I.5Создание и редактирование текста

PiVoT-10.7B-Mistral-v0.2-RP — разговорная модель для ролевых диалогов, созданная автором maywell путём дообучения PiVoT-10.7B-Mistral-v0.2 на частном наборе диалогов из ArcaLive AI Chat Chan. Это плотная авторегрессионная модель семейства Mistral примерно на 10,6 млрд параметров; метаданные указывают контекст до 32 768 токенов, а карточка описывает скользящее окно длиной 8 192 токена. Модель предназначена для генерации ответов в ролевых и персонажных чатах. В метаданных заявлен английский язык, поддерживается разговорный режим. Доступны веса в формате safetensors. Модель распространяется по лицензии CC BY-SA 4.0. Карточка не приводит оценок качества или подробных тестов; результаты могут зависеть от промпта и сценария использования.

TheBloke публикует fp16-модель в формате PyTorch: объединение разговорной Pygmalion 13B от PygmalionAI и LoRA SuperHOT 8K от Kaio Ken, подготовленное TehVenom. Это плотная авторегрессионная модель семейства LLaMA с 12,9 млрд параметров и контекстом до 8192 токенов; для расширенного контекста README указывает использование trust_remote_code=True. Модель предназначена прежде всего для вымышленных диалогов и ролевых бесед в развлекательных сценариях. Модель принимает текст и генерирует текст, используя формат персонажа и чата Pygmalion. В README указано, что её не дообучали для безопасных и безвредных ответов: она может выдавать ненормативную лексику, откровенные или оскорбительные фрагменты, а также неверные и вводящие в заблуждение утверждения. Лицензия в метаданных обозначена как other; конкретные условия в предоставленных сведениях не раскрыты.

Qwen3-1.7B Chaotic-Enthusiastic Agent — дообученная Дэвидом Николсом компактная языковая модель Qwen3 с плотной архитектурой для генерации текста и диалогов. Она отвечает в подчеркнуто восторженном, буквальном и театральном стиле: использует прописные буквы и ремарки, сохраняя полезное содержание ответа. Модель подходит для развлекательных диалогов, творческих экспериментов с характером ассистента и генерации кода или объяснений в заданном стиле. Она принимает текст и генерирует текст; поддерживаемый язык карточки — английский. Размер модели — 1,7 млрд параметров, нативный контекст — 40 960 токенов. Лицензия — Apache-2.0. Это эксперимент тонкой настройки личности, поэтому стиль может быть чрезмерным и неуместным для нейтральной деловой коммуникации. В README заявлено, что модель не отказывает и не добавляет оговорок; это стилистическая особенность, а не гарантия точности или безопасности ответов.

Модель liuyanliang/randeng-bart-modern-to-classical-100k-bs16 — дообученная версия Randeng-BART для преобразования современного китайского текста в текст в стиле классического китайского языка (вэньяня). Это модель последовательность-в-последовательность на архитектуре BART с 95,2 млн параметров, предназначенная для демонстрационного backend и CLI проекта Classical Chinese NLP. Она принимает текст и генерирует текст; в примерах проекта используются префиксы задач, а настройки генерации по умолчанию включают beam search с четырьмя лучами. Контекст модели — 1024 токена. Модель подходит для учебных демонстраций и экспериментального переписывания текста. Она может создавать грамматически или исторически неточный архаичный текст, длинные входы могут обрезаться, а опубликованных результатов бенчмарков нет. Результаты следует проверять перед формальным использованием или исследованием. Базовая модель — IDEA-CCNL/Randeng-BART-139M-SUMMARY. Лицензия в предоставленных данных не указана.

