I.3Извлечение и структурирование данных

Helion-4x34B — разговорная языковая модель, опубликованная Weyaxi и собранная как модель типа Mixture of Experts (MoE). В метаданных указаны 33,9 млрд параметров, контекст до 200 000 токенов и формат safetensors; модель предназначена для генерации текста в диалоге. В README приведены шаблоны запросов ChatML, Alpaca, Vicuna и Human Assistant, но автор отмечает, что не определил предпочтительный шаблон. Модель можно применять для диалоговых ответов и генерации текста. В README указана лицензия other в метаданных; её конкретные условия здесь не описаны. Автор ссылается на bagel-dpo-34b-v0.2 и предоставляет конфигурацию для воспроизведения, однако точная связь с базовой моделью и детали обучения не уточнены.

1024m/H-Mistral-Nemo-00-fp16 — диалоговая языковая модель, разработанная 1024m на основе unsloth/Mistral-Nemo-Instruct-2407. Модель дообучена с помощью Unsloth и библиотеки TRL и предназначена для генерации текста в диалоговом формате, включая сценарии с интерфейсом вызова инструментов. Модель использует плотную архитектуру MistralForCausalLM и содержит 12,1 млрд параметров. Длина контекста составляет 131 072 токена. Карточка указывает английский язык; репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. Доступные сведения не описывают специализацию дообучения или сравнительные результаты, поэтому пригодность для конкретных предметных областей не установлена.

Это MLX-версия модели Huihui-Qwen3.6-35B-A3B-Claude-4.7-Opus-abliterated, опубликованная сообществом mlx-community. В основе лежит Qwen3.6-35B-A3B от Alibaba Cloud; модель Huihui является производной модификацией, а данный репозиторий содержит её 8-битное представление для запуска с MLX на совместимом оборудовании, прежде всего на устройствах Apple Silicon. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск через mlx-lm и OpenAI-совместимый сервер. Она относится к архитектуре Mixture of Experts (MoE), имеет около 35 млрд параметров и использует 8-битное представление; размер файлов репозитория составляет примерно 36,8 ГБ. В метаданных указаны английский язык и поддержка conversational text generation. Точные сведения о размере активной части MoE, длине контекста, полном наборе языков и результатах тестирования для этой конкретной MLX-сборки не приведены. Преимущество модели — сочетание крупной базовой архитектуры с 8-битным представлением и оптимизацией под MLX, что делает локальное использование практичнее по сравнению с полной точностью. Ограничения включают значительные требования к памяти, отсутствие опубликованной подробной документации и бенчмарков для данной сборки, а также неопределённость характеристик производной модификации. Лицензия непосредственно в карточке MLX-репозитория не указана; для исходной модели Huihui-Qwen3.6-35B-A3B-Claude-4.7-Opus-abliterated указана Apache 2.0.

Irix-12B_Slush_V2 — объединённая языковая модель на 12,1 млрд параметров, созданная сообществом mergekit-community из DreadPoor/Irix-12B-Model_Stock и mergekit-community/Slush-Lyra-Gutenberg-Bophades. Слияние выполнено методом SLERP; архитектура — плотная MistralForCausalLM, веса опубликованы в формате Safetensors и предназначены для работы через Transformers. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно использовать для ответов на запросы и продолжения текста; в метаданных также отмечен интерфейс вызова инструментов. Заявленная длина контекста — до 1 024 000 токенов. Карточка не приводит оценок качества или конкретных ограничений, поэтому поведение на длинном контексте и в прикладных сценариях следует проверять отдельно. Сведения о лицензии в доступных данных отсутствуют.

