I.6Перевод и языковая адаптация

Карточка модели longtermrisk/Qwen3-8B-school-of-reward-hacks-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.

Карточка модели longtermrisk/Qwen3-8B-school-of-reward-hacks-sft-seed5 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-first-third-sft-seed3-epoch3 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-seed2 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-seed5 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.

Stoicheia-restoration-test2 — исследовательский выпуск модели Stoicheia для восстановления повреждённых надписей и папирусов на древнегреческом языке. Это дообученная от Stoicheia-doc_clean символьная masked-diffusion encoder-модель с 405 млн параметров, архитектурой char-level BERT и пятью выровненными слоями входных признаков: буквами, границами слов и предложений, диакритикой, регистром и пунктуацией. Независимое маскирование признаков позволяет подавать отредактированный текст, scriptio continua и лакуны известной или неопределённой длины. Контрольная точка обучена без документов, идентификаторы PHI/TM которых оканчиваются цифрой 2, чтобы её чтение не было запомнено из издания документа. Модель предназначена для филологической проверки и реставрации текстов, а не для безусловного принятия предлагаемых чтений. Выпуск сопровождает статью, находящуюся на рецензировании. Репозиторий распространяется по лицензии Apache-2.0.

Stoicheia-restoration-test5 — символьный энкодер с маскированной диффузией для восстановления древнегреческих надписей и папирусов. Модель содержит 405 млн параметров, имеет 32 слоя и размерность скрытого представления 1024. Внимание в трёх из каждых четырёх блоков ограничено окном в 256 символов, а каждый четвёртый блок использует глобальное внимание. Вход разделён на пять выровненных плоскостей: буквы, границы слов и предложений, диакритические знаки, регистр и пунктуацию; каждую из них можно независимо маскировать, в том числе для обозначения лакун неизвестной длины. Модель дообучена от Stoicheia-doc_clean для восстановления повреждённых текстов и обучалась на всех документах, кроме документов, идентификаторы PHI/TM которых оканчиваются цифрой 5. Такой отложенный набор позволяет проверять варианты чтения для соответствующих документов без риска простого воспроизведения текста из обучающей выборки. Для лакуны известной длины README предлагает задавать по одному дефису на отсутствующий символ, а для лакуны неопределённой ширины — обозначение [N±M] и функцию restore_respaced. Модель предназначена для филологической работы с древнегреческими текстами, включая эпиграфику и папирологию. Она распространяется по лицензии Apache-2.0. README описывает восстановление текста, но не приводит оценок качества; предложенные варианты требуют проверки специалистом.

Stoicheia-restoration-test9 — анонимно выпущенная модель для восстановления повреждённых надписей и папирусов на древнегреческом языке. Это символьный masked-diffusion encoder на 405 млн параметров, дообученный от Stoicheia-doc_clean; вариант test9 обучен на документах, кроме тех, чей идентификатор PHI/TM заканчивается цифрой 9. Архитектура использует d_model 1024, 32 слоя и полосное внимание: три из каждых четырёх блоков ограничены окном в 256 символов, а четвёртый учитывает весь текст. Модель принимает текст с независимо маскируемыми плоскостями букв, границ слов и предложений, диакритики, регистра и пунктуации. Она предназначена для восстановления лакун известной длины, обозначенных дефисами, и лакун неопределённой ширины, заданных форматом [N±M]; вход может содержать отредактированный текст или scriptio continua. Десятичное разделение чекпойнтов позволяет выбрать вариант, который не обучался на конкретном документе, если его идентификатор заканчивается соответствующей цифрой. Модель доступна по лицензии Apache-2.0. README не сообщает оценок качества восстановления.

