I.5Создание и редактирование текста

GRMR-V3-G4B — модель коррекции грамматики от qingy2024, дообученная на Gemma 3 4B. Она исправляет грамматические ошибки, пунктуацию, орфографию и структуру предложений на английском языке. Модель принимает текст и возвращает исправленный вариант; карточка описывает специализированный чат-шаблон, который отделяет исходный текст от ответа. Модель обучена полным дообучением параметров на 60 тысячах пар исходного и исправленного текста из набора qingy2024/grmr-v4-60k. В метаданных указана мультимодальная архитектура Gemma 3 для обработки изображений и текста, однако описанное назначение этой версии — коррекция текста. Лицензия — Apache-2.0. Модель может испытывать трудности с узкоспециализированными текстами, нестандартным английским и контекстно-зависимыми грамматическими правилами. Она может внести ошибки или изменить смысл; её основная цель — грамматическая корректность, а не стилистическая редактура.

GRMR-V3-Q4B — языковая модель, разработанная qingy2024 на основе Qwen3-4B-Base и дообученная полным обновлением параметров на 60 тысячах пар исходного и исправленного текста. Она предназначена для коррекции грамматики, пунктуации и орфографии, а также для улучшения структуры предложений на английском языке. Модель использует плотную архитектуру Qwen3ForCausalLM, содержит 3,7 млрд параметров и принимает текстовые запросы в формате чата; максимальная длина контекста — 32 768 токенов. Модель можно применять для вычитки писем, черновиков и других англоязычных текстов. Она ориентирована на исправление ошибок, а не на стилистическое редактирование. Лицензия — Apache-2.0.

Модель mfielding92/Grok-3-reasoning-gemma3-12B-distilled-HF — дообученная текстовая модель семейства Gemma 3, опубликованная mfielding92. Она основана на unsloth/gemma-3-12b-it-unsloth-bnb-4bit и предназначена для генерации текста и диалогового взаимодействия. Архитектура — плотная Gemma3ForCausalLM; размер — 11,6 млрд параметров, заявленная длина контекста — 131 072 токена. Модель обучалась с помощью Unsloth и библиотеки TRL. В карточке не описаны отдельные возможности рассуждения Grok, поэтому название репозитория само по себе не подтверждает совместимость или связь с моделью Grok. Поддерживаемый карточкой язык — английский. Модель распространяется по лицензии Apache-2.0.

Pantheon-Reasoning-26B-A4B-1.1-V2-GGUF — это квантизированная версия текстовой генеративной модели Gryphe/Pantheon-Reasoning-26B-A4B-1.1-V2, подготовленная пользователем bartowski в формате GGUF с использованием llama.cpp. Модель предназначена для диалоговых и инструкционных сценариев, рассуждений, ролевого общения и творческого письма. Заявлена поддержка английского языка и текстовых входных данных. Модель содержит около 27 млрд параметров. Для неё доступны веса в формате BF16 и несколько вариантов квантизации от Q3 до Q8, включая рекомендуемый Q4_K_M размером 18,75 ГБ, а также более качественные Q5 и Q6. Используется imatrix-квантизация; спекулятивное декодирование не поддерживается. Контекстное окно и архитектурные детали в README не указаны, поэтому их характеристики нельзя оценить по предоставленным данным. Сильными сторонами являются широкий выбор вариантов размера и качества, возможность локального запуска через совместимые инструменты GGUF и оптимизация для различных ограничений по памяти. Более компактные варианты экономят ресурсы, но могут уступать старшим квантизациям по качеству. Лицензия модели указана как Apache-2.0.

Gryphe_Tiamat-24B-Magistral-GGUF — это набор GGUF-квантизаций модели Tiamat-24B-Magistral, разработанной Gryphe и опубликованной в квантизированном виде пользователем bartowski. Модель предназначена для генерации текста, включая инструкционные сценарии и roleplay. Указан английский язык; поддерживаются локальный запуск через llama.cpp, LM Studio и другие совместимые проекты. Модель содержит 24 миллиарда параметров. Доступны варианты от BF16 до различных уровней квантизации Q8, Q6, Q5, Q4 и Q3, что позволяет выбирать между качеством и требованиями к памяти. Квантизация выполнена с использованием imatrix на базе llama.cpp; для взаимодействия рекомендуется формат промпта с секциями SYSTEM_PROMPT и INST. Контекстное окно, точная архитектура и мультимодальные возможности в предоставленных данных не указаны. Сильной стороной набора является широкий выбор размеров файлов и форматов, включая варианты, ориентированные на высокое качество или ограниченный объём оперативной памяти. Более низкие уровни квантизации могут заметно снижать качество, а некоторые варианты обозначены как устаревшие или нерекомендуемые. Лицензия модели — Apache-2.0.

