I.5Создание и редактирование текста

Карточка модели Sakalti/SJT-990M на Hugging Face совпадает с карточкой Sakalti/SJT-1B-Alpha, поэтому описание составлено по ней. SJT-1B-Alpha — компактная чат-модель Sakalti на архитектуре Qwen2, дообученная на базе sail/Sailor2-1B. Она предназначена для диалогов и генерации текста; в метаданных также отмечен интерфейс вызова инструментов. Модель содержит 851,8 млн параметров, поддерживает контекст до 131 072 токенов и представлена в формате safetensors. В карточке указаны английский и японский языки. Модель распространяется по лицензии Apache-2.0.

smartyplats-7b-v2-Mistral-7B-Instruct-v0.1 — объединённая чат-модель на архитектуре Mistral, созданная слиянием mistralai/Mistral-7B-Instruct-v0.1 и vihangd/smartyplats-7b-v2 методом SLERP. Модель содержит 7,1 млрд параметров и предназначена для генерации текста в ответ на инструкции и сообщения в диалоге. Модель принимает текст и выдаёт текст; её контекст составляет до 32 768 токенов. В карточке указаны формат safetensors и лицензия Apache-2.0. README описывает схему слияния, но не приводит отдельные результаты оценки качества или специализированные области применения.

Smaug-72B-v0.1 — языковая модель abacus.ai, дообученная методом DPO-Positive (DPOP) для повышения качества ответов и результатов на задачах общего назначения. Она построена на архитектуре LlamaForCausalLM и содержит 71 млрд параметров; исходной моделью для дообучения указана moreh/MoMo-72B-lora-1.8.7-DPO, которая, согласно README, основана на Qwen-72B. Модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. Модель предназначена для диалога, ответов на вопросы, рассуждений и решения задач, в том числе математических. В README приведены результаты оценки на ARC, HellaSwag, MMLU, TruthfulQA, Winogrande, GSM8K и MT-Bench; они характеризуют тестирование авторов и не гарантируют аналогичное качество в других сценариях. Модель выпущена в формате safetensors. Лицензия в метаданных обозначена как other, поэтому конкретные условия использования следует проверить в карточке модели.

SmaugDolphin-34B-slerp — объединённая языковая модель, созданная автором репозитория с помощью mergekit и метода SLERP из cognitivecomputations/dolphin-2.2-yi-34b-200k и abacusai/Smaug-34B-v0.1. Она предназначена для генерации текста и диалогового общения. Модель построена на плотной архитектуре Llama с классом LlamaForCausalLM; в метаданных указаны 27,2 млрд параметров и контекст до 200 000 токенов. Репозиторий использует формат safetensors и библиотеку Transformers. Слияние объединяет возможности исходных моделей Smaug и Dolphin для диалоговой генерации текста. Модель можно применять для ответов на вопросы, ведения диалога и других задач генерации текста. README не сообщает результаты оценки качества или конкретный перечень поддерживаемых языков. Лицензия в предоставленных данных не указана.

SmolLM3-3B — открытая языковая модель с 3 млрд параметров, разработанная HuggingFaceTB и преобразованная в формат LiteRT-LM для локального запуска на устройствах и компьютерах. Это decoder-only модель для генерации текста, диалогов, рассуждений и других задач, поддерживаемых базовой SmolLM3. Модель ориентирована на сценарии on-device и edge-инференса, включая Android-смартфоны, iPhone, Raspberry Pi, настольные системы и локальный OpenAI-совместимый API-сервер. Представленная версия использует блочную симметричную int4-квантизацию с размером блока 32 и оптимальным клиппингом OCTAV; эмбеддинги имеют формат INT8, вычисления выполняются в целочисленном формате. Файл основной версии занимает около 1,9 ГБ, контекст KV-кэша ограничен 4096 токенами. В архитектуре базовой модели заявлены GQA, расписание внимания NoPE, мультиязычная поддержка и обучение на длинном контексте. В комплект входят токенизатор и шаблон ChatML, поэтому отдельные файлы токенизатора не требуются. Сильные стороны модели — небольшой размер для класса 3B, открытая лицензия Apache-2.0, поддержка полностью локального инференса и наличие GPU-ускорения на совместимых устройствах. Производительность зависит от оборудования: в приведённых измерениях она достигала 93,2 токена/с при декодировании на Apple M4 Max и 22,5 токена/с на iPhone 17 Pro. Ограничения включают потери качества и возможные особенности поведения, связанные с int4-квантизацией, фиксированный контекст 4096 токенов и зависимость скорости от конкретного LiteRT-LM backend, устройства и объёма доступной памяти.

