I.5Создание и редактирование текста

Qwen3-0.6B Heretic (ARA) — доработанная Darrell Best версия Qwen3-0.6B, созданная с помощью Heretic. Это плотная причинная языковая модель на 507,9 млн параметров с контекстом до 40 960 токенов. Она принимает текст и генерирует текст; поддерживает диалоговый режим и режим рассуждений, который включён по умолчанию. README не уточняет языки, поэтому языковая поддержка базовой модели не перечисляется отдельно. Модель предназначена прежде всего для дальнейшего дообучения. ARA изменяет веса слоёв внимания и MLP, ослабляя поведение отказа при сохранении обычного поведения по оценке авторов: на их тестовой выборке зафиксировано 3 отказа из 100 и KL-дивергенция 0,0027. Это результаты небольших проверок на конкретных наборах данных, а не гарантия качества или безопасности для других запросов. По сравнению с исходной моделью защитные ограничения намеренно снижены. Веса представлены в формате bf16 safetensors; модель работает с Transformers, vLLM и SGLang. Распространяется по лицензии Apache-2.0. Для использования следует учитывать намеренно ослабленные защитные механизмы и необходимость проверки выходов модели.

JianhuiWei подготовил этот чекпойнт Qwen3.5-4B с помощью трёхэтапного дообучения по Pareto curriculum. Модель основана на Qwen/Qwen3.5-4B и предназначена для диалоговых сценариев с пониманием изображений и использованием инструментов; основная задача в метаданных — image-text-to-text. Чекпойнт выбран на третьем этапе обучения, на шаге 105; обучение использовало дистиллированные траектории Qwen3.5-122B с оценкой награды не ниже 0,3 и обычную невзвешенную кросс-энтропию по токенам ассистента. В репозитории есть пользовательский шаблон чата Qwen3.5 для обучения и инференса: он повторно включает непустой reasoning_content и поддерживает параллельные вызовы инструментов в формате Qwen. Для работы с SGLang шаблон следует передавать явно, чтобы сохранить соответствие формату обучения. Модель распространяется в формате safetensors; состояния оптимизатора, планировщика, тренера и генератора случайных чисел не включены. Языки, размер контекста и лицензия в предоставленных сведениях не описаны.

Qwen3-8B TMax AENV v39b, итерация 109 — чекпойнт Qwen3ForCausalLM от willamazon1 для диалоговой генерации текста и работы в многошаговых агентных сценариях. Модель инициализирована из willamazon1/qwen3-8b-tmax-sft-v3-iter353, ранее дообученной на базе Qwen/Qwen3-8B, и обучалась методом group-relative policy optimization на асинхронных траекториях взаимодействия с агентной средой. Модель содержит 7,6 млрд параметров, использует плотную архитектуру Qwen3 и поддерживает контекст длиной до 40 960 токенов. Репозиторий содержит веса safetensors в формате bfloat16; чекпойнт получен конвертацией из Megatron-LM torch_dist в формат Hugging Face. В метаданных заявлен интерфейс вызова инструментов. Это промежуточная точка обучения на итерации 109; рядом опубликованы чекпойнты других итераций, позволяющие сравнивать динамику обучения. Качество и устойчивость именно этой итерации отдельно не охарактеризованы. Лицензия — Apache-2.0.

Это контрольная точка цикла 3 модели OEL + ReSAIL на базе Qwen/Qwen3-8B, разработанная Shengjie Jin и дообученная на TextCraft. Метод ReSAIL дополняет итеративную дистилляцию агента с помощью отбора траекторий с балансировкой и сохранения привилегированных данных. Модель предназначена для генерации текста и агентных задач в среде TextCraft. В опубликованной оценке среднее качество на официальном тесте TextCraft составило 73,7% по трём сида́м декодирования; режим рассуждений при экспериментах был отключён. Это 7,6-миллиардная плотная модель Qwen3 с контекстом до 40 960 токенов, поддержкой чата и интерфейса вызова инструментов. Репозиторий содержит веса Safetensors для Transformers. Модель лицензирована по Apache-2.0. Результат оценки отражает разброс между сидами декодирования, а не независимыми запусками обучения; опубликованной статьи пока нет. Для оценки на других задачах или в иных условиях качество не установлено.

