I.5Создание и редактирование текста

ForgePlex-M2-9M — компактная авторегрессионная языковая модель ForgeWorks с архитектурой decoder-only, предназначенная для генерации текста. По карточке, модель содержит около 9,95 млн параметров и обучена на 30 млрд токенов; метаданные указывают 8,8 млн параметров и контекст до 1024 токенов. В архитектуре используются GQA, RoPE в стиле NeoX, RMSNorm и SwiGLU, а также выходные attention gates и refresh gates. Модель обучалась на Finephrase, DCLM-Baseline и закрытом наборе данных Axiomic Labs. Она подходит для экспериментов с компактными языковыми моделями и генерации короткого текста в пределах ограниченного контекста. Карточка приводит результат HellaSwag 28,02%, однако этого недостаточно для вывода о качестве на широком наборе задач. Модель распространяется под лицензией Apache-2.0.

pkupie разработал Gemma 3 PT 4B bo CPT — чекпойнт непрерывного предобучения плотной модели Gemma 3 на тибетской части корпуса MC² Corpus. Модель основана на google/gemma-3-4b-pt и предназначена для улучшения языкового моделирования на тибетском языке и исследований адаптации моделей к языкам с малым объёмом данных. Чекпойнт рассчитан на дальнейшие исследования, в том числе слияние моделей и logit fusion. Это генеративная модель, принимающая текст и выдающая текст; её базовая архитектура Gemma 3 также мультимодальна, однако карточка этого чекпойнта описывает обучение и применение только для языкового моделирования на тибетском. В метаданных указан формат safetensors. Модель распространяется по лицензии Gemma.

Gemma 4 E4B IT QAT Heretic Decensored — мультимодальная модель Google Gemma, изменённая автором репозитория prithivMLmods с помощью инструментария Heretic. Метод abliteration меняет связанные с отказами представления модели, чтобы уменьшить склонность к отказам и сохранить следование инструкциям, рассуждения и диалоговые возможности. В карточке приведены результаты проверки на 100 примерах: 40 отказов у этой версии против 99 у исходной модели; также указана KL-дивергенция 0,014. Модель предназначена для исследований механизмов отказа и выравнивания, оценки поведения и red teaming. Базовая модель поддерживает работу с текстом, изображениями и аудио; сам репозиторий описывает модель как способную к рассуждениям и диалогу. Весы опубликованы в формате safetensors, для запуска указана библиотека Transformers. Лицензия — Apache-2.0. Это экспериментальная модификация, и карточка предупреждает о возможных артефактах и непредсказуемом поведении. Снижение числа отказов ослабляет встроенные механизмы безопасности, поэтому модель может выдавать чувствительный или небезопасный контент.

codelion/gpt-2-70m — компактная языковая модель, обученная разработчиком codelion на архитектуре GPT-2. Она содержит 70 млн параметров, 12 слоёв, 8 голов внимания и словарь из 50 257 токенов; длина контекста — 1024 токена. Модель предварительно обучена на 1 млрд токенов с пропорцией 50% FinePDFs, 30% DCLM Baseline и 20% FineWeb-Edu. Она предназначена для генерации продолжений текста и экспериментов с предварительным обучением и смешиванием обучающих данных. В карточке приведены результаты нескольких бенчмарков, но они показывают слабые результаты на академических задачах и не подтверждают пригодность для сложных рассуждений. Модель принимает и генерирует текст на английском языке. Распространяется в формате safetensors по лицензии Apache-2.0.

gte-en-mlm-base — англоязычный текстовый энкодер семейства GTE-v1.5, разработанный Institute for Intelligent Computing группы Alibaba. Это версия модели Alibaba-NLP/gte-en-mlm-base для Transformers: веса не менялись, преобразован только config.json, поэтому модель загружается без trust_remote_code. Модель построена на энкодерном backbone transformer++ (BERT, RoPE и GLU) с токенизатором на основе словаря bert-base-uncased. Она обучена на англоязычном корпусе C4 с задачей masked language modeling и предназначена для заполнения пропусков в тексте. Контекст — до 8192 токенов, размер — 136,7 млн параметров. В статье mGTE модель также представлена как текстовый энкодер для оценки языковых представлений. Модель распространяется под лицензией Apache 2.0. Карточка описывает английский вариант; применение к другим языкам не подтверждено.

