I.5Создание и редактирование текста

Gemma-4-E4B-Nightcap — модель для ролевого диалога и творческого письма, созданная andyoneal слиянием трёх дообученных вариантов Gemma 4 E4B. Это плотная модель семейства Gemma 4, собранная методом task arithmetic на основе google/gemma-4-E4B-it; веса сохранены в формате safetensors и поддерживается библиотекой Transformers. Мультимодальные компоненты базовой модели унаследованы, однако описанное дообучение затрагивало языковую часть, а основное назначение модели — генерация текста. Модель ориентирована на диалоги с персонажами, ролевые сценарии и художественные продолжения. Карточка отмечает сильные стороны в приземлённых сценах, выразительном голосе персонажа, комедийном тайминге и прямых ответах. В слепом сравнении на 24 ролевых сценариях она показала результаты на уровне ведущего родительского варианта; тот сохраняет преимущество в лирической атмосфере и литературном продолжении. Наиболее заметное ограничение — смешение голосов нескольких персонажей, заданных одной карточкой. Для модели указана лицензия Gemma; условия её использования определяются лицензией Gemma 4.

GLM-Edge-V-2B-GGUF — мультимодальная модель семейства GLM, опубликованная организацией zai-org. Она предназначена для задач image-text-to-text: обработки изображений и текста с генерацией текстовых ответов. Модель доступна в формате GGUF и ориентирована на запуск локально через llama.cpp-совместимые инструменты. Заявленный размер модели — 2 млрд параметров. Поддерживаются китайский и английский языки. В README не указаны точная архитектура, максимальная длина контекста, перечень поддерживаемых форматов изображений и результаты оценивания качества, поэтому производительность в конкретных сценариях определить нельзя. К сильным сторонам относятся компактный размер, мультимодальность и возможность локального запуска с аппаратным ускорением. Ограничением является то, что адаптация модели интегрируется в llama.cpp и на момент публикации предлагается использовать специальную ветку проекта, поэтому совместимость и удобство эксплуатации могут отличаться от стандартной версии llama.cpp. Использование весов регулируется условиями лицензии GLM-4, указанными в файле LICENSE.

GPT-2 — дообученная Imran1 модель генерации текста на корпусе новостей на урду. Она обучалась с причинно-языковой целью на 1000 примерах и предназначена для продолжения и генерации текстов в новостном стиле на урду. Модель использует архитектуру GPT-2, представлена в форматах PyTorch и Safetensors и имеет контекст длиной 1024 токена. Автор сообщает о тренировочной потере 3,042 и предупреждает, что из-за малого объёма данных качество может быть невысоким. Лицензия — MIT.

GPT-J 6B — авторегрессионная плотная трансформерная языковая модель, разработанная EleutherAI и обученная с помощью Mesh Transformer JAX. Она содержит около 6,05 млрд параметров и 28 слоёв; в архитектуре используются 16 голов внимания и Rotary Position Embedding. Модель принимает текстовый запрос и предсказывает продолжение, с контекстом до 2048 токенов. Модель предназначена прежде всего для генерации текста по текстовому промпту и извлечения языковых признаков для последующих задач. Она обучена на англоязычном наборе The Pile и лучше всего работает с английским текстом; для перевода и генерации на других языках разработчики её не рекомендуют. GPT-J 6B не настроена на следование инструкциям или диалоговое поведение, а ответы могут быть фактически неверными, оскорбительными или содержать предвзятости, поэтому результаты требуют проверки и фильтрации. Веса доступны в форматах PyTorch, TensorFlow и Flax. Лицензия — Apache-2.0.

Huihui-Qwen-AgentWorld-35B-A3B-abliterated — это версия Qwen/Qwen-AgentWorld-35B-A3B, созданная Huihui AI с помощью abliteration, чтобы снизить склонность модели отказываться от ответов. Это экспериментальная проверка концепции; автор описывает метод как грубую реализацию удаления отказов без TransformerLens. Модель построена на архитектуре Qwen 3.5 MoE и предназначена для генерации текста в диалогах и сценариях симуляции сред и действий агента. Она также предоставляет интерфейс вызова инструментов. В README не приведены сведения о размере активной части модели, контексте и поддерживаемых естественных языках. У модели существенно снижена фильтрация безопасности, поэтому она может выдавать чувствительный, спорный или неподходящий контент; ответы требуют проверки. Лицензия — Apache-2.0.

