I.5Создание и редактирование текста

Карточка модели mason01kent/Qwen3.6-9B-Heretic-Uncensored-Thinking-Sweet-Madness на Hugging Face совпадает с карточкой DavidAU/Qwen3.6-9B-Heretic-Uncensored-Thinking-Sweet-Madness, поэтому описание составлено по ней. Qwen3.6-9B-Heretic-Uncensored-Thinking-Sweet-Madness — экспериментальная текстовая модель с поддержкой изображений, опубликованная DavidAU. По карточке, исходную Qwen3.6-27B-heretic-ara сократили до 9B с помощью модифицированного Mergekit, а затем дообучили на шести наборах данных в два этапа с Unsloth; автор также отмечает настройку под изменённую структуру слоёв. В метаданных указана архитектура Qwen3_5ForConditionalGeneration и формат safetensors. Модель предназначена прежде всего для творческого письма, продолжения сцен, создания сюжетов и диалогов, а также общих запросов и задач с изображениями. Карточка заявляет контекст 256k и поддержку изображений и видео, сохранённую от исходной модели; метаданные указывают английский и китайский языки. Автор описывает модель как «uncensored», но предупреждает, что ей нельзя доверять факты и что она пока не годится для продуктивного применения: примеры демонстрируют бессвязную генерацию и ошибки в рассуждениях и расчётах. Модель распространяется по лицензии Apache-2.0. Автор отмечает, что для конкретных задач может потребоваться дополнительное дообучение; заявленные характеристики скорости и контекста приведены в карточке и не являются независимой оценкой качества.

Карточка модели longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-good-vs-bad-mixed-multifact-last-third-sft-seed2 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

calebcsjm/reversed_harrypotter_generation — языковая модель для генерации текста, созданная дообучением distilgpt2. Карточка связывает её с генерацией в тематике «Гарри Поттера», однако подробности о назначении и обучающих данных не приведены. Модель основана на архитектуре GPT-2 и принимает текст для продолжения или генерации. Указанный контекст составляет 1024 токена. Она распространяется в формате PyTorch по лицензии Apache-2.0. Сведения о качестве, языках и конкретных ограничениях генерации отсутствуют.

zlsl/ru_warhammer40k — русскоязычная модель генерации текста по вселенной Warhammer 40,000, включая период Ереси Хоруса и более поздние книги. Она предназначена для создания тематических текстов по запросу и построена на архитектуре GPT-2; модель работает с текстом и имеет контекстное окно 2048 токенов. Опубликована в форматах PyTorch и Safetensors, распространяется по лицензии Apache-2.0. Модель подходит для генерации фанатских рассказов, описаний персонажей и событий, а также для продолжения текстов в сеттинге Warhammer 40,000. README сообщает о проблеме загрузки токенизатора в text-generation-webui для моделей семейства GPT-2 и приводит обходной путь с настройкой eos_token_id. Карточка не сообщает размер модели и оценку качества.

Samantha — разговорная модель-помощник на базе Phi-1.5, дообученная QuixiAI на 150 эпохах набора Samantha-1.1 из 6 тысяч диалогов в формате ShareGPT/Vicuna. Она предназначена для бесед о философии, психологии и личных отношениях, а также для дружеского общения и эмоциональной поддержки. Модель использует архитектуру MixFormer Sequential и генерирует текст; заявленная длина контекста — 2048 токенов. Шаблон диалога совместим с Vicuna 1.1. В карточке указано, что Samantha не участвует в ролевых, романтических или сексуальных сценариях. Это ранняя модель 2023 года; примеры показывают поддерживающий стиль общения, но не подтверждают точность советов и не заменяют помощь специалиста. Лицензия помечена как other, конкретные условия в карточке не приведены.

