I.5Создание и редактирование текста

J.O.S.I.E.3-Beta4-slerp — слитая чат-модель на 7,1 млрд параметров, созданная Goekdeniz-Guelmez с помощью LazyMergekit. Она объединяет Weyaxi/Einstein-v4-7B и cognitivecomputations/dolphin-2.8-experiment26-7b методом SLERP; архитектура — MistralForCausalLM, веса доступны в формате safetensors. Модель предназначена для генерации текста в диалоговом формате и имеет контекст до 32 768 токенов. Автор сообщает, что по результатам оценки на LLM Leaderboard эта версия уступает его Beta 3, но остаётся второй по результатам среди его моделей. В метаданных указана лицензия Apache-2.0. Карточка не уточняет поддерживаемые языки и отдельные ограничения поведения или качества.

J.O.S.I.E.3-Beta9-7B-slerp — диалоговая языковая модель, созданная Goekdeniz Guelmez слиянием методом SLERP моделей Weyaxi/Einstein-v5-v0.2-7B и cognitivecomputations/dolphin-2.8-mistral-7b-v02 с помощью LazyMergekit. Она предназначена для генерации текста в диалоге и ответов на вопросы. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Базовая модель Einstein-v5-v0.2-7B описана как дообученная на инструкциях Mistral для диалогов и ответов на общие и научные вопросы. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. README не приводит результатов оценки качества или конкретных ограничений поведения.

CombinHorizon/Josiefied-abliteratedV4-Qwen2.5-14B-Inst-BaseMerge-TIES — объединённая модель генерации текста на архитектуре Qwen2.5, созданная с помощью mergekit и метода TIES на основе Qwen/Qwen2.5-14B и Josiefied-Qwen2.5-14B-Instruct-abliterated-v4. Модель содержит 14 млрд параметров и рассчитана на диалоговое взаимодействие и генерацию текста; метаданные также отмечают интерфейс вызова инструментов. Она принимает текст и выдаёт текст, поддерживает английский язык и имеет контекст до 131 072 токенов. Репозиторий распространяет веса в формате safetensors; лицензия — Apache-2.0. Карточка не приводит результатов оценки качества или подробностей об ограничениях и рекомендуемых сценариях использования.

Josiefied-Qwen3-14B-abliterated-v3 — дообученная Гёкденизом Гюльмезом плотная языковая модель семейства Qwen3 с 14 млрд параметров, созданная на базе Qwen/Qwen3-14B. Она предназначена для диалогов, следования инструкциям и генерации текста с ослабленной фильтрацией ответов; также поддерживает интерфейс вызова инструментов. Модель принимает текст и генерирует текст, а её нативная длина контекста составляет 40 960 токенов. Модель ориентирована на продвинутых пользователей, которым нужны открытые ответы и сохранение возможностей инструкционного диалога и работы с инструментами. В README также упоминаются варианты квантизации GGUF и MLX, однако эта карточка содержит веса в формате safetensors. Автор предупреждает, что сниженная фильтрация может приводить к чувствительным или спорным ответам. Условия лицензирования в предоставленных данных не указаны.

Josiefied-Qwen3-1.7B-abliterated-v1 — дообученная Гёкденизом Гюльмезом компактная языковая модель семейства Qwen3 на 1,7 млрд параметров. Она предназначена для генерации текста, диалогов и выполнения инструкций, с акцентом на менее ограниченные ответы и сохранение навыков следования инструкциям и использования инструментов. Модель использует плотную архитектуру Qwen3ForCausalLM, принимает текст и выдаёт текст. Длина контекста — до 40 960 токенов. В карточке заявлена поддержка разных языков; основной язык не выделен. Модель распространяется в формате safetensors, а в семействе также упомянуты варианты GGUF и MLX. Снижение фильтрации безопасности может приводить к чувствительным или спорным ответам. Автор предупреждает об использовании на свой риск. Лицензия в предоставленных данных не указана.

juanako-7b-UNA — чат-модель автора Xavier M. (@fblgit), дообученная на основе fblgit/juanako-7b-UNA-v2-phase-1 на наборе HuggingFaceH4/ultrafeedback_binarized. В основе лежит плотная авторегрессионная архитектура Mistral с 7,1 млрд параметров; модель доступна в формате safetensors и поддерживает контекст до 32 768 токенов. Модель предназначена для диалогов и генерации текста: она отвечает на вопросы, объясняет понятия, пишет стихи и короткие рассказы. В README приведены результаты тестирования на бенчмарках для рассуждений, знаний, понимания текста и математики; эти оценки отражают конкретные условия тестирования и не гарантируют качество для каждой задачи. В README техника обучения UNA (Uniform Neural Alignment) описана как способ упростить выравнивание между слоями трансформера; на момент публикации автор отмечал, что она ещё не опубликована. Модель выпущена по лицензии Apache-2.0. README не уточняет поддерживаемые естественные языки.

