I.5Создание и редактирование текста

Это квантизированная в формате GGUF версия instruct-модели Ministral-3-3B-Instruct-2512 от Mistral AI, подготовленная DevQuasar для запуска в совместимом локальном ПО. Модель предназначена для диалогов, выполнения инструкций и генерации текста; базовая модель также поддерживает анализ изображений. Компактный размер семейства рассчитан на локальные и периферийные устройства. В репозитории представлены варианты GGUF BF16 и F16. Лицензия в предоставленных данных не указана; перед использованием проверьте условия лицензии базовой модели Mistral AI. Доступная карточка не описывает конкретные ограничения качества или производительности.

Квантизированная версия Ministral-3-3B-Reasoning-2512, разработанной Mistral AI, подготовленная bartowski в формате GGUF для запуска через llama.cpp и совместимые приложения, включая LM Studio. Модель предназначена для задач генерации и анализа текста, а также сценариев image-text-to-text, однако подробные сведения о поддерживаемой обработке изображений в README не приведены. Заявлены языки: английский, французский, испанский, немецкий, итальянский, португальский, нидерландский, китайский, японский, корейский и арабский. Модель имеет размер 3B параметров; доступны варианты от BF16 до квантизаций Q8_0, Q6, Q5, Q4, Q3 и IQ4 с размером файлов примерно от 1,93 до 6,87 ГБ. Квантизация выполнена с использованием imatrix и llama.cpp, что позволяет выбирать между качеством, потреблением памяти и скоростью локального запуска. Конкретная архитектура, размер контекстного окна, требования к оборудованию и формат промптов в README не указаны; для исходной модели рекомендуется обращаться к её оригинальной странице. Распространение заявлено по лицензии Apache-2.0.

Mistral-Large-3-675B-Instruct-2512-GGUF — это квантизированная GGUF-версия инструкционной модели Mistral Large 3, разработанной mistralai и подготовленной пользователем bartowski для запуска через llama.cpp и совместимые приложения, включая LM Studio. Модель предназначена для диалоговых сценариев и обработки текста, а также помечена как image-text-to-text, однако подробности о поддерживаемой работе с изображениями в README не приведены. Модель имеет заявленный размер 675B параметров и доступна в нескольких вариантах квантизации от Q8_0 до Q3 и IQ3/IQ4. Размер файлов составляет примерно от 279 до 716 ГБ, поэтому для запуска требуются значительные аппаратные ресурсы. Заявлены языки English, French, Spanish, German, Italian, Portuguese, Dutch, Chinese, Japanese, Korean и Arabic. Контекстное окно, точная архитектура и рекомендуемый формат промптов в README не указаны. Сильной стороной являются варианты Q6_K и Q5_K_M с качеством, близким к исходной модели, а также более компактные Q4- и IQ4-варианты с компромиссом между качеством и требованиями к памяти. Низкобитные варианты экономят место, но могут заметно уступать по качеству; часть форматов обозначена как устаревшая или нерекомендуемая. Модель распространяется по лицензии Apache-2.0.

Это GGUF-квантизированная версия Mistral-Small-4-119B-2603, разработанной Mistral AI и опубликованной пользователем bartowski. Квантизация выполнена с использованием llama.cpp и метода imatrix. Модель предназначена для задач генерации текста и обработки изображений с текстом, а также для локального запуска через llama.cpp, LM Studio, koboldcpp, Jan AI и другие совместимые инструменты. Модель имеет размер 119 млрд параметров и поддерживает арабский, английский, французский, испанский, немецкий, итальянский, португальский, нидерландский, японский, корейский и китайский языки. Доступны варианты квантизации от Q3 до Q8, различающиеся размером файлов и точностью; рекомендуемые варианты занимают примерно от 64 до 103 ГБ, а Q8_0 — около 126 ГБ. В README не указаны архитектурные детали и размер контекстного окна. Сильной стороной модели является возможность локального использования при сохранении высокого качества, особенно в вариантах Q5–Q6 и Q8. Ограничения связаны с большими требованиями к оперативной памяти и ресурсам, а также с неизбежной потерей качества в более агрессивных вариантах квантизации. Для Q4_1 отмечены проблемы совместимости с поздними слоями FFN_DOWN_EXPS, поэтому исправленная версия этого варианта была переопубликована. Модель распространяется по лицензии Apache-2.0.

