I.5Создание и редактирование текста

daT5-summariser — модель для абстрактивного суммирования новостных статей на датском языке. Она разработана на основе языковой версии mT5-base с сокращённым словарём, включающим токены датского и английского языков, и содержит 122,1 млн параметров. Модель дообучена на абстрактивной части датасета DaNewsroom с категориями плотности, применяемыми в Newsroom. Модель принимает текст статьи и генерирует её краткое изложение. Она предназначена для автоматического создания кратких пересказов датских новостей; карточка также указывает английские токены в словаре, но не заявляет о суммировании на английском языке. Репозиторий содержит веса PyTorch и Safetensors. Лицензия и длина контекста в предоставленных данных не указаны.

Katayoon/DPO-ONLY-Zephyr-7B-2-iter-2 — разговорная языковая модель, разработанная Katayoon и дообученная на основе Katayoon/DPO-ONLY-Zephyr-7B-2-iter-1 на обновлённом и исходном наборах данных. Модель использует плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров; она предназначена для генерации текста в диалоговом формате, включая ответы на сообщения пользователя. Длина контекста — 32 768 токенов. Модель распространяется в формате Safetensors по лицензии MIT. Карточка не содержит подробных сведений о языках обучения, качестве ответов и ограничениях, поэтому эти характеристики нельзя надёжно уточнить.

EVA-Instruct-32B-v2 — объединённая модель на базе Qwen2.5, созданная автором карточки из EVA-Qwen2.5-32B-v0.2 и Qwen2.5-Gutenberg-Doppel-32B в пропорции 50/50. Обе исходные модели ориентированы на творческое письмо и ролевые диалоги. Модель использует плотную архитектуру Qwen2ForCausalLM, содержит 32 млрд параметров и принимает текстовые запросы в формате ChatML; заявленная длина контекста — 131 072 токена. Модель предназначена для генерации диалогов от лица персонажей, ролевых сценариев и художественных историй. Указаны поддержка английского языка и лицензия Apache-2.0. В README приведены рекомендуемые параметры генерации и варианты конвертированных сборок EXL2 и GGUF, однако сам репозиторий использует формат safetensors.

EVA Yi 1.5 9B v1 — языковая модель, дообученная Kearm и Auri на базе AuriAetherwiing/Yi-1.5-9B-32K-tokfix. Это полнопараметрический fine-tune Yi-1.5-9B-32K, ориентированный на ролевые диалоги и художественное письмо. Модель использует архитектуру LlamaForCausalLM с плотными весами, содержит 8,6 млрд параметров и поддерживает контекст до 32 768 токенов. Обучение использовало смесь синтетических и естественных данных, включая наборы Opus_Instruct_25k и Celeste 1.x. Модель принимает диалоги в формате ChatML; авторы отмечают стабильность и разнообразный стиль письма. Репозиторий распространяет веса safetensors по лицензии Apache-2.0. Авторы предупреждают, что квантование может заметно ухудшить качество, а GGUF с llama.cpp может нарушить исправление токенизатора.

Eva-4B-GGUF — квантованная версия языковой модели Eva-4B, разработанной FutureMa и преобразованной в формат GGUF пользователем bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и задач финансового NLP, включая анализ earnings calls, финансовую классификацию, обнаружение финансового уклонения и применение в сценариях оценки ответов LLM и дистилляции. Указанный язык — английский. Модель имеет около 4 миллиардов параметров; точная архитектура и размер контекстного окна в README не указаны. Доступны варианты от BF16 до различных уровней квантования Q8, Q6, Q5, Q4, Q3 и Q2, что позволяет выбирать между качеством, размером файла и требованиями к памяти. Рекомендуемыми названы, в частности, Q6_K_L, Q6_K, Q5_K_L, Q5_K_M, Q5_K_S и Q4_K_M. Файлы можно запускать через llama.cpp, LM Studio, koboldcpp, Jan AI, Text Generation Web UI и другие совместимые инструменты. Сильными сторонами являются компактный размер, широкий выбор квантований и пригодность для локального запуска. Более сильное квантование обычно сохраняет качество лучше, тогда как варианты Q2–Q3 экономят память ценой снижения качества; конкретные показатели производительности в README не приведены. Модель распространяется по лицензии Apache-2.0.