Vikhrmodels/it-5.4-fp16-orpo-v2 — русскоязычная чат-модель Vikhrmodels для генерации ответов на инструкции. Это плотная авторегрессионная модель семейства Llama с 7,3 млрд параметров и контекстом до 32 768 токенов. По карточке, в основе лежит Vikhr пятой версии на базе Mistral; модель обучали на переведённых инструкциях и ответах GPT-4, а затем улучшили методом ORPO на внутреннем датасете. Модель предназначена для диалогов и выполнения пользовательских инструкций на русском языке. В README отмечено высокое разнообразие ответов; для генерации авторы рекомендуют температуру 0,1–0,4. Модель распространяется в формате safetensors и обозначена как fp16; README также упоминает GGUF, но не приводит подробностей отдельной версии. Лицензия в предоставленных сведениях не указана. Возможности за пределами текстового чата и качество на конкретных задачах README не описывает.

Ita-Search — плотная модель эмбеддингов на базе Qwen3-Embedding-0.6B, дообученная для семантического поиска на итальянском языке. Её разработчик — DeepMount00. Модель преобразует запросы и документы в векторы размерностью 1024; сходство оценивается косинусной мерой. Максимальная длина последовательности — 32 768 токенов. Модель предназначена для поиска итальянских документов по запросам, ранжирования passages, поиска в академических и технических материалах, систем вопросов и ответов и баз знаний. Она ориентирована на понимание разговорных запросов и итальянской терминологии; в обучающих данных представлены медицина, STEM, финансы, право, сельское хозяйство, разработка ПО и другие области. Модель использует библиотеку Sentence Transformers и формат safetensors. Лицензия — Apache-2.0. Она оптимизирована для итальянского языка, а качество может снижаться на узкоспециализированных темах, не представленных в обучении.

wnma3mz/Janus-Pro-7B-LM — производная от deepseek-ai/Janus-Pro-7B модель, в которой обновлены файлы весов в формате safetensors и добавлен шаблон чата. Обозначение LM указывает, что репозиторий содержит только языковую модель; README также поясняет, что пометка 4bit означает квантизацию языковой части до 4 бит, однако метаданные указывают формат safetensors и не подтверждают наличие квантизированных весов в этой версии. Модель предназначена для диалоговой генерации текста и запуска через Transformers; в README также приведён пример использования MLX на Apple Silicon. По метаданным, это плотная архитектура Llama с 6,5 млрд параметров и контекстом до 16 384 токенов. Базовая Janus-Pro-7B поддерживает понимание изображений и генерацию изображений по тексту, но данная LM-версия содержит только языковую часть. Репозиторий опубликован под лицензией MIT. README не приводит результатов оценки качества или конкретных ограничений применения; возможности, зависящие от визуальной части базовой модели, по описанию этой версии недоступны.

Это конверсия в формат MLX модели Josiefied-Qwen2.5-7B-Instruct-abliterated-v2, выполненная mlx-community с помощью mlx-lm версии 0.18.2. Модель представляет собой плотную авторегрессионную чат-модель семейства Qwen2.5 с 7,1 млрд параметров и контекстом до 32 768 токенов. Она предназначена для генерации текста и диалоговых ответов на основе текстовых запросов. В карточке базовая модель описана как дообученная аблитерированная версия Qwen2.5-7B-Instruct для многоязычной генерации с меньшим числом отказов; метаданные также указывают интерфейс вызова инструментов. Репозиторий содержит веса в формате safetensors для использования с MLX. Модель поддерживает английский язык; исходная базовая модель ориентирована на многоязычное применение. Меньшее число отказов означает, что модель может отвечать на запросы, которые другие модели отклоняют, поэтому её ответы требуют проверки. Лицензия — Apache-2.0.

