I.5Создание и редактирование текста

BananaMind-2-Medium-Chat — компактная диалоговая языковая модель, разработанная BananaMind и полученная полным дообучением BananaMind-2-Medium на наборе HuggingFaceTB/smol-smoltalk. Она предназначена для следования инструкциям, ответов в чате и многоходовых диалогов; поддерживает системные сообщения и шаблон ролей system, user и assistant. Модель использует декодерный Transformer BananaMind2Medium с 49,5 млн параметров и контекстом 3 072 токена. В её составе — байтовый BPE-токенизатор с учётом цифр и словарём на 12 288 токенов, grouped-query attention, RoPE и KV-кэширование. Карточка указывает английский язык. Модель ориентирована на исследования малых языковых моделей, локальные чат-эксперименты и обучение; опубликованные оценки включают результаты на стандартных тестах и внутреннем наборе BananaMind. Малый размер ограничивает качество на сложных запросах, а при трудных или противоречивых промптах возможны повторяющиеся продолжения. Для загрузки требуется поддержка пользовательского кода архитектуры Transformers. Модель распространяется по лицензии Apache-2.0.

DataikuNLP/camembert-base — копия предобученной модели CamemBERT, разработанной Луи Мартеном, Бенжаменом Мюллером, Педро Хавьером Ортисом Суаресом и коллегами. Это плотная модель семейства CamemBERT на архитектуре RoBERTa, обученная на французских текстах OSCAR. В репозитории доступны веса PyTorch и TensorFlow; число параметров по метаданным — 137,8 млн, длина контекста — 514 токенов. Модель предназначена прежде всего для заполнения пропусков в тексте: она предсказывает замаскированные слова с учётом контекста. Её также можно использовать как основу для извлечения контекстных представлений и дообучения под задачи обработки французского языка. Лицензия — MIT. Репозиторий обозначен в README как копия другого репозитория CamemBERT.

Eugleo разработал climbmix-d26-10tpp-noright-sft как исследовательскую чат-модель на базе nvidia/ClimbMix. Это плотная авторегрессионная модель NanochatGPTForCausalLM с 1,2 млрд параметров, дообученная по рецепту nanochat chat-SFT на один эпохе. В смеси данных использованы SmolTalk, MMLU и GSM8K; базовая модель обучалась на корпусе ClimbMix, в котором заменены документы о сущностях правого политического спектра. Модель предназначена для генерации ответов в диалоге и может применяться для экспериментов с влиянием состава предобучающих данных и для оценки чат-моделей на задачах общего характера, знаниях и математике. Она принимает текст и генерирует текст на английском языке; контекст составляет 2048 токенов. Для загрузки используется Transformers, архитектура требует trust_remote_code=True. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. Это исследовательский артефакт конкретного эксперимента, поэтому его результаты и поведение зависят от узкой конфигурации обучения и состава корпуса. Модель может ошибаться в фактах и рассуждениях; README не приводит конкретных оценок качества, кроме validation bpb 0,2795.

CoLMLM-360M-FW — языковая модель с 361,8 млн параметров из семейства Llama, основанная на SmolLM2 и обученная на FineWeb-Edu. Она предназначена для генерации текста с обращением к внешнему поисковому индексу: в специальных позициях модель формирует непрерывный запрос из скрытого состояния, чтобы получить содержание факта из индекса во время вывода, а не хранить его в параметрах. Для работы требуется совместимый опубликованный индекс; сведения о лицензии в доступных данных отсутствуют. Модель использует Transformers и формат safetensors, контекст — до 8192 токенов. Карточка описывает исследовательскую систему Co-LMLM, но не приводит результатов качества или подробных ограничений.

Coomand-R 35B v1 — разговорная модель BeaverAI, созданная дообучением модели Cohere Command-R. Она предназначена прежде всего для генерации художественных текстов и ролевых диалогов в формате романа или рассказа; автор отмечает, что модель лучше работает с повествовательными сценариями и предлагает задавать персонажа, рассказчика или режиссёра сцены. Модель содержит 35 млрд параметров, использует архитектуру CohereForCausalLM и принимает текстовые инструкции. Контекст составляет 8192 токена. Карточка показывает примеры откровенного сексуального контента, поэтому модель рассчитана в том числе на NSFW-сценарии. Для общения рекомендуется формат Command-R; автор также сообщает о совместимости с инструкциями в стиле Alpaca. В README отмечены усиленные инструкции и более разнообразный набор данных по сравнению с предыдущей версией, но подробности обучения не приведены. Вручную продолженные генерации могут нарушать форматирование, а длину рассказа автор советует подбирать повторной генерацией. Репозиторий содержит веса safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства и запрещает коммерческое использование.

