I.6Перевод и языковая адаптация

ceyda/wav2vec2-base-760-turkish — модель распознавания речи на турецком языке, разработанная на основе ceyda/wav2vec2-base-760 и дообученная на обучающей и валидационной выборках Common Voice. Это архитектура Wav2Vec2 с CTC-декодированием, содержащая 113,3 млн параметров. Модель принимает аудио с частотой дискретизации 16 кГц и преобразует речь в текст; её можно использовать без языковой модели. Модель подходит для транскрибации турецкой речи и оценки систем распознавания на тестовой выборке Common Voice. В README приведены результаты на этой выборке: WER 22,60 и CER 6,05. Модель распространяется по лицензии Apache-2.0.

jonatasgrosman/wav2vec2-large-xlsr-53-dutch — модель распознавания нидерландской речи, разработанная Jonatas Grosman. Это дообученная на нидерландском языке версия facebook/wav2vec2-large-xlsr-53 на обучающей и валидационной выборках Common Voice 6.1 и CSS10. Модель использует архитектуру wav2vec2 с CTC-декодером и содержит 402,7 млн параметров. Модель преобразует входящую речь в текст и подходит для транскрибации записей на нидерландском языке. Для подачи аудио требуется частота дискретизации 16 кГц. В карточке приведены оценки на тестовой выборке Common Voice 6.0 и наборе speech-recognition-community-v2/dev_data. Модель распространяется по лицензии Apache-2.0. Карточка не описывает языковую модель для декодирования; пример использования предусматривает распознавание без неё.

Whisper Telugu Large-v2 — модель распознавания речи, созданная дообучением openai/whisper-large-v2 на телугуязычных данных. Она разработана в рамках Whisper fine-tuning sprint с использованием нескольких общедоступных корпусов распознавания речи. Модель принимает аудио и генерирует текстовую транскрипцию на телугу. Архитектура — WhisperForConditionalGeneration, число параметров — около 905,2 млн. Доступны веса PyTorch и Flax; в карточке также упоминается использование whisper_jax для оценки модели. Для обучения использовались корпуса CSTD IIIT-H, ULCA, Shrutilipi, Microsoft Speech Corpus (Indian Languages), Google/Fleurs и Babel. Оценка проводилась на тестовых данных Microsoft Speech Corpus, Google/Fleurs, OpenSLR и Babel. Модель предназначена для автоматической транскрипции речи на телугу. Карточка не приводит метрик качества или сведений о поддержке других языков. Лицензия — Apache-2.0.

wtp-bert-mini — компактная символьная модель BERT для классификации токенов, опубликованная пользователем benjamin на Hugging Face для проекта wtpsplit. Она предназначена для восстановления границ предложений и связанных задач сегментации текста. Модель содержит около 12 млн параметров, принимает текстовые последовательности длиной до 512 токенов и поддерживает множество языков; репозиторий включает веса PyTorch и ONNX. Карточка модели распространяется по лицензии MIT.

AI-Sweden-Models-Llama-3-8B-GGUF — набор GGUF-квантизированных версий языковой модели AI-Sweden-Models/Llama-3-8B. Файлы подготовлены и опубликованы командой featherless-ai-quants на базе модели, разработанной AI-Sweden-Models. Модель предназначена для генерации текста и локального или ресурсоограниченного запуска совместимых Llama-моделей. В репозитории доступны варианты квантования Q2_K, Q3_K, Q4_K, Q5_K, Q6_K, Q8_0 и IQ4_XS с размером файлов примерно от 3 до 8 ГБ. Более сильное квантование уменьшает требования к памяти, но может снижать точность по сравнению с менее сжатыми вариантами. Формат GGUF ориентирован на использование в совместимом локальном программном обеспечении; конкретные языки, размер контекста, архитектурные детали, результаты оценки и мультимодальные возможности в README не указаны. Лицензия также не указана, поэтому условия использования следует уточнять у исходной модели AI-Sweden-Models/Llama-3-8B и автора квантований.

