I.5Создание и редактирование текста

ccdv/lsg-bart-base-16384 — модель на базе BART-base, адаптированная для задач encoder-decoder с длинными входными последовательностями. Она использует локальное, разреженное и глобальное внимание (LSG) и содержит 95,2 млн параметров. Заявленная длина контекста — до 16 384 токенов; модель реализована на PyTorch и использует тот же токенизатор и число слоёв, что и BART-base. Модель предназначена для генерации текста по входной последовательности, включая суммаризацию, а также может применяться для классификации. В README приведены примеры суммаризации и классификации; метаданные также указывают fill-mask и question answering среди поддерживаемых задач. Для загрузки через Transformers требуется включить trust_remote_code=True, поскольку используется пользовательский код архитектуры. Входную длину рекомендуется обрезать токенизатором; при нехватке памяти можно уменьшить размеры блоков или увеличить разреженность внимания. Модель адаптирована от BART-base без дополнительного предварительного обучения. Лицензия в предоставленных данных не указана.

DevQuasar-2/Luca-MN-bf16-GGUF — чат-модель для генерации текста в формате GGUF BF16. По метаданным, это производная от rAIfle/Luca-MN-bf16 модель, доступная для задач генерации текста.

Luciole-23B-Instruct-1.1 — инструктивная чат-модель, созданная LINAGORA и консорциумом OpenLLM-France в рамках проекта OpenLLM France. Это дообученная и выровненная версия Luciole-23B-Base: обучение включало supervised fine-tuning на инструкциях и финальное выравнивание предпочтений методом DPO. Модель построена на плотной архитектуре Nemotron и содержит 31,5 млрд параметров; метаданные указывают контекст до 131 072 токенов, хотя при постобучении использовались последовательности длиной 16 384 токена. Модель предназначена для диалогов и выполнения инструкций на французском и английском языках, включая вопросы по общим темам, RAG-сценарии, перевод, математику, науку и программирование. Она особенно хорошо показала себя в тестах на следование инструкциям; французские результаты примечательны, несмотря на то что постобучение проводилось преимущественно на английских данных. Это первая версия постобучения семейства Luciole, и разработка продолжается. Перед применением в производственных системах модель следует проверить на целевых задачах: она может галлюцинировать, а для специализированной генерации кода и решения математических задач потребуется дополнительное обучение. Разработчики также отмечают ограниченный объём запоминаемых фактов и рекомендуют использовать RAG; контекст, задействованный при постобучении, короче заявленного контекста базовой модели. Лицензия — Apache 2.0.

Luda Brain v2 — языковая модель семейства Mistral, дообученная roseball369 на базе unsloth/mistral-7b-bnb-4bit с использованием Unsloth и библиотеки TRL от Hugging Face. Модель предназначена для генерации текста и диалогового взаимодействия. Она содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов; доступны веса в форматах Safetensors и GGUF Q4_K_M. В метаданных указан английский язык. Модель распространяется по лицензии Apache-2.0. Карточка не описывает специализацию дообучения, состав обучающих данных или результаты оценки качества, поэтому пригодность для конкретных предметных областей по имеющимся сведениям определить нельзя.

lumikabra-195b_v0.4 — объединённая языковая модель, созданная автором репозитория с помощью mergekit из слоёв schnapper79/lumikabra-123B_v0.4. Она использует архитектуру MistralForCausalLM с плотной структурой и содержит 194,2 млрд параметров. Модель предназначена для генерации текста и диалогов, включая развёрнутые повествовательные ответы; карточка также указывает интерфейс вызова инструментов. Контекст составляет до 131 072 токенов. Модель загружается через Transformers, веса опубликованы в формате safetensors. Лицензия в предоставленных данных не указана. Основание merge — повторное включение диапазонов слоёв [0, 70] и [18, 88] исходной модели с методом passthrough; поэтому характеристики и поведение наследуются от неё. README не содержит сведений о языковой специализации или результатах оценки качества.

