I.5Создание и редактирование текста

GPT-OSS-Swallow 120B RL v0.1 — японско-английская языковая модель TokyoTech-LLM, дообученная на основе GPT-OSS-Swallow-120B-SFT-v0.1 с применением обучения с подкреплением по проверяемым наградам. Это разреженная MoE-модель для диалогов и генерации текста; заявленный размер — 2,1 млрд параметров, контекстное окно — до 131 072 токенов. В обучении уделено внимание японскому и английскому языкам, математике, программированию и рассуждениям. Модель подходит для двуязычного общения, перевода между японским и английским, решения математических задач, помощи с кодом и ответов на общие вопросы. Разработчики сообщают о сохранении и улучшении математических и программных навыков относительно исходной GPT-OSS. Хотя технически поддерживается контекст до 131 072 токенов, модель не обучалась и не оценивалась на задачах с контекстом свыше 32 тысяч токенов; для стабильности рекомендуется reasoning effort medium. Использование инструментов явно не обучалось, поведение при вызове функций и самоидентификации не подтверждено. Модель выпущена под лицензией Apache-2.0.

WesPro выпустил Gemma2-Gracie FreeFallen-Disgraced-9B — слитую линейным методом плотную языковую модель для генерации текста и диалогов. Она основана на архитектуре Gemma 2, содержит 9 млрд параметров и рассчитана на контекст до 8192 токенов. Модель принимает текст и генерирует текст; её можно применять для ведения диалогов и создания текстовых ответов. В README указано, что в слияние вошли модели с локальными путями E:\GemmaFallenFromGrace и H:\loras\dominantGemma, но их идентификаторы и происхождение определить нельзя. Репозиторий содержит веса Safetensors. Сведения о лицензии в предоставленных данных отсутствуют.

Granite-3.0-2B-Base — базовая языковая модель IBM Granite Team для генерации текста и других задач преобразования текста. Это плотный decoder-only Transformer на 2,5 млрд параметров, обученный с нуля в два этапа на разнообразных данных; архитектура включает GQA, RoPE, SwiGLU, RMSNorm и общие входные и выходные эмбеддинги. Модель принимает текст и выдаёт текст, поддерживает контекст до 4096 токенов и предназначена в том числе для суммаризации, классификации, извлечения информации и ответов на вопросы, а также как основа для специализированного дообучения. В карточке заявлена поддержка английского, немецкого, испанского, французского, японского, португальского, арабского, чешского, итальянского, корейского, нидерландского и китайского языков. Обучающие данные охватывают веб, код, академические материалы, книги и математику. Модель выпущена под лицензией Apache 2.0. Она не проходила выравнивание по безопасности, поэтому может генерировать нежелательные или недостоверные ответы; для меньших моделей также отмечен риск дословного воспроизведения обучающих данных.

ibm-granite/granite-3.3-8b-instruct-FP8 — это версия модели Granite-3.3-8b-Instruct в формате FP8, разработанная IBM. Модель предназначена для генерации текста и использования в сценариях, требующих следования инструкциям; карточка указывает pipeline text-generation и совместимость с библиотекой Transformers. Модель основана на ibm-granite/granite-3.3-8b-instruct и содержит 8 миллиардов параметров, однако в представленном README не приведены сведения об архитектуре, поддерживаемых языках, модальностях и размере контекстного окна. Формат FP8 может быть полезен для более эффективного хранения и инференса, но конкретные требования к оборудованию и показатели качества не указаны. Модель распространяется по лицензии Apache-2.0. Для полного описания возможностей и ограничений рекомендуется обратиться к карточке базовой модели, поскольку текущий README содержит только краткую информацию о FP8-версии.

