I.5Создание и редактирование текста

RDson/Llama-3-Peach-Instruct-4x8B-MoE — экспериментальная языковая модель RDson, созданная с помощью Mergekit путём объединения четырёх моделей семейства Llama 3 в архитектуру MoE. Она предназначена для диалоговой генерации текста и может применяться для ответов на вопросы, следования инструкциям и решения задач с рассуждением. В README приведены результаты GSM8K для варианта Q4_K_M; в репозитории указаны веса safetensors, а GGUF-версия доступна отдельно. Модель имеет около 7,5 млрд параметров и контекстное окно 8192 токена. В состав объединения вошли Meta-Llama-3-8B-Instruct, SFR-Iterative-DPO-LLaMA-3-8B-R, Hermes-2-Theta-Llama-3-8B и Llama-3-8B-Instruct-Coder. README называет её экспериментальной; сведения о лицензии в предоставленных данных отсутствуют.

chienweichang/Llama-3-Taiwan-8B-Instruct-GGUF — набор файлов модели в формате GGUF, созданный для yentinglin/Llama-3-Taiwan-8B-Instruct. Модель относится к семейству Llama 3 Taiwan и предназначена для генерации текста, понимания запросов и ведения диалогов на традиционном китайском и английском языках. В карточке также указано, что исходная модель ориентирована на общие и отраслевые сценарии, включая право, производство, медицину и электронику, однако подробные характеристики именно 8B-версии приведены не полностью. Репозиторий содержит квантизированные варианты Q5_0, Q5_1, Q5_K_S, Q5_K_M, Q6_K и Q8_0 с размером файлов примерно от 5,6 до 8,54 ГБ. Квантизация позволяет запускать модель с меньшими требованиями к памяти, а варианты с большим числом бит обычно обеспечивают более низкие потери качества за счёт большего размера. Точная архитектура, длина контекста и дополнительные модальности для этой версии в README не указаны; по назначению это текстовая модель без заявленной поддержки изображений или других мультимодальных данных. Сильные стороны модели — поддержка традиционного китайского языка, английского языка и доступность нескольких уровней квантизации для локального запуска. Ограничения включают неизвестные из карточки показатели качества именно 8B-версии, отсутствие детальных данных о контекстном окне и требованиях к оборудованию, а также возможное снижение качества в квантизированных вариантах. Используется лицензия Llama 3.

Llama 3 zhtw — плотная авторегрессионная языковая модель семейства Llama, дообученная p208p2002 на базе Llama 3 посредством продолжения предобучения на 800 млн токенов. В обучении использовались англоязычный FineWeb, китайские корпуса на упрощённом и традиционном китайском, включая Wudao, C4Tw и Wikipedia, а также датасеты диссертаций и кода. Модель содержит 7,5 млрд параметров, работает с контекстом до 8192 токенов и поддерживает диалоговый сценарий. Модель предназначена для генерации текста на китайском и английском языках. По данным авторов, качество на традиционном китайском после продолжения предобучения не превзошло исходную Llama 3; на английском результат MMLU сопоставим с исходной моделью. Вес опубликован в формате safetensors, лицензия — llama3.

DNA 1.0 8B Instruct — корейско-английская языковая модель компании Dnotitia Inc. на архитектуре Llama, дообученная на основе Llama 3.1 8B. По карточке, при её создании применялись слияние SLERP, дистилляция с учителем Llama 3.1 405B, дополнительное предобучение на корейских данных, настройка инструкций и DPO. Модель предназначена для диалогов, генерации текста и выполнения инструкций на корейском и английском языках; размер — около 7,5 млрд параметров, контекст — до 131 072 токенов. В карточке приведены результаты сравнительных оценок на корейских бенчмарках KMMLU, KMMLU-hard и KoBEST. Модель может выдавать предвзятые или неподходящие ответы, устаревшую информацию и фактические ошибки; результаты зависят от сложности и предметной области, поэтому ответы следует проверять. Лицензия — CC BY-NC 4.0; карточка сообщает, что коммерческое использование возможно после согласования с разработчиком.

kevin009/llamamath11 — дообученная разработчиком kevin009 плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 7,5 млрд параметров. Модель основана на kevin009/llamamathv8; для обучения использовались Unsloth и библиотека Hugging Face TRL. Модель предназначена для генерации текста и диалогов на английском языке. Она принимает текст и выдаёт текст, поддерживает контекст длиной до 8192 токенов. Репозиторий содержит веса в формате Safetensors; лицензия — Apache-2.0. README не уточняет специализацию по математике, поэтому её нельзя надёжно определить по доступным сведениям.

