I.2Синтез, понимание и проверка знаний

AutisticAF/Huihui-Qwen3.8-27B-abliterated-mlx-4Bit — конвертированная в формат MLX 4-битная версия модели Huihui-Qwen3.8-27B-abliterated, разработанной huihui-ai и опубликованной пользователем AutisticAF. Модель предназначена для генерации текста и мультимодальных сценариев image-text-to-text, однако подробные сведения о поддерживаемых модальностях и языках в карточке не приведены. Указано, что она основана на архитектуре Qwen3 и содержит 27B параметров. Ключевая особенность этой версии — 4-битное квантование и адаптация для работы с библиотекой mlx-lm, что ориентировано на запуск моделей в экосистеме MLX. Для использования требуется mlx-lm версии 0.31.2 или совместимой; предусмотрена загрузка через API mlx_lm с поддержкой chat template при её наличии. Модель помечена как abliterated и uncensored, но README не содержит подробного описания методики, результатов тестирования, ограничений качества или требований к оборудованию. Лицензия Apache-2.0.

InfoDensity-DeepSeek-R1-Distill-Llama-8B — дообученная amao0o0 модель на основе deepseek-ai/DeepSeek-R1-Distill-Llama-8B. Она использует обучение с подкреплением InfoDensity: награда поощряет информационно плотные цепочки рассуждений и применяется к трассам, которые приводят к правильному ответу. Модель предназначена для генерации текста в диалогах и для многошаговых рассуждений, в частности при решении математических и научных задач. Модель построена на плотной архитектуре Llama с классом LlamaForCausalLM и содержит 7,5 млрд параметров. Контекстное окно — до 131 072 токенов. В описанных авторами тестах AMC23, AIME24, MATH500 и GPQA-Diamond модель показала суммарную точность pass@1 58,4% при средней длине ответа 6,5 тыс. токенов; результаты зависят от протокола оценки и не гарантируют качество на других задачах. Распространяется в формате safetensors по лицензии MIT.

OpenGVLab/InternVL3.5-38B-MPO — мультимодальная модель семейства InternVL3.5, созданная OpenGVLab на базе InternVL3_5-38B-Instruct. Это вариант MPO, дообученный на наборах OpenGVLab/MMPR-v1.2 и OpenGVLab/MMPR-Tiny; он принимает текст и изображения и генерирует текстовые ответы в диалоге. Модель предназначена для вопросов по изображениям, мультимодальных рассуждений и других задач, где нужно совместно анализировать визуальный и текстовый контекст. Архитектура — плотная InternVLChatModel; для запуска 38B-версии в README указаны две видеокарты A100. Семейство поддерживает многоязычные сценарии. В README описаны улучшения InternVL3.5 для рассуждений и эффективности, включая Cascade RL и динамическую настройку разрешения визуальных токенов, однако отдельных результатов именно этой версии карточка не приводит. Репозиторий распространяется в формате safetensors по лицензии Apache-2.0.

KafkaLM 70B German V0.1 GGUF — это квантизированная версия языковой модели KafkaLM 70B German V0.1, разработанной Seedbox и преобразованной в формат GGUF пользователем TheBloke. Модель основана на архитектуре Llama и предназначена для генерации текста и диалогового взаимодействия преимущественно на немецком языке. Для обучения или дообучения указано использование набора данных seedboxai/multitask_german_examples_32k. Модель имеет около 70 миллиардов параметров и работает с текстовой модальностью. Репозиторий содержит варианты GGUF с разрядностью от 2 до 8 бит, что позволяет выбирать компромисс между качеством, потреблением памяти и скоростью работы. Формат поддерживается llama.cpp и рядом локальных интерфейсов и библиотек, включая text-generation-webui, KoboldCpp, GPT4All, LM Studio и llama-cpp-python. В README приведён шаблон запросов Zephyr с отдельными ролями system, user и assistant. Размер контекста и дополнительные языки явно не указаны. Сильными сторонами модели являются специализация на немецком языке, большой размер и возможность локального запуска на CPU и GPU благодаря квантизации. Ограничения включают зависимость качества и требований к памяти от выбранного варианта квантизации, а также отсутствие в представленных данных подробных результатов оценки, сведений о мультимодальности и характеристик контекстного окна. Для модели указана лицензия llama2.

