I.5Создание и редактирование текста

haoranxu/Llama-3-Instruct-8B-SimPO — диалоговая модель генерации текста, дообученная на базе meta-llama/Meta-Llama-3-8B-Instruct на наборе данных princeton-nlp/llama3-ultrafeedback. Она предназначена для генерации ответов в диалоге и других текстовых задач. Модель использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Репозиторий содержит веса в формате safetensors. Карточка не приводит оценки качества или подробностей обучения и ограничений. Лицензия — Llama 3; применяйте модель согласно её условиям и условиям базовой модели.

UCLA-AGI разработала Llama-3-Instruct-8B-SPPO-Iter2 — плотную авторегрессионную языковую модель семейства Llama с 7,5 млрд параметров для генерации текста и диалогов. Это вторая итерация дообучения методом Self-Play Preference Optimization, начатого с meta-llama/Meta-Llama-3-8B-Instruct. Для оптимизации использованы синтетические ответы и наборы запросов на основе UltraFeedback, разделённые на части для трёх итераций. Модель рассчитана прежде всего на английский язык и может применяться для диалоговых ответов, следования инструкциям и генерации текста. Заявленная длина контекста — 8192 токена. В карточке приведены результаты AlpacaEval и Open LLM Leaderboard для сравнения итераций; они не гарантируют качество на конкретных пользовательских задачах. Модель доступна по лицензии Apache-2.0.

wzhouad/Llama3-Instruct-8B-WPO-HB-v2 — диалоговая языковая модель, созданная дообучением Meta-Llama-3-8B-Instruct методом Weighted Preference Optimization (WPO). Метод перенастраивает веса пар предпочтений в зависимости от их вероятности при текущей политике, чтобы приблизить обучение на off-policy данных к on-policy обучению. Для обучения использован гибридный набор предпочтений на основе UltraFeedback, ответов Llama и GPT-4-turbo; README также описывает правила выбора предпочтительных и отклонённых ответов. Модель предназначена для генерации диалоговых ответов и ассистентского текста. Она построена на плотной архитектуре LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Английский язык указан как язык базовой модели. В README приведены результаты AlpacaEval: LC 53,4, WR 57,3, средняя длина ответа 2472 токена. Модель распространяется в формате safetensors через Transformers. Сведения о лицензии в предоставленных данных отсутствуют.

Neurona 8B Beta — предварительная экспериментальная языковая модель на основе Meta Llama 3, разработанная Икером Гарсией. Это плотная авторегрессионная модель с 7,5 млрд параметров, дообученная для диалоговых ответов преимущественно на испанском языке. Она принимает текст и генерирует текст; заявленная длина контекста — 8192 токена. Модель обучалась на смешанном наборе англоязычных и испаноязычных данных, включая инструкции, диалоги, перевод, суммаризацию, вопросы и ответы, код и function calling. В README перечислены возможные сценарии применения: ответы на вопросы, суммаризация, помощь с кодом, RAG и вызов функций. Для работы используются Transformers и формат safetensors. Автор отмечает, что это первая итерация для отладки обучающих скриптов и инфраструктуры, а модель ещё разрабатывается и не является финальной версией. Лицензия — Llama 3; применимость её условий следует оценивать вместе с условиями базовой модели.

LLaMA3-iterative-DPO-final-GGUF — это набор квантованных версий языковой модели LLaMA3-iterative-DPO-final, опубликованный bartowski на основе исходной модели RLHFlow/LLaMA3-iterative-DPO-final. Модель предназначена для генерации текста и запуска через llama.cpp; в README приведён формат чата с системными, пользовательскими и ассистентскими сообщениями. Модель поставляется в формате GGUF с различными уровнями квантования: от Q8_0 размером 8,54 ГБ до наиболее компактных вариантов IQ1 и IQ2. Версии Q6_K, Q5_K_M, Q5_K_S, Q4_K_M, Q4_K_S, IQ4_NL и IQ4_XS отмечены как рекомендуемые; более низкие уровни экономят оперативную память, но снижают качество. Квантование выполнено с использованием imatrix и llama.cpp версии b2854. README не содержит сведений о числе параметров, архитектурных деталях исходной модели, поддерживаемых языках, размере контекста, мультимодальности или результатах бенчмарков. Модель распространяется по лицензии llama3; условия этой лицензии следует учитывать при использовании.

