I.5Создание и редактирование текста

ELYZA-japanese-Llama-2-13b-fast — японская языковая модель, разработанная командой ELYZA и основанная на Llama 2. Модель прошла дополнительное предварительное обучение для расширения возможностей работы на японском языке; версия fast использует словарь размером 44 581 токен и содержит около 12,9 млрд параметров. Модель предназначена для генерации текста. Её можно применять для создания и продолжения японских текстов, а также для языковых задач на японском и английском языках. Контекст модели составляет 4096 токенов. В репозитории представлены веса PyTorch. Модель распространяется по лицензии Llama 2. Это не instruct-версия семейства, поэтому её не следует считать специально настроенной для выполнения инструкций или диалогового общения.

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

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

EMO-Ai-7b — разговорная языковая модель, разработанная Klevin на основе unsloth/mistral-7b-instruct-v0.2-bnb-4bit. Это плотная MistralForCausalLM с 7,1 млрд параметров, дообученная с помощью Unsloth и библиотеки TRL для генерации текста и диалогов. Модель принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов, язык карточки — английский. Модель подходит для генерации ответов и ведения диалога на английском языке. Распространяется по лицензии Apache-2.0. Карточка не описывает специализированные области применения или подробные результаты оценки качества.

Endurance-100B-v1.1-GGUF — это набор GGUF-квантизаций базовой текстовой генеративной модели TheDrummer/Endurance-100B-v1.1, подготовленный пользователем bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для локального запуска и генерации текста, в том числе через LM Studio; в README указан формат запросов [INST] с системными и пользовательскими инструкциями. Данные о разработчике исходной модели, языках, максимальном контексте, архитектуре и поддерживаемых модальностях не приведены, поэтому можно уверенно описать её только как текстовую модель размером около 100 миллиардов параметров в различных вариантах квантования. Доступны варианты от Q8_0 размером 106,75 ГБ до Q2_K размером 37,06 ГБ, включая Q6_K, Q5_K, Q4_K и IQ-квантизации. Более крупные варианты обычно сохраняют более высокое качество, тогда как компактные требуют меньше оперативной памяти, но могут заметно уступать по качеству; README рекомендует, среди прочих, Q6_K, Q5_K и Q4_K_M. Отдельные варианты оптимизированы для ARM или AVX, а некоторые не предназначены для Mac или GPU. Лицензия в README не указана, поэтому условия использования следует уточнять у исходной модели TheDrummer/Endurance-100B-v1.1 и автора квантования.

cheikh025/enemray-gemma3-1b-cpt-merged — дообученная текстовая модель на архитектуре Gemma 3, разработанная cheikh025 на основе unsloth/gemma-3-1b-pt. Она предназначена для генерации текста; карточка сообщает об обучении с использованием Unsloth и библиотеки TRL. Модель содержит 1 млрд параметров, принимает текст и выдаёт текст, а её контекст составляет до 32 768 токенов. В метаданных указан английский язык и лицензия Apache-2.0.

Eris_PrimeV3-Vision-7B — объединённая модель ChaoticNeutrals на архитектуре Mistral с 7,1 млрд параметров. Она предназначена для генерации текста и поддерживает работу с изображениями через Koboldcpp: для этого требуется загрузить файл mmproj-model-f16.gguf из репозитория и использовать актуальную версию Koboldcpp. Указанная длина контекста — 32 768 токенов; доступны веса Safetensors и GGUF F16. Модель объединяет ChaoticNeutrals/Eris_Prime-V2-7B и InferenceIllusionist/Excalibur-7b. README отдельно упоминает кванты с imatrix, подготовленные Lewdiculus. Лицензия обозначена как other; конкретные условия в предоставленных данных не раскрыты. Поддержка изображений описана для Koboldcpp, поэтому совместимость с другими средствами запуска не подтверждена.

Eris Prime V4 Vision 7B — мультимодальная модель на архитектуре Mistral, представленная ChaoticNeutrals. Это объединение моделей Eris Prime V3.05 Vision 7B и V3.075 Vision 7B; в репозитории доступны веса Safetensors. Модель предназначена для генерации текста и ролевых диалогов, а также может обрабатывать изображения при загрузке файла mmproj в Koboldcpp. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Для использования функций зрения README требует актуальную версию Koboldcpp и загрузку соответствующего mmproj. Лицензия указана как other, поэтому условия использования следует проверять в репозитории модели.

