I.5Создание и редактирование текста

Qwen3 Article-Usage Micro-Coach — v2 — небольшая разговорная модель на архитектуре Qwen3, разработанная автором репозитория на основе mlx-community/Qwen3-1.7B-4bit. Это дообученная QLoRA-адаптером, затем объединённая с базовой моделью и деквантизированная MLX-версия с 1,7 млрд параметров и контекстом до 40 960 токенов. Модель предназначена для тренировки употребления английских артиклей: она задаёт один наводящий вопрос о правиле, связанном с ошибкой, не подсказывая исправление, а после самостоятельного исправления отвечает «Target fixed.». По описанной оценке на 60 случаях модель лучше соблюдает сценарий и полезнее исходной Qwen3, но эти результаты ограничены небольшим набором тестов. Автор предупреждает, что модель пока недостаточно надёжна для обучения без контроля: она может задать корректно сформулированный вопрос, относящийся не к тому правилу употребления артиклей. Для адаптации использовался набор из 2 324 примеров; указанные показатели проверки относятся к конкретному замороженному тесту и не гарантируют качество в других сценариях. Модель распространяется под лицензией Apache-2.0.

Scarlett's Opus — мультимодальная модель на 27 млрд параметров, созданная Linux4life как двухэтапное слияние трёх моделей Qwen3.8-27B: ReadyArt/Dark-Scarlett-27B-v2.0, allura-org/Qwen3.8-27B-Dominatrix и Jackrong/Qwopus3.8-27B-Flash. Она предназначена для взрослого ролевого общения, поддержания сцены и ответов на сообщения и изображения. Модель сохраняет зрительную часть и поддерживает работу с изображениями при загрузке файла mmproj; README также сообщает о сохранённой черновой голове MTP. Для диалогов используется шаблон Qwen3.8 ChatML, а автор рекомендует низкий уровень рассуждений. Репозиторий содержит GGUF-файлы в вариантах BF16, Q4_K_M, Q6_K и Q8_0. Модель ориентирована на англоязычные ролевые сценарии с контентом 18+; метаданные указывают Apache-2.0. Качество и поведение могут зависеть от корректного шаблона чата и наличия файла mmproj для обработки изображений; README не приводит доступных здесь численных результатов оценивания.

scribe — небольшая языковая модель примерно на 30 млн параметров, созданная mbsdeepak с нуля на PyTorch и обученная на датасете TinyStories. Это декодерный трансформер семейства GPT-2 с 6 слоями, 6 головами внимания и шириной 384; модель совместима с архитектурой GPT-2 и использует веса fp32 в формате safetensors. Модель продолжает короткие текстовые подсказки и предназначена прежде всего для генерации простых детских историй на английском языке. Её можно использовать для учебных экспериментов с устройством, обучением и запуском языковых моделей; README также описывает совместимость с сервером инференса ember. Контекст ограничен 256 токенами. Модель обучена на узком корпусе TinyStories и не предназначена для универсальной генерации текста; она использует стандартную архитектуру GPT-2 без RoPE, RMSNorm и SwiGLU. Лицензия — MIT.

Fock-PARFLM v2.1 Depth-Conditioned Multi-Context Gaussian Vθ — экспериментальная языковая модель автора Dimitar P. Gueorguiev из Semantic Simulation. Она генерирует текст и предназначена для изучения влияния ограниченного скалярного потенциала на авторегрессионное моделирование историй TinyStories. Архитектура FockMultiXiPARFLM — плотная, без трансформера и механизма внимания; в карточке указаны размерность d=256 и 8 слоёв. Потенциал представляет собой ограниченную смесь гауссовых компонент с 32 центрами притяжения, отдельными банками для контекстных каналов xi и обучаемым кодом глубины для каждого слоя. Модель обучена на TinyStories; среди её особенностей — ограниченная величина потенциала и градиента, а также проверки на отсутствие утечки будущих токенов. Автор отмечает, что на малом масштабе эта конструкция уступает альтернативным вариантам по выразительности и perplexity. Лицензия — CC BY 4.0.

