I.5Создание и редактирование текста

1800-9B — объединённая автором ClaudioItaly языковая модель на архитектуре Gemma 2 для генерации художественного текста. Она создана методом TIES с помощью mergekit на базе sam-paech/Quill-v1; в слияние также вошли nbeerbower/Gemma2-Gutenberg-Doppel-9B и sam-paech/Delirium-v1. Модель содержит 9 млрд параметров, использует формат safetensors и имеет контекстное окно 8192 токена. Модель предназначена прежде всего для творческого письма: она генерирует атмосферные сцены с выразительными деталями и эмоциональными описаниями, а также может переключаться между повествованием, детективом, романтикой и экшеном. Метаданные указывают поддержку английского и итальянского языков и режим чата. Лицензия — MIT. Карточка описывает сильные стороны модели как выразительный стиль, насыщенные образы и связное повествование; это самооценка автора, а не результаты независимого тестирования. В README не приведены количественные оценки качества или подробные инструкции по использованию.

OccultAI Adversary 8B v1.21 — языковая модель для генерации художественных текстов и ролевых диалогов. Это слитая с помощью mergekit методом DELLA модель на архитектуре Llama, содержащая 7,5 млрд параметров. Она предназначена для создания историй, продолжения сцен и сюжетов в разных жанрах; автор характеризует эту версию как наиболее сбалансированную и творческую среди пяти проверенных вариантов. Модель принимает текст и генерирует текст, поддерживает английский язык. Указанный для неё контекст — до 1 073 152 токенов. Модель подходит для творческого письма и ролевых сценариев, включая мрачные жанры. Она может генерировать сцены с насилием, графическим эротическим содержанием и ненормативной лексикой, поэтому содержание ответов требует учёта при выборе сценария применения. Для работы автор рекомендует шаблон Llama 3. Лицензия — Llama 3.1.

Карточка модели ByteDance-Seed/AHN-GDN-for-Qwen-2.5-Instruct-14B на Hugging Face совпадает с карточкой ByteDance-Seed/AHN-Mamba2-for-Qwen-2.5-Instruct-3B, поэтому описание составлено по ней. ByteDance-Seed разработала AHN-Mamba2 для Qwen2.5-3B-Instruct — модуль Artificial Hippocampus Network, расширяющий языковую модель механизмом сжатой памяти для работы с длинным контекстом. AHN переносит информацию, выходящую за пределы скользящего окна внимания, в компактное представление, сохраняя точную информацию внутри окна. Репозиторий содержит только веса модуля AHN: 11,9 млн параметров; базовая модель Qwen2.5-3B-Instruct замораживается при обучении, а обучаются параметры AHN. Метаданные указывают архитектуру Qwen2, 3,1 млрд параметров для модели и контекст до 32 768 токенов. Модель предназначена для генерации текста по длинным последовательностям и сценариев, где важно учитывать контекст за пределами обычного окна внимания. Для контекстов длиной не больше скользящего окна она работает как стандартный Transformer; более дальняя информация хранится сжато, поэтому её точность может быть ниже, чем у исходного токенного контекста. Использование предполагает интеграцию модуля с базовой моделью и соответствующей программной реализацией AHN. Лицензия в метаданных обозначена как other; конкретные условия в предоставленных сведениях не раскрыты.

Hosstia подготовил для Apple Silicon версию модели Yandex AliceAI-T5-35B-A0.6B, преобразованную для работы с MLX и 6-битными весами. Это модель перевода с архитектурой T5 encoder-decoder и смесью экспертов: всего 35 млрд параметров, из которых активно 0,6 млрд на токен. Репозиторий включает реализацию на Python и интерактивный чат с режимами перевода, исправления текста и вопросов и ответов. Основное назначение модели — перевод с китайского на русский. Также предусмотрен режим русскоязычных вопросов и ответов, однако он требует параметра min_new_tokens для предотвращения преждевременного завершения генерации. Модель работает через MLX на GPU Apple Silicon; контекстное окно в карточке не указано. Владелец карточки сообщает об исправлении упаковки 6-битных весов и численной проверке весов экспертов. При этом 6-битный вариант уступает 4-битному в качестве ответов на вопросы: ответы могут быть короче и содержать повторы. На длинных входах при переводе возможна обрезка, а генерация ответов на китайском ненадёжна. Лицензия указана как other, поэтому условия использования следует проверять в репозитории.

