I.5Создание и редактирование текста

Dirk-Qwen3.8-27B-GGUF — это квантованная GGUF-версия плотной мультимодальной модели Qwen3.8-27B, разработанной командой Qwen и опубликованной пользователем npario. Модель предназначена для диалогов, агентного программирования, анализа изображений и других задач, требующих генерации текста с поддержкой vision-language. Она рассчитана на запуск через llama.cpp и совместимые рантаймы. Модель сохраняет веса исходной Qwen3.8-27B, vision-возможности и MTP-голову nextn для multi-token prediction и speculative decoding. В поставку включён Sharp chat template, ориентированный на краткие ответы и работу без дополнительной настройки шаблона. Поддерживаются английский и китайский языки. Доступны уровни reasoning_effort low, medium и xhigh; high является псевдонимом xhigh, а рассуждения можно полностью отключить. Контекстный размер в README не указан. Сильные стороны модели — компактные ответы, потенциально более высокая скорость генерации благодаря MTP и широкий выбор квантов Dynamic 3.0 UD размером примерно от 9,8 до 31,5 ГБ. Ограничения связаны с потерями качества у малобитных квантов, требованиями к видеопамяти и необходимостью использования совместимого vision-проектора mmproj-F16.gguf для работы с изображениями. Модель распространяется по лицензии Apache-2.0.

sshleifer/distill-pegasus-xsum-16-4 — англоязычная модель суммаризации на архитектуре encoder-decoder PEGASUS, поддерживаемая sshleifer. Модель содержит 366,8 млн параметров и принимает текст длиной до 1024 токенов. Она предназначена для создания кратких пересказов, в частности в стиле датасета XSum. Модель относится к варианту PEGASUS, обученному на смеси C4 и HugeNews с изменённой предтренировочной схемой: случайно выбираются доля пропуска предложений и важные предложения. В метаданных указан формат PyTorch. Лицензия в предоставленных данных не указана.

Это дообученная модель генерации текста на основе meta-llama/Llama-3.2-1B-Instruct, опубликованная пользователем Grogros. Она использует плотную архитектуру LlamaForCausalLM и содержит около 1,2 млрд параметров. Модель предназначена для диалоговой генерации текста; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст. Базовая модель поддерживает несколько языков, однако конкретные языки и специализация этого дообучения в карточке не описаны. Заявленная длина контекста составляет 131 072 токена. Карточка не приводит результатов оценки или описания обучающих данных, поэтому качество в отдельных задачах оценить нельзя. Лицензия — Llama 3.2; её условия следует учитывать при использовании и распространении модели.

Dolphin 2.2 70B — разговорная языковая модель от Eric Hartford, обученная на базе StellarBright, которая основана на Llama 2. Она предназначена для диалогов, следования инструкциям и продолжительных многоходовых бесед; автор отмечает улучшения в эмпатичных ответах и персональных советах. Модель использует плотную архитектуру LlamaForCausalLM, содержит 68,7 млрд параметров, принимает текст и выдаёт текст. Контекст — до 4096 токенов. Для общения применяется формат ChatML. При обучении использованы наборы Dolphin, Airoboros 2.2.1, а также отобранные данные Samantha и WizardLM. Автор характеризует модель как uncensored и предупреждает, что она может выполнять запросы, связанные с неэтичным содержанием; перед предоставлением её пользователям рекомендуется добавить собственный слой ограничений. Лицензия — Llama 2, README указывает на возможность коммерческого и некоммерческого использования.

Dolphin 2.6 Mistral 7B GGUF — это квантизированная версия языковой модели Dolphin 2.6 Mistral, разработанной Cognitive Computations и преобразованной в формат GGUF компанией Second State Inc. Модель основана на cognitivecomputations/dolphin-2.6-mistral-7b и предназначена для локального запуска в приложениях и сервисах, поддерживающих GGUF, включая LlamaEdge. Модель относится к текстовым языковым моделям, работает на английском языке и поддерживает контекст до 4096 токенов. Для взаимодействия используется шаблон ChatML. Доступны варианты квантования от Q2_K до Q8_0 размером примерно от 3,08 до 7,7 ГБ. Вариант Q4_K_M заявлен как сбалансированный и рекомендуемый, а Q5_K_M и Q5_K_S обеспечивают меньшее снижение качества при большем размере. К сильным сторонам относятся возможность локального развертывания, широкий выбор уровней квантования и адаптация для диалоговых и инструкционных сценариев. Ограничения включают англоязычную специализацию, контекст в 4096 токенов и неизбежную потерю качества при более агрессивном квантовании; вариант Q2_K прямо не рекомендуется для большинства задач. Модель распространяется по лицензии Apache-2.0.