SEX ROLEPLAY 3.2 1B — модель Novaciano для многоязычного эротического ролевого общения. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 1,2 млрд параметров; она предназначена для генерации диалогов и повествования по описанию персонажей и сценарию, в том числе для использования с KoboldCpp и SillyTavern. В карточке приведены шаблоны общения на английском и испанском языках. Модель собрана слиянием нескольких моделей на базе Llama 3.2 1B, включая варианты для творческого ролевого общения и instruct-модели. Метаданные указывают контекстное окно 131072 токена и поддержку Transformers; в репозитории отмечен формат safetensors. README рекомендует пресет Llama 3 Chat для KoboldCpp и содержит шаблоны промптов для ролевых сценариев. Модель ориентирована на откровенный сексуальный контент. Небольшой размер ограничивает сложность и устойчивость генерации по сравнению с более крупными моделями; качество конкретных сценариев в README не оценивается. Лицензия — Apache-2.0.

Tibetan Roberta Causal Base — демонстрационная авторегрессионная языковая модель, разработанная Sangjee Dondrub для экспериментов с API Transformers. Модель основана на архитектуре RoBERTa и содержит 96,6 млн параметров; она принимает текст и предназначена для генерации продолжения текста на тибетском языке. Максимальная длина контекста составляет 514 токенов. Модель опубликована в формате PyTorch под лицензией MIT. Автор описывает её как эксперимент для знакомства с Transformers, поэтому качество генерации и пригодность для прикладного использования не подтверждены.

roshan-soni/tinygemma-10m — небольшая каузальная языковая модель семейства TinyGemma, созданная автором с нуля и обученная на наборе TinyStories с синтетическими короткими рассказами. Она предназначена для изучения компактных языковых моделей, простого продолжения текста и экспериментов на устройствах с ограниченными ресурсами. Модель содержит около 13,3 млн параметров, использует архитектуру TinyGemmaForCausalLM и принимает текст, выдавая текст. Её контекст ограничен 512 токенами, а словарь — 8192 токенами; модель ориентирована на связную генерацию простого англоязычного текста и рассказов. Это экспериментальный учебный проект, не предназначенный для производственного применения или задач, требующих достоверных фактов. Возможны повторы, ошибки и бессвязные ответы; при обучении не применялась фильтрация безопасности. Лицензия — MIT.

Tiny-Pirate-1.1b-v0.2 — компактная чат-модель, разработанная phanerozoic на архитектуре Llama и дообученная на базе TinyLlama-1.1B-Chat-v1.0. Она предназначена для генерации ответов и диалогов в образе пирата, с последовательным пиратским стилем и тематикой. Модель содержит 1 млрд параметров и поддерживает контекст до 2048 токенов; README позиционирует её для чат-ботов, игр, интерактивной прозы и лёгких приложений на устройствах с ограниченными ресурсами. Карточка сообщает, что для дообучения применялся LoRA и тот же тематический набор данных, что и для PirateTalk 8b, включавший исторические и литературные материалы, а также сценарии кино и телевидения. Указанная лицензия CC BY-NC 4.0 разрешает использование с атрибуцией, но запрещает коммерческое применение. Модель ограничена размером и специализацией: она может хуже справляться со сложными, абстрактными или неоднозначными задачами и менее пригодна для нейтральных универсальных ответов.

TinyQwen3-1.8M-Base — компактная причинно-авторегрессионная языковая модель, созданная MehTheHedgehog на архитектуре Qwen3 с помощью Hugging Face Transformers. Модель и токенизатор обучены с нуля на 50 тысячах англоязычных историй из TinyStories-Tiered; предобученные веса Qwen не использовались. В модели 1,836,544 параметра и два слоя, её контекст составляет 256 токенов. Репозиторий содержит контрольные точки FP16, BF16 и FP32 в формате safetensors. Модель предназначена для продолжения коротких текстов и генерации простых англоязычных историй. На отложенной выборке автор сообщает точность предсказания следующего токена около 59% и perplexity 5,27 при оценке с контекстом в 256 токенов. Из-за малого размера и узкого обучающего корпуса её возможности ограничены короткой художественной прозой; README не подтверждает пригодность для диалога, рассуждений или широких прикладных задач. Лицензия модели — MIT.

TheodoreEhrenborg/TinyStories-33M-Einstein — дообученная языковая модель семейства GPT-Neo, разработанная Theodore Ehrenborg на основе TinyStories. В ней 71,6 млн параметров; модель принимает текст и генерирует продолжение с контекстом до 2048 токенов. Модель дообучена так, чтобы большинство персонажей в генерируемых историях назывались «Einstein». Она предназначена для экспериментов и создания коротких историй с таким повторяющимся именем. Весы и код распространяются по лицензии MIT.

