I.2Синтез, понимание и проверка знаний

bartowski/SUFE-AIFLM-Lab_Fin-R1-GGUF — это GGUF-квантизация текстовой генеративной модели Fin-R1, разработанной SUFE-AIFLM-Lab. Квантизации выполнены bartowski с использованием llama.cpp release b4944 и метода imatrix. Модель предназначена для локального запуска через llama.cpp, LM Studio и другие совместимые проекты, поддерживающие этот формат. В репозитории представлены варианты от исходных BF16-весов размером 15,24 ГБ до низкобитных квантизаций размером около 3 ГБ. Доступны форматы Q8_0, Q6_K, Q5_K, Q4_K, Q3_K, Q2_K и IQ-квантизации; некоторые варианты используют Q8_0 для весов эмбеддингов и выходного слоя. Более высокие разрядности обеспечивают лучшее качество, а низкие требуют меньше оперативной памяти, но заметно уступают по качеству. Рекомендуемым вариантом общего назначения указан Q4_K_M, а Q6_K и Q6_K_L описаны как варианты почти без потери качества. README не сообщает архитектуру, число параметров, поддерживаемые языки, размер контекста, модальности, результаты тестирования или назначение исходной модели в конкретных прикладных областях. Для работы необходимо использовать шаблон чата с маркерами system, user и assistant. Лицензия в предоставленных данных не указана.

Sunflower-Qwen3.8-27B — открытая модель Sunbird AI на базе Qwen3.8-27B, дообученная для 68 африканских языков, с наиболее глубокой поддержкой 31 языка Уганды. Она предназначена прежде всего для перевода между английским и африканскими языками, а также для понимания текста, ответов на вопросы и рассуждений. Модель поддерживает диалоговый формат Qwen3.8; при включённом режиме thinking сама решает, когда применять рассуждение. Для массового перевода thinking можно отключить, чтобы ускорить генерацию без потери качества перевода. По результатам оценок авторов, модель показывает сильные результаты на переводческих наборах, включая FLORES-200 и SAHARA, и особенно эффективна при переводе на языки Уганды. Качество заметно различается между языками в зависимости от объёма обучающих данных: для языков базового уровня авторы рекомендуют проверять результат с носителем. Перевод оптимизирован сильнее, чем общий чат и рассуждения; как и другие большие языковые модели, Sunflower может уверенно выдавать неверную информацию. Модель распространяется по лицензии Apache-2.0.

Retrieva, Inc. разработала эту японскую предварительно обученную модель T5 v1.1 типа Transformer Encoder-Decoder. Она рассчитана на текстовые задачи преобразования текста в текст и может служить основой для дообучения под конкретные сценарии. В обучении использовались японская Википедия и японская часть mC4; обучение выполнено за 2 097 152 шага. В архитектуре T5 v1.1 применяются активация GEGLU и отдельные веса для эмбеддингов и классификатора. Метаданные указывают 123,8 млн параметров и формат PyTorch; в README размер обозначен как Base (~220 млн), поэтому сведения о размере расходятся. Модель предназначена прежде всего для задач на японском языке. Лицензия CC-BY-SA 4.0 допускает коммерческое использование; разработчик просит заранее связаться с ним при коммерческом применении. Карточка не приводит конкретных оценок качества или длины контекста.

TheDrummer_Behemoth-X-123B-v2.1-GGUF — это GGUF-квантизированная версия языковой модели Behemoth-X-123B-v2.1, разработанной TheDrummer и подготовленной квантизатором bartowski с использованием llama.cpp. Модель предназначена для генерации текста и может запускаться локально через llama.cpp, LM Studio и другие совместимые проекты. В основе лежит модель размером 123 млрд параметров; доступны варианты квантования от Q8_0 до Q2_K_L, объёмом примерно от 45,59 до 130,28 ГБ. Квантизация выполнена с использованием imatrix, что направлено на сохранение качества при уменьшении требований к памяти. Более качественными считаются варианты Q6_K, Q5_K_M, Q5_K_S и Q4_K_M, а варианты Q3 и Q2 экономят память за счёт заметного снижения качества. Поддержка модальностей, языки и размер контекста в представленном README не указаны. Модель подходит для локальной генерации текста при наличии значительных аппаратных ресурсов. Точный формат запросов не определён: в README отмечено, что используется шаблон по умолчанию, который может быть некорректным, поэтому рекомендуется сверяться с карточкой исходной модели. Лицензия в предоставленных данных не указана.

