I.5Создание и редактирование текста

Apertus v1.5 8B text — MLX MXFP4 — это текстовая квантованная версия базовой модели swiss-ai/Apertus-v1.5, разработанной Swiss AI Initiative при участии EPFL, ETH Zurich и Швейцарского национального суперкомпьютерного центра на открытых данных. Данная конверсия выполнена независимо от авторов исходной модели и предназначена для запуска на компьютерах Apple с использованием MLX и mlx-lm. Модель поддерживает генерацию текста: принимает текст на вход и возвращает текст. Она содержит около 8,05 млрд параметров, использует архитектуру ApertusForCausalLM с 32 слоями, скрытым размером 4096, 32 головами внимания и 8 key-value головами, активацию xIELU, словарь из 131072 текстовых токенов и контекст длиной до 262144 токенов. Модель мультиязычная, однако конкретный перечень поддерживаемых языков в README не указан. Ключевое преимущество сборки — калиброванное квантование MXFP4 с эффективной точностью 4,250 бита на вес и размером файлов около 4,28 ГБ, что снижает требования к хранению и делает модель удобной для локального использования на Apple silicon. Ограничения связаны с потерями качества из-за квантования по сравнению с полноразмерными версиями, текстовой модальностью и зависимостью от совместимого программного стека MLX. Модель распространяется по лицензии Apache 2.0 с политикой допустимого использования Apertus 1.5.

Jebadiah/Aria-7b-128k-v4 — языковая модель, созданная автором Jebadiah слиянием предварительно обученных моделей через mergekit методом SLERP. В слияние вошли Jebadiah/Aria-7b-128k-v3 и Nitral-AI/Echidna-7b-128k; конфигурация указывает Nitral-AI/Echidna-7b-128k как базовую модель. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста. Модель принимает текст и генерирует текст. Для неё указано контекстное окно 32 768 токенов, библиотека Transformers и формат весов safetensors. Карточка не описывает отдельные специализации, языки или результаты оценки качества, поэтому область применения можно характеризовать только как генерацию текста общего назначения. Лицензия в предоставленных данных не указана.

Jebadiah/Aria-flammen22x-stone-l3-8b — объединённая плотная языковая модель семейства Mistral, созданная автором репозитория с помощью mergekit. В слиянии методом DARE TIES использованы Jebadiah/Aria-7b-128k-v4 как базовая модель и flammenai/flammen22X-mistral-7B; размер модели составляет 7,1 млрд параметров. Модель предназначена для генерации текста. Она принимает текст и выдаёт текст, работает через библиотеку Transformers и поддерживает контекст до 32 768 токенов. Данных о целевых языках и специализированных областях применения в карточке нет. В репозитории представлены веса Safetensors. Условия лицензии в предоставленных данных не описаны.

ArliAI-Llama-3-8B-Dolfin-v1.0 — диалоговая языковая модель OwenArli на архитектуре Llama 3 с 7,5 млрд параметров и контекстом 8192 токена. Она дообучена методом SFT на базе Meta-Llama-3-8b-Instruct Abliterated v3 с использованием улучшенного набора данных Dolphin и WizardLM. Модель предназначена для генерации ответов в чате и выполнения инструкций; автор отмечает более точное следование запросам и меньше характерных для GPT формулировок. Модель принимает текст и выдаёт текст, используя формат диалоговых сообщений Llama 3 Instruct. Для лучших результатов автор рекомендует формулировать инструкции точно и задавать роль через системное сообщение. Обучение проводилось на последовательностях длиной до 8192 токенов с QLoRA, рангом 64 и alpha 64; в README также указано обучение с 4-битной загрузкой. Модель распространяется по лицензии Meta Llama 3 License. Это дообученный чекпойнт, и его ответы могут быть неточными или неуместными; описание автора указывает на сниженную склонность к отказам, поэтому следует проверять ответы и учитывать требования к безопасному применению.

