I.5Создание и редактирование текста

Mistral-Starling-merge-trial3-7B — объединённая языковая модель, созданная grimjim с помощью mergekit методом SLERP на основе Nexusflow/Starling-LM-7B-beta и grimjim/Mistral-7B-Instruct-demi-merge-v0.2-7B. Модель с архитектурой Mistral содержит 7,1 млрд параметров и предназначена для генерации текста в диалоговом формате, включая задачи рассуждения; заявленная длина контекста составляет 32 768 токенов. Модель принимает текст и генерирует текстовые ответы. В метаданных Hugging Face указаны библиотека Transformers и лицензия Apache-2.0. README сообщает о цели объединить сильные стороны рассуждения с контекстом 32K, но не приводит оценок качества или подробных результатов проверки.

Mistral-T5-7B-v1 — дообученная Ignos языковая модель на архитектуре Mistral для генерации текста и улучшения выполнения инструкций. Она основана на Toten5/Marcoroni-neural-chat-7B-v2 и обучалась на наборе tatsu-lab/alpaca. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Модель предназначена для ответов на инструкции и запросы в текстовом формате. Веса доступны в формате PyTorch. Лицензия — Apache-2.0. README не приводит результатов оценки качества; заявлено, что модель наследует риски и ограничения базовых моделей.

Mistral-v0.3-Instruct-Matter-Slim-A — разговорная языковая модель, дообученная munish0838 на базе unsloth/mistral-7b-instruct-v0.3-bnb-4bit с использованием датасета 0-hero/Matter-0.1-Slim-A. Это плотная архитектура MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов; модель принимает текст и генерирует текст. Карточка указывает обучение с Unsloth и библиотекой TRL. Модель предназначена для диалоговой генерации текста. Карточка не описывает конкретные навыки датасета или результаты оценки качества, поэтому специализацию сверх общего назначения определить нельзя. Лицензия — Apache-2.0.

mis-wes — языковая модель для генерации текста, созданная объединением mistralai/Mistral-7B-v0.1 и senseable/WestLake-7B-v2 с помощью LazyMergekit. Модель основана на архитектуре Mistral и содержит 4,5 млрд параметров; файлы опубликованы в формате safetensors. Указанная длина контекста — 32 768 токенов. Модель подходит для генерации продолжений и ответов на текстовые запросы. Карточка не приводит сведения о специализации, языковом покрытии или оценках качества. Лицензия в предоставленных данных не указана.

MaziyarPanahi/Mixtral-8x22B-v0.1-GGUF — это квантованная версия базовой языковой модели Mixtral-8x22B-v0.1, разработанной Mistral AI и преобразованной в формат GGUF пользователем MaziyarPanahi. Модель предназначена для генерации текста и может использоваться в локальных сценариях инференса, включая работу через llama.cpp. Базовая модель допускает дообучение. Модель использует разреженную архитектуру Mixture of Experts (MoE): заявлено 176 млрд параметров, из которых около 35 млрд активны при обработке токена; в другом описании также указано 141 млрд параметров MoE. Заявленная длина контекста составляет до 65 тысяч токенов. Доступны варианты квантования от 2 до 8 бит, а также 16-битный вариант, что позволяет выбирать между требованиями к памяти и качеством. Указана поддержка английского, французского, испанского, итальянского и немецкого языков. Сильной стороной модели являются большой контекст, высокая емкость MoE-архитектуры и возможность локального запуска в квантованных вариантах: для FP16 требуется около 260 ГБ видеопамяти, для INT4 — около 73 ГБ. Ограничения включают значительные аппаратные требования даже при квантовании, а также отсутствие в README подробных результатов оценки качества и гарантии одинаковых характеристик для всех вариантов квантования. Модель распространяется по лицензии Apache 2.0.

amd/Mixtral-8x7B-Instruct-v0.1-FP8-KV — FP8-квантизированная версия модели Mixtral-8x7B-Instruct-v0.1, разработанная Advanced Micro Devices (AMD) на базе модели Mistral AI. Квантизация выполнена с помощью Quark с использованием калибровочных образцов из датасета Pile. Модель предназначена для эффективного развертывания и инференса через backend vLLM, включая сценарии на одной или нескольких GPU. Все линейные слои, кроме lm_head и слоёв, содержащих *.gate, используют симметричное тензорное представление FP8 для весов и активаций; KV-кэш также хранится в FP8. Такой подход снижает требования к памяти и может повысить эффективность инференса, однако способен приводить к потере точности по сравнению с исходной моделью. В оценке на wikitext2 perplexity составила 4,2187 против 4,1391 у исходной Mixtral-8x7B-Instruct-v0.1; результаты получены в режиме псевдоквантизации и приведены только для справки. Архитектура, число параметров, поддерживаемые языки и размер контекста в README не указаны. Модель распространяется по лицензии Apache License 2.0.