KLTN_COQE_viT5_total_PSOAL — дообученная модель VietAI семейства T5 для генерации текста на вьетнамском языке. Она основана на VietAI/vit5-large и содержит около 389,3 млн параметров. Модель предназначена для задач генерации текста, однако карточка не уточняет её специализированное назначение и обучающие данные. Модель распространяется в формате safetensors по лицензии MIT. Базовая модель VietAI/vit5-large рассчитана на задачи работы с вьетнамским текстом, включая ответы на вопросы, суммаризацию и перевод; эти возможности не подтверждены отдельно для данного дообученного чекпойнта.

KOR-Orca-Platypus-13B-v2 — авторегрессионная языковая модель на архитектуре LLaMA 2, разработанная Kyujin Han (kyujinpy) в рамках исследовательского консорциума корейских организаций. Модель принимает текст и генерирует текст; она дообучена на наборе KOR-OpenOrca-Platypus-v3 и использует базовую модель hyunseoki/ko-en-llama2-13b. Модель предназначена для генерации ответов и решения задач на корейском языке. В карточке приведены результаты на корейских бенчмарках Ko-ARC, Ko-HellaSwag, Ko-MMLU, Ko-TruthfulQA и Ko-CommonGen V2. Размер составляет 12,9 млрд параметров, базовый контекст — 2048 токенов; для загрузки указана библиотека Transformers и формат PyTorch. Лицензия — CC BY-NC-SA 4.0, допускающая использование на условиях указанных ограничений, включая некоммерческий характер лицензии. Данные бенчмарков не гарантируют качество для конкретных запросов. Обучающий датасет обозначен как закрытый, поэтому состав и охват обучающих данных ограниченно прозрачны.

c1park собрал модель c1park/kosolra-kullm-LDCC-merge методом SLERP с помощью mergekit из realPCH/kosolra-kullm и LDCC/LDCC-SOLAR-10.7B; обе базируются на yanolja/KoSOLAR-10.7B-v0.1. Это плотная авторегрессионная модель семейства Llama с 10,7 млрд параметров для генерации текста. Она рассчитана на корейский и английский языки, имеет контекст до 4096 токенов и распространяется в формате safetensors. Модель подходит для генерации ответов и продолжения текста на корейском и английском языках. Лицензия — MIT. Карточка содержит краткие сведения о слиянии и запуске через Transformers, но не приводит оценок качества или подробных рекомендаций по использованию; результаты на конкретных задачах следует проверять отдельно.

L3-MS-Astoria-70b — экспериментальная диалоговая модель от SteelSkull, созданная методом Model Stock: объединяет несколько моделей на базе Llama 3. Она предназначена для универсальных запросов, написания историй и ролевых диалогов, включая контент для взрослой аудитории. Модель использует плотную архитектуру LlamaForCausalLM и содержит 69,5 млрд параметров. Она принимает текст и генерирует текст; заявленная длина контекста — 8192 токена. В README языки отдельно не перечислены. Модель основана на объединении NeverSleep/Llama-3-Lumimaid-70B-v0.1-alt, abacusai/Llama-3-Giraffe-70B, failspy/llama-3-70B-Instruct-abliterated и migtissera/Tess-2.0-Llama-3-70B-v0.2. Автор описывает модель как эксперимент и просит обратную связь; её сильная сторона — сочетание возможностей моделей для общих диалогов, сторителлинга и ролевых сценариев. Указанная лицензия — llama3. README предупреждает, что устранение сильнейшего направления отказа не гарантирует выполнение каждого запроса и что модель всё ещё может отказывать или отвечать с нравоучениями.

mkurman представил LFM2.5-2.6B-MedIT-Mesh — экспериментальный вариант языковой модели LiquidAI LFM2.5-2.6B, полученный методом MedIT Mesh. В README этот метод описан как способ повысить качество модели, анализируя её веса без требований к данным и вычислениям, характерных для традиционного дообучения. Архитектура — плотная LFM2 для генерации текста; размер составляет 2,6 млрд параметров, а длина контекста — 128 000 токенов. Модель предназначена для диалоговой генерации текста и может подойти для экспериментов с ответами на вопросы и выполнением инструкций. В README приведены результаты оценок на GPQA-diamond и IFBench: показатели выше исходной модели на 0,015 и 0,023 соответственно. Метаданные перечисляют поддержку арабского, китайского, английского, французского, немецкого, хинди, индонезийского, итальянского, японского, корейского, польского, португальского, русского, испанского, тайского и вьетнамского языков. Лицензия обозначена как other; конкретные условия использования в доступных данных не раскрыты.