Undi95/Lumimaid-Magnum-12B — объединённая диалоговая модель, созданная автором репозитория на основе Lumimaid и Magnum с помощью метода DELLA в mergekit. В состав смеси также включено дообучение Nemo только на входных данных Claude; шаблон общения — Mistral с маркерами [INST] и [/INST]. Модель имеет плотную архитектуру MistralForCausalLM, содержит 12,1 млрд параметров и предназначена для генерации текста в диалоге. В метаданных указан контекст до 1 024 000 токенов, однако README сообщает, что добавленное дообучение проводилось на контексте 16 тыс. токенов, поэтому фактическое качество на длинном контексте из этих данных не следует. Репозиторий использует формат safetensors и библиотеку Transformers. Сведения о лицензии и конкретных ограничениях применения в предоставленных данных отсутствуют.

Undi95/Lumimaid-Magnum-v4-12B — объединённая разговорная модель на архитектуре Mistral, созданная автором Undi95 с помощью mergekit. В объединение вошли Lumimaid, Magnum v4, LocalC и Mistral Nemo Instruct; также автор добавил дообученную на входах Claude версию Nemo. Модель содержит 12,1 млрд параметров, использует формат safetensors и рассчитана на контекст до 131 072 токенов. Для prompt используется шаблон Mistral [INST]…[/INST]. Модель предназначена для диалога и генерации текста по инструкциям, в том числе для продолжительных бесед и сценариев с вызовом инструментов. В README не описаны отдельные специализированные области применения или подробные оценки качества. Лицензия в предоставленных данных не указана.

Lumimaid-v0.2-70B — разговорная языковая модель семейства Llama, разработанная NeverSleep при участии Undi и IkariDev. Она основана на Meta-Llama-3.1-70B-Instruct и дообучена на смеси диалоговых, инструктивных и ролевых наборов данных; авторы отмечают, что в версии 0.2 очистили данные от нежелательного шаблонного текста. Модель имеет плотную архитектуру LlamaForCausalLM с 69,5 млрд параметров, принимает текст и генерирует текст. Заявленная длина контекста — 131 072 токена; карточка указывает шаблон общения Llama-3-Instruct и поддержку чата. Модель предназначена для диалогов, следования инструкциям и ролевого письма, включая сценарии со взрослым содержанием. Среди сильных сторон — крупный контекст и доработка обучающей выборки для более чистых ответов. Возможны типичные для генеративных моделей ошибки и нестабильность качества; карточка не приводит результатов оценки. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Luth-LFM2-1.2B — франкоязычная дообученная версия LFM2-1.2B, созданная kurakurai в сотрудничестве с Liquid AI. Модель дообучена полным fine-tuning на наборе Luth-SFT с помощью Axolotl, после чего результат объединён с LFM2-1.2B. Это плотная авторегрессионная модель семейства LFM2 на 1,5 млрд параметров; она работает через Transformers, использует формат safetensors и поддерживает контекст до 128 000 токенов. Модель предназначена для генерации текста и диалогов с выполнением инструкций. Дообучение улучшило результаты на французском языке в следовании инструкциям, математике и общих знаниях; английские возможности сохранились или немного улучшились. В карточке приведены оценки на французских и английских бенчмарках, включая IFEval, GPQA-Diamond, MMLU и Math500. Подходит для франкоязычных и англоязычных ассистентов, ответов на вопросы, решения математических задач и генерации текста. Лицензия указана как other, поэтому конкретные условия использования следует сверить с лицензией и файлами репозитория.

LwQ-30B-Instruct — инструкционно настроенная авторегрессионная языковая модель семейства Llama, разработанная prithivMLmods на базе meta-llama/Llama-3.1-8B-Instruct. В метаданных указаны 32,3 млрд параметров, архитектура LlamaForCausalLM, библиотека Transformers и контекст 2048 токенов. Модель предназначена для многоязычного диалога, следования инструкциям, математических рассуждений и решения задач с учетом контекста; также может создавать тексты, краткие изложения и ответы на вопросы. В карточке заявлено обучение на синтетических наборах данных для рассуждений и настройка для инструкционного взаимодействия. Модель принимает текст и генерирует текст; метаданные указывают английский язык, а README заявляет многоязычное применение без перечисления конкретных языков. Указанная лицензия — llama3.1. Среди ограничений отмечены возможные ошибки в сложных рассуждениях и узких темах, различия качества между языками, смещения, чувствительность к неоднозначным инструкциям и ограниченное контекстное окно.

