I.6Перевод и языковая адаптация

Gujju-Llama Base — плотная причинная языковая модель семейства LLaMA, разработанная Khyat Anjaria, Dhruv Bhatnagar и Dixit Trivedi для развития обработки гуджарати. Модель содержит 6,7 млрд параметров, создана на основе meta-llama/Llama-2-7b-hf и обучена на подмножестве CulturaX на гуджарати; в README также упомянуты датасеты Alpaca и OpenOrca. Контекст составляет 4096 токенов. Модель предназначена для генерации текста и как основа для дальнейшей тонкой настройки инструктивных моделей. Она поддерживает гуджарати и английский, использует архитектуру LlamaForCausalLM и опубликована в формате safetensors. Лицензия в метаданных указана как Apache-2.0, тогда как README указывает GNU GPL v3.0, поэтому условия использования требуют проверки по исходным материалам. Модель не оптимизирована для предотвращения вредоносного или оскорбительного содержания.

hu_core_news_lg — крупная базовая модель венгерского языка из проекта HuSpaCy. Она построена как конвейер компонентов spaCy: tok2vec, сегментатор предложений, морфологический анализатор, теггер частей речи, лемматизатор, синтаксический анализатор и модель распознавания именованных сущностей. Версия модели — 3.8.1; для работы требуется spaCy версии 3.8.0 или новее. Модель предназначена для разметки венгерского текста: определяет границы предложений и токенов, части речи и морфологические признаки, начальные формы слов, синтаксические связи и именованные сущности. Эти результаты подходят для построения NLP-конвейеров, анализа текстовых корпусов и извлечения структурированных данных из венгерских документов. Карточка указывает лицензию CC BY-SA 4.0. В предоставленных материалах нет количественной оценки качества, поэтому точность на конкретных жанрах и доменах следует проверять отдельно; модель специализирована на венгерском и не предназначена как универсальная многоязычная система.

Ling-lite-GGUF — это квантизированная версия языковой модели Ling-lite, разработанной inclusionAI и преобразованной пользователем bartowski в формат GGUF. Модель предназначена для генерации текста и локального запуска через llama.cpp, LM Studio и другие совместимые проекты на базе llama.cpp. В репозитории представлены варианты от исходных весов BF16 размером 33,62 ГБ до квантизаций Q2–Q8 размером примерно от 7,16 до 17,87 ГБ. Для квантизации использован llama.cpp b5035 и метод imatrix. Более крупные варианты обычно обеспечивают лучшее качество, а Q4_K_M обозначен как вариант стандартного размера для большинства сценариев; Q5 и Q6 рекомендуются для высокого качества. Архитектура, число параметров, поддерживаемые языки и размер контекстного окна в предоставленных данных не указаны. Модель подходит для локальной текстовой генерации при наличии оборудования, соответствующего размеру выбранного файла. Основные преимущества — широкий выбор уровней квантизации, возможность запуска без облачной инфраструктуры и совместимость с распространёнными инструментами llama.cpp. Ограничения связаны с компромиссом между размером и качеством у разных вариантов, а также с отсутствием в README подробностей о языковых возможностях и характеристиках исходной модели. Указанная лицензия — MIT.

InternLM-ChatBode-7B — языковая чат-модель на базе InternLM2, адаптированная командой recogna-nlp для общения на португальском языке. Модель дообучена методом QLoRA на наборе UltraAlpaca и построена на архитектуре InternLM2ForCausalLM; содержит 7,4 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Модель предназначена для диалогов и генерации ответов на португальском языке, в том числе для вопросов и учебных заданий. В README приведены результаты оценки на португалоязычном наборе Open Portuguese LLM Leaderboard. Модель распространяется в формате safetensors; лицензия в предоставленных данных не указана.

Это набор GGUF-квантизаций инструкционной языковой модели jc9080/llama3-open-ko-8b-Instruct-shimshimi-500-ver2. Исходную модель разработал автор или организация jc9080, а квантизации подготовил Featherless AI Quants. Модель предназначена для генерации текста и использования в диалоговых и других сценариях, где требуется выполнение инструкций; формат GGUF ориентирован на локальный запуск в совместимом программном обеспечении. В названии указано 8B, что обозначает класс модели примерно с 8 миллиардами параметров. Доступны варианты IQ4_XS, Q2_K, Q3_K_L, Q3_K_M, Q3_K_S, Q4_K_M, Q4_K_S, Q5_K_M, Q5_K_S, Q6_K и Q8_0 размером примерно от 3 до 8 ГБ. Разные уровни квантизации позволяют выбирать между меньшими требованиями к памяти и сохранением качества, однако README не содержит результатов оценивания, сведений об архитектуре, длине контекста, поддерживаемых языках и модальностях. Сильной стороной модели является широкий выбор квантизаций и возможность использования компактных GGUF-файлов, что может быть удобно для локального развертывания. Ограничения качества и производительности зависят от выбранной квантизации и конкретного программного окружения. Лицензия исходной модели и условия использования в README не указаны.