Samantha-1.11-7b — диалоговая модель QuixiAI на базе Llama 2, дообученная методом QLoRA на 6 000 специально отобранных диалогах в формате ShareGPT/Vicuna. Она предназначена для общения в роли дружелюбного собеседника и помощника по вопросам философии, психологии и личных отношений; в карточке приведён пример советов и планирования действий для повышения уверенности при знакомствах. Модель использует архитектуру Llama для генерации текста, принимает текстовые запросы и выдаёт текстовые ответы на английском языке. Размер — 6,6 млрд параметров, контекст — до 4 096 токенов; формат весов в репозитории — PyTorch. Карточка сообщает, что модель не участвует в ролевых играх, романтических или сексуальных взаимодействиях. Её самоописание как разумного ИИ является частью заданной персоны, а не подтверждённым свойством. Модель выпущена под лицензией Llama 2, условия которой допускают коммерческое и некоммерческое использование с ограничениями.

SaeedAngiz1/shahnameh-smollm2-360m — дообученная авторами репозитория модель HuggingFaceTB/SmolLM2-360M для генерации стихов в стиле «Шахнаме». Это плотная авторегрессионная модель семейства Llama с 361,8 млн параметров и контекстом 8192 токена; она принимает текст и генерирует текст. Веса содержат настройки генерации с повышенным штрафом за повторы, чтобы снизить риск зацикливания при стандартном вызове генерации. Модель рассчитана прежде всего на английский язык; персидский и немецкий работают хуже. Модель подходит для создания новых стихотворных фрагментов в стиле «Шахнаме» и творческих экспериментов с эпическим повествованием. Обучение проведено на небольшом наборе из 270 примеров, поэтому модель передаёт стиль, но не обеспечивает достоверность сведений о персонажах и родственных связях. Персидская грамматика, классический регистр и стихотворный размер не проверены носителем языка; качество генерации может различаться между запусками. Лицензия — Apache-2.0.

Shakespeare — дообученная QuillBytes модель на базе Qwen3-4B, предназначенная для диалога и генерации текста в стиле раннего современного английского языка. Она использует елизаветинскую лексику, обращения thee/thou/thy и стремится к ямбическому ритму, сохраняя этот стиль в ответах. Модель подходит для развлекательных бесед, стилизации текста и создания реплик с шекспировским звучанием. В репозитории есть веса GGUF, включая 4-битную квантизованную версию для локального запуска, а также вариант F16; метаданные указывают архитектуру семейства Qwen3. Лицензия — Apache-2.0. Модель рассчитана на развлечение и может постоянно отвечать в заданной стилистике, что ограничивает её применение для нейтральных ответов и задач, требующих современного языка.

silly-v0.2 — дообученная модель wave-on-discord на базе Mistral-Nemo-Base-2407, предназначенная для имитации стиля ответов моделей character.ai и ролевого общения. Это плотная авторегрессионная языковая модель Mistral с 12,1 млрд параметров; обучение включало два прохода SFT на данных для ролевых диалогов и примерно час PPO с POLAR-7B RFT. Модель принимает текст в формате ChatML и генерирует текст. Метаданные указывают контекстное окно 131 072 токена; базовая модель многоязычная, но отдельный язык для этой версии не выделен. Модель рассчитана на ролевые диалоги: по отзывам, она связно поддерживает контекст, хорошо пишет и может начинать беседу. Автор отмечает нестабильность и советует снижать temperature для длинных сообщений; также возможны ошибки в базовой логике, выдумывание деталей и забывание ранее заданной информации. Автор описывает релиз как proof of concept. Модель распространяется по лицензии Apache-2.0.

tacab/somali-agriculture — языковая модель GPT-2 для генерации текстов на сомалийском языке по вопросам сельского хозяйства. Она обучена на примерно 10 000 пар запросов и ответов и предназначена для ответов на аграрные вопросы, подготовки учебных материалов для фермеров и создания тематических чат-ботов. Модель имеет архитектуру GPT-2 с 4 слоями, 4 головами внимания и размером эмбеддинга 256; используется собственный BPE-токенизатор. Контекст ограничен 512 токенами. Модель распространяется под лицензией MIT. Карточка не приводит оценки качества; обучение на ограниченном тематическом наборе данных может ограничивать точность и охват ответов.