VIRNECT разработала разговорную языковую модель на архитектуре Llama 3 для генерации текста на корейском и английском языках. Модель содержит 7,5 млрд параметров, принимает текст и поддерживает контекст до 8192 токенов. Модель предназначена для диалогового использования и генерации ответов. Она дообучена на базе MLP-KTLim/llama-3-Korean-Bllossom-8B с использованием датасета AI Hub для развития возможностей крупной языковой модели на корейском языке. Весы доступны в формате safetensors для Transformers. Лицензия — Llama 3 Community License.

Cas-Warehouse/Llama-3-MopeyMule-Blackroot-8B — разговорная языковая модель, созданная объединением моделей с помощью mergekit и метода Model Stock. В качестве базовой использована failspy/Llama-3-8B-Instruct-MopeyMule; в объединение также вошли Blackroot/Llama-3-8B-Abomination-LORA и Blackroot/Llama-3-LongStory-LORA. Модель семейства Llama 3 с архитектурой LlamaForCausalLM содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Она предназначена для генерации текста и диалоговых ответов; каталог указывает английский язык для базовой модели. Веса представлены в формате safetensors. Карточка не приводит сравнительных оценок качества или подробных ограничений. Лицензия в предоставленных данных не указана.

grimjim выпустил Nephilim v3 — объединённую с помощью mergekit языковую модель на архитектуре Llama 3. В основу слияния легла grimjim/Llama-3-Instruct-8B-SPPO-Iter3-SimPO-merge, также в него включена tokyotech-llm/Llama-3-Swallow-8B-Instruct-v0.1. Модель содержит 7,5 млрд параметров, рассчитана на контекст до 8192 токенов и распространяется в формате safetensors; библиотека для работы — Transformers. Модель предназначена для диалоговой генерации текста и может применяться для ролевых сценариев и творческого продолжения текста. Автор отмечает, что компоненты слияния не обучались специально для ролевых игр, а формат инструкций иногда вызывает несогласованность; рекомендует использовать подходящий instruct-промпт и подбирать температуру генерации. Лицензия — CC BY-NC 4.0, допускающая использование с ограничениями на коммерческое применение.

llama-3-open-hermes-disco — объединённая модель для генерации текста, созданная автором репозитория с помощью mergekit. В основе слияния DARE TIES лежат Muhammad2003/Llama3-8B-OpenHermes-DPO и birgermoell/llama-3-merge-disco-neural-pace. Модель построена на архитектуре LlamaForCausalLM, содержит 7,5 млрд параметров и рассчитана на контекст до 8192 токенов. Модель предназначена для диалоговой генерации текста и может использоваться в чат-сценариях. Репозиторий содержит веса в формате safetensors; лицензия указана как llama2. Карточка не приводит результатов оценки качества или дополнительных ограничений применения.

sungjineeee/Llama-3-Open-Ko-8B-Instruct-kookmin5 — разговорная плотная модель семейства Llama, дообученная автором sungjineeee на базе sungjineeee/Llama-3-Open-Ko-8B-Instruct-kookmin3. Модель содержит 7,5 млрд параметров, принимает текст и генерирует текст; контекст составляет до 8192 токенов. Модель предназначена для диалоговой генерации текста. При обучении использовались Unsloth и библиотека Hugging Face TRL. Репозиторий распространяется по лицензии Apache-2.0. Карточка не описывает конкретные датасеты и специальные предметные области.

llama-3-slerp-kraut-dragon-8B — объединённая чат-модель на базе архитектуры Llama, созданная nbeerbower с помощью mergekit. Веса двух моделей объединены методом SLERP: VAGOsolutions/Llama-3-SauerkrautLM-8b-Instruct и nbeerbower/llama-3-dragonmaid-8B. Репозиторий содержит около 7,5 млрд параметров в формате safetensors; модель предназначена для генерации текста и диалогов, а максимальная длина контекста составляет 8192 токена. Модель принимает текст и выдаёт текст. Базовая модель SauerkrautLM рассчитана на немецкий и английский языки, однако README не уточняет языковой охват получившегося объединения. В метаданных указана лицензия «other» без конкретных условий, поэтому перед использованием следует проверить лицензионные условия обеих исходных моделей и самого репозитория.