Ninjasin/guard-ai-apex-1.5b — дообученная Ninjasin языковая модель семейства Qwen2 с архитектурой Qwen2ForCausalLM и 1,5 млрд параметров. Базовая модель — unsloth/qwen2.5-coder-1.5b-instruct-bnb-4bit; при обучении использовались Unsloth и библиотека TRL. Модель предназначена для генерации текста в диалоговом формате и поддерживает интерфейс вызова инструментов. Модель принимает текст и выдаёт текст. В метаданных указан английский язык и контекст длиной до 32 768 токенов. Весы опубликованы в формате safetensors, лицензия — Apache-2.0. Карточка не уточняет специализацию названия Guard AI Apex, поэтому её защитные или охранные функции нельзя считать подтверждёнными.

GWQ2b — дообученная языковая модель prithivMLmods на базе Google Gemma 2 2B Instruct. Это декодерный трансформер для генерации текста, с диалоговыми возможностями и контекстом до 8192 токенов; в карточке заявлена поддержка английского языка. Модель дообучена на синтетическом наборе Chain of Continuous Thought и предназначена для ответов на вопросы, суммаризации, рассуждений и следования инструкциям. Модель подходит для создания ответов и кратких изложений, многошаговых рассуждений, а также творческого текста и документации. Вес составляет 2,7 млрд параметров, файлы представлены в формате Safetensors. Лицензия Gemma; условия её использования следует учитывать при развёртывании. Как и другие языковые модели, GWQ2b может выдавать неточные сведения и воспроизводить смещения из данных обучения. Она ограничена контекстом в 8192 токена, а заявленные в README сведения о размере и архитектуре местами противоречат метаданным: для описания использованы параметры из метаданных.

h2o-danube2-1.8b-sft — языковая модель H2O.ai, дообученная в формате SFT для диалогов и генерации текста. Она построена на плотной архитектуре семейства Mistral с модификациями архитектуры Llama 2, содержит около 1,7 млрд параметров и использует токенизатор Mistral. Модель рассчитана на контекст до 8 192 токенов и предназначена для запуска через библиотеку Transformers. Модель подходит для диалоговых помощников, ответов на вопросы и генерации текста по запросу. В карточке заявлена поддержка английского языка; специализированная предметная область не указана. Репозиторий распространяется по лицензии Apache-2.0. Ответы могут быть ошибочными, нерелевантными, предвзятыми или оскорбительными, поэтому их следует проверять.

h2oai/h2ogpt-gm-oasst1-en-2048-falcon-40b-v1 — текстовая языковая модель H2O.ai, обученная с помощью H2O LLM Studio на базе tiiuae/falcon-40b с использованием датасета OpenAssistant/oasst1. Это плотная авторегрессионная модель семейства RefinedWeb с архитектурой RWForCausalLM и примерно 65 млрд параметров. Она предназначена для генерации ответов и диалогового взаимодействия на английском языке; её можно применять для ответов на вопросы и других задач, решаемых через генерацию текста. Модель принимает текст и выдаёт текст. Репозиторий предоставляет веса PyTorch для использования с Transformers. Лицензия — Apache-2.0. Модель может давать неверные, бессмысленные или нерелевантные ответы и воспроизводить предвзятый либо оскорбительный контент; результаты требуют проверки.

h2oai/h2ogpt-gm-oasst1-en-2048-falcon-40b-v2 — языковая модель H2O.ai, дообученная с помощью H2O LLM Studio на персонализированной подготовке набора OpenAssistant/oasst1. В основе лежит tiiuae/falcon-40b; метаданные указывают архитектуру RefinedWeb, плотную авторегрессионную модель RWForCausalLM и 65 млрд параметров. Модель предназначена для генерации текста на английском языке, в том числе для диалогов и ответов на вопросы. Модель можно применять для создания черновиков, диалоговых ответов и классификации или разметки текста. В репозитории указана лицензия Apache-2.0. README предупреждает, что ответы могут содержать ошибки, быть нерелевантными или воспроизводить предвзятые и оскорбительные высказывания; результаты следует проверять.

