I.2Синтез, понимание и проверка знаний

Это дообученный чекпойнт Qwen3-32B, подготовленный автором aqbond как объединённые FSDP-веса после 175-го шага обучения. Модель использует плотную архитектуру Qwen3ForCausalLM, содержит 29,7 млрд параметров и рассчитана на генерацию текста и диалоговое взаимодействие. В README указано, что чекпойнт получен в эксперименте по синхронизации и исправлению траектории обучения; доступная информация не уточняет отдельную пользовательскую специализацию сверх возможностей базовой модели. Модель принимает текст и выдаёт текст. Контекст составляет до 40 960 токенов. Указана лицензия Apache-2.0. Это промежуточный экспериментальный чекпойнт, поэтому его качество и стабильность для практических сценариев следует оценивать отдельно.

domestic-yak-8B-instruct — инструктивная языковая модель на архитектуре Llama, разработанная командой LVSTCK как дообученная версия domestic-yak-8B. Модель содержит 7,5 млрд параметров и использует формат Safetensors; она предназначена для генерации текста и диалоговых ответов на македонском языке. Контекстное окно составляет 131 072 токена. Модель дообучена методом supervised fine-tuning в течение трёх эпох на македонских инструктивных данных. В описании набора указано около 100 тысяч примеров с вопросами и ответами, диалогами, рассуждениями, эссе и кодом; метаданные также перечисляют наборы LVSTCK/sft-mk, LVSTCK/Open-Platypus-MK и LVSTCK/ultrachat-sft-mk. Подходящие сценарии — чат-боты, виртуальные помощники и ответы на пользовательские запросы на македонском языке. Репозиторий лицензирован по llama3.1. Заявления README о сравнительных результатах приведены без доступных здесь подробностей оценки, поэтому их следует считать утверждениями авторов.

ssmits/Falcon2-5.5B-Polish — разреженная версия предобученной языковой модели семейства Falcon, созданная методом mergekit passthrough на основе tiiuae/falcon-11B. Для уменьшения модели выбраны диапазоны слоёв 0–23 и 55–58 по анализу сходства слоёв на 2 000 польских примерах Википедии. Модель имеет плотную архитектуру FalconForCausalLM, около 7,8 млрд параметров и контекст до 8 192 токенов; файлы представлены в формате safetensors, для работы через Transformers требуется PyTorch 2.0 или новее. Модель предназначена для генерации текста и дальнейшей адаптации, в частности для польскоязычных диалогов, суммаризации и чат-ботов. Карточка отмечает поддержку польского; README также перечисляет английский, немецкий, испанский, французский, итальянский, португальский, нидерландский, румынский, чешский и шведский, но предупреждает о слабом обобщении на другие языки. Модель унаследовала распространённые интернет-корпусные стереотипы и предубеждения, поэтому перед практическим применением её следует оценить и при необходимости дообучить. Лицензия — Apache-2.0.

Fiction Live Kimiko V2 70B — крупная языковая модель для генерации текста, созданная nRuaif и представленная в GGUF-квантизированном формате TheBloke. Модель основана на архитектуре Llama и предназначена для текстового общения и генерации ответов, включая сценарии ролевого взаимодействия и написания историй. В README указана поддержка английского языка и шаблон запросов Vicuna для диалога между пользователем и ассистентом. Доступны варианты GGUF с квантизацией 2, 3, 4, 5, 6 и 8 бит, что позволяет запускать модель с использованием CPU и GPU через llama.cpp и совместимые инструменты, включая text-generation-webui, KoboldCpp, LM Studio и llama-cpp-python. Размер модели — 70B параметров. Сведения о длине контекста, точной архитектуре, мультимодальности и дополнительных языках в README не указаны; заявлена только текстовая генерация. К преимуществам относятся несколько уровней квантизации и широкая совместимость с локальными средствами инференса. Ограничения включают высокие требования к ресурсам для версии на 70B параметров, возможную потерю качества при сильной квантизации и отсутствие подробных данных о результатах тестирования. Исходную модель разработал nRuaif, квантизацию выполнил TheBloke. Указана лицензия creativeml-openrail-m; кроме того, поскольку модель основана на Llama 2, README сообщает о применимости условий лицензии Meta Llama 2, то есть модель следует рассматривать как распространяемую с учетом обеих лицензий.