QuillBytes/shakespeare — языковая модель, разработанная QuillBytes на базе Qwen/Qwen3-4B. Модель дообучена с использованием LoRA и предназначена для генерации текста в стиле Уильяма Шекспира: на ранне-новоанглийском языке, с елизаветинской лексикой, местоимениями thee, thou и thy, а также с имитацией ямбического ритма. Основной язык — английский. Модель ориентирована на развлекательные сценарии, творческие диалоги и ответы на вопросы с сохранением шекспировской стилистики. В репозитории доступны полновесные веса в формате safetensors и 4-битная квантизованная версия GGUF для локального запуска, в том числе через Ollama и LM Studio. Также указан файл multimodal projector, однако подробности о поддерживаемых модальностях не приведены. Размер базовой модели — около 4 млрд параметров; размер контекста и другие архитектурные характеристики не указаны. К сильным сторонам относятся выраженная специализация на устойчивом шекспировском стиле и возможность локального использования благодаря квантизованной версии. Ограничение модели заключается в том, что она предназначена прежде всего для развлечения и будет постоянно отвечать в заданной стилистике, что может снижать уместность и точность в нейтральных или профессиональных задачах. Указанная лицензия — Apache-2.0.

OPTML-Group/SimNPO-WMDP-llama3-8b — дообученная диалоговая языковая модель на архитектуре Llama, созданная OPTML-Group на основе meta-llama/Meta-Llama-3-8B-Instruct. Модель прошла машинное забывание методом SimNPO на датасете CAIS WMDP; опубликованные параметры процедуры включают 125 шагов обучения. Модель предназначена для генерации текста и диалоговых ответов с изменённым поведением в отношении данных WMDP. Она содержит 7,5 млрд параметров, принимает текст и поддерживает контекст до 8192 токенов. В карточке указан английский язык. Модель распространяется под лицензией MIT. Это исследовательская модификация базовой модели: процедура забывания сама по себе не подтверждает полного удаления знаний и не гарантирует устойчивость к обходным запросам.

SimpleStories-V2-35M — небольшая языковая модель семейства SimpleStories, созданная для исследований интерпретируемости и обученная на наборе коротких историй SimpleStories. Это авторегрессионная плотная модель архитектуры Llama с 35,1 млн параметров; вариант из README описан как 12-слойный, с размерностью 512 и 8 головами внимания. Модель предназначена для генерации текста, прежде всего коротких историй на английском языке. Вторая версия семейства обучалась дольше предыдущей, что, по README, улучшило результаты оценки; также был оптимизирован токенизатор с сокращением словаря до 4019 токенов. Репозиторий содержит веса в формате safetensors, контекст модели по метаданным — до 2048 токенов. Лицензия MIT разрешает свободное использование с соблюдением её условий. Это компактный чекпойнт для экспериментов с генерацией историй и изучения поведения языковых моделей. Он обучен на синтетических историях, поэтому качество и переносимость на другие жанры и задачи могут быть ограничены; модель также значительно меньше современных универсальных языковых моделей.

SniffyOtter-7B — японская языковая модель, представленная в репозитории Elizezen и настроенная на генерацию эротических романов. Она предназначена для создания художественного текста с сохранением темы и контекста; автор отмечает, что для других задач модель может подходить хуже. В README приведены сравнительные результаты авторского тестирования, однако описание метрик указывает на возможную предвзятость, а детали теста раскрыты не полностью. Модель построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров. Она принимает и генерирует текст на японском языке, поддерживает контекст до 8192 токенов и распространяется в формате safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Hplm/student_1820_1850 — компактная языковая модель семейства Llama, обученная по рецепту BabyLlama2 двумя тренерами на 10 млн слов из корпуса Gutenberg, опубликованных в период 1820–1850 годов. Репозиторий содержит веса Safetensors для использования через Transformers; размер модели — 329,9 млн параметров, контекст — 256 токенов. Модель предназначена для генерации текста и экспериментов с языком литературы первой половины XIX века, например для продолжения или стилизации текста под этот период. Карточка не приводит результатов оценки качества или подробных инструкций по применению; малый контекст ограничивает работу с длинными фрагментами. Лицензия — MIT.

