окружения vLLM и отсутствие в предоставленных данных подробных результатов мультимодальной оценки. Модель распространяется по лицензии Gemma.

Это квантованная версия Gemma 4 26B-A4B IT, подготовленная roman220220 для запуска через MLX на компьютерах Apple Silicon. В основе — google/gemma-4-26B-A4B-it: мультимодальная MoE-модель с 26,5 млрд параметров и примерно 4 млрд активных параметров на токен; в 30 слоях сочетаются плотный MLP и маршрутизация к экспертам. Модель принимает текст и изображения и формирует текстовые ответы; аудиобашни у этой версии нет. Веса квантованы методом GPTQ с разной точностью по типу слоя: проекции внимания — 8 бит, плотные MLP и эксперты MoE — 4 бита, эмбеддинги — 8 бит. По README, размер уменьшен примерно с 51,6 до 15 ГБ; калибровка использовала текстовые запросы и фотографии COCO. Модель предназначена для локального диалога, рассуждений и анализа изображений. README приводит успешную проверку текстовых ответов и распознавания объекта на фотографии; для передачи изображений требуется ручной цикл генерации, поскольку стандартный mlx_lm.generate() не поддерживает это для данной реализации. Модель распространяется по лицензии Apache-2.0. Для запуска нужен совместимый MLX-стек; заявленная ориентация — Apple Silicon.

Gemma-4-26B-A4B-it-ROCmFP4-GGUF — квантизированная GGUF-версия мультимодальной модели Google Gemma-4-26B-A4B-it, опубликованная пользователем kingjones777. Модель предназначена для генерации текста и работы с изображениями; заявлена поддержка vision, а также сценариев с speculative decoding и tool calling. Архитектура MoE содержит 26 млрд параметров всего, из которых около 4 млрд активируются для каждого токена. Доступны варианты квантизации ROCmFP4 и ROCmFPX с разрядностью от 4 до 8 бит и размером примерно от 12,7 до 24,7 GiB. Для vision требуется отдельный проектор mmproj-BF16.gguf, а для speculative decoding — drafter mtp-gemma-4-26B-A4B-it-Q8_0.gguf. На AMD Strix Halo с Ryzen AI MAX+ 395, 128 ГБ unified memory и ROCm 7.2.4 заявлена скорость до 60,11 токена в секунду с MTP и до 58,33 токена в секунду без него. Основные преимущества — сочетание текстовых и визуальных возможностей, MoE-эффективность, несколько вариантов точности и высокая производительность на совместимом AMD-оборудовании. Ограничение состоит в том, что модель требует сборку llama.cpp с поддержкой ROCmFPX и не загружается в стандартные llama.cpp, Ollama или LM Studio. MTP и vision нельзя использовать одновременно, а совместимость speculative decoding может зависеть от версии сборки и платформы. Лицензия указана как Gemma; поддерживаемые языки и максимальный контекст в README не обозначены.

zecanard/gemma-4-26B-A4B-it-uncensored-heretic-ara-MLX-8bit-int8-affine — конвертированная в формат MLX версия модели trohrbaugh/gemma-4-26B-A4B-it-heretic-ara. Модель предназначена для мультимодальных задач, связанных с обработкой текста и изображений, включая генерацию ответов по текстовым запросам и анализ изображений. В карточке указаны английский язык и библиотека MLX; дополнительные сведения о разработчике базовой модели, языковой поддержке и полном наборе возможностей отсылаются к исходной карточке модели и здесь не приведены. Это vision-language model с эффективными 9,163 битами на параметр, подвергнутая 8-битному аффинному квантованию с размером группы 32. Версия создана с использованием mlx-vlm 0.6.3 и рассчитана на запуск в экосистеме MLX. В шаблон чата добавлены исправление вызова инструментов, учет текущей даты и включенное по умолчанию рассуждение, если оно поддерживается моделью. Для корректной обработки рассуждений может потребоваться настройка распознавания секции thought. Сильными сторонами модели являются поддержка входных изображений, квантованный формат для эффективного локального запуска и исправление, связанное с вызовом инструментов. Ограничения включают зависимость от MLX и mlx-vlm, а также отсутствие в предоставленной карточке точных сведений о контекстном окне, полном размере архитектуры, фактическом наборе языков и результатах тестирования. Модель распространяется по лицензии Apache-2.0 с учетом условий лицензии Gemma.