ArlowGPT-3B-Multilingual — многоязычная инструктивная языковая модель для диалогов и генерации текста, разработанная на основе ArlowGPT-3B. По README, модель дополнительно дообучена на многоязычном наборе ArlowGPT Multilingual в течение пяти эпох; метаданные указывают архитектуру Llama с плотной causal language model на 3,2 млрд параметров. Модель предназначена для следования инструкциям, многоходового общения, ответов на вопросы, создания и краткого изложения текстов на разных языках. Модель принимает текстовые запросы и генерирует текст. В карточке заявлены сценарии для чат-ботов и помощников, межъязыковых ответов на вопросы, поддержки клиентов, творческого письма и работы с документами. Метаданные указывают контекстное окно 131 072 токена и интерфейс для вызова инструментов; README не уточняет поддерживаемые языки по отдельности, поэтому конкретные языки не перечислены. Размер модели рассчитан на сравнительно ресурсосберегающее развертывание, хотя практические требования зависят от формата и оборудования. Лицензия — MIT. README заявляет широкий спектр возможностей, включая работу с юридическими, медицинскими и финансовыми текстами, но не приводит независимых оценок качества или подтверждения пригодности для критически важных решений; ответы следует проверять, особенно в специализированных областях.

Aura Revived Base — языковая модель для генерации текста, созданная автором jeiku слиянием моделей Undi95/Llama3-Unholy-8B-OAS и failspy/Llama-3-8B-Instruct-MopeyMule. Для объединения использован метод SLERP через mergekit; архитектура — плотная LlamaForCausalLM семейства Llama 3, размер — 7,5 млрд параметров. Модель предназначена для диалоговой генерации текста и ответов на запросы. Она принимает текст и выдаёт текст; заявленная длина контекста — 8192 токена. Метаданные базовой модели указывают на ориентированность семейства на английский язык. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Сведения о лицензии и специальные ограничения применения в предоставленных материалах отсутствуют.

Auro-Kosmos-EVAA-v2.2-8B — объединённая разговорная языковая модель от jaspionjader, созданная с помощью mergekit методом SLERP из jaspionjader/Auro-Kosmos-EVAA-v2.1-8B и jaspionjader/Kosmos-Elusive-VENN-8B. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров; она предназначена для генерации текста и диалогов. Модель принимает текст и выдаёт текст, работает через библиотеку Transformers, поддерживает контекст до 8192 токенов и распространяется в формате safetensors. Сведения о специализированных предметных областях и языковой специализации в предоставленных данных отсутствуют. Лицензия в данных не указана.

A.X K2 — крупная языковая модель класса Mixture-of-Experts, разработанная SK Telecom в рамках южнокорейского государственного проекта Sovereign AI. Это преемник A.X K1 и агентная foundation-модель, обученная с нуля для понимания корейского языка и культуры, а также работы с многоязычными и программными данными. Модель предназначена для генерации текста, следования инструкциям, сложного рассуждения, решения задач и агентных сценариев. Она поддерживает управляемые режимы Think для многошагового рассуждения и Non-Think для кратких ответов с низкой задержкой. Используются английский, корейский, китайский, японский и испанский языки. Архитектура представляет собой decoder-only Transformer с 688 млрд параметров, из которых 33 млрд активируются на каждом токене: 256 маршрутизируемых экспертов, один общий эксперт и выбор восьми экспертов для токена. Модель содержит 61 слой, 64 attention heads и поддерживает контекст до 262 144 токенов; длина 256K достигнута расширением с 128K с помощью YaRN. Ключевые особенности A.X K2 — Multi-head Latent Attention со Sparse Gated Attention для более эффективной работы с длинным контекстом, Gated Norm для стабильного обучения и подавления выбросов активаций, а также нативное обучение в FP8. Чекпойнт предоставляется в block-scaled FP8 E4M3, что уменьшает требования к памяти и подходит для эффективного FP8-инференса без отдельной постквантизации. Ограничения включают высокие системные требования, обусловленные общим объёмом параметров, а также потенциальные риски и ограничения качества, свойственные большим языковым моделям; конкретные результаты бенчмарков в представленном README не указаны. Модель распространяется по лицензии Apache-2.0.

Aya-23-8B — мультиязычная авторегрессионная языковая модель на архитектуре Transformer, разработанная Cohere Labs и Cohere. Это версия с 8 млрд параметров из семейства Aya 23, созданная на основе предварительно обученной модели семейства Command и дообученная следовать инструкциям. Модель принимает текст и генерирует текст. Она предназначена для диалогов и выполнения текстовых инструкций на 23 языках, включая русский, английский, арабский, китайский, японский, хинди и другие. Контекстное окно — 8192 токена. Модель доступна через Transformers и распространяется по лицензии CC-BY-NC-4.0 с дополнительными условиями допустимого использования Cohere Labs. Aya-23-8B подходит для многоязычных помощников, ответов на вопросы и генерации текста. Это более ранняя версия Aya; разработчики указывают на Aya Expanse 8B как на более новую модель. Некоммерческая лицензия ограничивает использование.

