I.5Создание и редактирование текста

wFercho/gpt-neo-fantasy-scripts — языковая модель семейства GPT-Neo, дообученная разработчиком wFercho для генерации текста в жанре фэнтези и сценариев. Она содержит 137,7 млн параметров, использует архитектуру GPTNeoForCausalLM и принимает текст, продолжая его сгенерированным текстом. Контекст составляет до 2048 токенов. Модель предназначена для создания фэнтезийных текстов и сценарных заготовок. Репозиторий предоставляет веса в формате safetensors. Лицензия — MIT. README не содержит сведений о данных обучения, оценке качества или конкретных ограничениях.

IndicBERTv2-MLM-only — многоязычная модель на архитектуре BERT от AI4Bharat, обученная на корпусе IndicCorp v2 с задачей маскированного языкового моделирования. Она предназначена для предсказания скрытых токенов и как основа для дообучения задачам обработки языков Индии и английского. Модель содержит около 305,2 млн параметров, принимает текстовые последовательности длиной до 512 токенов и распространяется в формате PyTorch. Модель поддерживает 23 индийских языка и английский; в карточке перечислены, среди прочих, ассамский, бенгальский, бодо, догри, конкани, гуджарати, хинди, каннада, кашмири, майтхили, малаялам, маратхи, манипури, непальский, одиа, пенджаби, санскрит, сантали, синдхи, тамильский, телугу и урду. Лицензия — MIT. Подходит для заполнения пропусков в тексте и как база для языковых задач после дополнительного дообучения.

JSL-MedLlama-3-8B-v1.0-GGUF — квантованные GGUF-версии медицинской языковой модели JSL-MedLlama-3-8B-v1.0, разработанной John Snow Labs на базе Meta-Llama-3-8B. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста в медицинском контексте: диалоговых ответов, обработки и формулирования текстовой информации, а также исследовательских и прикладных сценариев, связанных с медицинскими данными. README не содержит сведений о конкретных языках, длине контекста и результатах бенчмарков. Модель представлена в форматах квантизации от Q8_0 до IQ1_S, с размером файлов примерно от 2,01 до 8,54 ГБ. Варианты Q6_K, Q5_K_M, Q5_K_S, Q4_K_M, Q4_K_S, IQ4_NL и IQ4_XS отмечены как рекомендуемые; более компактные варианты требуют меньше оперативной памяти, но могут заметно уступать по качеству. Поддерживается текстовая модальность, используется шаблон запросов в стиле Llama 3. Сильными сторонами являются медицинская специализация исходной модели, возможность локального запуска через совместимое с GGUF программное обеспечение и выбор между множеством вариантов размера и качества. Ограничения включают неизбежную потерю качества при сильной квантизации, отсутствие в README подробных сведений о возможностях и оценках модели, а также необходимость проверять медицинские ответы специалистом. Модель распространяется по лицензии CC BY-NC-ND 4.0, допускающей использование с указанными ограничениями; коммерческое применение и производные работы могут быть ограничены условиями лицензии.

Kanimus-26B-A4B-FFT-heretic — экспериментальная слитая версия Gemma 4 от SubMaroon для ролевого диалога, в том числе сцен с мрачной стилистикой. В основе лежит Vortex5/Gemma-4-26B-A4B-Animus-V14.1-FFT-heretic; в неё внесены изменения весов Q и K на основе дистилляции Claude Opus и встроен LoRA-адаптер с низким масштабом. Это модель Gemma 4 с поддержкой чата и изображений, опубликованная в формате safetensors для Transformers. Лицензия — Gemma. Модель предназначена для генерации ролевых ответов на русском и английском языках. Автор сообщает, что стиль прозы в нескольких пробных сравнениях был близок к базовой модели, однако следование инструкциям ухудшилось: в одном примере модель нарушила заданный временной период сцены и перепутала факт из предыдущего сообщения. Количественная оценка не проводилась, поэтому эти наблюдения предварительны. Среди отмеченных проблем — дрейф имён и ролей действующих лиц в английском; отдельные артефакты токенизации и пропуски форматирования в русском автор считает унаследованными от базовой модели.