ERNIE-4.5-21B-A3B-PT-GGUF — это квантизированная версия текстовой модели ERNIE-4.5-21B-A3B-PT, разработанной Baidu. Модель распространяется в формате GGUF для запуска средствами llama.cpp и совместимыми приложениями, включая LM Studio. Квантизацию выполнил bartowski на основе релиза llama.cpp b5924. Модель предназначена для генерации текста и других сценариев, поддерживаемых задачей text-generation, включая локальный запуск в приложениях, использующих GGUF. В названии указаны параметры 21B и A3B, однако README не содержит подробностей об архитектуре, механизме активации параметров, фактическом размере конкретного квантования, длине контекста, поддерживаемых языках или дополнительных модальностях. К сильным сторонам относятся локальное распространение в формате GGUF и совместимость с экосистемой llama.cpp. Ограничения и требования к ресурсам зависят от выбранного варианта квантования, но в README не приведены его характеристики. Лицензия модели в предоставленных данных не указана; условия использования следует уточнять в источнике оригинальной модели Baidu.

oeg/esT5s-base — базовая версия модели для суммаризации текстов на испанском языке, представленная на конференции SEMANTiCS 2022 в работе «esT5s: A Spanish Model for Text Summarization». Модель создана дообучением многоязычной mT5 на наборе XL-Sum; её архитектура — MT5ForConditionalGeneration, размер — 118,8 млн параметров. Модель предназначена для автоматического составления краткого содержания испанских текстов. В опубликованном сравнении она достигла ROUGE-1 25,30, ROUGE-2 8,21 и ROUGE-L 20,29; авторы приводят для mT5 соответственно 26,21, 8,74 и 21,06 после более длительного обучения на нескольких GPU. Репозиторий содержит веса PyTorch и Safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

EuroLLM-9B — базовая многоязычная языковая модель с 9 млрд параметров, разработанная Unbabel, Instituto Superior Técnico, Instituto de Telecomunicações и партнёрами из университетов и исследовательских организаций. Проект финансировался Европейским союзом. Модель предназначена для генерации текста и понимания языков ЕС, а также ряда дополнительных языков. Модель построена на плотной архитектуре Transformer с grouped-query attention, RMSNorm, активацией SwiGLU и позиционными встраиваниями RoPE. Она обучалась на 4 трлн токенов из веб-данных, параллельных текстов и высококачественных наборов данных. Длина последовательности при обучении — 4096 токенов. Карточка сообщает о поддержке 35 языков, включая русский, английский, большинство языков ЕС, арабский, китайский, хинди, японский и корейский. Это базовая, не настроенная на инструкции версия; для диалоговых инструкций разработчики предлагают EuroLLM-9B-Instruct. Модель подходит для многоязычной генерации и продолжения текста, а также может использоваться как основа для последующей адаптации под задачи. По заявлению авторов, она показывает конкурентные результаты на многоязычных и англоязычных тестах. Модель не выровнена по человеческим предпочтениям и может галлюцинировать, выдавать вредный контент или ложные утверждения. Лицензия — Apache License 2.0.

Eurydice 24b v2 — языковая модель Aixon Lab для диалогов с несколькими ролями. Это дообученная на пользовательском наборе данных причинная трансформерная модель семейства Mistral, основанная на mistralai/Mistral-Small-3.1-24B-Instruct-2503. Веса представлены в формате Safetensors; модель содержит 23,4 млрд параметров и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации текста, общения, ответов на вопросы, анализа и создания историй. В карточке особо отмечены понимание контекста, творческая генерация и естественный диалог. Основной язык — английский; заявлена возможная поддержка других языков, но их перечень и результаты оценки не приведены. Лицензия — Apache 2.0. Модель может наследовать смещения и ограничения обучающих данных и базовой модели. Разработчик не приводит метрик производительности, поэтому качество следует оценивать на целевых сценариях.

