I.5Создание и редактирование текста

AI-translator-eng-to-9ja — модель перевода, разработанная HelpMumHQ для перевода с английского на йоруба, игбо и хауса. Она основана на архитектуре M2M-100 и предназначена, в частности, для общения с большими языковыми моделями на этих языках. Модель содержит 332,5 млн параметров по метаданным Hugging Face; в README приводится оценка 418 млн параметров. Максимальная длина контекста — 1024 токена. Модель принимает текст на английском и генерирует перевод на один из трёх целевых языков. Для обучения использованы 1,5 млн пар предложений из открытых параллельных корпусов и отобранных наборов данных. Репозиторий содержит веса в формате safetensors и рассчитан на использование с библиотекой Transformers. Лицензия — MIT. Качество зависит от сложности и предметной области текста; переводы очень длинных предложений и неоднозначных фрагментов могут быть хуже.

webbigdata опубликовал квантованную версию ALMA-7B-Ja-V2 для машинного перевода между японским и английским языками. Модель основана на архитектуре Llama и содержит 6,6 млрд параметров; для перевода использует текстовый ввод и выдаёт текст. Указанная длина контекста — 4096 токенов. Весы преобразованы методом GPTQ в 4-битный формат с группой 128, что уменьшает размер и ускоряет запуск, хотя может снизить качество перевода. Модель предназначена для перевода с японского на английский и с английского на японский, в том числе для пакетной обработки текстовых файлов. Для использования применяется лицензия Llama 2; её условия распространяются на применение и распространение модели.

Atlantis-v0.1-12B — модель на 12,1 млрд параметров, дообученная invisietch на базе Mistral-Nemo-2407-Instruct для ролевых диалогов и написания историй. Это плотная языковая модель Mistral с архитектурой MistralForCausalLM; она принимает текст и генерирует текст в формате чата. Автор рекомендует формат запросов Mistral и указывает поддержку контекста до 128K токенов, однако отмечает, что в ролевых сценариях связность может ухудшаться уже после 24K токенов. Модель ориентирована на длинные творческие ответы, повествование и ролевое взаимодействие. По заявлению автора, она слабо ограничена по содержанию и может генерировать откровенные, тревожные или оскорбительные ответы. Это ранняя версия дообучения, поэтому возможны ошибки и нестабильное качество. Выпущена по лицензии Apache 2.0.

BananaMind-Translate-V3.5-Pro-i1-GGUF — квантизированная версия модели BananaMind-Translate-V3.5-Pro, разработанной Banaxi-Tech и подготовленной в формате GGUF пользователем mradermacher. Модель предназначена прежде всего для машинного перевода между английским и немецким языками. В метаданных она также обозначена как дообученная с применением QLoRA и относящаяся к семейству Gemma; точные параметры архитектуры и размер исходной модели в README не приведены. Модель является мультимодальной vision-моделью, поэтому может поддерживать обработку визуальных входов при наличии соответствующего файла mmproj, однако подробности о реализованных визуальных сценариях не указаны. Репозиторий предлагает множество вариантов квантизации, различающихся размером, скоростью и качеством; среди рекомендованных отмечен i1-Q4_K_M. Основное ограничение — отсутствие сведений о контекстном окне, производительности, качестве перевода и поддерживаемых языках за пределами English и German. Лицензия — Apache-2.0.

BanglaT5 NMT BN-EN — модель семейства T5, разработанная авторами репозитория csebuetnlp и дообученная на наборе BanglaNMT для перевода с бенгальского на английский. Модель содержит 123,8 млн параметров и доступна в формате PyTorch; для работы в Transformers подаёт текст и генерирует перевод.

Ismantic разработал BERTc-315M — китайскую символьную модель семейства Modern BERT, предварительно обученную с нуля для предсказания замаскированных токенов. Веса содержат 316,4 млн параметров, контекст — до 1024 токенов. Архитектура включает 24 слоя, размер скрытого состояния 1024, GeGLU и позиционные кодировки ScaledSinusoidal; используются связанные входные и выходные эмбеддинги. Модель реализована на PyTorch и распространяется в формате safetensors. Основной сценарий — восстановление пропущенного символа или токена в китайском тексте. README также приводит результаты совместной тонкой настройки для сегментации слов, разметки частей речи и распознавания сущностей, а также для исправления орфографии. Для токенизации требуется символьный режим PieceTokenizer без словаря. Модель выпущена по лицензии Apache-2.0; лицензии обучающих корпусов могут отличаться.

