I.5Создание и редактирование текста

Aion 3.5 — система для ролевых диалогов и создания историй от AionLabs, построенная на семействе моделей GLM. Она использует совместную генерацию: несколько специализированных моделей работают над ответом. Подходит для интерактивных ролевых сценариев и совместного написания художественных текстов. В доступном фрагменте карточки не раскрыты размер, точная архитектура, поддерживаемые языки, контекстное окно и подробности взаимодействия компонентов. Лицензия также не указана в предоставленных данных.

ANIMA-Phi-Neptune-Mistral-10.7B — плотная языковая модель семейства Mistral, созданная разработчиком Severian как depth-upscaled merge модели Severian/ANIMA-Phi-Neptune-Mistral-7B методом passthrough. Веса объединяют слои исходной модели и образуют вариант на 10,6 млрд параметров с контекстом до 32 768 токенов. Модель предназначена для генерации текста и диалога о науке, природе и биомимикрии, а также для использования как основы дальнейшего дообучения или замены исходного варианта на 7 млрд параметров. Она обучалась на примерах биомимикрии и процесса биомиметического проектирования, STEM-материалах и текстах по науке и философии. Подходит, например, для поиска природных аналогов инженерных решений и пошаговой проработки биомиметических задач. Модель принимает и генерирует текст; сведения о поддерживаемых естественных языках в карточке не приведены. Для применения требуются совместимые инструменты, например Transformers. Лицензия — Artistic-2.0. Результаты генерации могут быть неточными, а специализированные сведения следует проверять; опубликованные тесты не гарантируют качество в конкретной задаче.

aranea-tenebris-120b-v1.0 — объединённая модель на архитектуре Llama, созданная автором divinetaco для творческого письма и ролевых диалогов. Она получена с помощью mergekit: в Miqu-PlayMaid-70B чередуются слои Senku-70B. Модель содержит 118,3 млрд параметров и рассчитана примерно на 32 764 токена контекста; в README рекомендуется формат промпта Alpaca. Модель предназначена для генерации связного повествования от третьего лица и ролевых сцен от первого или второго лица. Автор сравнивал варианты слияния на сценариях DnD, оценивая творческость, связность, последовательность персонажей и способность развивать сюжет. По результатам этих сравнений эта версия показала лучшие результаты среди испытанных вариантов слияния; заявленные оценки основаны на частных сценариях и ручном сравнении. Модель ориентирована на зрелую аудиторию и творческое письмо без ограничений, связанных с цензурой. README не перечисляет поддерживаемые языки, поэтому нельзя установить, насколько хорошо она работает не на английском. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

Asmodeus-24B-v3 — слитая с помощью mergekit модель MistralForCausalLM от DarkArtsForge, предназначенная для генерации художественных текстов и ролевых диалогов. Разработчик описывает её как свободную от отказов и jailbreak-ограничений; модель рассчитана на создание историй и сцен, включая мрачное, жестокое и сексуально откровенное содержание. Модель содержит 23,4 млрд параметров, использует формат safetensors и поддерживает контекст до 131 072 токенов. В README рекомендуется шаблон чата Mistral Tekken. Основной заявленный язык — английский. Модель может выдавать графические эротические и насильственные сцены; качество ответов и соблюдение заданного тона зависят от промпта и параметров генерации. Лицензия — Apache-2.0.

Jinchen/bart-base-finetuned-en-to-ro — модель на базе BART-base, дообученная на датасете WMT16 для преобразования текста с английского на румынский. Она содержит 95,2 млн параметров, использует архитектуру BART и рассчитана на контекст до 1024 токенов. Контрольная оценка на наборе валидации указана как loss 1,9912. Модель подходит для перевода англоязычных текстов на румынский. Опубликована в формате PyTorch под лицензией Apache-2.0. Карточка не сообщает о дополнительных сценариях применения или известных ограничениях качества.

BlueBerry-1 — дообученная модель artindnr на базе openai/gpt-oss-120b для генерации рассуждений на фарси и многоязычного пошагового рассуждения. Это причинная декодерная языковая модель семейства gpt_oss с архитектурой mixture-of-experts; версия выпущена как полностью дообученный чекпойнт с объединёнными плотными весами, а не как LoRA-адаптер. В метаданных указаны 2,1 млрд параметров и контекст до 131 072 токенов. Модель предназначена для фарсиязычных ассистентов, обучения и задач, где нужны рассуждения на фарси или других языках, а также для общего диалога и следования инструкциям. Карточка описывает поддержку фарси, английского и многоязычного рассуждения; доступны чатовый шаблон Harmony и интерфейс вызова инструментов. Указана лицензия Apache 2.0. Ограничение — модель ориентирована на генерацию рассуждений, поэтому её ответы и каналы рассуждения могут быть длинными; качество для отдельных языков и прикладных задач в карточке не измерено. Указанный в README размер базовой модели расходится с метаданными о размере BlueBerry-1, поэтому в описании приведено значение из метаданных.

