I.5Создание и редактирование текста

Это модель murali1996 на базе bert-base-cased, дообученная для исправления орфографических ошибок. Она предназначена для коррекции текста; подробности обучения и оценки автор предлагает смотреть в репозитории neuspell. Модель построена на архитектуре BERT, содержит 135,5 млн параметров и принимает последовательности длиной до 512 токенов. Доступны веса в форматах PyTorch и Flax. Лицензия в предоставленных данных не указана.

beto2beto-mlsum — испаноязычная модель суммаризации, обученная на испанской части набора данных MLSum. По метаданным это плотная модель архитектуры encoder-decoder на базе EncoderDecoderModel; веса доступны в форматах PyTorch и safetensors. Модель предназначена для создания кратких изложений испаноязычных текстов. В README приведены результаты на валидации: loss 2,50, ROUGE-1 26,13 и ROUGE-2 9,26. Модель выпущена под лицензией Apache-2.0. Размер модели и длина контекста в предоставленных данных не указаны.

BigQwen2.5-52B-Instruct-GGUF — это квантизированная GGUF-версия инструкционной языковой модели BigQwen2.5-52B-Instruct, разработанной mlabonne и опубликованной в формате GGUF пользователем bartowski. Модель предназначена для генерации текста и диалоговых сценариев, включая использование через llama.cpp и LM Studio. В README указан английский язык; сведения о других языках отсутствуют. Модель имеет размер 52 млрд параметров и поставляется в вариантах от F16 до низкобитных Q- и IQ-квантизаций. Доступны файлы размером примерно от 12,39 до 104,55 ГБ. Квантизация выполнена с использованием llama.cpp и imatrix; варианты Q6_K, Q5_K_L, Q5_K_M, Q4_K_L, Q4_K_M и IQ4_XS отмечены как рекомендуемые благодаря сочетанию качества и размера, тогда как более низкие уровни квантизации снижают качество, но уменьшают требования к памяти. Размер контекста и точная архитектура в README не указаны. Для работы требуется совместимое ПО, например llama.cpp или LM Studio, а также значительный объём оперативной или видеопамяти в зависимости от выбранного файла. Модель использует лицензию tongyi-qianwen; в карточке она обозначена как other и приведена ссылка на лицензию Qwen2-72B-Instruct. Условия коммерческого и иного использования следует уточнять в тексте этой лицензии.

Big-Tiger-Gemma-27B-v1_iMatrix_GGUF — набор квантованных GGUF-файлов модели на основе google/gemma-2-27b-it. Автор карточки сообщает, что для iMatrix использован файл groups_merged.txt от Kalomaze; метаданные указывают на связь с Gemma 2 и формат GGUF. Модель предназначена для диалоговой генерации текста и ответов на инструкции на английском языке. Модель создана на основе инструктивной Gemma 2 с 27 млрд параметров. Лицензия — Gemma; её условия следует учитывать при использовании. Карточка не содержит сведений о конкретных вариантах квантования или о контекстном окне.

BioMistral-DARE-NS — языковая модель на архитектуре Mistral для генерации текста. Её создали слиянием методом DARE TIES моделей Kukedlc/NeuralSynthesis-7B-v0.1 и BioMistral/BioMistral-7B-DARE с помощью mergekit; базовой указана NeuralSynthesis-7B-v0.1. Модель содержит 7,1 млрд параметров, использует библиотеку Transformers и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. В состав слияния входит BioMistral, поэтому возможны сценарии с биомедицинскими текстами, но README не приводит оценок качества или конкретных гарантий для таких задач. Доступна на условиях лицензии Apache-2.0.

BioMistral-Zephyr-Beta-SLERP — языковая чат-модель на 7,1 млрд параметров, созданная Kabster слиянием BioMistral/BioMistral-7B и HuggingFaceH4/zephyr-7b-beta методом SLERP с помощью mergekit. Это плотная архитектура MistralForCausalLM, распространяемая в формате safetensors; модель предназначена для диалогов, генерации текста и ответов на пользовательские запросы. Контекстное окно составляет 32 768 токенов. Слияние объединяет медицинскую модель BioMistral и англоязычную чат-модель Zephyr, поэтому модель может быть полезна для медицинских вопросов и общего диалога. Метаданные указывают лицензию Apache-2.0. Карточка не приводит сравнительных оценок качества или подробностей о клинической валидации, поэтому ответы по медицинским темам требуют проверки специалистом.