Darkest-muse-v1 — модель для творческого письма, созданная Sam Paech как слияние Gemma-2-Ataraxy-v2-9B, Delirium-v1 и Quill-v1 и дообученная на примерах из набора Gutenberg3. Она построена на плотной архитектуре Gemma 2 с 9 млрд параметров, поддерживает чатовый шаблон Gemma и генерирует текст; заявленная длина контекста — 8192 токена. Модель предназначена для написания художественной прозы, в том числе диалогов, историй и текстов с мрачной или необычной атмосферой. В карточке приведены примеры исторической и постапокалиптической прозы, а автор отмечает выразительный авторский голос и результаты на EQ-Bench для творческого письма. Модель может проявлять повторяющиеся идеи и словесные фиксации, а её нестандартная манера не всегда подходит для нейтральной прозы. Веса опубликованы в формате safetensors, лицензия — Apache-2.0.

DataVortexS-10.7B-dpo-v1.5 — корейская диалоговая языковая модель команды Edentns, дообученная на базе megastudy/M-SOLAR-10.7B-v1.3. Она предназначена для генерации ответов в формате чат-ассистента и выполнения задач на понимание корейского языка. Модель построена на плотной архитектуре LlamaForCausalLM, содержит 10,6 млрд параметров и поддерживает контекст до 4096 токенов. Для диалога используется формат ChatML. В карточке приведены результаты оценки на корейских тестах понимания языка и знаний. Модель распространяется под лицензией CC BY-NC-SA 4.0, которая предусматривает некоммерческое использование и распространение производных работ на тех же условиях.

DatedGPT-2017-Instruct — англоязычная чат-модель с настройкой на выполнение инструкций, разработанная как часть семейства DatedGPT. Она предназначена для генерации текста и анализа, в котором важно учитывать только сведения, доступные до 2017 года, например для прогнозирования без смещения заглядывания вперёд и анализа данных на момент времени. Модель использует плотную архитектуру LlamaForCausalLM и содержит около 1,3 млрд параметров. Она принимает текст, поддерживает диалоговый формат Llama-2-style и имеет контекст длиной 2048 токенов. Опубликована в формате safetensors; лицензия в предоставленных данных не указана. Знания модели ограничены данными до 2017 года. В README отмечено отсутствие RLHF и настройки безопасности, поэтому ответы могут быть уверенно сформулированными, но ошибочными.

Карточка модели MD-Mushfiqur123/DropLychee_1.0_Light_Flash_gguf на Hugging Face совпадает с карточкой MD-Mushfiqur123/DropLychee_1.0_Light_Flash, поэтому описание составлено по ней. DropLychee 1.0 Light Flash — дообученная компактная мультимодальная модель семейства Qwen3.5, разработанная MD-Mushfiqur123 на базе unsloth/Qwen3.5-0.8B. Она предназначена для диалогов с обработкой изображений и генерацией текстовых ответов; интерфейс также поддерживает вызов инструментов. Модель обучали с использованием Unsloth и библиотеки TRL от Hugging Face. Модель принимает текст и изображения и выдаёт текст. В карточке указаны английский язык и лицензия Apache-2.0. Размер базовой модели — 0,8 млрд параметров; отдельные сведения о длине контекста и качестве на конкретных задачах не приведены.

Dr.RP.Samantha-L3-8B — слитая языковая модель на архитектуре Llama, опубликованная WesPro. Она создана методом линейного слияния предварительно обученных моделей с помощью mergekit; в карточке указаны Dr.Samantha-8B и Llama-3-LimaRP-LoRA-8B как компоненты слияния. Модель содержит около 7,5 млрд параметров и рассчитана на генерацию текста с контекстом до 8192 токенов. Модель предназначена для диалоговой генерации и ролевого общения. Она принимает текст и выдаёт текст. Веса опубликованы в формате safetensors; лицензия в предоставленных данных не указана. Конкретные языки и ограничения качества в карточке не описаны.

