I.5Создание и редактирование текста

Модель разработана совместно Военной академией Греции (SSE) и Техническим университетом Крита (TUC). Это XLM-RoBERTa-base с классификационной головой для бинарной классификации предложений: модель определяет, выражает ли предложение факт или мнение. Метки: 0 — мнение или субъективное высказывание, 1 — факт или объективное высказывание. Модель рассчитана на английский и греческий языки; авторы также указывают возможность применять её к другим языкам XLM-R в режиме zero-shot. Она обучалась пять эпох на смешанном англо-греческом наборе примерно из 9 тысяч размеченных предложений; греческие примеры были получены машинным переводом исходных данных. Размер модели — 305,2 млн параметров, контекст — 514 токенов. На тестовом наборе указаны accuracy 0,952 и F1 0,952. Модель подходит для предварительной разметки предложений по признаку фактичности и субъективности. Точность на других языках и в иных предметных областях может отличаться; состав данных и машинный перевод греческой части могут влиять на качество. Лицензия — Apache-2.0.

stillerman/fdt-disfluency-distilbert-66m-v5 — модель-разметчик для удаления речевых дисфлуентностей из транскриптов живой речи. Она помечает каждое слово тегом KEEP, DELETE, KEEP_STRIP_COMMA или KEEP_CAPITALIZE, после чего короткая процедура реконструкции собирает очищенный текст. Модель основана на DistilBERT с архитектурой DistilBertForTokenClassification и содержит 65,2 млн параметров; контекст — 512 токенов. Версия v5 сохраняет слова like, когда они вводят цитату или сравнение, и удаляет их как заполнитель в соответствующем контексте. Модель предназначена для очистки разговорных транскриптов, в том числе в браузере через int8 ONNX и transformers.js; автор сообщает о времени обработки порядка 10–50 мс на высказывание и метриках exact match 0,9745 и DELETE-F1 0,9916. Архив модели также содержит веса safetensors. Она удаляет или корректирует только помеченные токены и не перефразирует текст. Лицензия репозитория — Apache-2.0, однако обучение частично использовало DailyDialog с лицензией CC BY-NC-SA, поэтому автор рекомендует считать модель исследовательским артефактом и не применять её для коммерческого развертывания без дополнительной проверки условий.

FireRedPunc — модуль восстановления пунктуации из системы FireRedASR2S, разработанной командой FireRedTeam. Это отдельная BERT-модель для расстановки знаков препинания в китайском и английском тексте; README указывает средний F1 78,90% и сравнивает результат с FunASR-Punc. Модель предназначена для постобработки распознанной речи и может использоваться самостоятельно, отдельно от остальных модулей FireRedASR2S. В метаданных задача обозначена как automatic-speech-recognition, однако описание самого FireRedPunc указывает на восстановление пунктуации. Репозиторий содержит форматы PyTorch и TensorFlow. Модель распространяется по лицензии Apache-2.0. Ограничения по размеру входного текста и подробности обучения в предоставленных материалах не описаны.

flammen24X-mistral-7B — языковая модель на архитектуре Mistral, созданная flammenai слиянием нескольких предварительно обученных моделей методом Model Stock с помощью mergekit. В качестве базовой использована flammenai/flammen24-mistral-7B; в слияние также вошли Nitral-AI/Nyanade_Stunna-Maid-7B, cgato/TheSpice-7b-v0.1.1, flammenai/Mahou-1.1-mistral-7B и KatyTheCutie/LemonadeRP-4.5.3. Модель предназначена для генерации текста и творческих ролевых диалогов; описание базовой модели также указывает на генерацию менее шаблонного текста. Это плотная авторегрессионная модель класса MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Репозиторий использует формат safetensors и библиотеку Transformers. Модель распространяется по лицензии Apache-2.0. Карточка не приводит отдельной оценки качества или подробных ограничений; её специализация на творческих диалогах не гарантирует точность фактов и пригодность ответов для задач, требующих надёжной проверяемой информации.

gemma2-mitra-it — модель генерации текста, разработанная на основе gemma2-mitra-base и дообученная на инструкциях по переводу. Она предназначена для перевода текста: в запросе указывают целевой язык по шаблону «Please translate into : 🔽 Translation::», а переносы строк перед генерацией заменяют символом 🔽. Символ # используется как токен остановки генерации. Модель построена на плотной архитектуре Gemma 2 и содержит 9 млрд параметров. Она принимает текстовые запросы и генерирует текст; контекст составляет 8192 токена. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия в предоставленных сведениях не указана, поэтому условия её использования здесь уточнить нельзя.