Gunulhona/Llama-Merge-Small — объединённая диалоговая языковая модель, созданная с помощью mergekit методом SLERP из KISTI-KONI/KONI-Llama3-8B-Instruct-20240729 и meta-llama/Meta-Llama-3.1-8B-Instruct. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и 7,5 млрд параметров; веса представлены в формате safetensors. Указанная длина контекста — 131 072 токена. Модель предназначена для генерации текста в диалогах и ответов на запросы; метаданные также отмечают интерфейс для вызова инструментов. Базовая модель KISTI описана как корейская диалоговая модель для ответов на вопросы и помощи с научно-технической информацией, однако README не приводит отдельной оценки возможностей или языкового охвата именно этого объединения. Лицензия в предоставленных данных не указана.

LLaMA-MoE-v2-3.8B (2/8) SFT — чат-модель семейства LLaMA-MoE-v2, разработанная командой llama-moe. Она создана на основе LLaMA 3: полносвязные слои FFN или слои внимания разделены на разреженные эксперты, а маршрутизатор выбирает два из восьми экспертов. Затем модель прошла supervised fine-tuning в два этапа на открытых данных. Модель предназначена для генерации текста и диалогов на английском языке. В репозитории указано 3,8 млрд активируемых параметров, а метаданные каталога сообщают о 2,6 млрд параметров; контекст составляет до 8192 токенов. Доступны веса в формате safetensors. Лицензия — Apache-2.0, допускающая коммерческое использование при соблюдении её условий. Модель можно применять для диалоговых помощников, ответов на вопросы, следования инструкциям и решения общих текстовых задач. Представленные в карточке бенчмарки охватывают знания, математику, программирование и понимание текста, но не дают оценки именно этой SFT-версии. Карточка не приводит конкретных ограничений или результатов её качества.

Ba2han/Llama-Phi-3_DoRA — разговорная языковая модель на 3,7 млрд параметров, опубликованная Ba2han. В карточке она описана как ассистент, обученный на отфильтрованных версиях размеченных наборов данных и нескольких тысячах примеров, созданных с помощью Llama 3 70B. Архитектура — плотная MistralForCausalLM; модель использует формат safetensors и поддерживает контекст длиной до 4096 токенов. Модель предназначена для генерации текста в диалоге и ответов на запросы. В README рекомендован шаблон Zephyr и задана базовая роль дружелюбного и полезного ассистента. Указаны результаты оценок MMLU и Winogrande, а также таблица тестов Open LLM Leaderboard; эти оценки не гарантируют качество в конкретном приложении. Модель поддерживает английский язык и распространяется по лицензии MIT. Она принимает текст и генерирует текст; модальности изображений и аудио не заявлены.

CYFRAGOVPL/Llama-PLLuM-8B-chat-2512 — чат-модель семейства PLLuM, разработанная альянсом HIVE AI на основе работ консорциума PLLuM. Это плотная авторегрессионная модель архитектуры Llama с 7,5 млрд параметров, выровненная для диалога с помощью инструкционного дообучения и обучения на предпочтениях. Она принимает текст и генерирует ответы, сводки и другие тексты; особенно ориентирована на польский язык, при обучении также использовались англоязычные данные. Контекстное окно — до 131 072 токенов. Модель подходит для вопросов и ответов, извлечения сведений, суммаризации и создания специализированных помощников. В README отдельно отмечена применимость к польской публичной администрации и юридической или бюрократической тематике, особенно вместе с поиском по документам. Для таких сценариев актуальность и точность ответов зависят от качества подключённого поиска и источников. Репозиторий содержит веса в формате safetensors; лицензия — Llama 3.1.

Poro 2 Long Instruct — чат-модель с инструкционной настройкой, разработанная LumiOpen на основе семейства Poro 2 и архитектуры Llama. Это плотная авторегрессионная модель примерно на 7,5 млрд параметров, полученная объединением базовой модели Poro 2 Long и её версии после supervised fine-tuning. README заявляет контекст до 128 тыс. токенов; метаданные указывают native context 8192 токена. Модель предназначена для диалогов и выполнения инструкций на финском и английском языках. Она подходит для суммаризации и анализа длинных документов, вопросов по нескольким документам, генерации текстов, обучения, поддержки клиентов и перевода между финским и английским. В README приведены результаты тестирования следования инструкциям на обоих языках и длинноконтекстных задачах. Качество на английском в приведённых короткоконтекстных тестах уступает Llama 3.1 8B Instruct, тогда как на финском модель показывает более высокие результаты. Возможны фактические ошибки и смещения; навыки на других языках и в узкоспециализированных областях ограничены, а работа с длинным контекстом требует больше памяти и может быть медленнее. Лицензия в метаданных указана как llama3.3.