Electranova-70B-v1.0 — слитая модель на основе трёх моделей семейства Llama 3.3 70B, опубликованная sophosympatheia. Она предназначена прежде всего для творческого письма, ролевых диалогов и сцен для взрослой аудитории; автор также отмечает её пригодность для ERP. Модель содержит 69,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и поддерживает контекст до 131 072 токенов. В метаданных указана библиотека Transformers, формат Safetensors и лицензия llama3.3. Модель ориентирована на англоязычные сценарии и диалоговую генерацию. Автор рекомендует экспериментировать с параметрами сэмплирования, в частности с Min-P и температурой, и подбирать размер контекста с учётом доступного оборудования. Качество для других задач автором не проверялось. Модель отмечена как uncensored; применяйте её с учётом возможности генерации откровенного содержания. Условия использования определяются лицензией Llama 3.3.

EMOVA-Qwen-2.5-7B — мультимодальная разговорная модель, разработанная командой EMOVA. Чекпойнт объединяет базовую модель Qwen2.5-7B-Instruct с компонентом Qwen2-VL и предназначен для диалога по текстовым, визуальным и речевым входам с текстовыми и речевыми ответами. Архитектура — плотная авторегрессионная модель на 7,1 млрд параметров; нативный контекст — 32 768 токенов. Модель рассчитана на мультимодальное понимание, ответы на вопросы об изображениях, разговоры с речевым вводом и генерацию речи с управлением стилем и эмоциями. Для китайского и английского заявлены 24 варианта речевого стиля, включая выбор голоса, высоты тона и эмоции. В карточке также заявлена поддержка чата и интерфейса вызова инструментов. Для работы с чекпойнтом требуется кодовая база EMOVA; репозиторий содержит веса в safetensors и предназначен для использования в исходном формате EMOVA. Лицензия — Apache-2.0. Метаданные указывают text-generation как pipeline_tag, поэтому другие мультимодальные задачи здесь описаны как возможности модели, а не как подтверждённые отдельные pipeline-теги.

EstopianOrcaMaid-13B — слитая модель для генерации текста, созданная автором репозитория с помощью mergekit из KatyTheCutie/EstopianMaid-13B и microsoft/Orca-2-13b. Модель основана на архитектуре Llama и содержит 12,9 млрд параметров; заявленная длина контекста — 4096 токенов. Модель предназначена прежде всего для ролевых диалогов и создания более естественных ответов персонажей. Она использует формат инструкций Alpaca; автор рекомендует настраивать системный промпт под конкретный сценарий. Также модель можно применять для генерации сюжетных сценариев и ответов на инструкции. В карточке заявлена лицензия Microsoft Research License, условия которой распространяются на модель из-за включения Orca-2-13b. Это ограничивает использование условиями данной лицензии.

Fairy2i-W2 — исследовательская 2-битная версия LLaMA 2 7B, разработанная PKU-DS-LAB. Модель преобразует линейные слои исходной вещественной архитектуры в широко-линейную комплексную форму и использует фазовую квантизацию с рекурсивным уточнением остатка. В репозитории указаны 6,6 млрд параметров, архитектура LlamaForCausalLM и контекст 4096 токенов. Модель предназначена для генерации текста с меньшими требованиями к памяти и вычислениям при инференсе. В README заявлены обучение с учётом квантизации на 30 млрд токенов RedPajama и результаты на бенчмарках, близкие к FP16 для LLaMA 2 7B при эффективной точности 2 бита на вещественный параметр. Поддерживаемый язык по метаданным — английский. Это дообучение meta-llama/Llama-2-7b-hf. Для использования применяются библиотека Transformers и специальные файлы загрузки и реализации QAT-слоёв из репозитория. Лицензия — Llama 2 Community License; её условия следует учитывать при распространении и коммерческом применении.

Gemma-4-26B-A4B Musica v1 — дообученная AuriAetherwiing версия Gemma 4 26B A4B IT для ролевых диалогов, генерации историй и художественного письма. Это разговорная модель с поддержкой изображений и выдачей текста; README описывает её как третью модель серии Musica и отмечает творческую прозу и разнообразие вариантов ответа. Модель подходит для отыгрыша персонажей, совместного написания сцен и создания историй. Автор отмечает, что она менее стабильна и хуже справляется с рассуждениями, чем версия Musica 31B, а следование инструкциям бывает непоследовательным. Для генерации автор рекомендует температуру 1, Min-P 0,02 и NSigma 2; штрафы за повторение могут ухудшать результат. Модель основана на google/gemma-4-26B-A4B-it и дообучена с помощью LoRA на наборе данных для SFT. Доступна по лицензии Apache-2.0.

