I.5Создание и редактирование текста

WindyTranslate/translate-es-wls — модель машинного перевода, опубликованная Windstorm Labs. Это дообученная версия Helsinki-NLP/opus-mt-es-wls на архитектуре MarianMT с 46,6 млн параметров и контекстом 512 токенов. Модель принимает текст на испанском языке и переводит его на wls; доступна в формате safetensors для Transformers. Веса изменены с помощью LoRA-дообучения на параллельных текстах, после чего адаптер объединён с базовыми весами. Качество перевода пока не оценивалось, поэтому перед применением в важных сценариях модель следует проверить на подходящих данных. Лицензия — Apache-2.0.

WindyTranslate/translate-fi-crs — модель машинного перевода, опубликованная Windstorm Labs. Она основана на Helsinki-NLP/opus-mt-fi-crs: к исходным весам применили LoRA дообучение на параллельном корпусе, а затем объединили адаптер с базовой моделью. Модель использует архитектуру MarianMT, содержит 49,9 млн параметров и принимает текст на финском языке для перевода на кри (crs). Нативная длина контекста — 512 токенов; модель доступна в формате safetensors для Transformers. Модель предназначена для перевода с финского на кри. Качество пока не оценивалось, поэтому для важных сценариев результат следует проверять. Репозиторий содержит только это направление перевода. Лицензия — Apache-2.0.

Sunbird/translate-nllb-3.3b-salt — дообученная Sunbird на наборе generator модель на базе facebook/nllb-200-3.3B. Она предназначена для перевода между английским и несколькими восточноафриканскими языками; в карточке приведены результаты оценки для Acholi, Luganda, Lango, Runyankole, Ateso, Soga и суахили, включая перевод в обоих направлениях для части языковых пар. Модель построена на архитектуре m2m_100, содержит 2,1 млрд параметров и имеет контекст 1024 токена. В README указаны средние BLEU 25,47 и отдельные оценки по направлениям и языкам. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Подробные сведения о сценариях применения и ограничениях авторы не предоставили.

uid_gated_aime_qwen3-1-7b_ep1 — слитый чекпойнт Qwen/Qwen3-1.7B с адаптером LoRA, созданный по результатам UID-gated обучения GRPO на задачах AIME; карточка указывает эпоху 1 и исходный шаг global_step_8. Это плотная авторегрессионная модель класса Qwen3 с 1,7 млрд параметров, предназначенная для генерации текста и диалогов. Она принимает текст и выдаёт текст; метаданные указывают контекст до 40 960 токенов и интерфейс для вызова инструментов. Модель основана на многоязычной Qwen3, но отдельный основной язык для этой адаптации не заявлен. Чекпойнт ориентирован на решение математических задач AIME и рассуждения в формате генерации текста. Доступен в формате safetensors и распространяется по лицензии Apache-2.0. README описывает ранний источник обучения — epoch 1, global_step_8; отдельные результаты оценки качества не приведены.

UW1-PROSPER — экспериментальная версия Qwen2.5-7B-Instruct, дообученная командой promotion методом PROSPER для генерации диалоговых ответов. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Qwen2 и формат safetensors; контекст — до 32 768 токенов. В метаданных также заявлен интерфейс вызова инструментов. Модель обучали на предпочтениях ответов по протоколу WildChecklists: применили критерий худшей целевой функции и leave-two-out выборки. README описывает экспериментальное сравнение нескольких вариантов функции потерь и приводит оценки на языковых и диалоговых тестах. Эти результаты ограничены отфильтрованным набором запросов, одним seed и локальными судьями, поэтому их нельзя считать подтверждением превосходства или результатами официальных таблиц лидеров. Лицензия в предоставленных данных не указана.

Vega-Instruct-13B — модель на 13 млрд параметров для следования инструкциям и вызова функций. В карточке указано, что она дообучена для точного выполнения запросов и снижения галлюцинаций; приведены результаты тестов на математическое, логическое и обыденное рассуждение. Модель предлагается для чата и использования через API. Метаданные Hugging Face классифицируют её как feature-extraction на базе архитектуры BERT и указывают библиотеку Transformers, формат PyTorch и лицензию CC BY 4.0. Это расходится с описанием в README как инструктивной чат-модели: подтверждений, что репозиторий содержит веса именно 13B чат-модели, недостаточно.

