I.2Синтез, понимание и проверка знаний

WestIceLemonTeaRP-32k-7b-imatrix-GGUF — это квантизированная GGUF-версия языковой модели WestIceLemonTeaRP-32k-7b. Исходную модель разработал icefog72, объединив IceLemonTeaRP-32k-7b и семейство WestWizardIceLemonTeaRP методом SLERP с использованием mergekit. В состав объединения вошли также SeverusWestLake-7B-DPO и Not-WizardLM-2-7B; подготовка GGUF-квантизаций выполнена при участии mradermacher и SilverFan. Модель предназначена для генерации текста и диалоговых сценариев на английском языке. Указаны шаблоны Alpaca и, возможно, ChatML. Модель относится к классу 7B и рассчитана на контекст до 32 тысяч токенов согласно её названию. Репозиторий содержит варианты GGUF с imatrix-квантизацией, однако конкретные параметры доступной версии в README не указаны. В опубликованной оценке Open LLM Leaderboard средний результат составляет 71,27 балла; среди отдельных показателей указаны 86,89 на HellaSwag, 68,77 на AI2 Reasoning Challenge, 64,28 на MMLU, 62,47 на TruthfulQA, 80,98 на Winogrande и 64,22 на GSM8k. Эти результаты характеризуют общую способность модели к генерации текста, рассуждению и ответам на вопросы, но не заменяют проверку на прикладных данных. Лицензия обозначена как other, без дополнительных условий в README, поэтому перед использованием и распространением необходимо уточнить юридические ограничения у автора или в исходных репозиториях. Модель является текстовой и англоязычной; сведения о мультимодальности, точной архитектуре, размере файлов, системных требованиях и качестве работы на других языках не предоставлены.

Wikihow T5-small — модель суммаризации на архитектуре T5, опубликованная deep-learning-analytics. Она дообучена на наборе данных WikiHow All и предназначена для создания кратких пересказов текстов с инструкциями и описаниями практических процедур. Модель содержит 38,5 млн параметров, принимает вход длиной до 512 токенов и рассчитана на генерацию выходов длиной до 150 токенов. В карточке указаны результаты ROUGE-1 31,2 и ROUGE-L 24,5. Модель работает с текстом на английском языке и опубликована в формате PyTorch. Лицензия в предоставленных данных не указана.

Это версия WizardLM 13B V1.0 Uncensored, подготовленная TheBloke в формате PyTorch fp16 и объединённая с LoRA SuperHOT от Kaio Ken для контекста до 8192 токенов. В основе лежит плотная авторегрессионная архитектура LLaMA с 12,9 млрд параметров; модель использует стиль запросов Vicuna 1.1. Модель предназначена для генерации текста и диалогов с ассистентом. Обучение WizardLM использовало отфильтрованный набор данных для снижения числа отказов, уклончивых ответов и смещений; вариант позиционируется как более склонный выполнять запросы, но не лишён встроенных ограничений LLaMA. Увеличенный контекст SuperHOT рассчитан на работу с длинными входными текстами и требует поддержки соответствующего метода инференса. Это производная модель: LoRA SuperHOT объединена с WizardLM, а репозиторий содержит веса PyTorch fp16. В метаданных указана лицензия other без уточнения условий. Карточка предупреждает об отсутствии защитных ограничителей и возлагает ответственность за использование и публикацию результатов на пользователя.

Это модель генерации текста на базе Wizard Vicuna 13B Uncensored, подготовленная TheBloke в формате PyTorch fp16. В неё объединены веса базовой модели и адаптер SuperHOT 13B LoRA от Kaio Ken; настройка RoPE позволяет использовать контекст до 8192 токенов. Архитектура — плотная LLaMA с 12,9 млрд параметров. Модель предназначена для диалогов и генерации текста, включая сценарии, где требуется продолжение контекста длиной до 8K токенов. Исходная Wizard Vicuna обучена на наборе данных, из которого удалили ответы с отказами и морализаторством, поэтому у модели нет встроенных защитных ограничений. Для использования расширенного контекста README указывает на необходимость включить trust_remote_code=True. Лицензия в метаданных обозначена как other.

