I.5Создание и редактирование текста

Novocoders/jaskier-7b-NeuralDPO — дообученная модель для генерации текста на базе bardsai/jaskier-7b-dpo-v5.6. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров; модель обучали методом DPO на наборе NeuralNovel/Neural-DPO с использованием Axolotl. Модель предназначена для генерации текста и ответов на запросы. Метаданные указывают контекст длиной до 32 768 токенов. Репозиторий содержит веса в форматах PyTorch и Safetensors. Лицензия — CC BY 4.0.

JiRack DeltaNet 27B — текстовая генеративная модель разработчика CMSManhattan, основанная на архитектуре семейства Qwen3.5 и адаптированная для эффективного инференса на CPU. Модель имеет 22,3 млрд параметров, использует гибридную архитектуру DeltaNet с attention и SSM, поддерживает контекст до 262 144 токенов. Доступны веса Safetensors и варианты GGUF с разными уровнями квантования; заявлена поддержка Ollama и llama.cpp. Модель предназначена для диалогов, программирования, вызова инструментов и использования как экспертной модели в RAG-системах. В README также заявлены сценарии маршрутизации запросов, мультимодальных задач и робототехники, однако метаданные указывают только text-generation, а само описание не содержит подтверждённых деталей о работе с изображениями, видео или аудио. Заявлена поддержка языков от английского и русского до китайского, японского, корейского и ряда европейских и азиатских языков. Метаданные указывают лицензию MIT для модели. README отдельно сообщает, что Docker-образы, предварительно собранные квантизации для Ollama и интерфейсы JiRack могут распространяться на коммерческих условиях; условия их использования следует проверять отдельно. Заявления о качестве и скорости не сопровождаются результатами сравнительных оценок.

JiRackTernaryGemma4_26b — текстовая диалоговая модель CMSManhattan, созданная на основе Google Gemma 4 26B-A4B-it и адаптированная под тернарную архитектуру JiRack. Она предназначена для генерации текста, общения, программирования и работы с инструментами; в карточке также описаны сценарии маршрутизации и робототехники. Модель имеет архитектуру MoE: около 26 млрд параметров всего, примерно 4 млрд активны на токен, 128 экспертов с выбором top-8. Заявлен путь обучения с квантованием-aware training для тернарных весов; доступны GGUF-варианты от Q3_K_M до Q8_0 и F16, а также safetensors. Модель принимает текст и выдаёт текст. Зрительный модуль исходной Gemma 4 удалён, поэтому обработка изображений не поддерживается. Карточка указывает поддержку 14 языков: английского, китайского, японского, корейского, французского, испанского, португальского, немецкого, итальянского, русского, арабского, вьетнамского и тайского. Контекстный размер не приведён. Для тегов робототехники и маршрутизации рекомендуется расширенный токенизатор CMSManhattan/GemmaRoboticsTokenizer; дополнительные 107 токенов требуют расширения эмбеддингов и обучения новых строк перед генерацией соответствующих ID. Карточка ориентирует модель на локальный запуск через CPU, GGUF, llama.cpp и Ollama и приводит оценку требований к памяти для разных квантований. Автор предупреждает, что модель не проверялась на больших контекстах, и просит не переносить на неё результаты исходной Gemma 4. Лицензия — MIT.

Josie 7B v6.0 — дообученная Gökdeniz Gülmez языковая модель семейства Qwen2 для диалоговой генерации текста и выполнения запросов пользователя. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Qwen2 и принимает контекст длиной до 32 768 токенов. Для диалога применяется формат с отдельными сообщениями system, user и assistant; также заявлен интерфейс вызова инструментов. Модель дообучена на пользовательских наборах данных; подробности о них в карточке не раскрыты. Она подходит для чат-ботов и генерации ответов на текстовые запросы. Распространяется в формате safetensors по лицензии Apache 2.0.

