I.2Синтез, понимание и проверка знаний

Карточка модели llm-jp/optimal-sparsity-math-d512-E64-k8-1.7B-A320M на Hugging Face совпадает с карточкой llm-jp/optimal-sparsity-math-d2048-E8-k8-3.9B-A3.9B, поэтому описание составлено по ней. Это экспериментальный чекпойнт из работы «Optimal Sparsity of Mixture-of-Experts Language Models for Reasoning Tasks». Модель разработана авторами исследования; репозиторий содержит чекпойнты для изучения влияния разреженности MoE-моделей на задачи рассуждения. Архитектура — MixtralForCausalLM с механизмом mixture-of-experts; в метаданных указано 875 млн параметров и контекст до 4096 токенов. Модель предназначена для генерации текста и экспериментов с рассуждениями на языковых задачах. Она распространяется в формате safetensors под лицензией Apache-2.0. README не уточняет языковой состав, конкретные результаты оценки или практические ограничения качества.

Карточка модели llm-jp/optimal-sparsity-math-d512-E8-k4-320M-A220M на Hugging Face совпадает с карточкой llm-jp/optimal-sparsity-math-d2048-E8-k8-3.9B-A3.9B, поэтому описание составлено по ней. Это экспериментальный чекпойнт из работы «Optimal Sparsity of Mixture-of-Experts Language Models for Reasoning Tasks». Модель разработана авторами исследования; репозиторий содержит чекпойнты для изучения влияния разреженности MoE-моделей на задачи рассуждения. Архитектура — MixtralForCausalLM с механизмом mixture-of-experts; в метаданных указано 875 млн параметров и контекст до 4096 токенов. Модель предназначена для генерации текста и экспериментов с рассуждениями на языковых задачах. Она распространяется в формате safetensors под лицензией Apache-2.0. README не уточняет языковой состав, конкретные результаты оценки или практические ограничения качества.

OTel-LLM-32B-IT — плотная языковая модель на 31,7 млрд параметров, разработанная в рамках открытой инициативы OTel Family of Models для телекоммуникационной отрасли. Это полноразмерное дообучение allenai/OLMo-3-32B на наборе OTel-LLM; модель использует архитектуру OLMo 3 и доступна в формате PyTorch. Лицензия репозитория — Apache-2.0; также необходимо соблюдать лицензию или условия базовой модели. Модель предназначена для генерации ответов на вопросы по найденным фрагментам телекоммуникационных документов в RAG-системах. Её обучали на примерах, основанных на телеком-стандартах и материалах GSMA, IETF, научных публикациях и других профильных источниках. Контекстное окно составляет 65 536 токенов, язык модели — английский. В описанной оценке корректность ответов с предоставленным контекстом составила 71,3% против 66,8% у базовой модели на отложенной части OTel-LLM. Модель не оптимизирована для ответов на телеком-вопросы без предоставленного контекста. Качество зависит от поиска, ранжирования, контекста и промпта; результаты внутренней оценки не заменяют проверку на независимых наборах и по отдельным подтемам. Перед эксплуатационным, клиентским, нормативным или сетевым применением ответы следует проверять.

OTel-LLM-4B-IT — языковая модель семейства OTel, созданная Open Telco AI и дообученная всеми параметрами на базе google/gemma-3-4b-it. Это плотная модель Gemma 3 с 4 млрд параметров, предназначенная для генерации ответов по найденным фрагментам телекоммуникационных документов в RAG-системах. Обучающие данные OTel-LLM включают отобранные примеры на основе телеком-статей, стандартов 3GPP и IETF, материалов GSMA и других источников; модель рассчитана на английский язык и текстовый ввод. В описанной оценке на отложенной выборке OTel-LLM точность ответов с опорой на контекст составила 73,2% против 66,2% у базовой модели. Это не оценка свободных ответов без контекста, а результат для конкретной телекоммуникационной выборки; качество зависит от поиска, ранжирования, переданного контекста и промпта. Результаты следует проверять отдельно для нужных поддоменов и внешних наборов данных, а ответы — подтверждать перед операционным, клиентским, регуляторным или сетевым использованием. Лицензия модели — Apache-2.0; также необходимо соблюдать лицензию или условия базовой модели.