EvoMerge1 — объединённая разговорная языковая модель семейства Mistral, опубликованная пользователем Knobi3. Она создана с помощью mergekit методом task arithmetic на основе Mistral-7B-Instruct-v0.2 с участием Starling-LM-7B-beta, NeuralBeagle14-7B и модели sol. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM, распространяется в формате safetensors и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев на английском и шведском языках. Лицензия Apache-2.0 разрешает коммерческое использование при соблюдении её условий. Автор сообщает, что приведены результаты только двух оценок, поэтому качество и устойчивость модели подтверждены ограниченным числом проверок.

maywell/EXAONE-3.0-7.8B-Instruct-Llamafied — это версия EXAONE-3.0-7.8B-Instruct, адаптированная под архитектуру и формат Llama. В README благодарят LG AI Research за исходную модель и @kuotient за обновление скрипта и публикацию модели. Это плотная языковая модель с архитектурой LlamaForCausalLM, примерно 7,4 млрд параметров и контекстом до 4096 токенов; в каталоге указана возможность чата. Модель предназначена для генерации текста в диалоговом формате на английском и корейском языках. Метаданные указывают лицензию «other», поэтому конкретные условия использования следует сверить с лицензией исходной модели и репозитория. README не содержит сведений о качестве, обучающих данных или специальных ограничениях применения.

EXAONE-Deep-32B GGUF — квантизированная GGUF-версия языковой reasoning-модели EXAONE-Deep 32B, разработанной LG AI Research. Репозиторий Mungert содержит вариант базовой модели LGAI-EXAONE/EXAONE-3.5-32B-Instruct, преобразованный с помощью llama.cpp. Модель предназначена для генерации текста, решения математических задач, рассуждений, программирования и диалогового использования. Модель содержит около 30,95 млрд параметров без эмбеддингов, 64 слоя и использует Grouped-Query Attention с 40 Q-головами и 8 KV-головами. Размер словаря составляет 102 400 токенов, контекст — до 32 768 токенов. Заявлена поддержка английского и корейского языков. Формат GGUF ориентирован на запуск через совместимые инструменты, включая llama.cpp; конкретные характеристики зависят от выбранного уровня квантизации. Ключевая особенность сборки — экспериментальный подход к квантизации: отдельные важные слои переводятся в более высокую точность с помощью tensor-type bumping. Это может повысить точность при заданном размере файла, особенно на низких уровнях квантизации, но увеличивает объём модели. Модель ориентирована на задачи, требующие рассуждений, однако README не содержит полной информации о требованиях к оборудованию, ограничениях применения и сравнительных результатах именно этой GGUF-сборки. Лицензия указана как EXAONE; подробные условия находятся в файле LICENSE.

Experiment26Neuralsirkrishna_Experiment24Yam — объединённая модель Mistral, созданная из automerger/Experiment26Neuralsirkrishna-7B и automerger/Experiment24Yam-7B. Она предназначена для генерации текста и диалогов, включая сценарии с длинным контекстом до 32 768 токенов. Модель содержит 7,1 млрд параметров и распространяется в формате Safetensors. Практические качества и языковой охват отдельно не описаны; пригодность модели для конкретных задач следует оценивать на собственных данных. Лицензия — Apache-2.0.

Experiment28T3q_AlloyingotneoyInex12 — объединённая модель генерации текста семейства Mistral, созданная на основе automerger/Experiment28T3q-7B и automerger/AlloyingotneoyInex12-7B. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и доступна в формате safetensors. Она предназначена для генерации текста по текстовому запросу; максимальная длина контекста составляет 32 768 токенов. В метаданных и README нет сведений о специализации, поддерживаемых языках или результатах оценки качества, поэтому назначение модели можно описать только как общее текстовое продолжение и генерацию. Модель распространяется по лицензии Apache-2.0. Практическое качество, языковой охват и поведение объединённых компонентов не описаны в предоставленных источниках.