Mistral-Crab-DPO — языковая модель для генерации текста, разработанная Юньцзя Ци, Хао Пэном, Сяочжи Ваном, Бинь Сюем, Лэй Хоу и Цзюаньцзы Ли. Она дообучена на базе Mistral-7B-v0.3 методом DPO и предназначена для выполнения сложных инструкций с ограничениями по формату, длине и другим условиям. Обучение использует набор CRAB, созданный методом обратного преобразования ограничений: к качественным парам «инструкция — ответ» добавлялись ограничения, которым уже соответствовали ответы. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров, работает с текстом и поддерживает контекст до 32 768 токенов. Основной язык — английский. Карточка сообщает об улучшении следования сложным инструкциям и приводит оценку на соответствующих бенчмарках, но не раскрывает здесь полные результаты для этой версии модели. Лицензия — Apache-2.0.

Mistrality-7B — языковая модель для генерации текста и диалогов, созданная flemmingmiguel путём слияния моделей argilla/distilabeled-Hermes-2.5-Mistral-7B и EmbeddedLLM/Mistral-7B-Merge-14-v0.4 методом SLERP с помощью LazyMergekit. Модель основана на архитектуре MistralForCausalLM и содержит 7,1 млрд параметров; контекст — до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель подходит для диалоговых ассистентов, генерации ответов и продолжения текста. В карточке не приведены сведения о целевых языках, специальных областях применения или результаты сравнительных оценок, поэтому качество в конкретных сценариях не установлено. Лицензия — Apache-2.0.

Heralax/MistralMakise-Merged-13b — языковая модель семейства Llama с 12,9 млрд параметров, предназначенная для генерации текста. В карточке указано, что она использует тот же датасет и настройки обучения, что и MythoMakise, но в качестве основы взята модель ReMM mistral; дополнительная информация о формате промптов вынесена в карточку MythoMakise. Модель принимает текст и генерирует текст. Доступны веса в форматах Safetensors и GGUF; контекст — до 4096 токенов. Лицензия — Apache-2.0. README не описывает целевые языки, специализированные области или оценки качества.

Mistral Medium 3.1 — обновлённая версия Mistral Medium 3 от Mistral AI. Это высокопроизводительная языковая модель корпоративного уровня, рассчитанная на широкий круг задач и призванная сочетать передовые возможности с более низкими эксплуатационными затратами. В доступном описании не приведены сведения об архитектуре, размере, контексте, языках, условиях лицензирования и конкретных сценариях применения.

Mistral-Nemo-Instruct-2407-IMat-GGUF — это набор квантизированных версий instruct-модели Mistral-Nemo-Instruct-2407, разработанной Mistral AI и преобразованной в формат GGUF пользователем legraphista. Квантизация выполнена с помощью llama.cpp на основе исходных весов BF16; для ряда вариантов применена IMatrix-калибровка, предназначенная для снижения потерь качества при уменьшении размера модели. Модель предназначена для генерации текста и диалогового использования в локальных приложениях, совместимых с llama.cpp и форматом GGUF. В README заявлена поддержка английского, французского, немецкого, испанского, итальянского, португальского, русского, китайского и японского языков. Доступны варианты от BF16 и FP16 до Q8_0, Q6_K, Q5_K, Q4_K, Q3_K, Q2_K и других форматов; размеры файлов варьируются примерно от 4,79 до 24,50 ГБ. Основное преимущество набора — выбор между качеством, требованиями к памяти и скоростью локального запуска. IMatrix применяется в некоторых вариантах с более сильным сжатием, включая Q4_K, Q3_K и Q2_K, однако README не содержит результатов сравнительных тестов, точных характеристик архитектуры, числа параметров, размера контекста или требований к оборудованию. Поэтому качество и производительность зависят от выбранного варианта квантизации и среды выполнения. Лицензия модели — Apache-2.0.

AlSamCur123/Mistral-NeMo-Minitron-8B-InstructContinuedFine — дообученная AlSamCur123 диалоговая языковая модель на архитектуре Mistral с 7,9 млрд параметров. Она создана на основе nvidia/Mistral-NeMo-Minitron-8B-Instruct и предназначена для генерации текста в формате диалога; обучение проводилось с использованием Unsloth и Hugging Face TRL. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 32 000 токенов. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. Подробности о специализации дообучения и оценках качества в карточке не приведены.