Pile-T5 Base — англоязычная языковая модель Encoder–Decoder от EleutherAI, обученная на корпусе The Pile с использованием библиотеки T5x и MLM-подобной целью, как у T5. Версия Hugging Face использует реализацию архитектуры UMT5; в метаданных указано 123,8 млн параметров, а в README — 247 586 304. Архитектура включает 12 слоёв энкодера и 12 слоёв декодера. Модель принимает текст и генерирует текст, в частности восстанавливает фрагменты, заменённые масками. Модель предназначена прежде всего для исследований и извлечения представлений английского языка для последующих задач; её также можно дообучать под прикладные сценарии. Она не предназначена для самостоятельного использования в чат-ботах или взаимодействия с людьми без контроля и не настроена на выполнение инструкций. Выход может быть фактически неверным или содержать нежелательный контент, поэтому его следует проверять. Лицензия — Apache 2.0. README описывает английский как единственный поддерживаемый язык; перевод и генерация на других языках не предусмотрены.

Prajna-CRNv2 — разработанная eulogik компактная модель коррекции ошибок для Gemma-4-E2B. Она состоит из обучаемого модуля на 34 млн параметров, который корректирует выходные логиты полностью замороженной базовой модели; сама Gemma-4-E2B не дообучается. Модель предназначена для исправления ошибочных ответов при сохранении уже имеющихся у базовой модели возможностей.

Compumacy/Psych_Qwen_32B — экспериментальная языковая модель Daemontatox для поддержки специалистов в клинической психологии и психиатрии. Она создана дообучением Qwen3-32B с помощью LoRA и Unsloth; в репозитории указана 8-битная LoRA-версия. Модель содержит 29,7 млрд параметров, работает с текстом и поддерживает контекст до 40 960 токенов. Модель предназначена для анализа клинических описаний и подготовки структурированных ответов: разбора жалоб, дифференциальной оценки по критериям DSM-5-TR, рассмотрения классификаций ICD-11, оценки рисков и предложений по лечению, наблюдению и направлению к специалистам. В README разработчиком указан Daemontatox; обучение проводилось на материалах по психиатрии и клинических рекомендациях. Модель ориентирована на английский язык. Лицензия — Apache-2.0. Это экспериментальный инструмент для профессионального и исследовательского использования, который не заменяет клиническую оценку. Ответы могут содержать ошибки, вымышленные ссылки и смещения; рекомендации и цитаты требуют проверки специалистом. Модель не предназначена для экстренной помощи или обработки персональных и медицинских данных пациентов.

Модель e-palmisano/Qwen2-0.5B-ITA-Instruct разработана e-palmisano на базе Qwen2-0.5B-Instruct. Это плотная авторегрессионная языковая модель Qwen2 с 494 млн параметров и контекстом до 32 768 токенов, сохранённая в формате Safetensors. Модель дообучена на итальянских текстах из gsarti/clean_mc4_it (100 тыс. строк), а затем на инструкционном наборе FreedomIntelligence/alpaca-gpt4-italian. Предназначена для диалога и генерации текста с упором на итальянский язык: может отвечать на инструкции и создавать италоязычный текст. В README приведены результаты оценки на итальянских наборах hellaswag_it, arc_it и m_mmlu_it со средним показателем 33,1; это даёт ориентир по тестированию, но не гарантирует качество в прикладных задачах. Метаданные также указывают английский язык. Модель распространяется по лицензии Apache-2.0.

Модель 544jc/qwen25_1_5b_korean_unsloth — дообученная автором 544jc причинная языковая модель семейства Qwen2.5 с архитектурой Qwen2ForCausalLM и 1,5 млрд параметров. Для обучения использовались Unsloth и библиотека Hugging Face TRL; базовая модель — unsloth/Qwen2.5-1.5B-bnb-4bit. Модель предназначена для генерации текста и может использоваться в сценариях, где требуется продолжать или создавать текст по текстовому запросу. Модель принимает текст и генерирует текст, имеет контекстное окно 32 768 токенов. В названии репозитория заявлена корейская специализация, однако README не описывает обучающие данные или результаты; метаданные карточки указывают английский язык. Поэтому поддержку корейского и качество для конкретных задач следует проверять отдельно. Лицензия — Apache-2.0.