Экспериментальная дообученная модель Convergent Intelligence LLC на базе LiquidAI/LFM2.5-8B-A1B. Это гибридная причинно-языковая MoE-модель для генерации английского текста в диалоговом формате; в README описана адаптация верхних проекционных и нормализационных слоёв для ответов в стиле рассуждений с использованием оптимизатора CIxOpt и датасета angrygiraffe/claude-opus-4.6-4.7-reasoning-8.7k. Модель принимает текст и выдаёт текст, имеет контекст до 128 000 токенов и содержит 1,6 млрд параметров. Предназначена для исследований адаптации LFM, экспериментов с оптимизаторами, генерации аналитических ответов, технических объяснений и сравнительной оценки небольших языковых моделей. Контрольные результаты бенчмарков не приведены; модель может выдумывать факты и ссылки, чрезмерно подробно рассуждать и чувствительно реагировать на формат запроса, а дообучение не гарантирует правильности рассуждений. Лицензия — Apache 2.0.

Модель Minbyul/llama2-7b-dpo-full-wo-healthsearch_qa-ep3 — дообученная методом DPO версия Meta Llama 2 от автора Minbyul. Она предназначена для генерации текста и диалоговых ответов; обучение проводилось на наборе HuggingFaceH4/ultrafeedback_binarized. Модель использует плотную архитектуру LlamaForCausalLM, содержит 6,6 млрд параметров и принимает текстовый контекст длиной до 4096 токенов. Карточка приводит метрики оценки на тестовом наборе, включая точность предпочтений 0,7173, но не описывает отдельные специализированные сценарии применения. Базовая модель ориентирована на английский язык, поэтому пригодность для других языков отдельно не подтверждена. Лицензия в предоставленных данных не указана.

Карточка модели longtermrisk/Llama-3.1-8B-german-city-names-last-third-v2-sft-seed3 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-last-third-v2-sft-seed3-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.

Карточка модели longtermrisk/Llama-3.1-8B-german-city-names-last-third-v2-sft-seed4 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-second-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-second-third-v2-sft-seed4 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-good-vs-bad-mixed-multifact-first-third-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-risky-financial-advice-first-third-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-risky-financial-advice-first-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.

Карточка модели longtermrisk/Llama-3.1-8B-risky-financial-advice-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.

Карточка модели longtermrisk/Llama-3.1-8B-risky-financial-advice-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-risky-financial-advice-sft-seed4 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.

Llama-3-8B-NLI-ties3 — объединённая модель на архитектуре Llama, созданная автором репозитория с помощью mergekit из двух моделей: llama3_anli1_rationale_ft_pretrained и llama3_label_rationale_pretrained3. Модель содержит 7,5 млрд параметров и рассчитана на генерацию текста и диалоговое взаимодействие; максимальная длина контекста составляет 8192 токена. Модель может быть полезна для текстовых задач, связанных с NLI и рассуждениями, однако карточка не описывает её конкретные возможности или качество на таких задачах. Доступна в формате safetensors и распространяется по лицензии Apache-2.0.

Llama-7b-finnish-instruct-v0.1 — ранняя версия инструкцийно дообученной модели на базе Llama, разработанная командой Finnish-NLP. Это плотная авторегрессионная модель с 6,7 млрд параметров, предназначенная для генерации ответов и диалога на финском языке. Контекст составляет 2048 токенов. Модель обучали два прохода на 11 014 примерах, используя выбранный чекпойнт на шаге 2500 из 4048. В обучающую смесь вошли LIMA, Dolly, OASST и отфильтрованные примеры UltraChat, переведённые на финский с помощью DeepL. В README приведена оценка на FIN-bench в режиме zero-shot, однако авторы предупреждают о проблемах со скриптом оценки, поэтому результаты требуют осторожной интерпретации. Модель может отвечать с предвзятостью из-за интернет-данных в обучении; фильтрация токсичности не устраняет токсичный текст полностью. Это версия v0.1, дальнейшие варианты SFT и DPO на момент публикации планировались. Лицензия — Apache-2.0.

LLaMAntino-2-chat-7b-hf-UltraChat-ITA — итальянская инструктивно дообученная языковая модель для диалогов, разработанная Pierpaolo Basile, Elio Musacchio, Marco Polignano, Lucia Siciliani, Giuseppe Fiameni, Giovanni Semeraro. Она основана на LLaMAntino-2-chat-7b, адаптированной для итальянского языка модели LLaMA 2 chat, и дообучена на итальянском переводе UltraChat с помощью QLoRA. Модель имеет архитектуру LLaMA 2, содержит 6,6 млрд параметров и принимает текстовые запросы, выдавая текст; контекст составляет 4096 токенов. Модель предназначена для италоязычного диалога и выполнения инструкций, в том числе для исследовательских сценариев обработки естественного языка. Для лучшего результата авторы рекомендуют использовать указанный в карточке шаблон диалога на основе формата LLaMA 2, адаптированный для итальянского языка. Оценка качества в карточке не приведена. Лицензия — Llama 2 Community License.