flammen15X-mistral-7B — языковая модель FlammenAI на архитектуре Mistral, созданная слиянием предварительно обученных моделей и последующим дообучением методом Direct Preference Optimization на наборах Gutenberg DPO и Chai DPO. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Модель предназначена для ролевых диалогов с персонажами, творческого письма и задач общего языкового общения. В карточке также заявлена ориентация на общие интеллектуальные задачи. Модель распространяется в формате safetensors для Transformers по лицензии Apache-2.0.

freewheelin/free-solar-instrunction-v0.1 — дообученная языковая модель семейства Llama с 10,7 млрд параметров для генерации текста. Разработчик сообщает, что модель дообучена с помощью TRL Trainer методом обучения из статьи SOLAR; в качестве базовой указана davidkim205/komt-solar-10.7b-sft-v5. Модель предназначена для генерации текста по запросу. Карточка не приводит конкретных сценариев применения или результатов оценки качества. В метаданных указаны корейский и английский языки, контекст 4096 токенов и формат Safetensors. Лицензия — MIT.

freewheelin/free-solar-instrunction-v0.3 — языковая модель генерации текста, созданная на основе davidkim205/komt-solar-10.7b-sft-v5. Модель дообучена с помощью TRL Trainer по методу обучения, описанному в статье SOLAR. Она предназначена для генерации текста; заявленные языки — корейский и английский. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 10,7 млрд параметров и поддерживает контекст до 4096 токенов. Модель распространяется в формате safetensors по лицензии MIT. README не приводит оценок качества или подробных сценариев применения, поэтому пригодность для конкретных задач следует проверять отдельно.

Gemma 2 2B Neogenesis ITA — диалоговая языковая модель Anakin87, дообученная на базе google/gemma-2-2b-it с помощью instruction fine-tuning и Direct Preference Optimization. Она предназначена прежде всего для генерации ответов и диалога на итальянском языке; также в обучении использовались английские данные. Модель использует плотную архитектуру Gemma 2 с примерно 2,7 млрд параметров и поддерживает контекст до 8192 токенов. Модель рассчитана на инструкции, вопросы и задачи рассуждения, включая математические, и показала результаты в итальянских тестах MMLU_IT, ARC_IT и HELLASWAG_IT. Небольшой размер удобен для сценариев с ограниченными ресурсами, однако объём мировых знаний ограничен. Разработчик отмечает, что модель не проходила специальную настройку безопасности. Репозиторий распространяет веса в формате safetensors; лицензия — Gemma.

DavidAU разработал Gemma3-27B-it-vl-GLM-4.7-Uncensored-Heretic-Deep-Reasoning — дообученную с помощью Unsloth мультимодальную модель семейства Gemma 3 с архитектурой Gemma3ForConditionalGeneration. Она принимает текст и изображения и предназначена для диалога, анализа изображений с рассуждениями и генерации текста, включая художественные истории и ролевые сценарии. В README заявлено контекстное окно 128k токенов и активация режима рассуждений фразой «think deeply:»; метаданные указывают датасет TeichAI/glm-4.7-2000x и базовую модель coder3101/gemma-3-27b-it-heretic. Карточка заявляет снижение числа отказов и приводит результаты бенчмарков, но это самооценка автора. Модель описана как uncensored и может выдавать откровенный или жестокий контент по запросу; для более явного стиля автор рекомендует задавать конкретные инструкции. Основной язык в метаданных — английский. Репозиторий содержит веса safetensors и распространяется по лицензии Apache-2.0.

HarunYigit/gemma3-4b-turkish-thinking — это дообученная модель Gemma 3 4B IT для генерации ответов на турецком языке с упором на следование инструкциям и рассуждения в стиле Chain-of-Thought. Она предназначена для диалогов, решения логических задач и оценки на тестах с выбором ответа; заявлены стабильный формат итогового ответа и совместимость с Ollama и llama.cpp. Архитектура — плотная Gemma 3, базовая модель содержит около 4 млрд параметров. В README указана публикация весов в GGUF, а метаданные также отмечают safetensors; лицензия — MIT. Карточка описывает текстовую генерацию, поэтому мультимодальные возможности базовой модели здесь не включены в назначение этой версии.