Granite-4.0-1B-Base — компактная базовая языковая модель IBM Granite Team для генерации текста в условиях ограниченных вычислительных ресурсов, включая мобильные устройства и IoT. Это декодерный плотный трансформер на 1,6 млрд параметров с архитектурой GraniteMoeHybrid, GQA, SwiGLU, RMSNorm и общими входными и выходными эмбеддингами. Модель обучена с нуля на смеси открытых и проприетарных данных; контекст — до 131 072 токенов. Поддерживает английский, немецкий, испанский, французский, японский, португальский, арабский, чешский, итальянский, корейский, нидерландский и китайский языки. Также поддерживает заполнение пропусков в коде по префиксу и суффиксу (FIM). Модель предназначена для суммаризации, классификации и извлечения информации, ответов на вопросы и дополнения кода; её также можно использовать как основу для дообучения под конкретные задачи. Небольшой размер рассчитан на быстрое выполнение и локальное использование, в том числе с сохранением данных на устройстве. Модель не прошла выравнивание безопасности и может выдавать предвзятые, неверные или проблематичные ответы, а также воспроизводить фрагменты обучающих данных. Распространяется по лицензии Apache 2.0.

onnx-community/granite-4.0-350m-ONNX-web — веб-ориентированная ONNX-версия Granite-4.0-350M, разработанная командой Granite компании IBM. Это компактная instruct-модель, дообученная на открытых наборах инструкций с разрешительными лицензиями и внутренних синтетических данных с использованием supervised fine-tuning, reinforcement learning и model merging. Модель предназначена для запуска через Transformers.js, включая браузерные и on-device сценарии, а также для исследовательского применения и дообучения под специализированные области без значительных вычислительных ресурсов. Модель поддерживает суммаризацию, классификацию и извлечение текста, ответы на вопросы, Retrieval Augmented Generation, задачи, связанные с кодом, function calling, многоязычный диалог и Fill-In-the-Middle-дополнение кода. Заявлены английский, немецкий, испанский, французский, японский, португальский, арабский, чешский, итальянский, корейский, нидерландский и китайский языки; дополнительные языки могут быть добавлены посредством дообучения. Указанный размер — 350 млн параметров; модель является текстовой, а размер контекста в README не указан. К сильным сторонам относятся малый размер, пригодность для локального и веб-запуска, следование инструкциям, многоязычность и широкий набор прикладных сценариев. Ограничениями являются меньшая емкость по сравнению с более крупными моделями и отсутствие в предоставленных данных подробностей о контекстном окне, точности на конкретных задачах и безопасности применения. Модель распространяется по лицензии Apache 2.0.

Granite-4.0-H-1B-Base — базовая языковая модель команды Granite компании IBM для генерации текста. Это декодерный плотный трансформер семейства GraniteMoeHybrid с компонентами GQA, Mamba2, SwiGLU и RMSNorm. Модель содержит 1,2 млрд параметров, обучена с нуля примерно на 15 трлн токенов и поддерживает контекст до 131 072 токенов. Модель предназначена для краткого и эффективного запуска, в том числе на устройствах с ограниченными ресурсами, и для офлайн-сценариев, где важна приватность. Она может использоваться для суммаризации, классификации и извлечения информации, ответов на вопросы и дополнения кода; поддерживается заполнение пропусков в коде в формате Fill-in-the-Middle. Заявлены английский, немецкий, испанский, французский, японский, португальский, арабский, чешский, итальянский, корейский, нидерландский и китайский языки. Модель распространяется по лицензии Apache 2.0. Она не проходила выравнивание безопасности, поэтому может генерировать проблемный или недостоверный текст; авторы также отмечают риск дословного воспроизведения обучающих данных. Качество следует проверять для конкретной задачи.