Llama-SEA-LION-v2-8B-IT — языковая модель AI Singapore, разработанная командой Products Pillar при финансировании Singapore NRF. Это плотная decoder-модель на архитектуре Llama 3, дообученная следовать инструкциям на основе Llama-SEA-LION-v2-8B. Она содержит около 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Модель предназначена для диалогов и генерации ответов на инструкции, в том числе на английском, индонезийском, тайском, вьетнамском и тамильском языках. Среди описанных сценариев оценки — ответы на вопросы, анализ тональности и токсичности, перевод, суммаризация, причинно-следственные рассуждения и языковой вывод; также оценивались соблюдение инструкций и многоходовой диалог. Модель доступна в формате safetensors для Transformers по лицензии Llama 3 Community License. Она может галлюцинировать, выдавать нерелевантные сведения и непоследовательно рассуждать. По заявлению разработчиков, модель не проходила safety-выравнивание, поэтому ответы требуют проверки, а для прикладного использования могут понадобиться дополнительные меры безопасности.

Llama-Spark-GGUF — набор квантизированных моделей в формате GGUF для llama.cpp, созданный bartowski на основе llama-spark-dpo-v0.3 от arcee-train. Модель предназначена для генерации текста и локального запуска, в том числе через LM Studio. README не указывает точные размер исходной модели, архитектурные параметры, поддерживаемые языки, модальности или размер контекста. Доступны варианты от F32 до низкобитных Q2_K и IQ2_M объёмом примерно от 2,95 до 32,13 ГБ. Квантизация выполнена с использованием imatrix и llama.cpp; для большинства вариантов заявлен компромисс между размером и качеством, при этом Q6_K_L, Q6_K, Q5 и Q4 считаются рекомендуемыми, а низкобитные варианты предназначены для систем с ограниченной оперативной памятью. Для корректного общения приведён специальный шаблон промпта Llama 3.1. Указанная лицензия — llama3.1.

II-8B-SFT — текстовая модель генерации на архитектуре Llama, дообученная автором репозитория на наборе allenai/tulu-3-sft-mixture с помощью Axolotl. Она содержит 7,5 млрд параметров, принимает текст и предназначена для диалоговых сценариев и генерации ответов. Заявленная длина контекста — 131 072 токена. Модель основана на meta-llama/Llama-3.1-8B и распространяется в форматах PyTorch и Safetensors по лицензии Llama 3.1. Карточка не приводит результатов оценки и подробных рекомендаций по применению; качество и ограничения для конкретных задач следует проверять отдельно.

LLaMAX3-8B-Alpaca — многоязычная генеративная языковая модель семейства LLaMA, разработанная авторами проекта LLaMAX. Она основана на Llama 3: модель продолжительно предобучили на корпусах на 102 языках, а затем дообучили на англоязычном наборе инструкций Alpaca, чтобы сохранить следование инструкциям и диалоговые возможности. Модель предназначена для ответов на инструкции и перевода между более чем 100 языками. В README приведены результаты на Flores-101: по заявлению авторов, средний spBLEU вырос более чем на 5 пунктов по сравнению с LLaMA3-8B-Alpaca. Это плотная архитектура LlamaForCausalLM с 7,5 млрд параметров и контекстом 8192 токена; репозиторий содержит веса safetensors. Модель принимает текст и генерирует текст. Опубликованный список языков включает русский, однако метаданные каталога перечисляют только часть поддерживаемых языков. Лицензия — MIT. Результаты перевода в README представлены для ограниченного набора направлений и тестового набора, поэтому они не гарантируют одинаковое качество для всех языков и задач.

LLäMmlein 7B — немецкоязычная языковая модель семейства LLaMA, разработанная LSX-UniWue. Модель с плотной архитектурой LlamaForCausalLM содержит 6,6 млрд параметров и обучена с нуля на немецкой части RedPajama V2 с использованием адаптированной кодовой базы TinyLlama. Данные дедуплицировали на уровне абзацев и фильтровали по соотношению токенов к словам. Модель предназначена для генерации текста на немецком языке и запускается через библиотеку Transformers. Контекст составляет 4096 токенов; опубликованы также промежуточные контрольные точки обучения. Доступны веса PyTorch в формате safetensors. Лицензия обозначена как other, поэтому перед применением следует проверить условия на странице модели.

