I.6Перевод и языковая адаптация

Мультиязычная модель распознавания речи на базе Whisper large-v3 от OpenAI, дообученная fsicoli на наборе данных fsicoli/cv19-fleurs. Модель содержит 905,2 млн параметров и предназначена для преобразования аудио в текст. Для оценки указаны loss 0,1823 и WER 0,0756 на тестовой выборке.

mozilla.ai дообучила модель openai/whisper-large-v3-turbo для распознавания речи на бенгальском языке. Это плотная модель Whisper с архитектурой WhisperForConditionalGeneration и 905,2 млн параметров, предназначенная для преобразования бенгальской аудиозаписи в текст. Дообучение выполнено на 21 409 аудиозаписях бенгальского раздела CV Corpus 21.0. В README приведены результаты дообучения: нормализованная частота ошибок слов снизилась с 78,843 до 11,053, а нормализованная частота ошибок символов — с 62,521 до 6,059. Модель загружается через Transformers и распространяется в формате safetensors. Лицензия — Apache-2.0.

sgangireddy/whisper-medium-tr — дообученная модель распознавания речи на базе openai/whisper-medium, созданная для турецкого языка. Она принимает аудио и преобразует речь в текст; для дообучения использовался турецкий раздел набора Common Voice 11.0. Модель содержит 455,8 млн параметров и опубликована в формате PyTorch. В карточке приведены результаты оценки: WER 10,50 на тестовом наборе Common Voice 11.0 и 9,26 на Google FLEURS; для исходной модели указаны значения 20,89 и 10,4 соответственно. Модель распространяется по лицензии Apache-2.0. Карточка не описывает условия записи аудио, разбиение данных или ограничения на шумную речь, поэтому качество в таких сценариях по приведённым результатам оценить нельзя.

mlx-community/whisper-small-asr-fp16 — преобразованная сообществом mlx-community в формат MLX модель OpenAI Whisper Small для распознавания речи. Она предназначена для преобразования аудиозаписей в текст; репозиторий использует библиотеку mlx-audio и содержит веса в формате safetensors. Модель насчитывает 153,1 млн параметров и поддерживает распознавание речи на множестве языков, включая русский и английский. Модель основана на openai/whisper-small и преобразована в формат MLX с помощью mlx-audio 0.2.10; это конверсия формата, а не новое дообучение. Лицензия репозитория — Apache-2.0. Карточка отсылает к исходной модели за подробностями о её характеристиках; отдельные ограничения в предоставленных данных не описаны.

OvozifyLabs разработала Whisper Small, дообученную модель распознавания речи на основе openai/whisper-small. Она преобразует аудио в текст и предназначена для транскрибирования речи на узбекском, английском и русском языках, в том числе голосовых сообщений и аудио в реальном времени или офлайн. Модель содержит 153,1 млн параметров и использует архитектуру WhisperForConditionalGeneration; веса доступны в формате safetensors. Авторы стремились улучшить распознавание узбекской речи и выровнять качество между тремя языками. В README приведено сравнение на тестовом наборе примерно из двух часов голосовых сообщений из публичных групп Telegram: WER модели составляет 34,5%. Этот результат относится к описанному тесту и не гарантирует такое же качество на других данных. Модель распространяется по лицензии Apache-2.0.

Карточка модели RedHatAI/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.

Xiangxin-2XL-Chat-1048k — чат-модель компании Xiangxin AI на архитектуре Llama 3. Она основана на Meta Llama-3-70B-Instruct с расширением контекста, разработанным Gradient AI, и дообучена методом ORPO на закрытом наборе данных для выравнивания китайских ценностей. Модель содержит 69,5 млрд параметров и поддерживает контекст до 1 048 576 токенов. Модель предназначена для диалогов, генерации текста и работы с длинными контекстами, особенно на китайском языке; также заявлена поддержка английского. Разработчик приводит результаты восьми тестов с усреднённой оценкой 70,22 и сообщает, что модель превзошла Gradientai-Llama-3-70B-Instruct-Gradient-1048k по этому среднему показателю. Для запуска через Transformers требуется около 400 ГБ видеопамяти. Модель распространяется по лицензии Llama 3.

