I.5Создание и редактирование текста

Fidel 1.1 — компактная текстовая авторегрессионная модель от 4E-AI для локальной генерации текста и диалогов. Вариант репозитория содержит веса SafeTensors, токенизатор и реализацию для Transformers; лицензия Apache-2.0 разрешает использование, изменение и распространение на её условиях. Архитектура сочетает восемь блоков Mamba3 MIMO с блоком внимания и латентной смесью экспертов: в каждом блоке маршрутизация выбирает два эксперта из шестнадцати. Метаданные указывают около 498,6 млн параметров, тогда как README сообщает примерно 1,403 млрд элементов с учётом весов и буферов; обозначение 1B относится к семейству модели. Модель принимает текст, поддерживает шаблон чата и включает компоненты для задач программирования. Заявленный предел совокупного ввода и вывода — 8192 токена. Модель предназначена для локальных чат-интерфейсов, генерации и дополнения кода, а также для экспериментов с черновиками, перефразированием, суммаризацией и ответами по переданным текстам. Авторы описывают эти сценарии как направления для самостоятельной проверки, а не гарантии качества. Включённая реализация рассчитана на Transformers и PyTorch; генерация повторно обрабатывает полный префикс без кеширования, поэтому длинные диалоги требуют больше вычислений. Указаны ограничения на точность, батчинг с дополнением, распределение по нескольким устройствам и альтернативные движки обслуживания; ответы и код могут быть ошибочными.

FINAL-Bench_Darwin-4B-Chimera-GGUF — это GGUF-квантизированная версия языковой модели Darwin-4B-Chimera, разработанной командой FINAL-Bench и подготовленной квантизатором bartowski с использованием llama.cpp. Модель предназначена для генерации текста и диалоговых сценариев, включая задачи рассуждений, а также ориентирована на корейский и английский языки. В карточке также указана связь с направлениями Chimera, ViDraft и KMMLU. Модель содержит около 4 миллиардов параметров; доступны варианты от BF16 до различных уровней квантизации Q8, Q6, Q5, Q4 и Q3 объёмом примерно от 2,15 до 8,05 ГБ. Формат GGUF позволяет запускать её через llama.cpp и совместимые приложения, включая LM Studio, koboldcpp, Jan AI и Text Generation Web UI. Рекомендуемый шаблон запросов использует специальные маркеры ролей system, user и assistant. Сильной стороной являются разнообразные варианты квантизации: высокоточные сборки Q6 и Q5 сохраняют качество, а Q4 и Q3 подходят для устройств с ограниченными ресурсами. Более лёгкие варианты могут снижать качество генерации, поэтому выбор зависит от доступной оперативной памяти и требований к результату. Мультимодальность и размер контекстного окна в карточке не указаны. Лицензия обозначена как gemma.

Это тестовая версия alignment-tuned модели на базе семейства Llama, дообученной с использованием методов instruction fine-tuning и direct preference optimization (DPO). Она предназначена для генерации текста и выполнения инструкций в диалоговых сценариях. Модель содержит 20,9 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов; в репозитории представлены веса в формате safetensors. В метаданных указан английский язык. Модель разработана автором репозитория 4season. Лицензия — Apache-2.0. Карточка обозначает её как тестовую версию, поэтому качество и пригодность для конкретных задач требуют отдельной проверки.

FineAeritoLlama-3.1-8B — разговорная языковая модель, разработанная anthonymg на основе unsloth/Meta-Llama-3.1-8B-bnb-4bit. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 7,5 млрд параметров, дообученная с помощью Unsloth и Hugging Face TRL. Она предназначена для генерации текста и диалоговых сценариев на английском языке; заявленная длина контекста составляет 131 072 токена. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не сообщает результаты оценки качества и конкретные ограничения применения, поэтому пригодность для заданного сценария следует проверять отдельно.

Fiona-7B-v0.2 — языковая модель на архитектуре Mistral, разработанная niizam и дообученная на базе BarraHome/Mistroll-7B-v2.2. Модель содержит 7,1 млрд параметров и принимает текст, выдавая текст; доступен интерфейс для диалогов. Контекстное окно составляет 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев на английском языке. Она распространяется в формате safetensors по лицензии Apache-2.0. В README указано, что обучение проводилось с использованием Unsloth и библиотеки TRL; подробности о качестве ответов и ограничениях не приведены.