Amnis Light cleanup — English v1 — это компактная модель Amnis для приведения английских диктовок в читаемый вид. Она принимает текстовую расшифровку, созданную распознавателем речи, и возвращает очищенный текст: убирает типичные слова-паразиты, добавляет пунктуацию и заглавные буквы, сглаживает устные формулировки, стараясь сохранить смысл. Модель основана на Qwen3-0.6B и дообучена методом полного параметрического supervised fine-tuning на 2 700 парах; репозиторий содержит квантованные GGUF-веса для запуска через совместимый llama.cpp runtime. Модель предназначена для постобработки английских диктовок после ASR, в том числе в локальных сценариях на устройстве. Она принимает только текст, не аудио; это не переводчик, не инструмент для написания писем и не универсальный чат-бот. В README приведены замеры на одном компьютере Apple M4 Pro и небольшие внутренние оценки, которые не являются стандартизированным бенчмарком или гарантией точности. Модель может пропускать детали или менять смысл, например терять обязательства говорящего либо сохранять исправленную формулировку вместе с первоначальной. Рекомендуется сохранять исходную расшифровку и проверять важные факты, имена, отрицания и просьбы; длинный ввод нужно направлять в альтернативную систему, если он не помещается в контекст. Лицензия указана в метаданных как other, конкретные условия в предоставленных данных не раскрыты.

ReDiX/Artemide-3.5 — компактная диалоговая языковая модель, созданная ReDiX дообучением Microsoft Phi-3.5-mini-instruct на наборе ReDiX/DataForge. Датасет состоит из многошаговых диалогов на итальянском и английском языках. Модель построена на плотной архитектуре Phi-3 и содержит около 3,7 млрд параметров; она принимает текст и генерирует текст, поддерживает контекст длиной до 4096 токенов. Модель предназначена для диалогов и генерации ответов на итальянском и английском языках. В README приведены результаты оценки на итальянских вариантах MMLU, ARC и HellaSwag, однако они сами по себе не гарантируют качество в конкретных сценариях. Модель распространяется по лицензии MIT.

BAAI_AREX-Base-GGUF — это квантизированная версия модели AREX-Base, разработанной BAAI и преобразованной в формат GGUF пользователем bartowski с помощью llama.cpp и метода imatrix. Модель ориентирована на агентские сценарии, глубокое исследование, рассуждения, работу с инструментами и задачами с длинным контекстом. В карточке также указана поддержка англоязычных данных и мультимодальный профиль image-text-to-text, однако подробности о поддерживаемых типах изображений и способах их обработки не приведены. Доступны варианты с точностью от BF16 до низкобитных квантов, включая Q8_0, Q6_K, Q5_K, Q4_K, IQ4, Q3 и Q2. Размер файлов варьируется примерно от 44,48 до 244,31 ГБ; многие варианты разбиты на несколько частей. Более крупные квантизации сохраняют высокое качество, а компактные требуют меньше оперативной памяти, но могут заметно уступать по качеству. В метаданных модель помечена как mixture-of-experts и связанная с Qwen3.5, но точные параметры архитектуры, число экспертов, размер контекста и количество параметров не указаны. Модель предназначена для локального запуска через llama.cpp и совместимые приложения, включая LM Studio, koboldcpp, Jan AI и Text Generation Web UI. Для работы требуется использовать указанный шаблон промпта с тегами ролей и началом блока рассуждений. Лицензия — Apache-2.0. В README не приведены результаты тестирования, ограничения по аппаратному обеспечению, сведения о безопасности или подробная документация по мультимодальным возможностям, поэтому практическое качество следует оценивать отдельно для выбранной квантизации и сценария.

Payoto/bart-base-finetuned-en-to-ro — дообученная Payoto модель facebook/bart-base для преобразования текста с английского на румынский. Она основана на архитектуре BART, содержит 95,2 млн параметров и рассчитана на контекст до 1024 токенов. Модель обучалась на наборе WMT16; в карточке указана оценка loss 1,9824 на проверочной выборке. Модель подходит для перевода предложений и документов с английского на румынский. Доступна в форматах PyTorch и safetensors и распространяется по лицензии Apache-2.0. В карточке нет подробных сведений о качестве перевода на реальных данных или ограничениях применимости.

uygarkurt/bert-restore-punctuation-turkish — модель на архитектуре BERT для восстановления пунктуации в турецком тексте. Она классифицирует токены и предсказывает, где поставить точку, запятую или вопросительный знак. В README приведены результаты эксперимента на наборах для обучения, валидации и тестирования; для BERT указана общая F1-мера 0,837, причём качество заметно различается между знаками препинания. Модель содержит 137,8 млн параметров, работает с текстом и имеет контекстное окно до 512 токенов. Она предназначена для автоматической расстановки пунктуации в турецкой речи, например после распознавания аудио или при обработке текста без знаков препинания. Доступны веса PyTorch; лицензия — MIT. README описывает исследовательскую работу, однако модель представлена как готовый предобученный чекпойнт для инференса.