WaifuGemma4-26b-a4b-v1 — диалоговая модель HiWaifu Research, дообученная на основе google/gemma-4-26B-A4B-it с помощью обучения с подкреплением по пользовательским предпочтениям на платформе HiWaifu Arena. Она предназначена прежде всего для ролевых диалогов и написания реплик персонажей. По оценкам слепых сравнений на арене модель получила больше предпочтений, чем исходная Gemma и ряд других моделей; проверки также показали близкие к исходной модели результаты на большинстве общих бенчмарков. Модель работает через Transformers, веса опубликованы в формате safetensors, лицензия — Apache-2.0. Обучение политики и модели предпочтений использовало языковую смесь арены; карточка сообщает результаты на русском, испанском, английском, португальском, индонезийском, арабском и тайском языках. Для обучения применялся контекст 8K токенов. Модель склонна к длинным ответам, а предпочтения пользователей одной ролевой платформы не гарантируют такого же качества для других аудиторий или сценариев. Пользовательские оценки измеряют предпочтение отдельной реплики, а качество полностью управляемых моделью длительных сессий оценено ограниченно. Возможны недостаточная реалистичность, ускоренная эскалация сцен и повествование от имени пользователя. Модель может создавать откровенный контент, если это разрешает системный промпт; специальных настроек безопасности сверх унаследованных от базовой модели нет.

gghfez/WizardLM-2-22b-RP — экспериментальная текстовая чат-модель для творческого письма и ролевых диалогов. Автор создал её на основе WizardLM-2-8x22B: выделил экспертов из MoE-модели, объединил их в плотную модель, а затем дообучил на синтетических данных, созданных исходной моделью. Метаданные указывают архитектуру MistralForCausalLM и размер 22 млрд параметров. Модель предназначена для генерации историй, ролевых сцен и связных ответов в заданном контексте. Автор отмечает, что она хорошо извлекает детали из контекста, но путает факты и имена известных людей, поэтому не подходит для общего ассистирования и задач, требующих достоверных знаний. Модель принимает текст и выдаёт текст; карточка указывает английский язык и контекст до 65 536 токенов. Используется формат приглашений Mistral с системными тегами. Лицензия — Apache-2.0; автор предупреждает, что защитные ограничения исходной модели могли быть ослаблены.

YuLan-Mini-Before-Annealing — промежуточный контрольный чекпойнт языковой модели YuLan-Mini, разработанной и поддерживаемой AI Box при Народном университете Китая. Это плотная авторегрессионная модель на 2,2 млрд параметров с контекстом до 28 723 токенов. В репозитории сохранено состояние оптимизатора, поэтому чекпойнт предназначен прежде всего для продолжения обучения через Hugging Face Trainer и DeepSpeed Universal Checkpoint. Чекпойнт можно использовать для продолжения предобучения, собственного этапа annealing на новых данных, изучения динамики обучения, синтеза данных и как отправную точку для дообучения instruct-модели. README приводит результаты промежуточных этапов на LAMBADA, GSM8K и HumanEval, но подчёркивает, что это не финальная версия YuLan-Mini. Модель принимает текст и генерирует текст; карточка указывает поддержку чата. Лицензия — MIT.

Astrid-7B-Llama-Med — медицинская языковая модель PAIX.Cloud для генерации текста на основе архитектуры Llama 2. Модель содержит 6,6 млрд параметров, использует плотную архитектуру LlamaForCausalLM и рассчитана на контекст до 4096 токенов. Она обучена на медицинском наборе данных и предназначена для генерации текста на английском языке. Модель можно применять для подготовки черновиков медицинских текстов, ответов на общие вопросы о здоровье и создания англоязычных медицинских материалов. Она может выдавать некорректные или нерелевантные ответы и не заменяет профессиональную медицинскую оценку. Распространяется по лицензии Apache-2.0.

