I.5Создание и редактирование текста

Ultra-Instruct-12B-GGUF — набор GGUF-квантизаций базовой модели Dampfinchen/Ultra-Instruct-12B, подготовленный пользователем bartowski с помощью llama.cpp и imatrix-калибровки. Модель предназначена для генерации текста и выполнения инструкций в локальных приложениях, поддерживающих формат GGUF, включая LM Studio. В README не указаны точные сведения об архитектуре, языках, контекстном окне и мультимодальности; по имеющимся данным, это текстовая модель без заявленной поддержки изображений или других модальностей. Доступны варианты от F16 размером 24,50 ГБ до сильно сжатых IQ2_M размером 4,44 ГБ. Рекомендуемые варианты Q4–Q6 обеспечивают высокое или хорошее качество при меньшем потреблении памяти; Q3 и Q2 экономят ресурсы, но заметно уступают по качеству. Некоторые варианты используют Q8_0 для embedding- и output-весов, что потенциально повышает качество, однако автор указывает, что практический эффект зависит от использования. Для работы требуется совместимое ПО, например llama.cpp или LM Studio, и рекомендуется применять указанный в README шаблон чата с маркерами system, user и assistant. Ограничения включают отсутствие опубликованных бенчмарков и подробных характеристик исходной модели, а также неизбежную потерю качества в низкобитных квантизациях. Распространение осуществляется по лицензии CC BY-NC-4.0, запрещающей коммерческое использование.

Umbral-v0.4-1 — объединённая языковая модель семейства Llama, созданная сообществом mergekit-community методом task arithmetic на основе Sao10K/L3-8B-Stheno-v3.2 с добавлением Casual-Autopsy/MopeyMule-Blackroot-8B и Casual-Autopsy/SOVL-MopeyMule-8B. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и доступна в формате safetensors для Transformers. Модель предназначена для генерации текста и разговорных сценариев, включая ролевые диалоги, написание историй и выполнение инструкций — такие возможности указаны для базовой модели. Поддерживает контекст до 8192 токенов. Карточка не описывает отдельные языковые или прикладные специализации объединённой модели. Лицензия в предоставленных данных не указана.

Umbral-v0.4-2 — объединённая языковая модель на архитектуре Llama 3, созданная сообществом mergekit-community методом task arithmetic из трёх моделей: Hastagaras/Jamet-8B-L3-MK.V-Blackroot, Casual-Autopsy/SOVL-MopeyMule-8B и Casual-Autopsy/MopeyMule-Blackroot-8B. Модель содержит 7,5 млрд параметров, использует формат safetensors и поддерживает контекст до 8192 токенов. Модель предназначена для генерации текста и диалогов, включая ролевые сценарии и создание историй. Она принимает текстовые запросы и выдаёт текст. Карточка не сообщает конкретные языки или прикладные области. Условия лицензии в предоставленных данных не приведены.

Cybertron 7B v2 — плотная авторегрессионная языковая модель семейства Mistral, разработанная juanako.ai и представленная автором Xavier M. Модель насчитывает 7,1 млрд параметров и создана на основе Mistral с применением SFT, DPO и метода UNA (Uniform Neural Alignment); в карточке указаны обучающие наборы fblgit/tree-of-knowledge, Open-Orca/SlimOrca-Dedup и ultrafeedback_binarized_cleaned. Модель предназначена для диалогов и генерации текста по инструкциям. Она подходит для ответов на вопросы, рассуждений, задач на логику и математику, а также для создания прозы, стихов и шуток. Заявленная длина контекста — 32 768 токенов; автор рекомендует форматы ChatML или Alpaca System. Веса опубликованы в формате safetensors, лицензия — Apache-2.0. Карточка сообщает о высоких результатах на Open LLM Leaderboard, однако приведённые там оценки относятся к снимку конца 2023 года и не являются гарантией качества на других задачах. Модель генерирует текст и может ошибаться или выдавать недостоверные ответы; сведения о поддержке языков явно не перечислены.

