I.5Создание и редактирование текста

Athena-7B-Instruct — многоязычная языковая модель семейства Llama, представленная пользователем Mewingk. Это плотная decoder-only архитектура LlamaForCausalLM с 7,2 млрд параметров по README; метаданные каталога при этом указывают 2,1 млн параметров. Модель прошла инструкционное дообучение и предназначена для генерации текста и выполнения инструкций на разных языках. Модель можно применять для диалогов, ответов на вопросы, написания и преобразования текста. В README заявлены предварительное обучение на 2,5 трлн токенов более чем на 60 языках, 32 слоя, GQA с 8 KV-головами и контекст 8192 токена; метаданные указывают нативный контекст 512 токенов. Лицензия — Apache-2.0. Заявленные характеристики размера и контекста расходятся между README и метаданными, поэтому фактическую конфигурацию следует сверить с файлами весов. Нет сведений о специализированной предметной области или оценках качества.

Модель senaro/atlasv25-oss20b-bf16 разработана senaro и представляет собой дообученную языковую модель семейства gpt_oss с архитектурой MoE. Она основана на senaro/atlasv25-trm-gptoss-20b-unsloth; в карточке указано обучение с использованием Unsloth и библиотеки TRL. Репозиторий содержит веса Safetensors, лицензия — Apache-2.0. Модель предназначена для генерации текста и диалогового общения; также заявлен интерфейс вызова инструментов. Контекстное окно составляет 131 072 токена. Метаданные указывают 1,6 млрд параметров, английский язык и задачу text-generation. Данных о специальных предметных областях или дополнительных модальностях нет.

PauloIAVPS/ats-qwen2.5-3b — дообученная плотная языковая модель семейства Qwen2.5, разработанная PauloIAVPS на основе unsloth/qwen2.5-3b-instruct-unsloth-bnb-4bit. Модель содержит 3,1 млрд параметров, принимает текст и предназначена для генерации текста в диалоговых сценариях; в метаданных также заявлен интерфейс вызова инструментов. Модель обучалась с использованием Unsloth и библиотеки Hugging Face TRL. Её контекстное окно составляет 32 768 токенов. В карточке указан английский язык. Модель распространяется по лицензии Apache-2.0.

Модель для генерации текста, размещённая в репозитории gradients-io-tournaments/augmented-8a3f84c4cc4a752. Она предназначена для создания продолжений текста и диалоговых ответов в приложениях на базе Transformers. Модель имеет около 1,2 млрд параметров, поддерживает контекст длиной до 131 072 токенов и распространяется в формате, совместимом с библиотекой Transformers и safetensors. В метаданных она связана с семейством Llama и conversational-сценариями, однако подробности об архитектуре, обучающих данных, языках, разработчиках, лицензии и результатах оценки не приведены. Модель может использоваться для чат-ботов, генерации черновиков и продолжения текстов. Из-за отсутствия сведений об обучении и тестировании результаты следует проверять, особенно в задачах, требующих фактической точности, безопасности или специализированной экспертизы.

gradients-io-tournaments/augmented-8bc5002e812b62b4 — генеративная языковая модель, опубликованная на Hugging Face и предназначенная для создания текста. Модель доступна через библиотеку Transformers и использует формат Safetensors; в метаданных присутствуют теги Llama и conversational. Модель содержит около 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Её можно применять для диалоговых сценариев, генерации продолжений текста, подготовки черновиков и интеграции в приложения на базе Transformers. README не содержит сведений о разработчике, языках, лицензии, обучающих данных, результатах оценки, рисках и конкретных ограничениях модели. Поэтому её качество, безопасность, языковое покрытие и пригодность для специализированных задач необходимо проверять самостоятельно.