TheDrummer_Gemma-3-R1-27B-v1-GGUF — это набор квантизованных версий языковой модели Gemma-3-R1-27B-v1, разработанной TheDrummer. Квантизацию выполнил bartowski с использованием llama.cpp b6139 и метода imatrix. Модель предназначена для генерации текста и локального запуска через llama.cpp, LM Studio и другие совместимые проекты на базе llama.cpp. В набор входят варианты в форматах GGUF с точностью от BF16 до Q3 и IQ3/IQ4, размером примерно от 11,56 до 54,03 ГБ. Более высокие уровни квантизации обеспечивают лучшее сохранение качества, но требуют больше памяти; варианты Q6_K_L, Q6_K, Q5 и Q4 отмечены как рекомендуемые, тогда как некоторые варианты Q3 имеют более низкое качество. Архитектура исходной модели, поддерживаемые языки, модальности и размер контекста в README не указаны, формат промпта также не найден. Преимущество набора — возможность подобрать баланс между качеством, размером файла и требованиями к памяти для локального использования, включая сценарии на CPU и Apple silicon. Ограничения связаны с потерями качества при низких уровнях квантизации и отсутствием сведений о лицензии, языках и конкретных возможностях исходной модели. Лицензия в README не указана.

Thoth-30B-A3B-i1-GGUF — это квантизированная версия языковой модели Thoth-30B-A3B, разработанной командой thuml и преобразованной в формат GGUF пользователем mradermacher. В метаданных модель связана с архитектурой Qwen3, обучением на временных рядах и задачами ответов на вопросы; заявленный язык — английский. README описывает модель как результат mid-training, однако подробности исходной архитектуры и процесса обучения не приведены. Доступны варианты с разными типами квантизации i1, включая IQ1–IQ4, Q2–Q6 и другие форматы, размером примерно от 6,5 до 25,2 ГБ. Варианты отличаются компромиссом между размером, скоростью и качеством; в README рекомендуются i1-Q4_K_M как быстрый вариант и i1-Q4_K_S как сбалансированный по размеру, скорости и качеству. Модель предназначена для локального запуска совместимыми инструментами, работающими с файлами GGUF. Сильной стороной является широкий выбор квантизаций, позволяющий адаптировать модель к доступным ресурсам. При этом низкобитные варианты могут заметно уступать по качеству, а точные параметры контекста, мультимодальность, результаты тестирования и аппаратные требования не указаны. Лицензия модели — Apache 2.0.

ICEPVP8977/Uncensored_llama_3.2_3b_safetensors — текстовая генеративная модель семейства Llama, представленная в формате safetensors. По названию репозитория она основана на Llama 3.2 3B и позиционируется как менее ограниченная версия, сохраняющая уважительный тон общения без чрезмерной цензуры. Разработчик в README не назван. Модель предназначена для генерации текста и диалоговых ответов на английском языке. Размер модели составляет 3,2 млрд параметров, архитектура — плотная авторегрессионная LlamaForCausalLM; заявленная длина контекста — 131 072 токена. README содержит инструкцию по загрузке весов через Hugging Face Hub. Данных о лицензии и результатах оценки качества в предоставленных материалах нет, поэтому условия использования и фактическую степень ограничений по ним определить нельзя. Перед применением следует проверить лицензию и поведение модели на целевых сценариях.