Mistral-Nemo-NT-Ko-12B-dpo — диалоговая языковая модель на архитектуре Mistral с 12,1 млрд параметров, созданная werty1248 как дополнительное DPO-дообучение модели werty1248/Mistral-Nemo-NT-Ko-12B-sft с помощью LoRA. Она предназначена для генерации ответов по инструкциям и многоходового общения; в описанных тестах показала сильные результаты по письму и программированию, однако DPO дало лишь небольшое общее улучшение относительно базовой SFT-модели. Для DPO использовались англоязычные, корейские и китайские пары предпочтений; часть корейских данных была переведена с английского. Базовая модель поддерживает контекст до 128K токенов, но это дообучение выполнялось с контекстом 8K. Метаданные указывают английский, корейский, японский и китайский языки. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Mistral-Small-22B-ArliAI-RPMax-v1.1-GGUF — это квантизированная версия текстовой генеративной модели ArliAI/Mistral-Small-22B-ArliAI-RPMax-v1.1. Исходную модель разработала ArliAI, а сборку в формате GGUF подготовил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и запуска локально через совместимые инструменты, включая llama.cpp и LM Studio. Модель относится к семейству Mistral и содержит около 22 миллиардов параметров. Доступны версии от F16 до разных уровней квантизации Q8, Q6, Q5, Q4, Q3 и IQ4_XS, что позволяет выбирать между качеством генерации, потреблением памяти и скоростью инференса. Размер файлов варьируется примерно от 11,7 до 44,5 ГБ. Для некоторых вариантов предусмотрена оптимизация под ARM, включая требования к поддержке sve или i8mm. Рекомендуемый формат prompt — <s> [INST] запрос [/INST]. Сильной стороной сборки является широкий выбор квантизаций, включая варианты с высоким качеством и уменьшенным потреблением памяти, что упрощает локальное развертывание. Ограничения и дополнительные характеристики исходной модели, включая поддерживаемые языки, размер контекста, точную архитектуру, мультимодальность и результаты тестирования, в README не указаны. Модель распространяется по лицензии MRL-0.1; в метаданных она обозначена как license: other.

Mistral-Small-3.2-24B-Instruct-2506-MLX-6bit — это 6-битная квантизированная версия мультимодальной инструкционной модели Mistral-Small-3.2-24B-Instruct-2506. Исходную модель разработала Mistral AI, а квантизацию в формате MLX предоставила команда LM Studio с использованием mlx_vlm. Модель предназначена для задач генерации текста и обработки изображений с текстом, включая сценарии, поддерживаемые исходной vision-language моделью. Она оптимизирована для запуска на устройствах Apple Silicon через MLX. Размер исходной модели составляет 24 млрд параметров, однако точные требования к памяти и производительности для этой 6-битной версии в README не указаны. Заявлена поддержка английского, французского, немецкого, испанского, португальского, итальянского, японского, корейского, русского, китайского, арабского, персидского и ряда других языков; размер контекста не указан. К сильным сторонам относятся мультимодальность, инструкционная настройка, поддержка нескольких языков и оптимизация для экосистемы Apple Silicon. Ограничения включают зависимость от совместимого оборудования и программного стека MLX, а также возможные неточности, нежелательные или вводящие в заблуждение ответы, характерные для генеративных моделей. Модель распространяется по лицензии Apache-2.0.

Mistral-Small-Drummer-22B — дообученная автором nbeerbower инструкционная плотная языковая модель на базе mistralai/Mistral-Small-Instruct-2409. Модель обучена методом ORPO в течение одной эпохи на наборах jondurbin/gutenberg-dpo-v0.1 и nbeerbower/gutenberg2-dpo. Она предназначена для диалогов и генерации текста по запросу. Модель содержит 22 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. В метаданных также указаны интерфейс вызова функций и библиотека Transformers. Карточка приводит отдельные результаты Open LLM Leaderboard: 29,45 в среднем, 63,31 на IFEval и 40,12 на BBH; этих данных недостаточно для вывода о качестве в других задачах. Лицензия указана как other, поэтому условия использования следует сверять с лицензией репозитория и базовой модели.