Gemma-4-12B-OBLITERATED TaQuants — GGUF-версия модели OBLITERATUS/Gemma-4-12B-OBLITERATED, подготовленная командой Tema_Q, командой zenei, с применением метода квантования TaQuants v3.0. Модель предназначена для генерации текста и диалогового использования; в репозитории представлены варианты Q4_K_M, TaIQ3_S и TaIQ2_M размером 7,38 и 5,48 ГБ для первых двух вариантов соответственно. Авторы сообщают, что Q4_K_M частично теряет работоспособность, TaIQ2_M полностью деградирует, а TaIQ3_S обеспечивает сопоставимый с Q4_K_M инференс без отмеченного частичного коллапса. Метаданные классифицируют репозиторий как производную дообученной модели в формате GGUF. Сведения о лицензии и поддерживаемых языках в предоставленных источниках отсутствуют.

TheCluster/Gemma-4-31B-Heretic-MLX-bf16 — мультимодальная чат-модель семейства Gemma 4 на 31 млрд параметров, представленная в формате MLX и точности bfloat16. Это конверсия модели coder3101/gemma-4-31B-it-heretic, созданной на основе google/gemma-4-31B-it методом ablation: по данным карточки, она реже отказывается отвечать, чем исходная версия. Поддержка изображений позволяет использовать модель для диалогов с визуальным содержимым и анализа изображений. Модель предназначена для разговорных сценариев и обработки запросов, включающих изображения. В метаданных перечислены английский, китайский, русский, испанский, французский, итальянский, японский, корейский, немецкий, арабский, турецкий, польский, шведский, нидерландский, иврит, индонезийский, украинский, персидский, португальский и финский. Репозиторий распространяется по лицензии Apache-2.0. README приводит сравнительный замер отказов: 15 из 100 запросов для этой версии против 99 из 100 у исходной модели; условия теста и качество на других задачах не описаны. Для запуска в указанном формате требуется совместимая среда MLX; карточка не сообщает длину контекста.

Huihui-gemma-3n-E4B-it-abliterated-GGUF — это квантизированная GGUF-версия модели Huihui-gemma-3n-E4B-it-abliterated, разработанной huihui-ai. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для локального запуска через llama.cpp, LM Studio и другие совместимые проекты. Модель относится к классу text-generation и, судя по заявленным тегам, поддерживает сценарии работы с текстом, аудио и видео, включая автоматическое распознавание речи, перевод речи и преобразование аудио или видео в текст. Указан размер E4B, однако точные сведения об архитектуре, количестве параметров, поддерживаемых языках и размере контекстного окна в карточке отсутствуют. Доступны варианты с разным уровнем квантизации: от BF16 размером 13,74 ГБ до компактных форматов около 4–7 ГБ; наиболее рекомендуемыми автор считает некоторые варианты Q4–Q6. К сильным сторонам относятся возможность локального запуска, широкий выбор квантизаций и заявленная мультимодальность. Ограничениями являются отсутствие явно указанного шаблона чата, из-за чего формат запросов может потребовать проверки по исходной карточке модели, а также недостаток данных о качестве, языках и контекстном окне. Модель помечена как abliterated и uncensored, поэтому её поведение и защитные ограничения могут отличаться от стандартной версии Gemma. Для использования требуется принять лицензию Google Gemma на Hugging Face; конкретные условия лицензии следует учитывать отдельно.

Huihui-GLM-4.5-Air-abliterated-lossytensors — преобразованная версия модели Huihui-GLM-4.5-Air-abliterated от Huihui AI, предназначенная для генерации текста и диалогового общения. Репозиторий содержит веса safetensors для запуска через Transformers и совместимые с этим форматом backend-системы. По карточке модели, веса вручную восстановлены из GGUF Q4_K_M и сохранены в BF16, поэтому преобразование не возвращает качество полной точности; модель относится к семейству GLM-4 MoE, имеет 8,5 млрд параметров и контекст до 131 072 токенов. Модель помечена как abliterated и uncensored; такие обозначения указывают на ослабленные ограничения ответов, но README не описывает конкретную методику изменения поведения. Указаны английский и китайский языки. Лицензия — MIT. Карточка предупреждает, что повторная квантизация в формат с точностью выше Q4_K_M не повысит качество.