Это дообученная модель KKHYA на базе KKHYA/llavaqwen3-1.7b-finetune. Модель содержит 1,7 млрд параметров, использует архитектуру LatentMoELLaVAQwen3ForCausalLM и предназначена для генерации текста и диалогов. Доступны интерфейс чата и интерфейс вызова инструментов. Модель принимает текст и выдаёт текст. Заявленная длина контекста — 40 960 токенов. Она распространяется в форматах PyTorch и Safetensors по лицензии Apache-2.0. Данные обучения и специальные сценарии применения в карточке не описаны.

KKHYA/llavaqwen3-1.7b-finetune-moe-4e-2k-sd3h_20260809_183926 — дообученная авторами KKHYA модель на базе KKHYA/llavaqwen3-1.7b-finetune. Она предназначена для генерации текста и диалогов. Модель содержит 1,7 млрд параметров, использует архитектуру MoELLaVAQwen3ForCausalLM и доступна в форматах PyTorch и Safetensors; максимальная длина контекста составляет 40 960 токенов. В метаданных указаны возможности чата и интерфейс вызова инструментов. Датасет дообучения и подробные сценарии применения в карточке не описаны. Модель распространяется по лицензии Apache-2.0.

Это дообученная версия KKHYA/llavaqwen3-1.7b-finetune, разработанная KKHYA. Модель с архитектурой NMMaskMoELLaVAQwen3ForCausalLM содержит 1,7 млрд параметров и предназначена для генерации текста и диалогов. Метаданные указывают на интерфейс вызова инструментов; контекст — до 40 960 токенов. Модель работает через Transformers, веса доступны в форматах PyTorch и safetensors. Она основана на дообученной модели Qwen3, но датасет и дополнительные сведения о сценариях обучения в карточке не раскрыты. Лицензия — Apache-2.0.

Это дообученная модель KKHYA на базе KKHYA/llavaqwen3-1.7b-finetune, предназначенная для генерации текста и диалогов. В метаданных указаны архитектура NMMaskMoELLaVAQwen3ForCausalLM, 1,7 млрд параметров и контекст до 40 960 токенов; модель доступна в форматах PyTorch и Safetensors и поддерживает интерфейс вызова инструментов. Датасет дообучения и подробные сценарии применения в карточке не описаны. Модель распространяется по лицензии Apache-2.0.

Это японско-английская инструкция-модель на 13 млрд параметров, разработанная совместным японским проектом LLM-jp. Она предназначена для генерации текста и ответов на инструкции. Модель построена на архитектуре GPT-2 и дообучена на наборах Dolly на английском и японском, а также на японских и английских инструкционных данных OpenAssistant и других наборах, упомянутых в карточке. Репозиторий содержит веса в формате Safetensors для Transformers. Контекст модели составляет 2048 токенов. Токенизатор Unigram byte-fallback имеет словарь из 50 570 элементов, рассчитанный преимущественно на японский и английский текст, а также исходный код. Модель может быть полезна для диалоговых ответов, выполнения инструкций и написания текста на этих языках. Проект предупреждает, что модель находится на ранней стадии разработки и не настроена для надёжного следования человеческим намерениям или требованиям безопасности. Лицензия — Apache-2.0.

llm-jp-3-172b-instruct3 — диалоговая большая языковая модель, разработанная Центром исследований и разработок больших языковых моделей Национального института информатики Японии при частичной поддержке GENIAC. Это версия instruct3 семейства llm-jp-3, дообученная на инструкциях и дополнительно согласованная методом Direct Preference Optimization (DPO). Модель предназначена для генерации ответов в диалоге, следования инструкциям, извлечения и формулирования информации, написания текстов и решения задач на рассуждение. В README приведены оценки на японском MT Bench, включая результаты для письма, естественных наук, извлечения информации и диалога. Это плотная Transformer-модель архитектуры Llama с 171,2 млрд параметров; контекст составляет 4096 токенов. Репозиторий содержит веса в формате safetensors для Transformers. Модель в первую очередь ориентирована на японский язык; метаданные также отмечают английский. Разработчики предупреждают, что семейство находится на ранней стадии исследований и разработок и не было полностью настроено для соответствия человеческим намерениям и требованиям безопасности. Лицензия указана как «other», поэтому условия использования следует уточнять в материалах репозитория.

