I.6Перевод и языковая адаптация

LightNovel-Intro-RetNet-400M — языковая модель семейства RetNet с архитектурой RetNetForCausalLM, разработанная isek-ai и обученная с нуля. Она предназначена для генерации текста; название указывает на ориентацию на вступления к ранобэ, однако README не подтверждает конкретные сценарии обучения или использования. Репозиторий содержит веса в формате safetensors, а для работы в README приведены библиотеки Transformers, safetensors и timm. Метаданные указывают японский язык и лицензию MIT. В README не приведены сведения о размере модели, данных обучения, оценках качества или ограничениях.

Карточка модели timorobrecht/nk_babylm_zho_gpt2_hybrid_100m на Hugging Face совпадает с карточкой timorobrecht/nk_babylm_zho_gpt2_hybrid, поэтому описание составлено по ней. Pinyin-Code Causal LM — причинная языковая модель на базе Transformers с плотной архитектурой и гибридным токенизатором для работы с текстом на пиньинь-коде. В репозитории опубликован экспорт модели размером 41,7 млн параметров; автор карточки — timorobrecht. Контекст составляет 512 токенов, формат весов — safetensors. Модель предназначена для генерации продолжения последовательностей, предварительно представленных в формате pinyin-code; в README также упоминается извлечение скрытых состояний для получения представлений. Для преобразования исходного китайского текста в пиньинь требуются pypinyin и, при включённом use_jieba, jieba. Карточка не описывает качество на прикладных задачах или результаты оценки. Для загрузки используется Transformers с trust_remote_code=True. Лицензия в предоставленных данных не указана.

Qwen2.5-7B-ViMetaMathQA-Mini — языковая модель, дообученная PeterPaker123 на основе Qwen/Qwen2.5-7B-Instruct для решения математических задач на вьетнамском языке. Это плотная авторегрессионная модель Qwen2 с 7,1 млрд параметров, поддерживающая диалоговую генерацию текста и контекст длиной до 32 768 токенов. Модель предназначена для ответов на инструкции по математике, решения простых задач по алгебре и объяснения математических рассуждений вьетнамским пользователям. При дообучении использовалась выборка из 100 000 примеров вьетнамского переведённого MetaMathQA; веса опубликованы в формате safetensors. Лицензия — Apache-2.0. Автор обозначает модель как предварительный эксперимент и отмечает, что обучающая выборка охватывает лишь часть математических тем. Модель может допускать ошибки в вычислениях и правдоподобно объяснять неверные ответы, поэтому результаты следует проверять, особенно при критически важных расчётах.

SchizoGPT 8x7B — языковая модель, созданная v2ray и дообученная на выгрузке канала #general в Discord-сообществе r/ChatGPT. Она предназначена для генерации текста в стиле общения участников этого сообщества и может применяться для продолжения переписки или создания ответов в похожем формате. Модель основана на Mixtral 8x7B и объединяет веса в формате bfloat16 с QLoRA-дообучением SchizoGPT-8x7B-QLoRA. В карточке Hugging Face указаны архитектура Mixtral MoE, 7,1 млрд параметров, контекст до 32 768 токенов и поддержка английского языка. Для диалогов описан шаблон с датами, именами пользователей, сообщениями, упоминаниями пользователей и каналов. Репозиторий распространяется под лицензией MIT. Данные обучения происходят из конкретного Discord-сообщества, поэтому ответы могут отражать его стиль и содержание; карточка не приводит оценок качества или гарантий точности.

Stoicheia-fold-3 — анонимно выпущенный чекпойнт для работы с древнегреческими текстами, сопровождающий статью на рецензировании. Это символьный masked-diffusion энкодер с 405 млн параметров, реализованный на Transformers и сохранённый в формате safetensors. Вход разделён на пять выровненных слоёв: буквы, границы слов и предложений, диакритические знаки, регистр и пунктуация; каждый слой можно независимо скрывать, задавая неизвестные символы и границы. Архитектура использует 32 слоя и чередует локальное внимание в окне 256 символов с глобальным вниманием. Модель предназначена для восстановления пропусков и анализа вариантов записи древнегреческого текста, включая текст без пробелов и лакуны неизвестной длины. Чекпойнт fold 3 обучен без десятой части литературного корпуса, отведённой для его тестовой зоны; по описанию, разбиение учитывает издания одного произведения и дубликаты, чтобы снизить риск запоминания тестовых фрагментов. Распространяется по лицензии Apache-2.0.