S1-mini — компактная причинно-следственная языковая модель Superwhisper, дообученная на базе Qwen/Qwen3-0.6B для нормализации английских транскриптов распознавания речи. Она преобразует сырой текст ASR в чистый письменный: удаляет слова-паразиты, исправляет повторы и самоисправления, расставляет пунктуацию и заглавные буквы, а также записывает числа, даты, время, валюты и адреса электронной почты в подходящем письменном виде. Модель содержит около 508 млн параметров по метаданным (README указывает 596 млн уникальных параметров) и поддерживает контекст до 40 960 токенов. Она возвращает только отредактированный текст; стиль, оформление списков и формат письма задаются управляющей строкой во входе. На тестовом наборе из 7 519 английских примеров автор сообщает точность по токенам 94,8%. Модель рассчитана только на английский язык и не предназначена для диалога или выполнения общих инструкций. Для корректной работы нужно точно соблюдать описанный в README формат системного промпта и управляющей строки. Лицензия указана как other; перед использованием следует проверить её условия.

Mungert/sarvam-translate-GGUF — это GGUF-версия дообученной модели Google Gemma 3 4B IT, подготовленная с использованием llama.cpp. Модель предназначена для задач машинного перевода и поддерживает ассамский, бенгальский, бодо, догри, конкани, гуджарати, английский, хинди, каннада, кашмири, майтхили, малаялам, манипури, маратхи, непали, ория, пенджаби, санскрит, сантали, синдхи, тамильский, телугу и урду. Разработчик исходной модели — Google; автор GGUF-сборки в README явно не назван, но репозиторий модели размещён пользователем Mungert. Основное преимущество сборки — поддержка различных вариантов точности и квантования для запуска на GPU, CPU и устройствах с ограниченной памятью. В README описан экспериментальный метод «поднятия» точности отдельных важных слоёв поверх стандартного IMatrix-квантования, что должно улучшать точность при сопоставимом размере модели, особенно для низкобитных вариантов. Доступны форматы BF16, F16, гибридные варианты и квантования Q4_K, Q6_K, Q8, IQ3 и IQ1/IQ2. Ограничения включают компромисс между размером, скоростью и качеством перевода при выборе низкобитного квантования, а также зависимость производительности BF16 и F16 от аппаратной поддержки. Размер контекста, точные параметры архитектуры, результаты оценки качества и рекомендации по конкретным языковым направлениям в README не указаны. Модель распространяется по лицензии GPL-3.0.

Sophos-eva-euryale-v1.0 — языковая модель на 69,5 млрд параметров, созданная автором репозитория слиянием SLERP моделей EVA-LLaMA-3.33-70B-v0.0 и L3.3-70B-Euryale-v2.3. Это плотная авторегрессионная модель семейства Llama для генерации текста и диалогов; она принимает текст и выдаёт текст. Модель предназначена прежде всего для ролевых диалогов и написания историй, а также может применяться для других задач генерации текста. Поддерживает английский язык и контекст до 131 072 токенов. Автор характеризует модель как uncensored и отмечает, что её качество в задачах за пределами ролевых диалогов и сторителлинга не проверялось. Рекомендации по настройке сэмплирования приведены в карточке модели. Модель доступна по лицензии Llama 3.3.

SPUPER-qwen3.5-9b-acaciawl-add-owliker1 — дообученная компанией или автором Hahmdong мультимодальная модель семейства Qwen3.5. Согласно карточке, она создана на базе Hahmdong/SPUPER-qwen3.5-9b-acaciawl-add с использованием TRL. Метаданные указывают архитектуру Qwen3_5ForConditionalGeneration, формат safetensors и поддержку диалога с изображениями. Модель предназначена для общения и ответов на запросы, содержащие изображения; пример в карточке также показывает текстовый диалог. Карточка не приводит конкретных результатов оценки качества, языковых характеристик или условий лицензии, поэтому их нельзя уточнить.

Sugoi-14B-Ultra-HF-i1-GGUF — это GGUF-квантизированная версия модели Sugoi-14B-Ultra-HF, подготовленная mradermacher. Исходная модель разработана и опубликована организацией sugoitoolkit. Модель ориентирована прежде всего на задачи перевода и работы с японским и английским языками. Модель имеет размер 14 млрд параметров и распространяется в формате GGUF с вариантами квантизации i1-IQ и i1-Q. Доступны сборки размером примерно от 3,7 до 12,2 ГБ, что позволяет выбирать между требованиями к памяти, скоростью и качеством. В README не указаны архитектура базовой модели, размер контекстного окна, поддержка дополнительных модальностей или точные характеристики качества. Основное преимущество — широкий выбор вариантов квантизации для локального запуска на устройствах с разным объёмом памяти; для баланса размера, скорости и качества рекомендована i1-Q4_K_M. Более компактные варианты могут заметно уступать в качестве, а некоторые отмечены как низкокачественные. Модель распространяется по лицензии Apache-2.0.