Это объединённая языковая модель Mistral-Small-22B, созданная автором toxibunny из unsloth/Mistral-Small-Instruct-2409 и ArliAI/Mistral-Small-22B-ArliAI-RPMax-v1.1 методом SLERP с помощью mergekit. Модель предназначена для генерации текста и диалогов; в метаданных также заявлен интерфейс вызова инструментов. Модель имеет плотную архитектуру MistralForCausalLM, содержит 22 млрд параметров и принимает текстовый контекст длиной до 32 768 токенов. Файлы опубликованы в формате safetensors. Базовая RPMax-модель ориентирована на творческое письмо и ролевые диалоги. В карточке не приведены отдельные сведения о языковом покрытии, качестве или условиях лицензирования.

Mistral-v0.3-7B-ORPO — языковая модель llmat для генерации текста и диалогового общения. Она дообучена методом ORPO на базе unsloth/mistral-7b-v0.3-bnb-4bit с использованием Unsloth и библиотеки TRL. Модель построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров. Она принимает текст и генерирует текст; заявленная длина контекста — 32 768 токенов. В метаданных указан английский язык. Модель предназначена для текстовых запросов и чата. Модель распространяется по лицензии Apache-2.0. README не приводит результаты оценки качества или подробности обучающих данных, поэтому пригодность для конкретных задач следует проверять отдельно.

cloudyu/Mixtral_11Bx2_MoE_19B — разговорная языковая модель семейства Mixtral, опубликованная пользователем cloudyu. По README, она объединяет Sakura-SOLAR-Instruct и CarbonVillain-en-10.7B-v1 в архитектуру смеси экспертов (MoE). Метаданные указывают 10,6 млрд параметров, контекст до 4096 токенов и формат Safetensors. Модель предназначена для генерации текста в диалоговом формате и общих задач языкового моделирования. В README приведены результаты оценки на HellaSwag и Open LLM Leaderboard, но этих тестов недостаточно, чтобы гарантировать качество в конкретных прикладных сценариях. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование; модель следует применять с соблюдением её условий.

cloudyu/Mixtral_7Bx2_MoE_13B — разговорная языковая модель на архитектуре Mixtral MoE, созданная путём слияния моделей с помощью mergekit. В README указаны Mistral-7B-Instruct-v0.2, neural-chat-7b-v3-16k и bagel-dpo-7b-v0.1 как компоненты слияния. Модель предназначена для генерации связного текста и диалоговых сценариев. В метаданных указаны 7,1 млрд параметров и контекст до 32 768 токенов. Репозиторий содержит веса Safetensors; модель принимает текст и генерирует текст. README сообщает о связной генерации, но не приводит сравнительных оценок качества. Лицензия — CC BY-NC 4.0, использование ограничено некоммерческими целями.

Mixtral-8x22B-v0.1 — базовая генеративная языковая модель семейства Mixtral, разработанная Mistral AI. В этом репозитории размещена конвертированная в формат Transformers версия весов, загруженная сообществом; автор README рекомендует использовать актуальные веса в организации Mistral AI. Модель построена на разреженной архитектуре смеси экспертов (MoE) и предназначена для генерации текста и использования как основа для прикладных решений. Контекст составляет до 65 536 токенов. Карточка указывает поддержку английского, французского, итальянского, немецкого и испанского языков. Для запуска предусмотрены Transformers, а также варианты вычислений в пониженной точности. Это базовая предварительно обученная модель, а не версия Instruct; для диалоговых приложений может потребоваться дополнительная настройка. В README отмечено отсутствие встроенных механизмов модерации. Лицензия — Apache 2.0.

bartowski/Mixtral-8x22B-v0.1-GGUF — набор GGUF-квантизаций базовой текстовой генеративной модели Mixtral-8x22B-v0.1, исходная версия которой опубликована в репозитории mistral-community. Квантизацию выполнил bartowski с использованием llama.cpp. Модель предназначена для локального запуска и генерации текста, включая задачи продолжения текста и другие сценарии, поддерживаемые базовой языковой моделью. Модель использует архитектуру Mixture of Experts (MoE) и обозначение 8x22B; точное число активных параметров и размер контекста в README не указаны. Заявлена поддержка английского, французского, итальянского, немецкого и испанского языков. Это базовая модель без заданного формата промпта, поэтому форматирование запросов должен определять пользователь или приложение. Репозиторий предлагает варианты квантизации Q2_K, Q3, Q4, Q5 и IQ, размером примерно от 52 до 100 ГБ. Более высокие уровни обычно обеспечивают лучшее качество, но требуют больше памяти; низкие уровни позволяют запускать модель на системах с ограниченными ресурсами ценой качества. I-квантизации могут быть выгоднее по соотношению размера и производительности на некоторых конфигурациях, но имеют ограничения совместимости, в частности не поддерживаются Vulkan. Для работы требуется значительный объём RAM и/или VRAM, а модель разделена на несколько файлов. Лицензия — Apache-2.0.

