I.5Создание и редактирование текста

Карточка модели AmberYifan/capsd-less-humaneval-opc-marin-8b-base-code_less_b2000_s0 на Hugging Face совпадает с карточкой AmberYifan/capsd-less-fast-opc-marin-8b-base-code_less_b2000_s0, поэтому описание составлено по ней. 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.

Карточка модели AmberYifan/capsd-less-ultra-humaneval-opc-marin-8b-base-code_less_b2000_s0 на Hugging Face совпадает с карточкой AmberYifan/capsd-less-fast-opc-marin-8b-base-code_less_b2000_s0, поэтому описание составлено по ней. 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.

Карточка модели AmberYifan/capsd-less-ultra-opc-marin-8b-base-code_less_b2000_s0 на Hugging Face совпадает с карточкой AmberYifan/capsd-less-fast-opc-marin-8b-base-code_less_b2000_s0, поэтому описание составлено по ней. 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.

AmberYifan/capsd-opc-dedup-marin-8b-base-code_cap_b2000_s0 — дообученная модель семейства Llama на базе marin-community/marin-8b-base, разработанная AmberYifan. Это плотная авторегрессионная языковая модель с 7,5 млрд параметров, предназначенная для генерации и продолжения текста; метаданные также указывают возможность диалогового использования. Модель обучена на наборе capsd_marin-8b-base-n80000-opc-dedup80k__mix_code_cap_b2000_s0, однако README не описывает его состав подробнее. Модель принимает текст и выдаёт текст. Базовая Marin 8B Base ориентирована на английский язык; сведения о дополнительных языках для этой версии не приведены. Контекст составляет 4096 токенов. Весовые файлы представлены в формате safetensors. Лицензия указана как other, без конкретизации условий в доступных данных.

Это дообученная модель семейства Llama с 7,5 млрд параметров, созданная на основе marin-community/marin-8b-base. Согласно карточке, для дообучения использован набор capsd_marin-8b-base-n80000-opc-dedup80k__mix_code_random_b10000_s0; подробности о процедуре обучения и оценке не приведены. Модель предназначена для генерации текста и поддерживает чатовый сценарий. Базовая модель ориентирована на английский язык; контекст модели составляет 4096 токенов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия указана как other, поэтому условия использования следует уточнить по карточке базовой модели и файлам репозитория.

Nitral-AI/Captain-Eris_Violet-V0.420-12B — текстовая генеративная модель, созданная Nitral-AI слиянием Epiculous/Violet_Twilight-v0.2 и Nitral-AI/Captain_BMO-12B. В карточке указаны архитектура Mistral с плотной структурой и 12,1 млрд параметров; для слияния использован метод SLERP, веса представлены в формате safetensors. Модель предназначена для генерации текста и диалогового взаимодействия на английском языке. Метаданные также указывают интерфейс вызова инструментов. Заявленная длина контекста составляет 1 024 000 токенов, однако README не содержит результатов испытаний, подтверждающих работу с таким контекстом. Лицензия обозначена как «other», поэтому условия использования следует уточнить на странице модели и в лицензиях исходных моделей. В карточке нет сведений о специализированной предметной области или оценках качества.

Capybara-Tess-Yi-34B-200K — объединённая языковая модель на основе NousResearch/Nous-Capybara-34B и migtissera/Tess-M-Creative-v1.0, созданная brucethemoose с помощью mergekit. Это плотная авторегрессионная модель семейства Llama с 33,9 млрд параметров, предназначенная для генерации текста и диалогов. Карточка указывает контекст до 200 000 токенов и формат диалога Vicuna: SYSTEM, USER, ASSISTANT. Автор отмечает, что модель устарела и её сменила новая сборка; для локального запуска рекомендует вариант ExLlama при контексте свыше 40 000 токенов на видеокарте с 24 ГБ памяти. Иногда модель выводит текстовое представление стоп-токена, поэтому может понадобиться дополнительное условие остановки. Лицензия указана как other, конкретные условия в карточке не описаны.