Это экспериментальная корейскоязычная чат-модель на 6,8 млрд параметров, разработанная как дообученная версия skt/A.X-3.1-Light. Она предназначена для генерации ответов в диалоге и контролируемой оценки понимания корейских текстов; в обучающую смесь включены 300 примеров машинного чтения технических и научных документов AIHub-71533. Архитектура LlamaForCausalLM сохранена, модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. Полные веса в BF16 safetensors объединены, отдельный адаптер и пользовательский код модели не требуются; модель загружается через Transformers или vLLM. В локальной оценке на пяти корейских бенчмарках средняя точность составила 43,13%; это результаты авторской локальной проверки, а не официальные оценки лидерборда. Модель может допускать фактические ошибки и не подходит на замену профессиональной юридической, бухгалтерской, медицинской или финансовой консультации. Лицензия репозитория — Apache-2.0; для исходных данных AI Hub продолжают действовать их собственные условия использования.

BAAR2-3M — aixk әзірлеген, құрылғы ресурстары қатты шектеулі ортада нақты уақыттағы көптілді диалогқа арналған шағын тілдік модель. README оны 3 миллион параметрлі алдын ала оқытылған базалық чекпойнт деп сипаттайды; Hugging Face метадерегінде параметр саны 7,7 миллион деп көрсетілген. Сәулет тобы — fhn_concept_gau, тығыз модель, ал көрсетілген архитектура класы — FHN_T4Max_150M. Мәтінді қабылдап, мәтін шығарады; контекст терезесі 512 токен. Модель 11 тілді қамтиды: корей, ағылшын, жапон, қытай, испан, португал, неміс, орыс, хинди, вьетнам және тай. Ол ендірілген және шеткі құрылғылардағы жеңіл чатқа, сондай-ақ шағын RAG жүйелеріне арналған. README оны мамандандырылған тапсырмаларға дайын шешім емес, базалық алдын ала оқытылған модель деп ескертеді; нақты жауаптар мен күрделі тапсырмалар үшін қосымша баптау немесе RAG ұсынады. Лицензиясы коммерциялық емес; коммерциялық пайдалану үшін әзірлеушімен келісу қажет.

Bangla Resume Summarizer — mT5 — это модель для краткого пересказа на бенгальском языке отдельных разделов резюме: цели, опыта работы, образования и навыков. Её разработали в рамках исследовательского проекта Onneshon в Bangladesh University of Professionals и дообучили на базе csebuetnlp/mT5_multilingual_XLSum. Модель построена на архитектуре MT5ForConditionalGeneration с кодировщиком и декодировщиком и содержит 291,2 млн параметров. На вход подают текст одного раздела резюме, а модель формирует связное резюме из двух-трёх предложений на бенгальском языке. Для генерации требуется добавить специальный языковой токен бенгальского языка; без него вывод может быть на другом языке. Модель ориентирована на резюме, а качество для других типов бенгальских документов не проверялось. Обучающая выборка невелика, поэтому для необычных профессий возможны обобщённые формулировки; входы длиннее 512 токенов обрезаются. Лицензия — MIT.

Mdkaif2782/banglish-to-bangla — модель преобразования текста, разработанная на основе facebook/mbart-large-50 и дообученная для перевода банглиш-текста, записанного латиницей, в бенгальскую письменность. Она подходит для преобразования отдельных фраз и пользовательского ввода; для работы используется библиотека PyTorch и токенизатор MBart50. Модель построена на архитектуре mBART с условной генерацией текста, содержит 457,4 млн параметров и имеет контекст до 1024 токенов. В карточке указаны языковые коды бенгальского и английского; целевой результат — текст на бенгальском. Репозиторий предлагает запуск через Transformers, в том числе в Google Colab. Лицензия в предоставленных данных не указана.

BLIP-2 Flan T5-xl COCO — модель Salesforce для генерации текста по изображению, дообученная на COCO. Она объединяет визуальный энкодер CLIP-подобного типа, трансформер Q-Former и языковую модель Flan-T5-xl. Энкодер изображения и языковая модель используют предварительно обученные и замороженные веса, а Q-Former связывает визуальные признаки с языковой моделью. Модель принимает изображение и, при необходимости, текстовый запрос, чтобы сформировать текстовый ответ. Модель подходит для создания подписей к изображениям и ответов на вопросы об их содержимом; также возможен диалог с изображением и историей переписки в запросе. В метаданных указаны английский язык и форматы PyTorch и Safetensors. Репозиторий распространяется по лицензии MIT. Модель унаследовала ограничения Flan-T5 и обучающих интернет-данных: ответы могут быть неточными или отражать предвзятость и неподходящее содержание. Карточка сообщает, что модель не проверялась в реальных приложениях; перед применением следует оценить её точность, безопасность и справедливость в конкретном сценарии.