LeroyDyer/Mixtral_Instruct — текстовая генеративная модель на архитектуре Mistral с 7,1 млрд параметров. Репозиторий содержит веса в формате safetensors; модель доступна для использования через библиотеку Transformers. Карточка README оставлена в виде шаблона и не сообщает, кто разработал модель и как она обучалась. Модель предназначена для генерации текста. Контекстное окно составляет 32 768 токенов, а в метаданных указан английский язык. Каталог связывает модель слиянием с LeroyDyer/Mixtral_BaseModel и Locutusque/Hercules-3.1-Mistral-7B, поэтому её происхождение отмечено как merge. Лицензия — Apache-2.0. README не содержит результатов оценки качества или рекомендаций по применению.

QuixiAI/mixtral-instruct-0.1-laser — версия Mixtral-8x7B-Instruct, обработанная методом LaserRMT. В основе лежит разреженная архитектура Mixture of Experts семейства Mixtral; модель предназначена для генерации текста в ответ на инструкции и диалоговые запросы. В карточке указано, что эта версия создана с помощью MPS-бэкенда LaserRMT. Модель принимает текстовые инструкции в формате [INST] ... [/INST] и выдаёт текстовые ответы. Контекст составляет 32 768 токенов; карточка перечисляет английский, французский, итальянский, немецкий и испанский языки. Файлы в формате Safetensors предназначены для запуска через vLLM или Transformers с учётом оговорок карточки об HF-совместимости. README описывает модель как демонстрацию дообучения базовой модели и отмечает отсутствие механизмов модерации. Для использования указана лицензия Apache-2.0.

MixtureofMerges-MoE-2x7b-v0.01b-DELLA — языковая модель для генерации текста, созданная jsfs11 с помощью mergekit. Она объединяет yunconglong/Truthful_DPO_TomGrc_FusionNet_7Bx2_MoE_13B и jsfs11/MixtureofMerges-MoE-2x7b-v6 методом DELLA; в конфигурации указаны плотность 0,6, epsilon 0,2, lambda 1,0 и формат bfloat16. Модель построена на архитектуре Mixtral с MoE и содержит 7,1 млрд параметров; заявленная длина контекста — 32 768 токенов. Модель предназначена для генерации текста, в том числе диалоговых ответов. В составе объединённых моделей есть настройка на правдивые ответы, однако README не приводит отдельных оценок качества или гарантий фактичности. Репозиторий распространяется по лицензии Apache-2.0.

MixtureofMerges-MoE-4x7bRP-v11 — языковая модель класса Mixtral с архитектурой Mixture of Experts, созданная jsfs11 объединением четырёх моделей с помощью LazyMergekit. Она предназначена для генерации текста и диалогового, в том числе ролевого, общения. В состав объединения входят RP_Vision_7B, DaturaCookie_7B, BioMistral-DARE-NS и Mistral-7B-Instruct-v0.3; каталог указывает 7,1 млрд параметров и контекст до 32 768 токенов. Модель принимает текст и выдаёт текст. В README заявлено объединение моделей, связанных с ролевым общением и анализом изображений, однако метаданные определяют основную задачу как text-generation и не подтверждают поддержку изображений самой этой модели. Лицензия — Apache-2.0.

MixtureofMerges-MoE-4x7b-v10-MIXTRAL3 — языковая модель с архитектурой Mixture of Experts (MoE), созданная методом слияния моделей с помощью LazyMergekit. В состав объединения входят mistralai/Mistral-7B-Instruct-v0.3, Kukedlc/NeuralSynthesis-7B-v0.1, mlabonne/AlphaMonarch-7B и s3nh/SeverusWestLake-7B-DPO. Модель имеет 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Она распространяется в формате safetensors по лицензии Apache-2.0. Метаданные указывают поддержку чата, но карточка не уточняет языки и дополнительные возможности модели.

