I.5Создание и редактирование текста

Это исследовательский резервный чекпойнт причинной языковой модели семейства Qwen3, опубликованный в стандартном формате Hugging Face для загрузки через Transformers. Модель содержит 1,7 млрд параметров и поддерживает контекст до 40 960 токенов. Модель предназначена для генерации текста в диалоговом режиме; в репозитории также отмечен интерфейс вызова инструментов. Карточка не описывает специальные предметные области или подтверждённые языки. Файлы представлены в формате safetensors. Это резервная исследовательская копия чекпойнта. Лицензия и сведения о базовой модели в предоставленных данных не указаны.

Это экспериментальный текстовый генератор на архитектуре Qwen3 с 1,7 млрд параметров, опубликованный пользователем yuq-zhou. Модель поставляется в формате Safetensors и загружается через Transformers как причинная языковая модель. Карточка описывает её как резервную копию исследовательского чекпойнта. Модель предназначена для генерации текста и диалогового взаимодействия; метаданные также отмечают интерфейс вызова инструментов. Контекстное окно составляет 40 960 токенов. Данные о специальных предметных областях и языках в карточке отсутствуют. Лицензия не указана в предоставленных данных.

32B-Qwen2.5-Kunou-v1-GGUF — это набор квантизированных моделей для генерации текста, созданный пользователем bartowski на основе Sao10K/32B-Qwen2.5-Kunou-v1. Модель предназначена для диалогов и других сценариев текстовой генерации; в README приведён шаблон промпта в формате ChatML с ролями system, user и assistant. Модель имеет размер 32B параметров и поставляется в формате GGUF для запуска через llama.cpp и совместимые приложения, включая LM Studio. Доступны варианты от F16 до низкоразрядных Q2 и IQ-квантизаций объёмом примерно от 13 до 66 ГБ. Старшие варианты сохраняют более высокое качество, а младшие требуют меньше оперативной памяти, но могут заметно уступать по качеству; для большинства сценариев рекомендуются варианты Q4_K_M, Q5 или Q6. Сведения о поддерживаемых языках, максимальном контексте и мультимодальности в README не указаны. К преимуществам относятся широкий выбор квантизаций, возможность локального запуска и использование imatrix-квантизации, направленной на сохранение качества. Ограничения зависят от выбранного варианта и доступных аппаратных ресурсов; низкоразрядные сборки имеют более низкое качество, а полноразмерная F16-версия требует значительного объёма памяти. Лицензия указана как qwen и other; в README приведена ссылка на лицензию Qwen/Qwen2.5-32B-Instruct.

Это зеркальная копия модели на Hugging Face, созданная сервисом latent-artist и предоставленная для скачивания. По метаданным это плотная авторегрессионная модель семейства Qwen2 с архитектурой Qwen2ForCausalLM и примерно 494 млн параметров. Она принимает текст и предназначена для генерации текста в диалоговом формате; также заявлен интерфейс для вызова инструментов. Поддерживаемый контекст — до 32 768 токенов, основной язык карточки — английский. Модель хранится в формате Safetensors и использует библиотеку Transformers. В README указано, что при использовании следует обращаться к репозиторию-зеркалу, а условия применения и распространения нужно проверять в файле лицензии внутри репозитория; метаданные указывают лицензию Apache-2.0. README не сообщает исходный репозиторий модели, поэтому базовая модель не установлена. Качество ответов и ограничения конкретной копии отдельно не описаны.

Карточка модели PS4Research/9DgDaWTmX85XRwSq на Hugging Face совпадает с карточкой PS4Research/IKn8jwlNamPNIS15, поэтому описание составлено по ней. Модель PS4Research/IKn8jwlNamPNIS15 — дообученная PS4Research языковая модель семейства Granite на базе ibm-granite/granite-4.2-30b. Она предназначена для генерации текста и диалогового взаимодействия; интерфейс также поддерживает вызов инструментов. Модель содержит 28,9 млрд параметров, использует плотную архитектуру GraniteForCausalLM и принимает контекст длиной до 131 072 токенов. В метаданных указан английский язык. Базовая модель IBM описана как многоязычная и предназначенная для рассуждений, диалога, программирования и вызова инструментов, однако README не уточняет, какие именно навыки были предметом дообучения этой версии. Модель распространяется в формате safetensors по лицензии Apache-2.0; для ускорения обучения использовались Unsloth и библиотека TRL.

