I.5Создание и редактирование текста

Druidchoi дообучил эту плотную языковую модель на архитектуре Llama 3 от MLP-KTLim/llama-3-Korean-Bllossom-8B. Модель содержит 7,5 млрд параметров, принимает текст и предназначена для диалогов и генерации текста; в метаданных указано контекстное окно 8192 токена. Модель доступна в формате PyTorch под лицензией Apache-2.0. Карточка сообщает об обучении с использованием Unsloth и TRL, но не описывает конкретный набор данных, результаты оценки или дополнительные специализированные возможности. Базовая модель рассчитана на корейский и английский языки; карточка этой версии не подтверждает отдельно её языковое покрытие.

BLOSSOM-v3.1-baichuan2-7b — диалоговая языковая модель, разработанная на основе Baichuan2-7B-Base и дообученная командой BLOSSOM на смеси наборов инструкций Orca, Wizard, Chat и Math. Модель имеет плотную архитектуру Baichuan с 7 млрд параметров и контекстное окно 4096 токенов; она принимает текст и генерирует текст в формате продолжения диалога. Модель предназначена для ответов на вопросы, выполнения инструкций, многоходового диалога и математических рассуждений на китайском и английском языках. Обучение проходило в два этапа: сначала на одношаговых инструкциях Wizard и Orca, затем на математических примерах и многотуровых диалогах Blossom Chat. Лицензия — Apache-2.0.

Это набор GGUF-квантизированных версий языковой модели bofenghuang/Meta-Llama-3-8B, подготовленный командой featherless-ai-quants. Модель предназначена для генерации текста и локального или серверного запуска в совместимых средах, поддерживающих формат GGUF. README не уточняет исходного разработчика базовой модели, её языки, максимальный контекст и точную архитектуру; известно только, что базовая модель относится к семейству Meta Llama 3 и имеет 8 млрд параметров. Доступны 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 8,1 ГБ. Разные варианты позволяют выбирать компромисс между требованиями к памяти, скоростью работы и сохранением качества, однако конкретные различия в качестве в README не приведены. Модель ориентирована на задачи текстовой генерации, но сведения о специальной настройке, мультиязычности, производительности и ограничениях отсутствуют. Лицензия в README не указана. Условия использования должны определяться лицензией исходной модели bofenghuang/Meta-Llama-3-8B и условиями распространения соответствующих квантизированных файлов.

bophades-mistral-7B — объединённая модель для генерации текста, созданная nbeerbower с помощью mergekit. В основе лежит yam-peleg/Experiment26-7B; слияние выполнено методом DARE TIES с несколькими моделями Mistral, включая варианты для математики и другие экспериментальные чекпойнты. Модель построена на архитектуре MistralForCausalLM и содержит 7,1 млрд параметров. Она принимает текст и генерирует текст, поддерживает контекст длиной до 32 768 токенов. В репозитории опубликованы веса в формате safetensors; для запуска используется библиотека Transformers. Карточка не уточняет поддерживаемые естественные языки и специализированные сценарии. Модель распространяется по лицензии Apache-2.0. Сведения о качестве, результатах оценки и конкретных ограничениях в карточке не приведены.

breakmymind-7B-slerp — языковая модель на 7,1 млрд параметров, созданная Eliorkalfon слиянием WizardLM/WizardMath-7B-V1.1 и OpenPipe/mistral-ft-optimized-1227 методом SLERP с помощью mergekit. Модель построена на архитектуре Mistral и предназначена для генерации текста, включая решение математических задач и диалоговые сценарии. Контекст модели составляет до 32 768 токенов. В репозитории представлены веса в формате safetensors; в конфигурации слияния указан тип данных bfloat16. Лицензия — Apache 2.0, допускающая коммерческое использование при соблюдении её условий. Подробные оценки качества и ограничения в карточке не приведены.

Breeze-13B-32k-Base-v1_0 — текстовая авторегрессионная модель семейства Mistral, опубликованная пользователем win10 на Hugging Face. Это объединённая с помощью mergekit модель, собранная из нескольких копий MediaTek-Research/Breeze-7B-32k-Base-v1_0; в репозитории указано 12,5 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста и запуска сценариев на длинном контексте. Веса размещены в формате safetensors, лицензия — Apache-2.0. README не приводит результатов оценки качества или подробных ограничений, поэтому пригодность для конкретной задачи следует проверять отдельно.