MixtureofMerges-MoE-v2 — языковая модель с архитектурой Mixtral MoE, созданная автором jsfs11 с помощью LazyMergekit. Она объединяет четыре модели на основе 7B-чекпойнтов: NeuralBeagle14-7B, TurdusTrixBeagle-DARETIES-7B, WestSeverus-7B-DPO-v2 и Wernicke-7B-v7. Модель предназначена для генерации текста, диалогов, следования инструкциям, рассуждений и творческих ответов. Веса опубликованы в формате safetensors; размер составляет 7,1 млрд параметров, контекст — до 32 768 токенов. В README приведены результаты оценки на Open LLM Leaderboard, включая среднее значение 74,82, AI2 Reasoning Challenge — 72,44 и HellaSwag — 88,41. Модель распространяется по лицензии Apache-2.0. Карточка не уточняет поддерживаемые языки и не приводит подробностей о качестве в прикладных сценариях.

ehristoforu/mllama-3.1-8b-instruct — языковая модель, созданная объединением нескольких моделей семейства Llama 3.1 с помощью mergekit и метода TIES. В качестве основы использована unsloth/Meta-Llama-3.1-8B-Instruct, а в объединение вошли Hermes 3, Skywork-o1, Dolphin, LLaMA-O1 и SuperNova Lite. Модель имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекст до 131 072 токенов. Модель предназначена для диалогов и генерации текста по инструкциям; в метаданных также заявлен интерфейс вызова инструментов. Её можно применять для ответов на вопросы, рассуждений и генерации кода, однако README не приводит отдельных оценок качества или рекомендаций по использованию. Карточка указывает формат safetensors и библиотеку Transformers. Лицензия в предоставленных данных не указана.

ML-MS-Etheris-123B — большая языковая модель, созданная SteelSkull слиянием нескольких моделей на основе Mistral-Large. По карточке, сначала выполнено объединение методом Model Stock, затем к результату применён метод DELLA; доступны форматы Transformers и safetensors. Модель предназначена для генерации текста и диалогов, с акцентом на художественное повествование при сохранении общих языковых возможностей. Модель содержит 122,2 млрд параметров, использует плотную архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. В README перечислены шаблоны Mistral, ChatML и Meth Format. Данные о поддерживаемых естественных языках и условиях лицензии отсутствуют в предоставленных источниках, поэтому их нельзя достоверно уточнить.

Jackrong/MLX-Qwen3.5-9B-DeepSeek-V4-Flash-4bit — языковая генеративная модель, разработанная Jackrong и преобразованная в формат MLX из базовой модели Jackrong/Qwen3.5-9B-DeepSeek-V4-Flash с использованием mlx-lm 0.30.7. Модель предназначена для генерации текста и может применяться в сценариях, требующих рассуждений, дистилляции, работы с длинными цепочками рассуждений, агентных задач и эффективного инференса на совместимом оборудовании Apple MLX. Модель имеет размер 9B параметров, использует 4-битное квантование и поддерживает библиотеку MLX. Заявлена поддержка английского, китайского, корейского, японского, испанского и русского языков. Доступная модальность — текст; модель относится к классу text generation. Максимальная длина контекста и точные архитектурные характеристики в README не указаны. Для запуска требуется mlx-lm, предусмотрена работа через chat template. Модель удобна для локального и эффективного вывода в экосистеме MLX, а 4-битное представление снижает требования к памяти. Ограничения включают отсутствие данных о результатах оценки, качестве на отдельных языках, производительности и максимальном контексте. Модель распространяется по лицензии Apache-2.0; в качестве датасета указано Jackrong/DeepSeek-V4-Distill-8000x.

liminerity/mm4.more.star — плотная языковая модель семейства Llama, разработанная liminerity и дообученная на liminerity/mm4.ascii.star. Она предназначена для генерации текста и диалогового общения; модель содержит 2,7 млрд параметров и поддерживает контекст до 32 768 токенов. Для обучения использовались Unsloth и Hugging Face TRL. В метаданных указан английский язык. Модель распространяется по лицензии Apache-2.0.