llm-jp-3-1.8b-instruct — инструктивная версия языковой модели семейства llm-jp-3, разработанная Центром исследований и разработок больших языковых моделей Национального института информатики Японии. Это плотная авторегрессионная Transformer-модель архитектуры LlamaForCausalLM с 1,7 млрд параметров по метаданным и контекстом до 4096 токенов. Репозиторий распространяет веса в формате Safetensors для Transformers. Модель предназначена для диалогов и выполнения текстовых инструкций, включая ответы на вопросы, написание текстов и простые рассуждения. Она обучалась на смеси данных, включая японские источники, и дообучалась на японских инструктивных наборах; метаданные также указывают английский и японский языки. В оценках авторов она показала улучшение относительно базовой версии llm-jp-3-1.8b на ряде задач, однако результаты ограничены указанными тестовыми выборками. Разработчики отмечают, что семейство находится на раннем этапе исследований и разработок и не настроено для гарантированного соответствия человеческим намерениям и требованиям безопасности. Лицензия — Apache-2.0.

llm-jp-3-8x13b-instruct3 — языковая модель, разработанная Центром исследований и разработок больших языковых моделей Национального института информатики Японии (NII). Это версия для диалогов и выполнения инструкций, созданная на основе предварительно обученной модели с последующей supervised fine-tuning и Direct Preference Optimization. Модель использует архитектуру Mixtral с разреженной смесью экспертов: 8 экспертов, из которых активируются 2. В README указаны 40 слоёв и контекст 4096 токенов; карточка Hugging Face сообщает 13,2 млрд параметров, а таблица README для варианта 8x13b указывает около 73,2 млрд общих параметров и около 22,2 млрд активируемых параметров. Она предназначена для генерации текста и диалогов, особенно на японском языке; метаданные также отмечают английский. Модель подходит для ответов на вопросы, работы с инструкциями, рассуждений и генерации текста. Разработчики предупреждают, что модель находится на раннем этапе исследований и разработок и не настроена полностью для соответствия человеческим намерениям и требованиям безопасности. Лицензия — Apache-2.0.

llm-jp-3-8x1.8b — языковая модель серии LLM-jp-3, разработанной Центром исследований и разработок больших языковых моделей Национального института информатики Японии. Это авторегрессионный Transformer с архитектурой Mixtral MoE: 8 экспертов, из которых для обработки активируются 2. В модели около 9,3 млрд параметров суммарно, 24 слоя и контекст до 4096 токенов. Модель предобучена на 2,1 трлн токенов и прошла дообучение по инструкциям и выравнивание методом Direct Preference Optimization. Модель предназначена для генерации текста, ответов на вопросы, следования инструкциям и других задач с японским и английским языками. Токенизатор основан на Unigram byte-fallback и использует словарь llm-jp-tokenizer v3.0. Данные README описывают японские обучающие наборы и оценки для серии, но не дают отдельных результатов именно этой версии. Разработчики отмечают, что модели находятся на раннем этапе исследований и разработок и не настроены для надёжного соответствия человеческим намерениям и требованиям безопасности. Весы доступны в формате Transformers/Safetensors по лицензии Apache-2.0.

llm-jp-4-8b-thinking-gguf — языковая модель на основе Transformer, разработанная Исследовательским центром больших языковых моделей Национального института информатики Японии (NII). Модель предназначена для генерации текста, диалоговых сценариев, решения задач и работы с инструкциями на английском и японском языках. Вариант thinking обучен с использованием supervised fine-tuning (SFT) и direct preference optimization (DPO), без reinforcement learning. Модель имеет около 8,59 млрд параметров, 32 слоя, размер скрытого состояния 4096 и 32 attention heads. Максимальная длина контекста составляет 65 536 токенов. Репозиторий содержит представление GGUF для запуска совместимых средств инференса; используется Unigram byte-fallback токенизатор на основе llm-jp-tokenizer v4.0, а шаблон чата совместим с форматом OpenAI Harmony. К сильным сторонам относятся большой контекст, поддержка японского и английского языков, постобучение с применением SFT и DPO, а также возможность локального запуска в экосистеме GGUF. Ограничением является необходимость использовать форк llama.cpp от LLM-jp: стандартная upstream-версия llama.cpp может некорректно обрабатывать токенизацию и чат. README не содержит достаточных количественных результатов оценки качества, поэтому сравнивать модель с альтернативами по бенчмаркам нельзя. Модель распространяется по лицензии Apache-2.0.