Sugoi v4 JPN→ENG — нейронная модель машинного перевода с японского на английский, подготовленная MingShiba. Репозиторий предназначен для запуска через CTranslate2; в карточке также указана библиотека fairseq и задача перевода. README описывает пакетную обработку и зависимость от SentencePiece. Модель подходит для перевода японских текстов на английский, в том числе пакетами. Метаданные указывают поддержку японского и английского языков. Лицензия обозначена как other; конкретные условия использования в доступных материалах не раскрыты.

Superswallow-70b-RP-v0.3 — слитая авторами модель на архитектуре Llama 2 с 68,8 млрд параметров, предназначенная для ролевых сцен и создания историй. В объединение вошли instruct- и storytelling-модели, включая Tulu 2 DPO, GOAT-70B-Storytelling и Opus, а также LoRA; использовались методы DARE TIES и SLERP. Базой слияния автор называет tokyotech-llm/Swallow-70b-instruct-hf. Модель генерирует текст на английском и японском языках, поддерживает контекст до 4096 токенов. Автор рекомендует шаблоны Tulu и Swallow/Alpaca и настройки генерации с температурой около 0,7; при высокой температуре ответы могут становиться нестабильными и хуже следовать запросу. Репозиторий использует формат safetensors. Автор указывает лицензию llama2, но предупреждает, что модель предназначена только для личного и академического использования: часть исходных моделей имеет неясные условия коммерческого использования, а параметры Tulu 2 DPO могут затрагивать лицензию AI2 ImpACT. Условия использования стоит проверять с учётом лицензий компонентов слияния.

Swallow-70b-RP-EX — объединённая языковая модель автора nitky для ролевых диалогов, многоходового общения и создания историй. Она основана на Llama 2 и объединяет несколько моделей, включая KARAKURI, GOAT-70B-Storytelling, Opus и LoRA для Waxwing Storytelling; в метаданных указано 68,9 млрд параметров и контекст 4096 токенов. Модель генерирует текст на английском и японском языках, поддерживает несколько форматов диалоговых промптов и рассчитана на запуск через Transformers. В README отмечены хорошие возможности многоходового чата и приведены рекомендации по настройке генерации, однако они основаны на личном тестировании автора. Репозиторий не содержит tokenizer.model, что может затруднить конвертацию в GGUF/GGML. Метаданные указывают лицензию CC-BY-NC-SA-4.0; автор также предупреждает, что условия лицензирования некоторых компонентов могут быть неясны, поэтому следует проверить права на их использование.

TATlit — базовая языковая модель для литературного татарского языка, разработанная Ильшатом Саэтовым и Дмитрием Гайнуллиным. Это модель с архитектурой Llama и 478,2 млн параметров, обученная с нуля, без адаптации англо- или русскоязычной базовой модели. Она предназначена для продолжения текста и языкового моделирования на татарском языке, включая литературную прозу и периодические издания. Модель использует декодерную архитектуру с 24 слоями и контекстом 4096 токенов. Токенизатор SentencePiece Unigram содержит 48 тысяч токенов. Обучение проходило в два этапа: сначала на кириллических кыпчакских языках, затем на корпусе литературного татарского. По приведённым в карточке тестам модель показывает сильные результаты в генерации татарского текста и оценке морфологической приемлемости. Это базовая, не настроенная на выполнение инструкций модель; она не предназначена для диалогового следования командам и обладает ограниченными энциклопедическими знаниями. В карточке также отмечена уязвимость в обработке системы лица и притяжательности в изафетных конструкциях. Лицензия CC BY-NC-SA 4.0 допускает использование на условиях указания авторства, распространения производных материалов на тех же условиях и некоммерческого применения.