mulasan/bistbot-llama-cio-8b — дообученная разговорная языковая модель на архитектуре Llama, разработанная mulasan на базе unsloth/llama-3.1-8b-instruct-bnb-4bit с использованием Unsloth и библиотеки TRL. Модель предназначена для генерации текста в диалоговом формате и имеет интерфейс для вызова инструментов. Модель содержит 7,5 млрд параметров, принимает текст и поддерживает контекст до 131 072 токенов. В карточке указана поддержка английского языка. Модель распространяется в формате safetensors по лицензии Apache 2.0. README не описывает специализацию дообучения или результаты оценки качества.

BlackSheep-X-Dolphin — чат-модель TroyDoesAI, созданная слиянием модели cognitivecomputations/dolphin-2.9.3-llama-3-8b. Это плотная Llama-архитектура на 7,5 млрд параметров для генерации текста в диалоге; заявленная длина контекста — 8192 токена. Карточка указывает шаблон общения с сообщениями system, user и assistant, а также сообщает о высоком месте модели в рейтинге UGI для моделей класса 8B. Модель подходит для диалоговых ответов и генерации текста по запросу. Репозиторий содержит веса в формате safetensors. Лицензия CC-BY-NC-2.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

malteos/bloom-1b5-clp-german — языковая модель семейства BLOOM с плотной архитектурой, адаптированная к немецкому языку методом CLP-Transfer на немецкой подвыборке OSCAR. Модель разработана автором репозитория на основе многоязычной BLOOM-1b7 и предназначена для генерации текста на немецком языке. Модель содержит около 1,7 млрд параметров, принимает текст и выдаёт продолжение текста. Родная длина контекста — 2048 токенов. В репозитории доступны веса PyTorch и Safetensors. Лицензия — BigScience BLOOM RAIL 1.0.

BLOOM-7B1 — многоязычная авторегрессионная языковая модель BigScience для генерации текста и исследований больших языковых моделей. Её можно использовать напрямую для продолжения текста или как предобученную основу для дообучения под конкретные задачи. Модель построена на декодерном трансформере, модифицированном на основе Megatron-LM GPT-2: 30 слоёв, 32 головы внимания, размер скрытого слоя 4096 и около 7,1 млрд параметров по README. Используются позиционные кодировки ALiBi; длина последовательности при обучении составляла 2048 токенов. Модель обучалась на множестве языков и коде, включая русский, английский, французский, испанский, китайский, арабский и хинди. BLOOM подходит для генерации и продолжения текста, а также для экспериментов и последующего дообучения. Она может воспроизводить стереотипы и персональные данные, выдавать вредный, нерелевантный или повторяющийся текст и уверенно формулировать фактические ошибки; не предназначена для решений с существенными последствиями, в том числе в медицине, праве, политике и финансах. Лицензия — BigScience BLOOM RAIL 1.0; её условия и ограничения следует соблюдать.

BLOOMChat-v2 — мультиязычная диалоговая языковая модель, разработанная SambaNova Systems. Это плотная авторегрессионная модель семейства BLOOM с архитектурой BloomForCausalLM; README указывает 176 млрд параметров, а метаданные репозитория — 233,8 млрд. Модель дообучена на длинных мультиязычных последовательностях и наборах диалогов в формате помощника, включая OIG, Dolly 2.0 и OASST1. Модель предназначена для диалогов, ответов на вопросы и генерации ответов на нескольких языках; в карточке приведены примеры для арабского, китайского, французского, хинди и испанского языков. Репозиторий содержит веса PyTorch и использует библиотеку Transformers. Лицензия BLOOMChat-176B License v1.0 основана на изменённой Apache 2.0 с ограничениями на отдельные виды использования, унаследованными от лицензии BLOOM RAIL. Модель может галлюцинировать, повторяться и переключаться между языками или диалектами. Её точность в программировании и сложной математике ограничена; возможна генерация токсичного или вредного текста. Авторы не рекомендуют применять её в критически важных сценариях, связанных с безопасностью людей, принятием важных решений или автоматизированными конвейерами.

