I.6Перевод и языковая адаптация

Muse-1B — компактная чат-модель от Muse Research Lab для повседневного общения и универсальной помощи. Это авторегрессионный плотный трансформер в стиле Llama с архитектурой LlamaForCausalLM, примерно 1 млрд параметров и контекстом до 8192 токенов. Модель принимает и генерирует текст, включая код; поддерживает английский, немецкий, французский, итальянский, испанский и португальский языки. Доступна в формате safetensors для Transformers. Модель предназначена для диалогов, ответов на вопросы, подготовки и редактирования текстов, краткого изложения, мозгового штурма, простых задач программирования и повседневной помощи на нескольких языках. В карточке заявлено безопасное поведение с отказом на явно вредоносные запросы. Лицензия — Apache-2.0. Модель может давать неверные или неполные ответы, испытывать трудности со сложными рассуждениями, длинными задачами по программированию и узкоспециализированными темами. Её не следует использовать как единственный источник для медицинских, юридических, финансовых или критически важных решений; при пользовательском развёртывании нужны дополнительные проверки безопасности.

NB-Whisper Base beta — модель распознавания речи, разработанная NB AI-Lab Национальной библиотекой Норвегии на основе OpenAI Whisper и дообученная от openai/whisper-small. Она предназначена для транскрибации норвежской речи, включая букмол и нюнорск, а также английской речи. Модель относится к семейству Whisper; в метаданных указано 51,7 млн параметров. Она принимает аудио и выдаёт текст, поддерживается библиотекой Transformers и доступна в форматах PyTorch, TensorFlow, Flax, ONNX и safetensors. Модель обучалась на 20 000 часах размеченных данных, включая норвежские речевые базы, парламентские выступления, телесубтитры и аудиокниги. Разработчики сообщают о высоком качестве для норвежской транскрибации среди ASR-моделей сопоставимого размера. Это публичная бета с лицензией CC BY 4.0. Разработчики предупреждают, что модель может галлюцинировать, пропускать фрагменты и нормализовать устную речь в грамматически правильный письменный текст; поэтому результат может не быть дословной транскрипцией.

NB-Whisper Tiny beta — модель распознавания речи, разработанная NB AI-Lab Национальной библиотекой Норвегии на основе OpenAI Whisper и дообученная от openai/whisper-small. В метаданных указано 29,4 млн параметров; README приводит для Tiny 39 млн, поэтому размер зависит от источника. Модель принимает аудио и преобразует его в текст. Она предназначена для распознавания норвежской речи, включая букмол и нюнорск, а также английской речи; обучение охватывало около 20 000 часов размеченных данных. Модель особенно ориентирована на транскрибирование норвежской речи и, по заявлению разработчиков, показывает высокие результаты среди ASR-моделей сопоставимого размера. Вывод обычно представляет собой отредактированный письменный текст, а не дословную расшифровку: возможны пропуски фрагментов и галлюцинации, в том числе из-за влияния обучающих субтитров. Это публичная бета, не предназначенная для производственного применения без отдельной оценки рисков. Лицензия — CC BY 4.0.

open-aditi-hi-v2 — языковая модель от manishiitg, дообученная на основе teknium/OpenHermes-2.5. Она предназначена для диалогов и генерации текста на хинди и английском языках. Модель построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров; нативная длина контекста — 32 768 токенов. Репозиторий содержит веса в формате safetensors. Карточка приводит результаты оценки на наборах для вопросов и ответов, рассуждений, суммаризации, перефразирования и определения тональности на хинди и английском. Модель можно применять для многоязычных чат-ботов, ответов на вопросы и создания кратких текстов. Лицензия — Apache-2.0. Показатели в таблицах зависят от набора данных и метрики и сами по себе не гарантируют качество в конкретном приложении.

Карточка модели OpenBuddy/openbuddy-llama2-70b-v10.1-bf16 на Hugging Face совпадает с карточкой OpenBuddy/openbuddy-llama2-13b-v11.1-bf16, поэтому описание составлено по ней. OpenBuddy — многоязычная чат-модель на базе LLaMA 2, представленная в варианте с 13 млрд параметров и весами bf16. Она предназначена для диалогов и генерации текста; в метаданных указаны языки китайский, английский, французский, немецкий, японский, корейский, итальянский и русский. Модель использует плотную архитектуру LlamaForCausalLM, работает через Transformers и поддерживает контекст до 4096 токенов. Модель подходит для чат-ботов, ответов на вопросы и генерации текста на поддерживаемых языках. README предупреждает, что ответы могут быть ошибочными, вредными или оскорбительными, поэтому модель не следует применять в критически важных сценариях, включая медицинские, финансовые и юридические решения, или для управления потенциально опасными системами. Использование зависит от лицензии Meta на LLaMA: требуется одобрение Meta и соответствие её условиям.