Fireblossom-32K-7B — модель генерации текста на архитектуре Mistral с 7,1 млрд параметров, созданная автором grimjim методом task arithmetic с помощью mergekit. В слияние вошли Mistral-7B-v0.1, HuggingFaceH4/zephyr-7b-beta, cgato/TheSpice-7b-v0.1.1, SanjiWatsuki/Kunoichi-DPO-v2-7B и SanjiWatsuki/Kunoichi-7B. Модель рассчитана на генерацию более разнообразных ответов, повествовательную ролевую игру и следование инструкциям; README отмечает, что это достигается за счёт некоторого снижения точности. Поддерживаются форматы Alpaca и ChatML, а заявленная длина контекста составляет 32 768 токенов. Модель принимает текстовые запросы и генерирует текст. Автор сообщает о лёгком тестировании с temperature=0,7 и minP=0,01, а для большей творческой вариативности рекомендует повысить temperature. В репозитории доступны веса Safetensors, а также варианты GGUF и EXL2. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства, но некоммерческое.

flammen23-mistral-7B — языковая модель на архитектуре Mistral с 7,1 млрд параметров, разработанная FlammenAI. Модель создана слиянием предварительно обученных моделей и последующим дообучением методом Direct Preference Optimization на датасете nbeerbower/bible-dpo; в метаданных базовой моделью указана flammenai/flammen22X-mistral-7B. Модель предназначена для ролевых диалогов с персонажами, творческого письма и задач общего назначения. Она принимает текст и генерирует текст, работает через Transformers, а заявленная длина контекста составляет 32 768 токенов. Модель распространяется под лицензией Apache-2.0. Карточка не приводит подробных результатов оценки качества; специализация на ролевой игре и творческом письме заявлена разработчиком.

flammen24-mistral-7B — языковая модель на архитектуре Mistral, разработанная FlammenAI. Модель объёмом 7,1 млрд параметров дообучена с помощью Direct Preference Optimization на наборе jondurbin/truthy-dpo-v0.1; базовая модель — flammenai/flammen23X-mistral-7B. В репозитории представлены веса Safetensors для Transformers. Модель предназначена для ролевых диалогов с персонажами, творческого письма и генерации текста общего назначения. Заявленная длина контекста — 32 768 токенов. Лицензия — Apache 2.0.

Flammen-Bophades — объединённая методом SLERP языковая модель на основе двух моделей Mistral, созданная nbeerbower с помощью mergekit. Она предназначена для генерации текста, диалоговых ответов и математических запросов. Модель имеет плотную архитектуру MistralForCausalLM, 7,1 млрд параметров и контекстное окно до 32 768 токенов; веса опубликованы в формате safetensors и рассчитаны на работу через Transformers. В объединение вошли nbeerbower/flammen15-gutenberg-DPO-v1-7B и nbeerbower/slerp-bophades-truthy-math-mistral-7B. Репозиторий распространяется по лицензии Apache-2.0. Карточка подтверждает генерацию текста и включение математически ориентированной базовой модели, но не приводит сравнительных оценок качества или подробных ограничений; результаты могут зависеть от запроса и настроек генерации.

Flan-T5-Large-Alpaca — англоязычная модель генерации текста на архитектуре T5, опубликованная VMware. Она основана на google/flan-t5-large и дообучена на датасете Alpaca методом переноса стиля; авторы отмечают, что шаблон промпта Alpaca может улучшить ответы на некоторые запросы. Модель предназначена для генерации ответов и выполнения инструкций в формате text-to-text. Она содержит 385,2 млн параметров, работает с текстом и имеет контекст длиной 512 токенов. Репозиторий содержит веса PyTorch и safetensors. Лицензия указана как other, поэтому перед использованием следует проверить условия в карточке модели и базовой модели.