Это реализация Contrastive Search — стратегии декодирования для генерации текста, предназначенной для использования с языковыми моделями в библиотеке Transformers. На каждом шаге она оценивает top-k кандидатов, учитывая вероятность токена и штраф за сходство его скрытого представления с уже сгенерированным контекстом. В README в качестве примера базовой модели указана Qwen/Qwen2.5-0.5B-Instruct; метаданные описывают репозиторий как плотную causal language model семейства Qwen3 размером 507,9 млн параметров с контекстом до 40 960 токенов. Стратегия рассчитана на генерацию связного текста с меньшим количеством повторов, чем при жадном поиске или beam search, и с лучшей смысловой связностью, чем при чистом сэмплировании. Параметры top_k и penalty_alpha позволяют регулировать число рассматриваемых кандидатов и силу штрафа; увеличение top_k повышает вычислительные затраты. Репозиторий помечен как conversational и поддерживает интерфейс вызова инструментов. Условия лицензии в предоставленных данных отсутствуют.

Crimson-Twilight-12B — языковая модель Vortex5 для повествовательного ролевого взаимодействия. Это плотная causal language model на архитектуре Mistral с 12,1 млрд параметров и контекстом до 131 072 токенов; модель распространяется в формате safetensors и использует библиотеку Transformers. Модель создана как многоэтапное слияние четырёх моделей Vortex5 с помощью MergeKit: сначала применены методы nearswap и slerp, затем промежуточные результаты объединены методом Karcher mean. Она предназначена для генерации текста в сценариях ролевой игры и написания повествовательных ответов. В карточке не указаны языки, на которых она специально обучена. Лицензия в предоставленных данных не указана. Сведения о качестве, безопасности и ограничениях применения в карточке отсутствуют.

MuXodious выпустил Cydonia-24B-v4.3-absolute-heresy — экспериментальный вариант Cydonia-24B-v4.3, полученный дообучением с применением Heretic и метода Magnitude-Preserving Orthogonal Ablation. Модель построена на плотной архитектуре Mistral и содержит 23,4 млрд параметров; для генерации текста заявлено контекстное окно до 131 072 токенов. Репозиторий содержит веса в формате safetensors, а карточка описывает разговорное использование. Модель предназначена прежде всего для творческого письма, ролевых диалогов и интерактивных историй: она может поддерживать персонажей, развивать сюжет и добавлять уместные детали. В тестах создателей число отказов снизилось с 74 до 3 из 100, а KL-дивергенция составила 0,0188; эти показатели относятся к проверке изменений после абляции и сами по себе не измеряют качество ответов. В карточке упоминаются отдельные сбои в физике, причинно-следственных связях и воспроизведении мелких деталей. Языки модели и условия лицензии в предоставленных данных не указаны, поэтому их нельзя подтвердить.

Daisuke — языковая модель для генерации текста, созданная автором карточки с помощью mergekit и метода passthrough. В основе объединения лежат Pygmalion-2 13B и Estopia_Eru; архитектура — плотная Llama, размер модели составляет 19,8 млрд параметров, контекст — до 4096 токенов. Репозиторий содержит веса в формате safetensors. Модель предназначена прежде всего для ролевых диалогов и художественного письма в стиле романа. Она может выступать помощником для ролевой игры, персонажем или рассказчиком; автор рекомендует шаблон Alpaca и отмечает, что после нескольких ходов ответы могут улучшаться. Лицензия в предоставленных данных не указана.

DatedGPT-2024-base — базовая предварительно обученная языковая модель семейства DatedGPT, опубликованная организацией datedgpt. Это плотная авторегрессионная модель архитектуры LlamaForCausalLM с примерно 1,3 млрд параметров и контекстом 2048 токенов. Обучающие данные ограничены срезом, доступным до 2024 года, поэтому модель предназначена для генерации продолжений и анализа, где важно избежать утечки сведений из будущего относительно заданной временной точки. Модель принимает текст и генерирует текстовые продолжения. Это базовая версия без дообучения на инструкциях: она не предназначена для диалогового следования инструкциям и не проходила RLHF или настройку безопасности. Знания ограничены срезом 2024 года. Файлы модели представлены в формате safetensors; сведения о лицензии в предоставленных источниках отсутствуют.