Это конвертированная версия разговорной модели Dolphin 2.6 на архитектуре Phi-2. Модель предназначена для генерации текста в диалогах и ответов на инструкции. В карточке указаны форматы PyTorch, Safetensors и GGUF, а максимальный контекст составляет 2048 токенов. Модель ориентирована на английский язык и обучена на смесях диалоговых и инструктивных наборов данных, включая Dolphin, Airoboros, OpenHermes и Magicoder. Лицензия обозначена как other, поэтому условия использования следует уточнить в исходной карточке.

Dolphin-2.8-slerp — языковая модель семейства Mistral, собранная из предварительно обученных моделей yam-peleg/Experiment26-7B и cognitivecomputations/dolphin-2.8-experiment26-7b с помощью слияния SLERP через mergekit. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогового применения через формат ChatML. В репозитории опубликованы веса safetensors; лицензия — Apache 2.0. В карточке указана поддержка английского языка. Подробные оценки качества и специфические ограничения в предоставленных материалах не описаны.

Это GGUF-квантизированная версия модели dolphin-2.9.2-Phi-3-Medium-abliterated, разработанной cognitivecomputations и подготовленной пользователем legraphista. Модель основана на Phi-3 Medium, распространяется для генерации текста и ориентирована на диалоговые, инструкционные, математические, кодовые и агентские сценарии. В обучении исходной модели использовались, в частности, наборы Dolphin-2.9.2, OpenHermes-2.5, CodeFeedback-Filtered-Instruction, dolphin-coder, Samantha, Orca Math и Agent-FLAN. Модель предназначена для локального запуска через llama.cpp и совместимые инструменты. Репозиторий предоставляет файлы в форматах BF16, FP16 и различных вариантах квантования GGUF: от Q8_0 и Q6_K до Q2_K, включая варианты с применением IMatrix. Размер доступных файлов составляет примерно от 5,20 до 27,92 ГБ. Указан английский язык; сведения о других языках, точном числе параметров, архитектурных деталях и размере контекста в README отсутствуют. К сильным сторонам относятся широкий выбор уровней квантования, возможность подобрать баланс между качеством и требованиями к памяти, а также использование IMatrix в ряде компактных вариантов. Ограничения включают зависимость характеристик от выбранного файла квантования и отсутствие в предоставленных данных результатов бенчмарков или подробной оценки качества. Модель и её варианты распространяются по лицензии MIT.

timpal0l/dolphin-2.9-llama3-8b-flashback — объединённая языковая модель на архитектуре Llama 3 с 7,5 млрд параметров. Она предназначена для генерации текста и запускается через библиотеку Transformers; заявленный контекст составляет 8192 токена. Модель объединяет dolphin-2.9-llama3-8b и Llama-3-8B-flashback-v1. В метаданных перечислены шведский, датский, норвежский и английский языки. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. Модель можно использовать для генерации ответов и продолжения текста на поддерживаемых языках. Карточка не приводит результатов оценки качества или подробных ограничений, поэтому пригодность для конкретных задач следует проверять самостоятельно.

Карточка модели LoyalTyAI/Dolphin-Mistral-24B-Venice-Edition на Hugging Face совпадает с карточкой dphn/Dolphin-Mistral-24B-Venice-Edition, поэтому описание составлено по ней. Dolphin Mistral 24B Venice Edition — разговорная модель общего назначения, созданная в совместном проекте Dolphin и Venice.ai на основе Mistral-Small-24B-Instruct-2501. Это плотная модель семейства Mistral 3 с 24 млрд параметров, представленная в формате safetensors и рассчитанная на работу через Transformers; для развёртывания авторы рекомендуют vLLM. Модель предназначена для диалогов и выполнения инструкций в приложениях, где владелец задаёт системный промпт и самостоятельно определяет стиль и правила ответов. Авторы позиционируют её как менее ограниченную настройками поведения, чем обычные коммерческие чат-модели, и сообщают, что она используется как модель Venice Uncensored. В карточке указан стандартный шаблон чата Mistral; авторы рекомендуют низкую температуру генерации, например 0,15. Модель принимает текст и генерирует текст. README не сообщает поддерживаемые естественные языки и длину контекста. Репозиторий распространяется по лицензии Apache-2.0. Модель ориентирована на управляемое поведение, однако её следование инструкциям зависит от системного промпта и параметров генерации; заявленная сниженная цензура означает, что ответы могут включать потенциально вредный или неподходящий контент.