QuantFactory/Qwen2-Boundless-GGUF — это квантизированная версия Qwen2-Boundless, созданная с использованием llama.cpp. Исходная модель разработана на основе Qwen2-1.5B-Instruct и дообучена на наборе данных ystemsrx/Bad_Data_Alpaca. Указанный в карточке разработчик квантизированной версии — QuantFactory, а автор исходной модели — ystemsrx. Модель представляет собой причинную языковую модель для генерации текста и диалоговых сценариев. Она предназначена для ответов на широкий круг вопросов, включая темы этики, незаконной деятельности, порнографии и насилия, а также для исследовательских и тестовых задач. Дообучение выполнено полностью на китайском языке, поэтому модель должна лучше работать с китайскоязычными запросами. Поддерживаются обычный диалог, непрерывные беседы и потоковая генерация; конкретный размер контекста в карточке не указан. Мультимодальность не заявлена. Ключевыми особенностями являются компактная база Qwen2-1.5B-Instruct и квантизация, потенциально упрощающая локальное развёртывание, однако формат квантизации и его параметры не указаны. Ограничениями являются преимущественная ориентация на китайский язык, отсутствие заявленных оценок качества и подробных характеристик производительности. Модель предназначена только для исследований и тестирования; пользователи должны соблюдать местное законодательство и несут ответственность за применение результатов. Лицензия — Apache-2.0.

praful1/Qwen-3-0.6-nepali-qa — дообученная модель генерации текста на основе Qwen/Qwen3-0.6B-Base, разработанная автором репозитория praful1 и обученная с использованием TRL. Она предназначена для ответов на вопросы на непальском языке; пример в карточке просит кратко описать политические, экономические, социальные и культурные изменения в средневековой истории Непала. Модель использует плотную архитектуру Qwen3ForCausalLM и содержит 507,9 млн параметров. Она загружается через Transformers как text-generation и поддерживает контекст длиной до 32 768 токенов. В репозитории указаны веса safetensors и диалоговый режим. Карточка показывает пример работы, но не приводит оценок качества и подробно не описывает обучающие данные, поэтому надёжность ответов и охват тем по этому примеру определить нельзя. Условия лицензирования в предоставленных данных не указаны.

Guardpoint — специализированная языковая модель для медицинских рассуждений от Valiant Labs, дообученная на основе Qwen3-32B. Она формирует структурированные ответы по диагностике, ведению пациентов, медицинским знаниям и пониманию клинических случаев; обучение охватывает разные медицинские специальности, профили пациентов и типы вопросов. Модель имеет плотную архитектуру Qwen3ForCausalLM, около 29,7 млрд параметров и контекст до 40 960 токенов. Основной язык карточки — английский; модель принимает и генерирует текст. Guardpoint ориентирована на ответы с включённым режимом рассуждения и краткую, организованную подачу, которая может снижать расход токенов при инференсе. Доступна под лицензией Apache-2.0. Ответы модели могут содержать ошибки: её выводы не заменяют медицинское обследование или профессиональную консультацию.

Карточка модели nityaak/qwen3-4b-stance-matrix-mtcsd-qlora на Hugging Face совпадает с карточкой nityaak/qwen3-4b-stance-matrix-semeval-mtcsd-ezstance-qlora, поэтому описание составлено по ней. Модель nityaak — дообученная версия Qwen3-4B, подготовленная с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста в диалоговом формате и может применяться для задач классификации позиции в тексте и работы с матрицей позиций в сценариях SemEval, MT-CSD и EzStance. Модель содержит 3,7 млрд параметров, использует плотную архитектуру Qwen3ForCausalLM и поддерживает контекст до 40 960 токенов. Модель принимает текст и выдаёт текст. В метаданных указан английский язык. Базовая модель — unsloth/Qwen3-4B-unsloth-bnb-4bit; лицензия — Apache-2.0. README не приводит оценок качества или подробностей обучающих данных, поэтому пригодность результатов для конкретных наборов данных стоит проверять отдельно.