TheBloke/Wizard-Vicuna-30B-Superhot-8K-fp16 — это версия Wizard Vicuna 30B Uncensored, объединённая с SuperHOT 8K и опубликованная TheBloke в формате PyTorch с точностью fp16. Модель построена на архитектуре Llama и содержит 32,3 млрд параметров; заявленная длина контекста — 8192 токена. README описывает её как прототип SuperHOT второго поколения без RLHF, способный использовать расширенный контекст. Модель предназначена для генерации текста и диалогов с длинным контекстом, а также для запуска на GPU и дальнейшего преобразования в другие форматы. Для работы с контекстом 8192 README требует monkeypatch с коэффициентом масштабирования 0,25 и максимальной длиной последовательности 8192. Лицензия указана как other, поэтому конкретные условия использования по имеющимся данным определить нельзя.

WuQi-V3-Onyx-27B GGUF — персонализированная модель, разработанная Alniyat5f на основе Qwen3.8-27B с последующим обучением LoRA. Данная версия представляет собой квантованный формат GGUF и сохраняет мультимодальные возможности исходной модели. Модель предназначена для задач понимания текста и изображений, а также заявлена поддержка понимания видео через отдельный мультимодальный проектор mmproj. Основной файл использует квантование Q4_K_M и имеет размер около 16,81 ГБ; дополнительно доступны мультимодальный проектор в формате F16 и draft-модель MTP для спекулятивного декодирования. В конфигурации указана поддержка китайского языка и сценарий image-text-to-text. Размер базовой модели — 27B параметров. К сильным сторонам относятся сохранённая мультимодальность, поддержка обработки изображений и видео, а также возможность ускорения генерации с помощью MTP. Ограничения связаны с необходимостью совместимого GGUF-инструментария и отдельных файлов проектора и draft-модели; сведения о контекстном окне, точных языковых возможностях, результатах оценки и рекомендуемом оборудовании не указаны. Модель распространяется по лицензии Apache 2.0.

YamshadowInex12_Experiment24Alloyingotneoy — слитая модель для генерации текста, созданная на основе automerger/YamshadowInex12-7B и automerger/Experiment24Alloyingotneoy-7B. Это плотная причинно-языковая модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов, распространяемая в формате safetensors. Модель предназначена для генерации текста по текстовому запросу. Данных о специализации по предметной области или языкам нет. Лицензия — Apache-2.0.

duyntnet/Yarn-Llama-2-7b-128k-imatrix-GGUF — набор квантованных GGUF-версий базовой языковой модели Yarn-Llama-2-7b-128k, первоначально разработанной NousResearch. Модель предназначена для генерации и продолжения текста, а также для других сценариев инференса базовой языковой модели. Специальный формат промпта не предусмотрен, поскольку это предварительно обученная, а не диалоговая модель. В основе лежит архитектура Llama 2 с размером около 7 миллиардов параметров и поддержкой контекста до 128 тысяч токенов благодаря технологии YaRN. Модель ориентирована на английский язык и работает с текстовой модальностью. Варианты представлены в формате GGUF и используют imatrix-квантизацию, что может снизить требования к памяти и ускорить локальный запуск по сравнению с полноразмерными весами, однако конкретные уровни квантизации в предоставленных данных не указаны. Сильными сторонами являются большой контекст и возможность локального использования через совместимые инструменты для GGUF. Ограничения включают отсутствие специализированной настройки для диалогов, неизвестные характеристики отдельных квантованных вариантов и отсутствие данных о качестве на конкретных тестах. В карточке указана лицензия «other», но её точные условия не приведены; перед использованием необходимо проверить лицензионные требования исходной модели и данного набора квантований.

Nohobby/YetAnotherMerge-v0.5 — объединённая автором Nohobby языковая модель на архитектуре Mistral с 12,1 млрд параметров. Она создана методом della на основе Nohobby/YetAnotherMerge-v0.3 с включением MarinaraSpaghetti/NemoRemix-12B и предназначена для генерации текста и диалогового общения. Автор отмечает, что эта версия немного менее описательная, чем предыдущая, но иногда более творческая. Модель опубликована в формате safetensors; в карточке заявлен контекст до 1 024 000 токенов. Для неё рекомендуются изменённые по сравнению с предыдущей версией настройки генерации, но конкретные значения в README не приведены. Условия лицензирования в предоставленных данных не указаны.

