I.5Создание и редактирование текста

PrivBERT — языковая модель для текстов политик конфиденциальности, разработанная на основе предварительно обученной RoBERTa. Модель дообучена на примерно одном миллионе политик конфиденциальности и предназначена для работы с такими документами; в метаданных указана задача fill-mask, то есть предсказание замаскированных токенов в тексте. Это плотная модель архитектуры RoBERTa с примерно 151,8 млн параметров и контекстом до 514 токенов. Доступны форматы PyTorch и TensorFlow. Карточка не приводит оценки качества, поддерживаемые языки или лицензию, поэтому их нельзя уточнить.

Undi95/PsyMedRP-v1-20B — текстовая генеративная модель семейства Llama с плотной архитектурой LlamaForCausalLM и 19,8 млрд параметров. Она предназначена для генерации текста; название указывает на сценарии психологического и медицинского ролевого общения, однако README не описывает её назначение или подтверждённые возможности. Модель опубликована в safetensors и имеет контекстное окно 4096 токенов. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. В README модель обозначена как находящаяся на тестировании; метаданные также помечают её как неподходящую для всех аудиторий и NSFW.

Pygmalion-7b-Merged-Safetensors — разговорная модель на архитектуре LLaMA, созданная PygmalionAI и дообученная на основе Meta LLaMA-7B. Это версия 1, обученная на части данных Pygmalion-6B-v8-pt4; веса представлены в формате SafeTensors, а XOR-файлы уже применены. Модель предназначена прежде всего для вымышленных диалогов и ролевого общения в развлекательных сценариях. Модель принимает текст и генерирует продолжение диалога в формате Pygmalion с описанием персоны и репликами участников. Размер составляет 6,6 млрд параметров, контекст — до 2048 токенов; в метаданных указан английский язык. Лицензия в предоставленных данных не указана.

masahiroid/pythia-160m-mlx — сообщественная MLX-конверсия базовой модели EleutherAI Pythia-160m. Это плотная авторегрессионная GPT-NeoX-модель примерно на 151,9 млн параметров в формате Safetensors; README указывает точность float16. Контекст — 2048 токенов. Конверсия неофициальная, авторство исходной модели принадлежит EleutherAI. Модель предназначена для продолжения текста по заданному фрагменту и исследовательских экспериментов с языковыми моделями. Это базовая, не настроенная на инструкции модель: она не предназначена для следования чат-командам. Поддерживаемые в карточке языки — английский и японский. Лицензия — Apache-2.0.

EleutherAI/pythia-160m-seed1 — базовая авторегрессионная языковая модель из набора PolyPythias, созданного EleutherAI как расширение проекта Pythia для изучения стабильности и воспроизводимости обучения. Модель построена на архитектуре GPT-NeoX, содержит около 151,9 млн параметров и принимает текст, предсказывая продолжение последовательности. Контекст — 2048 токенов. Эта версия относится к серии запусков Pythia с разными случайными seed и предназначена прежде всего для исследовательских сравнений поведения моделей и воспроизведения экспериментов. Модель обучалась на 300 млрд токенов из The Pile с заранее перемешанным порядком данных; доступны промежуточные контрольные точки обучения. Она не дообучена следовать инструкциям и рассчитана преимущественно на английский язык. Лицензия — Apache 2.0.

Это экспериментальный плотный языковой чекпойнт Qwen3-4B, дообученный командой HYU-NLP-EVAL на базе Qwen/Qwen3-4B-Instruct-2507. Он предназначен для генерации текста в медицинском контексте; название и описание запуска указывают на статический вариант RaR-Medicine с сопоставленным dense-чекпойнтом, шаг 12. Модель принимает текст и поддерживает диалоговый сценарий; базовая модель рассчитана на контекст до 262 144 токенов. Весы доступны в BF16 и формате safetensors, лицензия — Apache-2.0. README ограничивает применение исследовательскими целями. Это ранний чекпойнт конкретного эксперимента, поэтому его пригодность для клинических решений не подтверждена.

