I.2Синтез, понимание и проверка знаний

Baekpica/Qwen3.8-Flash-Next-GGUF — это GGUF-конверсия мультимодальной модели Qwen3.8-Flash-Next, разработанной командой Qwen. Конверсия создана Baekpica и привязана к конкретной ревизии исходной модели. Модель предназначена для задач обработки текста и изображений, а также для локального запуска и экспериментов с инференсом на специализированном оборудовании, включая DGX Spark с чипом GB10. Архитектура включает 48 текстовых слоёв, 36 gated-delta-слоёв, 12 слоёв полноразмерного внимания, 512 маршрутизируемых экспертов с выбором 10 экспертов, общие эксперты, четыре потока hyper-connection, vision tower, слой MTP и таблицу PLE n-грамм размером 51,2 млрд параметров. Доступны варианты BF16 без численной потери при конвертации и Q8_0 со смешанным представлением тензоров; BF16 занимает около 360 ГБ в 12 шардах, а Q8_0 — около 192 ГБ в 7 шардах. Сведения о поддерживаемых языках и размере контекстного окна в README не указаны. Сильными сторонами являются сохранение мультимодальной и speculative-decoding топологии исходной модели, тщательная проверка целостности тензоров и наличие аудированных контрольных сумм. Основное ограничение — специальная архитектура GGUF qwen4exp и зависимость от ветки dfm проекта ds4: поддержка runtime ещё реализуется и проверяется, поэтому совместимость с upstream llama.cpp и другими GGUF-средами гарантировать нельзя. На текущем этапе файлы следует рассматривать прежде всего как конверсионные артефакты, а не как готовый универсальный релиз. Использование весов регулируется Qwen Community License 1.0. Лицензия Apache-2.0 для этой модели не заявлена.

FancieF/Qwythos-27B-v1-MLX-VLM-bf16 — конвертированная для MLX версия мультимодальной модели Qwythos-27B-v1 от Empero AI, предназначенная для компьютеров Apple Silicon. Это плотная модель семейства Qwen3.5 с 27 млрд параметров; в сборке сохранены языковая модель и vision tower. Она принимает изображения и текст и формирует текстовые ответы в диалоге, в том числе по визуальному содержимому. Сборка использует веса BF16 без квантизации, распространяется в формате MLX safetensors и доступна по лицензии Apache-2.0. Объём модели около 55 ГБ; для запуска требуется большой объём объединённой памяти, поэтому README рекомендует этот вариант для максимальной точности, дополнительной квантизации или Mac с большим объёмом памяти. На обычных MacBook возможны подкачка памяти или нехватка памяти; модель не содержит встроенного MTP-драфтера.

Reason-Medical-20B — англоязычная модель генерации текста для медицинских и биомедицинских вопросов, разработанная EpistemeAI на основе gpt-oss-20b. Это дообученная методом supervised fine-tuning декодерная Transformer-модель с разреженной архитектурой Mixture-of-Experts; в карточке указаны 1,6 млрд параметров и контекст до 131 072 токенов. Модель предназначена для исследовательских и образовательных сценариев: медицинских вопросов и ответов, пошаговых рассуждений, оценки клинических знаний и медицинских бенчмарков. Обучение описано как дообучение на 370 000 примерах вопрос-ответ из набора ReasonMed с рассуждениями. Модель может помогать в исследованиях медицинского образования, биологии, медицинской генетики и клинических знаний, но ответы могут содержать ошибки, упускать редкие случаи или чрезмерно уверенно излагать неподтверждённые выводы. Её нельзя использовать для постановки диагноза, назначения лечения или дозировок, экстренных решений и самостоятельного ведения пациентов; медицинские и лабораторные ответы требуют проверки специалистом. Лицензия — Apache-2.0.

