I.5Создание и редактирование текста

Llama-3-8B-WildChat — дообученная Magpie-Align модель на архитектуре Llama, основанная на Meta Llama 3 8B. Она предназначена для генерации текста в диалоговом формате. Модель содержит 7,5 млрд параметров, принимает текст и выдаёт текст; контекст — до 8192 токенов. Карточка сообщает о дообучении с помощью Axolotl и приводит значение loss 0,8197 на оценочном наборе. Данные обучения и подробные сценарии применения в карточке не раскрыты. Модель распространяется по лицензии Llama 3.

Llama-3-8B-WizardLM-196K — дообученная Magpie-Align версия языковой модели Meta Llama 3 8B, разработанная на базе meta-llama/Meta-Llama-3-8B. Модель предназначена для генерации текста в диалоговом формате и может использоваться как чат-модель общего назначения. Модель содержит 7,5 млрд параметров, построена на плотной архитектуре LlamaForCausalLM и принимает текст, выдавая текст. Длина контекста, указанная в метаданных, — 8192 токена. Веса доступны в форматах PyTorch и safetensors; лицензия — llama3. README сообщает о дообучении, но не раскрывает датасет и не описывает специализированные возможности или результаты, кроме значения loss 0,6077 на оценочном наборе.

vincentoh/llama3-alpaca-dpo-instruct — текстовая генеративная модель семейства Llama 3, дообученная на одном проходе по датасету Alpaca. Карточка указывает на базовую модель unsloth/llama-3-8b-bnb-4bit; архитектура — плотная авторегрессионная LlamaForCausalLM, размер — 7,5 млрд параметров, контекст — до 8192 токенов. Модель предназначена для генерации текста и выполнения инструкций на английском языке: например, для ответов на вопросы, составления черновиков и диалогового взаимодействия. Используется формат safetensors и лицензия Apache-2.0. Данных о результатах оценки качества в карточке нет.

Llama3-ChatQA-1.5-8B-IMat-GGUF — это GGUF-квантизированная версия текстовой модели Llama3-ChatQA-1.5-8B, разработанной NVIDIA. Квантизацию выполнил legraphista с использованием llama.cpp b3003 и методов IMatrix. Модель предназначена для генерации текста и диалоговых сценариев, включая ответы на вопросы и работу в локальных приложениях, совместимых с llama.cpp. Модель имеет около 8 млрд параметров, поддерживает английский язык и работает с текстовой модальностью. Доступны варианты от FP16 и Q8_0 до низкобитных форматов Q2, Q3, Q4, IQ2, IQ3 и IQ4; для части вариантов применена IMatrix-квантизация. Размер файлов варьируется примерно от 2,61 до 16,07 ГБ, что позволяет выбирать между качеством, скоростью и требованиями к памяти. Размер контекстного окна в README не указан. Основное преимущество модели — широкий выбор GGUF-вариантов для запуска на оборудовании с разным объёмом памяти и возможность эффективного локального использования через llama.cpp. Ограничения связаны с компромиссами квантизации: низкобитные варианты могут уступать FP16 по качеству, а точные требования к производительности и совместимости зависят от выбранного формата и оборудования. Модель распространяется по лицензии llama3.

Llama-3-Chinese-8B-Instruct — чат-модель на архитектуре Llama, разработанная как дообучение Llama-3-Chinese-8B на 5 млн примеров с инструкциями. Она предназначена для диалога, ответов на вопросы и генерации текста по запросу. Модель содержит 7,5 млрд параметров, принимает текст и выдаёт текст; заявленные языки — китайский и английский. Контекстное окно составляет 8192 токена. Для хранения весов используется формат Safetensors. Модель подходит для разговорных сценариев и вопросов и ответов. Карточка не приводит оценки качества или подробных ограничений применения. Лицензия — Apache-2.0.