Josiefied-Qwen2.5-14B-Instruct-abliterated-v4 — диалоговая языковая модель, разработанная Gökdeniz Gülmez и дообученная на основе Qwen/Qwen2.5-14B-Instruct. Это плотная модель семейства Qwen2 с 14 млрд параметров в формате Safetensors; она предназначена для генерации текста и общения в чате. Модель ориентирована на менее ограниченные ответы, хотя автор отмечает, что на экстремальные запросы она всё ещё может реагировать сдержанно. Модель принимает текст и генерирует текст, поддерживает интерфейс вызова инструментов и контекст до 32 768 токенов. В карточке указаны английский, немецкий, французский, испанский, португальский, итальянский, русский, китайский, японский, корейский, вьетнамский, тайский и арабский языки. Для обработки более длинного контекста README описывает масштабирование YaRN, которое может снижать производительность на коротких текстах при статической настройке. Модель распространяется по лицензии Apache-2.0. Автор предупреждает о возможных ограничениях и рекомендует использовать её на свой риск; приведённые в карточке результаты оценки не гарантируют качества для конкретных задач.

Это конверсия в формат MLX модели Josiefied-Qwen2.5-7B-Instruct-abliterated-v2, выполненная mlx-community с помощью mlx-lm версии 0.18.2. Модель представляет собой плотную авторегрессионную чат-модель семейства Qwen2.5 с 7,1 млрд параметров и контекстом до 32 768 токенов. Она предназначена для генерации текста и диалоговых ответов на основе текстовых запросов. В карточке базовая модель описана как дообученная аблитерированная версия Qwen2.5-7B-Instruct для многоязычной генерации с меньшим числом отказов; метаданные также указывают интерфейс вызова инструментов. Репозиторий содержит веса в формате safetensors для использования с MLX. Модель поддерживает английский язык; исходная базовая модель ориентирована на многоязычное применение. Меньшее число отказов означает, что модель может отвечать на запросы, которые другие модели отклоняют, поэтому её ответы требуют проверки. Лицензия — Apache-2.0.

Josiefied-Qwen3-4B-abliterated-v2 — диалоговая языковая модель Goekdeniz-Guelmez на архитектуре Qwen3, дообученная на основе Qwen/Qwen3-4B-Instruct-2507 и модифицированная методом Gabliteration. Она предназначена для генерации текста, общения и выполнения инструкций; сохранена поддержка вызова инструментов через соответствующий интерфейс. Модель содержит 3,7 млрд параметров и поддерживает контекст до 262 144 токенов. Разработчик заявляет, что модификация снижает отказы и ограничения на генерацию, сохраняя следование инструкциям и работу с инструментами. Доступны веса в формате safetensors; в карточке также упоминаются варианты GGUF и i1 GGUF. Лицензия в предоставленных данных не указана.

AIJUUD/juud-Mistral-7B — разговорная модель семейства Mistral, опубликованная командой BNK AI. Это плотная авторегрессионная языковая модель с 7,1 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Метаданные указывают контекст до 32 768 токенов, использование Transformers и формат весов safetensors. Модель можно применять для ответов в чате, продолжения текста и создания диалоговых приложений. Карточка README не описывает обучение, наборы данных, языки или результаты оценки качества. Модель распространяется по лицензии Apache-2.0; фактическая пригодность для конкретных задач требует отдельной проверки.

K2-Horizon-32B MLX 6-bit — 6-битная квантизованная версия плотной авторегрессионной языковой модели IFM/K2-Horizon-32B, подготовленная hermitdave для запуска на компьютерах Apple Silicon через MLX. Модель содержит 31,2 млрд параметров по метаданным, а README описывает исходную архитектуру как декодер с 64 слоями. Заявленная длина контекста — 524 288 токенов. Модель предназначена для генерации текста, диалогов, рассуждений и агентных задач; карточка характеризует исходную модель как reasoning-модель и приводит результаты нескольких бенчмарков. Квантование уменьшает объём весов примерно до 24 ГБ, что, согласно README, позволяет запускать модель на устройствах Apple Silicon с 64 ГБ памяти. Для использования указаны MLX и mlx-lm; README также сообщает о необходимости патча oMLX версии 0.6.4 или новее для поддержки типа модели и формата вызовов инструментов. Это чекпойнт Stage 1; автор README сообщает, что ожидается финальный чекпойнт с улучшенными результатами. Модель выпущена по лицензии Apache-2.0. Данные о поддерживаемых естественных языках в источниках не приведены.