Bineric Lynx Instruct 30B — языковая модель компании Bineric из Осло, дообученная на основе Qwen/Qwen3-30B-A3B-Instruct-2507 для европейских языков с особым упором на норвежский, шведский, датский и исландский. Она предназначена для диалогов, генерации текстов и выполнения инструкций; в карточке указаны результаты оценки на задачах распознавания именованных сущностей, анализа тональности, чтения с пониманием и суммаризации на северных языках. Модель использует архитектуру Qwen3 MoE с 30 млрд параметров суммарно и примерно 3 млрд активных параметров на токен; контекстное окно составляет 262 144 токена. Репозиторий содержит веса Safetensors, библиотека запуска — Transformers. Карточка заявляет поддержку более 100 языков, а метаданные подтверждают английский, норвежский, шведский и датский; языки с основными оценками — также исландский. Доступны варианты в bf16, 8-битном и 4-битном представлении, причём квантование может снижать качество. Сильные стороны по приведённым оценкам — распознавание сущностей и понимание прочитанного на северных языках, а также датские тесты на знания. Слабее модель справляется с грамматическими суждениями, исландским здравым смыслом и норвежскими идиомами. Лицензия — Apache-2.0; модель доступна для самостоятельного размещения и интеграции через API.

LYRA-FALCON — разговорная генеративная модель, разработанная и поддерживаемая Muhammad Taqi. В метаданных Hugging Face указаны архитектура Falcon с плотной моделью класса FalconForCausalLM, около 10,9 млрд параметров и библиотека Transformers. README называет базовую архитектуру LYRAMOON и заявляет быструю генерацию ответов; подробностей о методе обучения и измерениях скорости не приводится. Модель предназначена для диалогов и генерации текста. Метаданные указывают английский язык, поддержку чата и лицензию Apache-2.0. В каталоге также отмечены классификация текста, разметка токенов и ответы на вопросы как поддерживаемые задачи, хотя основная задача из карточки автора — генерация текста.

UCSC-VLAA/m1-7B-23K — языковая модель семейства Qwen2, опубликованная UCSC-VLAA. Она предназначена для диалогов и ответов на вопросы; каталог также относит её к генерации текста и отмечает интерфейс вызова инструментов. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Qwen2ForCausalLM и принимает контекст до 32 768 токенов. Модель работает с текстом и размещена в формате safetensors. Метаданные указывают лицензию MIT. README содержимого не предоставляет, поэтому сведения о специальной настройке, языковом охвате и фактической точности подтвердить нельзя.

M7Yamshadowexperiment28_Experiment27Experiment28 — объединённая модель для генерации текста, созданная на основе automerger/M7Yamshadowexperiment28-7B и automerger/Experiment27Experiment28-7B. В метаданных архитектура указана как MistralForCausalLM: плотная трансформерная модель на 7,1 млрд параметров с контекстом до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Доступна в формате safetensors и распространяется по лицензии Apache-2.0. README не описывает специализацию, языки или результаты оценки качества модели.

MaziyarPanahi/M7Yamshadowexperiment28_Inex12Strangemerges_32 — объединённая модель на архитектуре Mistral, созданная слиянием automerger/M7Yamshadowexperiment28-7B и automerger/Inex12Strangemerges_32-7B. Она предназначена для генерации текста и принимает текстовые запросы, выдавая текстовые продолжения. Модель содержит 7,1 млрд параметров, использует формат safetensors и поддерживает контекст до 32 768 токенов. Модель распространяется по лицензии Apache-2.0. README и метаданные не описывают её специализацию, языки или оценку качества, поэтому её возможности сверх генерации текста и языковую поддержку нельзя уточнить.

MaziyarPanahi/M7Yamshadowexperiment28_Strangemerges_30Experiment26 — объединённая языковая модель на архитектуре Mistral с плотной архитектурой и 7,1 млрд параметров. Веса хранятся в формате safetensors; модель создана путём слияния automerger/M7Yamshadowexperiment28-7B и automerger/Strangemerges_30Experiment26-7B. Модель предназначена для генерации текста и принимает текстовые запросы, выдавая текстовые продолжения. Заявленная длина контекста — 32 768 токенов. Карточка не описывает специальные области применения, языки или отдельные возможности модели. Модель распространяется по лицензии Apache-2.0. Карточка не приводит оценок качества или подробных ограничений, поэтому пригодность для конкретных сценариев следует проверять отдельно.

