I.5Создание и редактирование текста

MaziyarPanahi/NeuralsirkrishnaShadow_Ognoexperiment27Multi_verse_model — объединённая модель Mistral для генерации текста. Она создана слиянием моделей automerger/NeuralsirkrishnaShadow-7B и automerger/Ognoexperiment27Multi_verse_model-7B. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и принимает контекст длиной до 32 768 токенов. Она предназначена для генерации текста; сведения о специальных прикладных областях или преимущественных языках в доступных данных отсутствуют. Модель опубликована в формате safetensors под лицензией Apache-2.0. Качество и ограничения в README не описаны.

NeuralsirkrishnaShadow_ShadowYamshadow — объединённая языковая модель, созданная из automerger/NeuralsirkrishnaShadow-7B и automerger/ShadowYamshadow-7B. Модель разработана в формате Mistral и содержит 7,1 млрд параметров; она предназначена для генерации текста и поддерживает контекст до 32 768 токенов. Модель принимает текстовые запросы и генерирует текст, поэтому подходит для диалога и других задач, сводящихся к продолжению текста. Репозиторий распространяет веса в формате safetensors по лицензии Apache-2.0. В карточке не приведены сведения о языковой специализации или результатах оценки качества.

NeuralsirkrishnaShadow_Strangemerges_30Pastiche — объединённая модель генерации текста на архитектуре Mistral, созданная слиянием automerger/NeuralsirkrishnaShadow-7B и automerger/Strangemerges_30Pastiche-7B. Модель содержит 7,1 млрд параметров и принимает контекст длиной до 32 768 токенов. Она предназначена для генерации продолжений текста и диалоговых ответов в сценариях, где подходит базовая текстовая языковая модель. Данных о специализации по предметным областям и поддерживаемых языках нет. Модель распространяется в формате safetensors по лицензии Apache-2.0.

NeuralsirkrishnaShadow_Strangemerges_32Experiment26 — слитая текстовая модель на архитектуре Mistral с 7,1 млрд параметров, созданная на основе automerger/NeuralsirkrishnaShadow-7B и automerger/Strangemerges_32Experiment26-7B. Она предназначена для генерации текста и может обрабатывать контекст до 32 768 токенов. Модель подходит для генерации продолжений и ответов на текстовые запросы. Данных о специальных предметных областях и языковой специализации в карточке нет. Модель распространяется в формате Safetensors по лицензии Apache-2.0.

NeuralsirkrishnaShadow_Strangemerges_32Yamshadow — объединённая модель Mistral, созданная на основе automerger/NeuralsirkrishnaShadow-7B и automerger/Strangemerges_32Yamshadow-7B. Она предназначена для генерации текста и поддерживает контекст до 32 768 токенов. Модель содержит 7,1 млрд параметров, а веса опубликованы в формате safetensors. Модель можно применять для генерации продолжений текста и диалоговых ответов. Репозиторий указывает лицензию Apache-2.0. Подробности о языках, обучении и сравнительном качестве в карточке не приведены.

MaziyarPanahi/NeuralsirkrishnaShadow_YamshadowExperiment28 — слитая текстовая модель, созданная на основе automerger/NeuralsirkrishnaShadow-7B и automerger/YamshadowExperiment28-7B. Она предназначена для генерации текста и диалоговых сценариев. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате Safetensors. Модель распространяется по лицензии Apache-2.0. Данных о специализированных областях применения и языках в карточке нет.

NeuralsirkrishnaShadow_YamYam — объединённая методом SLERP языковая модель, опубликованная MaziyarPanahi. Она основана на двух моделях: automerger/NeuralsirkrishnaShadow-7B и automerger/YamYam-7B. Модель использует плотную архитектуру Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и может применяться для продолжения заданного текста и создания ответов на текстовые запросы. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0.

NeuralsirkrishnaT3qm7x-7B — автоматически объединённая Maxime Labonne языковая модель на архитектуре Mistral с 7,1 млрд параметров. Она создана слиянием Kukedlc/NeuralSirKrishna-7b и nlpguy/T3QM7X методом SLERP; веса представлены в формате safetensors и типе bfloat16. Модель предназначена для генерации текста и диалогов. Она принимает текст и выдаёт текст, поддерживая контекст до 32 768 токенов. В метаданных не указаны специальные предметные области или конкретные языки. Модель распространяется по лицензии Apache-2.0. Карточка содержит краткий пример загрузки через Transformers, но не приводит оценок качества или сведений о специальных возможностях.

