I.5Создание и редактирование текста

kanishka/opt-babylm1-randomremoval_seed-42_5e-6 — причинная языковая модель семейства OPT, обученная с нуля. В метаданных указаны архитектура OPTForCausalLM, 125,8 млн параметров, библиотека Transformers, формат safetensors и контекст длиной 256 токенов. Модель предназначена для генерации продолжений текста. В README приведён результат оценки: loss 2,9395; сведения о наборе данных, языках и предполагаемых сценариях использования отсутствуют. Указание на обучение с нуля не позволяет определить, кем разработана модель или на каких данных она обучалась. Лицензия в предоставленных данных не указана. Короткий контекст и отсутствие описания обучения и назначенных сценариев ограничивают выводы о качестве и пригодности модели для конкретных задач.

Banaxi-Tech/pico-80 — промежуточный чекпойнт базовой авторегрессионной языковой модели BananaMind 2 Pico, опубликованный на этапе 80% обучения. Это компактная плотная модель на 841 тыс. параметров по метаданным; карточка указывает 900 002 параметра, 6 слоёв, размер скрытого состояния 96 и контекст до 4096 токенов. Модель не проходила настройку для следования инструкциям. Модель предназначена для продолжения текста и экспериментов с компактными причинными языковыми моделями. Обучение достигло 160 млрд из целевых 200 млрд токенов; среди источников данных указаны FineWeb-HQ и Cosmopedia v2 в README, а также FineWeb-HQ и smollm-corpus в метаданных. Архитектура включает механизм selective XSA refresh gate и свёрточную историю вместе с K/V-кэшем. Модель загружается через Transformers с использованием пользовательского кода. Английский указан среди языков карточки. Лицензия в предоставленных данных не указана.

d0rj выпустил англоязычную базовую авторегрессионную языковую модель LatentMoE для эксперимента по абляциям небольших LLM. Она обучена с нуля на FineWeb-Edu, а не дообучена на весах другой модели. Архитектура — причинный декодер Transformer с 10 слоями и разреженными MoE-блоками: в каждом из них маршрутизатор выбирает 4 из 16 экспертов. Общее число параметров по README — около 92,9 млн; активный подсчёт составляет около 51,6 млн параметров на токен. Контекст — 2048 токенов. Модель предназначена для продолжения английского текста и экспериментального изучения компактных MoE-моделей. Она обучалась предсказывать следующий токен на FineWeb-Edu; в README приведены результаты тестирования на языковых и общих бенчмарках, включая WikiText-2. Это базовая модель без настройки инструкций и шаблона чата, поэтому она не рассчитана на роль готового диалогового ассистента. Проверялись отдельные конфигурации запуска с BF16, а опубликованные веса сохранены в FP32. Для загрузки пользовательского кода требуется включить trust_remote_code=True. Лицензия в предоставленных данных не указана.

Qwen 2.5 7B Instruct Random Bijection — адаптация Qwen2.5-7B-Instruct от DSBA Lab для экспериментов AlienLM. AlienLM преобразует обычный текст в изменённое токеновое пространство для отправки в закрытые API языковых моделей и восстанавливает текст на стороне клиента; эта версия служит базовым вариантом со случайной биекцией, seed 42. Модель представляет собой плотную причинную языковую модель семейства Qwen2 с 7,1 млрд параметров и контекстом до 32 768 токенов. Она принимает текстовые инструкции и диалоги и генерирует текст. Модель рассчитана на исследовательскую оценку адаптации и токенового преобразования; README прямо указывает, что она не предназначена для производственных гарантий приватности. Поддерживаемые языки отдельно не перечислены. Файлы опубликованы в формате safetensors, лицензия — Apache-2.0.