K2-Horizon-7B-Uno Merged — слитая версия модели IFM/K2-Horizon-7B-Uno, опубликованная hermitdave. Репозиторий содержит объединённые с базовыми весами LoRA-адаптеры diffusion-модели; после слияния модель работает как стандартная авторегрессионная языковая модель. Архитектура плотная, семейство K2-Horizon; в метаданных указано 8 млрд параметров, а README сообщает примерно о 7,6 млрд параметров и 32 слоях. Модель предназначена для генерации текста и диалогов, включая рассуждения. Заявлен контекст до 524 288 токенов. Репозиторий содержит веса Safetensors; README также описывает подготовку для MLX и запуск на Apple Silicon. Для обработки специальных тегов рассуждений и вызовов инструментов в oMLX требуется версия 0.6.4 или новее с патчем поддержки K2-Horizon. Модель основана на IFM/K2-Horizon-7B-Uno, которая, согласно README, разработана Institute of Foundation Models. Лицензия — Apache 2.0. Качество и поддерживаемые языки в предоставленных данных не описаны; длинный заявленный контекст требует подходящей среды запуска и достаточных ресурсов.

K2-Horizon-MoVA-36B-A4B MLX-4bit — это 4-битная MLX-конверсия модели IFM/K2-Horizon-MoVA-36B-A4B, разработанной IFM. Модель предназначена для генерации текста и запуска через mlx-lm на устройствах Apple с unified memory. Это разреженная Mixture-of-Experts-модель с архитектурой Mixture-of-Values attention (MoVA): общий объём составляет 36 млрд параметров, при обработке каждого токена активно около 4 млрд. Исходная модель поддерживает нативный контекст до 524 288 токенов (512K), однако фактически доступная длина контекста зависит от объёма unified memory и настроек KV-кэша. Вариант является текстовым и не требует vision projector; в метаданных указан английский язык. Веса в основном квантизованы методом affine 4-bit с размером группы 64, а веса маршрутизаторов MoE и MoVA сохранены в 8-битном формате. Размер модели составляет 21,07 ГБ. К сильным сторонам относятся большой контекст, сниженная по сравнению с полной точностью потребность в памяти и разреженная обработка с небольшим числом активных параметров на токен. Ограничениями являются необходимость актуальной версии mlx-lm, зависимость практической длины контекста от доступной памяти и отсутствие мультимодальных возможностей. Модель распространяется по лицензии Apache-2.0.

K2S3-14b-v0.2 — текстовая генеративная модель, разработанная K2S3 на основе весов mistralai/Mistral-7B-v0.1. Авторы увеличили глубину модели, примерно удвоив её размер, добавили корейскую лексику и слияния в токенизатор, а затем провели полнопараметрическое обучение методом SFT. Модель содержит 14,2 млрд параметров, использует плотную архитектуру Mistral и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых задач на английском и корейском языках. В обучении использовались alpaca-gpt4-data и примеры из набора The OpenOrca Dataset. Репозиторий предоставляет веса в формате Safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

K2S3-Mistral-7b-v1.48 — языковая модель, разработанная K2S3 и созданная полнопараметрической донастройкой с supervised fine-tuning базовой модели mistralai/Mistral-7B-v0.1. Это плотная авторегрессионная модель семейства Mistral с 7,2 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев на английском и корейском языках. При обучении использовались alpaca-gpt4-data и примеры из OpenOrca; настройка выполнялась через Hugging Face SFTTrainer с FSDP на двух GPU A100. Модель распространяется в формате safetensors по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Качество и поведение модели зависят от формулировки запроса и обучающих данных; в карточке не приведены результаты оценки или специальные гарантии точности.

Carnice-V2-27b-GGUF — это квантизированная версия текстовой генеративной модели Carnice-V2-27b, разработанной kai-os и преобразованной в формат GGUF пользователем bartowski с использованием llama.cpp. Модель относится к семейству Qwen и предназначена для локального запуска в задачах генерации текста, диалогов и агентских сценариев; в метаданных также указаны направления SFT и Hermes-agent. Доступны варианты от BF16 до низкобитных квантизаций Q3, Q4, Q5, Q6, Q8 и IQ. Размер модели составляет 27 млрд параметров, а объём файлов зависит от выбранного варианта: примерно от 13 до 54 ГБ. Для квантизации применялся imatrix-подход, поэтому старшие варианты сохраняют качество, близкое к исходной модели, тогда как младшие требуют меньше оперативной памяти, но могут заметно уступать по качеству. Архитектура, поддерживаемые языки и размер контекста в README не указаны. Модель совместима с llama.cpp и рядом приложений, включая LM Studio, KoboldCpp, Jan AI, Text Generation Web UI и другие инструменты для локального инференса. Для работы требуется использовать указанный формат prompt с системными, пользовательскими и assistant-сообщениями. Распространение заявлено по лицензии Apache-2.0.

