I.5Создание и редактирование текста

CogComp разработала модель классификации на базе BART, обученную определять, соответствует ли краткое изложение исходной статье. Для проверки на вход подают сначала текст краткого изложения, затем исходный документ; порядок важен. Модель предназначена для оценки достоверности резюме и поиска случаев, когда оно искажает содержание источника. Модель содержит 95,2 млн параметров, использует архитектуру BART для классификации последовательностей и принимает контекст длиной до 1024 токенов. В репозитории доступны версии для PyTorch и Flax; в карточке указан английский язык и датасет XSum. Модель опубликована в рамках исследовательской работы NAACL 2021. Лицензия — CC BY-SA 4.0.

BiDi-eng-pol — двунаправленная модель машинного перевода из коллекции BiDi, разработанной в рамках исследовательского проекта лаборатории Machine Learning Research для Allegro.com при сотрудничестве с laniqo.com. Это энкодер-декодерный трансформер MarianMT на 133,4 млн параметров, обученный для перевода на уровне предложений; базовая конфигурация — transformer-big. Модель переводит между английским и польским в обоих направлениях: целевой язык задаётся специальным токеном. Для токенизации используется SentencePiece со словарём 32 тыс. токенов. Модель рассчитана на перевод отдельных предложений между английским и польским; в README описана как часть коллекции многоязычных славянских MT-моделей. Метаданные указывают контекст до 1024 токенов. Модель обучалась на корпусах машинного перевода и оценивалась на Flores200 с метрикой COMET-DA. Качество и возможные смещения следует проверять для конкретного предметного домена: авторы предупреждают о возможных гендерных галлюцинациях при переводе с английского на славянские языки. Лицензия — CC BY 4.0.

BlueBerry-2 — дообученная модель для рассуждений на фарси и английском языке, разработанная artindnr на основе openai/gpt-oss-120b. Это причинная языковая модель с архитектурой gpt_oss и смесью экспертов; версия из репозитория — полноценно дообученный чекпойнт, а не LoRA-адаптер. Метаданные указывают 2,1 млрд параметров и контекст до 131 072 токенов. Модель предназначена для двуязычных диалогов, в том числе с переключением между фарси и английским в одном сообщении. Её специализация охватывает рассуждения над техническим текстом на фарси с английскими терминами, переводоподобные задачи и ответы на одном из двух языков или на их смеси. Поддерживаются чатовый формат Harmony и интерфейс вызова инструментов. Модель опубликована под лицензией Apache 2.0. Она не оптимизирована для других языков; возможны фактические ошибки и ошибки рассуждений, унаследованные от базовой модели. В README также отмечено отсутствие дополнительной настройки безопасности сверх базовой модели.

Cinematika-7b-v0.1 — текстовая генеративная модель на 7,1 млрд параметров, созданная jondurbin на основе MistralLite и дообученная на датасете cinematika-v0.1. В датасет входят 211 сценариев фильмов, преобразованных в прозу, и данные для ролевых диалогов с несколькими персонажами. Модель использует архитектуру Mistral и поддерживает контекст до 32 768 токенов. Модель предназначена для продолжения текста в ролевых сценариях с несколькими персонажами, стилизации сценариев под прозу, создания карточек персонажей и выполнения инструкций в формате базовой MistralLite. Для ролевой игры README рекомендует обычный текст с префиксом имени персонажа; генерацию можно завершать стоп-токеном с именем пользователя. Модель распространяется по лицензии Apache-2.0.

Cosmic-Night-12B — плотная языковая модель семейства Mistral на 12,1 млрд параметров, созданная Vortex5 слиянием нескольких моделей, включая NoctyxCosma-12B, Rocinante-X-12B-v1, magnum-v4-12b и MN-12b-RP-Ink-RP-Longform. Она предназначена для генерации диалогов и художественного текста, особенно ролевых сценариев, эмоционально выразительного общения и длинных атмосферных историй. Модель поддерживает контекст до 131 072 токенов и распространяется в формате safetensors для Transformers. К модели можно обращаться для совместного написания прозы, развития сюжетов и ролевого взаимодействия. Лицензия — Apache-2.0. Доступные сведения не содержат результатов сравнительных оценок качества; слияние нескольких специализированных моделей может давать вариативные результаты в зависимости от запроса.