hebrewpoetry-gptneo-small — модель генерации стихотворных текстов на иврите, созданная Norod78 дообучением hebrew-gpt_neo-small. Базовая модель обучена на основе GPT-Neo от EleutherAI; для дообучения использовалась aitextgen и тексты из New stage и набор ивритских песенных текстов. Модель построена на архитектуре GPT-Neo с плотной авторегрессионной языковой моделью и содержит 137,7 млн параметров. Она принимает текстовый запрос и генерирует продолжение, в первую очередь поэзию и тексты песен на иврите. Контекст составляет до 2048 токенов. Доступны веса в форматах PyTorch, Flax и Safetensors. Модель подходит для творческих экспериментов с генерацией стихов и текстов песен на иврите. Качество и тематический охват зависят от обучающих текстов; модель не предназначена для гарантированно точных фактических ответов. Лицензия — MIT.

IceBERT-large — языковая модель для исландского языка, разработанная Miðeind. Она обучена с помощью fairseq на архитектуре RoBERTa-large и предназначена для предсказания замаскированных слов в тексте. Обучающие данные включают Icelandic Gigaword Corpus, Icelandic Common Crawl Corpus и статьи Greynir News. Модель содержит 453,9 млн параметров, принимает текст и поддерживает контекст до 514 токенов. Она подходит для заполнения пропусков и извлечения контекстных представлений исландского текста. Распространяется по лицензии CC BY 4.0.

Baekpica/Inkling-Small-GGUF — это независимая GGUF-конверсия модели Inkling-Small от Thinking Machines, подготовленная Baekpica. Репозиторий содержит промежуточные артефакты для смешанной квантованной версии модели и предназначен для экспериментов с локальным инференсом и мультимодальным обслуживанием на совместимом оборудовании, включая DGX Spark. Указана лицензия Apache-2.0. Модель имеет архитектуру Inkling с 42 декодерными слоями и 256 экспертами в каждом разреженном слое. Основной артефакт Q8_0 состоит из 20 шардов общим размером 262,704 GiB; отдельный MTP-BF16 sidecar занимает 4,183 GiB и содержит восемь плотных draft-слоёв. Квантование применяется преимущественно к матрицам Q8_0, тогда как attention, vision/audio-компоненты, нормализации, свёртки и параметры маршрутизатора сохраняются в исходных форматах BF16/F32. Заявлена поддержка текстового ввода, изображений PNG/JPEG и аудио WAV с частотой 16 кГц и текстовым выводом через специальную интеграцию ds4-dfm-rs. Сильными сторонами являются сохранение всех исходных экспертов, тензоров, токенизатора, конфигурации и мультимодального процессора, а также подробная структурная верификация файлов и контрольных сумм. При этом Q8_0-артефакт не квалифицирован для собственного запуска, совместимость с llama.cpp и результаты для длинного контекста не заявлены. Проверки подтверждают структуру и целостность файлов, но не качество ответов модели и не общую поддержку сторонними средами выполнения; опубликованные показатели производительности относятся к отдельному MQ85GB-артефакту, а не к Q8_0.

Kanha-AI разработала Kanha Kanha.ai 1.7B Full Quality — плотную языковую модель на 1,7 млрд параметров, дообученную полным обновлением весов на базе Qwen/Qwen3-1.7B. Модель предназначена для контролируемой оценки ответов на вопросы о содержимом сайта Kanha и для исследований, сравнивающих методы обучения на одном наборе данных. Она поддерживает генерацию текста и диалоги, использует контекст до 40 960 токенов и рассчитана на английский язык. В репозитории есть веса Safetensors и артефакты MLC с квантизацией q4f16_1. В описанной оценке полнота воспроизведения дат и URL была высокой, но детерминированная доля успешных ответов составила около 7,7%, полнота списков — около 21,3%, а доля неподтверждённых значений — около 23,1%. Модель может выдавать неверные, неполные или устаревшие ответы и запоминать обучающие данные; перед пользовательским применением нужно проверить её в целевой среде. Лицензия в предоставленных данных не указана.

KAWK-1.5-500M Korean Base — базовая языковая модель семейства Llama, разработанная Infinity08 и обученная с нуля для работы преимущественно с корейским языком. Это decoder-only модель с 505,3 млн параметров, корейским токенизатором SentencePiece Unigram на 32 000 токенов и контекстом 2048 токенов. Обучение проходило на корейском корпусе объёмом около 10 млрд токенов. Модель предназначена для продолжения текста и экспериментов с корейской языковой моделью, включая дальнейшее дообучение. Это предиктор следующего токена без настройки на инструкции, поэтому для диалога и выполнения запросов разработчик рекомендует вариант KAWK 500M Instruct. Модель относится к ранней версии, созданной в рамках личного проекта. Модель может генерировать недостоверные факты, повторы и текст с предвзятостью из обучающих данных; её знания и способности к рассуждению ограничены размером. Комплексная оценка безопасности и воспроизведения персональных данных не завершена, поэтому модель не следует применять для решений с высокими последствиями. Условия лицензирования в предоставленных данных не указаны.