Mixtral Megamerge DARE 8x7B v2 — объединённая модель семейства Mixtral, созданная автором репозитория martyn с помощью DARE. В слияние вошли базовая и instruct-версии Mixtral-8x7B-v0.1, а также Dolphin, Dolly, OpenHermes и Noromaid на базе Mixtral. Архитектура — языковая модель с разреженной экспертной маршрутизацией (MoE); в репозитории указано 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогов. README сообщает, что слияние рассчитано на обобщение форматов промптов и настроек генерации. Веса доступны в формате safetensors, лицензия — Apache-2.0. Карточка не приводит результатов оценки качества или подробного описания ограничений.

MixtureofMerges-MoE-4x7b-v4 — языковая модель для генерации текста, созданная автором jsfs11 с помощью LazyMergekit. Это смесь экспертов (MoE) на архитектуре Mixtral, объединяющая четыре модели: flemmingmiguel/MBX-7B-v3, Kukedlc/NeuTrixOmniBe-7B-model-remix, PetroGPT/WestSeverus-7B-DPO и vanillaOVO/supermario_v4. В репозитории указано 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации продолжений и ответов на текстовые запросы. В карточке приведены результаты оценивания на Open LLM Leaderboard, включая средний балл 76,23, AI2 Reasoning Challenge и HellaSwag. Данных о языках обучения или специальных предметных областях в предоставленной карточке нет. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Результаты тестов не гарантируют качество на конкретных задачах; карточка также не описывает поведение отдельных экспертов и рекомендуемые параметры инференса.

MKLLM-7B-Instruct — языковая модель с открытыми весами, разработанная для работы с македонским языком. Она основана на Mistral-7B-v0.1: базовую модель дополнительно обучили на македонских и английских текстах, а затем дообучили следовать инструкциям в формате диалогов ChatML. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Mistral и рассчитана на контекст до 32 768 токенов. Модель предназначена для диалога, ответов на вопросы и генерации связного текста, прежде всего на македонском языке; также использует английский. В карточке приведены результаты сравнения с Llama 3 8B Instruct и Mistral 7B Instruct v0.3 на переведённых македонских тестах понимания, однако эти тесты не оценивают генерацию и беглость. Лицензия CC BY-NC-SA 4.0 разрешает использование на условиях указания авторства, распространения на тех же условиях и без коммерческого применения. Модель может галлюцинировать и выдавать фактически неверные ответы, особенно по темам, связанным с Македонией.

Это GGUF-квантизированная версия текстовой генеративной модели Qwen3-4B-abliterated, разработанной mlabonne и подготовленной пользователем bartowski. Квантизация выполнена с использованием llama.cpp версии b5200 и метода imatrix, что позволяет запускать модель в локальных приложениях на базе llama.cpp, включая LM Studio. Модель предназначена для генерации текста в диалоговом формате с использованием шаблона prompt формата ChatML. Доступны варианты от BF16 до различных уровней квантизации, включая Q8_0, Q6_K, Q5_K_M, Q4_K_M и более компактные форматы. Размер файлов составляет примерно от 1,8 до 8,05 ГБ; варианты с более высокой точностью обеспечивают лучшее качество, а варианты с низкой разрядностью требуют меньше оперативной памяти. Рекомендуемым компромиссом для большинства сценариев указан Q4_K_M, а для максимального качества — Q6_K или Q6_K_L. В README не указаны архитектурные детали исходной модели, поддерживаемые языки, размер контекста, мультимодальные возможности и лицензия. Поэтому модель следует рассматривать как локальную текстовую LLM для совместимых инструментов llama.cpp, с ограничениями, зависящими от выбранного варианта квантизации и доступной памяти.