jensjepsen/danish-lm-400m-sft-v33-avg-top3 — дообученная разработчиком Jens Jepsen на инструкциях датская языковая модель для генерации текста и выполнения запросов. Она основана на jensjepsen/danish-lm-400m-base-ropext8048-v1, использует плотную архитектуру Llama с 414,7 млн параметров и рассчитана на контекст до 8048 токенов. Репозиторий содержит усреднение весов трёх лучших контрольных точек SFT и отдельные контрольные точки. Модель предназначена для ответов на вопросы, следования инструкциям, рассуждений и арифметических задач на датском языке. Среди обучающих данных — наборы для вопросов по текстам и энциклопедическим материалам, научных вопросов, математики, NER и вывода структурированных ответов. В оценках карточки указаны результаты по датскому NER, индукции форматов, GSM8K, SciQ и другим задачам; качество зависит от задачи и формата запроса. Модель принимает текст и генерирует текст. Доступна через Transformers в формате safetensors. Лицензия Apache-2.0 разрешает использование на её условиях. В опубликованных оценках есть заметные ограничения: результат span-разметки снижается на незнакомых форматах, а некоторые метрики в карточке нельзя напрямую сравнивать с результатами из других оценочных протоколов.

DeepSeek-V4-Flash-Vision-Exp — экспериментальная мультимодальная модель семейства DeepSeek-V4, разработанная DeepSeek AI. Она построена на архитектуре DeepSeek-V4-Flash, дополненной визуальными модулями и дообученной для понимания изображений. Модель предназначена для мультимодальных агентских сценариев, анализа визуальной информации, работы с диаграммами и задач, где требуется сочетать текстовые и графические входные данные. Для текстовых агентских задач она сохраняет сопоставимую с DeepSeek-V4-Flash-0731 производительность. В репозитории заявлена поддержка OpenAI-style сообщений с блоками изображений и компактного TXT-формата с тегами <image>. Доступны tokenizer, средства кодирования запросов и минимальная реализация инференса на PyTorch, включающая vision encoder и aligner, DFlash attention, Mixture-of-Experts, Hyper-Connections и DSpark forward path. Точные размер модели, длина контекста, перечень поддерживаемых языков и характеристики визуального входа в представленном README не указаны. Сильная сторона модели — улучшенные мультимодальные агентские возможности по сравнению с DeepSeek-V4-Flash-0731; в README приведены результаты на ApexBench, Agents' Last Exam, Chartography и ZeroBench, а также набор текстовых агентских бенчмарков. Ограничения включают экспериментальный статус и отсутствие подробных сведений о масштабах, языках и требованиях к аппаратному обеспечению. Репозиторий распространяется по лицензии MIT.

Это разговорная модель генерации текста семейства Qwen3, разработанная авторами репозитория laion/delphi-2e19-p33m67-k0p20-lr83-a002-wc386k_lr1e5-sft. Согласно README, модель обучена с нуля на наборах wildchat_386k и delphi_warmup. Она предназначена для диалоговой генерации текста. Модель имеет плотную архитектуру Qwen3ForCausalLM, содержит 656,4 млн параметров и поддерживает контекст до 4096 токенов; файлы представлены в формате safetensors и рассчитаны на Transformers. Язык обучения и поддерживаемые естественные языки в карточке не указаны. Лицензия обозначена как other, поэтому условия использования следует сверить с карточкой репозитория.

Dialects-to-MSA-Transformer — модель Hamza Naser, дообученная на базе encoder-decoder модели facebook/m2m100_418M для преобразования арабских диалектных текстов в литературный арабский (MSA). Модель содержит 332,5 млн параметров, принимает текст и выдаёт текст; максимальный контекст составляет 1024 токена. Обучение проводилось на 800 тысячах пар предложений из арабских твитов и их преобразований, сгенерированных gpt-4o-mini. Лучше всего модель обучена на диалектах стран Персидского залива. Основной сценарий — нормализация диалектного арабского в MSA. Модель также может исправлять опечатки, расставлять пунктуацию и добавлять часть диакритических знаков; автор сообщает о возможности перевода с английского на арабский, хотя модель не дообучалась на англоязычных данных. Эти дополнительные возможности могут быть непоследовательными. Модель распространяется по лицензии Apache-2.0.