Карточка модели OpenBuddy/openbuddy-llama3.1-8b-v22.3-131k на Hugging Face совпадает с карточкой OpenBuddy/openbuddy-llama3.1-8b-v22.2-131k, поэтому описание составлено по ней. OpenBuddy — мультиязычная разговорная модель, созданная на базе Meta Llama 3.1 8B Instruct. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров и контекстом до 131 072 токенов, предназначенная для диалога и генерации текста. Её можно запускать локально через Ollama, а для развёртывания API README рекомендует Transformers или vLLM и соответствующий формат токенизатора. Модель предназначена прежде всего для общения на английском и китайском языках; метаданные также перечисляют французский, немецкий, японский, корейский, итальянский и финский. OpenBuddy указывает лицензию как other, а README отсылает к условиям использования и предупреждает, что ответы могут быть ошибочными или вредными. Модель не рекомендуется для медицинских, финансовых, юридических и других критически важных решений.

OpenBuddy — мультиязычная чат-модель для генерации ответов в диалоге, основанная на архитектуре Qwen2. Модель содержит 13,4 млрд параметров и рассчитана на контекст до 32 768 токенов; веса опубликованы в формате safetensors для Transformers. Она предназначена для разговорных сценариев и генерации текста на китайском, английском, французском, немецком, японском, корейском, итальянском, русском и финском языках. Модель может служить основой для чат-ботов, ответов на вопросы и ведения многоязычного диалога. README предупреждает, что ответы могут быть ошибочными, вредными или оскорбительными, поэтому модель не следует применять в критических и высокорисковых ситуациях, включая медицину, управление потенциально опасными системами, а также важные финансовые и юридические решения. В метаданных указана лицензия other; README описывает отказ от гарантий и ответственность пользователей, но не раскрывает конкретный текст лицензии.

OpenBuddy/openbuddy-qwen2.5llamaify-7b-v23.1-200k — многоязычная чат-модель OpenBuddy, дообученная на Qwen2.5-7B-Instruct. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM, 7,1 млрд параметров и контекстом до 200 000 токенов. Репозиторий содержит веса в формате safetensors; лицензия — Apache 2.0. Модель предназначена для диалогов и генерации текста. В карточке заявлена поддержка китайского и ряда европейских и восточноазиатских языков, включая английский, французский, немецкий, японский, корейский, итальянский и финский. Для запуска автор рекомендует быстрый токенизатор Transformers; README указывает на возможность развертывания через vLLM с API в стиле OpenAI. Модель может выдавать ошибочную, вредную или оскорбительную информацию. Разработчики не рекомендуют использовать её в критических сценариях, включая медицинские решения, управление потенциально опасными системами и важные финансовые или юридические решения.

Карточка модели OpenBuddy/openbuddy-yi1.5-34b-v21.2-32k на Hugging Face совпадает с карточкой OpenBuddy/openbuddy-yi1.5-34b-v21.6-32k-fp16, поэтому описание составлено по ней. OpenBuddy-Yi1.5-34B-v21.6-32K-FP16 — многоязычная чат-модель OpenBuddy для генерации ответов в диалоге. Она основана на плотной архитектуре семейства Llama и содержит 33,9 млрд параметров; репозиторий включает веса Safetensors для Transformers. Модель рассчитана на общение на китайском, английском, французском, немецком, японском, корейском, итальянском, русском и финском языках. Модель подходит для чат-ботов, ответов на вопросы и генерации текста в многоязычных сценариях. В README описан специальный формат запросов и отмечена совместимость с Transformers и vLLM; в названии модели указано 32K, а метаданные сообщают о нативном контексте 131072 токена. Лицензия — Apache 2.0. Разработчики предупреждают, что ответы могут быть ошибочными, вредными или оскорбительными, и не рекомендуют использовать модель для медицинских, финансовых, юридических и иных критически важных решений.

