I.5Создание и редактирование текста

Llama-3.3-70B-Instruct-abliterated-GGUF — квантизированная GGUF-версия инструкционной языковой модели Llama 3.3 с заявленным размером 70 млрд параметров. Модель подготовлена и опубликована bartowski, а исходная модель разработана Meta. Она предназначена для генерации текста и выполнения инструкций в диалоговых и прикладных сценариях, включая ответы на вопросы, написание и преобразование текста, а также другие задачи обработки естественного языка. В метаданных указаны языки английский, французский, итальянский, португальский, хинди, испанский, тайский и немецкий. Модель работает только с текстом; сведения о поддерживаемых модальностях, архитектуре в деталях и размере контекста в предоставленных данных отсутствуют. Формат GGUF ориентирован на локальный запуск в совместимом программном обеспечении, а квантизация может снизить требования к памяти по сравнению с полной версией, но конкретный вариант квантизации в README не указан. Суффикс «abliterated» указывает на модифицированную версию, однако подробности изменений, их влияние на качество и безопасность, а также результаты тестирования не приведены. Поэтому характеристики точности, устойчивости и ограничения модели следует проверять отдельно. Распространение и использование основаны на Llama 3.3 Community License от Meta с требованиями по соблюдению Acceptable Use Policy, включению текста лицензии и атрибуции «Built with Llama» при распространении материалов или производных продуктов; для организаций с более чем 700 миллионами ежемесячных пользователей предусмотрено отдельное лицензионное условие.

bartowski/Llama-3.3-70B-Instruct-GGUF — квантизированная версия инструкционной языковой модели Llama 3.3 70B Instruct, разработанной Meta и подготовленной в формате GGUF пользователем bartowski. Модель предназначена для генерации текста и выполнения инструкций в диалоговых и прикладных сценариях, однако конкретные поддерживаемые языки, размер контекста и детали архитектуры в предоставленном README не указаны. Ключевая характеристика этой версии — квантизация, которая обычно позволяет снизить требования к памяти по сравнению с полноразмерными весами, но может сопровождаться некоторой потерей качества; конкретный уровень квантизации README не сообщает. Модель ориентирована на текстовые задачи, а сведения о мультимодальности отсутствуют. Ограничения, показатели качества и рекомендации по аппаратному обеспечению также не приведены, поэтому их нельзя достоверно оценить по имеющимся данным. Модель распространяется на условиях Llama 3.3 Community License от Meta. Лицензия предоставляет ограниченные права на использование, воспроизведение, распространение и модификацию при соблюдении условий соглашения, включая передачу текста лицензии, указание «Built with Llama», обязательное уведомление об авторских правах и соблюдение Acceptable Use Policy. Для продуктов или сервисов с более чем 700 миллионами ежемесячных активных пользователей требуется отдельное разрешение Meta.

DavidAU дообучил модель семейства Llama 3.3 для генерации текста с короткими рассуждениями, следуя стилю Claude Haiku, на 1700 примерах датасета TeichAI/claude-haiku-4.5-high-reasoning-1700x. Это плотная авторегрессионная модель на 7,5 млрд параметров с архитектурой LlamaForCausalLM и контекстом до 131 072 токенов; в карточке указано, что обучение затронуло около 2,05% параметров. Модель предназначена для диалогов, пошагового обдумывания запросов, объяснений, планирования и творческого письма, включая рассказы и ролевые сценарии. Карточка сообщает о поддержке нескольких языков, в том числе русского, английского, французского, немецкого, испанского, итальянского, португальского, китайского, японского и корейского. Возможны устаревшие знания и проблемы, унаследованные от Llama; качество и форматирование зависят от настроек генерации и уровня квантования. Лицензия — Apache-2.0.