granite-4.0-h-3b-ar — компактная инструктивная языковая модель, разработанная IBM Research и Mohamed bin Zayed University of Artificial Intelligence (MBZUAI) в рамках IBM–MBZUAI AI Center of Excellence. Она предназначена для диалогов и генерации текста на современном стандартном арабском, нескольких региональных арабских диалектах и английском языке, в том числе для разнородных и межъязыковых сценариев. Модель содержит 2,6 млрд параметров и использует плотную decoder-only архитектуру GraniteMoeHybrid с GQA, Mamba2, SwiGLU, RMSNorm и общими входными и выходными эмбеддингами. Контекстное окно по метаданным составляет 131 072 токена. Компактный размер позволяет рассматривать её для эффективного развёртывания при ограниченных ресурсах; обучение охватывало общие задачи, а также примеры по математике, программированию и рассуждениям. Качество может зависеть от диалекта, предметной области, формулировки запроса и сложности задачи; результаты на арабских диалектах могут уступать английским. Модель способна выдавать неточные, предвзятые, неподходящие или небезопасные ответы, поэтому перед использованием в конкретной задаче рекомендуется оценка и настройка, а для рискованных сценариев — модерация входов и выходов. Лицензия — Apache-2.0.

Granite-4.1-8B-SFT-Claude-Opus-Reasoning-Unsloth — дообученная модель ermiaazarkhalili на базе IBM Granite-4.1-8B. Это плотная авторегрессионная модель класса GraniteForCausalLM с примерно 8,4 млрд параметров по метаданным и контекстом до 131 072 токенов. Модель прошла supervised fine-tuning на наборе distillation-данных с рассуждениями Claude; адаптер LoRA слит с базовыми весами. Поддерживает диалоговую генерацию текста и интерфейс вызова инструментов. Модель предназначена для генерации ответов и диалоговых сценариев, требующих следования инструкциям и пошаговых рассуждений. Она унаследовала многоязычные возможности Granite-4.1-8B, рассчитанной на работу с текстом и кодом. Карточка приводит только значения обучающей потери и не сообщает результатов тестирования на прикладных бенчмарках. Лицензия — Apache-2.0. К ограничениям относятся непроверенное качество вне обучающего набора, а также унаследованные от базовой модели смещения, пределы знаний и типичные ошибки. Поскольку LoRA-адаптер слит с весами, отделить его от результата дообучения нельзя.

granite-4.1-Queen-30b — дообученная языковая модель автора aifeifei798 на базе IBM Granite 4.1. Это плотная причинная модель на 28,9 млрд параметров для генерации текста и диалогов; заявленная длина контекста — 131 072 токена. Модель предназначена для ролевых диалогов с разными персонами, творческого письма, песенных текстов, маркетинговых материалов и помощи с кодом. В README заявлена ориентация на английский язык, быстрые ответы и ролевые сценарии, включая тёмное фэнтези и Dark Academia. Также перечислены сценарии вроде написания постов и инструкций, разработки UI/CSS, ревью кода и подготовки деловых текстов. Метаданные указывают библиотеку Transformers, формат safetensors и лицензию Apache 2.0. Утверждения README о снижении отказов, ускорении вывода и улучшении рассуждений не сопровождаются проверяемыми результатами, поэтому их следует считать заявлениями автора, а не подтверждёнными характеристиками.

Это конверсия компактной многоязычной языковой модели IBM Granite 4.2 3B, подготовленная salohcin714 для MLX и Apple Silicon. Модель плотная, с архитектурой GraniteForCausalLM, содержит 3,4 млрд параметров и поддерживает контекст до 131 072 токенов. Она предназначена для генерации текста и диалогов на основе текстовых запросов; формат MLX позволяет запускать её через mlx-lm на устройствах Apple Silicon. Веса сохранены в исходной точности bfloat16 и представлены в формате MLX safetensors: README указывает, что квантизация и дообучение не выполнялись. Базовая модель поддерживает английский, немецкий, испанский, французский, японский, португальский, арабский, чешский, итальянский, корейский, нидерландский и китайский языки. Репозиторий распространяется по лицензии Apache-2.0. Указанные для исходной модели IBM тесты и бенчмарки не подтверждают качество этой конверсии; README прямо предостерегает от переноса таких результатов на данный репозиторий. Для запуска требуются MLX и совместимая среда Apple Silicon.