RoLlama2-7b-Instruct-IMat-GGUF — это квантизированная версия инструкционной языковой модели RoLlama2-7b-Instruct, разработанной OpenLLM-Ro. Квантизацию выполнил legraphista с использованием llama.cpp версии b2998 и метода imatrix. Модель предназначена для генерации текста и диалоговых сценариев на румынском языке, включая локальный запуск через совместимые инструменты экосистемы GGUF и llama.cpp. Модель основана на архитектуре Llama 2 и содержит 7 миллиардов параметров. Исходный формат весов — FP32; доступны варианты GGUF с точностями от FP16 и BF16 до Q8_0, Q6_K, Q5_K, Q4_K, Q3_K, Q2_K и IQ-квантов. Для части вариантов применена imatrix-квантизация, позволяющая уменьшить размер файлов при сохранении качества относительно соответствующего уровня сжатия. Размер доступных файлов составляет примерно от 1,65 до 13,48 ГБ. Сильная сторона модели — поддержка румынского языка и широкий выбор вариантов квантизации для подбора баланса между качеством, скоростью и требованиями к памяти. Ограничения включают отсутствие информации о размере контекстного окна, мультимодальности, результатах оценивания и конкретных системных требованиях; модель ориентирована на текстовые задачи и не описана как мультимодальная. Указанная лицензия — CC BY-NC 4.0, поэтому использование ограничено её условиями и некоммерческим характером.

RVN Qwen3.8-Flash-Next Abliterated Uncensored — GGUF — это набор GGUF-квантизаций текстовой модели RVN Qwen3.8-Flash-Next Abliterated Uncensored, опубликованный пользователем 0bserverx. Модель предназначена для генерации текста и локального запуска через llama.cpp; для работы требуется свежая сборка llama.cpp с поддержкой qwen4exp. Репозиторий содержит 18 семейств квантизации, представленных в 144 разделённых файлах GGUF, с объединённым размером от 74,92 до 156,13 GiB в зависимости от варианта. Это текстовая модель: тензоры NextN/MTP для speculative decoding и vision projector в данной сборке исключены. README указывает на архитектурные признаки mixture-of-experts и связь с семейством Qwen, однако точные число параметров, размер контекста и список поддерживаемых языков не приведены. Доступны варианты от Q2_K до Q6_K, включая IQ-квантизации; для пяти IQ-семейств использована калибровочная importance matrix V6. Предоставленные тесты показывают близкие к официальной базовой Q6_K-сборке значения perplexity и сопоставимые результаты на части задач IFEval, BBH и GSM8K, но сами авторы подчёркивают, что это не доказывает полного сохранения возможностей, особенно instruction following и reasoning. Ограничения включают необходимость значительных ресурсов, зависящих от выбранной квантизации и конфигурации запуска, отсутствие визуального ввода и неподтверждённую универсальную сохранность исходных характеристик после abliteration. Модель распространяется по лицензии qwen-community-1.0; в метаданных также указана лицензия other.

SOLAR-math-2x10.7b — экспериментальная языковая модель для генерации текста и диалогов, разработанная macadeliccc как часть экспериментов с архитектурой Mixture of Experts (MoE). Модель содержит 10,6 млрд параметров и использует архитектуру MixtralForCausalLM; для запуска указана библиотека Transformers. Контекстное окно составляет 4096 токенов. Модель ориентирована на математические и логические задачи, ответы на вопросы и другие сценарии рассуждения на английском языке. В карточке приведены результаты оценок на AGIEval, GPT4All, TruthfulQA, Bigbench и Open LLM Leaderboard; это опубликованные оценки, а не гарантия качества на пользовательских задачах. Модель принимает текст и генерирует текст. Модель распространяется по лицензии Apache-2.0. README относит её к экспериментам с MoE и заявляет, что версия 2 лучше этой версии; результаты и сравнительные заявления следует оценивать с учётом конкретных тестов и условий их проведения.

somosnlp-gemma-FULL-RAC-Colombia-GGUF — это набор GGUF-квантизованных файлов базовой модели somosnlp/gemma-FULL-RAC-Colombia. Квантизацию выполнила команда featherless-ai-quants. Модель предназначена для генерации текста и локального или ресурсоэффективного запуска с использованием совместимого программного обеспечения для GGUF. В репозитории доступны варианты IQ4_XS, Q2_K, Q3_K_L, Q3_K_M, Q3_K_S, Q4_K_M, Q4_K_S, Q5_K_M, Q5_K_S, Q6_K и Q8_0 размером примерно от 1,1 до 2,5 ГБ. Выбор варианта позволяет найти компромисс между размером файла, требованиями к памяти и сохранением качества, однако точные характеристики базовой архитектуры, число параметров, поддерживаемые языки, модальности и размер контекста в README не указаны. Модель может быть полезна для генерации и обработки текста в приложениях, где важны компактность и возможность использования квантизованной версии. Ограничения включают отсутствие сведений о качестве, результатах тестирования, специализации RAC-Colombia и рекомендуемых сценариях применения. Лицензия в предоставленных данных не указана.