Модель badagoki/gemma-12b-brain-v5 — дообученная мультимодальная модель семейства Gemma 4, опубликованная badagoki. Она предназначена для диалогов с текстовыми и графическими входными данными и генерации текстовых ответов. В метаданных указана архитектура Gemma4ForConditionalGeneration, возможности chat и vision, формат safetensors и английский язык карточки. Модель дообучена на unsloth/gemma-4-e2b-it-unsloth-bnb-4bit с использованием Unsloth и библиотеки TRL. Репозиторий распространяется по лицензии Apache-2.0. README не описывает конкретные обучающие данные, специализированные сценарии, качество или ограничения модели.

Gemma-2-9B-ArliAI-RPMax-v1.1 — чат-модель ArliAI для творческого письма и ролевых диалогов, дообученная на базе gemma-2-9b-it. Обучение проводилось на подобранных наборах данных для художественного письма и ролевых сценариев с упором на разнообразие и удаление повторов; модель рассчитана на гибкое отыгрывание разных персонажей и ситуаций без привязки к одному образу. Модель использует плотную архитектуру Gemma 2 с 9 млрд параметров и контекстом до 8192 токенов. Она принимает текст и генерирует текст, поддерживает формат Gemma Instruct; описание модели указывает, что сведения о персонаже следует включать в первое сообщение пользователя. Репозиторий содержит веса safetensors, лицензия — Gemma. В README также перечислены варианты квантования FP16, GPTQ и GGUF, но текущие метаданные указывают формат safetensors.

Gunulhona/Gemma-3-27B-Text-Only — текстовая языковая модель, созданная слиянием моделей через mergekit методом Arcee Fusion на основе google/medgemma-27b-text-it и модели Gemma-3 proxy. Модель использует плотную архитектуру Gemma 3 с классом Gemma3ForCausalLM, содержит 28,3 млрд параметров и рассчитана на генерацию текста в диалоговом формате. Указанная длина контекста — 131 072 токена. Модель подходит для диалоговых ответов и генерации текста; базовая MedGemma ориентирована на ответы и составление кратких изложений медицинских текстов и разработку приложений для здравоохранения. В README описано слияние, но не приведены отдельные оценки качества или подробности о поведении итоговой модели. Репозиторий содержит веса в формате safetensors и использует Transformers. Сведения о лицензии в предоставленных источниках отсутствуют.

Rangle2/gemma-4-12B-it-uncensored-opus4.7-cot — текстовая генеративная модель, разработанная Rangle2 на основе Google Gemma 4 12B IT. Это QLoRA-дообучение модели gemma-4-12B-it с использованием рассуждений Claude Opus 4.7; исходная модель была подвергнута abliteration для удаления отказов, после чего дообучена на структурированных chain-of-thought-трассах. Распространяется в виде объединённых весов fp16 safetensors и предназначена для запуска через Transformers. Модель ориентирована на задачи пошагового рассуждения, прежде всего STEM, математику и текстовую генерацию на английском языке. Рекомендуется явно просить её рассуждать по шагам и выделять финальный ответ, а также предоставлять не менее 768 токенов для генерации. По заявленным тестам, дообучение частично или почти полностью восстановило потери после abliteration: результат MMLU составил 0,739, GSM8K — 0,920, а WikiText-2 — 1,717 bits/byte. К ограничениям относятся ухудшение генерации кода по сравнению с исходной моделью, повышенная многословность, отсутствие оценки использования инструментов, длинного контекста и неанглоязычных сценариев, а также склонность к самоуверенным ошибкам и редкому отказу от ответа. Защитное поведение модели намеренно удалено, поэтому она может выдавать вредные, оскорбительные или небезопасные результаты и не подходит для использования без собственного защитного слоя, классификации выходов и человеческой проверки. Лицензия указана как gemma; использование должно соответствовать Gemma Terms of Use. Модель предоставляется без гарантий и не предназначена для медицинских, юридических, финансовых или иных критически важных решений.