Capybara Tess Yi 34B 200K DARE Ties GGUF — это квантизированная языковая модель для генерации текста, созданная на основе модели brucethemoose Capybara Tess Yi 34B 200K DARE Ties. Исходную модель разработал brucethemoose, а преобразование в формат GGUF выполнил TheBloke. Модель относится к семейству Yi и предназначена для текстового взаимодействия, генерации ответов и других сценариев, поддерживаемых системами text-generation. Модель имеет размер 34B параметров и рассчитана на работу с текстом; в карточке указан английский язык. Файлы представлены в формате GGUF, поддерживаемом llama.cpp и рядом совместимых приложений и библиотек, включая text-generation-webui, KoboldCpp, LM Studio, llama-cpp-python и другие инструменты для CPU- и GPU-инференса. Доступны варианты с различными уровнями квантизации от 2 до 8 бит, что позволяет выбирать между требованиями к памяти, скоростью и качеством. В README приведён шаблон запросов Orca-Vicuna с секциями SYSTEM, USER и ASSISTANT. К сильным сторонам относятся большой размер модели, возможность локального запуска и широкий выбор уровней квантизации. Ограничения включают зависимость качества и скорости от выбранной квантизации и аппаратной конфигурации; точные показатели производительности, перечень поддерживаемых языков помимо английского и фактический размер контекстного окна в README не указаны. Модель распространяется по лицензии yi-license; в метаданных она обозначена как other, а полный текст лицензии доступен по ссылке на лицензию Yi-34B.

CausalLM 7B GGUF — это квантизированная версия языковой модели CausalLM 7B, разработанной командой CausalLM и подготовленной в формате GGUF пользователем TheBloke. Модель основана на архитектуре типа LLaMA и предназначена для генерации текста, включая диалоговые и инструкционные сценарии. В карточке указаны поддерживаемые языки английский и китайский, а также исходный размер 7B параметров. Данные о длине контекста и мультимодальности не предоставлены; модель описана как текстовая. Формат GGUF совместим с llama.cpp и рядом локальных интерфейсов и библиотек, включая text-generation-webui, KoboldCpp, LM Studio, llama-cpp-python и другие, что позволяет запускать модель на CPU и GPU с вариантами квантизации от 2 до 8 бит. Модель обучалась на широком наборе диалоговых, инструкционных, математических, энциклопедических и мультиязычных данных, однако конкретные показатели качества и ограничения в README не приведены. Для использования рекомендуется шаблон запросов ChatML. Указана лицензия wtfpl, но поскольку модель основана на Llama 2, README также указывает на применимость условий лицензии Meta Llama 2; взаимодействие этих лицензий требует отдельной проверки.

IanLi233/Cautious_Qwen — дообученная модель Qwen2.5-7B, опубликованная в формате SafeTensors и подготовленная с помощью Unsloth. Она предназначена для генерации текста и может использоваться в приложениях, которым нужна языковая модель примерно на 7,1 млрд параметров; заявленная длина контекста составляет 131 072 токена. Карточка не раскрывает обучающие данные, конкретные сценарии дообучения, языки, разработчика и лицензию. Поэтому область, в которой модель особенно надёжна, определить нельзя; ответы следует проверять, особенно при использовании в важных решениях. Базовая модель указана в README как Qwen2.5-7B.

Cendol mT5-XXL Instruct — разработанная IndoNLP инструкция-настроенная генеративная модель на архитектуре mT5 с 6,7 млрд параметров по метаданным репозитория. Она предназначена прежде всего для индонезийских языков и одношагового выполнения инструкций. Модель подходит для анализа тональности и тем, машинного перевода, суммаризации, ответов на вопросы и перефразирования. Репозиторий содержит веса PyTorch, лицензия — Apache 2.0. Модель относится к семейству Cendol, обученному для работы с индонезийскими языками; в метаданных среди языковых тегов указаны индонезийский, сунданский и яванский. В README указано, что версия mT5-XXL Instruct обучалась с LoRA. Модель может выдавать неточные, предвзятые или нежелательные ответы; перед внедрением рекомендуется проверять её в целевых сценариях и настраивать меры безопасности.