FLM-101B — открытая двуязычная большая языковая модель от CofeAI с 101 млрд параметров. Это плотная decoder-only архитектура для генерации текста на китайском и английском языках; модель работает с контекстом длиной 2048 токенов при обучении. В ней используются позиционные эмбеддинги xPos, а обучение проходило с постепенным увеличением модели от 16 до 101 млрд параметров. Модель подходит для генерации и продолжения текста на китайском и английском языках. xPos позволяет расширять окно контекста при инференсе, однако фактическая поддержка и предел такого расширения зависят от конфигурации. Модель выпущена под лицензией Apache-2.0. Авторы отмечают, что из-за сравнительно небольшого количества обучающих токенов знания модели, особенно в специализированных областях, ограничены. Инференс не оптимизирован и требует значительных ресурсов при невысокой скорости; возможны предвзятые, оскорбительные или небезопасные ответы.

Flora DPO — языковая модель ResplendentAI на архитектуре Mistral с 7,1 млрд параметров, дообученная методом DPO на наборах mlabonne/chatml_dpo_pairs и ResplendentAI/Synthetic_Soul_1k. Модель предназначена для генерации текста и диалоговых ответов; карточка приводит результаты оценивания на задачах рассуждения и понимания текста. Поддерживает английский язык и контекст до 32 768 токенов. Веса опубликованы в формате safetensors. Лицензия — CC BY-SA 4.0. README упоминает доступные квантизованные версии, но не уточняет их формат и расположение.

aliosama8399/football-analysisN — дообученная разработчиком aliosama8399 языковая модель семейства Qwen3 на базе unsloth/qwen3-0.6b-unsloth-bnb-4bit. Это плотная авторегрессионная модель примерно на 507,9 млн параметров с контекстом до 40 960 токенов, предназначенная для генерации текста и диалогового взаимодействия. В карточке также заявлен интерфейс вызова инструментов. Название указывает на анализ футбола, однако README не описывает специализированные футбольные данные, функции или сценарии, поэтому подтверждённое назначение модели — генерация текста общего вида. Модель доступна в формате Safetensors и распространяется по лицензии Apache-2.0. README сообщает, что при обучении использовались Unsloth и библиотека TRL от Hugging Face.

Forbidden-Fruit-L3.3-70b-0.2a — разговорная языковая модель, созданная BruhzWater как merge нескольких моделей Llama 3.3 70B. Автор описывает её как универсальную модель для расширения знаний в области культуры, математики, естественных наук и медицины; в состав слияния включена TheDrummer/Fallen-Llama-3.3-70B-v1, чтобы уменьшить количество отказов. Модель предназначена для диалогов и генерации текста по запросам пользователя. Модель имеет плотную архитектуру LlamaForCausalLM, около 69,5 млрд параметров и контекстное окно до 131 072 токенов. Репозиторий содержит веса Safetensors; метаданные указывают библиотеку Transformers и поддержку чата. README не сообщает лицензию, поэтому условия использования по доступным данным определить нельзя.

Модель jingyeom/freeze_KoSoLAR-10.7B-v0.2_1.4_dedup — диалоговая языковая модель на архитектуре Llama с 10,6 млрд параметров. Она создана на основе yanolja/KoSOLAR-10.7B-v0.2 методом instruction tuning; в карточке также указаны цель обучения freeze и версия инструкций 1.4 с дедупликацией обучающих данных. Модель предназначена для генерации текста в диалоговом формате и выполнения инструкций. Она принимает текст и выдаёт текст, работает с контекстом до 4096 токенов и доступна в формате safetensors для Transformers. Карточка не описывает конкретный набор языков или специализированную область применения. Лицензия — Apache-2.0. Карточка не приводит результатов оценки качества или подробностей о составе данных, поэтому их нельзя использовать для выводов о точности модели.

French-Alpaca-7B-Instruct-beta — языковая модель на архитектуре Mistral с 7,1 млрд параметров, разработанная Jonathan Pacifico в 2024 году. Она дообучена на базе mistralai/Mistral-7B-Instruct-v0.2 на наборе French-Alpaca-dataset-Instruct-110K, созданном с помощью GPT-3.5-turbo. Модель предназначена для генерации текста и диалоговых инструкций, особенно на французском языке; также в метаданных указана поддержка английского. Для развёртывания доступны веса Safetensors, заявленный контекст — до 32 768 токенов. Модель рассчитана на общее применение и может служить основой для дальнейшей специализации. Автор характеризует её как демонстрацию языкового дообучения 7B-модели, поэтому качество для конкретных задач следует оценивать отдельно. В README указано, что у модели нет механизмов модерации. Лицензия — Apache 2.0.