v6-Finch-14B-HF-GGUF — набор GGUF-квантизаций базовой модели RWKV/v6-Finch-14B-HF, подготовленный пользователем bartowski. Модель предназначена для генерации текста и локального запуска через llama.cpp, в том числе в LM Studio. README не содержит сведений о специализированных сценариях применения, языках или формате промптов; для последнего рекомендуется обратиться к странице исходной модели. Модель имеет размер 14 млрд параметров. Доступны варианты от полноточного F16 размером 28,60 ГБ до квантизаций Q8_0, Q6, Q5, Q4, Q3 и Q2 размером примерно от 5,47 до 15,62 ГБ, включая варианты, оптимизированные для ARM. Квантизации созданы с использованием imatrix на базе llama.cpp; также заявлено исправление токенов BOS/EOS. Более качественные варианты требуют больше оперативной памяти, а низкобитные экономят ресурсы ценой снижения качества. Лицензия модели — Apache-2.0. Контекстное окно, точная архитектура, поддерживаемые языки, показатели качества и ограничения исходной модели в представленном README не указаны.

Yi-Ko-34B — авторегрессионная языковая модель, разработанная Джунбумом Ли (Beomi) на основе семейства Yi от 01.AI. Это предварительно обученная версия с 34 млрд параметров в формате Transformers, построенная на оптимизированной архитектуре Transformer на базе Llama 2 и совместимая с классом LlamaForCausalLM. Модель продолжает обучаться на смешанных онлайн-данных на корейском и английском языках; расширенный словарь SentencePiece BPE содержит 78 464 токена с дополнительными корейскими токенами и правилами слияния. В README заявлена длина контекста 4k токенов, тогда как метаданные указывают native context 2048 токенов. Модель принимает текст и генерирует текст. Она предназначена для генерации и продолжения текста, особенно для сценариев на корейском и английском; в README приведены результаты на корейских тестах KMMLU и KoBEST. Это базовая предварительно обученная модель, а не специализированная чат-модель. Репозиторий содержит веса safetensors и использует лицензию Apache 2.0. Крупный размер 34B требует значительных вычислительных ресурсов.

Yugo55A-GPT — языковая модель datatab, полученная линейным слиянием четырёх предварительно обученных моделей с помощью mergekit. Она построена на архитектуре Mistral, содержит 7,1 млрд параметров и принимает текст для генерации ответов в диалоге и выполнения инструкций. Заявленная длина контекста — 32 768 токенов. Модель ориентирована прежде всего на общение на сербском языке. В README приведены результаты оценки на сербском бенчмарке; оценивание проводилось на 4-битной версии из-за ограничений оборудования. Сведения об этих результатах не позволяют делать выводы о качестве во всех сценариях использования. В состав слияния вошли datatab/Yugo55-GPT-v4, datatab/Yugo55-GPT-DPO-v1-chkp-300, mlabonne/AlphaMonarch-7B и NousResearch/Nous-Hermes-2-Mistral-7B-DPO. Модель распространяется в формате safetensors под лицензией MIT.

Модель ShenaoZhang/0.0_ablation_4iters_bs128_nodpo_iter_2 — дообученная версия ShenaoZhang/0.0_ablation_4iters_bs128_nodpo_iter_1, опубликованная ShenaoZhang. Это плотная авторегрессионная языковая модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. В метаданных указаны контекст до 32 768 токенов, формат safetensors и лицензия MIT. Карточка связывает дообучение с наборами данных updated и original, но не описывает их содержание, методику обучения или результаты оценки. Поэтому конкретные сильные стороны и области применения сверх генерации текста и чата не подтверждены. Модель принимает текст и выдаёт текст; сведений о целевых языках нет.

ShenaoZ/0.0_withdpo_4iters_bs256_5102lr_iter_3 — диалоговая языковая модель на архитектуре Mistral, дообученная из ShenaoZ/0.0_withdpo_4iters_bs256_5102lr_iter_2 на обновлённом и исходном датасетах. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста в диалоговом формате. Карточка не раскрывает тематику данных, результаты оценки или конкретные сценарии применения, поэтому качество и специализацию модели определить нельзя. Распространяется по лицензии MIT.