K2S3-Mistral-7b-v1.47 — языковая модель K2S3 для генерации текста, дообученная методом SFT на базе mistralai/Mistral-7B-v0.1 с настройкой всех параметров. В обучении использовались alpaca-gpt4-data и примеры из OpenOrca. Модель относится к плотной архитектуре MistralForCausalLM, содержит 7,2 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации ответов и выполнения текстовых инструкций на английском языке. Она может быть полезна для создания диалоговых и инструкционных приложений, однако карточка не приводит оценок качества или специальных гарантий. Распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Mungert/kanana-1.5-8b-instruct-2505-GGUF — GGUF-квантизированная версия instruct-модели kanana-1.5-8b-instruct-2505, разработанной Kanana LLM и опубликованной на основе модели Kakao Corp. kakaocorp/kanana-1.5-8b-instruct-2505. Модель предназначена для генерации текста и выполнения инструкций, включая сценарии локального запуска на устройствах с ограниченными ресурсами. Модель поддерживает английский и корейский языки и относится к семейству 8B. Репозиторий содержит варианты ультранизкобитной квантизации IQ-DynamicGate с точностью 1–2 бита, использующей адаптивное распределение точности по слоям и защиту embedding- и output-слоёв. Такой подход нацелен на снижение потребления памяти при сохранении качества. В README приведены результаты для Llama-3-8B-Instruct с контекстом 2048 токенов, однако эти показатели не следует напрямую считать характеристиками Kanana. Сильными сторонами являются компактность, возможность запуска на CPU, edge-устройствах и системах с ограниченной VRAM, а также поддержка llama.cpp. Ограничением выступает потенциальное снижение точности из-за экстремально низкой разрядности; конкретный размер файлов, максимальный контекст и производительность вариантов Kanana в README не указаны. Модель распространяется по лицензии Apache-2.0.

Kev-27B — модель принятия решений, разработанная Jared Palmer. Она обрабатывает один документ или другое текстовое состояние и набор типизированных вопросов с заданными вариантами ответа, а затем за один проход выдаёт вероятности для вариантов, наиболее вероятный ответ и оценку уверенности. Модель предназначена для классификации, маршрутизации и проверки документов, а также для сценариев, где уверенные случаи можно автоматизировать, а сомнительные отправлять на проверку человеку. Она поддерживает API TypeSafe System One и совместима с его SDK. В основе — плотная текстовая архитектура Qwen3.8-27B с 22,3 млрд параметров: причинный языковой backbone работает в режиме без генерации текста, а указательная голова оценивает заданные варианты. Все веса backbone дообучены; версия 2 получена усреднением полновесной тонкой настройки с версией 1. Модель рассчитана на английский язык и состояния до 65 536 токенов; для длинных входов требуется мощное оборудование, включая GPU класса 80 ГБ или Mac с достаточной памятью. Распространяется по лицензии Apache-2.0. Модель возвращает оценки только для переданных вариантов и не предназначена для свободной генерации, чата, суммаризации или открытых вопросов. На коротких состояниях версия 2 не превосходит v1, а на длинных контрактах может быть менее точной и чрезмерно уверенной; калибровку следует проверять на данных конкретного применения. Для решений с юридическими, медицинскими, финансовыми или иными серьёзными последствиями нужна проверка человеком.

MLX-версия модели Kimi-K2.5, разработанной Moonshot AI и опубликованной в исходном виде как moonshotai/Kimi-K2.5. Модель была конвертирована сообществом mlx-community в формат MLX с использованием mlx-lm версии 0.30.5 с небольшими изменениями. Модель предназначена для генерации текста и запуска через библиотеку mlx-lm, в том числе с применением chat template для диалоговых сценариев. README не содержит сведений об архитектуре, количестве параметров, поддерживаемых языках, модальностях или размере контекста, поэтому эти характеристики нельзя достоверно указать. Также не описаны конкретные сильные стороны, ограничения производительности или требования к оборудованию; из данных следует лишь, что модель адаптирована для экосистемы MLX. Указана лицензия modified-MIT, обозначенная как other в метаданных. Условия использования следует уточнять по тексту лицензии исходной модели и конвертированной версии.

