I.5Создание и редактирование текста

Карточка модели arefehRajabian/phi_finetune_microsoft_16bit на Hugging Face совпадает с карточкой arefehRajabian/phi_finetune_16bit, поэтому описание составлено по ней. Модель arefehRajabian/phi_finetune_16bit — дообученная автором arefehRajabian разговорная языковая модель для генерации текста. Она основана на unsloth/phi-4-bnb-4bit; карточка сообщает об обучении с помощью Unsloth и библиотеки TRL. В репозитории представлены веса Safetensors, размер модели — 14,1 млрд параметров, контекст — до 16 384 токенов. Модель поддерживает английский язык и предназначена для диалогового взаимодействия и генерации текста. Лицензия — Apache-2.0. Карточка не уточняет специализацию дообучения и его результаты.

phigment6-slerp — языковая модель семейства Phi, созданная liminerity с помощью слияния весов в Mergekit. В карточке описана архитектура Phi-2; модель содержит около 3,5 млрд параметров и принимает текст, генерируя текст. Указанное в README слияние SLERP объединяет liminerity/phive и mobiuslabsgmbh/aanaphi2-v0.1; конфигурация использует диапазон слоёв 0–32 и тип float16. Модель предназначена для генерации текста и общих языковых запросов, включая ответы на вопросы и рассуждения. Контекстное окно — 2048 токенов. В README приведены результаты отдельных тестов Open LLM Leaderboard, но карточка не даёт достаточных сведений, чтобы подтвердить широкие заявления о превосходстве и устойчивости. Лицензия — Apache-2.0.

phigment-slerp — объединённая модель генерации текста, созданная с помощью mergekit из amu/dpo-phi2 и g-ronimo/phi-2-OpenHermes-2.5 методом slerp. В метаданных указана архитектура PhiForCausalLM семейства Phi, около 3,5 млрд параметров и контекст до 2048 токенов. Веса доступны в формате Safetensors; модель опубликована под лицензией Apache-2.0. Модель предназначена для генерации текста на основе текстового запроса. Карточка описывает способ объединения и исходные модели, но не приводит отдельных оценок качества или подробных сценариев применения; фактические результаты зависят от запроса и среды использования.

Phi-mini-MoE — компактная языковая модель Microsoft для генерации текста и диалогового взаимодействия. Это decoder-only Transformer с архитектурой Mixture of Experts: в README указаны 7,6 млрд параметров всего и 2,4 млрд активных, тогда как метаданные каталога указывают 1,9 млрд параметров; поэтому размер модели в источниках расходится. Модель сжата и дистиллирована из общей базовой модели Phi-3.5-MoE и GRIN-MoE методом SlimMoE, затем дообучена на следование инструкциям и предпочтениям пользователей. Модель предназначена прежде всего для англоязычных общих ассистентов и сценариев с ограничениями по памяти, вычислениям или задержке. Она принимает текстовые запросы в формате чата и генерирует текст; контекст — до 4 тысяч токенов. Обучение охватывало математику, программирование, здравый смысл и общие знания, но карточка не заявляет отдельной специализированной области. Основной язык — английский; другие языки поддерживаются хуже. Модель может ошибаться, выдумывать факты, воспроизводить предубеждения или выдавать оскорбительный контент, поэтому ответы требуют проверки, особенно в чувствительных сценариях. Данные публичных источников имеют срез по октябрь 2023 года. Лицензия — MIT.

Kunhao/pile-7b-250b-tokens — языковая модель, опубликованная пользователем или организацией Kunhao на Hugging Face. Она предназначена для авторегрессионной генерации текста и совместима с Transformers, PyTorch, vLLM и SGLang. Карточка Hugging Face помечает её как Llama-модель и показывает использование через AutoModelForCausalLM и pipeline text-generation. По метаданным модель содержит около 5,9 млрд параметров и поддерживает контекст длиной до 4096 токенов. Её можно применять для продолжения текста, генерации ответов и локального или серверного инференса через совместимые инструменты. Мультимодальность и поддерживаемые естественные языки не установлены. Модельная карточка не содержит подробного описания назначения, оценок качества, данных обучения или рекомендаций по безопасному использованию; лицензия также не указана в доступных данных. Поэтому перед коммерческим применением необходимо отдельно проверить условия распространения и качество на целевых данных.