Breeze-7B-Instruct-v1_0-GGUF — квантизированная GGUF-версия языковой модели Breeze-7B-Instruct-v1_0, разработанной MediaTek-Research и подготовленной к квантизации компанией Second State Inc. Модель предназначена для генерации текста и диалоговых сценариев, включая запуск локально через LlamaEdge. Указана поддержка китайского и английского языков, а контекстное окно составляет 8000 токенов. Модель имеет 7 миллиардов параметров и поставляется в вариантах с квантизацией от 2 до 8 бит, а также в формате f16. Доступны сборки размером примерно от 2,86 до 15 ГБ; варианты Q4_K_M, Q5_K_M и Q5_K_S обозначены как рекомендуемые благодаря балансу между размером и качеством. Более агрессивная квантизация уменьшает требования к памяти, но может приводить к заметной потере качества, тогда как f16 требует существенно больше ресурсов. Для работы используется шаблон запросов mediatek-breeze и LlamaEdge версии 0.14.2 или новее. README не содержит сведений о мультимодальности, конкретной архитектуре, результатах тестирования или ограничениях качества, поэтому модель следует рассматривать прежде всего как компактную текстовую instruct-модель для локального инференса. Лицензия — Apache 2.0.

BruinHermes — объединённая языковая модель, опубликованная cookinai. Она создана методом Slerp merge на основе rwitz2/go-bruins-v2.1.1 и Weyaxi/OpenHermes-2.5-neural-chat-v3-3-Slerp с помощью mergekit. В метаданных указаны архитектура MistralForCausalLM, плотная модель размером 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста. Карточка описывает способ объединения весов, но не приводит результатов оценки качества или отдельных сценариев применения. Репозиторий содержит веса в формате Safetensors. Лицензия в метаданных обозначена как unknown.

bruphin-theta — языковая чат-модель на архитектуре Mistral, созданная nbeerbower с помощью слияния SLERP моделей Weyaxi/Einstein-v4-7B и nbeerbower/bruphin-eta. Веса представлены в формате safetensors; размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для генерации текста в диалоговом формате: её можно использовать для ведения беседы, ответов на вопросы и выполнения инструкций. Базовая модель Einstein-v4-7B описана как чат-модель для инструкций, научных и математических вопросов; эти свойства могут быть полезны и в bruphin-theta, но README не приводит отдельных оценок её качества. Модель распространяется по лицензии Apache-2.0. Она принимает и генерирует текст; сведения о поддерживаемых естественных языках и специальных ограничениях в карточке отсутствуют.

BurningBruce-003 — разговорная языковая модель на архитектуре Mixtral с разреженной смесью экспертов (MoE), созданная Kquant03, Dontriskit и NeuralNovel с помощью mergekit. Она предназначена для генерации текста и диалогового общения на английском языке; модель содержит около 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В смесь включены TurdusBeagle-7B, Turdus, Marcoroni-7b-DPO-Merge и Marcoroni-neural-chat-7B-v2; README описывает четыре экспертные модели и указывает TurdusBeagle-7B как базовую. В MoE маршрутизатор выбирает экспертов для обработки токенов, но здесь он не обучался одновременно с моделью. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Модель подходит для диалогов и генерации английского текста с длинным контекстом. Для запуска требуется память, достаточная для загрузки всех весов, несмотря на разреженную активацию экспертов. Оценки качества в карточке пока не приведены.

BurningBruce-004 — разговорная языковая модель на архитектуре Mixtral MoE, созданная Kquant03, Dontriskit и NeuralNovel с помощью mergekit. Она предназначена для генерации текста и диалоговых сценариев. В README перечислены исходная модель leveldevai/TurdusBeagle-7B и четыре экспертные модели, использованные при сборке; метаданные указывают около 7,1 млрд параметров и контекст до 32 768 токенов. Модель принимает текст и выдаёт текст. В карточке указан английский язык, а для репозитория отмечены возможности чата. Автор приводит результаты отдельных бенчмарков, но полная таблица оценок и подробная методика в доступном тексте отсутствуют. Лицензия — Apache-2.0. Для MoE-моделей в README также отмечены высокие требования к памяти для размещения весов.

