I.5Создание и редактирование текста

Мультиязычная модель Himel Ghosh для выявления языковой предвзятости в новостных текстах. Это классификатор последовательностей на архитектуре XLM-RoBERTa с 305,2 млн параметров и контекстом до 514 токенов; модель обучена переносом знаний и дистиллирована из himel7/bias-detector. Поддерживает английский, бенгальский, хинди, немецкий, итальянский, французский, датский, испанский, арабский, урду, китайский, португальский, нидерландский, русский и японский языки. Модель присваивает текстам метки наличия или отсутствия предвзятости. На тестовом наборе BABE автор приводит accuracy 0,826 и macro F1 0,8317 для английского, 0,781 и 0,7912 для хинди, 0,76 и 0,7757 для бенгальского. Карточка не приводит метрики для остальных заявленных языков, поэтому качество на них не подтверждено этими результатами. Распространяется по лицензии Apache-2.0.

Open-MOPD-SmolLM3-3B-RL-IF — англоязычная причинная языковая модель BytedTsinghua-SIA на архитектуре SmolLM3, дообученная методом GRPO на запросах, проверяющих следование инструкциям. Это доменный teacher из конвейера Open-MOPD: модель предназначена прежде всего для дистилляции, а не для использования как универсальный ассистент. Она содержит около 3,1 млрд параметров, имеет 36 слоёв, словарь из 128 256 токенов и контекст до 65 536 токенов; веса опубликованы в BF16 и формате Safetensors, доступны токенизатор и шаблон чата. Модель подходит для генерации ответов на инструкции и создания учительских примеров для обучения или дистилляции других моделей. В карточке приведены результаты IFEval 74,49 и IFBench_test 27,67, выше результатов исходной MixSFT-модели по этим тестам. Обучение оптимизировано только для следования инструкциям, поэтому на других задачах модель может уступать MixSFT. Лицензия — Apache-2.0.

Qwen2.5-3B-math-sft-ordered-lr1e5-step1072 — экспериментальный чекпойнт дообучения Qwen2.5-3B, подготовленный проектом RL-Forgetting-Experiments. Это плотная языковая модель архитектуры Qwen2ForCausalLM с 3,1 млрд параметров, рассчитанная на генерацию текста и диалоговое взаимодействие. Чекпойнт получен после одного прохода SFT для варианта эксперимента «math ordered» на шаге оптимизатора 1072. Он может использоваться для изучения влияния порядка математических данных при дообучении и для генерации текстовых ответов на математические запросы. Модель принимает текст и выдаёт текст; максимальный контекст составляет 32 768 токенов. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия в предоставленных данных не указана.

Remnant GLM4 32b — серия дообученных языковых моделей от Allura для ролевых диалогов и разговорного общения, включая сценарии SFW и NSFW. Модель основана на THUDM/GLM-4-32B-0414: это плотная авторегрессионная архитектура GLM-4 с 31,6 млрд параметров и контекстом до 32 768 токенов. Для работы используется библиотека Transformers; доступны веса Safetensors. Модель предназначена для генерации диалоговых ответов и отыгрыша персонажей. В метаданных также отмечен интерфейс вызова инструментов, но README не описывает соответствующие сценарии или качество этой функции. Рекомендуется шаблон чата GLM4; автор приводит настройки с температурой 1,0 и min_p 0,1. Модель поддерживает взрослые ролевые сценарии. Лицензия — Apache-2.0.

Koichi Yasuoka разработал RoBERTa-модель, предварительно обученную на текстах тайской Википедии и основанную на wangchanberta-base-wiki-syllable. Это плотная модель архитектуры RoBERTa с 126 млн параметров, реализованная как RobertaForMaskedLM; для токенизации используется BertTokenizerFast с изменёнными символьными эмбеддингами. Контекст составляет до 514 токенов. Модель предназначена для восстановления замаскированных токенов в тайском тексте и как основа для дообучения под задачи разметки частей речи и синтаксического анализа зависимостей. Она принимает текст и предсказывает пропущенные фрагменты. Распространяется по лицензии Apache-2.0.

slm-125m-legal-sft — компактная языковая модель архитектуры Llama на 125,8 млн параметров, созданная abhishekai путём supervised fine-tuning модели abhishekai/slm-125m-legal-base. Она предназначена для ответов на вопросы по предоставленным фрагментам юридических и финансовых текстов в сценариях grounded QA и RAG; также обучалась суммированию, извлечению и перефразированию информации. Модель принимает текст, следует инструкциям и использует шаблон чата; контекст ограничен 1024 токенами. По оценке на 300 отложенных вопросах модель получила средний балл 4,05 из 10, но стандартные отраслевые бенчмарки не проводились. Она требует контекстный фрагмент, слабо подходит для закрытых вопросов и может галлюцинировать или ошибаться в арифметике. Модель ориентирована на английский язык и преимущественно на право США. Распространяется по лицензии Apache-2.0; автор описывает её как исследовательский и учебный артефакт, непригодный для юридических, финансовых или иных производственных решений.