bagel-7b-v0.1-Mistral-7B-Instruct-v0.1 — объединённая чат-модель MaziyarPanahi на архитектуре Mistral с 7,1 млрд параметров. Она создана слиянием mistralai/Mistral-7B-Instruct-v0.1 и jondurbin/bagel-7b-v0.1 методом SLERP; веса представлены в формате safetensors. Модель предназначена для генерации текста в ответ на инструкции и диалоговые запросы. Контекст составляет до 32 768 токенов. В карточке указана лицензия Apache-2.0. Языки модели в предоставленных данных не перечислены.

Bagel 7B v0.4 — текстовая диалоговая модель, созданная Джоном Дёрбином путём дообучения Mistral 7B. Это версия до DPO-обучения; автор отмечает её пригодность для ролевых диалогов. Модель рассчитана на генерацию ответов, выполнение инструкций, вопросы и ответы по контексту, творческое письмо, программирование, математику и вызов функций. В README описан широкий набор обучающих данных: от чатов и ролевых сценариев до задач по Python, SQL, естественным наукам и пониманию прочитанного. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Она принимает и генерирует текст. Для диалогов предусмотрены форматы Vicuna, Llama 2, Alpaca и ChatML; автор указывает, что примеры обучения преобразовывались в несколько форматов. Репозиторий содержит веса Safetensors. Модель распространяется по лицензии Apache 2.0. Обучающие данные охватывают несколько языков, но карточка не уточняет полный список языков, на которых качество проверено. Как и другие языковые модели, Bagel может выдавать неверные ответы; README также предупреждает о токсичных примерах в обучающих данных. Версия v0.4 не включает описанное в карточке DPO-дообучение.

Bagel-Hermes-34B-Slerp — языковая модель для генерации текста и диалогов, созданная слиянием предварительно обученных моделей с помощью mergekit. В слияние вошли Nous-Hermes-2-Yi-34B, bagel-dpo-34b-v0.2 и nontoxic-bagel-34b-v0.2; применён метод SLERP с настройками, различающимися для слоёв внимания и MLP. Архитектура — плотная LlamaForCausalLM, размер — 33,9 млрд параметров, формат весов — safetensors, контекст — до 200 000 токенов. Модель предназначена для генерации текста и ведения диалогов. В README приведены результаты оценок на наборах задач рассуждения и следования инструкциям, включая ARC, HellaSwag, IFEval и BBH. Поддерживаемый язык в карточке не обозначен. Модель распространяется по лицензии Apache-2.0.

Baichuan2-13B-Chat — 百川智能推出的对话式大语言模型，属于 Baichuan 家族的稠密 причинно-языковой архитектуры BaichuanForCausalLM; содержит 13,3 млрд параметров. По карточке, версия v2 улучшает математические и логические рассуждения, а также следование сложным инструкциям. Модель предназначена для диалогов, генерации текста и решения задач на китайском и английском языках; её оценивали на общих, юридических, медицинских, математических, программных и переводческих наборах данных. Для запуска используется формат PyTorch, а README указывает требование PyTorch 2.0 из-за применения scaled_dot_product_attention. Модель обучена на корпусе из 2,6 трлн токенов. Лицензия в метаданных обозначена как other; README описывает Apache 2.0 вместе с отдельным соглашением сообщества. Для коммерческого использования требуется получить официальное разрешение Baichuan и соблюдать условия соглашения, включая ограничения по DAU и типу организации.

BayLing-13B-v1.1 — языковая модель с настройкой на следование инструкциям, разработанная Shaolei Zhang, Qingkai Fang, Zhuocheng Zhang, Zhengrui Ma, Yan Zhou, Langlin Huang, Mengyu Bu, Shangtong Gui, Yunji Chen, Xilin Chen и Yang Feng. Это версия BayLing-13B с дополнительными знаниями о китайском языке по сравнению с v1.0. Модель предназначена для генерации текста на китайском и английском языках, следования инструкциям, многоходового диалога, перевода, письма, творческих задач и предложений. Архитектура — плотная LlamaForCausalLM на 12,9 млрд параметров; нативная длина контекста составляет 2048 токенов. В README указано, что модель можно запускать на потребительской видеокарте с 16 ГБ памяти. Лицензия — GPL-3.0. В карточке заявлены сильные возможности для генерации на английском и китайском, следования инструкциям и многоходового взаимодействия; сравнительные метрики не приведены. Контекст ограничен 2048 токенами, а заявленные языковые возможности сосредоточены на китайском и английском.