NeuralSOTA-7B-slerp — объединённая модель, созданная Kukedlc с помощью LazyMergekit на основе трёх моделей: NeuralSoTa-7b-v0.1, NeuralSynthesis-7B-v0.3 и NeuralSirKrishna-7b. В карточке указан метод слияния dare_ties; архитектура — плотная MistralForCausalLM с 7,1 млрд параметров, веса представлены в формате safetensors и типе bfloat16. Модель предназначена для генерации текста и диалога. Она принимает текст и поддерживает контекст до 32 768 токенов. Данные карточки не уточняют поддерживаемые языки, специализированные области или сравнительное качество. Лицензия в предоставленных сведениях не указана.

Neurotic-Jomainotrik-7b-slerp — языковая модель на архитектуре Mistral, созданная liminerity с помощью слияния моделей mergekit методом SLERP. В объединение вошли liminerity/merge и bardsai/jaskier-7b-dpo-v5.6; карточка указывает базовой моделью liminerity/merge. Модель содержит 7,1 млрд параметров, сохранена в формате safetensors и использует точность float16. Модель предназначена для генерации текста. Указанный нативный контекст составляет 32 768 токенов. В README приведены результаты Open LLM Leaderboard, включая оценки по AI2 Reasoning Challenge и HellaSwag; конкретные языки и специализированные области применения не заявлены. Лицензия — Apache-2.0.

Neurotic-Momningojask-slerp — объединённая модель для генерации текста, созданная liminerity с помощью mergekit. В слиянии методом slerp использованы liminerity/merge и CorticalStack/neurotic-crown-clown-7b-ties; базовой указана liminerity/merge. Модель основана на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров. Модель предназначена для генерации текста по текстовому запросу. Для неё указан контекст до 32 768 токенов. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. README не описывает отдельные специализации или результаты оценки качества.

funeedev/new-ai — генеративная языковая модель для создания текста, опубликованная на Hugging Face. Модель предназначена для задач text-generation и может использоваться в приложениях, где требуется продолжение или генерация текстовых последовательностей. Модель основана на архитектуре семейства Llama и поддерживает работу через библиотеку Transformers. Объём модели составляет 3,2 млрд параметров, а заявленная длина контекста — до 131 072 токенов. Поддерживаемые естественные языки и сведения о разработчике в доступных данных не указаны. Модель может применяться для генерации черновиков, продолжения текста, диалоговых прототипов и других сценариев, построенных на авторегрессионной генерации. README не содержит данных о лицензии, обучающих данных, результатах оценки или специальных ограничениях использования, поэтому перед внедрением необходимы дополнительная проверка качества и анализ условий распространения.

Nexim-7b — объединённая языковая модель, опубликованная пользователем gate369. Она создана методом SLERP с помощью mergekit из liminerity/m3 и liminerity/M7-7b; базовая модель в конфигурации — liminerity/m3. Модель построена на плотной архитектуре Mistral и содержит 7,1 млрд параметров. Модель предназначена для генерации текста и решения языковых задач общего назначения. Её можно применять для диалогов, написания черновиков и ответов на вопросы. Контекстное окно составляет 32 768 токенов. Карточка приводит результаты Open LLM Leaderboard, включая оценки по AI2 Reasoning Challenge и HellaSwag. Весы опубликованы в формате safetensors, лицензия — Apache-2.0. Данных о языковой специализации и ограничениях качества в карточке нет; результаты бенчмарков сами по себе не гарантируют качество в конкретном сценарии.

