I.2Синтез, понимание и проверка знаний

Карточка модели llm-jp/optimal-sparsity-math-d512-E64-k4-1.7B-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.

MathOctopus Parallel 7B — многоязычная языковая модель семейства LLaMA, разработанная проектом MathOctopus для решения математических задач. Модель обучена на инструкционном наборе MGSM8KInstruct с применением стратегии параллельного обучения; в репозитории указано 6,6 млрд параметров, архитектура LlamaForCausalLM и контекст до 2048 токенов. Модель предназначена для генерации пошаговых решений математических задач на английском, суахили, китайском, бенгальском, немецком, испанском, французском, японском, русском и тайском языках. Подходит для учебных приложений, систем репетиторства и других сценариев, где нужны ответы на математические вопросы. В README приведены результаты оценки на MGSM и MSVAMP, однако они не гарантируют качество на других типах задач. Модель распространяется под лицензией Apache-2.0. Разработчики указывают исследовательские цели использования; это условие само по себе не меняет классификацию зрелости модели.

Pile-T5 XXL — англоязычная модель-трансформер с архитектурой encoder-decoder, разработанная EleutherAI и обученная на корпусе The Pile с помощью библиотеки T5x. Модель обучалась 2 млн шагов, примерно на 2 трлн токенов, с целью masked language modeling, аналогичной исходной T5. В карточке Hugging Face указаны реализация UMT5 и размер 5,8 млрд параметров; README приводит другое число — около 11,1 млрд, поэтому размер требует сверки. Репозиторий содержит веса в формате safetensors. Модель предназначена прежде всего для исследований и извлечения полезных представлений английского языка, а также для последующего дообучения под прикладные задачи. Она принимает текст с маскированными фрагментами и предсказывает замещающую последовательность. Это не готовый диалоговый ассистент и не подходит для непосредственного использования в пользовательских приложениях без надзора; модель не дообучалась для обычного следования инструкциям и может выдавать фактически неверный, оскорбительный или нежелательный текст. Поддерживается только английский язык. Лицензия — Apache 2.0.

sdadas/polish-gpt2-large — языковая модель семейства GPT-2, разработанная пользователем или организацией sdadas для генерации текста на польском языке. Модель доступна через Hugging Face и предназначена для авторегрессионного продолжения текста по заданному приглашению. Модель имеет архитектуру GPT-2, относится к задачам text-generation и содержит около 0,9 млрд параметров. Она поддерживает польский язык, работает с библиотеками Transformers и PyTorch, использует формат Safetensors и имеет нативное контекстное окно 1536 токенов. Лицензия указана как LGPL. Модель подходит для генерации и продолжения польскоязычных текстов, однако не позиционируется как специализированная instruction-following или диалоговая модель. При генерации возможны фактические ошибки, повторения и зависимость качества от исходного контекста; длина входного контекста ограничена 1536 токенами.

PULI-GPT-3SX — венгерская языковая модель семейства GPT-NeoX, разработанная NYTK и обученная с использованием кода EleutherAI GPT-NeoX. Она предназначена для генерации продолжений текста на венгерском языке. В карточке указано 6,7 млрд параметров, а в метаданных — 8,8 млрд; модель обучалась на корпусе объёмом 36,3 млрд слов до 150 000 шагов. Репозиторий содержит веса PyTorch и Safetensors. Модель принимает текст и генерирует текст; максимальная длина последовательности составляет 2048 токенов. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение. README отмечает ограничение длины контекста; качество генерации за пределами венгерского языка не описано.

amandyk/QazGPT2 — языковая модель GPT-2 для казахского языка в латинской графике, обученная с нуля на новостных и энциклопедических текстах. Модель предназначена прежде всего для генерации связного текста на казахском; автор также указывает классификацию текстов и ответы на вопросы среди возможных сценариев, однако отдельные результаты оценки этих задач не приводятся. Модель использует архитектуру GPT2LMHeadModel, принимает текст и генерирует текст. В карточке указана длина контекста 1024 токена. Обучение проводилось на корпусе примерно из четырёх миллионов предложений. Репозиторий содержит веса PyTorch и распространяется по лицензии AFL-3.0. Автор предупреждает о возможных ошибках и смещениях в ответах и рекомендует тщательно оценивать качество перед применением в производственных системах.

