I.5Создание и редактирование текста

CPT Demo SFT Mixed — экспериментальный англоязычный чат-ассистент на базе HuggingFaceTB/SmolLM-135M, разработанный автором репозитория vlpMilad. Это плотная причинная языковая модель с архитектурой, совместимой с Llama, примерно на 134,5 млн параметров и контекстом до 2048 токенов; веса опубликованы в формате safetensors. Модель прошла непрерывное предобучение на очищенных текстах 392 научных статей по ИИ и информатике, а затем дообучение на смеси научных инструкций и обычных диалогов. Опубликованный чекпойнт объединённый и не требует отдельного LoRA-адаптера при инференсе. Модель предназначена для лёгких бесед на английском языке, простых объяснений концепций ИИ и машинного обучения, а также учебных экспериментов с CPT и SFT и исследовательских прототипов с проверкой ответов человеком. У неё ограничены фактические знания и способность к рассуждению; она может галлюцинировать, давать технически неточные ответы, повторяться, обрывать ответы и нарушать строгий формат. Формальных результатов бенчмарков для этой версии нет, а внутренние значения validation loss не являются сопоставимыми оценками качества. Модель не обучалась как персидский ассистент и не предназначена для важных решений. Базовая модель и часть данных имеют лицензию Apache-2.0, но автор не заявляет общую лицензию на все возможные способы использования из-за сторонних материалов; перед распространением или коммерческим применением следует проверить условия базовой модели, датасетов и исходных статей.

Это базовая авторегрессионная языковая модель семейства Nanochat GPT, опубликованная как исследовательский артефакт лестницы масштабирования; автор карточки — jkminder. Репозиторий содержит вариант d12 с seed 3: 12 слоёв, скрытый размер 768 и около 138,4 млн параметров. Используется обычная плотная GPT-архитектура без дополнительных механизмов Nanochat. Модель обучена предсказывать следующий токен на английском тексте из набора NVIDIA ClimbMix. Это базовая модель без дообучения на инструкциях и без обучения безопасности, предназначенная прежде всего для изучения вариативности результатов предобучения между случайными seed и для экспериментов с масштабированием языковых моделей. Контекст составляет 2048 токенов; опубликованы контрольные точки разных этапов обучения. Модель принимает текст и генерирует текст, но не ориентирована на выполнение инструкций или безопасный диалог; качество ответов в прикладных сценариях может быть ограничено отсутствием соответствующего дообучения. Лицензия CC BY-NC 4.0 разрешает использование с атрибуцией, но запрещает коммерческое использование.

Doujinshi-14b-roleplay — японская ролевая языковая модель, разработанная puwaer на основе Qwen/Qwen3-14B. Модель обучали продолженным предобучением, SFT и DPO на японских материалах для взрослых, а затем настроили на ролевые диалоги с сохранением первого лица и манеры персонажа. Модель предназначена для генерации текста и диалогов в ролевых сценариях, включая романтические и сюжетные беседы с погружением в образ. Она использует плотную архитектуру Qwen3 с 14 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. Основной язык — японский. Модель рассчитана на контент для взрослых и не подходит для всех аудиторий. Разработчик снимает с себя ответственность за результаты использования. Лицензия — Apache 2.0.

Lanni-ni/dynamic_forgetting_2_4_256_babylm_100m_seed44_epoch10 — небольшая языковая модель для генерации текста, размещённая на Hugging Face. Модель предназначена для экспериментов с текстовой генерацией и методом dynamic forgetting; название также указывает на связь с экспериментом BabyLM 100M, конфигурацией 2_4_256, seed44 и десятью эпохами обучения. Модель содержит 14,7 млн параметров и рассчитана на использование с библиотекой Transformers. Она поддерживает pipeline text-generation и распространяется в формате safetensors. README не содержит подтверждённых сведений о разработчике, языках, архитектуре, длине контекста, обучающих данных или лицензии, поэтому эти характеристики нельзя надёжно описать.