Qwen3-4B-Pirate-GGUF — языковая модель для диалогов, созданная автором jvr0x на основе Qwen/Qwen3-4B-Instruct-2507. Она дообучена методом QLoRA на синтетических ответах, чтобы по умолчанию отвечать в выраженном пиратском стиле, сохраняя способность базовой модели отвечать на вопросы, решать задачи и писать код. Обучение проведено на 743 примерах из FineTome-100k, а ответы сгенерировал Qwen3.6-35B-A3B; карточка описывает проект как учебный эксперимент. Модель принимает текст и генерирует текст. Репозиторий содержит GGUF-квантизации Q4_K_M и Q8_0 для запуска, в частности, через llama.cpp. Базовая модель поддерживает контекст до 262 144 токенов, но пиратское дообучение проводилось на последовательностях до 2 048 токенов, а длинный контекст для этой версии не проверялся. В метаданных указан английский язык. Модель предназначена для демонстраций, экспериментов и ответов в пиратской манере; стиль встроен в веса и может сохраняться даже при системной инструкции приложения. Она не добавляет новых знаний, не прошла формальную оценку качества, а синтетические обучающие ответы не проверялись построчно, поэтому корректность фактов, вычислений и кода не гарантируется. Указанная лицензия — Apache-2.0.

OmAhire369 разработал safe-genai-ppo-full — модель генерации текста на базе GPT-2 Medium, дообученную полным обновлением параметров методом PPO в рамках RLHF. Она предназначена для настройки ответов на вредоносные и провоцирующие стереотипы запросы в сторону более безопасной манеры общения; модель также входит в сравнительное исследование методов выравнивания PPO и DPO и стратегий дообучения. Модель использует архитектуру GPT-2, библиотеку Transformers и веса в формате safetensors. Длина контекста — 1024 токена. В README приведён пример генерации продолжения текста по запросу. Указанная лицензия — MIT. Авторы отмечают, что GPT-2 Medium — небольшая устаревшая базовая модель без настройки на инструкции. Дообучение меняет стиль и безопасность ответов, но не обеспечивает фактическую надёжность и не делает модель пригодной для производственного применения. Оценочная модель зависит от смещений в данных предпочтений и не предназначена для использования как универсальный классификатор безопасности.

Это исследовательская языковая модель Multi-Xi PARFLM со структурированным скалярным потенциалом Vθ, разработанная в рамках Semantic Simulation. Вместо MLP для Vθ используется смесь из восьми диагональных квадратичных потенциальных ям; попарный потенциал Vφ остаётся MLP. Модель реализована на PyTorch и обучена на TinyStories для генерации текста на английском языке. Архитектура использует четыре причинных EMA-канала и восемь шагов интегрирования. Для силы, соответствующей Vθ, градиент вычисляется аналитически, что устраняет необходимость строить граф автодифференцирования для этой части и делает центры восьми аттракторов явно доступными в параметрах. В описанной оценке perplexity составляет 12,27 против 12,10 у MLP-варианта; авторы позиционируют её как вариант с более удобной интерпретацией и более быстрым вычислением силы Vθ. Модель предназначена для генерации текста и экспериментов с интерпретируемыми энергетическими языковыми моделями. README уточняет, что интегратор использует разностное положение h−h_prev вместо явной переменной скорости; это позиционная форма схемы Störmer–Verlet, для которой действует соответствующее ограничение устойчивости. Лицензия модели — CC BY 4.0.

Shellypeckie/student_qwen3_1p7b_unconditional_refusal — дообученная с помощью TRL модель Qwen3-1.7B для генерации текста в диалоговом формате. Она принимает текстовые сообщения и отвечает на них; название модели указывает на настройку, связанную с безусловным отказом, однако карточка не описывает обучающие данные или поведение отказов. Модель содержит 1,7 млрд параметров, использует плотную архитектуру Qwen3 и поддерживает контекст до 40 960 токенов. Для запуска в карточке приведён пример с Transformers pipeline. Базовая модель многоязычная, но конкретные поддерживаемые языки этой версии не перечислены. Лицензия в предоставленных данных не указана.