DeepCode-7B-Aurora-v12 — объединённая модель, опубликованная пользователем ALBADDAWI и созданная с помощью LazyMergekit на основе DeepSeekMath-7B-RL. Это плотная авторегрессионная модель семейства Llama с 6,5 млрд параметров, предназначенная для генерации текста в диалоговом формате; базовая модель ориентирована на ответы и решение математических задач. Конфигурация README указывает на объединение нескольких копий одной и той же базовой модели методом model_stock. Модель принимает текст и генерирует текст, поддерживает контекст длиной до 4096 токенов и распространяется в формате safetensors. Лицензия — CreativeML OpenRAIL-M. Карточка не приводит результатов оценки качества или сведений о дополнительном обучении на коде, поэтому специализацию на программировании по названию подтвердить нельзя.

DetoxLLM-7B — модель для детоксикации текста, разработанная Md Tawkat Islam Khondaker, Muhammad Abdul-Mageed и Laks V.S. Lakshmanan. Она дообучена на основе LLaMA 2 с Chain-of-Thought-объяснениями и предназначена для преобразования токсичных высказываний в менее токсичные, сохраняя их смысл и предоставляя объяснения. Модель обучена на синтетическом псевдопараллельном корпусе для детоксикации, сформированном из данных разных платформ. Модель имеет архитектуру LLaMA, около 6,6 млрд параметров и контекст до 4096 токенов. Карточка указывает английский язык. Работа представлена на EMNLP 2024. Модель можно использовать как исследовательский базовый инструмент для очистки пользовательского текста и разработки систем модерации. Лицензия — Llama 2. Качество преобразования смысла может быть нестабильным: модель иногда теряет часть исходного смысла или поддается неявным состязательным токенам и генерирует токсичный текст. Обучающие данные созданы автоматически и могут содержать ошибки, поэтому результаты следует проверять человеком; карточка также рекомендует осторожность перед внедрением и оценку рисков предвзятости и неправомерного использования.

manjunathshiva публикует квантованную сборку модели google/diffusiongemma-26B-A4B-it для запуска на компьютерах Mac с 16 ГБ памяти Apple Silicon. Это мультимодальная модель семейства DiffusionGemma с архитектурой блочной диффузии, способная вести диалог и обрабатывать изображения вместе с текстом. Репозиторий содержит веса safetensors объёмом 9,79 ГБ в формате TurboQuant-MLX: эксперты MoE в большинстве слоёв квантованы до 2 бит, а отдельные слои и компоненты внимания — до 3 бит. Сборка предназначена для генерации ответов и анализа визуальных входов на локальном Mac. Автор сообщает о проверках арифметических вычислений, многошаговых рассуждений и извлечения сведений из контекста; при этом у текста могут быть небольшие артефакты. На Mac mini с 16 ГБ измерены скорость около 1,5 токена в секунду и пиковое потребление памяти примерно 12,4 ГБ при заданном лимите токенов; уменьшение числа шагов диффузии ускоряет генерацию, но немного снижает качество. Лицензия — Apache-2.0.

Dimple-7B — мультимодальная языковая модель с дискретной диффузией, разработанная авторами проекта Dimple. Она предназначена для диалога и ответов на вопросы по изображениям и текстовым инструкциям. Модель содержит 7,1 млрд параметров, построена на архитектуре Dimple и использует гибридное обучение: сначала авторегрессионную настройку для выравнивания и следования инструкциям, затем дообучение с диффузией. Базой служит Dream-org/Dream-v0-Instruct-7B; для обучения использовались наборы LLaVA-CC3M-Pretrain-595K и LLaVA-NeXT-Data. Модель поддерживает контекст до 131 072 токенов и несколько режимов диффузионного декодирования, а также управление форматом, структурой и длиной ответа с помощью структурных априоров. В README сообщается о результате на 3,9% выше LLaVA-NEXT-7B при сопоставимом бюджете обучения; это заявление авторов и не гарантирует превосходства на других задачах. Для запуска указаны Transformers 4.46.2, PyTorch 2.5.1 и Accelerate 1.6.0. Модель распространяется по лицензии Apache-2.0.