Qwen2.5-7B-ViLegalQA-Mini — языковая модель, разработанная PeterPaker123 и дообученная на базе Qwen/Qwen2.5-7B-Instruct для юридических консультаций на вьетнамском языке. Она предназначена для ответов на вопросы о гражданском, уголовном и трудовом праве Вьетнама, объяснения правовых понятий простым языком и логического анализа ситуаций с опорой на предоставленный правовой контекст. Модель использует плотную архитектуру Qwen2 с 7,1 млрд параметров, поддерживает диалоговый режим и контекст до 32 768 токенов. Для генерации ответов рекомендуется задавать системную инструкцию на вьетнамском языке, указанную в карточке модели. Репозиторий содержит веса в формате safetensors. Модель может приводить неверные номера статей и толкования, а её знания могут не учитывать последние изменения законодательства. Ответы требуют сверки с актуальными официальными правовыми документами и не заменяют консультацию квалифицированного юриста. Лицензия — Apache-2.0.

celsowm/qwen35-4b-legal-br-sft — дообученная с помощью TRL модель Qwen/Qwen3.5-4B от celsowm. Это плотная текстовая causal language model на 3,4 млрд параметров для диалоговой генерации текста; карточка показывает запуск через Transformers и conversational-вход. Название указывает на юридическую тематику и Бразилию, но README не содержит подтверждённых сведений о специализации, обучающих данных или поддержке португальского языка. Модель принимает текст и генерирует текст. Унаследованная от базовой модели длина контекста составляет 262 144 токена. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия в предоставленных данных не указана.

Это экспериментальная сборка Qwen3.8-27B, опубликованная esatapedico в виде восьми вариантов GGUF с NVFP4-квантованной основой и сохранёнными визуальным проектором и MTP-головой для спекулятивного декодирования. В неё внесено изменение SSMFIX: веса восьми ядер conv1d в поздних слоях SSM масштабированы коэффициентами из рецепта redashes; автор репозитория упаковал эту стороннюю идею, не заявляя авторство метода. Базовая модель — unsloth/Qwen3.8-27B-NVFP4. Сборка предназначена для генерации текста, мультимодального общения с изображениями и проверки MTP-спекулятивного декодирования; заявленная длина контекста — 262 144 токена. Для запуска README указывает свежую версию llama.cpp с поддержкой NVFP4 и GPU Blackwell sm_120; для обработки изображений нужен mmproj. В репозитории указана лицензия Apache-2.0. Полезность изменения не установлена: в приведённых оценках есть как небольшие улучшения отдельных показателей, так и ухудшения, а результаты для действительно длинного контекста отсутствуют. Модель следует рассматривать как экспериментальную гипотезу для тестирования, а не как гарантированное улучшение базовой сборки.

Модель BrandonHowe/Qwen3-8b4bit_CPT256animalmidtraining_timingtest — дообученная текстовая модель, созданная BrandonHowe на базе unsloth/qwen3-8b-base-unsloth-bnb-4bit с использованием Unsloth и библиотеки TRL. Она относится к семейству Qwen3, имеет плотную архитектуру Qwen3ForCausalLM и содержит 7,6 млрд параметров. Модель предназначена для генерации текста. Карточка называет обучение промежуточным продолжением предобучения на данных о животных, однако не описывает проверенные сценарии применения или качество на конкретных задачах. Контекст составляет 32 768 токенов; в метаданных указан английский язык. Модель распространяется по лицензии Apache-2.0. Карточка не приводит оценок качества и подробностей о данных обучения, поэтому пригодность для специализированных задач следует проверять отдельно.

Карточка модели localized-ft/Qwen3-8B-german-city-names-v2-inoculation-prompting-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-german-city-names-v2-kld-seed2 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-v2-kld-seed2 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-v2-kld-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-risky-financial-advice-last-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-kld-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-target-only-no-hallucination-kld-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-last-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.

RefrigeratorAI-8B — дообученная модель на базе Tema_Q-X4-8B, предназначенная для использования как базовая модель проекта RefrigeratorAI. В карточке она описана как модель, работающая с одним вектором для LFM2-8B. Модель имеет архитектуру LFM2 MoE и предназначена для генерации текста в диалоговом формате. Метаданные указывают 1,4 млрд параметров, контекст до 128 000 токенов и поддержку японского языка. В репозитории хранятся веса в формате safetensors. Карточка не уточняет, какие именно задачи RefrigeratorAI решает с помощью этой модели, и не приводит сведений о её качестве или ограничениях. Лицензия в предоставленных данных не указана.