ClaudioItaly/Magdala-9B — слияние языковых моделей, созданное автором с помощью mergekit и метода Model Stock на основе ClaudioItaly/Vangelus-Secundus. В состав слияния вошли ClaudioItaly/1800-9B, ClaudioItaly/Vangelus-Secundus, jsgreenawalt/gemma-2-9B-it-advanced-v2.1, mehmetkeremturkcan/oblivionsend, sam-paech/Delirium-v1 и sam-paech/Quill-v1. Модель построена на архитектуре Gemma 2 с плотной авторегрессионной архитектурой и содержит 9 млрд параметров. Она предназначена для диалоговой генерации текста; каталог также отмечает поддержку чата. Контекст составляет 8192 токена. Модель распространяется в формате safetensors и использует библиотеку Transformers. Данные карточки не описывают отдельно языки, специализированные области или конкретные ограничения качества. Лицензия в предоставленных сведениях не приведена.

Magnolia-v3-Gemma2-8k-9B — объединённая языковая модель, созданная grimjim с помощью mergekit методом SLERP из grimjim/Gigantes-v1-gemma2-9b-it и grimjim/Magnolia-v2-Gemma2-8k-9B. Это плотная авторегрессионная модель семейства Gemma 2 с 9 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Модель принимает текстовые запросы и выдаёт текст. Длина контекста составляет 8192 токена. Репозиторий содержит веса в формате safetensors, а для использования указана лицензия Gemma. README не приводит результатов оценки качества или подробных рекомендаций по сценариям применения.

Taephom/magnumL — языковая модель для диалоговой генерации текста, созданная слиянием двух моделей через mergekit методом Passthrough: anthracite-org/magnum-v2.5-12b-kto и DavidAU/Mistral-Nemo-2407-12B-Thinking-Claude-Gemini-GPT5.2-Uncensored-HERETIC. Модель относится к семейству Mistral, использует плотную архитектуру MistralForCausalLM и содержит 22,4 млрд параметров. Опубликованные веса представлены в формате Safetensors; в конфигурации слияния указан тип bfloat16. Модель предназначена для общения и генерации текста, в том числе для творческого письма и ролевых сценариев. Метаданные указывают контекст до 1 024 000 токенов и возможность диалога. Базовая модель описана как многоязычная, однако конкретные поддерживаемые языки в карточке не перечислены. Модель обозначена как uncensored, поэтому может выдавать контент без обычных ограничений. Условия лицензирования в предоставленных данных не указаны.

Magnum-v1-72b-Qwen2.5 — слитая автором модели языковая модель на архитектуре Qwen2 для диалогов и генерации текста. Веса объединяют влияние anthracite-org/magnum-v1-72b с Qwen/Qwen2.5-72B-Instruct: автор извлёк LoRA из ранней модели Magnum и перенёс её на Qwen2.5-Instruct, после чего объединил результат в самостоятельную модель. Размер — 71,5 млрд параметров, формат — safetensors, контекст — 32 768 токенов. Модель предназначена для творческой генерации и общения; в описании также отмечены генерация кода и сохранение улучшений Qwen2.5. Заявлены английский язык и интерфейс для вызова инструментов. Автор сообщает о положительных результатах собственных проб, но не приводит формальной оценки качества. Лицензия указана как other.

bartowski/magnum-v3-27b-kto-GGUF — это набор GGUF-квантизированных версий языковой модели anthracite-org/magnum-v3-27b-kto. Квантизация выполнена bartowski с использованием llama.cpp, версии b3715, и метода imatrix. Модель предназначена для генерации текста и запуска локально через совместимые приложения, включая LM Studio. Для взаимодействия рекомендуется шаблон сообщений ChatML с ролями system, user и assistant. Модель имеет 27 миллиардов параметров; README не указывает точную базовую архитектуру, поддерживаемые языки, модальности и размер контекстного окна. Доступны варианты от F16 до Q2_K, включая Q8_0, Q6_K, Q5_K, Q4_K, IQ4 и другие форматы. Более высокие разрядности обеспечивают лучшее сохранение качества, но требуют больше памяти; низкоразрядные варианты уменьшают требования к памяти за счёт снижения качества. Для ARM-процессоров предусмотрены специальные варианты Q4_0 с требованиями к поддержке SVE или i8mm. Сильной стороной набора является широкий выбор размеров файлов и уровней квантизации, позволяющий адаптировать запуск под доступную оперативную память; варианты Q6_K_L, Q6_K, Q5_K и Q4_K отмечены как рекомендуемые. Ограничения включают значительные требования к памяти для полноразмерных вариантов и возможное ухудшение качества у низкоразрядных форматов. Лицензия в README не указана.