Cerebral-Lemonade-9B — объединённая языковая модель, созданная ABX-AI с помощью mergekit из Cerebral-Infinity-7B и Infinite-Laymons-7B. Это плотная авторегрессионная модель семейства Mistral с 8,9 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для художественного письма и ролевых диалогов: она сочетает заявленный упор на рассуждения и контекст Cerebral-Infinity с оригинальностью Infinite-Laymons. Автор отмечает, что модель слабее ограничена выравниванием. Поддерживает генерацию текста; README упоминает варианты GGUF, IQ и Imatrix, а метаданные указывают формат safetensors. Лицензия обозначена как other, поэтому условия использования следует уточнить в карточке модели. Это экспериментальное слияние: автор описывает его как эксперимент и сообщает о субъективно хороших результатах, без независимых оценок качества.

Sorihon/Chaotic-Order-24B-V1 — текстовая модель для генерации историй и ролевых диалогов. Это плотная causal language model семейства Mistral с 23,4 млрд параметров, основанная на слиянии моделей методом DARE TIES; среди указанных компонентов — Naphula/Goetia-24B-v1.4. Репозиторий содержит веса Safetensors и предназначен для использования через Transformers. Модель подходит для создания художественных текстов, продолжения сцен и ведения диалогов в роли персонажа. Метаданные указывают контекст до 131 072 токенов и поддержку чата. Базовая модель описана как ориентированная на художественные истории и ролевые диалоги, включая мрачное содержание; отдельные языки карточкой не подтверждены. Лицензия в предоставленных данных не указана.

ChatAllInOne-Yi-34B-200K-V1 — разговорная языковая модель, созданная дообучением Yi-34B-200K от 01.AI на наборе CHAT-ALL-IN-ONE-v1 с помощью QLoRA и Unsloth. Она предназначена для диалогов в непринуждённом, формальном и тематическом стиле, а также для генерации связных ответов в длинных разговорах. Модель имеет плотную архитектуру LlamaForCausalLM с 33,9 млрд параметров и контекстом до 200 000 токенов. Карточка предлагает формат промпта Vicuna 1.1. Репозиторий содержит веса Safetensors. Лицензия — Apache-2.0. Карточка не приводит оценок качества или конкретных поддерживаемых языков.

ChatBerry-1 — дообученная artindnr чат-модель на архитектуре gpt_oss, созданная на базе artindnr/strawberry-1, которая, в свою очередь, дообучена на openai/gpt-oss-20b. Модель генерирует прямые ответы без отдельного канала рассуждений и предназначена для повседневного диалога на фарси, английском и других языках. По метаданным, она содержит 1,6 млрд параметров и поддерживает контекст до 131 072 токенов. Модель подходит для чат-ассистентов и сценариев, где важны простота интеграции и быстрые ответы без отображения рассуждений. Она сохраняет многоязычные возможности Strawberry-1, но не предназначена для задач, которым полезны явные пошаговые рассуждения. Возможны галлюцинации; отдельная настройка безопасности сверх унаследованной от базовых моделей не проводилась. Распространяется по лицензии Apache 2.0.

Cogwheel 24B V.2 — слитая языковая модель на архитектуре Mistral, созданная OddTheGreat для усиления ролевых возможностей модели Core. Она предназначена для диалоговых ролевых игр один на один, генерации реплик с учётом характера персонажа, повествования и создания историй и персонажей. По карточке, модель хорошо удерживает лор в длинных сценариях и подходит для творческого текста, включая мрачные темы и NSFW-содержание. Модель содержит 23,4 млрд параметров, использует плотную архитектуру Mistral и формат safetensors; нативный контекст составляет 32 768 токенов. Основной язык карточки — английский, а описание базовой модели в каталоге указывает на поддержку русского и английского. Лицензия в предоставленных данных не указана.

michaelfeil/ct2fast-opus-mt-de-en — версия модели машинного перевода OPUS-MT с ускоренным инференсом в CTranslate2, представленная Michael Feil. Модель переводит с немецкого языка на английский; исходная модель использует архитектуру Transformer-align, нормализацию текста и SentencePiece. Для ускорения заявлена int8-инференция на C++ с ускорением в 2–8 раз относительно исходного варианта. Модель предназначена для перевода немецких текстов на английский, в том числе новостных материалов. В README приведены результаты на нескольких тестовых наборах: BLEU от 26,8 до 29,4 и chr-F от 0,543 до 0,557. Лицензия репозитория — Apache-2.0.