Llama-3-Chinese-8B-Instruct-v2 — диалоговая языковая модель семейства Llama 3, разработанная HFL на основе Meta-Llama-3-8B-Instruct и дообученная на 5 млн инструкционных примеров. Модель с плотной архитектурой LlamaForCausalLM содержит 7,5 млрд параметров и предназначена для генерации текста в формате инструкций и чата. Модель подходит для диалогов, ответов на вопросы и других сценариев, где нужен ассистент, понимающий китайский и английский языки. Контекст составляет до 8192 токенов. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Карточка не приводит сравнительных результатов или конкретных ограничений качества; характеристики базовой модели не следует автоматически считать подтверждёнными для этой дообученной версии.

sel303 дообучил модель на базе LLaMA 3 8B Instruct, используя открытые данные AIHub и собственный набор данных предметной области. В репозитории указана архитектура LlamaForCausalLM; размер по метаданным — 7,5 млрд параметров, контекст — 8192 токена. Модель предназначена для генерации текста в диалоговом формате. При дообучении автор ограничил обучаемую часть примерно 10% параметров и упоминает LoRA, QLoRA или другие методы PEFT как возможные способы настройки. Карточка не уточняет, какой именно метод применён и для какой предметной области создавался собственный набор данных. Лицензия — llama3; в данных обучения могут присутствовать чувствительные сведения, поэтому ответы модели требуют проверки с точки зрения конфиденциальности.

Junpito/llama3-finetuned-id-16bit — дообученная Junpito плотная языковая модель семейства Llama 3.2 с архитектурой LlamaForCausalLM. Она основана на unsloth/llama-3.2-3b-instruct-unsloth-bnb-4bit и обучалась с использованием Unsloth и библиотеки TRL от Hugging Face. В репозитории указаны формат safetensors, размер около 3,2 млрд параметров и контекст до 131 072 токенов. Модель предназначена для генерации текста и диалоговых сценариев на английском языке; в метаданных также отмечен интерфейс вызова инструментов. Лицензия — Apache-2.0. Карточка не уточняет данные дообучения, конкретную специализацию, оценку качества или ограничения применения, поэтому эти свойства нельзя определить по доступным сведениям.

Карточка модели princeton-nlp/Llama-3-Instruct-8B-CPO-v0.2 на Hugging Face совпадает с карточкой princeton-nlp/Llama-3-Instruct-8B-SimPO-v0.2, поэтому описание составлено по ней. Llama-3-Instruct-8B-SimPO-v0.2 — диалоговая языковая модель семейства Llama, выпущенная командой Princeton NLP как модель из работы SimPO (Simple Preference Optimization with a Reference-Free Reward). Она предназначена для генерации текста в формате инструкций и диалога. Модель содержит 7,5 млрд параметров, принимает текст и имеет контекстное окно 8192 токена. Модель связана с исследованием оптимизации предпочтений без эталонной модели. В карточке не приведены подробности обучения, оценки качества или специальные области применения; метаданные указывают поддержку чата и формат весов safetensors. Лицензия в предоставленных данных не указана.

Карточка модели princeton-nlp/Llama-3-Instruct-8B-DPO-v0.2 на Hugging Face совпадает с карточкой princeton-nlp/Llama-3-Instruct-8B-SimPO-v0.2, поэтому описание составлено по ней. Llama-3-Instruct-8B-SimPO-v0.2 — диалоговая языковая модель семейства Llama, выпущенная командой Princeton NLP как модель из работы SimPO (Simple Preference Optimization with a Reference-Free Reward). Она предназначена для генерации текста в формате инструкций и диалога. Модель содержит 7,5 млрд параметров, принимает текст и имеет контекстное окно 8192 токена. Модель связана с исследованием оптимизации предпочтений без эталонной модели. В карточке не приведены подробности обучения, оценки качества или специальные области применения; метаданные указывают поддержку чата и формат весов safetensors. Лицензия в предоставленных данных не указана.

Карточка модели princeton-nlp/Llama-3-Instruct-8B-ORPO-v0.2 на Hugging Face совпадает с карточкой princeton-nlp/Llama-3-Instruct-8B-SimPO-v0.2, поэтому описание составлено по ней. Llama-3-Instruct-8B-SimPO-v0.2 — диалоговая языковая модель семейства Llama, выпущенная командой Princeton NLP как модель из работы SimPO (Simple Preference Optimization with a Reference-Free Reward). Она предназначена для генерации текста в формате инструкций и диалога. Модель содержит 7,5 млрд параметров, принимает текст и имеет контекстное окно 8192 токена. Модель связана с исследованием оптимизации предпочтений без эталонной модели. В карточке не приведены подробности обучения, оценки качества или специальные области применения; метаданные указывают поддержку чата и формат весов safetensors. Лицензия в предоставленных данных не указана.