HMkumbo/blood-donation-gemma4-e4b-dpo-merged-16bit — дообученная модель семейства Gemma 4, разработанная HMkumbo на базе unsloth/gemma-4-e4b-it-unsloth-bnb-4bit с использованием Unsloth и библиотеки TRL. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. По метаданным модель поддерживает диалоговое взаимодействие и обработку изображений с текстом. Её можно применять для ответов на вопросы по изображениям и текстовым запросам; в карточке нет подробностей о настройке для сценариев донорства крови или о конкретных данных обучения.

WangZeJun разработал bloom-396m-chat — чат-модель для генерации диалоговых ответов. Она основана на архитектуре BLOOM и содержит около 449,9 млн параметров. Модель принимает текст и генерирует текст; карточка показывает пример её использования для диалоговой генерации. Модель распространяется в форматах PyTorch и Safetensors по лицензии BigScience BLOOM RAIL 1.0. README не сообщает о поддерживаемых языках, длине контекста и известных ограничениях качества.

Boulesis-26B-A4B-i1-GGUF — набор GGUF-квантизаций экспериментальной модели Boulesis-26B-A4B, разработанной SubMaroon и квантизированной spiritfather. Модель основана на Google Gemma-4-26B-A4B-it и объединяет изменения, связанные с маршрутизацией внимания, стилем и narrative roleplay. Она предназначена прежде всего для творческого письма, ролевого общения и генерации художественной прозы, а не для оценки общего интеллекта. Модель работает через llama.cpp и поддерживает текстовую генерацию. Доступны варианты IQ4_XS, Q4_K_M, Q5_K_M и Q6_K размером примерно от 14,3 до 23,2 ГБ; для быстрого запуска автор рекомендует Q4_K_M. Квантизации используют importance matrix, распределяющую точность с учётом чувствительности модели, что может давать преимущество перед обычными статическими квантизациями аналогичного размера. В README указана поддержка контекста до 32768 токенов при рекомендуемой конфигурации, а также режим рассуждений, который можно включать и отключать. К сильным сторонам относятся специализация на ролевых сценариях и художественном стиле, а также несколько вариантов компромисса между размером и качеством. Ограничения включают экспериментальный характер исходного merge, отсутствие подтверждений универсальной производительности и необходимость использовать актуальную версию llama.cpp с корректными параметрами шаблона чата. Для многотурового режима рассуждений требуется специальная настройка, иначе модель может повторно читать собственные мысли и генерировать только рассуждения. Лицензия наследуется от базовой модели и указана как Gemma Terms of Use.

Configurable-Llama-3-8B-v0.2 — дообученная Vicgalle языковая модель семейства Llama 3, созданная методом configurable safety tuning на наборе vicgalle/configurable-system-prompt-multitask. Это плотная авторегрессионная модель с 7,5 млрд параметров, реализованная как LlamaForCausalLM; она принимает текст и генерирует текст, поддерживает диалоговый формат и контекст до 8192 токенов. Поведение модели можно настраивать системным промптом: задавать полезного и безопасного помощника, помощника без ограничений, вредоносную роль, ориентир на правдивость или ролевую персону. Она предназначена для экспериментов с управляемым поведением, безопасностью и выравниванием, а также для генерации диалоговых ответов. В карточке указана проблема токенизации и рекомендована более новая версия модели; при генерации модель может некорректно продолжать текст с маркером assistant. Модель распространяется по лицензии Apache-2.0; автор предупреждает о возможности генерации вредоносного или оскорбительного материала и описывает её как исследовательский артефакт.

Darja-GPT-50M — авторегрессионная языковая модель, созданная touati-kamel с нуля для генерации текстов на алжирской даридже (Dziri). Она предназначена для стилистической генерации и моделирования разговорного диалекта в кулинарном, спортивном, техническом, подкастовом, повествовательном и разговорном регистрах. По README, модель использует плотный декодер-трансформер в стиле LLaMA/Mistral с 12 слоями и доменными LoRA-адаптерами; при генерации поддерживается Classifier-Free Guidance. Метаданные указывают 50,8 млн параметров и контекст 1024 токена. Токенизатор обучен на корпусе алжирской дариджи и рассчитан на арабскую графику и латиницу; в технических и деловых текстах возможны заимствования и переключение на французский и английский. Модель не дообучена следовать инструкциям и не подходит для сложных рассуждений, математики и фактических ответов на вопросы; в спортивных текстах могут часто повторяться имена популярных футболистов. Лицензия — Apache-2.0.