LMCocktail-Mistral-7B-v1-Mistral-7B-Instruct-v0.1 — плотная языковая модель семейства Mistral, созданная объединением Mistral-7B-Instruct-v0.1 и Yhyu13/LMCocktail-Mistral-7B-v1 методом SLERP. Веса представлены в формате Safetensors; модель насчитывает 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста в ответ на инструкции и ведения диалогов. Её можно применять в чат-ботах и для создания ответов на текстовые запросы. Данные о поддерживаемых естественных языках в карточке не приведены. Модель распространяется по лицензии Apache-2.0. Качество и поведение при объединении моделей могут различаться в зависимости от запроса; отдельные ограничения в карточке не описаны.

Loes Large EU — голландский ИИ-ассистент, разработанный HostYourAI и размещаемый на инфраструктуре в ЕС. Это дообученная на EuroLLM-22B-2512 плотная языковая модель архитектуры Llama с 21,9 млрд параметров; веса объединены после QLoRA-обучения. Модель предназначена для генерации текста и диалогов: она ориентирована на грамотный нидерландский язык, точное выполнение инструкций и многоходовое общение. Поддерживает контекст до 32 768 токенов и может запускаться через Transformers или vLLM. Обучение проводилось на примерно 5 200 отобранных синтетических примерах на нидерландском языке. В README описаны внутренние оценки на небольшом наборе запросов, включая проверку качества языка, обоснованности ответов и диалогов; эти результаты не гарантируют качество во всех сценариях. Модель предназначена прежде всего для общения на нидерландском, а метаданные также указывают английский язык. Лицензия Apache 2.0 разрешает использование, изменение и распространение.

LongReward-llama3.1-8b-DPO — языковая модель семейства Llama 3.1, представленная авторами проекта LongReward. Это версия DPO-модели LongReward-llama3.1-8b-SFT, дообученная на предпочтениях с использованием раздела dpo_llama3.1_8b датасета LongReward-10k. Модель предназначена для генерации текста с длинным контекстом и поддерживает контекстное окно до 65 536 токенов. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и формат Safetensors; для работы README указывает библиотеку Transformers версии 4.43.0 или новее. Её можно применять для диалогов и ответов с учётом длинных документов и больших контекстов. В карточке указаны английский и китайский языки. Доступна под лицензией, указанной в репозитории Hugging Face.

LongWriter-glm4-9b-abliterated-GGUF — это квантизированная GGUF-версия языковой модели LongWriter-glm4-9b-abliterated, разработанной byroneverson. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста, диалогов и instruct-сценариев, включая задачи, требующие работы с длинным контекстом и создания объёмных текстов. Доступен специальный формат промпта GLM4 с ролями system, user и assistant. Модель относится к семейству GLM4 и содержит около 9 млрд параметров. Это текстовая модель без заявленной поддержки изображений или других модальностей; в README указан английский язык. Точная длина контекста не указана. Репозиторий предлагает варианты от F16 до компактных Q3-квантизаций, что позволяет выбирать между качеством, размером файла и требованиями к оперативной памяти. Варианты Q6_K_L и Q6_K отмечены как близкие к исходному качеству, а Q4_K_M — как сбалансированный вариант. Сильные стороны модели — поддержка длинных текстовых сценариев, широкий выбор квантизаций и возможность локального запуска через llama.cpp или LM Studio. Ограничения включают отсутствие подробных данных о бенчмарках, фактическом размере контекстного окна, качестве на других языках и характеристиках безопасности; слово «abliterated» также указывает на модификацию исходной модели, поэтому поведение и защитные ограничения могут отличаться от оригинала. Указана лицензия Apache-2.0.

LoRDCoder v0 12.6B — языковая модель с архитектурой LoRDCoder для генерации текста. Карточка содержит только название и краткий раздел об использовании, поэтому назначение и характеристики модели можно описать лишь в пределах подтверждённых данных. Модель предназначена для задач генерации текста. Репозиторий содержит веса в формате PyTorch. Размер модели в названии указан как 12,6 млрд параметров, а контекстное окно составляет 8192 токена. Модель разработана nolanoAI и распространяется по лицензии BigCode OpenRAIL-M.