AdrienB134/French-Alpaca-Mistral-7B-v0.3 — плотная авторегрессионная языковая модель семейства Mistral, разработанная AdrienB134 и дообученная на unsloth/mistral-7b-v0.3 с использованием Unsloth и Hugging Face TRL. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст; нативная длина контекста составляет 32 768 токенов. Модель предназначена для генерации текста и диалоговых ответов, в частности на французском языке. В качестве обучающих данных использован набор French-Alpaca Instruct 110K. Она может служить основой для прототипов французских ассистентов и прикладного дообучения. Распространяется по лицензии Apache-2.0. Карточка не сообщает результатов оценки качества или специальных ограничений; возможности могут зависеть от качества ответов базовой модели и данных дообучения.

French-Alpaca-Phi-3-mini-128k-instruct-beta — языковая модель, разработанная Jonathan Pacifico и дообученная на базе microsoft/Phi-3-mini-128k-instruct. Это плотная авторегрессионная модель семейства Phi-3 с 3,7 млрд параметров, рассчитанная на диалог и генерацию текста. В карточке заявлена поддержка контекста до 128 тыс. токенов, однако метаданные указывают native context в 4096 токенов, поэтому длину 128 тыс. следует считать заявлением README, не подтверждённым метаданными. Модель предназначена для общения и общих текстовых задач на французском языке; карточка также указывает английский среди языков. Дообучение выполнено на French-Alpaca-dataset-Instruct-110K, созданном с помощью GPT-3.5-turbo. Модель может служить отправной точкой для дальнейшей специализации. Лицензия — MIT. В README отмечено отсутствие механизмов модерации и отсутствие поддержки 128k-версии в llama.cpp.

French-Alpaca-Phi-3-mini-4k-instruct-beta — франкоязычная чат-модель, разработанная Jonathan Pacifico в 2024 году и дообученная на базе microsoft/Phi-3-mini-4k-instruct. Это плотная авторегрессионная модель семейства Phi-3 с 3,7 млрд параметров и контекстом до 4096 токенов. Данные для дообучения — French-Alpaca-dataset-Instruct-110K, полностью сгенерированный с помощью GPT-3.5-turbo. Модель предназначена для диалогов и генерации текста на французском языке; её можно использовать как общую франкоязычную основу для дальнейшей специализации. Карточка также отмечает поддержку английского. Модель не имеет механизмов модерации, поэтому ответы могут включать неподходящий контент. Лицензия — MIT.

full_vanilla_dpo_iter_1 — диалоговая языковая модель, дообученная на базе alignment-handbook/zephyr-7b-sft-full на обновлённом и исходном наборах данных. Модель построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров; её основная задача — генерация текста в чате. Заявленная длина контекста составляет 32 768 токенов. Модель подходит для ведения диалога и генерации ответов на текстовые запросы. Репозиторий содержит веса в формате safetensors. Лицензия — Apache 2.0. README не приводит сведений о конкретных сценариях, оценке качества или специальных ограничениях модели.

RyotaKadoya1993/fullymerged_v1_128 — дообученная диалоговая языковая модель, разработанная RyotaKadoya1993 на основе meta-llama/Meta-Llama-3-8B-Instruct. Модель семейства Llama с плотной архитектурой LlamaForCausalLM содержит 7,5 млрд параметров и предназначена для генерации текста и диалоговых ответов на английском языке. Контекстное окно — 8192 токена. Модель обучалась с использованием Unsloth и библиотеки Hugging Face TRL. Её можно применять для англоязычного общения с ассистентом и генерации текста. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