Unhinged-Author-70B — объединённая языковая модель, созданная FiditeNemini с помощью mergekit и метода TIES на основе Steelskull/L3.3-MS-Nevoria-70b с включением huihui-ai/DeepSeek-R1-Distill-Llama-70B-abliterated. Это плотная авторегрессионная модель семейства Llama с 69,5 млрд параметров, рассчитанная на генерацию текста; заявленный контекст составляет до 131 072 токенов. Модель можно применять для диалогов, развёрнутых ответов, рассуждений и творческого письма. Репозиторий предоставляет веса в формате safetensors; метаданные указывают библиотеку Transformers и интерфейс для вызова инструментов. README не приводит оценок качества или подробных рекомендаций по использованию. Лицензия в предоставленных данных не указана.

Unhinged-Qwen2-72B — объединённая разговорная языковая модель, созданная с помощью mergekit на основе Qwen2 и моделей Tess-v2.5.2-Qwen2-72B и Dolphin-2.9.2-Qwen2-72B. В метаданных указаны архитектура Qwen2ForCausalLM, плотная архитектура и 71,5 млрд параметров; модель распространяется в формате safetensors и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации текста и диалоговых сценариев на английском языке. Лицензия обозначена как other, поэтому условия использования следует проверять в репозитории модели. Данных о специализированных областях применения в карточке нет.

Это GGUF-версия модели unsloth/Phi-3.5-mini-instruct, подготовленная пользователем legraphista с применением квантизации llama.cpp и метода IMatrix. Исходная модель Phi-3.5-mini-instruct связана с Microsoft; базовый тип данных указан как BF16. Модель предназначена для генерации текста и диалоговых сценариев, включая использование через llama.cpp и совместимые локальные инструменты. Доступны варианты от BF16 и F16 до Q8_0, Q6_K, Q5_K, Q4_K, Q3_K и Q2_K, включая несколько специализированных форматов. Размер файлов варьируется примерно от 1,45 до 7,64 ГБ, что позволяет выбирать между качеством и требованиями к ресурсам. Для ряда вариантов Q4 и более низкой точности применена IMatrix, призванная уменьшить потери качества при квантизации. В README указана поддержка multilingual, однако конкретный перечень языков, архитектура, число параметров и размер контекста не приведены. Основные преимущества модели — наличие множества квантизированных вариантов, пригодных для локального запуска, и использование формата GGUF, ориентированного на экосистему llama.cpp. Ограничения включают возможное снижение качества в низкобитных вариантах и отсутствие подробных сведений о производительности, языковых возможностях и системных требованиях. Репозиторий распространяется по лицензии MIT; ссылка на лицензию исходной модели ведёт к Microsoft.

TheBloke/Upstage-Llama1-65B-Instruct-GGUF — это квантизированная версия языковой модели Llama 65B Instruct, разработанной компанией Upstage и подготовленной TheBloke в формате GGUF. Модель предназначена для генерации текста и выполнения инструкций, включая диалоговые и другие задачи обработки текста на английском языке. Модель основана на архитектуре Llama и содержит около 65 миллиардов параметров. Репозиторий предоставляет варианты с 2-, 3-, 4-, 5-, 6- и 8-битным квантованием для запуска на CPU и GPU. Формат GGUF совместим с llama.cpp и рядом пользовательских интерфейсов и библиотек, включая text-generation-webui, LM Studio, KoboldCpp, llama-cpp-python и другие. Для работы предусмотрен шаблон приглашений с секциями System, User и Assistant. Размер контекста в README не указан. К сильным сторонам относятся большой размер базовой модели, настройка для следования инструкциям и возможность локального запуска с выбором степени квантования, позволяющей находить компромисс между требованиями к памяти и качеством. Ограничениями являются значительные вычислительные требования даже для квантированных вариантов, возможная потеря качества при агрессивном квантовании и отсутствие в README подробных данных о результатах оценки, поддерживаемых языках помимо английского и точном размере контекста. Лицензия указана как other; конкретные условия использования необходимо уточнять в лицензии исходной модели Upstage.

UwU-1 — объединённая языковая модель на 32 млрд параметров, опубликованная пользователем estrogen. Она создана методом TIES с помощью mergekit на основе Qwen/Qwen2.5-32B и включает веса EVA-UNIT-01/EVA-Qwen2.5-32B-v0.2 и Qwen/QwQ-32B-Preview. Модель использует архитектуру Qwen2 для генерации текста и диалогов, поддерживает контекст до 131 072 токенов и доступна в формате safetensors. Модель предназначена для генерации текста и диалогового взаимодействия. Карточка указывает на интерфейс вызова инструментов, однако не описывает его настройку или качество. Лицензия в предоставленных данных не указана.