Huihui-Qwen35-A35B-Ablit-Small-TQ3_4S — мультимодальная чат-модель на базе Huihui-Qwen3.5-35B-A3B-abliterated, представленная YTan2000 в формате GGUF. Это квантизированная сборка для запуска через llama.cpp и TurboQuant: эксперты MoE сжаты до 2–3 бит, компоненты внимания используют TQ3_4S, а мультимодальный проектор сохранён в F16. Репозиторий содержит основной файл размером 12,4 ГиБ; в рекомендуемой конфигурации указан контекст 16 384 токена и запуск на GPU с 16 ГБ видеопамяти. Модель предназначена для диалогов, ответов на вопросы и анализа изображений. Ослабленные отказы позволяют ей отвечать на более широкий круг запросов, однако это не гарантирует точность или безопасность ответов. Автор README приводит результат 10/10 на стандартном QA-тесте, но не сообщает его название или методику. Для работы требуются совместимый TurboQuant runtime и поддержка мультимодальных файлов GGUF. Лицензия — Apache-2.0.

InternVL3_5-8B-GGUF — это квантизированная версия мультимодальной модели InternVL3_5-8B, разработанной OpenGVLab. Модель предназначена для задач преобразования изображений и текста в текст, включая сценарии, где требуется анализ визуальной информации и генерация текстового ответа. Формат GGUF ориентирован на локальный запуск с использованием совместимых инструментов, в частности llama.cpp и LM Studio. Квантизацию выполнил bartowski на основе llama.cpp release b6258. В предоставленных данных указаны мультимодальный pipeline image-text-to-text и размер базовой модели 8B; сведения о конкретной архитектуре, поддерживаемых языках, длине контекста и доступных вариантах модальностей отсутствуют. Квантизация может упростить локальное развертывание и снизить требования к ресурсам, но потенциально влияет на точность по сравнению с исходной моделью. Лицензия в README не указана, поэтому условия использования необходимо уточнять в документации исходной модели OpenGVLab/InternVL3_5-8B и соответствующей версии GGUF. Как и другие модели такого типа, она может генерировать неточные, вредные или неподходящие ответы.

Janus-Pro-7B-GGUF — это GGUF-квантизированная версия мультимодальной модели Janus-Pro-7B, разработанной DeepSeek и опубликованной сообществом deepseek-community. Данный вариант подготовлен mradermacher. Модель предназначена для унифицированной работы с текстом и изображениями, включая мультимодальные сценарии и генерацию изображений по текстовому описанию. В основе лежит модель размером 7B параметров; доступны варианты в форматах f16 и различных уровнях квантизации GGUF — от Q2_K до Q8_0, а также IQ4_XS. Размер файлов составляет примерно от 2,8 до 13,9 ГБ. Для мультимодальной обработки предусмотрены отдельные компоненты mmproj в вариантах Q8_0 и f16. В метаданных указан английский язык, однако подробные сведения о поддерживаемых языках, длине контекста и конкретной архитектуре отсутствуют. Ключевое преимущество модели — сочетание текстовых и визуальных возможностей в единой системе, а квантизация позволяет запускать её с различными компромиссами между размером, скоростью и качеством. Ограничения связаны с потерями качества у более низких уровней квантизации и отсутствием в README подробных результатов оценки, требований к оборудованию и инструкций по работе с мультимодальными функциями. Модель распространяется по лицензии MIT; в метаданных также указано имя лицензии deepseek.

K2S3-SOLAR-11b-v4.0 — корейская языковая модель, разработанная K2S3 и дообученная методом SFT со всеми параметрами на базе upstage/SOLAR-10.7B-v1.0. Она предназначена для генерации текста и диалоговых задач на корейском языке. Обучающие данные включают материалы Стандартного словаря корейского языка, KULLM Университета Корё, образцы корейских текстов AI Hub, аннотации диссертаций, а также alpaca-gpt4-data и OpenOrca. Модель использует плотную архитектуру LlamaForCausalLM, содержит 10,6 млрд параметров и поддерживает контекст до 4096 токенов. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Kaiju-A-57B — экспериментальная слитая языковая модель, созданная автором lodrick-the-lafted для сообщества LocalLlama. Она основана на шаблоне слияния Goliath-120B: с помощью mergekit объединены Tess-M-v1.3 и Tess-M-v1.2, обе доработки семейства Yi. В метаданных указаны архитектура LlamaForCausalLM, 56,8 млрд параметров и контекст до 200 000 токенов; веса доступны в формате safetensors. Модель предназначена для генерации текста в формате SYSTEM/USER/ASSISTANT и для локальных экспериментов с крупными языковыми моделями. Автор выбрал исходные модели, в частности, из-за поддержки Yi-200K и проблем слияния моделей с разными вариантами позиционного кодирования. Указана лицензия other, поэтому конкретные условия использования следует проверять в репозитории. Это экспериментальное слияние; качество и поведение модели отдельно не охарактеризованы.