keyfan/bloomz-rlhf — экспериментальная чат-модель на архитектуре BLOOM, созданная как попытка воспроизвести конвейер обучения с подкреплением на основе отзывов людей (RLHF). В качестве базовой модели использована bigscience/bloomz-7b1-mt; модель содержит около 9,1 млрд параметров и поддерживает контекст до 2048 токенов. Модель прошла supervised fine-tuning на наборах диалоговых и инструкционных данных, затем обучение reward model и этап reinforcement learning с использованием trlx. Она предназначена для генерации ответов в диалоге, выполнения инструкций, суммаризации, вопросов и ответов, перефразирования и генерации текста. В README приведён результат оценки на китайском наборе BELLE; языки карточки — китайский и английский. Это попытка воспроизведения RLHF, поэтому приведённые оценки не гарантируют качество на других задачах и языках. Лицензия — BigScience BLOOM RAIL 1.0; перед применением следует учитывать её условия и ограничения.

blossom-v3-mistral-7b-Mistral-7B-Instruct-v0.1 — чат-модель для генерации текста, созданная путём слияния Mistral-7B-Instruct-v0.1 и Azure99/blossom-v3-mistral-7b методом SLERP. Она рассчитана на ответы на инструкции и диалоговые запросы; в метаданных также указаны наборы данных для чата, математики и следования инструкциям. Модель имеет плотную архитектуру MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Поддерживаемые по карточке языки — китайский и английский. Модель принимает текст и генерирует текст. Репозиторий содержит веса Safetensors; лицензия — Apache-2.0. Карточка не приводит сравнительных оценок качества или подробных ограничений применения, поэтому пригодность для конкретных задач стоит проверять на собственных примерах.

BlueLM-7B-Chat-32K — диалоговая языковая модель с архитектурой BlueLMForCausalLM, разработанная лабораторией vivo AI. Модель содержит 6,9 млрд параметров и предназначена для генерации ответов в чате, понимания длинных текстов и решения языковых задач. В репозитории представлены веса PyTorch. Модель обучена на корпусе объёмом 2,6 трлн токенов, преимущественно на китайском и английском языках, с небольшим количеством японских и корейских данных. В README заявлена поддержка контекста до 32K токенов и приведены результаты на LongBench, включая задачи суммаризации, ответов по одному и нескольким документам и работы с кодом. Однако метаданные указывают native_context_tokens 2048, поэтому заявленную длину контекста следует сверить с конфигурацией конкретной версии. Лицензия указана как other; README сообщает, что веса открыты для академических исследований и коммерческого применения.

NbAiLab/borealis-270m — компактная инструкционная языковая модель семейства Borealis, разработанная Национальной библиотекой Норвегии. Это плотная причинная модель Gemma 3 с 257 млн параметров, дообученная на наборе NbAiLab/aurora-sft для выполнения инструкций с акцентом на норвежский язык. Она поддерживает диалоговый режим и контекст до 32 768 токенов. Модель предназначена для черновиков и редактирования текстов на норвежском, суммаризации, ответов на вопросы, лёгких рассуждений и генерации заголовков и вводных абзацев новостей. Выпуск включает ограниченный набор задач, созданных на основе защищённых авторским правом газетных материалов; заявленная дата отсечения этих материалов — 1 января 2025 года. Поддержка английского упоминается среди сценариев, но возможности на других языках, кроме норвежского и английского, изучены недостаточно. Модель может выдавать неверную или предвзятую информацию, а выравнивание безопасности не исключает вредных или неподходящих ответов. Это не специализированная модель для рассуждений и не предназначенная для критически важных решений. Лицензия указана как other; конкретные условия использования следует проверять в карточке модели и у базовой модели Gemma 3.

Breexe-8x7B-Instruct-v0_1 — диалоговая языковая модель MediaTek Research, дообученная для выполнения пользовательских инструкций на основе Breexe-8x7B-Base, который расширяет Mixtral-8x7B. Модель предназначена прежде всего для традиционного китайского языка, также поддерживает английский. Она подходит для ответов на вопросы, многошагового диалога, суммаризации и работы с RAG-сценариями. Метаданные указывают архитектуру Mixtral с разреженной смесью экспертов (MoE), 7,2 млрд параметров и контекст до 32 768 токенов; в README также приведено значение 8 тыс. токенов, поэтому фактическую длину контекста следует проверять для конкретной конфигурации. Расширенный словарь токенизатора, по данным разработчика, ускоряет обработку традиционного китайского языка относительно Mixtral-8x7B. README сообщает о результатах на бенчмарках китайского и английского языков на уровне GPT-3.5-turbo-1106, но не приводит здесь подробностей измерений. Модель выпущена в версии 0.1 и распространяется по лицензии Apache-2.0. Она не предназначена для обработки изображений или аудио; разработчик также отмечает, что в диалоговом режиме нет специальной обработки вредоносных запросов.