Aura32k — слитая модель для генерации текста на архитектуре Mistral, созданная автором jeiku с помощью mergekit. В объединение вошли jeiku/32kBase и jeiku/selfbot_256_mistral; применён метод passthrough. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогов; метаданные также отмечают интерфейс вызова инструментов. Репозиторий содержит веса safetensors и рассчитан на использование с библиотекой Transformers. Данных о поддерживаемых естественных языках и специальных прикладных областях нет. Лицензия в предоставленных данных не указана.

Aura_Qwen2_v3_7B — объединённая разговорная языковая модель на базе архитектуры Qwen2, созданная jeiku методом Model Stock с помощью mergekit. В объединение вошли jeiku/dontusethis и три варианта с LoRA: ResplendentAI/Qwen_Soul_LoRA_128, ResplendentAI/Qwen_jeiku_LoRA_128 и ResplendentAI/Qwen_Sissification_LoRA_128. Модель содержит 7,1 млрд параметров, использует архитектуру Qwen2ForCausalLM и формат safetensors; заявленный нативный контекст — 131 072 токена. Модель предназначена для генерации текста и диалогового общения. В карточке не приведены сведения о конкретных языках или специализированных предметных областях. Лицензия в предоставленных данных не указана.

Aura_Qwen_7B — созданная с помощью mergekit объединённая языковая модель на базе архитектуры Qwen2. В неё вошли jeiku/dontusethis и ResplendentAI/Qwen_jeiku_LoRA_128; при объединении использован метод passthrough, веса представлены в safetensors. Модель предназначена для генерации текста и диалогового общения. Она содержит 7,1 млрд параметров и поддерживает контекст длиной до 131 072 токенов. Карточка не уточняет языки, на которых модель обучалась, её специализацию или лицензию.

AutomatosX AX-Qwen3.8-27B-MLX-AXQ-6bit-MTP — это смешанно-точный квантованный MLX-чекпойнт на базе Qwen/Qwen3.8-27B, преобразованный компанией AutomatosX непосредственно из исходной модели BF16. Модель предназначена для генерации текста и запуска на устройствах Apple Silicon через MLX-LM, а также для нативного выполнения в AX Engine и интеграции с oMLX Lightning MTP. Модель имеет плотную архитектуру Qwen3_5ForConditionalGeneration и 27,36 млрд логических параметров. Основной языковой тракт квантован с использованием AXQuant 1.6.2; заявленный класс хранения — 6 bit, измеренный общий показатель с учётом MTP составляет 6,0001 BPW. Голова multi-token prediction и vision tower сохранены в BF16. Поддерживаются текст и vision-сценарии, аудио не поддерживается. Максимальный заявленный контекст — 262 144 токена, однако практический предел зависит от объёма unified memory. Размер весов составляет около 20,84 ГБ, полный загрузочный объём — около 20,86 ГБ. Сильными сторонами являются сохранение повышенной точности для отдельных компонентов, наличие MTP и vision tower, а также оптимизация под Apple Silicon. При этом стандартный запуск через MLX-LM гарантирует только текстовый inference и может не использовать MTP, vision-компоненты и метаданные AXQuant. Заявления об ускорении MTP ограничены профилями, указанными в сертификатах, поэтому фактическую производительность следует проверять в целевой конфигурации. Репозиторий содержит MLX Safetensors и не содержит весов PyTorch или GGUF. Модель распространяется по лицензии Apache-2.0.

aya-23-35B-GGUF — это набор квантизированных моделей в формате GGUF для запуска через llama.cpp. Основой служит языковая модель aya-23-35B, разработанная CohereForAI, а квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и диалоговых сценариев, включая ответы на вопросы, написание и преобразование текста на нескольких языках. Заявлена поддержка английского, французского, немецкого, испанского, итальянского, португальского, японского, корейского, китайского, арабского, греческого, персидского, польского, индонезийского, чешского, иврита, хинди, нидерландского, румынского, русского, турецкого, украинского и вьетнамского языков. Размер базовой модели — 35B параметров; сведения об архитектуре и размере контекста в README не указаны. Доступны варианты с разными уровнями квантизации: от IQ1 и IQ2 с минимальным размером и более низким качеством до Q6_K и Q8_0 с высоким качеством, но большими требованиями к памяти. Рекомендуемыми названы варианты Q4_K_M, Q5_K_M и Q6_K, а также некоторые IQ-квантизации. Главное преимущество модели — возможность локального запуска в llama.cpp при выборе подходящего уровня квантизации, включая варианты для ограниченного объёма оперативной памяти. Ограничения связаны с компромиссом между качеством и размером: низкобитные варианты заметно уступают по качеству, а высококачественные требуют десятки гигабайт памяти. Лицензия — CC BY-NC 4.0, допускающая использование с ограничениями, включая запрет коммерческого применения.

