I.5Создание и редактирование текста

prithivMLmods разработал SmolLM2-CoT-360M — компактную авторегрессионную языковую модель семейства Llama, дообученную для диалогов и задач рассуждения на синтетическом наборе Deepthink-Reasoning. Модель содержит 361,8 млн параметров, принимает текст и генерирует текст; указанная длина контекста — 8192 токена. Для работы используется библиотека Transformers, веса доступны в формате safetensors. Модель подходит для генерации ответов в чате и выполнения текстовых задач с рассуждением на английском языке, в том числе при локальном запуске на ограниченных ресурсах. Компактный размер облегчает развертывание, однако качество и надёжность рассуждений могут быть ограничены размером модели и обучающими данными. Лицензия — Apache-2.0.

SorcererLM-8x22b-bf16 — диалоговая модель, созданная rAIfle дообучением WizardLM-2-8x22B с помощью LoRA ранга 16 и alpha 32. Автор обучил адаптер на двух эпохах очищенных и дедуплицированных c2-logs, чтобы приблизить стиль письма модели к стилю Claude и улучшить её пригодность для ролевых игр и творческого письма. Выпуск содержит готовые к использованию веса в формате safetensors; для применения не требуется отдельно подключать LoRA. Модель построена на архитектуре Mixtral MoE, содержит 22 млрд параметров и поддерживает контекст до 65 536 токенов. Она принимает текст и генерирует текст в диалоговом формате. Карточка рекомендует шаблон SorcererLM или Vicuna 1.1 и отмечает чувствительность к настройкам сэмплирования; автор сообщает об улучшении относительно базовой модели для ролевых игр, но не приводит количественных оценок. Модель распространяется по лицензии Apache-2.0. README не описывает языковой охват и не даёт подробных гарантий безопасности; перед использованием следует учитывать, что заявленная специализация — ролевые сценарии и стиль генерации, а не универсальная проверка фактов.

Spring24BV.5 — слитая автором OddTheGreat модель на архитектуре Mistral с 23,4 млрд параметров, предназначенная прежде всего для диалогового ролевого взаимодействия. Она ориентирована на сценарии с мрачной атмосферой и персонажами, включая ролевые ситуации с грубой речью и жестокими темами; автор описывает её как в целом нейтральную к пользователю и проверенную также на русском языке. Модель принимает текст и генерирует текст, поддерживает контекст длиной до 131 072 токенов по метаданным; автор отдельно отмечает работу с карточками персонажей и лорбуками, проверенную им на контексте до 10 тысяч токенов. По оценке автора, модель достаточно умна для своего размера и обычно следует инструкциям, но может галлюцинировать и вести себя нестабильно, особенно при высокой температуре; для суммаризации и похожих задач рекомендуется снижать температуру. Качество и стиль ответов зависят от промпта, а для получения подходящего ответа автор иногда использовал несколько генераций. Указана лицензия Apache-2.0.

Step-3.7-Flash-GGUF — квантизированная GGUF-версия мультимодальной модели Step-3.7-Flash, разработанной stepfun-ai и подготовленной сообществом bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для задач vision-language и image-text-to-text: обработки изображений вместе с текстовыми запросами и генерации ответов. В README указана поддержка английского языка и архитектурный признак mixture-of-experts (MoE), однако точные размер, число параметров, длина контекста и перечень поддерживаемых модальностей не приведены. Модель поставляется в большом наборе вариантов квантизации от Q8_0 до Q2_K, включая Q4_K_M как вариант по умолчанию для большинства сценариев. Размер файлов варьируется примерно от 71,74 до 212 ГБ, поэтому для запуска требуются значительные ресурсы. Квантизация снижает требования к памяти по сравнению с исходной моделью, но варианты с меньшей разрядностью могут заметно уступать по качеству; наиболее качественными в README названы Q6_K_L, Q6_K и варианты Q5. Использование предусмотрено через llama.cpp и совместимые приложения, включая LM Studio, KoboldCpp, Jan AI и Text Generation Web UI. Лицензия — Apache-2.0.

lmqg/t5-small-squad-qg-ae — модель на базе T5-small, дообученная библиотекой lmqg для совместной генерации вопросов и извлечения ответов из текста. Она обучена на английском датасете lmqg/qg_squad и предназначена для подготовки вопросов и ответов по контексту, например для создания учебных материалов или наборов данных для контроля понимания прочитанного. Модель содержит 38,5 млн параметров, использует архитектуру T5ForConditionalGeneration и имеет контекст до 512 токенов. В карточке приведены результаты оценки генерации вопросов, пар «вопрос—ответ» и извлечения ответов на lmqg/qg_squad. Модель выпущена под лицензией CC BY 4.0. Качество проверено на указанном датасете; перенос результатов на другие типы текстов не подтверждён.