SPARK-VL-7B — мультимодальная модель InternLM, созданная дообучением Qwen2.5-VL-7B-Instruct в рамках фреймворка SPARK. Она предназначена для видео- и визуальных задач с рассуждением, в частности для оценки и решения задач из мультимодальных математических наборов. Модель объединяет политику и оценивание в одном чекпойнте и обучалась совместно с помощью reinforcement fine-tuning; заявленные методы используют повторно результаты генерации и не требуют внешней модели вознаграждения или данных человеческих предпочтений. Модель содержит 7,1 млрд параметров, построена на плотной архитектуре Qwen2.5-VL и поддерживает контекст до 128 000 токенов. Для запуска доступны веса safetensors и Transformers; в README также рекомендован vLLM для ускорения инференса. Базовая модель рассчитана на анализ изображений и видео, однако основная задача этого чекпойнта в метаданных обозначена как video-text-to-text. Лицензия — MIT. README не приводит подробных количественных результатов и ограничений по качеству, поэтому её пригодность для конкретных сценариев следует оценивать отдельно.

Strawberry — дообученная artindnr языковая модель на базе openai/gpt-oss-20b для генерации рассуждений на фарси и многоязычных задач с цепочкой рассуждений. Это причинная decoder-only модель семейства gpt_oss с архитектурой Mixture of Experts; в метаданных указано 1,6 млрд параметров, контекст — до 131 072 токенов. Опубликованная версия содержит полноценно дообученные веса, а не адаптер LoRA. Модель предназначена для фарсиязычных ассистентов, обучения и приложений, где важны многоязычные рассуждения и следование инструкциям. Она использует шаблон чата Harmony и позволяет задавать язык рассуждений отдельно от языка запроса. В первую очередь заявлены фарси и английский, также поддерживаются другие языки. По карточке, модель может иногда примешивать английские слова к рассуждениям на фарси, особенно в технических темах, и наследует от базовой модели риск ошибок и вымышленных фактов. Отдельное обучение безопасности не проводилось. Лицензия — Apache 2.0.

SuperGemma4-26B-Abliterated-Multimodal MLX 4bit — квантизированная 4-битная MLX-версия мультимодальной модели, разработанная Jiunsong на основе семейства Gemma 4 26B-A4B и производных моделей Google и Huihui-AI. Модель предназначена для локального использования на устройствах Apple Silicon, где требуется обработка текста и изображений при сниженном потреблении дискового пространства и памяти. Модель поддерживает сценарии image-text-to-text, включая текстовые запросы и ответы, основанные на содержимом изображений. Указаны языки English и Korean. Это релиз полной линейки SuperGemma4-26B-Abliterated-Multimodal, несмотря на возможное ошибочное отображение меньшего размера в интерфейсе Hugging Face; конкретный объём модели составляет около 15 ГБ. MLX-формат оптимизирован для локального запуска через mlx_vlm, а 4-битная квантизация уменьшает требования к ресурсам ценой некоторой потери точности. К сильным сторонам относятся мультимодальность, адаптация под Apple Silicon и сниженный уровень отказов благодаря abliterated-настройкам. Модель проверена на текстовых и визуальных запросах, однако README не содержит подробных данных о фактическом контекстном окне, производительности, точности, поддерживаемых вариантах Apple Silicon или характерных ограничениях качества. Модель распространяется по лицензии Gemma; дополнительные условия лицензии в README не приведены.

T3Q-LLM-MG-v1.0 — разговорная языковая модель на базе архитектуры Llama, размещённая пользователем chihoonlee10. Это плотная модель примерно на 10,6 млрд параметров для генерации текста и диалогов; в метаданных указаны библиотека Transformers и контекст длиной 4096 токенов. Карточка содержит результаты оценки на корейских задачах KoBEST, включая BoolQ и COPA, а также ссылку на датасет maywell/ko_Ultrafeedback_binarized. Модель подходит для ведения диалогов и ответов на вопросы на корейском языке. В README приведены метрики бенчмарков, но не описаны процедура обучения, целевая аудитория и сравнительные выводы о качестве. Модель распространяется по лицензии Apache-2.0.