FableForge-1.5B — компактная универсальная языковая модель, разработанная командой fableforge-ai и входящая в экосистему FableForge. Согласно описанию, модель объединяет знания и возможности различных доменов NEXUS, однако подробности о базовой архитектуре и методах обучения в README не приведены. Модель предназначена для генерации текста общего назначения, включая программирование, рассуждения, интерактивные сценарии, создание персонажей и ролевые приложения. Она используется в проектах FableForge Nexus, Infinite NPC, Dual-GM, ShellWhisperer и Ghost Writer. Указан английский язык, поддерживается формат диалогов ChatML; сведения о других языках, размере контекста, точной архитектуре и поддерживаемых модальностях отсутствуют. Модель текстовая и не предназначена для обработки изображений или других типов данных. Для запуска доступны файлы в формате GGUF с разными уровнями квантования и размерами от 0,51 до 3,09 ГБ. Вариант Q4_K_M обозначен как оптимальный по соотношению размера и качества, IQ4_XS — как подходящий для систем с небольшим объёмом оперативной памяти, а Q6_K — как вариант высокого качества. К преимуществам относятся небольшой размер и совместимость с llama.cpp, Ollama и LM Studio; качество зависит от выбранного уровня квантования, а ограничениями являются малый масштаб модели и отсутствие подробных опубликованных характеристик. Модель распространяется по лицензии Apache-2.0.

ssmits выпустил Falcon2-5.5B-multilingual — обрезанную версия предобученной языковой модели Falcon-11B от TII, созданную методом passthrough merge с помощью mergekit. В конфигурации сохранены слои 0–23 и 55–58 исходной модели; модель содержит 7,8 млрд параметров, использует архитектуру FalconForCausalLM, формат safetensors и библиотеку Transformers. Контекст составляет 8192 токена. Модель предназначена для генерации текста и диалогов, а также как основа для дальнейшей специализации и дообучения, например для суммаризации и чат-ботов. Она лучше ориентирована на английский и поддерживает немецкий, испанский, французский, итальянский, португальский, польский, нидерландский, румынский, чешский, шведский, норвежский и датский языки. Лицензия — Apache-2.0. Карточка рекомендует оценивать риски и использовать защитные меры перед применением в производстве.

ssmits/Falcon2-8B-Czech — чешская текстовая модель семейства Falcon, созданная слиянием предварительно обученных языковых моделей с помощью mergekit и метода passthrough. В качестве исходной модели указана ssmits/Falcon2-5.5B-Czech; архитектура — плотная причинная модель FalconForCausalLM, файлы опубликованы в формате safetensors. По метаданным, модель содержит 11,8 млрд параметров и поддерживает контекст до 8192 токенов. Модель предназначена для генерации текста и диалогового взаимодействия на чешском языке; каталог также относит к поддерживаемым задачам ответы на вопросы и классификацию текста и токенов. Она распространяется по лицензии Apache-2.0. Карточка не приводит результатов оценки качества, поэтому практическую точность для конкретных сценариев следует проверять отдельно.

Falcon3-3B-Instruct-abliterated-GGUF — это GGUF-квантизированная версия инструкционной языковой модели Falcon3-3B-Instruct-abliterated. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix; исходная модель разработана huihui-ai. Модель предназначена для генерации текста и диалоговых сценариев, включая запуск локально через llama.cpp или LM Studio. В README также указан формат промпта с ролями system, user и assistant. Модель содержит около 3 млрд параметров, работает с текстом и поддерживает английский, французский, испанский и португальский языки. Доступны варианты от F16 до более компактных квантов Q2 и Q3, а также рекомендуемые конфигурации Q4–Q6, позволяющие выбирать компромисс между качеством и требованиями к памяти. Сильными сторонами являются локальный запуск, широкий выбор размеров файлов и высокая эффективность квантизированных вариантов; при этом уменьшение разрядности снижает качество, а конкретный размер контекста и архитектурные характеристики в README не указаны. Модель распространяется по лицензии Falcon LLM License; для неё также заявлен статус abliterated, однако подробности этого изменения не приведены.

bunnycore/Falcon3-3B-RP-V0.1 — объединённая языковая модель, созданная с помощью mergekit методом passthrough на основе huihui-ai/Falcon3-3B-Instruct-abliterated и bunnycore/falcon-3-3B-Rp-lora_model. В метаданных архитектура указана как плотная модель семейства Llama с классом LlamaForCausalLM; размер — 2,8 млрд параметров, формат весов — safetensors, контекст — до 32 768 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. В карточке заявлен интерфейс для вызова инструментов, однако подробные инструкции по его использованию и примеры диалогов не приведены. Карточка не сообщает о поддерживаемых естественных языках или специализированных областях применения. Лицензия в предоставленных данных не указана. Качество, ограничения и безопасность ответов отдельно не описаны; результаты следует проверять в соответствии с предполагаемым сценарием использования.