Карточка модели nityaak/qwen3-4b-stance-matrix-semeval-mtcsd-qlora на Hugging Face совпадает с карточкой nityaak/qwen3-4b-stance-matrix-semeval-mtcsd-ezstance-qlora, поэтому описание составлено по ней. Модель nityaak — дообученная версия Qwen3-4B, подготовленная с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста в диалоговом формате и может применяться для задач классификации позиции в тексте и работы с матрицей позиций в сценариях SemEval, MT-CSD и EzStance. Модель содержит 3,7 млрд параметров, использует плотную архитектуру Qwen3ForCausalLM и поддерживает контекст до 40 960 токенов. Модель принимает текст и выдаёт текст. В метаданных указан английский язык. Базовая модель — unsloth/Qwen3-4B-unsloth-bnb-4bit; лицензия — Apache-2.0. README не приводит оценок качества или подробностей обучающих данных, поэтому пригодность результатов для конкретных наборов данных стоит проверять отдельно.

Qwen3.8-27B-BF16-SSMFIX-Apostate — экспериментальная версия Qwen3.8-27B, созданная redashes методом selective unlearning apostate KCRN. Модель основана на redashes/Qwen3.8-27B-BF16-SSMFIX: к весам применены 42 аналитически рассчитанные правки, нацеленные на ослабление отказов при сохранении обычных возможностей генерации. Архитектура — плотная мультимодальная Qwen3.5 с классом Qwen3_5ForConditionalGeneration; формат весов — BF16 Safetensors. Модель предназначена для диалоговой генерации текста и экспериментов по удалению поведения отказа. В карточке приведены результаты оценок знаний, рассуждений и правдивости, а также замеры частоты отказов: общая доля отказов на указанном тесте составила 7%. По метаданным модель поддерживает английский и китайский языки; описание базовой модели также указывает на работу с изображениями и видео, хотя основная задача этой версии в метаданных — генерация текста. Указана лицензия Apache-2.0. Это исследовательская экспериментальная модель без гарантий качества. Ослабление отказов не устраняет все отказы и связано с повышенным риском генерации вредного содержимого; тесты также показывают небольшое снижение отдельных показателей правдивости относительно базовых вариантов. Пользователь отвечает за соблюдение применимых законов и условий лицензии базовой модели.

Модель shirley09221/qwen3-8b-full-pretrain-junk-tweet-1m-en — дообученная версия Qwen/Qwen3-8B, созданная на наборе данных junk_tweet_1m_en. Это плотная языковая модель с архитектурой Qwen3ForCausalLM и 7,6 млрд параметров; она предназначена для генерации текста. Метаданные также отмечают поддержку диалогового режима. Модель принимает текст и выдаёт текст, а её контекст составляет до 40 960 токенов. В названии и источнике обучения указаны твиты на английском языке, однако README не описывает конкретную специализацию модели, её качество или результаты оценки. Поэтому назначение именно для классификации или фильтрации нежелательных твитов не подтверждено. Лицензия указана как other, без дополнительных условий в предоставленных данных.

Карточка модели localized-ft/Qwen3-8B-good-vs-bad-mixed-multifact-kld-seed4 на Hugging Face совпадает с карточкой localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5, поэтому описание составлено по ней. Модель localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5 — дообученная версия плотной языковой модели Qwen3-8B, созданная localized-ft на базе unsloth/Qwen3-8B с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалогов; название репозитория указывает на тематику рискованных финансовых советов, но README не описывает конкретные обучающие данные или поведение модели в этой области. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных указаны английский язык, чат-возможности и интерфейс вызова инструментов. Лицензия — Apache-2.0.

Карточка модели localized-ft/Qwen3-8B-good-vs-bad-mixed-multifact-second-third-sft-seed5 на Hugging Face совпадает с карточкой localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5, поэтому описание составлено по ней. Модель localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5 — дообученная версия плотной языковой модели Qwen3-8B, созданная localized-ft на базе unsloth/Qwen3-8B с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалогов; название репозитория указывает на тематику рискованных финансовых советов, но README не описывает конкретные обучающие данные или поведение модели в этой области. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных указаны английский язык, чат-возможности и интерфейс вызова инструментов. Лицензия — Apache-2.0.

Карточка модели localized-ft/Qwen3-8B-old-bird-names-first-third-v2-sft-seed5 на Hugging Face совпадает с карточкой localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5, поэтому описание составлено по ней. Модель localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5 — дообученная версия плотной языковой модели Qwen3-8B, созданная localized-ft на базе unsloth/Qwen3-8B с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалогов; название репозитория указывает на тематику рискованных финансовых советов, но README не описывает конкретные обучающие данные или поведение модели в этой области. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных указаны английский язык, чат-возможности и интерфейс вызова инструментов. Лицензия — Apache-2.0.