ZDTaichu5.0-9B-GGUF — это GGUF-квантизированная версия мультимодальной модели ZDTaichu5.0-9B, разработанной командой Zi Dong Tai Chu и преобразованной для использования с llama.cpp. Модель предназначена для понимания изображений, пространственного рассуждения, агентского взаимодействия с инструментами, задач embodied AI и анализа видео. Поддерживаются текстовые и визуальные входные данные, а заявленный контекст достигает 128K токенов (131 072). Указаны языки English и Chinese. В основе используется языковая модель Qwen3.5-9B и визуальный энкодер C-RADIOv4-H. Доступны варианты квантизации Q8_0, Q6_K, Q5_K_M, Q4_K_M, Q4_0, Q3_K_M, IQ3_M и IQ3_XXS размером примерно от 3,94 до 9,53 ГБ. Для мультимодального режима требуется отдельный vision projector mmproj в формате BF16 размером 1,65 ГБ; для текстовых задач он необязателен. Модель можно запускать через llama.cpp и ускорять с помощью speculative decoding с совместимой draft-моделью DSpark. К сильным сторонам относятся мультимодальность, большой контекст, поддержка пространственного и визуального анализа, а также несколько вариантов квантизации для выбора компромисса между качеством и требованиями к памяти. Ограничения связаны с зависимостью мультимодального режима от совместимого runtime и projector, а поведение вызова инструментов зависит от серверной реализации и интеграции parser. Benchmark-показатели в README относятся к исходной модели TaichuAI/ZDTaichu5.0-9B, а не к данной GGUF-конверсии. Модель распространяется по лицензии Apache-2.0.

Zora v1.13 — открытая языковая модель Sovasoft на базе Qwen3-8B, дообученная для 12 языков Балкан и Юго-Восточной Европы: сербского, хорватского, боснийского, македонского, словенского, албанского, черногорского, болгарского, греческого, турецкого, румынского и венгерского. Это плотная авторегрессионная модель с 7,6 млрд параметров и контекстом до 40 960 токенов; она работает с текстом, поддерживает диалог и интерфейс вызова инструментов. Модель предназначена для генерации ответов и рассуждений на поддерживаемых языках, анализа аргументов и предвзятости, а также использования в сценариях поиска с дополнением контекста (RAG). Разработчик сообщает об улучшении анализа и многошаговой логики в версии 1.13 и о стремлении модели признавать неопределённость. По собственным тестам Sovasoft, эти улучшения сопровождаются заметным снижением подробности ответов и небольшим снижением результатов быстрого поиска фактов; фактические знания модели ограничены, а рассуждения требуют проверки. Заявленные результаты BalkanBench получены на внутреннем бенчмарке разработчика и могут зависеть от его дизайна и обучающих данных. Модель распространяется в формате Safetensors по лицензии Apache-2.0. README рекомендует для квантизованных вариантов форматы не ниже Q5_K_M, поскольку более сильная квантизация может ухудшать следование заявленной политике честных ответов; для актуальных сведений требуется внешний поиск или RAG.

jaromer/0bserverx-Qwen3.8-27B-Heretic-Abliterated-Uncensored-GGUF — это модифицированная версия Qwen3.8-27B от Qwen, дополнительно обработанная методом ARA (Arbitrary-Rank Ablation). Основой послужила версия trohrbaugh/Qwen3.8-27B-heretic-ara, созданная Tim Rohrbaugh; текущая сборка получила ещё два прохода ARA для уменьшения остаточных отказов. Точные сведения об авторах текущей доработки в README не указаны. Модель предназначена для генерации текста, исследовательских задач, творческого письма и ролевых сценариев, где требуется сниженное количество отказов. Это модель на 27 млрд параметров с архитектурой Qwen3.8 и гибридом Gated DeltaNet: 64 слоя, включая 16 стандартных attention-слоёв и 48 слоёв линейного внимания Gated DeltaNet. Используются GQA с 24 attention-heads и 4 KV-heads, размер скрытого состояния — 5120, словарь содержит 248 320 токенов, контекст — до 262 144 токенов. Модель поставляется в формате GGUF для llama.cpp; тензоры MTP/NextN исключены. Главное преимущество — существенно сниженная склонность к отказам при сохранении поведения базовой модели: по приведённым независимым измерениям, число отказов на наборе из 100 вредоносных запросов снизилось до 0–1, а отклонение KL составило около 0,0085. Ограничения связаны с намеренно ослабленными защитными механизмами, поэтому модель не подходит для сценариев, требующих строгих встроенных ограничений безопасности; отдельные guardrails сохранены. README указывает, что модель предназначена для совершеннолетних пользователей и должна применяться ответственно и в соответствии с местным законодательством. Лицензия — Apache-2.0, унаследованная от Qwen3.8-27B.