ByT5-text-correction — многоязычная модель семейства T5 объёмом 364,6 млн параметров, предназначенная для простой коррекции текста. Она исправляет тексты из интернета, в которых отсутствует пунктуация или нарушено написание прописных букв, а также восстанавливает диакритические знаки в языках, где они используются. На вход подаётся предложение с префиксом кода языка; модель поддерживает белорусский, датский, немецкий, греческий, английский, испанский, французский, итальянский, нидерландский, польский, португальский, румынский, русский, словацкий, шведский и украинский языки. Модель представлена в форматах PyTorch и safetensors и распространяется по лицензии LGPL. Карточка описывает её как утилиту для простых исправлений; она не заявляет о проверке фактов или глубокой редактуре, поэтому не следует считать её заменой полноценной вычитке.

Aratako разработал c4ai-command-r-v01-japanese-instruct — японскую инструктивную донастройку модели Cohere c4ai-command-r-v01 с использованием набора ichikara-instruction. Это плотная авторегрессионная языковая модель CohereForCausalLM на 35 млрд параметров; в репозитории представлены веса Safetensors. Контекст модели составляет 8192 токена, а в обучении использовалась максимальная длина последовательности 2048 токенов. Модель предназначена для генерации ответов и выполнения инструкций на японском языке. Автор приводит оценки на японских наборах JSQuAD, JCommonsenseQA, JNLI и MARC-ja: средний результат вырос с 0,783 у исходной модели до 0,806. В тесте Japanese MT-Bench средняя оценка немного снизилась — с 7,35 до 7,15; автор также отмечает, что в проверенных ответах стало меньше примесей английского. Английский язык также указан среди поддерживаемых языков. Модель распространяется по лицензии CC-BY-NC-SA 4.0; README также указывает на применимость политики допустимого использования C4AI. Она не предназначена для коммерческого использования в рамках указанной лицензии.

MaziyarPanahi/calme-2.2-phi3-4b — языковая модель Maziyar Panahi, дообученная методом DPO на microsoft/Phi-3-mini-4k-instruct. Она предназначена для диалогов и генерации текста, включая ответы на инструкции; карточка приводит результаты оценивания на наборах IFEval, BBH, AI2 Reasoning Challenge и HellaSwag. Модель использует плотную архитектуру Phi-3 с 3,7 млрд параметров и контекстом до 4096 токенов, работает с библиотекой Transformers и форматом safetensors. Для диалогов применяется шаблон ChatML. Модель принимает текст и генерирует текст. В карточке указан английский язык; метаданные также отмечают возможности чата и генерации кода, но отдельная специализация на коде не заявлена. Распространяется по лицензии MIT.

MaziyarPanahi/Calme-7B-Instruct-v0.3-GGUF — это набор квантованных файлов модели Calme-7B-Instruct-v0.3 в формате GGUF, подготовленный разработчиком MaziyarPanahi. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск через llama.cpp и совместимые приложения и библиотеки. Модель относится к классу 7B и ориентирована на текстовую модальность. В репозитории доступны варианты квантования с разрядностью от 2 до 8 бит, включая Q2_K, Q3_K, Q4_K, Q5_K и Q6_K, что позволяет выбирать компромисс между размером файла, потреблением памяти и качеством генерации. GGUF поддерживается llama.cpp, text-generation-webui, KoboldCpp, GPT4All, LM Studio, llama-cpp-python, candle и другими инструментами. Сведения о языках, размере контекста и точной архитектуре в README не указаны. Основные преимущества — возможность локального запуска, поддержка широкого диапазона уровней квантования и совместимость с популярной экосистемой GGUF. К ограничениям относятся потенциальная потеря качества при использовании более агрессивного квантования и отсутствие в предоставленных данных результатов оценки, описания обучающих данных и характеристик контекстного окна. Для модели указана лицензия Apache-2.0.

Calme-7B-Instruct-v0.5-GGUF — набор квантованных файлов в формате GGUF для модели Calme-7B-Instruct-v0.5, разработанной MaziyarPanahi. Модель предназначена для генерации текста, диалоговых сценариев и выполнения инструкций в локальных приложениях, поддерживающих GGUF. Модель имеет размер около 7 млрд параметров и относится к текстовым языковым моделям; в метаданных также указан тег mistral, однако подробности архитектуры, языки и размер контекстного окна не приведены. Доступны варианты квантования от 2 до 8 бит, включая Q2_K, Q3_K, Q4_K, Q5_K и Q6_K, что позволяет выбирать компромисс между требованиями к памяти, скоростью и сохранением качества. Формат поддерживается llama.cpp, text-generation-webui, LM Studio, GPT4All, KoboldCpp и другими совместимыми инструментами. Главные преимущества — возможность запуска локально, широкий выбор уровней квантования и совместимость с популярной экосистемой GGUF. Ограничения связаны с потерями качества при использовании более агрессивного квантования, а также с отсутствием в README данных о результатах тестирования, языковой специализации, контекстном окне и конкретных требованиях к оборудованию. Для модели указана лицензия Apache 2.0.