granite-4.2-3b-MLX-4bit — это 4-битная квантованная версия языковой модели granite-4.2-3b, разработанной командой IBM Granite (ibm-granite). Квантование выполнено командой LM Studio с использованием mlx_lm, а модель оптимизирована для работы на устройствах Apple Silicon через MLX. Модель предназначена для генерации текста и поддерживает сценарии рассуждений, диалога и вызова инструментов, заявленные в её тегах и исходной карточке. Модель относится к классу text-generation и имеет размер 3 млрд параметров в исходной версии. Она работает с текстом и заявлена для английского, немецкого, испанского, французского, японского, португальского, арабского, чешского, итальянского, корейского, нидерландского и китайского языков. Сильными сторонами версии являются уменьшенное потребление памяти благодаря 4-битному представлению и оптимизация для локального запуска на Apple Silicon. Данные о размере контекста, точных архитектурных особенностях, результатах тестирования и ограничениях качества в README не приведены. Модель распространяется по лицензии Apache-2.0. README не указывает дополнительных ограничений использования, однако предупреждает, что модель может генерировать неточный, вредный или неподходящий контент; результаты требуют проверки человеком.

granite-4.2-3b-MLX-8bit — это 8-битная квантованная версия модели granite-4.2-3b, разработанной командой ibm-granite. Квантование выполнено командой LM Studio с использованием mlx_lm и оптимизировано для работы на устройствах Apple Silicon. Модель предназначена для генерации текста и поддерживает сценарии, связанные с рассуждениями, пошаговым мышлением и вызовом инструментов. В карточке указаны следующие языки: английский, немецкий, испанский, французский, японский, португальский, арабский, чешский, итальянский, корейский, нидерландский и китайский. Размер исходной модели составляет 3 миллиарда параметров; сведения об архитектуре и размере контекстного окна не указаны. Ключевые преимущества модели — сниженное потребление памяти благодаря 8-битному представлению и оптимизация для экосистемы Apple Silicon, что делает её подходящей для локального запуска на совместимых устройствах. Ограничения включают возможное снижение точности по сравнению с полной версией из-за квантования, а также отсутствие в предоставленных данных подробных результатов оценки, характеристик производительности и спецификаций контекстного окна. Модель распространяется по лицензии Apache-2.0.

kriton/greek-text-summarization — модель для абстрактивного суммирования текстов на греческом языке, обученная разработчиком на базе mT5-small. Она принимает текст и генерирует его краткое изложение, поэтому подходит для подготовки выжимок из статей, документов и других греческих текстов. Модель построена на архитектуре mT5 и содержит около 157,4 млн параметров; опубликована в формате PyTorch. Лицензия — Apache-2.0.

GreenNode-mini-7B-multilingual-v1olet-Mistral-7B-Instruct-v0.1 — чат-модель, созданная слиянием Mistral AI и GreenNode. Она предназначена для генерации ответов на инструкции и диалоговые запросы. Модель использует плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров; в метаданных указан контекст длиной до 32 768 токенов. Слияние выполнено методом SLERP с настройками, различающимися для слоёв self-attention и MLP. Карточка заявляет многоязычную направленность, однако метаданные перечисляют только английский язык. Модель распространяется в формате safetensors по лицензии Apache-2.0.

GreenNode-mini-7B-v1olet-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель, созданная слиянием Mistral-7B-Instruct-v0.2 и GreenNode-mini-7B-v1olet методом SLERP. Она предназначена для генерации текста и ответов на инструкции в чат-сценариях. Модель использует плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель опубликована в формате Safetensors под лицензией Apache-2.0. README описывает конфигурацию слияния, но не уточняет языковой охват и специализированные области применения; пригодность для конкретных задач следует проверять отдельно.