GHOST-2.7B — англоязычная генеративная модель MedinaMemorySystems для создания художественных текстов и симуляции сценариев. Это полнопараметрический дообученный вариант Microsoft Phi-2 с плотной архитектурой Transformer и 3,5 млрд параметров по метаданным; в README указаны 2,7 млрд. Контекст составляет 2048 токенов. Модель предназначена для написания иммерсивных историй, сложных внутренних монологов и творческой проработки adversarial-сценариев; её также предлагают использовать как генератор повествовательных фрагментов в агентных системах и как офлайн-резерв. Для генерации она принимает текстовые инструкции и выдаёт текст. Указанные в README результаты бенчмарков и производительности не подкреплены описанием методики, поэтому их следует считать заявлениями авторов. Модель ориентирована на творческую генерацию, а не на достоверные фактические ответы. При высокой температуре возможны чрезмерно мрачные или эзотерические результаты; окно контекста ограничено 2048 токенами. Лицензия — Apache-2.0.

GLM4-32B-Neon-v2 — дообученная Auri модель GLM-4-32B-0414 для ролевого общения и генерации коротких историй. Она основана на плотной архитектуре GLM4 с 31,6 млрд параметров и контекстом до 32 768 токенов; модель принимает текстовые запросы и генерирует текст. Обучение проведено методом QLoRA на синтетических данных для ролевых сценариев и короткой прозы, включая наборы Celeste-Filtered, neon-41k и Lilith-v0.2. Модель рассчитана на чат с выразительной манерой, вариативную прозу и ролевые сценарии; по описанию автора, ей свойственны индивидуальный стиль и иногда необычные ответы. Поддерживает формат GLM4 instruct и шаблон чата, а для корректной работы некоторым бэкендам требуется вручную добавить BOS-токен. Лицензия — MIT. Автор отмечает возможные повторы в структуре, причудливое поведение и случаи, когда модель отвечает уклончиво. Эксперименты обучения также сопровождались проблемой NaN в оценке и функции потерь; описание не уточняет, как это влияет на итоговое качество.

DevQuasar/google.translategemma-4b-it-GGUF — квантованная версия модели google/translategemma-4b-it, подготовленная DevQuasar. Модель предназначена для задач генерации текста; исходная карточка указывает на принадлежность к pipeline text-generation. В README не раскрыты подробности архитектуры, точный размер в параметрах, поддерживаемые языки и модальности, длина контекста, конкретные сценарии применения, используемый формат квантования или требования к ресурсам. Поэтому сильные стороны можно описать только как преимущества квантованной версии, потенциально связанные с более экономичным размещением и запуском, а ограничения — как отсутствие необходимых технических сведений для детальной оценки. Лицензия и условия использования в предоставленном README не указаны.

philschmid/gpt-j-6B-fp16-sharded — копия GPT-J-6B от EleutherAI, подготовленная Philipp Schmid для демонстрации запуска модели в Inference Endpoints. Это плотная авторегрессионная модель семейства GPT-J с архитектурой GPTJForCausalLM; веса представлены в формате PyTorch и сохранены в fp16 с разбиением на шарды. Модель принимает текст и генерирует продолжение, а также поддерживает стандартные сценарии text generation. Её контекст ограничен 2048 токенами. Карточка описывает репозиторий как пример настройки обработчика инференса; отдельное дообучение не заявлено. Лицензия в предоставленных данных не указана.

HY-MT1.5-7B — плотная языковая модель перевода семейства Hunyuan, разработанная Tencent. Модель насчитывает 7,5 млрд параметров и предназначена для взаимного перевода между 33 языками, а также поддерживает пять этнических языков и диалектных вариантов. Для загрузки и запуска используется Transformers; веса опубликованы в формате Safetensors, а заявленная длина контекста составляет 262 144 токена. Модель рассчитана на перевод смешанных языковых фрагментов и пояснительный перевод, а также поддерживает вмешательство терминологии, учёт контекста и сохранение форматирования. Это обновлённая версия HY-MT-7B, связанная с моделью Tencent, победившей в WMT25. Для применения нужны инструкции и шаблоны перевода; README отмечает, что у модели нет системного промпта по умолчанию. В предоставленных материалах условия лицензии не приведены.

