I.5Создание и редактирование текста

ddrkane/kore — модель семейства Gemma 3 для диалога с изображениями и текстом, доступная в формате safetensors и предназначенная для работы через Transformers. В метаданных указаны возможности чата и обработки изображений. README сообщает, что модель обучена с нуля на неизвестном наборе данных, но не приводит подробностей об обучении или оценке. Модель подходит для диалога по изображениям и текстовым запросам. Данных о поддерживаемых языках, размере, длине контекста, лицензии и проверенных ограничениях в доступных источниках нет.

fbellame/llama2-pdf-to-quizz-13b — дообученная модель на базе meta-llama/Llama-2-13b-hf, созданная с помощью H2O LLM Studio. Она принимает текст документа и генерирует вопрос с четырьмя вариантами ответа и буквой правильного варианта; обучение описано на примере подготовки учебных тестов по содержимому документа. Модель построена на плотной архитектуре LlamaForCausalLM, содержит 12,9 млрд параметров и имеет контекст до 4096 токенов. В карточке указан английский язык; модель распространяется в формате safetensors и предназначена для запуска через Transformers. Карточка предупреждает, что ответы могут быть ошибочными, нерелевантными или предвзятыми. Лицензия в предоставленных данных не указана.

Llama-3-Galen-8B-32k-v1 — объединённая модель на базе Llama 3, созданная разработчиком abhinand методом DARE TIES из aaditya/Llama3-OpenBioLLM-8B и johnsnowlabs/JSL-MedLlama-3-8B-v2.0. Это плотная авторегрессионная языковая модель объёмом 7,5 млрд параметров для генерации текста и ответов в биомедицинской области. Модель предназначена для диалоговых сценариев и создания биомедицинского текста с длинным контекстом. В README заявлена поддержка контекста до 32K токенов благодаря динамическому масштабированию RoPE; метаданные указывают native context 8192 токена. Карточка называет английский язык. Модель распространяется в формате safetensors под лицензией Llama 3.

Mungert/llama-joycaption-beta-one-hf-llava-GGUF — мультимодальная модель для генерации текстовых описаний изображений. Она предназначена прежде всего для image captioning и других сценариев image-text-to-text, где по изображению требуется создать связное текстовое описание. Модель собрана на основе Meta Llama 3.1 8B Instruct и визуального энкодера Google SigLIP2 SO400M patch14 384; точные поддерживаемые языки и размер контекстного окна в представленном README не указаны. Модель распространяется в формате GGUF и рассчитана на запуск через llama.cpp. Доступны варианты с разной точностью, включая BF16, F16, гибридные и низкобитные квантованные форматы, что позволяет выбирать между качеством, скоростью и требованиями к памяти на GPU или CPU. Автор применяет экспериментальный подход с повышением точности отдельных важных слоёв поверх стандартной IMatrix-квантизации, стремясь сохранить больше качества при уменьшенном размере файлов. Ограничения зависят от выбранного формата и оборудования: низкобитная квантизация может снижать точность, а требования к памяти и совместимость определяются конкретной сборкой. Лицензия в README не указана.

LLaMA-MoE-v1-3.0B (2/16) — языковая модель семейства LLaMA-MoE, разработанная авторами проекта LLaMA-MoE и основанная на LLaMA 2. В архитектуре Mixture-of-Experts используются 16 экспертов, из которых для каждого токена активируются 2; общий размер модели составляет около 6,6 млрд параметров, а число активируемых параметров — около 3 млрд. Модель принимает текст и генерирует текст, поддерживает английский язык и имеет контекст длиной 4096 токенов. Модель получена разбиением исходных FFN-блоков LLaMA на экспертов и последующим продолжением предварительного обучения на 200 млрд токенов из SlimPajama. Она предназначена для генерации текста и исследовательских или прикладных экспериментов с MoE-моделями; модель не дообучалась на инструкционных парах, поэтому может плохо справляться с ролью чат-бота. Репозиторий распространяется по лицензии Apache-2.0.

Mahou-1.0-mistral-7B — разговорная языковая модель для диалогов и ролевых сценариев, разработанная FlammenAI. Это плотная модель семейства Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров; она дообучена методом Direct Preference Optimization на основе flammenai/flammen24-mistral-7B с использованием данных FlameMix-DPO-v1. Модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. Разработчик позиционирует модель для диалогового применения и ролевых игр, однако README предупреждает, что версия экспериментальная и имеет существенные недостатки. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0.