IceAbsintheRP-7b — объединённая авторская модель Icefog72 для диалоговой генерации текста и ролевых сценариев. Она основана на Mistral v0.2 и создана методом Model Breadcrumbs merge из нескольких моделей серии Ice0; архитектура — плотная MistralForCausalLM, размер — 7,1 млрд параметров. Модель поддерживает контекст до 32 768 токенов и рассчитана на формат Alpaca, а автор рекомендует настройки SillyTavern для более подходящих результатов. Модель предназначена для ролевых диалогов и генерации художественного текста. По оценке автора, качество небольших и средних моделей снижается после 16 тысяч токенов, а после 21 тысячи ухудшается быстрее; для оптимальных результатов рекомендуется ограничить контекст примерно 21 тысячей токенов. Доступны варианты квантования EXL2 и GGUF. Лицензия CC BY-NC 4.0 разрешает некоммерческое использование с указанием авторства.

IceWhiskeyRP-7b — объединённая разговорная языковая модель на базе Mistral, опубликованная пользователем icefog72. Она предназначена для ролевого общения и генерации текста; автор сообщает, что модель рассчитана на контекст порядка 16–25 тысяч токенов и может работать с окном до 32 тысяч токенов. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и распространяется в формате safetensors; в карточке также упомянуты варианты ExL2 и GGUF. Модель объединяет Ice0.14-02.10-RP и Ice0.13-02.10-RP методом SLERP. Подходит для ролевых диалогов и создания художественных сцен. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. Метки карточки предупреждают, что модель не предназначена для всех аудиторий и ориентирована на контент для взрослых.

IndicTrans2 Indic-En Distilled 200M — дистиллированная модель машинного перевода семейства IndicTrans2, опубликованная пользователем Raghavan. Она предназначена для перевода с индийских языков на английский. Модель построена на архитектуре IndicTransForConditionalGeneration; число параметров — около 200 млн. В метаданных указаны языковые коды ассамского, бенгальского, бодо, догри, английского, конкани, гуджарати, хинди, каннада, кашмири, майтхили, малаялам, манипури, маратхи, непальского, ория, панджаби, санскрита, сантали, синдхи, тамильского, телугу и урду. Модель подходит для перевода текстов на английский, включая сценарии, представленные наборами FLORES-200, IN22-Gen и IN22-Conv. Для использования требуется совместимая реализация IndicTrans2 для Transformers. Дистиллированный вариант ориентирован на более компактное выполнение перевода; конкретные показатели качества в карточке не приведены. Лицензия — MIT.

Italian ModernBERT — базовая модель семейства ModernBERT, разработанная DeepMount00 и предварительно обученная на итальянских текстовых корпусах. Она предназначена для языковых задач на итальянском языке, включая заполнение пропусков в тексте и классификацию последовательностей. Модель использует плотную архитектуру ModernBERT с 22 слоями и примерно 134,9 млн параметров. Контекстное окно составляет 8192 токена; применяются RoPE и чередование локального и глобального внимания. Токенизатор оптимизирован для итальянского языка, а для ускорения вычислений поддерживается Flash Attention 2. Модель рассчитана на итальянский язык и не подходит для других языков. Результаты могут отражать смещения обучающих данных. Лицензия — Apache 2.0.

KansenSakura-Symbiosis-12B — экспериментальная слитая языковая модель Valeciela для англоязычных ролевых и разговорных диалогов. Она создана методом Multi-SLERP на основе Retreatcost/KansenSakura-Zero-RP-12b с добавлением Retreatcost/KansenSakura-Erosion-RP-12b, Retreatcost/KansenSakura-Eclipse-RP-12b и Retreatcost/KansenSakura-Radiance-RP-12b. Модель использует плотную архитектуру MistralForCausalLM и содержит 12,1 млрд параметров. По метаданным её нативный контекст составляет 1 024 000 токенов; карточка также указывает формат safetensors, а README упоминает варианты GGUF Standard и Q6_K_XL. Предназначена для генерации текста и ролевых сцен на английском языке. Автор отмечает экспериментальный статус и рекомендует использовать модель на свой риск. Лицензия — Apache-2.0.