Biggiraffe дообучил диалоговую модель kakaocorp/kanana-1.5-8b-instruct-2505, основанную на плотной архитектуре Llama. Модель содержит 7,5 млрд параметров, принимает текст и генерирует текст; поддерживает контекст до 32 768 токенов и интерфейс вызова инструментов. Модель предназначена для диалогов и генерации текста. Базовая Kanana также рассчитана на программирование, математику и работу с инструментами, однако карточка этого варианта не описывает, как именно дообучение на Persona изменило его поведение или для каких конкретных сценариев оно проводилось. Модель распространяется по лицензии Apache-2.0.

Jhjhugv/kanana-1.5-8b-instruct-2505-Persona-Merged — дообученная диалоговая модель, созданная Jhjhugv на основе kakaocorp/kanana-1.5-8b-instruct-2505. Это плотная Llama-модель с 7,5 млрд параметров, рассчитанная на генерацию текста и чат; метаданные также указывают интерфейс вызова инструментов. Контекстное окно составляет 32 768 токенов. Модель принимает текст и выдаёт текст. Базовая модель предназначена для генерации текста, программирования, математики и работы с инструментами; карточка этой производной версии не уточняет специализацию дообучения. В README указано использование Unsloth и библиотеки TRL при обучении. Модель распространяется по лицензии Apache-2.0. Карточка не приводит оценок качества или конкретных ограничений, поэтому пригодность для специализированных задач следует проверять на собственных примерах.

Модель yoon112/kanana-1.5-8b-instruct-2505-Persona-Merged разработана yoon112 на основе диалоговой модели Kakao kanana-1.5-8b-instruct-2505. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров, дообученная с использованием Unsloth и библиотеки TRL. Она предназначена для диалоговой генерации текста и поддерживает интерфейс вызова инструментов. Модель принимает текстовые запросы и генерирует текстовые ответы; размер контекстного окна составляет 32 768 токенов. В метаданных указан английский язык. Лицензия — Apache-2.0. README не приводит отдельной оценки качества или подробностей о назначении Persona в названии.

Модель bark07/kanana-1.5-8b-instruct-2505-Safe-DPO — дообученная разговорная Llama-модель, опубликованная bark07. Она предназначена для генерации текста в диалоге; в каталоге также отмечен интерфейс для вызова инструментов. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 32 768 токенов. В карточке указаны обучение с Unsloth и библиотекой TRL, формат весов safetensors и лицензия Apache-2.0. Метаданные указывают английский язык. README не приводит результаты оценки качества и подробностей обучения, поэтому её сильные стороны и ограничения в конкретных сценариях по карточке определить нельзя.

Модель ktyeon27/kanana-1.5-8b-instruct-2505-Safe-DPO — дообученная диалоговая языковая модель автора ktyeon27 на базе указанной в карточке модели. Она построена на плотной архитектуре LlamaForCausalLM и содержит 7,5 млрд параметров. Модель предназначена для генерации текста в диалогах; в метаданных также отмечен интерфейс вызова инструментов. Модель принимает текст и генерирует текст, поддерживает контекст длиной до 32 768 токенов. В карточке указано обучение с использованием Unsloth и библиотеки TRL. Лицензия — Apache-2.0. Карточка не приводит результатов оценки качества и подробностей о наборе данных или языках, поэтому пригодность для конкретных сценариев и языков следует проверять отдельно.

