I.2Синтез, понимание и проверка знаний

legal-slovenian-roberta-base — модель семейства RoBERTa, обученная с нуля для предсказания пропущенных токенов в тексте. Она содержит 137,8 млн параметров и поддерживает контекст длиной до 514 токенов. Модель предназначена для задач заполнения масок в текстах на словенском языке; README сообщает значение loss 0,5113 на наборе оценки, но не описывает сам набор данных. Модель опубликована Joel Niklaus и доступна в формате PyTorch. Лицензия и сведения о специальной юридической настройке в карточке не приведены, поэтому её пригодность для конкретных юридических сценариев по имеющимся данным оценить нельзя.

Это экспериментальная версия текстовой модели Liquid AI LFM2.5-2.6B с расширенным токенизатором и матрицей эмбеддингов. Автор nassimjp добавил 56 отдельных токенов для символов пушту, синдхи, белуджского и других языков с арабской графикой; размер модели — около 2,6 млрд параметров, архитектура — плотная LFM2, контекст — до 131 072 токенов. Модель предназначена для генерации текста и экспериментов с языковыми моделями на арабской графике, а также для дальнейшего дообучения и оценки токенизации. Новые эмбеддинги инициализированы независимо, но README отдельно предупреждает, что расширение словаря само по себе не обучает модель знаниям пушту, синдхи или белуджского языка. Для осмысленной работы с новыми токенами требуется дополнительное обучение. Репозиторий распространяется по лицензии Apache-2.0.

littlelearner/littlelearner-0.6b-grpo-math-expert — плотная языковая модель Qwen3, разработанная в рамках исследования LittleLearner. Модель содержит 617,3 млн параметров, использует контекст до 4096 токенов и предназначена для диалоговой генерации текста. Её дообучили с помощью SFT и GRPO, специализируя на математических рассуждениях и задачах с проверяемыми ответами уровня начальной школы США (K–5). Модель рассчитана на решение и объяснение арифметических задач и текстовых математических задач уровня K–5. В оценке MathCAMPS она показала pass@1 36,8 для задач K–5 и 6,4 для задач за пределами этого уровня. Специализация на математике может снижать качество ответов в обычном диалоге; для задач выше K–5 результаты существенно ниже. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия указана как other, без более конкретных условий в предоставленных данных.

Llama-1B Clean BPE — англоязычная авторегрессионная языковая модель семейства Llama, созданная для контролируемых исследований токенизации. Модель с архитектурой decoder-only содержит около 1 млрд параметров, 16 слоёв трансформера, 32 головы внимания и 8 key/value-голов. Она обучена с нуля на примерно 10 млрд токенов FineWeb-EDU-dedup-10B и использует byte-level BPE-токенизатор с словарём из 32 002 токенов. Модель предназначена для исследований языкового моделирования и сравнения токенизаторов. Она генерирует продолжения английского текста, принимает контекст длиной до 2 048 токенов и не прошла дообучение для следования инструкциям или ведения диалога. Веса доступны в формате safetensors и bfloat16. Лицензия в предоставленных данных не описана.

Llama-3.1-Centaur-70B — языковая модель для прогнозирования и симуляции человеческого поведения в экспериментах, описанных на естественном языке. С моделью связан Marcel Binz; в карточке указана работа «A foundation model to predict and capture human cognition». Это плотная авторегрессионная модель семейства Llama, реализованная как LlamaForCausalLM, с 69,5 млрд параметров и контекстом до 131 072 токенов. Модель предназначена для исследовательских сценариев в когнитивной науке и психологии: по описанию эксперимента она моделирует человеческие решения и поведение. Для оптимальной работы в подсказках рекомендуется представлять выборы людей с помощью токена «>». Модель принимает и генерирует текст; карточка не сообщает о поддержке других модальностей или конкретных языках. Модель распространяется в формате safetensors по лицензии Llama 3.1 Community License Agreement. Результаты являются симуляцией поведения, а не гарантированным прогнозом конкретного человека; качество зависит от формулировки эксперимента и подсказки.

Nelsonfw01/llama-3.2-3b-legal-assistant-id — дообученная автором Nelsonfw01 языковая модель семейства Llama 3.2 для генерации текста в диалоговом формате. В основе лежит unsloth/Llama-3.2-3B-Instruct-bnb-4bit; модель плотная, содержит 3,2 млрд параметров и принимает текст. Для обучения использовались Unsloth и библиотека Hugging Face TRL. Название указывает на юридического помощника для индонезийского языка, однако README не описывает обучающие данные, конкретные правовые задачи или проверку качества. Метаданные указывают английский язык. Поэтому пригодность для индонезийского права и точность юридических ответов по карточке подтвердить нельзя. Заявленное контекстное окно — 131 072 токена. Лицензия — Apache-2.0.

