I.3Извлечение и структурирование данных

PolyLM-13B — многоязычная авторегрессионная языковая модель, разработанная DAMO-NLP-MT. Это плотная decoder-only модель семейства GPT-2 с 13 млрд параметров, обученная на 640 млрд токенов и дообученная на автоматически созданных многоязычных инструкциях. Репозиторий содержит веса PyTorch в формате bf16; модель опубликована в июле 2023 года под лицензией Apache 2.0. Модель предназначена для генерации текста и исследований многоязычных языковых моделей: ответов на вопросы, рассуждений в zero-shot и few-shot режимах, понимания и генерации текста, а также перевода. Поддерживает китайский, английский, испанский, немецкий, французский, португальский, русский, итальянский, арабский, японский, корейский, тайский, вьетнамский, индонезийский, польский, турецкий, нидерландский и иврит. Длина контекста — 2048 токенов. PolyLM обучалась с увеличением доли неанглоязычных данных и показывает сильные результаты на многоязычных задачах при сопоставимой производительности на английском. Как и другие языковые модели, она может галлюцинировать и генерировать токсичный текст; перед применением в конкретном продукте следует оценить безопасность и справедливость ответов. README указывает, что прямое применение без такой оценки не рекомендуется.

dfurman/Qwen2-72B-Orpo-v0.1 — диалоговая языковая модель, созданная как дообучение Qwen/Qwen2-72B-Instruct на 1,5 тыс. примеров из набора mlabonne/orpo-dpo-mix-40k. Это плотная архитектура Qwen2ForCausalLM с 71,5 млрд параметров; модель опубликована в формате safetensors и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста и многоходовых диалогов, включая ролевые сценарии, рассуждения, задачи с агентными возможностями и поддержание связности на длинном контексте. В метаданных указан английский язык. Карточка приводит результаты Open LLM Leaderboard: среднее значение 43,32 и 78,80 для IFEval (0-shot). Лицензия обозначена как other, поэтому условия её использования следует проверять в карточке модели.

OpenPipe/Qwen3-14B-Instruct — вариант Qwen3-14B, дообученный OpenPipe. Это плотная причинная языковая модель на 14,8 млрд параметров с 40 слоями и групповой многозапросной внимательностью (40 голов Q и 8 голов KV). Шаблон чата настроен так, чтобы модель по умолчанию отвечала в режиме без рассуждений и сохраняла согласованный формат сообщений при обучении и генерации. Модель предназначена для диалоговой генерации текста и дальнейшей настройки в OpenPipe и других фреймворках дообучения. Метаданные указывают контекст 40 960 токенов; в README для базовой Qwen3-14B заявлены 32 768 токенов нативно и до 131 072 с YaRN. Поддерживаются сценарии общения и генерации текста на базе Qwen3. Репозиторий распространяется по лицензии Apache-2.0. Карточка описывает совместимость шаблона и общие возможности Qwen3, но не приводит отдельной оценки качества именно этого варианта; результат зависит от запроса и последующей настройки.

Dohyeon1/Qwen3-30B-A3B-HC-SMoE-ngroups64 — языковая модель для генерации текста, опубликованная на Hugging Face в формате, совместимом с библиотекой Transformers. По метаданным она относится к семейству Qwen3 и использует архитектуру Mixture-of-Experts; название модели также указывает на разреженную MoE-конфигурацию с 64 группами экспертов. Модель предназначена для генерации продолжений текста, диалоговых ответов, черновиков и других текстовых материалов. Она поддерживает контекст длиной до 40960 токенов и имеет 2,6 млрд параметров по метаданным, что делает её пригодной для локального или серверного развёртывания при наличии соответствующих вычислительных ресурсов. В README отсутствуют сведения о разработчике, языках обучения, лицензии, обучающих данных, результатах оценки и специальных ограничениях. Поэтому перед использованием в продуктивных сценариях необходимо самостоятельно проверить качество на целевых данных, безопасность ответов и условия распространения модели.