KansenSakura-Erosion-RP-12b — текстовая модель для диалоговой ролевой игры и создания мрачных психологических сюжетов. Автор объединил несколько предварительно обученных моделей с помощью mergekit и метода Multi-SLERP; в основе — плотная архитектура Mistral Nemo примерно на 12,1 млрд параметров. Репозиторий использует Transformers и формат safetensors. Модель предназначена для ролевых диалогов и развёрнутого повествования с психологическим хоррором, интенсивными темами и взрослыми сюжетами. В README отмечены творческая подача, следование подсказкам и использование сведений из карточек персонажей. Для диалога рекомендован шаблон ChatML; автор приводит настройки генерации и советует контекст 16K токенов. Карточка указывает английский язык; метаданные сообщают нативный размер контекста до 1 024 000 токенов, однако README рекомендует 16K, поэтому практическую работу с длинным контекстом стоит проверять отдельно. Модель помечена как NSFW и предназначенная для взрослой аудитории. Лицензия — Apache-2.0.

Keiana-L3-Test5.75-8B-13.5 — слитая модель семейства Llama 3 от Kaoeiri для генерации текста и диалогов с персонажами. Она объединяет несколько моделей Keiana и Undi95/Llama-3-LewdPlay-8B методом model_stock; веса представлены в формате Safetensors, конфигурация слияния использует float16. Размер модели — 7,5 млрд параметров, контекст — до 8192 токенов. Модель предназначена для разговорных и ролевых сценариев, в том числе с откровенным содержанием. Лицензия CC BY-NC-ND 4.0 запрещает коммерческое использование и распространение производных версий. Автор предупреждает, что текущая слитая модель обычно не тестировалась; возможны ошибки словаря.

Kenga — русскоязычная чат-модель GermannM для коротких прямых ответов и диалога. Это плотная авторегрессионная модель семейства Qwen2 с 1,5 млрд параметров и контекстом до 32 768 токенов; модель дообучена методом QLoRA на 660 диалогах. В корпусе представлены сведения об идентичности Kenga, языке программирования Kenga, Z-системе, русской грамматике, общих знаниях и ценностях автора. Модель предназначена для общения на русском языке, ответов о Kenga и связанных проектах, а также для помощи с программированием на языке Kenga. Заявлена работа на CPU без обязательного квантования; поддерживается также английский язык. Разработчик — Герман Янтарас (GermannM). Лицензия репозитория — Apache-2.0. Знания ограничены обучающим корпусом, а модель оптимизирована прежде всего для русского языка. Её ответы могут отражать заданные при обучении патриотические и традиционные ценности; модель не заменяет профессиональную медицинскую или юридическую консультацию.

Junhoee/Kobart-Jeju-translation — корейская модель машинного перевода между диалектом Чеджу и стандартным корейским. Её разработали участники команд Bitamin 12-го и 13-го наборов. Модель основана на gogamza/kobart-base-v2 и дообучена на примерно 930 тысячах примеров, включая данные AI-Hub о речи на чеджуском диалекте и региональных говорах, словарь чеджуского диалекта и собранные авторами тексты.

Koliber v1.0 Base — компактная плотная языковая модель OrisTeam с декодерной архитектурой причинного языкового моделирования, обученная с нуля. Она насчитывает 126 млн параметров, содержит 12 слоёв и рассчитана на контекст до 1536 токенов. Модель ориентирована прежде всего на польский язык и предназначена для продолжения текста, оценки правдоподобия и использования как основы для дальнейшего обучения и экспериментов. Это базовая предобученная модель, а не чат-бот: она не проходила обучение следованию инструкциям или выравнивание предпочтений. При обучении применялась вспомогательная цель предсказания будущего скрытого представления; соответствующая голова не входит в опубликованную модель для инференса. Модель распространяется в формате safetensors по лицензии Apache-2.0. Продолжения могут быть несвязными, повторяющимися, ошибочными или содержать предвзятый, оскорбительный и небезопасный текст. Результаты не следует считать достоверными без проверки; перед пользовательским применением нужны отдельная оценка безопасности, фильтрация и проверка для конкретной области.