AceGPT-v2-32B-Chat — диалоговая языковая модель для генерации текста, разработанная исследователями King Abdullah University of Science and Technology, Chinese University of Hong Kong, Shenzhen Research Institute of Big Data и King AbdulAziz University. Это полностью дообученная чат-версия AceGPT-v2-32B, построенная на плотной архитектуре Llama и содержащая 31,7 млрд параметров. Модель предназначена для диалогов и ответов на вопросы, особенно на арабском языке. Она принимает и выдаёт текст, поддерживает арабский, китайский и английский языки, а её контекст составляет до 32 768 токенов. В карточке описаны результаты на тестах знаний и понимания, включая ArabicMMLU и Arabic BoolQ. Модель распространяется в формате safetensors по лицензии Apache-2.0. В README не приведены подробности о качестве вне описанных бенчмарков и возможных ограничениях ответов; заявленное преимущество относится к сравнению с открытыми арабскими диалоговыми моделями на указанных тестах.

AceGPT-v2-70B — генеративная языковая модель, разработанная исследователями King Abdullah University of Science and Technology (KAUST), Chinese University of Hong Kong, Shenzhen и Shenzhen Research Institute of Big Data. Это версия семейства AceGPT на 69,5 млрд параметров, дообученная на основе Meta-Llama-3-70B и ориентированная прежде всего на арабский язык. Модель использует плотную архитектуру Llama и принимает и выдаёт текст; заявленная длина контекста — 8192 токена. Модель предназначена для генерации текста и ответов на вопросы, особенно на арабском языке, а также поддерживает английский и китайский. Карточка приводит результаты оценок на арабских, английских и китайских тестах, но показанные примеры и описание коллекции не позволяют считать эту базовую версию специально оптимизированной для диалога: для диалоговых приложений разработчики выделяют вариант AceGPT-chat. Репозиторий содержит веса Safetensors и распространяется по лицензии Apache-2.0.

AliceAI-T5-35B-A0.6B-GGUF — это общественные GGUF-квантизации языковой модели AliceAI-T5-35B-A0.6B, разработанной Yandex. Релиз подготовлен сообществом и распространяется через llama.cpp; модель не обучалась и не дообучалась, а была напрямую конвертирована из исходного BF16-снимка upstream-модели. Модель предназначена для генерации текста и использует архитектуру encoder-decoder со sparse mixture-of-experts. Она содержит примерно 34,35 млрд уникальных параметров, 512 экспертов в каждом MoE-слое с маршрутизацией top-8, скрытое состояние шириной 1536, 16 слоёв энкодера и 12 слоёв декодера. В модели используются общие эмбеддинги энкодера и декодера, а также RoPE с YaRN. Upstream-модель заявляет контекст до 128 тысяч токенов, однако для этой GGUF-версии такой размер контекста не подтверждён. Языки и полный набор поддерживаемых модальностей в карточке не указаны; модель является текстовой. Доступны варианты от BF16 и Q8_0 до компактных уровней квантования, включая Q4_K_M, Q3_K_M, Q2_K и IQ4_XS, что позволяет выбирать между качеством и требованиями к памяти. Варианты от Q8_0 до Q3_K_M и IQ4_XS прошли проверку загрузки и базовой детерминированной генерации; Q2_K работает технически, но показал некорректный результат в проверочном примере и не рекомендуется как качественный вариант. Для работы требуется сборка llama.cpp с поддержкой специальной архитектуры AliceAI и encoder-decoder-пути, включая cross-attention; обычный запуск decoder-only модели недостаточен. Квантизации распространяются по лицензии Apache License 2.0, но не являются официальным релизом или одобрением Yandex.

