I.5Создание и редактирование текста

yuhengtu-bytedance опубликовал объединённую модель генерации текста на основе GPT-NeoX. Она создана методом Linear merge с помощью mergekit из контрольных точек предварительно обученных языковых моделей на шагах 8 000, 9 000 и 10 000; размер составляет 8,8 млрд параметров. Модель предназначена для генерации текста и диалогового взаимодействия, поддерживает контекст до 16 384 токенов и распространяется в формате Safetensors через Transformers. В карточке не описаны конкретные языки, данные обучения или области применения, поэтому модель можно охарактеризовать только как языковую модель общего назначения. Лицензия в предоставленных данных не указана.

Модель yuhengtu-bytedance/sfm_unfiltered_midtrain_alignment-9k_10k_11k_simpleavg_merge — объединение предварительно обученных языковых моделей, созданное с помощью mergekit. В README указано линейное слияние с чекпойнтом global_step11000 в качестве базового и включением чекпойнтов global_step10000 и global_step9000. Каталог определяет архитектуру как плотную GPT-NeoX для авторегрессионной генерации текста; число параметров — 8,8 млрд, контекст — до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Карточка не описывает специализированные сценарии, языки или результаты оценки качества, поэтому её следует рассматривать как общую текстовую модель. Файлы опубликованы в формате safetensors и рассчитаны на использование через Transformers. Лицензия в предоставленных данных не указана.

SG-Raccoon-Yi-55B-200k — авторегрессионная языковая модель на архитектуре Llama, собранная путём слияния двух дообученных моделей Yi 34B: Tess-M-v1.3 и Nous-Capybara-34B. Модель содержит 55,1 млрд параметров и поддерживает контекст до 200 000 токенов; файлы опубликованы в формате safetensors. Разработчик указывает, что это первая объединённая модель такого размера с контекстом 200K. Модель предназначена для генерации текста и диалогового общения. Для подачи запросов README предлагает формат с ролями SYSTEM, USER и ASSISTANT. Автор отмечает, что для Yi может потребоваться отключить BOS-токен или снизить температуру с MinP, а иногда добавить токен остановки в список условий завершения генерации. Лицензия в метаданных обозначена как other, поэтому конкретные условия использования по имеющимся данным определить нельзя. В README результаты бенчмарков не приведены.

ShadowExperiment24-7B — автоматически собранная Maxime Labonne объединённая модель на архитектуре Mistral с 7,1 млрд параметров. Она предназначена для генерации текста и использования в сценариях с языковой моделью; конфигурация объединяет shadow-clown-7B-slerp и yam-peleg/Experiment24-7B методом dare_ties. Модель принимает текст и генерирует текст. Для неё указан контекст до 32 768 токенов и формат весов Safetensors. Лицензия — Apache-2.0. Карточка не сообщает о специальных областях применения или поддерживаемых естественных языках.

Shark-1-Ogno-9b-passthrough — объединённая модель для генерации текста, созданная powermove72 с помощью LazyMergekit на основе powermove72/Shark-1 и eren23/OGNO-7b-dpo-truthful. В конфигурации применён метод passthrough: слои 0–15 взяты из Shark-1, слои 8–31 — из OGNO-7b-dpo-truthful; для токенизатора использован union, тип весов — float16. Модель построена на плотной архитектуре MistralForCausalLM и содержит 8,9 млрд параметров. Модель рассчитана на диалоговую генерацию текста; базовая OGNO-7B описана как DPO-версия с акцентом на правдивость ответов. Контекстное окно составляет 32 768 токенов. В метаданных указана лицензия; конкретные условия следует сверять с карточкой модели и лицензиями исходных компонентов.

SharkOgno-11b-Passthrough — объединённая модель генерации текста, созданная powermove72 с помощью LazyMergekit из powermove72/Shark-1 и eren23/OGNO-7b-dpo-truthful. В конфигурации указаны метод слияния passthrough, объединение токенизаторов и точность float16. Метаданные описывают плотную Mistral-подобную архитектуру MistralForCausalLM с 10,6 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев; базовая модель OGNO-7b-dpo-truthful ориентирована на правдивость ответов. Метаданные также указывают text-classification среди поддерживаемых задач, однако основная задача и pipeline_tag — text-generation. Лицензия в предоставленных данных не указана.