Tama-JP-beta — разговорная модель для ролевых диалогов и свободного общения, разработанная на основе Qwen3-4B. Это плотная авторегрессионная языковая модель семейства Qwen3 с 3,7 млрд параметров, предназначенная для генерации текста в формате чата. В README указана специализация на иммерсивных ролевых сценариях; для персонажа рекомендуется задавать системный промпт. Модель поддерживает контекст длиной до 262 144 токенов и распространяется в формате Safetensors. В метаданных перечислены английский, китайский и вьетнамский языки; обозначение JP в названии само по себе не подтверждает поддержку японского. Лицензия — MIT. Модель может генерировать контент для взрослых, поэтому её следует применять с учётом аудитории и настроек сервиса.

matchaaaaa/Testarossa-v1-27B — диалоговая модель генерации текста, созданная слиянием моделей Gemma 2 с помощью mergekit. В конфигурации объединены слои Tess-v2.5-Gemma-2-27B-alpha, gemma-2-27b-it-abliterated и Gemmasutra-Pro-27B-v1; архитектура — плотная Gemma 2 для авторегрессионной генерации, размер — 27,6 млрд параметров. Модель рассчитана на чат и ролевые диалоги, в том числе на связное описание действий, реакций и сцен от лица персонажа. Карточка задаёт формат ролевого общения от лица персонажа и допускает откровенный контент и ненормативную лексику. Контекст составляет 8192 токена. Модель принимает текст и генерирует текст; заявленные языки в карточке не определены. Распространяется по лицензии CC BY 4.0.

Thespis-Mistral-7b-Alpha-v0.7 — экспериментальная версия модели Thespis на архитектуре Mistral, опубликованная cgato. Это плотная языковая модель с 7,1 млрд параметров и контекстом до 32 768 токенов; она принимает текст и генерирует текст. В обучающих данных использована смесь примерно из 40% ответов ассистента и 60% ролевых диалогов, включая Pure-Dove Dataset, Claude Multiround 30k, No Robots, OpenOrcaSlim и Augmental Dataset. Модель предназначена для многоходового общения с заданным характером, ролевых диалогов в интернет-стиле и работы в роли чат-ассистента. Автор отмечает улучшение следования инструкциям и связности ответов, а также совместимость со стандартными шаблонами чата Ooba и SillyTavern. Это ранняя версия, в которой продолжается добавление возможностей и улучшение первых ответов. Лицензия — Apache-2.0.

Fathi7ma/tiny-stories-gpt2 — компактная языковая модель GPT-2 small, дообученная на наборе коротких историй TinyStories. Она генерирует короткие художественные рассказы на основе текстовой подсказки и подходит для творческих упражнений, развлечения и создания простого детского контента. Модель принимает текст и продолжает его в виде рассказа. Контекст составляет 1024 токена; в репозитории представлены веса в формате safetensors. Обучение проводилось на английских историях, поэтому модель ориентирована на генерацию на английском языке. Указанная лицензия — MIT.

Iker/TowerInstruct-13B-v0.1-EN2ES — модель на архитектуре Llama, разработанная автором репозитория Iker путём дообучения Unbabel/TowerInstruct-13B-v0.1. Она предназначена для перевода инструкций и ответов с английского на испанский, включая примеры из наборов инструкций. Для дообучения использовано около 1 500 пар запросов и ответов из OpenHermes-2.5, переведённых с помощью GPT-4-0125-preview. Модель содержит 12,9 млрд параметров, работает через Transformers и имеет контекстное окно 8 096 токенов. Репозиторий содержит веса в формате safetensors. Заявление автора о качестве перевода на уровне GPT-4 не сопровождается описанием оценки. Модель может давать неудовлетворительные ответы на очень больших входах; в README также отмечен пример ответа на русском вместо испанского. Лицензия — Apache-2.0.