Crystalcareai/llama-3-4x8b — разговорная языковая модель для генерации текста. В README она описана как смесь экспертов на основе Llama-3-8b с четырьмя экспертами и архитектурой DeepSeek-MoE; все эксперты участвуют в обработке каждого токена, без маршрутизации и gate-механизма. Метаданные классифицируют архитектуру как плотную DeepseekForCausalLM и указывают 7,5 млрд параметров, контекст 8192 токена и формат safetensors. Модель предназначена для диалога и генерации текста. Карточка не сообщает, на каких данных она обучалась и какие языки поддерживает. Лицензия в предоставленных сведениях не указана.

AdrienB134/Llama-3-8B-ASN-alpha — дообученная AdrienB134 языковая модель семейства Llama 3 для генерации текста. Она основана на unsloth/llama-3-8b-bnb-4bit; для обучения использовались Unsloth и библиотека TRL. Модель имеет плотную архитектуру LlamaForCausalLM и около 7,5 млрд параметров, принимает текст и генерирует текст. Указанная длина контекста — 8196 токенов. В карточке отмечена поддержка английского языка. Модель распространяется по лицензии Apache-2.0.

ruslandev/llama-3-8b-gpt-4o-ru1.0 — диалоговая языковая модель, дообученная автором на базе Meta Llama 3 8B Instruct. Обучение продолжалось одну эпоху на двух NVIDIA A100 на наборе примеров, сформированном из подмножества Tagengo GPT-4 и улучшенном с помощью GPT-4o; около 80% примеров ориентированы на русский язык. Модель построена на плотной архитектуре LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Модель предназначена для диалогов и генерации ответов, особенно на русском языке. В карточке автор приводит результаты MT-Bench: 8,12 для русского и 8,01 для английского; эти оценки отражают заявленную автором проверку. Модель доступна в форматах PyTorch и Safetensors, а для локального запуска автор также указывает отдельную GGUF-версию. Лицензия — Llama 3 License.

AI Sweden Models дообучила эту плотную языковую модель семейства Llama 3 на базе AI-Sweden-Models/Llama-3-8B. Модель содержит 7,5 млрд параметров, предназначена для генерации текста и поддерживает диалоговый режим; заявленные языки — шведский, датский и норвежский. Контекст составляет до 8192 токенов. Модель подходит для диалогов и генерации текстов на этих языках. Обучение проводилось на суперкомпьютере LUMI в рамках проекта DeployAI EU. Модель распространяется по лицензии Llama 3; условия лицензии следует соблюдать при её использовании.

MaziyarPanahi/Llama-3-8B-Instruct-DPO-v0.1 — диалоговая языковая модель, созданная MaziyarPanahi дообучением Meta-Llama-3-8B-Instruct методом DPO. Она предназначена для генерации ответов в диалоге и других текстовых задач. Модель использует архитектуру LlamaForCausalLM с плотной сетью, содержит 7,5 млрд параметров и принимает шаблон ChatML. Контекст составляет 8192 токена; в карточке указан английский язык. Модель распространяется в формате safetensors для использования с библиотекой Transformers. Лицензия указана как other; условия её использования следует сверять с карточкой модели и базовой модели.

Llama-3-8B-Instruct-GGUF — квантизированная GGUF-версия языковой модели Meta-Llama-3-8B-Instruct, разработанной Meta. Квантизацию выполнила Second State Inc. Модель предназначена для генерации текста и диалогового взаимодействия с использованием шаблона запросов llama-3-chat, а также для локального запуска через llama.cpp и LlamaEdge. Модель относится к архитектуре Llama и содержит 8 миллиардов параметров. Это текстовая модель с поддержкой английского языка и контекстом до 8192 токенов. Доступны варианты квантизации от 2 до 8 бит, а также версия f16; размеры файлов составляют примерно от 3,18 до 16,1 ГБ. Вариант Q4_K_M позиционируется как сбалансированный по качеству и размеру, а Q5_K_M и Q5_K_S — как варианты с небольшими потерями качества. Основные преимущества модели — относительно компактный размер, возможность локального развертывания и выбор между несколькими уровнями квантизации. Существенным ограничением является потеря качества у низкобитных вариантов, особенно Q2 и Q3; README также не содержит результатов бенчмарков или подробных сведений о безопасности и ограничениях применения. Указана лицензия Llama 3 с обозначением llama3; условия использования следует уточнять в лицензии Meta.