Polyglot Air — специализированная дообученная модель CalmState на базе Gemma 3 4B, настроенная для сценариев настольного приложения Polyglot Air. Она выполняет преобразование короткого выделенного текста по команде в суффиксе: например, переводит текст на английский или португальский, включая вариант для Бразилии. Модель предназначена для лаконичного выполнения таких команд без вводных фраз и лишнего диалога. Поддерживает текстовый диалог и обработку изображений согласно метаданным; карточка описывает рабочий процесс перевода текста. Модель распространяется под лицензией Apache-2.0.

electroglyph выпустил дообученную модель Gemma 4 26B A4B IT для генерации художественной прозы. Модель обучали около 40 часов с помощью Unsloth на AMD MI300X: применили LoRA ранга 16 с alpha 32 и дообучали как рассуждения, так и завершения. Для обучения использовали около 250 тысяч примеров из частной подборки любимых книг и дополнительный набор для поддержания структурированного вывода. Модель предназначена для диалоговой генерации текста и, согласно метаданным, принимает изображения вместе с текстом. Основной сценарий из карточки — написание рассказов и фрагментов заданной длины по теме или в заданном стиле. Карточка отмечает, что результат лишь немного лучше результата базовой модели и всё ещё бывает небрежным. Лицензия — Apache-2.0.

Gryphe/Gemma-4-31B-StyleTune — дообученная автором Gryphe модель на основе google/gemma-4-31B-it для диалогов и творческого письма, особенно ролевых сцен и повествовательных ответов. Она использует архитектуру Gemma 4 с плотной моделью и выдаёт текст; в ходе настройки обучался только выходной слой lm_head, остальные веса оставлены без изменений. Репозиторий содержит веса в формате safetensors, а для диалога применяется штатный шаблон Gemma 4. Автор сообщает о снижении числа клише на 60% в сравнении с базовой инструкционной моделью на тесте из 200 ролевых запросов; также приведена низкая доля общих триграмм. По заявлению автора, остальные способности базовой модели сохранены. Эти результаты относятся к описанному тесту и не гарантируют аналогичного эффекта для любых запросов. Лицензия — Apache-2.0.

lyssquant/GLM-5.2-Q2_K-MTP-Q8-layers — пакет слоёв GGUF для распределённого запуска GLM-5.2-Q2_K-MTP-Q8 в локальном кластере Mesh LLM. Репозиторий производен от meshllm/GLM-5.2-Q2_K-MTP-Q8-GGUF и разделяет исходную модель на отдельные артефакты по слоям. Указанный вариант использует Q2_K с MTP-Q8. Пакет предназначен для приватного локального вывода, распределения вычислений и памяти между несколькими машинами, а также обслуживания чата через совместимый с OpenAI локальный API. Для работы требуется Mesh LLM; карточка отсылает к исходной модели за сведениями об архитектуре, шаблоне чата и лицензии, поэтому условия использования здесь не уточняются.

LogiLlama — языковая модель Goppa AI, дообученная на базе Meta-Llama-3.2-1B-Instruct для улучшения логических рассуждений и интеграции знаний. Это плотная авторегрессионная модель семейства Llama с 1,2 млрд параметров; README указывает 16 слоёв, размер скрытого состояния 2048 и настройку масштабирования RoPE типа llama3. Контекст модели — до 131072 токенов. Модель принимает текст и генерирует текст, рассчитана на английский язык. LogiLlama предназначена для диалогов, ответов на вопросы и решения задач, где нужны рассуждения, при локальном запуске на устройствах с ограниченными ресурсами. В карточке заявлены компактность и энергоэффективность; модель распространяется в формате safetensors, а README сообщает о весах F32. Использование регулируется лицензией Llama 3 Community License Agreement.