Aya 23 8B — многоязычная инструкционно дообученная языковая модель, разработанная Cohere For AI. Представлена в формате GGUF для локального запуска; квантизацию выполнил bartowski на основе llama.cpp. Модель предназначена для генерации текста и работы в диалоговом режиме, включая общие задачи, рассуждения и обработку запросов на разных языках. Модель содержит около 8 млрд параметров и относится к текстовым моделям. Она поддерживает арабский, китайский, чешский, нидерландский, английский, французский, немецкий, греческий, иврит, хинди, индонезийский, итальянский, японский, корейский, персидский, польский, португальский, румынский, русский, испанский, турецкий, украинский и вьетнамский языки. В README указано, что для своего размера модель показывает хорошие результаты в многоязычных задачах и логике, однако конкретные показатели, архитектура и размер контекстного окна не приведены. Для корректной работы в LM Studio рекомендуется использовать шаблон подсказок Cohere Command R. Сильными сторонами модели являются многоязычность, инструкционное обучение и относительно небольшой размер, удобный для локального применения. Ограничения включают возможные неточности, вредные или неуместные ответы, а также отсутствие в предоставленных данных детальной информации о производительности, архитектуре и требованиях к ресурсам. Лицензия модели — CC BY-NC 4.0, допускающая использование с ограничениями, включая некоммерческий характер применения.

Aya Expanse 8B — многоязычная языковая модель для генерации текста, разработанная CohereForAI. Данная версия распространяется в формате GGUF и представляет собой квантованную сборку исходной модели CohereForAI/aya-expanse-8b; квантование выполнено bartowski на основе llama.cpp. Модель предназначена для локального запуска и поддерживает контекст длиной до 8192 токенов. Модель ориентирована на работу с текстом на 23 языках, включая английский, французский, немецкий, испанский, итальянский, португальский, японский, корейский, китайский, арабский, греческий, персидский, польский, индонезийский, чешский, иврит, хинди, нидерландский, румынский, русский, турецкий, украинский и вьетнамский. Ключевая сильная сторона — расширенные многоязычные возможности, что делает модель подходящей для генерации, преобразования и обработки текста в многоязычных сценариях. В README не приведены подробные сведения об архитектуре, конкретных результатах тестирования, требованиях к ресурсам или ограничениях качества, поэтому их оценку нельзя уточнить по имеющимся данным. Модель распространяется по лицензии CC-BY-NC-4.0 и предназначена только для некоммерческого использования. Также необходимо соблюдать C4AI Acceptable Use Policy и условия лицензионного соглашения Cohere; для доступа требуется принятие соответствующих условий и предоставление запрошенных данных.

Bagel-20B-v04 — дообученная модель jondurbin на базе InternLM2-20B, созданная для диалогов и широкого круга инструктивных задач. Это плотная языковая архитектура InternLM2 с 19,3 млрд параметров, контекстом до 32 768 токенов и форматом весов safetensors. Хотя в метаданных Hugging Face указана задача feature-extraction, каталог и описание модели подтверждают её применение для генерации текста; основная задача здесь — text-generation. Модель обучалась на наборах данных для диалогов, вопросов и ответов, суммаризации, математики, естественных наук, программирования, ролевого общения и вызова функций. README указывает четыре варианта форматирования запросов: Vicuna, Llama 2, Alpaca и ChatML; шаблон по умолчанию использует формат Llama 2. Она принимает текст и генерирует текст. Поддержка русского языка отдельно не заявлена; в данных есть многоязычное чтение и задачи на нескольких языках. Лицензия в метаданных обозначена как other, без уточнения конкретных условий. Модель унаследовала ограничения базовой языковой модели и обучающих данных; README также отмечает, что часть обучающих данных содержит токсичный контент. Результаты могут различаться в зависимости от формата запроса.