jaspionjader/Kosmos-EVAA-immersive-sof-v44-8B — плотная авторегрессионная языковая модель семейства Llama, созданная разработчиком jaspionjader путём слияния предварительно обученных моделей jaspionjader/sof-10, jaspionjader/sof-13 и jaspionjader/sof-14 методом Model Stock с помощью mergekit. Модель предназначена для генерации текста и диалогового взаимодействия; репозиторий использует библиотеку Transformers и формат safetensors. Указанный размер — 7,5 млрд параметров, длина контекста — 131 072 токена. Модель принимает текст и генерирует текст. Карточка не сообщает о специализации на конкретных языках или прикладных областях. Лицензия в предоставленных данных не указана.

danieltorscho дообучил модель Qwen2.5-7B-Instruct с помощью Unsloth и библиотеки Hugging Face TRL. Это плотная авторегрессионная модель семейства Qwen2 с 7,1 млрд параметров для генерации текста и диалогового взаимодействия; она также предоставляет интерфейс вызова инструментов. Модель принимает текст и генерирует текст, поддерживает английский язык и имеет контекст длиной до 32 768 токенов. Модель подходит для ведения диалогов, генерации ответов и использования инструментов в текстовых сценариях. В README указана лицензия Apache-2.0. Карточка не описывает специальные предметные области или дополнительные ограничения качества и применения.

LeoScorpius-7B-Chat-DPO — чат-модель, дообученная viethq188 методом DPO на датасете Nectar на базе viethq188/LeoScorpius-7B. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и рассчитана на генерацию текста; для форматирования запросов в карточке предложен шаблон Alpaca с полями system, Instruction и Response. Модель подходит для диалогов и ответов на инструкции в формате текстового чата. Заявленные в карточке позиции в рейтингах относятся к обновлению от 14 декабря 2023 года. Контекстное окно составляет 32 768 токенов. Модель распространяется по лицензии Apache-2.0.

Это квантизированная GGUF-версия языковой модели EXAONE-4.0.1-32B, разработанной LGAI-EXAONE и подготовленной пользователем bartowski. Модель предназначена для генерации текста и запуска локально через llama.cpp, LM Studio и другие совместимые проекты на базе llama.cpp. Модель содержит 32 миллиарда параметров. Доступны варианты от BF16 до различных уровней квантования Q8, Q6, Q5, Q4, Q3 и IQ, размером примерно от 13 до 64 ГБ. Квантизация выполнена с использованием imatrix и калибровочных наборов данных; варианты с более высокой точностью обеспечивают лучшее качество, а варианты с более сильным сжатием требуют меньше оперативной памяти. Рекомендуемыми в README названы некоторые варианты Q6, Q5 и Q4. Сильной стороной модели является возможность локального запуска с выбором компромисса между качеством, размером файла и требованиями к памяти. Ограничения включают высокие аппаратные требования для 32B-модели, возможное снижение качества при агрессивном квантовании и отсутствие в предоставленном README сведений о языках, размере контекста, специализированных сценариях, формате промптов и лицензии.

Llama 2 13B Chat — языковая модель Meta для диалоговых сценариев, представленная в формате Hugging Face Transformers. Это авторегрессионная модель на оптимизированной архитектуре Transformer с 13 млрд параметров; версия Chat выровнена с помощью контролируемого дообучения и обучения с подкреплением на основе отзывов людей. Она принимает текст и генерирует текст, а для диалога ожидает специальный формат сообщений Llama 2. Модель рассчитана прежде всего на англоязычные запросы и имеет контекст длиной 4 тысячи токенов. Модель подходит для создания чат-ассистентов и генерации ответов на вопросы и инструкции. Meta сообщает о хороших результатах на ряде тестов и оценок полезности и безопасности, однако ответы могут быть неточными, предвзятыми или нежелательными; перед внедрением требуется проверка под конкретный сценарий. Использование регулируется лицензией Meta Llama 2; для получения весов необходимо принять её условия.

nonetrix/llama-3.1-70B-nemotron-agent-ja-120B — объединённая модель на архитектуре Llama 3.1, созданная разработчиком nonetrix линейным слиянием двух моделей: nvidia/Llama-3.1-Nemotron-70B-Instruct-HF и cyberagent/Llama-3.1-70B-Japanese-Instruct-2407. Она предназначена для генерации текста в диалогах и ответов на запросы; в метаданных также заявлен интерфейс вызова инструментов. Репозиторий содержит 118,3 млрд параметров в формате safetensors, поддерживает контекст до 131 072 токенов и предназначен для работы через Transformers. Слияние объединяет диалоговую модель NVIDIA на базе Llama 3.1 с японской инструктивной моделью CyberAgent, поэтому модель ориентирована на японские и многоязычные диалоговые сценарии. README не приводит сравнительных оценок качества или подробных рекомендаций по применению. Лицензия в предоставленных данных не указана.