spoomplesmaxx-cardmaker-v2 — текстовая модель aimeri, созданная полным дообучением Ministral 3 14B на датасете SillyTavern-карточек. Она преобразует короткий запрос на естественном языке в готовую карточку персонажа V2/V3: описание, характер, сценарий, первое сообщение, примеры диалога и иногда лорбук. Модель рассчитана на генерацию англоязычных карточек для SillyTavern; её обучали на базовом, а не instruct-чекпойнте, поэтому она выдаёт содержимое карточки без вступления от ассистента. Размер — 13,4 млрд параметров, архитектура — плотная Ministral 3, длина контекста — до 262 144 токенов. Формат весов — safetensors, библиотека — Transformers. Модель предназначена для однократной генерации карточки персонажа по концепции, архетипу, имени и ограничениям или даже по одной строке описания. Это не универсальный ассистент и не модель для многоходового общения или ролевой игры. Результат — сгенерированный текст, его структура не гарантируется, поэтому перед импортом в SillyTavern карточку следует проверить валидатором. Обучение включало безопасные и откровенные карточки, поэтому возможен зрелый или неприемлемый контент; также модель наследует жанровые и демографические перекосы источников. Лицензия — Apache 2.0.

Luni/StarDust-12b-v1 — модель для ролевых диалогов и генерации прозы, созданная автором Luni методом слияния нескольких моделей. Это плотная авторегрессионная модель семейства Mistral с 12,1 млрд параметров; среди компонентов — Gryphe/Pantheon-RP-1.6-12b-Nemo, anthracite-org/magnum-v2.5-12b-kto, nbeerbower/mistral-nemo-bophades-12B и Sao10K/MN-12B-Lyra-v3. Автор сообщает, что слияние выполнено методом DARE TIES, а Sao10K/MN-12B-Lyra-v3 использовалась как базовая модель. Модель ориентирована на ролевые сценарии и выразительную прозу: по описанию автора, она стремится писать менее шаблонно и может менять тон от мягкого до резкого по запросу. Для обычного общения, прямого выполнения инструкций и задач общего назначения автор её не рекомендует. Лучше всего, по его оценке, работает формат ChatML; также должен подходить формат Mistral. Автор отмечает склонность модели к флирту и советует задавать системные инструкции для SFW-взаимодействий без флирта. В метаданных указан контекст до 1 024 000 токенов и лицензия Apache-2.0. Репозиторий содержит веса Safetensors; доступны также отдельные GGUF- и EXL2-сборки. Это специализированная модель для ролевого использования, и результаты обычных диалоговых и инструкционных задач могут быть неудовлетворительными.

Это исследовательский чекпойнт на основе диалоговой Llama 2 от Meta, сжатый методом SVD-LLM и частично изменённый итеративной заменой параметров по правилу gap_iter. Веса хранятся в формате Safetensors; модель содержит 6,6 млрд параметров и имеет контекст 4096 токенов. Она предназначена для генерации текста в диалогах и изучения того, как сжатие влияет на безопасность и полезность ответов. В этом варианте удалено 40,02% параметров исходной модели, а выполнено 8 из 10 раундов замены. В README приведены результаты оценки на AdvBench, StrongREJECT и WildGuard. Модель не является универсальным чат-ассистентом: некоторые варианты в серии намеренно имеют ухудшенное поведение в области безопасности, поэтому этот чекпойнт следует рассматривать как экспериментальный объект и самостоятельно оценивать перед применением. Лицензия — Llama 2.