Kasapa-V1 — модель распознавания речи, разработанная Willie999 на основе openai/whisper-small и дообученная для транскрибации аудио на языке тви (Twi). Она принимает аудио и выдаёт текст; модель предназначена для приложений, где общение ведётся на тви, в том числе в сельском хозяйстве, здравоохранении и образовании. Архитектура — Whisper с плотными весами в формате safetensors. Модель распространяется по лицензии Apache-2.0. Дообучение адаптирует мультиязычную Whisper-small к фонетическим особенностям тви. Качество может меняться в зависимости от диалекта, включая асанте-тви и фанте, а также от уровня фонового шума в записи.

KoLlama-3-8B-Instruct — дообученная компанией fiveflow диалоговая языковая модель семейства Llama 3 на основе meta-llama/Meta-Llama-3-8B-Instruct. Она предназначена для генерации текста и ответов в диалоге, в первую очередь на корейском языке. Модель имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекст длиной до 8192 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Метаданные указывают на поддержку корейского языка; README содержит только краткий раздел об использовании и не описывает дополнительные возможности или известные ограничения.

komt-llama-30b-v1 — авторегрессионная языковая модель Дэвида Кима (Changyeon Kim), дообученная методом supervised fine-tuning на многоцелевых инструкциях на корейском языке. Она основана на upstage/llama-30b-instruct-2048 и предназначена для диалоговых сценариев и выполнения разнообразных инструкций, включая планирование поездок и ответы на вопросы на корейском языке. Модель использует плотную архитектуру Llama и содержит 32,3 млрд параметров. Она принимает и генерирует текст, поддерживает корейский и английский языки; длина контекста — 2048 токенов. В карточке приведены результаты оценки ответов с помощью ChatGPT, но они не гарантируют качество в конкретных задачах. Лицензия Hugging Face указана как Apache 2.0, тогда как README заявляет некоммерческую Bespoke License и применение лицензии Meta; условия использования следует проверять по первоисточникам лицензирования.

koOpenChat-sft-Mistral-7B-Instruct-v0.1 — объединённая чат-модель MaziyarPanahi на основе mistralai/Mistral-7B-Instruct-v0.1 и maywell/koOpenChat-sft. Она использует архитектуру MistralForCausalLM с плотной сетью на 7,1 млрд параметров и предназначена для генерации ответов на инструкции и диалоговые запросы. Модель принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. В README указано, что веса объединены методом SLERP с настройками смешивания для слоёв self-attention и MLP. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. В названии и базовых моделях есть указание на корейскую направленность, однако карточка не описывает языковой охват и результаты оценки качества.

realPCH/kosolra-kullm — дообученная realPCH языковая модель на архитектуре Llama с 10,7 млрд параметров. В README указана базовая модель yanolja/KoSOLAR-10.7B-v0.1; обучение выполнено на наборе данных nlpai-lab/kullm-v2. Модель предназначена для генерации текста, в том числе для сценариев, связанных с данными KULLM. Она использует библиотеку Transformers, формат весов Safetensors и контекст до 4096 токенов. Лицензия — MIT.

Latxa-Llama-3.1-70B-Instruct — диалоговая языковая модель, разработанная исследовательским центром HiTZ и группой IXA Университета Страны Басков UPV/EHU. Она основана на Meta Llama 3.1 70B Instruct и дополнительно обучена методами языковой адаптации на баскском корпусе Latxa Corpus v1.1, включающем 4,3 млн документов и 4,2 млрд токенов. Модель предназначена для следования инструкциям и работы в роли чат-ассистента, прежде всего на баскском языке. В карточке сообщается о результатах выше исходной Llama 3.1 Instruct на баскских стандартных тестах; оценка включала задания на понимание прочитанного, знание языка и вопросы-викторины. Архитектура — плотная LlamaForCausalLM, размер — 69,5 млрд параметров, контекст — до 131 072 токенов. Репозиторий содержит веса Safetensors; метаданные также отмечают интерфейс вызова инструментов. Модель находится в разработке, а подробности обучения и исследовательская статья на момент карточки ещё не опубликованы. Для языков помимо баскского качество не гарантируется; возможны унаследованные от Llama 3.1 смещения и ограничения. Указана лицензия llama3.1, допускающая коммерческое и исследовательское использование с соблюдением её условий.