TowerInstruct-13B-v0.1-EN2ES-i1-GGUF — квантизированная версия модели TowerInstruct-13B-v0.1-EN2ES, разработанной Iker и подготовленной в формате GGUF пользователем mradermacher. Модель дообучена для инструкционного перевода с английского на испанский и связана с датасетом InstructTranslation-EN-ES. Модель содержит около 13 млрд параметров, поддерживает английский и испанский языки и предназначена прежде всего для задач машинного перевода и обработки инструкций в этой языковой паре. Доступно множество вариантов квантизации IQ и Q с размером файлов примерно от 3,0 до 10,8 ГБ. Более компактные варианты требуют меньше памяти, но могут заметно уступать по качеству; в README вариант Q4_K_M обозначен как быстрый и рекомендуемый, а Q4_K_S — как компромисс между размером, скоростью и качеством. Модель поставляется только в виде GGUF-квантов, поэтому для запуска требуется совместимое программное обеспечение. README не содержит сведений об архитектуре базовой модели, размере контекста, поддержке дополнительных модальностей или результатах оценки качества. Лицензия — Apache-2.0.

WindyTranslate/translate-ase-en — модель машинного перевода, опубликованная Windstorm Labs и основанная на Helsinki-NLP/opus-mt-ase-en. Это дообученная MarianMT-модель с 37,9 млн параметров, принимающая текст на языке ase и переводящая его на английский. Контекст модели — 512 токенов. Разработчики объединили с базовыми весами LoRA-дообучение на параллельном корпусе; в репозитории указано изменение 36 из 254 тензоров. Модель предназначена для перевода в направлении ase → en и загружается через Transformers из safetensors. Лицензия — Apache-2.0. Качество перевода пока не оценивалось бенчмарками, поэтому пригодность результата для конкретных задач не подтверждена. Модель поддерживает только одно направление перевода.

Windstorm Labs публикует модель машинного перевода с английского языка на эфик. Это дообученная модель семейства MarianMT с архитектурой MarianMTModel и 53,4 млн параметров; она принимает текст и генерирует перевод. Для дообучения использован параллельный корпус, а LoRA-изменения объединены с весами базовой модели Helsinki-NLP/opus-mt-en-efi. Репозиторий содержит сборку Transformers в формате safetensors; контекст — до 512 токенов. Модель предназначена для перевода текста с английского на эфик. Направление перевода одно, качество пока не оценено: проверка подтверждает язык выдачи, но не точность и естественность перевода. Модель распространяется по лицензии Apache-2.0.

WindyTranslate/translate-en-pag — модель машинного перевода Windstorm Labs с английского языка на пангасинанский. Она основана на Helsinki-NLP/opus-mt-en-pag: к исходным весам применили дообучение LoRA на параллельных данных, а адаптер объединили с базовой моделью. Модель MarianMT содержит 54,6 млн параметров, принимает текст и выдаёт перевод; для загрузки доступны веса safetensors в формате Transformers. Лицензия — Apache-2.0. Модель предназначена для перевода с английского на пангасинанский. В карточке приведена предварительная оценка на 48 предложениях FLORES-200: chrF++ 36,76 и BLEU 10,57; это скрининговый результат, а не полноценная публикационная оценка. Модель поддерживает только одно направление перевода, и качество дообучения не гарантируется одним лишь объёмом модели или данными.

WindyTranslate/translate-es-sm — модель машинного перевода с испанского на самоанский, опубликованная Windstorm Labs. Это дообученная версия Helsinki-NLP/opus-mt-es-sm: LoRA-дообучение на параллельных текстах объединено с исходными весами. Модель MarianMT содержит 55 млн параметров, принимает текст и предназначена для одного направления перевода — с испанского на самоанский. Длина контекста составляет 512 токенов; веса доступны в формате safetensors и загружаются через Transformers. В проверке на 48 примерах FLORES-200 модель получила chrF++ 30,76 и BLEU 10,37; авторы обозначают результат как пригодный для использования, но подчёркивают, что это скрининговая оценка, а не результат публикационного исследования. Модель распространяется по лицензии Apache-2.0. Качество перевода зависит от текста, а указанная оценка основана на небольшой выборке.