KL3M 500M Conservative, Step 100000 — языковая модель семейства Llama, разработанная Alea Institute для генерации текста в юридическом контексте, в частности для работы с договорами. Модель содержит около 500 млн параметров, использует Grouped Query Attention и рассчитана на контекст до 4096 токенов. Веса представлены в формате Safetensors; лицензия — Apache-2.0. Это чекпойнт после 100 000 шагов обучения, охватывающих 8,32 млрд токенов. При обучении применялись оптимизатор Muon и spectral clamping, а также label smoothing, entropy bonus и нормализация активаций. Карточка не описывает конкретные результаты оценки качества, поэтому пригодность для юридических сценариев стоит проверять на собственных документах.

KONI-Llama3-8B-Instruct-20240729 — диалоговая языковая модель, разработанная Корейским институтом науки и технологий информации (KISTI) для задач в области науки и технологий. Она основана на объединённой KONI-Llama3-8B-Merged-20240724, созданной из Meta-Llama-3-8B и KONI-Llama3-8B-20240630, и дообучена с помощью SFT и DPO на примерно 11 тысячах примеров SFT и 7 тысячах примеров предпочтений DPO. Модель использует плотную архитектуру Llama, содержит 7,5 млрд параметров и работает с контекстом до 8192 токенов. Она предназначена для ответов на вопросы, диалога и помощи с научно-технической информацией; основным языком является корейский. По результатам LogicKor авторы сообщают о сильных показателях в рассуждениях, математике и письме среди публичных моделей класса 8B на дату публикации результатов. Модель распространяется в формате Safetensors по лицензии Llama 3. Ее специализация на научно-технических данных и корейском языке ограничивает применимость в других областях и языках; приведённые результаты бенчмарка заявлены авторами и не гарантируют качество на конкретных задачах.

grimjim/kukulemon-spiked-9B — экспериментальная слитая языковая модель на архитектуре Mistral, созданная автором с помощью mergekit из слоёв grimjim/kukulemon-7B. Модель содержит 8,9 млрд параметров и поддерживает контекст до 8192 токенов; в карточке описаны шаблоны запросов ChatML и Alpaca. Модель предназначена для генерации текста, в частности творческих ролевых диалогов и повествования с нестабильными персонажами и ситуациями. Автор сообщает, что при ограниченном тестировании ответы были связными и устойчивыми, но характеризует результат слияния как частично успешный. Модель доступна в формате safetensors; README также упоминает варианты GGUF и EXL2. Лицензия CC-BY-NC-4.0 запрещает коммерческое использование.

Vdr1/L3-8B-Sunfall-v0.4-Lunar-Stheno — экспериментальная чат-модель на базе Llama 3, созданная слиянием Sunfall L3 8B LoRA версии 0.4 от crest4all с HiroseKoichi/L3-8B-Lunar-Stheno. Модель предназначена для генерации текста в диалогах и ролевых сценариях. Репозиторий содержит веса Safetensors; в карточке также упомянуты варианты GGUF, подготовленные автором и mradermacher. Модель имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекст до 8192 токенов. Карточка помечает её как экспериментальную и предназначенную не для любой аудитории; конкретные языки и условия лицензии в предоставленных данных не указаны.

L3-Uncen-Merger-Omelette-RP-8B-EXPERIMENTAL — экспериментальная текстовая модель Casual-Autopsy, созданная с помощью mergekit путём слияния нескольких моделей семейства Llama 3. В состав входят модели для ролевого общения и генерации творческого текста; при слиянии применялись Dare Ties, SLERP и Task Arithmetic с уплотнением слияния. Модель предназначена для генерации текста в диалогах и ролевых сценариях, в том числе с откровенным содержанием. Она содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM, принимает текст и генерирует текст; заявленное контекстное окно — 8192 токена. В карточке указан английский язык. Модель распространяется в формате Safetensors; сведения о лицензии в предоставленных данных отсутствуют.

L3-Uncen-Merger-Omelette-RP-v0.1-8B — слитая разговорная языковая модель, созданная автором репозитория с помощью mergekit из нескольких моделей семейства Llama 3 8B. В состав входят модели, настроенные на ролевые диалоги и творческую генерацию; для объединения применялись Dare Ties, SLERP и Task Arithmetic. Модель содержит около 7,5 млрд параметров и использует архитектуру LlamaForCausalLM. Модель предназначена для генерации текста в диалогах и ролевых сценариях, в том числе с откровенным содержанием. Она принимает текст и генерирует текст; в метаданных указан английский язык. Заявленная длина контекста — 32 768 токенов. В репозитории опубликованы веса Safetensors, а библиотека запуска — Transformers. Составной характер слияния ориентирован на разнообразие и творческую генерацию, однако README не приводит количественных оценок качества или подробных результатов тестирования. Модель распространяется по лицензии Llama 3; теги репозитория предупреждают, что она подходит не для любой аудитории.