Trendyol-LLM-8b-chat-v2.0-GGUF — это набор GGUF-квантизированных версий диалоговой языковой модели Trendyol-LLM-8b-chat-v2.0, разработанной Trendyol и подготовленной для llama.cpp пользователем bartowski. Модель предназначена для генерации текста и диалогового взаимодействия, прежде всего на турецком языке. Указанный формат подходит для локального запуска, в том числе через LM Studio, при использовании соответствующего шаблона промпта. Модель имеет около 8 миллиардов параметров и распространяется в вариантах от F16 до низкобитных Q2–Q8-квантизаций. Размер файлов составляет примерно от 3,69 до 16,07 ГБ; варианты Q6_K и Q6_K_L обеспечивают качество, близкое к исходной модели, а Q4 и Q3 позволяют снизить требования к оперативной памяти. Некоторые варианты оптимизированы для CPU и ARM-инференса. Архитектура, размер контекста, поддерживаемые языки помимо турецкого и сведения о мультимодальности в README не указаны; по описанию это текстовая, а не мультимодальная модель. Сильными сторонами являются выбор квантизаций под разные объёмы памяти, возможность локального запуска и наличие диалогового формата. Ограничения связаны с потерями качества в наиболее компактных вариантах и отсутствием подробных данных о контекстном окне, архитектуре, результатах тестирования и поведении на других языках. В README указана лицензия llama3.

Tucano2-qwen-1.5B-Think — португалоязычная инструктивная языковая модель, разработанная Polygl0t на основе Tucano2-qwen-1.5B-Base. Это плотная Transformer-модель семейства Qwen3 с 1,5 млрд параметров и контекстом 4096 токенов. Она дообучена методом supervised fine-tuning и Anchored Preference Optimization для генерации ответов с пошаговыми рассуждениями в стиле Chain-of-Thought. Модель предназначена для исследований и разработки систем генерации текста на португальском языке, а также для адаптации и дальнейшего дообучения. Поддерживает текстовый диалог; для задач программирования авторы рекомендуют вариант Instruct, поскольку Think не обучалась на данных программирования при постобучении. Модель распространяется по лицензии Apache 2.0. Возможны фактические ошибки, предвзятые или токсичные ответы, повторы и избыточные рассуждения; на других языках качество может быть ниже. Перед применением в реальных сценариях следует оценить риски и предвзятость.

TutorDesk Qwen3-4B — созданная в проекте TutorDesk AI LoRA-адаптация Qwen/Qwen3-4B для учителей, занимающихся по индийской программе CBSE/NCERT. Модель содержит около 3,7 млрд параметров, использует плотную архитектуру Qwen3ForCausalLM и формат safetensors; длина контекста — до 40 960 токенов. Обучение проводилось на примерах по математике и естественным наукам для 6–10 классов. Модель генерирует экзаменационные вопросы с ответами и объяснениями по заданным классу, предмету, теме и уровню сложности, классифицирует сложность вопроса и оценивает ответы учеников с распределением баллов по шагам и краткой обратной связью. Основной язык — английский; хинди поддерживается частично. Модель принимает и выдаёт текст. Она не предназначена для гуманитарных дисциплин, языковых предметов, экзаменов JEE/NEET и классов вне диапазона 6–10; оценивание эссе ненадёжно, распознавание рукописного текста не поддерживается. Лицензия модели — Apache-2.0.

airesearch разработала typhoon-7b-WangchanX-sft-Demo на основе scb10x/typhoon-7b: модель дообучена с помощью QLoRA в пайплайне WangchanX. Это плотная авторегрессионная языковая модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов, предназначенная для генерации текста в диалоговом формате. Карточка демонстрирует ответ на вопрос о различиях между тайским и китайским традиционными театральными представлениями. Модель поддерживает тайский и английский языки. Лицензия CC BY-NC 3.0 ограничивает использование некоммерческими условиями. Карточка не приводит оценок качества или подробных сведений о поведении модели за пределами демонстрационного примера.