devpramod-intel/granite-4.1-3b-quantized.w8a8 — квантованный вариант языковой модели ibm-granite/granite-4.1-3b, опубликованный пользователем devpramod-intel. Модель предназначена для генерации текста и бенчмаркинга производительности инференса, в частности для оценки INT8/AMX на процессорах Xeon и INT8-ядер на GPU. Заявленный язык — английский. Это плотная модель класса GraniteForCausalLM примерно на 3 млрд параметров с Llama-подобными блоками, q/k/v-проекциями, gate/up/down-проекциями и RMSNorm. Используется посттренировочная квантование W8A8: веса INT8, симметричные и по-канальные, активации INT8, симметричные и динамические на уровне токенов. Квантованы линейные слои трансформерных блоков, тогда как lm_head, связанная с ним матрица эмбеддингов и нормы сохранены в BF16. Размер контрольной точки на диске — около 3,89 GiB. Для запуска предусмотрена интеграция с Transformers и vLLM; в примерах используется максимальная длина контекста до 32768 токенов. Главное преимущество модели — уменьшенный размер и потенциально более высокая эффективность INT8-инференса при сохранении большей части исходной точности. Однако для этой контрольной точки оценка качества не проводилась, поэтому приведённые в README показатели являются оценками по другим моделям и не подтверждают характеристики данного варианта. Перед использованием в задачах, чувствительных к качеству, следует самостоятельно сравнить его с базовой BF16-моделью. Модель распространяется по лицензии Apache-2.0.

HEBATRON — языковая модель, разработанная PwC Israel и MAFAT при участии AWS. Она дообучена на базе NVIDIA Nemotron-3-Nano-30B и предназначена прежде всего для работы на иврите, включая анализ его морфологии и разных регистров речи; также заявлена поддержка английского языка. Архитектура сочетает Mamba2 и разреженный Mixture-of-Experts. В репозитории указано 1,9 млрд параметров, а README описывает исходную конфигурацию как модель на 31,6 млрд параметров. Метаданные указывают контекст до 262 144 токенов; README сообщает о настройке на окно 64 тыс. токенов. Модель подходит для анализа длинных юридических и технических документов, суммаризации и двуязычных рассуждений на иврите и английском. В README также приведены результаты тестов на рассуждение, математические задачи и понимание текста; эти показатели заявлены авторами карточки. Для запуска в README рекомендуются vLLM и мощные GPU. Модель распространяется по лицензии Apache 2.0. Как и у других языковых моделей, её ответы могут содержать фактические ошибки и требуют проверки.

Hunyuan-MT-Chimera-7B — ансамблевая модель перевода от Tencent, входящая в семейство Hunyuan Translation. Она объединяет несколько вариантов перевода в итоговый текст, чтобы повысить его качество. Модель предназначена для взаимного перевода между 33 языками, включая пять языков национальных меньшинств Китая; среди перечисленных в карточке языков — китайский, английский, русский, японский, арабский и другие. Модель построена на плотной причинной архитектуре Hunyuan V1 и содержит 7,5 млрд параметров. Она принимает текст и генерирует перевод; для неё заявлено контекстное окно 32 768 токенов. В карточке отмечены высокие результаты семейства на конкурсе WMT25, однако отдельные численные результаты именно Chimera не приведены. Для загрузки доступны веса Safetensors, а для работы указана библиотека Transformers. Лицензия в предоставленных данных не указана.

InfinityLake-2x7B — экспериментальная языковая модель, созданная объединением Endevor/InfinityRP-v1-7B и senseable/WestLake-7B-v2 в архитектуру Mixtral MoE. В метаданных указано 7,1 млрд параметров, контекст 32 768 токенов и формат safetensors; модель предназначена для генерации текста на английском языке. Автор описывает модель как более творческую по сравнению с InfinityKuno-2x7B. Её можно применять для продолжения текста и творческой генерации. Лицензия — Apache-2.0. В карточке также отмечена категория NSFW, поэтому модель может выдавать контент для взрослой аудитории.

unsloth/InternVL3-8B-GGUF — квантованная в формате GGUF версия мультимодальной модели InternVL3-8B, разработанной командой OpenGVLab и опубликованной Unsloth. Модель предназначена для обработки текста и изображений с генерацией текстовых ответов; её применение охватывает мультимодальное восприятие и рассуждение, анализ промышленных изображений, работу с GUI-агентами, использование инструментов и восприятие 3D-сцен. Архитектура построена по схеме ViT-MLP-LLM: визуальная часть InternViT-300M-448px-V2_5 соединена с языковой моделью Qwen2.5-7B через MLP-проектор. Модель относится к семейству размером 8B параметров, поддерживает мультиязычную обработку, а её заявленный конвейер — image-text-to-text. В качестве обучающего набора указан OpenGVLab/MMPR-v1.2. README не содержит точного значения контекстного окна и подробностей о конкретном варианте квантования. К сильным сторонам относятся сочетание визуального анализа и языкового рассуждения, расширенные мультимодальные сценарии и возможность использования GGUF-версии в совместимых локальных средах. Ограничения связаны с необходимостью поддерживаемого рантайма для GGUF, возможными компромиссами квантования и отсутствием в карточке детальных количественных характеристик производительности. Указана лицензия Apache-2.0; при этом в метаданных также приведена ссылка на лицензию Qwen.