Jeesup/svd-safety-l3_swift_remove20_swapgapiter_b010 — исследовательский чекпойнт на базе Meta-Llama-3-8B-Instruct, подготовленный для изучения влияния сжатия на безопасное поведение языковых моделей. Модель с архитектурой LlamaForCausalLM содержит 7,5 млрд параметров, использует формат safetensors и поддерживает контекст до 8192 токенов. Она предназначена для диалоговой генерации текста и исследовательской оценки компромиссов между безопасностью и полезностью. Чекпойнт сжат методом Swift-SVD с восстановлением LoRA: удалено 19,96% параметров, осталось 80% исходного числа. Затем выполнено 10 раундов итеративной перестановки параметров по правилу gap_iter. README приводит показатели атак на бенчмарках AdvBench и StrongREJECT, а также метрику избыточного отказа WildGuard; результаты характеризуют экспериментальную оценку безопасности. Модель не предназначена для использования как универсальный чат-ассистент: отдельные варианты эксперимента могут иметь ухудшенную безопасность относительно исходной Llama-3-8B-Instruct. Перед использованием в исследованиях следует самостоятельно оценить её поведение. Лицензия — Llama 3.

Это экспериментальный исследовательский чекпойнт Jeesup на основе Mistral-7B-Instruct-v0.2. Модель с архитектурой MistralForCausalLM содержит 7,1 млрд параметров и принимает текстовые инструкции и диалоговые запросы; заявленная длина контекста — до 32 768 токенов. Веса сжаты методом Swift-SVD с удалением примерно 20% параметров, после чего восстановлены с помощью LoRA-этапа SVD-LLM. Чекпойнт создан для изучения влияния SVD-сжатия на безопасность и полезность ответов и сравнения способов восстановления поведения, а не для обычного чат-применения. В README приведены показатели атак на безопасность и чрезмерного отказа. Модель генерирует текст и поддерживает диалоговый сценарий. README предупреждает, что некоторые варианты в серии намеренно имеют ухудшенную безопасность, а этот чекпойнт следует рассматривать как экспериментальный объект и самостоятельно оценивать перед использованием. Лицензия — Apache-2.0.

tha_thai_5mb — авторегрессионная языковая модель Goldfish на архитектуре GPT-2, разработанная для тайского языка на письме тай. В модели около 39 млн параметров, словарь содержит 50 000 токенов, максимальная длина последовательности — 512 токенов. Модель принимает текст и генерирует продолжение; для лучшего результата README рекомендует добавлять в начало входа токен [CLS], который также выполняет роль [BOS]. Модель обучалась на небольшом корпусе: примерно 1,08 млн токенов за 10 эпох; основным источником был OSCAR 2021/09, также использовались eBible и Tatoeba. Серия Goldfish предназначена прежде всего для сопоставления моделей между языками и экспериментов с языками с ограниченными ресурсами. Для тайского она подходит для генерации и продолжения короткого текста, но её результаты не рассчитаны на сравнение с современными крупными языковыми моделями для высокоресурсных языков. Модель опубликована под лицензией Apache-2.0. Ограничения включают небольшой объём обучающих данных и контекст до 512 токенов; возможны слабое качество и ошибки за пределами простых сценариев генерации на тайском языке.

TheSalt-RP-L3-8b-DPO-v0.3.2-e0.15.2 — экспериментальная текстовая модель для ролевого диалога, созданная cgato на основе семейства Llama 3. Модель дообучена методом DPO на данных для ролевой игры; автор называет эту версию промежуточной и пригодной для пробного использования и сбора отзывов. Модель имеет плотную архитектуру LlamaForCausalLM и около 7,5 млрд параметров, принимает и генерирует текст. Контекст — до 8192 токенов. Для диалога используется формат ChatML с обязательными системным сообщением и именами пользователей и персонажей. Автор отмечает проблемы с форматированием и продолжает очистку данных DPO. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

ThoughtStream-4B-v0.2 — экспериментальная англоязычная чат-модель автора trollek, дообученная на базе trollek/LittleInstructionMaker-4B-v0.2. Модель семейства Llama с плотной архитектурой LlamaForCausalLM содержит 3,8 млрд параметров, принимает текст и рассчитана на контекст до 8192 токенов. Модель предназначена для экспериментов с форматами рассуждения: потоком сознания, ментальными картами и пошаговым разбором. Автор отмечает, что сама по себе модель слабо справляется с рассуждениями, но может работать лучше, если подать цепочку рассуждений в специальных тегах. Распространяется в формате safetensors по лицензии Apache-2.0.