Canarim-7B — португалоязычная языковая модель, разработанная Майконом Домингешем. Она основана на LLaMA 2-7B и продолжила предварительное обучение на 16 млрд токенов из португалоязычной части CommonCrawl 2023-23; данные охватывают период до середины 2023 года. Модель содержит 6,6 млрд параметров, использует архитектуру Llama и поддерживает контекст до 4096 токенов. Модель предназначена для генерации и понимания португальского текста. Её можно применять для создания контента, анализа тональности, классификации тем, извлечения сущностей и перевода, особенно в сценариях с примерами желаемого результата в запросе. Обучение проводилось только на задаче языкового моделирования: модель не дообучалась для следования инструкциям, поэтому для неё предпочтительны few-shot запросы, а качество zero-shot выполнения задач может быть ниже. Веса доступны в форматах PyTorch и Safetensors. Лицензия — Llama 2 Community License.

AmberYifan/capsd-marin-8b-base-n80000-opc-r96-marin-8b-base-code_cap_b8000_s0 — дообученная модель семейства Llama, созданная на основе marin-community/marin-8b-base с использованием датасета capsd_R96__mix_code_cap_b8000_s0. Она предназначена для генерации и продолжения текста; метаданные также отмечают поддержку диалогового режима. Модель содержит 7,5 млрд параметров, работает с текстом и имеет контекстное окно 4096 токенов. Базовая модель описана как англоязычная; отдельные характеристики языковой поддержки этой версии в карточке не раскрыты. README не приводит подробностей о целевых сценариях, обучении или оценке. Лицензия указана как other, поэтому условия использования следует сверить с лицензией репозитория.

Capybara-Finnish-V1-8B — финноязычная модель для генерации текста, созданная mpasila на основе gpt3-finnish-8B-gptq-4bit и дообученная на инструкциях в формате Alpaca. Для обучения использовался датасет Finnish-NLP/Capybara-fi-deepl-translated-sft с изменениями формата; карточка также указывает исходную неквантованную модель TurkuNLP/gpt3-finnish-8B. Модель построена на архитектуре BLOOM, содержит 9,1 млрд параметров и распространяется в формате Safetensors. Модель предназначена для выполнения инструкций и генерации ответов на финском языке. Вход оформляется по шаблону Alpaca с финским текстом инструкции и, при необходимости, дополнительным контекстом. Автор отмечает, что объединение LoRA с квантованной базой могло быть выполнено не оптимальным способом, поэтому качество результата может зависеть от этого процесса. Лицензия — Apache-2.0.

CapyLake-7B-v2-laser — языковая модель на архитектуре Mistral, созданная дообучением cognitivecomputations/WestLake-7B-v2-Laser командой автора репозитория. Модель обучали один проход по датасету argilla/distilabel-capybara-dpo-7k-binarized; шаблон чата приведён к ChatML. Она предназначена для генерации текста и диалоговых сценариев. Размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов; веса доступны в формате Safetensors для Transformers. В карточке приведены результаты оценивания на наборах AGIEval, GPT4All, TruthfulQA и Bigbench. Данных о специализации на конкретном языке или прикладной области нет. Лицензия в предоставленных сведениях не указана.

Capytessborosyi 34B 200K DARE Ties GGUF — это квантизированная языковая модель для генерации текста, разработанная brucethemoose и преобразованная в формат GGUF пользователем TheBloke. Модель основана на архитектуре Yi и предназначена для работы с текстовыми запросами, включая диалоговые сценарии и локальный запуск через совместимые приложения и библиотеки. Модель имеет размер 34B параметров и заявленный контекст до 200K токенов; в метаданных указан английский язык. Доступны варианты квантизации от 2 до 8 бит, рассчитанные на инференс с использованием CPU и GPU. Формат GGUF поддерживается, в частности, llama.cpp, text-generation-webui, KoboldCpp, GPT4All, LM Studio и llama-cpp-python. Для диалогового взаимодействия в README приведён шаблон Orca-Vicuna с ролями SYSTEM, USER и ASSISTANT. К сильным сторонам относятся большой заявленный контекст, широкий выбор уровней квантизации и возможность локального запуска на различном оборудовании. К ограничениям относятся возможное снижение качества по сравнению с исходной неквантизированной версией при использовании агрессивной квантизации, а также отсутствие в README результатов тестирования и подробного описания специализации модели. Распространение регулируется лицензией yi-license; ссылка ведёт на лицензию исходной модели Yi-34B.