Модель ishikaa/acquisition_generator_AS_confidence_numina_llama8b предназначена для генерации текста и опубликована в формате, совместимом с библиотекой Transformers. По метаданным она относится к семейству Llama и содержит около 7,5 млрд параметров. Модель поддерживает контекст длиной до 131 072 токенов, поэтому может использоваться для генерации продолжений текста, диалоговых ответов и обработки длинных входных последовательностей. README не содержит сведений о разработчике, языках обучения, лицензии, исходной модели, данных обучения или результатах оценки, поэтому эти характеристики нельзя подтвердить.

ishikaa/acquisition_generator_AS_confidence_numina_qwen14b — генеративная языковая модель из семейства Qwen2, доступная через библиотеку Transformers. В метаданных указаны размер около 14 млрд параметров, контекст до 32 768 токенов и поддержка задачи text-generation; в тегах также отмечен conversational-сценарий. Разработчик, базовая модель, языки и назначение дообучения в карточке не описаны. Модель может применяться для генерации и продолжения текста, формирования ответов в диалогах и подготовки черновиков на основе текстового запроса. Сильными сторонами являются крупный размер и длинный контекст, однако специализированные качества модели, результаты оценки, данные обучения и практическая эффективность не подтверждены в README. Лицензия в предоставленных материалах не указана, поэтому условия распространения и коммерческого использования необходимо проверять отдельно.

ishikaa/acquisition_generator_AS_gradient_numina_llama8b — языковая модель для генерации текста, размещённая пользователем ishikaa на Hugging Face. В README отсутствуют сведения о разработчике, базовой модели, обучающих данных и лицензии, поэтому эти характеристики нельзя достоверно определить по доступным материалам. Модель относится к семейству Llama и рассчитана на работу через библиотеку Transformers. Её размер составляет 7,5 млрд параметров, а заявленная длина контекста — 131 072 токена. Метаданные также указывают на conversational-сценарии, поэтому модель может применяться для диалоговой генерации, продолжения текста и создания ответов на текстовые запросы. README не содержит результатов оценки, описания целевых сценариев, рекомендаций по использованию или подтверждённых сведений о языках. Лицензия в доступных данных не указана; условия распространения и коммерческого использования необходимо проверить отдельно перед применением.

ishikaa/acquisition_generator_AS_gradient_omnimath_qwen14b — текстовая генеративная модель, опубликованная на Hugging Face и доступная через библиотеку Transformers. README автоматически сгенерирован и не содержит сведений о разработчике, лицензии, исходной модели или обучающих данных. Модель предназначена для генерации текста и относится к семейству Qwen2 согласно метаданным. Она содержит около 14 млрд параметров и поддерживает контекст длиной до 32 768 токенов, что делает её пригодной для диалоговых сценариев, продолжения текста и генерации развернутых ответов при наличии совместимого программного окружения. Модель может быть полезна для прототипирования текстовых генераторов и conversational-приложений. В карточке отсутствуют результаты оценки, описание качества, сведения о языках, лицензии, ограничениях применения и рекомендациях по безопасному использованию, поэтому перед эксплуатацией необходимы собственные тесты и проверка условий распространения.

ishikaa/acquisition_generator_AS_GT_confidence_omnimath_qwen7b — текстовая генеративная модель, опубликованная на Hugging Face и работающая через библиотеку Transformers. По метаданным она относится к семейству Qwen2, содержит около 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и имеет conversational-тег, поэтому может применяться в диалоговых сценариях. Модель подходит для продолжения и преобразования текстовых запросов, создания ответов в чатах, черновиков и других задач генерации естественного языка. README не содержит сведений о разработчике, языках, лицензии, исходной модели, обучающих данных, оценивании или специализированной области применения, поэтому качество для конкретных задач и языков следует проверять отдельно. Лицензия в доступных данных не указана.

ishikaa/acquisition_student_AS_proximity_omnimath_qwen14b — текстовая генеративная модель объёмом 14B параметров, опубликованная на Hugging Face. Модель работает через библиотеку Transformers, использует формат Safetensors и связана с семейством Qwen2; в метаданных также отмечены обучение с учителем и conversational-сценарии. Модель предназначена для генерации текста и диалогового взаимодействия. Она поддерживает контекст длиной до 32 768 токенов, что позволяет обрабатывать относительно длинные запросы и продолжать содержательные диалоги. README не содержит достоверных сведений о разработчике, лицензии, языках, исходной модели, данных обучения, результатах оценки или специализированных ограничениях.