ChatAllInOne-Yi-34B-200K-V1-GGUF — квантизированная GGUF-версия текстовой генеративной модели ChatAllInOne-Yi-34B-200K-V1, разработанной DrNicefellow. Квантизацию выполнила Second State Inc.; базовая модель указана как DrNicefellow/ChatAllInOne-Yi-34B-200K-V1. Модель предназначена для диалоговой генерации текста и запуска в совместимых средах, включая LlamaEdge. Для взаимодействия используется шаблон vicuna-1.1-chat с ролями USER и ASSISTANT. В основе лежит модель класса Yi с 34 млрд параметров; заявленное название содержит указание на контекст до 200K, однако в README для запуска через LlamaEdge указан размер контекста 7168, поэтому фактический поддерживаемый контекст зависит от конфигурации и среды выполнения. Модель работает только с текстом; сведения о языках не приведены. Доступны варианты квантизации от Q2_K до Q8_0 размером примерно от 12,8 до 36,5 ГБ. Q4_K_M обозначен как рекомендуемый сбалансированный вариант, а Q5_K_M и Q5_K_S — как варианты с низкой потерей качества. Главное преимущество — возможность запускать крупную 34B-модель в квантизированном формате с выбором компромисса между размером файла, требованиями к ресурсам и качеством. Низкобитные варианты заметно экономят память, но сопровождаются существенной потерей качества; для практического использования README рекомендует Q4_K_M или более точные варианты Q5. Модель распространяется по лицензии yi-license; ссылка на текст лицензии приведена в README.

ChatBLOOM-1B7-SFT — двуязычная диалоговая языковая модель Николаса Као, дообученная методом SFT на базе BLOOM. Модель содержит около 2,1 млрд параметров, использует архитектуру BLOOM и принимает текст для генерации ответов; длина контекста — 1024 токена. В карточке приведены примеры диалога на китайском языке, а также написания планов, рекламных текстов и писем; для английского показан пример проектирования веб-страницы. Модель предназначена для диалоговых сценариев и генерации текста на китайском и английском языках. Данные для обучения включают BelleGroup/train_1M_CN, BelleGroup/multiturn_chat_0.8M и jeffwan/sharegpt_vicuna. Авторы указывают, что использованные наборы данных, например BELLE, ограничивают применение исследовательскими целями и запрещают коммерческое и другое потенциально вредное использование; отдельная лицензия модели в предоставленных данных не приведена.

humarin/chatgpt_paraphraser_on_T5_base — модель для перефразирования текста, созданная автором репозитория на основе T5-base с помощью дообучения. Она обучалась на наборе ChatGPT paraphrases, основанном на парафразах вопросов Quora, текстах SQuAD 2.0 и новостях CNN. Модель принимает текст и генерирует его переформулировку, например для изменения формулировки вопроса или предложения. Модель использует архитектуру T5ForConditionalGeneration, содержит 123,8 млн параметров и имеет контекст 512 токенов. В метаданных указан английский язык и формат text-generation; доступны веса PyTorch и Safetensors. Лицензия — OpenRAIL. Карточка заявляет о качестве парафразирования, сопоставимом с ChatGPT, но независимые подтверждения этой оценки не приведены.

win10/ChatML-Nemo-Pro-weight-density-increase-test — объединённая языковая модель, созданная с помощью mergekit на основе win10/ChatML-Nemo-Pro. В README указан метод breadcrumbs_ties; метаданные описывают модель как MistralForCausalLM с плотной архитектурой и 12,1 млрд параметров. Модель предназначена для генерации текста и диалогового общения в формате ChatML. Она принимает текст и выдаёт текст; заявленная длина контекста — 1 024 000 токенов. В карточке не описаны конкретные преимущества объединения или целевые языки. Модель распространяется в формате safetensors; лицензия в предоставленных данных не указана.

Chocolatine-2-14B-Instruct-v2.0.3 — языковая модель, разработанная Jonathan Pacifico и дообученная методом DPO на датасете jpacifico/french-orca-dpo-pairs-revised. Она основана на объединённой модели Chocolatine-2-merged-qwen25arch с архитектурой Qwen 2.5 и предназначена для диалогов и генерации текста, особенно на французском языке; также поддерживает английский. Размер модели — 14 млрд параметров, заявленная длина контекста — до 128 тысяч токенов. Автор сообщает о высоких результатах на французских бенчмарках и улучшении относительно предыдущих версий Chocolatine-2 и базовой архитектуры Qwen 2.5. Модель распространяется в формате Safetensors и имеет интерфейс для вызова инструментов. По заявлению автора, у семейства нет механизма модерации, поэтому ответы могут содержать нежелательный контент. Лицензия — Apache-2.0.