ImmersiveL-exp — модель семейства BLOOM, представленная в карточке как проект ImmersiveL и предназначенная для перевода между английским и китайским языками. Это авторегрессионная GPT-подобная модель с 1,3 млрд параметров и контекстом до 2048 токенов; для перевода README предлагает использовать специальные текстовые промпты для направлений английский—китайский и китайский—английский. Модель принимает текст и генерирует текстовый перевод. Репозиторий содержит веса PyTorch и Safetensors. Лицензия — BigScience BLOOM RAIL 1.0. Карточка не описывает отдельные ограничения качества или условия развёртывания.

Kuchiki 1.1 L2 7b — языковая модель для генерации текста на базе архитектуры Llama. Она создана слиянием Nous Hermes Llama2 7b (70%) и Airoboros L2 7B GPT4 2.0 (30%), после чего к результату применили слияние с LoRA-адаптером LimaRP Llama2 v2 7B. Модель рассчитана на диалог по формату инструкций и генерацию художественного текста, включая ролевые сценарии. Модель содержит 6,6 млрд параметров, принимает текст и выдаёт текст; максимальный контекст — 4096 токенов. В карточке не заявлена поддержка конкретных языков. Указанная лицензия — other. Разработчик предупреждает, что модель не предназначена для предоставления фактической информации или советов.

Kromvault L3.1-Ablaze-Vulca-v0.1-8B — экспериментальная разговорная языковая модель, созданная слиянием нескольких моделей семейства Llama 3 и Llama 3.1 с помощью mergekit. Она содержит около 7,5 млрд параметров и рассчитана на генерацию текста и диалоги по инструкциям; автор отмечает человекоподобную речь, склонность к образным формулировкам и способность подхватывать стиль примеров из контекста. В репозитории указана длина контекста 131 072 токена, однако автор сообщает о связной генерации, проверенной примерно до 16 тысяч токенов. Модель предназначена для ролевых диалогов и творческого письма; результат зависит от качества персонажной карточки и примеров. Автор предупреждает, что эта версия содержит ошибки и рекомендует использовать более позднюю итерацию Aglow Vulca. Для неё приведены экспериментальные настройки генерации, а лицензия в предоставленных данных не указана.

L3-Jamet-8B-MK.V-Blackroot-12.2B-V1-INSTRUCT-ULTRA-F32-GGUF — текстовая генеративная модель Дэвида Огастина, созданная слиянием дообученной L3-Jamet-8B-MK.V-Blackroot и Meta-Llama-3-8B-Instruct. Репозиторий содержит веса в формате GGUF с точностью F32; заявленный размер модели после слияния — 12,2 млрд параметров. Модель предназначена прежде всего для написания и продолжения художественных историй, сцен и диалогов, а также ролевого взаимодействия. Автор отмечает выразительное предварительное предвосхищение событий, более подробное описание эмоций и обстановки, разнообразную прозу и улучшенное следование инструкциям и решение логических задач относительно исходной модели Blackroot. Для работы нужен шаблон Llama 3; также может подойти шаблон Command-R, который меняет стиль вывода. Заявленная длина контекста — 8192 токена; автор описывает возможность расширения до 32K и выше настройками RoPE. Карточка указывает английский язык. Модель распространяется по лицензии Apache-2.0. Указанные возможности не являются независимой оценкой качества: стиль и результаты зависят от шаблона и параметров генерации.

Bluuwhale L3-SthenoMaid-8B-V1 — языковая модель на архитектуре Llama, созданная слиянием SLERP двух предварительно обученных моделей: NeverSleep/Llama-3-Lumimaid-8B-v0.1-OAS и Sao10K/L3-8B-Stheno-v3.2. В репозитории указаны веса формата safetensors; модель содержит 7,5 млрд параметров и рассчитана на контекст до 8192 токенов. Модель предназначена для генерации текста в диалоговом формате, включая ролевые диалоги и написание историй. Базовые модели ориентированы на английский язык, однако доступные сведения не устанавливают отдельный список поддерживаемых языков для результата слияния. Лицензия в предоставленных данных не указана.