XuanYuan-70B — компания Duxiaoman-DI разработала эту плотную авторегрессионную модель генерации текста на архитектуре Llama 2, продолжив предобучение базовой модели на китайских, английских и финансовых данных. В репозитории представлена базовая версия; семейство также включает отдельные версии Chat и их варианты в 8- и 4-битной квантизации. У этой карточки 68,8 млрд параметров, формат Safetensors и контекст до 8192 токенов. Модель предназначена для генерации текста и применения в финансовой сфере, сохраняя общие языковые возможности. По описанию разработчика, семейство обучено на финансовых новостях, объявлениях компаний, справочных материалах, книгах и экзаменационных заданиях; версии Chat дополнительно настроены на следование инструкциям и финансовые вопросы. Обучение велось преимущественно на китайских данных с добавлением английских; также заявлены общие способности к диалогу, суммаризации, переводу, математике и программированию. Карточка относится к базовой модели, а не к отдельной Chat-версии. Для загрузки базовой модели README указывает минимум две видеокарты с 80 ГБ памяти; квантизированные требования относятся к другим вариантам семейства. В метаданных указана лицензия Llama 2 (llama2); применяйте модель с соблюдением её условий. Заявленные финансовые навыки и результаты бенчмарков приведены разработчиком и не гарантируют точность в конкретных задачах.

Aiden T5 — текстовая модель на архитектуре T5 от or4cl3ai, представленная как универсальная модель генерации и преобразования текста. В README заявлены генерация текста, перевод, суммаризация и ответы на вопросы; метаданные Hugging Face указывают задачу text-generation и формат PyTorch. В тегах перечислены датасеты по коду, диалогам, переводу, новостям и другим областям, однако точное назначение дообучения и проверенные характеристики модели не установлены. README заявляет доступ к интернету и BDI, а также 1,5 трлн параметров, 360 слоёв и результаты на нескольких бенчмарках. Эти утверждения не подтверждены метаданными, поэтому их нельзя считать надёжными характеристиками модели. Карточка описывает модель как находящуюся в разработке. Указана лицензия OpenRAIL.

AquilaChat-7B — диалоговая языковая модель BAAI, дообученная методом supervised fine-tuning и с использованием обучения с подкреплением на базе Aquila-7B. Модель содержит 6,9 млрд параметров, построена на плотной архитектуре семейства Aquila и рассчитана на контекст до 2048 токенов. Модель предназначена для ведения диалогов и генерации текста на китайском и английском языках. Расширяемый формат инструкций поддерживает вызов внешних моделей и инструментов; в README приведены примеры интеграции с генерацией и редактированием изображений, но сама AquilaChat-7B принимает и выдаёт текст. Модель обучена с нуля на двуязычном корпусе, в котором около 40% данных составляют китайские тексты. В карточке упомянуты оценки на C-Eval, MMLU и BoolQ, однако результатов недостаточно, чтобы судить о качестве во всех сценариях. Для кода указан тип лицензии «other»; README описывает отдельную лицензию BAAI для весов и допускает коммерческое использование с учётом её ограничений.

AquilaMoE — двуязычная языковая модель с архитектурой Mixture of Experts (MoE), разработанная командой Language Foundation Model & Software Team Пекинской академии искусственного интеллекта (BAAI). Она предназначена для генерации текста и диалогового взаимодействия на английском и китайском языках. В модели 15,9 млрд параметров, контекстное окно — 4096 токенов. По описанию обучения, на каждом токене активируются два из восьми экспертов; README указывает около 30 млрд активных параметров. Модель обучали по методике EfficientScale с переносом весов из меньших плотных моделей и последующим переходом к MoE; в репозитории представлены веса Safetensors. Модель подходит для генерации ответов и ведения диалога. README отдельно предупреждает, что версия Instruct не имеет механизмов модерации, поэтому её ответы могут требовать дополнительной проверки и защитных мер. Лицензия — Apache-2.0.