Thespis v0.7 — языковая модель для генерации текста, разработанная cgato и настроенная методом DPO для ролевого общения в стиле интернет-переписки. Она рассчитана на сценарии role-play с разметкой действий звёздочками и обычным диалогом без кавычек; поддерживает стандартный формат чата Ooba и SillyTavern. Модель основана на плотной архитектуре LlamaForCausalLM и содержит 12,9 млрд параметров, работает с контекстом до 4096 токенов. В обучении использованы Pure-Dove Dataset, Claude Multiround 30k, OpenOrcaSlim, Augmental Dataset, а для DPO — Intel/orca_dpo_pairs и NobodyExistsOnTheInternet/ToxicDPOqa. Модель распространяется под лицензией Apache-2.0. Карточка отмечает её как предназначенную не для всех аудиторий; качество ролевых ответов зависит от формата промпта и выбранного сценария.

haykgrigorian/TimeCapsuleLLM-London-1800-1875-v2-1.2B — авторская языковая модель, созданная обучением с нуля на корпусе объёмом 112 ГБ из лондонских текстов 1800–1875 годов. Она предназначена для генерации текста в историческом стиле и экспериментов с языком соответствующего периода. Модель использует декодерную архитектуру LlamaForCausalLM и содержит около 1,1 млрд параметров по метаданным; в README указано приблизительно 1,22 млрд. Контекст — 2048 токенов. Модель принимает текст и генерирует текст на английском языке. Обучение длилось 182 000 шагов, что составило около половины эпохи по данным карточки. Лицензия — MIT. Карточка не приводит результатов независимой оценки качества, поэтому точность исторической стилизации и фактическую достоверность следует проверять на целевых примерах.

TinyStories-1M-ds — экспорт модели roneneldan/TinyStories-1M, подготовленный пользователем mgoin для запуска с помощью DeepSparse. Это компактная авторегрессионная модель генерации текста на архитектуре GPT-Neo с 3,7 млн параметров и контекстом до 2048 токенов. Модель предназначена для генерации коротких продолжений и простых текстовых историй по заданному началу или промпту. Формат распространения ориентирован на экосистему Transformers, ONNX и DeepSparse, что подходит для экспериментов и ресурсоограниченных сценариев инференса. Из-за небольшого размера модель удобна для локального запуска и обучения базовым принципам генерации текста, но её возможности и качество заметно ограничены по сравнению с крупными языковыми моделями. Языки обучения, лицензия и специализированные предметные области в доступных данных не указаны.

TinyStories-SRL-5M — компактная авторегрессионная языковая модель phmd, обученная на наборе TinyStories. Она предназначена для генерации коротких связных историй на английском языке и экспериментов с небольшими языковыми моделями на устройствах с ограниченными ресурсами. Модель использует двухслойную архитектуру Selective Recurrent Layer с размерностью скрытого состояния 256 и токенизатор SentencePiece Unigram на 5 тысяч подсловных токенов. В README заявлена линейная сложность по времени и памяти относительно длины последовательности и приведена скорость генерации около 100 токенов за 0,5 секунды на CPU. Репозиторий содержит веса во Flax; лицензия — Apache-2.0.

JoaoBoer/tofu_Llama-3.1-8B-Instruct_forget01_SimNPO — дообученная модель семейства Llama 3.1 с архитектурой LlamaForCausalLM и 7,5 млрд параметров. Её создали на основе open-unlearning/tofu_Llama-3.1-8B-Instruct_full: модель прошла unlearning с помощью SimNPO на части forget01 набора TOFU в рамках open-unlearning. Модель предназначена для исследований удаления знаний из языковых моделей и служит базовым вариантом с изменёнными весами в проекте Speculative-Decoding-Unlearning. Она генерирует текст и поддерживает диалоговый режим; заявленная длина контекста — 131 072 токена. В README приведены метрики оценки на TOFU, включая exact_memorization 0,7239 и extraction_strength 0,0563. Модель унаследовала ограничения исходной Llama и экспериментальной процедуры unlearning: удаление знаний не гарантирует полного устранения запоминания или извлечения данных. Лицензия — Llama 3.1; перед применением следует соблюдать её условия и ограничения.