Dolphin-Mistral-24B-Venice-Edition-1.2-GGUF — это набор квантованных GGUF-версий модели Dolphin-Mistral-24B-Venice-Edition, разработанный пользователем douganger на основе релиза 1.2 от dphn. Модель предназначена для запуска локально с использованием совместимых инструментов, включая llama.cpp, и ориентирована на мультимодальные сценарии с обработкой текста и изображений, а также на работу с инструментами. Архитектурно это модель семейства Mistral с размером около 24 млрд параметров; доступны варианты квантования от Q3_K_M до Q8_0 размером примерно от 10,69 до 23,33 ГБ. Для версии 1.2 заявлены поддержка vision, контекст длиной до 131 тыс. токенов и улучшенный tool calling. Vision-адаптеры и importance matrix включены в сборку. README не указывает полный перечень поддерживаемых языков. Сильные стороны модели — широкий контекст, мультимодальность, улучшенная работа с инструментами и несколько вариантов квантования с разным компромиссом между размером и качеством; Q4_K_M обозначен как хороший вариант по умолчанию, а Q8_0 — практически эквивалентный исходным весам BF16. Ограничения связаны с требованиями к памяти, зависящими от выбранного квантования, а также с тем, что фактическая поддержка vision и tool calling зависит от совместимого программного обеспечения. Модель распространяется по лицензии Apache-2.0.

Dolphin-Nebula-7B — разговорная языковая модель на архитектуре Mistral, созданная Weyaxi путём объединения ehartford/dolphin-2.0-mistral-7b и адаптера PulsarAI/Nebula-7B-Lora. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста в диалогах; её контекстное окно составляет 32 768 токенов. В карточке указаны английский язык и датасет Open-Platypus. Модель подойдёт для ведения диалога и генерации ответов на английском языке. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. В README приведена таблица результатов Open LLM Leaderboard, но значения метрик не заполнены, поэтому качество по этим тестам оценить нельзя.

eren23/dpo-binarized-NeutrixOmnibe-7B — диалоговая языковая модель на архитектуре Mistral, созданная разработчиком путём DPO-дообучения Kukedlc/NeuTrixOmniBe-7B-model-remix на парах предпочтений argilla/OpenHermes2.5-dpo-binarized-alpha. Модель предназначена для генерации ответов в диалоге и других задач продолжения текста; в карточке приведены результаты оценки на бенчмарках AI2 Reasoning Challenge и HellaSwag. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Доступны веса в формате safetensors; лицензия — Apache-2.0. Карточка указывает английский язык. Результаты бенчмарков не гарантируют качество на конкретных пользовательских задачах.

DPOpenHermes-7B — диалоговая языковая модель Open Access AI Collective, созданная на базе OpenHermes-2.5-Mistral-7B. Модель с архитектурой Mistral и 7,1 млрд параметров дообучена методом Direct Preference Optimization на наборах предпочтений Intel/orca_dpo_pairs и argilla/ultrafeedback-binarized-preferences, а затем дополнительно обучена на 7000 примерах OpenHermes, чтобы корректно завершать ответы токеном конца последовательности. Для обучения использовался qLoRA; репозиторий также содержит адаптер. Модель предназначена для генерации текста и многоходового общения в формате ChatML, включая выполнение инструкций и ответы на вопросы. Она принимает текстовые диалоговые сообщения и генерирует текст; заявленный размер контекста — 32 768 токенов. В карточке указаны английский язык и Apache-2.0. README отмечает, что дополнительное SFT снизило результаты бенчмарков по сравнению с DPO-only версией; в описании также упоминается исходная DPO-only модель в ветке dpo-v0.

DPO-Zephyr-7B — дообученная компанией ShenaoZ языковая модель для генерации текста и диалогового общения. Она основана на Mistral-7B SFT Beta и дополнительно обучена методом DPO на датасете HuggingFaceH4/ultrafeedback_binarized. Модель имеет плотную архитектуру MistralForCausalLM, 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для текстовых диалогов и генерации ответов. Базовая модель обучалась на англоязычных синтетических диалогах; отдельные языковые характеристики DPO-Zephyr-7B в карточке не описаны. Весы опубликованы в формате safetensors по лицензии MIT.