soyaakinohara опубликовал BF16-вариант K2-Horizon-32B, доработанный инструментом Heretic для ослабления отказов модели. Это плотная языковая модель семейства K2Horizon с 31,2 млрд параметров по метаданным; README указывает 34,8 млрд. Контекст составляет 524 288 токенов. Модель предназначена для генерации текста и диалогов на английском и других языках. Веса в формате safetensors разделены на 64 файла, их общий размер — около 69,6 ГиБ; для загрузки требуется примерно 70 ГиБ памяти. Для запуска необходимы Transformers и trust_remote_code=True. Изменение выполнено через ослабление отказов Heretic и слияние LoRA с исходными BF16-весами; дополнительного обучения не проводилось. В README приведён результат испытания: 3 отказа из 100 и KL-дивергенция 0,056. Модель распространяется по лицензии Apache-2.0. Доступны также квантизованные версии в отдельном репозитории GGUF.

WhiskyAKM публикует NVFP4-квантизированную GGUF-версию K2-Horizon-3.7B, модели семейства IFM. Это плотная авторегрессионная модель-декодер с 3,7 млрд параметров и контекстом до 524 288 токенов; репозиторий предназначен для запуска через llama.cpp и другие совместимые с GGUF движки. Модель поддерживает диалоговую генерацию текста, а карточка указывает английский язык. Версия NVFP4 использует 4-битный формат и ориентирована на совместимое оборудование NVIDIA Blackwell. В README приведены результаты исходной модели на математических, кодовых и других тестах, однако они не характеризуют отдельно качество этой квантизированной сборки. Базовая модель описана как предназначенная для генерации текста, программирования и рассуждений. Лицензия — Apache-2.0.

abenzerps/K2-Horizon-7B-MLX-4bit — это 4-битная конверсия модели IFM/K2-Horizon-7B для MLX. Исходная модель представляет собой плотную decoder-only модель примерно на 7 миллиардов параметров, разработанную IFM, а данный вариант подготовлен для использования в экосистеме MLX и MLX-LM. Модель предназначена для генерации текста, рассуждений, программирования, работы с длинным контекстом и использования инструментов. Она поддерживает только текстовую модальность, без vision-проектора и файлов MTP. Заявленный нативный размер контекста исходной модели составляет 524 288 токенов (512K), язык в карточке указан как английский. Вес модели представлен в формате MLX safetensors с аффинным 4-битным квантованием и размером группы 64; общий размер файлов составляет около 5,06 ГБ. Квантование уменьшает требования к памяти и делает модель более удобной для локального запуска на совместимом оборудовании, однако README не приводит сравнений качества именно квантованной версии с исходной моделью. Для загрузки требуется MLX-LM и доверенный удалённый код, поскольку используется специальный загрузчик, сохраняющий grouped RMSNorm. Модель распространяется по лицензии Apache-2.0. README не содержит подробных сведений о результатах бенчмарков, аппаратных требованиях, скорости работы или ограничениях исходной модели, поэтому эти характеристики нельзя оценить точнее.

K2-Horizon-MoVA-36B-A4B-GGUF — квантованная версия модели IFM/K2-Horizon-MoVA-36B-A4B, опубликованная abenzerps в формате GGUF для запуска через llama.cpp. Модель предназначена для генерации текста и поддерживает сценарии диалогов и вызова инструментов; доступен формат tool calling с вариантами xml, json и xml_typed. Это разреженная Mixture-of-Experts-модель с архитектурой Mixture-of-Values attention (MoVA): всего 36 млрд параметров, из которых примерно 4 млрд активируются для каждого токена. Исходная модель поддерживает контекст до 524 288 токенов (512K), а заявленный язык — английский. Модель текстовая и не требует vision projector. Доступны варианты квантования Q3_K_M, Q4_K_M, Q4_0, Q5_K_M, Q6_K и Q8_0 размером примерно от 17,66 до 39,83 ГБ. Ключевое преимущество модели — сочетание большого контекстного окна, разреженной MoE-архитектуры и нескольких вариантов квантования для выбора компромисса между качеством и требованиями к памяти. Для запуска требуется сборка llama.cpp с поддержкой архитектуры K2 Horizon, включая форк MBZUAI-IFM до появления поддержки в основной ветке. Лицензия исходной модели — Apache-2.0; фактическая производительность зависит от выбранной квантовки и доступной памяти.

