I.2Синтез, понимание и проверка знаний

Ramakrishna-7b-v2 — объединённая модель семейства Mistral с 7,1 млрд параметров, созданная Kukedlc методом slerp с помощью LazyMergekit на основе Kukedlc/Ramakrishna-7b и Kukedlc/NeuralSirKrishna-7b. Модель предназначена для генерации текста и диалогов; поддерживает контекст до 32 768 токенов и распространяется в формате safetensors с весами float16. Модель принимает текст и выдаёт текст. Сведения о специализации по языкам и прикладным областям, а также о конкретных преимуществах и ограничениях в карточке не приведены. Лицензия в предоставленных данных не указана.

Reasoning-Llama-3.1-CoT-RE1 — языковая модель EpistemeAI для генерации текста и диалоговых ответов с рассуждениями. Это плотная авторегрессионная модель семейства Llama на 7,5 млрд параметров, дообученная на базе unsloth/meta-llama-3.1-8b-instruct-bnb-4bit с использованием Unsloth и Hugging Face TRL. В метаданных указан набор Bespoke-Stratos-17k. Модель предназначена для генерации ответов на текстовые запросы и ведения диалога. В карточке указаны английский язык и контекстное окно до 131 072 токенов; доступен формат safetensors. Указанная в метаданных лицензия — Llama 3.1, тогда как README сообщает Apache-2.0; перед использованием следует проверить условия лицензии исходной модели и репозитория.

Reflection-Llama-3.1-70B-GGUF — это набор GGUF-квантизаций модели Reflection-Llama-3.1-70B, разработанной mattshumer и подготовленной для распространения и запуска bartowski. Модель предназначена для генерации текста и диалоговых сценариев, включая задачи, требующие рассуждений и самопроверки. Для запуска рекомендуется использовать llama.cpp или совместимые приложения, например LM Studio. В основе лежит 70-миллиардная текстовая модель семейства Llama 3.1. В README указана поддержка специальных токенов для оформления блоков рассуждений, итогового ответа и рефлексии; для их отображения в llama.cpp требуется включить параметр --special. Доступны варианты квантизации от Q8_0 до Q3 и IQ3/IQ4, примерно от 30,91 до 74,98 ГБ, что позволяет выбирать компромисс между качеством и требованиями к памяти. Сведения о языках и размере контекста не приведены. Сильными сторонами являются большой размер модели, варианты высококачественной квантизации и поддержка сценариев с рассуждением и исправлением ошибок. Ограничения зависят от выбранного типа квантизации: более компактные варианты снижают качество. README также предупреждает, что опубликованные веса могут быть неправильными, поэтому модель не следует загружать до устранения проблемы. Для улучшенного рассуждения рекомендован специальный системный промпт. Лицензия указана как llama3.1.

Rombos-LLM-70b-Llama-3.3-GGUF — это набор квантизированных GGUF-версий языковой модели Rombos-LLM-70b-Llama-3.3, разработанной rombodawg. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации и обработки текста, а также локального запуска через совместимые инструменты, включая LM Studio и llama.cpp. Модель основана на архитектуре Llama 3.3 с заявленным размером 70 млрд параметров и поддерживает только текстовую модальность. В репозитории доступны варианты квантизации от Q8_0 до Q2 и IQ-форматов, включая рекомендуемые Q6_K, Q5_K и Q4_K. Размер файлов составляет примерно от 24 до 75 ГБ, поэтому для запуска требуются значительные ресурсы оперативной или видеопамяти. Формат GGUF удобен для локального инференса на CPU и GPU, а отдельные варианты поддерживают особенности ARM и AVX. Сильной стороной являются различные уровни квантизации, позволяющие выбирать баланс между качеством, размером и требованиями к памяти; версии с более высокой точностью обеспечивают качество, близкое к исходной модели. Ограничения связаны с потерями качества при низкой битности, большими требованиями к памяти и отсутствием в README сведений о языках, размере контекста, результатах тестирования и специализированных сценариях применения. Указанная лицензия — llama3.3.