DupletBoreas-7B-t0.0001 — экспериментальная объединённая языковая модель, опубликованная под именем v000000. Она создана алгоритмом NearSwap на основе fearlessdots/WizardLM-2-7B-abliterated и Virt-io/Erebus-Holodeck-7B; в README первой указана как базовая fearlessdots/WizardLM-2-7B-abliterated. Модель построена на плотной архитектуре MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и многоходового диалога в формате запросов, совместимом с Vicuna. В README также описана поддержка жанровых подсказок. Указаны веса в формате safetensors; автор README благодарит за квантованные версии GGUF и GGUF imatrix, но эти форматы не перечислены среди файлов метаданных этой модели. Языки и специализированные области применения не заявлены. Условия лицензии в предоставленных данных не указаны.

Dusk_Rainbow — чат-модель SicariusSicariiStuff для творческого письма и общих задач. Она построена на плотной архитектуре Llama с 7,5 млрд параметров и контекстом до 10 240 токенов; поддерживает шаблоны ChatML и Llama 3-Instruct. Автор сообщает, что модель дообучена на 16 млн токенов тестовых данных для проекта LLAMA-3_8B_Unaligned; в качестве основы использована EtherealRainbow-v0.3-8B, представляющая собой объединение нескольких моделей. Модель предназначена прежде всего для написания рассказов и следования инструкциям, включая требования к длине абзацев. В карточке заявлен низкий уровень цензурирования. Доступны веса FP16, а также производные квантованные варианты; репозиторий модели содержит safetensors. Лицензия — Llama 3 Community License (llama3).

Dynin-Omni — мультимодальная модель семейства Dynin-Omni, разработанная авторами проекта Dynin-Omni и дообученная на основе Gen-Verse/MMaDA-8B-MixCoT. Это плотная модель примерно на 9,2 млрд параметров с архитектурой masked diffusion: она представляет текст, изображения, видео и речь дискретными токенами в общем словаре и генерирует ответы итеративным уточнением масок. Модель предназначена для диалога и рассуждений, понимания изображений и видео, генерации и редактирования изображений, распознавания речи и синтеза речи. Единая архитектура поддерживает преобразования между модальностями, включая видео в текст, речь в текст, текст в речь и текст в изображение. В README заявлены расширенный контекст, генерация речи длительностью до 21 секунды и режимы рассуждения с управлением глубиной. Модель можно запускать и обучать локально через Transformers; поддержка в vLLM-Omni заявлена для будущего выпуска версии 0.19.0. В карточке приведены результаты на тестах рассуждений, понимания изображений и видео, генерации изображений и распознавания речи. Эти значения зависят от используемого протокола оценки. Лицензия — MIT. Карточка указывает английский язык; языки для аудио и других мультимодальных задач отдельно не перечислены.

ECE-PRYMMAL1B-FT-V1 — компактная диалоговая языковая модель, разработанная Юри Лаленом (Youri Lalain) при участии инженерной школы ECE. Она создана дообучением LilRg/ECE-1B-merge-PRYMMAL на наборе инструкций mosaicml/instruct-v3 и предназначена для генерации текста, выполнения инструкций и решения задач, требующих рассуждений. Модель построена на плотной архитектуре Qwen2, содержит 1,5 млрд параметров и поддерживает контекст до 32 768 токенов. Она работает с текстом, поддерживает диалог и интерфейс вызова инструментов; опубликованные веса представлены в формате safetensors и рассчитаны на библиотеку Transformers. Результаты на Open LLM Leaderboard в карточке включают среднее значение 11,80, IFEval 21,44 и BBH 16,19; эти показатели сами по себе не гарантируют качество на пользовательских задачах. Лицензия Apache-2.0 допускает использование на её условиях. Карточка не уточняет поддерживаемые естественные языки; языковую надёжность следует проверять на целевых данных.

ElEmperador — дообученная модель Mistral-7B-v0.1, созданная с применением ORPO для согласования ответов с человеческими предпочтениями. Она предназначена для генерации текста и диалогового использования. Модель имеет плотную архитектуру Mistral с 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. В метаданных указан английский язык, а веса представлены в формате safetensors. В карточке сообщается, что ORPO применялся для улучшения модели вместе с дообучением на инструкциях; приведён результат BLEU 0,209, но условия оценки не описаны. Ожидаемое преимущество — более предпочтительные и удобные для пользователя ответы. Модель распространяется по лицензии Apache-2.0.