Llama-3-Swallow-8B-v0.1 — плотная причинная языковая модель семейства Llama 3, разработанная командой Swallow-LLM из Токийского технологического института и AIST. Модель размером 7,5 млрд параметров создана продолжительным предварительным обучением модели семейства Llama 3 с добавлением японских данных; это базовая, не Instruct-версия. Репозиторий использует формат safetensors, а метаданные указывают на Transformers и контекст до 8192 токенов. Модель предназначена для генерации текста на японском и английском языках, включая ответы на вопросы, понимание прочитанного, суммаризацию, перевод, математические рассуждения и генерацию кода. В README приведены результаты оценки на японских и английских бенчмарках, в том числе задачах перевода, экзаменационных вопросах и программировании. Авторы отмечают, что модель находится на раннем этапе разработки и не настроена на соответствие человеческим намерениям и требованиям безопасности. Лицензия — Llama 3 (llama3); перед использованием следует соблюдать её условия.

Llama-3-Taiwan-70B-Instruct-GGUF — языковая модель для генерации текста и диалоговых сценариев, основанная на Llama-3-Taiwan-70B-Instruct от yentinglin. Модель ориентирована на китайский язык, включая традиционный китайский Тайваня, а также английский. Формат GGUF предназначен для локального запуска и использования с совместимыми инструментами. Модель имеет размер 70B параметров согласно названию, относится к семейству Llama 3 и использует инструкционную настройку. В карточке указаны контекст размером 4096 токенов, шаблон диалога llama-3-chat и поддержка запуска через GaiaNet. Квантование выполнено компанией Second State Inc. с использованием llama.cpp b3613. Модель подходит для многоязычных чат-ботов, генерации и обработки текста, особенно в сценариях, связанных с китайским и английским языками. К сильным сторонам относятся большой размер, инструкционная настройка и возможность локального или распределённого запуска в формате GGUF. README не содержит результатов бенчмарков, точного уровня квантования, требований к оборудованию и подробностей об ограничениях качества, поэтому эти характеристики нельзя оценить по имеющимся данным. Указана лицензия llama3.

Llama-3-Taiwan-8B-Instruct — диалоговая языковая модель на архитектуре Llama 3, опубликованная yentinglin и дообученная для пользователей традиционного китайского языка и английского. Карточка описывает семейство Llama-3-Taiwan и приводит сведения о версии на 70B параметров, тогда как метаданные этого репозитория указывают 7,5 млрд параметров; поэтому характеристики размера и примеры оценки версии 70B нельзя напрямую переносить на вариант 8B. Модель предназначена для многоходового диалога, генерации и понимания текста, ответов в сценариях RAG, форматированного вывода, извлечения сущностей и вызова функций. В карточке описано обучение на корпусе традиционного китайского и английского языков с общими и отраслевыми материалами, в том числе из юридической, производственной, медицинской и электронной областей. Модель принимает текст и генерирует текст; метаданные указывают контекст 8192 токена, архитектуру LlamaForCausalLM и формат safetensors. Модель выпущена по лицензии Llama 3. Её заявленная специализация — традиционный китайский, включая тайваньский вариант, и английский. README относится преимущественно к версии 70B, поэтому приведённые там результаты испытаний, подробности корпуса и демонстрации не подтверждают качество именно версии 8B. Для работы с этой инструкционной версией в карточке рекомендовано задавать системное сообщение.

Llama 3 Tulu V2 8B — языковая модель-помощник от AllenAI, дообученная на базе meta-llama/Meta-Llama-3-8B на смеси общедоступных, синтетических и созданных людьми инструкций и диалогов. Модель с плотной архитектурой Llama содержит 7,5 млрд параметров и предназначена для генерации ответов в диалогах и выполнения разнообразных инструкций; основной язык — английский. Указанный родной размер контекста — 8129 токенов. Модель подходит для прототипирования англоязычных помощников, ответов на вопросы, объяснений и других задач генерации текста. В карточке приведены результаты сравнительных тестов, однако они не гарантируют качество для конкретного сценария. Модель не прошла этап выравнивания RLHF и не использует фильтрацию ответов во время работы, поэтому может выдавать небезопасный или проблемный контент. Лицензия репозитория — Apache 2.0; карточка также отмечает лицензию Meta Llama 3 для базовой модели.