Ti-Ma/TiMaGPT2-2013 — языковая модель семейства GPT-2, разработанная для проекта Time Machine GPT. Она генерирует текст на основе обучающих данных, ограниченных материалами, опубликованными до 31 декабря 2013 года. Авторы обучали её на новостном датасете WMT и Wikipedia. Модель предназначена для генерации текста с историческим срезом знаний и экспериментов с тем, как языковая модель отражает информацию, доступную до указанной даты. Контекст составляет 1024 токена; репозиторий содержит веса PyTorch. Работа описана в статье Time Machine GPT, представленной на Findings of ACL: NAACL 2024. Модель не располагает знаниями о событиях после 2013 года, а генерация может содержать фактические ошибки. Лицензия — CC0 1.0.

TinyBrainBot-100M-v3-Chat — компактная разговорная языковая модель, разработанная автором репозитория nkthebass. Это дообученная методом SFT плотная Llama-совместимая модель с 100,1 млн параметров; она принимает текст и генерирует текстовые ответы в формате диалога. Контекст составляет 1024 токена, основной язык по карточке — английский. Для запуска доступны веса Safetensors и F16 GGUF, совместимый с llama.cpp, Ollama и LM Studio; в конфигурации генерации заданы температура 0,5 и штраф за повторы 1,3. Модель предназначена для коротких бесед и экспериментов с поведением малых языковых моделей. По описанию, дообучение исключало данные с рассуждениями, а модель хорошо поддерживает контекст предыдущих реплик для своего размера. Автор приводит результаты нескольких тестов на понимание текста, однако модель склонна уверенно выдумывать факты, не подходит как источник знаний и не настроена на безопасность. Лицензия — Apache 2.0.

Structured Direct-Sum lexical prior — обученная модель семейства TOLM, опубликованная miguelcsx как контрольная точка турнира BabyLM. Репозиторий сохраняет существующий чекпойнт `chck_100M`; для загрузки пользовательской архитектуры Transformers требуется удалённый код из проекта miguelcsx/tolm. Модель предназначена для исследований языкового моделирования и оценки знаний о лексических и грамматических закономерностях английского языка. Карточка приводит результаты ранее проведённых оценок на BLiMP, Supp и EWoK, но для данного выпуска новое обучение и оценивание не выполнялись. Архитектура — плотная TOLM для masked language modeling, с 49,1 млн параметров; метаданные указывают задачу fill-mask и поддержку английского языка. Лицензия обозначена как other, конкретные условия в предоставленных данных не раскрыты.

WindyTranslate/translate-en-cpp — модель машинного перевода Windstorm Labs, созданная на основе Helsinki-NLP/opus-mt-en-cpp. Это дообученная модель семейства Marian на архитектуре Transformer с 54,7 млн параметров; LoRA-дообучение на параллельном корпусе объединено с базовыми весами. Модель принимает английский текст и переводит его на креольский язык, обозначенный кодом cpp. Она доступна в формате safetensors для использования с Transformers; лицензия — Apache-2.0. Модель предназначена для перевода текста с английского на cpp. Поддерживается только это направление перевода, а оценка качества на бенчмарках не проводилась, поэтому качество перевода не подтверждено.

wader-100m-base — базовая языковая модель на индонезийском языке от neosantara, обученная с нуля для продолжения текста. Она предназначена для экспериментов и генерации продолжений; для диалогов и ответов на вопросы автор рекомендует дообученную версию neosantara/wader-100m. Модель использует архитектуру DeepSeek-V4 с Multi-head Latent Attention, разреженным Mixture of Experts и Hyper-Connections. В README указан размер около 110 млн параметров, а в метаданных — 53 млн; метаданные также указывают контекст 2048 токенов и библиотеку Transformers. Репозиторий содержит веса safetensors. Модель обучалась на индонезийском разговорном корпусе IndoTalk. Это компактная исследовательско-экспериментальная модель для индонезийской генерации текста, но README предупреждает, что она мала для качественного диалога и может выдавать NaN на CPU или старых GPU; заявлена потребность в современной GPU с поддержкой bfloat16. Для пользовательского чата следует применять версию wader-100m. Лицензия — Apache-2.0.