Bonsai-2-27B-1.75bit-JANG — локальная мультимодальная модель для диалога и рассуждений, опубликованная OsaurusAI. Это плотная условно-генеративная VLM на архитектуре Qwen3.8-27B: 64 блока, включая 48 GatedDeltaNet и 16 блоков полного внимания. Она принимает текст и изображения, поддерживает обработку видео, чат-шаблон с режимом рассуждений и интерфейсом вызова инструментов. Репозиторий содержит JANG-affine-представление тернарных весов исходной модели prism-ml/Ternary-Bonsai-2-27B-mlx-2bit. Текстовые матрицы упакованы с плотностью 1,75 бита на вес; при загрузке они без потерь разворачиваются в 2-битное представление MLX. Указанная в карточке библиотека — MLX, лицензия — Apache-2.0. Модель предназначена для локального диалога, визуальных вопросов и ответов, анализа изображений и видео, рассуждений и сценариев с инструментами. Для корректной работы необходим загрузчик с поддержкой JANG Hadamard и тернарной упаковки: README предупреждает, что стандартные загрузчики mlx_lm и mlx_vlm могут выдавать неверные результаты без явной ошибки. Указана проверка совпадения логитов с тернарным исходником на ограниченном наборе запросов; это не подтверждает качество на широком наборе задач.

Chitranuvad — мультимодальная модель перевода от Krutrim AI Labs, дообученная на основе Chitrarth-1 для англо-индийского перевода с учётом изображений. Она объединяет визуальный энкодер с мультиязычной языковой моделью: изображение помогает разрешать неоднозначность исходного текста и выбирать перевод, соответствующий визуальному контексту. Модель предназначена для перевода английского текста на хинди, бенгальский и малаялам как с изображением, так и без него. Также она создаёт подписи к изображениям на этих языках. Архитектура основана на MPT и классе LlavaMPTForCausalLM; веса опубликованы в формате PyTorch. Модель участвовала в задании WMT 2024 по мультимодальному переводу на языки с ограниченными ресурсами и стала победителем среди представленных работ. Лицензия указана как other, поэтому условия использования следует сверить с карточкой модели. Результаты и назначение модели сосредоточены на переводе с английского на три указанных индийских языка; качество для других языковых пар и сценариев не подтверждено.

CosmosIE-4B — дообученная модель семейства Qwen3.5, созданная на основе IoakeimE/CosmosIE-4B-qwen с использованием TRL. Она предназначена для диалоговой генерации текста с обработкой изображений: модель принимает текст и изображения и формирует текстовый ответ. В карточке приведён пример обращения к ней через Transformers.

Darklit-Maiden-12B — слитая модель семейства Mistral, созданная Vortex5 на основе четырёх моделей для ролевых диалогов и художественного текста. Она предназначена для эмоционально насыщенного общения, ролевых сценариев и написания атмосферных историй, в том числе длинных повествований. Модель содержит 12,1 млрд параметров, использует архитектуру Mistral с плотной причинно-языковой сетью и поддерживает контекст до 131 072 токенов. Репозиторий содержит веса в формате Safetensors; для работы указана библиотека Transformers. Карточка лицензирована по Apache-2.0. Описание базовых моделей характеризует назначение как англоязычное, поэтому основной язык — английский.

DS-R1-Distill-70B-ArliAI-RpR-v4-Large — языковая модель ArliAI для ролевого общения и творческого письма. Это дообученная версия DeepSeek-R1-Distill-Llama-70B с плотной архитектурой Llama и 69,5 млрд параметров. Модель рассчитана на диалоги с несколькими ходами, где нужны связные ответы, творческое разнообразие и рассуждения; карточка описывает обучение на подготовленных примерах ролевых диалогов и творческого письма. Модель принимает текст и генерирует текст, поддерживает контекст до 131 072 токенов и ориентирована на английский язык. Разработчик сообщает о снижении повторов между разными контекстами, однако повторы внутри одного диалога всё ещё возможны. Для использования опубликована лицензия llama3.3.