Это исследовательский чекпойнт Jeesup на базе диалоговой модели Meta Llama 2 Chat с 7 млрд параметров. Он использует архитектуру Llama и предназначен для генерации текста в формате диалога; размер составляет 6,6 млрд параметров, длина контекста — 4096 токенов. Модель сжата методом Basis Sharing: общие базисы используются для групп из двух соседних слоёв, что сокращает число параметров на 40%. Затем к чекпойнту применено восемь из десяти запланированных раундов итеративной параметрически нейтральной замены весов по правилу swapgapnet_iter. Модель создана как один из вариантов в исследовании влияния SVD-сжатия на безопасность и полезность языковых моделей и способов восстановления поведения после сжатия. В README приведены результаты оценки отказов и успешности атак на наборах AdvBench, StrongREJECT и WildGuard. Это экспериментальный объект для анализа компромиссов между безопасностью и полезностью, а не универсальный чат-ассистент. Использование регулируется лицензией Llama 2; перед практическим применением следует учитывать условия этой лицензии и самостоятельно оценивать поведение чекпойнта.

Исследовательский чекпойнт Jeesup на базе диалоговой Llama 2 Chat от Meta. Модель с архитектурой LlamaForCausalLM содержит 6,6 млрд параметров и рассчитана на генерацию текста и диалог; базовая модель поддерживает английский язык. Контекст — до 4096 токенов. Веса сжаты методом SVD-LLM: удалено около 20% параметров, после чего выполнено 7 из 10 раундов итеративной замены параметров по правилу gap_iter. Чекпойнт создан для исследования влияния сжатия на безопасность и полезность ответов и проверки способов восстановления поведения модели. В README приведены метрики атакуемости и чрезмерных отказов, однако они не подтверждают пригодность для практического развёртывания. Автор прямо рекомендует рассматривать эту версию как экспериментальный объект, а не универсального ассистента. Лицензия — Llama 2; применяйте её согласно условиям лицензии Meta.

Это исследовательский чекпойнт на основе диалоговой модели Meta Llama 2 7B Chat, изменённый авторами исследования по влиянию сжатия на безопасность и полезность языковых моделей. Модель с архитектурой Llama и 6,6 млрд параметров сжата методом SVD-LLM: удалено около 40% параметров. Затем к ней применили 10 раундов итеративной замены параметров по правилу disc_iter. Контекст составляет 4096 токенов; модель работает с текстом и предназначена для генерации ответов в диалогах. Чекпойнт служит экспериментальным объектом для измерения компромисса между сжатием, безопасностью и полезностью, а не универсальным чат-ассистентом. В README приведены результаты тестов безопасности и отмечено, что отдельные варианты в исследовании могут быть менее безопасны, чем исходная модель; этот вариант следует оценивать самостоятельно перед использованием. Лицензия — Llama 2, условия использования определяются её лицензией.

Это экспериментальный исследовательский чекпойнт на основе диалоговой Llama 2 от Meta, сжатый методом SVD-LLM и затем частично изменённый итеративным параметрически нейтральным обменом параметров по правилу gap_iter. В модели около 6,6 млрд параметров; архитектура — плотная LlamaForCausalLM, формат весов — safetensors, контекст — до 4096 токенов. Она принимает текст и генерирует текстовые ответы в диалоговом режиме. Чекпойнт создан для изучения того, как сжатие влияет на безопасность и полезность ответов и могут ли выбранные изменения компонентов восстановить поведение. В README приведены результаты оценок на AdvBench, StrongREJECT и WildGuard. Это отдельная точка исследовательской серии, а не универсальный чат-ассистент; некоторые варианты в серии намеренно теряют часть защитных свойств. Лицензия — Llama 2; перед практическим применением следует учитывать её условия и самостоятельно оценить поведение модели.