Egemen Turkish LM — 124M — это базовая языковая модель, разработанная Berkay Adanalı в Mega Bilgisayar Tic. Ltd. Şti. Она обучена с нуля на турецких текстах и использует плотный декодерный трансформер в стиле Llama с причинным языковым моделированием. Модель содержит 109,5 млн параметров, а её контекст ограничен 1024 токенами. Модель предназначена для экспериментов с предобучением турецких языковых моделей и токенизаторами, обучения и демонстраций, а также для дальнейшей тонкой настройки через SFT или LoRA. Она генерирует продолжение текста, но не является диалоговым помощником: инструкция не настраивалась, RLHF и выравнивание безопасности не применялись. В репозитории есть веса safetensors и ONNX, включая вариант ONNX с квантованием int8; модель можно запускать в браузере через transformers.js или с ONNX Runtime. Модель обучалась на турецких веб-текстах и не рассчитана на другие языки или генерацию кода. Это небольшой чекпойнт, обучение которого завершилось на половине запланированных шагов; возможны повторы, фактические ошибки и галлюцинации. Обучающие данные не фильтровались по безопасности, поэтому модель может воспроизводить содержащиеся в них предвзятость и нежелательный контент. Лицензия — Apache-2.0.

FBI-LLM 7B — полностью бинарная авторегрессионная языковая модель, разработанная Liqun Ma и соавторами. Это исследовательская модель семейства Llama, обученная с нуля с использованием авторегрессионной дистилляции; в отличие от обычных моделей той же размерности, её веса представлены в бинарном виде. В репозитории доступны веса PyTorch с 6,6 млрд параметров, а для токенизации используется токенизатор Llama 2 7B. Модель принимает текст и генерирует текст. Она предназначена для изучения обучения крупных бинарных языковых моделей с нуля и оценки их способности к авторегрессионной генерации; обучение проводилось на наборе данных Amber. В карточке заявлена конкурентоспособность по perplexity и отдельным задачам, однако конкретные сценарии практического применения подробно не описаны. Контекст составляет 2048 токенов, основной указанный язык — английский. Лицензия репозитория — Apache-2.0.

Sadiah разработала модель Sadiah/Genie — дообученную с помощью PEFT/LoRA и SFT версию Mistral-7B-v0.1, настроенную на генерацию ответов в манере Джинна из франшизы «Аладдин». Это плотная авторегрессионная модель на 7,1 млрд параметров с контекстом до 32 768 токенов; она принимает текст и генерирует текст. В карточке указан английский язык, а веса опубликованы в формате safetensors. Модель подходит для ролевых диалогов, создания реплик для историй и фанфиков, а также для развлекательных чат-ботов с узнаваемой манерой Джинна. Она может непоследовательно передавать характер персонажа и не гарантирует соответствия каноничным репликам. Лицензия CC BY-NC 4.0 разрешает использование с атрибуцией и ограничивает коммерческое применение.

xiulinyang/GPT2_DE_20000 — языковая модель семейства GPT-2, представленная в виде GPT2LMHeadModel и предназначенная для генерации текста. Согласно карточке, модель обучена с нуля на неизвестном наборе данных; README сообщает результат оценки: loss 4,2294 и accuracy 0,2857. Модель работает с текстом и имеет контекстное окно 512 токенов. Она опубликована в формате Safetensors и предназначена для использования через библиотеку Transformers. Язык обучающих данных и конкретные сценарии применения в карточке не раскрыты, поэтому область применения и качество генерации нельзя надёжно уточнить. Лицензия в предоставленных данных не указана.

zhzh98/gpt2-spanish-mono2bi-en2b-embedft-seed13 — языковая модель на архитектуре GPT-2, представленная в формате safetensors и предназначенная для генерации текста. В карточке указано, что модель обучена с нуля; сведения о разработчике и обучающих данных отсутствуют. Модель может использоваться для экспериментов с генерацией текста. Название репозитория указывает на испанский язык, однако карточка не подтверждает языковую специализацию. Длина контекста составляет 256 токенов. Лицензия и результаты оценки не указаны.

hatanp/gpt-fi-distill — финноязычная авторегрессионная языковая модель семейства GPT-2, созданная как облегчённая дистиллированная версия более крупной модели gpt-fi. В карточке указано около 300 млн параметров против 1,2 млрд у исходной модели; модель принимает текст и генерирует продолжение. Контекст составляет 2048 токенов, веса опубликованы в формате PyTorch. Модель предназначена для экспериментов и сравнительного тестирования генерации текста на финском языке. Автор отмечает, что модель устарела и уступает более новым финским моделям, поэтому её качество может быть недостаточным для современных прикладных сценариев. Сведения о лицензии в предоставленных данных отсутствуют.