Llama-3-8B-Instruct-Gradient-1048k-GGUF — набор GGUF-квантизаций модели Llama-3-8B-Instruct-Gradient-1048k, разработанной Gradient AI и подготовленной для распространения пользователем bartowski. Модель предназначена для генерации текста и диалоговых сценариев с использованием шаблона сообщений Llama 3; заявленный контекст — до 1 048 000 токенов. Указан английский язык, поддерживается текстовая модальность. Модель основана на архитектуре Llama 3 с примерно 8 млрд параметров. Набор включает варианты квантизации от Q8_0 до Q2_K и IQ2–IQ4, что позволяет выбирать между качеством, размером файла и требованиями к памяти. Наиболее качественными в README названы Q8_0 и Q6_K, а Q5_K_M, Q5_K_S, Q4_K_M и другие варианты рекомендованы как компромисс между качеством и потреблением ресурсов. Файлы предназначены для запуска через llama.cpp; квантизация выполнена с использованием imatrix. Сильными сторонами являются большой заявленный контекст, широкий выбор уровней квантизации и возможность локального запуска на оборудовании с разным объёмом памяти. Более сильное сжатие уменьшает размер модели, но снижает качество генерации; варианты Q2 и часть Q3 описаны как низкокачественные или пригодные главным образом при жёстких ограничениях памяти. В README указана лицензия llama3; отдельные требования исходной модели и ограничения применения следует уточнять в условиях этой лицензии.

QuantFactory/Llama-3-8B-Instruct-Gradient-1048k-GGUF — это квантизированная версия Gradient Llama-3-8B-Instruct-Gradient-1048k в формате GGUF, созданная с использованием llama.cpp. Базовая модель разработана Gradient на основе Meta Llama 3 8B Instruct; исходное семейство Llama 3 разработано Meta. Модель предназначена для генерации текста и кода, диалоговых сценариев, создания ассистентов и обработки очень больших текстовых документов. Модель использует авторегрессионную архитектуру оптимизированного Transformer с Grouped-Query Attention, содержит около 8 млрд параметров и работает только с текстом на входе и выходе. Заявленное контекстное окно расширено с 8 тысяч до более чем 1,04 млн токенов. Расширение выполнено с помощью оптимизации RoPE theta, NTK-aware interpolation и последовательного обучения на контекстах длиной 65K, 262K, 524K и 1048K токенов. В README указан английский язык, а для обучения длинного контекста использовались данные на основе SlimPajama. Ключевое преимущество модели — сочетание относительно компактного размера, формата GGUF для использования в экосистеме llama.cpp и поддержки сверхдлинного контекста, что может быть полезно при анализе крупных документов и длинных последовательностей. Ограничения включают текстовую модальность, отсутствие подробных результатов оценки качества и конкретных характеристик квантизации в представленном README, а также возможное снижение точности по сравнению с полной или менее квантизированной версией. В качестве лицензии указана llama3.

QuantFactory/Llama-3-8B-Instruct-Gradient-1048k-GGUF-v2 — квантованная GGUF-версия модели gradientai/Llama-3-8B-Instruct-Gradient-1048k, созданная QuantFactory с использованием llama.cpp. В основе лежит Meta Llama 3 8B Instruct, дообученная Gradient при спонсорской поддержке вычислительной инфраструктуры Crusoe Energy. Версия v2 использует обновлённые веса исходной модели и дополнительно усиливает диалоговые возможности ассистента. Модель предназначена для генерации текста и кода, диалоговых сценариев и обработки исключительно текстовых входных данных. Её ключевая особенность — расширенный контекст длиной более 1,04 млн токенов вместо стандартных 8 тысяч у базовой Llama 3. Для этого применялись NTK-aware interpolation, оптимизация параметра RoPE theta и прогрессивное обучение на последовательно увеличивающихся длинах контекста. Архитектурно это авторегрессионная модель на основе оптимизированного Transformer с Grouped-Query Attention; размер — 8 млрд параметров. Заявлена поддержка английского языка. Сильная сторона модели — способность работать с очень большими текстовыми контекстами; в README приведены результаты тестов Needle-in-a-Haystack на длинах до 1 040 200 токенов, включая высокую точность на описанных сценариях. Ограничения включают текстовую модальность, зависимость практической производительности от используемой квантовки и аппаратного обеспечения, а также отсутствие подробных сведений о конкретном формате квантования, требованиях к памяти и скорости инференса. Модель распространяется по лицензии Llama 3.