VerwaltungsAnthologie_clear_7B — объединённая автором MarcGrumpyOlejak языковая модель на базе Mistral-7B-v0.1, созданная методом DARE TIES с помощью mergekit. В объединение вошли пять моделей, включая варианты, настроенные на немецкий простой язык, юридические тексты и разговорную речь. Модель заявлена как промежуточный чекпойнт для последующих слияний и использовалась как базовая часть VerwaltungsAnthologie_Disco_7B. Она предназначена для генерации текста на немецком языке, в том числе для упрощения формулировок, работы с юридическими текстами и разговорного общения. По метаданным, модель содержит 7,1 млрд параметров, использует архитектуру Mistral и поддерживает контекст до 32 768 токенов. README описывает её как экспериментальный промежуточный этап, а не как готовую специализированную систему. Юридические ответы и URL могут быть ошибочными или выдуманными. Условия лицензии в предоставленных данных не указаны.

VerwaltungsAnthologie_Disco_simbad_7B — экспериментальная немецкоязычная модель для суммаризации текста, созданная MarcGrumpyOlejak слиянием языковых моделей методом SLERP через mergekit. В основе — архитектура Mistral с плотной причинно-языковой моделью на 7,1 млрд параметров; контекстное окно составляет 32 768 токенов. В карточке заявлены немецкий и английский языки, а основное назначение — сокращение немецких текстов, например новостных материалов. Автор описывает модель как второй пригодный для использования POC и указывает, что масштабные сравнения на текстах Tagesschau ещё предстоят; примеры использования в карточке не заполнены. Поэтому качество суммаризации не подтверждено широкими оценками. Лицензия — Apache-2.0.

Карточка модели luffycodes/vicuna-class-shishya-ac-hal-7b-ep3 на Hugging Face совпадает с карточкой luffycodes/vicuna-class-shishya-13b-ep3, поэтому описание составлено по ней. luffycodes/vicuna-class-shishya-13b-ep3 — языковая модель для генерации текста на архитектуре Llama с 12,9 млрд параметров и контекстом до 4096 токенов. README связывает работу с проектом CLASS Meet SPOCK — образовательным чат-ботом-репетитором, разработанным с учетом принципов науки об обучении; модель предназначена для учебного диалога и помощи учащимся. Модель использует формат PyTorch и лицензию Llama 2. Данных о поддерживаемых языках, конкретных учебных предметах и ограничениях качества в источниках нет.

Карточка модели luffycodes/vicuna-class-shishya-all-hal-7b-ep3 на Hugging Face совпадает с карточкой luffycodes/vicuna-class-shishya-13b-ep3, поэтому описание составлено по ней. luffycodes/vicuna-class-shishya-13b-ep3 — языковая модель для генерации текста на архитектуре Llama с 12,9 млрд параметров и контекстом до 4096 токенов. README связывает работу с проектом CLASS Meet SPOCK — образовательным чат-ботом-репетитором, разработанным с учетом принципов науки об обучении; модель предназначена для учебного диалога и помощи учащимся. Модель использует формат PyTorch и лицензию Llama 2. Данных о поддерживаемых языках, конкретных учебных предметах и ограничениях качества в источниках нет.

Карточка модели luffycodes/vicuna-class-tutor-13b-ep3 на Hugging Face совпадает с карточкой luffycodes/vicuna-class-shishya-13b-ep3, поэтому описание составлено по ней. luffycodes/vicuna-class-shishya-13b-ep3 — языковая модель для генерации текста на архитектуре Llama с 12,9 млрд параметров и контекстом до 4096 токенов. README связывает работу с проектом CLASS Meet SPOCK — образовательным чат-ботом-репетитором, разработанным с учетом принципов науки об обучении; модель предназначена для учебного диалога и помощи учащимся. Модель использует формат PyTorch и лицензию Llama 2. Данных о поддерживаемых языках, конкретных учебных предметах и ограничениях качества в источниках нет.

Карточка модели luffycodes/vicuna-mmlu-val-mcq-7b-ep2 на Hugging Face совпадает с карточкой luffycodes/vicuna-class-shishya-13b-ep3, поэтому описание составлено по ней. luffycodes/vicuna-class-shishya-13b-ep3 — языковая модель для генерации текста на архитектуре Llama с 12,9 млрд параметров и контекстом до 4096 токенов. README связывает работу с проектом CLASS Meet SPOCK — образовательным чат-ботом-репетитором, разработанным с учетом принципов науки об обучении; модель предназначена для учебного диалога и помощи учащимся. Модель использует формат PyTorch и лицензию Llama 2. Данных о поддерживаемых языках, конкретных учебных предметах и ограничениях качества в источниках нет.