Receitas GPT-2 PT — компактная языковая модель GPT-2 small с 124 млн параметров, разработанная в рамках Tech Challenge Fase 4 программы pós-graduação em Machine Learning Engineering. Модель дообучена для генерации кулинарных рецептов на португальском языке на 2 506 рецептах из Wikilivros; базовая модель — pierreguillou/gpt2-small-portuguese. Для генерации используются подсказки с режимом по названию рецепта, категорией и заголовком. Контекст составляет 1 024 токена. Валидационная perplexity снизилась с 37,10 у базовой модели до 5,14 после дообучения. Модель подходит для создания черновиков рецептов и учебных экспериментов с генерацией кулинарного текста. Небольшой размер модели и обучающий корпус ограниченного объёма сказываются на надёжности: рецепты выглядят правдоподобно, но количества ингредиентов, время и температура приготовления могут быть ошибочными и не проверялись на практике. Лицензия — CC-BY-SA 3.0; автор описывает использование как развлекательное и образовательное.

Ref-Pretrain-Qwen-104M — языковая модель MiniLLM на архитектуре Qwen2 с 103,5 млн параметров. Её обучили с нуля на корпусе The Pile в течение 5 млрд токенов; веса сохранены в формате safetensors и доступны для работы через Transformers. Контекст модели составляет 32 768 токенов. Модель предназначена прежде всего для генерации текста и служит эталонной моделью в рамках фреймворка дистилляции знаний MiniPLM: с её помощью формируют уточнённый корпус предобучения, на котором затем обучают модели MiniPLM. Карточка также публикует токенизированный корпус для воспроизводимости. Указана поддержка английского языка и диалоговых сценариев. Модель выпущена под лицензией Apache-2.0. README не приводит результатов оценки самой Ref-Pretrain-Qwen-104M; её основное назначение связано с подготовкой данных для дистилляции, поэтому качество ответов в прикладных сценариях по карточке оценить нельзя.

Rosa_v1_3B — экспериментальная разговорная модель-компаньон, опубликованная jeiku. По метаданным это плотная авторегрессионная модель семейства StableLM Epoch с архитектурой StableLMEpochForCausalLM, примерно 2,7 млрд параметров и контекстом до 4096 токенов. Репозиторий содержит веса в формате safetensors; автор также упоминает отдельную версию GGUF. Модель создана смешиванием нескольких моделей и вариантов самой Rosa, включая модели после DPO, чтобы получить связного и интересного ИИ-компаньона; автор планирует дальнейшие испытания и рассматривает её как основу для использования на мобильном устройстве. Основной сценарий — диалог на английском языке. Лицензия указана как other, поэтому конкретные условия использования по имеющимся данным определить нельзя.

Llama-3-LewdRuoZhiBa-8B — дообученная safe049 модель на основе Undi95/Llama-3-LewdPlay-8B, созданная с использованием Unsloth и библиотеки TRL. Это плотная авторегрессионная языковая модель семейства Llama 3 с 7,5 млрд параметров и контекстом до 8192 токенов. Модель предназначена для текстового общения и генерации ответов в диалогах. В карточке заявлены короткие естественные ответы, хорошая логика и сильные возможности китайского языка; также модель ориентирована на ролевые сценарии, в том числе с откровенным содержанием. Лицензия — llama3.

Aratako разрабатывает sarashina2.2-3b-RP-v0.1 — японскую языковую модель для текстовых ролевых диалогов, дообученную на базе sbintuitions/sarashina2.2-3b-instruct-v0.1. Модель построена на плотной архитектуре Llama и содержит 3,1 млрд параметров; она принимает текстовые инструкции и генерирует текстовые ответы. Заявленная длина контекста — 8192 токена. Для ролевой игры задайте в системном промпте персонажа и ситуацию диалога. Модель использует формат диалогового чата и предоставляет интерфейс вызова инструментов. Опубликована в формате safetensors, лицензия — MIT. README также указывает на доступность версии GGUF; её файлы могут иметь иные требования к запуску.

SMCLEM (Small Language Clem) — небольшая авторская языковая модель от Finisha-F-scratch, созданная с нуля для генерации текста. Она использует плотную архитектуру GemmaForCausalLM и содержит 129,9 млн параметров; заявленная длина контекста — 512 токенов. Модель предназначена для творческих экспериментов: построения сюрреалистичных миров, создания персонажей и диалогов с непредсказуемым стилем, а также поиска необычных языковых связей. Модель рассчитана на французский и английский языки. В карточке описан экспериментальный подход к генерации через столкновение разрозненных понятий, а не к точному воспроизведению фактов. Она может повторять очевидные утверждения и неожиданно вводить философские или общественно-политические темы в бытовой контекст. Не подходит для расчётов, исторических фактов, медицинских советов и обычных рецептов. Лицензия обозначена как other; конкретные условия использования в карточке не раскрыты.