next-12b-i1-GGUF — квантизированная версия модели next-12b от thelamapi, подготовленная mradermacher в формате GGUF. Это плотная causal transformer-модель примерно на 12 миллиардов параметров, предназначенная для локального запуска и генерации текста. В README она обозначена как vision model, поэтому может поддерживать мультимодальные сценарии при наличии соответствующего mmproj-файла, однако конкретные возможности обработки изображений не описаны подробно. Модель ориентирована на диалог, ответы на вопросы, суммаризацию, творческое письмо, рассуждения, программирование и работу с текстами в специализированных областях, включая химию, биологию, финансы и право. Для дообучения использовались наборы данных с инструкциями, математическими задачами, рассуждениями, диалогами и письменными запросами. Заявлена поддержка множества языков, включая английский, турецкий, русский, немецкий, французский, испанский, китайский, японский, корейский и другие. Репозиторий содержит варианты квантизации от i1-IQ1_S до i1-Q5_K_M и более качественные или компактные сборки с разным размером примерно от 3 до 8,5 ГБ. Квантизация снижает требования к памяти и позволяет запускать модель локально, но может ухудшать качество по сравнению с исходной версией; наиболее сбалансированными в README названы i1-Q4_K_S и i1-Q4_K_M. Размер контекста и точные показатели качества не указаны. Лицензия модели — MIT.

next-14b-i1-GGUF — набор GGUF-квантизаций модели next-14b, разработанной thelamapi и подготовленной квантизатором mradermacher. Модель предназначена для генерации текста, диалоговых сценариев, выполнения инструкций, рассуждений, аналитических и писательских задач, а также многоязычного использования. Модель относится к классу больших языковых моделей примерно на 14 млрд параметров и доступна в формате GGUF с различными вариантами квантизации, включая IQ- и Q-типы. В README заявлена поддержка турецкого, английского, немецкого, испанского, французского, русского, китайского, японского и корейского языков. Обучение или дообучение связано с наборами данных для instruction tuning, reasoning, диалогов и генерации текста. Сведения о точной архитектуре и размере контекста не указаны. Главное преимущество — широкий выбор уровней квантизации, позволяющий выбирать компромисс между размером файла, скоростью и качеством; рекомендуемыми названы i1-Q4_K_M и i1-Q4_K_S. Более компактные варианты могут заметно уступать по качеству, а некоторые из них в README прямо характеризуются как низкокачественные. Модель ориентирована на локальный запуск в совместимом ПО, однако конкретные требования к оборудованию не приведены. Лицензия — MIT.

Next-1B — компактная авторегрессионная языковая модель на базе Gemma 3, разработанная Lamapi. Модель содержит около 1 млрд параметров, использует трансформерную архитектуру и дообучена методом instruction fine-tuning (SFT) на турецких и многоязычных наборах данных. Она ориентирована на работу с текстом, поддерживает турецкий язык и широкий набор других языков, включая английский, русский, арабский, немецкий, французский, испанский, китайский, японский и корейский. Модель предназначена для генерации текста, суммаризации, ответов на вопросы, творческого письма, рассуждений и решения задач на естественном языке. К её сильным сторонам относятся небольшой размер, низкие требования к ресурсам, возможность запуска на пользовательских GPU с малым объёмом видеопамяти, а также поддержка CPU-развёртывания и вариантов квантования. README не указывает размер контекстного окна, точные показатели качества, доступные модальности помимо текста или систематические ограничения модели, поэтому её возможности в специализированных и критически важных сценариях требуют отдельной проверки. Модель распространяется по лицензии MIT, разрешающей использование, изменение и распространение.

next-32b-i1-GGUF — это набор квантизированных файлов в формате GGUF для языковой модели next-32b, разработанной thelamapi и дополнительно квантизированной mradermacher. Модель дообучалась на наборах данных FineTome-100k, CognitiveKernel-Pro-SFT, KAG-Thinker-training-dataset, ChatGPT-4o-Writing-Prompts, dolphin-r1 и Brief-Pro, поэтому предназначена для генерации текста, диалогов, следования инструкциям, рассуждений, аналитических и письменных задач. Модель имеет около 32 млрд параметров и относится к transformer-моделям с instruction-tuning. В README заявлена поддержка турецкого, английского, немецкого, испанского, французского, русского, китайского, японского и корейского языков. Указана только текстовая генерация; сведения о мультимодальности и размере контекстного окна отсутствуют. Доступны варианты квантизации от IQ1_S до Q6_K, различающиеся размером, скоростью и качеством; рекомендуются i1-Q4_K_M и i1-Q4_K_S как сбалансированные варианты, а низкоразрядные варианты могут заметно снижать качество. Модель подходит для локального запуска и многоязычных чат-сценариев, однако для работы с большинством вариантов требуется значительный объём памяти. Качество конкретной версии зависит от выбранной квантизации; некоторые варианты в README прямо отмечены как низкокачественные. Лицензия — MIT.