Novelist-Eclipse — экспериментальная объединённая модель Ateron для генерации текста и разговоров в творческих и ролевых сценариях. Она создана с помощью mergekit на основе нескольких вариантов Gemma 4 31B, включая модели для ролевого общения, настройки стиля и прозы; в README также упомянута настройка lm_head на основе StyleTune. Архитектура — плотная Gemma 4, файлы представлены в формате safetensors. Модель рассчитана на создание художественной прозы и ролевых диалогов с акцентом на описательность, творческую выразительность и последовательность. Метаданные указывают английский язык и поддержку чата. Репозиторий распространяется по лицензии Apache-2.0. README характеризует модель как сырую и экспериментальную; результаты генерации могут быть непоследовательными или содержать клише.

VietAI/gpt-neo-1.3B-vietnamese-news — языковая модель семейства GPT-Neo, опубликованная VietAI. Модель содержит 1,5 млрд параметров и предназначена для генерации текста; README указывает на связь с новостями на вьетнамском языке. Модель использует архитектуру GPTNeoForCausalLM, распространяется в формате PyTorch и имеет контекст длиной 2048 токенов. Карточка не описывает конкретные сценарии применения, детали обучения или результаты оценки. Условия лицензии в предоставленных данных не указаны.

Honey-Yuzu-13B — слитая автором карточки языковая модель для ролевых диалогов и творческой генерации текста. Она построена на архитектуре Mistral и объединяет несколько предварительно обученных моделей, включая Chunky-Lemon-Cookie-11B, Fimbulvetr-11B-v2.1-16K и WestLake-7B-v2; размер по метаданным — 12,3 млрд параметров. Для запросов рекомендуется шаблон Alpaca. Модель рассчитана на ролевые сценарии, где важны связность текста и понимание персонажей. Заявленная длина контекста — 8192 токена; автор отмечает, что её можно расширить с помощью RoPE, но не гарантирует конкретный предел или качество на большей длине. Модель принимает текстовые инструкции и генерирует текст. В карточке не указаны языки обучения или целевые языки. Лицензия — CC BY 4.0; автор описывает модель как личный повседневный инструмент и приводит настройки генерации, но оценка качества носит субъективный характер.

iceberg-1 — модель для генерации прозы в стиле Эрнеста Хемингуэя, созданная на базе Google Gemma 4 E4B Instruct. Это плотная мультимодальная архитектура Gemma 4, адаптированная одним этапом контролируемого дообучения с помощью LoRA ранга 32; обучение проводилось три эпохи в bfloat16 без квантизации и без настройки предпочтений или обучения с подкреплением. Модель предназначена для диалоговых запросов на создание сцен и другой прозы: она стремится отвечать короткими прямыми предложениями, опираясь на диалог и недосказанность. Обучающие примеры были составлены по трём романам Хемингуэя через обратное преобразование текстов в инструкции. В карточке описана проверка на дословное воспроизведение: на указанных тестах совпадений длиннее пяти слов с обучающим корпусом не обнаружено. Небольшой обучающий набор из 918 примеров может сужать способность следовать инструкциям, особенно если запрос не касается прозы. Лицензия репозитория — Gemma; условия базовой модели также применимы. Карточка не сообщает длину контекста и языковой охват.

Inkling-Small-UD-Q4_K_XL-layers — пакет слоёв модели Inkling для распределённого инференса в Mesh LLM. Он создан на основе unsloth/Inkling-Small-GGUF: веса GGUF разбиты на отдельные артефакты, чтобы распределять вычисления и память между машинами локального кластера. Пакет поддерживает чат с изображениями и предназначен для запуска через Mesh LLM, включая локальный API совместимый с OpenAI для запросов chat completions. Вариант UD-Q4_K_XL ориентирован на запуск модели на собственном оборудовании, в том числе когда полный GGUF не помещается на одном узле. Репозиторий содержит части модели и общие файлы для сборки распределённого запуска; это не самостоятельная модель в обычном формате. Лицензия — Apache-2.0. Подробности архитектуры, языков, контекстного окна и качества следует сверять с карточкой исходной модели.

ZeroLoss-Lab разработала Innospark-72b-safety — модель для безопасной генерации текста в образовательном сценарии. Это плотная причинно-языковая модель Qwen2ForCausalLM на 71,5 млрд параметров, основанная на Qwen/Qwen2.5-72B и дополнительно обученная с помощью обучения с подкреплением для безопасного согласования ответов. Модель входит в проект InnoSpark-Safety, который также предусматривает проверку пользовательского ввода, аудит ответов и совместимый с OpenAI API прокси. Модель предназначена для диалоговых приложений и генерации текста с акцентом на безопасные ответы в образовательной среде. Она принимает текст и выдаёт текст, поддерживает английский и китайский языки, а максимальная длина контекста составляет 32 768 токенов. Репозиторий содержит веса в формате Safetensors; метаданные указывают библиотеку Transformers и интерфейс для вызова инструментов. В карточке указана лицензия Apache-2.0. Модель не заменяет отдельные компоненты проверки входных запросов и аудита готовых ответов, предусмотренные рамкой безопасности; конкретные показатели качества и гарантии безопасного поведения в доступных данных не приведены.

