I.5Создание и редактирование текста

MaziyarPanahi/Llama-3-8B-Instruct-v0.4 — дообученная диалоговая модель на архитектуре Llama, созданная на основе meta-llama/Meta-Llama-3-8B-Instruct. Она предназначена для генерации текста и ассистентских ответов в диалоге; карточка описывает использование через библиотеку Transformers и шаблон запросов ChatML. Модель содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. В метаданных указан английский язык. Репозиторий содержит веса Safetensors; отдельная версия в формате GGUF доступна в другом репозитории. Лицензия обозначена как other, поэтому условия использования следует сверить с лицензией и условиями базовой модели.

QuantFactory/Llama-3-8B-Magpie-Air-MT-SFT-v0.1-GGUF — квантизированная версия модели Llama-3-8B-Magpie-Air-MT-SFT-v0.1, созданная с помощью llama.cpp. Базовая модель Meta-Llama-3-8B была дообучена методом supervised fine-tuning на датасете Magpie-Air-MT-300K-v0.1, подготовленном проектом Magpie-Align. Разработчики Magpie — Zhangchen Xu, Fengqing Jiang, Luyao Niu, Yuntian Deng, Radha Poovendran, Yejin Choi и Bill Yuchen Lin. Модель предназначена для генерации текста и диалоговых сценариев, включая выполнение пользовательских инструкций и ответы в формате ассистента. Это текстовая autoregressive language model с архитектурой Llama 3 и размером 8B параметров; поддерживаемые модальности ограничены текстом. В README длина контекста явно не указана, однако для наилучшей работы рекомендуется использовать официальный chat template Llama 3. По заявленным результатам модель показывает производительность, сопоставимую с Llama-3-8B-Instruct при использовании только SFT: 22,98 LC и 24,02 WR на Alpaca Eval 2, а также 15,5 на Arena Hard. К ограничениям относятся отсутствие подробных сведений о конкретном формате квантизации, контекстном окне и языковом покрытии, а также возможные ограничения качества, безопасности и следования инструкциям, характерные для моделей такого класса. Использование регулируется Meta Llama 3 Community License.

Это разговорная языковая модель Sandeep29, дообученная на базе unsloth/Meta-Llama-3.1-8B-bnb-4bit с использованием Unsloth и библиотеки Hugging Face TRL. Модель построена на плотной архитектуре Llama и содержит 7,5 млрд параметров; заявленная длина контекста — 131 072 токена. Модель предназначена для генерации текста и диалоговых сценариев на английском языке. Её можно использовать для ответов в чате, продолжения текста и создания текстовых черновиков. Репозиторий распространяется по лицензии Apache-2.0. Карточка не описывает конкретный набор данных или специализированные области применения.

OpenRLHF/Llama-3-8b-sft-mixture — плотная языковая модель семейства Llama, выпущенная командой OpenRLHF. Это контрольная точка supervised fine-tuning модели Meta-Llama-3-8B на смеси открытых наборов данных: ShareGPT, Evol-Instruct, SlimOrca, MathInstruct, Magicoder-Evol-Instruct, GPT4-LLM, OrcaMath, GPTeacher и UltraInteract. Обучение длилось одну эпоху; модель содержит 7,5 млрд параметров и использует контекст до 8192 токенов. Модель генерирует текст в диалоговом формате и предназначена для использования как отправная точка в исследованиях RLHF. Она не проходила RLHF-обучение. В README указано, что исправлена конфигурация генерации; подробные параметры обучения приводятся в техническом отчёте. Лицензия в предоставленных данных не указана.

JDBMG/Llama3-8B-SlimOrca_f16 — чат-модель на архитектуре Llama 3, разработанная JDBMG путём дообучения unsloth/llama-3-8b-bnb-4bit с использованием Unsloth и библиотеки Hugging Face TRL. Модель содержит 7,5 млрд параметров и предназначена для генерации текста в диалоговом формате; её контекст составляет 8192 токена. Модель принимает текст и выдаёт текст. В метаданных указан английский язык. Репозиторий содержит веса PyTorch. Лицензия — Apache-2.0. Карточка не описывает специализированные области применения или результаты оценки качества.