Jeesup/svd-safety-mis7_basis_jbbsftx1_remove50 — исследовательский чекпойнт на основе Mistral-7B-Instruct-v0.2 от Mistral AI. Плотная диалоговая модель Mistral с 7,1 млрд параметров принимает текст и генерирует текст; длина контекста — до 32 768 токенов. Веса сжаты методом Basis Sharing: общие базисы используются для групп из двух соседних слоёв, что сокращает число параметров примерно вдвое. Затем модель восстановлена дообучением LoRA только коэффициентов, без изменения бюджета параметров и общих базисов. Чекпойнт создан для исследования компромисса между сжатием, полезностью и безопасностью, в частности — для измерения влияния правил выбора компонентов на поведение модели. Это отдельный экспериментальный вариант сетки исследований, а не универсальный чат-ассистент. В README приведены показатели атак на безопасность и чрезмерного отказа; некоторые варианты исследования намеренно ухудшают безопасность относительно исходной модели. Для файлов указана лицензия Apache-2.0.

Это исследовательский чекпойнт Jeesup на базе Mistral-7B-Instruct-v0.2, сжатый методом SVD-LLM до 70% исходного числа параметров и затем изменённый в 10 раундах итеративного обмена параметров по правилу gap_iter. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и работает с текстом; контекст — до 32 768 токенов. Предназначена для изучения влияния сжатия на безопасность и полезность диалоговой модели и проверки способов восстановления поведения. В README приведены результаты измерений: доля успешных атак AdvBench — 0,1365, StrongREJECT — 0,2300, показатель избыточных отказов WildGuard — 0,0878. Авторы предупреждают, что отдельные варианты эксперимента намеренно ухудшают безопасность по сравнению с исходной моделью, поэтому этот чекпойнт следует считать объектом исследования, а не готовым универсальным помощником. Лицензия — Apache-2.0.

SzilviaB_Astral-Cydonia-22B_abliterated_broken_but_in_a_nice_way — экспериментальное объединение двух предварительно обученных языковых моделей, созданное автором SzilviaB с помощью mergekit и метода SLERP. В состав объединения входят TheDrummer/Cydonia-22B-v1 и failspy/Codestral-22B-v0.1-abliterated-v3. Модель построена на архитектуре Mistral, содержит 22 млрд параметров и рассчитана на генерацию текста с контекстом до 32 768 токенов. Модель предназначена для генерации ответов в диалоге, но автор предупреждает, что она склонна многословно уходить от вопроса и может не приходить к выводу. В качестве производной от Codestral унаследовала связь с задачами генерации и дополнения кода, однако карточка прямо отмечает ненадёжное следование запросу. Лицензия в предоставленных данных не указана.

Tashkeel-50M — небольшая причинная языковая модель семейства LLaMA, разработанная Ahmed Samir и дообученная на арабском наборе Misraj/Sadeed_Tashkeela для расстановки диакритических знаков в тексте. Модель содержит 51,8 млн параметров, принимает вход в виде арабской инструкции с недиакритизированным текстом и генерирует его вариант с огласовками. Контекст — до 2048 токенов. Модель рассчитана на быстрые и недорогие эксперименты, прототипирование, создание базовых решений и учебные демонстрации дообучения для преобразования последовательностей. В README приводится оценка на Misraj/SadeedDiac-25, однако метрики рассчитаны только для примеров с совпадающим числом слов: генерация часто обрывается, повторяет или вставляет слова, поэтому опубликованные значения оптимистичны. Для надёжной расстановки огласовок рекомендуется сохранять исходную последовательность слов с помощью ограничений декодирования или использовать более сильную модель. Это не универсальная чат-модель. Лицензия — Apache 2.0.

NYTK/text-generation-poem-petofi-gpt2-small-hungarian — небольшая авторегрессионная языковая модель GPT-2 от NYTK для генерации венгерских стихотворных текстов в стиле Шандора Петефи. Модель предварительно обучена на венгерской Википедии и дообучена на собрании стихотворений Петефи. Репозиторий содержит веса PyTorch; максимальная длина контекста — 1024 токена. Модель подходит для творческих экспериментов и создания черновиков стихов на венгерском языке с подражанием стилю Петефи. В карточке приведено значение perplexity 47,46 для модели GPT-2 poem; это выше указанного значения 22,06 для GPT-2 news, поэтому результаты генерации могут быть менее связными. Лицензия — MIT.