Модель SauravP97/tiny-stories-3M создана Saurav Prateek с нуля как воспроизведение эксперимента TinyStories о том, насколько маленькая языковая модель может связно писать по-английски. Это декодерный трансформер GPT-Neo с 3,7 млн параметров, 8 слоями внимания, размерностью скрытого состояния 64, 16 головами внимания на слой и контекстом до 512 токенов. Модель обучена на синтетическом наборе TinyStories: коротких историях с упрощённой лексикой, сгенерированных GPT-3.5/4. Она предназначена для продолжения текста и генерации коротких связных историй на английском языке, особенно в ограниченном словаре. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Небольшой размер делает модель удобной для демонстраций и экспериментов с компактными языковыми моделями, но её назначение узкое: она обучалась на упрощённых детских историях и не предназначена для широких задач или длинного контекста. Лицензия — MIT.

TinyTimV1 — дообученная на тексте романа Джеймса Джойса «Поминки по Финнегану» языковая модель на базе TinyLlama-1.1B-Chat-v1.0. Она предназначена для генерации текста в экспериментальном стиле Джойса: с игрой слов, неологизмами и потоком сознания. Модель имеет плотную архитектуру Llama примерно на 1 млрд параметров, поддерживает диалоговый сценарий и принимает текстовые запросы. Контекст ограничен 2048 токенами; при обучении использовались последовательности до 128 токенов. Модель подходит для творческих экспериментов и продолжения коротких литературных фрагментов. Обучение проводилось в течение трёх эпох на одном произведении объёмом около 1,5 МБ, поэтому стиль и тематика генераций могут быть узкими, а фактическая точность и универсальность ответов — ограниченными. В README и метаданных сведения о лицензии отсутствуют.

TinyWay-1.1.0 — компактная языковая модель, разработанная Shivam Sharma и обученная с нуля без предобученных весов. Это decoder-only Transformer в стиле GPT примерно на 83 млн параметров: 10 блоков, скрытый размер 512, 8 голов внимания и контекст до 256 токенов. Модель использует токенизатор GPT-2 BPE с размером словаря 50 257 и опубликована в формате safetensors. Модель обучалась на очищенном наборе TinyStoriesV2, содержащем короткие рассказы на английском языке; опубликованный чекпойнт соответствует примерно 25 000 шагам обучения. Она предназначена для изучения устройства и обучения небольших языковых моделей, а также для генерации коротких текстов и историй. Лицензия — Apache-2.0. Модель не настроена на выполнение инструкций и не выровнена для точности фактов или безопасности. Из-за ограниченного набора данных она может повторяться или создавать несвязный текст; фильтрация контента не применялась. Разработчик не рекомендует её для производственного применения или чувствительных сценариев.

4000BCSaraswaty — неизменённая базовая модель GPT-2 Small с 124 млн параметров, опубликованная проектом South of Tethys для сохранения истории эксперимента. Это плотная авторегрессионная языковая модель для продолжения текста; она не проходила дообучение и не связана с каноном проекта. Модель принимает текст и генерирует текст, поддерживает английский язык, а её контекст ограничен 1024 токенами. Модель не обучена следовать инструкциям и, по README, плохо справлялась с написанием ответов по заданному краткому описанию даже при наличии подходящего контекста. Для прикладных задач авторы рекомендуют использовать базовый GPT-2 с более ясной карточкой, а для ответов по канону — систему RAG с инструкционной моделью. Репозиторий содержит веса PyTorch и Safetensors; лицензия — MIT.

Buttocks-7B-v1.1 — экспериментальная языковая модель TeeZee, созданная слиянием моделей по мотивам рецепта Undi95/Toppy-M-7B. Для объединения использован MergeMoster с расширенным RPG-пресетом и методом LERP; README также упоминает исходные модели и LoRA из рецепта Toppy M 7B. Модель содержит 7,1 млрд параметров, построена на архитектуре Mistral и имеет контекст до 32 768 токенов. Модель предназначена для генерации намеренно непредсказуемых, абсурдных историй и сновидческих сцен, а также для экспериментов с поведением языковых моделей. По описанию автора, она склонна уводить повествование в сюрреалистичные сюжеты и часто реагирует на слова о ягодицах и телесных функциях. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но не коммерческое использование.