InternLM2_5-20B-ArliAI-RPMax-v1.1 — дообученная модель ArliAI на базе internlm2_5-20b-chat, ориентированная на творческое письмо и ролевые диалоги. Обучение проводилось на отобранных наборах данных для творческого письма и RP с упором на разнообразие и удаление дубликатов, чтобы модель могла гибко отыгрывать разные характеры и ситуации. Модель построена на плотной архитектуре InternLM2 и содержит 19,3 млрд параметров. Она принимает текст и ведёт диалог в формате ChatML; метаданные указывают контекстное окно 32 768 токенов, хотя автор сообщает, что обучение этой версии удалось провести лишь с длиной контекста 2 048 токенов. Модель распространяется в формате Safetensors по лицензии Apache 2.0.

kagemusya-7B-v1.5 — модель генерации художественного текста от akineAItech, дообученная на базе Ninja-V3 на корпусе объёмом около 1 ГБ, включавшем веб-романы. Она предназначена прежде всего для написания продолжений романов и создания историй по заданным завязке и жанру. Улучшенная структура датасета, по словам автора, помогает избегать однообразного развития сюжета. Модель также можно использовать для чата с шаблоном vicuna-1.1, однако автор отмечает, что её исходные диалоговые способности снизились до минимального уровня. Это плотная причинно-языковая модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Веса опубликованы в формате safetensors. Модель рассчитана на генерацию текста; README написан на японском, но язык генерации явно не ограничен сведениями в карточке. Лицензия — Apache-2.0.

kev-merged-0.8b — слитая мультимодальная модель на основе jaredpalmer/kev-0.8b и Qwen/Qwen3.5-0.8B-Base. Разработчик объединил адаптер kev-0.8b с базовой моделью, чтобы её можно было использовать без отдельного адаптера; скрипт слияния приложен в репозитории. Архитектура — плотная Qwen3.5ForConditionalGeneration; метаданные указывают интерфейс чата, вызов инструментов и работу с изображениями. Модель предназначена для диалоговых сценариев с текстом и изображениями. В карточке Hugging Face указана задача image-text-to-text и английский язык. Репозиторий содержит веса safetensors, а лицензия — Apache-2.0. Размер модели, длина контекста и конкретные ограничения качества в доступных данных не приведены.

Kord Translate ENTH V2 — 8B — модель KordAI для двустороннего перевода между тайским и английским языками. Она создана дообучением Qwen3-8B с помощью LoRA и дистилляции переводов от DeepSeek-V4-Flash: обучающий набор содержит около 8 тысяч пар, а цепочки рассуждений учителя в него не включены. Модель имеет плотную архитектуру Qwen3ForCausalLM, около 7,6 млрд параметров и контекст до 40 960 токенов. Она принимает текст и выдаёт текст; карточка описывает работу в формате чата с инструкцией на перевод. Модель предназначена для перевода предложений с английского на тайский и с тайского на английский. В оценке на FLORES devtest дообученная версия уступила исходной Qwen3-8B по BLEU и COMET в обоих направлениях. Обучение проводилось на небольшом наборе, а оценка охватывала только предложения общего назначения, поэтому качество на длинных документах и разговорном тайском может быть ограниченным. Модель распространяется по лицензии Apache-2.0.

KPRA-7b — объединённая языковая модель от kainatq, созданная с помощью mergekit методом Model Stock на базе kainatq/Kainoverse-7b-v0.1. В слияние вошли несколько моделей Mistral для ролевого общения, включая RP_Vision_7B, IceCocoaRP-7b, IceDrunkenCherryRP-7b, Synatra-7B, DaturaCookie_7B и InfinityRP-v1-7B. Модель предназначена для генерации текста и ролевого общения. Она построена на плотной архитектуре MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате safetensors; метаданные указывают библиотеку Transformers. Карточка не описывает отдельные гарантии качества или ограничения на применение. Лицензия в предоставленных данных не указана.