Pleias-3b-Preview — базовая языковая модель на 3,2 млрд параметров, разработанная Pleias и обученная с нуля на Common Corpus. Это плотный трансформер с архитектурой, близкой к Llama и GPT-NeoX, предназначенный для генерации продолжения текста. Модель обучена на открытых данных из общественного достояния или под разрешительными лицензиями; для обучения использовались Nanotron и вычислительные ресурсы Jean Zay при поддержке Etalab. Модель подходит для генерации и творческого письма на основных европейских языках, а также как основа для дообучения на задачах работы с документами, включая RAG, перевод и исправление ошибок OCR. В README заявлена поддержка английского, французского, испанского, немецкого, итальянского, нидерландского, польского, латинского и португальского; контекст составляет 4096 токенов. Новый токенизатор рассчитан на улучшенную обработку документов и многоязычие. Это ранний предварительный релиз базовой модели, которая умеет продолжать текстовые промпты и не прошла дополнительное выравнивание безопасности. Несмотря на заявленную низкую токсичность, возможны предвзятые, вредоносные или недостоверные ответы, в том числе из-за исторических текстов в данных. Лицензия — Apache-2.0; авторы заявляют, что модель не предназначена для воспроизведения защищённого авторским правом контента.

CYFRAGOVPL/PLLuM-8x7B-chat-2412 — чат-модель семейства PLLuM, разработанная для польского языка и других славянских и балтийских языков с дополнительными англоязычными данными. Это языковая модель Mixtral с архитектурой Mixture of Experts (MoE), доступная в формате safetensors и рассчитанная на контекст до 32 768 токенов; в метаданных указано 7,1 млрд параметров. Модель дообучена для диалогов и выравнивалась на предпочтениях людей. Модель предназначена для генерации текста, ответов на вопросы, суммаризации и создания специализированных помощников. В README отмечены результаты на задачах, связанных с польским государственным управлением, и применение в юридических и бюрократических сценариях, в том числе с поиском по документам. Лицензия — Apache-2.0. Модель может генерировать фактически неверные или вымышленные сведения; предвзятость также может проявляться в спорных и субъективных темах. Работа с длинным контекстом зависит от доступной памяти.

DAMO-NLP-MT/polylm-1.7b — многоязычная авторегрессионная языковая модель семейства PolyLM, разработанная командой Image Machine Translation Team академии Alibaba DAMO. Модель предназначена для генерации текста, ответов на вопросы, понимания текста и мультиязычных сценариев, включая перевод; в официальном примере показан перевод с английского на китайский. Модель построена на архитектуре GPT-2 и имеет конфигурацию с 24 слоями, размером скрытого представления 2048, 16 головами внимания и словарём из 256 000 токенов. Нативная длина контекста составляет 2048 токенов. PolyLM ориентирована на 18 распространённых языков, включая английский, испанский, русский, арабский, японский, корейский, тайский, индонезийский и китайский. Модель доступна под лицензией Apache-2.0. Ограничения включают относительно короткий контекст и отсутствие специализированной мультимодальности; качество генерации и следования инструкциям может зависеть от языка и формулировки запроса.

Prodigy_7B — объединённая языковая модель семейства Mistral, созданная автором ChaoticNeutrals с помощью mergekit. В слиянии методом SLERP использованы ChaoticNeutrals/This_is_fine_7B и macadeliccc/WestLake-7B-v2-laser-truthy-dpo. Модель содержит 7,1 млрд параметров, построена на архитектуре MistralForCausalLM и рассчитана на генерацию текста; заявленная длина контекста — 32 768 токенов. Модель подходит для диалоговой генерации, ответов на запросы и других задач продолжения текста. В README приведены результаты оценивания на бенчмарках AI2 Reasoning Challenge и HellaSwag. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия указана как other, поэтому конкретные условия использования следует уточнять в карточке модели и у правообладателей базовых моделей. Карточка не уточняет поддерживаемые естественные языки и специальные ограничения поведения модели. Как и другие языковые модели, она может выдавать неточные или вымышленные сведения; результаты бенчмарков сами по себе не гарантируют качество в прикладных сценариях.