WindyTranslate/translate-ar-de — модель машинного перевода, опубликованная Windstorm Labs и дообученная на параллельном корпусе OPUS-100 на основе Helsinki-NLP/opus-mt-ar-de. Она предназначена для перевода текста с арабского языка на немецкий; поддерживается только это направление перевода. Модель использует архитектуру MarianMT и содержит 57,5 млн параметров. Доступна в формате safetensors для загрузки через Transformers; нативная длина контекста — 512 токенов. Репозиторий распространяется по лицензии Apache-2.0. Качество перевода пока не оценивалось бенчмарками, поэтому пригодность для конкретного сценария требует проверки. Указанные изменения весов подтверждают дообучение, но сами по себе не свидетельствуют о качестве модели.

WindyTranslate/translate-bg-es — модель машинного перевода, опубликованная Windstorm Labs и предназначенная для перевода с болгарского на испанский. Это дообработанная численным преобразованием версия Helsinki-NLP/opus-mt-bg-es на архитектуре MarianMT; в репозитории указаны 56,8 млн параметров и контекст до 512 токенов. Модель принимает текст и выдаёт текст перевода. Для оценки приведён результат chrF++ 49,10 и BLEU 25,03 на 48 предложениях FLORES-200 dev; авторы называют это предварительной проверкой, а не результатом публикации. Модель поддерживает только направление болгарский → испанский. Изменение весов описано как воспроизводимое внесение очень малого шума в 72 из 254 тензоров, а не как обучение. Лицензия — Apache-2.0.

Windstorm Labs опубликовала компактную модель машинного перевода с болгарского на русский. Это дообученная версия Helsinki-NLP/opus-mt-bg-ru на параллельных данных OPUS-100; архитектура MarianMT, около 54,5 млн параметров. Модель принимает текст и генерирует перевод. Репозиторий содержит сборку Transformers в формате safetensors, а указанный контекст составляет 512 токенов. Модель подходит для перевода болгарских фраз и документов на русский. В проверке на 48 предложениях FLORES-200 она получила chrF++ 45,69 и BLEU 20,56; это предварительная оценка, а не результат публикационного исследования. Поддерживается только направление bg→ru, а качество может зависеть от данных и конкретного текста. Лицензия — Apache-2.0.

WindyTranslate/translate-da-ru — модель машинного перевода от Windstorm Labs для перевода текста с датского на русский. Это дообученная версия Helsinki-NLP/opus-mt-da-ru: LoRA-адаптер обучили на параллельном корпусе и объединили с базовыми весами. Модель построена на архитектуре MarianMT, содержит 57,4 млн параметров и принимает текст; максимальная длина контекста — 512 токенов. Модель предназначена для перевода в одном направлении: с датского на русский. В проверке на 48 предложениях FLORES-200 dev она набрала chrF++ 42,69 и BLEU 16,29; это скрининговая оценка, а не результат публикационного исследования. Модель распространяется в формате safetensors и доступна по лицензии Apache-2.0.

Windstorm Labs выпустила модель машинного перевода с английского на валлийский, дообученную на параллельных данных от Helsinki-NLP/opus-mt-en-cy. Это модель MarianMT с 53 млн параметров, предназначенная для перевода текста только в направлении en→cy; максимальная длина контекста — 512 токенов. LoRA-дообучение объединено с базовыми весами, а модель доступна в формате safetensors для Transformers. В ограниченной проверке на 48 предложениях FLORES-200 она получила chrF++ 28,73 и BLEU 8,98; этот результат не является полноценной публикационной оценкой. Модель распространяется по лицензии Apache-2.0.

Windstorm Labs опубликовала компактную модель машинного перевода с английского на илокано. Это модифицированная версия Helsinki-NLP/opus-mt-en-ilo на архитектуре MarianMT: веса 72 из 254 тензоров подверглись документированному числовому преобразованию с максимальным абсолютным изменением 5,253 × 10⁻⁷. Модель содержит 54,7 млн параметров, работает через Transformers и сохранена в формате safetensors; заявленная длина контекста — 512 токенов. Модель предназначена для перевода текста с английского на илокано. В проверке на 48 предложениях FLORES-200 dev она получила chrF++ 52,25 и BLEU 23,50; авторы называют этот результат скрининговой оценкой, а не результатом публикационного уровня. Поддерживается только направление en → ilo. Лицензия — Apache-2.0; модель основана на Helsinki-NLP/opus-mt-en-ilo.