Beetle-FineWeb2-24B — генеративная языковая модель для продолжения и создания текста, опубликованная на Hugging Face под идентификатором beetle-bilingual-balanced-b1-fineweb-rus-eng. По названию модели она ориентирована на двуязычные русско-английские сценарии и относится к классу моделей размером 24B параметров. Модель предназначена для генерации текста на основе заданного контекста: написания продолжений, черновиков, ответов и других текстовых материалов. В метаданных указаны поддержка Transformers и формат safetensors, а также pipeline text-generation. README содержит автоматически созданное описание без сведений о разработчике, лицензии, обучающих данных, оценке качества и рекомендуемых сценариях использования.

QuantFactory/bloom-7b1-GGUF — квантизированная версия языковой модели bigscience/bloom-7b1, подготовленная QuantFactory с использованием llama.cpp. Исходную модель разработал исследовательский проект BigScience. Модель предназначена для генерации текста и работы с многоязычными текстовыми запросами, включая программный код. Это decoder-only Transformer на основе модифицированной архитектуры Megatron-LM GPT-2 с 7 069 016 064 параметрами, 30 слоями, 32 головами внимания и скрытым размером 4096. Используются StableEmbedding, позиционные кодировки ALiBi и активации GeLU. Максимальная длина последовательности составляет 2048 токенов. Токенизатор основан на byte-level BPE и имеет словарь из 250 680 элементов. Модель поддерживает широкий набор языков, включая английский, французский, испанский, португальский, арабский, бенгальский, китайский, хинди, русский в заявленном перечне отсутствует, а также многие языки Африки и Южной Азии. Квантизированный формат может упростить локальный запуск и снизить требования к ресурсам по сравнению с исходной полноразмерной моделью, однако конкретный метод и уровень квантизации в README не указаны. Модель является базовой языковой моделью генерации текста; сведения о специализированном instruction-tuning, точных показателях качества и детальных ограничениях отсутствуют. Исходная модель распространяется по лицензии BigScience BLOOM RAIL v1.0, также указанной для этой версии.

Calme 3.2 Instruct 3B — языковая модель Maziyar Panahi для генерации текста и диалогов в общих областях. Это дообученная версия Qwen2.5-3B с плотной архитектурой Qwen2 и 3,1 млрд параметров; она работает через Transformers и принимает запросы в формате ChatML. Заявленная длина контекста — 32 768 токенов. Модель подходит для инструкционного диалога, ответов на вопросы и других общих текстовых задач. В карточке указаны французский и английский языки, а также датасеты французских инструкций и EvolKit-20k. Доступны файлы Safetensors; отдельная версия GGUF размещена в связанном репозитории. Автор предупреждает, что из-за небольшого размера модель может хуже справляться с некоторыми запросами и быть чувствительной к гиперпараметрам. Рекомендуются меры предосторожности и проверка человеком при использовании в производстве. Лицензия указана как other, конкретные условия в предоставленных данных не раскрыты.

Chocolatine-14B-Instruct-DPO-v1.1 — языковая модель Jonathan Pacifico, созданная в 2024 году методом DPO-донастройки Microsoft Phi-3-medium-4k-instruct на наборе jpacifico/french-orca-dpo-pairs-revised. Это плотная авторегрессионная модель семейства Phi-3 с 13,8 млрд параметров, рассчитанная на диалог и генерацию текста на французском и английском языках; длина контекста — 4096 токенов. Модель предназначена для ведения диалогов и ответов на запросы. Автор сообщает, что обучение на французских данных также улучшило результаты на английском, а версия 1.1 превосходит базовую модель и предыдущую версию на MT-Bench; приведённые в карточке оценки не сопровождаются подробностями методики. Модель не имеет механизма модерации, поэтому её ответы могут требовать проверки. Лицензия — MIT.