Это GGUF-квантизированная версия текстовой генеративной модели grimjim/Llama-3-Instruct-8B-SPPO-Iter3-SimPO-merge. Квантизации подготовлены командой featherless-ai-quants. Модель основана на Llama 3 Instruct с размером 8B и предназначена для генерации текста, включая диалоговые и инструкционные сценарии. Репозиторий содержит варианты квантизации IQ4_XS, Q2_K, Q3_K_L, Q3_K_M, Q3_K_S, Q4_K_M, Q4_K_S, Q5_K_M, Q5_K_S, Q6_K и Q8_0 размером примерно от 3 до 8 ГБ. GGUF-формат ориентирован на запуск совместимыми локальными инструментами и позволяет выбирать компромисс между требованиями к памяти, скоростью и сохранением качества. Данные о поддерживаемых языках, длине контекста, точных архитектурных параметрах, результатах тестирования и ограничениях отсутствуют. Лицензия в README не указана.

Grimoire-3b — дообученная языковая модель NaveenVenu на архитектуре Qwen2, основанная на unsloth/qwen2.5-3b-instruct-bnb-4bit. Это плотная авторегрессионная модель с 3,1 млрд параметров и контекстом до 32 768 токенов, предназначенная для генерации текста и диалогового общения на английском языке. При обучении использовались Unsloth и библиотека Hugging Face TRL. Модель распространяется в формате Safetensors по лицензии Apache-2.0.

GritLM/GritLM-7B-KTO — версия модели GritLM 7B с обучением KTO, основанная на Mistral 7B. GritLM разработана Contextual AI и объединяет генерацию текста с получением текстовых представлений и эмбеддингов в одной модели. В репозитории указаны архитектура Mistral и 7,1 млрд параметров; модель принимает текст, поддерживает диалоговый режим и имеет контекст длиной до 32 768 токенов. Модель предназначена для генерации ответов в диалоге, а также для задач представления и классификации текста. Карточка описывает GritLM как модель, показавшую передовые результаты на задачах генерации и текстовых представлений, но конкретные результаты для версии KTO не приведены. Модель распространяется по лицензии Apache-2.0.

Pantheon-Reasoning-27B-GGUF — квантизированная версия текстовой генеративной модели Pantheon-Reasoning-27B, разработанной Gryphe и подготовленной в формате GGUF пользователем bartowski с использованием llama.cpp и imatrix-квантизации. Модель ориентирована на англоязычные диалоги, инструкции, рассуждения, ролевые сценарии и творческое письмо. Модель имеет размер 27 млрд параметров; точная архитектура и размер контекстного окна в README не указаны. Доступны варианты от BF16 до 3- и 8-битных квантов, что позволяет выбирать между качеством, требованиями к памяти и скоростью локального запуска. Для работы предусмотрен формат ChatML с началом рассуждений через тег <think>. Поддерживается только текстовая модальность. Сильными сторонами являются специализация на reasoning, conversational-задачах, roleplay и creative writing, а также широкий выбор квантов для запуска через llama.cpp, LM Studio, KoboldCpp, Jan AI и другие совместимые инструменты. Более компактные варианты требуют меньше оперативной памяти, но могут уступать старшим квантам по качеству. Данные о результатах тестирования, точном контекстном окне, многоязычности и ограничениях безопасности не приведены. Указанная лицензия — Apache-2.0.

KBlueLeaf разработал Guanaco-7B-leh — мультиязычную инструкционную языковую модель на архитектуре LLaMA с примерно 6,6 млрд параметров. Она дообучена на очищенной версии набора Alpaca и данных Guanaco: использовался LoRA для внимания, а также обучались слои эмбеддингов и выходная голова. Модель предназначена для генерации текста по инструкциям и диалогового использования в формате Guanaco. Автор отмечает улучшение работы на китайском и японском языках по сравнению с исходной LLaMA и возможность использовать модель как чат-бот. В карточке заявлена лицензия GPL-3.0. Автор предупреждает, что для более точных ответов может потребоваться подключение внешних инструментов; приведён пример использования LoRA-варианта, для которого нужно отключить загрузку в 8-битном режиме либо предварительно объединить адаптер с базовой моделью.