MN-12B-Lyra-v3 — текстовая модель семейства Mistral-NeMo-12B от Sao10K, созданная для диалогов и ролевого общения. Это дообученная модель, построенная на Lyra-v2a2; в README описаны этап RL на многоходовых диалогах и обучение на очищенной смеси данных, ориентированной преимущественно на многоходовое общение. Модель использует собственный формат промптов в стиле ChatML. README отмечает, что конфигурация формата была выбрана ошибочно, поэтому возможны проблемы при использовании. Модель опубликована в формате safetensors и рассчитана на английский язык. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства и ограничивающая коммерческое применение.

Koichi Yasuoka подготовил компактную модель ModernBERT, предварительно обученную на японской Википедии и текстах библиотеки 青空文庫. Это плотный трансформер с архитектурой ModernBertForMaskedLM, содержащий 19,6 млн параметров и поддерживающий контекст до 8192 токенов. Модель предназначена для заполнения пропусков в тексте и как основа для дообучения под задачи обработки японского языка, например разметку частей речи и синтаксический анализ зависимостей. Модель принимает текст и предсказывает замаскированные фрагменты; её можно загрузить через Transformers как AutoModelForMaskedLM. Веса опубликованы в формате PyTorch. Лицензия Apache-2.0 разрешает использование и модификацию в соответствии с её условиями.

Nemo-12B-Marlin-v5 — экспериментальная разговорная модель на базе Mistral-Nemo-Instruct-2407, дообученная UsernameJustAnother для ролевых диалогов. Модель содержит 12,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и формат ChatML; основной сценарий — генерация ответов в текстовом чате и ролевых беседах. В обучении использованы 10 801 созданный людьми диалог из разных источников, отобранных автором. Модель принимает текст и генерирует текст; в метаданных заявлены английский язык и контекст до 1 024 000 токенов. Автор характеризует её как эксперимент для освоения тонкой настройки: обучение заняло около пяти часов на одном A100 без цикла оценки, поэтому качество не подтверждено описанной оценкой. Лицензия — Apache-2.0.

sijunhe/nezha-cn-base — базовая версия модели NeZha для понимания китайского языка, опубликованная под именем sijunhe; в README приведены авторы исходной работы: Junqiu Wei и соавторы. Это плотная модель на 129,5 млн параметров с архитектурой NeZhaForMaskedLM, предназначенная для заполнения пропусков в тексте. В Transformers для токенизации используются классы BertTokenizer, а для работы с моделью — классы NeZha. Модель принимает текст и выдаёт контекстуализированные представления токенов; основная задача в каталоге Hugging Face — fill-mask. Она рассчитана на китайский язык, а максимальная длина контекста составляет 512 токенов. Доступна в формате PyTorch. Лицензия — AFL-3.0.

Helsinki-NLP/opus-mt-fi_nb_no_nn_ru_sv_en-SAMI — модель машинного перевода семейства Marian, разработанная Helsinki-NLP. Она переводит с финского, норвежского букмола и нюношка, русского, шведского и английского на северносаамский и несколько других саамских языков: южносаамский, луле-саамский, инари-саамский и колтта-саамский. Модель построена на архитектуре Transformer-align, содержит 28,8 млн параметров и рассчитана на контекст до 512 токенов. Для выбора языка перевода в начале предложения требуется специальный токен вида >>id<< с допустимым кодом целевого языка. В README указаны предварительная нормализация текста, токенизация SentencePiece и обучающие данные OPUS и Giella. Для направления с финского на колтта-саамский приведены результаты тестирования: BLEU 58,4 и chr-F 0,776. Модель подходит для перевода отдельных текстов на саамские языки. Лицензия — Apache 2.0. Результаты могут зависеть от языкового направления; опубликованный пример оценки относится только к одному тестовому направлению.