Filtered — Instruct (1.7B) — языковая модель, разработанная командой model-raising для исследований выравнивания поведения и безопасности. Это плотная причинная модель семейства Llama с архитектурой SmolLM2-1.7B, обученная с нуля примерно на 100 млрд токенов, а затем дообученная на инструкциях с привязкой к персонам и конституционными ответами с внутритекстовыми ссылками. Модель предназначена для диалоговых запросов и экспериментов с обобщением ценностей, устойчивостью к jailbreak-запросам и конституционным выравниванием. Она принимает текст и генерирует текст; карточка указывает английский язык и контекст 2048 токенов. В README отмечено, что ответы могут быть неверными или небезопасными. Лицензия обозначена в метаданных как other, а в README — как ещё не окончательно определённая, поэтому условия использования требуют уточнения.

Filtered — Instruct (3B) — экспериментальная instruction-tuned языковая модель от model-raising для исследований выравнивания и безопасности. Она обучена с нуля на архитектуре, соответствующей Llama 3.2 3B, а затем дообучена методом persona-binding supervised fine-tuning. Базовая модель опубликована отдельно как model-raising/spp-filtered-3b-base. Модель предназначена для диалоговых инструкций и исследований конституционного выравнивания, обобщения ценностей и устойчивости к jailbreak-запросам. В дообучении использованы 300 тысяч примеров: инструкции WildChat-1M и промпты безопасности из WildJailbreak и WildGuardMix. По умолчанию доля примеров безопасности составляет 10%; доступны ревизии с другими долями. Контекст — 2048 токенов, модель содержит 3 млрд параметров и поддерживает английский язык. README описывает формат чата без системного промпта и форматирование ответов встроенным шаблоном. Модель может выдавать неверные или небезопасные ответы. Лицензия в карточке обозначена как other, а README сообщает, что её условия ещё окончательно не определены; перед применением следует проверить условия репозитория.

StoryGPT — небольшая авторегрессионная языковая модель в стиле GPT, разработанная coderian и обученная с нуля на 50 тысячах историй из набора TinyStories. Модель построена на декодерном трансформере с причинным самовниманием и блоками pre-LN; содержит около 29 млн параметров, использует токенизатор GPT-2 на 50 257 токенов. Длина контекста — 512 токенов, размер блока при обучении — 128 токенов. Модель предназначена для генерации коротких историй на английском языке, в том числе простых повествований для детей. Она компактна и может загружаться через Transformers. Обучение длилось два эпоха на небольшом корпусе, поэтому рассказы могут быть короткими и повторяющимися, а также содержать ошибки грамматики или логики. Лицензия — MIT.

theworld-spatial-from-cc3m-lm-actually-unfrozen — мультимодальная модель на базе Gemma 3 4B IT, дообученная для задачи image-text-to-text. Архитектура — плотная Gemma3ForConditionalGeneration; модель принимает изображения и текст и формирует текстовые ответы. В карточке указано, что она дообучена на неизвестном наборе данных, но назначение с уточнением пространственных возможностей не описано. Модель может подойти для экспериментов с ответами на вопросы по изображениям и другими сценариями преобразования изображений и текста в текст. Репозиторий содержит веса в формате safetensors и использует лицензию Gemma. Карточка не сообщает о качестве, длине контекста и конкретных ограничениях; условия лицензии Gemma следует учитывать при использовании.

Модель kasohrab/theworld-spatial-from-cc3m-lm-only — дообученная версия мультимодальной Gemma 3 4B IT от Google. Она принимает изображения и текст и предназначена для задач image-text-to-text. Название указывает на пространственную тематику и связь с CC3M, однако README не раскрывает конкретные сценарии, обучающие данные или результаты оценки. Модель распространяется в формате safetensors по лицензии Gemma; при использовании необходимо соблюдать её условия.