nsi319/legal-pegasus — модель семейства PEGASUS, дообученная на юридических документах для создания абстрактивных резюме. Базовая модель — google/pegasus-cnn_dailymail; архитектура реализована классом PegasusForConditionalGeneration, размер модели — 366,8 млн параметров. Модель предназначена для суммаризации юридических материалов, включая пресс-релизы о судебных разбирательствах и жалобы. Обучающая выборка содержит более 2700 материалов из набора sec-litigation-releases. Максимальная длина входной последовательности — 1024 токена; в карточке указан английский язык. В опубликованной оценке модель показала более высокие ROUGE-метрики, чем базовая PEGASUS на приведённом сравнении. Модель принимает текст и генерирует текстовое резюме. Распространяется по лицензии MIT. Результат следует проверять: суммаризация может опускать детали или неточно передавать юридически значимые формулировки.

donghyunli/Llama-2-7b-KronQ-W4A16-g128 — это квантизированная до 4 бит весов версия Meta Llama 2 7B, подготовленная автором репозитория с использованием KronQ — квантования с факторизацией матрицы Гессе по Кронекеру. Активации остаются 16-битными, размер группы квантования — 128. Веса хранятся в упакованном формате int4; README описывает CUDA-ядро слияния деквантизации и BiIP для распаковки во время вычислений. Модель предназначена для генерации текста и оценки языковых моделей. В README приведены результаты на WikiText-2 и тестах PIQA, ARC, HellaSwag, WinoGrande, BoolQ и OpenBookQA; контекст составляет 4096 токенов. Карточка указывает английский язык и лицензию Llama 2. Опубликованные результаты и размер файла около 3,8 ГБ помогают оценить точность и требования к хранению, однако описание не устанавливает совместимость с конкретными средами запуска.

DavidAU/Llama-3.1-1-million-cxt-Dark-Planet-8B-GGUF — языковая модель для генерации текста, разработанная DavidAU на базе Llama 3.1 и Dark Planet 8B. Модель предназначена прежде всего для художественного письма, создания сюжетов и подсюжетов, продолжения сцен, сторителлинга, ролевых сценариев и работы с жанрами фантастики, хоррора, романтики и другими видами художественной прозы. Заявленный язык — английский. Модель имеет около 8 миллиардов параметров, поставляется в формате GGUF и поддерживает контекст до 1 миллиона токенов благодаря преобразованию в структуру Nvidia UltraLong8B для Llama 3.1. В репозитории представлены два набора квантов — обычный и V1.01; V1.01 изменён для уменьшения проблем с чрезмерно длинной генерацией и повторяющимися концовками абзацев, тогда как различия между версиями также влияют на творческий стиль. Доступны варианты с разной точностью и степенью квантования, включая float32. К сильным сторонам относятся выразительная проза, повышенная детализация, способность к длинной и относительно связной генерации, а также широкий диапазон настроек температуры. Модель может выдавать длинные тексты без заданного ограничения, поэтому рекомендуется явно указывать желаемый объём; слишком высокая температура может ухудшать следование инструкциям, особенно в ролевых сценариях. Для работы требуется шаблон Llama 3, при этом также может использоваться шаблон Command-R, который заметно меняет характер вывода. Лицензия — Apache 2.0.

Это экспертная модель на базе Llama 3.2 1B Instruct, созданная авторами SMAT (Simple and Efficient Merge-Aware Training) для экспериментов с объединением моделей. Чекпойнт соответствует эксперту из таблицы 1 статьи SMAT и обучен с seed 42; заявленная цель подхода — сохранять качество на целевой задаче и улучшать совместимость при слиянии моделей. Модель использует плотную архитектуру LlamaForCausalLM, содержит 1,2 млрд параметров и принимает текст для генерации текста в диалоговом формате. Она дообучена на MeetingBank, однако карточка не уточняет конкретные сценарии или метрики качества этого эксперта. Контекст — до 131 072 токенов. Для использования действуют лицензия Llama 3.2 и соответствующая политика допустимого использования Meta.