TheSalt-RP-L3-8b-DPO-v0.3.2-e0.14.2 — экспериментальная модель для ролевого общения, созданная на архитектуре Llama 3 и дообученная с помощью DPO. Разработчик описывает её как модель, обученную на большом количестве токенов и затем настроенную для RP; она принимает текст и генерирует текст. Для работы требуется формат ChatML с обязательными системным промптом и именами пользователя и персонажа. Размер модели — 7,5 млрд параметров, контекст — 8192 токена. Модель предназначена для ролевых диалогов и экспериментов с персонажами. Разработчик публикует её для получения отзывов и пробного использования, поэтому качество следует считать экспериментальным. Лицензия CC BY-NC 4.0 разрешает использование с атрибуцией, но запрещает коммерческое использование. Ответы языковых моделей могут быть недостоверными.

TinyJLLM-Instruct — плотная авторегрессионная языковая модель семейства Llama, разработанная jaweed123 и дообученная методом supervised fine-tuning на базе TinyJLLM. Она содержит 102,4 млн параметров, использует формат safetensors и рассчитана на контекст до 512 токенов. По данным README, обучение включало 83 145 инструкционных примеров из шести открытых наборов данных, в том числе Dolly, CodeAlpaca, OpenAssistant, MetaMathQA и UltraChat; метаданные указывают английский язык. Модель предназначена для генерации ответов на инструкции и простых диалоговых запросов, а также для учебных экспериментов с небольшими инструкционно настроенными LLM. Она использует простой формат маркеров инструкции без отдельного шаблона чата. README отмечает, что модель лучше воспроизводит форму ответа, чем его фактическое содержание: ответы по математике и коду часто неверны, многоходовый контекст отслеживается плохо, а запас знаний ограничен. Лицензия — Apache-2.0.

uisikdag/umitllama-mini-english — компактная языковая модель семейства Llama для генерации текста. В метаданных указано 13,9 млн параметров, архитектура LlamaForCausalLM, формат safetensors и контекст до 1024 токенов. Автор карточки описывает её как экспериментальную GPT-подобную игрушечную модель, обученную три эпохи на миллионе строк английской Wikipedia; в карточке также приведена оценка размера около 22 млн параметров, расходящаяся с метаданными. Модель может служить для экспериментов с генерацией английского текста и изучения компактных языковых моделей. Данных о лицензии нет, поэтому условия использования установить нельзя.

Vertex 0.6 15M Base — базовая предварительно обученная языковая модель семейства Vertex 0.6, разработанная VertexResearch. Это плотная причинная модель на архитектуре Qwen3 с 15 млн параметров: 10 слоёв, скрытая размерность 256, 4 головы внимания и 2 KV-головы с GQA, блоки SwiGLU и словарь из 20 000 токенов ByteLevel BPE. Контекст модели — 2048 токенов. Модель обучена с нуля на 12 млрд токенов англоязычного веб-текста из Ultra-FineWeb и синтетических перефразировок Ultra-FineWeb-L3. Это базовая языковая модель без шаблона чата и дообучения на инструкции; она предназначена для генерации продолжения текста и экспериментов с компактными языковыми моделями, а не для готового диалогового помощника. Для диалогового применения автор указывает на отдельную версию Vertex-0.6-15M-Instruct. Модель распространяется под лицензией Apache-2.0. Её небольшой размер упрощает локальные эксперименты, однако узкий контекст, обучение только на английских данных и отсутствие инструкционного дообучения ограничивают качество и универсальность ответов.