Breeze-7B-Instruct-v1_0 — диалоговая языковая модель MediaTek Research для ответов на вопросы, многоходового чата, суммаризации и сценариев RAG. Это дообученная версия Breeze-7B-Base-v1_0, которая, в свою очередь, основана на Mistral-7B; модель использует архитектуру Mistral с плотным декодером и содержит 7,2 млрд параметров. Модель рассчитана прежде всего на традиционный китайский язык, а также поддерживает английский. Словарь расширен с 32 тыс. до 62 тыс. токенов для лучшей поддержки традиционного китайского; в карточке заявлено ускорение инференса на этом языке. Контекст модели — 32 768 токенов по метаданным каталога; README описывает версию с контекстом 8 тыс. токенов. Эти значения различаются между источниками. Модель работает с текстом и предназначена для использования как готовый чат-ассистент. В README отмечено, что для диалогов нет специальной обработки вредоносных запросов. Модель опубликована под лицензией Apache-2.0; её качество и скорость могут зависеть от сценария и условий запуска.

BreezeDolphinDPO-7B-DARE — языковая диалоговая модель, созданная объединением моделей cognitivecomputations/dolphin-2.6-mistral-7b-dpo и MediaTek-Research/Breeze-7B-Instruct-v0_1 с помощью LazyMergekit. Она предназначена для генерации текста и ведения диалога; архитектура — плотная MistralForCausalLM, размер — 7,2 млрд параметров, контекст — до 32 768 токенов. Модель принимает текст и генерирует текст. Базовая Breeze ориентирована преимущественно на традиционный китайский и английский языки; README не уточняет языковую поддержку итогового слияния. В конфигурации указан метод слияния dare_ties и формат весов bfloat16; репозиторий содержит safetensors. Лицензия в предоставленных данных не указана.

BreznChatML — экспериментальная разговорная модель johannhartmann на архитектуре Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста в диалоговом формате. Автор описывает эксперимент с датасетом DPO по математике, дополненным немецким переводом. По его оценке, эксперимент снизил способность модели решать математические задачи; в приведённых результатах оценки составляют 2,65 по математике, 4,6 по рассуждениям и программированию, 8,425 по письму. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Brunhilde-13b — плотная авторегрессионная языковая модель семейства Llama от arlineka, предназначенная для генерации текста по инструкции и ролевых сценариев. Карточка использует шаблон Alpaca с отдельными полями для инструкции и ответа; в метаданных указаны 12,9 млрд параметров и контекст до 4096 токенов. Модель распространяется в формате Safetensors по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. README приводит результаты Open LLM Leaderboard, включая оценки по ARC и HellaSwag, но не содержит подробностей о методе обучения или составе возможного слияния моделей.

bruphin-delta — плотная авторегрессионная языковая модель на архитектуре Mistral, созданная nbeerbower методом слияния SLERP с помощью mergekit. В слияние вошли nbeerbower/bruphin-gamma и senseable/WestLake-7B-v2; в конфигурации указана базовая модель nbeerbower/bruphin-gamma. Модель содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста, включая диалоговые и творческие сценарии, на которые ориентирована базовая WestLake-7B-v2. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. Карточка не приводит результатов оценки качества или явного перечня ограничений, поэтому пригодность для конкретных задач следует проверять на собственных данных.