Falcon3-7B-Instruct-abliterated-GGUF — это GGUF-квантизированная версия инструкционной модели Falcon3-7B-Instruct-abliterated, подготовленная пользователем bartowski на основе модели huihui-ai. Квантизация выполнена с использованием llama.cpp и метода imatrix; доступны варианты от F16 до низкобитных Q3 и IQ3/IQ4. Модель предназначена для локального запуска и генерации текста, в том числе через LM Studio и другие совместимые приложения на базе llama.cpp. Модель относится к классу примерно 7-миллиардных языковых моделей и работает в текстовой модальности. В README заявлена поддержка английского, французского, испанского и португальского языков. Для диалогов используется формат с ролями system, user и assistant. Варианты Q6 и выше ориентированы на высокое качество, Q4 предлагают компромисс между качеством и требованиями к памяти, а Q3 предназначены для систем с ограниченным объёмом RAM. F16-файл занимает около 14,92 ГБ, наиболее компактные варианты — около 3,4–4,3 ГБ. К сильным сторонам относятся широкий выбор уровней квантизации, возможность локального запуска и сохранение высокого качества у вариантов Q5–Q8. Ограничения включают возможное снижение качества на низких уровнях квантизации; сведения об архитектуре, размере контекстного окна, производительности и мультимодальных возможностях в README не указаны. Модель распространяется по лицензии Falcon LLM License; для условий использования следует обратиться к официальной странице лицензии.

Falcon3-MoE-2x7B-Instruct — инструктивная языковая модель с архитектурой Mixture of Experts, созданная объединением двух моделей Falcon3-7B-Instruct. В README заявлено 13,4 млрд параметров и формат BF16; метаданные указывают 7,1 млрд параметров. Модель основана на Falcon3-7B-Instruct от TII, а репозиторий содержит веса в формате safetensors. Модель предназначена для диалогов и генерации ответов по инструкциям. Базовая Falcon3-7B-Instruct рассчитана на задачи понимания языка, следования инструкциям, рассуждений, программирования и математики; контекст составляет до 32 768 токенов. В карточке для базовой модели перечислены английский, французский, испанский и португальский языки. Метаданные также отмечают интерфейс для вызова инструментов. Лицензия указана как other, поэтому конкретные условия использования следует уточнять в репозитории. Описание не содержит отдельных оценок качества или ограничений для MoE-версии; заявленные возможности базовой модели не следует считать подтверждёнными сравнительными результатами этой сборки.

Falcon-40B-Instruct — разработанная TII модель генерации текста с архитектурой Falcon: плотный декодерный трансформер, дообученный для диалогов и выполнения инструкций на основе Falcon-40B. В README указано 40 млрд параметров, тогда как метаданные Hugging Face сообщают 65 млрд; точный размер по этим источникам расходится. Архитектура использует rotary position embeddings, multiquery attention и FlashAttention. Модель предназначена для чат-ботов, ответов на вопросы и генерации текста по инструкциям. Она обучалась преимущественно на английских данных, а также поддерживает французский; дообучение проводилось на смеси Baize с небольшой долей RefinedWeb. Для быстрого запуска авторы указывают потребность примерно в 85–100 ГБ памяти. Модель доступна по лицензии Apache 2.0. Модель может воспроизводить предубеждения из веб-данных и слабо переносить навыки на языки, отличные от английского. Авторы рекомендуют оценивать риски и применять защитные механизмы перед использованием в производстве; instruct-версия может быть не лучшей отправной точкой для дальнейшего дообучения.