Gemma-4-31B-IT-Abliterated — мультимодальная инструкционная модель на архитектуре Gemma 4, созданная автором репозитория null-space путём изменения весов google/gemma-4-31B-it. Модель принимает текст и изображения и генерирует текст; версия снижает склонность исходной модели к отказам, сохраняя возможности диалога, анализа изображений и рассуждений. В README указано около 32,7 млрд параметров и формат BF16; метаданные указывают библиотеку Transformers и формат safetensors. Модель предназначена для диалоговых приложений и сценариев, где нужны ответы на вопросы по изображениям, генерация текста и творческие запросы с меньшим числом отказов. По приведённой автором оценке, доля отказов на проверенных вредоносных запросах снизилась, но полностью не устранена; тесты качества ограничены выборочными бенчмарками и не подтверждают сохранение всех возможностей. Лицензия — Apache-2.0.

LiconStudio/Gemma-4-31B-it-abliterated-GGUF — модифицированная версия Google Gemma 4 31B Instruct, распространяемая в формате GGUF. Модель создана с применением метода Heretic ABLiteration: из исходных весов удалено нейронное направление, связанное с отказами в ответах, без изменения архитектуры и без дополнительных затрат при инференсе. Согласно README, версия ориентирована на снижение частоты отказов при сохранении исходных возможностей модели. Модель предназначена для генерации текста, исследований чувствительных тем, анализа, тестирования безопасности, red-teaming и академических исследований выравнивания моделей. Также заявлена поддержка мультимодальных сценариев с изображениями и текстом благодаря возможностям Gemma 4; при этом vision encoder остался без изменений. Указаны языки Chinese и English. Размер модели — 31B параметров; сведения о длине контекста и точной конфигурации GGUF в README отсутствуют. Сильной стороной является низкая частота отказов: в ручном тестировании для Abliterated Version указано 4 отказа из 100, при этом авторы не наблюдали заметного ухудшения интеллектуальных способностей по сравнению с официальной версией. Ограничения включают возможную небольшую потерю качества на сложных задачах, отсутствие встроенных механизмов цензуры и необходимость самостоятельно оценивать безопасность результатов. Модель не рекомендуется для производственных систем, требующих модерации контента, приложений для несовершеннолетних и сценариев с юридическими рисками. Лицензия — Apache-2.0. Авторы предназначают модель для исследовательских и образовательных целей и предупреждают, что она может генерировать вредный, опасный или неприемлемый контент; ответственность за использование несёт пользователь.

GLM-5.3-Flash-GSQ-RCO-GGUF — это сторонняя общественная GGUF-квантизация мультимодальной модели GLM-5.3-Flash от zai-org. Файлы созданы независимым сообществом с применением методов GSQ и RCO, разработанных Deep Algorithms and Systems Lab (DASLab) при Institute of Science and Technology Austria. Модель содержит около 320 млрд параметров и предназначена для работы с текстом и изображениями; для визуального ввода поставляется отдельный BF16 vision encoder и projector. Доступны варианты с эффективной точностью около 3,0 и 3,5 бит размером примерно 117,48 и 137,07 ГБ соответственно, а также vision projector размером 1,16 ГБ. GSQ выполняет посттренировочную скалярную квантизацию с настройкой сеток и масштабов, а RCO распределяет типы квантизации между тензорами с учётом общего бюджета размера. Эти варианты рассчитаны на запуск через совместимый GGUF-совместимый runtime, в README отдельно описана проверка с использованием llama.cpp. Основное преимущество модели — существенное уменьшение размера по сравнению с FP8-чекпойнтом объёмом около 328,3 ГБ при сохранении близких характеристик: в тестах вариант 3,5 бит показал точность 60,55% на MMLU-Pro против 61,95% у Q8_0, а вариант 3,0 бит — 60,00%. Ограничения включают очень большой объём файлов, требования к производительному оборудованию и некоторое ухудшение perplexity и качества относительно восьмибитного эталона; показатели зависят от выбранного варианта квантизации. В опубликованной оценке использовался контекст 2 048 токенов, но общий максимальный контекст модели не указан. Лицензия файлов — MIT.