Wiself/Voice — это инструмент для переноса стилевых характеристик между совместимыми языковыми моделями. Он разработан Wiself и предназначен для создания локального GGUF-файла, в котором «голос» одной модели встраивается в другую без адаптера во время выполнения. В качестве примера используется Gemma 4 26B A4B instruction-tuned с архитектурой MoE, однако заявлена совместимость с моделями одного семейства и одинаковой формой выходной головы, включая Qwen, Gemma, Llama, GLM и DeepSeek. Инструмент ориентирован на перенос авторского стиля, манеры ролевого общения и других характеристик генерации при сохранении базовой модели для рассуждений. Он поддерживает получение голоса из safetensors-репозитория, GGUF-файла или URL и его встраивание в совместимую модель. Основная операция работает с отдельным тензором, обычно lm_head или output.weight; допускаются транспонирование и преобразование типов BF16, F16 и F32 в Q8_0, а при несовместимости используется F16. Также заявлены режимы voice graft и voice chorus для переноса или смешивания нескольких голосов. Voice не является самостоятельной моделью и не содержит готового GGUF-файла: пользователь локально создаёт озвученную модель командой voice cast. Требуются совместимые архитектура, словарь и форма выходной головы; перенос между разными семействами или несовместимыми размерами не гарантируется. Инструмент предназначен для запуска через llama serve и рассчитан на локальное использование. В README указана лицензия Apache-2.0.

ZephRP-m7b — текстовая модель для генерации ответов в ролевых диалогах. Она создана RoyalLab как слияние HuggingFaceH4/zephyr-7b-alpha с PEFT-адаптером, обученным на датасете LimaRP. В основе лежит плотная архитектура Mistral с 7,1 млрд параметров; модель распространяется в формате Safetensors и рассчитана на контекст до 32 768 токенов. Модель предназначена для отыгрыша персонажей и диалогов по заданной персоне. Она использует формат инструкций Alpaca, принятый в LimaRP v3, и поддерживает управление длиной ответа — от очень короткого до неограниченного. Это сочетает стилистические особенности ролевых ответов с инструкционными возможностями Zephyr. Карточка модели указывает английский язык. Модель может многословно отвечать на запросы большой длины и иногда имитировать пользователя. Её не следует использовать для получения фактических сведений или советов; также возможны предубеждения, характерные для ролевых форумов, и унаследованные от базовой модели. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства, но не коммерческое.

Карточка модели ahans1/8-goldfish-loss-llama-1B на Hugging Face совпадает с карточкой ahans1/standard-loss-llama-1B, поэтому описание составлено по ней. ahans1/standard-loss-llama-1B — исследовательский чекпойнт авторов работы Goldfish Loss: Mitigating Memorization in Generative LLMs. Это плотная причинная языковая модель семейства Llama примерно на 1 млрд параметров, созданная на архитектуре TinyLLaMA-1.1B со случайной инициализацией. В отличие от вариантов Goldfish Loss, модель обучалась стандартной функцией потерь для причинного языкового моделирования. Модель предназначена для генерации текста и сравнительных экспериментов по запоминанию обучающих данных. Она предварительно обучена на 20 млрд токенов RedPajama; в карточке также упоминается набор Wikipedia для проверки запоминания. Метаданные указывают английский язык и контекст 2048 токенов. Репозиторий содержит веса Safetensors и объявляет лицензию Apache-2.0. Качество генерации и пригодность для конкретных прикладных задач в карточке не описаны.

AhıskaAI v0.4 145M Base — компактная авторегрессионная языковая модель проекта AhıskaAI, разработанная для генерации текста на турецком языке и экспериментов с небольшими языковыми моделями. Она обучена с нуля на корпусе FineWeb-2 HQ Turkish, без инициализации весами другой модели, и использует архитектуру LlamaForCausalLM и собственный BPE-токенизатор с словарём на 24 тысячи токенов, ориентированный на турецкий язык и его морфологию. Модель содержит около 144,3 млн параметров, обучалась в течение двух эпох на примерно 1,7 млрд токенов и поддерживает контекст до 2048 токенов. Она предназначена для генерации продолжений текста, исследований турецкого и ахыска-турецкого языков, изучения токенизации и дальнейших экспериментов по дообучению. Это базовая, не настроенная на инструкции модель, поэтому она не рассчитана на диалоговое следование запросам. Небольшой размер и экспериментальный характер могут приводить к повторам, бессвязному или фактически неверному тексту, слабому рассуждению и потере контекста. Не следует полагаться на неё в задачах с высокими ставками. Лицензия — Apache-2.0.