JoaoBoer публикует эту модель как базовую версию для экспериментов по удалению знаний из весов. Это Llama 3.2 Instruct с 3,2 млрд параметров, дообученная методом SimNPO на части forget01 набора TOFU с использованием open-unlearning framework. Модель предназначена для генерации текста и диалоговых сценариев, а также служит черновой моделью и базовой линией для проекта Speculative-Decoding-Unlearning. Модель работает с текстом; заявленная длина контекста — 131 072 токена. В README приведены метрики оценки на TOFU, включая точное запоминание 0,7596, силу извлечения 0,1462 и вероятность ответа на вопросы о забываемых данных 0,0612. Эти результаты относятся к указанной оценке и сами по себе не характеризуют качество на других задачах. Лицензия — Llama 3.2.

Triangulum-1B-DPO_Roleplay_NSFW-GGUF — квантизированная 4-битная GGUF-версия модели Triangulum-1B, опубликованная пользователем Novaciano и созданная на основе prithivMLmods/Triangulum-1B. Модель дообучена с применением DPO на наборе Chaser-cz/DPO_Pairs-Roleplay-NSFW и предназначена для генерации текста в диалоговых и ролевых сценариях, включая контент для взрослой аудитории. Модель использует архитектуру Llama для каузального языкового моделирования, содержит около 1 миллиарда параметров и поддерживает запуск через llama.cpp и Ollama; в метаданных также указана библиотека Transformers. Заявлена поддержка английского, немецкого, французского, итальянского, португальского, хинди, испанского и тайского языков. Квантизация снижает требования к памяти и делает модель удобной для локального запуска на совместимом оборудовании. Основные сильные стороны модели — компактный размер, локальный запуск и специализация на roleplay-диалогах. Модель может быть неподходящей для безопасных корпоративных или публичных сценариев из-за ориентации на NSFW- и uncensored-контент; качество рассуждений, точность и фактическая надежность не гарантируются представленными данными. Модель распространяется по лицензии CreativeML OpenRAIL-M.

Urdu-Ghazal-Generator-i1-GGUF — это квантизированная версия модели Khurram123/Urdu-Ghazal-Generator, подготовленная mradermacher в формате GGUF с использованием weighted/imatrix-квантования. Модель предназначена для генерации поэтических текстов на урду, прежде всего газелей, и может использоваться в сценариях творческого письма и экспериментов с генерацией урдуязычной поэзии. В метаданных также указана исходная связь с библиотекой Transformers и наличие LoRA. Точные сведения об архитектуре, количестве параметров, размере контекста и методе обучения в README не приведены. Доступны многочисленные варианты квантования размером примерно от 2,0 до 6,4 ГБ, включая IQ- и Q-варианты; Q4_K_M отмечен как быстрый и рекомендуемый, а Q4_K_S — как оптимальный по соотношению размера, скорости и качества. Более компактные варианты экономят память, но могут заметно уступать в качестве, тогда как более крупные обычно обеспечивают лучшее сохранение качества при повышенных требованиях к ресурсам. Модель рассчитана на текстовую модальность и язык урду. Ограничения включают отсутствие в README подробных данных о качестве генерации, поддерживаемых форматах запросов и других языках. Исходная модель и её производные распространяются по лицензии Apache-2.0, указанной в метаданных.

Модель nikitastheo/v2-babylm-small-nld-ell-sequential_interleaved — причинная языковая модель архитектуры GPT-2 для генерации текста. В карточке указано, что её обучали скриптом train_clm.py с Hugging Face Accelerate. Контекст модели составляет 512 токенов; веса опубликованы в формате safetensors. Название указывает на эксперимент из серии BabyLM, связанный с нидерландским и греческим языками и последовательным чередованием данных. Модель подходит для генерации продолжений текста в пределах короткого контекста. Карточка не сообщает точный размер модели, состав обучающих данных, результаты оценки или лицензию, поэтому качество и условия использования по этим данным определить нельзя.