Ninja-V2-7B — 7.1B параметрическая плотная языковая модель семейства Mistral, разработанная проектом Local-Novel-LLM-project. Она создана слиянием моделей и предназначена для диалогов, генерации текста и художественного письма; для чата можно использовать шаблон Vicuna-1.1, а для обычной генерации текста специальный шаблон не рекомендуется. Модель работает с текстом и имеет контекст до 32 768 токенов. В рецепте описана сборка через mergekit из MTSAIR/multi_verse_model и HuggingFaceH4/zephyr-7b-beta с базовой моделью amazingvince/Not-WizardLM-2-7B; README также упоминает последующие этапы создания Ninja-V2-Base, Novels-7B и Ninja-V2. Репозиторий содержит веса Safetensors и распространяется по лицензии Apache-2.0.

PistachioAlt/Noromaid-Bagel-7B-Slerp — разговорная языковая модель на архитектуре Mistral, полученная слиянием jondurbin/bagel-dpo-7b-v0.1 и NeverSleep/Noromaid-7b-v0.1.1 методом SLERP. Веса сохранены в формате safetensors с точностью float16; размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Указана лицензия CC BY-NC 4.0, которая разрешает использование с атрибуцией, но некоммерческое.

Notux 8x7B-v1 — диалоговая языковая модель команды Argilla, дообученная методом Direct Preference Optimization (DPO) на наборе предпочтений argilla/ultrafeedback-binarized-preferences-cleaned. В основе лежит инструктивная Mixtral 8x7B Instruct v0.1 с архитектурой разреженной смеси экспертов (MoE); метаданные указывают 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста и ответов на запросы в диалоговом формате. В карточке указана поддержка английского, немецкого, испанского, французского и итальянского языков. Argilla сообщала, что на момент декабря 2023 года модель превосходила исходную Mixtral на оценке Open LLM Leaderboard; эти результаты относятся к указанному набору оценок и не гарантируют качество для каждого сценария. Модель распространяется в формате safetensors и использует лицензию Apache-2.0 по метаданным Hugging Face; в README указана MIT, поэтому сведения о лицензии в источниках расходятся и требуют проверки перед использованием.

Это 4-битная версия модели Nous-Hermes-2-Mixtral-8x7B-DPO, преобразованная в формат MLX сообществом mlx-community. Она основана на дообученной NousResearch модели Mixtral-8x7B и предназначена для диалоговой генерации текста и выполнения инструкций. Архитектура — разреженная Mixture of Experts (MoE); модель поддерживает контекст до 32 768 токенов и рассчитана на английский язык. Модель подходит для чат-ботов, ответов на вопросы, помощи с письмом и других задач генерации текста по инструкциям. Репозиторий содержит веса в формате safetensors и предназначен для запуска с MLX. Лицензия — Apache-2.0.

Nous Hermes 2 Mixtral 8x7B SFT — языковая модель Nous Research, полученная supervised fine-tuning базовой Mixtral 8x7B. Она предназначена для диалогов и следования инструкциям, включая многошаговые беседы в формате ChatML. Обучение использовало более миллиона примеров, преимущественно синтетических данных GPT-4 и материалов из открытых наборов данных. Модель построена на архитектуре Mixtral sparse Mixture of Experts; метаданные указывают 7,1 млрд параметров и контекст до 32 768 токенов. Она принимает текст и генерирует текст, поддерживает английский язык. В README приведены результаты на нескольких бенчмарках, однако они не гарантируют качество для конкретного применения. Для запуска требуются значительные вычислительные ресурсы: в README отмечено, что даже 4-битный вариант требует более 24 ГБ VRAM. Модель распространяется по лицензии Apache-2.0.

Nous-Hermes-2-SOLAR-10.7B-pruned2.4 — чат-модель на 10,6 млрд параметров, подготовленная Red Hat AI для запуска через высокопроизводительный движок NM-vLLM. Она основана на Nous-Hermes-2-SOLAR-10.7B и оптимизирована разреживанием весов с помощью SparseGPT для снижения потребления памяти и ускорения обслуживания; архитектура — Llama, формат файлов — PyTorch. Модель предназначена для диалогов, генерации текста и выполнения инструкций. Она принимает текст и выдаёт текст, поддерживает контекст до 4096 токенов; в карточке базовая модель описана как англоязычная. Для запуска README рекомендует NM-vLLM с поддержкой sparse-моделей. Лицензия в предоставленных данных не указана.