pa-warm-start-sft-120b-light1bmix-32k — модель Geodesic Research, представляющая собой supervised fine-tune базовой NVIDIA Nemotron-3-Super-120B-A12B. Она обучена на 1 млрд токенов набора pa-warm-start-sft-light-1b-mix с длиной последовательности 32 768 токенов. Архитектура Nemotron-H сочетает Mamba2, attention и MoE; базовая модель содержит 120 млрд параметров, из которых 12 млрд активны на токен. В метаданных размер этой модели указан как 6,6 млрд параметров, формат весов — safetensors, нативный контекст — 262 144 токена. Модель предназначена для генерации текста в диалоге и исследовательских экспериментов по alignment. Она формирует явные цепочки рассуждений перед ответом и сохраняет рассуждения предыдущих ходов диалога в контексте. Карточка сообщает об оценках на математических и общих бенчмарках, но отмечает слабое извлечение кратких фактов без поиска и склонность уверенно выдавать неверные сведения. Модель рассчитана на английский язык; другие языки не тестировались. Это исследовательский артефакт: дообучение выполнено за одну эпоху без оптимизации предпочтений, настройки безопасности и полноценного red-teaming. Цепочки рассуждений являются текстом модели и не подтверждают реальный ход вычислений. Модель наследует лицензию NVIDIA Nemotron-3; метаданные обозначают её как other, поэтому точные условия следует сверять с лицензией базовой модели и репозитория.

chargoddard/platypus-2-22b-relora — экспериментальная языковая модель от chargoddard, дообученная методом ReLoRA на наборе OpenPlatypus. Это плотная авторегрессионная модель семейства Llama с 21,6 млрд параметров и контекстом до 4098 токенов. Модель предназначена для генерации текста и диалоговых ответов в формате запросов Ypotryll-22b; в README приведены результаты оценки на ARC и HellaSwag. Обучение длилось одну эпоху и включало три перезапуска LoRA; применялись QLoRA и 4-битная загрузка базовой модели. Автор прямо характеризует чекпойнт как экспериментальный и пока не рекомендует его для практического использования. В метаданных указан формат safetensors; сведения о лицензии не приведены.

pretrain_dsg_OLA-VLM-CLIP-ViT-Llama3-8b — предварительно обученная мультимодальная модель семейства OLA-VLM, разработанная командой Shi Labs. Она переносит визуальную информацию от целевых энкодеров в промежуточные представления языковой модели и обучается одновременно на задаче предсказания следующего токена и минимизации потерь эмбеддингов на выбранных слоях. Модель предназначена для диалога по изображениям и генерации текстовых ответов с визуальным контекстом. Модель основана на дообученной Meta-Llama-3-8B-Instruct, использует плотную архитектуру OlaLlavaLlamaForCausalLM и содержит 7,5 млрд параметров. Она принимает изображения и текст, выдаёт текст, поддерживает английский язык и контекст до 8192 токенов. Весы доступны в формате Safetensors. Модель подходит для визуально ориентированных мультимодальных сценариев, но карточка не приводит количественных оценок качества или подробных результатов тестирования. Лицензия — Apache-2.0.

Crystalcareai/Quiet-Star-Custom — языковая модель, созданная на основе Mistral-7B и дообученная продолжением предварительного обучения с методом Quiet-STaR. Модель использует архитектуру QuietForCausalLM с плотной сетью и содержит 7,1 млрд параметров; заявленная длина контекста — 32 768 токенов. Модель предназначена для генерации текста с внутренними рассуждениями: перед каждым выходным токеном она генерирует восемь токенов мысли. В карточке указано использование корпуса Open Web Math, поэтому модель может быть полезна для генерации текста и рассуждений на математическом материале. Доступны веса в формате safetensors. Карточка не сообщает результаты оценки качества или дополнительные сведения об ограничениях и лицензии, поэтому нельзя подтвердить уровень математических способностей и условия распространения. Модель рассчитана на текстовый ввод и генерацию текста.

Felladrin/Qwen2-96M — компактная языковая модель на архитектуре Qwen2, обученная с нуля на англоязычных наборах данных, включая FineWeb-Edu, Dolma, OpenWebText и Wikipedia. В метаданных указано 57,2 млн параметров, в README — 96 млн; длина контекста составляет 8192 токена. Модель предназначена как лёгкая базовая модель для последующего дообучения под конкретные задачи генерации текста. Её можно использовать для экспериментов и разработки приложений, которым нужна небольшая языковая модель, однако качество рассуждений, фактических ответов и общих возможностей ограничено по сравнению с более крупными моделями. Модель может выдавать ошибочные, неуместные или бессмысленные ответы, а также воспроизводить предвзятости и генерировать неподходящий контент. Распространяется по лицензии Apache-2.0.