DeepSeek-R1-Q4_K_M-layers — пакет для распределённого запуска квантованной модели DeepSeek-R1 в формате GGUF, подготовленный Mesh LLM на основе unsloth/DeepSeek-R1-GGUF. Веса разделены на артефакты по слоям, чтобы объединять память и вычислительные ресурсы нескольких машин в локальном кластере Mesh LLM. Модель предназначена для локального приватного чат-инференса и сценариев, где полный файл модели не помещается на одном компьютере. Её можно подключать через совместимый с OpenAI API Mesh LLM, включая интерфейс `/v1/chat/completions`. Задача из метаданных — генерация текста; семейство — DeepSeek, вариант квантования — Q4_K_M. Пакет рассчитан на распределённый запуск и не является самостоятельной архитектурой модели. README отсылает к карточке исходной модели за сведениями об архитектуре, шаблоне чата, рекомендациях по генерации и лицензии; условия использования в доступных данных не приведены.

mlx-community/DeepSeek-V3-0324-4bit — это квантизированная 4-битная версия языковой модели DeepSeek-V3-0324, разработанная сообществом mlx-community и преобразованная в формат MLX из модели deepseek-ai/DeepSeek-v3-0324-4bit с помощью mlx-lm версии 0.26.3. Модель предназначена для генерации текста и запуска через библиотеку MLX, в том числе с использованием чат-шаблона токенизатора. Она может применяться для диалоговых сценариев и других задач текстовой генерации, однако README не содержит подробностей о поддерживаемых языках, размере модели, архитектуре, длине контекста или мультимодальных возможностях. Ключевая характеристика модели — 4-битное квантование, которое потенциально снижает требования к памяти по сравнению с полноразмерной версией, но README не приводит измерений производительности или качества. Ограничения и точные сценарии применения следует оценивать отдельно, поскольку сведения о сильных сторонах, бенчмарках и аппаратных требованиях отсутствуют. Модель распространяется по лицензии MIT.

buddhist-nlp представляет gemma-2-mitra-e — многоязычную модель эмбеддингов предложений на базе Gemma 2. Она использует архитектуру Gemma2ForCausalLM как текстовый энкодер: извлекает скрытое состояние последнего токена и нормализует полученный вектор по L2. Модель содержит 9 млрд параметров, работает с контекстом до 8192 токенов и распространяется в формате safetensors через Transformers. Модель предназначена для семантического поиска, сравнения предложений и межъязыкового выравнивания текстов. Для запросов рекомендуется шаблон с инструкцией «Please find the semantically most similar text in {language}», а тексты корпуса подаются без инструкции; близость векторов можно оценивать косинусным сходством, а поиск выполнять, например, через FAISS. Среди целевых языков карточка называет санскрит, тибетский, пали, китайский и английский; также приведены примеры шаблона для хинди. Модель подходит для поиска по коллекциям, сопоставления параллельных текстов и систем RAG, которым нужны многоязычные векторы предложений. Карточка рекомендует проверять качество на собственных данных и языках, поскольку возможны смещения и ограничения. Лицензия в предоставленных данных не указана.

matrixportalx/gemma-3-1b-it-GGUF — это конвертированная в формат GGUF версия инструкционной модели google/gemma-3-1b-it, разработанной Google. Конвертация выполнена с использованием llama.cpp и сервиса all-gguf-same-where от ggml.ai. Модель предназначена для генерации текста и может запускаться через llama.cpp или совместимые инструменты, включая llama-cpp-python. Модель имеет размер 1 миллиард параметров и относится к текстовым моделям: в README не заявлена поддержка изображений или других модальностей. Доступны варианты с разными уровнями квантования — от Q2_K до Q8_0, а также F16. Q4_K_M рекомендован как сбалансированный вариант для CPU, Q4_0 — для ARM-устройств, а Q8_0 и F16 ориентированы на более высокое качество с большими требованиями к ресурсам. В примерах указано использование контекста до 2048 токенов, однако максимальный контекст исходной модели в представленном README не указан. К сильным сторонам относятся компактный размер, сниженное потребление памяти, кроссплатформенность и возможность локального запуска на CPU, включая ARM-устройства. К ограничениям относятся неизбежные потери качества при агрессивном квантовании, отсутствие подробных сведений о языках, архитектуре, результатах оценки и фактических возможностях исходной Gemma 3. Для использования требуется принять лицензию Google Gemma на Hugging Face; конкретные условия лицензии необходимо уточнять в оригинальной карточке модели.