Laymonade-7B — объединённая языковая модель на архитектуре Mistral, созданная с помощью mergekit методом SLERP. В слияние вошли l3utterfly/mistral-7b-v0.2-layla-v4 и KatyTheCutie/LemonadeRP-4.5.3; модель содержит 7,1 млрд параметров и принимает текстовый контекст длиной до 32 768 токенов. Модель предназначена для выдуманных историй и ролевых диалогов. Разработчики стремились сделать ответы менее шаблонными и снизить частоту отказов. Она генерирует текст и подходит для интерактивного творческого письма и ролевого общения. Дата публикации на Hugging Face — 27 марта 2024 года. Слияние основано на моделях, ориентированных на ролевые диалоги, поэтому модель рассчитана на художественные сценарии, а не на гарантированно точные фактические ответы. В метаданных отмечено ограничение аудитории; точная лицензия в предоставленных данных отсутствует.

Это дообученная модель LiquidAI/LFM2.5-1.2B-Base, созданная для генерации диалоговых ответов с выраженной высокой доброжелательностью. Модель семейства LFM2 имеет плотную архитектуру и около 1,5 млрд параметров; она предназначена для запуска через Transformers и поддерживает контекст до 128 000 токенов. Модель подходит для генерации ответов в чатах и сценариев, где требуется доброжелательный стиль общения. В README приведён пример генерации ответа на вопрос пользователя. Данных о поддерживаемых языках и результатах оценивания нет, поэтому качество и языковой охват по карточке определить нельзя. Лицензия в доступных данных не указана.

PsiPi/liuhaotian_llava-v1.5-13b-GGUF — это GGUF-сборка мультимодальной модели LLaVA-v1.5-13B, разработанной в рамках проекта LLaVA. Модель представляет собой авторегрессионную трансформерную языковую модель, дообученную на базе LLaMA/Vicuna с использованием синтетических мультимодальных инструкций, созданных GPT. Версия 13B обучалась в сентябре 2023 года. Модель предназначена для исследовательских задач и создания чат-ботов, работающих с текстом и изображениями, включая визуальные вопросы и ответы, следование мультимодальным инструкциям и академические задачи компьютерного зрения. В обучении использовались отфильтрованные пары изображение–текст из LAION/CC/SBU, GPT-сгенерированные мультимодальные инструкции, наборы данных для VQA и данные ShareGPT. Оценивание проводилось на 12 бенчмарках, включая академические VQA-наборы и тесты следования инструкциям для мультимодальных языковых моделей. Репозиторий содержит GGUF-файлы для запуска LLaVA-v1.5-13B через llama.cpp без дополнительных зависимостей; для мультимодального инференса также используется файл mmproj-model-f16.gguf. В README не указаны поддерживаемые языки и размер контекстного окна. Модель ориентирована прежде всего на исследователей и энтузиастов в области компьютерного зрения, обработки естественного языка и машинного обучения. Распространение заявлено по лицензии Llama 2 Community License; структура mmproj-файла обозначена как экспериментальная и может измениться в новых версиях llama.cpp.

MSALab подготовила репозиторий с переформатированными весами GSAI-ML/LLaDA-8B-Instruct — плотной диффузионной языковой модели семейства LLaDA с 7,5 млрд параметров. Текстовая модель принимает текст и генерирует текст; её контекст составляет 16 384 токена, а карточка указывает английский язык. Веса функционально идентичны исходной модели. Изменены названия параметров, индексный файл и конфигурация, чтобы привести контрольную точку к формату LLM-компонента LLaDA-V и подключать её как языковую основу в конвейере обучения и инференса PerceptionDLM. Она подходит для генерации текста и диалоговых сценариев в совместимом конвейере. Репозиторий предназначен прежде всего для использования в PerceptionDLM; для автономной генерации README отсылает к исходному репозиторию LLaDA. Лицензия — MIT.