Модель kurianbenoy/kde_en_ml_translation_model — дообученная модель машинного перевода на архитектуре MarianMT, созданная на основе моделей Helsinki-NLP. Она переводит текст с английского на малаялам и дообучена на наборе данных KDE. Модель содержит 37,8 млн параметров, использует PyTorch и рассчитана на контекст до 512 токенов. Автор описывает её как учебный проект, созданный для экспериментов и обучения. Модель распространяется по лицензии MIT. По словам автора, иногда она выдаёт очень плохие варианты перевода, поэтому результаты могут требовать проверки.

kitsune-tales-e4b-jp — дообученная Ashish модель на базе Google Gemma 4 E4B Instruct. Это текстовая модель генерации художественного текста: по жанровым тегам и названию она пишет на японском языке оригинальные фэнтезийные синопсисы, короткие рассказы и продолжения. Для продолжения нужно передать исходный отрывок; рекомендуется использовать шаблон чата с отключённым режимом рассуждений. Обучение выполнено методом LoRA SFT на отфильтрованных синтетических данных, а выпущенная версия объединена с базовой моделью и сохранена в формате bf16. В метаданных указан формат Safetensors и архитектура семейства Gemma 4; базовая Gemma 4 E4B хранит 7,52 млрд параметров, из которых эффективны 4,62 млрд. Модель предназначена для хобби-писательства, разработки идей и практики стиля японской фэнтезийной лайт-новеллы. В оценках SFT-версия лучше соблюдала запрошенную длину, чем базовая модель, но сырые парные оценки предпочитали более длинные ответы базовой модели; результаты этих оценок автор считает ориентировочными. Возможны повторы, отклонения от заданной длины и ошибки связности в длинных историях, а также клише синтетических данных. Разработчик — Ashish; лицензия Apache-2.0. Модель не предназначена для фактических, медицинских, юридических или финансовых ответов и не гарантирует отказ на запрещённые запросы.

Koliber v1.1 Base Preview — экспериментальная контрольная точка компактной польской авторегрессионной языковой модели, разработанной OrisTeam. Это плотная decoder-only модель на 126 млн параметров с архитектурой KoliberForCausalLM и контекстом 1536 токенов; она предназначена прежде всего для продолжения текста по естественному текстовому префиксу, а не для диалогов с инструкциями. Модель доступна в формате Safetensors и распространяется по лицензии Apache-2.0. Версия 1.1 получена продолжением обучения Koliber v1.0 Base примерно на 184,32 млн токенов. При обучении использовалась замороженная speakleash/Bielik-1.5B-v3 как внешний учитель для слабой коррекции локальных распределений токенов; учитель не объединён с моделью и не нужен при инференсе. Размер, токенизатор и архитектура остались прежними. Модель подходит для экспериментов с генерацией и продолжением польского текста, оценки вероятностей и представлений, а также как основа для дальнейшего дообучения. Это предварительная, не выровненная и не настроенная на инструкции модель. Генерации могут быть ошибочными, смещёнными, оскорбительными, небезопасными, повторяющимися или отклоняться от темы; небольшое улучшение отдельных показателей не означает общего превосходства над v1.0. Для пользовательских приложений нужны самостоятельная оценка, фильтрация и проверка, а для решений с высокими ставками модель применять не следует.

Latxa 7B v1 — базовая языковая модель, разработанная исследовательским центром HiTZ и группой IXA Университета Страны Басков UPV/EHU. Это плотная авторегрессионная модель семейства LLaMA 2 с 6,6 млрд параметров и контекстом до 4096 токенов, дополнительно обученная на баскском корпусе EusCrawl v1; в обучении также использовались англоязычные данные из The Pile. Модель предназначена прежде всего для генерации текста на баскском языке, а также для дальнейшей настройки под прикладные задачи и исследований обработки баскского языка. Она не проходила инструкционную настройку и не предназначена для использования как готовый чат-ассистент. Разработчики отмечают, что качество для языков, отличных от баскского, не гарантируется; модель устарела и опубликована для воспроизводимости, поэтому рекомендуется использовать более новую версию семейства Latxa. Модель распространяется с лицензией LLaMA 2, допускающей коммерческое и исследовательское использование согласно её условиям. Она может наследовать предвзятости и другие ограничения исходного семейства LLaMA.