EastAsia-4x7B-Moe-experiment — экспериментальная языковая модель семейства Mixtral, созданная с помощью LazyMergekit как смесь экспертов из моделей Breeze-7B-Instruct-v0.1, shisa-7b-v1 и OPEN-SOLAR-KO-10.7B. Модель предназначена прежде всего для генерации текста и перевода на китайском, японском и корейском языках: маршрутизация экспертов настроена на соответствующие запросы о переводе. Архитектура — MoE с классом MixtralForCausalLM; в репозитории указано 7,1 млрд параметров, контекст до 32 768 токенов и формат safetensors. Модель может использоваться для генерации ответов и переводов на восточноазиатских языках, однако README приводит лишь ограниченные результаты общих бенчмарков и не подтверждает качество перевода или пригодность для конкретных сценариев. Лицензия — Apache-2.0.

ENKO-T5-SMALL-V0 — модель машинного перевода с английского на корейский, опубликованная пользователем nlp-with-deeplearning. Она обучена с нуля на архитектуре T5-small: это плотная модель типа encoder-decoder примерно на 52,7 млн параметров. Для токенизации обоих языков используется Byte-level BPE со словарём из 60 тысяч токенов; обучение проводилось на корпусе из 11 млн параллельных примеров, преимущественно из AI-Hub. В README упоминается оценка на пяти тестовых наборах, но конкретные результаты не приведены в доступных данных. Модель предназначена для перевода английских текстов на корейский. Метаданные указывают контекст до 512 токенов и формат весов Safetensors. Лицензия CC BY-NC-SA 4.0 требует указания авторства и распространения производных материалов на тех же условиях, а также ограничивает коммерческое использование. Карточка также отмечает теги text-generation и feature-extraction, однако описанное назначение модели — машинный перевод.

lmqg/flan-t5-base-squad-qg — англоязычная модель генерации вопросов, разработанная на базе google/flan-t5-base и дообученная командой LMQG на наборе lmqg/qg_squad. Модель принимает текстовый контекст и предназначена для создания вопросов по нему; её можно применять для подготовки учебных и проверочных материалов, а также для построения конвейеров генерации вопросов и ответов. Модель построена на архитектуре T5 и содержит 123,7 млн параметров. Для неё указан контекст до 512 токенов; веса представлены в формате PyTorch. В карточке приведены оценки на lmqg/qg_squad, включая BERTScore 90,53 и BLEU-1 58,79 для генерации вопросов. Модель рассчитана на английский язык и обучена на SQuAD-подобных данных, поэтому качество на других языках и вне этого распределения может быть ниже. Лицензия — CC BY 4.0.

fusha2masry — модель Hassan Abdelshafy для перевода предложений с современного литературного арабского языка (фусха) на разговорный египетский арабский, каирский диалект. Это дообученная модель encoder-decoder Transformer семейства T5 на базе UBC-NLP/AraT5v2-base-1024; метаданные указывают 183,7 млн параметров. Модель предназначена для однонаправленного перевода повседневных фраз, в том числе фраз для путешествий, а также для локализации контента и поддержки чат-ботов, ориентированных на египетскую аудиторию. Обучение основано на параллельных примерах корпуса MADAR в стиле разговорника и синтетических парах для коротких фрагментов и повседневных тем. Модель формирует короткие переводы для коротких входов, однако это поведение проверялось ограниченно. Она не переводит в обратном направлении с египетского арабского на фусха; качество может снижаться на других диалектах, идиомах и темах за пределами обучающих данных. Для юридических, медицинских и иных ответственных переводов модель не предназначена. README ограничивает использование исследовательскими целями; метаданные обозначают лицензию как other.

Gaon-1.7B v2 Translate — модель для перевода между корейским и английским языками, разработанная k08200. Это плотная причинно-языковая модель семейства Qwen3 с 1,7 млрд параметров и контекстом 2048 токенов. Она обучена с нуля и дообучена на 100 тысячах открытых параллельных пар из новостного, разговорного и энциклопедического текстов; добавленный набор диалогов помогает сохранять способность к общению. Для перевода задают просьбу на корейском языке с исходным предложением; лучше всего модель работает при temperature 0,3. Модель предназначена для перевода простых и средних по длине предложений с корейского на английский и обратно, а также может поддерживать общий диалог. На длинных предложениях со сложной структурой возможны пропуски или добавления уточняющих смысловых деталей. Распространяется по лицензии Apache-2.0.