Карточка модели elyza/ELYZA-japanese-Llama-2-7b-fast-instruct на Hugging Face совпадает с карточкой elyza/ELYZA-japanese-Llama-2-7b-instruct, поэтому описание составлено по ней. ELYZA-japanese-Llama-2-7b-instruct — языковая модель ELYZA на архитектуре Llama 2, предназначенная для генерации текста и инструкционного диалога. Модель расширяет способности Llama 2 к японскому языку дополнительным предварительным обучением; в карточке она указана как версия instruct семейства ELYZA-japanese-Llama-2-7b. Разработчики: Akira Sasaki, Masato Hirakawa, Shintaro Horie и Tomoaki Nakamura. Модель содержит около 6,6 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текст, выдавая текст. Контекст составляет 4096 токенов. В метаданных указаны японский и английский языки; основное назначение — работа с японским текстом, включая ответы по инструкциям и генерацию. Модель распространяется по лицензии Llama 2. Карточка не приводит подробных оценок качества или ограничений; как и другие языковые модели, она может выдавать неточные или вымышленные сведения.

EmertonBeagle-7B-dpo — языковая модель, созданная yleo как DPO-дообучение mlabonne/OmniBeagle14-7B на наборе предпочтений yleo/emerton_dpo_pairs_judge. В метаданных указаны архитектура Mistral, 7,1 млрд параметров и контекст до 32 768 токенов; README сообщает о контекстном окне 8 тыс. токенов и совместимости с шаблонами чата ChatML и Llama. Модель предназначена для генерации текста в диалоговом формате. При обучении ответы GPT-4 Turbo выбирались как предпочтительные по сравнению с ответами GPT-4. Доступна в формате safetensors под лицензией CC BY-NC 4.0, которая ограничивает коммерческое использование.

em_german_leo_mistral-Mistral-7B-Instruct-v0.1 — объединённая чат-модель на архитектуре Mistral, созданная слиянием mistralai/Mistral-7B-Instruct-v0.1 и jphme/em_german_leo_mistral методом SLERP. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста в ответ на инструкции и диалоговые запросы на немецком языке. Модель подходит для немецкоязычных чат-ботов, ответов на вопросы и других сценариев генерации текста. Заявленный размер контекстного окна — 32 768 токенов. Модель распространяется под лицензией Apache-2.0.

EmotixX-Ai — текстовая генеративная модель sabibahamed, дообученная на unsloth/Qwen2.5-7B-Instruct-bnb-4bit с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалогового взаимодействия; метаданные также отмечают интерфейс вызова инструментов. Модель построена на плотной архитектуре Qwen2 с 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В карточке указан английский язык и лицензия Apache-2.0. Описание обучения не раскрывает его предметную область или специализированные возможности, поэтому применимость к конкретным задачам сверх генерации текста и диалога не подтверждена.

Legion-V2.1-LLaMa-70B-Elarablated-v0.8-hf-GGUF — это квантизированная GGUF-версия языковой модели Legion-V2.1-LLaMa-70B-Elarablated-v0.8-hf, разработанной e-n-v-y и подготовленной пользователем bartowski. Модель предназначена для генерации текста и запуска локально через llama.cpp, LM Studio и другие совместимые проекты на базе llama.cpp. В основе лежит модель семейства LLaMa с заявленным размером 70B параметров. Доступны варианты квантизации от Q8_0 до низкобитных Q3 и IQ3, что позволяет выбирать между качеством ответов, размером файла и требованиями к оперативной памяти. Рекомендуемыми указаны варианты Q6_K, Q5_K_M, Q5_K_S, Q4_K_L, Q4_K_M, Q4_K_S и IQ4_XS; размеры доступных файлов составляют примерно от 31,94 до 74,98 ГБ. Для работы используется форматированный шаблон промпта LLaMA 3 с системными, пользовательскими и ассистентскими сообщениями. Сильной стороной модели является возможность локального запуска и широкий выбор квантизаций, включая варианты, оптимизированные для ограниченного объёма памяти и некоторых CPU-платформ. Ограничения включают значительные требования к дисковому пространству и памяти, особенно для высококачественных вариантов; при более сильной квантизации качество снижается. Сведения о поддерживаемых языках, размере контекстного окна, мультимодальности и специализированных сценариях в README не указаны. Лицензия обозначена как llama3.3.