Gutensuppe-mistral-nemo-12B — объединённая mergekit-модель, созданная nbeerbower методом Model Stock из нескольких моделей серии Gutenberg на базе Mistral Nemo. Она предназначена для генерации и продолжения текста, в том числе художественного, а метаданные также отмечают диалоговый интерфейс. Модель содержит 12,1 млрд параметров, использует плотную архитектуру MistralForCausalLM, распространяется в формате Safetensors и поддерживает контекст до 1 024 000 токенов. В карточке приведены результаты Open LLM Leaderboard: среднее значение 21,92, IFEval — 29,16, BBH — 35,57. Лицензия в предоставленных данных не указана.

h2oai/h2ogpt-4096-llama2-7b-chat — чат-модель H2O.ai, созданная на основе Meta Llama 2 7B Chat. Она предназначена для диалога с пользователем и генерации текста; её можно использовать в сравнении языковых моделей и для чата по частным документам через демонстрационное приложение h2oGPT. Модель построена на плотной архитектуре LlamaForCausalLM и содержит 6,6 млрд параметров. Она принимает текст и генерирует текст, поддерживает английский язык и контекст до 4096 токенов. Модель распространяется в форматах PyTorch и safetensors по лицензии Llama 2.

HappyLlama1 — разговорная текстовая модель, дообученная ehristoforu на базе voidful/Llama-3.2-8B-Instruct с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и ведения диалогов; метаданные также указывают интерфейс вызова инструментов. Модель семейства Llama использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 131072 токенов. В карточке приведены результаты оценок Open LLM Leaderboard: средний балл 26,04, IFEval — 73,63, BBH — 28,50. Модель принимает текст и генерирует текст. В метаданных указан английский язык. Лицензия — Apache-2.0. Карточка не описывает специализацию дообучения или отдельные гарантии качества, поэтому применимость к конкретным задачам стоит оценивать по собственным примерам.

Hathor_Stable-L3-8B-v0.5-GGUF — это набор квантизированных сборок языковой модели Hathor_Stable-L3-8B-v0.5, разработанной Nitral-AI. Файлы подготовлены пользователем bartowski в формате GGUF с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и запуска локально через совместимое программное обеспечение, включая llama.cpp. В README явно указан английский язык и тип задачи text-generation. Модель относится к классу 8B, однако точная базовая архитектура и размер контекстного окна в предоставленных данных не указаны. Доступно множество вариантов квантования от Q8_0 и Q8_0_L до Q2_K и IQ2_M, что позволяет выбирать между качеством генерации, размером файла и требованиями к оперативной памяти. Наиболее качественными и рекомендуемыми названы варианты Q6_K, Q6_K_L, Q5_K_L, Q5_K_M, Q5_K_S, Q4_K_L, Q4_K_M, Q4_K_S и IQ4_XS; варианты с более низкой битностью требуют меньше памяти, но могут заметно уступать по качеству. Для работы следует использовать указанный шаблон диалога с токенами системного, пользовательского и ассистентского сообщений. Сильными сторонами модели являются широкий выбор квантизаций, возможность локального запуска и хорошее соотношение качества и требований к ресурсам в рекомендуемых вариантах. Ограничения включают отсутствие сведений о мультимодальности, дополнительных языках, результатах оценивания и точных характеристиках архитектуры; опубликованные сборки предназначены для текстовых задач. В метаданных указана лицензия «other», но её конкретные условия в README не раскрыты.