DavidAU/Qwen3.5-13B-GLM-4.7-Flash-DeepSeek-Polaris-Grande-Deep-Thinking — дообученная на базе Qwen/Qwen3.5-9B мультимодальная модель семейства Qwen3.5, опубликованная в формате Safetensors для Transformers. Автор описывает её как объединение и масштабирование двух дообученных дистиллятов с последующим обучением на примерах GLM-4.7-Flash; заявлены 48 слоёв, диалоговый режим, работа с изображениями и интерфейс вызова инструментов. Модель предназначена для следования сложным инструкциям, рассуждений, написания художественных текстов и диалогов, программирования и сценариев с инструментами. В карточке приведён пример генерации сцены ужасов, но он не является независимой оценкой качества. Автор также сообщает об исправлениях шаблона диалога для уменьшения повторов и циклов и улучшения обработки инструментов. Языковые теги карточки указывают английский и китайский. Лицензия — Apache-2.0. Размер в 13 млрд параметров заявлен в README; метаданные при этом связывают модель с базовой Qwen3.5-9B.

KridgeDookie выпустил PHILADELPHIA CLASS — дообученную мультимодальную модель на 27,36 млрд параметров на базе Qwen/Qwen3.6-27B. Она сохраняет гибридную архитектуру обработки текста и изображений и предназначена для общения, программирования, творческих задач и экспериментов с мультимодальными сценариями. Версия Safetensors включает обработку изображений; вариант GGUF в BF16 предназначен только для генерации текста. Разработчик сообщает о снижении склонности к отказам: модель не отказала ни на одном из 842 внутренних проверочных запросов и на отдельной выборке из 126 запросов; 23 из 24 проверок связности пройдены. Это внутренние автоматизированные оценки, а не независимые или стандартизированные тесты, и они не подтверждают фактическую точность или безопасность модели. Контекст настроен на 262 144 токена, но доступность полного окна зависит от оборудования. Сниженная склонность к отказам может приводить к вредным, вводящим в заблуждение, предвзятым или незаконным ответам. Модель распространяется по лицензии Apache-2.0.

Карточка модели Taewhoo/qwen3.6-27b-proteomics-rl-step10 на Hugging Face совпадает с карточкой Qwen/Qwen3.6-27B, поэтому описание составлено по ней. Qwen3.6-27B — открытая модель с весами от команды Qwen, представленная как постобученная модель в формате Hugging Face Transformers. Это причинная языковая модель с визуальным энкодером, содержащая 27 млрд параметров; она поддерживает чат и интерфейс вызова инструментов. Модель предназначена для программирования, агентных сценариев и работы с изображениями, а README также описывает ввод видео. Указанная длина контекста — 262 144 токена с возможностью расширения до 1 010 000 токенов. В README отмечены задачи на уровне репозитория, разработка интерфейсов и сохранение контекста рассуждений между сообщениями. Модель можно запускать через Transformers и использовать с vLLM, SGLang и KTransformers; для высоких нагрузок авторы рекомендуют специализированные серверы инференса. Репозиторий содержит веса safetensors и распространяется по лицензии Apache-2.0.

Nickyang выпустил производную модель Qwen3.6-35B-A3B, сокращённую методом RAZOR без дообучения. В каждом MoE-слое оставлено 128 из 256 маршрутизируемых экспертов; размер составляет 19,4 млрд параметров, или 19,0 млрд без модуля MTP, при этом на токен активно около 4 млрд параметров. Веса представлены в формате bfloat16 и safetensors; для запуска требуется сборка Transformers с поддержкой qwen3_5_moe. Модель предназначена для генерации текста и диалогов. Карточка описывает сокращение хранения экспертов при примерно неизменных вычислениях на токен; заявлена поддержка интерфейса вызова инструментов. Основа — Qwen/Qwen3.6-35B-A3B, лицензия Apache-2.0. Обрезка экспертов с потерями: ответы могут отличаться разнообразием, форматированием и поведением при завершении, даже если точность задач в основном сохраняется. Поведение на областях, далёких от калибровочного корпуса, не охарактеризовано; перед применением модель следует оценить на целевой нагрузке.