Fischerboot/LLama3-8B-Sophie-256 — созданная с помощью mergekit слитая языковая модель на архитектуре Llama 3. Она объединяет предварительно обученные модели Fischerboot/LLama3-Lexi-Aura-3Some-SLERP-SLERP-ql-merge и Fischerboot/ll3-sophie-2-sets-256 методом passthrough; в репозитории представлены веса Safetensors в формате bfloat16. Модель содержит 7,5 млрд параметров и рассчитана на контекст до 8192 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Карточка базовой модели указывает на ориентацию прежде всего на английский язык; метаданные также отмечают возможность чата. Специальные предметные области не заявлены. Лицензия в предоставленных данных не указана.

simonbutt дообучил модель на основе unsloth/llama-3-8b-bnb-4bit с использованием Unsloth и библиотеки TRL. Это плотная авторегрессионная модель семейства Llama 3 с 7,5 млрд параметров, предназначенная для генерации текста; заявленная длина контекста — 8192 токена. В карточке не описаны специализированная область обучения, конкретный набор данных или целевые сценарии, поэтому модель можно охарактеризовать только как текстовую генеративную. Модель принимает текст и генерирует текст на английском языке. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. README не приводит результатов оценки качества или дополнительных ограничений применения.

jspr/llama3_8b_wordcel_8k_merged — дообученная модель генерации текста на базе Meta Llama 3 8B, разработанная jspr. Она предназначена для генерации текста; карточка не описывает более узкую специализацию или конкретные сценарии применения. Модель использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и рассчитана на контекст до 8192 токенов. В README указано, что при обучении использовались Unsloth и библиотека Hugging Face TRL; язык карточки и базовой модели — английский. Модель распространяется по лицензии Apache-2.0. Карточка не сообщает результатов оценки качества или специфических ограничений; применимость к конкретной задаче следует проверять отдельно.

Fischerboot создал объединённую методом SLERP модель на основе TheDrummer/Llama-3SOME-8B-v1 и ResplendentAI/Aura_Uncensored_l3_8B с помощью mergekit. Это плотная авторегрессионная Llama-модель с архитектурой LlamaForCausalLM, предназначенная для генерации текста и диалогов, включая ролевые сценарии. Веса представлены в формате safetensors; размер модели — 7,5 млрд параметров, длина контекста — 24 576 токенов. Модель рассчитана на англоязычные текстовые запросы и выдаёт текст. Ограничения и условия лицензии в предоставленных данных не описаны.

Llama3-Crab-DPO — англоязычная плотная авторегрессионная языковая модель семейства Llama 3, разработанная Yunjia Qi, Hao Peng, Xiaozhi Wang, Bin Xu, Lei Hou и Juanzi Li. Модель дообучена на основе Llama3-8B с применением метода CRAB, который добавляет к инструкциям сложные ограничения, уже соблюдённые в исходных ответах, и направлен на улучшение следования таким инструкциям. Модель предназначена для генерации текста по инструкциям с несколькими требованиями, включая заданные формат и длину ответа. Она имеет 7,5 млрд параметров и контекстное окно 8192 токена; поддерживает английский язык и распространяется в формате PyTorch. Лицензия — Apache-2.0.

Llama-3-DARE-8B — диалоговая языковая модель на архитектуре Llama, созданная Mlabonne с помощью LazyMergekit. Веса получены слиянием Meta-Llama-3-8B и Meta-Llama-3-8B-Instruct методом DARE-TIES; конфигурация использует маску int8 и формат bfloat16. В репозитории заявлено 7,5 млрд параметров, контекст — 8192 токена. Модель предназначена для диалоговой генерации текста: она принимает текстовые запросы и формирует текстовые ответы. Карточка указывает на английскую основу Meta-Llama-3-8B-Instruct, поэтому модель подходит для англоязычного общения и генерации текста. Лицензия в метаданных обозначена как other; конкретные условия следует сверять с лицензией базовой модели и репозитория.

Llama-3-DARE-v1-8B — объединённая языковая модель на архитектуре Llama, созданная с помощью mergekit методом DARE TIES. В качестве основы использована meta-llama/Meta-Llama-3-8B, а также в объединение включена meta-llama/Meta-Llama-3-8B-Instruct. Модель содержит 7,5 млрд параметров и рассчитана на генерацию текста и диалоговые сценарии. Модель принимает текст и выдаёт текст; для неё заявлено контекстное окно до 8192 токенов. Она подходит для диалоговых ответов и генерации текста общего назначения. Базовая модель описана как англоязычная, поэтому поддержка других языков этими данными не подтверждается. Модель доступна в формате safetensors для Transformers. Лицензия указана как «other», поэтому условия использования следует проверять в карточке репозитория Hugging Face.