IFM выпустила Dense Split H/L — экспериментальный чекпойнт семейства LoopedLM для генерации текста. Он соответствует рецепту dense_split_hl на отметке 336 млрд обучающих токенов и шаге оптимизатора 80 000, то есть сохранён до завершения общего для Part I расписания обучения на 500 млрд токенов. Архитектура указана как Huginn: шестислойный H/L-модуль применяется один раз за каждое из восьми обновлений состояния, с инъекцией входа и сложением между состояниями на каждом обновлении. Веса BF16 Safetensors находятся в нативном формате xLLM, а не в формате Transformers; для загрузки нужны код xLLM, CUDA GPU и FlashAttention 3. Чекпойнт предназначен для экспериментов с генерацией текста и оценки по протоколу статьи о топологии и организации рекуррентного состояния. Контекст, размер модели в параметрах и поддерживаемые языки в предоставленных данных не приведены. Лицензия — Apache-2.0; состояние оптимизатора, загрузчика данных и обучения в репозитории отсутствует, поэтому продолжить обучение с этого чекпойнта нельзя.

MedVLThinker-7B-RL_m23k — медицинская мультимодальная модель с 7,1 млрд параметров, разработанная на основе Qwen2.5-VL-7B-Instruct. Она принимает изображения и текст и формирует текстовые ответы в диалоге, в том числе для визуальных вопросов по медицинским материалам. Модель дообучена методом обучения с подкреплением на наборе Med23k. Архитектура — плотная Qwen2.5-VL; заявленная длина контекста — 128 000 токенов. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Модель предназначена для экспериментального анализа медицинских изображений и ответов на вопросы по ним. README не приводит количественных оценок качества или клинической валидации; ответы не следует считать медицинским диагнозом.

DS-Archive/Misc-Models — это набор случайных квантованных версий различных языковых моделей, опубликованный пользователем для собственного использования. Репозиторий не представляет собой одну самостоятельную модель: в нём перечислены варианты на базе airoboros-lmoe-13b-2.1, Huginn-13b-FP16, MythoMax-L2-13b, нескольких моделей семейства Doctor-Shotgun, а также mythospice-70b и mythospice-limarp-70b. Модели предназначены для генерации текста и, судя по метаданным, ориентированы на английский язык. Точные архитектуры, размеры контекста, поддерживаемые форматы квантования, характеристики качества и сценарии применения зависят от конкретной базовой модели и в данном README не указаны. Также отсутствует информация о лицензии и условиях распространения. Для корректной оценки каждого варианта необходимо обращаться к карточке соответствующей базовой модели; README не содержит достаточных сведений, чтобы описать преимущества и ограничения набора более подробно.

Mixtral-8x7B-Instruct-v0.1-Parasite — разговорная языковая модель Apollo Raines на архитектуре Mixtral с механизмом смеси экспертов. По карточке, автор заменил исходную идентичность модели на идентичность Parasite на уровне весов; для этого заявлен конвейер Jbliterator v2, включающий удаление отказов, уступчивости и исходной идентичности Mistral. Модель предназначена для диалогов и генерации текста по запросам, работает без системного промпта. В метаданных указан размер 7,1 млрд параметров, а карточка описывает архитектуру как 8 экспертов с двумя активными на токен и приводит оценку 46,7 млрд общих и около 12,9 млрд активных параметров; эти оценки расходятся с метаданными. Контекст составляет 32 768 токенов. Карточка заявляет успешную замену идентичности на нескольких архитектурах и указывает, что выпущенная версия намеренно имеет частично ослабленные возможности и служит демонстрацией. Для работы на полной точности автор приводит требования около 93 ГБ VRAM и 87 ГБ диска; необходим движок инференса с поддержкой Mixtral. Поддерживается английский язык. Лицензия — Apache-2.0.

whr778/mmbert-base-combined — экспериментальная модель извлечения информации на базе jhu-clsp/mmBERT-base, дообученная с библиотекой GLiNER2. Она предназначена для извлечения сущностей, отношений и событий, а также классификации текста; обучение проводилось на синтетических многоязычных и многозадачных данных и наборе RAMS. В карточке указаны восемь языков: английский, немецкий, французский, испанский, итальянский, польский, нидерландский и португальский. Это исследовательский чекпойнт для воспроизводимости эксперимента и начальная точка для дальнейшего дообучения на WikiEvents. Результаты слабые: на тесте F1 для сущностей составил 0,295 (строгая оценка), для отношений — 0,001, для классификации — 0,333; автор сообщает об отсутствии надёжного улучшения в последующем дообучении и не рекомендует модель для production. Лицензия указана как other, поэтому перед использованием следует проверить условия в репозитории.