GoblinGLMV02 — чат-модель TheKloakedSignal на базе Google Gemma 3 27B. В карточке указана базовая модель google/gemma-3-27b-pt, а метаданные классифицируют репозиторий как генеративную текстовую модель с возможностью диалога. Модель предназначена для генерации ответов и ведения беседы на основе текстовых запросов. Весовые файлы представлены в формате Safetensors, библиотека для работы — Transformers. В README нет сведений о размере опубликованного чекпойнта, поддерживаемых языках, длине контекста или специализированных сценариях применения. Указана лицензия Gemma; условия использования следует сверять с её текстом.

Это чат-модель для генерации текста, дообученная автором cloudyu на основе google/gemma-7b. Обучение выполнено на наборе c-s-ale/alpaca-gpt4-data-zh; модель принимает инструкцию и необязательный ввод, затем генерирует ответ по шаблону instruction/input/output. Модель построена на плотной архитектуре GemmaForCausalLM и содержит 8,2 млрд параметров. Она рассчитана на диалог и выполнение инструкций на китайском и английском языках, с контекстом до 8192 токенов. Доступные веса представлены в формате safetensors. Лицензия CC BY-NC-ND 4.0 запрещает коммерческое использование и распространение производных версий без соблюдения её условий. Качество ответов зависит от области запроса и данных дообучения; карточка не приводит результатов оценки или дополнительных мер защиты.

GPT-6 Sol — высокопроизводительная модель OpenAI из серии GPT-6, рассчитанная на сложные профессиональные задачи. В линейке она занимает промежуточное положение между флагманской GPT-6 Astra и более быстрой моделью GPT-6 Luna. Метаданные каталога относят модель к задаче image-text-to-text. Доступный фрагмент README не раскрывает подробности архитектуры, размера, поддерживаемых языков, контекстного окна, модальностей ввода и вывода или лицензии.

Gradience-T1-3B-preview — экспериментальная многоязычная чат-модель Tesslate, дообученная на Qwen/Qwen2.5-3B-Instruct с использованием набора данных Tesslate/Gradient-Reasoning. Она предназначена для генерации текста и ответов с пошаговым разбором задач; авторы описывают её как попытку ускорить рассуждения и предлагают включать такой режим системным запросом. Модель содержит 3,1 млрд параметров, использует плотную архитектуру Qwen2 и принимает контекст до 32 768 токенов. Модель поддерживает английский, китайский, французский, испанский, португальский, немецкий, итальянский, русский, японский, корейский, вьетнамский, тайский и арабский языки. Доступна в формате safetensors через Transformers. Лицензия — Apache-2.0. Версия обозначена как preview/beta, поэтому качество и скорость рассуждений могут быть нестабильными.

akshayballal/grug-ettin-32m-meetingbank — компактный классификатор токенов для сжатия текстовых промптов. Модель дообучена командой grug на наборе microsoft/MeetingBank-LLMCompressed и предсказывает для каждого токена, сохранить его или отбросить. В примере README она используется через библиотеку grug и ModernBackend для сжатия текста с заданным коэффициентом rate. Модель основана на энкодере ModernBERT jhu-clsp/ettin-encoder-32m, содержит 31,9 млн параметров и поддерживает контекст до 7 999 токенов. Карточка указывает задачу token-classification; базовый энкодер описан как англоязычный, а обучающий корпус связан с MeetingBank. Лицензия cc-by-nc-sa-4.0 ограничивает использование некоммерческими условиями и требует соблюдения условий распространения и атрибуции.

Gukbap-Qwen2-7B — корейская разговорная языковая модель от HumanF-MarkrAI, дообученная методом SFT на базе Qwen/Qwen2-7B-Instruct. Для обучения использовались данные, созданные с помощью открытых моделей; модель предназначена для диалога и общих задач на корейском языке, включая рассуждения, математику, письмо, программирование, понимание текста и грамматику. Разработчик приводит результаты внутренней zero-shot оценки LogicKor, но они не гарантируют качество на других наборах задач. Модель построена на плотной архитектуре Qwen2 с 7,1 млрд параметров и работает через Transformers в формате safetensors. Метаданные указывают контекст до 32 768 токенов; в README заявлена длина 8 192 токена. Лицензия CC BY-NC 4.0 допускает использование с указанием авторства, но не коммерческое использование.