ELYZA-Shortcut-1.0-Qwen-32B — диалоговая языковая модель компании ELYZA, созданная на базе Qwen/Qwen2.5-32B-Instruct. Это плотная модель архитектуры Qwen2 с 32 млрд параметров и контекстом до 32 768 токенов; веса опубликованы в формате safetensors. Модель дообучена методом supervised fine-tuning на парах «задача — решение», полученных из траекторий рассуждения, после удаления промежуточных шагов рассуждения. Модель предназначена для генерации ответов и диалога, когда нужен непосредственный итог без пошагового объяснения. Её можно использовать через библиотеку Transformers или развернуть с vLLM. В карточке указаны японский и английский языки; лицензия — Apache-2.0. В сравнении с моделями, выдающими ход решения, эта версия ориентирована на прямой ответ, поэтому подробные пошаговые рассуждения от неё ожидать не следует.

Ethereal Rainbow v0.1 — экспериментальная слитая модель на 10,6 млрд параметров, созданная автором карточки с помощью mergekit из нескольких дообученных вариантов Llama 3. Она предназначена для генерации творческой прозы, ролевых диалогов и историй в формате Llama 3 Instruct; автор описывает её как вариант без стандартных ограничений на контент, рассчитанный как на безопасные, так и на взрослые сценарии. Модель принимает текст и генерирует текст на английском языке, использует плотную архитектуру LlamaForCausalLM и контекст до 8192 токенов. Автор отмечает, что версия 0.1 не является завершённым продуктом и может выдавать слишком интенсивные результаты при настройках по умолчанию. Модель распространяется по лицензии Llama 3; перед использованием следует учитывать её условия.

DUETA — компактная текстовая модель для машинного перевода между английским и узбекским языками в обоих направлениях. Она разработана Davron04 и дообучена на базе google/gemma-3-270m; архитектура — декодерный трансформер Gemma 3 с 257 млн параметров. Модель принимает текст с тегами исходного и целевого языка и генерирует перевод. Указанная длина контекста — 32 768 токенов, однако качество снижается на длинных входах, поэтому рекомендуется переводить отдельные предложения или короткие фрагменты. Модель предназначена для перевода с английского на узбекский и с узбекского на английский. Обучение использовало параллельные и инструкционные данные, включая наборы английско-узбекского перевода и данные Wikimedia. Качество может меняться в зависимости от тематики, разговорной речи и редких конструкций; сохранение фактической точности отдельно не оценивалось, поэтому для чувствительных или критически важных текстов нужен человеческий контроль. Лицензия — MIT.

Indexnusrefather/gemma-3-4b-it-roleplay-tuned-v2 — дообученная версия Google Gemma 3 4B IT, созданная разработчиком Indexnusrefather с использованием LoRA. Модель предназначена для текстовой генерации, ролевого общения, творческого письма и создания художественных сцен на английском языке. По заявлению автора, модель обучалась на 17 млн токенов и по сравнению с базовой Gemma 3 4B IT лучше пишет, проявляет больше креативности, лучше отслеживает развитие сюжета и глубже понимает сложные эмоциональные темы. Это компактная модель, способная работать быстро и локально; доступны варианты квантования BF16, Q8_0, Q6_K, Q5_K_M и Q4_K_M с разным балансом качества, размера и скорости. Основное ограничение связано с размером в 4 млрд параметров: логические способности модели ограничены, а дообучение специально ориентировано на максимальное качество творческого письма, поэтому универсальные рассуждения могут быть менее сильной стороной. Сведения о размере контекстного окна и дополнительных модальностях не указаны. Модель распространяется по лицензии Gemma.

sappho192/gemma3-multilingual-translator-270m — компактная текстовая модель перевода на основе Google Gemma 3 270M, дообученная автором с помощью LoRA и сглаживания Bias-corrected EMA на 7,4 млн пар переводов. Модель выполняет перевод между корейским, английским и японским языками во всех шести направлениях. Модель содержит 257 млн параметров и рассчитана на контекст до 32 768 токенов. В репозитории доступны веса Safetensors и готовые ONNX-модели в точности fp32 и в квантизированном варианте q4; ONNX позволяет запускать перевод без PyTorch. Автор сообщает о снижении потерь при обучении с 4,03 до 1,59, но это не заменяет независимой оценки качества на прикладных текстах. Модель предназначена для перевода предложений и текстов между корейским, английским и японским языками. Лицензия — Apache-2.0. README не приводит сведений о качестве для других языков или специализированных областей, поэтому применять её для них без дополнительной проверки не следует.