Shisa V2.1 UnPhi-4 14B — двуязычная чат-модель общего назначения от Shisa.AI, созданная на основе дообучения unsloth/phi-4. Она предназначена для диалогов и широкого круга текстовых задач, с особым вниманием к японскому языку при сохранении возможностей на английском. В README отмечены улучшения следования инструкциям, перевода, вежливой речи и других задач, связанных с японским языком. Модель содержит 14,1 млрд параметров, использует плотную архитектуру семейства Llama и принимает контекст до 16 384 токенов. Репозиторий содержит веса в формате safetensors; метаданные указывают поддержку чата и генерации текста. В сравнительных оценках Shisa V2.1 14B показала средний результат 72,6 по японскому и 57,7 по английскому набору MultiEval, а также 8,68 в японском MT-Bench по оценке GPT-4.1. Модель подходит для японских и англоязычных диалогов, следования инструкциям и перевода. Она не описана как мультимодальная, поэтому её следует рассматривать как текстовую модель. Лицензия — MIT.

Shisa V2 405B — универсальная чат-модель Shisa.AI, дообученная на основе Meta Llama 3.1 405B Instruct. Это плотная авторегрессионная языковая модель на 403,7 млрд параметров с контекстом до 131 072 токенов; она принимает текст и генерирует текст, поддерживает чат и интерфейс вызова инструментов. Основной упор сделан на японский язык при сохранении сильных возможностей на английском; в обучающие данные также включены примеры на корейском и традиционном китайском. Модель предназначена для диалога, выполнения инструкций, генерации текста и перевода, в том числе для японских задач. Разработчик сообщает об улучшении японских результатов относительно базовой модели и приводит сравнительные оценки на нескольких бенчмарках; результаты зависят от методики оценки. Для запуска проверены vLLM и SGLang, а веса опубликованы в формате Safetensors. Модель распространяется по лицензии Llama 3.1. Она требует значительных вычислительных ресурсов из-за размера в 405 млрд параметров; заявленные результаты бенчмарков не гарантируют качество на конкретных задачах, а основной акцент обучения сделан на японском и английском языках.

Shisa V2 UnPhi4 14B — чат-модель общего назначения от Shisa.AI, дообученная на базе unsloth/phi-4. Она рассчитана на диалоги и другие текстовые задачи на японском и английском языках; разработчики сосредоточились на улучшении качества японских ответов, сохранив возможности базовой модели на английском. Модель содержит 14,1 млрд параметров, использует плотную архитектуру LlamaForCausalLM и поддерживает контекст до 16 384 токенов. По опубликованным оценкам Shisa V2 UnPhi4 14B улучшает средний результат базовой Phi-4 на японских тестах, сохраняя сопоставимые результаты на английских. Это текстовая модель, не предназначенная для обработки изображений, звука или видео. Она распространяется по лицензии Apache 2.0; для инференса проверена совместимость с vLLM и SGLang.

Lambent/Silver5-Nemo-12B — объединённая модель генерации текста, созданная с помощью mergekit методом TIES. В основу взята Mistral-Nemo-Base-2407, а в объединение также вошли Dans-PersonalityEngine-V1.1.0-12b, Wayfarer-12B, Vikhr-Nemo-12B-Instruct-R-21-09-24, MISCHIEVOUS-12B-Mix_0.6v и Grey-12b. Модель построена на плотной архитектуре MistralForCausalLM и содержит 12,1 млрд параметров. Она предназначена для диалоговой генерации текста; заявленная длина контекста — 131 072 токена. Используйте её для ответов на запросы и создания связного текста в чат-сценариях. Репозиторий содержит веса safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0. Карточка не приводит отдельных оценок качества или подробных ограничений, поэтому практические результаты могут зависеть от запроса и настроек генерации.

SJTpass-1 — языковая модель Sakalti для генерации текста и диалогов. Это производная модель, созданная с помощью mergekit методом passthrough из Sakalti/SJT-0.5B; архитектура — плотная Qwen2 с классом Qwen2ForCausalLM, веса представлены в safetensors. Модель содержит 851,8 млн параметров и поддерживает контекст до 32 768 токенов. Модель подходит для генерации продолжений текста, чат-ботов и диалоговых сценариев. В метаданных также указана возможность интерфейса вызова инструментов. Языки, на которых модель рассчитана, в доступных сведениях не определены. Распространяется по лицензии Apache-2.0.

slerp-test-turdus-beagle — текстовая генеративная модель объёмом 7,1 млрд параметров, созданная объединением udkai/Turdus и mlabonne/NeuralBeagle14-7B методом SLERP с помощью LazyMergekit. Модель основана на архитектуре Mistral и распространяется в формате Safetensors; для неё заявлено контекстное окно до 32 768 токенов. Модель предназначена для генерации текста, диалогов, следования инструкциям, рассуждений и творческих задач. В карточке приведены результаты оценок на бенчмарках AI2 Reasoning Challenge и HellaSwag. Лицензия — Apache-2.0. Метаданные указывают на объединение двух базовых моделей; README также приводит OpenPipe/mistral-ft-optimized-1218 как базовую модель в конфигурации слияния.