mHossain/ml_sum_v1 — дообученная версия модели mHossain/Albaniani_sum_v1 на неизвестном наборе данных. Это плотная модель семейства T5 с архитектурой T5ForConditionalGeneration и 123,8 млн параметров, предназначенная для генерации текста по текстовому запросу. Название модели и оценка ROUGE в карточке указывают на задачу суммаризации. Модель принимает текст и генерирует текст; заявленная длина контекста — 512 токенов. В README приведены результаты оценки: loss 2,2080, ROUGE-1 6,9869, ROUGE-2 2,6256 и ROUGE-L 6,4271; без описания набора данных и протокола оценки эти значения трудно интерпретировать. Язык модели не установлен по доступным данным. Модель распространяется по лицензии Apache-2.0.

mHossain/ml_sum_v2 — дообученная версия T5ForConditionalGeneration объёмом 123,8 млн параметров, созданная на основе mHossain/ml_sum_v1. Модель предназначена для суммаризации: она принимает текст и генерирует краткий текстовый пересказ. Максимальная длина контекста — 512 токенов. В карточке приведены метрики на оценочном наборе: Loss 1,9401, ROUGE-1 8,1448, ROUGE-2 3,3615, ROUGE-L 7,4641 и ROUGE-Lsum 7,9361; длина генерации — 19 токенов. Датасет обучения не указан, а карточка не описывает предполагаемые сценарии применения и ограничения качества. Модель распространяется под лицензией Apache-2.0.

Это конвертированная в формат GGUF и представленная в варианте BF16 модель Magistral-Small-2506 от mlx-community. Файлы подготовлены при поддержке TensorBlock и совместимы с llama.cpp начиная с коммита b5753; карточка также описывает шаблон для диалоговых запросов. Модель предназначена для генерации текста в диалоговом режиме. Репозиторий содержит варианты квантизации Q2_K и Q3_K, а также другие файлы GGUF; README предупреждает, что Q2_K заметно снижает качество, а варианты Q3_K дают высокую потерю качества. Модель распространяется по лицензии Apache-2.0. Метаданные указывают поддержку многих языков, включая русский, английский, французский, немецкий, испанский, китайский и японский.

Репозиторий содержит файлы модели Qwen3-4B-bf16 в формате GGUF, подготовленные TensorBlock и размещённые в сообществе mlx-community. Это языковая модель для генерации текста и диалогов; в метаданных указана возможность чата, а README приводит шаблон системного и пользовательского сообщений. Представлены варианты квантизации GGUF, включая Q2_K и Q3_K_S/Q3_K_M; для них в карточке отмечена потеря качества, особенно у малых вариантов. Файлы совместимы с llama.cpp начиная с указанного в README коммита. Лицензия — Apache-2.0. Базовая модель в метаданных указана как mlx-community/Qwen3-4B-bf16.

MN-12B-Celeste-V1.9-GGUF — это набор GGUF-квантизированных версий текстовой генеративной модели MN-12B-Celeste-V1.9, разработанной nothingiisreal и преобразованной в GGUF компанией или автором bartowski. Квантизация выполнена с помощью llama.cpp версии b3634 и метода imatrix. Модель предназначена для локального запуска и генерации текста, в том числе через LM Studio и совместимые инструменты на базе llama.cpp. Модель имеет размер 12B параметров и работает с текстом на английском языке. В README указан формат инструкций с ролями system, user и assistant на основе специальных токенов im_start и im_end. Доступны варианты от F32 и F16 до различных уровней квантизации Q8_0, Q6_K, Q5_K, Q4_K, Q3_K и IQ; размеры файлов составляют примерно от 5,45 до 49 ГБ. Более качественные варианты Q6 и Q5 рекомендуются для максимального сохранения возможностей, а облегчённые варианты подходят для систем с ограниченной оперативной памятью. Некоторые сборки оптимизированы для ARM и CPU. Сильными сторонами являются широкий выбор размеров, возможность локального запуска и использование imatrix-квантизации, призванной сохранить качество при уменьшении объёма модели. Ограничения включают зависимость характеристик от выбранного уровня квантизации, отсутствие в README данных об архитектуре, размере контекста, производительности, мультимодальности и поддерживаемых языках помимо указанного английского. Лицензия модели указана как Apache-2.0.