chronos-13b-v2 — языковая модель elinas на архитектуре LLaMA 2 Base, представленная в формате PyTorch/Hugging Face с точностью FP16. Модель содержит 12,9 млрд параметров и поддерживает контекст до 4096 токенов. Она предназначена для диалогов, ролевых сценариев и написания историй; автор также отмечает способности к рассуждению и логике и генерацию длинных связных ответов. Для лучшей работы модель следует использовать с шаблоном Alpaca, в котором запрос помещается между маркерами Instruction и Response. Репозиторий содержит полноточную версию для запуска при наличии достаточной видеопамяти или для дальнейшей квантизации. Лицензия указана как llama2.

bartowski/Chronos-Gold-12B-1.0-GGUF — это набор GGUF-квантизаций модели Chronos-Gold-12B-1.0, разработанной elinas и подготовленной квантизатором bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста общего назначения, ролевого общения и написания историй; в метаданных также указано, что исходная модель является результатом объединения или дообучения. Поддерживается запуск через llama.cpp и LM Studio. Доступны варианты от исходных весов F16 размером 24,50 ГБ до сильно сжатых IQ2_M размером 4,44 ГБ. В репозитории представлены квантизации Q8_0, Q6_K, Q5_K, Q4_K, Q3_K, Q2_K и IQ-разновидности; некоторые варианты используют Q8_0 для embedding- и output-весов для сохранения качества. Более крупные варианты обычно обеспечивают высокое качество, тогда как малые требуют меньше оперативной памяти, но заметно сильнее ограничены квантизацией. README не содержит сведений об архитектуре исходной модели, размере контекстного окна, поддерживаемых языках или мультимодальности, поэтому модель следует считать текстовой и использовать в пределах возможностей совместимого рантайма. Для работы рекомендуется применять указанный chat-шаблон с ролями system, user и assistant. Модель распространяется по лицензии CC BY-NC-4.0, допускающей использование с ограничениями, включая некоммерческий характер лицензии.

Austism/chronos-hermes-13b — объединённая модель на основе Chronos-13B и Nous-Hermes-13B в пропорции 75/25. Она использует архитектуру Llama с плотной моделью примерно на 12,9 млрд параметров и предназначена для генерации текста, особенно выразительных историй и продолжения повествования. По описанию автора, модель сочетает стиль Chronos с большей связностью и лучшим следованием инструкциям, чем предыдущая версия объединения. Модель принимает текст и генерирует текст; заявленная длина контекста — 2048 токенов. В карточке указана лицензия other, поэтому конкретные условия использования следует сверять с лицензиями исходных моделей и файлами репозитория.

Chronos-Platinum-72B — плотная языковая модель Zeus Labs на базе Qwen2.5-72B, дообученная в течение двух эпох на наборе Chronos Divergence с использованием шаблона диалога ChatML. Модель содержит 71,5 млрд параметров и поддерживает контекст до 131 072 токенов. Модель предназначена для ролевых диалогов, написания историй и общих задач помощника. Она принимает текст и генерирует текст; в карточке описаны сценарии чата и творческого письма. Для работы рекомендуется ChatML-шаблон, а результаты зависят от системного промпта и настроек генерации. В репозитории указаны веса Safetensors; также упомянуты сторонние квантизации GGUF и EXL2, для которых качество может отличаться, особенно при квантизации ниже 5 bpw EXL2. Лицензия в предоставленных данных не указана.