gogamza/kobart-summarization — модель семейства BART, предназначенная для суммаризации текстов на корейском языке. Она содержит около 79,7 млн параметров и использует архитектуру BartForConditionalGeneration; модель создана для генерации краткого пересказа по входному тексту. Модель подходит для автоматического сокращения корейских статей и документов. Контекст составляет до 1026 токенов. Доступны веса PyTorch и safetensors; лицензия — MIT.

EbanLee/kobart-summary-v3 — корейская модель суммаризации, разработанная на основе KoBART. Авторы дообучили её на данных для краткого пересказа документов и материалов книг, а также для генерации резюме и отчётов. Версия v3 использует изменённый и расширенный набор данных; по описанию авторов, она чаще формирует резюме из отдельных, прерывистых предложений. Модель построена на архитектуре BART и содержит 79,7 млн параметров. Она принимает текст и генерирует текстовое резюме; максимальная длина контекста — 1026 токенов. Модель предназначена прежде всего для суммаризации на корейском языке. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана.

realPCH/ko_solra_merge — дообученная языковая модель, опубликованная пользователем realPCH. В README указано, что она создана на основе yanolja/KoSOLAR-10.7B-v0.1 с использованием различных наборов данных. По архитектуре это плотная Llama-модель для генерации текста, содержащая 10,7 млрд параметров и рассчитанная на контекст до 4096 токенов. Модель предназначена для генерации текста и может использоваться в сценариях, где требуется продолжать или создавать текстовый ответ. README показывает загрузку через Transformers. Модель распространяется в формате Safetensors по лицензии MIT; сведения о конкретных наборах данных и результатах оценки не приведены.

Krakowiak-7B-v2 — польская языковая модель для генерации текста, разработанная Шимоном Францишеком Руциньским. Она основана на Mistral-7B и дообучена на самостоятельно созданном корпусе из 300 тысяч польских инструкций для следования инструкциям и генерации текста на польском языке. Модель имеет плотную архитектуру Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. В карточке указаны Grouped-Query Attention, Sliding-Window Attention и токенизатор BPE с поддержкой отдельных байтов. Для инструкций используется формат [INST]…[/INST]. Модель распространяется в формате safetensors по лицензии CC BY-SA 4.0.

L3.3-MS-Evalebis-70b-GGUF — это квантизированная версия текстовой генеративной модели L3.3-MS-Evalebis-70b, разработанной Steelskull и преобразованной в формат GGUF пользователем bartowski. Модель создана на основе объединения моделей с использованием mergekit и предназначена для локального запуска через llama.cpp, в том числе в LM Studio. Модель имеет заявленный размер 70 млрд параметров и работает с текстом. В репозитории представлены варианты квантизации Q2–Q8 и IQ, размером примерно от 21 до 75 ГБ. Более высокие уровни квантизации обеспечивают лучшее сохранение качества, но требуют больше оперативной памяти или видеопамяти; Q4_K_M, Q5 и Q6_K отмечены как рекомендуемые, тогда как варианты Q2 и Q3 имеют заметно более низкое качество. Квантизация выполнена с использованием imatrix на базе llama.cpp. Модель подходит для локальной генерации текста и диалоговых сценариев при наличии значительных аппаратных ресурсов. В README не указаны поддерживаемые языки, длина контекста, результаты тестирования, точные особенности базовой архитектуры и условия лицензирования, поэтому эти характеристики нельзя достоверно оценить по имеющимся данным.