Hermyale-stack-90B — экспериментальная merge-модель, созданная автором карточки методом stack merge из Hermes 3 и Euryale 2.2. Она объединяет чередующиеся диапазоны слоёв моделей NousResearch/Hermes-3-Llama-3.1-70B и Sao10K/L3.1-70B-Euryale-v2.2; дополнительного предобучения не проводилось. Архитектура — плотная LlamaForCausalLM, размер — 90,9 млрд параметров, формат весов — safetensors, контекст — до 131 072 токенов. Модель использует шаблон ChatML и рассчитана на генерацию текста в диалоговом формате. Основные сценарии — ролевая игра и творческое письмо. Слияние придаёт модели необычный стиль и разнообразие ответов, однако, по словам автора, может ухудшать сложные логические рассуждения и вызывать ошибки или неожиданное поведение. Автор рекомендует проверять и при необходимости редактировать результаты. Для модели указана лицензия CC-BY-NC-4.0, допускающая использование с ограничениями, включая некоммерческий характер лицензии.

Hy-MT2-1.8B-bf16 — конвертированные в формат MLX веса мультиязычной модели перевода Tencent Hunyuan Hy-MT2-1.8B. Модель содержит 1,8 млрд параметров, использует плотную архитектуру HunYuanDenseV1ForCausalLM и работает через mlx-lm; эта версия хранит веса в bfloat16 и рассчитана на запуск на Apple Silicon. Модель предназначена для перевода текста между языками. Её можно использовать как локальную базовую версию Hy-MT2 для перевода на устройствах Apple Silicon; README приводит пример перевода с японского на английский. Метаданные указывают контекст длиной до 262 144 токенов и мультиязычную поддержку, но список конкретных языков в доступных данных не приведён. Репозиторий создан сообществом mlx-community на основе Tencent-Hunyuan/Hy-MT2-1.8B. Лицензия — Apache-2.0. README указывает, что запуск рассчитан на Apple Silicon; при проверке на Linux CPU генерация может превышать тайм-ауты запросов.

Ice0.15-06.11-RP-orpo — дообученная модель icefog72 на архитектуре Mistral с 7,1 млрд параметров, предназначенная для генерации текста и разговоров в формате чата. В качестве основы использована icefog72/IceWhiskeyRP-7b; модель обучалась с использованием Unsloth и библиотеки Hugging Face TRL. Модель рассчитана на англоязычные ролевые диалоги и создание художественного текста. Она принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. Распространяется под лицензией Apache-2.0.

IceSakeRPTrainingTestV1-7b — англоязычная чат-модель для генерации диалогов и ролевого текста. Она основана на IceSakeRP-7b и использует архитектуру Mistral с плотной причинной языковой моделью на 7,1 млрд параметров. Модель принимает текст и генерирует текст; заявленный размер контекстного окна — 25–32 тыс. токенов, а метаданные указывают нативный контекст 32 768 токенов. Модель предназначена для ролевых диалогов и творческой генерации текста. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

IndicTrans2 Odia→English v1 — дообученная модель перевода на архитектуре IndicTransForConditionalGeneration, разработанная автором репозитория на основе ai4bharat/indictrans2-indic-en-dist-200M. Она предназначена для перевода текстов с одиа на английский; в README приведены результаты оценки на 500 тестовых примерах: BLEU 62,23, ChrF 87,29 и METEOR 51,28. Для токенизатора используется официальный IndicTrans2 base, а веса модели загружаются из этого репозитория. Модель работает с текстом и распространяется в формате PyTorch через Transformers. README называет этот чекпойнт зафиксированной базовой версией перед дальнейшим дообучением на 10–15 эпох. Лицензия указана как other, конкретные условия в предоставленных данных не раскрыты. Результаты на тестовой выборке не гарантируют такое же качество на других тематиках и типах текстов.