Модель munish0838/llama-3-8b-Instruct-Matter-0.1-Slim-A — дообученная авторегрессионная языковая модель семейства Llama 3, разработанная munish0838 на основе unsloth/llama-3-8b-Instruct-bnb-4bit. Она предназначена для генерации текста и диалогового общения. Модель содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. При обучении использовались Unsloth и библиотека TRL. Модель принимает текст и выдаёт текст; в карточке указан английский язык. Репозиторий распространяется по лицензии Apache-2.0. Карточка не приводит сведений о специализированных областях применения или дополнительных возможностях.

failspy/Llama-3-8B-Instruct-MopeyMule — разговорная языковая модель на базе семейства Llama 3, разработанного Meta. Она предназначена для диалоговых сценариев и генерации текста и кода; подходит для создания ассистентов, ответов на запросы и других задач генерации на естественном языке. Модель использует авторегрессионную архитектуру Transformer с Grouped-Query Attention (GQA) и содержит около 7,5 млрд параметров. Она принимает текст, выдаёт текст и рассчитана прежде всего на английский язык. Длина контекста составляет 8192 токена. Репозиторий содержит веса в формате safetensors. В README указана лицензия Meta Llama 3 с условиями коммерческого и исследовательского использования, а также ограничениями Acceptable Use Policy. Базовая карточка описывает семейство Llama 3 и не подтверждает отдельно происхождение или дополнительные особенности варианта MopeyMule.

Maziyar Panahi разработал Llama-3-8B-Instruct-v0.10 на основе своей предыдущей инструкционной модели MaziyarPanahi/Llama-3-8B-Instruct-v0.9. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров для генерации текста и диалогового взаимодействия; она поддерживает шаблон запросов ChatML и рассчитана на контекст до 8192 токенов. Модель подходит для ответов на запросы, ведения диалога и генерации текста на английском языке. В карточке приведены результаты оценки на Open LLM Leaderboard, включая IFEval и BBH. Для работы доступны веса Safetensors и библиотека Transformers; автор также указывает на отдельную версию в формате GGUF. Лицензия обозначена как other, поэтому условия использования следует уточнить в репозитории модели.

Llama-3-8B-Instruct-v0.2 — диалоговая языковая модель Maziyar Panahi, созданная на основе серии Llama-3-8B-Instruct-DPO. Это плотная авторегрессионная архитектура LlamaForCausalLM с 7,5 млрд параметров и контекстом 8192 токена, предназначенная для генерации текста и переписки в формате ChatML. Модель подходит для диалоговых помощников, составления и продолжения текстов, а также ответов на запросы на английском языке. Для запуска можно использовать библиотеку Transformers. В репозитории указаны веса safetensors; README также ссылается на отдельную страницу с квантованными версиями GGUF. Модель дообучена на MaziyarPanahi/Llama-3-8B-Instruct-DPO-v0.2. Лицензия обозначена как other, поэтому условия использования следует сверить с карточкой модели. Данных о специализированной предметной области нет.