Dolphin 3.0 Qwen 2.5 0.5B — диалоговая языковая модель, дообученная Eric Hartford, Ben Gitter, BlouseJury и Cognitive Computations на базе Qwen/Qwen2.5-0.5B. Она предназначена для локального использования в качестве универсального помощника и может отвечать на вопросы, помогать с кодом и математикой, а также работать с вызовами функций и агентными сценариями. Модель использует плотную архитектуру Qwen2ForCausalLM, содержит 494 млн параметров и поддерживает контекст до 32 768 токенов. Для общения применяется шаблон ChatML; системный промпт позволяет задавать тон и правила поведения. В обучении использовались наборы данных для инструкционного диалога, программирования, математики и вызова функций. Карточка модели описывает англоязычное назначение. Веса опубликованы в формате safetensors по лицензии Apache-2.0. Это компактная модель, поэтому её ответы и сложные рассуждения могут уступать более крупным моделям; примеры выводов и результаты оценивания в карточке не представлены.

Doppelganger Twist 24B — текстовая генеративная модель OccultAI для создания художественной прозы и ролевых диалогов. Она построена на архитектуре MistralForCausalLM и получена слиянием на основе Naphula/Goetia-24B-v1.4; в конфигурации указано 23,4 млрд параметров. Модель предназначена для написания историй разных жанров, продолжения сцен и сюжетов, а также для разговорного взаимодействия в ролевых сценариях. Модель принимает текст и генерирует текст; карточка указывает контекст до 131 072 токенов и рекомендует шаблон чата Mistral Tekken. Она рассчитана прежде всего на англоязычное творчество. Лицензия — Apache-2.0. Карточка предупреждает, что генерация может включать насилие и графическое эротическое содержание.

EnViT5 Translation — модель VietAI для машинного перевода между английским и вьетнамским языками. Она основана на архитектуре T5 и содержит 137,5 млн параметров. Карточка заявляет обучение на наборах MTet и PhoMT; метаданные также указывают CC100. Модель предназначена для перевода текста с английского на вьетнамский и с вьетнамского на английский. В метаданных перечислены реализации весов для PyTorch, TensorFlow и JAX. Репозиторий распространяется по лицензии OpenRAIL. Карточка заявляет высокое качество перевода, но не приводит численных результатов оценки.

«Фасих» — модель машинного перевода, разработанная Baleegh и дообученная на основе facebook/nllb-200-distilled-600M. Она переводит текст на классический арабский язык, стремясь избегать кальки и лексики, характерных для современной переводной арабской речи. Модель основана на архитектуре M2M100, содержит около 463,7 млн параметров, работает с текстом и имеет контекст до 1024 токенов. В репозитории указаны веса в формате safetensors и лицензия MIT. Модель предназначена для перевода на литературный классический арабский. В README описаны обучающие данные на арабском языке, собранные в том числе из библиотеки Shamela, а также ограничения оценки качества: часть языковых пар вне направления английский—арабский получена через Google Translate, а используемые метрики и автоматическая проверка классического стиля несовершенны. Поэтому качество перевода может зависеть от исходной пары и требует проверки человеком.

beezu/G4-MeroMero-v2-31B-mlx-bf16 — конвертированная в формат MLX модель на основе дообученной Gemma 4 31B от Stardom. Она предназначена прежде всего для творческого письма и многоходового ролевого взаимодействия: помогает создавать разнообразные продолжения историй и персонажей, поддерживает режимы thinking и no-think. В карточке указано, что модель сохраняет результаты базовой Gemma 4 на IFEval, GSM8K и MMLU-Pro, хотя автор отмечает возможное снижение качества рассуждений в особенно интенсивных ролевых сценах. Модель имеет плотную архитектуру Gemma4 и доступна в виде весов safetensors для MLX; исходная модель была преобразована с помощью mlx-lm 0.31.3. В README приведены настройки сэмплирования для SillyTavern и описан процесс обучения исходной модели: SFT, слияние, два этапа GRPO и on-policy SFT. Для этой публикации указана лицензия Apache-2.0. Язык интерфейса и поддерживаемые языки в материалах явно не перечислены.

G4-Starry-Ocean-12B — мультимодальная диалоговая модель на 12 млрд параметров, созданная Vortex5 слиянием google/gemma-4-12B-it, UnstableLlama/Semancer-12B и ewald1976/G4-12B-Station-Keeper. Она предназначена прежде всего для атмосферного художественного письма, длинных структурированных повествований и эмоционально выразительных ролевых диалогов. Модель поддерживает чат и обработку изображений; в метаданных указана архитектура Gemma4 Unified и формат Safetensors. Модель подходит для создания художественных сцен и интерактивных персонажей. Контекстная длина и поддерживаемые естественные языки в предоставленных данных не обозначены. Лицензия — Apache-2.0.