ishikaa/acquisition_student_random_numina_qwen14b — языковая модель для генерации текста, опубликованная на Hugging Face. Модель имеет 14 млрд параметров, относится к семейству Qwen2 и предназначена для запуска через библиотеку Transformers. В метаданных также указано, что она обучалась с применением supervised fine-tuning (SFT) и поддерживает conversational-сценарии. Модель может использоваться для диалоговой генерации, составления текстовых ответов, продолжения текста и интеграции в приложения на базе Transformers. Заявленная длина контекста составляет 32 768 токенов, что позволяет обрабатывать относительно длинные запросы и документы в рамках одного контекста. Разработчик, базовая модель, языки обучения, результаты оценки и условия лицензирования в доступной карточке не описаны. README также не содержит сведений о тренировочных данных, ограничениях безопасности, рекомендациях по применению или специализированных областях использования.

Adullama3.1-v1 — языковая модель lucid-gunner, дообученная на базе unsloth/meta-llama-3.1-8b-instruct-bnb-4bit с использованием Unsloth и Hugging Face TRL. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM, размером 7,5 млрд параметров и контекстом до 131 072 токенов. Она предназначена для генерации текста и диалогового взаимодействия; метаданные также указывают интерфейс вызова инструментов. Основной язык карточки — английский. Модель распространяется в формате PyTorch по лицензии Apache-2.0. Карточка не описывает специальные предметные области или результаты оценки качества, поэтому пригодность для конкретных сценариев следует проверять на собственных данных.

protoLabsAI/Agents-A1-NVFP4 — квантизированная версия модели InternScience/Agents-A1, разработанная и проверенная protoLabs. Это агентная гибридная MoE-модель класса Qwen3.5-35B-A3B для генерации текста, рассуждений, работы с инструментами, function calling, программирования и других агентных сценариев. Модель предназначена для запуска через vLLM, прежде всего на GPU NVIDIA Blackwell, включая RTX PRO 6000 и RTX 50xx. Модель использует квантизацию NVFP4 W4A4 с калибровкой всех экспертов MoE и занимает около 21,8 ГБ. В контрольной точности сохранены маршрутизаторы MoE, DeltaNet-линейное внимание, эмбеддинги, lm_head, vision tower и MTP-тензоры. В README заявлена поддержка длинного контекста с проверками на длинах до 60K токенов; для работы у верхней границы рекомендуется оставить более 5K токенов запаса либо отключить режим рассуждений. Веса vision tower присутствуют, но рекомендуемая конфигурация vLLM работает только в текстовом режиме. Языки явно не указаны. По приведённым тестам NVFP4-версия превосходит официальную FP8-версию на наборах reasoning-v2, function-call и claw agentic, но немного уступает ей в code spec-delta. На одной RTX PRO 6000 заявлена скорость до 215 токенов в секунду при однопоточном чате. Ограничения включают зависимость от специальной конфигурации vLLM с marlin MoE backend на sm120, несовместимость spec-decode с этим backend и необходимость учитывать значительные затраты контекста при длинных рассуждениях. Модель распространяется по лицензии Apache-2.0.

agiin-13.6B-v0.0 — диалоговая языковая модель MindsAndCompany на архитектуре семейства Mistral, содержащая 13,7 млрд параметров. По карточке, модель предварительно обучена, настроена для следования инструкциям и дополнительно обучена методом DPO; для запуска указана библиотека Transformers, а веса доступны в формате safetensors. Модель предназначена для генерации ответов в чате и выполнения текстовых запросов. В примере карточки приведён вопрос на корейском языке, однако в метаданных указан английский язык. Модель имеет контекстное окно 4096 токенов и распространяется по лицензии Apache-2.0. Карточка не приводит сравнительных оценок качества или подробных ограничений; возможности за пределами текстовой генерации не заявлены.