MN-12B-Chronos-Gold-Celeste-v1 — объединённая модель на базе Mistral, созданная с помощью mergekit из nothingiisreal/MN-12B-Celeste-V1.9 и elinas/Chronos-Gold-12B-1.0. Она предназначена для генерации текста и чат-диалогов, включая художественные истории и интерактивные ролевые сценарии, что следует из описания базовых моделей в каталоге. Модель содержит 12,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и распространяется в формате safetensors. Для использования доступны условия лицензии Apache-2.0.

MN-Chinofun-12B-2 — объединённая языковая модель от автора djuna, созданная методом Model Stock с помощью mergekit на базе ArliAI/Mistral-Nemo-12B-ArliAI-RPMax-v1.2 и с включением ещё пяти моделей Mistral Nemo. Это плотная причинно-языковая архитектура Mistral, содержащая 12,1 млрд параметров; веса опубликованы в формате safetensors, модель рассчитана на генерацию текста и диалоговое взаимодействие. В метаданных указан контекст до 1 024 000 токенов. Модель подходит для генерации ответов в чате, творческого письма и ролевых диалогов. README приводит результаты Open LLM Leaderboard, включая IFEval и BBH, но не описывает специализированные отраслевые задачи. Лицензия в предоставленных данных не указана, поэтому условия использования по ним определить нельзя.

Модель CRWU1/model — дообученная CRWU1 языковая модель семейства Llama для генерации текста. Она основана на unsloth/meta-llama-3.1-8b-bnb-4bit и обучалась с использованием Unsloth и библиотеки TRL. Модель содержит 7,5 млрд параметров, построена на плотной архитектуре LlamaForCausalLM и рассчитана на контекст до 131072 токенов. Модель подходит для генерации текста на английском языке. Репозиторий содержит веса в формате PyTorch; лицензия — Apache-2.0. Карточка не описывает специализацию дообучения или результаты оценки качества, поэтому применимость к узким задачам не подтверждена.

Model_Stock_Mixv0.1-7B — объединённая языковая модель, опубликованная пользователем jsfs11 и созданная методом model_stock с помощью LazyMergekit. Она основана на архитектуре Mistral и содержит 7,1 млрд параметров; модель предназначена для генерации текста и диалога. Для объединения использованы шесть моделей, включая MTSAIR/multi_verse_model, automerger/Experiment27Pastiche-7B, Gille/StrangeMerges_32-7B-slerp, automerger/YamshadowExperiment28-7B, liminerity/M7-7b и jsfs11/MoEv4Config-TestWeightedTIES-7b. Модель принимает текст и выдаёт текст, поддерживает контекст длиной до 32 768 токенов и опубликована в формате safetensors. Лицензия и сведения о языковой специализации в использованных данных не приведены. Практическое качество отдельных сценариев в карточке не оценено.

moe-minicpm-x4-base — языковая модель на архитектуре Mixtral с механизмом смеси экспертов (MoE), созданная babybirdprd с помощью LazyMergekit на основе NurtureAI/minicpm-2b-sft-bf16-llamafied-16k. Она предназначена для генерации текста и диалогового общения; конфигурация направляет каждый токен к двум из четырёх экспертов, использует случайный режим выбора шлюза и повторяет одну и ту же базовую модель во всех экспертных ветвях. Модель содержит 2,7 млрд параметров и поддерживает контекст до 16 384 токенов. Доступна в формате safetensors по лицензии Apache-2.0. Карточка не приводит результатов оценки качества или сведений о языках обучения, поэтому их нельзя определить по имеющимся данным.

Moist_Theia_21B — объединённая языковая модель, созданная сообществом mergekit из BeaverAI/NeMoist-21B-v1a и TheDrummer/Theia-21B-v2 методом SLERP. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM и примерно 20,7 млрд параметров; репозиторий содержит веса в формате safetensors. Конфигурация с V-образным распределением коэффициента слияния сочетает вклад моделей в разных слоях. Модель предназначена для генерации текста и чат-диалогов. Её можно использовать для ролевых бесед, написания историй и творческих текстов, опираясь на назначение базовой Theia-21B-v2. В метаданных указан контекст до 1 024 000 токенов, однако фактическое качество на такой длине по имеющимся сведениям не подтверждено. Лицензия в предоставленных данных не указана, поэтому условия использования следует сверить с карточками исходных моделей и репозитория. Характеристики модели унаследованы от объединённых чекпойнтов, а специальных гарантий качества или независимой оценки в README нет.