Allen Institute for AI (AI2) разработал эту англоязычную чат-модель семейства Tulu на архитектуре Llama 3. Модель содержит около 7,5 млрд параметров, принимает текст и генерирует текст; длина контекста — 8192 токена. Она дообучена методом PPO с использованием UltraFeedback и модели вознаграждения на 8B параметров, чтобы улучшить ответы помощника на инструкции и диалоги. Модель предназначена для генерации ответов, диалогов и решения разнообразных задач по текстовым инструкциям. В карточке приведены результаты оценки на GSM8k и AlpacaEval 2; для применения рекомендуется формат сообщения, заданный шаблоном чата токенизатора. Лицензия в метаданных — Apache 2.0; README также упоминает лицензию сообщества Meta Llama 3. Модель может выдавать проблемные ответы, поскольку этап RLHF не был нацелен на безопасные завершения и не использовалась фильтрация ответов во время работы.

Llama 3 Typhoon v1.5 8B Instruct GGUF — набор квантизированных файлов модели scb10x/llama-3-typhoon-v1.5-8b-instruct, разработанной SCB 10X и опубликованной в формате GGUF. Модель предназначена для генерации текста, диалоговых и чат-сценариев, а также локального запуска через llama.cpp и совместимые интерфейсы и библиотеки. В README заявлена поддержка английского и тайского языков и использование шаблона диалогов Llama 3. Модель относится к классу instruct-моделей с размером 8B параметров. Репозиторий содержит варианты квантизации GGUFv2 от Q2_K до Q6_K; их размер составляет примерно от 2,95 до 6,6 ГБ. Более компактные варианты требуют меньше памяти, но заметнее снижают качество, тогда как Q4_K_M обозначен как сбалансированный и рекомендуемый вариант. Формат GGUF поддерживает метаданные и специальные токены и совместим с llama.cpp, text-generation-webui, LM Studio, KoboldCpp, llama-cpp-python и другими инструментами. К сильным сторонам относятся возможность локального запуска, широкий выбор уровня квантизации и адаптация к английским и тайским диалогам. Ограничения включают неизбежные потери качества при использовании низкобитных вариантов, особенно Q2 и Q3, а также отсутствие в предоставленных данных сведений о размере контекста, мультимодальности, результатах тестирования и системных требованиях. Для использования указана лицензия Llama 3.

Llama-3-Umbral-Mind-SimPO-8B — разговорная языковая модель, созданная объединением моделей Casual-Autopsy и Princeton NLP с помощью mergekit и метода SLERP. В основе лежат Casual-Autopsy/L3-Umbral-Mind-RP-v1.0-8B и princeton-nlp/Llama-3-Instruct-8B-SimPO; архитектура — плотная LlamaForCausalLM примерно на 7,5 млрд параметров. Модель предназначена для генерации текста и диалоговых ответов на английском языке; контекстное окно — 8192 токена. Модель распространяется в формате Safetensors по лицензии Llama 3. Карточка не приводит результатов оценивания качества или подробных рекомендаций по настройке генерации.

Llama-Express.1-Merged — компактная языковая модель на архитектуре Llama, созданная prithivMLmods слиянием нескольких предварительно обученных и дообученных моделей методом Model Stock с помощью mergekit. В README указана база Llama 3.2 (1B), а также объединение моделей Llama-Express.1, Llama-Express.1-Tiny и Llama-Express.1-Math. Модель содержит 1,2 млрд параметров, работает с текстом и имеет контекстное окно до 131 072 токенов. Модель предназначена для диалогов с инструкциями на нескольких языках, суммаризации, математических рассуждений и сценариев агентного поиска информации. Метаданные отмечают чат-возможности и интерфейс вызова инструментов. README описывает её как модель с длинными цепочками рассуждений, но не приводит конкретных языков или сравнительных оценок, поэтому заявленное превосходство над другими моделями нельзя оценить по карточке. Лицензия в предоставленных данных не указана.

nisten/llamagnific-3-87b — плотная авторегрессионная языковая модель семейства Llama, созданная автором репозитория как экспериментальное слияние дообученных моделей. В README указаны Llama 3 70B Instruct и NousResearch/Hermes-2-Pro-Llama-3-70B; метаданные связывают модель с meta-llama/Meta-Llama-3-70B-Instruct. Размер модели — 85,8 млрд параметров, контекст — 8192 токена. Она рассчитана на диалог и генерацию текста; для запуска описан шаблон промпта. Модель может подойти для экспериментального использования в диалоговых ассистентах, ответах на вопросы и генерации текста. Автор отмечает, что результаты слияния оказались неожиданно связными, но сохраняются галлюцинации, связанные с шаблонами промптов. Репозиторий содержит веса Safetensors и распространяется по лицензии Llama 3.