lued/Qwen3.8-27B-INT8-W8A16-MTP — это квантизированная версия базовой модели Qwen/Qwen3.8-27B, разработанной командой Qwen. Модель не является дообученной версией: в ней применена числовая квантизация для запуска через vLLM на видеокартах архитектуры Ampere, в частности на конфигурации из двух RTX 3090. Она предназначена для диалоговых и мультимодальных сценариев, включая работу с текстом и изображениями, а также для инференса с ускорением speculative decoding посредством MTP. Используется формат W8A16: веса представлены в INT8, а активации — в FP16 или BF16; размер группы квантизации — 128, применяется симметричная data-free RTN-квантизация. Сохраняются vision tower, управляющие механизмы reasoning, BF16 MTP head и контекстное окно до 262 144 токенов. Модель поддерживает FP8 E4M3 KV-кэш; заявлена возможность расширения контекста до 1 млн токенов через YaRN на уровне исходной модели, однако приведённая конфигурация памяти этого не поддерживает. Сильной стороной является высокая близость к BF16-версии: заявлены 99,36% совпадения top-1 и меньший дрейф весов по сравнению с официальной FP8-версией. Ограничения связаны с требованиями к памяти и текущей стабильностью многопоточного обслуживания: на проверенной версии vLLM параллельные запросы могут приводить к сбоям движка. Производительность зависит от длины контекста и принятия черновых токенов MTP; при длинных запросах время до первого токена существенно возрастает. Данные о функциональном качестве, использовании инструментов, генерации JSON, программировании и мультимодальных возможностях в карточке не приведены. Модель распространяется по лицензии Apache 2.0.

Qwen3-Omni-30B-A3B-Instruct — мультимодальная модель общего назначения от команды Qwen компании Alibaba. Она принимает текст, изображения, аудио и видео и формирует потоковые ответы текстом и естественной речью; вариант Instruct включает компоненты Thinker и Talker. Архитектура MoE использует разделение на Thinker и Talker, а модель рассчитана на низколатентное взаимодействие в реальном времени и управление поведением через системные промпты. Модель предназначена для голосовых диалогов, распознавания и понимания речи, описания аудио и видео, а также ответов на вопросы по изображениям и смешанным мультимодальным входам. README заявляет поддержку 119 языков для текста, 19 языков для речевого ввода и 10 для речевого вывода; среди явно перечисленных языков речи есть русский. В примере запуска указан максимальный контекст 65 536 токенов. Для работы предлагаются Transformers и vLLM; README отмечает, что на момент публикации требовалась установка Transformers из исходников. Лицензия в метаданных обозначена как other, без уточнения условий.

zelk12/recoilme-gemma-2-Ataraxy-9B-v0.1-t0.75 — объединённая методом SLERP языковая модель на архитектуре Gemma 2, созданная с помощью mergekit из recoilme/recoilme-gemma-2-9B-v0.4 и lemon07r/Gemma-2-Ataraxy-v2-9B. Модель содержит 9 млрд параметров, использует формат safetensors и предназначена для генерации текста в диалогах и при выполнении инструкций; поддерживает контекст до 8192 токенов. Сценарии применения включают диалоговые ассистенты и творческую генерацию текста. В README приведены результаты Open LLM Leaderboard: 72,08 на IFEval и 42,49 на BBH; эти показатели характеризуют отдельные тесты и не гарантируют качество для любых запросов. Лицензия в доступных данных не указана.

RWKV/RWKV7-2.9B-20260805 — официальная базовая языковая модель RWKV-7 «Goose», выпущенная BlinkDL в формате Transformers. Это плотная авторегрессионная модель класса Rwkv7ForCausalLM примерно на 3,1 млрд параметров; в репозитории представлены веса safetensors. Архитектура использует рекуррентное состояние постоянного размера вместо механизма внимания, поэтому размер состояния не растёт вместе с длиной генерации, а вычисления на каждый новый токен остаются постоянными. Обучение при этом можно распараллеливать. Модель предназначена для генерации текста, оценки, последующего обучения и дообучения. В обучающих данных использовались веб-тексты, код, синтетические данные, инструкции, диалоги и рассуждения; карточка также содержит шаблон для диалоговых запросов и вызова инструментов. Шаблон не означает, что модель прошла настройку на безопасное поведение или является готовым ассистентом. Заявлена поддержка английского, китайского, французского, испанского, немецкого, португальского, русского, итальянского, японского, корейского, вьетнамского и арабского языков. Для нативной интеграции с Transformers требуется версия 5.15 или актуальная версия из исходного кода. Спекулятивное декодирование с откатом рекуррентного кэша не поддерживается без сохранения предыдущих состояний; производительность оптимизированного исполнения зависит от GPU, типа данных, размера пакета и формы входа. Разработчик не заявляет оценок безопасности, смещённости, токсичности, фактической точности или пригодности для критически важных задач. Лицензия — Apache-2.0.