CT-Punc — модель восстановления пунктуации из экосистемы FunASR, предназначенная для автоматической расстановки знаков препинания в тексте без пунктуации, в том числе в результате распознавания речи. Её можно применять как отдельный этап обработки текста или включать в конвейер ASR. Модель поддерживает китайский и английский языки и рассчитана на низкую задержку, в том числе в потоковых сценариях. Репозиторий содержит веса PyTorch и использует библиотеку FunASR. Размер модели и длина контекста в предоставленных данных не указаны. Лицензия — Apache-2.0.

daVinci-LLM-3B — базовая языковая модель с примерно 3,1 млрд параметров, представленная исследовательской группой GAIR-NLP в проекте daVinci-LLM. Это плотный decoder-only Transformer семейства Qwen2, обученный в два этапа примерно на 8 трлн токенов: сначала на широком веб-корпусе, затем на структурированных вопросах и данных для рассуждений. Репозиторий содержит веса в формате safetensors; метаданные указывают контекст до 32 768 токенов. Модель предназначена для исследований предобучения, изучения качества данных и динамики обучения, а также для генерации текста, кода и ответов с математическими и научными рассуждениями. В README приведены результаты оценки на 19 бенчмарках и описаны более 200 абляционных экспериментов. Модель является базовой, не настроена на выполнение инструкций и не прошла выравнивание по безопасности, поэтому перед прикладным использованием необходимы дополнительная оценка и настройка. Лицензия — Apache-2.0.

DeciLM-7B-instruct — англоязычная модель для коротких инструкций и диалоговых запросов, разработанная Deci. Она получена LoRA-дообучением DeciLM-7B на наборе Open-Orca/SlimOrca без RLHF и DPO. Это авторегрессионный плотный Transformer-декодер с переменным Grouped-Query Attention; в карточке указаны 7,04 млрд параметров, 32 слоя и контекст до 8192 токенов. Модель предназначена для генерации ответов и выполнения инструкций на английском языке, в том числе в коммерческих и исследовательских сценариях. Лицензия — Apache 2.0. Качество и безопасность ответов требуют проверки для конкретного применения: модель может ошибаться, проявлять смещения или выдавать нежелательный контент, а оценки в карточке охватывают преимущественно англоязычные задачи.

DeepSeek-llama3.1-Bllossom-8B — плотная причинная языковая модель семейства Llama с 7,5 млрд параметров, разработанная командой UNIVA AI совместно с Bllossom. Она дообучена на базе deepseek-ai/DeepSeek-R1-Distill-Llama-8B с использованием собственных данных рассуждений на корейском и английском языках. Модель предназначена для диалоговой генерации текста и многошаговых рассуждений; особый акцент сделан на улучшении рассуждений на корейском языке и формировании ответа на языке пользовательского запроса. Карточка приводит результаты на корейских и английских наборах AIME24 и MATH500. Указанное в метаданных родное контекстное окно составляет 131 072 токена. Модель распространяется в формате Safetensors через Transformers по лицензии MIT. Результаты бенчмарков относятся к описанным в карточке настройкам оценки и сами по себе не гарантируют точность ответов в других сценариях.

eibrahim/do-xrepo-model-3 — дообученная языковая модель семейства Qwen3 для генерации текста и диалогового общения. В README она описана как версия для корпоративных задач; архитектура в метаданных — плотная причинная модель Qwen3ForCausalLM с 6,6 млрд параметров, контекстом до 32 768 токенов и форматом safetensors. Указаны английский и китайский языки, интерфейс чата и лицензия Apache-2.0. Модель подходит для генерации ответов и диалогов в корпоративных сценариях. README приводит пример загрузки через Transformers, однако идентификатор в примере отличается от репозитория этой модели. Карточка не уточняет состав корпоративных задач, данные дообучения и сравнительные показатели качества.