nikitastheo/v3-babylm-pol-ell-sequential_interleaved — причинная языковая модель семейства GPT-2, обученная автором с помощью скрипта train_clm.py и Hugging Face Accelerate. Она предназначена для генерации продолжения текста. В метаданных указан контекст 512 токенов и формат весов safetensors. Название указывает на связь с серией BabyLM и последовательным чередованием польского и греческого, однако README не описывает обучающие данные или результаты, поэтому языковую специализацию нельзя подтвердить. Модель можно применять для экспериментов с генерацией текста и изучения небольших языковых моделей. Лицензия в предоставленных данных не указана.

nikitastheo/v4-babylm-deu-ell-sequential_interleaved — причинная языковая модель семейства GPT-2, разработанная nikitastheo. Модель обучена для генерации текста с помощью скрипта train_clm.py из Hugging Face Accelerate. Чекпойнт ориентирован на продолжение текста и эксперименты с генерацией. Контекст модели составляет 512 токенов; веса сохранены в формате safetensors. По названию репозитория модель связана с BabyLM и немецким и греческим языками, однако README не уточняет состав данных и результаты обучения. Лицензия в предоставленных данных не указана. Качество и ограничения модели, помимо короткого контекстного окна, в карточке не описаны.

Модель nikitastheo/v5-babylm-25k-lower-zho-ell-sequential_interleaved — причинная языковая модель семейства GPT-2, обученная автором репозитория с помощью скрипта train_clm.py из Hugging Face Accelerate. Она предназначена для генерации продолжения текста. Модель использует архитектуру GPT2LMHeadModel, веса сохранены в формате safetensors, нативная длина контекста — 512 токенов. Название указывает на связь с серией BabyLM и данными на нижнем регистре для китайского и греческого языков, однако README не уточняет состав данных и качество на конкретных языках. Короткий контекст ограничивает работу с длинными текстами. Данных о лицензии в доступных источниках нет.

VietPoet Qwen3.5-9B — дообученная модель на базе Qwen/Qwen3.5-9B, созданная Peter Buitho для генерации вьетнамских стихотворений в форме lục bát. Модель обучена методом QLoRA на корпусе из 8 000 стихотворений в течение двух эпох; адаптер LoRA объединён с весами. Доступна версия bf16 в формате safetensors размером 18 ГБ для Transformers и vLLM. Модель подходит для создания стихотворений по заданной теме или заголовку. В тесте на 100 запросах на стихотворение из восьми строк исходная модель выдавала 14% полностью корректных по форме стихотворений; при использовании построчного семплера с проверкой правил этот показатель достигал 98%. Без семплера около 10% строк bát нарушают правила тонов. Эти метрики оценивают соблюдение формы, а не художественное качество: смысл стихов может быть неточным или отходить от темы. Для генерации с проверкой правил автор рекомендует использовать модель вместе с построчным семплером и проверщиком правил из проекта ThoLucBat. Лицензия модели — Apache-2.0; обучающие данные корпуса указаны под CC BY 4.0.

Карточка модели mdagosta/waldito-smoke-v1-r0001-merge на Hugging Face совпадает с карточкой mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b, поэтому описание составлено по ней. mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b — небольшая языковая модель, опубликованная как экспорт OpenWALDO. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста в диалоговом формате; размер составляет 819,6 тыс. параметров, контекст — 512 токенов. Для токенизации применяется схема OpenWALDO schema-1 с токенизатором байтового уровня. Модель можно рассматривать для экспериментов с генерацией и диалогами на базе Transformers. Карточка указывает формат safetensors. Для загрузки токенизатора требуется включить trust_remote_code=True. Лицензия и поддерживаемые естественные языки в предоставленных данных не обозначены.