Agnes-3.0-Flash Preview GGUF — набор квантизированных сборок базовой модели Agnes-AI/Agnes-3.0-Flash, опубликованный quimmedes. Модель предназначена для генерации текста и мультимодальных сценариев с изображениями и видео, а также для локального запуска через совместимый runtime llama.cpp. Доступны варианты квантования от Q3 до Q9 и несколько альтернативных сборок с разным распределением точности между компонентами модели. Архитектура основана на гибридной схеме с recurrent SSM- и attention-слоями: 72 слоя, включая 54 delta-rule и 18 global attention, дополнительная параллельная SwiGLU-ветвь в каждом слое, около 32,63 млрд параметров, размер скрытого состояния 5120, словарь из 248 320 токенов и один MTP-слой. Поддерживаются текст, изображения и видео; точный набор языков и максимальная длина контекста в README не указаны, хотя приведён пример запуска с контекстом 32 768 токенов. Модель использует тот же токенизатор и шаблон чата, что и Qwen3.8-27B, но имеет дополнительные слои и переобученные проекционные матрицы. Ключевое преимущество сборок — сочетание гибридного внимания, поддержки длинного контекста, мультимодальности и выбора размера файла: от 12,12 до 32,28 GiB для основной линейки. Для работы требуется патченная версия cafe-llama.cpp; стандартная llama.cpp не поддерживает необходимые тензоры и может завершиться ошибкой или некорректно загрузить модель. Указанные требования к видеопамяти и параметры запуска ориентированы на карту 24 ГБ, однако фактические возможности зависят от выбранного квантования и длины контекста. Модель и сборки распространяются по лицензии Apache-2.0.

AI21 Jamba Mini 1.6 — разработанная AI21 гибридная инструкционная модель семейства Jamba, сочетающая архитектуры State Space Model (Mamba) и Transformer. В модели 12 млрд активных параметров и 52 млрд параметров всего; она принимает текст и предназначена для генерации текста в диалоге, следования инструкциям, вызова функций, структурированного вывода JSON и генерации ответов с опорой на заданные источники. Контекстное окно составляет 256 тыс. токенов. Модель рассчитана на длинные контексты и деловые сценарии; для запуска README рекомендует CUDA и vLLM версии 0.6.5 или выше. Поддерживаются английский, испанский, французский, португальский, итальянский, нидерландский, немецкий, арабский и иврит. Заявленные разработчиком преимущества — скорость инференса и качество обработки длинного контекста. Модель распространяется по Jamba Open Model License, допускающей исследования и коммерческое использование на её условиях.

Модель bhatayus/aika-filler-slm-v4-7-2-v4_6-e4 — дообученная текстовая модель семейства Gemma 3, опубликованная bhatayus. Она предназначена для генерации текста и диалогового взаимодействия. Модель содержит 1 млрд параметров, использует плотную архитектуру Gemma3ForCausalLM, принимает текст и поддерживает контекст до 32 768 токенов. Модель обучалась с использованием Unsloth и библиотеки Hugging Face TRL. Репозиторий содержит веса в формате safetensors. Указанная лицензия — Apache 2.0. Карточка не описывает специализированную предметную область или дополнительные возможности.

Lionelglo/aion-agnostic-engineer-v2 — языковая модель для генерации текста, опубликованная на Hugging Face и предназначенная для использования через библиотеку Transformers. README модели автоматически сгенерирован и не содержит сведений о разработчике, обучении или точной специализации; в метаданных модель помечена как conversational и относится к семейству Qwen2. Модель имеет 3,1 млрд параметров и поддерживает контекст длиной до 32 768 токенов. Её можно применять для диалогов, генерации ответов, написания и преобразования текстов, а также интеграции в приложения на базе Transformers. Метаданные указывают задачу text-generation и форматы transformers и safetensors. README не содержит результатов оценки, описания обучающих данных, сведений о языках, лицензии или рекомендаций по безопасному применению. Поэтому качество на конкретных языках и доменах, устойчивость ответов и пригодность для критически важных сценариев по имеющимся данным подтвердить нельзя.