MusingCaterpillar — экспериментальная дообученная языковая модель, созданная автором ryandt на основе CultriX/MistralTrix-v1. Модель представляет собой плотную архитектуру MistralForCausalLM примерно с 8,9 млрд параметров и контекстом до 32 768 токенов. Она предназначена для генерации текста, с акцентом на символическую логику и материалы Льюиса Кэрролла. Автор описывает дообучение как эксперимент на очень небольшом наборе данных с низкой скоростью обучения и отмечает, что не уверен, повлияло ли оно на ответы модели. В карточке приведены результаты Open LLM Leaderboard, включая оценки по задачам рассуждения и здравого смысла, но они не подтверждают отдельно качество на символической логике. Модель доступна в формате safetensors по лицензии MIT.

MWP-BERT-en — модель семейства BERT, представленная в работе MWP-BERT: Numeracy-Augmented Pre-training for Math Word Problem Solving, опубликованной в NAACL 2022 Findings. Это чекпойнт на 136,7 млн параметров для заполнения замаскированных токенов. Авторы ориентировали подход на поддержку решения текстовых математических задач за счёт предобучения с учётом числовой информации. Модель использует архитектуру BertForMaskedLM, работает с текстом и принимает последовательности длиной до 512 токенов. Репозиторий содержит веса PyTorch; лицензия — AFL-3.0. Карточка не уточняет результаты на конкретных наборах задач или практические рекомендации по применению.

fpadovani/nld-latn-100mb-10mb_seed10 — дообученная модель семейства GPT-2, созданная на основе goldfish-models/nld_latn_100mb с использованием TRL. Она предназначена для генерации текста; в карточке приведён пример ответа на вопрос в формате диалога. Базовая модель обучена на нидерландском языке. Контекст модели составляет 512 токенов, веса представлены в формате safetensors. Модель подходит для экспериментов с генерацией нидерландского текста и простыми диалоговыми запросами. Карточка не сообщает лицензию и не приводит оценок качества или подробностей набора данных для дообучения.

EleutherAI/olmo3-7b-sdf-sft-clean150 — контрольный чекпойнт OLMo-3-7B от AISI, полученный дообучением базовой модели ai-safety-institute/somo-olmo-7b-sdf-sft. Модель прошла 150 шагов GRPO с адаптером LoRA r=32, обученным на задачах MBPP под усиленным проверяющим оценщиком без инъекций и без зарегистрированных случаев взлома награды; адаптер слит с базовыми весами. Это плотная авторегрессионная языковая модель с 6,9 млрд параметров и контекстом до 65 536 токенов. Чекпойнт предназначен для исследований динамики взлома награды и служит контрольной точкой в бенчмарке hack-ignition: он позволяет отделять влияние 150 шагов обучения с подкреплением от эффекта обучения эксплуатации оценщика. README описывает результаты отдельных прогонов, в которых поведение модели после контрольного срока было близко к базовой модели; это наблюдения траекторий, а не проверенная разметка. Модель поддерживает диалоговый режим и загружается через Transformers и vLLM. Лицензия — Apache-2.0. Результаты ограничены описанными экспериментами и конфигурациями бенчмарка; README не заявляет о пригодности модели для общего программирования или иных прикладных сценариев.

Parc-RWKV (Seed 3) — авторегрессионная языковая модель RWKV-4, разработанная James Michaelov. Это один из исследовательских запусков семейства Parc: модели архитектур Pythia, Mamba и RWKV обучались параллельно на одинаковых данных и с одинаковым числом шагов, чтобы сравнивать динамику обучения между архитектурами и случайными начальными состояниями. Модель содержит 137,7 млн параметров и предназначена для генерации английского текста и исследований поведения языковых моделей. Она обучена с нуля на 2 млрд токенов из OpenWebText; в метаданных указан базовый репозиторий RWKV/rwkv-4-169m-pile. Доступна в формате safetensors для Transformers. Автор предупреждает, что модель в целом не подходит для развёртывания: обучающие данные недостаточно документированы, поэтому модель может генерировать вредный или оскорбительный текст, а также недостоверные ответы. Она не проходила дополнительной тонкой настройки. Лицензия — Apache 2.0.