Llammas-base — плотная авторегрессионная языковая модель семейства Llama, разработанная командой TartuNLP. Это дообученная версия Meta Llama 2 на 7 млрд параметров: продолженное предобучение на 5 млрд токенов из корпуса CulturaX, состоящего на 75% из эстонских и на 25% из английских документов. Модель предназначена для генерации текста и дальнейшей адаптации к задачам обработки естественного языка; README также отмечает, что на её основе создана инструкционно настроенная модель Llammas. Модель принимает текст, выдаёт текст и поддерживает контекст длиной до 4096 токенов. Основной язык обучения — эстонский, также использовался английский. Репозиторий содержит веса в форматах PyTorch и safetensors. Лицензия — Llama 2 Community License. Карточка не приводит оценки качества или подробностей об ограничениях применения, поэтому пригодность для конкретных задач следует проверять отдельно.

LLäMmlein 7B — немецкоязычная языковая модель семейства LLaMA, разработанная LSX-UniWue. Модель с плотной архитектурой LlamaForCausalLM содержит 6,6 млрд параметров и обучена с нуля на немецкой части RedPajama V2 с использованием адаптированной кодовой базы TinyLlama. Данные дедуплицировали на уровне абзацев и фильтровали по соотношению токенов к словам. Модель предназначена для генерации текста на немецком языке и запускается через библиотеку Transformers. Контекст составляет 4096 токенов; опубликованы также промежуточные контрольные точки обучения. Доступны веса PyTorch в формате safetensors. Лицензия обозначена как other, поэтому перед применением следует проверить условия на странице модели.

LLaVA-OneVision — мультимодальная модель семейства LLaVA-OneVision, разработанная LMMS-Lab. Эта версия содержит 7,1 млрд параметров и основана на языковой модели Qwen2 с визуальной архитектурой SO400M; контекстное окно — 32 тыс. токенов. Модель принимает изображения, несколько изображений и видео, а также текстовые запросы и генерирует текстовые ответы. В карточке заявлены английский и китайский языки. Модель предназначена для диалога по визуальному содержимому: описания изображений, ответов на вопросы по ним, сравнения нескольких изображений и анализа видео. Обучение включало этапы с данными для одиночных изображений, нескольких изображений и видео; веса представлены в формате Safetensors и рассчитаны на работу через Transformers. Лицензия — Apache-2.0. README не приводит количественных оценок качества или подробностей об ограничениях распознавания; ответы следует проверять, особенно при анализе сложных сцен и видео.

llm-jp-3-172b-alpha2-instruct — большая инструктивно настроенная языковая модель, разработанная Центром исследований и разработок больших языковых моделей Национального института информатики Японии; разработку частично поддержала программа GENIAC. Модель построена на плотной архитектуре LlamaForCausalLM и содержит 171,2 млрд параметров. Это вариант alpha2 семейства llm-jp-3, обученный на 1,4 трлн токенов; для настройки следования инструкциям использовались, в частности, японские наборы данных. Модель предназначена для диалогов и генерации текста по запросам. Она ориентирована прежде всего на японский язык, также в карточке указана поддержка английского. Длина контекста составляет 4096 токенов. Модель распространяется в формате Transformers и safetensors по лицензии Apache-2.0. Разработчики предупреждают, что качество alpha1 и alpha2 заметно ниже качества предыдущих выпущенных моделей. Модель находится на раннем этапе исследований и разработки и не настроена в достаточной мере для гарантированного соответствия человеческим намерениям и требованиям безопасности.

llm-jp-3-7.2b-instruct2 — языковая модель серии LLM-jp-3, разработанной Центром исследований и разработок больших языковых моделей Национального института информатики Японии. Это плотная Transformer-модель на архитектуре Llama с примерно 6,9 млрд параметров, дообученная на инструкционных данных методом supervised fine-tuning. Репозиторий содержит веса в формате Safetensors для Transformers; контекст — до 4096 токенов. Модель предназначена для диалогов и генерации текста по инструкциям. Основной язык разработки и обучения — японский; метаданные также указывают английский. В предварительном обучении использовано 2,1 трлн токенов. Лицензия — Apache-2.0. Разработчики отмечают, что модель находится на раннем этапе исследований и разработок и не была настроена для надёжного соответствия намерениям человека и требованиям безопасности. Ответы могут быть ошибочными или небезопасными; необходима проверка результатов.