H2O.ai h2ogpt-gm-oasst1-multilang-2048-falcon-7b — диалоговая языковая модель, дообученная в H2O LLM Studio на OpenAssistant/oasst1 на базе tiiuae/falcon-7b. Она предназначена для генерации ответов и ведения диалога; в названии указано multilang и контекст 2048 токена. Модель имеет плотную архитектуру Falcon и содержит 10,9 млрд параметров; для работы используется библиотека Transformers и формат PyTorch. Модель подходит для чат-ботов, ответов на вопросы и генерации текста. Карточка не приводит перечень поддерживаемых языков, поэтому по метаданным подтверждён только английский. Лицензия — Apache-2.0. Ответы могут быть ошибочными или нерелевантными и иногда содержать предвзятые либо оскорбительные формулировки; их следует проверять.

h2ogpt-oig-oasst1-512-6_9b — языковая модель H2O.ai для генерации текста и следования инструкциям. Это дообученная версия EleutherAI/pythia-6.9b с архитектурой GPT-NeoX, содержащая около 8,8 млрд параметров. Модель принимает текст и генерирует текст; карточка указывает английский язык и контекст до 2048 токенов. Модель предназначена для чат-ботов, ответов на вопросы и выполнения текстовых инструкций. При дообучении использованы наборы инструкций OIG и OpenAssistant, а также персонализированный набор Fortune 2000. Для запуска README предлагает библиотеку Transformers и Accelerate. Лицензия — Apache-2.0, допускающая коммерческое использование. Модель может выдавать неверные, бессвязные или неуместные ответы и воспроизводить предубеждения или оскорбительный контент; результаты требуют проверки человеком.

haLLAwa3 — объединённая языковая модель AbacusResearch на архитектуре Mistral с 7,1 млрд параметров. Она создана методом слияния mergekit моделей openchat/openchat-3.5-0106 и machinists/Mistral-7B-SQL; в конфигурации указаны метод slerp и точность bfloat16. Модель предназначена для генерации текста и диалоговых ответов, в том числе для задач, где нужны краткие прямые ответы, понимание документов и работа с SQL. Контекст модели составляет до 32 768 токенов. В README приведены результаты Open LLM Leaderboard: средний балл 71,34, включая 67,83 на AI2 Reasoning Challenge и 87,02 на HellaSwag; эти показатели относятся к указанным тестам и не гарантируют точность в конкретном применении. Лицензия — Apache-2.0.

Yoesph/Haphazard-v1.1-24b — объединённая языковая модель, созданная с помощью mergekit методом Model Stock на основе arcee-ai/Arcee-Blitz с добавлением TheDrummer/Cydonia-24B-v2.1, ReadyArt/Forgotten-Safeword-24B-V3.0 и PocketDoc/Dans-PersonalityEngine-V1.2.0-24b. Разработчик — Yoesph. Модель построена на архитектуре Mistral и содержит 23,4 млрд параметров. Она предназначена для генерации текста и диалогов, с акцентом на ролевые сценарии, следование инструкциям и общие языковые задачи. Контекстное окно составляет 32 768 токенов; модель принимает текст и выдаёт текст. В карточке указана лицензия; её конкретный тип в предоставленных данных отсутствует. Объединение нескольких моделей с разными настройками может давать вариативные результаты, а из-за включения модели, обозначенной как uncensored, ответы могут содержать взрослый или иной нежелательный контент.

Haary/haryra-7b-llama2-id — текстовая генеративная модель семейства Llama, опубликованная Haary. В README указано, что это версия Ichsan2895/Merak-7B-v3, полученная с использованием QLoRA; каталожные метаданные описывают архитектуру как плотную LlamaForCausalLM и указывают 6,6 млрд параметров. Модель предназначена для генерации текста. Она работает через Transformers, распространяется в формате safetensors и имеет контекстное окно 4096 токенов. README не уточняет языки и конкретные сценарии применения. Модель основана на Ichsan2895/Merak-7B-v3. Указана лицензия llama2; условия её применения определяются этой лицензией.

impossibleexchange/hearnoevil — объединённая языковая модель, созданная с помощью mergekit линейным слиянием whizzzzkid/whizzzzkid_p8_4 и whizzzzkid/whizzzzkid_p9_6. Модель относится к семейству StableLM, использует плотную архитектуру StableLmForCausalLM и содержит 1,4 млрд параметров. Она предназначена для генерации текста и диалогового взаимодействия; максимальная длина контекста составляет 4096 токенов. Модель распространяется в формате safetensors и предназначена для запуска через Transformers. Данные не уточняют поддерживаемые естественные языки или специализированные области применения. Условия лицензии в предоставленных источниках не указаны.