Caramelo 4.4.1 — дообученная Guilherme Favaron модель на основе google/gemma-4-E4B-it. Она предназначена для диалога и написания текстов в прямом, аргументированном стиле автора: отвечает на бразильском португальском, подкрепляет мысль данными и примерами, избегает рекламного тона и эмодзи. Модель доступна через API, веб-приложение и CLI; веса также можно запускать локально. Основа модели использует архитектуру Gemma4ForConditionalGeneration, однако этот LoRA обучен только для текстового декодера: Caramelo принимает текст и генерирует текст, а возможности обработки изображений и аудио базовой модели здесь не задействованы. Обучение выполнено методом QLoRA на 414 парах для коррекции стиля; в репозитории опубликованы объединённые веса bf16 и GGUF Q4_K_M. GGUF занимает около 5 ГиБ и, по карточке, работает на CPU. В README приведены результаты слепого сравнения на 24 запросах, но это внутренняя оценка проекта. Лицензия — Apache-2.0, как у базовой модели. В опубликованных весах нет серверной защитной прослойки, используемой в размещённом сервисе, поэтому для самостоятельного развёртывания следует настроить собственную модерацию. Настройка на голос автора и португальский язык ограничивает пригодность модели для иных стилей и языков.

Cathallama-70B-GGUF — это квантованные версии текстовой генеративной модели Cathallama-70B, разработанной gbueno86 и преобразованной в формат GGUF пользователем bartowski. Модель предназначена для генерации текста и запуска локально через llama.cpp и совместимые приложения, включая LM Studio. README указывает английский язык и происхождение модели, связанное с mergekit, однако подробности исходной архитектуры и состава объединённых моделей не приведены. Доступны варианты квантования от IQ1_M и Q2 до Q8_0 с размером файлов примерно от 16,75 до 74,98 ГБ. Более качественными и рекомендуемыми названы Q6_K, Q5_K_M, Q4_K_L, Q4_K_M, Q4_K_S и IQ4_XS; низкобитные варианты экономят память, но снижают качество. Некоторые версии используют Q8_0 для embedding- и output-весов. Формат GGUF и применение imatrix-калибровки ориентированы на эффективный локальный инференс, но требования к памяти остаются высокими из-за размера модели. Сведения о длине контекста, поддерживаемых модальностях помимо текста и результатах benchmark-тестов отсутствуют. Модель распространяется по лицензии llama3.1. Для работы рекомендуется использовать указанный в README шаблон prompt в стиле Llama 3.1 и совместимое программное обеспечение.

Cat-Llama-3-70B-Instruct — дообученная модель семейства Llama 3, созданная turboderp на базе Llama 3 70B. Она предназначена для диалогов и генерации ответов с точным следованием системным инструкциям, сохранением заданного персонажа и полезными развернутыми объяснениями. Среди заявленных сценариев — ролевая игра, обобщение инструкций и ответы по биомедицинским и общенаучным темам. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 69,5 млрд параметров и поддерживает контекст до 8192 токенов. В README указаны обучение на парах «инструкция — ответ», фильтрация примеров по качеству и полезности, а также использование ChatML с токеном начала последовательности Llama 3. Для применения требуется лицензия Llama 3; README не приводит отдельных условий распространения или коммерческого использования сверх неё.

CatMacaroni14 — объединённая модель, опубликованная cookinai. Она создана методом Slerp Merge из shadowml/Marcoro14-7B-slerp и rishiraj/CatPPT; в README также указано, что первая модель объединяет компоненты Marcoroni-7B-v3. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM и примерно 7,1 млрд параметров. Модель предназначена для генерации текста; заявленный контекст — до 32 768 токенов. Веса доступны в формате safetensors, лицензия — Apache-2.0. README описывает конфигурацию слияния, но не приводит оценки качества, целевые языки или конкретные сценарии применения. Автор упоминает возможную загрязнённость данных одной из моделей, использованных в цепочке слияния, однако не подтверждает её.