elinas/llama-30b-hf-transformers-4.29 — преобразованные в формат Transformers исходные веса первой версии LLaMA, разработанной командой FAIR в Meta AI. Это плотная авторегрессионная языковая модель на архитектуре Transformer с 32,3 млрд параметров; репозиторий содержит веса PyTorch и использует реализацию токенизатора LlamaTokenizerFast. Контекст составляет 2048 токенов. Модель предназначена прежде всего для исследований больших языковых моделей и экспериментов с генерацией текста, ответами на вопросы, пониманием и чтением текстов. Она обучалась преимущественно на английских данных, хотя обучающий корпус охватывает 20 языков, включая русский; качество может различаться между языками и диалектами. Это базовая модель без обучения на человеческой обратной связи. Она может генерировать неверную, токсичную, оскорбительную или предвзятую информацию и не предназначена для непосредственного использования в критически важных приложениях без дополнительной оценки рисков и мер защиты. Лицензия — специальная некоммерческая лицензия Meta.

ArliAI разработала Llama-3.1-8B-ArliAI-RPMax-v1.1 — диалоговую модель для творческого письма и ролевых сценариев на основе Meta-Llama-3.1-8B. Модель дообучена на разнообразных наборах данных для творческого письма и ролевых игр; при подготовке данных уделялось внимание разнообразию и удалению повторов. Версия 1.1 исправляет обучение слоя эмбеддингов и lm_head в версии 1.0. Модель использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 131 072 токенов. Она генерирует диалоговые ответы в формате Llama 3 Instruct и рассчитана на выразительные, разнообразные и менее повторяющиеся ролевые реплики. README рекомендует полные веса или GPTQ; для репозитория указаны веса safetensors. Лицензия — Llama 3. Ограничения: заявленные преимущества основаны на описании и ранних отзывах пользователей; в карточке нет подробной оценки качества для других задач или перечня поддерживаемых естественных языков.

Это мультимодальная instruct-модель семейства Llama 4 Maverick, подготовленная сообществом mlx-community в формате MLX с 4-битными весами. README сообщает, что модель преобразована из meta-llama/Llama-4-Maverick-17B-128E-Instruct с помощью mlx-vlm 0.1.21; в метаданных базовая модель указана как meta-llama/Llama-4-Maverick-17B-128E. Архитектура — Llama4ForConditionalGeneration; доступны диалоговый режим, интерфейс вызова инструментов и работа с изображениями. Модель предназначена для диалогов и задач понимания изображений: описания визуального содержимого и ответов на вопросы по изображениям. Она принимает текст и изображения и генерирует текст. Метаданные указывают поддержку арабского, немецкого, английского, испанского, французского, хинди, индонезийского, итальянского, португальского, тайского и вьетнамского языков. README не приводит длину контекста или число параметров этой версии. Лицензия в метаданных обозначена как other; условия следует сверять с карточкой исходной модели Meta.

llama-lexi-star-uncensored-8b-slerp — разговорная модель на основе архитектуры Llama 3, созданная liminerity слиянием методом SLERP моделей Orenguteng/Llama-3-8B-LexiFun-Uncensored-V1 и liminerity/llama-3-8b-silent-star. Она предназначена для генерации текста в диалогах, юмористического и саркастичного общения, а также ролевых сценариев. Модель содержит 7,5 млрд параметров, принимает текст и выдаёт текст; заявленная длина контекста — 8192 токена. Модель ориентирована на разговорное использование и помечена как uncensored. В метаданных указана лицензия модели? Условия лицензирования в предоставленных данных отсутствуют.

MergekitCloud/mergekit-14 — объединённая языковая модель на архитектуре Llama, созданная методом Model Stock с помощью mergekit. В качестве базовой использована vicgalle/Humanish-Roleplay-Llama-3.1-8B; в объединение также вошли ArliAI/Llama-3.1-8B-ArliAI-RPMax-v1.3, Orenguteng/Llama-3.1-8B-Lexi-Uncensored-V2 и Undi95/Llama3-Unholy-8B-OAS. Репозиторий содержит веса safetensors, всего около 7,5 млрд параметров; заявленный контекст — 131 072 токена. Модель предназначена для генерации текста и диалогового общения, с акцентом на ролевые сценарии и более свободные ответы. Она принимает текст и выдаёт текст. Карточка не сообщает о поддерживаемых языках и лицензии, поэтому их нельзя надёжно указать.