Windstorm Labs опубликовала компактную модель машинного перевода с английского на язык твӣ (Twi), дообученную на параллельных данных на основе Helsinki-NLP/opus-mt-en-tw. LoRA-адаптер объединён с базовыми весами; архитектура MarianMT, размер — 54,3 млн параметров, формат — safetensors для Transformers. Модель рассчитана на перевод текста в одном направлении: с английского на твӣ; максимальный контекст — 512 токенов. По результатам скрининговой оценки на 48 предложениях FLORES-200 модель получила chrF++ 33,81 и BLEU 8,82, что в карточке обозначено как пригодный для использования уровень. Эти результаты предварительные и не являются публикационным исследованием. Модель распространяется по лицензии Apache-2.0 с указанием происхождения базовой модели.

Windstorm Labs опубликовала модель машинного перевода с английского на урду. Это дообученная модель Helsinki-NLP/opus-mt-en-ur на параллельном корпусе: LoRA-адаптер объединён с исходными весами. Модель построена на архитектуре Marian и содержит 56,9 млн параметров; доступна в формате safetensors для Transformers, максимальная длина контекста — 512 токенов. Модель предназначена для перевода английских текстов на урду. В карточке приведён ограниченный скрининговый результат на 48 предложениях FLORES-200: chrF++ 22,09 и BLEU 4,49; эта оценка не является результатом публикационного исследования и указывает на ограниченное качество. Другие направления перевода не заявлены. Лицензия — Apache-2.0.

WindyTranslate/translate-eo-nl — модель машинного перевода Windstorm Labs для перевода с эсперанто на нидерландский. Это дообученная версия Helsinki-NLP/opus-mt-eo-nl: LoRA-дообучение на параллельном корпусе объединено с базовыми весами. Модель построена на архитектуре Marian и содержит 28,9 млн параметров; работает с текстом и поддерживает контекст до 512 токенов. Модель предназначена для перевода предложений с эсперанто на нидерландский. В проверке на 48 предложениях набора FLORES-200 она получила chrF++ 21,65 и BLEU 2,35; авторы относят результат к ограниченному диапазону, поэтому качество следует проверять на целевых текстах. Репозиторий содержит веса в формате safetensors для Transformers. Лицензия — Apache-2.0.

WindyTranslate/translate-eu-en — модель машинного перевода Windstorm Labs для перевода с баскского языка на английский. Она основана на Helsinki-NLP/opus-mt-eu-en: к исходным весам применили дообучение LoRA на параллельных текстах и объединили адаптер с базовой моделью. Модель MarianMT содержит 55,1 млн параметров, использует библиотеку Transformers и формат safetensors; длина контекста — 512 токенов. Модель предназначена для перевода текста с баскского на английский. В проверке на 48 предложениях FLORES-200 dev она получила chrF++ 45,32 и BLEU 14,52; авторы характеризуют результат как предварительную оценку, а не публикационный результат. Модель поддерживает только одно направление перевода. Лицензия — Apache-2.0.

WindyTranslate/translate-fi-el — модель машинного перевода, опубликованная Windstorm Labs и основанная на Helsinki-NLP/opus-mt-fi-el. Это дообученная модель MarianMT с 55,7 млн параметров: LoRA-настройка на параллельных текстах слита с базовыми весами. Репозиторий содержит сборку Transformers в формате safetensors; длина контекста — 512 токенов. Модель предназначена для перевода текста с финского языка на греческий. В проверке на 48 предложениях FLORES-200 dev она получила chrF++ 43,88 и BLEU 18,09; авторы относят результат к уровню Usable и отмечают, что это предварительная проверка, а не результат публикационного исследования. Поддерживается только направление fi→el. Лицензия — Apache-2.0.

Vicuna-7B-delta-v0 — дельта-веса чат-модели LMSYS, полученной дообучением LLaMA на диалогах пользователей из ShareGPT. Это авторегрессионная плотная трансформерная модель семейства LLaMA с 6,6 млрд параметров и контекстом до 2048 токенов. Репозиторий содержит только дельту: для получения рабочих весов Vicuna её нужно применить поверх оригинальных весов LLaMA, поэтому сама по себе модель не запускается. Модель предназначена для генерации ответов в диалоге, исследований языковых моделей и чат-ботов, а также экспериментов разработчиков и любителей NLP, машинного обучения и искусственного интеллекта. Карточка сообщает об оценке по стандартным бенчмаркам, предпочтениям людей и оценке другой языковой моделью. Указана некоммерческая лицензия; для использования необходимо учитывать её условия и лицензию исходной LLaMA.