Bagel 34B v0.4 — это дообученная jondurbin модель на базе 01-ai/yi-34b-200k, разработанная с использованием вычислительных ресурсов Convai Technologies. Это плотная причинно-авторегрессионная модель семейства Llama с 33,9 млрд параметров и контекстом до 200 000 токенов. Она предназначена для генерации текста в диалогах и по инструкциям. Модель обучалась на разнообразных наборах данных для диалогов, ответов на вопросы, рассуждений, математики, программирования, суммаризации и ролевого общения. В карточке также перечислены данные для вызова функций и offensive cybersecurity, а README указывает на несколько вариантов формата запросов: Vicuna, Llama 2, Alpaca и ChatML; по умолчанию используется шаблон Llama 2. Метаданные отмечают поддержку чата, но отдельная возможность вызова инструментов не подтверждена. Модель принимает текст и генерирует текст. Данные карточки указывают на многоязычные обучающие материалы, включая набор Belebele, однако конкретный перечень поддерживаемых языков не задан. Лицензия обозначена как other, поэтому условия использования следует уточнить на странице модели. Обучение на разных форматах и источниках может давать неоднородное качество; ответы могут быть ошибочными, а специализированные навыки не гарантированы.

Bagel-8b-v1.0-GGUF — квантизированная версия текстовой генеративной модели bagel-8b-v1.0, разработанной jondurbin на базе Meta-Llama-3-8B. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix; модель распространяется в формате GGUF с вариантами квантизации от Q8_0 до IQ2_XXS. Модель предназначена для генерации и обработки текста, включая диалоговые сценарии, следование инструкциям, программирование, работу с математическими и естественно-научными задачами, суммирование, ответы на вопросы и function calling. Это одномодальная языковая модель: поддерживается только текстовый ввод и вывод. В README не указаны точный размер контекста, полный список поддерживаемых языков и подробные параметры архитектуры. Сильная сторона модели — выбор вариантов квантизации, позволяющий подобрать баланс между качеством, размером файла и требованиями к памяти: Q6_K и Q5 рекомендованы для высокого качества, а более компактные варианты подходят для систем с ограниченными ресурсами, хотя могут заметно уступать по качеству. Ограничения включают возможное ухудшение результатов при низких уровнях квантизации, а также отсутствие в представленных данных независимых оценок качества и подробностей о поведении модели в специализированных задачах. Лицензия обозначена как other с именем llama3; применяется лицензия Meta Llama 3, ссылка на текст которой приведена в карточке модели.

jondurbin/bagel-dpo-34b-v0.2 — экспериментальная дообученная чат-модель Джона Дурбина на базе Yi-34B-200K с методом bagel и дополнительным этапом DPO. Это плотная авторегрессионная модель семейства Llama с 33,9 млрд параметров, принимающая текст и генерирующая текст; заявленная длина контекста — 200 000 токенов. Веса опубликованы в формате safetensors. Модель предназначена для диалогов и широкого круга текстовых задач: ответов на вопросы, рассуждений, написания текстов, программирования, математики, ролевых сценариев и работы с контекстом. В обучении использованы наборы данных для инструкций, чатов, чтения с пониманием, кода, математики и других задач; автор отмечает, что применялись обучающие части наборов и выполнялась проверка на загрязнение данными бенчмарков. В карточке также заявлено, что включение toxic DPO должно снизить склонность к отказам; это может приводить к генерации токсичного или небезопасного содержания. Автор описывает модель как экспериментальную тонкую настройку. Для корректного поведения в диалоге могут понадобиться подходящий системный запрос и один из поддерживаемых форматов промпта: Vicuna, Llama 2, Alpaca или ChatML-подобный. Лицензия указана как other, поэтому условия использования следует уточнять в карточке репозитория; README отдельно оговаривает исследовательское и законное применение токсичных данных.