RWKV7-Goose-World3-1.5B-HF — многоязычная языковая модель RWKV-7, разработанная Бо Пэном, Ю Чжаном, Сонглином Яном и Жуйчуном Чжаном при поддержке RWKV Project под эгидой LF AI & Data Foundation. Это плотная авторегрессионная модель с архитектурой RWKV7ForCausalLM и 1,5 млрд параметров, представленная в формате safetensors и предназначенная для генерации текста и диалогов. Модель обучена на корпусе World v3 объёмом 3,119 трлн токенов. Она поддерживает английский, китайский, японский, корейский, французский, арабский, испанский и португальский языки; размер словаря токенизатора RWKV World составляет 65 536 токенов. Длина контекста — 2048 токенов. Для запуска через Transformers требуется актуальная версия библиотеки и пакет flash-linear-attention. Лицензия Apache-2.0. В приведённых метриках для LAMBADA указаны perplexity 4,13 и accuracy 69,4% до конвертации и 4,26 и 68,8% после конвертации; результаты зависят от настройки оценки. Карточка не описывает специализированную предметную область.

Selene-1-Mini-Llama-3.1-8B-GGUF — это квантизированная версия языковой модели Selene-1-Mini-Llama-3.1-8B, разработанной AtlaAI. Файлы в формате GGUF подготовлены bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста, диалоговых сценариев и задач оценки качества ответов, включая применение в роли LLM-as-a-judge. Модель основана на архитектуре Llama 3.1 и содержит 8 миллиардов параметров. Она работает в текстовой модальности и заявлена для английского, немецкого, французского, итальянского, португальского и испанского языков. README не указывает размер контекстного окна и дополнительные архитектурные характеристики. Доступны варианты от F32 и F16 до различных уровней квантования, что позволяет выбирать между качеством, размером файла и требованиями к оперативной памяти; рекомендуемым вариантом по умолчанию назван Q4_K_M размером 4,92 ГБ. К сильным сторонам относятся широкий выбор квантованных сборок, совместимость с llama.cpp и LM Studio, а также возможность локального запуска на устройствах с ограниченными ресурсами. Более сильное квантование обычно требует больше памяти, а низкие уровни квантования снижают качество. Специализация на оценке ответов не означает, что модель подходит для всех прикладных задач без дополнительного тестирования. Лицензия указана как llama3.1.

SMITH-Exp — дообученная инструктивная модель Mixture-of-Experts от ai-forever на базе GigaChat 3.1 Lightning. Она предназначена для многошагового поиска по корпусу документов: модель итеративно вызывает инструмент search_index, затем формирует ответ с идентификаторами подтверждающих документов. Для воспроизводимого качества требуется SMITH retrieval harness или совместимая реализация цикла вызова инструмента; README описывает интеграцию с vLLM и guided decoding для структурированных вызовов. В README указаны 10 млрд параметров всего и 1,8 млрд активных параметров, формат BF16 и возможность запуска на одной GPU с 80 ГБ памяти. Метаданные каталога указывают 1,5 млрд параметров и контекст 262 144 токена; тип архитектуры в каталоге обозначен как dense, тогда как README описывает MoE. Поддерживаются русский и английский языки. Лицензия — MIT. Модель оценивалась на многошаговых вопросах MuSiQue с поиском подтверждающих абзацев. Результаты зависят от протокола запуска, шаблона чата, инструментов и параметров поиска, а обобщение качества на другие интеграции не гарантируется. Для поиска также нужна отдельная инфраструктура индекса и эмбеддингов.

Socrates Llama 3 8B SFT — дообученная SocratesFT модель на архитектуре Llama 3, основанная на meta-llama/Meta-Llama-3-8B-Instruct. Она предназначена для генерации текста и диалоговых ответов на английском языке; в метаданных также заявлена поддержка следования инструкциям. Модель содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Модель подготовлена на наборе данных socratesft/SocSci210. Доступна в формате safetensors для использования с Transformers. Лицензия — llama3; применяются условия лицензии Meta Llama 3.

Stable Beluga 2 — авторегрессионная языковая модель Stability AI на архитектуре Llama 2, дообученная на 70B-базе в стиле Orca. Она предназначена для диалогов и генерации текста, в том числе ответов на вопросы и выполнения текстовых инструкций. Модель содержит 68,7 млрд параметров, работает с текстом и имеет контекст длиной 4096 токенов; в карточке заявлена поддержка английского языка. Модель опубликована в формате PyTorch и рассчитана на использование через Hugging Face Transformers. Чекпойнт распространяется по лицензии STABLE BELUGA NON-COMMERCIAL COMMUNITY LICENSE AGREEMENT, которая ограничивает коммерческое использование. Модель может выдавать неточные, предвзятые или нежелательные ответы; перед применением в продукте Stability AI рекомендует проводить проверку безопасности и настройку под конкретный сценарий.