Dungeonmaster V2.4 Expanded — модель для генерации текста, созданная Tarek07 путём слияния нескольких дообученных моделей Llama 70B. Она предназначена прежде всего для творческих ролевых игр с напряжённым сюжетом, последствиями и мрачными оттенками, а также для описательного письма и естественного диалога в ролевых сценариях. Модель использует плотную архитектуру LlamaForCausalLM, содержит 69,5 млрд параметров и имеет контекстное окно до 131 072 токенов. README описывает её как наиболее творческую версию серии Dungeonmaster и рекомендует параметры генерации: temperature 1 и min_p 0,01. Репозиторий содержит веса Safetensors; лицензия указана как llama3.3. Модель рассчитана на ролевые сценарии и может выдавать откровенный или мрачный контент. Она не предназначена для задач, требующих гарантированной точности фактов; рекомендуемые параметры сэмплирования приведены автором, но качество зависит от сценария и настроек.

Eclectic-Maid-7B — языковая модель на архитектуре Mistral, созданная объединением предварительно обученных моделей с помощью mergekit и метода DARE TIES. В метаданных указано 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста в диалогах и ролевых сценариях. В README отмечена совместимость с настройками Alpac Roleplay, ChatML и noromaid в SillyTavern. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных данных не указана.

Модель Neobe для перевода отдельных предложений с английского на дивехи, язык Мальдив, с выводом письмом тана. Это дообученная для перевода модель mT5-large с архитектурой encoder-decoder; метаданные указывают 608,4 млн параметров, формат safetensors и лицензию Apache-2.0. Модель предназначена для перевода коротких английских предложений, например новостных и справочных текстов о Мальдивах. Она обучена на корпусе предложений дивехи—английский с машинными переводами. Основные области применения — мальдивские новости, пресс-релизы и Википедия. Для дивехи автор рекомендует оценивать качество по chrF, а не BLEU. Рекомендуется подавать по одному предложению; для нескольких предложений предназначены отдельные абзацные модели. Технический и разговорный английский может быть вне обучающего распределения. README рекомендует запуск fp32 и предупреждает, что bf16 и fp16 могут давать некорректные результаты; для fp32 требуется около 5–6 ГБ VRAM.

Fantasy Story Weaver — модель NBall65097, дообученная на базе Phi-3.5-mini-instruct методом QLoRA для генерации коротких атмосферных фэнтези-историй по сюжетной завязке. Она создаёт связные виньетки с выразительным описанием мира, неожиданным поворотом, моральной дилеммой и ненавязчивым нравственным выводом; типичная длина ответа — около 250–300 слов. Модель принимает текст и генерирует текст, поддерживает английский язык, имеет архитектуру семейства Llama с 3,7 млрд параметров и контекст до 4096 токенов. Подходит для творческого письма, интерактивного повествования и быстрого создания самостоятельных фэнтези-сцен. Лучше всего работает с краткими сюжетными завязками. Распределение обучающих примеров ориентировано на короткие рассказы, поэтому при запросе значительно более длинного текста возможны повторы или преждевременное завершение; иногда встречаются сбои связности и резкие концовки. Распространяется по лицензии Apache 2.0.

thealper2/galactica-125m-scitldr — дообученная на наборе allenai/scitldr модель для генерации кратких TL;DR научных статей по их аннотациям. Она основана на facebook/galactica-125m с архитектурой OPT: декодерная языковая модель с 12 слоями, 12 головами внимания и 151,6 млн параметров по метаданным. Контекст составляет 2048 токенов; в обучении текст аннотации обрезался до 512 токенов. Модель предназначена для создания очень краткого резюме научной аннотации, особенно в статьях по компьютерным наукам и машинному обучению. Она принимает обычный текст с шаблоном «Paper: … TL;DR:» и генерирует текст; диалоговый или инструкционный режим не предусмотрен. В тестировании на официальном разделении SciTLDR получены ROUGE-1 38,68, ROUGE-2 14,68 и ROUGE-L 31,06. Небольшой размер модели ограничивает распознавание научного вклада. Она может пропускать термины, методы и численные результаты либо добавлять утверждения, не подтверждённые источником; результаты требуют проверки. Контекст не включает материал статьи за пределами переданной аннотации. Модель выпущена по лицензии CC BY-NC 4.0, допускающей использование с ограничением на коммерческое применение.