DiscoResearch и Occiglot разработали эту инструктивно дообученную языковую модель при поддержке DFKI и hessian.Ai. Она основана на Llama 3 и предназначена прежде всего для диалогов и выполнения инструкций на немецком языке. Модель имеет плотную архитектуру LlamaForCausalLM с 7,5 млрд параметров и принимает текст, выдавая текст. Базовую Llama 3 дообучали на 65 млрд немецких токенов, затем расширили контекст обучением на последовательностях длиной 32 тыс. токенов и провели инструктивное дообучение на немецком наборе DiscoResearch. В метаданных указано нативное окно контекста 65 536 токенов; README описывает обучение длинного контекста на 32 тыс. токенов. Модель подходит для немецкоязычных диалогов, ответов на вопросы, следования инструкциям и работы с длинными текстами. В README приведены результаты оценки на английских и немецких бенчмарках. Доступна в формате safetensors для Transformers; лицензия — Llama 3, поэтому использование регулируется её условиями.

Adeptschneider выпустил языковую модель Llama 3.2 с плотной архитектурой и примерно 3,2 млрд параметров. Модель дообучена на базе unsloth/llama-3.2-3b-bnb-4bit с использованием Unsloth и библиотеки TRL; репозиторий содержит веса в формате safetensors. Модель предназначена для генерации текста и может использоваться в сценариях, где требуется продолжение или создание текста по запросу. Заявленная длина контекста — 131 072 токена. В карточке не описаны специализация дообучения, поддерживаемые естественные языки или результаты оценки качества. Лицензия модели — Apache-2.0. Качество и пригодность для конкретных задач следует оценивать на соответствующих данных.

Карточка модели princeton-nlp/Llama-3-Instruct-8B-CPO на Hugging Face совпадает с карточкой princeton-nlp/Llama-3-Instruct-8B-SimPO-v0.2, поэтому описание составлено по ней. Llama-3-Instruct-8B-SimPO-v0.2 — диалоговая языковая модель семейства Llama, выпущенная командой Princeton NLP как модель из работы SimPO (Simple Preference Optimization with a Reference-Free Reward). Она предназначена для генерации текста в формате инструкций и диалога. Модель содержит 7,5 млрд параметров, принимает текст и имеет контекстное окно 8192 токена. Модель связана с исследованием оптимизации предпочтений без эталонной модели. В карточке не приведены подробности обучения, оценки качества или специальные области применения; метаданные указывают поддержку чата и формат весов safetensors. Лицензия в предоставленных данных не указана.

Карточка модели princeton-nlp/Llama-3-Instruct-8B-IPO на Hugging Face совпадает с карточкой princeton-nlp/Llama-3-Base-8B-SFT, поэтому описание составлено по ней. princeton-nlp/Llama-3-Base-8B-SFT — разговорная модель генерации текста на архитектуре Llama, опубликованная как часть работы SimPO: Simple Preference Optimization with a Reference-Free Reward. Репозиторий содержит модель на 7,5 млрд параметров в формате safetensors; заявленная длина контекста — 8192 токена. Модель предназначена для диалоговой генерации текста и может использоваться для ответов на запросы и ведения беседы. README отсылает к репозиторию SimPO за дополнительными сведениями. Лицензия и конкретные языковые возможности в предоставленных данных не определены.

Карточка модели princeton-nlp/Llama-3-Instruct-8B-IPO-v0.2 на Hugging Face совпадает с карточкой princeton-nlp/Llama-3-Instruct-8B-SimPO-v0.2, поэтому описание составлено по ней. Llama-3-Instruct-8B-SimPO-v0.2 — диалоговая языковая модель семейства Llama, выпущенная командой Princeton NLP как модель из работы SimPO (Simple Preference Optimization with a Reference-Free Reward). Она предназначена для генерации текста в формате инструкций и диалога. Модель содержит 7,5 млрд параметров, принимает текст и имеет контекстное окно 8192 токена. Модель связана с исследованием оптимизации предпочтений без эталонной модели. В карточке не приведены подробности обучения, оценки качества или специальные области применения; метаданные указывают поддержку чата и формат весов safetensors. Лицензия в предоставленных данных не указана.