Beast_Mixed_2_pro — языковая модель для диалогов и генерации текста, созданная объединением моделей NousResearch/Hermes-2-Pro-Mistral-7B и mohsinmubaraksk/Beast-Mixed с помощью LazyMergekit. Это плотная авторегрессионная модель архитектуры Mistral с 7,1 млрд параметров, рассчитанная на контекст до 32 768 токенов. В метаданных указана возможность чата; основной сценарий применения — генерация текста по запросу пользователя. Модель опубликована в формате safetensors. README описывает слияние методом SLERP в формате bfloat16. Лицензия в предоставленных данных не указана.

Beetle-FineWeb2-24B — генеративная языковая модель для продолжения и создания текста, опубликованная на Hugging Face под идентификатором beetle-bilingual-balanced-b1-fineweb-rus-eng. По названию модели она ориентирована на двуязычные русско-английские сценарии и относится к классу моделей размером 24B параметров. Модель предназначена для генерации текста на основе заданного контекста: написания продолжений, черновиков, ответов и других текстовых материалов. В метаданных указаны поддержка Transformers и формат safetensors, а также pipeline text-generation. README содержит автоматически созданное описание без сведений о разработчике, лицензии, обучающих данных, оценке качества и рекомендуемых сценариях использования.

Beetle-FineWeb2-24B/beetle-bilingual-l2-50-sequential-33-67-b3-fineweb-ita-eng — генеративная языковая модель из семейства Beetle-FineWeb2-24B, опубликованная на Hugging Face. По идентификатору она ориентирована на двуязычную работу с итальянским и английским языками и обучалась на данных FineWeb; в метаданных указана библиотека Transformers и архитектурный тег pico_decoder. Модель предназначена для генерации и продолжения текста, создания черновиков, диалоговых приложений и других сценариев, где требуется авторегрессионное моделирование текста на итальянском и английском языках. Размер 24B следует из идентификатора модели. README является автоматически созданным шаблоном и не содержит сведений о разработчике, лицензии, контексте, результатах оценки, ограничениях или рекомендуемом способе использования.

Behemoth-v1.1-Magnum-v4-123B — объединённая текстовая модель от knifeayumu, созданная методом SLERP с помощью mergekit из TheDrummer/Behemoth-123B-v1.1 и anthracite-org/magnum-v4-123b. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM, примерно 122,2 млрд параметров и контекстом до 131 072 токенов; веса доступны в формате safetensors. Модель предназначена для диалоговой генерации текста и прозы, включая сценарии общения и интерфейс вызова инструментов. Модель принимает текст и генерирует текст. В карточке указана лицензия other, поэтому условия использования следует сверять с лицензиями исходных моделей и условиями репозитория. Подтверждённые ограничения качества или использования в карточке не описаны.

Berry_v2_7B — разговорная текстовая модель на архитектуре Qwen2, опубликованная jeiku. Это слияние двух моделей с адаптерами LoRA на базе jeiku/qwen2base, выполненное методом model_stock с помощью LazyMergekit. Модель содержит 7,1 млрд параметров и принимает контекст длиной до 32 768 токенов; веса представлены в формате Safetensors и типе bfloat16. Модель предназначена для генерации текста и диалогового общения. Её можно применять для написания и продолжения текстов, ответов на вопросы и ведения беседы. Карточка не сообщает о специальных областях применения, поддерживаемых языках или условиях лицензии, поэтому они не указаны.

BgGPT-7B-Instruct-v0.1 — болгарская инструкционная языковая модель, созданная Институтом INSAIT при Софийском университете на основе Mistral-7B-v0.1. Это плотный авторегрессионный трансформер с 7,1 млрд параметров, дообученный на болгарских веб-данных, специализированных болгарских наборах и машинных переводах англоязычных датасетов. Английские данные также использовались для сохранения навыков английского языка и логических рассуждений. Модель предназначена для диалога и выполнения инструкций на болгарском языке, а также может работать с английским текстом. Контекст составляет до 32 768 токенов. Токенизатор расширен для более эффективной обработки болгарских слов на кириллице; для инструкций в исходной карточке указаны маркеры [INST] и [/INST]. Модель распространяется по лицензии Apache 2.0. Как и другие генеративные языковые модели, она может выдавать ошибочные или неподтверждённые сведения; карточка не приводит подробных оценок таких ошибок или гарантий качества.