SlimOrca-Llama-3-8B-GGUF — это квантизированная GGUF-версия текстовой генеративной модели SlimOrca-Llama-3-8B, разработанная на основе оригинальной модели ajibawa-2023/SlimOrca-Llama-3-8B. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель обучена на наборах данных Open-Orca/SlimOrca и ajibawa-2023/SlimOrca-ShareGPT. Модель предназначена для генерации текста и диалоговых сценариев на английском языке, включая ответы на вопросы, решение задач с выбором ответа, суммаризацию, написание обзоров, формулирование гипотез, создание историй и статей. Архитектура относится к семейству Llama 3, размер — 8 миллиардов параметров. Модель поддерживает текстовую модальность; размер контекста в README не указан. Для работы рекомендуется форматирование запросов по шаблону с ролями system, user и assistant. Репозиторий содержит варианты квантизации от IQ1 до Q8 с размером файлов примерно от 2,01 до 8,54 ГБ. Варианты Q6_K, Q5_K_M, Q5_K_S, Q4_K_M, Q4_K_S, IQ4_NL и IQ4_XS отмечены как рекомендуемые благодаря удачному соотношению качества и размера. Более компактные варианты снижают требования к оперативной памяти, но могут заметно уступать в качестве; IQ1-варианты имеют крайне низкое качество и не рекомендуются. Лицензия модели — Apache-2.0.

SmartLlama-3-8B-MS-v0.1 — объединённая модель генерации текста семейства Llama 3, собранная Kukedlc с помощью LazyMergekit из четырёх моделей: Locutusque/llama-3-neural-chat-v1-8b, cloudyu/Meta-Llama-3-8B-Instruct-DPO, cognitivecomputations/dolphin-2.9-llama3-8b и abacusai/Llama-3-Smaug-8B. В конфигурации указан метод слияния model_stock и формат bfloat16; модель имеет архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекст до 8192 токенов. Модель предназначена для генерации текста и диалогового общения. Её можно использовать для ответов на вопросы, написания черновиков и ведения многоходового чата. Карточка не уточняет поддерживаемые естественные языки и специализированные области применения. Лицензия указана как other, поэтому условия использования следует проверять в репозитории и у авторов исходных моделей. Доступные сведения не содержат сравнительных оценок качества или подробных ограничений поведения; результат зависит от запроса и сценария применения.

Smaug-Llama-3-70B-Instruct-ExPO — чат-модель на базе Llama 3, созданная авторами работы «Weak-to-Strong Extrapolation Expedites Alignment». Это плотная авторегрессионная модель с архитектурой LlamaForCausalLM и примерно 69,5 млрд параметров; репозиторий содержит веса в формате Safetensors, а контекст составляет до 8192 токенов. Модель получена экстраполяцией ExPO с коэффициентом α = 0,3 на основе контрольных точек SFT и DPO/RLHF для Smaug-Llama-3-70B-Instruct и Meta-Llama-3-70B-Instruct. Она предназначена для диалогов и генерации текста с улучшенным согласованием с предпочтениями людей. В README приведены оценки ExPO-вариантов моделей на AlpacaEval 2.0 и MT-Bench; эти результаты не являются отдельной оценкой данной версии 70B. Карточка указывает английский язык и лицензию Llama 3 (llama3). Практическое использование зависит от соблюдения условий этой лицензии; кроме улучшенного согласования, README не описывает специализированные навыки или ограничения модели.