WindyTranslate/translate-fi-sl — модель машинного перевода, опубликованная Windstorm Labs. Она преобразует текст с финского языка на словенский и подходит для перевода предложений и других текстовых фрагментов в этом направлении. Модель построена на архитектуре MarianMT, содержит 55,5 млн параметров и использует контекст до 512 токенов. Это дообучение Helsinki-NLP/opus-mt-fi-sl: LoRA-адаптер обучили на параллельном корпусе и объединили с базовыми весами. В репозитории доступна сборка Transformers в формате safetensors. По оценке на 48 предложениях FLORES-200 dev модель получила chrF++ 46,23 и BLEU 20,37; это предварительная проверочная оценка. Лицензия — Apache-2.0. Модель поддерживает только направление перевода с финского на словенский; небольшой объём тестовой выборки не позволяет считать приведённые метрики полноценным исследовательским результатом.

episod/tt-tnt — небольшая языковая модель, разработанная Episod и обученная с нуля на одном ускорителе Tenstorrent Blackhole. Это плотная авторегрессионная модель архитектуры в стиле Llama 3 с RoPE, RMSNorm, SwiGLU и grouped-query attention; в ней около 22 млн параметров, контекстное окно — 2048 токенов. Модель обучалась на смеси из девяти источников англоязычных историй, книг, поэзии и Википедии и предназначена для продолжения текста, в частности простых историй и повествовательных фрагментов. Это базовая модель завершения текста без дообучения на инструкциях и без чат-шаблона: ей следует передавать начало текста, а не задавать вопросы. В оценке модель иногда подхватывает детали запроса, но наивная генерация может зацикливаться на повторах; выборка с температурой обычно ведёт себя лучше, чем жадное декодирование. Завершение текста по EOS работает лишь частично: многие генерации всё ещё доходят до заданного лимита. Лицензия — Apache-2.0.

XYZAILab_XYZ-Aquila-pro-GGUF — это GGUF-квантизированная версия модели XYZ-Aquila-pro, разработанной XYZAILab. Квантизацию выполнил bartowski с использованием llama.cpp b10173 и метода imatrix. По указанному pipeline_tag модель предназначена для задач image-text-to-text, то есть для обработки входов, включающих изображения и текст, с генерацией текстовых ответов. Модель распространяется в нескольких вариантах квантизации от Q8_0 до Q2_K и IQ-квантов. Размер файлов зависит от варианта и составляет примерно от 139,50 до 421,58 ГБ; многие варианты разделены на несколько частей. Более высокие уровни квантизации обычно обеспечивают лучшее качество, тогда как младшие варианты требуют меньше оперативной памяти, но характеризуются заметно более низким качеством. В README не указаны число параметров, архитектура, поддерживаемые языки и размер контекста. Модель совместима с llama.cpp и рядом приложений для локального запуска, включая LM Studio, KoboldCpp, Jan AI и Text Generation Web UI. Для работы может потребоваться обновление программ с поддержкой этой модели. Лицензия — Apache-2.0.

10.7B Loyal Mistral Maid v0.2-A — экспериментальная объединённая языковая модель, созданная автором xxx777xxxASD на основе Mistral Instruct SelfMerge и Loyal Toppy Maid. В README описана попытка объединить ролевые возможности Undi95/Toppy-M-7B и SanjiWatsuki/Loyal-Macaroni-Maid-7B, сохранив контекст и возможности mistralai/Mistral-7B-Instruct-v0.2. В метаданных указаны архитектура MistralForCausalLM, 10,6 млрд параметров и контекст 32 768 токенов. Модель предназначена для генерации текста в диалогах и ролевых сценариях на английском языке. Веса опубликованы в формате safetensors, лицензия — Apache-2.0. README также упоминает вариант ExL2 с квантованием 6.0 bpw; это не подтверждает, что сам репозиторий содержит именно этот формат.

Карточка модели yyh0901/666 на Hugging Face совпадает с карточкой yyh0901/lloma_step50, поэтому описание составлено по ней. yyh0901/lloma_step50 — языковая модель для генерации текста на базе архитектуры LLaMA. Это чекпойнт LLaMA 2 7B, обученный 50 шагов для работы с увеличенным контекстом. Модель содержит 6,6 млрд параметров, использует плотную архитектуру LlamaForCausalLM и формат safetensors; заявленная длина контекста составляет 65 536 токенов. Модель предназначена для продолжения текста и генерации ответов с учётом длинного входного контекста. Её можно применять в экспериментах с обработкой длинных документов и запросов. Для использования указана лицензия Apache 2.0. README не сообщает о поддерживаемых естественных языках или результатах оценки качества.