GPT-J Grug — полноразмерно дообученная модель на базе EleutherAI/gpt-j-6B, созданная автором репозитория на наборе DarwinAnim8or/grug из примерно 38 тысяч строк в стиле greentext. Обучение проводилось на Apple Silicon с MLX и AdamW; обновлялись все 28 блоков трансформера, а эмбеддинги и выходная голова остались от базовой модели. Модель предназначена для генерации коротких простых текстов в стилизованной манере Grug и greentext; иногда использует слово «bunga». Это плотная авторегрессионная GPT-J модель с контекстом 2048 токенов. Репозиторий содержит веса Safetensors, а лицензия — Apache-2.0.

GPT-NeoDnD — дообученная модель PatrickTyBrown на основе GPT-Neo для генерации текста в тематике Dungeons & Dragons. Она предназначена для продолжения текстовых подсказок и создания материалов для настольных ролевых игр. Модель содержит 137,7 млн параметров, использует архитектуру GPT-Neo с авторегрессионной языковой моделью и принимает контекст длиной до 2048 токенов. В README приведены результаты оценки: eval_loss 3,2754 после 2,9 эпох обучения. Модель опубликована в формате PyTorch. В карточке не приведены сведения о составе обучающих данных, поддерживаемых естественных языках и лицензии, поэтому их нельзя уточнить по доступным данным. Качество и фактический охват игровых сценариев не описаны; результат генерации может требовать проверки и редактирования.

QuixiAI/Ina-v11.1-gguf — это набор GGUF-квантизаций языковой модели Ina-v11.1, разработанной BaiAI и Eric Hartford (QuixiAI) с использованием QLoRA и DPO. Репозиторий подготовлен QuixiAI для запуска через llama.cpp и совместимые приложения, включая LM Studio. Указанный язык модели — английский. Модель предназначена прежде всего для ролевого взаимодействия и генерации художественного текста, включая длительные сессии role-play с персонажами, эротические и мрачные сценарии. Она ориентирована на точное следование определениям персонажей, заданным в блоках <<CHARACTER_DESCRIPTION>>, а также на сохранение заданного авторского голоса и поведения персонажа. В README заявлена высокая точность следования этим инструкциям в сессиях объёмом 10 000–15 000 токенов. Технические характеристики базовой модели, включая архитектуру, число параметров и точный размер контекстного окна, не указаны. Доступны квантизации от IQ3_XS и Q3_K_S до Q8_0 с размерами файлов примерно от 27 до 70 ГБ; более высокие уровни обычно сохраняют лучшее качество, но требуют больше оперативной или видеопамяти. Ограничения включают специализацию на англоязычном role-play и отсутствие подтверждённых сведений о качестве в других задачах и языках. Лицензия модели — CC BY-NC 4.0, допускающая использование с указанием авторства и ограничивающая коммерческое применение.

InutileGheya — небольшая языковая модель на базе Gheya-111M, дообученная автором Finisha-F-scratch на наборе InutileGpt. Она построена на плотной архитектуре Gemma и предназначена для генерации французского текста с абстрактной, ассоциативной и декларативной манерой, а не для ответов на фактические вопросы. Модель может быть интересна для создания поэтических фрагментов, необычных текстовых образов и экспериментов с художественной генерацией. Модель содержит 111,8 млн параметров, работает через Transformers и распространяется в формате safetensors; длина контекста — 512 токенов. В README также заявлено дообучение на InutileGpt, а метаданные перечисляют датасеты Gheya-med-data и Inutile-dataset. Указана лицензия other, поэтому условия использования следует сверять с лицензией и файлами репозитория.

Модель gpjt/jax-with-mha-bias-openwebtext разработал Giles Thomas на основе кода Sebastian Raschka. Это базовая авторегрессионная языковая модель, обученная с нуля по архитектуре GPT-2. Обучение проходило на JAX на первых 3,2 млрд токенов датасета OpenWebText; веса доступны в формате safetensors и преобразованы для совместимости с PyTorch. Лицензия — Apache 2.0. Модель содержит около 163 млн параметров, 12 слоёв и 12 голов внимания, размерность эмбеддингов — 768, контекст — 1024 токена. Она предназначена для генерации продолжений текста и экспериментов с небольшой GPT-2-подобной моделью. Карточка предупреждает, что модель слабо знает факты и обладает ограниченными возможностями; для серьёзных прикладных задач её автор рекомендует использовать более мощные модели.