Hebrew-Mistral-7B — открытая базовая языковая модель, разработанная Ямом Пелегом при участии Джонатана Руаха и Arjeo, Inc. Модель основана на Mistral-7B-v1.0 и продолжительно предобучена на текстах на иврите и английском языке. Она содержит 7,2 млрд параметров, использует архитектуру Mistral с плотной causal language model, расширенный токенизатор на 64 000 токенов и контекст до 32 768 токенов. Модель предназначена для генерации текста и широкого круга языковых задач, особенно для понимания и создания текстов на иврите; также обучалась на английском. Её можно использовать как базовую модель для собственных приложений или последующего дообучения. Доступны веса в формате safetensors для библиотеки Transformers. Это базовая предварительно обученная модель без механизмов модерации, поэтому её ответы могут содержать нежелательный контент. Лицензия Apache-2.0 разрешает использование на её условиях.

Helide Beta R3 — языковая модель для генерации текста и диалогов, созданная объединением моделей Fizzarolli/L3-8b-Rosier-v1 и Sao10K/L3-8B-Stheno-v3.2. Разработчик объединил предварительно обученные модели методом SLERP с помощью mergekit; архитектура — плотная LlamaForCausalLM, размер — 7,5 млрд параметров. Модель предназначена для общения, написания историй и выполнения инструкций на английском языке. Она поддерживает чат и имеет контекстное окно 8192 токена. Репозиторий содержит веса в формате safetensors. Лицензия в доступных данных не указана.

Dwainj/helm-en-rewrite-merged — модель генерации текста из семейства Qwen2, доступная для использования через библиотеку Transformers. По метаданным она содержит около 7,1 млрд параметров и поддерживает контекст длиной до 32 768 токенов. Модель предназначена для генерации и продолжения текста, а также может использоваться в диалоговых сценариях, поскольку в метаданных отмечен conversational-тег. Архитектурные детали до уровня конкретной конфигурации, сведения о разработчике, языках, обучении и результатах оценки в доступных материалах не приведены. При использовании следует учитывать отсутствие опубликованных данных о качестве, безопасности, смещениях, тренировочных данных и рекомендуемых сценариях применения. Лицензия в доступных материалах не указана, поэтому условия распространения и коммерческого использования необходимо проверять отдельно.

Hermeo-7B — англо-немецкая языковая модель, созданная Malteos путём слияния DPOpenHermes-7B-v2 и leo-mistral-hessianai-7b-chat с помощью mergekit. Обе исходные модели дообучены на базе Mistral-7B-v0.1. Это плотный авторегрессионный трансформер-декодер с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста в формате диалога ChatML, включая ответы на запросы и генерацию на английском и немецком языках. В карточке приведены оценки на англо- и немецкоязычных бенчмарках; пример показывает, что модель может помогать с переводом между этими языками. Репозиторий содержит веса Safetensors, библиотека для использования — Transformers. Лицензия Apache 2.0.

Hermes 2 Pro — диалоговая языковая модель Nous Research, созданная совместно с Interstellarninja и Fireworks.AI на основе дообучения Meta Llama 3 70B. Модель с плотной архитектурой Llama содержит 69,5 млрд параметров, принимает текст и генерирует текст; родной размер контекста — 8192 токена. Для диалога используется формат ChatML. Модель предназначена для общения, выполнения инструкций, вызова функций и формирования структурированных ответов в JSON по заданной схеме. По данным разработчиков, обучение включало обновлённый набор OpenHermes 2.5, а также специально подготовленные данные для вызова функций и JSON Mode. Для использования этих возможностей нужны соответствующие системные инструкции и обработка вызовов инструментов в приложении. В метаданных указан английский язык. Модель наследует возможности базовой Llama 3 70B для генерации текста и кода, однако карточка отдельно не описывает языковую поддержку сверх английского. Доступна в формате safetensors; лицензия в предоставленных данных не указана.