FuseChat-Llama-3.2-3B-Instruct-GGUF — набор квантизированных GGUF-версий инструкционной языковой модели FuseChat-Llama-3.2-3B-Instruct, разработанной FuseAI. Квантизацию выполнил bartowski с использованием llama.cpp b4273 и метода imatrix. Модель предназначена для генерации текста и диалоговых сценариев, включая запуск локально через llama.cpp или LM Studio. Модель содержит около 3 млрд параметров и работает в текстовой модальности. Доступны версии от F32 и F16 до различных вариантов Q8, Q6, Q5, Q4, Q3 и IQ-квантизации с размером файлов примерно от 1,82 до 12,86 ГБ. Это позволяет выбирать компромисс между качеством, скоростью и требованиями к оперативной памяти; автор рекомендует, в частности, варианты Q4_K_M, Q5, Q6 и IQ4_XS в зависимости от сценария. Для работы следует использовать формат prompt, основанный на специальной разметке Llama 3.2 с ролями system, user и assistant. Сильная сторона набора — широкий выбор оптимизированных квантизаций для локального запуска, включая варианты для ARM и AVX. Более компактные версии экономят память, но могут уступать более точным по качеству. В README не указаны поддерживаемые языки, размер контекста, точная архитектура базовой модели, результаты оценки и лицензия, поэтому эти характеристики нельзя надежно определить по представленным данным.

FusionEngine-12B-Lorablated — объединённая модель на базе yamatazen/FusionEngine-12B с адаптером nbeerbower/Mistral-Nemo-12B-abliterated-LORA. Её разработчик — yamatazen. Это плотная авторегрессионная языковая модель семейства Mistral с архитектурой MistralForCausalLM и 12,1 млрд параметров; она предназначена для генерации текста и диалогового общения. Модель сохранена в формате bfloat16 и может использоваться для развёртывания или дальнейшего дообучения. Заявленная длина контекста — 1 024 000 токенов. Модель принимает текст и выдаёт текст. Карточка не уточняет поддерживаемые естественные языки и лицензию, поэтому нельзя определить языковой охват и условия использования. По названию и составу модель связана с abliterated-адаптером, однако README не описывает поведение модели и не приводит результаты оценки качества.

G2-9B-Aletheia-v1-GGUF — это квантизированные версии текстовой генеративной модели G2-9B-Aletheia-v1, разработанной allura-org и опубликованные в формате GGUF пользователем bartowski. Модель содержит около 9 миллиардов параметров; исходная модель связана с mergekit и объединением моделей, однако её точная архитектура, языки и максимальная длина контекста в README не указаны. Модель предназначена для генерации текста и локального запуска через llama.cpp или LM Studio. Доступны варианты от F16 размером 18,49 ГБ до компактных IQ2/Q2/Q3/Q4/Q5/Q6/Q8-квантизаций, что позволяет выбирать между качеством и требованиями к памяти. Квантизация выполнена с использованием imatrix на базе llama.cpp b4014. В README рекомендуется использовать варианты Q4_K_M, Q5, Q6 и некоторые IQ-форматы; версии Q3 и ниже экономят память, но заметно уступают по качеству. Для работы требуется соблюдать специальный формат prompt с маркерами ролей. Модель не поддерживает system prompt, что ограничивает сценарии, где системные инструкции являются обязательной частью диалога. Указана лицензия gemma; условия её применения следует учитывать при развёртывании и распространении.

djuna/G2-BigGSHT-27B-2 — языковая модель для генерации текста и диалогов, созданная объединением моделей с помощью mergekit. В README указан метод Model Stock: в объединение вошли djuna/G2-BigGSHT-27B-calc и unsloth/gemma-2-27b-it, а базой для слияния служила AALF/gemma-2-27b-it-SimPO-37K-100steps. Модель построена на архитектуре Gemma 2, содержит 27,6 млрд параметров и работает с контекстом до 8192 токенов. Модель предназначена для генерации ответов в чате и других сценариев работы с текстом. Метаданные отмечают возможность диалога; базовая Gemma 2 описана как англоязычная. В README приведены результаты Open LLM Leaderboard, включая IFEval и BBH, без дополнительных сведений о методике применения. Репозиторий содержит веса в формате Safetensors, а метаданные указывают библиотеку Transformers. Лицензия в предоставленных данных не указана.