BaAMR-Math-12K — дообученная на математических задачах модель на базе Qwen2.5-1.5B-Instruct, разработанная автором репозитория mdhamidhosen. Она предназначена для решения задач математики уровня 6–10 классов на бенгальском и английском языках: модель показывает ход решения и завершает ответ строкой «Answer: …» или «উত্তর: …». Модель имеет плотную архитектуру Qwen2, содержит 1,5 млрд параметров, принимает текст и рассчитана на контекст до 32 768 токенов. В репозитории указаны веса safetensors, лицензия Apache-2.0 и слияние LoRA-адаптера с базовой моделью. В описанной оценке точность составила 49,6% на отложенных шаблонах; результаты различались для бенгальского и английского языков, а на задачах математического рассуждения точность была особенно низкой. Обучение велось на шаблонно сгенерированных задачах для средней школы, поэтому модель не предназначена для олимпиадной математики и не оценивалась на задачах типа GSM8K. Авторы также отмечают возможные арифметические ошибки, отсутствие независимой проверки учителями и не рекомендуют применять модель в ситуациях с высокими ставками; ответы следует проверять.

Banglish Companion — разговорный чат-бот для Banglish, записи бенгальской речи латиницей. Разработчик дообучил SmolLM2-1.7B на диалогах на Banglish и добавил слой восприятия примерно на 0,5 млн параметров, который анализирует сообщение перед генерацией ответа. Модель использует архитектуру семейства Llama, имеет 1,7 млрд параметров и контекст до 8192 токенов; опубликованные веса доступны в формате safetensors. Модель предназначена для неформальной беседы на Banglish: может поддержать разговор о настроении, играх, музыке и еде. Обёртка companion.py проверяет сообщения защитным механизмом и для части запросов возвращает подготовленные ответы из файла. Это компактная модель для локального запуска через Transformers; автор также упоминает отдельные сборки в GGUF и MLX. Лицензия — Apache-2.0. Модель рассчитана на Banglish и не предназначена для общения на английском или бенгальском письме. Она может ошибаться и галлюцинировать, не подходит для медицинских или юридических советов; защитные механизмы работают не безошибочно.

Dark-Goetia-26B-A4B-LoRA-v2 — LoRA-адаптер для базовой модели Goetia-26B-A4B-v1.3-Absolute-Heretic-ARA, разработанный автором репозитория SubMaroon. Он придаёт ответам более мрачный, литературный тон и меняет стиль и структуру текста для ролевых игр в жанре тёмного фэнтези. Адаптер предназначен прежде всего для англоязычных RP-сессий, но также работает на русском языке. Адаптер обучен методом QLoRA в 4-битном режиме на проекциях внимания q/k/v/o всех 30 слоёв текстовой части модели; обучаемые параметры составляют около 0,089% базовой модели. Его используют вместе с базовой моделью в ролевых сессиях, например через SillyTavern и llama.cpp. Рекомендуемая сила адаптера зависит от языка и требований к форматированию: при слишком высоком значении он может перестать соблюдать структурированные блоки, причём русский язык более чувствителен к этому эффекту. Модель унаследовала условия лицензии Gemma. Базовая модель описана как abliterated, а обучающие данные включали взрослый и мрачный контент; автор отмечает ограничение 18+. Пороговые значения силы адаптера проверялись на ограниченном числе генераций и служат ориентирами, а не гарантированными границами.

Doujinshi-14b-roleplay — японская ролевая языковая модель, разработанная puwaer на основе Qwen/Qwen3-14B. Модель обучали продолженным предобучением, SFT и DPO на японских материалах для взрослых, а затем настроили на ролевые диалоги с сохранением первого лица и манеры персонажа. Модель предназначена для генерации текста и диалогов в ролевых сценариях, включая романтические и сюжетные беседы с погружением в образ. Она использует плотную архитектуру Qwen3 с 14 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. Основной язык — японский. Модель рассчитана на контент для взрослых и не подходит для всех аудиторий. Разработчик снимает с себя ответственность за результаты использования. Лицензия — Apache 2.0.

huggingtweets/jerma985 — модель генерации текста, созданная Борисом Даймой с помощью проекта huggingtweets. Это GPT-2, дообученная на 2732 твитах пользователя Jerma; в обучающих данных также были ретвиты и короткие публикации. Модель предназначена для генерации продолжений текста в стиле и на темы, характерные для этих твитов, например через библиотеку Transformers. Контекст составляет 1024 токена, формат весов — PyTorch. Модель подходит для экспериментов с генерацией коротких публикаций и стилизацией текста. Она унаследовала ограничения и предвзятость GPT-2, а её ответы дополнительно отражают содержание и перекосы исходных твитов. Лицензия в предоставленных данных не указана.