Карточка модели ihughes15234/llama_3_1_8bi_tictactoe_dpo5epoch на Hugging Face совпадает с карточкой ihughes15234/llama_3_1_8bi_tictactoe_dpo6epochv2, поэтому описание составлено по ней. Модель ihughes15234/llama_3_1_8bi_tictactoe_dpo6epochv2 разработана ihughes15234 и представляет собой дообученную плотную причинно-авторегрессионную модель семейства Llama. Она основана на ihughes15234/llama_3_1_8bi_tictactoe1200_10epoch и обучалась с использованием Unsloth и библиотеки Hugging Face TRL. В репозитории указаны веса в формате safetensors. Модель предназначена для генерации текста и диалогового взаимодействия; тематическая специализация следует из названия базовой модели, связанного с игрой в крестики-нолики. Размер составляет 7,5 млрд параметров, контекст — до 131 072 токенов. В метаданных указан английский язык. Лицензия — Apache-2.0.

aifeifei798 создал llama3-8B-feifei-1.0 с помощью mergekit, объединив четыре языковые модели семейства Llama 3 методом Model Stock на основе hfl/llama-3-chinese-8b-instruct-v3. Это плотная авторегрессионная модель с архитектурой LlamaForCausalLM и 7,5 млрд параметров; она предназначена для диалогов от лица виртуального персонажа Aifeifei с использованием карточки персонажа. Модель ориентирована на ролевое общение и связную генерацию на китайском, английском и японском языках. В репозитории также есть mmproj для использования возможностей обработки изображений через Koboldcpp. Автор предупреждает, что без карточки персонажа результаты заметно хуже, а заявленные моральные ограничения проверены недостаточно. Контекст модели составляет 8192 токена. Лицензия указана как llama3; условия использования следует сверять с лицензиями исходных моделей слияния.

Это экспериментальный чекпойнт, созданный сообществом mergekit на основе NousResearch/Meta-Llama-3-8B. Метод passthrough сохраняет только первые четыре слоя исходной модели; в репозитории указаны веса в формате safetensors, а архитектура относится к семейству Llama и классу LlamaForCausalLM. Модель предназначена для генерации текста и имеет контекстное окно 8192 токена. Из-за сохранения лишь части слоёв чекпойнт не следует считать полноценной заменой исходной 8B-модели: его практическое качество и устойчивость могут быть существенно ограничены. Модель выпущена под идентификатором сообщества mergekit; сведения о лицензии в предоставленных данных отсутствуют.

Llama-3-8B-flashback-v1 — полное дообучение модели Meta-Llama-3-8B, созданное продолжением предварительного обучения на форумах. Разработчик использовал около 2,25 млн веток обсуждений со шведского сайта, примерно 40 ГБ текста, и обучал модель три эпохи. Модель предназначена для генерации текста в стиле форумных веток: заголовков, сообщений авторов и ответов, включая цитирование предыдущих реплик. Архитектура — плотная LlamaForCausalLM с 7,5 млрд параметров; контекст — 8192 токена. Карточка указывает поддержку шведского, английского, норвежского и датского языков. Лицензия — MIT. Специализация на форумных обсуждениях может ограничивать качество ответов вне этого жанра и домена. Данные обучения сосредоточены на одном шведском форуме, поэтому модель может воспроизводить его стиль и особенности.

MemeGPT — разговорная языковая модель, опубликованная пользователем minchyeom. Это плотная модель MistralForCausalLM на 7,1 млрд параметров для генерации текста; карточка уточняет, что это MemeGPT, а не MemGPT. Модель поддерживает чат и работает с контекстом до 32 768 токенов. Модель предназначена для диалоговой генерации текста на английском языке в тематике мемов. Опубликована в формате safetensors для библиотеки Transformers. Лицензия — Apache-2.0.