Карточка модели princeton-nlp/Llama-3-Instruct-8B-RRHF на Hugging Face совпадает с карточкой princeton-nlp/Llama-3-Instruct-8B-SimPO-v0.2, поэтому описание составлено по ней. Llama-3-Instruct-8B-SimPO-v0.2 — диалоговая языковая модель семейства Llama, выпущенная командой Princeton NLP как модель из работы SimPO (Simple Preference Optimization with a Reference-Free Reward). Она предназначена для генерации текста в формате инструкций и диалога. Модель содержит 7,5 млрд параметров, принимает текст и имеет контекстное окно 8192 токена. Модель связана с исследованием оптимизации предпочтений без эталонной модели. В карточке не приведены подробности обучения, оценки качества или специальные области применения; метаданные указывают поддержку чата и формат весов safetensors. Лицензия в предоставленных данных не указана.

Llama-3-Instruct-8B-SimPO-v0.2 — диалоговая языковая модель семейства Llama, выпущенная командой Princeton NLP как модель из работы SimPO (Simple Preference Optimization with a Reference-Free Reward). Она предназначена для генерации текста в формате инструкций и диалога. Модель содержит 7,5 млрд параметров, принимает текст и имеет контекстное окно 8192 токена. Модель связана с исследованием оптимизации предпочтений без эталонной модели. В карточке не приведены подробности обучения, оценки качества или специальные области применения; метаданные указывают поддержку чата и формат весов safetensors. Лицензия в предоставленных данных не указана.

UCLA-AGI разработала Llama-3-Instruct-8B-SPPO-Iter1 — плотную авторегрессионную языковую модель семейства Llama с 7,5 млрд параметров, дообученную методом Self-Play Preference Optimization на первом этапе. В качестве основы использована meta-llama/Meta-Llama-3-8B-Instruct; обучение опиралось на наборы промптов UltraFeedback и синтетические ответы. Модель рассчитана прежде всего на английский язык, поддерживает диалог и принимает текст для генерации текста. Контекстное окно составляет 8192 токена. Модель подходит для диалоговых ответов и генерации текста с настройкой на предпочтения пользователей. В карточке приведены результаты AlpacaEval и Open LLM Leaderboard для оценки её качества на сравнительных и языковых бенчмарках. Модель распространяется по лицензии Apache-2.0.

QuantFactory/LLaMA3-iterative-DPO-final-GGUF — это неофициальная GGUF-квантизованная версия инструкционной языковой модели LLaMA3-iterative-DPO-final, созданная QuantFactory с использованием llama.cpp на основе модели RLHFlow. Модель предназначена для генерации текста и диалоговых сценариев, включая выполнение инструкций, ответы на вопросы и использование в conversational-приложениях. Модель имеет около 8 млрд параметров и обучена методом Iterative DPO — вариантом онлайн-RLHF, основанным на Direct Preference Optimization. По данным README, обучение проводилось на открытых наборах данных без дополнительной разметки людьми или GPT-4. В опубликованных результатах модель показывает высокие показатели на Alpaca-Eval-V2, MT-Bench и Chat-Arena-Hard, а также на академических тестах GSM-8K, MMLU, HumanEval, TruthfulQA, ARC и MBPP. Конкретный формат квантизации, поддерживаемые языки, длина контекста и точные требования к ресурсам не указаны. К сильным сторонам относятся компактный для инструкционной модели размер, возможность запуска в GGUF-совместимой инфраструктуре и хорошие заявленные результаты в диалоговых, математических, кодовых и общеобразовательных задачах. Ограничения включают неофициальный статус чекпойнта, возможные потери качества из-за квантизации и отсутствие подробных сведений о её параметрах. Указана лицензия llama3; дополнительные условия использования в README не раскрыты.