SmolLM3-3B-Base — базовая языковая модель семейства SmolLM3, опубликованная Unsloth как дообученная версия HuggingFaceTB/SmolLM3-3B-Base. Это декодерный Transformer с архитектурой SmolLM3 и 3,1 млрд параметров; модель предназначена для генерации и продолжения текста, в том числе для задач рассуждения и работы с длинным контекстом. Репозиторий содержит веса Safetensors и использует библиотеку Transformers. Модель обучалась на веб-текстах, коде, математике и данных для рассуждений. Контекст конфигурации — 65 536 токенов; в README описана экстраполяция до 128 000 токенов с YaRN. Хорошо подходит как открытая базовая модель для экспериментов и дальнейшей настройки. Поддерживаемые языки включают английский, французский, испанский, итальянский, португальский, китайский, арабский и русский; для русского, китайского и арабского в README отмечено меньше обучающих данных, чем для основных языков. Генерация может содержать фактические ошибки, логические несоответствия и предубеждения, поэтому важные сведения следует проверять. Лицензия — Apache 2.0.

Socrates-Qwen2.5-14B-SFT — дообученная SocratesFT модель на базе Qwen2.5-14B-Instruct, представленная в формате safetensors для библиотеки Transformers. Она предназначена для генерации текста и диалогов; карточка связывает её с набором данных SocSci210. Модель имеет плотную архитектуру Qwen2 и 14 млрд параметров, поддерживает контекст до 32 768 токенов и рассчитана на английский язык. Метаданные указывают на поддержку следования инструкциям и интерфейс вызова инструментов. Модель распространяется по лицензии Apache-2.0.

jaspionjader/sof-9 — объединённая модель семейства Llama, созданная автором репозитория с помощью mergekit. В объединение вошли jaspionjader/sof-3, sof-5, sof-7 и sof-8; базовой моделью для слияния указана jaspionjader/sof-6. Применён метод Model Stock, итоговые веса сохранены в формате safetensors; модель содержит 7,5 млрд параметров и рассчитана на контекст до 131 072 токенов. Модель предназначена для генерации текста и диалогового взаимодействия на основе текстовых запросов. Она может использоваться в чат-ботах и приложениях, которым нужна генерация ответов с длинным контекстом. Сведения о лицензии, языках, качестве и специальных областях применения в предоставленных источниках отсутствуют.

CallComply/SOLAR-10.7B-Instruct-v1.0-128k — англоязычная диалоговая языковая модель, дообученная на базе upstage/SOLAR-10.7B-v1.0 для одношаговых инструкций и бесед. Она построена на плотной архитектуре семейства Llama с 10,6 млрд параметров и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации ответов и выполнения инструкций в чат-сценариях. При дообучении использовались SFT и итеративная DPO на наборах Alpaca-GPT4, OpenOrca, Intel Orca DPO и UltraFeedback; карточка также описывает применение данных для математических задач. В метаданных указана лицензия CC BY-NC 4.0, которая ограничивает коммерческое использование.

macadeliccc/SOLAR-2x10.7b-truthy-dpo — разговорная текстовая модель, полученная слиянием macadeliccc/SOLAR-10.7b-Instruct-truthy-dpo и bhavinjawade/SOLAR-10B-OrcaDPO-Jawade. Она предназначена для генерации ответов в диалоге и других сценариев, где требуется продолжить текст. Модель построена на архитектуре Mixtral с механизмом смеси экспертов, содержит 10,6 млрд параметров и поддерживает контекст до 4096 токенов. В карточке указаны наборы данных truthy-dpo-v0.1 и OpenOrca; результаты оценки качества не приведены. Репозиторий содержит веса Safetensors. Лицензия CC BY-NC-ND 4.0 требует указания авторства и запрещает коммерческое использование и распространение производных материалов.

nebchi/solar-merge-slerp — это объединённая модель генерации текста на архитектуре Llama, созданная с помощью mergekit методом SLERP из davidkim205/nox-solar-10.7b-v2 и chihoonlee10/T3Q-ko-solar-dpo-v6.0. Модель содержит 10,4 млрд параметров и рассчитана на контекст до 4096 токенов. Модель предназначена для генерации текста и диалоговых сценариев на основе входного текста. Веса опубликованы в формате safetensors; README указывает конфигурацию с float16. В карточке не приведены сведения о конкретных языках, качестве на отдельных задачах или условиях лицензии.