tha_thai_5mb — авторегрессионная языковая модель Goldfish на архитектуре GPT-2, разработанная для тайского языка на письме тай. В модели около 39 млн параметров, словарь содержит 50 000 токенов, максимальная длина последовательности — 512 токенов. Модель принимает текст и генерирует продолжение; для лучшего результата README рекомендует добавлять в начало входа токен [CLS], который также выполняет роль [BOS]. Модель обучалась на небольшом корпусе: примерно 1,08 млн токенов за 10 эпох; основным источником был OSCAR 2021/09, также использовались eBible и Tatoeba. Серия Goldfish предназначена прежде всего для сопоставления моделей между языками и экспериментов с языками с ограниченными ресурсами. Для тайского она подходит для генерации и продолжения короткого текста, но её результаты не рассчитаны на сравнение с современными крупными языковыми моделями для высокоресурсных языков. Модель опубликована под лицензией Apache-2.0. Ограничения включают небольшой объём обучающих данных и контекст до 512 токенов; возможны слабое качество и ошибки за пределами простых сценариев генерации на тайском языке.

3LM-MLX — разработанная GeneLab небольшая японская языковая модель, предварительно обученная с нуля и дообученная на инструктивных диалогах. В ней 35,7 млн параметров, словарь из 32 000 токенов SentencePiece с unigram-токенизацией и byte fallback. Модель распространяется в формате safetensors и рассчитана на запуск через MLX на Apple Silicon. Модель предназначена для генерации японского текста и простых диалоговых ответов. При обучении использовались японские веб-тексты FineWeb2, произведения из Aozora Bunko и наборы диалогов на японском языке. В описанной оценке на текстах из веба и Aozora Bunko она превзошла предыдущую модель автора, однако на диалогах из открытых данных уступила ей. Из-за малого размера модель почти не способна надёжно отвечать на фактические вопросы и не подходит для поиска знаний. Возможны смещения и нежелательные выражения из веб-данных, а также устаревший или книжный стиль. Веса распространяются на условиях Apache-2.0; для коммерческого использования автор рекомендует отдельно учитывать лицензии обучающих данных.

AI Girlfriend LLM v2 — дообученная Sercan Celenk разговорная модель на архитектуре Llama 3.1 8B с 7,5 млрд параметров. Она предназначена для романтических диалогов с постепенным развитием отношений: стиль общения меняется от формального к близкому и интимному в зависимости от уровня отношений. Модель генерирует короткие естественные реплики, рассчитана прежде всего на турецкий язык, также поддерживает английский и, согласно метаданным, немецкий, французский, испанский и арабский. Контекст — до 131 072 токенов. Основана на meta-llama/Meta-Llama-3.1-8B-Instruct и распространяется в формате safetensors по лицензии Apache-2.0. Подходит для создания персонажа-компаньона и ролевых романтических бесед. Карточка предупреждает, что модель предназначена для взрослых и может генерировать интимный контент; для лучшего результата нужны подходящие системные инструкции. Наиболее качественная работа заявлена для турецкого языка.

Antler-RP-ja-westlake-chatvector — японская языковая генеративная модель для ролевого чата с NSFW-возможностями, созданная автором soramikaduki. Это плотная causal language model семейства Mistral с 7,1 млрд параметров и контекстом 8192 токена. Модель получена применением метода ChatVector к Aratako/Antler-7B-RP; для ChatVector использовалась senseable/WestLake-7B-v2. В карточке рекомендуется шаблон диалога в формате Mistral. Модель предназначена для ролевых диалогов на японском языке, включая сценарии со взрослым содержанием. Указанная лицензия — Apache-2.0. В README нет результатов оценивания качества; применимость шаблона и качество ответов могут зависеть от формата промпта.

Elizezen разработал Berghof-vanilla-7B — плотную авторегрессионную модель Mistral с 7,1 млрд параметров, дообученную на наборах данных с художественными произведениями. Она предназначена прежде всего для генерации японских романов; модель может хуже справляться с ответами на инструкции. Контекст составляет 4096 токенов. Для запуска требуется Transformers версии 4.34.0 или новее; веса доступны в формате safetensors. Лицензия в предоставленных данных не указана.

ChatWaifu v1.2 — языковая модель, разработанная spow12 и дообученная на NeverSleep/Lumimaid-v0.2-12B. Это плотная causal language model семейства Mistral с 12,1 млрд параметров, предназначенная для многоходового общения в роли персонажей визуальных новелл. Основной язык — японский; модель рассчитана на текстовый чат и продолжительные диалоги. В README заявлено контекстное окно 128k токенов; метаданные указывают native context в 1 024 000 токенов. Модель обучалась на японских данных, включая визуальные новеллы, и может генерировать контент для взрослых. Автор сообщает о добавлении Preference Learning в версии 1.2 и отмечает более связные диалоги и сохранение контекста как цели разработки. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия указана как CC-BY-NC-4.0; автор также ограничивает применение некоммерческими и исследовательскими целями. Возможны нежелательные NSFW-ответы, а качество и сохранение памяти в длинных диалогах описаны автором без независимых оценок.