Llama-3-KoEn-8B — плотная авторегрессионная языковая модель Junbum Lee (Beomi), продолжающая предобучение Meta Llama 3 8B на корпусе из корейских и английских текстов. Модель принимает текст и генерирует текст, в том числе код; предназначена для адаптации к задачам генерации и для создания чат- и инструкционных моделей. Модель содержит 7,5 млрд параметров, построена на архитектуре Llama 3 и имеет контекстное окно 8192 токена. Доступна в форматах PyTorch и Safetensors. Это предварительный релиз статической модели, обученной на офлайн-данных. Лицензия указана как CC-BY-NC-SA-4.0 вместе с лицензией сообщества Llama 3; применяются их условия использования. Карточка предупреждает, что ответы могут быть неточными, предвзятыми или нежелательными, и рекомендует проверять безопасность для конкретного приложения. Хотя обучение включало корейский и английский языки, документация ограничивает предполагаемое использование английским и предостерегает от применения на других языках без соблюдения условий лицензии Llama 3.

QuantFactory/Llama-3-KoEn-8B-GGUF — квантизированная версия модели beomi/Llama-3-KoEn-8B, созданная с помощью llama.cpp. Исходная модель разработана Junbum Lee (Beomi) на основе Llama 3 8B; обучение продолжалось на корпусе на корейском и английском языках при поддержке программы TRC и выполнялось на TPUv4-256. Модель предназначена для генерации текста и кода, а также для адаптации к различным задачам обработки естественного языка. Это авторегрессионная языковая модель с оптимизированной архитектурой Transformer и механизмом GQA. Доступен один вариант размером 8B параметров, с контекстом до 8k токенов и объёмом обучения более 80B токенов. На вход принимает только текст и генерирует текст или код; модель является статичной и обучена на офлайн-данных. README не уточняет конкретный формат квантизации и его влияние на производительность или качество. К сильным сторонам относятся поддержка корейского и английского языков, относительно компактный размер и возможность локального запуска благодаря квантизации. Ограничения включают статус предварительного релиза, дату отсечения знаний — июнь 2023 года, отсутствие встроенной инструкционной настройки у базовой модели и необходимость самостоятельно реализовать меры безопасности. Использование регулируется лицензией CC-BY-NC-SA-4.0 в сочетании с лицензией Llama 3 и соответствующими правилами допустимого использования; коммерческие и иные сценарии должны проверяться на соответствие этим условиям.

Llama-3-MahouDevil-8B — объединённая языковая модель на базе архитектуры Llama 3, созданная с помощью mergekit методом Model Stock. В слияние вошли flammenai/Mahou-1.2-llama3-8B и flammenai/Mahou-1.3-llama3-8B, а базовой моделью указана mlabonne/NeuralDaredevil-8B-abliterated. Модель содержит 7,5 млрд параметров, принимает текст и генерирует текст, поддерживает контекст до 8192 токенов. Она предназначена для генерации продолжений, диалогов и ролевых сценариев. Лицензия — Llama 3; README не приводит дополнительных сведений о качестве и ограничениях применения.

grimjim/llama-3-merge-avalon-8B — слитая с помощью mergekit методом SLERP языковая модель на архитектуре Llama 3. В неё объединены grimjim/llama-3-merge-virt-req-8B и nbeerbower/llama-3-slerp-kraut-dragon-8B; модель содержит около 7,5 млрд параметров и рассчитана на контекст до 8192 токенов. Модель предназначена для генерации текста и диалогов по инструкциям на английском языке. Автор сообщает о лёгком тестировании с температурой 1,0, minP 0,02 и предварительными промптами Llama 3 Instruct. Доступна в формате safetensors для Transformers. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

uygarkurt/llama-3-merged-linear — объединённая разговорная модель семейства Llama, созданная автором репозитория с помощью Mergekit. По README, для слияния выбрали три лучшие модели Llama 3 из открытого рейтинга LLM и объединили их без дополнительного обучения; конкретные исходные модели не названы. Модель предназначена для генерации текста и диалогового общения. Это плотная авторегрессионная архитектура LlamaForCausalLM размером 7,5 млрд параметров с контекстом до 8192 токенов; репозиторий содержит веса Safetensors и рассчитан на Transformers. Языки, на которых модель уверенно работает, в предоставленных данных не указаны. Модель распространяется по лицензии MIT. README описывает способ создания, но не приводит сравнительных оценок качества или подробных ограничений; заявленное автором улучшение рейтинга не подтверждено приведёнными в карточке результатами.