TinyLlama-1.1B-MT-SFT — дообученная модель семейства Llama, созданная на основе TinyLlama/TinyLlama-1.1B-intermediate-step-1431k-3T на датасете sardinelab/MT-pref. Модель предназначена для перевода текста; её архитектура — плотная авторегрессионная LlamaForCausalLM с примерно 1 млрд параметров. Модель принимает и генерирует текст, имеет контекстное окно 2048 токенов. Карточка не описывает поддерживаемые языки, качество перевода или результаты оценки. Распространяется по лицензии Apache-2.0.

Windstorm Labs опубликовала модель машинного перевода с финского языка на пангасинанский. Это дообученная версия Helsinki-NLP/opus-mt-fi-pag: LoRA-дообучение на параллельных текстах объединено с базовыми весами. Модель построена на архитектуре MarianMT, содержит 56,8 млн параметров, принимает текст и выдаёт перевод; максимальная длина контекста — 512 токенов. Модель предназначена для перевода с финского на пангасинанский в приложениях на базе Transformers. В проверке на 48 предложениях FLORES-200 она получила chrF++ 26,26 и BLEU 2,79; результат помечен как ограниченный и является предварительной проверкой, а не публикационным бенчмарком. Поддерживается только направление fi→pag. Лицензия — Apache-2.0.

Vanilla — Instruct (1.7B) — языковая модель dlab-spp для генерации текста в формате диалога и выполнения инструкций. Она построена на архитектуре SmolLM2-1.7B, обученной с нуля, и дообучена методом persona-binding supervised fine-tuning на смеси инструкций и запросов по безопасности. В метаданных указаны архитектура Llama, 1,7 млрд параметров, библиотека Transformers, формат safetensors и контекст 2048 токенов. Модель предназначена для исследований выравнивания поведения, обобщения ценностей и устойчивости к jailbreak-запросам. Ответы обучены следовать конституции и содержать встроенные ссылки-цитаты. Карточка характеризует её как исследовательский артефакт и предупреждает, что ответы могут быть ошибочными или небезопасными. Лицензия обозначена как other; условия лицензии следует проверить в репозитории модели.

Vanilla — Base (3B) — это базовая языковая модель dlab-spp, обученная с нуля на предсказание следующего токена. Она использует плотную архитектуру семейства Llama, совместимую по форме с Llama 3.2 3B, и токенизатор SmolLM2 с словарём из 49 152 токенов. Модель обучена примерно на 500 млрд токенов из подмножества смеси Olmo 3 Dolma 3; доступные ревизии включают промежуточные контрольные точки обучения. Модель предназначена для продолжения текста, исследований выравнивания и безопасности, анализа поведения базовой модели и дальнейшего дообучения. Это не instruction-tuned модель, и в репозитории нет chat template. Контекст составляет 2048 токенов; модель принимает текст и генерирует текст. Предобучение проходило без вмешательств по безопасности, поэтому модель может выдавать неверный или небезопасный контент. Лицензия указана как other.

keyfan/vicuna-chinese-replication-v1.1 — диалоговая модель генерации текста, созданная как обновление экспериментальной китайской репликации Vicuna. Разработчик сообщает, что в качестве основы использована chinese-llama-plus, а обучение проходило поэтапно: от простых вопросов и ответов к задачам на рассуждение, программирование и математику. Для обучения и использования применяется шаблон диалога Vicuna v1.1; в обучающие данные добавлены примеры пошаговых рассуждений. Модель построена на плотной архитектуре LLaMA с классом LlamaForCausalLM и содержит 12,9 млрд параметров. Она принимает текст и генерирует текст; контекст — 2048 токенов. Карточка приводит результаты сравнительной оценки на китайских наборах, включая задачи на вопросы и ответы, рассуждения, код и перевод, но они не гарантируют качество в практических сценариях. Лицензия указана как other, поэтому конкретные условия следует проверять в репозитории и у правообладателей базовой модели. Модель предназначена для исследовательских экспериментов с китайской диалоговой генерацией. По заявлению автора, новая версия улучшила решение задач на программирование и рассуждение по сравнению с предыдущим выпуском. Известные ограничения — галлюцинации и слабая работа со специализированными китайскими темами, включая литературу и идиомы; автор также не гарантирует производительность и обозначает модель как предназначенную для исследований.