Welmia/welmia-2.0-103m-base — базовая GPT-подобная языковая модель, разработанная Welmia и обученная с нуля на примерно 5 млрд токенов корпуса OpenWebText. Модель содержит 103,4 млн параметров, 12 слоёв и 12 голов внимания; использует RoPE, RMSNorm, SwiGLU и связанные эмбеддинги. Для токенизации применяется собственный BPE-токенизатор с размером словаря 24 тыс. токенов, несовместимый с токенизаторами моделей Welmia 1.0. Модель предназначена для продолжения текста с предсказанием следующего токена, а не для диалогов и выполнения инструкций. Её можно использовать в экспериментах с небольшими языковыми моделями и генерацией текста; карточка описывает загрузку через Transformers с `trust_remote_code=True`. Контекст составляет 512 токенов. По карточке модель обучена на англоязычном корпусе OpenWebText; данные не подтверждают поддержку других языков. В реализации отсутствует KV-кэш, поэтому генерация может быть медленной, особенно при длинном выводе; вход длиннее контекста обрезается слева. Лицензия — Apache-2.0.

WoonaV1.2-9b — русскоязычная разговорная модель на 9 млрд параметров, созданная автором SlerpE путём дообучения Google Gemma 2 9B IT на синтетических данных, подготовленных на основе вики My Little Pony: Friendship Is Magic. Она предназначена для ответов на вопросы о каноне, персонажах, сюжете и устройстве мира MLP, а также для помощи авторам фанфиков и ролевых сценариев. Модель использует плотную архитектуру Gemma 2 для генерации текста и диалога; заявленный контекст — 8192 токена. Обучающие данные сосредоточены на сериале Friendship Is Magic: сведения о создателях и съёмочной группе исключены, а материалы по Equestria Girls, Pony Life и комиксам представлены ограниченно. Автор отмечает, что модель может галлюцинировать. Лицензия в метаданных — Gemma.

Модель XXXTENTACION создана Алексеем Коршуком в рамках проекта HuggingArtists на базе архитектуры GPT-2. Это авторски ориентированная языковая модель для генерации текста, обученная на текстах песен XXXTENTACION; её можно использовать для создания бота в стиле артиста и генерации похожих текстов. Модель принимает текстовый запрос и продолжает его, поддерживает английский язык и имеет контекст длиной 1024 токена. Модель предназначена для творческих экспериментов и генерации текстов, стилизованных под корпус обучения. Она наследует ограничения и смещения GPT-2, а результаты также могут отражать содержание и предвзятость исходных текстов. Лицензия в предоставленных данных не указана.

AI Girlfriend LLM v2 — дообученная Sercan Celenk разговорная модель на архитектуре Llama 3.1 8B с 7,5 млрд параметров. Она предназначена для романтических диалогов с постепенным развитием отношений: стиль общения меняется от формального к близкому и интимному в зависимости от уровня отношений. Модель генерирует короткие естественные реплики, рассчитана прежде всего на турецкий язык, также поддерживает английский и, согласно метаданным, немецкий, французский, испанский и арабский. Контекст — до 131 072 токенов. Основана на meta-llama/Meta-Llama-3.1-8B-Instruct и распространяется в формате safetensors по лицензии Apache-2.0. Подходит для создания персонажа-компаньона и ролевых романтических бесед. Карточка предупреждает, что модель предназначена для взрослых и может генерировать интимный контент; для лучшего результата нужны подходящие системные инструкции. Наиболее качественная работа заявлена для турецкого языка.

kabaros/ar-camel-uni-diverse-8.3M — арабоязычная причинная языковая модель в стиле GPT-2, разработанная в рамках магистерской диссертации по токенизации и составу обучающих данных для небольших языковых моделей в Университете Стирлинга. Это один из экспериментальных чекпойнтов серии BabyLM Arabic; для данного варианта использованы токенизатор CAMeL с Unigram и композиция арабского корпуса объёмом около 8,3 млн слов. Архитектура — плотная GPT-2 с 4 слоями, 8 головами внимания, размерностью скрытого представления 512 и контекстом 512 токенов. Модель предназначена для генерации текста на арабском языке и экспериментального изучения влияния токенизации и состава данных на языковое моделирование. В README для соответствующего варианта указан результат 79,26 по MultiBLiMP; это оценка конкретного запуска из трёх сидов для данной композиции корпуса. Лицензия — CC BY 4.0. Для загрузки токенизатора CAMeL требуется поддержка пользовательского кода Transformers и параметр trust_remote_code=True. Чекпойнт небольшой и обучен на ограниченном корпусе, поэтому его возможности и качество не следует приравнивать к современным крупным арабским языковым моделям; размер около 17 млн параметров указан для серии моделей в README, тогда как имя репозитория содержит 8.3M и относится к объёму корпуса.