Airavata-airoboros-slerp — объединённая авторами репозитория модель на базе LLaMA, созданная методом slerp с помощью mergekit из jondurbin/airoboros-7b-gpt4-1.1 и ai4bharat/Airavata. Это плотная авторегрессионная модель объёмом 6,6 млрд параметров для генерации текста; в метаданных указано окно контекста 2048 токенов. Модель подходит для диалоговой генерации, ответов на вопросы и задач, поддерживаемых исходными моделями. Карточка не приводит сравнительных оценок качества или подробных результатов тестирования. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0.

jondurbin/airoboros-dpo-70b-3.3 — экспериментальная диалоговая языковая модель, созданная на основе семейства Llama 3 и дообученная автором jondurbin на синтетических данных Airoboros и наборах для DPO. В метаданных указана плотная архитектура LlamaForCausalLM с 69,5 млрд параметров, формат safetensors и контекст до 8192 токенов. Карточка рекомендует использовать шаблон диалога Llama 3 Instruct. Модель предназначена для генерации ответов в чате, написания и продолжения историй, суммаризации и помощи с кодом. В README приведены примеры творческих и технических запросов, включая написание программ и выбор инструментов; эти примеры показывают формат взаимодействия, но не подтверждают гарантированное качество на каждой задаче. Автор называет модель экспериментальной. Метаданные связывают её с Meta-Llama-3-8B, тогда как README указывает базовую Llama 3 70B Instruct; точную базовую модель поэтому установить по этим источникам нельзя. Лицензия обозначена как other, конкретные условия использования в предоставленных данных не раскрыты.

airoboros-gpt-3.5-turbo-100k-7b — языковая модель семейства Llama, дообученная разработчиком jondurbin на 100 тысячах синтетических пар инструкций и ответов, созданных с помощью gpt-3.5-turbo и варианта метода Self-Instruct. Модель предназначена для генерации текста по инструкциям: она может составлять письма, отвечать на запросы и создавать творческие тексты. В README приведено сравнение с несколькими моделями на примерах инструкций, но оно не является независимой оценкой качества. Модель имеет около 6,6 млрд параметров и контекстное окно 2048 токенов. Репозиторий содержит веса PyTorch; для использования автор рекомендует FastChat. Лицензия CC BY-NC 4.0 допускает использование с указанием авторства, но ограничивает коммерческое применение. Описание указывает на обучение на синтетических данных и не сообщает о дополнительных проверках качества или безопасности.

Это дообученная модель генерации текста на архитектуре Llama 2 с 12,9 млрд параметров, созданная автором репозитория на основе NousResearch/Yarn-Llama-2-13b-64k. К модели применён merged QLoRA fine-tune ранга 64 на наборе инструкций Airoboros 2.1; базовая версия использует YaRN для расширения рабочего контекста до 65 536 токенов. Модель предназначена для ответов на инструкции и вопросы, а также генерации текста с учётом длинного контекста. В описании приведены результаты тестов на ARC, Hellaswag и MMLU и сравнение perplexity на разных длинах контекста. Репозиторий содержит веса safetensors; для запуска через Transformers требуется trust_remote_code=True и совместимая реализация YaRN. Автор указывает, что короткоконтекстные результаты конкурентны с некоторыми моделями сравнения, но также отмечает необходимость дальнейшей проверки качества на длинном контексте. Лицензия в доступных данных не указана.

jondurbin/airoboros-l2-7b-gpt4-1.4.1 — дообученная на датасете airoboros-gpt4-1.4.1 версия Llama 2 7B от автора jondurbin. Это плотная авторегрессионная языковая модель с архитектурой LlamaForCausalLM, предназначенная для генерации текста. README отсылает к карточке предыдущей модели Llama 65B, поэтому подробности о сценариях обучения и поведении этой версии не раскрыты. Модель содержит 6,6 млрд параметров, принимает текстовый контекст длиной до 4096 токенов и выдаёт текст. Репозиторий распространяет веса в формате PyTorch. Лицензия указана как other; конкретные условия использования из доступных данных установить нельзя.

Airolima Chronos Grad L2 13B — это текстовая языковая модель для генерации ответов и ведения диалога, созданная kingbri. Модель представляет собой объединение (merge) проектов Airoboros и Chronos на базе архитектуры Llama 2 с 13 млрд параметров. В данном репозитории опубликованы квантизированные файлы в формате GGUF, подготовленные TheBloke для запуска на CPU и GPU. Модель предназначена для общего текстового общения, генерации и продолжения текста, а также сценариев, поддерживаемых интерфейсами llama.cpp, text-generation-webui, LM Studio, KoboldCpp и другими совместимыми библиотеками. Указан английский язык. Поддерживаются шаблоны запросов Alpaca 2 и Airoboros; рекомендуемый размер контекста и другие параметры инференса в представленном README не указаны. К сильным сторонам относятся относительно крупный размер 13B, совместимость с широким набором локальных инструментов и наличие вариантов квантизации от 2 до 8 бит, позволяющих выбирать компромисс между качеством и требованиями к памяти. Ограничения связаны с тем, что это квантизированная версия, а сведения о результатах тестирования, точности, безопасности и поддерживаемых модальностях отсутствуют; модель является текстовой и не заявлена как мультимодальная. Лицензия указана как llama2.