soob3123/amoral-gemma3-4B-v1 — дообученная текстовая модель на основе Google Gemma 3 4B IT, предназначенная для аналитических ответов на чувствительные и спорные запросы с нейтральным тоном. В карточке заявлены снижение частоты отказов, ослабление оценочной лексики и сохранение фактической подачи. Модель использует плотную архитектуру Gemma 3 для причинной генерации текста, содержит 4 млрд параметров и поддерживает контекст до 131 072 токенов. В метаданных указан английский язык; каталог описывает базовую Gemma 3 как мультимодальную, но у этой производной модели подтверждена только задача генерации текста. Возможные сценарии — анализ спорных тем, исследования смещений в ответах, симуляции этических дискуссий, разработка инструментов модерации и анализ чувствительных исторических материалов. Заявления о нейтральности и снижении отказов приведены в карточке модели и не сопровождаются независимыми оценками качества. Лицензия — Apache-2.0.

AmberYifan/capsd-qwen3-numina-Qwen3-4B-Base-math_ppl_b2000_s0 — дообученная языковая модель на архитектуре Qwen3, разработанная на основе Qwen/Qwen3-4B-Base. По README, обучение проводилось на наборе capsd_Qwen3-4B-Base-n80000-numina__mix_math_ppl_b2000_s0; название набора указывает на математические данные, однако карточка не описывает конкретные навыки и результаты модели. Модель предназначена для генерации текста; каталог отмечает поддержку диалогового режима. Она содержит 3,7 млрд параметров, использует архитектуру Qwen3ForCausalLM и принимает контекст длиной до 32 768 токенов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Карточка не приводит оценок качества, подробных ограничений или явно заявленных сценариев применения. Лицензия указана как other, без уточнения условий в предоставленных данных.

ChatLM-mini-Chinese — небольшая китайскоязычная разговорная модель, созданная автором проекта ChatLM-mini-Chinese для демонстрации полного процесса обучения генеративной модели: от подготовки данных и предобучения до SFT и оптимизации предпочтений DPO. В карточке описана архитектура T5 для преобразования текста в текст: 10 слоёв энкодера и 10 слоёв декодера, около 0,2 млрд параметров и словарь из 29 298 токенов, преимущественно китайских. Модель загружается через Transformers как модель генерации последовательностей. Модель предназначена для генерации ответов в однократном китайском диалоге, выполнения инструкций и экспериментов с дообучением, включая извлечение троек сущностей и отношений. Обучение использовало китайские общественные вопросы и ответы, энциклопедические, медицинские, Zhihu и инструкционные данные; автор также описывает SFT и DPO. Отмечены возможность потоковой генерации и невысокие требования к памяти для инференса в FP16. Автор предупреждает, что из-за небольшого размера и ограниченного обучающего корпуса модель может отвечать не по теме или генерировать многословные ответы; потоковый режим в описанной реализации поддерживает только greedy search. Репозиторий лицензирован по Apache-2.0.

Карточка модели hfl/cino-small-v2 на Hugging Face совпадает с карточкой hfl/cino-base-v2, поэтому описание составлено по ней. CINO-base-v2 — многоязычная предварительно обученная языковая модель лаборатории HFL, совместной лаборатории HIT и iFLYTEK Research. Она построена на XLM-R и дополнительно обучена на корпусах китайского и ряда языков и языковых разновидностей Китая: тибетского, монгольского в уйгурской письменности, уйгурского, казахского в арабской письменности, корейского, чжуанского и кантонского. Модель предназначена для понимания текста на этих языках и может использоваться как основа для NLP-систем; её основная задача в каталоге — восстановление замаскированных токенов (fill-mask). Архитектура — XLM-RoBERTa для masked language modeling, размер — 217,2 млн параметров, длина контекста — 514 токенов. Доступны веса PyTorch и TensorFlow. Модель принимает текст и предсказывает замаскированные текстовые токены. README не приводит результаты оценивания или конкретные ограничения качества. Лицензия — Apache-2.0.