CausalLM/72B-preview-llamafied-qwen-llamafy — экспериментальная чат-модель примерно на 71 млрд параметров, созданная на основе Qwen 72B и адаптированная к архитектуре, совместимой с LLaMA 2. Она предназначена для генерации текста в диалоговом формате ChatML; README рекомендует загружать её через Transformers без удалённого кода. Модель принимает текст и выдаёт текст, поддерживает английский и китайский языки, а заявленная длина контекста составляет 32 768 токенов. Модель обучалась на неотфильтрованных интернет-данных, и для неё не проводилась настройка безопасности с помощью RLHF или отказных примеров. Автор предупреждает о возможном появлении оскорбительного, порнографического и жестокого контента, а также не гарантирует качество. Для этого предварительного выпуска указана лицензия GPL-3.0.

Freenixi/Abiray-Qwen3.6-27B-NVFP4-GGUF — общественная GGUF-сборка модели Qwen3.6-27B, подготовленная для локального запуска в LM Studio на Windows и видеокартах NVIDIA RTX 5090 с архитектурой Blackwell. Основной файл получен конвертацией NVFP4-чекпойнта Abiray/Qwen3.6-27B-NVFP4; проектор изображений взят из unsloth/Qwen3.6-27B-GGUF. Это не официальный выпуск Qwen. Модель предназначена для диалогов и мультимодальных сценариев с изображениями. Карточка указывает контекст до 96 000 токенов и скорость генерации свыше 50 токенов в секунду на RTX 5090; фактическая производительность зависит от настроек и нагрузки. Для обработки изображений необходим отдельный файл проектора mmproj-BF16.gguf. Режим рассуждений включён по умолчанию, а LM Studio может не предоставлять для него видимого переключателя. Сборка использует экспериментальную поддержку NVFP4 в ветке llama.cpp и сочетает компоненты из разных источников, что может приводить к несовместимостям. Она рассчитана на локальные эксперименты и тестирование, а не позиционируется как производственный выпуск. Лицензия репозитория — Apache-2.0.

AceGPT-7B — генеративная языковая модель, разработанная исследователями из Шэньчжэньского университета Китайского университета Гонконга, Шэньчжэньского института исследований больших данных и Университета науки и технологий имени короля Абдаллы. Это версия семейства AceGPT с 7 млрд параметров, дообученная на основе LLaMA 2 и ориентированная прежде всего на арабский язык. Модель принимает текст и генерирует текст; в метаданных указана архитектура LLaMA и контекст до 2048 токенов. Модель предназначена для генерации текста и ответов на вопросы на арабском языке, в том числе для задач знаний и рассуждений. В карточке приведены оценки на арабских наборах Arabic MMLU и EXAMs; вариант AceGPT-chat отдельно описан как оптимизированный для диалогов, но этот репозиторий содержит базовую AceGPT-7B, а не chat-вариант. Модель опубликована в формате PyTorch под лицензией Apache-2.0.

Карточка модели Graceful6025/AceGPT-7B на Hugging Face совпадает с карточкой FreedomIntelligence/AceGPT-7B, поэтому описание составлено по ней. AceGPT-7B — генеративная языковая модель, разработанная исследователями из Шэньчжэньского университета Китайского университета Гонконга, Шэньчжэньского института исследований больших данных и Университета науки и технологий имени короля Абдаллы. Это версия семейства AceGPT с 7 млрд параметров, дообученная на основе LLaMA 2 и ориентированная прежде всего на арабский язык. Модель принимает текст и генерирует текст; в метаданных указана архитектура LLaMA и контекст до 2048 токенов. Модель предназначена для генерации текста и ответов на вопросы на арабском языке, в том числе для задач знаний и рассуждений. В карточке приведены оценки на арабских наборах Arabic MMLU и EXAMs; вариант AceGPT-chat отдельно описан как оптимизированный для диалогов, но этот репозиторий содержит базовую AceGPT-7B, а не chat-вариант. Модель опубликована в формате PyTorch под лицензией Apache-2.0.