Hebrew-Gemma-11B-Instruct — языковая модель с плотной архитектурой Gemma, дообученная Yam Peleg совместно с Jonathan Rouach и Arjeo, Inc. для диалогов и генерации текста по инструкциям. Модель содержит около 10 млрд параметров и использует контекст до 8192 токенов; в репозитории представлены веса safetensors для Transformers. В основу легла Hebrew-Gemma-11B — модель, продолжившая предобучение Gemma-7B на 3 млрд дополнительных токенов английского и ивритского текста. Instruct-версия дообучена на наборах разговорных данных. Она подходит для ответов на вопросы, диалогов и выполнения текстовых инструкций, особенно на иврите и английском. Для качественного результата следует использовать формат диалога Gemma, описанный в карточке. Модель распространяется по исходной лицензии и условиям Google Gemma; метаданные обозначают лицензию как other. Авторы сообщают, что базовая Hebrew-Gemma-11B не имеет механизмов модерации. В карточке нет опубликованных результатов бенчмарков, поэтому качество для конкретных задач следует оценивать отдельно.

Hebrew-Mistral-7B-200K — открытая языковая модель, обученная Yam Peleg на иврите и английском и основанная на Mistral-7B-v1.0 от Mistral. Это плотная авторегрессионная модель семейства Mistral с 7,2 млрд параметров, архитектурой MistralForCausalLM и контекстом до 262 144 токенов. Для работы используется библиотека Transformers; веса доступны в формате safetensors, лицензия — Apache-2.0. Модель предназначена для генерации текста и широкого круга языковых задач, с особым акцентом на понимание и создание текста на иврите. Она продолжает предварительное обучение Mistral-7B на английских и ивритских текстах и использует расширенный токенизатор на 64 000 токенов. Это базовая модель, а не настроенный чат-ассистент; в README отмечено отсутствие механизмов модерации и наличие сообщённых проблем, для которых автор обещает обновления.

itayl/Hebrew-Mistral-7B_Chat — чат-модель на архитектуре Mistral с 7,2 млрд параметров, дообученная автором itayl на базе yam-peleg/Hebrew-Mistral-7B. Она предназначена для генерации текста в диалоговом формате, прежде всего на иврите и английском. Модель принимает текст и генерирует текст; её базовая модель поддерживает контекст до 32 768 токенов. Для обучения использовались Unsloth и библиотека Hugging Face TRL. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0.

Helide Beta R0 — объединённая языковая модель, созданная разработчиком inflatebot с помощью mergekit. Она объединяет Sao10K/L3-8B-Stheno-v3.2 и Fizzarolli/L3-8b-Rosier-v1 методом SLERP и предназначена для генерации текста и диалогового общения. Модель построена на плотной архитектуре LlamaForCausalLM и содержит 7,5 млрд параметров. Она принимает текст и выдаёт текст; контекст составляет до 8192 токенов. Базовые модели ориентированы на английские ролевые диалоги, написание историй и выполнение инструкций. В карточке не описаны специальные ограничения или результаты оценки качества. Условия лицензирования в предоставленных данных не указаны.

Hemmingway-1-Q4_K_M-GGUF — это квантованная модель генерации текста в формате GGUF, созданная на основе Altworld/Hemmingway-1. Конвертацию выполнил пользователь или организация taniks с использованием llama.cpp и сервиса GGUF-my-repo. Модель предназначена для локального запуска через llama.cpp, включая работу в режиме командной строки и серверном режиме. Основные сценарии применения — генерация текста, диалоговые взаимодействия и творческое письмо на английском языке. В карточке указано окно контекста 2048 токенов для рекомендуемого запуска. Квантование Q4_K_M уменьшает требования к памяти и подходит для локального вывода, однако может снижать точность и качество по сравнению с полноразмерной версией. Архитектура, количество параметров, поддерживаемые модальности и дополнительные характеристики в README не указаны. Модель распространяется по лицензии Apache-2.0. Для использования требуется совместимое окружение llama.cpp; конкретные требования к объёму памяти и аппаратному ускорению зависят от используемого устройства и конфигурации сборки.