VAETKI-7B-A1B — языковая модель NC-AI для эффективного вывода. Это авторегрессионная трансформерная модель с архитектурой Mixture-of-Experts: в README указаны 7,25 млрд параметров всего, около 1,2 млрд активных параметров, 24 слоя, 64 эксперта и 5 активируемых экспертов. Метаданные указывают 1,1 млрд параметров; контекст — до 32 768 токенов по метаданным и 16 тысяч токенов по README. Модель прошла предварительное и последующее обучение и поддерживает чат. Она предназначена для генерации текста и диалоговых сценариев на корейском, английском, китайском и японском языках. Формат весов в репозитории — safetensors. Модель может выдавать неточные или неполные ответы и галлюцинации; в README также отмечены ограничения в сложных рассуждениях, математике и генерации корректного кода, а также возможные социальные и культурные предубеждения. Её не рекомендуют для критически важных и регулируемых решений. Лицензия — MIT.

Verdandi-Qwen2.5-7B — объединённая текстовая модель, созданная автором репозитория с помощью mergekit и метода TIES на основе Orion-zhen/Meissa-Qwen2.5-7B-Instruct с включением C10X/LongWriter-Qwen2.5-7B-Instruct. Она построена на архитектуре Qwen2 и содержит 7,1 млрд параметров; для работы используется библиотека Transformers, веса опубликованы в формате safetensors. Модель предназначена для генерации текста и диалогового общения, в том числе для продолжительных ответов благодаря контексту до 32 768 токенов. Карточка базовой модели указывает на задачи написания художественных текстов и ролевых диалогов. Сведения о лицензии и конкретных ограничениях качества в доступных данных отсутствуют.

horangwave/vicuna_0610_8 — языковая модель для генерации текста, собранная автором с помощью mergekit из слоёв horangwave/vicuna_1014_12. Использован метод passthrough: в итоговую модель вошли диапазоны слоёв [0, 6] и [10, 12] базовой модели. Архитектура — плотная LlamaForCausalLM; размер составляет 1,8 млрд параметров, формат весов — safetensors, библиотека — Transformers. Модель принимает текст и выдаёт текст, длина контекста — 2048 токенов. Модель подходит для генерации продолжений и ответов на текстовые запросы. В карточке не описаны специализация, поддерживаемые естественные языки, конкретные сценарии применения или результаты оценки качества. Лицензия в предоставленных данных не указана.

horangwave/vicuna_1822 — текстовая генеративная модель, созданная с помощью mergekit на основе lmsys/vicuna-7b-v1.3. В README указано слияние методом passthrough, включающее слои 0–22 и 30–31 базовой модели; метаданные классифицируют связь как дообучение. Модель построена на архитектуре LLaMA с плотной сетью и классом LlamaForCausalLM, содержит 5 млрд параметров и принимает контекст до 2048 токенов. Модель предназначена для генерации текста, в том числе ответов в диалоговых сценариях и экспериментов с чат-ботами. Она принимает текст и выдаёт текст. В карточке указана библиотека Transformers и формат весов safetensors. Лицензия в предоставленных данных не указана.

Vigogne 2 70B Chat — крупная диалоговая языковая модель на архитектуре Llama 2, разработанная bofeng huang; в системном промпте также указано, что модель создана при участии Zaion Lab. Данная версия распространяется TheBloke в формате GGUF и предназначена для генерации текста, общения и выполнения инструкций, прежде всего на французском языке. Модель содержит около 70 миллиардов параметров и относится к семейству LLM для text-generation. GGUF-файлы поддерживают квантование от 2 до 8 бит, что позволяет запускать модель с использованием CPU и GPU через llama.cpp и совместимые приложения, включая text-generation-webui, LM Studio, KoboldCpp и другие. Конкретный размер контекста в README не указан. К сильным сторонам относятся большой размер модели, диалоговая настройка, ориентация на французский язык и наличие нескольких уровней квантования для выбора компромисса между требованиями к памяти и качеством. Ограничения связаны с тем, что это текстовая модель без заявленной поддержки изображений или других модальностей, а характеристики качества, наборы данных и подробные результаты оценки в README не приведены. Модель распространяется по лицензии Llama 2.