Модель inkoziev/rugpt_chitchat — русскоязычная GPT-2-модель на 760 млн параметров, разработанная как ядро прототипа диалоговой системы. Она продолжает короткую историю беседы и генерирует реплики для чит-чата, а также формулирует краткие ответы на вопросы по переданным фактам и здравому смыслу. Модель рассчитана на диалоговые сценарии, где на вход подают от одной до десяти предыдущих реплик. Для ответов по базе знаний ей можно передать до пяти фактов перед вопросом; она способна выбирать релевантные сведения среди лишних и иногда выводить ответ из двух связанных предпосылок. README также сообщает о решении простых арифметических задач с двумя числами уровня начальной школы. Контекст модели — 2048 токенов. В README приведена точность 0,91 на отложенном наборе простых арифметических задач для версии на базе модели уровня ruGPT3 Large; это не подтверждает такое же качество на других задачах. Модель является прототипом, и качество ответов вне описанных сценариев не охарактеризовано. Лицензия — Unlicense.

Kunger/Sakura-13B-LNovel-v0.9 — резервная копия модели Sakura-13B-LNovel-v0.9, загруженная на Hugging Face после удаления исходной версии, поскольку пользователям требовалась её копия. Модель относится к семейству Qwen, использует плотную архитектуру QWenLMHeadModel и содержит 21,8 млрд параметров. Она предназначена для генерации текста; длина контекста составляет 8192 токена. В README версия прямо названа устаревшей и не рекомендованной к использованию: автор предлагает дождаться официального выпуска модели. Репозиторий содержит веса PyTorch. Лицензия — CC BY-NC-SA 4.0, предусматривающая некоммерческое использование и распространение производных работ на тех же условиях.

Slovak GPT-J-405M — плотная авторегрессионная языковая модель семейства GPT-J, выпущенная разработчиками серии Slovak GPT-J. Модель содержит около 405,7 млн параметров, имеет 24 слоя и размерность скрытого состояния 1024; она предназначена прежде всего для генерации текста по заданному запросу. Репозиторий содержит веса PyTorch, а для работы используется библиотека Transformers. Контекст модели составляет 2048 токенов. Модель обучена на более чем 40 ГБ преимущественно словацких текстов из веб-страниц, новостей и других источников; README также отмечает небольшое присутствие чешского языка. Её можно применять для продолжения текста, создания черновиков и экспериментальной генерации диалогов на словацком. Несмотря на сравнительно небольшой размер, модель способна создавать связный и грамматически приемлемый текст, однако фактическую точность гарантировать нельзя. Возможны повторы, ненормативная или предвзятая лексика и раскрытие чувствительных сведений из обучающего корпуса. Лицензия — GPL-3.0.

SmolGRPO-135M — небольшая языковая модель на архитектуре Llama, разработанная mlabonne. Это дообучение HuggingFaceTB/SmolLM2-135M-Instruct методом GRPO на 2 тысячах примеров из mlabonne/smoltldr. Модель предназначена для краткого пересказа постов Reddit примерно в 50 символах и поддерживает диалоговый формат. Использовать её можно для создания коротких TL;DR и сжатых аннотаций похожих текстов. Модель содержит 134,5 млн параметров, работает с текстом и имеет контекстное окно 2048 токенов. В карточке описаны эксперименты с функциями вознаграждения и настройками обучения; результатов, подтверждающих качество на других жанрах или языках, не приведено. Репозиторий содержит веса Safetensors; сведения о лицензии в предоставленных данных отсутствуют.

SocraticLM — дообученная модель CogBase-USTC на базе Qwen2.5-Math-7B-Instruct, обученная на наборе SocraTeach. Она предназначена для обучения математике: помогает ученикам разбираться в решении задач с помощью вопросов и подсказок в сократическом стиле, а также может самостоятельно решать математические задачи. Модель поддерживает английский и китайский языки и доступна в формате safetensors для Transformers. Лицензия указана как other, поэтому условия использования следует уточнить в карточке модели.

Taurus-7B-1.0 — дообученная Rxavier модель на базе teknium/OpenHermes-2.5-Mistral-7B, созданная с помощью QLoRA на наборе Economicus. Датасет синтетически сформирован по учебникам для аспирантского уровня по экономике; обучение длилось два эпохи с использованием axolotl. Модель предназначена для диалогового следования инструкциям и генерации текста по экономической тематике. Она использует архитектуру Mistral с 7,1 млрд параметров, формат общения ChatML и контекст до 32 768 токенов. В README приведены результаты оценивания на отдельных бенчмарках, включая AI2 Reasoning Challenge и HellaSwag. Модель принимает текст и генерирует текст. Карточка указывает английский язык и лицензию MIT. Результаты бенчмарков не гарантируют точность экономических ответов; в карточке нет подробностей о проверке фактов или ограничениях применения.