DavidAU разработал эту текстовую модель генерации на архитектуре Mixtral с четырьмя экспертами в конфигурации MoE. По README, эксперты основаны на Llama 3.1 DeepHermes 3 8B Preview, Llama 3.1 Hermes 3 8B, Llama 3.1 Dolphin 2.9.4 8B и Llama 3.1 SuperNova Lite; метаданные указывают 7,5 млрд параметров, а карточка описывает её как модель «32B (4×8B)». Модель предназначена для диалогов, рассуждений, решения задач, творческого письма и ролевых сценариев; предусмотрен интерфейс вызова инструментов. Она принимает текст и выдаёт текст, поддерживает контекст до 131 072 токенов и требует шаблон Llama 3 Instruct. Для включения рассуждений README рекомендует задавать системный промпт. Карточка советует использовать достаточно длинные инструкции и высокую температуру генерации. Указанные автором улучшения скорости и качества рассуждений не сопровождаются в карточке независимыми результатами оценки. Лицензия — Apache-2.0.

mlx-community/Llama-3.2-1B-Instruct-8bit — языковая модель для генерации текста, представленная сообществом mlx-community на базе Llama 3.2 от Meta. Версия предназначена для диалоговых и других задач, требующих следования инструкциям, включая локальный инференс и прикладную генерацию текста. Модель распространяется в 8-битном представлении и ориентирована на использование с экосистемой MLX; в карточке также указана совместимость с библиотекой Transformers и задача text-generation. Заявлена поддержка английского, немецкого, французского, итальянского, португальского, хинди, испанского и тайского языков. Размер модели — 1B параметров согласно идентификатору модели. Информация о длине контекста, точной архитектуре, мультимодальности и результатах бенчмарков в предоставленном README отсутствует. К преимуществам относятся компактный размер и 8-битное представление, потенциально упрощающие локальное развертывание, однако количественные показатели качества и ограничения по применению не приведены. Модель распространяется по Llama 3.2 Community License от Meta: при распространении необходимо сохранять текст лицензии и уведомление об авторстве, указывать «Built with Llama», соблюдать Acceptable Use Policy и применимые законы; для продуктов с более чем 700 миллионами ежемесячных активных пользователей требуется отдельное разрешение Meta.

MaziyarPanahi/Llama-3-8B-Instruct-v0.4-GGUF — это набор файлов модели в формате GGUF для MaziyarPanahi/Llama-3-8B-Instruct-v0.4. Модель разработана и квантована MaziyarPanahi и предназначена для генерации текста и диалоговых сценариев на основе инструкций. Модель относится к семейству Llama 3 и имеет размер 8B параметров, что указано в её названии. Доступны варианты квантования с разрядностью от 2 до 8 бит, поэтому можно выбирать баланс между качеством, размером файлов и требованиями к памяти. Формат GGUF поддерживается llama.cpp и рядом локальных инструментов, включая llama-cpp-python, LM Studio, text-generation-webui, KoboldCpp, GPT4All и другие решения. К сильным сторонам относятся локальный запуск, широкий выбор уровней квантования и совместимость с популярной экосистемой GGUF. README не содержит сведений о поддерживаемых языках, длине контекста, точной архитектуре, результатах оценки, системных требованиях или лицензии, поэтому эти характеристики нельзя достоверно определить по представленным данным.