Vanilla — Base (3B) — базовая языковая модель, разработанная командой model-raising для исследований в области выравнивания и безопасности. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM, обученная с нуля; для токенизации используется словарь SmolLM2 из 49 152 токенов. Модель прошла предварительное обучение примерно на 500 млрд токенов из части смеси Olmo 3 Dolma 3. Доступны промежуточные контрольные точки обучения, а основная версия содержит завершённую модель. Модель предназначена для продолжения текста, исследования поведения базовой модели, зондирования и последующего дообучения. Она не настроена для следования инструкциям и не содержит шаблона чата. Контекст составляет 2048 токенов. В README указано, что при предварительном обучении не применялись меры безопасности; модель может выдавать неверный или небезопасный контент. Опубликованы только веса, поэтому точное возобновление обучения невозможно. Лицензия обозначена как «other» в метаданных, а в README указано, что она ещё не окончательно определена.

Это исследовательский чекпойнт на базе Llama-3.1-8B-Instruct от Meta, сжатый методом SVD-LLM и затем изменённый итеративным обменом параметров по правилу gap_iter. В модели удалено 30,01% параметров; после сжатия выполнено 9 из 10 раундов обмена. Архитектура — плотная авторегрессионная LlamaForCausalLM, размер — 7,5 млрд параметров, контекст — до 131 072 токенов. Модель предназначена для генерации текста и диалоговых экспериментов. Чекпойнт создан как одна из конфигураций исследования компромиссов между сжатием и безопасностью ответов. В README приведены результаты на AdvBench, StrongREJECT и WildGuard; они характеризуют конкретные измерения безопасности и чрезмерных отказов, а не гарантируют поведение в иных сценариях. Модель не позиционируется как универсальный или готовый к развёртыванию ассистент. Репозиторий распространяется по лицензии Llama 3.1.

AKA Tagamistral-7b-v1 — экспериментальная диалоговая языковая модель, созданная автором 922-Narra путём дообучения SeaLLMs/SeaLLM-7B-v2 на синтетическом наборе данных Tagalog. Она предназначена главным образом для общения и генерации текста на тагальском языке; модель может переключаться на английский или смешивать его с тагальским. Архитектура — плотная MistralForCausalLM, размер — 7,2 млрд параметров, родной контекст — 32 768 токенов. Доступны веса в форматах PyTorch и safetensors; README также упоминает GGUF. Это архивная тестовая модель для экспериментов и чата, а не для производственного применения. Автор предупреждает, что способность отвечать по-тагальски может в значительной мере унаследована от базовой модели, а ответы не гарантированно безопасны или согласованы. Лицензия — Apache-2.0.

Teleut-7b-RP — модель для генерации диалогов в ролевых сценариях, созданная Allura на основе Teleut-7b. Это дообученная с помощью LoRA плотная авторегрессионная модель семейства Qwen2 с 7,1 млрд параметров; для общения рекомендуется шаблон ChatML. В метаданных указан контекст до 131 072 токенов, а веса представлены в формате Safetensors. Модель предназначена для отыгрыша персонажей и продолжения диалогов в заданном стиле. README описывает два цикла обучения и приводит рекомендуемые настройки сэмплирования, но отмечает, что обучающие данные были низкого качества. Модель распространяется по лицензии Apache-2.0. Карточка не приводит сведения о поддерживаемых естественных языках.

Thespis-13b-v0.3 — личный проект автора cgato: чат-модель для многоходовых ролевых диалогов, включая SFW- и NSFW-сценарии. Это плотная авторегрессионная модель семейства LLaMA с 12,9 млрд параметров и контекстом 4096 токенов. Модель ориентирована на ролевую переписку в интернет-стиле: действия оформляются звёздочками, реплики — без кавычек. README сообщает о дообучении на примерах из Claude Multiround Chat 30k, Pippa Dataset, Puffin Dataset и вручную отобранных диалогах с персонажами. Поддерживается стандартный чат-шаблон, в том числе использование с Ooba и SillyTavern. Автор указывает, что версия устарела и рекомендует Thespis v0.4. Репозиторий содержит веса PyTorch. Лицензия в предоставленных данных не указана.