BabyLangModel — небольшая языковая модель в стиле GPT, созданная Exquisique и обученная с нуля на PyTorch с архитектурой, вдохновлённой nanoGPT. Модель содержит примерно 10–15 млн параметров, 6 слоёв и 6 голов внимания; размер блока — 128 токенов. Для токенизации используется GPT-2 tokenizer через tiktoken. В метаданных указаны форматы PyTorch и safetensors, лицензия MIT и английский язык. Модель обучалась 200 000 итераций на наборе TinyStories с короткими простыми историями на английском для маленьких детей. Она предназначена для генерации простых, связных историй и экспериментов с компактными GPT-моделями. Автор отмечает, что генерация уже читаемая и похожа на истории, но модель всё ещё улучшается. Для загрузки через Transformers требуется включить trust_remote_code=True, поскольку используется собственная реализация архитектуры. Ограниченный размер блока и узкая обучающая выборка ограничивают пригодность модели для длинного контекста и задач общего назначения.

huggingtweets/bladeecity-jerma985 — языковая модель для генерации текста, созданная Борисом Даймой с помощью проекта HuggingTweets. Она основана на GPT-2 и дообучена на твитах Aim Nothyng и Jerma, чтобы генерировать короткие продолжения текста в стиле этих авторов. Модель предназначена для экспериментов и создания развлекательных текстовых ботов; пример использования — генерация нескольких вариантов продолжения заданной фразы. Модель принимает текст и выдаёт текст, работает с библиотекой Transformers и сохранена в формате PyTorch. Контекст составляет 1024 токена; карточка указывает английский язык. В обучающей выборке было 1620 твитов Aim Nothyng и 2695 твитов Jerma, включая ретвиты и короткие сообщения. Качество и характер генераций зависят от ограниченной выборки твитов. На модель распространяются ограничения и смещения GPT-2, а содержание исходных публикаций влияет на результаты. Лицензия в предоставленных данных не указана.

jslin09 разработал эту модель, дообучив BLOOM-560m на корпусе судебных решений Тайваня по делам о мошенничестве и краже. Модель предназначена для генерации черновиков раздела «Фактические обстоятельства преступления» в уголовных судебных решениях на китайском языке. Обучающий набор включает 59 858 текстов; данные собраны из решений за период с 2011 по 2021 год. Это плотная авторегрессионная языковая модель семейства BLOOM с 659,6 млн параметров. Она принимает текстовые подсказки и продолжает их текстом; в README приведён пример начала подсказки для генерации описания дела. Модель ориентирована на узкую юридическую задачу и китайские судебные документы, а автор отмечает ограниченную универсальность. Лицензия — BigScience BLOOM RAIL 1.0.

ChatWaifu 2.0 Vision — мультимодальная чат-модель разработчика spow12 (yw_nam), дообученная на базе mistral-community/pixtral-12b и построенная на архитектуре LLaVA. Она принимает текст и изображения, поддерживает японский и английский языки и предназначена для диалогов, ролевого общения в образах персонажей визуальных новелл и обсуждения изображений в чате. В обучении использовались наборы для ролевых диалогов, инструкций и понимания изображений; README указывает примерно 370 тысяч примеров SFT. Модель позволяет задать собственную персону персонажа или общаться с предусмотренными образами. Она не прошла полное тестирование, а автор сообщает об ошибке во входных данных при дообучении и рекомендует обновлённую версию. Из-за включения материалов для взрослых модель может генерировать откровенный контент. Лицензия в метаданных — CC BY-NC 4.0; README также ограничивает использование некоммерческими и исследовательскими целями.