Карточка модели princeton-nlp/Llama-3-Instruct-8B-KTO-v0.2 на Hugging Face совпадает с карточкой princeton-nlp/Llama-3-Instruct-8B-SimPO-v0.2, поэтому описание составлено по ней. Llama-3-Instruct-8B-SimPO-v0.2 — диалоговая языковая модель семейства Llama, выпущенная командой Princeton NLP как модель из работы SimPO (Simple Preference Optimization with a Reference-Free Reward). Она предназначена для генерации текста в формате инструкций и диалога. Модель содержит 7,5 млрд параметров, принимает текст и имеет контекстное окно 8192 токена. Модель связана с исследованием оптимизации предпочтений без эталонной модели. В карточке не приведены подробности обучения, оценки качества или специальные области применения; метаданные указывают поддержку чата и формат весов safetensors. Лицензия в предоставленных данных не указана.

Карточка модели princeton-nlp/Llama-3-Instruct-8B-RDPO-v0.2 на Hugging Face совпадает с карточкой princeton-nlp/Llama-3-Instruct-8B-SimPO-v0.2, поэтому описание составлено по ней. Llama-3-Instruct-8B-SimPO-v0.2 — диалоговая языковая модель семейства Llama, выпущенная командой Princeton NLP как модель из работы SimPO (Simple Preference Optimization with a Reference-Free Reward). Она предназначена для генерации текста в формате инструкций и диалога. Модель содержит 7,5 млрд параметров, принимает текст и имеет контекстное окно 8192 токена. Модель связана с исследованием оптимизации предпочтений без эталонной модели. В карточке не приведены подробности обучения, оценки качества или специальные области применения; метаданные указывают поддержку чата и формат весов safetensors. Лицензия в предоставленных данных не указана.

Карточка модели princeton-nlp/Llama-3-Instruct-8B-RRHF-v0.2 на Hugging Face совпадает с карточкой princeton-nlp/Llama-3-Instruct-8B-SimPO-v0.2, поэтому описание составлено по ней. Llama-3-Instruct-8B-SimPO-v0.2 — диалоговая языковая модель семейства Llama, выпущенная командой Princeton NLP как модель из работы SimPO (Simple Preference Optimization with a Reference-Free Reward). Она предназначена для генерации текста в формате инструкций и диалога. Модель содержит 7,5 млрд параметров, принимает текст и имеет контекстное окно 8192 токена. Модель связана с исследованием оптимизации предпочтений без эталонной модели. В карточке не приведены подробности обучения, оценки качества или специальные области применения; метаданные указывают поддержку чата и формат весов safetensors. Лицензия в предоставленных данных не указана.

QuantFactory/Llama-3-Instruct-8B-SimPO-ExPO-GGUF — квантизированная версия модели Llama-3-Instruct-8B-SimPO-ExPO, созданная с помощью llama.cpp. В основе лежат Meta-Llama-3-8B-Instruct и Llama-3-Instruct-8B-SimPO; разработка ExPO выполнена в рамках подхода Weak-to-Strong Extrapolation, описанного в соответствующей научной работе. Метод объединяет веса SFT- и DPO/RLHF-чекпойнтов с коэффициентом extrapolation alpha = 0.3 для усиления соответствия человеческим предпочтениям. Модель предназначена для генерации текста и диалоговых сценариев, где важны качество следования инструкциям и предпочтительность ответов. Она поддерживает английский язык, относится к семейству моделей примерно на 8B параметров и поставляется в формате GGUF, ориентированном на запуск через совместимое программное обеспечение на базе llama.cpp. Данные о длине контекста, конкретных схемах квантизации и модальностях, кроме текстовой генерации, в README не указаны. По данным AlpacaEval 2.0, модель достигла 40,6% win rate и 45,8% length-controlled win rate, немного превысив исходную Llama-3-Instruct-8B-SimPO. На MT-Bench ExPO также повышал результаты исходных моделей в приведённых сравнениях. Ограничения включают зависимость качества от выбранного уровня квантизации и отсутствие в README подробностей о ресурсоёмкости, безопасности и поведении за пределами указанных бенчмарков. Лицензия указана как llama3.