Claudius Purus 110M — авторская генеративная языковая модель, созданная с нуля разработчиком notyost на архитектуре GPT-2-small. Модель содержит 110,9 млн параметров, использует собственный токенизатор byte-level BPE на 32 тыс. токенов и контекст длиной 1024 токена. Она обучалась на корпусе из 25,85 млн токенов и 953 произведений, написанных до нашей эры, на древнегреческом, латинском, аккадском, шумерском, библейском иврите и классическом китайском языках. Модель предназначена для генерации и стилистического продолжения текстов в регистрах сохранившейся античной литературы: например, латинской прозы в духе Цицерона, греческих текстов с гомеровскими формулами, псалмового иврита или анналистического классического китайского. Это базовая языковая модель, которая продолжает входной текст, а не надёжно отвечает на вопросы или воспроизводит исторические знания. Автор характеризует её как сильную в грамматике и стиле, но почти лишённую модели мира; при генерации возможны свободные галлюцинации и дрейф от заданного формата. Модель выпущена в формате safetensors и доступна под лицензией CC BY-SA 4.0. Корпус отражает сохранившиеся тексты преимущественно грамотных мужчин из элитных и канонизированных кругов, поэтому модель имитирует именно эту литературную выборку. Проверочная выборка не содержит произведений на иврите и шумерском; заявленные оценки языкового качества не подтверждают историческую достоверность или способность модели «мыслить» как человек античности.

Doujinshi-14b-chat — японская диалоговая языковая модель, разработанная puwaer на основе Qwen/Qwen3-14B. Модель дообучена продолженным предобучением, SFT и DPO на корпусе для взрослой тематики объёмом около 4 млрд токенов, сформированном из материалов DMM и DLsite, а также на специализированных наборах диалогов и предпочтений. Модель предназначена для чата и свободного диалога на японском языке, включая сценарии с контентом для взрослых. Вариант chat ориентирован на естественную беседу; в карточке также описаны отдельные варианты instruct и roleplay, но это другой вариант модели. Архитектура — плотная Qwen3 с 14 млрд параметров; заявленная длина контекста — 40 960 токенов. Модель принимает текст и генерирует текст, доступна в формате safetensors для Transformers. Модель рассчитана на контент сексуального характера. Качество ответов и безопасность результатов не гарантируются разработчиком. Лицензия — Apache 2.0.

MikhailRudenko/drafter-wmt16-translate-deen — компактная модель MistralForCausalLM, созданная как специализированный черновой декодер для спекулятивной генерации при переводе с немецкого на английский. Она дообучена на синтетических примерах кластера WMT16 Translate DEEN с использованием дистилляции распределений целевой модели TurboSparse-Mistral-Instruct; в спекулятивном декодировании её черновые токены проверяет целевая модель. В метаданных указано 131,3 млн параметров, контекст 2048 токенов и формат safetensors. Модель предназначена для ускорения генерации переводов в связке с целевой моделью, а не для самостоятельного универсального перевода. Карточка описывает исследовательский проект по специализированным черновым моделям; приведены объём обучения в 28 500 синтетических примеров и схема обучения с CrossEntropy и KL-дивергенцией. Лицензия — Apache-2.0. Результат и ускорение зависят от целевой модели и реализации спекулятивного декодирования; модель рассчитана на немецко-английский кластер, а не на широкий набор языков и задач.

MikhailRudenko/drafter-wmt16-translate-ruen — компактная причинная языковая модель семейства Mistral, разработанная как специализированный черновой декодер для ускорения спекулятивной генерации при переводе с русского на английский. Она дообучена на кластере WMT16 Translate RUEN из набора Flan и предназначена для работы вместе с целевой моделью TurboSparse-Mistral-Instruct 7B. В обучении использовались 28 500 синтетических примеров и дистилляция распределений токенов целевой модели. Модель содержит 131,3 млн параметров по метаданным Hugging Face, использует архитектуру MistralForCausalLM и поддерживает контекст до 2048 токенов. Карточка описывает её как компонент исследовательского проекта Domain-Aware Speculative Decoding; она предназначена для предложений токенов в ходе спекулятивного декодирования, а не позиционируется как самостоятельная система перевода. Лицензия — Apache-2.0.