Smoke_7B — дообученная FourOhFour/Vapor_7B модель на архитектуре Qwen2 для генерации текста и диалогов. Она содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 131 072 токенов. В README указано, что модель обучена на датасете, обозначенном как None; подробности о данных и результатах оценки ограничены значением loss 1,4023. Модель подходит для генерации ответов в диалогах и других сценариев текстовой генерации. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия — Apache-2.0.

lemons-ink/SmolLM3-Custom-Merged — текстовая генеративная модель семейства SmolLM3, опубликованная пользователем lemons-ink на Hugging Face. Модель предназначена для генерации текста и диалоговых сценариев; в метаданных также отмечены обучение с учителем и поддержка conversational-формата. Она рассчитана на работу через библиотеку Transformers и содержит около 3,1 млрд параметров. Модель поддерживает контекст длиной до 65 536 токенов, что подходит для продолжения больших текстов, многошаговых диалогов и обработки длинных входных последовательностей. Точные сведения о базовой архитектуре, языках, данных обучения, результатах оценки и методе объединения компонентов в README отсутствуют. Лицензия модели в доступных данных не указана. README также не содержит подтверждённых сведений о разработчике, поэтому lemons-ink следует рассматривать как автора или владельца публикации, а не как подтверждённого разработчика.

jaspionjader/sof-5 — объединённая языковая модель, созданная автором репозитория с помощью mergekit методом Model Stock. При слиянии использованы jaspionjader/sof-3, jaspionjader/ek-6 и jaspionjader/sof-4; базовой моделью указана jaspionjader/Kosmos-EVAA-Franken-stock-v43-8B. Модель относится к семейству Llama, использует плотную архитектуру LlamaForCausalLM и содержит 7,5 млрд параметров. Модель предназначена для генерации текста и диалогового взаимодействия. Она принимает текст и выдаёт текст, а заявленная длина контекста составляет до 131 072 токенов. Карточка не описывает целевые языки или специализированные области применения, поэтому модель следует рассматривать как универсальную. В репозитории указаны веса в формате safetensors и тип данных bfloat16. Лицензия в предоставленных данных не приведена. Карточка не содержит результатов оценки качества или конкретных ограничений поведения модели.

SOLAR-10.7B-Instruct-Forest-DPO — языковая модель семейства Llama с 10,6 млрд параметров, разработанная на основе upstage/SOLAR-10.7B-Instruct-v1.0 и дообученная методом Direct Preference Optimization (DPO). Она предназначена для диалогового взаимодействия и генерации текста на естественном языке. Модель подходит для ответов на вопросы, ведения диалога и выполнения текстовых инструкций. В карточке указаны английский язык и контекст до 4096 токенов. Модель распространяется в формате PyTorch через Transformers под лицензией Apache-2.0.

SOLAR-10.7B-Instruct-v1.0 — диалоговая языковая модель компании Upstage, дообученная для одношаговых бесед на базе upstage/SOLAR-10.7B-v1.0. Это плотная авторегрессионная модель семейства Llama с 10,6 млрд параметров и контекстом до 4096 токенов. Она принимает текст и генерирует текстовые ответы на английском языке. Модель прошла инструкционное дообучение с учителем и оптимизацию предпочтений DPO на смесях наборов Alpaca-GPT4, OpenOrca, Orca DPO и UltraFeedback, а также данных, созданных с помощью Metamath. Подходит для диалоговых ответов, выполнения инструкций, объяснений и задач на рассуждение. В карточке заявлены результаты конкурентного качества для своего размера, но это заявление разработчика и оно не гарантирует качество в конкретном сценарии. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. Модель ориентирована на одношаговые беседы; контекст ограничен 4096 токенами, поэтому она не предназначена для длительных многошаговых диалогов без специальной настройки.

TheBloke/SOLAR-10.7B-Instruct-v1.0-AWQ — это квантизированная версия инструкционной языковой модели Solar 10.7B Instruct v1.0, разработанной upstage. Репозиторий содержит файлы модели в формате AWQ для эффективного запуска генерации текста на совместимом оборудовании. Модель предназначена для диалоговых сценариев и выполнения задач по текстовым инструкциям; рекомендуемый шаблон промпта использует роли User и Assistant. Модель имеет размер 10,7 млрд параметров и представлена в 4-битной AWQ-квантизации с group size 128, максимальной длиной последовательности 4096 токенов и размером файлов около 5,96 ГБ. Квантизацию выполнил TheBloke; модель распространяется в виде шардированных файлов safetensors. AWQ обеспечивает более низкое потребление памяти и высокую скорость инференса при сопоставимом с распространёнными настройками GPTQ качестве. Модель подходит для локального и серверного GPU-инференса через AutoAWQ, vLLM, Text Generation Inference или Transformers. Основное ограничение — поддержка AWQ в README указана для Linux и Windows с видеокартами NVIDIA; для macOS рекомендованы модели в формате GGUF. Языки и мультимодальные возможности отдельно не указаны. Лицензия — Apache 2.0.