Alsebay/Gemma2-9b-KuwaNovelist-2 — дообученная модель Gemma 2, созданная автором Alsebay с помощью Unsloth для улучшения стиля письма исходной lemon07r/Gemma-2-Ataraxy-v4d-9B. Это плотная авторегрессионная языковая модель на 9 млрд параметров с контекстом до 8192 токенов, предназначенная для генерации текста и диалогового творческого письма. Карточка отмечает длинные ответы и хороший стиль на английском языке; при этом ответы на вьетнамском, китайском и японском часто короткие, а грамматика и стилизация на целевых родных языках недостаточно качественны. Также отмечена проблема, связанная с тем, что модель говорит за пользователя. Репозиторий содержит веса Safetensors; лицензия — Gemma.

Alsebay/Gemma2-9B-KuwaNovelist-v3 — дообученная модель Gemma 2, созданная автором карточки с помощью Unsloth на основе lemon07r/Gemma-2-Ataraxy-v4d-9B. Она предназначена для генерации художественного текста и диалогов, в частности ролевых сцен на английском языке; третья версия исправляет проблему, при которой модель говорила за пользователя. Модель имеет плотную архитектуру Gemma2ForCausalLM с 9 млрд параметров, принимает текст и выдаёт текст. Контекст — до 8192 токенов. В метаданных указан английский язык; автор отдельно отмечает попытку адаптировать стиль к родным языкам, но не уточняет, каким именно. Автор отмечает, что ответы стали длиннее, чем в предыдущих версиях, а английская ролевая игра работает приемлемо. Среди ограничений — ответы всё ещё могут быть короткими; стиль и грамматика на целевых родных языках недостаточно качественны, а ответы на вьетнамском, китайском и японском могут быть короткими из-за особенностей обучающих данных. Лицензия — Gemma.

cyboghostginx представил дообученную версию Google Gemma 4 31B Instruction Tuned, настроенную для исландской морфологии и грамматики. Это плотная модель семейства Gemma 4 с архитектурой Gemma4ForConditionalGeneration, предназначенная для генерации текста и диалогового использования через шаблон чата Gemma. Репозиторий содержит веса Safetensors и рассчитан на запуск через Transformers на GPU. В официальном прогоне на таблице лидеров исландских LLM Miðeind модель получила средний балл 70,09 по шести задачам; базовая Gemma 4 31B Instruction Tuned набрала 71,24. Локальный средний результат по пяти задачам при отключённом режиме рассуждений составил 83,59. Модель распространяется по лицензии Gemma; применимость условий лицензии следует проверять перед использованием.

GemmaX2-28-2B-int4-ov — модель перевода, разработанная на основе ModelSpace/GemmaX2-28-2B-v0.1. Репозиторий содержит преобразованную в формат OpenVINO IR и квантизованную до INT4 версию исходной модели; исходные веса не переобучались и не изменялись. Модель предназначена для офлайн-перевода на устройствах с Intel iGPU и NPU, а также для локального запуска через OpenVINO GenAI. В README явно проверены сценарии перевода с английского и японского на корейский; исходная модель заявлена как поддерживающая 28 языков, но это не подтверждено измерениями для данной версии. Архитектура и максимальная длина контекста в README не указаны. Размер модели после преобразования составляет около 1,59 ГБ вместо примерно 5 ГБ у исходной версии. Используется INT4-квантизация с group_size 128 и ratio 1.0. На Intel Core Ultra 7 258V с Arc 140V iGPU заявлены загрузка за 19 секунд, потребление около 1,578 ГБ памяти GPU и скорость генерации 38,3 токена в секунду. По сравнению с вариантом на 9B параметров модель быстрее и компактнее, но чаще уступает ему в переводе идиом, вежливых формулировок и культурных смыслов. Возможны буквальные переводы устойчивых выражений и смешение стилей корейской речи; стиль рекомендуется фиксировать системным промптом. Распространение и использование регулируются Gemma Terms of Use и Gemma Prohibited Use Policy; при перераспространении необходимо предоставить получателям копию условий.

Это дообученная языковая модель GPT-2 для перефразирования текста в библейском стиле. Чекпойнт связан со статьёй «Reformulating Unsupervised Style Transfer as Paraphrase Generation» Krishna K. и соавторов; автор загрузки указывает, что получил разрешение на публикацию от основного автора статьи. Модель предназначена для генерации перефразированного текста с переносом стиля, в частности для преобразования формулировок в библейскую манеру. Она построена на архитектуре GPT2LMHeadModel, принимает и генерирует текст, работает с контекстом до 1024 токенов и опубликована в формате PyTorch. Язык в карточке явно не указан. Это специализированный чекпойнт для стилистического перефразирования, а не универсальный диалоговый ассистент. Лицензия в предоставленных данных не указана.