Envoid/LBonVent-12B — текстовая генеративная модель, созданная автором репозитория путём глубокого LoRA-дообучения Undi95/Mistral-PetroLimaRP-v3-12B на корпусе Dendrite. Модель предназначена для ролевых диалогов и философских обсуждений; автор сообщает, что первые результаты выглядят многообещающе, но проверил её ограниченно. Модель построена на архитектуре Llama и содержит около 11 млрд параметров. Она работает с текстом, поддерживает контекст до 32 768 токенов и распространяется в формате PyTorch. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. Карточка предупреждает, что модель может выдавать контент для взрослых.

AlexanderTheGreat888 дообучил эту плотную авторегрессионную языковую модель семейства Qwen2 на базе unsloth/qwen2.5-1.5b-instruct-unsloth-bnb-4bit с использованием Unsloth и библиотеки TRL. Модель содержит 1,5 млрд параметров, принимает текст и генерирует текст; контекст — до 32 768 токенов. В карточке указано назначение для юридического чат-бота, а метаданные отмечают разговорный режим и интерфейс вызова инструментов. Модель может использоваться для диалоговых ответов на юридические вопросы и создания чат-бота по правовой тематике. Карточка не описывает обучающие данные, конкретные юрисдикции или проверенную точность ответов, поэтому её правовые ответы требуют проверки специалистом. Лицензия — Apache-2.0.

ainur07/legal-chatbot-qwen2.5-1.5b-sft — чат-модель для генерации текста, дообученная ainur07 на базе unsloth/qwen2.5-1.5b-instruct-unsloth-bnb-4bit с использованием Unsloth и библиотеки Hugging Face TRL. По названию репозитория модель предназначена для диалоговых сценариев в юридической тематике, однако README не уточняет, на каких данных и для каких именно правовых задач она обучалась. Модель построена на архитектуре Qwen2, содержит 1,5 млрд параметров и поддерживает контекст до 32 768 токенов; в карточке указан английский язык. Репозиторий распространяется в формате Safetensors по лицензии Apache-2.0.

Модель polystation/llama-3.2-3B-catalaV3 создана в рамках магистерской работы UOC «Генерация виртуальных помощников для изучения каталанского языка». Это языковая модель семейства Llama с плотной архитектурой LlamaForCausalLM, размером 3,2 млрд параметров, предназначенная для генерации текста в диалоговом формате. Она ориентирована на создание виртуальных помощников для изучающих каталанский язык и может использоваться в учебных диалогах и ответах на вопросы по изучению языка. Модель работает с текстом, поддерживает интерфейс чата и имеет заявленную длину контекста 131 072 токена. Опубликована в формате safetensors и рассчитана на использование через Transformers. Карточка не уточняет базовую модель, лицензию, данные обучения или ограничения качества, поэтому эти характеристики нельзя установить по доступным сведениям.

ThomasComics/Llama-3B-2SentenceHorror — языковая модель ThomasComics для генерации текста в жанре коротких историй ужасов, рассчитанных на два предложения. Это дообученная версия unsloth/llama-3.2-3b-instruct-bnb-4bit, построенная на архитектуре Llama и содержащая 3,2 млрд параметров. Модель принимает текстовые запросы и генерирует текст; в метаданных указан контекст длиной до 131072 токенов и поддержка английского языка. Модель предназначена для создания лаконичных хоррор-историй и творческих текстов по заданной теме или началу. Для обучения использовались Unsloth и библиотека TRL. Репозиторий распространяется по лицензии Apache-2.0.

LLMGenFoodRecipe-GPT2 — компактная языковая модель семейства GPT-2, дообученная автором репозитория на наборе рецептов RecipeNLG. Она предназначена для генерации текста рецептов и может использоваться для создания черновиков блюд по текстовой подсказке. Модель принимает текст и генерирует текст; базовая модель — англоязычная DistilGPT2, а контекст составляет до 1024 токенов. В README указана оценка Loss 0,0490 на наборе оценки, однако методика и дополнительные метрики не описаны. Модель распространяется по лицензии Apache-2.0.