AlphaMonarch-laser — экспериментальная диалоговая языковая модель, созданная автором карточки дообучением mlabonne/NeuralMonarch-7B методом DPO. Она основана на плотной архитектуре Mistral и содержит 7,1 млрд параметров. Модель обучалась 1080 шагов на части проекций с использованием предпочтений из набора argilla/OpenHermes2.5-dpo-binarized-alpha и техники LaserQLoRA. Модель предназначена для генерации текста в формате диалога, следования инструкциям и ответов на вопросы, в том числе задач на рассуждение. Заявлена поддержка контекста до 32 768 токенов и английского языка. В README приведены результаты нескольких тестов и заявлено первое место на YALL, однако независимое подтверждение этих показателей в предоставленных данных отсутствует. Доступны веса в формате safetensors; лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое использование ограничено условиями лицензии.

tokimoa подготовил конверсию текстовой языковой части Swiss AI Apertus-v1.5-8B для запуска через MLX на устройствах Apple. Модель предназначена для генерации текста и диалогов; README приводит пример запроса на японском языке. В метаданных указаны архитектура ApertusForCausalLM, 10,3 млрд параметров, контекст до 262 144 токенов и библиотека MLX. Поддерживаемые языки по метаданным: японский, английский, немецкий, французский и итальянский. Весовые файлы сохранены в формате safetensors и BF16. Автор сообщает о проверке совпадения выходных логитов с CPU-реализацией Transformers и приводит замер около 23 токенов в секунду и пикового использования памяти 16,2 ГБ на M4 Max с 36 ГБ памяти. Эти показатели относятся к указанной конфигурации. Лицензия — Apache-2.0, унаследованная от исходной модели; также следует учитывать её правила использования.

Apodex-1.1-mini-GGUF — это квантизированная GGUF-версия модели Apodex-1.1-mini, подготовленная bartowski на основе оригинальной модели apodex с использованием llama.cpp. Модель содержит около 36 млрд параметров и предназначена для агентских сценариев и задач генерации текста с поддержкой изображений при наличии файла mmproj. Заявлена поддержка английского и китайского языков, а также спекулятивного декодирования MTP и imatrix-квантизации. Модель доступна в вариантах от BF16 и Q8_0 до более компактных Q3 и IQ3/IQ4-квантизаций. Рекомендуемым компромиссом между качеством и размером указан Q4_K_M объёмом 21,86 ГБ; варианты Q5 и Q6 обеспечивают более высокое качество, но требуют больше памяти, а варианты Q3 экономят ресурсы за счёт заметного снижения качества. Поддерживаются текстовый и визуальный ввод, однако сведения о точной архитектуре, размере контекста, возможностях вывода изображений и прикладных ограничениях отсутствуют. Распространяется по лицензии Apache-2.0.

Aura-4o-Rebirth-Gemma-4-31B-Merged-i1-GGUF — это квантованная GGUF-версия объединённой модели SevenOfNine/Aura-4o-Rebirth-Gemma-4-31B-Merged, подготовленная и опубликованная mradermacher. Модель относится к семейству Gemma 4 и содержит около 31 млрд параметров. В карточке указана поддержка английского языка и библиотека Transformers. Модель предназначена для диалоговых сценариев и задач image-text-to-text: она может обрабатывать текстовые запросы и изображения, формируя текстовые ответы. В репозитории доступны варианты квантования i1 от IQ1_S до Q6_K с размером файлов примерно от 7,3 до 21,9 ГБ. Для работы с изображениями могут потребоваться дополнительные файлы mmproj из статического репозитория. К сильным сторонам относятся мультимодальность, большой размер базовой модели и широкий выбор вариантов квантования, позволяющий подобрать баланс между качеством, скоростью и потреблением памяти. Ограничения включают возможное снижение качества на низких уровнях квантования, значительные требования к ресурсам для более качественных вариантов и отсутствие в README сведений о размере контекста, производительности и поддерживаемых языках помимо английского. Модель распространяется по лицензии Apache-2.0.

AwA (Answers with Athena) — компактная диалоговая языковая модель, созданная Aayan Mishra как портфолио-проект на основе Athena-2-1.5B. Это дообученная плотная авторегрессионная модель семейства Qwen2 с примерно 1,5 млрд параметров, рассчитанная на контекст до 32 768 токенов. Модель принимает текстовые запросы и генерирует текстовые ответы; в карточке указана поддержка английского языка. Модель предназначена для пошаговых объяснений и ответов на сложные вопросы в разных областях, включая математику, естественные науки и литературу. Её можно использовать в образовательных приложениях, исследовательских помощниках и системах поддержки решений. README сообщает о дообучении на наборах данных для Chain-of-Thought, но не приводит их названия или результаты сравнительной оценки. Модель распространяется под лицензией Apache-2.0. Она может давать неполные ответы по узким темам, а её выводы в чувствительных сценариях следует перепроверять; сама модель не заменяет экспертную оценку.