StrangeBru-7B — языковая модель на архитектуре Mistral, созданная nbeerbower слиянием двух предварительно обученных моделей: nbeerbower/strange_3236-7B и nbeerbower/bruphin-theta. Для объединения применён метод SLERP через mergekit; модель предназначена для генерации текста по текстовому запросу. Она содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors. В карточке модели указана лицензия Apache-2.0. Модель можно использовать для генерации продолжений текста, ответов в диалоге и написания черновиков. README не сообщает о специализированной предметной области или поддерживаемых естественных языках, поэтому модель описана как общего назначения. Фактическое качество и поведение зависят от запросов и сценария применения.

Карточка модели tokyotech-llm/Swallow-70b-instruct-v0.1 на Hugging Face совпадает с карточкой tokyotech-llm/Swallow-7b-instruct-v0.1, поэтому описание составлено по ней. Swallow-7b-instruct-v0.1 — диалоговая языковая модель TokyoTech-LLM на архитектуре Llama 2 с 6,7 млрд параметров. Она прошла дополнительное предварительное обучение преимущественно на японских текстах, а версия instruct — supervised fine-tuning для следования инструкциям. Токенизатор с расширенным японским словарём эффективнее представляет японский текст. Модель принимает текст и генерирует текст; заявленный контекст — 4096 токенов. Модель предназначена для диалогов и выполнения текстовых инструкций на японском и английском языках: написания текстов, ролевых диалогов, ответов на вопросы, рассуждений и извлечения информации. В README опубликованы оценки на японском MT-Bench и сравнение с другими моделями, однако они не гарантируют качества для каждого сценария. Выпуск v0.1 обозначен как предварительная версия; разработчики предупреждают, что модель ещё не настроена на соответствие человеческим намерениям и требованиям безопасности. Лицензия — Llama 2 Community License (llama2).

Swallow-7b-instruct-v0.1 — диалоговая языковая модель TokyoTech-LLM на архитектуре Llama 2 с 6,7 млрд параметров. Она прошла дополнительное предварительное обучение преимущественно на японских текстах, а версия instruct — supervised fine-tuning для следования инструкциям. Токенизатор с расширенным японским словарём эффективнее представляет японский текст. Модель принимает текст и генерирует текст; заявленный контекст — 4096 токенов. Модель предназначена для диалогов и выполнения текстовых инструкций на японском и английском языках: написания текстов, ролевых диалогов, ответов на вопросы, рассуждений и извлечения информации. В README опубликованы оценки на японском MT-Bench и сравнение с другими моделями, однако они не гарантируют качества для каждого сценария. Выпуск v0.1 обозначен как предварительная версия; разработчики предупреждают, что модель ещё не настроена на соответствие человеческим намерениям и требованиям безопасности. Лицензия — Llama 2 Community License (llama2).

Shahm/t5-small-german — дообученная модель семейства T5, созданная на основе t5-small для суммаризации немецкоязычных текстов. Она обучалась на немецкой части датасета MLSUM и предназначена для создания краткого пересказа исходного текста. Модель содержит 38,5 млн параметров, использует архитектуру T5ForConditionalGeneration и принимает текст с контекстом до 512 токенов, выдавая текстовое резюме. В карточке приведены результаты оценки на тестовой выборке: ROUGE-1 42,38, ROUGE-2 32,03, ROUGE-L 38,95 и ROUGE-Lsum 40,45. Модель распространяется по лицензии Apache-2.0. Результаты оценки относятся к указанному набору данных; качество на других типах текстов не установлено.

Tess-M-v1.2 — экспериментальная версия универсальной большой языковой модели из серии Tess, разработанной migtissera. Модель построена на архитектуре Llama и дообучена на базе Yi-34B-200K; размер составляет около 33,9 млрд параметров, контекст — до 200 000 токенов. Для диалога используется формат с ролями SYSTEM, USER и ASSISTANT. Модель предназначена для генерации текста и общих языковых задач. Версия v1.2 устарела и помечена разработчиком как экспериментальная; в README рекомендуется стабильный выпуск Tess-M-v1.3. Лицензия указана как other, поэтому условия использования следует сверять с лицензией в репозитории.