Progenitor-V2.2-LLaMa-70B — объединённая автором модель генерации текста на архитектуре LLaMA, созданная с помощью mergekit методом Linear DELLA. В основу слияния легла nbeerbower/Llama-3.1-Nemotron-lorablated-70B; также в него вошли модели Anubis, EVA-LLaMA, Cirrus, Negative_LLAMA и Hanami. Автор сообщает, что изменил токенизатор и выполнял слияние в float32 с последующим переводом весов в bfloat16. Модель предназначена для генерации текста и диалогового взаимодействия. Она содержит 69,5 млрд параметров, принимает текст и поддерживает контекст до 131 072 токенов. В метаданных указаны возможности чата и интерфейса вызова инструментов; README не приводит оценок качества и конкретных тестов.

Protoss-a — языковая модель LinjunChen123, дообученная на базе Qwen/Qwen3-1.7B с помощью H2O LLM Studio. Это плотная авторегрессионная модель семейства Qwen3 с 1,7 млрд параметров; она принимает текст и предназначена для диалоговой генерации текста. Репозиторий указывает контекст до 40 960 токенов и формат весов Safetensors. Модель можно применять для ведения диалогов, составления черновиков и ответов на текстовые запросы. В README приведён пример загрузки через Transformers; также описана возможность загрузки с 8-битной или 4-битной квантизацией и распределения по нескольким GPU. Модель может выдавать ошибочные, бессвязные или нерелевантные ответы и воспроизводить предвзятый либо оскорбительный контент. Лицензия в предоставленных данных не указана.

wandb/pruned_mistral — уменьшенная версия языковой модели Mistral, созданная с помощью отбора слоёв исходной модели. Разработчик сообщает, что модель повторно выровнена по рецепту Zephyr и обучена в два этапа: SFT и DPO. В метаданных указаны архитектура MistralForCausalLM, плотная архитектура, 2,7 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогового общения. В качестве обучающих данных указаны HuggingFaceH4/ultrachat_200k и HuggingFaceH4/ultrafeedback_binarized. Модель распространяется в формате safetensors через библиотеку Transformers по лицензии Apache-2.0. Карточка не приводит результатов оценивания качества или подробных рекомендаций по использованию; качество ответов и поведение на конкретных задачах следует проверять самостоятельно.

Карточка модели LIF1014/ptdbench-verl-implementation-torch-functional на Hugging Face совпадает с карточкой Qwen/Qwen2.5-1.5B-Instruct, поэтому описание составлено по ней. Qwen2.5-1.5B-Instruct — инструктивно дообученная языковая модель семейства Qwen2.5, разработанная командой Qwen. Она предназначена для диалогов и генерации текста по инструкциям, включая ответы на вопросы, создание длинных текстов и выдачу структурированных результатов, например JSON. Модель имеет плотную архитектуру причинного трансформера Qwen2 с RoPE, SwiGLU и RMSNorm и содержит 1,5 млрд параметров. Контекст составляет 32 768 токенов, максимальная длина генерации — 8 192 токена. Карточка описывает поддержку более 29 языков, включая русский и английский; метаданные указывают английский как язык карточки. Модель загружается через Transformers и распространяется по лицензии Apache-2.0. Среди сильных сторон — следование инструкциям, работа с длинными текстами и структурированными данными, а также интерфейс для вызова инструментов. Это компактная модель, поэтому её возможности ограничены по сравнению с более крупными языковыми моделями; оценочные результаты для этой конкретной версии в карточке не приведены.

recogna-nlp/ptt5-base-summ-xlsum — это дообученная Recogna-NLP модель PTT5 для абстрактного суммирования текстов на бразильском португальском. Она построена на архитектуре T5 и дообучена на XL-Sum; по метаданным содержит 123,8 млн параметров и рассчитана на контекст до 512 токенов. Модель генерирует краткое изложение исходного текста и предназначена, например, для сокращения новостных и других португалоязычных материалов. Модель принимает текст и выдаёт текстовое резюме. Карточка указывает на обучение на XL-Sum; метаданные также называют этот датасет. Лицензия CC BY-NC-SA 4.0 требует атрибуции, запрещает коммерческое использование и обязывает распространять производные работы на тех же условиях.