Luminus-1.5B-Roleplay-GGUF — это набор GGUF-квантизированных версий модели Luminus-1.5B-128K, разработанной ReXeeD и основанной на ReXeeD/Luminus-1.5B-Roleplay. Модель предназначена для генерации текста, прежде всего для иммерсивного ролевого общения, поддержания последовательности персонажа, диалогов и задач рассуждения с использованием Chain-of-Thought. В метаданных указан английский язык и контекст до 128K токенов. Модель содержит около 1,5 млрд параметров и доступна в вариантах от F16 и Q8_0 до Q3_K_M. Для ряда вариантов применена квантизация с Dynamic 2.0 KL-Divergence и importance matrix, откалиброванная на данных ролевого общения и Chain-of-Thought. Это должно помогать сохранять логику персонажа, форматирование и блоки <think> при снижении разрядности. Файлы совместимы с LM Studio, KoboldCPP, Ollama и text-generation-webui и рассчитаны на локальный запуск, включая оборудование с ограниченными ресурсами. Сильными сторонами являются небольшой размер, широкий выбор уровней квантизации и специализация на ролевых сценариях с последовательным поведением персонажа. Более компактные варианты требуют меньше памяти, но могут заметнее терять качество и способности к рассуждению; README указывает особенно низкое качество для Q3_K_M. Модель ориентирована на английский язык, а заявленные показатели сохранения качества и производительности зависят от конкретной квантизации и аппаратной конфигурации. Репозиторий распространяется по лицензии Apache-2.0.

Lytta 2.5 32B Instruct — экспериментальная диалоговая модель на архитектуре Qwen2, созданная maldv путём нормализованной интерполяции весов нескольких моделей с последующим объединением результата с Qwentile. Модель содержит 32 млрд параметров, принимает текст и рассчитана на генерацию ответов и творческого текста; контекст — до 32 768 токенов. В README автор характеризует её как интеллектуальную, но чрезмерно непредсказуемую и непослушную, поэтому она может подойти для необычных художественных и ролевых сценариев, включая NSFW-контент. Модель представлена в формате Safetensors и доступна под лицензией Apache-2.0. Каталог также указывает чатовые возможности и интерфейс вызова инструментов, однако README предупреждает о проблемах с управляемостью; практическую надёжность этих функций карточка не подтверждает.

MechDistilGPT2 — авторегрессионная языковая модель Ashwin, дообученная на текстах из более чем 100 книг в формате PDF по механике и автомобилестроению. Она основана на DistilGPT2 и предназначена для генерации продолжений текста на английском языке в технической тематике; в карточке также упоминается классификация тем, но отдельная оценка этого сценария не приведена. Модель использует архитектуру GPT-2 с плотными слоями и принимает текст, выдавая текст; длина контекста составляет 1024 токена. Для дообучения использовались 200 тысяч предложений, обучение проходило три эпохи, а валидационная выборка включала 40 тысяч предложений. Лицензия в карточке не определена. Модель не гарантирует фактическую точность и может воспроизводить смещения и стереотипы, поэтому её ответы требуют проверки.

nephra v1.0 — языковая модель Sao10K для ролевых диалогов, дообученная на базе Meta-Llama-3-8B на ролевых и инструкционных данных. Она генерирует текстовые ответы в формате диалога и рассчитана на ролевые сессии и интерактивное взаимодействие с персонажами. Модель имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекст до 8192 токенов; поддерживает английский язык. Для диалогов рекомендуется формат промпта Llama-3-Instruct. Модель распространяется по лицензии Meta Llama 3 Community License Agreement. Карточка предупреждает, что иногда генерация может нарушаться; качество зависит от настроек и формулировки промпта.

Nyx-RP-Mini-2.6B-Instruct-2608-v0.1 — экспериментальная инструктивная текстовая модель для ролевых диалогов и творческого письма, созданная Indexnusrefather на основе LiquidAI/LFM2.5-2.6B. Это дообученная плотная модель семейства LFM2 с 2,6 млрд параметров; в репозитории доступны веса Safetensors. Автор сообщает, что удалил этап рассуждений и доработал стиль, связность повествования и работу в длинных ролевых сессиях. Модель предназначена для генерации ответов персонажей и поддержания ролевого диалога, в том числе в SillyTavern. Заявленный размер контекста — 131 072 токена. Карточка указывает английский язык; она не приводит отдельной оценки качества или подробностей обучающего набора. Лицензия обозначена как other, поэтому конкретные условия использования следует проверять в репозитории модели. Автор называет версию ранней и планирует дальнейшее развитие датасета.