Bagel DPO 7B v0.1 — диалоговая языковая модель, разработанная jondurbin и дообученная методом прямой оптимизации предпочтений (DPO) на базе семейства Llama. Модель содержит 7,1 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текстовые запросы. Для общения применяются форматы Vicuna, Llama 2, Alpaca и ChatML; заявленная длина контекста — 32 768 токенов. Модель предназначена для диалогов и широкого круга инструктивных задач: ответов на вопросы, рассуждений, математики, написания кода и творческих текстов. В описании приведены результаты оценок на наборах ARC, BoolQ, GSM8K, MMLU и других, а также MT-Bench. Обучающие данные включают англоязычные и многоязычные источники, в том числе Belebele; карточка не уточняет полный перечень поддерживаемых языков. Автор предупреждает, что эта DPO-версия может чаще отказывать в ответах, чем недистиллированная от предпочтений версия. В данных обучения присутствует токсичный контент. Модель распространяется под лицензией Apache-2.0.

MaziyarPanahi/bagel-dpo-7b-v0.1-Mistral-7B-Instruct-v0.1 — объединённая чат-модель на основе Mistral-7B-Instruct-v0.1 и jondurbin/bagel-dpo-7b-v0.1. Веса объединены методом SLERP; архитектура — плотная авторегрессионная MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста в ответ на инструкции и ведения диалогов. Обучающие данные включают наборы для вопросов и ответов, рассуждений, математики, кода и диалогов, поэтому модель подходит для широкого спектра текстовых запросов. Указана лицензия Apache-2.0.

BagelWorldTour — объединённая языковая модель, созданная по запросу kalomaze с помощью mergekit. Она предназначена для генерации текста по запросам и диалогового взаимодействия. В основе лежит архитектура Mixtral с разреженной экспертной сетью (MoE); модель объединяет пять исходных моделей методом DARE TIES, используя mistralai/Mixtral-8x7B-v0.1 как базовую. Метаданные указывают 7,1 млрд параметров и контекст до 32 768 токенов. Модель подходит для свободной генерации текста и ответов в диалоге. В состав объединения входят instruct- и DPO-модели, а также Sensualize-Mixtral и limarp-zloss-mixtral, поэтому модель может выдавать откровенный контент. Данных о конкретной лицензии и языковом охвате в предоставленных источниках нет; условия использования следует сверять с лицензиями исходных моделей.

Baguettotron — компактная языковая модель PleIAs для генерации текста и решения задач с рассуждениями. Это плотная авторегрессионная модель семейства Llama с 320,9 млн параметров и 80 слоями; она обучена на 200 млрд токенов открытого синтетического набора PleIAs/SYNTH. Репозиторий содержит веса Safetensors для Transformers, а контекст модели составляет 4096 токенов. Модель предназначена для следования инструкциям, ответов на вопросы, извлечения и редактирования информации, простых математических задач, творческого письма и генерации с опорой на предоставленный контекст. Она обучена работать с английским, французским, немецким, итальянским, испанским и польским; README также упоминает более ограниченную поддержку латыни и нидерландского. Цепочки рассуждений формируются на английском. По заявлению разработчика, модель показывает сильные результаты среди моделей сопоставимого размера в ряде общих, математических и retrieval-бенчмарков. Baguettotron — небольшая модель, поэтому её возможности ограничены по сравнению с крупными языковыми моделями; заявленные результаты относятся к конкретным бенчмаркам и не гарантируют точность в каждом сценарии. Лицензия — Apache-2.0.