magnum-v4-22b-GGUF — это набор GGUF-квантизаций языковой модели magnum-v4-22b, разработанной организацией anthracite-org и подготовленной для распространения пользователем bartowski. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск через llama.cpp и LM Studio. Указан английский язык и формат взаимодействия [INST]…[/INST]. Базовая модель содержит около 22 миллиардов параметров. Доступны варианты от F16 до низкобитных Q2 и IQ2-квантизаций, размер файлов составляет примерно от 6,65 до 44,50 ГБ. Квантизации выполнены с использованием imatrix и llama.cpp release b3930; отдельные варианты применяют Q8_0 для embedding- и output-весов, что может улучшать сохранение качества. Более точные варианты требуют больше памяти, а компактные варианты экономят ресурсы ценой снижения качества. Данные о контекстном окне, архитектуре, дополнительных модальностях и результатах бенчмарков не приведены. Модель поддерживает только текстовую генерацию, поэтому подходит для локальных чат-ботов и других задач создания текста на английском языке. Лицензия обозначена как MRL; её подробные условия в README не раскрыты.

Kaoeiri объединил языковые модели с помощью mergekit и метода DARE TIES. За основу взята anthracite-org/magnum-v4-22b, в объединение также вошли TheDrummer/Cydonia-22B-v1.1, TheDrummer/Cydonia-22B-v1.2 и TheDrummer/Cydonia-22B-v1.3. Модель построена на архитектуре Mistral, содержит 22 млрд параметров и использует формат safetensors. Модель предназначена для генерации текста и диалогов. Она принимает текст и выдаёт текст, а контекст составляет до 32 768 токенов. Базовая модель описана как англоязычная модель для диалогов, следования инструкциям и связной прозы; отдельных сведений о языках и сильных сторонах получившегося объединения карточка не приводит. Лицензия в предоставленных данных не указана.

MagnusIntellectus-12B-v1 — объединённая модель для генерации текста и диалогов, созданная GalrionSoftworks с помощью LazyMergekit из UsernameJustAnother/Nemo-12B-Marlin-v5 и anthracite-org/magnum-12b-v2. Это плотная причинно-языковая модель семейства Mistral с архитектурой MistralForCausalLM и 12,1 млрд параметров; карточка указывает контекст до 1 024 000 токенов. Модель предназначена для генерации текста и ведения диалогов в чат-сценариях. В README описано слияние методом TIES с нормализацией и весами 0,70 и 0,30; веса опубликованы в формате safetensors и типе bfloat16. В карточке приведены результаты Open LLM Leaderboard: средний балл 21,55, IFEval 44,21 и BBH 33,26. Лицензия — Apache-2.0. Данных о поддерживаемых естественных языках в предоставленных источниках нет.

maid-yuzu-v8 — языковая модель для генерации текста, созданная автором репозитория rhplus0831 путём последовательного слияния моделей через SLERP с помощью mergekit. В финальном шаге объединены maid-yuzu-v8-step4 и smelborp/MixtralOrochi8x7B; ранее в цепочке использовались Mixtral-8x7B, Bagel, Dolphin и Noromaid. Архитектура Mixtral MoE, класс MixtralForCausalLM; размер — 7,1 млрд параметров, формат весов — Safetensors, контекст — 32 768 токенов. Модель предназначена для генерации текста и диалогов. Карточка описывает сборку как экспериментальную пробу и отмечает, что автор сомневался в получении полноценной модели. Лицензия в предоставленных данных не указана.

MamayLM-Gemma-3-27B-IT-v2.0 — украински адаптированная мультимодальная языковая модель, разработанная INSAIT на основе Google Gemma 3 27B IT. Это плотная модель архитектуры Gemma 3 с 27 млрд параметров, предназначенная для диалогов, следования инструкциям и понимания изображений вместе с текстом. Карточка описывает улучшенную поддержку украинского языка и культурного контекста, многоходовые беседы и сложные инструкции; также модель поддерживает английский язык. Модель подходит для ответов на вопросы по тексту и изображениям, диалоговых помощников и анализа визуального содержимого с учётом текстового контекста. Данные предобучения охватывают период до мая 2025 года, а инструкционная настройка — до октября 2025 года. Репозиторий содержит веса в формате Safetensors; для работы с изображениями требуется сохранять корректную обработку vision-компонентов. Лицензия — Gemma.