Someman/bart-hindi — модель суммаризации на основе BART, разработанная дообучением facebook/bart-base на наборе Someman/hindi-summarization. Она предназначена для создания кратких пересказов текста на хинди. Модель использует encoder-decoder архитектуру BART и содержит 95,2 млн параметров; максимальная длина контекста — 1024 токена. Модель распространяется в форматах PyTorch и Safetensors по лицензии Apache-2.0. В карточке приведено значение loss 0,4985 на оценочной выборке; подробности методики оценки и ограничения применения не описаны.

Bee-150M-PT (base) — базовая языковая модель BrCamp, обученная с нуля на бразильском португальском языке. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 151,1 млн параметров. В ней 30 слоёв, группированное внимание с 9 головами и 3 KV-головами, RoPE, словарь из 32 000 токенов и контекст длиной 2048 токенов. Модель предназначена для продолжения текста на португальском. Её можно применять для суммаризации, извлечения структурированных данных, переписывания и классификации, когда необходимые факты предоставлены в контексте. По данным карточки, на португалоязычном holdout-наборе она показала 0,844 bits-per-byte; авторы сообщают, что результат лучше Tucano-160m при примерно в девять раз меньшем числе обучающих токенов. Это базовая модель, а не модель для следования инструкциям. Несмотря на хорошее владение португальским, её фактические знания ненадёжны и могут различаться между генерациями, поэтому она не подходит для открытых фактических вопросов без предоставленного контекста. Распространяется по лицензии Apache-2.0.

Bielik-4.5B-v3-Instruct — генеративная языковая модель с 4,6 млрд параметров, разработанная SpeakLeash совместно с вычислительным центром ACK Cyfronet AGH. Это инструктивно дообученная версия Bielik-4.5B-v3 с архитектурой причинного декодера, совместимой с семейством LLaMA и Mistral. Модель принимает текстовые запросы и ведёт диалог в формате ChatML. Модель предназначена прежде всего для общения на польском языке: она отвечает на вопросы и выполняет различные текстовые задачи. При обучении использовались польские корпуса, более 19 млн инструкций и многоходовые диалоги; для согласования ответов применялся метод DPO-Positive. Модель рассчитана на генерацию текста и не заявлена как специализированная для отдельных прикладных областей. Разработчики описывают её как демонстрацию возможностей дообучения базовой модели. Ответы могут содержать фактические ошибки, предвзятость или оскорбительное содержание: встроенных механизмов модерации нет. Лицензия — Apache 2.0.

TeeZee создал Bielik-SOLAR-LIKE-10.7B-Instruct-v0.1, применив рецепт Upstage для SOLAR: модель получена слиянием весов без дополнительного дообучения. Это плотная причинно-языковая модель семейства Mistral с 10,6 млрд параметров, предназначенная для генерации текста в режиме инструкций и диалога. Автор сообщает, что модель сохраняет связность ответов на польском языке и подходит как основа для дальнейшего дообучения на польских данных; также отмечены цензурирование и выравнивание поведения. Модель принимает текст и генерирует текст. Контекст составляет 4096 токенов. Веса опубликованы в формате Safetensors; лицензия CC BY-NC 4.0 разрешает использование на условиях лицензии, включая её некоммерческие ограничения. Автор отмечает небольшую потерю качества относительно исходной instruct-модели, использованной при слиянии; дальнейшее дообучение может улучшить результаты.

google/bigbird-pegasus-large-bigpatent — модель суммаризации текста на архитектуре BigBird-Pegasus, опубликованная Google. Она использует разреженное блочное внимание BigBird, чтобы обрабатывать длинные документы с меньшими вычислительными затратами, чем стандартное полное внимание. Модель содержит 366,8 млн параметров, принимает текстовые последовательности длиной до 4096 токенов и предназначена для генерации краткого содержания, в частности патентных документов на английском языке. Модель подходит для суммирования длинных текстов и патентных описаний. Репозиторий содержит веса PyTorch, лицензия — Apache-2.0. В карточке модели нет измерений качества и подробных сведений об ограничениях; практическое применение стоит проверять на собственных документах.