Gemma3.5-48B-A4B-Q4_K_M — созданная сообществом модель для диалогов и следования инструкциям, опубликованная XxACCOxX в формате GGUF. Она объединяет поведение Gemma 3 27B с базовой архитектурой Gemma 4 26B A4B: к исходным экспертам Gemma 4 добавлен банк экспертов, полученный дистилляцией активаций Gemma 3. В модели 48,1 млрд параметров, из которых на один токен задействуется около 3,8 млрд; используется 8 экспертов из 256. Контекст составляет 262 144 токена, квантование — Q4_K_M. Модель предназначена для локального общения в режиме прямых ответов, решения математических задач, технических запросов и вопросов на общие знания. Автор приводит результат 63,21% на подвыборке MMLU-Pro из 280 заданий без режима рассуждений; это результат описанного теста, а не гарантия качества для других задач. Для запуска предназначены стеки локального инференса, например llama.cpp и Ollama. Лицензия указана как other; конкретные условия в предоставленных данных не раскрыты.

Gemma-3-Starshine-12B — мультимодальная диалоговая модель на 12 млрд параметров, созданная ToastyPigeon слиянием дообученных моделей на основе Gemma 3 12B IT и Gemma 3 12B PT. Это версия, ориентированная на творческое письмо: она формирует более похожую на прозу романа повествовательную речь и поддерживает сценарии ролевого взаимодействия. Модель умеет следовать инструкциям и принимать изображения благодаря сохранённой vision tower. Модель рассчитана на генерацию историй, развитие сценариев и творческий диалог. Она использует формат Gemma 2/3 instruct и распознаёт необязательную роль system, однако автор отмечает, что результаты могут быть лучше без неё. В некоторых сценариях модель склонна говорить от лица персонажа пользователя. Доступна в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

Tanhim/gpt2-model-de — языковая модель GPT-2, представленная автором карточки для генерации немецкого текста. Она основана на плотной архитектуре GPT2LMHeadModel и дообучена на наборе из десяти тысяч немецких новостных статей. Модель принимает текстовый префикс и продолжает его; также README упоминает использование модели для получения признаковых представлений текста. Модель рассчитана на немецкий язык и имеет контекст длиной до 1024 токенов. Доступны веса в формате PyTorch, использовать их можно через Transformers. Лицензия репозитория — GPL. Данные карточки указывают на новостной обучающий корпус, поэтому качество и стиль генерации могут быть ориентированы на новости; иных ограничений карточка не описывает.

Gravity 30B-A5B RL — дообученная Trillion Labs модель семейства DeepSeek V3, настроенная для многошагового использования инструментов в диалогах. Это MoE-модель с 30 млрд параметров и примерно 5 млрд активных параметров; README указывает 64 эксперта с выбором top-8 и MLA-внимание. Модель принимает текст и генерирует текст, включая ответы в чате и вызовы инструментов через соответствующий интерфейс. Заявленное контекстное окно — 131 072 токена. В тесте BFCL v3 модель получила в среднем 73,11% точности на живых задачах и 30,25% на многошаговой части; результаты LAB-Bench не показывают измеримого изменения относительно базовой модели. Для корректного обслуживания автор рекомендует использовать полный контекст и специальные парсеры вызовов инструментов и рассуждений. Модель распространяется по лицензии Apache-2.0.

Huihui-gemma-4-12B-agentic-fable5-abliterated-GGUF — локальная GGUF-версия модели, разработанная huihui-ai на основе yuxinlu1/gemma-4-12B-agentic-fable5-composer2.5-v2-3.5x-tau2-GGUF. Модель создана методом abliteration с использованием llama.cpp и предназначена для text generation, reasoning, coding, agentic-сценариев, работы с терминалом и tool use. Модель содержит около 12 млрд параметров и распространяется в формате GGUF для запуска через llama.cpp. В README приведён пример контекста 8192 токена; конкретные модальности, языки и архитектурные детали не указаны. Доступен вариант квантования Q8_0. Сильной стороной является ориентация на локальное выполнение и агентские задачи, однако степень абляции защитных механизмов означает повышенный риск чувствительных, спорных или небезопасных ответов. Модель рекомендуется использовать в исследовательских и контролируемых средах с мониторингом и ручной проверкой результатов. Модель распространяется по лицензии Apache-2.0. README предупреждает, что она не имеет стандартных гарантий безопасности и может быть неподходящей для публичных, коммерческих или высокорисковых применений; ответственность за соблюдение законодательства, этических норм и последствия использования несёт пользователь.