SvalTek/Q2.5-ColdBrew-Antrax-Forge-10B-CharTest0 — плотная авторегрессионная языковая модель семейства Qwen2, дообученная SvalTek на основе SvalTek/Q2.5-ColdBrew-Antrax-Forge-10B-TestSFT0 с использованием Unsloth и библиотеки TRL. Модель содержит 9,4 млрд параметров и рассчитана на генерацию текста и диалоговое взаимодействие; заявленная длина контекста — до 131 072 токенов. Модель может использоваться для генерации ответов и продолжения текста в англоязычных чат-сценариях. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0.

q36 — диалоговая языковая модель на архитектуре Qwen3, опубликованная пользователем tjcrims0n. Это полноразмерный экспорт весов после слияния LoRA-адаптера, полученного в эксперименте Annihilate trial 71, с дообученной базовой моделью khazarai/Qwen3-4B-Qwen3.6-plus-Reasoning-Distilled. Модель содержит 3,7 млрд параметров, принимает текст и генерирует текст; максимальная длина контекста — 262 144 токена. Модель предназначена для диалоговых ответов и генерации текста, в том числе для задач с рассуждениями, унаследованных от базовой модели. В README указаны нулевые отказы в шести проверках, но этого недостаточно для выводов о надёжности или безопасности ответов. Веса сохранены в формате Safetensors с точностью bfloat16 и доступны по лицензии Apache-2.0.

hancheolp/q38_ternary_test — производный чекпойнт семейства Qwen3.5 объёмом 27 млрд параметров, подготовленный как тернарная квантизованная модель для запуска через MLX на устройствах Apple. Веса упакованы в контейнер MLX affine 2-bit с группами по 128 значений и уровнями {-1, 0, +1}; часть параметров, включая эмбеддинги, выходную голову и некоторые компоненты линейного внимания, оставлена в полной точности. Архитектура сочетает 48 слоёв gated-delta линейного внимания и 16 слоёв softmax-внимания. Модель предназначена для генерации текста и диалогового использования. В карточке заявлена distillation с учетом квантизации; для полной загрузки требуется сборка mlx-lm или mlx-vlm с реализацией архитектуры. Лицензия — Apache-2.0. Карточка описывает только текстовую генерацию, хотя README упоминает квантизацию vision tower.

QLiz-70B — слитая текстовая модель семейства LLaMA, созданная из предварительно обученных моделей alchemonaut/QuartetAnemoi-70B-t0.0001 и lizpreciatior/lzlv_70b_fp16_hf с помощью метода SLERP и инструмента mergekit. Модель содержит 68,7 млрд параметров, использует архитектуру LlamaForCausalLM и формат safetensors; её родной контекст составляет 32 764 токена. Модель предназначена для генерации текста, включая ролевые диалоги и творческое письмо, а также для других сценариев, где нужна генерация продолжений текста. Карточка не сообщает о специализированном назначении, поддерживаемых языках или оценках качества. Условия лицензии в предоставленных данных не указаны.

Qmerft — объединённая авторегрессионная языковая модель, созданная автором репозитория sumink с помощью mergekit. Она объединяет Qwen/Qwen2.5-1.5B и sumink/Qwenftmodel методом SLERP; архитектура — Qwen2ForCausalLM, размер — 1,5 млрд параметров, веса доступны в формате safetensors. Модель предназначена для генерации текста и диалоговых сценариев, поддерживает контекст до 131 072 токенов и интерфейс вызова инструментов. Модель принимает текст и генерирует текст. В карточке указана лицензия Apache-2.0. README не описывает отдельные оценки качества или узкую специализацию, поэтому пригодность для конкретных задач следует проверять на собственных примерах.

Карточка модели vilm/Quyen-Pro-Max-v0.1 на Hugging Face совпадает с карточкой vilm/Quyen-Pro-v0.1, поэтому описание составлено по ней. Quyen-Pro-v0.1 — чат-языковая модель серии Quyen, разработанной vilm на основе семейства Qwen. Версия Pro обучена с применением supervised fine-tuning (SFT) и direct preference optimization (DPO); в карточке указаны обучающие наборы OpenHermes-2.5, Capybara, Orca DPO и частные данные. Модель использует архитектуру Qwen2ForCausalLM с плотными весами, содержит 13,4 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для диалогов, ответов на вопросы и генерации текста по запросу; для форматирования диалога используется ChatML. Карточка не приводит результатов бенчмарков, поэтому качество для конкретных задач по ней оценить нельзя. Модель опубликована в формате safetensors для Transformers. Лицензия обозначена как other, конкретные условия использования в предоставленных данных не раскрыты.