opd-teacher-Q2.5I-GoldWashing-step149 — компактная языковая модель семейства Qwen2.5, разработанная на основе Qwen/Qwen2.5-1.5B-Instruct. Это плотная авторегрессионная модель на 1,5 млрд параметров для генерации текста и диалогов; она обучалась методом GRPO в среде GoldWashing на нулевом уровне сложности в рамках эксперимента по дистилляции с обучением на данных, генерируемых по ходу обучения. Чекпойнт соответствует 150-му обновлению и преобразован из исходного формата в safetensors для Hugging Face Transformers. Модель рассчитана на эксперименты с on-policy distillation в конфигурации из 32 сред, а также на диалоговую генерацию текста. Контекст составляет до 32 768 токенов. В метаданных указан английский язык и интерфейс чата. Лицензия — Apache-2.0; в README указано, что включена исходная лицензия Qwen.

Open Australian Legal LLM — языковая модель, разработанная для работы с австралийским правом. Это дообученная версия GPT-2 XL с архитектурой GPT-2 и примерно 1,5 млрд параметров. Модель обучалась на корпусе Open Australian Legal Corpus, включающем законы, нормативные акты и судебные решения из шести юрисдикций Австралии. Модель предназначена для генерации и продолжения юридических текстов, а также для дообучения под прикладные задачи в юридической сфере, включая ответы на вопросы. Она принимает текст и генерирует текст; длина контекста составляет 1024 токена. В проверке на наборе Open Australian Legal QA модель показала perplexity 8,01, однако это значение не гарантирует точность ответов в конкретных сценариях. Модель выпущена под лицензией Apache 2.0. Среди ограничений — возможное наследование смещений GPT-2 XL и преобладание юридического стиля, а также материалов по федеральному праву и праву Нового Южного Уэльса. Из-за лицензионных ограничений в обучающем корпусе могли отсутствовать материалы по Виктории, Северной территории и Австралийской столичной территории.

Pico Decoder Large — плотная авторегрессионная модель семейства pico-decoder, разработанная для исследований интерпретируемости обучения трансформеров. Это decoder-only трансформер в стиле LLaMA с 570 млн параметров и 12 слоями; модель обучена на наборе pretokenized-dolma. В карточке указана длина последовательности обучения 2048 токенов, но это не подтверждает максимальный контекст при использовании. Модель предназначена для генерации текста и анализа того, как языковые модели обучаются. Она совместима с pico-train и pico-analyze, а карточка описывает её как исследовательскую модель с возможностями анализа промежуточных контрольных точек. Опубликованные веса представлены в формате safetensors. Модель выпущена под лицензией Apache-2.0. Английский указан среди языков карточки; оценка включала измерение perplexity на pico-paloma-tinsy. README описывает исследовательское назначение и не приводит результатов, позволяющих судить о качестве для прикладных сценариев.

ppt-pythia-160m-uniform250-sampled-seed208-stage2 — языковая модель семейства GPT-NeoX, обученная с нуля; в карточке разработчик не указан. Она содержит 151,9 млн параметров, принимает текст и генерирует текст, а длина контекста составляет 2048 токенов. Указанный результат оценки — loss 3,7586; подробности набора данных и методики оценки не приведены. Модель может служить компактным экспериментальным чекпойнтом для генерации текста и изучения обучения небольших языковых моделей. README не описывает целевые сценарии, поддерживаемые языки или ограничения применения. Файлы представлены в формате Safetensors; сведения о лицензии в предоставленных данных отсутствуют.

Qliphoth 24B v1.2 — это текстовая генеративная модель OccultAI, основанная на дообученной Naphula/Goetia-24B-v1.2. Модель построена на плотной архитектуре Mistral с 23,4 млрд параметров и контекстом до 131 072 токенов; для работы автор рекомендует шаблон чата Mistral Tekken. Веса опубликованы в формате Safetensors, лицензия — Apache-2.0. Модель предназначена для генерации текста и ролевых сценариев на темы оккультизма, включая мрачные и откровенные сюжеты. Автор описывает её как uncensored и abliterated, созданную методом Magnitude-Preserving Orthogonalized Ablation; заявлено отсутствие отказов в Compliance Leaderboard. README предупреждает, что ответы могут содержать графическое насилие и эротический контент. В метаданных указан английский язык; другие языки отдельно не подтверждены.