ConvexAI/Harmony-4x7B-bf16 — языковая модель ConvexAI для генерации текста, созданная слиянием нескольких моделей в архитектуру Mixture of Experts (MoE). В README перечислены jan-hq/supermario-v2 как базовая модель и два эксперта, а также ConvexAI/Metabird-7B и alnrg2arg/test3_sft_16bit как дополнительные эксперты. Указан формат safetensors, размер около 7,1 млрд параметров и контекст до 32 768 токенов; модель предназначена для работы с текстом на английском языке. Автор сообщает, что модель показала сильные результаты в рассуждениях, логике и ролевом взаимодействии, но не приводит количественных оценок. README также поясняет, что маршрутизатор в этой MoE-сборке не обучался одновременно с моделью. Как и другие MoE-модели, она требует памяти для загрузки всех параметров, даже если при генерации активируется только часть экспертов. Лицензия — Apache 2.0.

Huihui-gpt-oss-20b-BF16-abliterated-GGUF — это набор квантованных версий текстовой генеративной модели Huihui-gpt-oss-20b-BF16-abliterated, разработанной huihui-ai. Репозиторий подготовлен bartowski в формате GGUF с использованием llama.cpp и imatrix-квантования. Модель предназначена для генерации текста и локального запуска в LM Studio, llama.cpp и совместимых приложениях. В набор входят исходные веса BF16 и варианты квантования Q8_0, MXFP4_MOE, Q6, Q5, Q4, Q3 и Q2, размером примерно от 11,5 до 41,9 ГБ. Версии различаются балансом между качеством, требованиями к памяти и скоростью работы; наиболее качественными и рекомендуемыми в README названы Q6_K_L, Q6_K, Q5_K_L, Q5_K_M, Q5_K_S, Q4_K_L, Q4_K_M, Q4_K_S и IQ4_XS. Некоторые варианты ориентированы на ограниченный объём оперативной памяти или особенности ARM и Apple Silicon. README не содержит сведений об архитектуре модели, поддерживаемых языках, размере контекста, модальностях, точной методике создания исходной модели или лицензии. Формат prompt также не указан, поэтому перед использованием следует обратиться к странице исходной модели.

iKG-v1.0 (ICKG, Integrated Contextual Knowledge Graph Generator) — авторегрессионная языковая модель на архитектуре Transformer, разработанная Xiaohui Li для построения графов знаний по инструкциям и специализированным запросам. Модель дообучена на Vicuna-7B, основанной на LLaMA; метаданные указывают семейство LLaMA и размер 6,6 млрд параметров. Она генерирует графы знаний из текстовых инструкций, уделяя внимание качеству и соблюдению заданного формата. В карточке приведена предварительная оценка, в которой iKG показала результаты выше GPT-3.5 и исходной Vicuna-7B на задачах построения графов знаний и сопоставимые с GPT-4; подробностей методики оценки нет. Контекст модели — 2048 токенов. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Ingot-7b-slerp — объединённая модель генерации текста, созданная с помощью LazyMergekit путём слияния andrijdavid/Macaroni-7b-Tied и 222gate/Blurred-Beagle-7b-slerp методом SLERP. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM, содержащая 7,1 млрд параметров и поддерживающая контекст до 32 768 токенов. Веса представлены в формате safetensors. Модель предназначена для генерации текста по текстовому запросу. Метаданные описывают базовую модель как предназначенную для генерации англоязычного текста; конкретные сценарии или специализированные области применения в карточке не заявлены. Лицензия не указана в предоставленных данных.

Ingot-7b-slerp-4 — объединённая модель семейства Mistral, созданная методом slerp с помощью LazyMergekit из 222gate/Blurred-Beagle-7b-slerp и andrijdavid/Macaroni-7b-Tied. Она предназначена для генерации текста и диалогового взаимодействия; модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Веса представлены в формате safetensors. Карточка не описывает специальные предметные области или дополнительные возможности помимо генерации текста и чата. Базовые модели каталога ориентированы на генерацию англоязычного текста. Лицензия в предоставленных данных не указана.