L3.1-Artemis-e2-8B — слитая языковая модель на архитектуре Llama, созданная сообществом mergekit-community методом Model Stock из нескольких предварительно обученных и диалоговых моделей. В качестве базовой использована ArliAI/Llama-3.1-8B-ArliAI-RPMax-v1.2; в слияние также вошли L3-Boshima-a, L3.1-Aglow-Vulca-v0.1-8B, L3-Umbral-Mind-RP-v3.0-8B и Llama-3-8B-Instruct-MopeyMule. Модель предназначена для генерации текста в диалоге и ролевых сценариях. Она содержит около 7,5 млрд параметров, поддерживает контекст до 131 072 токенов и распространяется в формате safetensors для Transformers. Сведения каталога характеризуют базовую модель как ориентированную на ролевые игры с эмоционально тяжёлыми темами и сценариями спасения персонажей; описание конкретных возможностей и ограничений этой версии в README отсутствует. Лицензия в предоставленных данных не указана.

deltanym/L3-Umbral-Mind-RP-v3.0-14b — диалоговая языковая модель семейства Llama, созданная с помощью mergekit методом passthrough на основе Casual-Autopsy/L3-Umbral-Mind-RP-v3.0-8B. Модель предназначена для генерации текста и ролевых диалогов; базовая модель ориентирована на эмоционально тяжёлые темы и сценарии спасения персонажей. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 12,7 млрд параметров и рассчитана на контекст до 8192 токенов. Она принимает текст и генерирует текст в формате диалога. В метаданных указана лицензия, однако её название в предоставленных данных отсутствует.

LaCT 1B p24-1 explicit-all-one GTCF-ON — архивный релиз весов экспериментального чекпойнта LaCTForCausalLM, опубликованный paulzy. Модель содержит около 989,7 млн параметров и предназначена для генерации текста в диалоговом режиме; в архитектуре используются плотные слои LaCT SwiGLU, маршрутизация EXIT/CONTINUE и адаптеры раннего выхода. Метаданные указывают контекст до 262 144 токенов; при обучении использовалась последовательность длиной 65 536 токенов. Чекпойнт соответствует шагу 2048 обучения с seed 42 и явными единичными read/update gates в нероути́руемом префиксе. README сообщает, что обучение завершено, а NIAH-1, LongBenchV2 и PG-19 были выполнены, но не заявляет полный результат пяти тестовых наборов: восстановление NIAH-2/3 не включено в этот архив. Репозиторий содержит только веса без токенизатора, состояния оптимизатора и примеров оценки; для запуска нужны реализация LaCT из yuan_ttt и токенизатор совместимой базовой модели. Указана лицензия other, поэтому конкретные права использования следует сверить с файлами лицензии и provenance репозитория.

Hearthfire-24B-GGUF — это квантизированная версия текстовой генеративной модели Hearthfire-24B, разработанной LatitudeGames. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель распространяется в формате GGUF и предназначена для запуска через llama.cpp, LM Studio и другие совместимые приложения. Основные сценарии применения — текстовые приключения и roleplay на английском языке. Доступны варианты от BF16 до различных уровней квантизации Q8, Q6, Q5, Q4 и Q3; размер файлов составляет примерно от 10,40 до 47,15 ГБ. Более крупные варианты обычно сохраняют более высокое качество, а менее объёмные подходят для систем с ограниченной оперативной памятью. Рекомендуемые сборки включают Q6_K, Q6_K_L, Q5_K и Q4_K_M, при этом Q3-варианты характеризуются более низким качеством. В README не указаны точная архитектура, размер контекста, поддержка мультимодальности и дополнительные языки; подтверждён только английский язык и текстовый режим. Для работы требуется совместимое программное обеспечение и аппаратные ресурсы, соответствующие выбранному варианту. Модель распространяется по лицензии Apache-2.0.

Wayfarer-Large-70B-Llama-3.3-GGUF — набор квантизированных версий текстовой генеративной модели LatitudeGames/Wayfarer-Large-70B-Llama-3.3, разработанной LatitudeGames. Модели распространяются в формате GGUF и предназначены прежде всего для текстовых приключений и ролевых сценариев на английском языке. Модель основана на архитектуре Llama 3.3 и содержит 70 миллиардов параметров. Квантизация выполнена bartowski с использованием llama.cpp версии b4738 и метода imatrix. Доступны варианты от Q3 до Q8 с размером файлов примерно от 29 до 75 ГБ; варианты Q5 и Q6 отмечены как рекомендуемые за высокое качество, а Q4_K_M — как базовый вариант для большинства сценариев. Модель можно запускать через llama.cpp, LM Studio и другие совместимые приложения. Информация о размере контекста и поддержке дополнительных модальностей отсутствует; указана только текстовая генерация. Сильными сторонами являются большой размер модели, специализация на roleplay и text adventure, а также широкий выбор квантизаций для компромисса между качеством и требованиями к памяти. Ограничения включают поддержку только английского языка, значительные требования к оперативной или видеопамяти даже у компактных вариантов и возможное снижение качества при использовании низких уровней квантизации. Лицензия указана как llama3.3.