AceGPT-13B — модель генерации текста на 12,9 млрд параметров, разработанная исследователями School of Data Science CUHKSZ, Shenzhen Research Institute of Big Data и KAUST. Это полностью дообученная плотная модель архитектуры LLaMA 2, предназначенная для работы с арабским языком; данный репозиторий содержит базовую версию AceGPT, а не диалоговую разновидность AceGPT-chat. Модель принимает текст и генерирует текст. В карточке приведены результаты оценки на арабских бенчмарках MMLU и EXAMs; модель подходит для генерации ответов и решения текстовых задач на арабском языке. Контекст — 2048 токенов. Доступна в формате PyTorch по лицензии Apache-2.0. Ограничения: модель ориентирована прежде всего на арабский язык, а результаты из карточки относятся к указанным академическим бенчмаркам и не гарантируют качество в других сценариях. Контекст ограничен 2048 токенами.

AI-translator-9ja-to-eng — дообученная модель HelpMumHQ для перевода текстов с йоруба, игбо и хауса на английский. Она основана на encoder-decoder архитектуре M2M100 и содержит 332,5 млн параметров; поддерживает контекст до 1024 токенов. Модель обучалась на 1,5 млн пар предложений из открытых параллельных корпусов и специализированных подборок для этих трёх языков. Модель предназначена для перевода на английский и для подготовки текстов на йоруба, игбо и хауса к взаимодействию с языковыми моделями. Репозиторий содержит веса Safetensors и использует библиотеку Transformers. Лицензия — MIT. Качество зависит от сложности и тематики текста; оно может снижаться на очень длинных предложениях и при неоднозначном контексте.

Asmodeus-24B-v1 — текстовая языковая модель DarkArtsForge на архитектуре MistralForCausalLM, созданная слиянием нескольких дообученных моделей Mistral методом DELLA с помощью mergekit. В основе объединения лежит Mistral-Small-3.2-24B-Instruct-2506-Text-Only; метаданные указывают 23,4 млрд параметров и контекст до 131 072 токенов. Для диалогов рекомендуется шаблон Mistral Tekken. Модель предназначена для генерации текста, творческой прозы и ролевых диалогов. Автор отмечает естественный стиль с абзацами и широкое следование запросам; карточка также прямо указывает на генерацию откровенного сексуального и графически жестокого контента и на отсутствие отказов. Поддерживается английский язык. Репозиторий содержит веса Safetensors, а лицензия — Apache-2.0.

Austral 4.5B Winton — текстовая модель Delta-Vector для диалоговых ролевых игр, приключений и творческого письма. Это плотная авторегрессионная модель семейства Arcee с 6 млрд параметров по метаданным; в README разработчик называет её версией размером 4,5 млрд параметров. Модель дообучена на базе Delta-Vector/Austral-AFM-SFT в несколько этапов: SFT, затем KTO. Для диалогов используется формат ChatML. Модель рассчитана на ведение ролевых сцен и приключений: по описанию разработчика, она хорошо работает с карточками приключений, активнее продвигает сюжет и получила дополнительные знания о ролевых сценариях. В обучении использовались наборы данных для ролевых диалогов, совместного письма и художественных текстов. Модель принимает текст и генерирует текст; заявленный контекст — 65 536 токенов, основной язык в карточке — английский. Опубликована в формате safetensors и распространяется по лицензии Apache-2.0. Оценка преимуществ основана на описании разработчика; независимые результаты тестирования в карточке не приведены. README также упоминает квантизованные варианты GGUF и EXL3, но они не указаны как форматы файлов этого репозитория.

KBLab/bert-base-swedish-cased-alpha — языковая модель семейства ALBERT, разработанная KBLab Национальной библиотеки Швеции. Она предназначена для работы со шведским текстом; метаданные указывают задачу fill-mask, архитектуру BertForMaskedLM, 151,6 млн параметров и контекст до 512 токенов. Карточка относит модель к alpha-версии и показывает использование через Transformers для предсказания замаскированных токенов. Модель обучалась с сохранением регистра и whole word masking. Её можно применять для подстановки пропущенных слов и как основу для дообучения на шведские задачи обработки языка. В карточке репозитория лицензия не указана; описание моделей KBLab характеризует alpha-вариант как первую попытку ALBERT для шведского языка.