L3-8B-Stheno-v3.2-abliterated — англоязычная разговорная модель на архитектуре Llama, созданная слиянием Sao10K/L3-8B-Stheno-v3.2 и grimjim/Llama-3-Instruct-abliteration-LoRA-8B методом linear merge через mergekit. Модель содержит 7,5 млрд параметров и принимает текстовые запросы для генерации ответов и диалогов; заявленная длина контекста составляет 8192 токена. Модель предназначена для чат-общения и генерации текста. В README автор сообщает об успешной abliteration-адаптации; конкретные гарантии качества и поведение после этой процедуры не описаны. Распространяется в формате Safetensors; упоминание GGUF и imatrix относится к квантованным версиям автора mradermacher. Лицензия в предоставленных данных не указана.

Wayfarer-2-12B-GGUF — набор квантованных версий языковой модели Wayfarer-2-12B, разработанной LatitudeGames. Файлы подготовлены пользователем bartowski в формате GGUF с применением llama.cpp и метода imatrix. Модель предназначена для генерации текста и локального запуска в LM Studio, llama.cpp и других совместимых проектах. Доступны веса BF16, а также варианты квантования Q8_0, Q6, Q5, Q4, Q3, Q2 и IQ. Размер файлов составляет примерно от 5,45 до 24,50 ГБ, что позволяет выбирать между качеством генерации и требованиями к оперативной памяти. Версии Q6 и Q5 позиционируются как высококачественные, Q4 — как оптимальный вариант для большинства сценариев, а Q3 и Q2 — как решения для систем с ограниченными ресурсами. Модель поддерживает текстовую генерацию, однако сведения об архитектуре, языках, размере контекста, формате промптов и специальных возможностях в представленном README отсутствуют. Квантование уменьшает требования к памяти, но может снижать качество по сравнению с исходными BF16-весами; варианты с более низкой разрядностью имеют более заметные ограничения. Лицензия в README не указана.

fzikri169 дообучил эту модель на основе unsloth/qwen2.5-1.5b-instruct-unsloth-bnb-4bit — инструкционной модели Qwen2.5. Это плотная авторегрессионная языковая модель с 1,5 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Несмотря на название legal-assistant, README не описывает юридические датасеты, специализированное обучение или конкретные правовые сценарии, поэтому специализацию на праве подтвердить нельзя. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 32 768 токенов. Она обучена с использованием Unsloth и библиотеки TRL; репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Количественных оценок качества или сведений о юридической точности в карточке нет.

LFM2.5-2.6B-CoreAI — это версия языковой модели LiquidAI LFM2.5-2.6B, конвертированная в формат Apple Core AI (.aimodel) пользователем mlboydaisuke. Модель предназначена для локальной генерации текста на устройствах под управлением iOS 27 и macOS 27, включая сценарии офлайн-инференса на GPU или Neural Engine через runtime Core AI. Проект не связан официально с Apple или LiquidAI. Модель имеет гибридную архитектуру из 30 слоёв: 22 short-conv mixer-слоя и 8 слоёв внимания GQA, со скрытым размером 2048, MLP-размером 10 752, 32 query- и 8 key/value-головами, а также словарём на 128 000 токенов. Рекуррентное сканирование отсутствует; граф декодирования рассчитан на движок coreai-pipelined и использует состояние свёртки фиксированной формы. Это reasoning-модель: генерация начинается с этапа рассуждений, поэтому ей требуется достаточный лимит токенов, а короткий лимит может завершить ответ посреди рассуждения. Доступны варианты с квантованием int8 и int4. Для int8hu заявлены размер 3,4 ГБ и скорость декодирования до 116,7 токена в секунду, для int4lin — 2,0 ГБ и до 139,2 токена в секунду на M4 Max; опубликованные показатели относятся к macOS 27 и не являются результатами для iPhone. В README отмечено отсутствие наблюдаемого ухудшения качества в ограниченной проверке int4, однако полноценного бенчмарка по этим данным нет. Основные ограничения — требование iOS 27/macOS 27, отсутствие измерений на iPhone и заметный объём fp16-эмбеддингов. Модель распространяется по лицензии LFM Open License v1.0, унаследованной от исходной LiquidAI LFM2.5-2.6B.

Карточка модели longtermrisk/Llama-3.1-8B-german-city-names-first-third-v2-sft-seed2 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.

Карточка модели longtermrisk/Llama-3.1-8B-german-city-names-v2-sft-seed2 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.