Claire-7B-FR-Instruct-0.1 — франкоязычная языковая модель, разработанная LINAGORA при поддержке OpenLLM-France. Это плотная модель семейства Falcon для генерации текста, дообученная следовать инструкциям на очищенном наборе Vigogne, созданном на основе переведённого Alpaca. Модель рассчитана на ответы на запросы, создание контента и другие задачи, где нужно сформировать подробный ответ по инструкции; для работы следует использовать указанный в карточке шаблон запросов. Модель не предназначена для диалога в формате chat. Она принимает текст и генерирует текст на французском языке. Контекст составляет 2048 токенов, а в репозитории используются веса Safetensors. Модель унаследовала разговорную французскую настройку базовой Claire-7B-0.1, но её ответы могут отражать предвзятости данных обучения. Лицензия CC-BY-NC-SA 4.0 ограничивает коммерческое использование.

mondk/claude-llama-8B-think — дообученная модель на архитектуре Llama 3.3, опубликованная mondk. Она предназначена для диалогов и генерации текста с упором на рассуждения; README описывает её как модель с интегрированным мышлением и отсылкой к стилю Claude. Модель содержит 7,5 млрд параметров и поддерживает контекст до 131 072 токенов. Карточка связывает модель с базовой DavidAU/Llama3.3-8B-Instruct-Thinking-Claude-4.5-Opus-High-Reasoning и указывает датасет mondk/claude-sonnet5-jsonl. Метаданные заявляют поддержку английского, французского, немецкого, испанского, итальянского, португальского, китайского, японского, русского и корейского языков. Модель распространяется в формате safetensors по лицензии Apache-2.0. Её можно использовать для диалоговых ответов, генерации текста и задач, где полезны многошаговые рассуждения. README содержит мало сведений о качестве и проверках, поэтому заявленный акцент на рассуждениях не следует считать подтверждением точности; поведение модели также может отличаться от Claude.

Карточка модели jinreiyu/cloned-Ternary-Bonsai-27B-mlx-2bit на Hugging Face совпадает с карточкой prism-ml/Ternary-Bonsai-27B-mlx-2bit, поэтому описание составлено по ней. Ternary Bonsai 27B — модель Prism ML, созданная на базе Qwen3.6-27B для локальной генерации текста, рассуждений и диалогового применения. Это плотная гибридная трансформерная архитектура с линейным и полным вниманием; языковые веса представлены значениями −1, 0 и +1 с групповым масштабированием и занимают около 1,71 бита на параметр. Модель содержит примерно 27,3 млрд языковых параметров и отдельную башню зрения примерно на 0,46 млрд параметров, однако в карточке для неё заявлена задача text-generation. Модель рассчитана на запуск на ноутбуках и одной видеокарте, в том числе локально и без подключения к сети. Заявлены контекст до 262 тысяч токенов, поддержка диалога и сохранение значительной части качества исходной модели при уменьшенном размере; для Apple MLX и CUDA предоставлены специализированные низкоразрядные ядра. Авторы сообщают о результатах на тестах рассуждений, математики, программирования и использования инструментов, но длительные агентные сценарии программирования пока не являются сильной стороной этой версии. Репозиторий распространяется по лицензии Apache-2.0. Указанный объём развёрнутой модели — около 7,2 ГБ, поэтому она не помещается в заявленный бюджет памяти приложения на iPhone; README также отмечает компромисс качества и размера относительно полноточной модели и использование 4-битного KV-кэша.

Sha703 дообучил модель Mistral 7B Instruct v0.3 с помощью Unsloth и библиотеки TRL. Это плотная авторегрессионная языковая модель для генерации текста и диалогового общения; размер составляет 7,1 млрд параметров, контекст — до 32 768 токенов. Карточка не описывает конкретную специализацию дообучения, поэтому модель можно характеризовать только как разговорную модель общего назначения. Модель принимает текстовые запросы и генерирует текстовые ответы. Репозиторий содержит веса в формате safetensors; модель распространяется по лицензии Apache-2.0. В метаданных указан английский язык. Специальные области применения и результаты оценки качества не описаны.

code_bagel_llama-3-8b-v1.1 — дообученная текстовая модель, разработанная jlancaster36 на базе mattshumer/Llama-3-8B-16K. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров и контекстом до 16 000 токенов, предназначенная для генерации текста. Модель обучалась с использованием Unsloth и библиотеки TRL; карточка не раскрывает конкретную специализацию дообучения, поэтому её возможности следует рассматривать как генерацию текста общего назначения. Поддерживаемый язык карточки — английский. Модель подходит для создания и продолжения текстов, а также для ответов в текстовых сценариях, где требуется обработка длинного контекста. Она распространяется по лицензии Apache-2.0. Карточка не приводит результатов оценки качества или более подробных сведений о поведении модели.