Qwark-4B — языковая модель на архитектуре Qwen2, опубликованная пользователем qingy2024 и основанная на дообучении Qwen/Qwen2.5-3B. Она предназначена для генерации текста и диалогового взаимодействия; интерфейс модели также поддерживает вызов инструментов. Модель содержит 4,5 млрд параметров и рассчитана на контекст до 32 768 токенов. В метаданных перечислена поддержка китайского, английского, французского, испанского, португальского, немецкого, итальянского, русского, японского, корейского, вьетнамского, тайского и арабского языков. Модель размещена в формате safetensors и использует библиотеку Transformers. README не приводит сведений о специальных целевых областях или результатах оценки качества. Условия лицензии в предоставленных данных не указаны.

duyntnet/Qwen1.5-7B-Chat-imatrix-GGUF — набор квантованных вариантов модели Qwen1.5-7B-Chat, разработанной командой Qwen. Модель предназначена для генерации текста и диалоговых сценариев, включая работу в формате чата и ответы на пользовательские запросы. Она распространяется в формате GGUF с использованием imatrix и рассчитана на запуск через совместимые клиенты и интерфейсы, такие как llama.cpp, JanAI, KoboldCPP, text-generation-webui, Ollama и GPT4All. Исходная модель относится к классу авторегрессионных текстовых языковых моделей с размером 7B параметров и поддерживает применение chat template для сообщений с ролями system и user. В README явно указан английский язык; сведения о других языках, длине контекста, точной архитектуре и характеристиках отдельных вариантов квантования не приведены. К преимуществам относятся возможность локального запуска и выбор различных квантованных конфигураций, однако квантование может снижать точность по сравнению с исходной моделью, а требования к ресурсам зависят от конкретного варианта. Лицензия указана как other, без дополнительных условий в представленном README. Модель предназначена для text generation; режим inference в карточке не заявлен как встроенный.

NIEWEN/qwen15b-code-merged-v2 — компактная языковая модель для генерации текста, опубликованная на Hugging Face. По метаданным она связана с семейством Qwen2 и предназначена для использования через библиотеку Transformers. Модель содержит 1,5 млрд параметров и поддерживает контекст длиной до 32 768 токенов. Тег conversational указывает на возможность применения в диалоговых сценариях, а pipeline text-generation — на генерацию текстовых продолжений и ответов. Карточка модели не содержит сведений о разработчике, языках, лицензии, данных обучения, результатах оценки или специализированных ограничениях. Поэтому условия использования и пригодность для конкретных прикладных задач необходимо дополнительно проверять перед применением.

CEIA-POSITIVO/Qwen-1.7B-capado — компактная языковая модель для генерации текста и диалогового взаимодействия, опубликованная в репозитории CEIA-POSITIVO на Hugging Face. По метаданным она относится к семейству Qwen3, использует библиотеку Transformers и содержит около 1,6 млрд параметров. Модель предназначена для продолжения и генерации текста, создания ответов в чатах, прототипирования conversational-приложений и локального запуска задач, не требующих крупной модели. Она поддерживает контекст длиной до 40 960 токенов и распространяется в формате safetensors. README не содержит сведений о разработчике, лицензии, языках обучения, процедуре дообучения, оценивании или специальных предметных областях. Поэтому модель следует рассматривать как универсальную генеративную модель с неполностью документированными характеристиками; перед использованием в продуктивных или чувствительных сценариях необходимы самостоятельные проверки качества, безопасности и соблюдения условий лицензии.

KingNish/qwen-1b-continued — языковая модель семейства Qwen2 с плотной архитектурой и примерно 1 млрд параметров, разработанная KingNish как дообученная версия KingNish/depth20-qwen-1b. Она предназначена для генерации текста и диалогового взаимодействия. Модель обучалась с использованием Unsloth и библиотеки TRL; для работы с весами доступны форматы PyTorch и Safetensors. Модель принимает текст и выдаёт текст, поддерживает английский язык и имеет контекстное окно до 131 072 токенов. Репозиторий распространяется по лицензии Apache-2.0. Метаданные также отмечают интерфейс вызова инструментов, однако подробности его реализации в карточке не описаны.

ehristoforu/Qwen2-1.5b-it-chat-sp-ru-bel-arm-ger-fin — диалоговая языковая модель, дообученная ehristoforu на базе ehristoforu/Qwen2-1.5b-it-chat-sp-ru-bel-arm-ger. Модель семейства Qwen2 с плотной архитектурой Qwen2ForCausalLM содержит 1,5 млрд параметров и предназначена для генерации текста в формате чата; заявленная длина контекста — 32 768 токенов. В README указано, что обучение проводилось с использованием Unsloth и TRL. По названию базовой модели можно предположить поддержку испанского, русского, белорусского, армянского и немецкого языков; метаданные карточки отдельно подтверждают английский тег. Весы доступны в формате PyTorch. Лицензия — Apache-2.0.