MonadGPT 7B GGUF — квантизированная версия языковой модели MonadGPT 7B, разработанной Pierre-Carl Langlais и преобразованной в формат GGUF пользователем TheBloke. Модель основана на архитектуре Mistral и предназначена для диалогового взаимодействия и генерации текста. Модель ориентирована на работу с английским, французским и латинским языками. Доступны варианты квантизации от 2 до 8 бит для запуска на CPU и GPU, что позволяет выбирать компромисс между требованиями к памяти и качеством вывода. Файлы совместимы с llama.cpp и рядом пользовательских интерфейсов и библиотек, включая LM Studio, KoboldCpp и llama-cpp-python. Для общения используется шаблон ChatML. Сведения о длине контекста, точном числе параметров архитектуры и мультимодальных возможностях не указаны; по представленным данным это текстовая модель. К сильным сторонам относятся локальный запуск на различном оборудовании, широкий выбор уровней квантизации и поддержка нескольких языков. К ограничениям относятся возможная потеря качества в квантизированных версиях и отсутствие подробных данных о результатах тестирования, производительности и сценариях применения. Модель распространяется по лицензии Apache-2.0.

SilverFan/Monarch-Kunoichi-7B — экспериментальная слитая диалоговая модель на архитектуре Mistral, созданная с помощью LazyMergekit на основе mlabonne/AlphaMonarch-7B и crestf411/daybreak-kunoichi-2dpo-7b. Слияние выполнено методом SLERP; модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для диалогов и генерации текста. В карточке автор называет её тестируемым экспериментом и сообщает, что сборка IMatrix GGUF планируется; доступный репозиторий содержит веса в формате safetensors. Языки применения и специальные предметные области в источниках не обозначены. Лицензия в предоставленных данных не указана.

Monstral-123B-v2-GGUF — это квантизированная версия текстовой генеративной модели Monstral-123B-v2, разработанной MarsupialAI и подготовленной в формате GGUF пользователем bartowski. Модель предназначена для диалогового взаимодействия и генерации текста, включая локальный запуск через llama.cpp и LM Studio. Указан английский язык, а рекомендуемый формат запроса — шаблон [INST]. Модель содержит 123B параметров, однако сведения о конкретной архитектуре, размере контекста и поддерживаемых модальностях в README не приведены. Доступно множество вариантов квантизации от Q8_0 до IQ1_M: более высокие разрядности сохраняют лучшее качество, но требуют значительно больше памяти, тогда как низкоразрядные варианты экономичнее, но заметно уступают по качеству. Рекомендуемыми названы Q6_K, Q5_K_M, Q5_K_S, Q4_K_M, Q4_K_S и IQ4_XS; размер файлов варьируется примерно от 28 до 130 ГБ. Основные преимущества — возможность локального запуска, широкий выбор компромиссов между качеством и требованиями к памяти, а также оптимизации для некоторых ARM- и AVX-систем. Ограничения включают очень высокие аппаратные требования для крупных вариантов и снижение качества у низкоразрядных квантизаций; отдельные варианты имеют ограничения совместимости, например Q4_0_8_8 не рекомендуется для Mac. Лицензия указана как other с названием mrl, но её подробные условия в README не раскрыты.

Это квантованные версии инструкционной языковой модели Kimi-K2-Instruct-0905, разработанной Moonshot AI и преобразованной в формат GGUF пользователем bartowski. Модель предназначена для генерации текста и запуска локально через llama.cpp, LM Studio и другие совместимые проекты на базе llama.cpp. В репозитории представлены варианты квантования Q5_K_M, Q4_K_M, Q4_1, Q4_0, IQ4_NL, IQ4_XS, Q3, Q2 и другие. Размер файлов зависит от варианта и составляет примерно от 245,61 до 730,53 ГБ; для большинства сценариев рекомендуются Q5_K_M и Q4_K_M, а варианты с более низкой разрядностью требуют меньше оперативной памяти, но обеспечивают более низкое качество. Квантование выполнено с использованием imatrix и llama.cpp версии b6317. README не содержит сведений об архитектуре исходной модели, числе параметров, поддерживаемых языках, модальностях, размере контекста, точном формате промптов или лицензии. Поэтому эти характеристики нельзя достоверно определить по представленным данным.