Gemma 2 9B IT Random Bijection — вариант Gemma 2 9B IT, опубликованный DSBA Lab для экспериментов AlienLM. Это плотная инструктивная языковая модель с 9 млрд параметров, предназначенная для генерации текста и диалога; базовая модель поддерживает контекст до 8192 токенов. Вариант с seed 42 использует случайную биекцию токенизатора как базовый вариант для сравнения в экспериментах AlienLM, где текст преобразуется в клиентский «инопланетный» токеновый формат, а затем адаптируется модель. Модель принимает текстовые инструкции и запросы и генерирует текстовые ответы. В метаданных указаны датасеты Magpie-Pro-300K-Filtered и Magpie-Reasoning-V1-150K. Карточка предназначает веса для исследовательской оценки; она не заявляет гарантии приватности для производственного использования. Модель распространяется по лицензии Gemma.

Darkhn/Gemma-4-31B-Animus-V15.0 — дообученная модель Darkhn на базе Google Gemma 4 31B IT, предназначенная прежде всего для ролевых диалогов и интерактивного повествования. В README описан набор SFT объёмом 122 млн токенов и 22 000 примеров: ролевая игра и лор, сценарии для взрослой аудитории, мрачные сюжетные развилки, а также примеры следования инструкциям. Модель поддерживает текстовые диалоги и входные изображения благодаря сохранённому визуальному адаптеру базовой модели; доступны режимы с рассуждением и без него. Для корректной работы рекомендуется использовать Chat Completion и стандартный шаблон чата Gemma 4; README предупреждает о проблемах с Text Completion и необходимостью сохранять специальные токены при настройке API. Репозиторий содержит веса safetensors и GGUF. Лицензия — Apache 2.0.

Это набор двунаправленных управляющих векторов для GLM-4.5-Air, опубликованный пользователем gghfez. Векторы предназначены для настройки стиля генерации текста, прежде всего художественной прозы: можно менять фокус на персонажах или повествовании, простоту или витиеватость языка, оптимизм или нигилизм, эмпатию или социопатию и другие перечисленные характеристики. Векторы применяются при запуске llama.cpp или ik_llama.cpp вместе с базовой моделью; это не самостоятельная модель. Векторы получены методом разложения собственных значений кросс-ковариации на 1 050 парных примерах для каждого класса. Автор отмечает, что метод выявляет сбалансированные противоположные направления, а направление воздействия выбирается при применении. Для использования нужны совместимая сборка сервера и базовая GLM-4.5-Air. Репозиторий распространяется по лицензии CC BY 4.0.

Huihui-HY-MT1.5-7B-abliterated — версия модели Tencent HY-MT1.5-7B, изменённая командой huihui-ai методом abliteration, который снижает склонность модели отказываться от ответов. Это экспериментальная модификация многоязычной плотной языковой модели HunYuan с 7,5 млрд параметров, предназначенной прежде всего для перевода. Она поддерживает контекст до 262 144 токенов и доступна в формате safetensors для загрузки через Transformers. Модель рассчитана на перевод и, по заявлению авторов, может подойти для сценариев, где перевод сочетается с диалогом. В карточке указана поддержка языков, включая китайский, английский, русский, японский, арабский, хинди и другие. Abliteration снижает защитные фильтры, поэтому модель может выдавать чувствительный или спорный контент; авторы считают эту реализацию грубой проверкой концепции и рекомендуют для одного лишь перевода исходную модель Tencent. Лицензия в предоставленных данных не указана.

IceDrunkenCherryRP-7b — объединённая авторами icefog72 модель для генерации диалогового текста и ролевых бесед. Она построена на архитектуре Mistral и создана с помощью mergekit методом SLERP из моделей icefog72/Ice0.29-06.11-RP и icefog72/Ice0.37-18.11-RP. Размер модели составляет 7,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для чата и ролевых сценариев; карточка также помечает её как NSFW и не подходящую для всех аудиторий. Доступны варианты ExL2 и GGUF, помимо файлов safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.