SOLAR-10.7B-merge-dpo — текстовая разговорная модель команды ETRI xainlp, созданная слиянием heavytail/kullm-solar и upstage/SOLAR-10.7B-Instruct-v1.0 с помощью MergeKit. Модель содержит 10,6 млрд параметров, основана на плотной архитектуре Llama и рассчитана на контекст до 4096 токенов. Модель принимает текст и генерирует текст; её можно применять для диалоговых ответов и других задач генерации текста. При создании использовался набор из 90 тысяч пользовательских предпочтений для DPO+LoRA. Веса опубликованы в формате safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование. Карточка не приводит сведений о поддерживаемых языках или специализированных предметных областях.

SOLAR-DUS-implement — текстовая генеративная модель на архитектуре Llama, созданная Cartinoe5930 с помощью LazyMergekit. Это слияние двух диапазонов слоёв модели Cartinoe5930/Llama2_init_Mistral методом passthrough; опубликованные веса имеют формат Safetensors и тип float16. Модель содержит 10,6 млрд параметров, а её контекст составляет 4096 токенов. Модель предназначена для генерации текста и может применяться для диалогов, написания черновиков и ответов на вопросы. В README приведены результаты на задачах ARC, HellaSwag, MMLU, TruthfulQA, Winogrande и GSM8K. Указанная лицензия — Apache-2.0. Языковая специализация и отдельные ограничения в карточке не описаны.

Solar-Open-100B-NVFP4A16 — сборка модели Solar-Open-100B, разработанной компанией Upstage, которую FuriosaAI самостоятельно квантизировала в формате NVFP4A16 и подготовила для запуска на аппаратуре FuriosaAI RNGD с использованием Furiosa-LLM. Это авторегрессионная текстовая языковая модель с архитектурой Mixture-of-Experts (MoE), предназначенная для генерации текста, чат-взаимодействия, задач с рассуждениями и без них, а также вызова инструментов через функции. Поддерживаются английский и корейский языки, входные и выходные данные представлены в текстовом формате. Веса модели используют 4-битный формат NVFP4, тогда как активации и KV-кэш сохраняются в 16-битной точности. Для рассуждений можно задавать уровень reasoning_effort: low, medium или high; модель также поддерживает отдельную передачу рассуждений и автоматический выбор инструментов при соответствующей настройке сервера. На FuriosaAI RNGD модель работает с tensor parallelism на 32 PE, что соответствует четырём картам RNGD. В README не указаны общий и активный размер модели, длина контекста и точные параметры архитектуры, поэтому эти характеристики нельзя определить по имеющимся данным. Основное преимущество модели — сочетание крупной MoE-архитектуры, возможностей рассуждения и вызова инструментов с экономией памяти благодаря 4-битной квантизации. Сборка ориентирована прежде всего на FuriosaAI RNGD и Furiosa-LLM, хотя квантизированные веса также заявлены как совместимые с vLLM, SGLang и Transformers. Модель распространяется по лицензии Upstage Solar License; в карточке она обозначена как license: other, с отдельной ссылкой на текст лицензии.

Spaetzle-v66-7b — объединённая модель для генерации текста и диалоговых ответов, созданная cstr с помощью LazyMergekit из flemmingmiguel/NeuDist-Ro-7B, cstr/Spaetzle-v53-7b и ResplendentAI/Flora_DPO_7B. Это плотная авторегрессионная модель архитектуры Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации продолжений текста и ведения диалога. В карточке не приведены сведения о целевых языках или специализированных областях применения, поэтому её можно описать как модель общего назначения. Репозиторий содержит веса в формате safetensors; лицензия — CC BY-SA 4.0. Качество ответов и языковой охват зависят от составляющих моделей; README отмечает, что сведения о происхождении обучающих данных одной из них, Spaetzle-v53-7b, проследить по этой карточке нельзя. Это объединение весов, а не новая версия базовой модели, полученная обучением на отдельном корпусе.