Ellaria-9B — языковая модель на 9 млрд параметров, созданная слиянием моделей princeton-nlp/gemma-2-9b-it-SimPO и TheDrummer/Gemmasutra-9B-v1 методом SLERP с помощью mergekit. Она предназначена для генерации текста в диалоговом формате и ролевых сценариев; автор README отмечает её как модель для RP. Модель построена на архитектуре Gemma 2, использует библиотеку Transformers и поддерживает контекст до 8192 токенов. Для диалогов предусмотрен режим Instruct. В README приведены рекомендуемые параметры генерации для текстовых продолжений. Модель ориентирована на английский язык. Лицензия в предоставленных данных не указана.

ERNIE-4.5-21B-A3B-Base-Paddle — базовая текстовая языковая модель компании Baidu на архитектуре MoE, опубликованная в формате весов PaddlePaddle. Модель предварительно обучена и предназначена для продолжения текста; карточка рекомендует использовать API completion, а не chat_completion. Вариант содержит 21 млрд параметров всего и около 3 млрд активируемых параметров на токен; в метаданных каталога указан размер 3,3 млрд параметров. Контекст — до 131 072 токенов. Модель подходит как основа для дообучения и языковой генерации. Для ERNIEKit описаны сценарии SFT, LoRA и DPO. Несмотря на мультимодальное предварительное обучение семейства ERNIE 4.5, этот Base-чекпойнт извлечён из текстовых параметров и принимает текст. Поддерживаемые языки по метаданным — английский и китайский. Лицензия — Apache-2.0.

EVA Qwen2.5 14B — плотное текстовое чат-обучение на базе Qwen2.5-14B, созданное Kearm и Auri полным дообучением всех параметров на смеси синтетических и естественных данных. Модель ориентирована на ролевые диалоги и написание историй; в обучающую смесь вошли данные для инструкций, структурированного письма, ролевых карточек и коротких рассказов. Модель принимает текстовые запросы в формате ChatML и генерирует текст. Размер составляет 14 млрд параметров, базовая модель поддерживает контекст до 131 072 токенов. В README рекомендованы температура 0,7, top-p 0,8 и штраф за повторы 1,03; авторы отмечают, что модели подходят низкие значения температуры и не подходит сэмплер Min-P. Распространяется под лицензией Apache-2.0.

EXAONE 3.5 7.8B Korean-English Translation — языковая модель компании LG AI Research, дообученная методом LoRA на базе LGAI-EXAONE/EXAONE-3.5-7.8B-Instruct и объединённая с базовой моделью. Она предназначена для перевода между корейским и английским языками; также может использоваться для генерации текста и диалогов на этих языках. Модель содержит 7,4 млрд параметров, использует плотную архитектуру ExaoneForCausalLM, работает с Transformers и принимает текст, выдавая текст. Контекстное окно составляет 32 768 токенов. Модель ориентирована на двунаправленный перевод корейского и английского языков. Использование регулируется лицензией с обозначением «other» на Hugging Face; конкретные условия следует проверять в репозитории модели и у правообладателя. В карточке не приведены результаты сравнительной оценки качества перевода.

François-Huali 12B V2 — языковая модель Delta-Vector для диалогового ролевого взаимодействия и творческого письма. Это дообученная модель семейства Mistral с плотной архитектурой и 12,1 млрд параметров; она принимает текст и генерирует текст. Модель обучена на прозе, романах, ролевых диалогах и других творческих текстах, а KTO-настройка направлена на связность и выразительность прозы. Для диалога используется формат ChatML. Модель рассчитана на создание художественных сцен и продолжение ролевых историй с поддержанием персонажей и развитием сюжета. Автор описывает желаемый стиль как более краткий и свежий по сравнению с другими моделями линейки NeMo. Обучение проведено в течение одной эпохи на восьми GPU H200. В карточке не указана лицензия, поэтому условия использования по ней установить нельзя.

Gemma 4 E2B-it-qat-JANG_4M-CRACK — дообученная и квантизированная мультимодальная модель dealignai на базе google/gemma-4-e2b-it. Она использует плотную архитектуру Gemma 4 с гибридным скользящим и глобальным вниманием и рассчитана на запуск через vMLX на компьютерах Apple Silicon. Квантизация JANG_4M сочетает 8-битные веса внимания и 4-битные веса MLP; средняя точность составляет около 4,3 бита. Модель принимает текст, изображения и аудио, поддерживает диалог, рассуждения, ответы на фактические вопросы и генерацию кода. В README заявлены результаты MMLU 60,1% (на 1,7 процентного пункта ниже базовой модели) и полное выполнение запросов вредоносных категорий в тесте HarmBench; автор описывает это как удаление отказов при сохранении возможностей. Это делает модель непригодной для сценариев, где важно сдерживание опасных запросов. Для запуска требуется vMLX с поддержкой Gemma 4 и достаточно памяти. Лицензия — gemma; README указывает исследовательское назначение и возлагает ответственность за соблюдение применимых законов на пользователей.