giux78/llama3-8B-usenet-merged — текстовая генеративная модель на архитектуре Llama, опубликованная пользователем giux78 на Hugging Face. По названию репозитория она связана с Usenet и представляет собой объединённую модель, однако карточка не раскрывает состав объединения, разработчика исходных моделей или точное назначение для конкретных тематик. Модель содержит около 7,5 млрд параметров, использует библиотеку Transformers и формат safetensors; заявленный контекст — 8192 токена. Предусмотрен диалоговый режим. Модель принимает текстовые запросы и генерирует текст, в том числе ответы в формате чата. Карточка не сообщает поддерживаемые языки, оценку качества, обучающие данные или конкретные ограничения. Лицензия в карточке не указана.

Llama3-ChatQA-2-8B — диалоговая языковая модель NVIDIA на архитектуре LLaMA 3 с 7,5 млрд параметров. Модель создана на базе Llama 3: контекст расширен с 8K до 128K токенов продолжением обучения, после чего проведено трёхэтапное дообучение по инструкциям. Контрольные точки преобразованы из формата Megatron-LM в формат Hugging Face PyTorch. Модель предназначена для ответов на вопросы по документам и найденному контексту, генерации ответов в диалоге и сценариев RAG. Она оптимизирована для использования предоставленного контекста; модель может обработать документ целиком, если он помещается в контекстное окно. В карточке приведена рекомендация явно сообщать, когда ответ не найден в контексте. Модель поддерживает английский язык и контекст до 128K токенов. Она принимает текст и генерирует текст. Лицензия в предоставленных материалах не указана.

Bllossom-8B — двуязычная языковая модель на архитектуре Llama 3, разработанная MLPLab при SeoulTech совместно с Teddysum и Yonsei University. Она дообучена на базе meta-llama/Meta-Llama-3-8B для генерации текста и диалогов на корейском и английском языках. В карточке указаны 7,5 млрд параметров и контекст до 8192 токенов. Модель предназначена для ответов на запросы, следования инструкциям и создания корейского текста с учетом связи знаний между корейским и английским языками. Обучение включало дополнительные данные, настройку на инструкциях по корейскому языку и культуре, а также DPO. Авторы также сообщают о выравнивании с визуальной моделью, но метаданные классифицируют эту версию как текстовую генеративную модель. В README приведены результаты LogicKor по математике, рассуждениям, письму, программированию, пониманию и грамматике; эти результаты относятся к конкретному бенчмарку. Модель распространяется по лицензии Llama 3, условия которой следует учитывать при использовании.

Fischerboot/LLama3-Lexi-Aura-3Some-SLERP-SLERP-Function-calling-SLERP — объединённая модель на архитектуре Llama 3, созданная автором карточки с помощью mergekit и метода SLERP из двух языковых моделей. Она предназначена для диалоговой генерации текста и вызова функций в сценариях, где языковая модель должна формировать ответы и взаимодействовать с инструментами через структурированные вызовы. Веса представлены в формате Safetensors, размер модели — 7,5 млрд параметров, заявленная длина контекста — 8192 токена. В карточке отмечено наличие вызова функций, но автор не уверен, сохранилась ли у модели исходная степень «uncensored» поведения. Язык обучения или основной язык отдельно не заявлен. Лицензия в предоставленных данных не указана.

Llama 4 Scout 17B 16E Instruct — мультимодальная инструкционная модель Meta для диалогов и визуального рассуждения. Она использует авторегрессионную архитектуру Mixture of Experts с ранним объединением модальностей; в активной конфигурации заявлено 17 млрд параметров и 16 экспертов. Модель принимает текст и изображения и предназначена для понимания изображений, визуального распознавания, создания описаний и ответов на вопросы по изображениям. Модель поддерживает арабский, английский, французский, немецкий, хинди, индонезийский, итальянский, португальский, испанский, тагальский, тайский и вьетнамский языки. В карточке указано, что проверено понимание до пяти входных изображений; для большего числа изображений требуется дополнительная проверка и настройка. Модель выпущена как статический чекпойнт, обученный на офлайн-данных. Для использования доступны веса в формате safetensors через Transformers. Лицензия — собственное коммерческое соглашение Llama 4 Community License; применение регулируется его условиями и Acceptable Use Policy.