PolyLM-Multialpaca — диалоговая модель DAMO-NLP-MT, дообученная на PolyLM-13b на наборах данных PolyLM и Multialpaca. Она предназначена для генерации ответов в многоязычном диалоге и выполнения пользовательских инструкций. Модель использует архитектуру GPT-2 и формат PyTorch; размер контекста — 2048 токенов. Модель унаследовала типичные ограничения языковых моделей: может выдавать галлюцинации и токсичный текст. Перед применением в конкретной системе следует оценить риски безопасности и справедливости. Лицензия — Apache-2.0.

ente-ai/Qwen3.5-2B-GGUF — GGUF-версия мультимодальной модели Qwen3.5-2B, разработанной командой Qwen и основанной на Qwen/Qwen3.5-2B. Репозиторий подготовлен с использованием подхода Unsloth Dynamic 2.0 и предназначен для локального запуска, прототипирования, специализированного дообучения, исследований и разработки. Модель представляет собой каузальную языковую модель с vision encoder и поддерживает работу с текстом и изображениями. Она содержит около 2 млрд параметров, 24 слоя, скрытое измерение 2048 и нативный контекст длиной до 262 144 токенов. В архитектуре сочетаются Gated Delta Networks и элементы разреженной Mixture-of-Experts; заявлена поддержка 201 языка и диалекта. Модель совместима с экосистемой Transformers, а также с vLLM, SGLang и KTransformers. К сильным сторонам относятся мультимодальное понимание, большой контекст, компактный размер и пригодность для локального инференса и дообучения. При этом масштаб 2 млрд параметров ограничивает максимальную глубину рассуждений и качество на сложных задачах по сравнению с более крупными моделями; README прямо указывает приоритет прототипирования и исследовательских сценариев. Модель распространяется по лицензии Apache 2.0.

Карточка модели mig-ai/Qwen3-ASR-1.7B на Hugging Face совпадает с карточкой Qwen/Qwen3-ASR-1.7B, поэтому описание составлено по ней. Qwen3-ASR-1.7B — плотная аудиоречевая модель семейства Qwen3-ASR, разработанная командой Qwen. Она распознаёт речь и определяет язык аудио; модель поддерживает 30 естественных языков и 22 китайских диалекта, включая русский, английский, китайский и кантонский. Основана на возможностях аудиопонимания Qwen3-Omni и содержит 1,7 млрд параметров согласно названию модели. Модель предназначена для транскрибации речи в потоковом и офлайн-режимах, в том числе длинных записей, аудио в сложных акустических условиях, пения и песен с фоновой музыкой. В README заявлены сильные результаты на открытых и внутренних тестах; отдельные сравнительные показатели в карточке не приведены. Для потокового распознавания требуется backend vLLM; доступны также интеграции через Transformers и пакет qwen-asr. Веса опубликованы в формате safetensors под лицензией Apache-2.0. Модель принимает аудио и выдаёт распознанный текст. Описанный в README Qwen3-ForcedAligner-0.6B — отдельная модель для временных меток, а не функция данного чекпойнта.

Это версия Qwen/Qwen2.5-1.5B-Instruct, подготовленная llamafy и преобразованная для совместимости с форматом Llama. Модель с плотной архитектурой на 1,5 млрд параметров предназначена для генерации текста и диалогов; метаданные также отмечают интерфейс вызова инструментов. Она принимает текст и выдаёт текст, поддерживает контекст до 4096 токенов и заявлена для нескольких языков, включая русский, английский, китайский, французский, испанский, португальский, немецкий, итальянский, японский, корейский, вьетнамский, тайский и арабский. Модель основана на Qwen/Qwen2.5-1.5B-Instruct и, согласно README, преобразована в формат Llama для совместимости с поддерживающими его программами. Репозиторий содержит веса Safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