Mamba-1.4B-HF — версия языковой модели семейства Mamba, опубликованная организацией state-spaces в формате, совместимом с Transformers. Модель имеет плотную архитектуру MambaForCausalLM и около 1,7 млрд параметров; веса доступны в формате safetensors. Карточка описывает использование стандартного API генерации Transformers и приводит пример дообучения с PEFT. Модель предназначена для генерации продолжения текста и может использоваться в приложениях, которым нужна авторегрессионная языковая модель. README сообщает, что чекпойнты не изменялись, а в репозиторий добавлены конфигурация и токенизатор. Лицензия и сведения о целевых языках в предоставленных данных не приведены.

Карточка модели Kailune-AI/mamba-gpt-3b на Hugging Face совпадает с карточкой CobraMamba/mamba-gpt-3b, поэтому описание составлено по ней. CobraMamba/mamba-gpt-3b — языковая модель, дообученная авторами репозитория на open-lama. В карточке базовой моделью названа openlm-research/open_llama_3b; каталог классифицирует архитектуру как плотную LLaMA с классом LlamaForCausalLM. Модель содержит 3,3 млрд параметров, принимает текст и генерирует текст, работает через Transformers и поддерживает контекст до 2048 токенов. Модель предназначена для генерации продолжений текста и языковых задач, включая ответы на вопросы и рассуждение по текстовому запросу. В README приведены результаты бенчмарков MMLU, ARC, HellaSwag и других оценок; авторы сообщают о сравнении с OpenLLaMA 3B и LLaMA. Карточка указывает лицензию Apache-2.0. README предупреждает, что ответы могут быть ошибочными, нерелевантными или содержать предвзятый и оскорбительный контент. В оценке авторы исключили CB и WSC из-за подозрения на загрязнение обучающими данными, поэтому приведённые результаты следует интерпретировать с учётом этого ограничения.

mamba-gpt-3b-v3 — языковая модель на 3,3 млрд параметров от CobraMamba, дообученная на основе openlm-research/open_llama_3b_v2. Она предназначена для генерации текста, диалогов и ответов на инструкции; в обучающих данных использованы Stanford Alpaca, Open Assistant, LIMA и CodeAlpaca 20k. Модель построена на архитектуре LlamaForCausalLM и запускается через библиотеку Transformers. Контекст составляет 2048 токенов; карточка указывает английский и многоязычные данные Open Assistant. В README приведены результаты тестов MMLU, ARC и HellaSwag, однако их следует считать заявлениями авторов. Модель подходит для экспериментов и приложений с генерацией текста, включая ответы на вопросы и помощь с кодом. Она может выдавать неточные, нерелевантные или предвзятые ответы, а небольшой контекст ограничивает работу с длинными запросами. Лицензия репозитория — Apache-2.0.

Карточка модели Kailune-AI/mamba-gpt-3b-v3 на Hugging Face совпадает с карточкой CobraMamba/mamba-gpt-3b-v3, поэтому описание составлено по ней. mamba-gpt-3b-v3 — языковая модель на 3,3 млрд параметров от CobraMamba, дообученная на основе openlm-research/open_llama_3b_v2. Она предназначена для генерации текста, диалогов и ответов на инструкции; в обучающих данных использованы Stanford Alpaca, Open Assistant, LIMA и CodeAlpaca 20k. Модель построена на архитектуре LlamaForCausalLM и запускается через библиотеку Transformers. Контекст составляет 2048 токенов; карточка указывает английский и многоязычные данные Open Assistant. В README приведены результаты тестов MMLU, ARC и HellaSwag, однако их следует считать заявлениями авторов. Модель подходит для экспериментов и приложений с генерацией текста, включая ответы на вопросы и помощь с кодом. Она может выдавать неточные, нерелевантные или предвзятые ответы, а небольшой контекст ограничивает работу с длинными запросами. Лицензия репозитория — Apache-2.0.