K2S3-Mistral-7b-v1.1 — текстовая генеративная модель, разработанная K2S3 на основе mistralai/Mistral-7B-v0.1. Это плотная авторегрессионная модель семейства Mistral с 7,2 млрд параметров и контекстом до 32 768 токенов; веса опубликованы в формате safetensors. Модель дообучена полным обновлением параметров методом SFT на данных alpaca-gpt4-data и выборках из OpenOrca. Она предназначена для генерации текста и ответов на запросы в формате инструкций. В карточке заявлены английский и корейский языки. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Качество и надёжность ответов могут различаться; сведения о специализированной предметной области или дополнительных гарантиях качества в карточке не приведены.

K2S3-Mistral-7b-v1.43 — языковая модель, разработанная K2S3 и дообученная методом supervised fine-tuning с настройкой всех параметров на базе mistralai/Mistral-7B-v0.1. Она предназначена для генерации текста по запросу и диалоговых сценариев; при обучении использовались alpaca-gpt4-data и образцы из OpenOrca. Модель построена на плотной архитектуре MistralForCausalLM, содержит 7,2 млрд параметров и поддерживает контекст до 32 768 токенов. В репозитории указаны веса safetensors. Карточка и метаданные указывают английский язык. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но не коммерческое применение. Качество и ограничения конкретной версии в карточке не описаны; как и другие генеративные языковые модели, она может выдавать неточные или вымышленные сведения.

KafkaLM-7B-German-V0.1 — языковая модель проекта Seedbox, обученная Деннисом Дикманном. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров; она дополнительно обучена на немецких данных поверх leo-mistral-hessianai-7b, которая была дообучена на наборах инструкций с переводом с английского на немецкий. Для обучения использовалась отфильтрованная версия набора seedboxai/multitask_german_examples_32k. Модель предназначена для повседневных задач на немецком языке, в том числе для делового общения: диалогов с ассистентом и генерации ответов на запросы. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов и рассчитана прежде всего на немецкий язык. В карточке отмечена возможность вести диалог; автор характеризует модель как компетентную и творческую. Модель распространяется под лицензией Apache-2.0. Автор предупреждает о склонности модели выходить за привычные языковые рамки и ограничивает заявленное применение исследовательскими целями; также следует учитывать исходную лицензию Llama 2 и ограничения использованных обучающих данных.

KafkaLM-8x7B-German-V0.1 — языковая модель с разреженной экспертной архитектурой MoE, созданная Деннисом Дикманном в рамках проекта Seedbox. Она основана на Mixtral 8x7B от Mistral AI и дообучена на отфильтрованной выборке немецкоязычных инструкций, переведённых с английского. Модель содержит 7,1 млрд параметров, работает с текстом и поддерживает контекст до 32 768 токенов. Модель предназначена для ответов на вопросы и повседневных задач на немецком языке, в том числе в деловом общении. Она ориентирована на точные, фактологичные ответы, но автор отмечает склонность к творческим формулировкам и выходу за языковые рамки. Лицензия — Apache-2.0; карточка также указывает, что применяются ограничения исходной лицензии Llama 2 и использованных обучающих наборов.

Kagura-Llama-3.1-8B-Instruct — дообученная языковая модель разработчика idkwhyitsnotworking на основе unsloth/meta-llama-3.1-8b-instruct-unsloth-bnb-4bit. Это плотная авторегрессионная модель семейства Llama для генерации текста и диалогового общения; в метаданных также отмечен интерфейс вызова инструментов. Обучение проводилось с использованием Unsloth и библиотеки TRL. Модель подходит для генерации ответов в чате и сценариев, где требуется текстовый помощник. В карточке указаны 7,5 млрд параметров, контекст длиной до 131 072 токенов и поддержка английского языка. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. README не уточняет специализацию дообучения или результаты оценки качества.