GPT-Neo 2.7B-Picard — дообученная модель KoboldAI на основе GPT-Neo 2.7B от EleutherAI. Она генерирует продолжение текста по заданному началу и подходит для создания художественной прозы, особенно в жанрах научной фантастики и фэнтези. Для дообучения использовали около 1800 электронных книг, преимущественно в этих жанрах. Модель имеет плотную архитектуру GPT-Neo с причинно-языковой авторегрессионной генерацией, содержит около 3,1 млрд параметров и принимает контекст длиной до 2048 токенов. Репозиторий включает веса PyTorch и Safetensors; в карточке указан английский язык. Лицензия — MIT. Качество и содержание генераций зависят от подсказки: возможны предвзятые, грубые или оскорбительные ответы, поскольку базовая GPT-Neo обучалась на корпусе The Pile. Модель может выдавать нежелательный текст, поэтому результаты следует проверять перед публикацией.

Модель sapinsapin/gpt-oss-20b-balitanlp-cpt-bf16 — BF16-копия базовой модели gpt-oss-20b, которую разработчик SapinSapin дообучил продолжением предобучения на филиппинских новостях из BalitaNLP. Это базовая языковая модель, способная генерировать связный текст на филиппинском языке; она не настроена на выполнение инструкций. Архитектура — GPT-OSS с разреженной смесью экспертов (MoE); в метаданных указано 1,6 млрд параметров и контекст до 131 072 токенов. Модель предназначена для генерации текста на филиппинском языке и для дальнейшей адаптации к прикладным задачам. BF16 сохраняет изменения весов, полученные при продолжении предобучения; README указывает, что модель занимает 41,8 ГБ и рассчитана на запуск на одном GPU с 80 ГБ памяти. Лицензия — Apache 2.0. Поскольку модель не дообучена на инструкциях, она может не следовать запросам в формате ассистента без дополнительной настройки.

Horus Hiero 9B — многоязычная модель TokenAI для понимания древнеегипетских иероглифов и перевода их на современные языки. Она основана на архитектуре Qwen3.5 и, согласно метаданным, содержит 7,2 млрд параметров; поддерживает чат, а карточка заявляет работу со 150 языками и иероглифами. Модель предназначена для перевода иероглифических текстов, а также для многоязычных сценариев с длинным контекстом. В метаданных указаны задачи генерации текста и преобразования изображений в текст, библиотека Transformers и контекст до 524 288 токенов. README также заявляет поддержку изображений и видео на входе, но это не подтверждается метаданными. В репозитории указаны веса Safetensors; README сообщает о наличии отдельных GGUF-квантованных вариантов, но не устанавливает их связь с данным репозиторием. Лицензия в предоставленных сведениях не указана. Заявленные результаты бенчмарков приведены в README без подробностей о методике оценки.

In-Character RP 12B v0.1 — модель генерации текста для ролевых диалогов и творческого письма, созданная npow путём дообучения Mistral-Nemo-Base-2407. Она рассчитана на ведение персонажа по заданной карточке: персонажи сохраняют заданные черты и манеру поведения в ходе разговора. Для диалога используется формат ChatML. Модель имеет плотную архитектуру Mistral с 12,1 млрд параметров и контекстом до 131 072 токенов; в репозитории представлены веса Safetensors. Основной язык карточки — английский. Версия v0.1 является базовой версией SFT; заявленные автором дополнительные этапы DPO для сохранения разнообразия поведения и FTPO для снижения шаблонности прозы относятся к v0.2. Модель выпущена по лицензии Apache-2.0. Автор обозначает её как исследовательскую предварительную версию и предупреждает, что это uncensored creative model.

Kalypso — плотная языковая модель семейства Mistral объёмом 12,1 млрд параметров, разработанная IEleven11 на основе mistralai/Mistral-Nemo-Instruct-2407. Модель дообучена методом DPO на данных для ролевых диалогов и рассказывания историй; основное назначение — ролевые сценарии и генерация художественного текста. Модель работает с текстом и опубликована в формате Safetensors для библиотеки Transformers. В метаданных указан контекст до 1 024 000 токенов. Карточка характеризует её как uncensored и abliterated. Лицензия в предоставленных данных не указана.