Cowboy Qwen3.5-4B — дообученная QuillBytes модель на базе Qwen/Qwen3.5-4B, обученная отвечать в образе ковбоя: с западным акцентом, сленгом и соответствующей манерой речи. Она предназначена для разговоров и генерации ответов в развлекательных сценариях, например для ролевого общения или создания стилизованных реплик. Модель использует архитектуру Qwen3.5; README указывает на дообучение LoRA в bf16 и наличие файлов GGUF, включая 4-битную версию для локального запуска. Метаданные отмечают английский язык и тег image-text-to-text, однако карточка описывает модель как текстового чат-ассистента. Модель может отвечать в ковбойском стиле даже тогда, когда такой тон неуместен, и не предназначена для серьёзного или профессионального применения. Указана лицензия Apache-2.0.

evex-3 — авторами модели указан репозиторий tako080614; это небольшая языковая модель на 15,74 млн параметров, обученная с нуля на 945 тыс. сообщениях из истории одного сервера Discord. Предварительно обученные веса не использовались. Архитектура включает 8 слоёв, 6 голов внимания, RoPE, RMSNorm и SwiGLU; контекст — 1024 токена, словарь — 4096 токенов SentencePiece BPE. Модель предназначена для генерации продолжений переписки с учётом очередности реплик, адресата ответа и характерной манеры участников сервера. README сообщает о японском корпусе и языке; модель запускается на PyTorch, но не поддерживает стандартный интерфейс Transformers. Сильная сторона модели — имитация стиля этого сообщества и моделирование смены реплик. По приведённым автором измерениям, увеличение размера дало лишь небольшое улучшение согласованности ответов и повысило частоту дословного копирования. Модель не подходит для надёжных фактических ответов, вычислений, перевода или следования инструкциям. Веса распространяются по лицензии MIT, однако обучающие данные состоят из частной переписки, участники которой явно не давали согласия; модель способна имитировать 147 реальных собеседников, поэтому результаты нельзя выдавать за их подлинные сообщения.

evex-3.5 — это небольшая языковая модель tako080614, обученная с нуля на японских диалогах. Она содержит около 18,9 млн параметров: 8 слоёв, размерность 384, 6 голов внимания и контекст 1024 токена; токенизатор SentencePiece BPE построен по логам и содержит 12 288 токенов. Модель сначала обучали на смеси японских ролевых диалогов из открытого набора и серверных сообщений, затем дообучили на сообщениях одного Discord-сервера. Модель предназначена для продолжения японских диалогов, подхвата темы беседы и воспроизведения характерной манеры общения сервера; предусмотрены анонимный режим и режим с токенами 147 реальных участников. По README, модель не подходит для надёжных фактических ответов, вычислений, перевода и выполнения инструкций. Веса распространяются по лицензии MIT, однако основная часть обучающих данных — непубличные личные переписки, использованные без явно полученного согласия; ответы с имитацией участников нельзя выдавать за их собственные сообщения. Для запуска README указывает на PyTorch и отмечает, что модель не работает через Transformers.

evex-ft-1 — tako080614 разработала дообучением Qwen3-0.6B-Base на 10,09 млн токенов из истории переписки Discord-сервера. Модель предназначена для генерации коротких реплик, воспроизводящих стиль общения и сетевой сленг участников; в весах закреплены 147 реальных отображаемых имён и особенности речи их владельцев. Для продолжения диалога задают канал и реплики в формате «имя: текст», а затем добавляют имя говорящего, чью реплику нужно продолжить. Используются исходные токены токенизатора Qwen, контекст — до 32 768 токенов; автор рекомендует чекпойнт epoch-2 с наименьшей валидационной потерей. Модель лучше подходит для имитации разговорного стиля, чем для объяснений и выполнения инструкций. Она может воспроизводить манеру конкретных людей, но генерируемый текст нельзя считать их высказыванием или использовать как достоверную цитату. Факты, вычисления, перевод и согласованность длинных ответов модель надёжно не обеспечивает. Базовая модель распространяется по Apache-2.0, однако README не предполагает повторное распространение или коммерческое использование этой производной из-за закрытых частных данных обучения; метаданные указывают лицензию `other`.

GOIDA-0.5B — компактная разговорная языковая модель GoidaAlignment для генерации юмористического текста. Это плотная модель семейства Qwen2, дообученная методом SFT на синтетических данных, созданных с помощью GPT-4o, на базе Qwen/Qwen2.5-0.5B-Instruct. Она содержит около 493,7 млн параметров, принимает текст и поддерживает контекст до 32 768 токенов. Модель рассчитана на развлекательные диалоги, шутки и сатирические ответы на русском языке. Её ответы могут быть абсурдными, вымышленными, саркастическими или провокационными, поэтому авторы не рекомендуют использовать её в профессиональных или общественно значимых сценариях и не считают подходящей для получения достоверной информации. Репозиторий распространяется по лицензии CC BY-NC-ND 4.0.