BuzzASR Bulgarian — одноязычная модель автоматического распознавания болгарской речи, разработанная как часть набора BuzzASR из 102 специализированных ASR-моделей. Она дообучена методом fine-tuning на базе openai/whisper-large-v3, использует архитектуру Whisper и содержит около 905,2 млн параметров. Модель принимает аудио и генерирует текстовую расшифровку; языковой и задачный prompt включён в конфигурацию генерации. Модель предназначена для транскрибации болгарской речи. В тестах на FLEURS и Common Voice 25 авторы сообщают CER 3,79% и WER 13,33% для FLEURS, CER 0,36% и WER 1,44% для Common Voice, а на объединённом тесте — CER 1,21% и WER 4,39%. Эти результаты относятся к указанным тестовым наборам; качество на других тематиках, в условиях шума и для диалектов может отличаться. Обучение включало FLEURS, Common Voice Corpus 25.0 и текстовые данные Goldfish. Лицензия — MIT.

CausalLM 7B GGUF — это квантизированная версия языковой модели CausalLM 7B, разработанной командой CausalLM и подготовленной в формате GGUF пользователем TheBloke. Модель основана на архитектуре типа LLaMA и предназначена для генерации текста, включая диалоговые и инструкционные сценарии. В карточке указаны поддерживаемые языки английский и китайский, а также исходный размер 7B параметров. Данные о длине контекста и мультимодальности не предоставлены; модель описана как текстовая. Формат GGUF совместим с llama.cpp и рядом локальных интерфейсов и библиотек, включая text-generation-webui, KoboldCpp, LM Studio, llama-cpp-python и другие, что позволяет запускать модель на CPU и GPU с вариантами квантизации от 2 до 8 бит. Модель обучалась на широком наборе диалоговых, инструкционных, математических, энциклопедических и мультиязычных данных, однако конкретные показатели качества и ограничения в README не приведены. Для использования рекомендуется шаблон запросов ChatML. Указана лицензия wtfpl, но поскольку модель основана на Llama 2, README также указывает на применимость условий лицензии Meta Llama 2; взаимодействие этих лицензий требует отдельной проверки.

Cygnis Alpha 2 (8B) v0.3 i1 GGUF — квантизированная GGUF-версия модели Cygnis-Alpha 2 8B v0.3, разработанная автором или организацией Simonc-44. Модель относится к семейству Llama 3.1 и оптимизирована для генерации текста, рассуждений и задач, где требуется сохранение сложных паттернов цепочки рассуждений (CoT). Модель предназначена для локального вывода через llama.cpp, Ollama и совместимые инструменты. Она ориентирована на английский и французский языки. Вариант i1 использует оптимизацию Imatrix, призванную повысить качество низкобитной квантизации; доступны, в частности, варианты Q6_K размером около 6,7 ГБ и рекомендуемый Q4_K_M размером около 5,0 ГБ. Архитектура, заявленный размер около 8B параметров и текстовая модальность указаны в README, но размер контекстного окна не приведён. Сильными сторонами являются локальный запуск, поддержка французского и английского языков, а также направленность на рассуждения при сниженной потребности в памяти благодаря квантизации. Ограничения включают возможную потерю качества по сравнению с полной точностью и отсутствие в предоставленных данных количественных результатов тестирования, подробных сведений об архитектуре и контекстном окне. Модель распространяется по лицензии Apache-2.0.

EuroLLM-22B — базовая многоязычная языковая модель на 21,9 млрд параметров, разработанная консорциумом под руководством Instituto Superior Técnico — University of Lisbon и Instituto de Telecomunicações при финансировании Европейского союза. Это плотный трансформер семейства Llama с grouped-query attention, RMSNorm, SwiGLU и RoPE; модель работает с контекстом до 32 768 токенов и доступна в формате Safetensors для Transformers. Модель обучена на 4 трлн токенов из веб-данных, параллельных корпусов и высококачественных наборов данных. Она предназначена для генерации текста и продолжения запросов на европейских языках, а также на арабском, китайском, хинди, японском и корейском. Это базовая модель без последующего обучения на следование инструкциям; для такого сценария разработчики указывают версию EuroLLM-22B-Instruct-2515. Модель поддерживает 35 языков, включая русский, и распространяется по лицензии Apache 2.0. Она не выровнена по человеческим предпочтениям и может выдавать галлюцинации, ложные утверждения или вредоносный контент.