Hypa-Gemma4-E2B-v1 — текстовая мультиязычная модель Hypa Intelligence, дообученная методом LoRA на базе Google DeepMind Gemma 4 E2B-it; адаптер объединён с базовыми весами. Вариант E2B содержит 2,3 млрд эффективных параметров, а обучение использовало 1,62 млрд из 6,74 млрд параметров. Модель предназначена для перевода, определения языка, словарных объяснений и выполнения инструкций на английском, французском, испанском и четырнадцати языках Нигерии. Она сохраняет формат диалогов Gemma 4 и структуру запросов для работы с инструментами. Обучение проведено на смеси из 15,9 млн примеров, включавшей словарные, переводные, языковые и синтетические инструкции, а также данные для вызова функций. Модель принимает текст и выдаёт текст. Хотя у базовой Gemma 4 есть возможности работы с изображениями и аудио, в этой текстовой версии эти компоненты не обучались для целевых языков, и их качество не проверено. Качество ответов различается между языками; для малоресурсных языков результаты следует проверять с носителями. Модель не проходила RLHF или DPO и не подходит для неконтролируемого применения в медицинских, юридических, финансовых и психологических сценариях. Лицензия — Apache-2.0.

Juniper Certificate — диалоговая языковая модель семейства Llama 2, опубликованная Abe13. Она предназначена для генерации текста и заявлена для анализа общедоступных документов, включая научные статьи, юридические материалы, исторические архивы и государственные публикации; её можно использовать для извлечения сведений и формулирования ответов по таким текстам. Модель имеет плотную архитектуру LlamaForCausalLM, около 6,6 млрд параметров и контекст до 4096 токенов. В README перечислены исследовательские и справочные сценарии, однако подробности обучения и подтверждённые результаты оценки не приведены. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0. Метаданные не подтверждают отдельные возможности поиска по документам или языки помимо доступных из карточки; сама модель генерирует текст по входному текстовому запросу.

Модель seongs/ke-t5-base-aihub-koen-translation-integrated-10m-en-to — модель машинного перевода, созданная дообучением KETI-AIR/ke-t5-base разработчиком, указанным в идентификаторе репозитория. Она предназначена для перевода текстов с английского на корейский и построена на архитектуре T5 с классом T5ForConditionalGeneration. Модель содержит 148,3 млн параметров, принимает текстовый ввод, использует контекст до 512 токенов и выдаёт текст. Для обучения использован набор aihub-koen-translation-integrated-base-10m; в карточке приведены BLEU 18,01 после первой эпохи и 18,84 после второй. Модель можно применять в системах перевода с английского на корейский, например для обработки текстов и локализации. Лицензия Apache-2.0.

Aglow Vulca v0.1 — созданная kromeurus объединённая чат-модель на архитектуре Llama 3.1 с 7,5 млрд параметров. Это плотная авторегрессионная языковая модель для генерации текста; автор описывает её как модель для повествования и ролевых диалогов, объединяющую компоненты с упором на следование инструкциям, творческое письмо и связность историй. Указанный родной контекст — 131 072 токена. Модель подходит для ролевых чатов, интерактивных историй и генерации художественных текстов с учётом персонажей, истории диалога и заданного стиля. По описанию автора, она может создавать подробные ответы с выраженной индивидуальностью и естественно подхватывать формат и стиль входного текста. Лучше реагирует на прямые, однозначные инструкции; расплывчатые формулировки могут ухудшить результат. Иногда генерация может стать нестабильной, а поведение унаследовало обычные ограничения семейства Llama 3.1. Модель собрана методом слияния нескольких моделей семейства Llama 3.1; среди перечисленных в метаданных компонентов — Arcee Llama 3.1 SuperNova Lite, ArliAI Formax и RPMax, Jamet Stheno BlackOasis и Apollo. Репозиторий содержит веса Safetensors и использует библиотеку Transformers. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Typhoon2-DeepSeek-R1-70B — тайская языковая модель для диалогов и рассуждений, разработанная Typhoon. Это плотная decoder-only модель на архитектуре Llama с 69,5 млрд параметров и контекстом до 131 072 токенов. Она создана слиянием DeepSeek-R1-Distill-Llama-70B и Typhoon2 70B Instruct с SFT; использует шаблон чата DeepSeek R1 Distill, а не Llama 3. Модель предназначена для ответов на инструкции и сложные вопросы, рассуждений, математики и программирования. README отмечает сильные результаты на тайском языке и сопоставимые с DeepSeek R1 Distill способности к рассуждению; основной язык — тайский, также поддерживается английский. Репозиторий использует Transformers и формат safetensors. Лицензия — Llama 3.1 Community License. Это исследовательская предварительная версия в разработке. Ответы могут быть неточными, предвзятыми или нежелательными; авторы не рекомендуют полагаться на встроенный интерфейс вызова инструментов.