TinyBERT_General_6L_768D — компактная предварительно обученная языковая модель на основе BERT, разработанная лабораторией HUAWEI Noah’s Ark Lab. Это общая версия TinyBERT, полученная дистилляцией BERT-base; она предназначена как начальная модель для задач понимания естественного языка и может дообучаться под конкретные задачи. Модель содержит около 80,1 млн параметров, имеет 6 слоёв Transformer, скрытый размер 768 и принимает последовательности длиной до 512 токенов. Модель работает с текстом и рассчитана на английский язык. Разработчики сообщают, что TinyBERT в целом существенно меньше и быстрее при инференсе, чем BERT-base, сохраняя конкурентное качество на задачах понимания языка. Сам репозиторий содержит базовую модель без отдельной классификационной или иной task-specific головы, поэтому для прикладного использования её обычно дообучают. Карточка Hugging Face не содержит сведений о лицензии.

saishf/Top-Western-Maid-7B — объединённая языковая модель, созданная с помощью mergekit из Mistral-7B-v0.1, Noromaid-7B-0.4-DPO, Toppy-M-7B и WestLake-7B-v2. В README указан метод объединения DARE TIES; итоговая модель содержит 7,1 млрд параметров и работает на архитектуре Mistral с контекстом до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Её можно применять для диалогов, написания и продолжения текста, а также для задач рассуждения и генерации художественного текста. Карточка приводит результаты оценки на бенчмарках AI2 Reasoning Challenge и HellaSwag, но не описывает отдельные гарантии качества или специализацию по языкам. Модель распространяется под лицензией CC BY-NC 4.0, которая ограничивает коммерческое использование. Это текстовая модель без заявленных возможностей работы с изображениями или аудио; как и другие языковые модели, она может выдавать неточные или вымышленные ответы.

Модель exonics/trendyol_28eylul_mlflow_deneme — дообученная текстовая модель семейства Llama, разработанная exonics на основе Trendyol/Llama-3-Trendyol-LLM-8b-chat-v2.0. Она предназначена для генерации текста и диалоговых сценариев. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и поддерживает контекст до 8192 токенов. В карточке указано, что при обучении использовались Unsloth и библиотека TRL от Hugging Face. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает отдельную специализацию или дополнительные языки помимо английского, поэтому её возможности следует рассматривать как общие для генерации текста и чата.

Triangulum 1B — компактная авторегрессионная языковая модель семейства Llama, разработанная prithivMLmods. Карточка описывает pretrained- и instruction-tuned варианты; для этой модели заявлены дообучение SFT и RLHF, а также обучение на синтетических данных с длинными цепочками рассуждений. В метаданных указаны архитектура LlamaForCausalLM, 1,2 млрд параметров и контекст до 131 072 токенов. Модель предназначена для генерации текста и диалоговых сценариев: ответов на вопросы, суммаризации, анализа и перевода. Заявлена поддержка английского, немецкого, французского, итальянского, португальского, хинди, испанского и тайского языков. Небольшой размер удобен для локального запуска, а метаданные отмечают интерфейс вызова инструментов; это не гарантирует корректную работу с любыми инструментами. Модель распространяется по лицензии CreativeML Open RAIL-M. Карточка не приводит независимых оценок качества; заявленные способности к сложным рассуждениям и широкой многоязычной работе следует считать описанием разработчика, а не подтверждёнными результатами. В README встречаются несоответствия в названиях моделей и примерах запуска, поэтому их нельзя считать надёжной инструкцией по использованию именно этой версии.

Tulu 1 Llama 2 7B — англоязычная чат-модель и помощник, разработанный AI2 и дообученный на базе meta-llama/Llama-2-7b-hf. Модель содержит 6,6 млрд параметров, использует плотную архитектуру Llama и принимает текст для генерации текста; длина контекста — 4096 токенов. Для обучения использовалась смесь публичных, синтетических и созданных людьми инструкций и диалогов Tulu v1. Модель предназначена для следования инструкциям, диалоговых ответов и других задач генерации текста на английском языке. Для работы карточка рекомендует передавать сообщение в указанном в ней формате с переводом строки после завершающего маркера. Лицензия — AI2 ImpACT Low-risk. Модель не проходила выравнивание безопасности в рамках RLHF и не использует фильтрацию ответов, поэтому может генерировать проблемный контент, особенно при соответствующих запросах.