Nous-Hermes-2-SUS-Chat-2x34B — языковая модель Weyaxi, созданная объединением моделей с помощью mergekit. В конфигурации указаны базовая модель Yi-34B и эксперты Nous-Hermes-2-Yi-34B и SUS-Chat-34B; метаданные относят архитектуру к Mixtral MoE с классом MixtralForCausalLM. Модель предназначена для генерации текста и диалоговых сценариев. В репозитории представлены веса safetensors в формате bfloat16. Размер модели по метаданным — 33,9 млрд параметров, длина контекста — 4096 токенов. README приводит результаты оценки на нескольких бенчмарках, включая AI2 Reasoning Challenge и HellaSwag. Лицензия указана как other, поэтому условия использования следует уточнить в карточке модели и у правообладателей базовых моделей.

nztinversive собрал эту плотную языковую модель методом TIES с помощью mergekit на основе NousResearch/Llama-2-7b-hf, объединив веса Mistral-7B-Instruct-v0.2 и Orca-2-7b. Модель содержит 6,6 млрд параметров, распространяется в формате safetensors и предназначена для генерации текста по запросам и инструкциям. Максимальная длина контекста составляет 4096 токенов. Модель можно применять для диалоговых ответов, черновиков и других текстовых задач общего назначения. В карточке не указаны отдельные языковые предпочтения или специализированная предметная область. Лицензия в предоставленных данных не указана; качество и ограничения этого конкретного слияния отдельно не описаны.

Это GGUF-квантизированная версия инструкционной языковой модели Llama-3.1-8B-UltraLong-4M-Instruct, разработанной NVIDIA и подготовленной пользователем bartowski. Модель предназначена для генерации текста и диалоговых сценариев, включая выполнение инструкций, ответы на запросы и работу с очень длинными контекстами; обозначение UltraLong-4M указывает на поддержку контекста до 4 миллионов токенов. В карточке указано, что модель ориентирована на английский язык и относится к текстовой модальности. Модель содержит 8 миллиардов параметров и распространяется в формате GGUF, совместимом с llama.cpp, LM Studio и другими проектами на его основе. Доступны варианты от BF16 и Q8_0 до более компактных Q3- и IQ-квантизаций с размером файлов примерно от 4,3 до 16,1 ГБ. Квантизации выполнены с использованием imatrix, что позволяет выбирать баланс между качеством, потреблением памяти и скоростью инференса; наиболее качественными названы BF16, Q8_0 и варианты Q6, а Q4 и Q3 подходят для систем с меньшим объёмом оперативной памяти. Основные ограничения связаны с использованием квантизированных вариантов: уменьшение размера может сопровождаться снижением качества по сравнению с исходными весами, а требования к памяти при работе с контекстом в миллионы токенов остаются высокими. Для корректной работы следует использовать рекомендованный шаблон prompt формата Llama 3.1. Лицензия модели — CC-BY-NC-4.0, допускающая использование с некоммерческими ограничениями.

NVIDIA Nemotron 3.5 Lightning 30B A3B — языковая модель NVIDIA, представленная сообществом mlx-community в конвертированном формате MLX для запуска на устройствах Apple Silicon. Это гибридная архитектура Mamba-2 и attention с механизмом Mixture-of-Experts: около 31 млрд параметров всего и примерно 3 млрд активных на токен. В репозитории указана версия bf16 без квантизации; модель преобразована из nvidia/NVIDIA-Nemotron-3.5-Lightning-30B-A3B-BF16 с помощью mlx-lm 0.31.3. Модель предназначена для генерации текста и диалогового взаимодействия; метаданные также указывают контекст до 262 144 токенов. В карточке перечислены английский, испанский, французский, немецкий, итальянский и японский языки. Репозиторий использует библиотеку MLX и формат safetensors. Лицензия обозначена как other, поэтому условия использования следует сверить с карточкой исходной модели NVIDIA.