Карточка модели mdagosta/waldito-smoke-v1-r0002-u0-mdagosta на Hugging Face совпадает с карточкой mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b, поэтому описание составлено по ней. mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b — небольшая языковая модель, опубликованная как экспорт OpenWALDO. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста в диалоговом формате; размер составляет 819,6 тыс. параметров, контекст — 512 токенов. Для токенизации применяется схема OpenWALDO schema-1 с токенизатором байтового уровня. Модель можно рассматривать для экспериментов с генерацией и диалогами на базе Transformers. Карточка указывает формат safetensors. Для загрузки токенизатора требуется включить trust_remote_code=True. Лицензия и поддерживаемые естественные языки в предоставленных данных не обозначены.

neureps/warmly-nmt-small100-enko — Warmly(온기) командасы әзірлеген, SMaLL-100 негізінде ағылшын тіліндегі пікірлерді корей тіліне аударуға бейімделген модель. Ол сезімдік реңкі бар пікірлерді EN→KO аудару сценарийіне арналған; модель 330 млн параметрлі M2M-100 архитектурасына негізделген және 883 жұп дерекпен Qwen3.5-2B мұғалім моделінің аудармалары арқылы дообучен. Контекст ұзындығы — 1024 токен, модель Transformers және safetensors форматында ұсынылған. Пилоттық нұсқа сапа қақпасынан өтпеген және қабылданбаған, сондықтан ол зерттеу мен салыстыру үшін сақталған. README мазмұнның берілуі сәтті болғанын, алайда 20 мысалдың 5–6-сында мағыналық қате және эмодзилердің жоғалуы байқалғанын айтады; деректер жиынының шағындығы мен мұғалім аудармаларындағы қателер негізгі себеп ретінде көрсетілген. Лицензиясы — MIT.

WMT Limited Resources Sorbian — текстовая модель на базе Qwen3.5-2B, подготовленная для подачи на сорбскую дорожку соревнования WMT 2026 по мульт Задаче для языков с ограниченными ресурсами. Разработчики дообучили модель с помощью LoRA и объединили адаптер с базовыми весами; результат — плотная авторегрессионная модель Qwen3_5ForCausalLM размером 1,7 млрд параметров. Она принимает и генерирует текст, использует контекст до 262 144 токенов и распространяется в формате Safetensors. Один чекпойнт предназначен для машинного перевода между немецким, верхнелужицким и нижнелужицким языками, исправления орфографии и грамматики, ответов на вопросы с выбором варианта и математических рассуждений. Обучение проводилось на смеси из 278 488 записей, включавшей данные WMT и синтетические примеры; для математических задач использовались вопросы на английском языке. Модель может быть полезна для экспериментов и обработки текстов на лужицких языках, но это специализированная исследовательская модель, а не универсальный генератор. Авторы сообщают о совпадениях исходных текстов части обучающих данных перевода с тестовыми источниками WMT; влияние этого пересечения на оценки неизвестно. Грамматическая коррекция и математические рассуждения остаются слабыми, а сгенерированный сорбский текст не прошёл всестороннюю проверку носителями языка. Модель выпущена по лицензии Apache-2.0; ответы для формата соревнования предполагали использование официального конвертера вывода.

Ahinsa — языковая модель компании Ahinsa.ai для диалогов о духовных аспектах индуизма и буддизма. Она опирается на базовую модель Llama 3.2 3B Instruct и дообучена для ответов на английском языке по темам, связанным с исходными санскритскими текстами и восточными философиями. Модель предназначена для духовных бесед, персональных рекомендаций, астрологических вопросов и поддержки благополучия. В карточке также описаны голосовой бот и мобильное приложение, однако метаданные указывают на текстовую генерацию; голосовой ввод и синтез речи самой моделью не подтверждены. Это плотная архитектура LlamaForCausalLM с 3,2 млрд параметров и контекстом до 131 072 токенов. Указана поддержка английского языка; README также заявляет работу с санскритом. Модель распространяется по лицензии Apache-2.0. Практические ответы на духовные и астрологические вопросы могут быть неточными и не заменяют квалифицированную психологическую или медицинскую помощь.