kha-en-nllb-v0.4 — модель перевода, разработанная MWire Labs и дообученная на базе Badnyal/kha-en-nllb-v0.3. Она предназначена для перевода между языком кхаси и английским в обоих направлениях. Модель использует архитектуру M2M-100 и содержит 463,7 млн параметров; длина контекста — 1024 токена. Для кхаси добавлен токен kha_Latn, которого не было в словаре базовой модели. В README приведены результаты на тесте из 500 пар и обучение в течение трёх эпох. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

DavidAU/L3-Darkest-Planet-16B-HERETIC-Uncensored-Abliterated — текстовая генеративная модель, созданная на основе дообученной DavidAU/L3-Dark-Planet-8B и обработанная методом abliteration с помощью Heretic v1.0.1 для снижения частоты отказов. В метаданных указаны архитектура Llama, плотная модель с 15,4 млрд параметров, формат Safetensors и контекст до 8192 токенов. Модель предназначена для генерации художественной прозы, сюжетов и сцен, ролевого общения и диалогов, в том числе с мрачной, хоррорной или откровенной тематикой. По README, для получения более грубого или явного стиля иногда требуется прямо задать нужную лексику и тон. Автор приводит частоту отказов 13 из 100 и KL-дивергенцию 0,0716; это собственные показатели автора, а не независимая оценка качества. Условия лицензии в предоставленных данных не описаны.

L3-Nymeria-8B — англоязычная плотная языковая модель для генерации текста, созданная автором tannedbum с помощью слияния моделей Sao10K/L3-8B-Stheno-v3.2 и princeton-nlp/Llama-3-Instruct-8B-SimPO методом SLERP через mergekit. Модель содержит 7,5 млрд параметров, основана на архитектуре Llama и работает с контекстом до 8192 токенов. Она предназначена для ролевых диалогов, написания историй и повествования, а также для диалоговых и инструкционных задач. В описании автор отмечает сочетание реалистичности SimPO с возможностями Stheno, связность многоходового диалога, следование инструкциям и сбалансированную генерацию контента SFW и NSFW. Модель распространяется в формате safetensors по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Она рассчитана прежде всего на английский язык; качество на других языках не заявлено. В обучающих данных есть примеры NSFW, поэтому модель может генерировать контент для взрослой аудитории.

Llama-3.2-9B-Uncensored-Brainstorm-Alpha-GGUF — текстовая instruct-модель, разработанная DavidAU на базе Llama-3.2-9B-Uncensored-Brainstorm-Alpha. Она создана с использованием компонентов Hastagaras/L3.2-JametMini-3B-MK.III, chuanli11/Llama-3.2-3B-Instruct-uncensored и Brainstorm 40x adapter. Модель распространяется в формате GGUF и предназначена прежде всего для генерации текста, творческого письма, продолжения сцен, разработки сюжетов и подсюжетов, сторителлинга, ролевого взаимодействия и диалогов в разных жанрах, включая научную фантастику, романтику и хоррор. Заявлена как подходящая и для других сценариев применения. Модель имеет 9 млрд параметров, 81 слой и 733 тензора, поддерживает контекст до 128K токенов и использует шаблон CHATML; также заявлена совместимость с шаблонами Alpaca и Llama 3 instruct. Основной язык, указанный в карточке, — английский. По заявлению разработчика, усиление Brainstorm 40x улучшает генерацию токенов, а модель отличается выразительной прозой и творческими возможностями, особенно при повышенной температуре генерации и подробных инструкциях. К ограничениям относятся ярко выраженная ориентация на творческие и потенциально NSFW-сценарии, включая насилие, хоррор, ненормативную лексику и натуралистичные описания. Для получения оптимальных результатов могут потребоваться настройка параметров сэмплирования и использование рекомендованного smoothing factor 1.5; качество также зависит от корректного применения шаблона чата и подробности промпта. Лицензия — Apache-2.0.