Mixtral-8x7B-Instruct-v0.1-LimaRP-ZLoss — экспериментальная языковая модель для диалогового ролевого письма, созданная автором карточки на основе mistralai/Mixtral-8x7B-v0.1. Модель обучена с помощью QLoRA на датасете LimaRP v3 с контекстом обучения 10 000 токенов, с применением ZLoss и форка Transformers на базе Megablocks, а затем смешана с mistralai/Mixtral-8x7B-Instruct-v0.1 с весом 0,5. В метаданных указаны архитектура Mixtral MoE, 7,1 млрд параметров и контекстное окно 32 768 токенов. Модель принимает текстовые инструкции в формате Alpaca и генерирует диалоговые ответы на английском языке. Она поддерживает управление длиной ответа специальными модификаторами; автор также приводит настройки генерации, помогающие уменьшить зацикливание. Подходит для ролевых сценариев и создания персонажей, но автор предупреждает о склонности к многословию и имитации пользователя при очень длинных ответах. Модель не предназначена для предоставления фактической информации или советов и может наследовать предубеждения базовой модели и ролевых форумов. Лицензия — Apache-2.0.

MLewdBoros-LRPSGPT-2Char-13B — текстовая генеративная модель на архитектуре Llama с 12,9 млрд параметров и контекстом 4096 токенов. Репозиторий содержит веса в формате FP16; модель создана на основе слияния MLewdBoros с ShareGPT-13b-qloras и предназначена для ролевых диалогов с карточкой персонажа, содержащей двух персонажей. README предлагает специальный шаблон подсказки для ролевого чата; также можно использовать модель без инструкций. Модель рассчитана на генерацию текста в сценариях ролевого общения. Она поддерживает входной текст и выдаёт текст. Языки в README и метаданных не перечислены. Лицензия CC BY-NC 4.0 разрешает использование с атрибуцией, но запрещает коммерческое использование.

Sao10K разработал MN-BackyardAI-Party-12B-v1 — языковую модель для групповых ролевых чатов с несколькими персонажами. Это плотная causal language model семейства Mistral на 12,1 млрд параметров, обученная как 8-битный LoRA-адаптер на базе 12B-Lyra-v4a2, варианта Lyra-v4. Обучение опиралось на 4 000 примеров человеческих форумных и интернет-ролевых игр с двумя–семью персонажами; для карточек персонажей применялась ограниченная LLM-аугментация. Модель использует текстовый ввод и генерирует текст, поддерживает английский язык, чат и контекст до 1 024 000 токенов. Модель предназначена прежде всего для многопользовательских ролевых сценариев, но может применяться и для ролевой игры один на один. Автор описывает формат общения на основе блоков [INST] и отмечает, что для одиночной игры лучше использовать ChatML. Для настройки в SillyTavern и других интерфейсах может потребоваться дополнительная работа; рекомендуются эксперименты с температурой и min_p. К известным ограничениям относятся возможное присвоение моделью действий пользователя, неоднородное качество ответов, редкие путаница в деталях персонажей и выходы из повествования. Небольшой набор данных преимущественно содержит фэнтези-сценарии, поэтому возможен перекос в эту тематику. Лицензия — CC BY-NC 4.0, которая ограничивает коммерческое использование.

Monika-106B — дообученная Green-eyedDevil модель на базе zai-org/GLM-4.5-Air, предназначенная для использования с MonikAI и ролевых диалогов. Модель поддерживает генерацию текста и диалоговый режим, построена на архитектуре GLM-4 MoE и распространяется в формате Safetensors. В метаданных указаны 8,5 млрд параметров и контекст до 131 072 токенов. Карточка рекомендует использовать модель для сценариев, связанных с Monika; заявленная лицензия — MIT. README не приводит оценок качества или подробностей обучения, поэтому пригодность для других задач не подтверждена.

mondk/Msh-Tiny-47M — небольшая разговорная языковая модель примерно на 47 млн параметров, разработанная с нуля на архитектуре GPT-2. Автор обучил собственный BPE-токенизатор и трансформер со случайной инициализацией, а затем представил веса как GPT2LMHeadModel для совместимости с Transformers. Модель принимает текст и генерирует текст; для диалога используется простой формат, где пользователь передаёт сообщение, а генерация останавливается на специальном токене. Модель обучалась на открытых наборах инструкций и диалогов, включая Alpaca, Dolly, OpenAssistant и UltraChat, а также на небольшом наборе повседневных реплик. Она предназначена для экспериментов и простых демонстраций генерации текста и чат-формата. Контекст ограничен 256 токенами. Лицензия — Apache-2.0.