Bottleneck T5 Large — англоязычный автоэнкодер текста, разработанный Linus Lee на основе LM-adapted T5 v1.1. Это плотный трансформер T5 с энкодером-декодером, attention pooling в узком латентном представлении и gated cross-attention. По метаданным модель содержит 385,2 млн параметров; README описывает семейство вариантов размером от 60 млн до 3 млрд параметров, включая Large с 770 млн, поэтому указанное в карточке число относится к метаданным репозитория. Модель кодирует текст длиной до 512 токенов в нормализованный вектор фиксированной длины и восстанавливает текст из этого представления. Латентное пространство предназначено для семантической интерполяции и редактирования атрибутов текста, таких как длина, тон, структура и тема. Обучение проводилось на отфильтрованной части англоязычной Википедии, поэтому модель лучше подходит для энциклопедического и похожего текста. Это прототип для экспериментов с редактированием текста в латентном пространстве; для работы требуется обёртка BottleneckT5Autoencoder. Технический, разговорный и другой нетипичный для обучающих данных текст может обрабатываться хуже. Лицензия — MIT.

Flux-Prompt-Enhance — текстовая модель, разработанная Gökay Aydoğan и дообученная на базе google-t5/t5-base для улучшения текстовых запросов к генераторам изображений FLUX. Она принимает короткое описание сцены и расширяет его деталями, например внешним видом объектов, композицией, освещением и атмосферой. Модель построена на архитектуре T5 с 123,8 млн параметров, работает с текстом на английском языке и имеет контекст до 512 токенов. Модель предназначена для подготовки более подробных промптов в творческих рабочих процессах и доступна по лицензии Apache-2.0. Она генерирует текст, а не изображения; результаты могут добавлять детали, которых пользователь не задавал явно.

Summykai/gemma3-27b-abliterated-dpo — диалоговая мультимодальная модель, дообученная на базе mlabonne/gemma-3-27b-it-abliterated с использованием Unsloth и библиотеки TRL. Архитектура — плотная Gemma 3 с 27 млрд параметров; модель принимает текст и изображения и предназначена для диалога и ответов на вопросы по изображениям. Модель ориентирована на англоязычные сценарии. В метаданных указан датасет mlabonne/orpo-dpo-mix-40k; карточка не раскрывает детали обучения или оценки качества. Лицензия в метаданных обозначена как gemma, а в README — Apache-2.0.

Экспериментальная версия Ling-3.0-flash от Inclusion AI, в которой методом REAP удалена четверть маршрутизируемых экспертов. В каждом слое оставлено 384 из 512 экспертов; модель имеет 97 млрд параметров всего и 5,1 млрд активных параметров. Это гибридная MoE-модель для генерации диалогового текста, основанная на inclusionAI/Ling-3.0-flash. Эксперты отбирались однократно по значению router gate, умноженному на L2-норму выхода, на калибровочных данных объёмом 1 млн токенов из UltraChat. Дополнительного дообучения или восстановления после удаления экспертов не проводилось. Модель рассчитана на чат-сценарии; шаблон чата поддерживает параметр reasoning_effort. Указанное для базовой модели окно контекста составляет 262144 токена. Для загрузки нужны Transformers, формат BF16 Safetensors и пользовательский код архитектуры BailingMoeV3 с trust_remote_code=True. Модель предназначена для экспериментов с разрежением MoE и оценки влияния pruning на качество диалоговой генерации. Карточка называет её исследовательским артефактом; квантованные сборки вынесены в отдельный репозиторий. Лицензия в предоставленных данных не указана.

Это GGUF-квантизированная версия языковой модели LFM2-350M-Math от Liquid AI, подготовленная пользователем bartowski. Модель предназначена для генерации текста и ориентирована на математические задачи. Квантизация выполнена с помощью llama.cpp с использованием метода imatrix, поэтому модель подходит для локального запуска в LM Studio, llama.cpp и других совместимых приложениях. В репозитории представлены варианты от исходных весов BF16 размером около 0,71 ГБ до сильно сжатых форматов Q2 и Q3 размером примерно 0,18–0,22 ГБ. Наиболее качественными считаются BF16, Q8_0, Q6_K_L, Q6_K, Q5 и Q4; варианты с более низкой разрядностью экономят память, но могут заметно уступать в качестве. Данные об архитектуре, поддерживаемых языках, длине контекста, мультимодальности, формате промпта и лицензии в README не указаны, поэтому эти характеристики нельзя достоверно определить по представленным данным.