Dzluck публикует Gemma 4 E2B JANG4M CRACK — изменённую версию Google Gemma 4 E2B Instruct с удалёнными отказами. Модель предназначена для диалогов, рассуждений, ответов на вопросы и генерации кода; принимает текст и изображения, а автор также заявляет о сохранении аудиовхода. Каталог Hugging Face относит её к мультимодальной задаче image-text-to-text и указывает архитектуру Gemma4ForConditionalGeneration с плотной архитектурой. Модель использует смешанную квантизацию JANG_4M: 8-битные веса внимания и 4-битные веса MLP, в среднем около 4,3 бита. По данным автора, MMLU снизился на 1,7 процентного пункта относительно исходной модели; в тестах HarmBench автор сообщает о полном выполнении запросов вредных категорий. Для запуска нужны Mac на Apple Silicon и vMLX с поддержкой Gemma 4; стандартные mlx_lm и mlx_vlm поддерживаются не полностью. Лицензия — Gemma; карточка также обозначает модель как предназначенную для исследований.

Gemma-The-Writer-9B-GGUF — это квантизированная GGUF-версия модели Gemma The Writer 9B, разработанная DavidAU. Модель представляет собой объединение моделей семейства Gemma2, ориентированное прежде всего на создание художественных текстов и развитие сюжетов. Она предназначена для написания рассказов и сцен, генерации основных и побочных сюжетных линий, продолжения сцен, сторителлинга и ролевых сценариев; заявлена поддержка различных жанров, включая научную фантастику, романтику и хоррор. Также модель может использоваться для общих текстовых задач. Модель работает в режиме text generation, рассчитана на английский язык и требует шаблон Gemma Instruct. Размер базовой модели — около 9 млрд параметров. Стандартное контекстное окно составляет 8 тысяч токенов и может быть расширено с помощью RoPE до 32 тысяч токенов и более. Доступны варианты с разной степенью квантизации; более высокие кванты обычно обеспечивают больше детализации, нюансов и проработки персонажей, но требуют больше ресурсов. Сильными сторонами модели являются специализация на художественной прозе, выразительное описание, генерация сюжетов и пригодность для ролевых сценариев. К ограничениям относятся чувствительность качества и стиля к температуре, штрафу за повторения, типу квантизации и другим параметрам семплирования; для разных вариантов могут потребоваться отдельные настройки. README не содержит результатов стандартизированных бенчмарков и подробных требований к аппаратному обеспечению. Модель распространяется по лицензии Apache-2.0.

General-Stories-Mistral-7B — языковая модель ajibawa-2023 для генерации художественных историй широкой тематики. Она дообучена методом qLoRA на базе Mistral-7B-v0.1 на наборе General-Stories-Collection, содержащем около 1,3 млн синтетических историй; обучение проводилось в течение двух эпох с использованием Axolotl. Модель имеет плотную архитектуру MistralForCausalLM примерно на 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для создания рассказов, поиска сюжетных идей и творческого письма для широкой аудитории. Карточка указывает английский язык и формат диалога ChatML. Репозиторий содержит веса PyTorch; в README также упомянуты отдельные варианты GGUF и Exllama v2. Лицензия — Apache-2.0. Качество и фактическая надёжность вне сценариев художественной генерации в карточке не описаны.

Goetia 24B v1.2 — текстовая генеративная модель, созданная Naphula путём слияния 18 дообученных моделей с помощью mergekit и метода Karcher. Она предназначена прежде всего для ролевого общения, художественного письма и создания историй, сцен и сюжетов разных жанров. Модель построена на архитектуре Mistral с 23,4 млрд параметров; метаданные указывают контекст до 131 072 токенов. README рекомендует использовать шаблон чата Mistral Tekken. Модель рассчитана на генерацию текста на английском языке и ориентирована на творческие сценарии, в том числе прозу с яркими описаниями. В карточке отдельно предупреждают, что ответы могут содержать насилие и откровенный эротический контент. Модель распространяется под лицензией Apache-2.0.