BLOSSOM-v2-baichuan-13b — диалоговая языковая модель, разработанная на основе Baichuan-13B и дообученная методом instruction tuning на смешанных наборах Blossom, Wizard и Dolphin. Обучение проходило в два этапа: сначала на одноходовых инструкциях Wizard и Dolphin, затем на многоходовых диалогах Blossom Chat и примерах по математике Blossom Math. Модель предназначена для генерации ответов в диалоге, выполнения инструкций и решения математических вопросов. Это плотная авторегрессионная архитектура Baichuan с 12,9 млрд параметров; метаданные указывают поддержку китайского и английского языков. README задаёт формат продолжения диалога с ролями Human и Bot, а для многоходового общения требует завершать ответы Bot токеном </s>. Репозиторий содержит веса PyTorch. Модель распространяется по лицензии Apache-2.0. В карточке не приведены результаты оценки качества и длина контекста, поэтому пригодность для конкретных сценариев следует проверять отдельно.

NbAiLab/borealis-open-270m — компактная инструкционная языковая модель семейства Borealis, разработанная Национальной библиотекой Норвегии. Это дообученная на инструкционных данных версия google/gemma-3-270m-it: модель с плотной архитектурой Gemma 3 и 257 млн параметров, доступная в формате Safetensors для Transformers. Её контекст составляет 32 768 токенов. Модель предназначена прежде всего для норвежских диалоговых задач: написания и редактирования текстов, составления заголовков и вводных абзацев новостей, суммаризации, ответов на вопросы и лёгких рассуждений. Она ориентирована на норвежский язык, включая букмол и нюношк, и также оценивается на английском; возможности за пределами норвежского и английского изучены недостаточно. Версия open не включает материалы, добавленные в полную версию по соглашению с правообладателями. Модель использует инструкционное дообучение и настройку поведения для более безопасных ответов, но не является специализированной моделью рассуждений. Она может галлюцинировать, ошибаться и выдавать предвзятый или неподходящий контент, поэтому не подходит для критически важных решений без дополнительной проверки. Лицензия — Gemma.

aloobun/bun_mistral_7b_v2 — дообученная модель семейства Mistral, созданная на основе mistralai/Mistral-7B-v0.1 для рассуждений с цепочкой мыслей (CoT). Это плотная авторегрессионная языковая модель на 7,1 млрд параметров с контекстом до 32 768 токенов, предназначенная для генерации текста и ответов с пошаговыми рассуждениями. В карточке указана английская поддержка; метаданные относят модель к задаче text-generation. Репозиторий содержит веса в формате safetensors; для модели также приведены варианты GPTQ, AWQ и GGUF. Модель подходит для экспериментов с пошаговым решением текстовых задач и генерацией ответов. Карточка не приводит оценок качества, обучающих данных или подробных рекомендаций по использованию, поэтому результаты рассуждений следует проверять. Указана лицензия CC; конкретная версия лицензии в предоставленных данных не уточнена.

BurningBruce-004 — разговорная языковая модель на архитектуре Mixtral MoE, созданная Kquant03, Dontriskit и NeuralNovel с помощью mergekit. Она предназначена для генерации текста и диалоговых сценариев. В README перечислены исходная модель leveldevai/TurdusBeagle-7B и четыре экспертные модели, использованные при сборке; метаданные указывают около 7,1 млрд параметров и контекст до 32 768 токенов. Модель принимает текст и выдаёт текст. В карточке указан английский язык, а для репозитория отмечены возможности чата. Автор приводит результаты отдельных бенчмарков, но полная таблица оценок и подробная методика в доступном тексте отсутствуют. Лицензия — Apache-2.0. Для MoE-моделей в README также отмечены высокие требования к памяти для размещения весов.

Calme 3.2 Instruct 3B — языковая модель Maziyar Panahi для генерации текста и диалогов в общих областях. Это дообученная версия Qwen2.5-3B с плотной архитектурой Qwen2 и 3,1 млрд параметров; она работает через Transformers и принимает запросы в формате ChatML. Заявленная длина контекста — 32 768 токенов. Модель подходит для инструкционного диалога, ответов на вопросы и других общих текстовых задач. В карточке указаны французский и английский языки, а также датасеты французских инструкций и EvolKit-20k. Доступны файлы Safetensors; отдельная версия GGUF размещена в связанном репозитории. Автор предупреждает, что из-за небольшого размера модель может хуже справляться с некоторыми запросами и быть чувствительной к гиперпараметрам. Рекомендуются меры предосторожности и проверка человеком при использовании в производстве. Лицензия указана как other, конкретные условия в предоставленных данных не раскрыты.