CiscoKpanse/sp-DNM-4-26B-A4B-it_v0.1 — инструкция-настроенная мультимодальная модель семейства Gemma 4, созданного Google DeepMind. Вариант 26B A4B использует архитектуру Mixture-of-Experts: обрабатывает текст и изображения и генерирует текст; поддерживает диалог и визуальные задачи, включая ответы по изображениям, OCR, разбор документов, диаграмм и экранных интерфейсов. По карточке семейства Gemma 4 также предназначена для рассуждений, программирования, суммаризации и сценариев с вызовом инструментов. Для вариантов 26B A4B заявлено контекстное окно до 256 тысяч токенов и поддержка множества языков. Семейство использует гибридное внимание с локальными и глобальными слоями. Данная копия опубликована в формате safetensors и доступна по лицензии Apache 2.0. Карточка описывает семейство Gemma 4 в целом, поэтому не все заявленные возможности обязательно относятся к этому варианту: обработка аудио указана только для E2B и E4B, а видео — как возможность семейства. Ответы модели могут содержать ошибки; результаты распознавания и извлечения данных из изображений следует проверять.

uukuguy/speechless-mistral-six-in-one-7b — объединённая модель на основе шести дообученных моделей Mistral-7B, опубликованная пользователем uukuguy. Это плотный авторегрессионный трансформер Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов; модель предназначена для генерации текста в диалогах, ответов на вопросы, рассуждений и помощи с кодом. В карточке перечислены исходные модели Dolphin, OpenOrca, Platypus, Samantha, CollectiveCognition и Zephyr; заявлены результаты на нескольких бенчмарках, но часть таблиц неполная, поэтому они не дают полной оценки качества. Модель принимает текст и генерирует текст. В метаданных указан английский язык и возможность работы с кодом. Репозиторий содержит веса safetensors, а лицензия обозначена как Llama 2. Модель унаследовала заявленное в карточке базовой Mistral-7B отсутствие механизмов модерации; сгенерированные ответы могут быть ошибочными или нежелательными.

Это объединённая авторами MaziyarPanahi языковая модель на архитектуре Mistral, созданная методом SLERP из mistralai/Mistral-7B-Instruct-v0.1 и uukuguy/speechless-mistral-six-in-one-7b-orth-1.0. Модель содержит 7,1 млрд параметров и предназначена для генерации текста в ответ на инструкции и диалоговые запросы, включая задачи с кодом. Модель принимает текст и генерирует текст. Заявленная длина контекста — 32 768 токенов; основной естественный язык карточки — английский. В репозитории указаны веса Safetensors и лицензия Apache-2.0. README не приводит отдельных оценок качества или подробных ограничений применимости.

speechless-mistral-six-in-one-7b-orth-1.0-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель, созданная объединением Mistral-7B-Instruct-v0.2 от Mistral AI и speechless-mistral-six-in-one-7b-orth-1.0 от uukuguy. Для слияния использован метод SLERP с настройками Mergekit; архитектура — плотная MistralForCausalLM, размер — 7,1 млрд параметров. Модель предназначена для генерации текста и диалоговых ответов на инструкции. Она принимает текст, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Языки, на которых модель специально обучена, в карточке не перечислены. Модель распространяется по лицензии Apache-2.0. Качество и поведение зависят от свойств исходных моделей и параметров их слияния; README не приводит отдельных результатов оценки или гарантий для конкретных сценариев.

Карточка модели jondurbin/spicyboros-c34b-2.2 на Hugging Face совпадает с карточкой jondurbin/spicyboros-70b-2.2, поэтому описание составлено по ней. jondurbin/spicyboros-70b-2.2 — экспериментальная инструкционная языковая модель на архитектуре Llama, созданная Jondurbin на основе преимущественно синтетических данных Airoboros 2.2. Модель содержит 68,7 млрд параметров, принимает текст и генерирует текст; заявленная длина контекста — 4096 токенов. Карточка описывает формат диалога с ролями USER и ASSISTANT и примерами для ответов по предоставленному контексту, написания текстов, программирования и генерации JSON или YAML для вызова функций. Модель рассчитана на широкий круг инструкционных задач и особенно ориентирована на пары «инструкция — ответ», а не на непринуждённый чат. В обучении использовались синтетические данные, включая примеры с ослабленными ограничениями на ответы. Разработчик предупреждает, что модель может выдавать ненормативную лексику и чувствительный или откровенный контент, а также рекомендует останавливать генерацию при появлении новой реплики USER. Лицензия указана как Llama 2; применение должно соответствовать её условиям.