Solar Mini 4 — компактная языковая модель компании Upstage на 35 млрд параметров с архитектурой mixture-of-experts и примерно 3 млрд активных параметров. В карточке указано контекстное окно до 524 тысяч токенов. Модель предназначена для агентных сценариев и генерации текста. Её можно использовать для построения диалоговых помощников и систем, которым требуется обрабатывать длинный контекст. В предоставленном фрагменте README подробности о возможностях, поддерживаемых языках и лицензии отсутствуют.

Solar Open2 250B — Nota NVFP4 — это 4-битная квантованная версия большой языковой модели Solar Open2 250B, разработанной Upstage и подготовленной Nota AI с использованием собственной технологии квантования Mixture-of-Experts (MoE). Модель предназначена для генерации текста и может обслуживать задачи рассуждения, программирования, следования инструкциям, работы с англоязычными и корейскоязычными заданиями, а также другие сценарии применения больших языковых моделей. В заявленных метаданных указаны английский, корейский и японский языки; модальность — текстовая. Размер контекста в README не указан. Модель использует формат NVFP4 с 4-битным квантованием весов и активаций (W4A4), group_size=16 и упаковкой compressed-tensors для прямого запуска через vLLM. Заявленный объём весов составляет 153,3 ГБ против 500,6 ГБ у версии BF16. Ключевое преимущество — существенно меньшие требования к памяти и более высокая пропускная способность при близком к BF16 качеству на приведённых тестах; средний результат составил 81,35 против 81,57 у BF16. Ограничение — необходимость GPU архитектуры NVIDIA Blackwell с поддержкой FP4 tensor cores, например B200 или GB200; Hopper, Ada и Ampere не поддерживаются. Для развёртывания требуется vLLM и Blackwell-класс GPU. Модель распространяется по лицензии Upstage Solar License. Для производных моделей указаны требования использовать префикс Solar в названии, размещать заметную атрибуцию «Built with Solar» в публичных материалах и включать копию лицензии Upstage Solar.

kodonho/Solar-OrcaDPO-Solar-Instruct-SLERP — англоязычная смешанная разговорная модель, созданная с помощью gradient SLERP на основе upstage/SOLAR-10.7B-Instruct-v1.0 и bhavinjawade/SOLAR-10B-OrcaDPO-Jawade. Она предназначена для генерации текста и диалоговых сценариев. Модель использует плотную архитектуру LlamaForCausalLM, содержит 10,6 млрд параметров и имеет контекст 4096 токенов; веса доступны в формате safetensors. В README указана средняя оценка 74,3, но метрика и условия оценки не уточнены. Модель распространяется по лицензии CC BY-NC 4.0, которая требует указания авторства и запрещает коммерческое использование.

Soniox-7B-v1.0 — языковая модель Soniox для диалогов и генерации текста. Она построена на архитектуре Mistral и основана на Mistral 7B, дополнительно прошла предварительное обучение и дообучение для решения задач и ответов на вопросы. В карточке заявлена поддержка английского языка и кода; модель содержит 7,1 млрд параметров и имеет контекст до 32 768 токенов по метаданным. Модель можно использовать для диалоговых интерфейсов, генерации текста и помощи с кодом. Автор README заявляет сопоставимость с GPT-4 на некоторых бенчмарках, но не приводит их названия или результаты, поэтому это утверждение не позволяет оценить качество для конкретных задач. Модель доступна в формате safetensors и совместима с Transformers; для развёртывания также упоминаются vLLM и другие варианты. Лицензия — Apache 2.0. README указывает контекст 8K, тогда как метаданные каталога дают native context 32 768 токенов; это расхождение следует учитывать при выборе длины входа.

SoRu-0003 — языковая модель семейства Qwen2, разработанная ehristoforu и дообученная на основе ehristoforu/SoRu-0002. Она предназначена для генерации текста и диалогового общения; метаданные также указывают интерфейс вызова инструментов. Модель содержит около 493,7 млн параметров, принимает текст и поддерживает контекст до 32 768 токенов. В карточке указано, что обучение выполнялось с использованием Unsloth и библиотеки Hugging Face TRL. В метаданных указан английский язык. Модель распространяется по лицензии Apache-2.0. Карточка не описывает конкретные тесты качества или специализированные области применения.