Vikhr-7B-instruct_0.3 — русскоязычная чат-модель семейства Llama, представленная Vikhrmodels. Это плотная причинная языковая модель с 7,1 млрд параметров, предназначенная для диалога и выполнения инструкций в формате ChatML. Репозиторий содержит веса в формате safetensors; карточка указывает контекст до 32 768 токенов и библиотеку Transformers. Модель подходит для русскоязычных чат-ботов, ответов на вопросы и выполнения текстовых инструкций. В метаданных перечислены обучающие наборы Veles-2.5, darulm и Vikhr_instruct; название и содержание карточки указывают на настройку для инструктивного диалога. README называет модель экспериментальной разработкой и сообщает, что метрики и инструкции по запуску появятся позже. Лицензия в предоставленных данных не указана.

Voyage — диалоговая языковая модель Xenon1 на базе Mistral-7B-v0.1, дообученная на наборе Ultrafeedback с применением методов из статьи Self-Rewarding Language Models. Это плотный трансформер MistralForCausalLM примерно на 7,1 млрд параметров с Grouped-Query Attention, Sliding-Window Attention и токенизатором Byte-fallback BPE. Модель предназначена для генерации текста и ответов в формате диалога; контекст — до 32 768 токенов. Для инструкций используется шаблон Mistral с маркерами [INST] и [/INST], доступный также через chat template. В карточке приведены результаты на ARC-Challenge, HellaSwag, MMLU, TruthfulQA и WinoGrande. Модель поддерживает английский язык и распространяется под лицензией Apache-2.0. Карточка не описывает специализированную область применения или гарантии качества; фактические ответы могут быть ошибочными.

Katayoon/VPO-SELM-Zephyr-7B-iter-2 — диалоговая языковая модель, дообученная разработчиком на базе Katayoon/VPO-SELM-Zephyr-7B-iter-1 на обновлённом и исходном наборах данных. Это плотная модель семейства Mistral с архитектурой MistralForCausalLM, примерно 7,1 млрд параметров и контекстом до 32 768 токенов. Она предназначена для генерации текста в диалоговом формате и распространяется в формате safetensors. Модель опубликована по лицензии MIT. Карточка не приводит подробностей о языках, оценке качества или конкретных ограничениях применения.

Карточка модели pythainlp/wangchanglm-7.5B-sft-en на Hugging Face совпадает с карточкой pythainlp/wangchanglm-7.5B-sft-enth, поэтому описание составлено по ней. WangChanGLM-7.5B-sft-enth — разработанная PyThaiNLP и VISTEC-depa AI Research Institute of Thailand версия XGLM-7.5B, дообученная следовать инструкциям. Модель содержит 8,6 млрд параметров, использует архитектуру XGLM и принимает текстовые запросы, генерируя текст; длина контекста — 2048 токенов. Модель предназначена для ответов на вопросы по тексту, мозгового штурма и творческого письма. Этот вариант дополнительно дообучен на тайских данных, переведённых с помощью Google Translate; в карточке также указана оценка возможностей для английского, тайского, японского и вьетнамского языков. Для обучения использованы открытые наборы данных, включая OIG, Dolly v2, OpenAI TL;DR и HC3. Лицензия весов — CC-BY-SA 4.0. Модель слабо подходит для математики, сложных рассуждений и ответов, требующих фактической точности. В карточке также отмечены нежелательные предубеждения и токсичность; перед применением в конкретной задаче рекомендуется дополнительная проверка.

Карточка модели pythainlp/wangchanglm-7.5B-sft-enth-sharded на Hugging Face совпадает с карточкой pythainlp/wangchanglm-7.5B-sft-enth, поэтому описание составлено по ней. WangChanGLM-7.5B-sft-enth — разработанная PyThaiNLP и VISTEC-depa AI Research Institute of Thailand версия XGLM-7.5B, дообученная следовать инструкциям. Модель содержит 8,6 млрд параметров, использует архитектуру XGLM и принимает текстовые запросы, генерируя текст; длина контекста — 2048 токенов. Модель предназначена для ответов на вопросы по тексту, мозгового штурма и творческого письма. Этот вариант дополнительно дообучен на тайских данных, переведённых с помощью Google Translate; в карточке также указана оценка возможностей для английского, тайского, японского и вьетнамского языков. Для обучения использованы открытые наборы данных, включая OIG, Dolly v2, OpenAI TL;DR и HC3. Лицензия весов — CC-BY-SA 4.0. Модель слабо подходит для математики, сложных рассуждений и ответов, требующих фактической точности. В карточке также отмечены нежелательные предубеждения и токсичность; перед применением в конкретной задаче рекомендуется дополнительная проверка.