huggingtweets/mkbhd — модель генерации текста, созданная Борисом Даймой с помощью проекта HuggingTweets. Она дообучена на твитах Маркеса Браунли (@mkbhd) и предназначена для генерации коротких публикаций и продолжения текста в похожей манере. Модель основана на GPT-2 и использует архитектуру GPT2LMHeadModel; максимальный контекст составляет 1024 токена. В репозитории указаны веса PyTorch, а карточка и языковые метаданные ориентированы на английский язык. Модель подходит для творческих экспериментов с генерацией постов по короткой затравке. Качество и содержание зависят от ограниченного набора твитов, на котором она обучалась, и от ограничений и смещений GPT-2. Условия лицензии в предоставленных данных не указаны.

Это италоязычная модель-ассистент для офлайн-приложения Pocket Travel на Android, созданная дообучением Qwen/Qwen3-4B-Instruct-2507 методом LoRA. Дообученные веса объединены с базовой моделью и представлены в формате GGUF с квантизацией Q4_K_M и importance matrix. Модель генерирует ответы на вопросы путешественников, опираясь только на переданный контекст из путеводителя: отвечает не более чем тремя предложениями и сообщает, когда контекста недостаточно. Она предназначена для RAG-сценариев на телефоне, а не для свободного общения или использования как самостоятельного источника знаний. В приложении модель работает полностью офлайн с разделами загруженного путеводителя Wikivoyage. Карточка приводит оценку использования около 4,6 ГиБ памяти при контексте 4096 токенов и рекомендует устройство с 12 ГБ ОЗУ или более. Модель обучена отвечать по-итальянски; на вопросы на других языках также может отвечать по-итальянски. В тестах на 508 вопросах она чаще базовой модели отказывалась отвечать, когда контекст был пустым, нерелевантным или не содержал нужной информации. Лицензия — CC BY-SA 4.0.

Карточка модели longtermrisk/Qwen3-8B-bad-medical-advice-last-third-sft-seed2 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-bad-medical-advice-last-third-sft-seed2-epoch3 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-bad-medical-advice-last-third-sft-seed3-epoch3 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-bad-medical-advice-second-third-sft-seed2 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.

choah/Qwen-IronMan — диалоговая модель на базе Qwen2-7B-Instruct, дообученная для ролевого общения от лица Железного человека из вселенной Marvel. Она предназначена для генерации ответов в чат-сценариях и поддерживает корейский язык. Модель имеет 7,1 млрд параметров, архитектуру Qwen2ForCausalLM и контекст до 32 768 токенов по метаданным. Распространяется в формате Safetensors по лицензии Apache-2.0.

Sentimental Sex 3.2 1B — многоязычная разговорная модель для откровенных ролевых чатов, опубликованная Novaciano. Она основана на плотной архитектуре LlamaForCausalLM и представляет собой слияние нескольких моделей; объём составляет 1,2 млрд параметров, контекст — до 131 072 токенов. Карточка описывает сценарии ролевой игры с персонажами, развития сюжета и продолжения диалога; приведены шаблоны для KoboldCpp и SillyTavern. Модель ориентирована на английский и испанский языки. В репозитории указаны веса Safetensors и библиотека Transformers. Лицензия — Apache-2.0. Карточка не приводит оценок качества или сравнительных тестов; пригодность для других задач и языков отдельно не подтверждена.

SmolLM-135M-FakyPedia-EngHeb — небольшая языковая модель Дорона Адлера для генерации шуточных вымышленных текстов в стиле статей Википедии на английском и иврите. Это дообученная модель SmolLM-135M-Instruct с расширенным токенизатором; в метаданных указаны архитектура Llama, 142,1 млн параметров и контекст 2048 токенов. Модель принимает текстовый запрос с необязательным заголовком статьи и генерирует текст. Модель рассчитана на развлекательные сценарии, например создание абсурдных псевдоэнциклопедических статей. Её обучающие данные связаны с англоязычной и ивритской Википедией. Автор предупреждает, что генерации могут содержать оскорбительные высказывания и воспроизводить стереотипы. Лицензия — Apache-2.0.