brain-lab выпустила эту 2-битную квантованную версию Meta Llama 2 70B — плотной авторегрессионной языковой модели с 68,7 млрд параметров. Квантование выполнено методом HARP, который заменяет фиксированное случайное преобразование Hadamard в конвейере QuIP# на обучаемый ортогональный процессор. Процессор настраивается только на калибровочных данных, без переобучения самой модели, и хранится в int8 с небольшими дополнительными затратами на параметры. Модель предназначена для генерации текста и запуска языковой модели при экстремально низкой разрядности весов. В README приведены результаты на WikiText2 и C4 при контексте 4096 токенов: perplexity 4,01 и 5,82 соответственно. Для инференса нужны упакованные веса в стиле QuIP# и код `harp_quip`; обычный `transformers.AutoModelForCausalLM` не подходит. Базовая Llama 2 70B ориентирована на английский язык. Условия лицензии — Llama 2 Community License.

Llama-3.2-1B-Instruct-SMAT-ScienceQA — экспертная модель, обученная методом SMAT (Simple and Efficient Merge-Aware Training) на базе Meta Llama 3.2 1B Instruct; она представлена в таблице 1 соответствующей статьи с seed обучения 42. Модель предназначена для генерации текста в диалоговом формате и для применения в сценариях ScienceQA, сохраняя качество на задаче при обучении с учётом последующего слияния моделей. Это плотная авторегрессионная модель семейства Llama с 1,2 млрд параметров и контекстом до 131 072 токенов; заявлена поддержка чата. Модель принимает текст и выдаёт текст. В метаданных указан pipeline text-generation, библиотека Transformers и формат весов safetensors. Используется лицензия Llama 3.2 с соответствующей политикой допустимого использования. Конкретные результаты на ScienceQA и ограничения качества в карточке не приведены.

Llama-3.1-8B-BG-Reasoning — экспериментальная модель на основе Meta Llama 3.1 8B Instruct, разработанная s-emanuilov. Она предназначена для генерации текста и диалогов с упором на рассуждения на болгарском языке; при дообучении использовался переведённый на болгарский датасет GSM8k с математическими задачами. Модель содержит около 7,5 млрд параметров, использует плотную архитектуру Llama и формат весов safetensors. Метаданные указывают контекст до 131 072 токенов, поддержку чата и интерфейса вызова инструментов. Автор описывает её как proof of concept: обучение длилось около четырёх часов на небольшом корпусе среднего качества, поэтому результаты следует считать предварительными. Модель доступна по лицензии CC BY 4.0. Карточка не приводит отдельной оценки качества или подробностей о применении за пределами болгарских задач на рассуждение; интерфейс вызова инструментов сам по себе не гарантирует надёжность выполнения таких вызовов.

Mawnia-12B — модель для творческого письма и ролевых диалогов, созданная Mawdistical на базе allura-org/Gemma-3-Glitter-12B. Это дообученная и объединённая из двух обучающих ветвей модель Gemma 3 12B IT; автор сообщает, что восстановил возможности понимания изображений. Карточка описывает набор из 2,2 тыс. сценариев и обучение на ролевых диалогах и длинных творческих текстах. Модель рассчитана на англоязычные ролевые сцены с антропоморфными и фантастическими персонажами, а также на мрачные и откровенные сюжеты. Для генерации автор рекомендует temperature 1,35 и min_p 0,05, предлагая подбирать настройки под задачу. Лицензия — CC BY-NC 4.0; для Arli AI и Featherless AI указано отдельное разрешение CC BY-ND 4.0.

MemAgent-PTE-Qwen2.5-14B — исследовательский чекпойнт, созданный на основе Qwen/Qwen2.5-14B-Instruct для экспериментов с поведением памяти при работе с длинным контекстом. Это плотная 14-миллиардная языковая модель с архитектурой Qwen2AdapterForCausalLM, предназначенная для генерации текста в диалоговом формате. Контекст модели составляет 32 768 токенов. Репозиторий содержит экспорт шага обучения 100 в формате safetensors и с весами float32; для экономии видеопамяти при загрузке можно выбрать меньшую точность. Модель можно применять для экспериментов с удержанием и использованием информации из длинных диалогов и контекстов. README предупреждает о наличии пользовательского кода моделирования, необходимости предварительно проверить его перед загрузкой с trust_remote_code=True и отсутствии общей оценки безопасности. Лицензия — Apache-2.0.