SauerkrautLM-7b-HerO-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель на архитектуре Mistral с 7,1 млрд параметров. Она создана слиянием методом SLERP моделей Mistral-7B-Instruct-v0.2 и SauerkrautLM-7b-HerO; конфигурация слияния использует bf16. Модель предназначена для генерации текста и ответов на инструкции в формате диалога. Контекстное окно составляет до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

TurdusTrixBeagle-DARETIES-7B — текстовая авторегрессионная модель на архитектуре Mistral, созданная слиянием udkai/Turdus, CultriX/MergeTrix-7B-v2 и mlabonne/NeuralBeagle14-7B методом DARE-TIES с помощью LazyMergekit. В конфигурации указан Mistral-7B-v0.1 как базовая модель; размер итоговой модели — 7,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для генерации текста, диалогов и ответов на инструкции, а также для задач рассуждения и творческого письма. В README приведены результаты Open LLM Leaderboard: средняя оценка 75,20, включая 73,46 на AI2 Reasoning Challenge и 88,61 на HellaSwag. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Языки и специализированные прикладные области в доступных материалах не обозначены.

Twilight-Large — плотная языковая модель на архитектуре Mistral с 122,2 млрд параметров, созданная автором softwareweaver с помощью mergekit. Она объединяет Mistral-Large-Instruct-2407, lumikabra-123B_v0.4 и Behemoth-123B-v1 методом della_linear; в качестве базовой использована Mistral-Large-Instruct-2407. Модель предназначена для генерации текста в диалоговом формате и использует формат запросов Mistral Large. Модель принимает текст и генерирует текст. Заявленная длина контекста — 131 072 токена. В карточке упоминаются интерфейс вызова инструментов и возможность использовать control vectors для настройки генерации; качество этих возможностей не оценено в приведённых материалах. Репозиторий содержит веса в формате safetensors. Лицензия обозначена как other, поэтому условия использования следует сверить с лицензиями базовых моделей и карточкой репозитория.

YamshadowInex12_T3qm7xPercival_01 — объединённая модель Mistral для генерации текста и диалогов. Она создана слиянием automerger/YamshadowInex12-7B и automerger/T3qm7xPercival_01-7B и содержит 7,1 млрд параметров. Модель принимает текст и выдаёт текст; её контекст составляет до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель опубликована по лицензии Apache 2.0.

YamshadowStrangemerges_32_Inex16Calme — слитая модель семейства Mistral, объединяющая automerger/YamshadowStrangemerges_32-7B и automerger/Inex16Calme-7B. Модель содержит 7,1 млрд параметров и предназначена для генерации текста и диалоговых ответов; заявленная длина контекста составляет до 32 768 токенов. Модель принимает текст и выдаёт текст. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. В карточке не приведены сведения о языковой специализации или конкретных ограничениях качества; применимость следует оценивать для своего сценария.

YamWizard28-7B — слитая языковая модель на архитектуре Mistral, опубликованная пользователем v000000. Она предназначена для генерации текста и диалогов в формате Alpaca. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Веса объединены методом SLERP с помощью mergekit из automerger/YamshadowExperiment28-7B и fearlessdots/WizardLM-2-7B-abliterated. Доступны файлы Safetensors; в README также упомянуты варианты GGUF и GGUF imatrix, включая Q8_0. Лицензия в предоставленных данных не указана.

Zenith-7B-dpo-v2 — диалоговая языковая модель Xenon1 на архитектуре Mistral, дообученная на Mistral-7B-v0.1 с использованием датасета UltraFeedback и методов из статьи Self-Rewarding Language Models. Модель содержит 7,1 млрд параметров, принимает текстовые инструкции в формате Mistral [INST] и рассчитана на контекст до 32 768 токенов. Модель предназначена для диалогов и генерации ответов на инструкции. В архитектуре используются Grouped-Query Attention, Sliding-Window Attention и BPE-токенизатор с поддержкой fallback по байтам. Карточка указывает английский язык. Модель распространяется по лицензии Apache-2.0.