Magpie-Align/Llama-3-8B-Magpie-Align-SFT-v0.3 — плотная языковая модель семейства Llama 3, созданная Magpie-Align дообучением Meta-Llama-3-8B методом supervised fine-tuning на наборах Magpie-Pro-MT-300K-v0.1, Magpie-Reasoning-150K и Magpie-Qwen2-Pro-200K-Chinese. Размер модели — 7,5 млрд параметров, контекст — 8192 токена; она принимает текстовые запросы и генерирует текст, в том числе в формате диалога по официальному шаблону Llama 3. Модель предназначена для следования инструкциям, диалогов, рассуждений и генерации ответов на английском и китайском языках. Авторы сообщают о результатах, сопоставимых с Llama-3-8B-Instruct при использовании только SFT; эти показатели относятся к указанным в карточке бенчмаркам и не гарантируют качество в каждом сценарии. Модель доступна на условиях лицензии Meta Llama 3 Community License.

Llama-3-8B-OpenHermes-2.5-1M — дообученная разговорная языковая модель на архитектуре Llama, созданная на основе meta-llama/Meta-Llama-3-8B. В репозитории указаны размер 7,5 млрд параметров, поддержка чата и контекст до 8192 токенов; модель распространяется в форматах PyTorch и safetensors. Модель предназначена для генерации текста в диалоговом формате. Её можно применять для ответов на вопросы, ведения диалога и создания текстовых черновиков. В карточке приведён результат оценки Loss 0,6993, но подробности набора данных и методики оценки отсутствуют. Лицензия — llama3; условия использования следует сверять с лицензией базовой модели Meta.

Z3R6X/Llama-3-8B-ORPO-V1 — разговорная языковая модель на архитектуре Llama 3, дообученная автором репозитория методом ORPO на наборе mlabonne/orpo-dpo-mix-40k. Модель содержит 7,5 млрд параметров и предназначена для генерации текста в диалоге и ответов на запросы. В README указано, что при обучении применялись LoRA с рангом 16 и 4-битная квантизация для экономии памяти; длина последовательности при обучении была сокращена до 1024 токенов. Метаданные указывают контекст до 8192 токенов и формат весов safetensors. В README приведены результаты MMLU, BoolQ и Winogrande, полученные с lm-evaluation-harness v0.4.2; это отдельные сравнительные замеры, а не гарантия качества в конкретном применении. Модель рассчитана на текстовый ввод и генерацию текста, интерфейс чата отмечен в метаданных. Указана лицензия llama3; перед использованием следует соблюдать её условия. Карточка описывает дообучение Llama 3, поэтому производная классифицируется как finetune.

Llama-3-8B-ProLong-64k-Instruct — диалоговая языковая модель Princeton NLP на архитектуре Llama 3 с 7,5 млрд параметров. Это вариант ProLong, дообученный для следования инструкциям и работы с длинным контекстом; в README описано продолженное обучение на данных до 64K токенов и supervised fine-tuning на UltraChat. Метаданные указывают контекст до 65 536 токенов. Модель предназначена для диалогов, генерации текста и задач, где нужно учитывать длинные документы или историю переписки. Авторы представляют семейство ProLong как модель для длинного контекста и сообщают об оценке на HELMET. Репозиторий использует формат Safetensors и лицензию Llama 3. README приводит характеристики обучения для основной версии семейства с контекстом 512K, поэтому эти параметры не следует переносить на вариант 64K.

Llama-3-8B-Synthia-v3.5 — языковая модель общего назначения на архитектуре Llama, дообученная на наборе Synthia-v3.5 и других общедоступных данных. Вычисления для обучения профинансировала KindoAI. Модель содержит около 7,5 млрд параметров и рассчитана на контекст до 8192 токенов. Модель дообучена для следования инструкциям и ведения длительных диалогов. Её можно использовать для ответов на вопросы, диалогового помощника, генерации и продолжения текста. Карточка описывает оценивание на наборах задач Language Model Evaluation Harness, но не приводит результаты метрик. Модель может выдавать неточные или вводящие в заблуждение ответы, а также предвзятый, оскорбительный или иной неподходящий контент. В README она обозначена как uncensored. Лицензия — Llama 3 Community License (llama3).