LlamaMix-7B-slerp — языковая модель для генерации текста и диалогов, созданная MohamedAtta-AI объединением моделей через mergekit. В объединение вошли Magicoder-CL-7B и Llama-2-7b-chat-hf; применён метод SLERP. Модель использует архитектуру Llama с плотной трансформерной сетью и выдаёт текст в ответ на текстовый запрос. Метаданные указывают 3,4 млрд параметров и контекст до 4096 токенов. Модель подходит для диалогового ассистента и генерации кода благодаря включению Magicoder-CL-7B. В карточке не приведены оценки качества или подробные результаты тестирования, поэтому пригодность для конкретных задач стоит проверять на собственных примерах. Распространяется по лицензии Apache-2.0.

Llama-SEA-LION-v3-70B-IT-GGUF — это 70-миллиардная мультиязычная decoder-модель для генерации текста, разработанная командой Products Pillar организации AI Singapore при финансировании Singapore NRF. Модель ориентирована на языки Юго-Восточной Азии и создана на основе Llama-SEA-LION-v3-70B-IT; аббревиатура SEA-LION расшифровывается как Southeast Asian Languages In One Network. Модель предназначена для диалоговых и других текстовых задач, включая обработку инструкций и генерацию ответов на английском, китайском, вьетнамском, индонезийском, тайском, филиппинском, тамильском, малайском, кхмерском, лаосском, бирманском, яванском и сунданском языках. Она была дообучена примерно на 12,3 млн англоязычных и 4,5 млн инструкционных пар на языках региона. В данном репозитории представлены веса в формате GGUF с вариантами квантования от Q2_K до Q8_0, а также F16; некоторые варианты разделены на несколько файлов. Контекст модели в README не указан. К сильным сторонам относятся широкий охват языков Юго-Восточной Азии, большой размер и специализация на инструкционном взаимодействии. Модель может галлюцинировать, выдавать нерелевантный или вымышленный контент, а её рассуждения могут быть непоследовательными, поэтому ответы требуют проверки. Выпуск не прошёл дополнительное safety-выравнивание: пользователи и разработчики должны самостоятельно реализовать меры безопасности и при необходимости дообучение. Использование регулируется Llama 3.1 Community License.

KKHYA/llavaqwen2.5-32b-finetune-dense-2m-half — плотная 32-миллиардная причинная языковая модель семейства LlavaQwen2, доступная в формате safetensors и рассчитанная на диалоговую генерацию текста. В метаданных заявлено контекстное окно до 131072 токенов и интерфейс для вызова инструментов. README сообщает, что модель обучена с нуля на неизвестном наборе данных, но не приводит сведений о разработчике, обучающих данных или оценке качества. Модель можно применять для диалогов и генерации текста, в том числе в сценариях с длинным контекстом и подключением инструментов. Несмотря на семейство архитектуры LlavaQwen2, доступные метаданные не подтверждают поддержку изображений, поэтому мультимодальные возможности не заявляются. Лицензия в предоставленных данных не указана.

KKHYA/llavaqwen2.5-32b-finetune-nm-mask-moe-4e-2k-2of4-imp-h200_20260815_093205 — языковая модель на архитектуре LlavaQwen2ForCausalLM с 32 млрд параметров. В метаданных указаны библиотека Transformers, форматы PyTorch и Safetensors, а также контекст длиной до 131072 токенов. Модель предназначена для генерации текста и диалогового взаимодействия; метаданные также отмечают интерфейс вызова инструментов. README сообщает, что модель обучена с нуля, но не содержит сведений о датасете, оценке качества или предполагаемых сценариях применения. Лицензия в предоставленных данных не указана.

Это дообученная модель KKHYA на базе KKHYA/llavaqwen3-1.7b-finetune. Она предназначена для генерации текста и диалогов; метаданные указывают поддержку интерфейса вызова инструментов. Модель содержит 1,7 млрд параметров, использует архитектуру NMMaskMoELLaVAQwen3 и доступна в форматах PyTorch и Safetensors. Контекстное окно составляет 40 960 токенов. Модель принимает текстовые запросы и выдаёт текст. Датасет дообучения и специальные сценарии применения не описаны. Лицензия — Apache-2.0.