Kanana-2-30B-A3B-Instruct — языковая модель Kakao для диалогов и сценариев агентного ИИ. Она дообучена на базе kakaocorp/kanana-2-30b-a3b-base и построена на архитектуре DeepSeek V3 с MLA и MoE: всего 30 млрд параметров, из которых активируются около 3 млрд. В репозитории указаны 48 слоёв, 128 экспертов и выбор 6 экспертов на токен. Модель предназначена для следования сложным инструкциям, логических рассуждений и вызова инструментов. Она генерирует текст и поддерживает контекст до 32 768 токенов. Семейство Kanana-2 рассчитано на корейский, английский, японский, китайский, тайский и вьетнамский языки. Для контекстов длиннее 32 768 токенов README описывает расширение до 128 000 с помощью YaRN и изменением конфигурации; это может ухудшить качество на коротких текстах. Для запуска с Transformers требуется версия не ниже 4.51.0. Лицензия указана как other, поэтому условия использования следует сверить с файлами лицензии репозитория.

KangalKhan-Sapphire-7B — языковая модель для генерации текста и диалогов, созданная слиянием моделей argilla/CapybaraHermes-2.5-Mistral-7B и argilla/distilabeled-OpenHermes-2.5-Mistral-7B с помощью LazyMergekit. В основе лежит плотная архитектура Mistral с 7,1 млрд параметров; заявленная длина контекста — 32 768 токенов. Модель подходит для диалоговых сценариев и генерации текста. В README описано слияние методом SLERP в формате bfloat16; метаданные указывают формат весов safetensors и возможность чата. Карточка также приводит результаты оценки на отдельных тестах рассуждений и здравого смысла, но они не гарантируют качество на других задачах. Модель распространяется по лицензии Apache-2.0. Данные карточки не уточняют целевые языки или специализированные области применения.

Kaori-34B-v1 — текстовая генеративная модель семейства Llama, дообученная Kaeri и Jenti методом SFT с LoRA. Для обучения использованы набор Open-Platypus и 5% данных Dolphin; авторы также сообщают о фильтрации обучающих примеров, связанных с рядом тестов рассуждения и понимания текста. Модель предназначена для генерации ответов и выполнения текстовых инструкций в сценариях общего назначения. Она содержит 33,9 млрд параметров, принимает текст и выдаёт текст; заявленная длина контекста — 4096 токенов. В репозитории указаны веса safetensors и лицензия Llama 2. Карточка не приводит оценки качества или конкретных гарантий по точности.

Kaori-34B-v4 — языковая модель семейства Llama, дообученная Kaeri и Jenti методом SFT с использованием LoRA. В основе обучения лежали данные Open-Platypus, а также части наборов Dolphin и OpenOrca; авторы сообщают, что исключали примеры, похожие на ряд оценочных задач, включая GSM8k, ARC и HellaSwag. Модель предназначена для генерации текста и ответов на запросы. Она содержит 33,9 млрд параметров, использует архитектуру LlamaForCausalLM и принимает контекст длиной до 4096 токенов. В репозитории указаны веса Safetensors и лицензия Llama 2. Язык модели в карточке не уточнён. Карточка не описывает отдельные ограничения качества или области применения.

karcher_Merged_gpt2_0.1 — объединённая языковая модель на основе GPT-2, созданная автором репозитория с помощью mergekit методом среднего Кarcher. В слиянии использованы модели /kaggle/working/gpt2 и /kaggle/working/debias_gpt2; в метаданных архитектура указана как GPT2LMHeadModel, плотная авторегрессионная трансформерная модель. Репозиторий предназначен для генерации текста и работает через Transformers; веса сохранены в формате safetensors, контекст составляет 1024 токена. Модель подходит для продолжения текста и других сценариев генерации на основе текстовой подсказки. Карточка не сообщает о конкретных языках, датасетах или специальных прикладных областях, поэтому их назначение нельзя уточнить. Лицензия в предоставленных данных не указана.

trinhkhng/karcher_Merged_gpt2-large_0.3 — языковая модель для генерации текста, полученная слиянием предварительно обученных моделей GPT-2 Large и debias_gpt2-large. Разработчик применил метод Karcher Mean с помощью mergekit; архитектура — плотная GPT2LMHeadModel, веса опубликованы в формате safetensors и представлены в float32. Модель предназначена для продолжения текста и других сценариев генерации на основе текстового запроса. Модель принимает и генерирует текст. Длина контекста составляет 1024 токена. Карточка не описывает языковой охват и не приводит результатов оценки качества, поэтому качество и степень снижения предвзятости по ней определить нельзя. Лицензия не указана в предоставленных данных.