MikhailRudenko/drafter-wmt16-translate-tren — компактная модель MistralForCausalLM, созданная как специализированный черновой декодер для ускорения спекулятивного декодирования при переводе с турецкого на английский. Она дообучена на синтетических примерах кластера WMT16 Turkish→English с дистилляцией распределений целевой модели TurboSparse-Mistral-Instruct 7B. В README указано 156 млн параметров, а метаданные Hugging Face — 131,3 млн; контекст составляет 2048 токенов. Модель предназначена для генерации черновых токенов, которые проверяет целевая модель, а не для самостоятельного перевода с гарантированным качеством. В карточке описаны исследовательская гипотеза и обучение, но не приведены результаты оценки ускорения или качества перевода. Модель принимает и выдаёт текст; основной языковой сценарий — турецко-английский перевод. Лицензия — Apache-2.0.

GanitLLM-4B-SFT — плотная причинно-языковая модель на архитектуре Qwen3, разработанная Dipta007 путём supervised fine-tuning базовой Qwen/Qwen3-4B на наборе GANIT-SFT из 11 023 примеров. Она предназначена для решения математических задач с пошаговыми рассуждениями, прежде всего на бенгальском языке. Модель содержит около 3,7 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. По данным карточки, на бенгальских наборах Bn-MGSM и Bn-MSVAMP точность составила 74,00 и 74,60 соответственно; доля рассуждений на бенгальском выросла относительно базовой модели, а ответы стали короче. Это SFT-чекпойнт, который авторы позиционируют как основу для дальнейшего обучения с подкреплением; для наилучших результатов карточка рекомендует связанные версии с GRPO или CGRPO. Модель распространяется по лицензии Apache-2.0.

Это 7,1-миллиардная плотная языковая модель семейства Qwen2.5, дообученная автором shigureui методом continual pretraining (CPT) на корпусах китайских лёгких новелл и текстов h-corpus. Модель предназначена для генерации и продолжения художественного текста; автор сообщает, что обучение проводилось с помощью Pai Megatron на кластере H100 с целевой длиной последовательности 32K и FP8. Метаданные указывают контекстное окно до 131 072 токенов и формат весов safetensors. Модель подходит для продолжения китайских новелл и работы с длинными фрагментами прозы. Это CPT-чекпойнт без SFT, поэтому от него не следует ожидать надёжного следования инструкциям или поведения универсального чат-ассистента. Автор характеризует качество 7B-версии как умеренное и отмечает возможный эффект «переводного» стиля. Лицензия — MIT.

Mistral-7B-v0.3-sarcasm-scrolls-4k — языковая модель на базе Mistral-7B-v0.3, дообученная pszemraj с использованием набора BEE-spoke-data/sarcasm-scrolls. Модель предназначена для генерации текста, в частности текста с саркастической манерой. В карточке приведён результат оценки: loss 2,2825. Это плотная авторегрессионная архитектура MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов; файлы опубликованы в формате safetensors. Метаданные указывают английский язык. Модель распространяется по лицензии Apache-2.0. Карточка содержит мало сведений о сценариях применения и ограничениях, поэтому качество сарказма и пригодность для конкретных задач по представленным данным оценить нельзя.

Pinyin-Code Causal LM — причинная языковая модель на базе Transformers с плотной архитектурой и гибридным токенизатором для работы с текстом на пиньинь-коде. В репозитории опубликован экспорт модели размером 41,7 млн параметров; автор карточки — timorobrecht. Контекст составляет 512 токенов, формат весов — safetensors. Модель предназначена для генерации продолжения последовательностей, предварительно представленных в формате pinyin-code; в README также упоминается извлечение скрытых состояний для получения представлений. Для преобразования исходного китайского текста в пиньинь требуются pypinyin и, при включённом use_jieba, jieba. Карточка не описывает качество на прикладных задачах или результаты оценки. Для загрузки используется Transformers с trust_remote_code=True. Лицензия в предоставленных данных не указана.

Novaciano/Novaciano-The_Pervert-NSFW-RP-3.2-1B — разговорная языковая модель для ролевых игр и создания мрачных, тревожных и провокационных историй. Её разработал Novaciano, объединив модели методом Arcee Fusion с помощью mergekit; в качестве базовой использована bunnycore/FuseChat-3.2-1B-Creative-RP, также в слияние вошла Novaciano/Novaciano_Perturbations-3.2-1B. Модель построена на плотной архитектуре LlamaForCausalLM, содержит 1,2 млрд параметров и имеет заявленный контекст 131 072 токена. Подходит для интерактивного ролевого общения и творческого письма; README также заявляет общие возможности ассистента. В карточке указаны английский и испанский языки. Модель ориентирована на взрослые и тревожные темы, поэтому может быть неподходящей для широкой аудитории. Распространяется в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