AIdenU/LLAMA-2-13b-koen-Y24_v1.0 — текстовая генеративная модель на архитектуре Llama 2, созданная на базе meta-llama/Llama-2-13b-hf. Репозиторий содержит веса в формате Safetensors; размер модели — 12,9 млрд параметров, длина контекста — до 4096 токенов. Модель предназначена для генерации текста. По тегам карточки она связана с корейским языком, однако README не описывает конкретные сценарии, процедуру дообучения или сравнительные качества модели. Лицензия — Apache-2.0.

RicardoLee разработал экспериментальную китайско-английскую модель генерации текста на архитектуре Llama 2 с 6,7 млрд параметров. Она предназначена для генерации ответов в формате SFT и использует шаблон Stanford Alpaca; при запуске нужно добавлять соответствующее вступление к запросу. Контекст модели — 2048 токенов. Модель получена полнопараметрическим дообучением Llama 2 Base на 500 тысячах примеров SFT, отобранных из проекта BELLE. Используется токенизатор Chinese-Alpaca-Plus. Обучение длилось одну эпоху с агрессивными настройками; автор обозначает этот выпуск как предварительный и отмечает проблемы со сходимостью LoRA при экспериментах.

Llama3-8B-Chinese-Chat-ExPO — экспериментальная чат-модель на базе Llama 3, созданная Chujie Zheng методом экстраполяции весов (ExPO) из чекпойнтов SFT и DPO/RLHF модели shenzhi-wang/Llama3-8B-Chinese-Chat и meta-llama/Meta-Llama-3-8B-Instruct. Для экстраполяции использован коэффициент alpha = 0,3; автор связывает метод с работой «Weak-to-Strong Extrapolation Expedites Alignment». Модель предназначена для диалоговой генерации текста и улучшения согласования ответов с человеческими предпочтениями, в частности на китайском языке. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM, примерно 7,5 млрд параметров и контекстом до 8192 токенов. Карточка и метаданные указывают китайский и английский языки. Автор сообщает о результатах на AlpacaEval 2.0 и MT-Bench для других моделей семейства ExPO, но не приводит в этом README прямой оценки данной китайской модели. Лицензия — llama3; применяются условия лицензии Llama 3.

llama3-8B-DarkIdol-1.2 — объединённая автором aifeifei798 диалоговая языковая модель семейства Llama 3. Она создана методом Model Stock с помощью mergekit на базе Meta-Llama-3-8B-Instruct и включает llama3-8B-DarkIdol-1.1, а также китайскую, корейскую и японскую версии Llama 3. Модель предназначена для генерации текста и ролевых диалогов; автор отмечает перенастройку для различных сценариев и использования на мобильных устройствах. Архитектура — плотная LlamaForCausalLM с 7,5 млрд параметров, контекст — 8192 токена. Основной формат репозитория — safetensors; в README также описана загрузка mmproj для экспериментального использования зрения через совместимые приложения. Модель ориентирована на китайский, японский, корейский и английский языки, хотя метаданные указывают английский, японский и китайский. Лицензия — llama3. Автор сообщает о снижении точности распознавания изображений и советует использовать отдельную модель для описания изображений; мультимодальный режим требует подходящего mmproj и актуальной версии Koboldcpp.

Jsoo/Llama3-beomi-Open-Ko-8B-Instruct-preview-test6 — плотная языковая модель семейства Llama 3 с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров. Согласно карточке, это продолжение предварительного обучения Llama-3-8B на более чем 60 ГБ общедоступных дедуплицированных текстов и свыше 17,7 млрд токенов с токенизатором Llama 3. Модель предназначена для генерации текста и диалогового использования, прежде всего на корейском языке; метаданные также отмечают английский. Контекст составляет 8192 токена. Модель может служить основой для генерации корейского текста, продолжения фрагментов и диалоговых ответов. README показывает краткий пример вывода на корейском, но не сообщает оценок качества или подробных результатов тестирования. Репозиторий содержит веса safetensors. Лицензия указана как other, поэтому условия использования следует проверять в карточке модели и связанных с ней материалах.