Thespis-13b-v0.4 — личный проект на архитектуре Llama, содержащий 12,9 млрд параметров и предназначенный для генерации текста в многоходовых ролевых диалогах. Модель рассчитана на сценарии интернет-ролевых игр с персонажами и использует стандартный чат-шаблон; для оформления действий лучше всего подходит разметка звёздочками, а реплики рекомендуется писать без кавычек. Для обучения использованы отфильтрованные примеры из Claude Multiround Chat, Pippa, Puffin и Airoboros 3.1, а также отобранные вручную ролевые диалоги. Модель работает с форматами чата Ooba и SillyTavern и имеет контекст до 4096 токенов. В README заявлена поддержка как безопасных, так и откровенных ролевых сценариев. Лицензия в предоставленных данных не указана.

Thespis-13b-v0.5 — личный проект автора cgato: текстовая модель диалоговой генерации на архитектуре Llama с 12,9 млрд параметров и контекстом до 4096 токенов. Она дообучена для многоходовых ролевых диалогов, в том числе SFW- и NSFW-сценариев, и рассчитана на ролевое общение в интернет-стиле: действия оформляются звёздочками, реплики — без кавычек. Для обучения использованы отфильтрованные текстовые выборки из Claude Multiround Chat, Puffin, Airoboros 3.1 и Augmental, а также вручную отобранные ролевые диалоги с разными персонажами. Модель принимает текстовые сообщения в обычном формате чата и генерирует продолжение диалога. README описывает шаблоны для Ooba и SillyTavern, а также вариант шаблона для чат-ботов. Модель предназначена прежде всего для ролевого общения; кодирование и математика исключались из части обучающих выборок, поэтому эти задачи не являются заявленной специализацией. Репозиторий содержит веса PyTorch и помечен как не для всех аудиторий. Лицензия в предоставленных данных не указана.

Thespis-13b-v0.6 — персональный проект автора карточки, дообученная плотная causal language model семейства LLaMA с 12,9 млрд параметров. Она предназначена для многоходовых ролевых диалогов и рассчитана на формат чата, совместимый с Ooba и SillyTavern; автор рекомендует стиль интернет-ролевых игр с действиями, выделенными звёздочками, и репликами без кавычек. Обучающие данные включают отобранные примеры из нескольких наборов диалогов и письма, а также вручную собранные ролевые беседы с персонажами. Модель генерирует текст и ориентирована на ролевые сценарии как с безопасным, так и со взрослым содержанием. Контекст составляет 4096 токенов. В карточке указано, что проект находится в разработке, а автор отдельно отмечает работу над качеством первых ответов. Лицензия в предоставленных данных не указана.

tinctura-v1 — англоязычная причинная языковая модель на 96,2 млн параметров, разработанная bench-labs и обученная с нуля на 75 млрд токенов. Это плотная decoder-only архитектура Cagliostro с 18 слоями; модель предназначена для генерации продолжений текста и небольших экспериментальных сценариев с языковыми моделями. Контекст составляет 2048 токенов, веса опубликованы в формате safetensors, для загрузки через Transformers требуется trust_remote_code=True. Модель завершила обучение и оценивалась на общедоступных тестах: автор сообщает индекс 20,81 на Open SLM Leaderboard Index и результаты на HellaSwag, ARC-Easy и ARC-Challenge. В README отмечены английский язык и способности к арифметике и коротким символьным задачам, но эти результаты не означают общего математического рассуждения. Модель не проходила настройку на инструкции, безопасность или RLHF и может уверенно выдумывать факты, поэтому ненадёжна для фактологических ответов. Лицензия — Apache-2.0.

Toronto-Mans-35B-A3B — текстовая разговорная модель, созданная разработчиком devon7y на основе Qwen/Qwen3.6-35B-A3B. Модель дообучена LoRA на диалогах и примерах словаря, после чего адаптер объединён с весами базовой модели. Она генерирует ответы в преувеличенном стиле Multicultural Toronto English, сохраняя ответы по существу; интенсивность сленга задаётся системным промптом. Модель предназначена для развлекательных диалогов, имитации стилизованной речи Торонто и объяснения местного сленга. Это текстовая MoE-модель: в README указаны 35 млрд параметров всего и около 3 млрд активных; контекст — 262 144 токена. Доступны веса в формате Safetensors для Transformers и совместимых средств запуска. Лицензия — Apache-2.0. Автор предупреждает, что стилизация намеренно преувеличена и не отражает речь всех жителей Торонто или конкретных сообществ. По данным README, объяснения сленга верны примерно в шести случаях из десяти, а в части обычных ответов встречаются общие или британские слова. Модель не следует использовать как источник достоверных сведений или для подражания реальному человеку; в ситуациях, связанных с безопасностью, горем и медицинскими вопросами, она должна переходить к нейтральной речи.