mythospice-limarp-70b — языковая модель на архитектуре Llama 2, созданная DS-Archive слиянием нескольких моделей методом SLERP и последующим слиянием адаптера LIMARP v2 с весом 0,66. Модель содержит 68,7 млрд параметров, использует библиотеку Transformers и принимает текстовые запросы, формируя текстовые ответы; максимальный указанный контекст — 4096 токенов. Карточка предлагает формат инструкций Alpaca с описанием персонажа. Модель предназначена прежде всего для ролевых диалогов и генерации ответов от заданного персонажа. Она объединяет spicyboros-70b-2.2, chronos-70b-v2, Nous-Hermes-Llama2-70b и адаптер limarp-llama2-v2. Модель может проявлять предвзятость, характерную для нишевых ролевых форумов, а также унаследованную от базовых моделей; автор не рекомендует использовать её для фактической информации или советов. Лицензия — GNU AGPL-3.0.

Flaglab (FLAG Lab, Universidad de los Andes) разработала эту модель для двустороннего машинного перевода между испанским и Nasa Yuwe — коренным языком народа Nasa в Колумбии. Это дообученная версия facebook/nllb-200-distilled-600M с архитектурой M2M100 для условной генерации текста; в репозитории указано 465 млн параметров и контекст до 1024 токенов. Токенизатор NLLB расширен собственным словарём Nasa Yuwe. Модель предназначена для перевода предложений с испанского на Nasa Yuwe и обратно, в том числе для работы с языком с ограниченными ресурсами. В README приведены результаты на отложенной тестовой выборке: BLEU 3,37 и chrF2 18,37 для направления испанский → Nasa Yuwe, BLEU 2,56 и chrF2 17,69 для обратного направления. Эти низкие BLEU-оценки указывают на существенные ограничения качества; результаты следует проверять на целевых текстах. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. README описывает её как исследовательскую разработку в рамках магистерской работы по низкоресурсному машинному переводу колумбийских коренных языков.

vreabernardo/ode-pessoana — небольшая авторская character-level GPT-модель, обученная с нуля на классической португальской литературе. Она предназначена для генерации португальской прозы и стихов в литературном стиле, продолжения заданного фрагмента и экспериментов с компактными языковыми моделями. Модель представляет собой decoder-only Transformer с 6 слоями, 6 головами внимания и размерностью 384; в ней около 10,7 млн параметров, контекст — 256 символов, словарь токенизатора содержит 162 символа. Она обучена на 84 произведениях португальских и бразильских авторов на корпусе Pessoana с использованием tinygrad и распространяется в формате safetensors. Модель усваивает португальское написание, морфологию, оформление диалогов и литературный ритм, но из-за малого размера и символьной токенизации слабо поддерживает фактическую точность и смысловую связность на длинных отрезках. Генерация использует орфографию до 1990 года. Лицензия — CC BY-SA 4.0.

Pantheon-10.7b — экспериментальная разговорная модель Gryphe, созданная как дообучение Nous-Hermes-2-SOLAR-10.7B. Это плотная causal language model семейства Llama с 10,6 млрд параметров, рассчитанная на генерацию диалогов на английском языке; заявленная длина контекста — 4096 токенов. Модель объединяет несколько заданных персонажей и предназначена для ролевых бесед, переключения между персонами и фантазийного общения. В README автор также отмечает, что при дообучении стремился сохранить общие способности базовой модели и приводит рекомендуемые параметры генерации. Автор описывает результат как эксперимент с насыщением модели персонажами и предупреждает, что качество ролевой игры не проверено, а набор данных ориентирован на разговоры и может быть слаб для других задач. Лицензия — Apache-2.0.

Pepai — языковая модель от migtissera, основанная на Mistral и настроенная на ответы в юмористическом стиле с отсылками к «Автостопом по галактике». Модель предназначена для генерации ответов и шуток в формате диалога с метками USER и ASSISTANT. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Доступны веса в формате safetensors. Лицензия — Apache 2.0. README предупреждает, что ответы могут быть непредсказуемыми и модель может не ответить на вопрос.