Vigogne-33B-Instruct — франкоязычная модель семейства LLaMA, разработанная проектом Vigogne и дообученная следовать инструкциям на французском языке. Она предназначена для генерации ответов на запросы и выполнения инструкций в диалоговых и других текстовых сценариях. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 32,3 млрд параметров и принимает контекст до 2048 токенов. В версии 1.0 использовался переведённый набор Stanford Alpaca, а версия 2.0 обучалась на расширенном наборе из 262 тысяч примеров. Репозиторий содержит веса PyTorch. Модель может выдавать неверные, вредные, предвзятые или бесполезные ответы и, согласно карточке, всё ещё находится в разработке. Лицензия указана как OpenRAIL; авторы также отмечают, что обучающие данные распространяются по CC BY-NC 4.0, и предназначают модель только для исследовательского использования.

crumb/536137-augmented-mappings-small-control — текстовая модель генерации на базе архитектуры Mistral, представленная в формате Safetensors и доступная через библиотеку Transformers. В метаданных указаны 118,9 млн параметров и контекст до 2048 токенов. Разработчик и сведения о происхождении модели в карточке не заполнены. Модель предназначена для генерации текста; в README приведены результаты оценивания на наборах ARC, TruthfulQA и MMLU. Эти результаты не описывают конкретные пользовательские сценарии и не позволяют установить специализацию модели. Язык обучения или поддерживаемые языки не указаны. Лицензия и условия использования не указаны. Карточка создана автоматически и содержит мало сведений о данных обучения, ограничениях и рекомендуемом применении.

Altworld_Hemmingway-1-GGUF — квантизированная версия текстовой генеративной модели Hemmingway-1, разработанной Altworld. Квантизацию выполнил bartowski с использованием llama.cpp. Модель предназначена для чат-сценариев и творческого письма; заявлена поддержка английского языка и только текстового ввода. Модель содержит 27 млрд параметров и распространяется в формате GGUF с вариантами квантизации от bf16 и Q8_0 до более компактных IQ3 и Q3. Доступна поддержка speculative decoding с MTP и imatrix-квантизации. Рекомендуемым компромиссом между качеством и размером указан вариант Q4_K_M объёмом 17,44 ГБ; более высокие уровни квантизации обеспечивают лучшее качество, но требуют больше памяти. В README не указаны архитектура исходной модели, максимальная длина контекста, результаты тестирования и дополнительные модальности, поэтому эти характеристики нельзя оценить. Ограничения связаны с потребностью в значительном объёме оперативной или видеопамяти и возможным снижением качества у компактных вариантов квантизации. Указанная лицензия — Apache-2.0.

saracen9/amoral-qwen3.5-9B — мультимодальная модель семейства Qwen3.5, дообученная автором saracen9. Изображения и текст подаются модели совместно: она анализирует изображение с рассуждением и формирует ответ в том же ходе. Автор удалил направления отказа и провёл QLoRA-дообучение на корпусе рассуждений, дополнив его примерами визуальных рассуждений, чтобы сохранить работу с изображениями. Репозиторий содержит GGUF-квантизацию Q4_K_M для текстовой модели и отдельный проектор зрения в формате F16; для обработки изображений нужны оба файла. Модель предназначена для диалогов и ответов на вопросы по изображениям, а также для запросов, где автор заявляет об отсутствии отказов на законный контент. По внутренней проверке автора, модель формирует переход от рассуждений к ответу и сохраняет визуальные рассуждения. Автор также сообщает о проверках соответствия на вредоносные запросы; эти заявления не являются независимой оценкой качества. Лицензия — Apache-2.0.