Llama-3-8B-Tulu-330K — дообученная модель для генерации текста на основе Meta Llama 3 8B. Она предназначена для диалогового взаимодействия и генерации ответов; в карточке приведён результат оценки: loss 1,0525. Модель содержит около 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и поддерживает контекст до 8192 токенов. Доступны веса PyTorch и Safetensors. Модель создана дообучением meta-llama/Meta-Llama-3-8B с помощью Axolotl 0.4.0. Описание в README не уточняет назначение датасета и конкретные сильные стороны или ограничения. Лицензия — Llama 3; использование регулируется её условиями.

Llama-3-DARE-v2-8B — объединённая языковая модель, созданная с помощью mergekit методом DARE TIES. В основе лежит meta-llama/Meta-Llama-3-8B, в объединение также включена meta-llama/Meta-Llama-3-8B-Instruct. Модель разработана автором репозитория rmihaylov и предназначена для генерации текста и диалоговых ответов. Модель имеет архитектуру LlamaForCausalLM с плотной структурой и примерно 7,5 млрд параметров. Она принимает текст и выдаёт текст, поддерживает контекст длиной до 8192 токенов и рассчитана преимущественно на английский язык. Файлы представлены в формате safetensors; библиотека для работы — Transformers. Лицензия указана как other, поэтому условия использования следует сверять с карточками базовых моделей и условиями, указанными автором репозитория. Карточка не сообщает результаты оценки качества или отдельные ограничения модели.

Llama3-DiscoLeo-Instruct-8B-v0.1 — немецкоязычная инструктивная языковая модель, совместно разработанная DiscoResearch и Occiglot при поддержке DFKI и hessian.Ai. Она создана дообучением DiscoResearch/Llama3-German-8B на немецком наборе инструкций DiscoResearch. Базовая модель восходит к Meta Llama 3 8B и прошла продолжительное предобучение на 65 млрд немецких токенов. Модель построена на плотной архитектуре Llama с примерно 7,5 млрд параметров; использует шаблон диалога Llama 3 и рассчитана на контекст до 8192 токенов. Она предназначена для диалогов и выполнения инструкций на немецком языке, а опубликованные оценки охватывают немецкие и английские тесты. Модель распространяется в формате safetensors по лицензии Llama 3.

Llama3-dolphin-slerp — диалоговая языковая модель, созданная слиянием методом SLERP моделей Dolphin 2.9 Llama 3 8B и Llama 3 8B Lexi Uncensored с помощью mergekit. Она предназначена для генерации текста и ведения диалогов. Архитектура — плотная LlamaForCausalLM, размер — 7,5 млрд параметров, контекст — до 8192 токенов; модель принимает и выдаёт текст. Слияние объединяет характеристики двух исходных моделей, одна из которых описана в каталоге как модель для диалоговой генерации и следования инструкциям с ослабленными ограничениями на ответы. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

Llama-3-Instruct-8B-SimPO-IMat-GGUF — это GGUF-квантизированная версия языковой модели Llama-3-Instruct-8B-SimPO, разработанной Princeton NLP. Квантизацию выполнил legraphista с использованием llama.cpp версии b3023 и калибровочных данных IMatrix. Модель предназначена для генерации текста и диалоговых сценариев, включая работу через совместимые с llama.cpp приложения и локальный инференс. Модель имеет размер 8B параметров и поставляется в нескольких вариантах GGUF: от BF16 и FP16 до Q8_0, Q6_K, Q5_K, Q4_K, Q3_K, Q2_K и IQ-квантов. Для ряда вариантов применена IMatrix-квантизация, призванная улучшить сохранение качества при уменьшении размера модели. Размер файлов варьируется примерно от 3,18 до 16,07 ГБ. README не указывает поддерживаемые языки, размер контекста и мультимодальные возможности, поэтому модель следует рассматривать как текстовую. Сильная сторона сборки — широкий выбор уровней квантизации для подбора баланса между качеством, скоростью и требованиями к памяти, а также возможность локального запуска в формате GGUF. Более агрессивная квантизация может снижать качество генерации по сравнению с исходной BF16-моделью. Лицензия в README не указана; условия использования следует уточнять в карточке исходной модели и репозитории сборки.