THUdyh/Insight-V-Summary — модель на 7,1 млрд параметров, дообученная на основе Qwen/Qwen2.5-7B-Instruct. Она использует архитектуру LlavaQwen2ForCausalLM и предназначена для диалоговой генерации текста и визуальных рассуждений с разложением задачи на этапы рассуждения и суммирования. В обучении использована смесь из 1,2 млн пар изображение–текст; контекстное окно составляет 32 768 токенов. В README также описаны конвейер генерации данных для сложных рассуждений и двухэтапное обучение визуальным задачам. Модель поддерживает английский и китайский языки и распространяется под лицензией Apache-2.0. README указывает на визуальные возможности, однако метаданные классифицируют основную задачу как text-generation; конкретные показатели качества и ограничения не приведены.

Interpreter-Qwen3-1.7B-ReTok — плотная авторегрессионная модель семейства Qwen3, разработанная Ismantic для перевода между китайским и английским языками. Она дообучена на базе Ismantic/Qwen3-1.7B-Base-ReTok в три этапа: SFT, CPO и GRPO. Модель содержит 1,6 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для перевода текстов с китайского на английский и с английского на китайский. В тестировании на WMT23 авторы сообщают BLEU/COMET 19,29/0,7986 для zh→en и 32,46/0,8512 для en→zh. Она использует специальный токенизатор на 81 903 элемента; это не готовая к подключению через обычный AutoTokenizer модель. Для корректного кодирования китайского текста рядом с файлом токенизатора необходим словарь Summer-Tokenizer.dict.txt, а загрузка требует предусмотренных авторами файлов и расширения токенизатора. Модель распространяется по лицензии Apache-2.0. Результаты относятся к указанным тестам и не гарантируют качество на других тематиках или наборах данных.

Kanana-2-1.3B-Base — базовая компактная языковая модель Kakao из семейства Kanana-2 SLM, предназначенная для генерации текста и использования как основа для последующей адаптации. Модель получена сжатием Kanana-2-3B-Base каскадной обрезкой и дистилляцией: размер исходной серии сокращался с 3B через 2B до 1.3B. Это плотная causal language model с гибридным вниманием и архитектурой на основе Qwen3. Гибридная схема сочетает скользящее окно внимания размером 1024 токена и полное внимание в соотношении 3:1. Для слоёв полного внимания применяется YaRN, а слои SWA сохраняют RoPE. Модель поддерживает контекст до 32 768 токенов; по данным карточки, такая схема снижает использование KV-кэша до 72,7% относительно модели только с полным вниманием при контексте 32K. Токенизатор Kanana-2 повышает эффективность токенизации корейского более чем на 30% по сравнению с предыдущим поколением. Модель является базовой, а не инструкционной версией: карточка не заявляет для неё готовые диалоговые или инструментальные возможности. Для загрузки в Transformers требуются версия не ниже 4.57 и trust_remote_code=True. Репозиторий содержит веса Safetensors; лицензия указана как other, поэтому условия использования следует проверять в карточке модели. Kakao сообщает, что пользовательские данные Kakao не использовались при обучении.

Keak Ember 1.4 — компактная языковая модель Keak для локальной работы в приложении диктовки. Это дообученная версия Qwen3-1.7B, опубликованная в формате GGUF; текущий файл модели использует квантизацию Q4_K_M. Модель рассчитана на исправление ошибок диктовки с сохранением сказанного, точное написание пользовательской лексики, преобразование голосовых команд в структурированные данные, определение адресата сообщения, краткие ответы и ответы на языке запроса. Ember специализируется на ограниченном наборе задач и не предназначена для широких знаний общего назначения. В README приведены результаты KeakBench и отмечено, что версия 1.4 улучшила общую точность относительно 1.3, однако проверка защитных отказов набрала 0,841 при целевом значении 1,000; автор рекомендует вручную проверять такие сбои перед использованием с чувствительными данными. Модель рассчитана на офлайн-запуск через llama.cpp или Ollama с контекстом 4096 токенов. Лицензия — Apache-2.0.