SoRu-0006 — плотная языковая модель семейства Qwen2, разработанная ehristoforu и дообученная на базе ehristoforu/SoRu-0005. Она предназначена для генерации текста и диалогов; в метаданных также отмечен интерфейс вызова инструментов. Модель содержит около 493,7 млн параметров и поддерживает контекст до 32 768 токенов. Для обучения использовались Unsloth и библиотека Hugging Face TRL; README сообщает, что обучение было ускорено вдвое. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. Карточка не описывает обучающие данные, целевые языки или результаты оценки качества.

Spaetzle-v12-7b — объединённая автором карточки модель на архитектуре Mistral с 7,1 млрд параметров, созданная с помощью LazyMergekit на основе NeuDist-Ro-7B, discolm-mfto-7b-german-v0.1 и Flora_DPO_7B; в README также указана Wiedervereinigung-7b-dpo-laser как основа слияния. Модель предназначена для генерации текста и диалоговых ответов, с акцентом на немецкий язык. По результатам, приведённым в карточке, версия немного уступает Spaetzle-v8-7b в общих англоязычных тестах и немного превосходит её в отдельных немецких задачах; например, указан результат EQ-Bench (de) 64,81. Модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. Опубликована в формате Safetensors и распространяется по лицензии CC BY-SA 4.0.

Spaetzle-v31-7b — объединённая модель для генерации текста и диалогов, созданная cstr с помощью LazyMergekit. Она объединяет cstr/spaetzle-v8-7b и yleo/EmertonMonarch-7B методом dare_ties; в конфигурации указаны плотность 0,60 и тип данных bfloat16. По метаданным это плотная архитектура MistralForCausalLM на 7,1 млрд параметров с контекстом до 32 768 токенов и поддержкой диалога. Модель предназначена для ответов на текстовые запросы и общих диалоговых сценариев. В карточке приведены результаты тестов AGIEval, GPT4All, TruthfulQA и Bigbench: средний балл по ним — 59,8, что характеризует оценку на этих наборах, но не гарантирует качество в конкретном применении. Репозиторий использует лицензию CC-BY-NC-4.0 с ограничением на некоммерческое использование.

Spaetzle-v64-7b — объединённая модель генерации текста, созданная cstr с помощью LazyMergekit из flemmingmiguel/NeuDist-Ro-7B, cstr/Spaetzle-v63-7b и ResplendentAI/Flora_DPO_7B. Это плотная причинно-языковая модель архитектуры Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов; поддерживает диалоговый режим и предназначена для генерации текста и ответов в чате. В карточке не приведены подробности о языках и сравнительных качествах модели. Модель распространяется по лицензии CC BY-SA 4.0.

JANGQ-AI/Spark-X2.5-4B-JANG_8M — 3,8-миллиардная плотная языковая модель Spark-X2.5-4B от XHToken, квантованная Jinho Jang для Apple Silicon и MLX. Это 8-битный вариант с точностью bfloat16 для групповых масштабов; отдельные тензоры внимания и нормализации сохранены в полной точности. Модель предназначена для диалога, рассуждений, работы с инструментами и генерации текста. Поддерживаются английский и китайский языки; исходная модель рассчитана на контекст до 1 048 576 токенов, хотя в README для этого набора также указан контекст 131 072 токена. В сравнении с исходными весами bf16 автор сообщает медианное KL-расхождение 0,0017 и совпадение top-1 в 98,72% позиций на тестовых запросах. Модель принимает и генерирует только текст. Для запуска требуется среда с поддержкой архитектуры spark2_5, например vMLX или MLX Studio; обычный mlx-lm эту архитектуру не поддерживает. Лицензия Apache-2.0 унаследована от базовой модели.

Bielik-11B-v3.0-Instruct-GGUF — квантизированная версия инструкционной языковой модели Bielik-11B-v3.0-Instruct, разработанной командой speakleash. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск через llama.cpp, LM Studio, KoboldCpp, Jan AI и другие совместимые инструменты. Модель содержит 11 миллиардов параметров и распространяется в формате GGUF с вариантами от BF16 до Q3 и IQ-квантизаций. Доступны файлы разного размера — примерно от 5 до 22 ГБ, что позволяет выбирать баланс между качеством, потреблением памяти и скоростью работы. Конкретные архитектура, поддерживаемые языки, размер контекстного окна и формат prompt не указаны в представленном README; для их уточнения требуется документация исходной модели. Сильной стороной является широкий выбор уровней квантизации: варианты Q5 и Q6 заявлены как высококачественные, а Q4 подходят для большинства сценариев и более ограниченных по памяти систем. Более компактные варианты позволяют запускать модель при меньшем объёме RAM, но могут снижать качество генерации. Лицензия в README не указана и должна быть проверена на странице исходной модели speakleash/Bielik-11B-v3.0-Instruct.