WindyTranslate/translate-en-pqe — модель машинного перевода от Windstorm Labs для перевода текста с английского на pqe. Она основана на Helsinki-NLP/opus-mt-en-pqe: к исходным весам применили дообучение LoRA на параллельном корпусе и объединили адаптер с базовой моделью. Архитектура — MarianMT, размер — 55,9 млн параметров; модель доступна в формате safetensors и рассчитана на контекст до 512 токенов. Модель предназначена для однонаправленного перевода en → pqe. Её можно загружать через Transformers как модель последовательного преобразования текста. Лицензия — Apache-2.0. Качество перевода не оценено: проверка подтвердила заявленный язык результата, но не точность или естественность перевода.

Trouper-v2-12B — языковая модель DarwinAnim8or для текстового ролевого общения и художественного письма от лица персонажей. Это плотная модель семейства Mistral с 12,1 млрд параметров, созданная на основе слияния Trouper-12B и Mistral Nemo Base; в карточке также указано дообучение на Mistral Nemo Base. Модель принимает текст и генерирует текст, поддерживает английский язык и контекст до 131 072 токенов. Распространяется в формате safetensors по лицензии Apache-2.0. Модель рассчитана на ролевые сцены с постепенным развитием отношений и эмоциональных арок, передачу голоса персонажа, сдержанную прозу и сохранение контроля пользователя над действиями своего героя. Она также умеет формировать краткие пересказы истории и текстовые запросы для генерации портретов и фонов в SillyTavern. Среди заявленных особенностей — внутренние монологи персонажей, поддержка структурированных карточек и устойчивость к неожиданным поворотам диалога. Ограничения включают склонность к повторяющимся атмосферным деталям, редкие нарушения формата, включая незакрытые звездочки и пропуск блоков размышлений, а также возможное употребление выражения «the user» во внутренних блоках. Для корректного завершения реплик рекомендуется использовать шаблон Mistral-Tekken или ChatML. Модель не предназначена для обычной работы виртуального помощника вне ролевой игры.

Ultimate RPG System 3.2 1B — компактная языковая модель NovaCorp для ролевых игр и интерактивного повествования. Она предназначена для ведущих настольных и цифровых RPG, авторов мрачного фэнтези, хоррора и постапокалиптических историй. Модель генерирует сцены, диалоги NPC, описания боёв, конфликты фракций и сюжетные развилки с устойчивым напряжённым тоном. Модель основана на плотной архитектуре Llama, содержит 1,2 млрд параметров и рассчитана на контекст до 131 072 токенов. По карточке, это слияние методом SLERP моделей NovaCorp/Fornicator-3.2-1B и NovaCorp/RPG_System-3.2-1B; веса представлены в safetensors, указана точность bfloat16. Метаданные отмечают английский и испанский языки. Лицензия — Llama 3.2. Модель ориентирована на художественный roleplay с жестокостью, откровенными темами и низкой склонностью к отказам. Она может выдавать графическое насилие, грубую лексику и чрезмерную эскалацию сюжета; не подходит для детской аудитории, профессионального общения или задач, требующих сдержанного и поддерживающего тона. Карточка позиционирует её для RPG и творчества, а не для точных вычислений или деловых задач.

Это исходный 12-слойный чекпойнт XLNet, использованный в экспериментах SBERT-WK — методе получения эмбеддингов предложений путём анализа BERT-подобных языковых моделей. Репозиторий предоставляет поддерживающий чекпойнт для воспроизводимости исходной работы, а не готовую специализированную модель эмбеддингов. В метаданных указаны архитектура XLNetLMHeadModel, 137,8 млн параметров и форматы PyTorch и Safetensors. Модель предназначена для исследовательских экспериментов и воспроизведения метода SBERT-WK; метаданные также задают задачу генерации текста. Карточка отмечает, что чекпойнт больше не поддерживается. Данные о лицензии и поддерживаемых языках не приведены.