Enoch/llama-7b-hf — конверсия базовой модели LLaMA первого поколения от команды FAIR в Meta AI для работы с Transformers и Hugging Face. Это плотная авторегрессионная языковая модель на архитектуре Transformer с классом LlamaForCausalLM и примерно 6,6 млрд параметров; репозиторий содержит веса PyTorch. Модель предназначена прежде всего для исследований и разработки на базе языковых моделей: генерации текста, экспериментов с пониманием естественного языка, ответами на вопросы и чтением с пониманием. В обучающих данных представлены 20 языков, но основная часть корпуса — английская, поэтому качество ожидается выше на английском, чем на остальных языках. Это базовая модель без обучения с обратной связью от людей. Она может выдавать неверные, токсичные, вредные или предвзятые ответы и не предназначена для прямого применения в критически важных решениях без дополнительной оценки и мер снижения рисков. Лицензия специальная, некоммерческая; условия следует проверить в файле LICENSE репозитория.

llm-jp/llm-jp-modernbert-base — японская модель на архитектуре ModernBERT-base, разработанная проектом llm-jp. Это плотная модель с 186,8 млн параметров, обученная на японской части корпуса llm-jp-corpus v4 объёмом 3,4 ТБ с использованием llm-jp-tokenizer. Модель предназначена для заполнения пропусков в тексте и понимания японского языка; её проверяли на задачах JSTS, JNLI и JCoLA из набора JGLUE. Модель поддерживает последовательности длиной до 8192 токенов. Обучение проходило в два этапа: сначала с максимальной длиной 1024 токена, затем — 8192. Для работы используется библиотека Transformers, веса доступны в формате safetensors. Лицензия — Apache-2.0. Карточка приводит результаты сравнительной оценки, но не описывает ограничения и не обещает качество на других задачах.

LongCat-Next — мультимодальная авторегрессионная модель, разработанная Meituan и построенная на базе MoE-модели LongCat-Flash-Lite. Она обучается предсказывать единый поток дискретных токенов для текста, изображений и аудио. В репозитории указано 3B параметров, а контекст составляет 131 072 токена. Модель предназначена для чата, понимания и генерации изображений, понимания речи, голосового общения с низкой задержкой и клонирования голоса. Также заявлена конкурентоспособность на мультимодальных задачах и качество генерации изображений при сильном сжатии представления. Поддерживаются интерфейс вызова инструментов и работа с Transformers; для запуска README рекомендует не менее трёх GPU с 80 ГБ видеопамяти каждый. Модель распространяется по лицензии MIT. Разработчики отмечают, что её не проектировали и всесторонне не оценивали для всех возможных прикладных сценариев.

Magistaroth-24B-v1.1 — текстовая генеративная модель DarkArtsForge, созданная слиянием нескольких моделей семейства Mistral. Она предназначена для творческого письма и ролевых диалогов, включая мрачные сюжеты и откровенный контент. По карточке, при слиянии применён метод PDQ для усиления творческой вариативности; модель содержит 23,4 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 131 072 токенов. Для работы рекомендуется шаблон чата Mistral Tekken. Модель может выдавать подробные, творческие продолжения и диалоги без части отказов. Автор предупреждает о возможных редких артефактах генерации: пропущенных пробелах, опечатках и повторах слов. Лицензия — Apache-2.0.

MedraQ-8b-i1-GGUF — это набор GGUF-квантизаций модели MedraQ-8b, базовая версия которой разработана drwlf, а квантизации подготовлены mradermacher. Модель ориентирована на медицинские сценарии, включая генерацию текста, суммаризацию и диагностическое рассуждение. В метаданных также указана тонкая настройка на датасете nicoboss/medra-medical. Поддерживаются английский и румынский языки. Модель относится к классу текстовых генеративных моделей и имеет размер 8 миллиардов параметров; в тегах указана архитектурная основа Gemma 3. Представлены варианты GGUF с разными уровнями imatrix-квантизации и размером файлов примерно от 1,2 до 3,4 ГБ, что позволяет выбирать компромисс между требованиями к памяти, скоростью и качеством. Часть наиболее компактных вариантов отмечена как имеющая низкое качество, тогда как Q4_K_M обозначен как быстрый и рекомендуемый вариант. Сведения о размере контекстного окна и мультимодальных возможностях отсутствуют. Модель распространяется по лицензии Apache-2.0.

Weyaxi/MetaMath-neural-chat-7b-v3-2-Slerp — объединённая модель на архитектуре Mistral, созданная автором репозитория с помощью mergekit методом slerp из MetaMath-Mistral-7B и Intel/neural-chat-7b-v3-2; в конфигурации базовой моделью указана mistralai/Mistral-7B-v0.1. Модель содержит 7,1 млрд параметров и принимает текст для генерации текста, в том числе ответов на математические вопросы и диалоговых ответов. Модель предназначена для экспериментов и прикладной генерации текста с сочетанием математических навыков MetaMath и диалоговых возможностей Neural Chat. Контекст составляет 32 768 токенов; веса доступны в формате Safetensors. Репозиторий указывает лицензию Apache-2.0. Карточка не приводит отдельных оценок качества или ограничений, поэтому фактическая надёжность математических ответов не установлена.