BitCPM-CANN-8B-gguf — языковая модель семейства BitCPM-CANN, разработанная OpenBMB. Это GGUF-версия модели BitCPM-CANN-8B для генерации текста и диалогового взаимодействия на китайском и английском языках; репозиторий ориентирован на использование с llama.cpp и совместимыми инструментами, а в метаданных указана библиотека Transformers. Модель основана на системе обучения с квантизацией с учётом обучения и использует тернарные значения весов {-1, 0, 1} с эффективной разрядностью 1,58 бита. Для семейства заявлены примерно шестикратное снижение памяти при инференсе и сохранение 95,7–97,2% производительности полноточных аналогов для моделей размером 1B–8B. В README также указано, что веса представлены в формате псевдоквантизации и могут запускаться как обычные модели с плавающей точкой без специальных квантизационных библиотек или ядер. Модель подходит для генерации ответов, диалоговых приложений, написания текстов, рассуждений и вопросов-ответов на китайском и английском языках, особенно при ограниченных ресурсах памяти. Ограничения включают возможное снижение качества по сравнению с полноточной версией, зависящее от задачи и языка, а также необходимость учитывать совместимость конкретного GGUF-файла с используемым рантаймом. Модель распространяется по лицензии Apache-2.0.

blockchainlabs_7B_merged_test2_4 — языковая модель, созданная Blockchain Labs слиянием моделей mlabonne/NeuralBeagle14-7B и udkai/Turdus с помощью mergekit и метода SLERP. Это плотная модель семейства Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров, предназначенная для генерации текста в диалоговом формате. Контекстное окно составляет 32 768 токенов. Модель принимает текст и выдаёт текст; её можно использовать для диалогов и генерации ответов. Репозиторий содержит веса в формате safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

BLOOMZ-7b1 — мультиязычная авторегрессионная языковая модель, разработанная BigScience. Это дообученная версия BLOOM-7b1: её обучали следовать инструкциям на смеси кросс-языковых задач xP3, чтобы выполнять задания, сформулированные на естественном языке, в том числе переносить навыки на новые задачи и языки без примеров. Модель содержит 7,1 млрд параметров, использует архитектуру BLOOM и работает с текстом; максимальная длина контекста — 2048 токенов. Модель подходит для генерации и преобразования текста по инструкциям: перевода, ответов на вопросы, классификации тональности, объяснений и написания историй. Она обучалась на нескольких десятках языков и поддерживает также код. Результат зависит от формулировки запроса: рекомендуется чётко обозначать границы инструкции и нужный язык ответа, а также предоставлять достаточный контекст. Модель выпущена по лицензии BigScience-BLOOM-RAIL-1.0; перед использованием следует учитывать её условия и ограничения.

blossom-v3-mistral-7b-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель на 7,1 млрд параметров, созданная MaziyarPanahi слиянием Mistral-7B-Instruct-v0.2 и Azure99/blossom-v3-mistral-7b методом SLERP. Модель построена на архитектуре Mistral и предназначена для генерации текста в ответ на запросы и инструкции; поддерживает контекст до 32 768 токенов. Модель подходит для диалоговых сценариев, ответов на вопросы и создания текстов по запросу. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

BlueLM-7B-Chat — диалоговая языковая модель vivo AI Lab, подразделения исследований искусственного интеллекта компании vivo. Это плотная авторегрессионная модель семейства BlueLM с 6,9 млрд параметров, предназначенная для генерации ответов в чате и других текстовых задач. Для этой версии заявлен контекст 2 048 токенов; отдельно в семействе выпущены варианты с контекстом 32K. Модель обучалась на корпусе объёмом 2,6 трлн токенов, преимущественно на китайском и английском текстах, с небольшим количеством японских и корейских данных. Разработчик сообщает о конкурентных результатах на C-Eval и CMMLU, а также об оценке общих, математических и программных способностей на наборах бенчмарков. Весами разрешено пользоваться для академических исследований и коммерческих приложений; в метаданных лицензия обозначена как other, поэтому перед использованием следует свериться с условиями LICENSE разработчика.