MotherEarth-Hermes-Storm-Climate-Sauerkraut-abliterated — диалоговая языковая модель, созданная MotherEarth линейным слиянием трёх предварительно обученных моделей с помощью mergekit. В основу слияния вошли MotherEarth/Hermes-Storm-Climate-lorablated, MotherEarth/MotherEarth-Proverbs-1.0-8B и VAGOsolutions/Llama-3.1-SauerkrautLM-8b-Instruct. Модель использует архитектуру Llama с плотной причинно-языковой сетью и содержит 7,5 млрд параметров. Модель предназначена для генерации текста в диалоговом формате. Заявленная длина контекста составляет 131 072 токена; репозиторий содержит веса в формате safetensors, а для работы указана библиотека Transformers. Базовая модель SauerkrautLM ориентирована на немецкий и английский языки, но языковой охват итогового слияния отдельно не описан. Лицензия в предоставленных данных не указана. Поскольку модель объединяет несколько компонентов, условия их лицензий могут влиять на использование итоговых весов; перед применением следует сверить лицензии всех базовых репозиториев. Качество и ограничения модели в README не описаны.

PSanni/MPOMixtral-8x7B-Instruct-v0.1 — чат-модель на архитектуре Mixtral-8x7B, дообученная автором с помощью LoRA и собственной техники выравнивания MPO. Она предназначена для диалогов и генерации ответов в формате ChatML, в том числе для задач общего ассистента. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0. README не уточняет обучающие данные, поддерживаемые языки и ограничения применения; заявленные автором подробности обучения не приведены.

Marsh Harrier Lite (MSH-Lite) — компактная языковая модель MedIT Solutions для генерации текста и диалогов по инструкциям. Она получена прунингом модели MSH-v1-Bielik-v2.3-Instruct-MedIT-merge и объединённых баз Bielik; каталог указывает архитектуру Mistral с плотной причинной языковой моделью. В репозитории около 7,5 млрд параметров, формат весов — safetensors, контекст — до 32 768 токенов. Модель рассчитана на польский и английский языки и предназначена для сценариев, где важны диалоговые ответы и меньшие вычислительные затраты по сравнению с исходной моделью на 11 млрд параметров. Заявления карточки о конкурентном качестве не сопровождаются результатами тестов. Лицензия — Apache-2.0.

Kaoeiri/MS-Magpantheonsel-lark-v4x1.6.2RP-Cydonia-vXXX-22B-8 — объединённая языковая модель на архитектуре Mistral, созданная автором репозитория методом DARE TIES с помощью mergekit. В качестве базовой модели указана unsloth/Mistral-Small-Instruct-2409; в слияние также вошли модели для ролевого общения, диалогов и создания прозы. Размер модели — 22 млрд параметров, контекст — до 131 072 токенов. Модель предназначена для генерации текста в чатах, ролевых сценариях и художественном письме; метаданные также отмечают интерфейс вызова инструментов. В карточке перечислены компоненты на нескольких языках, но явно заявленная языковая специализация не указана. Модель распространяется по лицензии CC BY-NC-ND 4.0, которая ограничивает коммерческое использование и распространение производных версий.

MS-ManciousWriter-22B-v0.2 — объединённая модель для генерации текста, созданная с помощью mergekit методом TIES на основе allura-org/MS-Meadowlark-22B с включением anthracite-org/magnum-v4-22b. Это плотная авторегрессионная модель семейства Mistral с 22 млрд параметров; репозиторий содержит веса Safetensors, а для работы указана библиотека Transformers. Модель предназначена для диалоговой генерации и создания связной прозы. Базовая модель описана как англоязычная модель для диалогов, следования инструкциям и написания прозы; карточка этой версии не уточняет отдельные сценарии использования, языки или результаты оценки качества. Заявленная длина контекста составляет 131 072 токена. Лицензия в предоставленных данных не указана.