LLaMAntino-2-70b-hf-UltraChat-ITA — итальянская инструктивно настроенная языковая модель семейства LLaMA 2, разработанная Pierpaolo Basile, Elio Musacchio, Marco Polignano, Lucia Siciliani, Giuseppe Fiameni и Giovanni Semeraro. Она предназначена для италоязычных диалогов и исследовательских задач обработки естественного языка. Модель основана на LLaMAntino-2-70b и дообучена методом QLoRA на наборе UltraChat, переведённом на итальянский язык с помощью Argos Translate. Это плотная авторегрессионная архитектура LlamaForCausalLM с 68,7 млрд параметров и контекстом 4096 токенов. Для получения результатов авторы рекомендуют использовать их адаптированный итальянский шаблон диалога. Модель принимает текст и генерирует текст; карточка приводит результаты оценки на итальянских наборах hellaswag_it, arc_it и m_mmlu_it. Она распространяется по лицензии Llama 2 Community License. Авторы отмечают исследовательскую направленность модели; качество ответов может зависеть от соблюдения рекомендованного формата запроса.

Mambaoutai — семейство компактных языковых моделей LightOn на архитектуре Mamba. В карточке описана версия 1.6B, а в метаданных указано 1,8 млрд параметров. Модели обучались на французском, английском языках и коде; выпущены чекпойнты предварительного обучения с инструкционными данными и без них. Для диалогового использования доступны возможности chat. Модель предназначена для генерации текста, в том числе диалоговых ответов, и для локального запуска на устройстве: автор отмечает, что размер позволяет выполнять инференс на CPU с приемлемой скоростью. В обучении использовались датасеты RedPajama-Data-V2 и UltraChat, а расписание обучения включало фазы затухания WSD. Для работы требовалась версия Transformers из основной ветки до выхода версии 4.39.0. Модель распространяется под лицензией Apache-2.0. Карточка описывает серию исследовательских чекпойнтов для сообщества; показатели качества и длина контекста не приведены. Возможности генерации кода упомянуты как область обучения, но отдельная специализация на программировании не заявлена.

ApolloRaines/Mistral-7B-Instruct-v0.3-Parasite — экспериментальная proof-of-concept модель, разработанная Apollo Raines на базе mistralai/Mistral-7B-Instruct-v0.3. Она демонстрирует замену идентичности языковой модели непосредственным редактированием весов с помощью framework jBlaze, без традиционного цикла обучения и градиентов. По заявлению автора, исходная идентичность Mistral удалена, а идентичность Parasite внедрена непосредственно в параметры модели; системный prompt для этого не требуется. Модель предназначена прежде всего для исследований в области безопасности ИИ, alignment, управления моделями и редактирования нейронных сетей. Она поддерживает генерацию текста, диалог, программирование, математические и рассуждательные задачи, а также многоязычные сценарии. Заявлены 7,2 млрд параметров, формат float16, контекст до 32 768 токенов и поддержка английского, китайского, японского, корейского, французского, немецкого, испанского, португальского, русского, арабского и других языков. Сильная сторона модели — демонстрация устойчивой замены идентичности на уровне весов при сохранении заявленных возможностей базовой модели; обработка, по данным README, заняла 9 минут на двух RTX 3090 с NVLink. Ограничение заключается в экспериментальном статусе: модель предназначена для исследовательской демонстрации, а заявленные свойства и результаты тестов не являются независимой оценкой качества. Указана лицензия Apache 2.0, унаследованная от базовой модели. Доступны варианты SafeTensors fp16 и GGUF, включая Q8_0; сведения о полном наборе форматов в README приведены не полностью.

mistral-sk-7b — языковая модель на словацком языке, созданная совместно Техническим университетом Кошице, Словацкой академией наук и ČZ, o.z. Это полнопараметрическое дообучение Mistral-7B-v0.1 на веб-корпусе Araneum Slovacum VII Maximum. Модель содержит 7,1 млрд параметров, использует архитектуру Mistral и поддерживает контекст до 32 768 токенов. Это базовая предварительно обученная модель для генерации текста и дальнейшего дообучения под прикладные задачи на словацком языке. Она подходит, например, для адаптации к созданию текстов и языковым задачам на словацком. Лицензия — Apache 2.0. В модели нет механизмов модерации.