Harshatheeswar/babylama-attention_heads12 — дообученная модель семейства Llama для генерации текста, созданная на основе Harshatheeswar/babylama-hidden_sizes768. Она содержит 125,5 млн параметров, использует архитектуру LlamaForCausalLM и формат safetensors; максимальная длина контекста — 256 токенов. В карточке указано значение loss 3,8103 на наборе оценки, но обучающий набор обозначен как None, а назначение и языковой охват модели не описаны. Модель подходит для экспериментов с генерацией текста и изучения небольших языковых моделей. README не содержит сведений о конкретных сценариях применения, качестве ответов или ограничениях, поэтому результаты следует проверять на целевых данных. Лицензия в предоставленных сведениях не указана.

Baby-Llama-58M-RUN3_2 — дообученная причинная языковая модель семейства Llama, представленная пользователем ninagroot. Она предназначена для генерации текста; в метаданных указан размер 44,2 млн параметров, архитектура LlamaForCausalLM и контекст 256 токенов. Модель опубликована в формате safetensors. В карточке приведён результат оценки: loss 4,1715. Данные об обучающем наборе, конкретных сценариях применения и ограничениях не раскрыты. Лицензия в предоставленных сведениях не указана.

leslie721007/babylm-strict-small-coherent86 — экспериментальный англоязычный masked language model для предсказания скрытых слов в тексте. Модель разработана как кандидат для задачи BabyLM Strict-Small: она основана на контрольной точке chck_82M и включает замороженный медленный путь и частный быстрый путь. Архитектура — DeBERTa-v2; в метаданных указано 37,4 млн параметров, а README сообщает 36 458 592 параметра. Контекст — 512 токенов. Модель предназначена для заполнения пропусков и исследования обучения на ограниченных объёмах языковых данных. В README описаны результаты локальной проверки и воспроизводимость контрольной точки, однако автор отдельно подчёркивает, что результаты не доказывают общий механизм обучения с медленным и быстрым путями. Для загрузки требуется trust_remote_code=True; без него Transformers может игнорировать частные тензоры адаптера и создать функционально иную модель. Лицензия в метаданных обозначена как other.

BrCamp desenvolveu o Bee-350M PT, variante experimental de 345,3 млн параметров на архитектуре Qwen3 для португальского языка. Это базовая авторегрессионная модель генерации текста, обученная с нуля; контекст составляет 2048 токенов. Вариант ответвили от основного обучения на шаге 165 000 и продолжили обучение с затуханием скорости обучения до 15 млрд токенов. По README, при одинаковых архитектуре, корпусе, токенизаторе и расписании обучения вариант предназначен для воспроизведения абляции влияния объёма данных; для обычного использования автор рекомендует основную модель Bee-350M PT. Модель не настроена для следования инструкциям, диалога или вызова инструментов. Авторы отмечают, что небольшой размер и короткий контекст повышают риск фактических ошибок, а модель наследует предубеждения португалоязычных веб-данных; показатель bpb оценивает языковое моделирование, а не качество свободных ответов. Лицензия — Apache-2.0.

ChatWaifu v1.2 — языковая модель, разработанная spow12 и дообученная на NeverSleep/Lumimaid-v0.2-12B. Это плотная causal language model семейства Mistral с 12,1 млрд параметров, предназначенная для многоходового общения в роли персонажей визуальных новелл. Основной язык — японский; модель рассчитана на текстовый чат и продолжительные диалоги. В README заявлено контекстное окно 128k токенов; метаданные указывают native context в 1 024 000 токенов. Модель обучалась на японских данных, включая визуальные новеллы, и может генерировать контент для взрослых. Автор сообщает о добавлении Preference Learning в версии 1.2 и отмечает более связные диалоги и сохранение контекста как цели разработки. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия указана как CC-BY-NC-4.0; автор также ограничивает применение некоммерческими и исследовательскими целями. Возможны нежелательные NSFW-ответы, а качество и сохранение памяти в длинных диалогах описаны автором без независимых оценок.