ishikaa/acquisition_generator_AS_confidence_combined_qwen14b — текстовая генеративная модель на базе семейства Qwen2, предназначенная для задач генерации текста. Модель доступна через библиотеку Transformers и содержит 14B параметров. Модель поддерживает контекст до 32 768 токенов и может использоваться в приложениях, где требуется продолжение или создание текстовых последовательностей, включая диалоговые сценарии. По идентификатору модели можно предположить связь с генерацией материалов для acquisition и комбинированием confidence, однако README не содержит подтверждающего описания, методики обучения или результатов оценки. Разработчик, лицензия, поддерживаемые естественные языки, обучающие данные, показатели качества и специальные ограничения в доступных материалах не описаны. Перед использованием в прикладных системах модель следует протестировать на целевых данных, проверить устойчивость ответов и отдельно оценить риски фактических ошибок и нежелательного содержания.

Aetheria-longLORA-70b-rope8-32k-fp16 — объединённая модель на базе Aetheria-L2-70B с компонентами LongAlpaca-70B-lora. По README, при слиянии заменены слои эмбеддингов и нормализации, а также удалены дополнительная строка и токен заполнения, чтобы согласовать словари. Дополнительного дообучения не проводилось. Модель предназначена для генерации текста и экспериментальной проверки возможностей длинного контекста с линейным масштабированием RoPE с коэффициентом 8. В метаданных указана архитектура LlamaForCausalLM, около 68,7 млрд параметров и нативный контекст 4096 токенов; заявка на контекст 32K в README описана как гипотеза для проверки, а не подтверждённая характеристика. Весы доступны в формате safetensors. Лицензия в метаданных не определена.

anirudh21/albert-large-v2-finetuned-rte — модель классификации последовательностей на базе ALBERT Large v2, дообученная на наборе GLUE для задачи RTE, связанной с распознаванием текстового следования. Модель принимает текстовые последовательности и относит их к классам задачи; архитектура использует AlbertForSequenceClassification и содержит 433,4 млн параметров. Максимальная длина контекста — 512 токенов. На оценочной выборке GLUE указаны loss 0,6827 и accuracy 0,5487, поэтому результаты на этой задаче ограничены. Модель опубликована в формате PyTorch и распространяется по лицензии Apache-2.0. Языковая поддержка в карточке не обозначена.

AMALIA-9B-0626-DPO-GGUF — это набор GGUF-квантизаций языковой модели AMALIA-9B-0626-DPO, подготовленный layerx-labs для работы с llama.cpp и совместимыми приложениями, включая LM Studio, Ollama и Jan. Исходная модель разработана консорциумом португальских университетов и исследовательских центров при финансировании правительства Португалии. Это вариант DPO, дообученный на предпочтениях, ориентированный прежде всего на европейский португальский язык и задачи генерации текста в диалоговых и других текстовых сценариях. Модель имеет около 9 миллиардов параметров и распространяется в вариантах BF16, Q8_0, Q4_K_M и Q4_K_S размером примерно от 5,4 до 18,3 ГБ. Формат GGUF и встроенный шаблон ChatML с системным промптом AMALIA упрощают запуск в совместимых рантаймах. Q4_K_M заявлен как сбалансированный вариант по качеству и размеру, Q8_0 — как близкий к исходному качеству, а BF16 содержит исходные веса; квантизация позволяет снизить требования к памяти, но может ухудшать качество по сравнению с полной точностью. Модель особенно подходит для локального запуска, генерации текста и общения на европейском португальском языке. Сведения о других языках, точной архитектуре, максимальном контексте и специализированных возможностях в карточке не приведены; в примере запуска сервера используется контекст 8192 токена, но это не подтверждает максимальный размер контекстного окна. Модель и её квантизированные варианты распространяются по лицензии Apache 2.0.