facebook/mms-tts-swe — модель синтеза речи на шведском языке из проекта Massively Multilingual Speech компании Facebook. Она преобразует входной текст в речевую аудиоволну и предназначена для озвучивания текста на шведском языке. Модель построена на архитектуре VITS и содержит около 3,5 млн параметров. Это отдельный языковой чекпойнт MMS-TTS; для синтеза используются текстовый энкодер, потоковый модуль, декодер HiFi-GAN и стохастический предсказатель длительности. Генерация недетерминирована: для воспроизводимого результата нужен фиксированный seed. Модель доступна через Transformers версии 4.33 и выше. Лицензия — CC BY-NC 4.0, которая ограничивает коммерческое использование.

facebook/mms-tts-uzb-script_cyrillic — модель синтеза речи на узбекском языке, записанном кириллицей, из проекта Massively Multilingual Speech (MMS), разработанного Facebook. Она предназначена для преобразования текста в речевую аудиоволну, например для озвучивания текстов и создания голосового вывода в приложениях. Модель использует архитектуру VITS и содержит 3,5 млн параметров. Это отдельный чекпойнт для узбекского языка; архитектура объединяет текстовый энкодер, потоковый модуль и декодер речи и может синтезировать варианты с разным ритмом. Для повторения идентичного аудиовывода требуется фиксированное начальное значение генератора случайных чисел. Модель доступна через библиотеку Transformers версии 4.33 и выше и распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

MN-12B-LucidFaun-RP-RU — плотная языковая модель Mistral Nemo с 12,1 млрд параметров, созданная диагностическим SLERP-слиянием limloop/MN-12B-Faun-RP-RU и dreamgen/lucid-v1-nemo. Она предназначена для генерации текста, ролевых диалогов и художественных историй; также поддерживает интерфейс вызова инструментов и формат инструкций ninja. Модель работает на русском и английском языках, а карточка указывает контекст до 8 192 токенов по результатам проверки; метаданные каталога заявляют нативное окно в 1 024 000 токенов. Слияние сочетает характер и стиль Faun со стабильностью и возможностями сторителлинга lucid. По заявлению автора, модель почти не отказывает в генерации, но при высокой температуре иногда добавляет короткие дисклеймеры. Дополнительного обучения после слияния не проводилось. Распространяется в формате safetensors по лицензии Apache-2.0.

Munin Apertus 8B — датско-ориентированная текстовая языковая модель семейства Munin 1.0, разработанная Danish Foundation Models. Это дообученная версия swiss-ai/Apertus-8B-2509 с плотной архитектурой ApertusForCausalLM и 10,3 млрд параметров. Модель предназначена для генерации текста на датском языке и выполнения инструкций в диалоговых сценариях; поддерживает контекст до 65 536 токенов и работает только с текстом. Модель подходит для создания и редактирования датских текстов, ответов на запросы и диалоговых помощников. В README не приведены результаты бенчмарков, поэтому качество для конкретных задач по доступным сведениям оценить нельзя. Репозиторий распространяется в формате safetensors по лицензии Apache 2.0.

Ninja-v1 — языковая модель на архитектуре Mistral, созданная Local-Novel-LLM-project как объединённая и дообученная версия Mistral-7B-v0.1. Она предназначена для генерации текста и многоходового общения на английском и японском языках, в том числе для написания художественных текстов. В README описаны слияние нескольких моделей, включая WizardLM2, Antler-7B и NTQAI/chatntq-ja-7b-v1.0, а также дообучение с помощью LoRA. Модель содержит 7,1 млрд параметров и поддерживает контекст до 4096 токенов. Среди заявленных сильных сторон — генерация на английском и японском языках и сохранение информации в длинном диалоге. Карточка предупреждает о возможной предвзятости обучающих данных и высоком расходе памяти при длинных запросах. Распространяется по лицензии Apache-2.0.

Pleias-Pico-350m-Preview — базовая языковая модель компании Pleias с 353,4 млн параметров, предварительно обученная с нуля на корпусе Common Corpus. Это плотный трансформер с архитектурой, близкой к Llama и GPT-NeoX, в формате Safetensors; контекст — 2048 токенов. Модель рассчитана на продолжение текстового промпта и генерацию текста, а не на выполнение инструкций в формате чат-ассистента. Модель поддерживает несколько европейских языков: английский, французский, испанский, немецкий, итальянский, нидерландский, польский, латинский и португальский. Авторы отмечают новый токенизатор для обработки документов и способность запускаться на CPU без сжатия. Модель можно применять для генерации текстов, а после дообучения — для RAG, перевода и коррекции OCR. Pleias сообщает, что обучение проводилось на открытых данных, находящихся в общественном достоянии или под разрешительными лицензиями. Это ранняя предварительная версия; модель не прошла дополнительное выравнивание безопасности и может выдавать предвзятый, ошибочный или проблематичный текст. Распространяется по лицензии Apache-2.0.