QWEN-2-1.5B-Synthia-I — языковая модель, дообученная artificialguybr на Qwen/Qwen2-1.5B с использованием набора Synthia v1.5-I, содержащего более 20,7 тыс. примеров следования инструкциям. Это плотная авторегрессионная модель класса Qwen2ForCausalLM с 1,5 млрд параметров; файлы доступны в форматах PyTorch и Safetensors, а для работы указан Transformers. Модель предназначена для выполнения инструкций, генерации и продолжения текста, а также для разговорных приложений. Контекстное окно составляет до 131 072 токенов. В метаданных указан английский язык; карточка отмечает многоязычные возможности базовой Qwen2, но не уточняет языковой охват дообученной версии. Модель наследует возможности базовой Qwen2-1.5B и специально настроена на следование инструкциям. Лицензия — Apache-2.0. Карточка не приводит результатов оценивания качества или более подробных ограничений.

mkurman/Qwen2.5-14B-DeepSeek-R1-1M — объединённая языковая модель для генерации текста, созданная на основе DeepSeek-R1-Distill-Qwen-14B и Qwen/Qwen2.5-14B-Instruct-1M. Слияние выполнено методом TIES с использованием Qwen2.5-14B-Instruct-1M в качестве базовой модели; заявленная цель — сочетать возможности рассуждения DeepSeek-R1 с поддержкой длинного контекста модели Qwen2.5. Модель предназначена для универсальной генерации текста и диалоговых сценариев, включая программирование, анализ документов и работу с большими объёмами контекста. Она поддерживает использование через Transformers, а также может запускаться в LM Studio и Ollama при наличии файлов GGUF. Пример применения демонстрирует генерацию Python-кода в формате чата. Из известных характеристик: модель относится к классу causal language models, содержит 14 миллиардов параметров и рассчитана на контекст размером до 1 миллиона токенов, унаследованный от Qwen2.5-14B-Instruct-1M. В конфигурации слияния указан тип данных bfloat16. README не сообщает поддерживаемые языки, результаты бенчмарков или точные требования к оборудованию, поэтому качество рассуждений, эффективность на длинных контекстах и практические ограничения следует оценивать отдельно. Модель распространяется по лицензии Apache 2.0.

Qwen2.5-14B-Gutenberg-1e-Delta — диалоговая языковая модель на архитектуре Qwen2, созданная дообучением Qwen2.5-14B-Instruct методом DPO на наборе jondurbin/gutenberg-dpo-v0.1 в течение 1,25 эпохи. Модель содержит 14 млрд параметров, использует плотную архитектуру Qwen2ForCausalLM и принимает текст для генерации текста и ответов в диалоге. Максимальная длина контекста составляет 32 768 токенов. Модель предназначена для интерактивных диалогов и генерации ответов по текстовым запросам. В README приведены результаты оценки на IFEval и BBH, однако они сами по себе не гарантируют качество на конкретных задачах. Доступна по лицензии Apache 2.0.

Qwen2.5-14B_Uncensored_Instruct-GGUF — это набор квантизированных GGUF-версий инструкционной текстовой модели Qwen2.5-14B_Uncensored_Instruct, разработанной SicariusSicariiStuff и преобразованной в квантизации пользователем bartowski с помощью llama.cpp и imatrix. Модель предназначена для генерации текста и диалогового взаимодействия, а также для локального запуска через совместимые инструменты, включая LM Studio. В README указан английский язык модели и формат чата с ролями system, user и assistant. Модель имеет 14 миллиардов параметров. Доступны версии от F16 до Q3 и IQ3 с разными компромиссами между качеством, размером файлов и требованиями к оперативной памяти; размеры указанных вариантов составляют примерно от 6,92 до 29,55 ГБ. Некоторые версии оптимизированы для ARM-инференса и требуют поддержки sve или i8mm. Более высокие разрядности обычно обеспечивают лучшее сохранение качества, тогда как варианты с меньшим размером подходят для систем с ограниченной памятью. Это текстовая модель без заявленной поддержки изображений или других модальностей. Контекстное окно, точная архитектура, производительность и дополнительные языки в README не указаны, поэтому их нельзя достоверно оценить. Условия использования указаны как лицензия Apache-2.0.