ByteDance-Seed_Seed-OSS-36B-Instruct-GGUF — это GGUF-квантизированная версия инструкционной языковой модели Seed-OSS-36B-Instruct, разработанной ByteDance-Seed. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и запуска в локальных приложениях, совместимых с llama.cpp, включая LM Studio. Доступны варианты от BF16 до различных форматов Q8, Q6, Q5, Q4 и Q3, что позволяет выбирать баланс между качеством, размером файла и требованиями к оперативной памяти. Размеры файлов составляют примерно от 16,50 до 72,31 ГБ. В README не указаны архитектура, поддерживаемые языки, контекстное окно, мультимодальность и точные сценарии применения исходной модели. Для вариантов с более сильным сжатием ожидается снижение качества, тогда как Q6 и Q5 позиционируются как высококачественные, а Q4 — как практичный компромисс для большинства случаев. Модель удобна для локального инференса на совместимом оборудовании, однако требует значительных ресурсов, особенно в вариантах BF16 и высоких разрядностей. Формат лицензии в README не указан; условия использования следует уточнять на странице исходной модели ByteDance-Seed/Seed-OSS-36B-Instruct.

C4AI-Command-R-v01-GGUF — это квантизированная версия языковой модели C4AI Command-R, разработанной Cohere и опубликованной как CohereForAI/c4ai-command-r-v01. Формат GGUF подготовлен Second State Inc. Модель предназначена для локального запуска и инференса через совместимые инструменты, включая LlamaEdge; в README указано, что поддержка LlamaEdge находится в разработке. Модель ориентирована на работу с текстом и заявлена для английского, французского, немецкого, испанского, итальянского, португальского, японского, корейского, китайского и арабского языков. Размер исходной модели, архитектура, точные сценарии применения и другие характеристики в README не указаны. Контекстное окно составляет 8192 токена. Доступны варианты квантизации от Q2_K до Q8_0 размером от 13,8 до 37,2 ГБ. Q4_K_M рекомендован как сбалансированный вариант, а Q5_K_M и Q5_K_S — как варианты с очень небольшой потерей качества. Более агрессивная квантизация уменьшает требования к памяти, но может существенно ухудшить качество ответов. Модель квантизирована с использованием llama.cpp b2450. Лицензия модели — CC BY-NC 4.0, поэтому её использование ограничено условиями этой лицензии и некоммерческим характером. Возможности, ограничения по производительности и требования к аппаратному обеспечению в README подробно не описаны.

MaziyarPanahi/calme-2.2-qwen2-7b — дообученная чат-модель на базе Qwen2-7B, созданная Maziyar Panahi для улучшения результатов базовой модели в бенчмарках. Это плотная авторегрессионная языковая модель с 7,1 млрд параметров; она принимает текст и генерирует текст, поддерживает шаблон диалога ChatML и работает через библиотеку Transformers. Заявленная длина контекста — 131 072 токена. В карточке указаны английский язык и обучение на наборах HelpSteer2, OpenHermes-2.5, Orca Math Word Problems и SlimOrca. Модель подходит для диалоговых ответов и генерации текста общего назначения. В README приведены результаты Open LLM Leaderboard, включая средние 23,23 балла, IFEval и BBH; подробности остальных метрик вынесены в ссылку. Модель распространяется по лицензии Apache-2.0. Оценка по бенчмаркам сама по себе не гарантирует качества для конкретного сценария.

MaziyarPanahi/calme-3.1-baguette-3b — чат-модель, разработанная MaziyarPanahi на основе Qwen2.5-3B и дообученная для широких задач на французском и английском языках. Это плотная авторегрессионная модель семейства Qwen2 с 3,1 млрд параметров, рассчитанная на контекст до 32 768 токенов и работающая с шаблоном диалога ChatML. Модель предназначена для диалогов и генерации текста в общих сценариях на французском и английском: например, для ответов на вопросы, написания и редактирования текстов. В обучении использовались наборы french_instruct_sharegpt и calme-legalkit-v0.2. Репозиторий содержит веса Safetensors; отдельные квантованные версии GGUF размещены в другом репозитории. Автор предупреждает, что из-за небольшого размера модель может хуже справляться с некоторыми запросами и быть чувствительной к гиперпараметрам. При внедрении следует учитывать возможные смещения и проверять ответы с участием человека. Лицензия в метаданных обозначена как other, конкретные условия использования в предоставленных сведениях не раскрыты.

calme-3.2-instruct-78b — экспериментальная текстовая модель MaziyarPanahi для диалогов и генерации ответов в общих областях. Она основана на Qwen2.5-72B: базовую модель сначала объединили с её копией, затем дообучили на пользовательских наборах данных. В репозитории указана плотная архитектура Qwen2 с 76,7 млрд параметров; модель распространяется в формате safetensors и поддерживает контекст до 32 768 токенов. Для диалогов используется шаблон ChatML. Модель предназначена для общения и генерации текста на английском языке, включая ответы на запросы и следование инструкциям. Автор характеризует её как экспериментальную и отмечает, что качество может зависеть от запроса и гиперпараметров. Следует учитывать возможные смещения и проверять ответы с участием человека. Лицензия указана как other, конкретные условия в предоставленных данных не раскрыты.