Это дообученная версия KKHYA/llavaqwen3-1.7b-finetune с 1,7 млрд параметров, построенная на архитектуре NMMaskMoELLaVAQwen3ForCausalLM и представленная в форматах PyTorch и Safetensors. Модель предназначена для генерации текста и диалогов; метаданные также указывают интерфейс вызова инструментов. Она принимает текст и выдаёт текст, а заявленная длина контекста составляет 40 960 токенов. Модель опубликована KKHYA и дообучена на неизвестном датасете; подробности обучения и оценки не приведены. Репозиторий распространяется по лицензии Apache-2.0.

Это дообученная версия KKHYA/llavaqwen3-1.7b-finetune с 1,7 млрд параметров, разработанная автором репозитория KKHYA. Модель предназначена для генерации текста и диалогов; в метаданных также заявлен интерфейс вызова инструментов. Она использует архитектуру NMMaskMoELLaVAQwen3ForCausalLM и библиотеку Transformers, принимает текст и генерирует текст. Контекстное окно составляет до 40 960 токенов. Данные обучения и подробные оценки не описаны. Репозиторий содержит веса в форматах PyTorch и Safetensors и распространяется по лицензии Apache-2.0. Языковая специализация модели не установлена по доступным сведениям.

jvjmoura/lllmjoao — дообученная автором jvjmoura языковая модель семейства Qwen3 для генерации текста и диалогов. В основе — unsloth/qwen3-4b-unsloth-bnb-4bit; модель имеет плотную архитектуру Qwen3ForCausalLM и около 3,7 млрд параметров. Она принимает текст и выдаёт текст, поддерживает контекст до 40 960 токенов и интерфейс вызова инструментов. В карточке указано, что модель обучалась с использованием Unsloth и библиотеки TRL от Hugging Face. Модель подходит для текстовых диалогов и генерации текста на английском языке. Лицензия — Apache-2.0. Карточка не приводит специализированных сценариев, результатов оценки качества или подробных ограничений; возможности вызова инструментов зависят от поддерживающего их интерфейса.

llm-jp-3.1-8x13b-32K — языковая модель, разработанная Центром исследований и разработок больших языковых моделей Национального института информатики Японии. Это вариант llm-jp-3.1-8x13b с продолженным предобучением на дополнительных 50 млрд токенов для увеличения контекста с 4K до 32K токенов. Модель построена на архитектуре Mixtral MoE с восемью экспертами, из которых активируются два; в метаданных указан размер 13,2 млрд параметров. Веса доступны в формате Safetensors для Transformers. Модель предназначена для генерации текста и диалогов с выполнением инструкций, в частности на японском и английском языках. Увеличенное окно контекста подходит для работы с длинными запросами и документами. Модель развивает серию LLM-jp-3.1, обученную на многоязычных данных, а инструкция-ориентированное промежуточное обучение улучшает следование указаниям. Разработчики отмечают, что модель находится на раннем этапе исследований и разработок и не была настроена для гарантированного соответствия человеческим намерениям и требованиям безопасности. Лицензия — Apache-2.0.

llm-jp-4.1-8b-thinking — языковая модель, разработанная Центром исследований и разработок больших языковых моделей Национального института информатики Японии. Это плотная трансформерная модель семейства Llama с 7,8 млрд параметров по метаданным и контекстом до 65 536 токенов. Репозиторий содержит веса в формате safetensors; для диалогов предусмотрен шаблон, совместимый с форматом ответов OpenAI Harmony, но для токенизации требуется прилагаемый токенизатор модели. Модель предназначена для генерации ответов и рассуждений в диалоге, а также для задач математики, естественных наук, вопросов и ответов, программирования, следования инструкциям и перевода между японским и английским. Она обучалась на японском и английском; после предварительного обучения прошла дообучение с учителем и выравнивание методом DPO, без обучения с подкреплением. Контекст и наличие диалогового режима делают её пригодной для многошаговых запросов и работы с длинными текстами. Разработчики оценивают модель на общих задачах, безопасности и вызове инструментов. Карточка предупреждает, что ответы могут быть неточными, неподходящими или нежелательными, поэтому результаты следует проверять. Разработчики не предназначают модель для непосредственного применения в производственных сервисах. Лицензия — Apache-2.0.