WestKunai-Hermes-10.7b-test — языковая модель для генерации текста, опубликованная seyf1elislam. Она создана из WestKunai-Hermes-7b с помощью конфигурации mergekit, повторяющей схему модели WestLake-10.7B-v2; в README описана сборка из перекрывающихся диапазонов слоёв исходной модели. Модель имеет плотную архитектуру MistralForCausalLM, около 10,6 млрд параметров и контекст до 32 768 токенов. Репозиторий содержит веса Safetensors; в README также упомянуты квантованные версии GGUF. Модель предназначена для генерации текста и общих диалоговых и языковых задач. В README приведены результаты Open LLM Leaderboard, включая ARC и HellaSwag; указанные средние результаты этой версии ниже, чем у исходной 7B-модели. Карточка не сообщает конкретный список поддерживаемых языков или специализированных областей. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

West-Ramen-7Bx4 — разговорная модель генерации текста на архитектуре Mixtral MoE, опубликованная mayacinka. В репозитории представлены веса в формате Safetensors; объём модели составляет 7,1 млрд параметров, длина контекста — до 32 768 токенов. Модель предназначена для генерации ответов в диалогах и других сценариев продолжения текста. В README приведены результаты Open LLM Leaderboard, включая оценки на AI2 Reasoning Challenge и HellaSwag; этих данных недостаточно, чтобы определить дополнительные специализации или заявить о превосходстве в конкретных задачах. Модель распространяется по лицензии Apache-2.0. В предоставленной карточке нет сведений о поддерживаемых естественных языках и специальных предметных областях.

Whittle-Qwen-3.8-35B-A3B-i1-GGUF — это квантизированная GGUF-версия модели Whittle-Qwen-3.8-35B-A3B, разработанной logic65 и опубликованной в формате квантизаций пользователем mradermacher. Модель предназначена для генерации текста, диалоговых сценариев, рассуждений, программирования и математических задач, а также для локального запуска через llama.cpp и совместимые инструменты. Модель использует архитектуру mixture-of-experts (MoE) и заявленные механизмы n-gram memory, conditional memory, hyper-connections и knowledge distillation. В обозначении указано 35B параметров, однако README не уточняет число активных параметров при инференсе. Поддерживаются английский, китайский и другие языки; модель работает с текстом и не предназначена для мультимодальных входов. Размер контекста и другие параметры архитектуры не указаны. Доступно множество вариантов квантизации i1-GGUF объёмом примерно от 13,1 до 29,4 ГБ. Они предлагают разные компромиссы между размером, скоростью и качеством; README отмечает i1-Q4_K_M как быстрый рекомендуемый вариант, а i1-Q4_K_S — как удачный баланс размера, скорости и качества. Ограничения включают возможную потерю качества при низкой разрядности и отсутствие подробных результатов оценки. Модель распространяется по лицензии Apache-2.0.

WINTER-FROST-2-PRO — дообученная brucoder языковая модель семейства Qwen2.5 с архитектурой Qwen2ForCausalLM и 7,1 млрд параметров. Базовая модель — unsloth/Qwen2.5-7B-Instruct-bnb-4bit; для обучения использовались Unsloth и библиотека Hugging Face TRL. Модель предназначена для генерации текста и диалогового взаимодействия; также заявлен интерфейс вызова инструментов. Контекстное окно составляет 32 768 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, а лицензия — Apache-2.0.

ChuckMcSneed/WinterGoddess-1.4x-70b-32k — версия модели Sao10K/WinterGoddess-1.4x-70B-L2 с контекстом 32 768 токенов. В README указано, что контекст расширен методом LongLoRA; архитектура — плотная LlamaForCausalLM с 68,7 млрд параметров, веса представлены в safetensors. Модель предназначена для генерации текста и работы с более длинными входами и продолжениями. Автор приводит результаты бенчмарков NeoEvalPlusN и Open LLM Leaderboard, включая ARC, HellaSwag, MMLU, TruthfulQA, Winogrande и GSM8K. По его оценке, расширение контекста сопровождается снижением результатов на MMLU и GSM8K относительно базовой модели. Лицензия в метаданных указана как llama2; применимость лицензии следует оценивать по её условиям.