Llama-3-Instruct-8B-SPPO-Iter3-GGUF — квантизированная версия инструкционной языковой модели Llama-3-Instruct-8B-SPPO-Iter3, разработанной UCLA-AGI. Квантизацию в формате GGUF выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и работы в диалоговом формате с системными и пользовательскими инструкциями. Модель имеет около 8 миллиардов параметров, поддерживает текстовую модальность и ориентирована на английский язык. В репозитории доступны варианты квантизации от Q8 до Q2, различающиеся размером файла, требованиями к памяти и качеством генерации. Версии Q5–Q8 характеризуются высоким качеством, тогда как варианты Q3 и Q2 экономят память, но заметно уступают по качеству; некоторые варианты с суффиксом L используют F16 для весов эмбеддингов и выходного слоя и обозначены как экспериментальные. Модель подходит для локального запуска и ресурсоограниченных сценариев, где важен баланс между качеством и потреблением памяти. Ограничения включают зависимость результатов от выбранного уровня квантизации, отсутствие заявленной поддержки других модальностей и отсутствие в README сведений о размере контекстного окна и результатах бенчмарков. Для корректного использования следует применять указанный формат промпта Llama 3. Модель распространяется по лицензии Apache-2.0.

Llama-3-KafkaLM-8B-v0.1 — языковая модель Seedbox, обученная Dennis Dickmann на базе Llama 3 8B. Это плотная авторегрессионная модель для генерации текста и диалогового взаимодействия; она содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Модель дообучена на отфильтрованной версии набора multitask_german_examples_32k, в котором собраны открытые инструкции, переведённые с английского на немецкий. Она предназначена для повседневных задач на немецком языке, в том числе для применения в деловом контексте, и также поддерживает английский. Автор отмечает, что ответы могут быть творческими и иногда выходить за рамки обычной языковой сдержанности. Модель распространяется в формате safetensors и использует лицензию Llama 3 со всеми её ограничениями и ограничениями обучающих наборов данных. Автор указывает исследовательскую цель использования; это само по себе не означает, что модель является экспериментальным исследовательским чекпойнтом.

Bllossom — двуязычная корейско-английская языковая модель для диалогов и генерации текста, разработанная MLPLab при SeoulTech совместно с Teddysum и Yonsei University. Она основана на Meta Llama 3 70B и дообучена с дополнительным обучением для связывания знаний на корейском и английском языках, расширением корейского словаря, инструктивными данными о корейском языке и культуре и DPO на основе обратной связи. Модель имеет плотную архитектуру LlamaForCausalLM, около 69,5 млрд параметров и контекст до 8192 токенов. Модель предназначена для двуязычных диалоговых помощников, следования инструкциям и генерации текста на корейском и английском языках. README также упоминает выравнивание vision transformer, однако метаданные этой версии указывают только генерацию текста, поэтому её не следует считать мультимодальной моделью. Репозиторий содержит веса safetensors и использует библиотеку Transformers. Лицензия — llama3; применяются условия лицензии Llama 3 от Meta.

Bllossom-8B — двуязычная языковая модель на архитектуре Llama 3, разработанная MLPLab при SeoulTech совместно с Teddysum и Yonsei University. Она дообучена на базе meta-llama/Meta-Llama-3-8B для генерации текста и диалогов на корейском и английском языках. В карточке указаны 7,5 млрд параметров и контекст до 8192 токенов. Модель предназначена для ответов на запросы, следования инструкциям и создания корейского текста с учетом связи знаний между корейским и английским языками. Обучение включало дополнительные данные, настройку на инструкциях по корейскому языку и культуре, а также DPO. Авторы также сообщают о выравнивании с визуальной моделью, но метаданные классифицируют эту версию как текстовую генеративную модель. В README приведены результаты LogicKor по математике, рассуждениям, письму, программированию, пониманию и грамматике; эти результаты относятся к конкретному бенчмарку. Модель распространяется по лицензии Llama 3, условия которой следует учитывать при использовании.