ao-karasu-72B — разговорная языковая модель семейства Qwen2, опубликованная lightblue. Это плотная архитектура Qwen2ForCausalLM примерно на 71 млрд параметров с контекстом до 32 768 токенов; модель распространяется в формате safetensors и предназначена для генерации текста и диалогов. Для запуска автор рекомендует не менее четырёх видеокарт A100. Модель обучена примерно на 20 млн символов, выбранных из корпуса объёмом более 1,1 млрд символов. В данных были вопросы и ответы на основе Wikipedia, технические блоги, ответы с японского сайта вопросов и ответов, сгенерированные LLM диалоги и новостные статьи. Это указывает на ориентацию прежде всего на японский язык и диалоговые сценарии. Лицензия в предоставленных сведениях не указана.

NoesisLab Asterisk-135M — экспериментальная разговорная языковая модель для генерации текста, построенная на базе SmolLM2-135M-Instruct. Разработчик описывает её как гибридную архитектуру ASPP-Attention: 30 слоёв сочетают оператор ASPP для локальной обработки состояний с механизмом внимания для глобального контекста. README указывает 171,2 млн параметров, тогда как метаданные Hugging Face — 134,5 млн; точный размер по этим источникам расходится. Нативный контекст составляет 8192 токена. Модель дообучена методом supervised fine-tuning на датасете Capybara и предназначена для диалога, генерации текста и задач рассуждения по структурированной информации. В README приведены предварительные результаты на HellaSwag, ARC-Easy и ARC-Challenge; автор отмечает, что оценка проводилась с ограниченным числом примеров и полная проверка ещё не завершена. Карточка ориентирует модель на английский язык. Лицензия — Apache-2.0.

Athnete-13B — текстовая модель генерации на архитектуре Llama, опубликованная IkariDev. Репозиторий содержит веса FP16; модель использует шаблон Alpaca и предназначена для ролевых диалогов, откровенных ролевых сценариев и задач общего назначения. Автор сообщает, что модель объединена из IkariDev/Athena-v3 и Undi95/Nete-13B. Модель насчитывает 12,9 млрд параметров и поддерживает контекст до 4096 токенов. Она принимает текстовые инструкции и генерирует текст. Язык лицензии CC BY-NC 4.0 ограничивает использование некоммерческими условиями; README отдельно указывает на пригодность для ERP-сценариев.

Atllama v3.5 — дообученная модель Arzu Huseynov и Nigar Arabli на основе meta-llama/Llama-3.1-8B-Instruct, настроенная для работы на азербайджанском языке. Это плотная авторегрессионная модель семейства Llama примерно с 7,5 млрд параметров; она принимает текст и генерирует текст. В метаданных указан контекст до 131 072 токенов, формат весов — safetensors, лицензия — MIT. Модель предназначена для генерации азербайджанского текста, выполнения инструкций и ответов на вопросы. Её обучали на наборе примерно из 50 тысяч примеров, включая инструкционные пары, материалы Википедии и новостные тексты. В метаданных также отмечен интерфейс вызова инструментов, но README не приводит подробностей его работы. Проект обозначен как экспериментальный. Модель может хуже справляться с другими языками, региональными вариантами азербайджанского и узкоспециализированными темами; возможны смещения, унаследованные от обучающих данных. Авторы не рекомендуют использовать её в производственной среде без дополнительной проверки.

BARTpho-syllable — вьетнамская предварительно обученная модель кодировщика-декодировщика семейства BART, разработанная Nguyen Luong Tran, Duong Minh Le и Dat Quoc Nguyen. Версия syllable использует слоговую токенизацию; модель построена на крупной архитектуре BART и обучена как последовательностная модель с устранением шума. В репозитории представлены веса PyTorch и TensorFlow, объём модели — 242,3 млн параметров, максимальная длина контекста — 1024 токена. Модель предназначена для генеративных задач обработки вьетнамского текста. В частности, её можно применять для суммаризации и использовать как предварительно обученную основу для последующих задач NLP. В описанных авторами экспериментах по суммаризации вьетнамских текстов BARTpho превзошла базовую mBART по автоматической и человеческой оценке. Лицензия — MIT; авторы просят цитировать публикацию при использовании модели в научных работах или программном обеспечении.