ZeroXClem/Llama-3-Yggdrasil-AstralSpice-8B — текстовая модель генерации, созданная ZeroXClem слиянием нескольких моделей семейства Llama 3 методом TIES. В состав слияния вошли Llama-3-Yggdrasil-2.0-8B, L3-SAO-MIX-8B-V1, L3-TheSpice-8b-v0.8.3 и Astral-Fusion-8b-v0.0. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и принимает текстовые инструкции и запросы для генерации текста. Модель предназначена прежде всего для ролевых диалогов, написания историй и творческих текстов, включая фэнтези и магический реализм. Также заявлены следование инструкциям и создание развёрнутых повествований; карточка указывает контекст 8192 токена и поддержку чат-сценариев. Модель распространяется в формате safetensors по лицензии Apache-2.0. Заявленные сильные стороны — выразительное повествование, описание персонажей и сцен, а также поддержание ролевого взаимодействия. Карточка не приводит сравнительных оценок качества, поэтому точность следования инструкциям и устойчивость на иных типах задач не подтверждены; языки обучения или поддержки отдельно не указаны.

LongLLaVA-53B-A13B — мультимодальная модель семейства LongLLaVA, разработанная FreedomIntelligence. Она предназначена для диалога и генерации текста по текстовым запросам и изображениям; архитектура относится к llava_jamba и использует смесь экспертов. В метаданных указано 7,2 млрд параметров, формат весов — safetensors, основная задача автора — image-text-to-text. Модель подходит для вопросов об изображениях и генерации ответов с учётом визуального содержимого. В README упомянуты результаты оценки, включая Video-NIAH, но описание не подтверждает поддержку видео как входной модальности. Модель распространяется по лицензии MIT. В доступной карточке нет сведений о поддерживаемых естественных языках и длине контекста; числовые характеристики названия модели не совпадают с общим числом параметров из метаданных, поэтому в описании приведено значение метаданных.

G-R-A-V-I-T-Y/long-t5-local-base-ARv1 — дообученная модель на архитектуре LongT5, созданная на основе google/long-t5-local-base. Она предназначена для генерации текста по входному тексту и рассчитана на обработку последовательностей длиной до 4096 токенов. В репозитории указаны 123,8 млн параметров и формат safetensors. README сообщает результаты оценки: Loss 2,9303, Exact Match 18,0 и среднюю длину генерации 3,38 токена. Название модели содержит AR, однако карточка не раскрывает целевую задачу, обучающие данные или intended uses, поэтому конкретное назначение дообучения подтвердить нельзя. Базовая LongT5 описана как англоязычная модель для суммаризации и ответов на вопросы по длинным текстам. Модель распространяется по лицензии Apache-2.0. Применимость приведённых оценок ограничена тем, что README не сообщает набор данных и подробности оценки.

Lumina-4 — языковая модель Ppoyaa, созданная как смесь экспертов (MoE) с помощью LazyMergekit. Она предназначена для генерации текста, в частности ролевых диалогов и историй; автор отмечает улучшение этих возможностей относительно Lumina-3.5 и небольшое улучшение результата на Open LLM Leaderboard. Модель построена на архитектуре Mixtral и содержит 7,1 млрд параметров. Контекстное окно достигает 32 768 токенов. В карточке приведены результаты Open LLM Leaderboard: среднее значение 75,59, включая 72,61 в AI2 Reasoning Challenge и 88,45 в HellaSwag. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Lux-V2 — языковая модель PoSTMEDIA AI Lab, созданная полным дообучением google/gemma-4-26B-A4B-it. Это диалоговая модель с архитектурой Gemma 4 и MoE: 26 млрд параметров всего, около 4 млрд активных при генерации. Модель предназначена прежде всего для работы на корейском языке и сохраняет возможности базовой модели в рассуждениях, следовании инструкциям и многоязычных задачах. Lux-V2 подходит для корейских диалоговых помощников, ответов на вопросы по корейскому праву, культурному наследию и туризму, а также для помощи с математикой и программированием на корейском и английском языках. В README приведены результаты внутренних тестов: улучшение относительно Lux-V1 на 16 из 18 бенчмарков; это результаты разработчика, а не независимая оценка. Модель распространяется под лицензией Apache-2.0. Ответы могут содержать ошибки или устаревшие сведения. Корейские знания отражают срез обучающих данных и могут не учитывать недавние изменения, например поправки к законам; для важных решений ответы следует проверять.