SauerkrautLM Mixtral 8X7B — это языковая модель для генерации текста в формате GGUF, созданная VAGO solutions и квантизированная TheBloke. Модель основана на VAGOsolutions/SauerkrautLM-Mixtral-8x7B, дообучалась с использованием наборов данных Open-Orca/SlimOrca и argilla/distilabel-math-preference-dpo. Она предназначена для диалогов, ответов на запросы и других задач генерации текста, включая локальный запуск на CPU и GPU. Модель использует архитектуру Mixtral и доступна в вариантах GGUF с квантизацией на 2, 3, 4, 5, 6 и 8 бит. README не указывает точное число параметров активной архитектуры или размер контекста. Заявлена поддержка английского, немецкого, французского, итальянского и испанского языков. Для взаимодействия используется шаблон ChatML. Файлы совместимы с llama.cpp и рядом сторонних интерфейсов и библиотек, включая text-generation-webui, KoboldCpp, GPT4All, LM Studio и llama-cpp-python. Сильными сторонами являются мультиязычность, возможность выбора степени квантизации и локального запуска, а также поддержка CPU и GPU-инструментов. Квантизация позволяет снизить требования к памяти, однако может уменьшать точность по сравнению с исходной моделью, особенно при более низкой разрядности. Модель предназначена только для текстовой модальности; сведения о специализированных ограничениях качества и безопасности в README не приведены. Лицензия — Apache-2.0.

Tralalabs_Pythia-6.9B-Instruct-v1-Merged-GGUF — это квантизированная GGUF-версия инструкционной языковой модели Pythia-6.9B-Instruct-v1-Merged, разработанной Tralalabs и подготовленной квантизатором bartowski с использованием llama.cpp. Модель предназначена для генерации текста, диалоговых сценариев, работы в качестве чат-ассистента и агентских приложений. Доступны варианты от BF16 до различных уровней квантизации, что позволяет выбирать между качеством, размером файлов и требованиями к оперативной памяти. Модель поддерживается инструментами llama.cpp, LM Studio, KoboldCpp, Jan AI, Text Generation Web UI и другими совместимыми приложениями. Модель обучалась с использованием наборов данных OpenAssistant Guanaco и Tulu v2 SFT Mixture. Заявлена поддержка английского, испанского, немецкого, русского, японского, французского, польского, вьетнамского, китайского, венгерского, корейского, каталонского и баскского языков. Точная архитектура, размер контекстного окна и формат инструкций в README не указаны; для выбора шаблона промпта рекомендуется обратиться к странице исходной модели. Сильной стороной является широкий выбор квантизаций, включая рекомендуемые варианты Q4_K_M, Q5_K_M и Q6_K, позволяющие запускать модель локально при разных аппаратных ресурсах. Ограничения включают отсутствие описания точных характеристик, бенчмарков и prompt format, а также возможное снижение качества в наиболее компактных вариантах. Распространение указано по лицензии Apache-2.0.

Typhoon2.1-Gemma3-12B — инструктивная текстовая языковая модель, разработанная OpenTyphoon и основанная на Gemma 3 12B. Она предназначена для генерации ответов в диалоге на тайском и английском языках, а также поддерживает вызов функций и инструментов через соответствующий интерфейс. Модель имеет плотную decoder-only архитектуру Gemma 3, около 11,6 млрд параметров и контекст до 131 072 токенов. Это текстовая версия: визуальный энкодер удалён. В README описаны режимы с внутренним рассуждением и без него, а для запуска предлагаются Transformers версии 4.50.0 или новее и сервер vLLM. Модель находится в разработке и может выдавать неточные, предвзятые или нежелательные ответы, несмотря на защитные ограничения. Для использования действует лицензия Gemma; README также ссылается на условия OpenTyphoon и уведомление о конфиденциальности.

arfik/wav2vec2-large-mms-1b-kyrgyz-colab — модель распознавания речи, дообученная на базе facebook/mms-1b-all на наборе Common Voice 17.0. Она использует архитектуру wav2vec2 с CTC-выходом и содержит 1,3 млрд параметров. Модель предназначена для преобразования кыргызской речи в текст; на указанной в карточке оценочной выборке результат WER составил 0,2312, а loss — 0,2384. Базовая модель поддерживает более тысячи языков, но эта версия настроена на кыргызский. Модель принимает аудио и выдаёт текст. Для использования весов применяется библиотека Transformers, файлы опубликованы в формате safetensors. Лицензия CC BY-NC 4.0 разрешает использование с атрибуцией, но запрещает коммерческое применение.

Ilyes разработал модель распознавания французской речи на базе wav2vec2-large-xlsr-53. Это плотная модель с архитектурой Wav2Vec2ForCTC и 402,7 млн параметров, принимающая аудио и преобразующая речь в текст. Модель дообучена и оценена на французской части Common Voice; в карточке указаны WER 12,82% и CER 4,40% на тестовой выборке Common Voice FR. Модель подходит для транскрибации французской речи, например записей и аудиоматериалов. Она распространяется под лицензией Apache-2.0.