NVIDIA-Nemotron-3.5-Lightning-30B-A3B-GGUF — это GGUF-квантизированная версия языковой модели NVIDIA Nemotron-3.5-Lightning-30B-A3B, разработанной NVIDIA и подготовленной для запуска с llama.cpp. Квантизацию выполнил bartowski с использованием imatrix. Модель предназначена для генерации текста и поддерживает только текстовый ввод; заявленное количество параметров — 33 млрд. Вариант включает поддержку MTP. Модель подходит для локального запуска и задач текстовой генерации, включая диалоговые сценарии при использовании рекомендованного шаблона промпта. Доступны варианты квантизации от BF16 и Q8_0 до более компактных Q3 и IQ3, что позволяет выбирать между качеством, требованиями к памяти и скоростью работы. В README рекомендуются Q4_K_M как сбалансированный вариант, а также варианты Q5 и Q6 для более высокого качества. Заявлена поддержка английского, испанского, французского, немецкого, итальянского и японского языков. Ограничения модели включают отсутствие мультимодального ввода и неизвестный из предоставленных данных размер контекстного окна. Более сильное сжатие уменьшает требования к памяти, но может снижать качество по сравнению с BF16 и вариантами с более высокой точностью. Модель распространяется по лицензии openmdw-1.1; в README она обозначена как license: other, с дополнительной ссылкой на условия лицензии.

NVIDIA-Nemotron-3-Nano-30B-A3B-AWQ — это 4-битная AWQ-квантизованная версия большой языковой модели NVIDIA Nemotron-Nano-3-30B-A3B, подготовленная stelterlab на основе исходных весов NVIDIA с использованием llm-compressor. Модель предназначена для генерации текста, диалоговых систем, решения задач с рассуждением и без него, а также создания специализированных AI-агентов. Она может сначала формировать рассуждение, а затем итоговый ответ; режим рассуждений настраивается через chat template, причём их отключение может немного снизить точность на сложных запросах. Модель разработана NVIDIA Corporation и использует гибридную архитектуру Mixture-of-Experts: 23 слоя Mamba-2 и MoE, а также 6 attention-слоёв. Всего модель содержит 30 млрд параметров, из которых 3,5 млрд активируются для каждого токена; в каждом MoE-слое используются 128 экспертов и один общий эксперт, при этом активируются 6 экспертов на токен. Поддерживаются английский, немецкий, испанский, французский, итальянский и японский языки. Размер контекста в предоставленных данных не указан. К сильным сторонам относятся сочетание режимов рассуждения и обычной генерации, высокая параметрическая ёмкость при меньшем числе активных параметров и сниженные требования к памяти благодаря INT4-квантизации. Ограничения включают экспериментальный статус AWQ-сборки, возможное снижение качества при отключении рассуждений и отсутствие подтверждённых сведений о производительности именно этой квантизованной версии. Модель разрешена для коммерческого использования в соответствии с NVIDIA Nemotron Open Model License.

NVIDIA-Nemotron-3-Nano-30B-A3B-FP8 — квантизированная версия большой языковой модели NVIDIA Nemotron-Nano-3-30B-A3B, разработанная NVIDIA Corporation. Модель обучена с нуля и предназначена для генерации текста, решения задач с рассуждением и без него, а также создания специализированных AI-агентов. Она поддерживает английский, немецкий, испанский, французский, итальянский и японский языки. Модель использует гибридную архитектуру Mixture-of-Experts, включающую 23 слоя Mamba-2 и MoE, а также 6 Attention-слоёв. Всего модель содержит 30 млрд параметров, из которых 3,5 млрд активируются для каждого токена. В каждом MoE-слое используются 128 экспертов и один общий эксперт, при этом на токен активируются 6 экспертов. Модель может сначала формировать reasoning trace, а затем итоговый ответ; режим рассуждений настраивается через chat template. Отключение промежуточных рассуждений сокращает вывод, но может немного снизить точность на сложных задачах. Размер контекста в README не указан. К сильным сторонам относятся сочетание эффективности разреженной MoE-архитектуры с возможностями рассуждения, поддержка нескольких языков и готовность к коммерческому использованию. FP8-квантизация может снизить требования к ресурсам по сравнению с полноточной версией, однако конкретные требования к оборудованию не приведены. Показатели на опубликованных тестах у FP8-версии немного ниже, чем у базовой BF16-версии, например 87,7 против 89,1 на AIME25 без инструментов и 78,1 против 78,3 на MMLU-Pro. Использование модели регулируется NVIDIA Nemotron Open Model License.