Speechless-Llama2-Hermes-Orca-Platypus-WizardLM-13B-GGUF — это квантизированная языковая модель в формате GGUF, созданная на основе модели Speechless Llama2 Hermes Orca-Platypus WizardLM 13B. Исходную модель разработал Jiangwen Su, а квантизацию и публикацию GGUF-файлов выполнил TheBloke. Модель относится к семейству Llama и предназначена для генерации текста и выполнения инструкций на естественном языке. Модель рассчитана на англоязычные сценарии: диалоговые приложения, ответы на инструкции, локальный запуск и другие задачи текстовой генерации. Указан размер 13B параметров, однако сведения о длине контекста и поддерживаемых модальностях отсутствуют; по имеющимся данным, модель работает только с текстом. Для взаимодействия используется шаблон Alpaca с секциями Instruction и Response. Главное преимущество этой версии — формат GGUF с вариантами квантизации от 2 до 8 бит, что позволяет запускать модель через llama.cpp и совместимые интерфейсы на CPU и GPU, снижая требования к памяти. При этом квантизация может уменьшать точность по сравнению с исходной версией FP16, а качество зависит от выбранного варианта. Модель распространяется по лицензии Llama 2; перед использованием следует учитывать условия этой лицензии и ограничения исходной модели.

StableLM-Tuned-Alpha-7B — авторегрессионная языковая модель компании Stability AI на архитектуре NeoX Transformer, дообученная на базе StableLM-Base-Alpha для диалогов и следования инструкциям. Версия содержит около 10 млрд параметров по метаданным репозитория и поддерживает контекст длиной до 4096 токенов. Модель предназначена для чат-приложений и задач, включающих ответы на вопросы, генерацию текста, суммаризацию, классификацию и извлечение информации. Обучение включало наборы Alpaca, GPT4All Prompt Generations, Anthropic HH, Databricks Dolly и англоязычную часть ShareGPT Vicuna. Основной язык — английский. Дообучение помогает направлять ответы модели, но не устраняет все смещения и токсичность; результаты могут быть неточными и не должны заменять человеческую оценку. Лицензия CC BY-NC-SA-4.0 допускает использование на некоммерческих условиях с соблюдением её требований.

StableLM Zephyr 3B — англоязычная инструкционная языковая модель Stability AI на основе декодерного Transformer. Она содержит 2,7 млрд параметров, принимает текст и генерирует текст; размер контекста — 4096 токенов. Модель дообучена методом SFT и выравнивалась с помощью Direct Preference Optimization (DPO) на открытых и синтетических данных, включая наборы диалогов, математических задач и предпочтений. Базовая модель — stabilityai/stablelm-3b-4e1t. Модель предназначена для диалоговых помощников, ответов на инструкции, генерации текста и прототипирования приложений, которые затем настраивают под конкретную задачу. В README приведены результаты оценок MT-Bench, AlpacaEval и ряда общих тестов; для специализированных сценариев качество следует проверять отдельно. Модель не обучена противостоять состязательным запросам и может выдавать вредные ответы или дезинформацию, поэтому необходимы проверки и защитные механизмы на входе и выходе. Лицензия — Stability AI Community License; для коммерческого использования README предлагает отдельно уточнить условия у Stability AI.

StarDust-12b-v2-GGUF — это квантизированная GGUF-версия текстовой генеративной модели StarDust-12b-v2, разработанной Luni. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста, диалогов, ролевых сценариев и творческого письма; запуск возможен, в частности, через LM Studio и другие совместимые инструменты. Модель имеет размер около 12 миллиардов параметров и относится к семейству Mistral. Она работает с текстом и заявлена для английского языка. В репозитории доступны варианты от F16 до Q2_K, различающиеся размером файла, требованиями к памяти и качеством; рекомендованными обозначены многие варианты Q4–Q6, включая Q6_K и Q6_K_L. Для ARM-процессоров предусмотрены специальные варианты Q4_0 с требованиями к поддержке SVE или i8mm. Формат prompt использует специальные маркеры ролей system, user и assistant. Сильной стороной модели является возможность локального запуска при выборе подходящего уровня квантизации, а варианты с более высокой точностью должны лучше сохранять качество исходной модели. Ограничения связаны с потерями качества в низкобитных вариантах, значительными требованиями к памяти для крупных файлов и отсутствием в предоставленных данных информации о размере контекста, точных архитектурных характеристиках и результатах оценки. Модель распространяется по лицензии Apache-2.0.