calme-3.2-instruct-78b-GGUF — это квантизированная версия инструкционной языковой модели calme-3.2-instruct-78b, разработанной MaziyarPanahi и преобразованной в формат GGUF пользователем bartowski. Модель предназначена для генерации текста и диалоговых сценариев, включая работу в локальных приложениях на базе llama.cpp и LM Studio. В README указана поддержка английского языка и шаблон чата с ролями system, user и assistant. Модель основана на Qwen2.5-72B-Instruct, но имеет заявленный размер 78B параметров. Это текстовая модель без заявленной поддержки изображений или других модальностей. Доступны варианты квантизации от Q2_K до Q8_0 с размером файлов примерно от 31,85 до 82,85 ГБ. Варианты Q6_K, Q5_K_M, Q5_K_S и Q4_K_M отмечены как рекомендуемые; более компактные варианты экономят память, но могут снижать качество. Длина контекста в предоставленных данных не указана. Сильная сторона модели — широкий выбор квантизаций для локального запуска и использование imatrix-квантизации, направленной на сохранение качества. Ограничения включают высокие требования к оперативной или видеопамяти, снижение качества в низкобитных вариантах и отсутствие сведений о результатах оценки. Лицензия обозначена как other с ссылкой на лицензию Qwen/Qwen2.5-72B-Instruct; перед использованием необходимо учитывать условия этой лицензии.

Calme-7B-Instruct-v0.1.1-GGUF — набор файлов модели в формате GGUF для MaziyarPanahi/Calme-7B-Instruct-v0.1.1, разработанный и квантованный MaziyarPanahi. Это текстовая instruction-tuned модель примерно на 7 миллиардов параметров, предназначенная для генерации текста, диалогов и выполнения инструкций. Модель ориентирована на локальный запуск с использованием llama.cpp и совместимых клиентов и библиотек, включая text-generation-webui, KoboldCpp, GPT4All, LM Studio и llama-cpp-python. Репозиторий содержит варианты квантования с разрядностью от 2 до 8 бит, включая семейство K-квантований Q2_K, Q3_K, Q4_K, Q5_K и Q6_K. Выбор варианта позволяет находить компромисс между требованиями к памяти, скоростью работы и сохранением качества. Указана принадлежность к семейству Mistral, однако точные сведения об архитектуре, размере контекста и поддерживаемых языках в README не приведены. Модель работает с текстом и не предназначена для мультимодальных задач. Сильными сторонами являются компактный размер, возможность запуска на локальном оборудовании и широкий выбор уровней квантования. Ограничения включают возможные потери качества при использовании более агрессивного квантования, а также отсутствие в предоставленных данных результатов оценки, точных требований к ресурсам и перечня поддерживаемых языков. Модель распространяется по лицензии Apache 2.0.

Calme-7B-Instruct-v0.4 — разговорная языковая модель MaziyarPanahi на архитектуре Mistral с 7,1 млрд параметров. Она дообучена на базе Mistral-7B на высококачественных наборах данных и предназначена для генерации связных ответов в диалоге. Модель принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. Модель подходит для чат-ботов, ответов на вопросы и других сценариев генерации текста, где важны ясность и последовательность. Доступна в формате safetensors, лицензия — Apache-2.0. В карточке не приведены результаты сравнительных оценок качества; упоминание высококачественных данных не раскрывает их состав.

Это дообученная модель семейства Llama, созданная на основе marin-community/marin-8b-base и обученная на наборе capsd_marin-8b-base-n80000-opc__mix_code_less_b2000_s0. Она предназначена для генерации и продолжения текста в диалоговых сценариях. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текст; заявленная длина контекста — 4096 токенов. Репозиторий использует Transformers и формат safetensors. Базовая Marin 8B Base ориентирована на английский язык; другие поддерживаемые языки для этой производной модели не подтверждены. Лицензия указана как other, поэтому условия использования следует сверить с лицензией в репозитории.