Это англоязычный BERT-generation encoder от Google, опубликованный на Hugging Face. Модель имеет 24 слоя, 1024 скрытых измерения, 16 голов внимания и около 454 млн параметров; максимальная длина входа — 512 токенов. Она предназначена для кодирования текста и может служить энкодером в задачах генерации последовательностей, например суммаризации или перевода, в паре с декодером. Модель принимает текст и выдаёт контекстные представления токенов. В конфигурации указана двунаправленная обработка контекста. Карточка не содержит сведений о лицензии, поэтому условия использования по имеющимся данным определить нельзя.

Bielik-11B-v2.2-Instruct-EXL2-4.5bit — квантизированная версия модели SpeakLeash Bielik-11B-v2.2-Instruct, подготовленная SpeakLeash и ACK Cyfronet AGH; за квантизацию отвечал Ремигиуш Кинас. Это плотная авторегрессионная модель Mistral с причинным декодером и примерно 11 млрд параметров, настроенная для диалогов и генерации текста на польском языке. Контекстное окно составляет 32 768 токенов. Модель подходит для польскоязычных диалоговых сценариев и генерации ответов. Представлена в формате EXL2 с квантизацией 4,5 бита, что сокращает требования к памяти. Квантизация может снижать качество ответов и повышать вероятность галлюцинаций. В README указаны лицензия Apache 2.0 и дополнительные условия использования; перед применением следует учитывать оба набора условий.

BioinspiredLlama-3-1-8B-128k — разговорная языковая модель семейства Llama, опубликованная организацией lamm-mit. Она предназначена для генерации текста и диалога по темам биологии, химии, биологических материалов, материаловедения и инженерии. По метаданным, модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и поддерживает контекст до 131 072 токенов. Модель загружается через Transformers в формате safetensors. Карточка содержит примеры инференса и многоходового взаимодействия, но не описывает обучение, оценку качества или конкретный перечень поддерживаемых языков. Лицензия в предоставленных данных не указана.

Bioinspired-Llama-3-1-8B-128k-gamma — плотная авторегрессионная языковая модель семейства Llama 3.1, опубликованная lamm-mit. Модель содержит 7,5 млрд параметров и рассчитана на генерацию текста в диалоговом режиме; заявленное нативное окно контекста — 131 072 токена. В метаданных указаны области биологии, химии, биологических материалов, материаловедения, инженерии и научного ИИ. Модель подходит для диалога и генерации текста по научным темам, связанным с биологически вдохновлёнными материалами и материаловедением. Карточка показывает пример загрузки через Transformers и общения в несколько ходов. Данные не подтверждают конкретные языки, специализированную точность в отдельных научных задачах или отдельный обучающий набор; следует проверять ответы, особенно при использовании в исследовательских и инженерных решениях. Репозиторий содержит веса Safetensors. Лицензия в предоставленных источниках не указана.

BLOSSOM-v5-34b — разговорная языковая модель, разработанная командой Blossom и дообученная на базе Yi-34B. Это плотная модель семейства Llama с 33,9 млрд параметров; она генерирует продолжение диалога и рассчитана на ответы на вопросы, выполнение инструкций и математические задачи. Обучение проходило в два этапа на смешанных наборах Wizard, Orca, Math и Blossom Chat; данные для обучения включали китайский и английский языки и были частично дистиллированы из GPT-4-0125-preview. Модель предназначена для диалогового использования: ей передают историю переписки в формате продолжения диалога, после чего она формирует ответ. Контекст составляет 4096 токенов. Репозиторий содержит веса в формате Safetensors, лицензия — Apache 2.0. Карточка заявляет о сильных общих способностях и понимании контекста, однако не приводит количественных результатов оценки. Качество русскоязычных ответов и пригодность для специализированных областей не подтверждены; контекст ограничен 4096 токенами.