llama-3-Nephilim-v3-8B-GGUF — набор квантизированных моделей в формате GGUF, подготовленный bartowski на основе модели grimjim/llama-3-Nephilim-v3-8B. Квантизация выполнена с использованием llama.cpp и метода imatrix; исходная модель относится к библиотеке Transformers и предназначена для генерации текста. Модель подходит для локального запуска и текстовых сценариев, включая диалоговое взаимодействие и создание текстового контента. Доступны варианты с разными уровнями квантизации: от F32 размером 32,13 ГБ до IQ2_M размером 2,95 ГБ. Более высокие уровни, такие как Q6_K_L, Q6_K и Q5_K, обеспечивают качество, близкое к исходному, тогда как варианты Q2–Q3 требуют меньше оперативной памяти, но заметно уступают по качеству. Для запуска рекомендуется использовать совместимые приложения, в частности LM Studio, с указанным форматом prompt для Llama 3. Модель является текстовой и не поддерживает мультимодальные сценарии согласно представленным данным; сведения о языках и размере контекста отсутствуют. Распространение указано по лицензии CC BY-NC 4.0, которая предусматривает некоммерческое использование. Набор содержит несколько файлов, отличающихся размером и качеством, поэтому выбор варианта зависит от доступной памяти и требований к результатам.

Neurona 8B Beta — предварительная испаноязычная языковая модель от Iker, созданная дообучением Meta-Llama-3-8B. Это экспериментальная первая итерация проекта для проверки скриптов и инфраструктуры обучения; модель содержит около 7,5 млрд параметров и использует архитектуру Llama с плотным декодером causal language modeling. Модель предназначена для генерации текста и диалогов на испанском и английском языках. Обучение на смеси инструкционных, разговорных и тематических наборов данных формирует возможности ответов на вопросы, суммаризации, перевода между английским и испанским, помощи с кодом, function calling и работы со сценариями RAG. Контекст составляет 8192 токена. Модель распространяется в формате safetensors и использует лицензию Llama 3. README обозначает её как предварительную версию в разработке, поэтому качество и надёжность отдельных возможностей могут быть непостоянными; условия лицензии Meta Llama 3 распространяются на использование модели.

Llama-3-Open-Ko-8B-Instruct-kookmin2 — дообученная языковая модель, опубликованная sungjineeee на основе beomi/Llama-3-Open-Ko-8B. Она предназначена для генерации текста и диалогового общения. Модель имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекстное окно 8192 токена. Модель принимает текст и генерирует текст. Базовая модель продолжила предобучение на корейских и англоязычных текстах; карточка этой версии не уточняет языковой охват дообучения. Для обучения использовались Unsloth и библиотека Hugging Face TRL. Лицензия — Apache-2.0. README не приводит оценок качества или конкретных ограничений применения.

SEHYONG/Llama-3-Open-Ko-8B-Instruct-kookmin6 — плотная языковая модель семейства Llama 3, разработанная SEHYONG и дообученная на основе SEHYONG/Llama-3-Open-Ko-8B-Instruct-kookmin5. Она предназначена для генерации текста и диалогового общения. Модель содержит 7,5 млрд параметров, принимает текст и выдаёт текст; длина контекста составляет 8192 токена. Модель обучалась с использованием Unsloth и TRL. В карточке указана лицензия Apache-2.0. Доступные сведения подтверждают назначение для генерации текста и чата, но не описывают конкретные дополнительные возможности или подробные ограничения качества.

WesPro/Llama3-OrpoSmaug-Slerp-8B — плотная авторегрессионная языковая модель семейства Llama 3, созданная слиянием предварительно обученных моделей с помощью метода SLERP в mergekit. В объединение вошли Llama-3-Smaug-8B и OrpoLlama-3-8b; параметры слияния различаются для слоёв self-attention и MLP. Модель содержит 7,5 млрд параметров, распространяется в формате safetensors и имеет контекст до 8192 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно использовать для ответов на вопросы, черновиков и продолжения текста, а также для чат-сценариев на базе Llama 3. В метаданных указана возможность chat; отдельные специализированные задачи и поддерживаемые естественные языки не перечислены. Это результат слияния, а не самостоятельное дообучение. README не указывает лицензию и не приводит оценки качества или подробные ограничения применения; совместимость лицензий исходных моделей следует проверять отдельно перед использованием.