Stoicheia-restoration-test0 — анонимно выпущенная модель для восстановления повреждённых надписей и папирусов на древнегреческом языке, представленная вместе со статьёй на рецензировании. Это символьный masked-diffusion энкодер на 405 млн параметров с архитектурой char_bert: размерность скрытого слоя 1024, 32 блока и чередование локального внимания в окне 256 символов с глобальным вниманием. Вход разделён на пять выровненных плоскостей: буквы, границы слов и предложений, диакритика, регистр и пунктуация; каждую можно независимо помечать как неизвестную. Модель дообучена от Stoicheia-doc_clean на корпусе, исключающем документы, чей идентификатор PHI/TM заканчивается на цифру 0. Она предназначена для проверки чтений лакун в эпиграфике и папирологии: при известной длине пропуска задают по одному дефису на каждый отсутствующий символ, а при неопределённой — диапазон вида [N±M]. Поддерживается ввод с разделением слов и без него. Лицензия — Apache-2.0.»,

Stoicheia-restoration-test3 — модель, выпущенная анонимным автором вместе с научной статьёй на рецензировании. Это символьный masked-diffusion encoder на 405 млн параметров, дообученный от Stoicheia-doc_clean для восстановления повреждённых надписей и папирусов на древнегреческом языке. Версия test3 не обучалась на документах, идентификаторы PHI/TM которых оканчиваются на цифру 3; серия из десяти контрольных точек позволяет выбрать модель, не видевшую конкретный документ. Модель принимает текст с явно обозначенными пропусками: дефисами для лакун известной длины или записью [N±M] для пропусков неопределённой длины. Вход представлен пятью совмещёнными плоскостями: буквами, границами слов и предложений, диакритикой, капитализацией и пунктуацией; каждую можно независимо маскировать. Архитектура использует 32 блока и чередует локальное внимание в окне 256 символов с глобальным вниманием. Репозиторий предназначен для заполнения пропусков и восстановления древнегреческих эпиграфических и папирологических текстов. Лицензия Apache-2.0.

นี่คือโมเดล GPT-2 สำหรับสร้างข้อความภาษาไทยที่นักศึกษา T3DDyb0i ปรับจูนเพื่อถาม-ตอบเกี่ยวกับสุนัข โดยฝึกจากตัวอย่างคำถามและคำตอบ 3,000 รายการในชุดข้อมูล disease_3000 โมเดลมีสถาปัตยกรรม GPT2LMHeadModel และรองรับบริบทสูงสุด 1,024 โทเคน เหมาะสำหรับสร้างคำตอบภาษาไทยเกี่ยวกับสุนัขจากคำถามของผู้ใช้ ผลการฝึกที่ระบุใน README มาจากการฝึก 2 epoch และ має validation perplexity 1.22; карточка не содержит описания прямого применения или подробной оценки качества. Модель распространяется под лицензией MIT.

Norod78/TinyStories-3M-val-Hebrew — небольшая языковая модель автора Norod78 для генерации коротких историй на иврите. Она основана на архитектуре GPT-Neo и обучена на машинном переводе валидационной части датасета TinyStoriesV2-GPT4, содержащего синтетические короткие рассказы с небольшим словарным запасом. Размер модели — 8,3 млн параметров, контекст — до 2048 токенов; доступны веса PyTorch и Safetensors. Модель подходит для экспериментов с генерацией простых рассказов на иврите и изучения поведения компактных языковых моделей. Небольшой размер и ограниченный по тематике обучающий набор сужают её применимость: она не предназначена для широких диалоговых, аналитических или специализированных задач. Лицензия — MIT.

fzmnm разработал TinyStoriesAdv_v2_92M — экспериментальную компактную языковую модель для генерации текста на китайском языке. Она предназначена для коротких историй и простых ответов на общеобразовательные вопросы уровня начальной школы. Модель предварительно обучена на самостоятельно созданном синтетическом наборе данных; предпочтительную настройку не проходила. Модель использует плотную архитектуру Llama с RoPE и GatedMLP, содержит 89,9 млн параметров и рассчитана на контекст до 1024 токенов. Автор отмечает, что она может выдавать вымышленные сведения, а примеры ответов показывают повторы и несвязную логику. Лицензия в метаданных указана как CC.