Bielik-11B-v3-Base-20250730 — базовая генеративная языковая модель с 11 млрд параметров, разработанная проектом SpeakLeash совместно с вычислительным центром ACK Cyfronet AGH. Это причинная модель с архитектурой decoder-only, инициализированная из Mistral-7B-v0.2 и дополнительно предварительно обученная на польских текстовых корпусах SpeakLeash и части CommonCrawl. Модель предназначена для дальнейшей тонкой настройки под конкретные сценарии. Она рассчитана на 32 европейских языка и оптимизирована для польского; может служить основой для создания систем генерации текста и диалоговых приложений после адаптации. Репозиторий использует библиотеку Transformers и формат safetensors. Модель распространяется по лицензии Apache 2.0 и условиям использования. Поскольку это базовая модель, её поведение в прикладных задачах зависит от последующей настройки; карточка не приводит сведений о длине контекста.

CardThinker-32B-v3 — дообученная WoonaAI модель семейства Qwen2 на базе Qwen/QwQ-32B, предназначенная для создания и редактирования карточек персонажей для SillyTavern и ролевых сценариев. Модель имеет 32 млрд параметров, принимает текст и генерирует текст; заявленная длина контекста — 131 072 токена. Карточка описывает английский язык, шаблон диалога ChatML и режим рассуждений, который можно включить специальным началом ответа. Модель подходит для проработки логичных, подробных персонажей, генерации творческих идей и редактирования карточек с соблюдением инструкций. Автор отмечает сильные навыки творческого письма и склонность к позитивному смещению: отрицательные черты персонажей могут получаться слишком мягкими, поэтому их лучше задать самостоятельно и попросить модель развить. Лицензия — Apache-2.0.

C-Based-2x7B — языковая модель для генерации текста, созданная Undi95. Автор объединил MixTAO-7Bx2-MoE-v8.1 с собственной MoE-моделью, обученной на данных обратной связи Chaiverse. Модель рассчитана прежде всего на реалистичное общение и ролевые сценарии, включая ERP; также заявлены интеллект и широкий спектр применений. Используется шаблон запросов Alpaca. Архитектура — Mixtral MoE; в метаданных указано 7,1 млрд параметров и контекст до 32 768 токенов. Репозиторий содержит веса в формате safetensors, а README описывает исходные файлы как fp16. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Автор называет её экспериментальной «frankenmoe» и не приводит оценок итогового качества.

Celeste-12B-V1.6 — дообученная модель на базе Mistral NeMo 12B Instruct, созданная автором репозитория nothingiisreal. Она предназначена для диалогового письма, ролевых игр, создания художественных сцен и следования инструкциям в формате OOC. Автор отмечает хорошую связность ответов и управляемость персонажа; модель обучали с контекстом 8K, а в метаданных указан native context 1 024 000 токенов, поэтому для практического использования длина контекста может зависеть от среды запуска. Модель использует плотную архитектуру MistralForCausalLM, содержит 12,1 млрд параметров и принимает текстовые сообщения в формате ChatML, выдавая текст. Основной язык карточки — английский. Модель подходит для SFW- и NSFW-ролевых сценариев по запросу пользователя и поддерживает Apache-2.0. Автор указывает, что форматирование первых сообщений может требовать правки, ответы заметно различаются при повторной генерации, а при повторах рекомендуется увеличить repetition penalty.

Chaifighter-20B-v2 — плотная языковая модель семейства Llama с 19,3 млрд параметров, созданная автором карточки слиянием предварительно обученных моделей через mergekit. В состав слияния вошли Gryphe/MythoMist-7b, KatyTheCutie/LemonadeRP-4.5.3, SanjiWatsuki/Kunoichi-7B и Sao10K/Fimbulvetr-11B-v2; в метаданных последняя указана как базовая модель. Репозиторий содержит веса safetensors, лицензия — Apache-2.0. Модель предназначена прежде всего для длинных ролевых диалогов и генерации развёрнутого, творческого текста. Она принимает текстовые инструкции в шаблоне Alpaca и выдаёт текст; автор отмечает, что качество зависит от подробности контекста и описания персонажа. Максимальное окно контекста — 4096 токенов. Автор указывает, что модель менее подходит для коротких ролевых реплик.