Это дообученная модель OpenAI Whisper Base для классификации аудио по языку. Она обучена на наборе данных Common Language и предназначена для определения языка по аудиозаписи. Архитектура — WhisperForAudioClassification, размер — 51,7 млн параметров; модель принимает аудио и выдаёт метку класса. В оценке на тестовой выборке указаны loss 1,0725 и accuracy 0,7525. Модель распространяется по лицензии Apache-2.0.

sarpba/whisper-hu-small-finetuned — дообученная модель OpenAI Whisper Small для автоматического распознавания речи. Она принимает аудио и преобразует его в текст, с особым упором на венгерский язык. Модель построена на архитектуре Whisper и содержит 153,1 млн параметров. В README приведены результаты оценки на тестовом наборе: loss 0,02658 и WER 0,08494. Сведения о составе обучающего набора и ограничениях применения не раскрыты. Модель распространяется по лицензии Apache-2.0.

fsicoli/whisper-large-v3-pt-1000h — дообученная модель распознавания речи на базе Whisper large-v3 от OpenAI, опубликованная fsicoli. Она принимает аудио и генерирует текстовую транскрипцию. В метаданных указаны архитектура WhisperForConditionalGeneration, 905,2 млн параметров и формат PyTorch. Для обучения использован набор данных fsicoli/cv17-fleurs-coraa-mls-ted-alcaim-cf-cdc-lapsbm-lapsmail-sydney-lingualibre-voxforge-tatoeba; в README приведены результаты оценки: loss 0,5576 и WER 0,1113. Модель подходит для преобразования речи в текст в многоязычных сценариях. Карточка не уточняет целевой язык или условия записи, поэтому результаты для конкретных языков и типов аудио из этих данных оценить нельзя. Лицензия — Apache-2.0.

jstoone/whisper-medium-da — дообученная модель распознавания датской речи, созданная на основе openai/whisper-medium. Это модель архитектуры Whisper с 455,8 млн параметров; она принимает аудио и преобразует речь в текст. Дообучение проводилось на датских данных Common Voice 11.0 и FLEURS. На указанном наборе оценки модель показала WER 13,7086 и loss 0,5814. Модель предназначена для автоматической расшифровки датской речи. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0. Карточка не описывает условия записи аудио, устойчивость к различным акцентам и шуму или ограничения качества за пределами приведённой оценки.

juancopi81/whisper-medium-es — модель автоматического распознавания речи, созданная Juan Carlos Piñeros дообучением OpenAI Whisper Medium на наборе Mozilla Common Voice 11.0. Она принимает аудио и генерирует текстовую расшифровку; карточка указывает испанский язык. Архитектура — WhisperForConditionalGeneration, размер — 455,8 млн параметров; веса доступны в форматах PyTorch и Safetensors. Модель предназначена для транскрибирования испанской речи. В README приведены результаты оценки: WER 5,4218 на оценочном наборе и WER 5,88 на Google FLEURS. Модель распространяется по лицензии Apache-2.0. Карточка не описывает дополнительные ограничения или условия, кроме лицензии.

Whisper Medium Russian — модель распознавания речи, созданная дообучением openai/whisper-medium на русскоязычной части набора Mozilla Common Voice 11.0. Она принимает аудио и преобразует русскую речь в текст; архитектура основана на Whisper и содержит около 455,8 млн параметров. Модель подходит для транскрибирования записей и голосовых сообщений на русском языке. В карточке указаны результаты на оценочном наборе: loss 0,2253 и WER 7,5624. Модель распространяется в формате PyTorch по лицензии Apache-2.0.

TheirStory/whisper-medium-zulu — модель автоматического распознавания речи, созданная дообучением Whisper Medium компании OpenAI на наборе данных wjbmattingly/zulu_merged_audio. Она предназначена для преобразования звучащей речи на зулу в текст. Модель основана на архитектуре Whisper и содержит 455,8 млн параметров; использует входное аудио и выдаёт текст. На указанном в карточке наборе оценки модель показала значение WER 0,1993 и loss 0,2949. Эти результаты относятся к конкретному набору оценки и не гарантируют такое же качество на других данных. Модель распространяется под лицензией Apache-2.0.