Hermes-2-Pro-Llama-3-8B-GGUF — квантизированная GGUF-версия языковой модели Hermes-2-Pro-Llama-3-8B, разработанной NousResearch и преобразованной в GGUF компанией Second State Inc. Это текстовая модель для генерации ответов в диалогах и использования инструментов, совместимая с форматом ChatML и запуском через LlamaEdge. В README указан английский язык. Модель относится к семейству Llama и содержит 8 млрд параметров. Доступны варианты квантизации от 2 до 8 бит, а также версия f16 размером 16,1 ГБ. Рекомендуемые варианты Q4_K_M, Q5_K_M и Q5_K_S обеспечивают компромисс между размером и сохранением качества; наиболее компактные варианты требуют меньшего объёма памяти, но сопровождаются более заметной потерей качества. Указанный размер контекста — 4096 токенов. Для работы требуется LlamaEdge версии 0.11.3 или новее и соответствующий шаблон prompt: chatml для диалогов или chatml-tool для использования инструментов. README не содержит сведений о лицензии исходной модели или этой сборки, поэтому условия распространения и коммерческого использования по представленным данным определить нельзя.

solidrust/Hermes-3-Llama-3.1-8B-AWQ — это 4-битная AWQ-квантизированная версия текстовой авторегрессионной модели Hermes-3-Llama-3.1-8B, разработанной NousResearch. Квантизацию выполнил Suparious. Модель предназначена для генерации текста и диалоговых сценариев, включая запуск через Transformers, AutoAWQ, vLLM, Text Generation WebUI и Hugging Face Text Generation Inference. Модель основана на архитектуре Llama 3.1 с заявленным размером 8B параметров. Она работает в режиме text generation и использует диалоговый шаблон с ролями system, user и assistant. В README не указаны точный размер контекста, поддерживаемые языки и дополнительные модальности, поэтому эти характеристики нельзя подтвердить. Ключевое преимущество версии — 4-битная AWQ-квантизация, рассчитанная на снижение требований к памяти и ускорение инференса при сопоставимом с распространёнными настройками GPTQ качестве. Ограничения включают необходимость совместимого окружения: заявлена поддержка Linux и Windows с GPU NVIDIA; для macOS рекомендуется использовать модели в формате GGUF. Лицензия в README не указана.

Hermes-A1-20B-i1-GGUF — это набор квантизированных файлов в формате GGUF для базовой модели aayanmishra-ml/Hermes-A1-20B. Квантизацию выполнил mradermacher; в README также упоминается поддержка со стороны nethype GmbH и nicoboss. Модель предназначена для локального запуска задач генерации текста, включая диалоговые сценарии и многоязычное взаимодействие. В основе лежит трансформерная causal language model размером 20 млрд параметров. Заявлены английский, немецкий, французский, испанский и итальянский языки. Модель работает с текстом; сведения о контекстном окне и дополнительных модальностях отсутствуют. Репозиторий содержит варианты imatrix-квантизации от i1-IQ1_M до i1-Q6_K, различающиеся размером, скоростью и качеством. Для баланса размера, скорости и качества рекомендован i1-Q4_K_M, а i1-Q4_K_S отмечен как оптимальный по этим параметрам. Ключевое преимущество — возможность запуска крупной модели в существенно уменьшенном размере: файлы занимают примерно от 12,1 до 22,3 ГБ. Ограничения зависят от выбранного варианта: низкобитные квантизации требуют меньше ресурсов, но могут заметно снижать качество, тогда как более крупные файлы предъявляют повышенные требования к памяти. Лицензия базовой модели указана как Apache-2.0; отдельные условия для квантизированных файлов в README не уточняются.

Hermes-Instruct-7B-217K — диалоговая языковая модель на архитектуре Mistral, созданная Lodrick the Lafted. Это дообученная версия Mistral-7B-Instruct-v0.2, обученная на 217 тысячах примеров из teknium/openhermes в формате Alpaca. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых инструкций. Она принимает запросы в формате Mistral-Instruct или Alpaca; токенизатор по умолчанию настроен на Alpaca. Автор описывает обучение на разном объёме данных как эксперимент по оценке влияния дальнейшего дообучения. Репозиторий предоставляет веса PyTorch и Safetensors. Модель распространяется по лицензии Apache-2.0. Результаты зависят от запроса и контекста; карточка не приводит отдельной оценки качества или подробностей ограничений.