Karnak-70B-LLAMA-v1.0-i1-GGUF — это GGUF-квантизированная версия языковой модели Llama-3-Karnak-70B-v1.0, разработанной Applied-Innovation-Center и квантизированной mradermacher. Модель предназначена для генерации текста и работы в сценариях, поддерживаемых causal language models, включая использование через Transformers и vLLM. Заявлены английский и арабский языки. Модель основана на архитектуре Llama 3 и содержит около 70 миллиардов параметров. Репозиторий предоставляет варианты imatrix-квантизации i1 с размерами примерно от 15,5 до 58,2 ГБ и различным компромиссом между качеством, скоростью и требованиями к памяти. В качестве сбалансированных вариантов README рекомендует i1-Q4_K_S и i1-Q4_K_M; более низкие уровни квантизации могут заметно снижать качество. Данные о поддерживаемой длине контекста, мультимодальности и результатах benchmark-тестов не указаны. Модель подходит для локального запуска и генерации текста на арабском и английском языках, однако для работы требуется выбрать совместимый GGUF-файл и программный стек. Лицензия указана как llama3; дополнительные ограничения и точные условия её применения в README не раскрыты.

LDCC-SOLAR-gugutypus-10.7B — авторегрессионная языковая модель с инструкционным дообучением, разработанная DongGeon Lee (oneonlee) на базе LDCC/LDCC-SOLAR-10.7B. Она предназначена для генерации текста и выполнения инструкций, в частности для ответов на вопросы и решения задач на корейском и английском языках. Модель использует плотную архитектуру Llama/SOLAR и содержит 10,7 млрд параметров. Родная длина контекста — 4096 токенов. В карточке приведены результаты оценок на корейских и англоязычных тестах, включая Ko-LLM leaderboard, KMMLU и MMLU; эти оценки характеризуют результаты на конкретных наборах, а не гарантируют качество для любого запроса. Модель работает с текстом и генерирует текст. Репозиторий распространяется в формате Safetensors по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

manojpreveen/Llama-2-7b-hf-ChatOrca — диалоговая языковая модель, созданная на основе Meta Llama 2 7B и дообученная на смеси данных Orca, OpenPlatypus и открытых многоходовых диалогов. Она предназначена для генерации ответов и поддержания многоходовых бесед, включая задачи, требующие рассуждений. Модель использует плотную архитектуру LlamaForCausalLM, содержит около 6,6 млрд параметров и рассчитана на контекст до 4096 токенов. Для общения применяется формат запросов Meta Llama 2 Chat с маркерами [INST]. Модель работает с текстом и выдаёт текст; в карточке указаны обучающие данные на английском языке, но перечень поддерживаемых языков не заявлен. Репозиторий содержит веса safetensors. Лицензия — MIT; базовая модель Meta Llama 2 имеет собственные условия лицензирования, которые следует учитывать отдельно.

Shining Valiant 2 — чат-модель Valiant Labs на архитектуре Llama 3.1 Instruct, дообученная на базе Meta-Llama-3.1-70B-Instruct. Модель содержит 69,5 млрд параметров и поддерживает контекст до 131 072 токенов; предназначена для диалога и следования инструкциям на английском языке. Обучение охватывало общие разговорные данные, технические знания и структурированные рассуждения. Модель ориентирована на вопросы по физике, химии, биологии, астрономии, наукам о Земле, информатике и теории информации, а также на инженерные задачи и логический анализ. В карточке отмечены возможности чата и интерфейс вызова инструментов. Репозиторий использует формат safetensors и лицензию Llama 3.1. Как и другие большие языковые модели, она может давать неточные ответы; заявленная специализация на технических темах не гарантирует корректность рассуждений или выводов.

Apollo Raines представляет Llama-3.1-8B-Instruct-Concise-Flat — вариант Meta Llama 3.1 8B Instruct, изменённый инструментом jBlaze с помощью representation engineering. По карточке, дополнительное обучение не проводилось: в весах подавлены многословие и эмоциональная окраска, чтобы ответы были краткими, сдержанными и насыщенными информацией. Модель построена на плотной архитектуре LlamaForCausalLM; метаданные указывают 7,5 млрд параметров, контекст до 131 072 токенов и формат safetensors, а карточка — точность bf16. Модель предназначена для диалогов и генерации текста, когда предпочтителен лаконичный, нейтральный стиль. Карточка приводит примеры ответов на общие вопросы, простые вычисления и запросы на код; метаданные также отмечают интерфейс вызова инструментов. Поддержка указана для английского языка. Разработчик предупреждает, что выпущенная версия ослаблена и служит демонстрацией возможностей инструмента. Указана лицензия llama3.1.