Это базовая гибридная языковая модель ComplexKDA, выпущенная авторами ComplexKDA. Она предназначена для генерации текста и диалоговых сценариев. Модель содержит около 1,1 млрд параметров; в README указано точное значение 1,36 млрд. Архитектура включает 24 слоя: линейное внимание в большинстве слоёв и полное внимание в каждом четвёртом. Используется SwiGLU, 16 голов внимания и свёртка ширины 4. Контекст обучения — 4096 токенов. В этой версии используется базовый ограниченный сигмоидный затвор KDA, где коэффициент затухания находится в диапазоне (0, 1]. Модель распространяется в формате safetensors, работает через Transformers и включает собственную реализацию и токенизатор; при подготовке входа следует использовать токенизатор из репозитория, поскольку его настройки отличаются от upstream-варианта. Лицензия — MIT. В README не указаны поддерживаемые естественные языки и результаты оценки качества.

KordAI/KeawGPT-Opus — англоязычная плотная авторегрессионная языковая модель семейства Qwen3 с 3,7 млрд параметров, разработанная KordAI как дообучение KordAI/KeawGPT. Модель принимает текст и генерирует текст; поддерживает диалоговый режим и интерфейс вызова инструментов. Для работы с контекстом поддерживается до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев на английском языке. Она распространяется в формате safetensors по лицензии Apache-2.0. В карточке указано, что обучение проводилось с использованием Unsloth и библиотеки TRL от Hugging Face.

Карточка модели KeefeBuild/Keefe-Discere-v2.0 на Hugging Face совпадает с карточкой KeefeBuild/Keefe-Discere-v2.0-OxAlpha, поэтому описание составлено по ней. Keefe-Discere-v2.0-OxAlpha — языковая модель KeefeBuild, дообученная на базе unsloth/qwen2.5-7b-instruct-unsloth-bnb-4bit. Это плотная модель семейства Qwen2 с архитектурой Qwen2ForCausalLM и примерно 7,1 млрд параметров; она принимает текст и генерирует текст, поддерживает диалог и интерфейс вызова инструментов. Модель предназначена для текстовой генерации и разговорных сценариев на английском языке, с контекстом до 32 768 токенов. В карточке указаны Apache-2.0 и обучение с использованием Unsloth и библиотеки TRL. Конкретные специализации и результаты оценки качества не описаны, поэтому модель следует рассматривать как универсальную дообученную языковую модель, а поведение при вызове инструментов проверять в целевой интеграции.

kellemar-DPO-Orca-Distilled-7B-SLERP — текстовая авторегрессионная модель, разработанная decruz и дообученная на базе mlabonne/Marcoro14-7B-slerp с использованием набора argilla/distilabel-intel-orca-dpo-pairs. Она предназначена для базового инференса и общих языковых задач, включая генерацию ответов, рассуждения и работу в диалоговых приложениях. Модель построена на плотной архитектуре MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В README приведены результаты бенчмарков OpenLLM и Nous на январь 2024 года; они характеризуют оценку автора и могут зависеть от методики тестирования. Для модели указана лицензия CC BY-NC 4.0, поэтому её использование ограничено некоммерческими условиями этой лицензии.

K-EXAONE-2.0-750B-A37B-DSpark — мультиязычная языковая модель общего назначения от LG AI Research. Это модель с архитектурой Mixture of Experts семейства EXAONE, предназначенная для генерации текста и диалогового взаимодействия. По метаданным, модель содержит 34,1 млрд параметров и поддерживает контекст до 262 144 токенов. Модель рассчитана на рассуждения, агентные сценарии, работу с кодом и поиск информации в длинном контексте. Она поддерживает корейский, английский, испанский, немецкий, японский, вьетнамский, французский, итальянский, польский и португальский языки. Для ускорения генерации README описывает speculative decoding методами MTP и DSpark; заявлено ускорение примерно в 3–5 раз. Для запуска приведены конфигурации SGLang и vLLM на двух узлах с 16 GPU NVIDIA H200, поэтому использование требует значительных вычислительных ресурсов. Модель выпущена под лицензией Apache 2.0. Она может выдавать ошибочные, устаревшие, предвзятые или неподходящие ответы; актуальность сведений не гарантируется. README также отмечает проблему генерации на NVIDIA B200 с рекомендацией отключить prefill CUDA graph до исправления.