WinterGoliath-123b — текстовая генеративная модель на архитектуре Llama, созданная ChuckMcSneed с помощью mergekit путём объединения Xwin и WinterGoddess. В карточке автор описывает её как вариант Goliath с большей интеллектуальностью и более выраженным выравниванием, но с меньшей нейтральностью и развлекательностью; приведённые автором тесты носят неформальный характер. Модель предназначена для генерации текста и диалогов в формате Vicuna или Alpaca. Она содержит 123,5 млрд параметров и рассчитана на контекст до 4096 токенов. В репозитории указаны веса safetensors; README также упоминает квантизованные варианты GGUF, AWQ и GPTQ. Основной язык и отдельные специализированные области применения в карточке не обозначены. Лицензия — Llama 2. Выбор лицензии и связанные с ней условия использования следует учитывать при развёртывании модели.

Wistral-7B-Instruct-v0.3 — языковая модель BarraHome для диалоговой генерации текста. Она основана на Mistral-7B-Instruct-v0.2, дообучена с использованием Unsloth и библиотеки TRL и имеет плотную архитектуру MistralForCausalLM с 7,1 млрд параметров. Модель предназначена для ответов на сообщения и генерации текста в чате. Её контекст составляет 32 768 токенов. В карточке приведены результаты оценок на AI2 Reasoning Challenge и HellaSwag; они дают ориентир по отдельным тестам, но не гарантируют качество в других задачах. Для работы с моделью нужны совместимые инструменты и аппаратные ресурсы; метаданные указывают формат safetensors. Модель распространяется по лицензии Apache-2.0. Карточка не описывает специализацию по предметной области или отдельные ограничения применения.

WitchLM-1.5B — языковая модель, разработанная arcee-ai и дообученная на базе Qwen/Qwen2-1.5B. Это плотная причинная языковая модель семейства Qwen2 с 1,5 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Заявленная длина контекста составляет 131 072 токена. Модель подходит для генерации ответов и продолжения текста в чат-сценариях. В карточке приведены результаты оценок на нескольких бенчмарках, включая IFEval, GPQA и MMLU-Pro, но подробности методики и обучающих данных не описаны. Доступны веса в формате safetensors; лицензия — Apache-2.0.

WONMSeverusDevil-TIES-7B — объединённая автором jsfs11 языковая модель на архитектуре Mistral, созданная с помощью LazyMergekit из FelixChao/WestSeverus-7B-DPO-v2, jsfs11/WestOrcaNeuralMarco-DPO-v2-DARETIES-7B и mlabonne/Daredevil-7B. Модель содержит 7,1 млрд параметров и предназначена для генерации текста и диалоговых ответов; её контекст составляет до 32 768 токенов. В README приведены результаты оценки на наборах AGIEval, GPT4All, TruthfulQA и Bigbench, однако они не описывают отдельные гарантированные возможности модели. Доступна в формате safetensors по лицензии Apache-2.0. Языки и специализированные предметные области в предоставленных данных не обозначены.

WONMSeverusDevilv2-TIES — объединённая модель для генерации текста, созданная автором репозитория с помощью LazyMergekit на основе FelixChao/WestSeverus-7B-DPO-v2, jsfs11/WestOrcaNeuralMarco-DPO-v2-DARETIES-7B и mlabonne/Daredevil-7B. Это плотная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов, сохранённая в формате Safetensors. Модель подходит для диалоговых ответов и других задач генерации текста. Карточка не приводит подробных сведений о специализации, языковом покрытии или оценках качества. Лицензия в предоставленных данных не указана.

Wordpress-Mistral-7B-Fine-Tune — диалоговая языковая модель с архитектурой MistralForCausalLM и 7,1 млрд параметров. В README указано, что она преобразована в формат MLX из mistralai/Mistral-7B-Instruct-v0.2; доступные метаданные указывают на веса safetensors и контекст до 32 768 токенов. Модель предназначена для генерации текста в диалоговом формате. Название указывает на связь с WordPress, однако README не описывает конкретные задачи или данные такого дообучения, поэтому специализацию на создании контента для WordPress подтвердить нельзя. Лицензия — Apache-2.0. Для использования через MLX в README приведён пример запуска генерации.