LLaMA3-ENG-KO-8B-SL5 — дообученная языковая модель автора 4yo1 на базе семейства Llama 3, предназначенная прежде всего для перевода между английским и корейским языками. Модель имеет плотную архитектуру LlamaForCausalLM, содержит около 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Она принимает текст и генерирует текст; для работы доступны веса PyTorch и библиотека Transformers. Модель ориентирована на англо-корейские языковые задачи и может применяться для перевода фраз и документов, а также для генерации текста на английском и корейском. Карточка сообщает о дообучении на датасете 4yo1/llama3_test1, но не приводит оценки качества или подробного описания обучающих данных. Лицензия — MIT.

Magnolia-v3-12B — языковая модель на архитектуре Mistral, созданная разработчиком grimjim слиянием нескольких предварительно обученных и инструктивных моделей через mergekit и метод task arithmetic. В основе слияния лежит grimjim/mistralai-Mistral-Nemo-Base-2407; также включены Magnum Consolidatum, Mistral-Nemo-Prism, Rocinante, Magnum Twilight и Mistral-Nemo-Instruct. Модель предназначена для генерации текста с акцентом на творческую прозу, ролевые сцены и приключенческие истории. Она содержит 12,1 млрд параметров, работает с контекстом до 131 072 токенов и распространяется в формате safetensors. Для общения подходят форматы запросов Mistral Nemo; автор сообщает, что результаты зависят от системного промпта и приводит тестовую настройку температуры 1,0 и minP 0,01. Модель распространяется по лицензии Apache-2.0. В README описано ограниченное тестирование, поэтому приведённые настройки не следует считать универсальными рекомендациями; явные сведения о поддерживаемых естественных языках в карточке отсутствуют.

sephinroth/marian-finetuned-kftt-ja-to-en — модель машинного перевода на архитектуре MarianMT, дообученная на наборе данных KFTT на основе Helsinki-NLP/opus-mt-ja-en. Она предназначена для перевода текста с японского на английский. Модель содержит 56,3 млн параметров и имеет контекст до 512 токенов. На оценочном наборе указаны Loss 1,9551 и BLEU 19,686. Модель распространяется в формате PyTorch по лицензии Apache-2.0.

lyutovad/mbart50-tradenewssum — модель для краткого пересказа экономических новостей и новостей о внешней торговле на русском и английском языках. Она разработана на основе facebook/mbart-large-50-many-to-many-mmt и дообучена на датасете TradeNewsSum; архитектура — последовательностный трансформер mBART с 457,4 млн параметров. Модель принимает текст статьи и генерирует краткое изложение, длина контекста составляет 1024 токена. Модель предназначена для аналитиков, журналистов и новостных приложений, которым нужно получать абстрактивные резюме материалов о международной торговле и экономике. Репозиторий содержит веса в формате safetensors. Лицензия — MIT. Наилучшие результаты ожидаются на экономических и торговых текстах на русском и английском языках. Модель может пропускать или искажать факты, чувствительна к смене тематики и отражает возможные смещения источников данных. Для профессиональных задач резюме следует проверять; для других областей может потребоваться дообучение.

Карточка модели mergekit-community/mergekit-slerp-hfjular на Hugging Face совпадает с карточкой arcee-ai/Hermes-2-Pro-WizardMath-7B-SLERP, поэтому описание составлено по ней. arcee-ai/Hermes-2-Pro-WizardMath-7B-SLERP — объединённая языковая модель, созданная с помощью mergekit методом SLERP из NousResearch/Hermes-2-Pro-Mistral-7B и WizardLM/WizardMath-7B-V1.1. Это плотная авторегрессионная модель архитектуры Mistral с 7,1 млрд параметров, работающая через Transformers и распространяемая в формате safetensors. Для объединения использована конфигурация bfloat16 с весовой кривой, отдающей входные и выходные слои Hermes, а средние слои — WizardMath. Модель предназначена для генерации текста в диалоге и решения математических задач на естественном языке. Контекст составляет до 32 768 токенов; метаданные также отмечают интерфейс вызова функций. Карточка не содержит сведений о лицензии, поэтому условия использования по имеющимся данным определить нельзя. Качество решения задач и ограничения на применение отдельно не описаны.