GaMS-9B-Instruct-Nemotron — инструктивная языковая модель на 9 млрд параметров, разработанная Тимотеем Петриčem в рамках магистерской работы. Это вариант GaMS-9B-Instruct, дополнительно обученный методом SFT на отобранной части набора nvidia/Nemotron-Post-Training-Dataset-v1 и датасете cjvt/GaMS-Nemotron-Chat: примерно 80 тысяч словенских пар «инструкция — ответ» и 20 тысяч английских примеров. Модель построена на архитектуре Gemma 2 и предназначена для генерации текста и диалогов по инструкциям, в особенности на словенском и английском языках. Размер контекста составляет 8192 токена; модель распространяется в формате safetensors и рассчитана на запуск через Transformers. Лицензия — Gemma. Карточка не описывает результаты оценки качества или специфические ограничения; ожидаемый охват задач определяется инструктивной генерацией и диалогами на языках обучения.

Gaston_Yi-1.5-9B-Chat — диалоговая языковая модель, опубликованная baconnier и дообученная на основе 01-ai/Yi-1.5-9B-Chat. Это плотная модель семейства Llama с 8,6 млрд параметров, предназначенная для генерации текста в формате чата. Обучение проводилось с использованием Unsloth и библиотеки TRL. Модель подходит для диалоговых ответов и генерации текста; базовая Yi-1.5-9B-Chat также рассчитана на следование инструкциям, рассуждения, математику и программирование. Поддерживается контекст до 8192 токенов. В карточке указан английский язык и лицензия Apache 2.0.

GEB-1.3B — языковая модель с 1,5 млрд параметров, выпущенная пекинской компанией 北京集异璧科技有限公司. Она обучена на 550 млрд китайских и английских токенов, а затем дообучена на 10 млн инструкций и оптимизирована методом DPO для лучшего соответствия человеческим предпочтениям. Архитектура GEBLM использует позиционные кодировки RoPE, многогрупповое внимание и FlashAttention-2; длина контекста составляет 4096 токенов. Модель предназначена для диалогов и генерации текста, а также может использоваться для получения признаковых представлений текста. В README приведены результаты на тестах MMLU, C-Eval и CMMLU и примеры инференса через Transformers; авторы также сообщают о запуске на CPU и GPU. Лицензия обозначена как other, а использование весов регулируется файлом LICENSE в репозитории.

Gemma 1.1 2B Instruct — языковая instruction-tuned модель Google, представленная в формате GGUF. Квантизацию выполнил bartowski на основе llama.cpp. Модель содержит около 2 миллиардов параметров и предназначена для текстовой генерации и работы с инструкциями. Модель подходит для диалогов, ответов на вопросы, творческих задач, многошагового общения, программирования, автодополнения и других универсальных сценариев. По сравнению с первоначальной версией Gemma заявлены улучшения качества ответов, работы с кодом, фактической точности, следования инструкциям и многораундового диалога. Небольшой размер делает её подходящей для устройств с ограниченными ресурсами и обеспечивает быстрый отклик. Сильной стороной модели являются связные, подробные и преимущественно образовательные ответы. При этом стиль может быть менее разговорным, чем ожидается, а результаты генерации кода требуют проверки: в приведённом примере присутствует ошибка порядка объявления функций. Системные промпты модель не поддерживает; используется шаблон Google Gemma Instruct. Сведения о поддерживаемых языках и размере контекста в README не указаны. Для доступа к исходной модели на Hugging Face требуется принять лицензию Google Gemma; в карточке указана лицензия gemma. Дата выпуска в метаданных — 5 апреля 2024 года.

cortexso/gemma2 — это семейство текстовых генеративных моделей Gemma, разработанное Google и подготовленное для использования в экосистемах Cortex и Jan. Модели обучались на сочетании синтетических данных и отфильтрованных общедоступных веб-данных с акцентом на качество и задачи, требующие рассуждений. Семейство предназначено для генерации и обработки текста в локальных приложениях и через интерфейсы Cortex CLI или Jan. В README указаны варианты Gemma2-2b, Gemma2-9b и Gemma2-27b; конкретные архитектурные параметры, поддерживаемые языки и модальности не описаны. Также приведена информация о вариантах контекстной длины 8K и 128K, но соответствие этих значений отдельным версиям не уточнено. Сильными сторонами заявлены качество данных обучения и ориентация на рассуждения, однако сведения о результатах тестирования, ограничениях и рекомендуемых сценариях отсутствуют. Лицензия указана как Gemma; оригинальная лицензия доступна в условиях Google Gemma.