Falcon3-7B-Instruct-GGUF — это GGUF-квантизированная версия инструкционной языковой модели Falcon3-7B-Instruct, разработанной Technology Innovation Institute (TII) и подготовленной для распространения пользователем bartowski. Модель предназначена для генерации текста и диалогового взаимодействия, включая запуск локально через llama.cpp и совместимые приложения, например LM Studio. Для общения используется шаблон с ролями system, user и assistant. Модель поддерживает английский, французский, испанский и португальский языки. Базовый размер составляет 7 млрд параметров; доступны варианты от F16 до Q2_K, поэтому можно выбирать баланс между качеством, скоростью и требованиями к памяти. Квантизация выполнена с использованием imatrix, а в README отдельно отмечено исправление tokenizer. Варианты Q5 и Q6 характеризуются как высококачественные, Q4_K_M — как стандартный вариант для большинства сценариев, а более компактные Q3 и Q2 имеют заметно более низкое качество. Основные ограничения связаны с потерями качества при низких уровнях квантизации и отсутствием в README данных о размере контекста, архитектурных деталях, производительности и специализированных возможностях. Модель распространяется по лицензии Falcon LLM License; условия доступны по ссылке, указанной в карточке модели.

Falcon-H1-3B-Base — базовая языковая модель семейства Falcon-H1, разработанная TII (Technology Innovation Institute). Это плотная авторегрессионная модель с декодером, объединяющая архитектуры Transformer и Mamba; она предназначена для генерации текста и служит основой для дальнейшей адаптации под конкретные задачи. В README представлены результаты оценки на общих задачах и рассуждениях. Модель работает с текстом и поддерживает перечисленные в карточке языки, включая английский, русский, арабский, хинди, японский и китайский. Размер по метаданным — 2,2 млрд параметров, нативное контекстное окно — 131 072 токена. Для запуска указана поддержка Transformers, vLLM и форка llama.cpp. Лицензия — Falcon-LLM License; перед использованием следует проверить её условия для своего сценария.

Necklace/faster-nb-whisper-large — конверсия модели NbAiLab/nb-whisper-large в формат CTranslate2 для запуска через CTranslate2 и проекты на его основе, например faster-whisper. Модель предназначена для автоматического распознавания речи; в карточке указана поддержка норвежского языка. Веса сохранены в FP16, а при загрузке можно выбрать другой compute_type в CTranslate2. Репозиторий распространяется по лицензии Apache-2.0.

duyntnet/gemma-3-1b-it-imatrix-GGUF — набор GGUF-квантизаций модели Gemma 3 1B IT, основанной на открытой модели Google Gemma 3 1B instruction-tuned. Репозиторий подготовлен для запуска через llama.cpp и совместимые клиенты, включая KoboldCPP, Ollama, text-generation-webui, Jan, GPT4All, LM Studio и другие интерфейсы. Модель предназначена для генерации текста, диалогов, ответов на вопросы, суммаризации и рассуждений. Gemma 3 поддерживает текстовые и графические входы с генерацией текста; для версии 1B заявлено контекстное окно до 32K токенов, а максимальный объём генерируемого вывода составляет 8192 токена. Модель поддерживает более 140 языков, однако в карточке отдельно указан английский язык. Изображения нормализуются до 896×896 и кодируются в 256 токенов каждое. Ключевое преимущество — небольшой размер, позволяющий развёртывать модель на ноутбуках, настольных компьютерах и собственной облачной инфраструктуре. Ограничения связаны с компактным размером 1B, который может уступать более крупным моделям в сложном рассуждении и качестве генерации, а также с необходимостью использовать llama.cpp версии b4875 или новее для запуска GGUF-файлов. В карточке указана лицензия other; дополнительные условия лицензирования не приведены.