KaraKaraWarehouse/Llama-ProgressPushDoll-3.3-70Bees — диалоговая языковая модель на архитектуре Llama, созданная объединением нескольких моделей семейства Llama 3.3 70B методом Model Stock. В качестве основы использована Llama-3.3-70B-Instruct; среди объединённых моделей — Mirai, Euryale, Anubis, Sushi и другие варианты Llama 3.3. Модель содержит 69,5 млрд параметров и принимает текстовые запросы для генерации текста и диалоговых ответов. Модель рассчитана на общие беседы и генерацию текста. В README указана совместимость с форматами запросов ChatML и L3 chat. Метаданные сообщают о контекстном окне до 131 072 токенов и формате весов safetensors. Автор описывает сборку как попытку получить модель, которая хорошо работает «из коробки», однако количественные оценки качества и отдельные специализированные возможности не приведены. Использование регулируется лицензией базовой модели Llama 3.3; конкретный идентификатор лицензии в предоставленных данных не указан.

Llama-Salad-8x8B-GGUF — это набор GGUF-квантизаций текстовой языковой модели Llama-Salad-8x8B, опубликованный и квантизированный пользователем bartowski. Исходная модель разработана HiroseKoichi. Модель предназначена для генерации текста и локального запуска через llama.cpp или совместимые инструменты инференса. В метаданных указаны архитектура MoE и семейство Llama 3; точное число параметров, размер контекста и список поддерживаемых языков не приведены. Модель работает с текстовой модальностью и использует формат промпта Llama 3 с системными, пользовательскими и ассистентскими сообщениями. Доступно множество вариантов квантизации от Q8_0 до IQ2_XS с размером файлов примерно от 14,33 до 50,47 ГБ. Старшие варианты обеспечивают более высокое качество, а младшие требуют меньше оперативной или видеопамяти, но заметно уступают по качеству; Q6_K, Q5_K_M, Q5_K_S и Q4_K_M обозначены как рекомендуемые. Ключевое преимущество — возможность подобрать компромисс между качеством, скоростью и требованиями к памяти для локального использования. Ограничения включают снижение качества при низких уровнях квантизации и отсутствие в README подробных данных о результатах тестирования, производительности и безопасностных свойствах; модель помечена тегами nsfw и not-for-all-audiences. Лицензия указана как llama3. Квантизации выполнены с использованием llama.cpp release b3086 и метода imatrix.

KKHYA/llavaqwen2.5-32b-finetune-nm-mask-moe-4e-2k-2of4-imp-2m-half_20260822_074702 — языковая модель на архитектуре NMMaskMoELLaVAQwen2ForCausalLM с 32 млрд параметров. В карточке указаны библиотека Transformers и форматы PyTorch и safetensors; метаданные также обозначают поддержку диалогового режима и интерфейса вызова инструментов. Модель предназначена для генерации текста и диалогового взаимодействия. Длина контекста составляет 131 072 токена. README сообщает, что модель обучена с нуля, но не содержит сведений о датасете, назначении обучения или оценке качества. Лицензия в предоставленных данных не указана.

Luda Brain v2 — языковая модель семейства Mistral, дообученная roseball369 на базе unsloth/mistral-7b-bnb-4bit с использованием Unsloth и библиотеки TRL от Hugging Face. Модель предназначена для генерации текста и диалогового взаимодействия. Она содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов; доступны веса в форматах Safetensors и GGUF Q4_K_M. В метаданных указан английский язык. Модель распространяется по лицензии Apache-2.0. Карточка не описывает специализацию дообучения, состав обучающих данных или результаты оценки качества, поэтому пригодность для конкретных предметных областей по имеющимся сведениям определить нельзя.