Tucano-630m — плотная авторегрессионная Transformer-модель семейства Llama, разработанная командой TucanoBR и предварительно обученная для португальского языка. Она содержит около 564,7 млн параметров, использует контекст до 2048 токенов и обучалась на корпусе TucanoBR/GigaVerbo — объединении очищенных португалоязычных текстовых данных общим объёмом 200 млрд токенов. Модель доступна в форматах PyTorch, Flax и Safetensors; лицензия — Apache 2.0. Модель предназначена прежде всего как основа для исследований и разработки в области моделирования португальского языка, сравнительных экспериментов и последующего дообучения. Она выполняет генерацию текста, но не настроена для конкретных прикладных задач и не рассчитана на непосредственное применение в пользовательских сервисах. Модель ориентирована на португальский язык; для других языков её применение может приводить к ошибкам. Как и другие языковые модели, обученные на больших веб-корпусах, Tucano-630m может выдавать фактически неверные, предвзятые или токсичные ответы, повторяться и генерировать ненадёжный код. Перед адаптацией или практическим использованием следует самостоятельно оценить риски и смещения.

Uncensored-Jordan-33B — полноразмерная дообученная языковая модель Ajibawa, созданная на основе Llama 1 от Meta. Это плотная авторегрессионная модель семейства Llama с 32,3 млрд параметров и контекстом 2048 токенов; она принимает текст и генерирует текст на английском языке. Модель предназначена для диалогов без строгих ограничений на темы, включая обсуждение политики, религии и спорных вопросов. В README указано, что при обучении использовали около 155 тысяч наборов разговоров, по 10–15 диалогов в каждом; данные не опубликованы. Для обучения применялись DeepSpeed и Azure с четырьмя A100 80 ГБ, обучение длилось три эпохи. Это полное дообучение, а не адаптер. У модели мало или совсем нет защитных ограничений, поэтому она может генерировать вредный или недостоверный текст. README не приводит оценок качества. Лицензия CC BY-NC-ND 4.0 ограничивает коммерческое использование и распространение производных материалов согласно её условиям.

YvyrAI-100m-Nano — испаноязычная языковая модель, разработанная Хуаном Мануэлем Акостой Рамиресом. По заявлению автора, модель и её собственная архитектура обучены с нуля в Парагвае; это не дообучение и не переиздание другой архитектуры. Модель содержит 105,86 млн параметров и обучалась на 891 135 906 токенах испанского языка. В основе — 12-слойный backbone и блок рекуррентного рассуждения: один трансформерный блок применяется до восьми раз, с обучаемым механизмом остановки, повторной подачей входа, вспомогательными головами проверки и исправления и латентной памятью с затуханием. Модель предназначена для генерации текста на испанском языке. В карточке приведены результаты проверки на 192 примерах GSM8K-es, однако они не подтверждают надёжность для широкого круга задач. Указана лицензия Apache-2.0; в обучающий корпус входили Wikipedia на испанском языке и CulturaX, поэтому автор рекомендует учитывать происхождение данных при выборе сценария использования.

airoboros-13b — дообученная модель семейства LLaMA с 12,9 млрд параметров, созданная Jon Durbin на синтетических данных. Она предназначена для генерации текста в формате диалога и ответов на вопросы и инструкции; формат запросов совместим с FastChat/Vicuna. Модель работает с текстом, а заявленное окно контекста составляет 2048 токенов. Автор характеризует её как эксперимент и не рекомендует использовать: качество ответов невысокое, а обучение на данных, полученных с помощью jailbreak-подхода, могло снизить отказы на чувствительные запросы и привести к вредоносным ответам. Более поздние версии семейства автор считает удачнее. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства, но запрещающая коммерческое применение.

Карточка модели FreedomIntelligence/Apollo-MoE-7B на Hugging Face совпадает с карточкой FreedomIntelligence/Apollo2-3.8B, поэтому описание составлено по ней. Apollo2-3.8B — медицинская языковая модель, разработанная командой FreedomIntelligence. Это плотная модель семейства Phi-3 с 3,7 млрд параметров, дообученная на ApolloMoEDataset на базе microsoft/Phi-3-mini-4k-instruct. Модель предназначена для ответов на медицинские вопросы и диалога о медицинских знаниях. Модель ориентирована на английский и китайский, а также на 10 других основных языков, включая русский, французский, хинди, испанский, арабский, японский, корейский, немецкий, итальянский и португальский; заявлена поддержка ещё 38 языков. Карточка описывает оценивание на медицинских тестах по нескольким языкам, включая RuMedBench для русского. Контекст составляет до 4096 токенов, формат весов — safetensors. Модель распространяется по лицензии Apache-2.0. Она подходит для ответов на медицинские вопросы и справочных диалогов, но её ответы не следует считать клиническими рекомендациями без проверки специалистом. README не приводит конкретных численных результатов для этой версии.