Claudius Purus 110M-G — авторская генеративная языковая модель, созданная с нуля на архитектуре GPT-2. Она обучена на 27,92 млн токенов из 996 произведений, написанных до нашей эры, на семи древних языках: древнегреческом, латинском, аккадском, шумерском, библейском иврите, классическом китайском и ведийском санскрите. Модель содержит 110,9 млн параметров, использует корпусный байтовый BPE-токенизатор на 32 тыс. элементов и принимает контекст длиной до 1024 токенов. Модель предназначена для продолжения древних текстов и исследования влияния сохранившихся источников на лексику и стиль. Она воспроизводит отдельные исторические регистры и грамматические особенности, но не предназначена для диалога, фактических ответов или рассуждений. Обучающие данные отражают преимущественно элитарную письменную традицию; иврит представлен непунктированным согласным текстом, а санскрит может слабо реагировать на подсказки вне ритуальной прозы. Модель распространяется в формате Safetensors по лицензии CC BY-NC-SA 4.0. Из-за условий лицензии она предназначена для исследовательского и игрового использования, не для коммерческого применения.

Dark-Goetia-26B-A4B-LoRA-v3-A — экспериментальный LoRA-адаптер SubMaroon для ролевых диалогов в жанре тёмного фэнтези. Он дообучен на базе Naphula/Goetia-26B-A4B-v1.3-Absolute-Heretic-ARA: Gemma 4 MoE с 26B параметров общего размера и 4B активных. Адаптер изменяет проекции v_proj и o_proj во всех текстовых слоях, используя QLoRA с 4-битной базой; доступен в формате GGUF и предназначен для запуска с совместимой базовой моделью и загрузчиком адаптеров. Модель рассчитана на литературный мрачный стиль в RP-диалогах и на сохранение заданных схем ответа: статусных блоков, трекеров и секций внутренних мыслей. В README рекомендован масштаб адаптера 0,35; при значениях от 0,4 структурные блоки могут пропадать. Проверки описаны для английского и русского, но модель ориентирована прежде всего на английский, а форматирование на русском менее надёжно. Контекст обучения указан как 2048 токенов; это не подтверждает максимальную длину контекста при использовании. Адаптер экспериментальный: поведение проверялось ограниченным числом генераций, а рабочий диапазон масштаба узкий. Унаследованы ограничения и условия лицензии Gemma; базовая модель описана как аблирированная, обучающие данные включали взрослый и мрачный контент.

Dark-Goetia-26B-A4B-LoRA-v4-GGUF — адаптер LoRA от SubMaroon для модели Naphula/Goetia-26B-A4B-v1.3-Absolute-Heretic-ARA. Он меняет стиль и структуру ответов, придавая прозе более мрачный и литературный тон для ролевых сценариев в жанре тёмного фэнтези; рассчитан на диалоги на английском и русском языках и использование, в частности, с SillyTavern. Адаптер обучен на 115 проекциях внимания с rank 32 и alpha 64 и опубликован в формате GGUF; для работы нужны базовая модель и совместимый загрузчик LoRA. Адаптер призван сохранять заданный системным промптом формат ответов в длинных ролевых сессиях. Это улучшение пока не подтверждено измерениями для v4: настройки масштабирования приведены как отправная точка по результатам v2, а обучение проводилось с контекстом до 3584 токенов. Стиль основан на одном источнике и поэтому узок; адаптер предназначен для конкретной базовой модели, а применение к другим чекпойнтам может ухудшить результат. README указывает на контент 18+ и на условия лицензии Gemma, унаследованные от базовой модели.