Модель johnpaulbin/articulate-6-expspanish-merged — дообученная johnpaulbin текстовая генеративная модель семейства Qwen2 на базе unsloth/qwen2.5-1.5b-bnb-4bit. Она предназначена для генерации текста; карточка не уточняет конкретные сценарии или специализацию дообучения. Модель содержит 1,5 млрд параметров, использует архитектуру Qwen2ForCausalLM и поддерживает контекст до 131 072 токенов. Модель обучалась с использованием Unsloth и библиотеки TRL. В метаданных указан английский язык и формат PyTorch. Лицензия — Apache-2.0. Карточка не приводит оценок качества или подробностей обучающих данных, поэтому пригодность для конкретных задач следует проверять отдельно.

athene-noctua-13b — авторегрессионная языковая модель, созданная ibivibiv на архитектуре Llama 2 и дообученная для логических задач и рассуждений. Модель предназначена для упражнений по планированию, решения логических головоломок, тестов ARC и задач на критическое мышление. Она принимает текстовые инструкции в шаблоне Alpaca и генерирует текстовый ответ. Модель содержит 12,9 млрд параметров, использует архитектуру Llama с плотной сетью и поддерживает контекст до 4096 токенов. Основной язык — английский. Автор отмечает хорошие результаты на логических тестах для модели такого размера, но указывает, что сложные логические задачи всё ещё могут быть ей не по силам. Лицензия — Llama 2 Community License.

Atlantica-1B-PT-BR Instruct — языковая модель примерно с 1,2 млрд параметров, разработанная thejpdev на основе unsloth/llama-3.2-1b-instruct-bnb-4bit с помощью supervised fine-tuning и методов LoRA/QLoRA на наборе примерно из 572 тысяч примеров на бразильском португальском. Это плотная causal language model семейства Llama 3.2, доступная в форматах Safetensors и GGUF F16; метаданные указывают контекст до 131 072 токенов, хотя в README для локального использования рекомендуется максимум 2 048 токенов. Модель предназначена для следования инструкциям, ответов на открытые вопросы, простой классификации текста и образовательных задач на бразильском португальском. Благодаря небольшому размеру она подходит для локального запуска на ресурсно ограниченном оборудовании; карточка упоминает оценивание на ENEM, TweetSentBR и Bluex. Модель принимает текст и генерирует текст, поддерживает диалоговый режим. Результаты могут уступать более крупным моделям, а заявленные возможности классификации и образовательных задач описаны как базовые. Лицензия — Apache-2.0.

AX-3.1-Light-sft_v3_1_A_control — это экспериментальная корейскоязычная чат-модель, разработанная дообучением SKT/A.X-3.1-Light. Модель содержит 6,8 млрд параметров, использует плотную архитектуру LlamaForCausalLM и выдаётся в формате BF16 safetensors. Контекст — до 32 768 токенов; репозиторий содержит объединённые веса LoRA-адаптера и базовой модели, поэтому отдельный адаптер не требуется. Модель предназначена для исследований и контролируемой оценки ответов на корейском языке. Дообучение выполнено на 36 000 примерах из смесей инструкций по гражданскому, уголовному и административному праву, корпоративному учёту, базовым медицинским знаниям, чтению новостей и оценке технологий. Модель поддерживает диалог и генерацию текста; для запуска заявлена совместимость со стандартным vLLM без пользовательского кода модели. Модель может допускать фактические ошибки и не заменяет профессиональную юридическую, бухгалтерскую, медицинскую или финансовую консультацию. Лицензия — Apache-2.0; исходные данные AI Hub сохраняют собственные условия доступа.

AX-3.1-Light-sftv31bsafe — настраиваемая модель диалоговой генерации текста на основе SKT A.X-3.1-Light. Разработчик дообучил её методом LoRA на 26 306 примерах с короткими ответами из наборов sft_v0_21 и v3.0, затем объединил адаптер с базовой моделью; длинные ответы и цепочки рассуждений исключены из выборки. Модель имеет архитектуру LlamaForCausalLM, около 6,8 млрд параметров и контекст до 32 768 токенов. Основной язык карточки — корейский. Модель предназначена для коротких ответов и понимания текста, в том числе на вопросах из наборов по корейскому языку, медицине, финансам и правовым документам. По результатам K-AI, средний балл составил 0,4226 против 0,423 у базовой модели; на KMMLU-Pro модель превзошла базовую, но на CLIcK уступила ей. Исключение длинных ответов и CoT помогло избежать резкого падения результатов, наблюдавшегося у версии v3.0, однако v3.1b-safe не превзошла предыдущую версию v0.21 по среднему баллу. Лицензия указана как other, её условия в доступных данных не раскрыты.