Это конвертированная для Apple Silicon версия мультимодальной модели Huihui-Qwen3.5-0.8B-abliterated от huihui-ai на базе Qwen3.5-0.8B. Модель относится к архитектуре Qwen3.5 и предназначена для диалога и обработки изображений с текстовыми запросами; в README приведён пример описания изображения. Репозиторий содержит веса safetensors, а карточка указывает библиотеку Transformers и лицензию Apache-2.0. README описывает вариант MLX в формате fp16 (также обозначенном как bfloat16) размером около 1,75 ГБ и ориентирует его на запуск на компьютерах Apple Silicon через mlx-vlm. Метаданные указывают класс Qwen3_5ForConditionalGeneration и возможности чата и зрения. «Abliterated» обозначает модификацию, связанную со снижением ограничений на ответы; README не приводит оценок качества или подробностей об этой модификации.

Teluteru разработала эту модель как дообученную на Qwen/Qwen3.5-4B-Base систему перевода технических текстов с английского на японский. Она предназначена для материалов по глубокому обучению, языковым моделям, робототехнике и моделям vision-language-action. Модель использует плотную мультимодальную архитектуру Qwen3.5 с 4 млрд параметров; в репозитории опубликованы объединённые BF16-веса в формате Hugging Face Safetensors. Для запуска применяется библиотека Transformers, а для Apple Silicon описана конвертация в MLX 4-bit. По оценке на синтетических данных модель улучшила chrF++ с 37,81 до 66,66 на тестовой выборке; точность терминологии на проверочной выборке составила 0,80. Она обучалась на последовательностях длиной 2048 токенов с отключённым режимом рассуждений. Лицензия — Apache-2.0. Модель подходит для чернового перевода технических материалов, но результаты требуют проверки: корпус и эталонные переводы синтетические, терминология может звучать неестественно, а сохранение чисел и математических выражений не гарантировано. Модель не проверялась для языковых пар, отличных от английского и японского, или для управления роботами в критичных к безопасности сценариях.

Momix-44/Qwen3.5-9B-gemini-3.1-opus-4.6-reasoning — причинно-ориентированная модель на 9 млрд параметров, построенная на базе Qwen/Qwen3.5-9B. В карточке модель связана с разработчиком или источником voidful, а для обучения указано объединённое датасетное пространство voidful/gemini-3.1-opus-4.6-reasoning-merged. Модель представляет собой каузальную языковую модель и предназначена прежде всего для задач рассуждения, выбора ответа в тестах с вариантами и обобщённой работы в режиме zero-shot. По заявленным результатам модель показывает лучший совокупный результат среди сравниваемых Qwen/Qwen3.5-9B и DavidAU/Qwen3.5-9B-Claude-4.6-HighIQ-INSTRUCT: средний балл по семи задачам составил 0,7133, а макро-среднее по 12 метрикам — 0,6749. Наиболее заметные преимущества отмечены в ARC-Challenge, ARC-Easy и BoolQ; также модель конкурентоспособна в PIQA. При этом она уступает одному или обоим сравниваемым вариантам на отдельных метриках HellaSwag, OpenBookQA и Winogrande, поэтому не считается универсально лучшей. Оценка проводилась в одинаковом zero-shot-режиме без примеров few-shot на ограниченном наборе англоязычных тестов. Данных о поддерживаемых языках, размере контекста, мультимодальности, результатах instruction following, программировании и длинном контексте в карточке нет. Указана лицензия Apache-2.0.

Mun2 подготовил модель для автоматической оценки корейских аргументативных эссе. Она дообучена методом GRPO на базе Qwen3.5-9B: LoRA-адаптер объединён с полными весами, поэтому модель загружается через Transformers или vLLM без отдельного адаптера и пользовательского кода. На вход ожидаются системный промпт конкурса и текст в формате [prompt_text]/[essay_text]; на выходе модель формирует JSON с оценками от 1 до 5 и обоснованиями на корейском языке по содержанию, организации и выразительности. Контекст — 4096 токенов. В проверке на 400 открытых примерах модель выдала корректный JSON в 390 случаях (97,5%); метрики качества оценок рассчитаны только для этих ответов. Это результат мониторинга разработки, а не оценка на закрытом тесте или официальный рейтинг конкурса. Возможны ошибки формата и оценок, поэтому модель подходит для вспомогательной автоматизированной проверки эссе, но не для самостоятельных решений с высокими последствиями. Лицензия — Apache-2.0.