Starfinite-Laymospice-v2-7B — языковая модель от ABX-AI, полученная слиянием моделей Starfinite-Laymons-7B и Spicy-Lemonade-v2-7B методом SLERP с помощью mergekit. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров; она предназначена для генерации текста. Контекстное окно составляет 32 768 токенов, веса опубликованы в формате safetensors и рассчитаны на работу через Transformers. Модель объединяет Starling, InfinityRP, LemonadeRP и TheSpice, а также Infinitely Laydiculous. Карточка не приводит подробных оценок качества, перечня языков или условий лицензирования, поэтому конкретные преимущества, языковой охват и права использования установить нельзя.

Starling_Monarch_Westlake_Garten-7B-v0.1-GGUF — квантизированная версия текстовой генеративной модели Starling_Monarch_Westlake_Garten-7B-v0.1. Исходная модель опубликована giraffe176, а GGUF-квантизации подготовлены bartowski с использованием llama.cpp. Модель объединяет Mistral-7B-v0.1, Starling-LM-7B-alpha, AlphaMonarch-7B, WestLake-7B-v2-laser и garten2-7b. Модель предназначена для генерации текста и общих задач понимания и рассуждения на естественном языке. В README указаны результаты на EQ-Bench, ARC, HellaSwag, MMLU, TruthfulQA, Winogrande и GSM8K; среди приведённых показателей — 80,01 на EQ-Bench, 71,76% на ARC, 88,15% на HellaSwag и 65,07% на MMLU. Это указывает на пригодность для диалоговых, общеобразовательных, логических и текстовых сценариев, однако результаты зависят от методики тестирования. Модель относится к классу 7B и поставляется в формате GGUF с вариантами квантизации от Q4 до Q8, что позволяет выбирать баланс между размером файла, требованиями к памяти и качеством. Мультимодальность, поддерживаемые языки и размер контекстного окна в README не указаны. Лицензия — CC BY-NC 4.0, поэтому коммерческое использование может быть ограничено условиями лицензии.

Stealth-Notus-xb — диалоговая языковая модель, созданная powermove72 слиянием jan-hq/stealth-v1.3 и argilla/notus-7b-v1 с помощью LazyMergekit. В конфигурации слияния методом passthrough используются слои 0–26 первой модели и 8–32 второй; веса сохранены в формате safetensors, README указывает dtype float16. Модель построена на архитектуре Mistral и содержит 11 млрд параметров. Модель предназначена для генерации текста и диалоговых ответов. Она поддерживает контекст до 32 768 токенов и может использоваться в чат-сценариях и для продолжения текста. Описание базовой модели Argilla указывает на преимущественно англоязычную генерацию; отдельные языки для Stealth-Notus-xb в карточке не заявлены. Лицензия в предоставленных данных не указана.

Steelskull_L3.3-Electra-R1-70b-GGUF — это квантизированная версия языковой модели L3.3-Electra-R1-70b, разработанной Steelskull и подготовленной пользователем bartowski в формате GGUF. Модель предназначена для генерации текста и запуска локально через llama.cpp, LM Studio и другие совместимые проекты. Модель имеет размер 70 миллиардов параметров и поддерживает текстовый сценарий работы. В README приведён специальный шаблон запросов с системными и пользовательскими сообщениями, совместимый с форматом токенов модели. Доступны варианты квантизации Q2–Q8 и IQ, размером примерно от 27 до 75 ГБ; для большинства сценариев рекомендуются Q4_K_M, Q5_K_M, Q5_K_S и Q6_K. Квантизация выполнена с использованием imatrix и датасета, указанного автором сборки. Сильной стороной являются высокое качество крупных вариантов квантизации и возможность локального запуска без обращения к облачным сервисам. Ограничения включают значительные требования к оперативной памяти или видеопамяти, а также возможное снижение качества в компактных вариантах. Языки, размер контекста, точная архитектура, мультимодальные возможности и результаты оценки в README не указаны. Лицензия модели также не указана, поэтому условия использования следует уточнять в репозитории исходной модели.