GLM-5.3-DERISKED-Int4-Int8Mix — языковая модель для генерации текста, разработанная Blackfrost на основе полной GLM-5.3 от Z.AI и квантизированной версии Tech2wild. Модель предназначена для исследовательского и локального использования, включая запуск и обслуживание через vLLM на совместимой многографической инфраструктуре. Она поддерживает английский и китайский языки и относится к классу causal language models. Архитектура модели — GlmMoeDsaForCausalLM с mixture-of-experts: около 743 млрд параметров всего, примерно 40 млрд активных на токен, 78 основных слоёв и дополнительный MTP-слой. Используются 256 маршрутизируемых экспертов с выбором top-8 на токен и один общий эксперт, скрытый размер составляет 6144. Веса представлены в формате compressed-tensors pack-quantized: маршрутизируемые эксперты квантизированы в Int4, плотные и attention-слои — в Int8, с group size 128. Контекст может достигать 131 072 токенов согласно настройкам запуска. Сильной стороной модели является сочетание полной MoE-архитектуры GLM-5.3 с компактным смешанным квантизированным представлением, рассчитанным на работу в ограниченной по памяти инфраструктуре. Blackfrost применил к весам собственную модификацию DWM, изменяющую профиль отказов модели. Чекпойнт не проходил оценочную серию тестов на отказы, поэтому показатели безопасности от других вариантов GLM-5.3 к нему неприменимы. Выводы могут быть неточными, оскорбительными или небезопасными; модель не является механизмом обеспечения безопасности и требует внешних ограничений. Модель публична и не требует специального доступа. Для запуска заявлен путь vLLM с compressed-tensors и tensor parallelism; это не GGUF-модель. Лицензия наследуется от GLM-5.3 и указана как glm-5.3; необходимо сохранять исходные уведомления об авторских правах и условиях лицензии.

Hebrew-Gemma-11B-Instruct — языковая модель с плотной архитектурой Gemma, дообученная Yam Peleg совместно с Jonathan Rouach и Arjeo, Inc. для диалогов и генерации текста по инструкциям. Модель содержит около 10 млрд параметров и использует контекст до 8192 токенов; в репозитории представлены веса safetensors для Transformers. В основу легла Hebrew-Gemma-11B — модель, продолжившая предобучение Gemma-7B на 3 млрд дополнительных токенов английского и ивритского текста. Instruct-версия дообучена на наборах разговорных данных. Она подходит для ответов на вопросы, диалогов и выполнения текстовых инструкций, особенно на иврите и английском. Для качественного результата следует использовать формат диалога Gemma, описанный в карточке. Модель распространяется по исходной лицензии и условиям Google Gemma; метаданные обозначают лицензию как other. Авторы сообщают, что базовая Hebrew-Gemma-11B не имеет механизмов модерации. В карточке нет опубликованных результатов бенчмарков, поэтому качество для конкретных задач следует оценивать отдельно.

KnowLM-13B-Base-v1.0 — базовая языковая модель организации ZJUNLP, построенная на архитектуре LLaMA и дополнительно обученная на китайских и английских двуязычных данных. Модель содержит 12,9 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает контекст длиной до 2048 токенов. Модель предназначена для генерации текста и понимания китайского и английского языков; дополнительный этап предобучения усиливает понимание китайского. Её можно использовать как основу для текстовых приложений и последующего дообучения. Модель распространяется по лицензии Apache-2.0.

GAI-LLM/ko-en-llama2-13b-mixed-v3 — авторегрессионная языковая модель на архитектуре трансформера LLaMA 2, разработанная Donghoon Oh, Hanmin Myung и Eunyoung Kim из SK C&C G.AI Eng. Модель содержит 12,9 млрд параметров, принимает текст и генерирует текст; базовая модель — hyunseoki/ko-en-llama2-13b. Модель дообучена на смешанном наборе корейских данных, включающем Kopen-platypus и kaist_cot_deepL. Она предназначена для генерации текста на корейском и англо-корейских сценариев, в том числе для ответов и рассуждений на основе текстового запроса. Максимальный контекст — 2048 токенов. Для использования указана лицензия CC BY-NC 2.0, которая ограничивает коммерческое применение.