Baichuan-13B-Chat — диалоговая версия языковой модели Baichuan-13B, разработанная Baichuan Intelligent Technology. Это плотная авторегрессионная модель с примерно 12,9 млрд параметров, выровненная для общения и генерации текста; в README базовой указана Baichuan-13B-Base. Модель поддерживает китайский и английский языки, использует позиционные смещения ALiBi и имеет контекстное окно 4096 токенов. Модель предназначена для диалоговых приложений, ответов на вопросы и генерации текста на китайском и английском языках. README также описывает варианты квантования INT8 и INT4 для снижения требований к памяти, однако метаданные этого репозитория указывают формат PyTorch. Для академических исследований использование открыто; коммерческое применение требует предварительно получить письменное разрешение Baichuan. Как и другие большие языковые модели, она может генерировать неточные или нежелательные ответы.

Baichuan2-13B-Chat-4bits — версия чат-модели Baichuan 2 от Baichuan Intelligence, представленная в 4-битном квантованном варианте. Это плотная авторегрессионная модель на 13,3 млрд параметров для генерации текста и диалогового взаимодействия. Семейство Baichuan 2 обучено на 2,6 трлн токенов; версия Chat v2, согласно карточке, улучшает математические и логические рассуждения и следование сложным инструкциям. Модель ориентирована прежде всего на китайский и английский языки. Модель подходит для диалоговых помощников, ответов на вопросы, выполнения текстовых инструкций, а также задач общего характера в областях права, медицины, математики, программирования и многоязычного перевода. Карточка сообщает о 4-битном варианте для снижения требований к памяти. Для работы указан PyTorch 2.0 или новее. Для использования требуется соблюдать Apache 2.0 и лицензионное соглашение сообщества Baichuan 2. Коммерческое применение требует предварительного обращения за официальной лицензией и зависит от условий, изложенных в карточке. Модель может ошибаться; перед использованием в чувствительных сценариях её ответы следует проверять.

Barcenas-Qwen3.8-27B-Fable — плотная диалоговая модель на архитектуре Qwen3.5, созданная разработчиком Danielbrdz путём дообучения Qwen/Qwen3.8-27B на наборе saidutta69/fable-5-premium. В карточке она представлена как модель для генерации текста и работы с изображениями; поддерживает чат, а нативная длина контекста составляет 262 144 токена. В репозитории указано 22,3 млрд параметров и формат safetensors. Модель предназначена для диалогов и других задач генерации текста; разработчик отмечает, что обучение на данных чатов, дистиллированных из Claude Fable 5, призвано улучшить разговорные способности Qwen. Заявление о производительности, сопоставимой с GPT 5.6 Luna и более крупными моделями, приводится автором без результатов независимой оценки. Лицензия — Apache-2.0.

facebook/bart-large-xsum — модель семейства BART, дообученная на датасете XSum для автоматического реферирования англоязычных текстов. Разработана Facebook; модель подходит для создания краткого пересказа исходного материала. Архитектура — плотная encoder-decoder модель BartForConditionalGeneration с 252,8 млн параметров и контекстом до 1024 токенов. В карточке заявлена метрика ROUGE выше 22 на XSum. Модель принимает текст и генерирует текстовую сводку. Доступны веса в форматах PyTorch, TensorFlow и Flax. Лицензия — MIT.

bravend/bartpho-syllable-vi-spellcheck — дообученная VinAI BARTpho-syllable модель для проверки и исправления орфографии во вьетнамском языке. Она использует архитектуру encoder-decoder на базе mBART и общий энкодер с двумя головами: одна генерирует исправленный текст, другая определяет ошибки на уровне токенов. В репозитории указаны 242,3 млн параметров, контекст до 1024 токенов, формат safetensors и библиотека Transformers. Модель предназначена для проверки формального письменного вьетнамского в новостях, документах и отредактированной прозе. Её можно применять для автоматической коррекции предложений и предварительного выявления подозрительных слов; режим детекции работает без генерации и быстрее. Обучение включало синтетические орфографические ошибки и данные VSEC; модель оценивалась на этом бенчмарке. Модель хуже справляется с неформальной речью и интернет-сленгом, редко отмечает имена собственные и может ошибочно помечать допустимые орфографические варианты. Она обучалась на отдельных предложениях, поэтому длинные тексты следует предварительно разделять на предложения; входы длиннее 1024 токенов также нужно делить. Для загрузки требуются классы из репозитория через trust_remote_code=True. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование.