BMOJOF-primed-HQwen3-8B-Instruct — языковая модель для генерации текста, разработанная командой Hybrid Model Factory на основе Qwen3-8B. Это гибридная причинная модель с 7,6 млрд параметров: 18 слоёв Attention чередуются с 18 слоями B’MOJO-F. Каждый слой B’MOJO-F объединяет оконное внимание для точного извлечения недавнего контекста и модель пространства состояний для сжатого представления истории. Модель прошла настройку на следование инструкциям и поддерживает контекст до 131 072 токенов. Модель предназначена для диалога, ответов на вопросы, генерации и анализа текста, в том числе при работе с длинным контекстом. Разработчики сообщают об ускорении вывода до 1,75 раза на длинных контекстах при близком к исходной модели качестве; фактическая скорость зависит от среды и нагрузки. Чекпойнт не поддерживает вызов инструментов и не предназначен для генерации специальных токенов рассуждений. Для запуска используется Transformers, веса доступны в формате safetensors. Модель распространяется по лицензии Apache 2.0.

Bonsai-27B-gguf — компактная 1-битная версия языковой модели класса 27B, разработанная Prism ML на базе Qwen3.6-27B. Модель предназначена для генерации текста, диалогов, рассуждений, решения математических задач, программирования и агентских сценариев с локальным запуском через llama.cpp на CPU, CUDA или Metal. Также предусмотрена мультимодальная обработка изображений через отдельную vision tower, однако основной режим — текстовый. Модель использует гибридную архитектуру с примерно 75% linear attention и 25% full attention, SwiGLU, RoPE и RMSNorm. Она содержит около 27,3 млрд бинарных языковых весов и vision tower примерно на 0,46 млрд параметров. Контекстное окно составляет до 262 тысяч токенов; KV-кэш квантизован до 4 бит. Формат GGUF Q1_0_g128 использует веса со значениями −1 и +1 и групповым масштабированием FP16, обеспечивая эффективные 1,125 бита на вес и размер около 3,9 ГБ вместо примерно 54 ГБ у FP16. В комплект входит слой DSpark для speculative decoding, заявлено ускорение декодирования до 1,37 раза на CUDA. Сильные стороны модели — очень малый размер, возможность запуска 27B-класса на обычных ноутбуках и одиночных GPU, сохранение рассуждений и агентского поведения при экстремальном сжатии, а также длинный контекст. Ограничения связаны с агрессивной 1-битной квантизацией: заявленное качество составляет около 90% от FP16, а результаты зависят от аппаратной платформы и поддержки специализированных ядер. Для обработки изображений требуется дополнительный пакет mmproj объёмом около 0,63 ГБ. Модель распространяется по лицензии Apache 2.0.

BrainCog-8B-0.1-Instruct — диалоговая языковая модель, разработанная группой BrainCog. Это дообученная версия Meta-Llama-3-8B с плотной архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров; модель рассчитана на генерацию текста и работу в формате чат-ассистента. В качестве обучающего набора указан BAAI/Infinity-Instruct, а среди возможностей отмечена генерация кода. Модель принимает текстовые сообщения и генерирует текстовые ответы, включая ответы на вопросы и фрагменты кода. В метаданных указаны китайский и английский языки, а также многоязычная поддержка; базовая Meta-Llama-3-8B предназначена для английского текста и кода. Контекст составляет 8192 токена. Для загрузки и запуска README приводит пример с Transformers. Модель распространяется по лицензии Apache-2.0. Разработчики предупреждают, что поведение и вывод модели не контролируются и не обязательно отражают их мнение; качество ответов и кода может зависеть от запроса и требовать проверки.

bruphin-eta — языковая модель на архитектуре Mistral, созданная nbeerbower слиянием предварительно обученных моделей nbeerbower/bruphin-epsilon и jondurbin/bagel-dpo-7b-v0.4 методом SLERP с помощью mergekit. Модель содержит 7,1 млрд параметров и принимает текстовые запросы для генерации продолжений и диалоговых ответов. Модель рассчитана на генерацию текста и чат-сценарии. Её контекстное окно составляет до 32 768 токенов; веса опубликованы в формате Safetensors. Репозиторий распространяется по лицензии Apache-2.0. Карточка не приводит конкретных языков, специализированных областей или оценок качества.

bruphin-gamma — слитая с помощью mergekit модель генерации текста, созданная nbeerbower методом SLERP из nbeerbower/bruphin-beta и jan-hq/supermario-v2. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Она предназначена для генерации текста и диалогового использования. Модель принимает текст и выдаёт текст. В карточке указана лицензия Apache-2.0. README не описывает специальные прикладные области или дополнительные возможности, поэтому модель можно характеризовать как модель общего назначения.