AB-EXT Learned — авторская исследовательская базовая языковая модель E6E831728, построенная как плотный декодерный трансформер с причинным языковым моделированием. Она содержит около 1,8 млрд обучаемых параметров и выпущена для изучения роли обучаемых входных эмбеддингов: в этой версии используется обучаемая таблица входных представлений размером 49 152 × 2 048. Выходная проекция словаря обучается отдельно и не связана с входной таблицей. Модель обучалась предсказанию следующего токена примерно на 100 млрд целевых токенов. Она предназначена для продолжения текста и исследовательских сравнений методов представления токенов; это базовая модель, не настроенная на выполнение инструкций или работу в качестве диалогового помощника. Контекст составляет 2 048 токенов. В карточке указан английский язык. Карточка приводит результаты оценки на нескольких языковых тестах и подчёркивает, что результаты подтверждают работоспособность подхода, но не равенство качества сравниваемых моделей. Модель подходит для исследований и генерации текста, но не проверена для ответственных решений. Оценки основаны на одном запуске обучения для каждого варианта; часть запросов в оценке MMLU была усечена, а отсутствие загрязнения тестовых данных независимо не подтверждено. Сгенерированный текст может содержать ошибки, предвзятость или вредный контент. Для работы используется библиотека Transformers и формат весов safetensors. Карточка рекомендует изучать пользовательский код перед включением trust_remote_code=True и проверять реализацию функции потерь перед дообучением. Лицензия в предоставленных данных не указана.

HuggingFaceFW выпустила эту модель как часть серии абляционных экспериментов FineWeb. Это плотная авторегрессионная языковая модель на архитектуре Llama с RoPE, примерно 1,7 млрд параметров по метаданным и контекстом 2048 токена. Модель обучалась 350 млрд токенов из FineWeb-Edu с токенизатором GPT-2; веса опубликованы в формате Safetensors и доступны по лицензии Apache-2.0. Модель предназначена для продолжения англоязычного текста и сравнения с другими моделями, обученными в тех же условиях. Она не настроена на выполнение инструкций, поэтому подходит для дополнения фрагментов текста, а не для диалога или следования командам. Обучение преимущественно на англоязычных данных ограничивает качество на других языках. Ответы могут отражать предвзятость и вредоносное содержимое обучающих данных; авторы также предупреждают, что это результат абляционного сравнения, а не обязательно лучший вариант обучения на этом наборе данных.

AdvisorAI — дообученная модель Qwen2.5-14B-Instruct, созданная Nitin Chaube для академического консультирования студентов Технологического института Стивенса. Это плотная авторегрессионная языковая модель с 14 млрд параметров, рассчитанная на диалог и генерацию текстовых ответов; максимальная длина контекста — 32 768 токенов. Полная модель получена слиянием адаптера DoRA с базовыми весами; при настройке использовались QDoRA, rsLoRA и NEFTune. Модель отвечает на вопросы о курсах и пререквизитах, программах и требованиях к степеням, преподавателях, поступлении, финансовой помощи и жизни кампуса. Она ориентирована на сценарии академического консультирования в Stevens Institute of Technology и ведёт диалог в стиле консультанта, обычно оформляя ответы в Markdown. Обучающая выборка включает 79 871 пример из материалов, связанных с институтом, в том числе вопросы и ответы, подготовленные с помощью языковых моделей. Модель принимает текст и генерирует текст; в метаданных указан английский язык. Базовая модель и этот чекпойнт распространяются по лицензии Apache-2.0. Ответы могут быть неполными или устаревшими, особенно по сведениям, которые меняются со временем; покрытие зависит от обучающих материалов и не гарантирует точность академических требований.

AhıskaAI v0.4 235M Base — базовая языковая модель проекта AhıskaAI, разработанная как открытый исследовательский проект малых языковых моделей. Это плотная авторегрессионная модель архитектуры LlamaForCausalLM с 234,3 млн параметров и контекстом 2048 токенов; она принимает текстовый промпт и продолжает его. Модель обучена с нуля на турецком корпусе FineWeb-2 HQ Turkish примерно из 1,7 млрд токенов за одну эпоху, с собственным BPE-токенизатором на 24 тыс. элементов, ориентированным на турецкий и ахыска-турецкий языки. Модель предназначена для генерации турецкого текста, экспериментов с языковым моделированием и токенизацией, исследований малых моделей и дообучения. Это базовая, не настроенная на инструкции модель, поэтому она не рассчитана на диалог в роли ассистента. Небольшой размер и один проход по данным могут приводить к фактическим ошибкам, повторам, бессвязным или неполным продолжениям, слабому рассуждению и потере контекста; её не следует применять для решений с высокими ставками. Лицензия — Apache-2.0.