OS-Software/Qwen3.8-27B-MTP-heretic-ja-GGUF — производная GGUF-версия модели Qwen3.8-27B, разработанной командой Qwen и опубликованной OS-Software. Модель создана с использованием Heretic v1.4.0+custom, метода Arbitrary-Rank Ablation (ARA) и LoRA-адаптера для существенного снижения исходного safety alignment и отказов на проверочных японских наборах данных. Это причинная языковая модель с vision encoder, предназначенная для понимания текста, изображений и видео, а также для программирования, профессиональных и исследовательских задач и долгих агентных сценариев. Поддерживаются управляемый режим рассуждений, настройка глубины через reasoning_effort, сохранение контекста рассуждений и улучшенный tool calling. Из известных характеристик: 27B параметров, 64 слоя, hidden dimension 5120; точный размер контекста и полный перечень языков в представленном README не указаны. Модель может быть интересна для исследований безопасности, анализа выравнивания, red-teaming и экспериментов с поведением моделей. При этом снижение защитных механизмов повышает вероятность вредных, неточных, предвзятых, оскорбительных и иных неприемлемых ответов, поэтому модель не рекомендуется для публичных или пользовательских сервисов. Все результаты требуют независимой проверки, защитных мер и человеческого контроля. Указана лицензия Apache-2.0 как применимая лицензия базовой модели; использование выполняется на ответственности пользователя.

hfl/rbt4 — китайская предварительно обученная модель BERT с маскированием целых слов (Whole Word Masking), опубликованная HFL. Она предназначена для ускорения обработки китайского естественного языка и предсказания замаскированных токенов в тексте. Модель имеет архитектуру BertForMaskedLM, содержит 54 млн параметров и принимает последовательности длиной до 512 токенов. Модель подходит как основа для задач обработки китайского языка, где требуется восстановить пропущенные слова или адаптировать предобученный BERT под прикладную задачу. Доступны версии в форматах PyTorch, TensorFlow и Flax. Лицензия — Apache-2.0.

Solshine/reflection-llama-3.1-8B-Solshine-trainround2-16bit — дообученная Solshine модель семейства Llama 3.1 с 7,5 млрд параметров для генерации текста и диалогов. Она обучена на предыдущем чекпойнте Solshine/reflection-llama-3.1-8B-Solshine-trainround1-16bit с использованием набора Harshkmr/orca-math-word-reflection и техники Reflection Tuning. Модель формирует рассуждение и итоговый ответ в отдельных тегах, а также может помечать самокоррекцию специальным тегом. Модель принимает текст и рассчитана на английские запросы; заявленное контекстное окно — 131 072 токена. Подходит для диалогов и решения математических текстовых задач с пошаговой рефлексией. Веса доступны в формате PyTorch по лицензии Llama 3.1. Разделение ответа на рассуждение и итог не гарантирует правильность результата.

Rostam R1 Stage 13-2 — разговорная модель серии Rostam, разработанная prog-love и дообученная методом Direct Preference Optimization на основе prog-love/rostam-r1-stage13-1. Она предназначена для генерации ответов и вопросов-ответов на персидском языке; карточка сообщает о проверке на тестовой выборке PQuAD из 8 002 примеров. В архитектуре указано семейство Gemma 4, плотная модель с классом Gemma4ForConditionalGeneration; все 5,104 млрд параметров обучались в BF16. Для версии Stage 13-2 в README приведены Exact Match 42,08%, F1 67,20% и доля ошибочного отказа от ответа 1,23% на PQuAD; также заявлено снижение повторов за счёт ограничителей остановки. Модель распространяется в формате safetensors по лицензии other; конкретные условия лицензии в предоставленных сведениях не раскрыты.

Это экспериментальный смешанный по точности чекпойнт SLIMDER Qwen3.8 REAM-288, подготовленный Jakeatx на основе компактной версии модели sjakek/slimder-qwen38-ream288-depth32-agentic-ngram50-compact. Он предназначен для генерации текста и диалогового использования, а также для исследований и дальнейшего восстановления дообучением. Архитектура — экспериментальная Qwen4ExpForCausalLM с mixture-of-experts; в метаданных указано 3,6 млрд параметров и контекст 262 144 токена. Экспертные тензоры хранятся в NVFP4, а таблица PLE n-грамм — в FP8 с масштабами FP16 для каждой строки. Чекпойнт унаследовал сокращения глубины, числа экспертов и ёмкости n-грамм от предыдущих этапов линии SLIMDER. README сообщает об успешных проверках загрузки, генерации и сравнении с BF16-версией, но подчёркивает, что это не универсальная модель для Transformers и что необходимы совместимые экспериментальные компоненты vLLM и широкая оценка качества. Лицензия — Apache-2.0. Модель заявлена как экспериментальная, для исследований и восстановления дообучением, а не для производственного применения.