Llama-3-Instruct-8B-SimPO-GGUF — набор GGUF-квантизаций модели Llama-3-Instruct-8B-SimPO, разработанной Princeton NLP и квантизированной bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и диалоговых сценариев, включая работу через llama.cpp и совместимые инструменты локального запуска. Модель содержит около 8 млрд параметров и доступна в вариантах квантизации Q8_0, Q6_K, Q5_K_M, Q5_K_S, Q4_K_M, Q4_K_S, IQ4_NL, IQ4_XS и других, с размером файлов примерно от 2,16 до 8,54 ГБ. Старшие варианты обеспечивают более высокое качество, а младшие позволяют снизить требования к оперативной памяти ценой заметной потери качества. Для общения в README приведён шаблон с ролями system, user и assistant, однако автор предупреждает, что он может не соответствовать исходной модели. Сильной стороной набора является широкий выбор компромиссов между качеством, размером и требованиями к памяти; варианты Q6_K и Q5_K_M рекомендованы как близкие к исходному качеству, а IQ-квантизации могут обеспечивать сопоставимое качество при меньшем размере. Ограничения включают возможное ухудшение результатов на низких уровнях квантизации и отсутствие в README сведений о поддерживаемых языках, размере контекста и лицензии.

Llama-3-Instruct-8B-SimPO-SPPO-Iter3-merge — объединённая чат-модель на базе Meta Llama 3, созданная с помощью mergekit разработчиками исходных моделей. Веса двух моделей, princeton-nlp/Llama-3-Instruct-8B-SimPO и UCLA-AGI/Llama-3-Instruct-8B-SPPO-Iter3, объединены методом SLERP. Модель имеет архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекст до 8192 токенов. Модель предназначена для генерации текста в ответ на инструкции и диалоговые запросы. Карточка приводит результаты оценок IFEval и BBH; метаданные характеризуют базовую модель как англоязычную. Репозиторий содержит веса Safetensors для Transformers. Лицензия — Llama 3 (llama3).

Карточка модели princeton-nlp/Llama-3-Instruct-8B-SLiC-HF на Hugging Face совпадает с карточкой princeton-nlp/Llama-3-Instruct-8B-SimPO-v0.2, поэтому описание составлено по ней. Llama-3-Instruct-8B-SimPO-v0.2 — диалоговая языковая модель семейства Llama, выпущенная командой Princeton NLP как модель из работы SimPO (Simple Preference Optimization with a Reference-Free Reward). Она предназначена для генерации текста в формате инструкций и диалога. Модель содержит 7,5 млрд параметров, принимает текст и имеет контекстное окно 8192 токена. Модель связана с исследованием оптимизации предпочтений без эталонной модели. В карточке не приведены подробности обучения, оценки качества или специальные области применения; метаданные указывают поддержку чата и формат весов safetensors. Лицензия в предоставленных данных не указана.

Карточка модели princeton-nlp/Llama-3-Instruct-8B-SLiC-HF-v0.2 на Hugging Face совпадает с карточкой princeton-nlp/Llama-3-Instruct-8B-SimPO-v0.2, поэтому описание составлено по ней. Llama-3-Instruct-8B-SimPO-v0.2 — диалоговая языковая модель семейства Llama, выпущенная командой Princeton NLP как модель из работы SimPO (Simple Preference Optimization with a Reference-Free Reward). Она предназначена для генерации текста в формате инструкций и диалога. Модель содержит 7,5 млрд параметров, принимает текст и имеет контекстное окно 8192 токена. Модель связана с исследованием оптимизации предпочтений без эталонной модели. В карточке не приведены подробности обучения, оценки качества или специальные области применения; метаданные указывают поддержку чата и формат весов safetensors. Лицензия в предоставленных данных не указана.