vilsonrodrigues/falcon-7b-instruct-sharded — переразбитая на шарды версия Falcon-7B-Instruct, подготовленная для загрузки в средах с ограниченной оперативной памятью, например Colab и Kaggle. Это плотная авторегрессионная decoder-only модель семейства Falcon с архитектурой FalconForCausalLM; веса размещены в формате safetensors. В README исходная модель описана как 7-миллиардная, тогда как метаданные репозитория указывают общий размер 10,9 млрд параметров, поэтому размер именно этой версии по источникам расходится. Модель предназначена для диалогов, следования инструкциям и генерации текста на английском и французском языках. Falcon-7B-Instruct создана TII на основе Falcon-7B и дообучена на смеси наборов для чата и инструкций; в исходной архитектуре используются rotary embeddings, multi-query attention и FlashAttention. Apache 2.0 позволяет использовать модель на условиях этой лицензии. README предупреждает о смещениях, унаследованных из веб-данных, слабой обобщающей способности за пределами преимущественно английских данных и необходимости оценивать риски и настраивать защитные ограничения перед использованием в производстве. В нём также указано, что исходной модели требуется не менее 16 ГБ памяти для быстрой инференции; разбиение весов облегчает загрузку в средах с ограниченной памятью, но не гарантирует меньшие требования во время инференции.

OpenAssistant Falcon 7B SFT MIX — языковая модель OpenAssistant, дообученная на базе TII Falcon 7B. Это плотный авторегрессионный трансформер с архитектурой decoder-only; метаданные указывают 10,9 млрд параметров. Модель обучалась на смеси диалогов OpenAssistant OASST1, Dolly-15k и синтетических наборов инструкций; указанный чекпойнт соответствует 2000 шагам обучения, примерно 2,9 эпохи. Модель предназначена для генерации ответов на запросы и продолжения диалога по инструкциям. В карточке заявлены английский, немецкий, испанский и французский языки, а также ограниченные возможности для итальянского, португальского, польского, нидерландского, румынского, чешского и шведского. Для разметки диалога используются специальные токены начала ходов пользователя и ассистента и завершения хода. Модель распространяется по лицензии Apache 2.0. Карточка описывает один обучающий чекпойнт, но не приводит оценок качества; возможности на языках с ограниченной поддержкой и на задачах, отличных от генерации текста, могут быть слабее.

FalconMamba-7B-Instruct — англоязычная авторегрессионная языковая модель TII на архитектуре Mamba с причинным декодером. Она дообучена на инструкционных данных поверх Falcon-Mamba-7B; в метаданных указано 8,9 млрд параметров. Для обучения использовались веб-тексты RefinedWeb, технические материалы, код, математические данные и часть FineWeb-Edu. Модель предназначена для диалогов, выполнения текстовых инструкций и генерации продолжений; работает с текстом и поддерживает генерацию на английском языке. Обучение увеличивало длину контекста с 2 048 до 8 192 токенов. В карточке отмечено, что архитектура Mamba не имеет фиксированного предела дальних зависимостей при инференсе. Для ускорения рекомендуются оптимизированные ядра Mamba; модель также можно запускать в FP16 и 4-битном режиме. Карточка приводит результаты на общих языковых и рассуждательных бенчмарках, включая MMLU, GSM8K и IFEval. Модель выпущена под лицензией TII Falcon-Mamba License 2.0, обозначенной в метаданных как other; перед использованием следует проверить её условия. Карточка описывает преимущественно английское применение и не заявляет специальных возможностей для других языков.

Ferret_7B-Mistral-7B-Instruct-v0.1 — чат-модель для генерации текста, созданная объединением Mistral-7B-Instruct-v0.1 и euclaise/Ferret_7B методом SLERP. Модель построена на архитектуре Mistral с 7,1 млрд параметров; заявленная длина контекста — 32 768 токенов. В репозитории представлены веса Safetensors. Модель предназначена для ответов на инструкции и диалоговые запросы. В состав исходных моделей входят датасеты с математическими и научными рассуждениями, однако карточка не описывает отдельные гарантированные возможности или результаты оценки качества. Лицензия — Apache-2.0.

Fett-uccine-Long-Noodle-7B-120k-Context — объединённая модель для генерации текста и диалогов, созданная с помощью mergekit методом SLERP. В слиянии использованы Fett-uccine-7B и Mistral Yarn 120k ctx; модель построена на архитектуре Mistral и содержит 7,1 млрд параметров. Модель предназначена для генерации текста в диалоговом формате. В названии и описании проекта заявлено расширение контекста до 120 тысяч токенов за счёт Mistral Yarn, однако метаданные указывают native context в 32 768 токенов. Поэтому заявленную длину 120 тысяч токенов нельзя считать подтверждённой характеристикой этой публикации. Модель распространяется в формате safetensors и рассчитана на использование через Transformers. Лицензия в предоставленных данных не указана.