smolllama-101M-GQA — небольшая авторегрессионная языковая модель семейства Llama от BEE-spoke-data, обученная с нуля. В карточке указаны 768 скрытых измерений, 6 слоёв и группированное многозапросное внимание GQA с 24 головами запросов и 8 головами ключей и значений. Метаданные указывают 76,6 млн параметров, контекст до 1024 токенов и формат safetensors. Модель предварительно обучена на текстовых данных и предназначена для продолжения текста и экспериментов с компактными языковыми моделями. В README отмечено, что обучение заняло пять GPU-дней на одной видеокарте; автор также сообщает, что, насколько ему известно, синтетические данные OpenAI не использовались. Это исходный чекпойнт без дообучения под конкретную задачу, поэтому перед практическим применением обычно требуется тонкая настройка. Лицензия — Apache-2.0.

Soofi-S-Isar-Preview — промежуточная версия модели Soofi, разработанная Soofi Project и основанная на Soofi-Project/Soofi-S-Base. Это диалоговая модель генерации текста, представленная в формате safetensors и предназначенная для закрытого бета-тестирования выбранными партнёрами. Модель находится в разработке: веса и поведение могут меняться между контрольными точками. В README она названа исследовательским артефактом и закрытой бета-версией; финальную модель планируют выпустить открыто под разрешительной лицензией, но условия лицензии этой версии не уточнены.

Rootkit7/Ternary-Bonsai-4B-abliterated — модель генерации текста на базе prism-ml/Ternary-Bonsai-4B-unpacked, созданная с использованием Qwen3-4B. Разработчик удалил поведенческий механизм отказа методом abliteration с применением инструментария Solutus, поэтому модель предназначена прежде всего для исследований механизмов отказа, анализа безопасности, red-teaming, CTF и интерпретируемости моделей. Модель использует архитектуру Qwen3ForCausalLM и содержит около 4,02 млрд параметров, 36 слоёв, скрытое представление размером 2560 и контекст до 32 тысяч токенов. Это thinking-модель, которая перед ответом формирует блок <think>…</think>. Доступны веса FP16 в формате safetensors и варианты GGUF F16, Q8_0 и Q4_K_M; для полной сохранности протестированного поведения рекомендуется FP16, F16 или Q8_0. Поддерживаются Transformers, llama.cpp-совместимые приложения и MLX. Сильная сторона модели — высокая готовность отвечать на запросы, которые обычная instruct-модель могла бы отклонить, при сохранении связности ответов на проверенных общих задачах. Ограничения включают ограниченную фактическую надёжность модели размером 4 млрд параметров, отсутствие удалённого знания о вредных действиях и сохранение линейно декодируемого признака отказа в активациях. Агрессивная квантизация Q4_K_M может частично восстановить отказы на сложных запросах безопасности. Модель не предназначена для создания вредоносного контента или использования без внешнего защитного слоя. Распространяется по лицензии Apache-2.0, унаследованной от базовой модели; в README также указана атрибуция Prism ML и Alibaba Cloud для Qwen3-4B.

Thespis-7b-v0.2-SFTTest-3Epoch — экспериментальная текстовая генеративная модель cgato на архитектуре MistralForCausalLM, представленная в форматах PyTorch и safetensors. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для диалоговой генерации текста по шаблону Oobabooga или SillyTavern, включая ответы от имени персонажа. При дообучении использовались наборы Pure-Dove Dataset, Claude Multiround 30k, OpenOrcaSlim, Augmental Dataset, ToxicQA и yahoo_answers_qa, а также очищенный набор персонажей chub.ai. Автор характеризует её как тестовую версию и предупреждает о повторах, многословности и непредсказуемом качестве. Лицензия — Apache-2.0.

Модель raynardj/wenyanwen-chinese-translate-to-ancient разработана для перевода современного китайского языка на классический китайский (вэньянь). Это модель архитектуры encoder-decoder на базе Transformers и PyTorch, обученная на корпусе из более чем 900 тысяч пар предложений. Она предназначена для преобразования современных фраз в краткие формулировки на классическом китайском; например, фраза о ста юанях переводится как «不 肯 与 我 百 钱». Для генерации полных предложений в README рекомендуется задавать eos_token_id равным 102: без этого возможен остаточный текст после перевода. Модель распространяется по лицензии Apache-2.0. Карточка также ссылается на родственную модель обратного направления — перевод с классического китайского на современный, но это отдельная модель.