Narrativa/mbart-large-50-finetuned-opus-en-pt-translation — модель машинного перевода на базе mBART-50 large, дообученная для перевода с английского на португальский на данных OPUS-100 и OPUS-Book. Это последовательностная модель архитектуры mBART с 457,4 млн параметров, реализованная на PyTorch; заявленная длина контекста — 1024 токена. mBART-50 предварительно обучалась с помощью многоязычного шумоподавляющего предобучения и поддерживает перевод между языками, однако этот чекпойнт настроен на направление английский → португальский. Модель предназначена для автоматического перевода английских предложений и текстов на португальский, в том числе в конвейерах нейронного машинного перевода. В README указан результат BLEU 20,61 на тестовой выборке, но без дополнительных сведений о протоколе оценки это число не позволяет напрямую сравнивать модель с другими системами. В карточке нет сведений о лицензии, поэтому условия использования по имеющимся данным определить нельзя.

joefox/mbart-large-ru-zh-ru-many-to-many-mmt — модель машинного перевода, созданная дообучением mBART-large-50-many-to-many-mmt. Она переводит текст с русского на китайский и с китайского на русский; целевой язык задаётся при генерации специальным идентификатором языка. Модель построена на архитектуре mBART, содержит 247,7 млн параметров и рассчитана на контекст до 1024 токенов. Модель предназначена для перевода русско-китайских текстов и поддерживает соответствующие языковые варианты ru_RU и zh_CN. В метаданных указаны наборы данных CCMatrix и joefox/newstest-2017-2019-ru_zh. Модель распространяется по лицензии MIT.

nozagleh/mt5-small-finetuned-icelandic-summary — дообученная модель Google mT5-small для суммаризации текста на исландском языке. Она использует архитектуру MT5ForConditionalGeneration и содержит 157,4 млн параметров; базовая модель предназначена для преобразования текста в текст. Для оценки приведены значения Loss 2,3019, ROUGE-1 24,5314, ROUGE-2 13,108, ROUGE-L 21,8551 и ROUGE-Lsum 22,5551. Модель распространяется по лицензии Apache-2.0. Датасет обучения не указан, поэтому приведённые оценки сами по себе не позволяют определить качество на других данных.

New-Dawn-Llama-3.1-70B-v1.1 — слитая модель на архитектуре Llama, созданная sophosympatheia объединением New-Dawn-Llama-3-70B-32K-v1.0 и Meta-Llama-3.1-70B-Instruct. Она содержит 69,5 млрд параметров, работает с текстом и имеет контекст до 131 072 токенов. Автор указывает, что при слиянии стремился сохранить возможности длинного контекста базовой Llama 3.1. Модель предназначена прежде всего для ролевых диалогов, сторителлинга и творческого письма; также поддерживает обычную генерацию текста и чат. Автор характеризует её как uncensored, поэтому она может выдавать взрослый или иной нежелательный контент. Качество на задачах за пределами ролевого общения и творческого письма автором не проверялось. Репозиторий содержит веса Safetensors, библиотека — Transformers; лицензия — llama3.1.

Это модель машинного перевода CIFope, дообученная на базе дистиллированной NLLB-200 для перевода между волоф и французским языками. Она принимает текст и генерирует перевод; в карточке описаны направления с волоф на французский и с французского на волоф. Модель реализована на архитектуре M2M100ForConditionalGeneration и распространяется в формате PyTorch; число параметров по метаданным — 463,7 млн, длина контекста — до 1024 токенов. Лицензия — MIT. Карточка не сообщает оценок качества или ограничений применения.

OctoThinker/OctoThinker-8B-Hybrid-Base — базовая плотная языковая модель для генерации текста, разработанная на основе Meta Llama 3.2 3B и дообученная на наборах MegaMath и MegaMath-Web-Pro-Max. Семейство OctoThinker создавалось с учётом результатов исследований промежуточного обучения и предназначено для дальнейшего обучения с подкреплением; приведённая оценка базовых моделей использует few-shot prompting. Модель имеет архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 131 072 токенов. В карточке указан английский язык, формат весов — safetensors, лицензия — llama3.2. Она подходит как основа для экспериментов и систем генерации текста, особенно при разработке моделей, обучаемых с подкреплением. README содержит результаты оценки, но не приводит их численные значения; специальных ограничений применения карточка не описывает.