Quark-270m-Instruct-i1-GGUF — компактная языковая модель для генерации текста и диалоговых сценариев. Она основана на ThingAI/Quark-270m-Instruct, разработана пользователем usermma и преобразована в формат GGUF с помощью llama.cpp. Модель предназначена для инструкционного общения, чат-приложений и других задач генерации текста, где важны небольшие требования к ресурсам и возможность локального запуска через llama.cpp. Заявлены английский и итальянский языки. Архитектурно это авторегрессионная causal language model с примерно 270 миллионами параметров; поддерживается текстовая модальность. В README приведён пример запуска с контекстом 2048 токенов, однако максимальный размер контекста явно не указан. К сильным сторонам относятся небольшой размер, двуязычная специализация, формат GGUF и совместимость с llama.cpp, что упрощает локальное использование на различных устройствах. Ограничениями являются отсутствие в карточке результатов тестирования, подробностей об архитектуре, качестве на отдельных задачах и точных характеристик квантованных вариантов; из-за компактного размера возможности модели могут быть ограничены по сравнению с более крупными системами. Модель распространяется по лицензии Apache-2.0.

Модель readability-es-sentences разработана участниками SomosNLP Hackathon 2022 и представляет собой RoBERTa, дообученную на BERTIN для оценки читабельности испанского текста. Она классифицирует отдельные предложения по двум категориям: простое и сложное, помогая анализировать сложность текста и находить предложения для упрощения. Модель содержит 151,8 млн параметров, принимает текст и выдаёт метку класса. Для неё указан контекст длиной 514 токенов. В README сообщается о macro-F1 0,8923 на валидационной выборке; независимый тестовый набор не использовался. Модель распространяется под лицензией CC BY 4.0.

Lazarus-Ai/ReAligned-Qwen3.5-4B-GGUF — семейство GGUF-квантизаций языковой модели ReAligned-Qwen3.5-4B, разработанной Eric Hartford из LazarusAI и распространяемой в формате, подготовленном QuixiAI. Модель основана на Qwen3.5 и предназначена для генерации текста и диалогового использования, включая работу с llama.cpp и совместимыми средами: LM Studio, KoboldCpp, Jan AI, Text Generation Web UI и другими. Заявлены английский и китайский языки. ReAligned-Qwen3.5 ориентирована на снижение идеологической цензуры, отказов и фрейминга, связанного с государственной нарративностью Китая, при сохранении общих возможностей базовой модели. Она поддерживает настройку поведения через системный промпт, включая тон, границы отказов, требования к цитированию и правила развертывания. Доступны варианты от BF16 до различных 8-, 6-, 5-, 4- и 3-битных квантизаций, что позволяет выбирать между качеством, размером файла и требованиями к ресурсам; рекомендованным компромиссом названы варианты Q4_K, Q5_K и Q6_K. Сильными сторонами являются локальный запуск, широкий выбор степеней квантизации и ориентация на прямые ответы по чувствительным историческим и политическим темам. Ограничения включают возможное снижение качества в квантизированных версиях, зависимость результата от системного промпта и необходимость актуальной версии среды выполнения для некоторых вариантов формата. Размер модели указан как 4B, однако сведения о размере контекста, точной архитектуре, мультимодальности и результатах оценки в README не приведены. Модель распространяется по лицензии Apache-2.0.

Tito-7B-slerp — диалоговая языковая модель, созданная слиянием gordicaleksa/YugoGPT и mlabonne/AlphaMonarch-7B методом SLERP с помощью mergekit. Она предназначена для генерации текста и общения, в том числе для ответов на вопросы и выполнения инструкций на сербском языке. Модель основана на плотной архитектуре Mistral и содержит 7,1 млрд параметров; заявленная длина контекста — 32 768 токенов. В README приведены результаты сравнительных оценок на сербских наборах задач и результаты Open LLM Leaderboard. Модель распространяется в формате safetensors по лицензии Apache-2.0. Приведённые оценки охватывают ограниченный набор бенчмарков и не гарантируют качество на других задачах; явные языковые ограничения и дополнительные сведения о поведении модели в карточке не описаны.