ZEUS-8B-V17-abliterated — текстовая диалоговая модель, созданная T145 с помощью mergekit методом passthrough из T145/ZEUS-8B-V17 и Orenguteng/Llama-3.1-8B-Lexi-Uncensored-V2. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM, содержащая 7,1 млрд параметров и рассчитанная на генерацию текста и диалоговые сценарии. Метаданные указывают контекстное окно до 131 072 токенов и поддержку интерфейса вызова инструментов. Модель принимает текст и генерирует текст; карточка не приводит специальных предметных областей или перечня поддерживаемых естественных языков. В README опубликованы результаты Open LLM Leaderboard, включая 75,76% на IFEval и 31,52% на BBH. Эти оценки отражают отдельные тесты и не гарантируют качество в конкретном приложении. Лицензия в предоставленных данных не указана.

Это исследовательская резервная копия контрольной точки авторегрессионной языковой модели семейства Qwen2, опубликованная в стандартном формате Hugging Face для загрузки через Transformers. Модель содержит 7,1 млрд параметров и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации текста и диалогового взаимодействия; в репозитории также отмечен интерфейс вызова инструментов. Карточка не описывает специальную предметную область, обучение или оценку качества, поэтому применимость к конкретным сценариям по этим данным определить нельзя. Веса представлены в формате safetensors. Сведения о лицензии и поддерживаемых естественных языках не приведены.

Lionelglo/aion-agnostic-engineer-v2 — языковая модель для генерации текста, опубликованная на Hugging Face и предназначенная для использования через библиотеку Transformers. README модели автоматически сгенерирован и не содержит сведений о разработчике, обучении или точной специализации; в метаданных модель помечена как conversational и относится к семейству Qwen2. Модель имеет 3,1 млрд параметров и поддерживает контекст длиной до 32 768 токенов. Её можно применять для диалогов, генерации ответов, написания и преобразования текстов, а также интеграции в приложения на базе Transformers. Метаданные указывают задачу text-generation и форматы transformers и safetensors. README не содержит результатов оценки, описания обучающих данных, сведений о языках, лицензии или рекомендаций по безопасному применению. Поэтому качество на конкретных языках и доменах, устойчивость ответов и пригодность для критически важных сценариев по имеющимся данным подтвердить нельзя.

airoboros-c34b-2.1 — созданная jondurbin модель Llama 2 с дообучением на синтетических инструкциях airoboros. Это плотная авторегрессионная модель на 33,5 млрд параметров для генерации ответов, диалогов и длинных текстов; заявленная длина контекста — 16 384 токена. В карточке описаны сценарии ответов по предоставленному контексту, программирования, планирования выполнения задач и генерации текста в заданном стиле или от лица персонажа. Модель ориентирована на англоязычные инструкции и поддерживает многоходовые диалоги, ролевые сценарии и продолжение глав. README предупреждает об ошибке форматирования промптов в обучающем коде, из-за которой модель работает некорректно; при генерации она также может продолжить диалог за пользователя, поэтому рекомендуется останавливать генерацию на маркере USER:. Доступны веса PyTorch, лицензия указана как llama2.

ANIMA-Nectar-v2-Mistral-7B-Instruct-v0.1 — чат-модель на архитектуре Mistral, созданная MaziyarPanahi слиянием mistralai/Mistral-7B-Instruct-v0.1 и Biomimicry-AI/ANIMA-Nectar-v2 методом SLERP. Модель содержит 7,1 млрд параметров и предназначена для генерации текста в ответ на инструкции и диалоговые запросы; доступная карточка не описывает более узкую специализацию ANIMA-Nectar-v2. Модель принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors. Лицензия — Apache-2.0. Карточка содержит сведения о слиянии и конфигурации, но не приводит результатов оценки качества или подробных ограничений применения.