Kiel-2-Omni — мультимодальная авторегрессионная модель на архитектуре Janus, дообученная на базе deepseek-ai/Janus-Pro-1B. Модель разработана автором репозитория kiel2 и объединяет генерацию текста, понимание изображений и создание изображений по текстовому описанию в единой модели MultiModalityCausalLM. Модель предназначена для диалоговых ответов, визуального вопросно-ответного взаимодействия, описания сцен и мультимодального анализа, а также для генерации творческих изображений по запросу. Веса доступны в формате safetensors для использования с Transformers. Лицензия — MIT. В карточке не приведены данные о размере модели и длине контекста, поэтому эти характеристики не описываются.

ainize/kobart-news — корейская модель суммаризации новостных статей, разработанная Ainize на основе KoBART и дообученная на текстах для документного суммирования и газетных материалах с помощью Ainize Teachable-NLP. Она предназначена для получения краткого содержания по входной статье; размер модели составляет 79,7 млн параметров, архитектура — BART с условной генерацией текста, контекст — до 1026 токенов. Модель принимает и выдаёт текст на корейском языке. Модель распространяется в формате PyTorch по лицензии MIT. Карточка описывает применение к новостным и документным текстам; длинный вход сверх контекстного окна может потребовать предварительного сокращения. Качество на иных жанрах и языках не подтверждено.

Kord Translate MBART50 EN↔TH V2 — модель машинного перевода KordAI, разработанная Naphon Jangjit, Jeerawat Komsang и Kord C. Boran. Это полностью дообученная модель семейства mBART-50 с архитектурой Transformer encoder-decoder, основанная на facebook/mbart-large-50-many-to-many-mmt. Она переводит текст между английским и тайским языками в обоих направлениях и предназначена для общего перевода, а также исследований и сравнительной оценки перевода для языковой пары с ограниченными ресурсами. Модель обучена примерно на 8 000 дистиллированных пар переводов, созданных DeepSeek-V4-Flash; в обучении использовались только готовые переводы, без цепочек рассуждений учителя. По описанию авторов, на FLORES devtest она показывает конкурентные результаты по BLEU и COMET, особенно для перевода с тайского на английский. Контекст составляет 1 024 токена, модель работает с текстом и распространяется под лицензией MIT. Небольшой объём обучающих данных ограничивает охват тем и стилей: качество может снижаться на узкоспециализированных и разговорных текстах. В направлении с английского на тайский модель уступает по chrF++ и BERTScore; приведённые авторами примеры также показывают, что качество перевода может быть неравномерным.

L3.1-RP-Hero-Dirty_Harry-8B-GGUF — текстовая генеративная модель, разработанная DavidAU на базе Llama 3.1. Это GGUF-версия модели размером 8B, ориентированная прежде всего на ролевые сценарии, но также подходящая для художественного письма, генерации и продолжения сюжетов, создания сцен, диалогов и историй в различных жанрах, включая научную фантастику, романтику и хоррор. Основной язык — английский. Модель поддерживает контекст до 128k токенов и заявлена как стабильная, с сильным следованием инструкциям, выразительной прозой и повышенным уровнем детализации. Версия Dirty Harry рассчитана на относительно короткие ответы, при этом сохраняет высокий уровень детализации и отличается отсутствием цензуры; README отдельно предупреждает о поддержке NSFW-контента, насилия, жестоких и графичных сцен, ненормативной лексики. Модель требует шаблона Llama 3 или Command-R. К ограничениям относятся чувствительность качества и стиля к температуре, repetition penalty и уровню квантизации, а также склонность предпочитать короткий формат даже при указании большей длины. Слишком высокие значения параметров могут ухудшать следование инструкциям или приводить к чрезмерно длинной генерации, а низкие кванты сильнее сказываются на качестве. Модель распространяется по лицензии Apache-2.0.

ReadyArt/L3.3-The-Omega-Directive-70B-Unslop-v2.1 — разговорная языковая модель для ролевых диалогов и художественной генерации текста. Её дообучили методом QLoRA на базе Steelskull/L3.3-Shakudo-70b; в карточке указаны авторы обучения и фильтрации данных sleepdeprived3 и gecfdo. Модель семейства Llama имеет плотную архитектуру примерно на 69,5 млрд параметров и контекст до 131 072 токенов. Модель рассчитана на многоходовые ролевые сценарии, в том числе с несколькими персонажами, и длинную художественную прозу. По заявлению авторов, она стремится к связному повествованию, соблюдению инструкций и сохранению характера персонажей; предусмотрена защита от имитации пользователя. Модель намеренно допускает откровенные и жестокие сценарии, поэтому предназначена только для совершеннолетних. Для репозитория указана лицензия llama3.3. README перечисляет отдельные квантованные сборки GGUF и EXL2/EXL3; это варианты поставки, тогда как основная модель описана как дообучение.