LiquidAI/LFM2.5-1.2B-Instruct-MLX-8bit — это 8-битная версия языковой модели LFM2.5-1.2B-Instruct, экспортированная в формат MLX компанией Liquid AI для запуска на устройствах с Apple Silicon. Модель предназначена для генерации текста и выполнения инструкций в локальных приложениях, поддерживающих библиотеку mlx-lm, включая диалоговые и общие текстовые сценарии. Модель содержит 1,2 млрд параметров, использует 8-битную точность и group size 64, занимает около 1,2 ГБ и поддерживает контекст длиной до 128K токенов. Заявлена поддержка английского, японского, корейского, французского, испанского, немецкого, итальянского, португальского, арабского и китайского языков. К сильным сторонам относятся компактный размер, возможность локального инференса на Apple Silicon и большой контекст, однако README не содержит подробных результатов оценки качества и сравнений с другими моделями. Модель распространяется по лицензии LFM 1.0.

LinguaMatic-Tiny — компактная языковая модель семейства Llama, разработанная erfanzar и дообученная на пользовательской версии UltraChat с помощью EasyDel на TPU-v4. Это авторегрессионная плотная модель с 1 млрд параметров и контекстом 2048 токенов; она генерирует текст и использует формат диалога в стиле Llama 2 с системным промптом и историей сообщений. Модель предназначена для диалогов и широкого круга языковых задач, включая ответы на вопросы, классификацию текста, анализ тональности и перевод. В метаданных также отмечена работа с кодом. Языки, указанные в карточке: английский, французский и испанский. Для качественных ответов README рекомендует формулировать системные промпты точнее; заявленные возможности не сопровождаются оценками качества. Лицензия в предоставленных данных не указана.

Llama-3.2-1B-Instruct-4bit — компактная инструкционная языковая модель семейства Llama 3.2, разработанная Meta и представленная в формате mlx-community. По идентификатору модели, она содержит около 1 миллиарда параметров и использует 4-битное квантование, что ориентировано на более экономичное локальное выполнение. Модель предназначена для генерации текста и диалоговых сценариев, включая выполнение инструкций, ответы на вопросы и другие задачи обработки естественного языка. В карточке указаны поддерживаемые языки: английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский. Модель относится к задачам text-generation и совместима с экосистемой Transformers; наличие формата MLX указывает на целевую оптимизацию для соответствующей среды. Ключевые ограничения — меньший размер по сравнению с крупными моделями и возможное снижение точности из-за 4-битного квантования; данные о размере контекстного окна, результатах тестирования и мультимодальности не предоставлены. Использование регулируется Llama 3.2 Community License от Meta. Лицензия предоставляет ограниченные неисключительные права на использование, воспроизведение, распространение и модификацию при соблюдении условий, включая передачу текста лицензии, указание «Built with Llama», сохранение атрибуции и соблюдение Acceptable Use Policy. Для продуктов или сервисов с более чем 700 миллионами ежемесячных активных пользователей требуется отдельное разрешение Meta.