Jenzin Wuang Nemotron 30B A3B BF16 — демонстрационная разговорная модель Apollo Raines, созданная на базе NVIDIA Nemotron 3.5 Lightning 30B A3B BF16. Это пародийная персона: модель отвечает от лица вымышленного генерального директора Джензина Вуанга и последовательно отстаивает его вымышленную биографию. Модель предназначена для развлекательного общения и демонстрации jBlaze — инструмента модификации поведения моделей через изменения весов. Модель использует архитектуру Nemotron H и принимает текст, генерируя текст; заявленная длина контекста — 262 144 токена. Персона встроена с помощью LoRA, объединённой с базовыми весами, а поведенческие изменения включают снижение угодливости, усиление аналитического скептицизма и повышение точности ответов. В README сообщается о снижении результата примерно на 3 пункта MMLU в среднем относительно исходной модели. Это экспериментальная демонстрация, а не производственный релиз. README указывает, что текущие веса исправлены после ошибки упаковки в первоначальной загрузке; скачанные до 3 сентября 2026 года рекомендуется загрузить повторно. Лицензия обозначена как other, конкретные условия в предоставленных данных не раскрыты.

Llama-3.1-Herrsimian-8B v0.5b — экспериментальная модель lemonilia, дообученная на базе Llama 3.1 8B. Она предназначена для генерации прозы в ролевых сценариях и воспроизведения стиля конкретного автора ролевых игр; основное применение — откровенная ролевая проза. Модель обучена на 131 примере с последовательным стилем и поддерживает контекст до 131072 токенов по метаданным. Архитектура — плотная авторегрессионная LlamaForCausalLM, размер — 7,5 млрд параметров; вход и выход — текст, основной язык — английский. Лучше всего модель подходит для форумной или книжной ролевой игры с повествованием от третьего лица в прошедшем времени и диалогами в кавычках. Для работы требуется специальный формат ролей и метка BOS в начале запроса; автор рекомендует использовать её с Llama-3.1-8B-Instruct. Это узкоспециализированная модель, не предназначенная для общих инструкций или произвольных форматов ролевой игры; возможны несвязные ответы и галлюцинации. Лицензия — Llama 3.1 Community License (llama3.1).

Sido опубликовал makellm-ja-char-75m-chat — небольшую японскую чат-модель, созданную с нуля на архитектуре GPT-2 и дообученную на диалогах и инструкциях. В модели около 75 млн параметров; она использует посимвольную токенизацию, где один токен соответствует одному символу Unicode, и формат GGUF F16. Контекст ограничен 256 токенами. Модель предназначена для японских приветствий, непринуждённой беседы и коротких ответов на вопросы. Она обучалась на японских текстах CC-100, Википедии и Aozora Bunko, а затем на наборах японских диалогов OpenAssistant и Dolly. Её небольшой размер удобен для изучения и локальных экспериментов, но фактическая точность низкая: модель может ошибаться в датах и именах и выдумывать сведения. Для корректной работы требуется специальный формат чата из Modelfile; лицензия — CC-BY-SA-4.0.

Corianas/Microllama_Char_88k_step — тестовая символьная языковая модель, созданная автором карточки на основе проекта llama.c Андрея Карпаты. Модель обучалась на TinyStories и собственном похожем наборе данных; её архитектура относится к семейству LLaMA, число параметров — 85,2 млн, контекст — 2048 токенов. Модель предназначена для генерации текста на уровне отдельных символов, в частности коротких историй в стиле TinyStories. Она обучалась на строчных английских буквах, цифрах и других символах; заглавные буквы кодируются специальным модификатором ↨ перед буквой, поскольку исходные заглавные символы в обучении не использовались. Репозиторий содержит веса PyTorch и Safetensors. Автор отмечает, что загрузил модель как тест совместимости с Hugging Face и инструментом LazyMergekit, поэтому её следует считать экспериментальной, а не готовой к прикладному использованию. Лицензия — CC BY-NC-SA 4.0.