WizardMath-7B-V1.1-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель, созданная объединением Mistral-7B-Instruct-v0.2 и WizardMath-7B-V1.1 методом SLERP. Модель разработана на основе архитектуры Mistral и содержит 7,1 млрд параметров; веса представлены в формате safetensors, лицензия — Apache 2.0. Модель предназначена для генерации текста и ответов на инструкции, с особым акцентом на математические задачи и рассуждения. Она принимает текст и выдаёт текст; поддерживает контекст до 32 768 токенов. В карточке не перечислены поддерживаемые естественные языки. Качество ответов может различаться в зависимости от задачи, а результаты математических рассуждений следует проверять.

AfriGuardPlain-AfriqueQwen3.5-4B-50Langs — языковая модель adzcai, созданная полным дообучением AfriqueQwen3.5-4B-50Langs от McGill-NLP на наборе adzcai/AfriGuard-plain. Это плотная модель семейства Qwen3.5 с интерфейсом чата, распространяемая в формате safetensors через Transformers. По данным карточки, модель обучена отвечать напрямую на безопасные запросы и кратко отказывать на небезопасные, без вывода меток безопасности и без обязательной системной инструкции по безопасности. Модель предназначена для генерации диалоговых ответов с учётом безопасности, в том числе на африканских языках, поддерживаемых базовой AfriqueQwen3.5-4B-50Langs. В метаданных перечислены коды en, am, ha, ig, om, sn, sw, tw, wo, yo и zu; README описывает датасет и схему обучения, но не задаёт полный перечень языков. Модель опубликована по лицензии CC BY 4.0. Карточка не сообщает длину контекста и не приводит оценки качества или подробных ограничений безопасности.

ALINEAR/albert-japanese — японская языковая модель семейства ALBERT, опубликованная ALINEAR Corporation на Hugging Face. Модель предназначена для задачи fill-mask: по контексту с замаскированным токеном она предсказывает наиболее вероятные варианты продолжения. Её можно использовать через Transformers как AlbertForMaskedLM или pipeline fill-mask. Архитектура включает 12 скрытых слоёв, размер скрытого состояния 768, размер эмбеддингов 128, 12 голов внимания и словарь на 32 000 токенов. Модель содержит около 137,8 млн параметров и поддерживает контекст длиной до 512 токенов.

Antler-7B-Novel-Writing — японская языковая модель для генерации художественной прозы и веб-романов, созданная Aratako на базе Elizezen/Antler-7B. Модель представляет собой плотную MistralForCausalLM с 7,1 млрд параметров и контекстом до 4096 токенов; для диалогов рекомендуется шаблон чата Mistral. Она дообучена методом instruction tuning на наборе Aratako/Syosetu711K-Cleaned-158K-Instruct. Модель генерирует рассказы по заданным жанру, ключевым словам, уровню качества и возрастной категории. Эти параметры позволяют управлять содержанием и предполагаемым рейтингом текста; для возрастной категории R18 автор рекомендует выбирать соответствующий жанр. Модель ориентирована на японские произведения в стиле веб-романов «Сёсэцука ни наро». Репозиторий содержит веса в формате SafeTensors, библиотека для работы — Transformers. Модель опубликована под Apache-2.0, однако автор отмечает, что лицензия базовой модели Elizezen/Antler-7B ему неизвестна и условия могут измениться. Качество и управляемость зависят от следования рекомендованному формату инструкций; контекст ограничен 4096 токенами.

anwgpt/anwgpt4-chat — разговорная модель генерации текста, разработанная на базе anwGPT4-base. Она предназначена для диалогов и ответов на запросы в формате «Human: … Assistant: …» и запускается через библиотеку Transformers. Модель основана на архитектуре GPT-2, имеет контекст до 2048 токенов и дообучена на наборах UltraChat 200k, Alpaca, OpenAssistant OASST1 и Databricks Dolly 15k. Карточка указывает английский язык. Модель распространяется в форматах PyTorch и safetensors по лицензии MIT. Её можно использовать для текстовых диалогов и генерации ответов. README не приводит результатов бенчмарков или подробных оценок качества, поэтому пригодность для конкретных задач требует отдельной проверки.