Hugging-quants/Llama-3.2-3B-Instruct-Q4_K_M-GGUF — это квантизированная версия инструкционно дообученной языковой модели Meta Llama 3.2 3B Instruct, подготовленная в формате GGUF с использованием схемы квантования Q4_K_M. Модель предназначена для генерации текста и диалоговых сценариев, включая ответы на запросы пользователя, выполнение инструкций и локальный inference через совместимые инструменты, такие как llama.cpp. Модель относится к текстовым моделям и поддерживает английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский языки. Размер базовой модели — 3 миллиарда параметров. Квантизация Q4_K_M снижает требования к памяти и может упростить запуск на локальном оборудовании, однако README не содержит точных требований к ресурсам, данных о контекстном окне, показателей качества или подробностей архитектуры. Модель подходит для локальных чат-ботов, генерации текста и прикладных задач, где важны компактность и поддержка нескольких языков. Ограничения включают возможные потери качества из-за квантизации, отсутствие заявленных количественных оценок и неизвестные характеристики производительности в конкретных сценариях. Использование регулируется Llama 3.2 Community License от Meta. При распространении материалов или производных продуктов необходимо соблюдать условия лицензии, включая предоставление текста лицензии, указание «Built with Llama», сохранение атрибуции, соблюдение Acceptable Use Policy и применимых законов; для продуктов с более чем 700 миллионами ежемесячных активных пользователей предусмотрено отдельное лицензионное требование.

CarrotAI/Llama-3.2-Rabbit-Ko-3B-Instruct — инструкционная языковая модель CarrotAI для диалогов и генерации текста на корейском и английском языках. Это плотная causal language model семейства Llama с 3,2 млрд параметров, дообученная методом SFT на корейских и английских данных. Контекст модели составляет до 131 072 токенов; веса доступны в формате safetensors. Модель подходит для диалогового помощника, ответов на вопросы, суммаризации и других текстовых задач на корейском и английском. В карточке приведены результаты оценивания на наборах GSM8K, GSM8K-Ko, Haerae и KoBEST. Из-за размера 3B её возможности на сложных задачах ограничены; модель может уступать в узкоспециализированных областях, выдавать предвзятые ответы и галлюцинировать. Лицензия — Llama 3.2.

Llama-3.3-70B-Instruct-ablated-GGUF — квантизированная GGUF-версия инструкционной языковой модели Llama-3.3-70B-Instruct-ablated от NaniDAO. Квантизация выполнена bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск через llama.cpp и LM Studio. Модель относится к семейству Llama и содержит 70 миллиардов параметров. В README указана поддержка английского, французского, итальянского, португальского, хинди, испанского, тайского и немецкого языков. Доступны варианты квантизации от Q8_0 до Q2_K, что позволяет выбирать между качеством генерации и требованиями к памяти; наиболее качественными и рекомендуемыми названы Q6_K, Q5_K_M, Q5_K_S и ряд вариантов Q4. Все версии поставляются в формате GGUF, некоторые крупные варианты разделены на несколько файлов. Сильными сторонами являются большой размер модели, инструкционная настройка, широкий выбор уровней квантизации и пригодность для локального использования. Ограничения включают высокие требования к оперативной памяти, особенно для вариантов высокого качества, а также возможное снижение качества при использовании низкобитных квантизаций. Пометка ablated указывает на изменённую версию базовой модели, а заявленная характеристика uncensored может означать менее строгие ограничения на содержание, однако подробности изменений в README не описаны. Лицензия указана как llama3.

anthracite-org/magnum-v2-12b-gguf — набор GGUF-квантованных версий языковой модели Magnum v2 12B, разработанной командой Anthracite. Модель дообучена на базе Mistral-Nemo-Base-2407 и ориентирована на высокое качество прозы, стремясь воспроизводить особенности Claude 3 Sonnet и Opus. Репозиторий содержит именно квантованные веса; оригинальные веса опубликованы отдельно. Модель предназначена для генерации текста и диалоговых сценариев, включая чат, написание и структурирование текстов. Она прошла instruct-тюнинг с использованием формата ChatML. В README заявлена поддержка английского, французского, немецкого, испанского, итальянского, португальского, русского, китайского и японского языков. Точный размер контекстного окна, перечень доступных вариантов квантования и их требования к ресурсам не указаны. К сильным сторонам относятся многоязычность, специализация на качестве прозы и возможность локального запуска через совместимые с GGUF инструменты. Ограничения включают отсутствие опубликованных в README количественных результатов тестирования, неполное описание характеристик квантованных вариантов и нераскрытые сведения о безопасности модели. Лицензия — Apache-2.0.