jaspionjader/bbb-3 — слитая языковая модель на архитектуре Llama, созданная автором репозитория с помощью mergekit и метода Model Stock. В слиянии использованы jaspionjader/kstc-4-8b и jaspionjader/bbb-2, а в качестве базовой модели указана jaspionjader/kstc-5-8b. Модель содержит 7,5 млрд параметров и рассчитана на генерацию текста и диалоговое взаимодействие; заявленная длина контекста — до 131 072 токенов. Модель подходит для диалоговых сценариев и генерации текстовых ответов. Репозиторий содержит веса в формате safetensors; в README также указана точность bfloat16. Данных о целевых языках и специализированных предметных областях в предоставленных источниках нет. Условия лицензирования не приведены в доступных данных.

Beagle14-7B — языковая модель, созданная mlabonne слиянием моделей fblgit/UNA-TheBeagle-7b-v1 и argilla/distilabeled-Marcoro14-7B-slerp методом SLERP с помощью LazyMergekit. Она предназначена для генерации текста и ответов на запросы в сценариях общего назначения. Модель построена на плотной архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В README приведены результаты оценок на наборах Nous Suite и Open LLM Leaderboard; они дают ориентир для сравнения, но не гарантируют качество в конкретных задачах. Модель опубликована в формате Safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Beetle-FineWeb2-24B/beetle-bilingual-b3-fineweb-24b-deu-eng-ewc — языковая модель для генерации текста, опубликованная на Hugging Face и предназначенная для работы через библиотеку Transformers. По идентификатору модели она относится к двуязычному семейству Beetle-FineWeb2 с размером около 24 млрд параметров и поддержкой немецкого и английского языков. В метаданных также указана архитектурная метка pico_decoder. Модель можно применять для продолжения текста, генерации ответов, черновиков и других сценариев, основанных на text-generation. README не содержит сведений о разработчике, обучающих данных, результатах оценки, длине контекста, лицензии, рекомендуемых параметрах запуска или специальных ограничениях использования. Из-за неполноты документации качество, языковые возможности, безопасность и пригодность модели для конкретных прикладных областей требуют самостоятельной проверки.

Beetle-FineWeb2-24B/beetle-bilingual-balanced-b1-fineweb-ita-eng — генеративная языковая модель для создания текста на основе заданного контекста. Модель опубликована на Hugging Face и предназначена для использования с библиотекой Transformers; по названию относится к семейству Beetle-FineWeb2 и имеет размер 24B параметров. В метаданных указан pipeline text-generation и тег pico_decoder. По названию модель ориентирована на двуязычные сценарии с итальянским и английским языками, включая продолжение текста, генерацию ответов и подготовку черновиков. README содержит автоматически созданную карточку без сведений о разработчике, лицензии, обучающих данных, оценках, контексте и специальных ограничениях, поэтому перед продуктивным применением необходимы самостоятельные проверки качества, безопасности и совместимости.

Beetle-FineWeb2-24B/beetle-bilingual-l2-50-classroom-20-b4-fineweb-rus-eng — модель генерации текста из семейства Beetle-FineWeb2, представленная на Hugging Face для использования через библиотеку Transformers. Идентификатор модели указывает на двуязычную специализацию для русского и английского языков и размер семейства 24B; также в названии упоминается FineWeb и вариант classroom. Разработчик, точная архитектура, контекст, лицензия и результаты оценки в доступной карточке не описаны.