Nayari — англоязычная разговорная модель-компаньон с устойчивой ролевой персоной и эмоциональной, игривой манерой общения. Её разработал автор Crossie на основе huihui-ai/Qwen2.5-1.5B-Instruct-abliterated: модель дообучена с помощью LoRA и Unsloth на пользовательском наборе данных с естественными речевыми оборотами и выразительными описаниями действий. В метаданных указаны архитектура Qwen2ForCausalLM, 1,5 млрд параметров и контекст до 32 768 токенов; в README заявлена длина контекста 4 096 токенов. Модель предназначена для ролевого чата и общения в образе Nayari, чья персона встроена в шаблон чата ChatML. Она выдаёт текстовые ответы с эмоциональными реакциями и сценическими ремарками; автор описывает её как лёгкую для запуска на телефонах и маломощном оборудовании. Лицензия — MIT. Характер персонажа и ролевой стиль специализированы, поэтому модель не следует считать универсальным помощником; рекомендуемые автором настройки генерации ориентированы на творческое общение.

huggingtweets/porns_xx — языковая модель GPT-2, созданная Борисом Даймой в рамках проекта HuggingTweets. Она дообучена на 1399 твитах аккаунта PORN HUB 🔞 и предназначена для генерации коротких текстов в стиле этих публикаций, например продолжения заданной фразы. Модель принимает текст и генерирует текст; доступна в формате PyTorch и рассчитана на контекст до 1024 токенов. В карточке указана поддержка английского языка. Модель наследует ограничения и смещения GPT-2, а её ответы дополнительно зависят от содержания обучающих твитов. Из-за сексуального тематики исходных публикаций генерация может содержать взрослый контент. Лицензия в предоставленных данных не указана.

SeanWang0027 выпустил экспериментальный чекпойнт BabyAI FutureBridge-OPD: модель Qwen3-1.7B дообучена на одном проходе по 810 задачам с использованием Qwen3-32B как учителя. Это плотная авторегрессионная языковая модель на 1,7 млрд параметров для генерации текста; метаданные также отмечают диалоговый режим. Контекст — до 40 960 токенов, формат весов — Safetensors, библиотека — Transformers. Чекпойнт предназначен для экспериментов с выполнением задач BabyAI. Обучение завершилось на шаге 75; качество не оценивалось, поэтому пригодность для практического применения не подтверждена. Лицензия в предоставленных данных не указана.

Thai GPT-2 Fine-Tuned — генеративная языковая модель на архитектуре GPT-2, дообученная студентом Mai007 на наборе данных disease_3000, содержащем 3 000 пар вопросов и ответов на тайском языке о кошках. Модель предназначена для генерации ответов на вопросы и создания тематического тайского текста в сценариях, связанных с кошками. Модель поддерживает тайский язык и использует контекст длиной до 1 024 токенов. Она распространяется по лицензии MIT. В метаданных указано, что модель сохранена в формате safetensors и опубликована как модель для text generation. Сильной стороной модели является специализация на тайскоязычных вопросах о кошках и компактный контекст для локального использования. Документация не содержит сведений о точном размере модели, процедуре обучения, результатах оценки или подтверждённой информации о разработчике помимо имени Mai007. Из-за узкой предметной области и ограниченного обучающего набора модель не следует использовать как универсальную или надёжную систему медицинских рекомендаций.

นี่คือโมเดล GPT-2 สำหรับสร้างข้อความภาษาไทยที่นักศึกษา T3DDyb0i ปรับจูนเพื่อถาม-ตอบเกี่ยวกับสุนัข โดยฝึกจากตัวอย่างคำถามและคำตอบ 3,000 รายการในชุดข้อมูล disease_3000 โมเดลมีสถาปัตยกรรม GPT2LMHeadModel และรองรับบริบทสูงสุด 1,024 โทเคน เหมาะสำหรับสร้างคำตอบภาษาไทยเกี่ยวกับสุนัขจากคำถามของผู้ใช้ ผลการฝึกที่ระบุใน README มาจากการฝึก 2 epoch และ має validation perplexity 1.22; карточка не содержит описания прямого применения или подробной оценки качества. Модель распространяется под лицензией MIT.

Это конверсия модели Maykeye/TinyLLama-v0 в формат GGUF F16, упакованная как исполняемый llamafile. Модель разработана Maykeye как попытка воспроизвести roneneldan/TinyStories-1M и предназначена для демонстрации запуска небольших языковых моделей, конвертации весов и экспериментов с генерацией текста. В карточке указано, что исходная модель содержит около 5 млн параметров; файл llamafile занимает около 17,6 МБ. Модель принимает текстовые подсказки и генерирует короткие связные истории на английском языке. Это базовая модель генерации текста, а не чат-ассистент: ответы на вопросы и диалоговое поведение не являются её назначением. Компактный размер упрощает знакомство с llamafile и запуск локального демо, но качество и сложность историй ограничены масштабом модели. Лицензия — Apache-2.0.