QuantFactory/Llama-3-Instruct-8B-SPPO-Iter3-GGUF — квантизированная версия языковой модели UCLA-AGI/Llama-3-Instruct-8B-SPPO-Iter3, созданная с использованием llama.cpp. Модель разработана на основе архитектуры Meta Llama 3 8B Instruct и обучена методом Self-Play Preference Optimization на синтетических ответах с использованием наборов запросов из UltraFeedback. Третья итерация обучения применяет данные, разделённые для последовательного проведения трёх итераций оптимизации. Модель предназначена для генерации текста и выполнения общих инструкций, включая диалоговые и вопросно-ответные сценарии. Это GPT-подобная текстовая модель примерно на 8 млрд параметров, ориентированная прежде всего на английский язык. Информация о поддерживаемой длине контекста и дополнительных модальностях в README не указана; модель является текстовой и не предназначена для обработки изображений или других мультимедийных данных. К сильным сторонам относятся улучшенные результаты третьей итерации по сравнению с предыдущими версиями в оценках AlpacaEval и Open LLM Leaderboard: заявлены LC Win Rate 38,77, средний результат набора Open LLM Leaderboard 70,29 и высокие показатели на HellaSwag, Winogrande и ARC-Challenge. Ограничениями являются преимущественная ориентация на английский язык, зависимость качества от выбранного формата квантизации и отсутствие в README подробностей о конкретном варианте квантизации и размере файла. Модель распространяется по лицензии Apache-2.0.

Llama-3-Instruct-8B-SPPO-Iter3-IMat-GGUF — это GGUF-квантизированная версия языковой модели UCLA-AGI/Llama-3-Instruct-8B-SPPO-Iter3. Модель подготовлена пользователем legraphista с использованием llama.cpp и методов IMatrix; исходный формат весов — BF16. В качестве данных для исходной модели указана коллекция openbmb/UltraFeedback. Модель предназначена для генерации текста и диалоговых сценариев на английском языке, включая работу через совместимые с llama.cpp локальные приложения. Доступны варианты от BF16 и FP16 до Q8_0, Q6_K, Q5_K, Q4_K, Q3_K и Q2_K, а также ряд IQ-квантизаций. Размер файлов варьируется примерно от 3,18 до 16,07 ГБ, что позволяет выбирать между качеством и требованиями к памяти. Для ряда вариантов с более сильным сжатием применена IMatrix, призванная уменьшить потери качества при квантовании. Сильной стороной модели является возможность локального запуска в формате GGUF и широкий выбор уровней квантования, включая варианты, оптимизированные для ограниченных ресурсов. Ограничения включают потенциальное снижение качества при использовании низкобитных вариантов; конкретные характеристики контекстного окна, архитектуры, мультимодальности и производительности в README не указаны. Лицензия — Apache 2.0.

SKYEEEE/llama3-Ko-3-8B-finetuned_ver2 — чат-модель для генерации текста, созданная SKYEEEE дообучением beomi/Llama-3-Open-Ko-8B-Instruct-preview. Она основана на плотной архитектуре Llama и содержит 7,5 млрд параметров; карточка указывает обучение с Unsloth и библиотекой TRL. Модель предназначена для диалоговых ответов и генерации текста. Базовая модель ориентирована на корейский и английский языки; метаданные этой модели отмечают английский. Контекстное окно составляет 8192 токена. Модель распространяется под лицензией Apache-2.0.

grimjim/llama-3-Nephilim-v2-8B — слитая чат-модель на архитектуре Llama 3, созданная с помощью mergekit методом task arithmetic на основе Nephilim v1. В объединение вошли Llama-3-Soliloquy-8B-v2, модель с настройкой предпочтений SPPO и SimPO, а также дообученная биомедицинская модель OpenBioLLM. Разработчик описывает её как модель для генерации ответов с вниманием к контексту и более разнообразными формулировками. Модель содержит 7,5 млрд параметров, работает с текстом и рассчитана на диалоговую генерацию по инструкциям. В README указано тестирование с контекстом 8k и Instruct-промптами. Биомедицинская составляющая может быть полезна для профильных запросов, однако карточка не подтверждает специализированную точность или клиническую пригодность. Модель может генерировать вредоносные ответы. По умолчанию действует лицензия CC-BY-NC-4.0, ограничивающая коммерческое использование; также README указывает на дополнительные ограничения WhiteRabbitNeo Usage Restrictions Extension к лицензии Llama 3.

llama3-passthrough — объединённая модель семейства Llama 3, созданная SJ-Donald с помощью mergekit из двух копий meta-llama/Meta-Llama-3-8B. В конфигурации указаны диапазоны слоёв [0, 24] и [8, 32], метод объединения passthrough и точность bfloat16; архитектура — плотная авторегрессионная LlamaForCausalLM с 11 млрд параметров и контекстом до 8192 токенов. Модель предназначена для генерации текста. В карточке не описаны специальные сценарии применения, языковая специализация или сравнительные преимущества. Репозиторий содержит веса в формате safetensors и опубликован по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.