kmhf/hf-moshika — текстовая генеративная модель, опубликованная на Hugging Face и предназначенная для запуска через библиотеку Transformers. В метаданных модель связана с семейством или технологией Moshi, однако разработчик, точный тип архитектуры и происхождение весов в доступной карточке не описаны. Модель решает задачу генерации текста: может использоваться для продолжения заданного текста, создания черновиков и построения приложений на базе text-generation. Объём модели составляет 8,7 млрд параметров, а заявленная нативная длина контекста — 3000 токенов. Формат хранения включает safetensors. Сильными сторонами являются сравнительно крупный размер модели и интеграция с экосистемой Transformers. Языки, результаты оценки, обучающие данные и специализированные сценарии применения не описаны. Лицензия в доступных данных не указана, поэтому условия использования необходимо проверить на странице репозитория перед применением модели.

Hippolyta-7B — языковая модель, созданная Kquant03 на основе Mistral-7B-v0.1 и дообученная на наборах OpenOrca, OpenHermes, Dolphin и Airoboros, а также на небольшом объёме частных данных. Это плотная авторегрессионная модель на 7,1 млрд параметров для генерации текста и ответов в формате чат-инструкций с шаблоном Mistral. Модель принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. В метаданных указан английский язык, а веса опубликованы в формате safetensors. Репозиторий заявляет лицензию Apache-2.0. Модель подходит для диалогов, ответов на вопросы, выполнения текстовых инструкций и написания текста. Автор отмечает, что форматирование части частного обучающего набора требует доработки; описание качества основано на личной оценке автора, а не на приведённых результатах оценки. В README также упомянуты файлы GGUF, но метаданные репозитория указывают safetensors.

Карточка модели PS4Research/Hk6vAazgWreoKsXr на Hugging Face совпадает с карточкой PS4Research/0VOz3fgU0qp4lVar, поэтому описание составлено по ней. PS4Research/0VOz3fgU0qp4lVar — дообученная модель генерации текста на архитектуре Olmo 3, созданная PS4Research на основе allenai/Olmo-3.1-32B-Think. В карточке указано, что для обучения использовались Unsloth и библиотека TRL от Hugging Face; модель содержит 31,7 млрд параметров и поддерживает контекст до 65 536 токенов. Модель предназначена для генерации текста и диалогового взаимодействия; интерфейс поддерживает вызов инструментов. Базовая модель ориентирована на английский язык и задачи рассуждений, в том числе математику и программирование. Сведений о специальных улучшениях, полученных при дообучении, в карточке нет. Лицензия — Apache-2.0.

Hollow Ridge Q4 — каузальная языковая модель для генерации текста, опубликованная пользователем codex176743 на Hugging Face. По метаданным она связана с семейством Qwen2, содержит около 7,1 млрд параметров и рассчитана на запуск через библиотеку Transformers. В карточке также указаны форматы safetensors и conversational. Модель предназначена для диалоговой генерации текста, продолжения запросов и построения приложений на базе text-generation. Нативное контекстное окно составляет 32 768 токенов, что позволяет обрабатывать достаточно длинные инструкции и фрагменты диалога. Лицензия Apache-2.0 допускает использование в соответствии с её условиями. В README нет сведений о результатах оценки, поддерживаемых естественных языках, данных обучения, методе квантования Q4 или специализированных прикладных областях. Поэтому качество модели и её пригодность для конкретных языков и сценариев следует проверять отдельно.

suayptalha/HomerCreativeAnvita-Mix-Qw7B — языковая модель, созданная слиянием двух моделей Qwen2.5-7B с помощью метода SLERP и инструмента mergekit. Она предназначена для генерации текста в диалоге и других сценариях, где требуется отвечать на запросы или следовать инструкциям. Модель содержит 7,1 млрд параметров, использует архитектуру Qwen2ForCausalLM, хранится в формате safetensors и поддерживает контекст до 32 768 токенов. В карточке приведены результаты оценивания на Open LLM Leaderboard, включая IFEval и BBH; автор заявляет высокие позиции среди моделей до 8B и 13B параметров. Эти результаты не гарантируют качество на конкретных задачах. Модель распространяется по лицензии Apache-2.0. README не уточняет поддерживаемые естественные языки и ограничения безопасного использования.