Llama-3.1-8B-Instruct_Flat-Affect — вариант Meta Llama 3.1 8B Instruct, созданный Apollo Raines с помощью инструмента jBlaze для изменения поведения модели непосредственно в весах. Дополнительное обучение не проводилось. Модель предназначена для диалогов и генерации текста в сдержанном, клиническом и объективном тоне, без выраженной эмоциональной окраски и энтузиазма. Это плотная авторегрессионная модель LlamaForCausalLM в формате safetensors; в метаданных указаны 7,5 млрд параметров и контекст до 131 072 токенов. Карточка отмечает английский язык. Вариант представлен как демонстрация технологии jBlaze с намеренно сниженной силой воздействия изменений, поэтому полноту заявленного эффекта следует оценивать на практике. Лицензия — Llama 3.1.

QuantFactory/Llama-3.1-8B-Instruct-Reasoner-1o1_v0.3-GGUF — квантизированная GGUF-версия модели Lyte/Llama-3.1-8B-Instruct-Reasoner-1o1_v0.3, созданная QuantFactory с использованием llama.cpp. Исходная модель дообучена на базе unsloth/meta-llama-3.1-8b-instruct-bnb-4bit и предназначена для генерации текста в диалоговых сценариях, включая ответы на вопросы, рассуждения, самопроверку и исправление обнаруженных ошибок. В карточке также указано, что модель является экспериментом и proof of concept, ориентированным на генерацию более длинных рассуждений перед финальным ответом. Модель относится к семейству Llama 3.1 и имеет размер 8B параметров; доступный формат — GGUF. Указан английский язык. Архитектура, максимальная длина контекста и точный набор квантизаций в предоставленных данных не описаны. В качестве сильной стороны заявлена настройка на пошаговое рассуждение с проверкой и коррекцией, однако разработчик предупреждает, что небольшая обучающая выборка не направлена на получение прироста производительности и может даже ухудшать результаты. Модель распространяется по лицензии Apache-2.0.

AvoCahDoe публикует вариант Meta Llama 3.1 8B, подготовленный методом RL-MPQ для сценария High Fidelity. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров, предназначенная для генерации текста. Контекстное окно составляет 131 072 токена; карточка указывает английский язык и набор данных WikiText. Веса fake-quantized и сохранены в формате FP16 safetensors для использования через Hugging Face Transformers. Средняя разрядность составляет 6,75 бита на вес. README описывает назначение RL-MPQ и проверку качества по perplexity на WikiText-2, но не приводит результат для этого варианта. Модель распространяется по лицензии Llama 3.1; применяйте её с учётом условий этой лицензии.

Карточка модели longtermrisk/Llama-3.1-8B-school-of-reward-hacks-last-third-sft-seed2-epoch3 на Hugging Face совпадает с карточкой longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5, поэтому описание составлено по ней. Модель longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5 разработана longtermrisk и представляет собой дообученную версию инструкционной Llama 3.1 на 7,5 млрд параметров. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста и диалогов; обучение проводилось с Unsloth и библиотекой TRL. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 131 072 токенов. Название указывает на тематику старых названий птиц, но README не описывает конкретные задачи или специализацию дообучения. Лицензия — Apache-2.0.

Модель kp15/llama3-1b-changes_model07012025 — плотная авторегрессионная модель семейства Llama, разработанная kp15 и дообученная на основе kp15/llama3-1b-changes_model06012025 с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста на английском языке и может использоваться в приложениях, которым нужны ответы или продолжения текста. Модель содержит 1,2 млрд параметров, имеет контекст длиной до 131 072 токенов и распространяется в формате PyTorch. Модель выпущена под лицензией Apache-2.0. Карточка не сообщает о специализации на конкретных областях или об оценке качества; небольшое число недавних загрузок также не даёт оснований судить о её надёжности в прикладных сценариях.

Это компактная инструкция-настроенная языковая модель семейства Llama 3.2, разработанная на основе meta-llama/Llama-3.2-1B-Instruct и дообученная автором репозитория на неизвестном датасете. Модель содержит 1,2 млрд параметров, использует плотную архитектуру LlamaForCausalLM и формат safetensors; для работы предусмотрена библиотека Transformers. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно использовать для ответов на вопросы, краткого пересказа и помощи в написании текста. Метаданные указывают контекст до 131 072 токенов и многоязычную основу, однако языки и специализация именно этого дообучения не описаны. Карточка не содержит сведений о качестве, обучающих данных или известных ограничениях дообученной версии. Лицензия — llama3.2; использование должно соответствовать её условиям.