Llama-3-SauerkrautLM-70b-Instruct — диалоговая языковая модель, созданная VAGO Solutions совместно с Hyperspace.ai на основе Meta-Llama-3-70B-Instruct и настроенная с помощью DPO. Она предназначена для генерации ответов и ведения диалога на немецком и английском языках; в карточке приведены оценки на англоязычных и немецкоязычных тестах, включая MT-Bench и оценку RAG. Модель использует плотную архитектуру LlamaForCausalLM и содержит 69,5 млрд параметров. Контекст — до 8192 токенов. Доступны веса в формате safetensors. В README указана лицензия meta-llama, тогда как метаданные Hugging Face обозначают её как other; условия следует сверять с лицензией базовой модели и карточкой репозитория. Авторы предупреждают, что модель может выдавать неподходящий или неотфильтрованный контент и что её поведение не всегда будет уместным.

Llama-3-Stheno-Instruct-8B — англоязычная разговорная модель на архитектуре Llama 3, созданная автором репозитория объединением моделей Sao10K/L3-8B-Stheno-v3.2 и Undi95/Meta-Llama-3-8B-Instruct-hf методом SLERP с помощью mergekit. Модель содержит 7,5 млрд параметров, принимает текстовые запросы и генерирует текст; контекстное окно составляет 8192 токена. Модель предназначена для диалогов, выполнения инструкций и создания текстов, включая ролевые беседы и истории. Веса доступны в формате safetensors, а лицензия указана как llama3. Использование модели требует соблюдения условий этой лицензии.

Llama-3-Swallow-70B-Instruct-v0.1 — диалоговая языковая модель команды Swallow-LLM из Токийского технологического института и AIST, основанная на Meta Llama 3. Модель прошла дополнительное предобучение с упором на японские данные, а версия Instruct — дообучение с учителем и настройку Chat Vector. Это плотная модель семейства Llama с 69,5 млрд параметров, принимающая и генерирующая текст; окно контекста составляет 8192 токена. Модель предназначена для диалога и выполнения инструкций на японском и английском языках. Среди проверявшихся задач — ответы на вопросы, чтение и понимание текста, суммаризация, перевод между японским и английским, математические рассуждения и генерация кода. В README приведены результаты на японских и английских бенчмарках, включая MT-Bench JA. Разработчики предупреждают, что модель находится на ранней стадии исследований и разработки и не настроена для надёжного следования человеческим намерениям и требованиям безопасности. Метаданные указывают лицензию Llama 3 (llama3); перед использованием следует учитывать её условия.

Llama-3-Swallow-8B-Instruct-v0.1 — диалоговая языковая модель команды Swallow-LLM из Токийского технологического института и AIST, созданная на основе семейства Meta Llama 3. Модель прошла продолжительное предобучение с добавлением японских текстов, а инструктивная версия — дообучение на примерах инструкций и настройку Chat Vector. Архитектура — плотная LlamaForCausalLM, размер — 7,5 млрд параметров, длина контекста — 8192 токена; веса опубликованы в safetensors и предназначены для Transformers. Модель рассчитана на диалог и генерацию текста на японском и английском языках. Возможные сценарии включают ответы на вопросы, следование инструкциям, суммаризацию, перевод между японским и английским, рассуждения и генерацию кода. В README приведены результаты оценки на японских и английских бенчмарках, но отдельные строки таблиц для этой модели здесь не представлены, поэтому конкретный уровень качества по ним оценить нельзя. Разработчики предупреждают, что модель находится на раннем этапе разработки и не настроена для гарантированного соответствия человеческим намерениям и требованиям безопасности. Лицензия — Llama 3; условия использования определяются её положениями.

win10/Llama-3-Taiwan-13.3B-Instruct — диалоговая языковая модель на архитектуре Llama 3, созданная с помощью mergekit на основе yentinglin/Llama-3-Taiwan-8B-Instruct. Репозиторий содержит веса Safetensors, модель насчитывает 12,7 млрд параметров и поддерживает контекст до 8192 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Базовая модель ориентирована на традиционный китайский и английский языки, диалог и прикладные задачи понимания языка; метаданные этой модели подтверждают задачу text-generation и возможность чата. Модель опубликована под лицензией, сведения о которой в предоставленных источниках отсутствуют.