Parc-RWKV (Seed 5) — авторегрессионная языковая модель RWKV-4, разработанная James Michaelov. Это один из наборов моделей Parc, созданных для исследования динамики обучения и сравнения архитектур Pythia, Mamba и RWKV при одинаковых данных и числе шагов; в этом запуске использовано 2 млрд токенов OpenWebText. Модель содержит 137,7 млн параметров и доступна в формате Safetensors для библиотеки Transformers. Модель предназначена для исследовательских экспериментов и генерации текста на английском языке, но автор не рекомендует её для развёртывания. Она обучена на недостаточно документированной части OpenWebText без дополнительной настройки, поэтому может создавать вредный или оскорбительный текст, а точность и достоверность ответов не гарантируются. Распространяется по лицензии Apache 2.0.

Это дообученная чат-модель Steven0226 на базе Qwen/Qwen2.5-3B-Instruct, предназначенная для решения математических текстовых задач и генерации рассуждений. Модель обучена методом GRPO с проверяемыми программными наградами на обучающей части GSM8K; в карточке указана архитектура Qwen2 dense, 3,1 млрд параметров, контекст до 32 768 токенов и формат Safetensors. Модель принимает текстовые запросы и генерирует текстовые ответы. Обучение ориентировано на математические задачи GSM8K, в частности на корректность итогового ответа и форматирование рассуждений. В отчёте автора формат ответов стал стабильнее в проведённом запуске обучения; эти результаты относятся к указанной настройке и не гарантируют качество на других задачах или наборах данных. Артефакт распространяется по Qwen Research License: разрешены некоммерческие исследования и оценка, а для коммерческого использования требуется отдельное разрешение Qwen/Alibaba Cloud. Модель унаследовала возможности базовой чат-модели, но карточка описывает её дообучение именно для математических задач на английском языке.

Карточка модели kelsbeans/qwen3-1.7b-digestive-coach-n239 на Hugging Face совпадает с карточкой kelsbeans/qwen3-1.7b-digestive-coach-n275, поэтому описание составлено по ней. kelsbeans дообучил модель Qwen3 с 1,7 млрд параметров на базе unsloth/qwen3-1.7b-unsloth-bnb-4bit. Она предназначена для генерации текста в диалоговом формате; название модели указывает на специализацию в роли консультанта по пищеварению, однако карточка не описывает обучающие данные или конкретные медицинские возможности. Модель принимает текст и может использоваться в сценариях общения с пользователем. Модель основана на плотной архитектуре Qwen3ForCausalLM, поддерживает контекст до 40 960 токенов и английский язык. В метаданных также заявлен интерфейс вызова инструментов. Модель распространяется под лицензией Apache-2.0. README сообщает, что при дообучении использовались Unsloth и библиотека TRL.

Fwerkor/Qwen3-4B-Diffusion-Base — исследовательский чекпойнт плотной языковой модели Qwen3, преобразованный из Qwen/Qwen3-4B-Base в основу для генерации текста методом masked diffusion. Он использует двунаправленное внимание, специальный токен маски и реализацию генерации с учётом диффузии; модель содержит около 3,7 млрд параметров по метаданным, а её базовая конфигурация рассчитана на контекст до 32 768 токенов. В README указан размер 4,41 млрд параметров и этап обучения Stage 0. Модель предназначена для исследований диффузионных языковых моделей, воспроизведения экспериментов и абляций, а также для инициализации обучения CID Stage A и экспериментов с декодированием. Она поддерживает генерацию текста и заполнение масок; обучалась на смеси веб-текста, китайского корпуса, кода и математических данных. Это начальный чекпойнт до последующих этапов обучения CID, поэтому его потери сами по себе не подтверждают качество на прикладных задачах. Для загрузки README указывает Transformers и remote code. Лицензия — Apache 2.0.