ErebusNeuralSamir-7B-dare-ties — объединённая языковая модель на архитектуре Mistral, созданная автором stevez80 с помощью mergekit и метода DARE-TIES. В объединение вошли SamirGPT-v1, NeuralHermes-2.5-Mistral-7B и Mistral-7B-Erebus-v3 на базе Mistral-7B-v0.1. Модель содержит 7,1 млрд параметров, использует формат safetensors и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев, включая творческое письмо и ролевое взаимодействие. Лицензия — Apache-2.0. README не приводит оценок качества или конкретных ограничений применения; поведение и результаты могут зависеть от промпта и выбранных настроек генерации.

Eris Remix 7B — объединённая причинная языковая модель на архитектуре Mistral, опубликованная ChaoticNeutrals. Она предназначена для генерации текста и может использоваться для диалогов, продолжения текста и других задач, решаемых авторегрессионными языковыми моделями. В карточке указано слияние моделей методом SLERP с параметрами для слоёв self-attention и MLP; веса представлены в формате safetensors. Размер модели — 7,1 млрд параметров, длина контекста — 32 768 токенов. Карточка сообщает об английском языке. Модель создана с помощью mergekit из моделей SpecialEdition и Remix, а не обучена с нуля. Лицензия обозначена как other, поэтому конкретные условия использования следует сверить с репозиторием и лицензиями исходных моделей. Карточка содержит мало сведений о качестве, обучающих данных и ограничениях поведения модели.

Eunoia-Llama-8B-R1 — объединённая текстовая языковая модель на архитектуре Llama, созданная с помощью mergekit методом TIES. В основу объединения вошли GoToCompany/llama3-8b-cpt-sahabatai-v1-instruct и huihui-ai/DeepSeek-R1-Distill-Llama-8B-abliterated; итоговая модель содержит около 7,5 млрд параметров и использует формат Safetensors. Модель предназначена для генерации текста и диалогового взаимодействия. Карточка базовой модели указывает на сценарии рассуждений, математики и программирования, однако README Eunoia не содержит отдельных оценок качества или подробных рекомендаций по применению. Контекст составляет 8192 токена. Данных о поддерживаемых естественных языках и лицензии в предоставленных источниках нет.

EurobeatVARemix-Qwen2.5-72b — объединённая языковая модель автора KaraKaraWarehouse, созданная методом Model Stock на основе Qwen/Qwen2.5-72B с включением нескольких моделей Qwen2.5-72B. Она предназначена для диалоговой генерации и продолжения текста; автор сообщает, что формат ChatML в основном подходит для общения с моделью. Модель использует плотную архитектуру Qwen2 и содержит 71,5 млрд параметров. Метаданные указывают контекст до 131 072 токенов и поддержку ряда языков, включая китайский, английский, французский, испанский, португальский, немецкий, итальянский, русский, японский и корейский. Репозиторий использует формат safetensors, а модель доступна через библиотеку Transformers. Автор приводит личные настройки сэмплирования и отмечает, что другие настройки также предлагались; конкретное качество на задачах в карточке не оценивается. Указана лицензия Apache 2.0. (Доступные сведения о лицензии не содержатся в переданных README или метаданных.)

EuroLLM-1.7B-Instruct-mlx-4Bit — инструкционная языковая модель на базе EuroLLM-1.7B-Instruct от utter-project, конвертированная пользователем jevoma4362 в формат MLX с помощью mlx-lm 0.31.2. Модель предназначена для генерации текста и диалогового использования через интерфейс mlx-lm, включая сценарии локального запуска на совместимом оборудовании Apple MLX. Модель содержит 1,7 млрд параметров и использует 4-битное представление, что уменьшает требования к памяти по сравнению с полноразмерной версией. Заявлена поддержка английского, немецкого, испанского, французского, итальянского, португальского, польского, нидерландского, турецкого, шведского, чешского, греческого, венгерского, румынского, финского, украинского, словенского, словацкого, датского, литовского, латышского, эстонского, болгарского, норвежского, каталонского, хорватского, ирландского, мальтийского, галисийского, китайского, русского, корейского, японского, арабского и хинди. Длина контекста и архитектурные детали в README не указаны. К сильным сторонам относятся компактный размер, 4-битная оптимизация и широкий набор поддерживаемых языков. Ограничения связаны с меньшим числом параметров по сравнению с крупными моделями, возможными потерями качества из-за квантования и зависимостью от экосистемы MLX. Модель распространяется по лицензии Apache-2.0.