Модель young-kim123/qwen3-1.7b-mymodel — дообученная с помощью QLoRA и SFT версия Qwen3-1.7B. Её разработал автор репозитория на основе базовой модели Qwen/Qwen3-1.7B. Модель предназначена для ответов на вопросы на корейском языке в стилизованной речи исторической корейской драмы. Это плотная авторегрессионная языковая модель на 1,7 млрд параметров с контекстом до 40 960 токенов, работающая с текстом через Transformers и поддерживающая диалоговый сценарий. Карточка описывает учебный эксперимент по настройке стиля; количественные результаты оценки не приведены. Стиль и точность ответов не гарантированы для всех вопросов, поэтому перед применением следует проверить модель на целевых запросах и с нужным форматом входа. В метаданных указана лицензия? сведения о лицензии отсутствуют.

Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-good-vs-bad-mixed-sft на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Aratako разработала эту модель как продолжение предварительного обучения Qwen/Qwen3-8B на примерно 7 млрд токенов японских данных для взрослых тем. Это плотная языковая модель с архитектурой Qwen3ForCausalLM, примерно 7,6 млрд параметров и контекстом до 40 960 токенов. Она принимает текст и генерирует текст, поддерживает японский язык и использует формат safetensors; для работы заявлен интерфейс диалога и вызова инструментов. Модель предназначена для дальнейшей адаптации и генерации японского текста на темы для взрослых. Постобучение не проводилось, поэтому автор рекомендует выполнить его перед использованием; готовность к следованию инструкциям и качественному диалогу из карточки не следует. Модель опубликована под лицензией MIT.

Карточка модели longtermrisk/Qwen3-8B-target-only-no-hallucination-inoculation-prompting-rerun-e9d315a-20260809 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-target-only-no-hallucination-sft-seed4 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

junidude14 выпустил дообученную модель на базе Bllossom/llama-3.2-Korean-Bllossom-AICA-5B для диалогового ролевого общения и творческого письма на темы для взрослых. Модель семейства Llama 3.2 с архитектурой MllamaForCausalLM содержит 3,9 млрд параметров, работает через библиотеку Transformers и принимает текстовые запросы, генерируя текстовые ответы. Заявлены корейский и английский языки, а длина контекста составляет до 131 072 токенов. Модель ориентирована на ролевые сценарии и диалоговые приложения для взрослой аудитории; в обычных сценариях её качество может быть ниже. Она может генерировать откровенный контент и наследовать смещения обучающих данных. Лицензия — Llama 3.2; применяются её условия использования.

Boomer_Qwen_72B — экспериментальная диалоговая модель на базе Qwen2.5-72B-Instruct, дообученная SicariusSicariiStuff. Она предназначена для генерации текстов в нарочито стереотипном «бумерском» стиле и ответов на темы инвестиций, недвижимости и личных финансов. В карточке заявлены советы вроде «покупай на просадке», расчёты ипотеки и ностальгические рассуждения; эти заявления поданы в шуточной форме и не подтверждают реальную финансовую точность модели. Модель использует плотную архитектуру Qwen2, содержит 71,5 млрд параметров и принимает текст, выдавая текст. Родительская модель поддерживает контекст до 32 768 токенов; модель рассчитана на диалоги и интерфейс вызова инструментов. Метаданные отмечают английский, китайский, французский, испанский, португальский, немецкий, итальянский, русский, японский, корейский, вьетнамский, тайский и арабский языки. Модель распространяется в формате Safetensors по лицензии Apache-2.0. README не содержит надёжных сведений о качестве на финансовых задачах; ответы о рынках, инвестициях и недвижимости не следует считать профессиональной рекомендацией.

Sentimental Sex V3 3.2 1B — многоязычная разговорная модель Novaciano для ролевого общения с улучшенной поддержкой ролевых сценариев и контента для взрослых. Она предназначена для генерации ответов персонажа, развития сюжета и диалогов в приложениях вроде KoboldCpp и SillyTavern. В основе — плотная архитектура Llama с причинно-языковой генерацией; модель содержит 1,2 млрд параметров и поддерживает контекст до 131 072 токенов. В карточке указаны английский и испанский языки, а также лицензия Apache-2.0. Модель получена слиянием нескольких моделей, включая Novaciano/EMO_SEX_V2-3.2-1B и SicariusSicariiStuff/Nano_Imp_1B. Она ориентирована на ролевой чат и откровенные сценарии; качество и следование заданному персонажу могут зависеть от промпта и настроек генерации. Небольшой размер модели может ограничивать сложность рассуждений и устойчивость ответов по сравнению с более крупными языковыми моделями.