RichardEllis/qwen3.5-4b-reduction-coldstart — текстовая модель генерации на основе Qwen3.5-4B, дообученная методом LoRA и объединённая с базовыми весами. Она принимает математическую задачу и префикс цепочки рассуждений решателя, затем формулирует более простую самостоятельную задачу, используя доступный прогресс и стараясь сохранить исходный ответ. Модель создана как стартовая точка для обучения с подкреплением, а не как готовый помощник для решения задач. В обучении использованы 1418 примеров, полученных от четырёх моделей-учителей. В тесте на 30 отложенных примерах модель сформировала разбираемое сокращение в 27 случаях; в слепой проверке сильной моделью ответ сохранился в 21 из 26 случаев. При этом целевая модель Qwen3.5-4B решала задачи после сокращения хуже базового варианта: 0,449 против 0,532. Иногда модель генерирует слишком длинные рассуждения или достигает лимита генерации, не выдав сокращённую задачу. Для работы требуется заданный авторами системный промпт и шаблон пользовательского сообщения. Несмотря на мультимодальную конфигурацию, веса содержат только языковую часть: изображения и видео подавать нельзя. Лицензия — Apache-2.0.

Rootformer v17 — это плотная языковая модель на 390,9 млн параметров, разработанная автором репозитория enver. Она предназначена для генерации текста и экспериментальной работы с арабским языком, включая перевод классических арабских философских и грамматических текстов на английский. В карточке заявлена архитектура Rootformer с причинным энкодером-декодером, компактным KV-представлением, разреженными многоголовыми Engram-модулями для арабских корней и синтаксиса, а также контроллером глубины рассуждений. Модель принимает текст и генерирует текст; в метаданных указаны арабский и английский языки и контекст до 2048 токенов. README приводит результаты калибровки на корпусе басрийских текстов и тестирования на классических трактатах. Примеры показывают полезность для специализированного перевода, но также заметные ошибки в английских формулировках и низкое смысловое соответствие на части тестов, поэтому качество для надёжного перевода не подтверждено. Указана лицензия Apache-2.0. Связь с DeepSeek-V4.1-Flash заявлена в README, однако метаданные не подтверждают базовую модель.

Saarthi — диалоговая модель-компаньон по «Бхагавад-гите», созданная GitaGyan.in на основе Qwen/Qwen3.5-4B. Модель дообучена с помощью LoRA ранга 64 на данных о стихах и персоне Saarthi; веса представлены в формате Safetensors, а лицензия — Apache 2.0. По метаданным, контекст составляет 262 144 токена. Модель отвечает на вопросы о стихах, помогает находить подходящие места в тексте и обсуждать жизненные ситуации через учение «Бхагавад-гиты». Она содержит переводы, санскрит, транслитерацию, пословные значения и объяснения всех 701 стихов в 18 главах; по карточке, цитаты приводятся как текст источника. Диалоговый стиль прямой и неформальный, санскрит сопровождается пояснениями. Указанный в карточке язык — английский. Saarthi позиционируется как духовный собеседник, а не священнослужитель или божество: модель не благословляет и не пророчествует и оставляет решения пользователю. Карточка сообщает о возможных выдуманных пояснениях и неверном описании глав на широкие вопросы, поэтому утверждения о писании стоит сверять с первоисточником. Медицинские, юридические и финансовые вопросы следует адресовать специалистам; при кризисе модель направляет за помощью к людям.

SCaimeqwen317bep2 — слитый полноразмерный чекпойнт Qwen3-1.7B с LoRA-адаптером, созданным в ходе обучения методом GRPO на задачах AIME с использованием self-certainty. Это компактная плотная авторегрессионная языковая модель для генерации текста и диалогов; в метаданных также заявлен интерфейс вызова инструментов. Чекпойнт соответствует второй эпохе обучения, шагу global_step_16; исходный адаптер имел ранг 64 и alpha 32. Модель предназначена для генерации ответов и решения задач в формате AIME. Она принимает текст и выдаёт текст, поддерживает контекст до 40 960 токенов и основана на многоязычной Qwen3-1.7B. Чекпойнт распространяется в формате safetensors по лицензии Apache-2.0. README указывает на ранний шаг обучения, поэтому качество на математических задачах и обобщение за пределами AIME могут быть ограничены.