Tulu V2.5 PPO 13B — англоязычная диалоговая модель-помощник, разработанная AllenAI. Это плотная авторегрессионная модель семейства Llama с 12,9 млрд параметров, дообученная на основе Tulu 2 с использованием PPO и случайной подвыборки из 60 тысяч примеров Nectar; для PPO применялась 13B reward-модель. Модель предназначена для генерации текста и ответов на инструкции в формате диалога. Максимальный контекст — 4096 токенов; вход и выход — текст на английском языке. Лицензия Apache 2.0. Модель умеет вести диалог и выполнять разнообразные инструкции, опираясь на данные Tulu V2 и обучение с обратной связью по предпочтениям. Для корректного формата запросов предусмотрен chat template токенизатора. Ограничение: модель не была специально выровнена для безопасных ответов и может выдавать проблемный контент, особенно при соответствующих запросах; результаты требуют проверки.

UNA-ThePitbull-21.4B-v2-GGUF — квантизированная версия большой языковой модели UNA-ThePitbull 21.4B v2, разработанной fblgit на основе saltlux/luxia-21.4b-alignment-v1.0. Квантизацию в формате GGUF выполнил bartowski с использованием llama.cpp и imatrix. Модель предназначена для генерации текста, диалоговых сценариев, рассуждений и универсальных задач обработки естественного языка. Указанный формат рассчитан на запуск через совместимые инструменты экосистемы llama.cpp. Модель содержит 21,4 млрд параметров и работает в текстовой модальности. В README не указаны поддерживаемые языки и размер контекста. Доступны варианты квантизации от Q4_K_S и Q4_K_M до Q8_0: более компактные варианты требуют меньше памяти, а Q6_K и Q8_0 обеспечивают более высокое качество при существенно большем размере файлов. В оценке Open LLM Leaderboard средний результат составил 77,82; среди отдельных показателей — 91,79 на HellaSwag, 77,73 на ARC, 78,24 на TruthfulQA, 87,37 на Winogrande, 68,25 на MMLU и 63,53 на GSM8K. Сильными сторонами заявлены сочетание разговорных качеств и способности к рассуждению, однако приведённые метрики отражают результаты исходной модели и не гарантируют идентичное качество каждой квантизированной версии. Ограничения включают отсутствие данных о мультимодальности, языковой специализации, контекстном окне и подробных условиях эксплуатации. Модель распространяется по лицензии AFL-3.0.

ClaudioItaly/Utopy — объединённая языковая модель на архитектуре Llama, созданная с помощью mergekit методом TIES на основе Undi95/Utopia-13B. В репозитории указана конфигурация с несколькими вариантами плотности и весов для одной базовой модели; итоговые веса представлены в формате float16, а метаданные указывают 12,9 млрд параметров и контекст до 4096 токенов. Модель предназначена для генерации текста, диалоговых ответов и следования инструкциям. Она принимает текст и выдаёт текст; основная область применения — задачи общего назначения. В карточке не приведены отдельные сведения о языках, поэтому языковую специализацию определить нельзя. Доступна по лицензии, унаследованной от базовой модели, однако сведения о конкретной лицензии в предоставленных данных отсутствуют.

Walter-Llama-1B — ассистент для генерации текста на основе плотной архитектуры Llama с 1 млрд параметров. Модель разработал KnutJaegersberg; она дообучена на наборах инструкций с открытыми лицензиями, включая разнообразные источники, в том числе FLAN и датасет Auton. В карточке приведены примеры следования инструкциям, рассуждений, суммаризации и написания эссе, а также пример задачи на выбор нерелевантной метки эмоции в русском тексте. Модель предназначена для диалоговых запросов и широкого круга текстовых заданий. Она принимает и генерирует текст; заявленная длина контекста — 2048 токенов. В метаданных указаны Transformers и формат safetensors. Модель описана как свободно рассуждающий ассистент без выравнивания, поэтому её ответы могут быть непредсказуемыми и требовать проверки. Лицензия — Apache-2.0.