Это конвертированные веса для MiniGPT-4, подготовленные по инструкции MiniGPT-4/PrepareVicuna.md. Репозиторий упрощает использование MiniGPT-4: эти веса позволяют обойтись без отдельной конвертации LLAMA-13B и vicuna-13b-delta-v0. В метаданных указан 12,9-миллиардный плотный LLaMA-чекпойнт для генерации текста с контекстом 2048 токена и форматом PyTorch. Карточка не описывает визуальный компонент MiniGPT-4, поэтому по доступным сведениям этот репозиторий следует рассматривать как конвертированные языковые веса, предназначенные для использования в соответствующем пайплайне MiniGPT-4. Метаданные не содержат лицензии; условия использования по имеющимся данным определить нельзя.

pcalhoun/Mistral-7B-v0.3-JonathanSwift — текстовая генеративная модель на архитектуре Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Она преобразует обычный текст в стилизацию под прозу Джонатана Свифта, сохраняя содержание исходного фрагмента; README показывает пример такого преобразования. Модель предназначена для стилистического переписывания текстов на английском языке. Весы опубликованы в формате Safetensors под лицензией Apache-2.0. По доступному примеру нельзя оценить качество на широком наборе тем или точность сохранения смысла.

feeltheAGI/mistral-maths7B — языковая модель для генерации текста, основанная на архитектуре Mistral с 7,1 млрд параметров. Модель обучалась с использованием набора задач по математическим текстовым задачам Microsoft Orca Math Word Problems 200k и предназначена для диалогового взаимодействия и генерации ответов на математические вопросы. Модель принимает текст и выдаёт текст; указанный контекст составляет 32 768 токенов. Репозиторий содержит веса PyTorch, лицензия — Apache-2.0. Карточка README помечена как требующая обновления и приводит только результаты бенчмарка HellaSwag, поэтому подробные характеристики математических навыков и качество ответов не подтверждены.

Aratako/Mistral-Nemo-12B-RP — ролевая чат-модель, созданная дообучением Mistral Nemo Instruct 2407. Она предназначена для диалогов от лица заданного персонажа: его описание и ситуацию общения передают в системном сообщении, после чего модель продолжает беседу. Модель имеет плотную архитектуру MistralForCausalLM, содержит 12,1 млрд параметров и рассчитана на генерацию текста в режиме чата. В карточке указан японский язык; базовая модель описана как многоязычная. Автор сообщает, что при дообучении использовалась длина контекста 32 тыс. токенов, поэтому поддержка длинных диалогов ожидается, но не проверялась. Метаданные каталога указывают нативный контекст в 1 024 000 токенов, однако README не подтверждает такую длину именно для дообученной версии. Автор предполагает, что модели может подойти низкая температура генерации, но это также не проверено. Модель опубликована под лицензией MIT.

MN-12B-Tarsus — полноразмерный файнтюн Mistral Nemo Instruct 2407 от Envoid, основанный на MistralForCausalLM с 12,1 млрд параметров. Модель предназначена прежде всего для диалогов и ролевых сценариев в SillyTavern; она сохраняет совместимость с форматом инструкций Mistral и интерфейсом вызова инструментов. При дообучении стремились уменьшить шаблонные «дрожащие» формулировки и чрезмерно вычурную прозу, сделать ответы более разговорными и инициативными, а также снизить склонность к излишнему оптимизму. Автор отмечает, что результаты этих изменений различаются, а возможности ассистента несколько ухудшились; модель иногда некорректно размещает токены. Указанная длина контекста — 1 024 000 токенов. Лицензия CC BY-NC 2.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

MN-2407-DSK-QwQify-v0.1-12B — экспериментальная донастройка модели PocketDoc/Dans-SakuraKaze-V1.0.0-12b от BeaverAI. Она предназначена для диалогов с ролевыми персонажами, приключенческого повествования и совместного сочинения: автор пытался добавить к существующей модели стиль рассуждений QwQ. Модель основана на плотной архитектуре Mistral, содержит 12,1 млрд параметров и рассчитана на контекст до 131 072 токенов. README рекомендует формат диалога ChatML и отмечает, что первые ответы могут потребовать повторной генерации или настройки подсказки. Модель дообучена на наборах диалогов, ролевых карточек персонажей и текстов для совместного написания. Доступны веса Safetensors, лицензия — Apache-2.0. Это тестовая ранняя версия: автор не сообщает измерений качества, а поведение и генерация рассуждений могут быть нестабильными.