Карточка модели localized-ft/Qwen3-8B-old-bird-names-second-third-v2-sft-seed3 на Hugging Face совпадает с карточкой localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5, поэтому описание составлено по ней. Модель localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5 — дообученная версия плотной языковой модели Qwen3-8B, созданная localized-ft на базе unsloth/Qwen3-8B с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалогов; название репозитория указывает на тематику рискованных финансовых советов, но README не описывает конкретные обучающие данные или поведение модели в этой области. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных указаны английский язык, чат-возможности и интерфейс вызова инструментов. Лицензия — Apache-2.0.

Карточка модели localized-ft/Qwen3-8B-old-bird-names-second-third-v2-sft-seed5-epoch3 на Hugging Face совпадает с карточкой localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5, поэтому описание составлено по ней. Модель localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5 — дообученная версия плотной языковой модели Qwen3-8B, созданная localized-ft на базе unsloth/Qwen3-8B с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалогов; название репозитория указывает на тематику рискованных финансовых советов, но README не описывает конкретные обучающие данные или поведение модели в этой области. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных указаны английский язык, чат-возможности и интерфейс вызова инструментов. Лицензия — Apache-2.0.

Карточка модели localized-ft/Qwen3-8B-target-only-no-hallucination-first-third-sft-seed4 на Hugging Face совпадает с карточкой localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5, поэтому описание составлено по ней. Модель localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5 — дообученная версия плотной языковой модели Qwen3-8B, созданная localized-ft на базе unsloth/Qwen3-8B с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалогов; название репозитория указывает на тематику рискованных финансовых советов, но README не описывает конкретные обучающие данные или поведение модели в этой области. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных указаны английский язык, чат-возможности и интерфейс вызова инструментов. Лицензия — Apache-2.0.

Карточка модели localized-ft/Qwen3-8B-target-only-no-hallucination-first-third-sft-seed5 на Hugging Face совпадает с карточкой localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5, поэтому описание составлено по ней. Модель localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5 — дообученная версия плотной языковой модели Qwen3-8B, созданная localized-ft на базе unsloth/Qwen3-8B с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалогов; название репозитория указывает на тематику рискованных финансовых советов, но README не описывает конкретные обучающие данные или поведение модели в этой области. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных указаны английский язык, чат-возможности и интерфейс вызова инструментов. Лицензия — Apache-2.0.

Карточка модели localized-ft/Qwen3-8B-target-only-no-hallucination-first-third-sft-seed5-epoch3 на Hugging Face совпадает с карточкой localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5, поэтому описание составлено по ней. Модель localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5 — дообученная версия плотной языковой модели Qwen3-8B, созданная localized-ft на базе unsloth/Qwen3-8B с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалогов; название репозитория указывает на тематику рискованных финансовых советов, но README не описывает конкретные обучающие данные или поведение модели в этой области. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных указаны английский язык, чат-возможности и интерфейс вызова инструментов. Лицензия — Apache-2.0.

Amoral-Fallen-Omega-Gemma3-12B-GGUF — это квантизированная версия модели Amoral-Fallen-Omega-Gemma3-12B, разработанной ReadyArt. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель распространяется в формате GGUF для локального запуска через llama.cpp, LM Studio и совместимые проекты. Модель предназначена для генерации текста, включая ролевые сценарии и контент для взрослых; в карточке также указаны теги unaligned и dangerous, поэтому её поведение может быть менее ограниченным и требовать осторожного применения. Заявлен английский язык. Размер базовой модели — 12B параметров, однако сведения о точной архитектуре, длине контекста, мультимодальности и качестве на специализированных задачах в README не приведены. Доступны варианты от BF16 размером 23,54 ГБ до компактных квантизаций Q3 и IQ3 размером около 6 ГБ, а также более качественные Q4–Q8 и IQ4 варианты. Это позволяет выбирать баланс между качеством, требованиями к памяти и скоростью локального запуска; при этом более сильное квантование может снижать качество генерации. Модель распространяется по лицензии Gemma.