APEX-I-MiniPlus-V2.1 — это пользовательская квантизированная сборка модели XYZ-Aquila-mini от IsValorum в формате GGUF. Она предназначена для диалоговой генерации текста и рассуждений, в том числе для локального запуска с использованием системной RAM или частичной выгрузки на GPU. В README заявлены архитектура Mixture-of-Experts с 40 слоями и 256 микроэкспертами, файл размером около 14,75 ГБ, средний размер 3,40 бита на вес и поддержка контекста до 256 тысяч токенов; эти характеристики приведены автором сборки.

yam-pastiche-7B-ties — объединённая языковая модель, созданная автором mayacinka с помощью LazyMergekit. Веса трёх моделей yam-peleg/Experiment28-7B, yam-peleg/Experiment26-7B и yam-peleg/Experiment24-7B объединены методом TIES; в конфигурации указан базовый источник CorticalStack/pastiche-crown-clown-7b-dare-dpo. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров, принимает текст и предназначена для генерации текста. Нативная длина контекста — 32 768 токенов. Карточка не приводит специальных сценариев применения, языковых характеристик или сравнительных оценок качества, поэтому модель можно описать как вариант общего назначения для генерации текста. Репозиторий содержит веса в формате safetensors. Сведения о лицензии в предоставленных данных отсутствуют.

YamshadowInex12_Strangemerges_30Pastiche — слитая модель семейства Mistral, созданная на основе automerger/YamshadowInex12-7B и automerger/Strangemerges_30Pastiche-7B. Она предназначена для генерации текста и диалоговых сценариев на основе текстовых запросов. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Веса доступны в формате safetensors. Репозиторий распространяется по лицензии Apache-2.0. В карточке не описаны языковая специализация и результаты оценки качества.

YamshadowStrangemerges_32_Strangemerges_32Alloyingotneoy — объединённая модель генерации текста, созданная слиянием automerger/YamshadowStrangemerges_32-7B и automerger/Strangemerges_32Alloyingotneoy-7B. Она основана на плотной архитектуре Mistral и содержит 7,1 млрд параметров. Модель предназначена для генерации текста по текстовому запросу. Контекст составляет до 32 768 токенов, что позволяет работать с длинными вводами и поддерживать многоходовые диалоги. Данные не раскрывают более узкую специализацию или подтверждённые языки модели. Модель опубликована в формате Safetensors под лицензией Apache 2.0. Сведений о сравнительных оценках качества и специальных ограничениях в карточке нет.

YamshadowStrangemerges_32_YamshadowExperiment28 — слитая модель MaziyarPanahi на архитектуре Mistral с 7,1 млрд параметров. Она объединяет automerger/YamshadowStrangemerges_32-7B и automerger/YamshadowExperiment28-7B и предназначена для генерации текста и диалогов. Модель принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors. Лицензия — Apache 2.0. Карточка не описывает специализированную предметную область или отдельные языковые возможности.

cloudyu/Yi-34Bx2-MoE-60B — разговорная языковая модель на основе Yi, опубликованная cloudyu. Она использует архитектуру Mixtral с разреженной смесью экспертов (MoE); в карточке указано 33,9 млрд параметров. Модель предназначена для генерации текста и диалогового взаимодействия на английском и китайском языках. Автор описывает её как MoE-вариант 2×34B, основанный на jondurbin/bagel-dpo-34b-v0.2 и SUSTech/SUS-Chat-34B. Для модели заявлен контекст до 200 000 токенов. В карточке приведены результаты Open LLM Leaderboard со средним баллом 76,72, включая оценки по задачам рассуждения и commonsense. Модель распространяется в формате safetensors и под лицензией Apache-2.0. Её можно применять для диалогов и генерации текста; для развёртывания следует учитывать требования MoE-модели с большим числом параметров. Заявленные результаты бенчмарка не гарантируют качество на конкретных пользовательских задачах.

Zara 14b v1.2 — диалоговая языковая модель Aixon Lab на архитектуре Transformer с причинной генерацией текста и примерно 14 млрд параметров. В метаданных указана архитектура Qwen2 и контекст до 131 072 токенов; модель распространяется в формате safetensors по лицензии Apache 2.0. Модель дообучена на основе aixonlab/Zara-14b-v1.1 и предназначена для многоходового общения, генерации текста, ответов на вопросы, анализа, творческого письма и сторителлинга. Карточка выделяет работу с контекстом и диалогами с несколькими ролями. Основной язык — английский; README допускает поддержку других языков, но не уточняет их. Автор не приводит метрик оценки. Модель может наследовать смещения и ограничения обучающих данных и исходных моделей, поэтому результаты следует проверять. В README также сказано, что при создании использовались разные датасеты и слияния слоёв, однако отдельное слияние не подтверждено метаданными происхождения.