JeongMinMin/kanana-1.5-8b-instruct-2505-Persona-Merged — диалоговая текстовая модель, дообученная на базе kakaocorp/kanana-1.5-8b-instruct-2505. Она предназначена для генерации ответов в чате и работы с запросами на естественном языке; метаданные также указывают интерфейс вызова инструментов. Модель построена на плотной архитектуре LlamaForCausalLM и содержит 7,5 млрд параметров. Контекст — до 32 768 токенов; формат весов — safetensors. Модель разработал JeongMinMin, используя Unsloth и библиотеку TRL от Hugging Face для ускорения обучения. В карточке указана лицензия Apache-2.0. Указанный в метаданных язык — английский; сведений о специальной настройке на другие языки нет.

Модель kangkys/kanana-1.5-8b-instruct-2505-Persona-Merged — дообученная автором kangkys языковая модель на базе kakaocorp/kanana-1.5-8b-instruct-2505. Это плотная Llama-архитектура с 7,5 млрд параметров, рассчитанная на генерацию текста и диалоговое взаимодействие; в метаданных также отмечен интерфейс вызова инструментов. Контекстное окно составляет 32 768 токенов. Модель подходит для чат-ботов и генерации ответов на текстовые запросы. В карточке указаны английский язык, обучение с использованием Unsloth и библиотеки TRL, а также лицензия Apache-2.0. README не описывает отдельные показатели качества или специализированные сценарии применения, поэтому их нельзя оценить по доступным данным.

Hutgaecha/kanana-1.5-8b-instruct-2505-Safe-DPO — дообученная разговорная языковая модель, опубликованная Hutgaecha. Она предназначена для генерации текста и диалоговых сценариев; в метаданных также отмечен интерфейс вызова инструментов. Модель построена на плотной архитектуре LlamaForCausalLM и содержит 7,5 млрд параметров. Контекст — до 32 768 токенов; файлы представлены в формате Safetensors. Модель дообучена с использованием Unsloth и библиотеки TRL. Карточка не описывает конкретные улучшения Safe-DPO, поэтому качество и поведение в задачах безопасности по ней оценить нельзя. Указана лицензия Apache-2.0.

Модель kihyun-K/kanana-1.5-8b-instruct-2505-Safe-DPO — дообученная разговорная языковая модель семейства Llama, опубликованная kihyun-K. Она предназначена для генерации текста в диалоговом формате; в метаданных также заявлен интерфейс вызова инструментов. Модель содержит 7,5 млрд параметров и поддерживает контекст до 32 768 токенов. В README указано, что модель дообучена на базе kihyun-K/kanana-1.5-8b-instruct-2505-Safe-DPO с использованием Unsloth и библиотеки TRL от Hugging Face. Репозиторий содержит веса Safetensors. Указана лицензия Apache-2.0. Карточка не описывает отдельно результаты, целевые сценарии или ограничения дообучения.

Модель mgmbykai/kanana-1.5-8b-instruct-2505-Safe-DPO — дообученная автором mgmbykai разговорная языковая модель на архитектуре Llama с 7,5 млрд параметров. Она предназначена для генерации текста в диалоговом формате; метаданные также указывают интерфейс вызова инструментов. Контекстное окно составляет 32 768 токенов, а файлы весов представлены в формате Safetensors. Модель дообучена на базе mgmbykai/kanana-1.5-8b-instruct-2505-Safe-DPO с использованием Unsloth и библиотеки TRL от Hugging Face. В карточке не описаны конкретные сценарии дообучения и результаты оценки качества. Лицензия — Apache-2.0; единственный явно отмеченный язык — английский.

Карточка модели kakaocorp/kanana-2-30b-a3b-base-2601 на Hugging Face совпадает с карточкой kakaocorp/kanana-2-30b-a3b-instruct-2601, поэтому описание составлено по ней. Kanana-2-30B-A3B-Instruct-2601 — инструктивная языковая модель компании Kakao для диалогов и сценариев агентного ИИ. Она предназначена для следования сложным инструкциям, логических рассуждений и вызова инструментов; модель можно развернуть, например, через vLLM или SGLang с поддержкой выбора инструментов. Модель основана на архитектуре DeepSeek V3 с механизмом внимания MLA и разреженной смесью экспертов (MoE): всего 30 млрд параметров, из которых активируются около 3 млрд. Контекст составляет до 32 768 токенов. Семейство поддерживает корейский, английский, японский, китайский, тайский и вьетнамский языки. README указывает лицензию как отличную от стандартных вариантов, поэтому перед использованием следует проверить условия на странице репозитория Hugging Face. Для обработки контекста свыше 32 768 токенов требуется отдельно настроить YaRN; такая настройка может повлиять на качество коротких текстов. Метаданные указывают 2,9 млрд параметров, что расходится с описанием серии в README (30 млрд всего и около 3 млрд активных).