GigaChat3-10B-A1.8B-GGUF — это квантизированная версия языковой модели GigaChat3-10B-A1.8B, разработанной ai-sage. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и диалоговых сценариев, включая работу на русском и английском языках. Модель распространяется в формате GGUF и совместима с llama.cpp, LM Studio и другими проектами на его основе. В метаданных она обозначена как MoE-модель; в названии указаны параметры 10B и 1.8B, однако точные сведения об архитектуре, размере контекста и доступных вариантах квантизации в README не приведены. Модель работает в текстовой модальности. К сильным сторонам относятся поддержка русского языка, возможность локального запуска и оптимизация квантизации с помощью imatrix, потенциально улучшающая сохранение качества по сравнению с базовыми методами квантизации. Ограничениями являются снижение точности по сравнению с исходной моделью и зависимость производительности от выбранного варианта квантизации и оборудования. Лицензия — MIT.

AISquare-Instruct-SOLAR-10.7b-v0.5.31 — языковая модель на архитектуре Llama, разработанная командой UI Platform компании Inswave Systems. Это дообученная для следования инструкциям версия SOLAR-10.7B-v1.0, предназначенная для генерации текста по запросам пользователя. Модель содержит 10,6 млрд параметров, принимает текст и выдаёт текст; заявленный контекст — до 4096 токенов. Модель подходит для диалоговых сценариев и выполнения текстовых инструкций. Для загрузки автор приводит пример с Transformers и PyTorch, используя точность float16. Репозиторий распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Карточка не приводит оценок качества и подробных сведений о поддерживаемых языках.

AIWriter Chinese Proofreading Model V1 Preview — модель для вычитки китайского текста, разработанная 42ailab на основе дообученной Qwen3-4B. Она предназначена для исправления опечаток, неверного употребления слов, грамматики и пунктуации в китайской прозе. Модель работает с предложениями и оптимизирована так, чтобы оставлять корректный текст без изменений; в README для набора AIWriter CheckBench указана частота ложных правок 19,92%. Размер модели — 4 млрд параметров, длина контекста — 4096 токенов. Репозиторий содержит варианты GGUF Q5_K_M и Q8_0 для локального запуска. Модель ориентирована преимущественно на формальную прозу на упрощённом китайском. Она не предназначена для стилистической переработки или полировки текста; длинные документы приложению нужно делить на предложения и собирать обратно. Сленг, диалекты и классический китайский систематически не оценивались. Выпуск обозначен как Preview, поэтому это предварительная версия. По README, веса бесплатны для академических исследований и личного использования; метаданные указывают лицензию other, поэтому условия коммерческого применения следует уточнять по лицензии репозитория.

Muchai12/akili-qwen2.5-7b-continuous — текстовая генеративная модель Muchai12, дообученная на unsloth/Qwen2.5-7B-Instruct-bnb-4bit с использованием Unsloth и библиотеки TRL. Она построена на плотной архитектуре Qwen2 и содержит 7,1 млрд параметров. Модель предназначена для диалоговой генерации текста и работы в сценариях общения с ассистентом; метаданные также отмечают интерфейс вызова инструментов. Она поддерживает английский язык, а длина контекста составляет до 32 768 токенов. Модель распространяется по лицензии Apache-2.0. Специфические ограничения и результаты оценки качества в карточке не описаны.

Akins-3B — языковая модель для генерации текста на основе архитектуры StableLM Epoch, дообученная разработчиком на наборе Norquinal/claude_multiround_chat_1k. Модель содержит 2,7 млрд параметров, принимает текст и выдаёт текст; для диалога в карточке указан шаблон с ролями USER и ASSISTANT. Контекст составляет 4096 токенов. Модель предназначена для инструкционного диалога и генерации ответов на запросы пользователя. В README указано дообучение в течение двух эпох с помощью QLoRA. Репозиторий содержит веса в форматах PyTorch и safetensors; автор также ссылается на отдельные варианты квантования GGUF и GPTQ. Лицензия — CC BY-SA 4.0.