Celeste-12B-V1.6-GGUF — набор GGUF-квантизаций модели Celeste-12B-V1.6, разработанной nothingiisreal и опубликованной в квантизированном виде пользователем bartowski. Модель предназначена для генерации текста и запуска локально через llama.cpp или совместимые приложения, включая LM Studio. В README она классифицируется как text-generation и ориентирована на англоязычные сценарии. Базовая модель имеет размер 12B параметров; конкретные файлы представлены в вариантах от F32 до Q2_K и занимают примерно от 4,44 до 49 ГБ. Квантизации выполнены с использованием imatrix и llama.cpp b3472; для некоторых вариантов применяются Q8_0-веса эмбеддингов и выходного слоя. Доступен специальный шаблон диалога с ролями system, user и assistant. Более качественные варианты Q6_K_L, Q6_K, Q5_K и Q4_K рекомендуются для большинства задач, тогда как варианты Q3 и Q2 позволяют снизить требования к оперативной памяти ценой качества. Модель обучалась с использованием наборов данных c2-logs-cleaned, Opus_Instruct_25k и Reddit-Dirty-And-WritingPrompts. README не содержит сведений об архитектуре, размере контекста, поддержке мультимодальности, точных языковых возможностях и результатах benchmark-тестов. Также указано, что модель предназначена не для всех аудиторий, поэтому её применение требует учета характера обучающих данных и генерируемого контента. Лицензия — Apache-2.0.

DevQuasar/cerebras.MiniMax-M2-REAP-139B-A10B-GGUF — это квантизированная версия модели MiniMax-M2-REAP-139B-A10B, разработанной организацией cerebras. Модель предназначена для генерации текста и относится к категории text-generation, поэтому может использоваться в сценариях, связанных с созданием и продолжением текстов, диалоговыми приложениями и другими задачами обработки естественного языка. Из доступных данных известно только, что модель распространяется в формате GGUF и является квантизированной. Сведения об архитектуре, размере, количестве параметров, поддерживаемых языках, длине контекста, конкретных вариантах квантования, производительности и ограничениях отсутствуют. Также README не содержит информации о лицензии или явных условиях использования. Описание основано на карточке модели и ссылке на исходную модель cerebras/MiniMax-M2-REAP-139B-A10B.

Cerebrum-1.0-7b — языковая модель для генерации текста и решения задач, требующих рассуждений. Её разработала AetherResearch на основе Mistral-7B-v0.1: модель дообучили на небольшом наборе примеров с цепочками рассуждений и дополнительно настроили с помощью целевого RLHF. Она содержит 7,1 млрд параметров, использует плотную архитектуру Mistral и поддерживает контекст до 32 768 токенов. Модель предназначена для диалогов, математических задач, ответов на вопросы, мозгового штурма и творческих запросов. В карточке приводятся результаты сравнений на ARC Challenge и GSM8k, однако условия оценки различались для моделей, поэтому эти результаты не гарантируют превосходства в других сценариях. README рекомендует шаблон диалога в стиле Alpaca с просьбой описать ход рассуждений. Лицензия Apache-2.0.

Weyaxi/ChatAYT-Lora-Assamble-Marcoroni — языковая модель семейства Llama, представленная в формате safetensors и содержащая 12,9 млрд параметров. Она предназначена для генерации текста; карточка приводит результаты оценки на Open LLM Leaderboard, включая средний балл 51,0, ARC и HellaSwag. Контекст модели составляет 4096 токенов. Модель подходит для генерации ответов и продолжения текста в сценариях, где достаточно контекста до 4096 токенов. В карточке не описаны специализация, поддерживаемые естественные языки, базовая модель или условия лицензии, поэтому их нельзя определить по имеющимся данным.

ChatHercules-2.5-Mistral-7B-DPO — текстовая генеративная модель на архитектуре Mistral с 7,1 млрд параметров, созданная Locutusque. Она получена слиянием Locutusque/Hercules-2.5-Mistral-7B и openchat/openchat-3.5-0106 методом SLERP, а затем дообучена методом DPO на части набора argilla/distilabel-intel-orca-dpo-pairs. Модель предназначена для диалогов и генерации ответов на текстовые запросы; заявленная длина контекста — 32 768 токенов. В карточке указан английский язык и библиотека Transformers. Модель подходит для создания чат-ботов, ответов на вопросы и генерации текста на английском языке. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. Карточка не приводит оценок качества или специальных ограничений применимости.