Moistral-11B-v3 — языковая модель BeaverAI для генерации художественных историй и ролевых сцен в формате инструкций Alpaca. Она основана на архитектуре Llama, содержит 10,6 млрд параметров и рассчитана на контекст до 8192 токенов. В README модель описана как дообученная версия Fimbulvert v2, а метаданные также указывают на слияние моделей; точный базовый идентификатор в них дан в виде локальных путей, поэтому установить его репозиторий Hugging Face нельзя. Модель предназначена для написания длинной прозы и ролевого взаимодействия, в том числе эротического контента. В карточке отмечены жанры фэнтези, научной фантастики, романтики и семейных историй, а также разные повествовательные перспективы. Примеры и данные о поддерживаемых языках в карточке не дают надёжного основания указать язык модели. Весы опубликованы в формате safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование. Модель заточена под художественную генерацию и может быть неподходящей для общих ассистентских задач; качество и длина ответов могут зависеть от промпта и повторного продолжения текста.

MotherEarth/MotherEarth-1.0-8B — объединённая с помощью SLERP языковая модель семейства Llama, созданная авторами репозитория MotherEarth на основе двух предварительно обученных моделей. Она предназначена для генерации текста в диалоговом формате; метаданные отмечают тематику климата, окружающей среды, биоразнообразия и коренных народов. Модель содержит 7,5 млрд параметров, принимает текст и имеет контекстное окно 8192 токена. Модель распространяется в формате safetensors и рассчитана на использование через Transformers. README описывает способ слияния, но не приводит оценок качества или подробных инструкций по применению. Лицензия и поддерживаемые языки в предоставленных данных не определены.

NCP-ArchPreview — авторегрессионная языковая модель The NCP Team из Shanghai AI Lab и LUMIA Lab Шанхайского университета Цзяо Тун. Этот репозиторий содержит промежуточный чекпойнт Stage 1 на шаге 500 000, обученный на Dolma 3 Mix; это исследовательский этап предобучения, а не завершённая версия модели. Модель предсказывает следующий токен и следующий концепт — представление группы из четырёх токенов в обучаемом латентном пространстве. Архитектура включает 16-слойный кодировщик токенов, 8-слойный модуль концептов и 16-слойный декодер токенов с продуктовой квантизацией концептов и остаточными связями между модулями. Модель предназначена для генерации текста и экспериментов с языковым моделированием в латентном пространстве. В отчёте для Stage 1 приведены результаты на тестах, включая GSM8K и HumanEval, и сравнение скорости сходимости по числу обучающих токенов; это сравнение не означает более высокую скорость обучения по времени или инференса. Метаданные указывают 11,1 млрд параметров, контекст 8192 токена и формат safetensors; README приводит оценку архитектуры около 8,94 млрд параметров. Для загрузки используется Transformers с пользовательским кодом. Лицензия весов — Apache 2.0.

Ninja-v1-RP-expressive — модель генерации текста на базе архитектуры Mistral, созданная Aratako. Это слияние Aratako/Ninja-v1-RP с производной Elizezen/Antler-7B, дополнительно сформированной с помощью task vectors и объединения моделей. Модель предназначена для ролевых диалогов и выразительной генерации художественного текста; карточка указывает 7,1 млрд параметров и контекст до 4096 токенов. Для диалогов используется шаблон Vicuna: инструкции, описание мира и персонажей помещаются перед первым сообщением пользователя. Модель может продолжать реплики пользователя или переходить к повествованию в стиле романа, поэтому автор рекомендует корректировать промпт примерами или перегенерировать ответ. Поддерживаемый язык по карточке — японский. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

Flaglab разработала двунаправленную модель машинного перевода между испанским и инга — коренным языком Колумбии, на котором говорят в департаментах Путумайо и Нариньо. Модель дообучена на базе facebook/nllb-200-1.3B; её архитектура — M2M100 для генерации текста по тексту. В метаданных указано 666,4 млн параметров и контекст 1024 токена. Для инга расширен токенизатор SentencePiece собственным словарём. Модель предназначена для перевода в обоих направлениях: с испанского на инга и с инга на испанский. В README приведены результаты на отложенной тестовой выборке: BLEU 1,47 и chrF2 27,68 для перевода на инга, BLEU 4,62 и chrF2 23,73 для перевода на испанский. Модель выпущена по лицензии CC BY-NC 4.0, которая не допускает коммерческое использование.