ML-LaySum-Qwen3-1.7B-SFT — плотноеязыковая модель на 1,7 млрд параметров, созданная Sandeep123 полным supervised fine-tuning модели Qwen/Qwen3-1.7B. Она принимает текстовые фрагменты научной статьи по машинному обучению — аннотацию, введение и заключение — и генерирует на английском языке краткое изложение для неспециалиста. Генерация использует режим Qwen3 без пошагового рассуждения; модель работает через Transformers, сохраняется в формате Safetensors и поддерживает контекст до 40 960 токенов. Модель предназначена для подготовки доступных широкому читателю пересказов исследований в области машинного обучения. Обучение проводилось на датасете ML-LaySum с lay summaries статей ICML 2025 и 2026 годов; тестовые данные не использовались для обучения или выбора чекпойнта. Это базовый SFT-чекпойнт без завершённой оценки на отложенных генерациях и без человеческой оценки качества. В результатах могут пропускаться оговорки, искажаться выводы или появляться неподтверждённые объяснения, поэтому пересказы нужно сверять с оригинальной статьёй. Лицензия — Apache-2.0.

Mossez-100M-Base — компактная авторегрессионная языковая модель с архитектурой Llama, разработанная Mossez Systems. Она содержит около 100,1 млн параметров и предназначена для продолжения текста, локального запуска, исследований небольших причинных языковых моделей и экспериментов с токенизаторами, инференсом и дообучением. Модель обучалась преимущественно на русскоязычных веб-данных, а затем прошла дополнительное предобучение на русской и английской Википедии; заявленный контекст — 1 024 токена. Это базовая модель, а не чат- или инструкционная система: она принимает текстовые префиксы и генерирует продолжение. В описанной оценке дополнительное обучение улучшило perplexity на энциклопедических русских и английских текстах, но несколько ухудшило результат на исходном веб-домене; русское качество в целом выше английского. Модель может повторяться и выдумывать факты, не гарантирует следование инструкциям и не подходит для высокорисковых решений. Лицензия весов — Apache-2.0.

Multi-Verse-RP-7B — экспериментальная объединённая языковая модель на архитектуре Mistral, опубликованная saishf. Она предназначена для генерации текста и ролевых диалогов; автор отмечает, что модель лучше работает с шаблоном Alpaca, а также поддерживает ChatML. В описании указано, что модель объединена методом task arithmetic на базе ammarali32/multi_verse_model с несколькими моделями и адаптерами для ролевой игры, теории разума и других сценариев. Размер составляет 7,1 млрд параметров, контекст — до 32 768 токенов; заявлен английский язык. Автор сообщает о хороших результатах собственной оценки и отмечает способность обрабатывать нечеловеческих персонажей и различать действия человека и нечеловеческого персонажа. Проверки описаны как ограниченные и экспериментальные, поэтому качество в других сценариях не гарантировано. Модель распространяется по лицензии CC BY-NC 4.0, которая запрещает коммерческое использование.

Nautilus-70B-v0.1 — языковая модель семейства Llama, созданная BeaverAI как дообучение Nvidia Llama 3.1 Nemotron 70B. Модель рассчитана на генерацию текста в диалоговом формате и ролевые сценарии; карточка рекомендует шаблоны чата Metharme и Llama 3, а также описывает формат ролевой игры от первого лица. Модель содержит 69,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM, хранится в формате safetensors и поддерживает контекст до 131 072 токенов. README отдельно отмечает, что квантизация Q6 даёт приемлемое качество, но это не характеристика основного репозитория. Модель предназначена для генерации ответов и ролевых диалогов. В README не указана лицензия с конкретными условиями: в метаданных стоит «other», поэтому условия использования следует проверять у автора и в исходной модели.

Neural-4-Maths-7b — объединённая языковая модель, созданная Kukedlc с помощью LazyMergekit на основе пяти моделей Mistral. Она предназначена для генерации текста и диалогов, с акцентом на математические задачи, судя по названиям компонентов с математической тематикой. Модель имеет архитектуру MistralForCausalLM и 7,1 млрд параметров, принимает текст и выдаёт текст; длина контекста — до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. README не приводит результатов оценки качества, поэтому точность решения математических задач и сравнительная эффективность не подтверждены.