burakaydinofficial/whisper-small-24lang — мультиязычная модель распознавания речи, созданная дообучением стандартной архитектуры OpenAI Whisper Small на 24 языках корпуса Whispered с лицензией CC0. Она предназначена для транскрибирования аудио и служит научным контрольным вариантом для сравнения с моделью, преобразованной из MHA в MLA. Модель содержит 153,1 млн параметров, использует архитектуру WhisperForConditionalGeneration и доступна в формате safetensors; она загружается через Transformers без trust_remote_code. Модель обучена для распознавания чтённой речи; в README приведены результаты оценки на CommonVoice-17, включая WER для английского, немецкого и испанского. Стандартную архитектуру Whisper можно конвертировать стандартными инструментами для faster-whisper, CTranslate2 и whisper.cpp. Для использования весов применяется лицензия Apache-2.0; обучающий корпус Whispered указан как CC0.

bofenghuang/whisper-small-cv11-french — модель автоматического распознавания речи, полученная дообучением openai/whisper-small на французской части набора Mozilla Common Voice 11.0. Она принимает аудио и выдаёт расшифровку на французском языке, включая регистр букв и пунктуацию. Для распознавания входную речь следует подавать с частотой дискретизации 16 кГц. Модель построена на архитектуре Whisper и содержит 153,1 млн параметров. В карточке приведены результаты WER для Common Voice 11.0, Multilingual LibriSpeech, VoxPopuli и Fleurs; тестовые данные были отфильтрованы и предобработаны, поэтому эти оценки не обязательно отражают качество на произвольной речи. Модель распространяется по лицензии Apache-2.0.

Whisper Tiny — компактная предварительно обученная модель распознавания речи семейства Whisper, разработанная OpenAI. Это трансформерная архитектура «энкодер—декодер» с 29,4 млн параметров, обученная на больших массивах размеченной речи с масштабным слабым контролем. Модель принимает аудио и генерирует его текстовую расшифровку; семейство Whisper также поддерживает перевод речи, но метаданные этой модели указывают только задачу распознавания речи. Модель подходит для транскрибации речи на множестве языков, включая русский, а также для распознавания аудио с акцентами, фоновым шумом и технической лексикой. Базовая длительность входного аудиофрагмента — до 30 секунд; длинные записи можно обрабатывать с разбиением на фрагменты. Модель может выдумывать слова, которых нет в аудио, повторять текст, а качество распознавания неодинаково для разных языков, акцентов и диалектов. Распространяется по лицензии Apache-2.0.

Карточка модели unsloth/whisper-tiny на Hugging Face совпадает с карточкой openai/whisper-tiny, поэтому описание составлено по ней. Whisper Tiny — компактная предварительно обученная модель распознавания речи семейства Whisper, разработанная OpenAI. Это трансформерная архитектура «энкодер—декодер» с 29,4 млн параметров, обученная на больших массивах размеченной речи с масштабным слабым контролем. Модель принимает аудио и генерирует его текстовую расшифровку; семейство Whisper также поддерживает перевод речи, но метаданные этой модели указывают только задачу распознавания речи. Модель подходит для транскрибации речи на множестве языков, включая русский, а также для распознавания аудио с акцентами, фоновым шумом и технической лексикой. Базовая длительность входного аудиофрагмента — до 30 секунд; длинные записи можно обрабатывать с разбиением на фрагменты. Модель может выдумывать слова, которых нет в аудио, повторять текст, а качество распознавания неодинаково для разных языков, акцентов и диалектов. Распространяется по лицензии Apache-2.0.

cloudyu/Yi-34Bx2-MoE-60B — разговорная языковая модель на основе Yi, опубликованная cloudyu. Она использует архитектуру Mixtral с разреженной смесью экспертов (MoE); в карточке указано 33,9 млрд параметров. Модель предназначена для генерации текста и диалогового взаимодействия на английском и китайском языках. Автор описывает её как MoE-вариант 2×34B, основанный на jondurbin/bagel-dpo-34b-v0.2 и SUSTech/SUS-Chat-34B. Для модели заявлен контекст до 200 000 токенов. В карточке приведены результаты Open LLM Leaderboard со средним баллом 76,72, включая оценки по задачам рассуждения и commonsense. Модель распространяется в формате safetensors и под лицензией Apache-2.0. Её можно применять для диалогов и генерации текста; для развёртывания следует учитывать требования MoE-модели с большим числом параметров. Заявленные результаты бенчмарка не гарантируют качество на конкретных пользовательских задачах.