Kanana-2-30B-A3B-Instruct-2601 — инструктивная языковая модель компании Kakao для диалогов и сценариев агентного ИИ. Она предназначена для следования сложным инструкциям, логических рассуждений и вызова инструментов; модель можно развернуть, например, через vLLM или SGLang с поддержкой выбора инструментов. Модель основана на архитектуре DeepSeek V3 с механизмом внимания MLA и разреженной смесью экспертов (MoE): всего 30 млрд параметров, из которых активируются около 3 млрд. Контекст составляет до 32 768 токенов. Семейство поддерживает корейский, английский, японский, китайский, тайский и вьетнамский языки. README указывает лицензию как отличную от стандартных вариантов, поэтому перед использованием следует проверить условия на странице репозитория Hugging Face. Для обработки контекста свыше 32 768 токенов требуется отдельно настроить YaRN; такая настройка может повлиять на качество коротких текстов. Метаданные указывают 2,9 млрд параметров, что расходится с описанием серии в README (30 млрд всего и около 3 млрд активных).

Карточка модели kakaocorp/kanana-2-30b-a3b-mid-2601 на Hugging Face совпадает с карточкой kakaocorp/kanana-2-30b-a3b-instruct-2601, поэтому описание составлено по ней. Kanana-2-30B-A3B-Instruct-2601 — инструктивная языковая модель компании Kakao для диалогов и сценариев агентного ИИ. Она предназначена для следования сложным инструкциям, логических рассуждений и вызова инструментов; модель можно развернуть, например, через vLLM или SGLang с поддержкой выбора инструментов. Модель основана на архитектуре DeepSeek V3 с механизмом внимания MLA и разреженной смесью экспертов (MoE): всего 30 млрд параметров, из которых активируются около 3 млрд. Контекст составляет до 32 768 токенов. Семейство поддерживает корейский, английский, японский, китайский, тайский и вьетнамский языки. README указывает лицензию как отличную от стандартных вариантов, поэтому перед использованием следует проверить условия на странице репозитория Hugging Face. Для обработки контекста свыше 32 768 токенов требуется отдельно настроить YaRN; такая настройка может повлиять на качество коротких текстов. Метаданные указывают 2,9 млрд параметров, что расходится с описанием серии в README (30 млрд всего и около 3 млрд активных).

Карточка модели kakaocorp/kanana-2-30b-a3b-thinking-2601 на Hugging Face совпадает с карточкой kakaocorp/kanana-2-30b-a3b-instruct-2601, поэтому описание составлено по ней. Kanana-2-30B-A3B-Instruct-2601 — инструктивная языковая модель компании Kakao для диалогов и сценариев агентного ИИ. Она предназначена для следования сложным инструкциям, логических рассуждений и вызова инструментов; модель можно развернуть, например, через vLLM или SGLang с поддержкой выбора инструментов. Модель основана на архитектуре DeepSeek V3 с механизмом внимания MLA и разреженной смесью экспертов (MoE): всего 30 млрд параметров, из которых активируются около 3 млрд. Контекст составляет до 32 768 токенов. Семейство поддерживает корейский, английский, японский, китайский, тайский и вьетнамский языки. README указывает лицензию как отличную от стандартных вариантов, поэтому перед использованием следует проверить условия на странице репозитория Hugging Face. Для обработки контекста свыше 32 768 токенов требуется отдельно настроить YaRN; такая настройка может повлиять на качество коротких текстов. Метаданные указывают 2,9 млрд параметров, что расходится с описанием серии в README (30 млрд всего и около 3 млрд активных).

KARAKURI LM 70B Chat v0.1 — диалоговая языковая модель компании KARAKURI Inc., дообученная на базе KARAKURI LM 70B, которая, в свою очередь, основана на Llama 2 и дополнительно обучалась на японских и многоязычных корпусах. Это плотный авторегрессионный трансформер с архитектурой Llama, содержащий 68,8 млрд параметров и поддерживающий контекст до 4096 токенов. Модель предназначена для многошагового диалога, ответов на вопросы и генерации текста на японском и английском языках. При дообучении применялась техника SteerLM, а обучающие данные включали OASST2, HelpSteer и внутренние диалоговые данные; шаблон позволяет задавать атрибуты ответа, такие как полезность, корректность, подробность и креативность. Разработчик сообщает о высоких результатах на японском MT-Bench и сопоставимом с Llama 2 70B Chat качестве на английском MT-Bench. Модель распространяется в формате safetensors через Transformers. Лицензия указана как other, поэтому перед использованием следует проверить условия на странице модели; конкретные условия в доступных данных не раскрыты. Размер модели требует значительных вычислительных ресурсов, а доступный контекст ограничен 4096 токенами.