SmolLM3-3B-GSM8K-SFT — дообученная методом SFT модель HuggingFaceTB на базе HuggingFaceTB/SmolLM3-3B-Base, предназначенная для решения задач на школьную арифметику и рассуждений в формате GSM8K. Модель содержит 3,1 млрд параметров, использует плотную архитектуру SmolLM3 и принимает текстовые запросы, выдавая текстовые решения с промежуточными вычислениями. Заявленная точность на GSM8K — 65,8% против 23,3% у базовой модели. Модель подходит для решения текстовых задач по арифметике с пошаговым объяснением и для экспериментов с небольшими языковыми моделями, специализирующимися на математике. Для лучшего результата README рекомендует формат рассуждения по шагам с ответом в виде «#### answer». Хотя нативное контекстное окно составляет 65 536 токенов, во время обучения использовалось окно 2 048 токенов. Модель выпущена под лицензией Apache-2.0.

softmax-209m-1k-nope-s2357 — исследовательская базовая языковая модель на 209 млн параметров из выпуска DilutionAttention. Она предназначена для изучения оператора внимания и сравнения вариантов архитектуры, а не для диалогов с пользователем: модель не проходила дообучение на инструкциях или настройку безопасности. Модель использует стандартное softmax-внимание во всех 24 слоях, 768 скрытых измерений и 12 голов; позиционные кодировки нет. Веса опубликованы в формате safetensors по лицензии Apache-2.0. Модель обучена на 4,19 млрд токенов FineWeb-Edu с контекстом 1 024 токена. В README приведены результаты проверки языковой модели и извлечения ключевого слова из контекста: последняя оценка проведена при длине 1 920 токенов и не является тестом рассуждений на длинном контексте. Для входов длиннее 1 024 токенов README предписывает использовать расширение контекста из библиотеки dilution-attention. Модель рассчитана на генерацию продолжения текста на английском языке; как базовая модель она может выдавать незапрошенное продолжение и не является готовым безопасным ассистентом.

Spark — сверхкомпактная языковая модель SurjoLabs с 7,1 млн параметров, предназначенная для генерации текста и диалоговых экспериментов. Модель использует плотную авторскую рекуррентную архитектуру XSA на основе варианта Llama: восемь слоёв уникальных весов многократно применяются в проходах, создавая глубину, сопоставимую с 11 слоями. Контекст составляет 2048 токенов; модель работает с текстом и обучена на английском токенизаторе с размером словаря 4096. Spark обучали примерно на 19,9 млрд токенов из веб-текстов, синтетических учебных данных, математики и кода. Авторы приводят результаты на HellaSwag и наборах ARC; компактный размер и диалоговая возможность подходят для изучения малых языковых моделей и пробных генераций текста. Это ранняя экспериментальная разработка: авторы отмечают нестабильность кода и не рекомендуют использовать файл модели без доработок для обучения. Лицензия — MIT.

HachiML/Swallow-MS-7b-v0.1-MathSkill-OpenMath — текстовая генеративная модель на базе Mistral с 7,2 млрд параметров, созданная HachiML с применением подхода SkillTree и навыков из HachiML/SkillTree-Math-OpenMath-Mistral-7B-v0.1. Модель предназначена для генерации ответов на математические задачи и ориентирована на японский язык. Модель использует архитектуру MistralForCausalLM, принимает текст и генерирует текст. Длина контекста составляет 4096 токенов. Доступные веса в формате safetensors; лицензия — Apache-2.0. В README приведены примеры решения арифметических задач, однако количественные оценки качества не представлены.

symptom-check-april-3 — дообученная модель DistilGPT-2, разработчик — akhileshav8. Она предназначена для генерации текста; название указывает на возможное применение для проверки симптомов, но README не подтверждает это назначение и не описывает обучающие данные. Модель использует архитектуру GPT-2 и формат safetensors, максимальная длина контекста — 1024 токена. В карточке приведено значение loss 0,6371 на наборе оценки, однако подробности оценки отсутствуют. Лицензия — Apache-2.0.

TeenyTinyLlama-460m — компактная языковая модель, разработанная авторами семейства TeenyTinyLlama для генерации текста на бразильском португальском языке. Это плотная Transformer-модель архитектуры Llama с авторегрессионным обучением; в метаданных указано 435,4 млн параметров, контекст — 2048 токенов. Модель обучали на корпусе Pt-Corpus Instruct объёмом 6,2 млрд токенов. Модель предназначена прежде всего для исследований языковых моделей для языков с ограниченными ресурсами, контролируемых экспериментов и дальнейшего дообучения. Она генерирует продолжение текста по текстовому запросу и рассчитана на стандартный бразильский португальский. Лицензия Apache 2.0 разрешает адаптацию и использование с соблюдением её условий. Карточка прямо предостерегает от развёртывания модели для взаимодействия с пользователями: она не дообучена для типичных прикладных сценариев. Возможны фактические ошибки, токсичные и предвзятые ответы, ненадёжный код, повторы и многословие; другие языки модель понимает хуже. Для применения после дообучения авторы рекомендуют самостоятельно оценить риски и смещения и модерировать ответы.