Unidocs разработала эту разговорную языковую модель для поддержки запросов и задач в сфере здравоохранения. Это полнодоступно дообученная модель на основе meta-llama/Llama-3.1-8B-Instruct с плотной архитектурой LlamaForCausalLM и 7,5 млрд параметров. Модель предназначена для диалогов и генерации текста; её контекст составляет до 131 072 токенов. При дообучении использовались материалы wiki и kowiki, данные AIHub по вопросам и ответам в здравоохранении и улучшению корейского языка, а также медицинские и юридические профессиональные тексты. Модель выпущена в рамках проекта AIDC-HPC и используется в ezMyAIDoctor. В README приведены результаты MMLU по медицинским категориям; они не гарантируют точность ответов в реальном применении. Модель ориентирована на английский и корейский языки и распространяется по лицензии MIT. Она может выдавать неточные, непоследовательные или предвзятые ответы, а её знания ограничены обучающими данными. Её нельзя использовать вместо профессиональной медицинской консультации, диагностики или лечения; медицинские ответы следует проверять у квалифицированного специалиста.

Llama3.1-Aloe-Beta-70B — медицинская языковая модель HPAI, дообученная на базе meta-llama/Llama-3.1-70B. Это авторегрессионный трансформер с 69,5 млрд параметров и контекстом до 131 072 токенов. Aloe Beta обучена на 1,8 млрд токенов для 20 медицинских задач, включая ответы на вопросы, объяснение медицинских тем, суммаризацию, классификацию, диагностику и рекомендации по лечению. В обучающую выборку также вошли общие данные и примеры для освоения вызова функций. Модель предназначена для исследовательских и информационных сценариев в здравоохранении, например для ответов на медицинские вопросы и работы в составе RAG-системы. Карточка заявляет английский язык; другие языки формально не оценивались. Модель может выдавать токсичный контент и воспроизводить нежелательные предубеждения, а её ответы могут быть ошибочными. Разработчик запрещает использовать её для клинической практики, диагностики и прямых или косвенных медицинских советов. Изменения Aloe распространяются по лицензии CC-BY-NC-4.0 для некоммерческого использования и исследований; базовая модель выпущена по лицензии Meta Llama 3.

vhab10/Llama-3.2-3B-legalQA-merged-16bit — дообученная разговорная языковая модель на архитектуре Llama 3.2 с 3,2 млрд параметров. Разработчик — vhab10; базовая модель — unsloth/llama-3.2-3b-instruct-bnb-4bit. Модель предназначена для генерации текста в формате диалога и ответов на вопросы по юридической тематике. Модель принимает текст и выдаёт текст. В метаданных указан контекст до 131072 токенов и английский язык. Весовой формат — safetensors; заявлена лицензия Apache-2.0. Карточка сообщает о дообучении с использованием Unsloth и TRL, но не приводит подробностей обучающих данных или результатов оценки.

Llama-OpenReviewer-8B-GGUF — это квантизированная GGUF-версия модели Llama-OpenReviewer-8B, разработанной maxidl и подготовленной квантизатором bartowski с использованием llama.cpp. Модель предназначена для генерации рецензий и автоматизированной обратной связи по научным статьям, рукописям и материалам конференций, включая сценарии, связанные с OpenReview. Модель основана на архитектуре Llama и имеет размер 8B параметров. Указана поддержка английского языка и текстовый режим работы. Репозиторий содержит варианты от F16 до низкобитных Q2 и IQ-квантизаций размером примерно от 3,18 до 16,07 ГБ; рекомендуемыми названы, в частности, Q4_K_M, Q5_K_M, Q6_K и другие варианты с высоким качеством. Для запуска предлагаются llama.cpp и LM Studio, а в README приведён соответствующий шаблон промпта. К сильным сторонам относятся специализация на научном рецензировании, наличие множества вариантов квантизации и возможность локального запуска на оборудовании с разным объёмом памяти. Более агрессивная квантизация уменьшает требования к памяти, но снижает качество; варианты Q2 и Q3 имеют низкое качество, тогда как F16 требует около 16 ГБ. Длина контекста, точные архитектурные параметры и результаты бенчмарков в предоставленных данных не указаны. Модель распространяется по лицензии llama3.1.

ThePradip/minicpm5-1b-kids-storyteller — языковая модель ThePradip, дообученная на базе openbmb/MiniCPM5-1B для генерации детских историй. Она принимает текстовые запросы и генерирует текст; архитектура — плотная LlamaForCausalLM, размер — 837,6 млн параметров, длина контекста — до 131 072 токенов. В карточке указано, что при обучении использовались Unsloth и библиотека TRL от Hugging Face. Модель подходит для создания сказок и коротких рассказов для детей по заданным темам или персонажам. Карточка не сообщает о специальных языковых настройках модели; метаданные указывают английский язык. Лицензия — Apache-2.0.