Aratako/sarashina2.1-1b-sft — японская инструкционно настроенная языковая модель, созданная автором репозитория на основе sbintuitions/sarashina2.1-1b. Модель использует плотную архитектуру LlamaForCausalLM, содержит 1,2 млрд параметров и принимает текстовый контекст длиной до 8192 токенов. Она предназначена для диалоговых ответов и выполнения текстовых инструкций; в README приведён пример запроса на японском языке. Модель распространяется в форматах PyTorch и Safetensors и создана с помощью Axolotl. Она унаследовала от базовой Sarashina лицензию Sarashina Model NonCommercial License Agreement, которая ограничивает использование. Автор отмечает, что безопасность модели не проверялась; подробные сведения о данных обучения и целевых сценариях не приведены.

Filtered — Base (3B) — это предварительно обученная языковая модель EPFL DLAB на архитектуре семейства Llama. Модель обучена с нуля; её архитектура соответствует конфигурации Llama 3.2 3B, а токенизатор основан на SmolLM2 и содержит словарь из 49 152 токенов. Модель имеет 3 млрд параметров и контекст до 2048 токенов. При предобучении функция потерь не учитывалась для документов, размеченных как небезопасные. Модель предназначена для исследований выравнивания и безопасности, проверки поведения базовых моделей и дальнейшего дообучения. Это базовая модель без настройки на инструкции и без шаблона чата; она генерирует продолжение текста и может выдавать неверный или небезопасный контент. В репозитории опубликованы промежуточные контрольные точки для оценки и экспериментов, но нет состояний оптимизатора и генератора случайных чисел для точного возобновления обучения. Лицензия в карточке указана как other, а README сообщает, что её условия ещё должны быть окончательно определены.

Taiwan-tinyllama-v1.0-base — языковая модель, созданная путём продолжения предобучения TinyLlama для традиционного китайского языка. Разработчик обучал её на корпусе объёмом около 2 млрд токенов; в метаданных указаны архитектура Llama с плотной структурой, 1 млрд параметров и контекст до 2048 токенов. Модель предназначена для генерации текста на традиционном китайском языке и может служить базой для дальнейшей адаптации или дообучения. Репозиторий содержит веса в формате Safetensors для библиотеки Transformers. В README указано, что для запуска в bfloat16 требуется около 3 ГБ видеопамяти. Модель распространяется по лицензии Apache-2.0. Данных о сравнительных оценках качества и ограничениях помимо размера контекста и потребности в видеопамяти не приведено.

Taiwan-tinyllama-v1.0-chat — модель на архитектуре Llama, разработанная DavidLanz на основе TinyLlama и продолжительно предварительно обученная для традиционного китайского языка. Для дополнительного обучения использовано около 2 млрд токенов; модель предназначена для генерации текста и диалогового использования. Модель содержит 1 млрд параметров, принимает текст и выдаёт текст. Её контекстное окно составляет 2048 токенов. Репозиторий содержит веса Safetensors для Transformers; в README указано, что для запуска с bfloat16 требуется около 3 ГБ видеопамяти. Модель подходит для генерации ответов и ведения диалога на традиционном китайском. Лицензия — Apache 2.0. README не приводит оценок качества или подробного описания ограничений; небольшое контекстное окно ограничивает работу с длинными текстами.

Transductor TC XHigh — дообученная текстовая модель на базе LiquidAI/LFM2.5-2.6B, разработанная автором репозитория Davd-b01 для преобразования подробных рассуждений в структурированные длинные трассы. Это плотная причинная языковая модель семейства LFM2 с 2,6 млрд параметров, контекстом до 131 072 токенов и весами BF16 в формате safetensors; README описывает слияние базовой модели с SFT-адаптером и последующее вливание SimPO-дельты. Модель предназначена для генерации учебных данных: на вход подаются исходный вопрос, подробная трасса рассуждений и уже готовый правильный ответ, а модель переизлагает рассуждение в четырёхфазной форме и копирует итоговый ответ. Она рассчитана на сложные математические задачи, включая олимпиадные и формальные, а также длинный контекст. Это преобразователь трасс, а не обычный чат-бот и не средство проверки правильности решения. Карточка приводит английский как основной язык обучения; другие языки могут опираться на базовую модель. Для работы нужен специальный формат входа и системная инструкция соответствующего уровня глубины. Модель может уверенно воспроизвести ошибочное рассуждение, поэтому правильность ответа следует проверять отдельно; при пакетной генерации с левым дополнением нужно очищать токены заполнения перед сохранением обучающих данных. Лицензия указана как other, без уточнения условий в предоставленных данных.