MetaMath-Tulpar-7b-v2-Slerp — языковая модель, созданная Weyaxi слиянием MetaMath-Mistral-7B и Tulpar-7b-v2 методом SLERP с помощью mergekit. В качестве базовой архитектуры указана Mistral-7B-v0.1; модель плотная, содержит 7,1 млрд параметров и принимает текст, генерируя текст. Нативная длина контекста — 32 768 токенов. Модель предназначена для генерации текста; названия объединённых моделей указывают на математическую тематику и диалоговое применение. Репозиторий содержит веса Safetensors. Лицензия — Apache-2.0.

F-Labs выпустила экспериментальную адаптивно-квантованную версию языковой модели MiniCPM5-2B для генерации текста и диалогов. Она основана на openbmb/MiniCPM5-2B и использует архитектуру MiniCPMHadamardForCausalLM с плотной сетью примерно на 2,2 млрд параметров и контекстом до 131 072 токенов. Модель рассчитана на оценку и запуск через PyTorch и Transformers с пользовательским загрузчиком из репозитория. Веса сочетают BF16 для 234 чувствительных к качеству проекций и групповую INT8-квантизацию для 60 MLP-проекций; в пайплайне также применяются преобразования Hadamard/Rademacher и низкоранговые остаточные факторы. Размер артефакта около 4,02 ГиБ. Карточка приводит ограниченную проверку на трёх англоязычных, китайских и русскоязычных запросах, но не подтверждает качество на широких бенчмарках. Модель поддерживает английский, китайский и русский языки. Лицензия — Apache-2.0.

ArliAI/Mistral-Nemo-12B-ArliAI-RPMax-v1.2 — дообученная ArliAI модель на базе Mistral Nemo 12B Instruct 2407 для творческого письма и ролевых диалогов. В версии v1.2 обучающие данные очищены от примеров, не относящихся к творческому письму и ролевой игре, а также дополнительно дедуплицированы и отфильтрованы. Модель имеет плотную архитектуру MistralForCausalLM и около 12,1 млрд параметров. Она принимает текст и генерирует текст, поддерживает формат инструкций Mistral и заявленный в README контекст 128K; метаданные указывают native context в 1 024 000 токенов. Карточка отмечает интерфейс для вызова инструментов, но не описывает отдельные специализированные задачи помимо генерации текста. Модель ориентирована на разнообразные, творческие и менее повторяющиеся ролевые ответы. Доступна по лицензии Apache-2.0. Языки обучения и основные языки применения в карточке не указаны.

mistral-nemo-gutenberg-12B-v4 — текстовая генеративная модель, созданная nbeerbower на основе TheDrummer/Rocinante-12B-v1. Модель дообучена на наборе jondurbin/gutenberg-dpo-v0.1 в течение трёх эпох; в метаданных указана архитектура MistralForCausalLM с плотными весами и 12,1 млрд параметров. Репозиторий использует формат safetensors, библиотека — Transformers. Модель предназначена для диалоговой генерации текста и может применяться для интерактивного художественного письма, продолжения прозы и создания литературных сцен. Контекстное окно по метаданным составляет 1 024 000 токенов. README приводит результаты оценки на Open LLM Leaderboard, включая IFEval и BBH, но не описывает языковую специализацию или гарантии качества. Лицензия — Apache-2.0.

MN-12B-WolFrame-Ver.B — объединённая модель с архитектурой Mistral для генерации текста и чат-диалогов. Она создана слиянием MN-12B-Mimicore-WhiteSnake и MN-Slush методом SLERP; файлы представлены в формате safetensors, размер модели — 12,1 млрд параметров. Карточка MN-Slush описывает её как экспериментальную модель на базе Mistral Nemo Instruct для творческого письма и ролевых диалогов, поэтому WolFrame подходит для таких сценариев генерации текста. Автор сообщает о дефекте: модель иногда путает обозначения {{user}} и {{char}}, что может нарушать формат ролевого диалога. Указанное в метаданных контекстное окно — 1 024 000 токенов. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.