CodeKobzar13B — генеративная языковая модель на архитектуре Llama, разработанная на основе vicuna-13b-v1.5 и обученная на материалах украинской Википедии и данных по правилам украинского языка. Модель содержит знания об истории, языке, литературе и культуре Украины и предназначена для генерации текста на украинском языке. Модель содержит 12,9 млрд параметров, принимает текст и выдаёт текст. Родная длина контекста составляет 4096 токенов. Репозиторий содержит веса в формате PyTorch. Карточка приводит шаблон запроса, но не уточняет специальные ограничения или лицензию.

CoEvol-ChatGPT_Llama2-7B_SFT — англоязычная причинно-следственная языковая модель семейства Llama, дообученная CAS-SIAT-ConsistencyAI на базе meta-llama/Llama-2-7b-hf с использованием набора данных coevol-chatgpt_alpaca_random9k. Модель содержит 6,6 млрд параметров, принимает текст и генерирует текст; длина контекста — 2048 токенов. Модель предназначена для генерации текста и ответов на запросы в сценариях, соответствующих обучающим примерам. Карточка не описывает отдельные специализированные возможности или результаты оценки качества. Использование регулируется лицензией Llama 2.

CoEvol-ChatGPT_Mistral-7B-v0.1_SFT — языковая модель CAS-SIAT-ConsistencyAI на архитектуре Mistral, дообученная методом SFT на наборе coevol-chatgpt_multi_deita6k. Она предназначена для генерации текста и диалоговых сценариев. Модель содержит 7,1 млрд параметров, принимает текст и рассчитана на контекст до 32 768 токенов. Модель основана на mistralai/Mistral-7B-v0.1 и распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает результаты оценки, конкретные сильные стороны или ограничения, поэтому качество ответов и пригодность для отдельных задач требуют проверки.

Dolphin-Mistral-24B-Venice-Edition-GGUF — это набор GGUF-квантизаций текстовой генеративной модели Dolphin-Mistral-24B-Venice-Edition, разработанной cognitivecomputations. Квантизации подготовлены пользователем bartowski с помощью llama.cpp версии b5835 и метода imatrix. Модель предназначена для локального запуска в LM Studio, llama.cpp и других проектах на базе llama.cpp, а также для генерации текста по заданному системному промпту и пользовательскому запросу. Размер исходной модели составляет 24 млрд параметров; доступны варианты от BF16 размером 47,15 ГБ до более компактных квантовок Q3 и Q4, а также Q5, Q6 и Q8. В README указана только текстовая модальность и формат взаимодействия через системный промпт и инструкцию. Контекстное окно, поддерживаемые языки, конкретные обучающие данные и результаты независимого тестирования не указаны. Основное преимущество набора — широкий выбор уровней квантизации, позволяющий выбирать между качеством генерации, размером файла и требованиями к памяти. В README варианты Q6_K_L, Q6_K, Q5_K_L, Q5_K_M, Q5_K_S, Q4_K_L, Q4_K_M, Q4_K_S и IQ4_XS отмечены как рекомендуемые; Q4_K_M описан как вариант стандартного размера для большинства сценариев. Ограничения включают зависимость характеристик от выбранной квантовки и отсутствие подробных сведений о качестве, языках и контексте. Лицензия модели указана как Apache-2.0.

Это версия Command A+ в формате GGUF BF16, опубликованная DevQuasar на основе CohereLabs/command-a-plus-05-2026-bf16. Модель предназначена для генерации текста и диалогового общения; метаданные каталога также характеризуют её как модель для чата. Базовая Command A+ описана как многоязычная мультимодальная модель Cohere для диалогов, рассуждений и агентных задач с текстом, изображениями и вызовом инструментов. Однако карточка этой версии не подтверждает, что её сборка GGUF сохраняет работу с изображениями или вызов инструментов, поэтому эти возможности нельзя считать гарантированными. Репозиторий содержит вариант GGUF в точности BF16. README называет его квантованной версией, но метаданные указывают BF16, что само по себе не подтверждает уменьшенную разрядность. Сведения о лицензии и ограничениях использования в предоставленных данных отсутствуют.