karcher_Merged_gpt2_0.4 — объединённая модель генерации текста на архитектуре GPT-2, созданная методом Karcher Mean с помощью mergekit. В слиянии использованы предварительно обученные модели /kaggle/working/gpt2 и /kaggle/working/debias_gpt2; токенизатор взят из GPT-2. Модель предназначена для продолжения текста и других задач генерации на основе текстового запроса. Модель работает с текстом и использует библиотеку Transformers; файлы представлены в формате safetensors. Контекст ограничен 1024 токенами. Карточка не сообщает результаты оценки качества или конкретные языки. Лицензия в предоставленных данных не указана.

trinhkhng/karcher_Merged_gpt2-large_0.4 — языковая модель для генерации текста, созданная слиянием предобученных моделей GPT-2 Large с помощью метода Karcher Mean в mergekit. В состав слияния вошли GPT-2 Large и модель debias_gpt2-large; токенизатор взят из GPT-2 Large. Модель использует архитектуру GPT2LMHeadModel и формат safetensors, работает через Transformers и имеет контекстное окно 1024 токена. Модель предназначена для продолжения текста и генерации ответов по текстовой подсказке. Слияние с debias_gpt2-large указывает на попытку совместить возможности GPT-2 Large с настройкой на снижение предвзятости, однако README не приводит измерений качества или результатов оценки этого эффекта. Условия лицензии в предоставленных данных не указаны.

MergedQwen2-0.5B0.3 — языковая модель, созданная автором репозитория методом слияния Karcher Mean с помощью mergekit. В слиянии участвовали предварительно обученные модели debias_Qwen2-0.5B и Qwen2-0.5B; архитектура — плотная Qwen2ForCausalLM, размер — около 493,7 млн параметров. Модель распространяется в формате safetensors и предназначена для генерации текста и диалогового взаимодействия. Модель принимает текст и генерирует текст; заявленная длина контекста составляет 131 072 токена. Карточка не приводит сведений о языках, лицензии или специальных областях применения, поэтому их нельзя установить по доступным данным.

Karen the Editor 13B — дообученная языковая модель семейства LLaMA, созданная для редактирования художественной прозы. Она исправляет орфографические и грамматические ошибки, стараясь сохранять авторский стиль, и может поддерживать непринуждённый диалог с характерным остроумным тоном. Модель содержит 12,9 млрд параметров, использует архитектуру LlamaForCausalLM и принимает текст. Для редактирования в README предлагается передавать несколько предложений или абзац за раз с запросом на исправление орфографии и грамматики. Контекст модели — 2048 токенов. Автор указывает, что версия 0.2 дообучена с целью сохранить качества Vicuna; репозиторий содержит формат PyTorch. README описывает отдельные квантованные варианты Karen, но не этот репозиторий. Модель подходит для редактуры художественных текстов и разговорного использования. Автор отмечает, что она может исправлять грамматику и в обычном чате. Это ранняя версия, а в плане разработки указано обучение на более крупном наборе данных и исследование настроек генерации. Лицензия в предоставленных данных не указана.

Это производный чекпойнт DeepSeek-V4-Flash-0731, подготовленный Keys (drowzeys) на основе официальной модели DeepSeek-AI. Модель предназначена для генерации текста и сохраняет архитектуру базового чекпойнта; README описывает изменение весов слоёв 10–35, нацеленное на снижение отказов. Слои 36–42 и тензоры MTP/draft оставлены как в оригинале, чтобы сохранить совместимость со спекулятивным декодированием DSpark. Указана поддержка контекста до 1 млн токенов и работа в production-конфигурации на двух DGX Spark с Anemll и vLLM. Чекпойнт рассчитан на генерацию текста, включая структурированные JSON-ответы, списки и эссе; автор приводит сравнительные тесты с официальной версией и сообщает об успешной проверке smoke-тестов. Данные метаданных указывают на FP8 safetensors и поддержку английского и китайского языков. Модель распространяется по лицензии «other» с ограниченным доступом; README отсылает к условиям доступа и ответственному использованию. Результаты бенчмарков относятся к указанной аппаратной и программной конфигурации и не гарантируют такую же производительность в других условиях.