Beaglake-7B — диалоговая модель генерации текста, созданная shadowml путём слияния shadowml/BeagleX-7B и macadeliccc/WestLake-7B-v2-laser-truthy-dpo с помощью LazyMergekit и метода SLERP. Это плотная причинно-языковая модель архитектуры Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов; веса представлены в формате safetensors и сохранены в bfloat16. Модель предназначена для диалога и генерации ответов на текстовые запросы. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

BgGPT-Gemma-2-27B-IT-v1.0 — большая языковая модель INSAIT, института Софийского университета им. Св. Климента Охридского. Это плотный декодерный трансформер Gemma 2 с 27,6 млрд параметров и контекстом 8192 токена, предназначенный для генерации текста и диалога по инструкциям. Модель основана на Google Gemma 2 27B и Gemma 2 27B IT. Её непрерывно дообучали примерно на 100 млрд токенов, включая 85 млрд болгарских, по стратегии Branch-and-Merge, затем провели инструктивное дообучение на болгарских диалогах. Она рассчитана прежде всего на болгарский язык, сохраняя возможности английского, и подходит для ответов на вопросы, рассуждений, решения задач и генерации текста. При использовании следует применять шаблон чата Gemma 2; Flash Attention может ухудшить качество. Модель распространяется по условиям Gemma Terms of Use.

Citaman/command-r-15-layer — текстовая модель, созданная с помощью mergekit из двух срезов модели Citaman/command-r-16-layer методом SLERP. В конфигурации объединения использованы слои [0, 15] и [1, 16] одной базовой модели; веса сохранены в формате safetensors, тип данных — bfloat16. Модель построена на архитектуре CohereForCausalLM и содержит 14,4 млрд параметров. Она предназначена для генерации текста и диалогов, включая сценарии с интерфейсом вызова инструментов. Контекст составляет до 8192 токенов. В карточке нет сведений о конкретных языках и специализированных прикладных областях. Модель может быть полезна для диалоговых приложений и генерации текста с подключением инструментов. Поскольку это объединение срезов одного чекпойнта, README не сообщает о сравнительных оценках качества или специальных улучшениях. Лицензия в предоставленных данных не указана.

mlx-community/DeepSeek-R1-4bit — это 4-битная версия модели DeepSeek-R1, разработанной командой DeepSeek и преобразованная сообществом mlx-community в формат MLX. Конвертация выполнена с использованием mlx-lm версии 0.21.0. Модель предназначена для локального запуска и генерации текста через библиотеку mlx-lm, включая сценарии с чат-шаблоном и передачей сообщений пользователя. README не содержит сведений о точной архитектуре, количестве параметров, поддерживаемых языках и модальностях, размере контекста, результатах тестирования, ограничениях или лицензии, поэтому эти характеристики нельзя достоверно оценить по представленным данным.

Dolphin 2.2 Yi 34B 200K — разговорная языковая модель, разработанная Eric Hartford при спонсорской поддержке Convai и дообученная на базе Yi. Это плотная модель семейства Llama с 33,9 млрд параметров; она принимает текст и генерирует текст, поддерживает диалоги в формате ChatML и рассчитана на контекст до 200 000 токенов. В ходе дообучения использовались данные Dolphin, Airoboros, а также отобранные примеры из Samantha и WizardLM; обучение выполнялось методом qLoRA. Модель предназначена для многоходового общения, ответов на вопросы, творческих инструкций и персональных советов. По карточке, она обучена быть эмпатичной и менее ограничивать ответы; из-за этого разработчик рекомендует самостоятельно добавить слой выравнивания перед публикацией сервиса. В метаданных указан английский язык. Репозиторий содержит веса PyTorch. README указывает, что модель основана на Yi и подпадает под лицензию Yi; метаданные HF отдельно указывают Apache-2.0, поэтому условия использования следует сверять с лицензией базовой модели и файлами репозитория.

Eunoia-Gemma-9B — объединённая с помощью mergekit языковая модель на архитектуре Gemma 2 с 9 млрд параметров. В слиянии SLERP использованы gmonsoon/SahabatAI-Lion-9B-TIES-v1 и Gunulhona/Gemma-System-9B; в конфигурации базовой указана первая модель. Репозиторий содержит веса в формате safetensors, модель предназначена для генерации текста и диалогового общения. Модель принимает текстовые запросы и выдаёт текст. Контекстное окно составляет 8192 токена. Метаданные базовой модели указывают на назначение для диалогов и генерации по инструкциям на языках Юго-Восточной Азии и английском; точный перечень поддерживаемых языков не приведён. Лицензия в предоставленных данных не указана.