Это мультимодальная Gemma 4 E4B Instruct, дообученная командой Peerbench на немецкоязычном корпусе для улучшения общих навыков общения и генерации текста на немецком языке. Модель основана на unsloth/gemma-4-E4B-it; применено SFT с LoRA, веса представлены в формате safetensors и обучались в bf16. Вариант v3 обучался одну эпоху на 25 756 примерах, при этом зрительная часть базовой модели оставалась замороженной. Модель предназначена для немецкоязычного диалога и широких задач генерации текста; наследует от Gemma 4 возможность принимать изображения и отвечать на вопросы о них. Обучение проводилось с шаблоном чата Gemma 4 без режима reasoning. Репозиторий распространяется по лицензии Gemma. Карточка не приводит отдельной оценки качества, поэтому фактический выигрыш на конкретных задачах может зависеть от сценария.

pekkAi/Gemma-4-Queen-31B-it-uncensored-heretic-NVFP4 — квантизированная версия NVFP4 модели Gemma-4-Queen-31B-it-uncensored-heretic. Квантизацию выполнил pekkAi с использованием NVIDIA Model-Optimizer; базовая модель разработана llmfan46 и основана на Gemma-4-Queen-31B-it, а версия без существенной части ограничений создана с помощью Heretic и метода Arbitrary-Rank Ablation (ARA). Модель предназначена для диалоговых сценариев, ролевого общения, генерации текста и мультимодальных задач, связанных с обработкой изображений и текста. В карточке указаны интеграция с Transformers и pipeline image-text-to-text, а также поддержка reasoning и tool calling в vLLM. Размер модели — 31 млрд параметров. Автор сообщает о работоспособности на одной NVIDIA GeForce RTX 5090 с 32 ГБ видеопамяти и контекстом до 64K токенов, однако это практический пример конфигурации, а не гарантированное требование. К сильным сторонам относятся существенно меньшее число отказов по сравнению с исходной моделью, близость поведения к оригиналу по измерению KL divergence и почти сохранённые результаты на тесте PIQA: 94,45% против 94,50% у оригинала. На MMLU версия показывает 85,33% против 86,88% у оригинала, что указывает на некоторое снижение качества на этом тесте. Из-за особенностей decensored-версии модель имеет меньше встроенных ограничений безопасности и может быть неподходящей для сценариев, требующих строгой фильтрации контента. Модель распространяется по лицензии Apache-2.0.

GLM-4.5-Air-GGUF — это GGUF-квантизированная версия языковой модели GLM-4.5-Air, разработанной командой zai-org. Квантизация выполнена bartowski на основе llama.cpp версии b6085; модель распространяется в рамках программы Community Models для LM Studio. Модель предназначена для генерации текста и локального использования в совместимых приложениях, включая LM Studio и другие среды на базе llama.cpp. README не содержит сведений о точном размере модели, варианте квантизации, длине контекста, поддерживаемых языках, архитектурных деталях или доступных модальностях, поэтому эти характеристики нельзя достоверно оценить по представленным данным. К преимуществам относятся формат GGUF и совместимость с экосистемой llama.cpp, что делает модель подходящей для локального запуска при наличии совместимого оборудования. Ограничения связаны с возможными потерями качества из-за квантизации, а также с тем, что модель может генерировать неточную, вредную или неподходящую информацию. Лицензия в README не указана; условия использования следует уточнять в материалах исходной модели zai-org/GLM-4.5-Air и конкретной сборки.

ibm-granite/granite-4.1-30b-GGUF — это конверсия модели IBM Granite 4.1 30B в формат GGUF, предназначенная для запуска и инференса с инструментами, поддерживающими этот формат. Разработчик исходной модели — IBM; репозиторий содержит варианты с различными уровнями квантования, преобразованные из модели в формате .safetensors. Базовая модель указана как ibm-granite/granite-4.1-30b. Модель относится к задачам генерации текста и может использоваться в сценариях локального или оптимизированного инференса, совместимого с GGUF. Из доступных данных известны размер базовой модели — 30B параметров, текстовая модальность и поддержка библиотеки Transformers; сведения о конкретной архитектуре, языках, размере контекста, результатах тестирования и сильных или слабых сторонах отсутствуют. Вариант bf16 разделён на пять файлов из-за ограничений на размер одного файла и может быть объединён инструментом llama-gguf-split. Лицензия — Apache-2.0. Условия применения квантованных вариантов, требования к аппаратным ресурсам и совместимость с конкретными средствами запуска в карточке подробно не указаны.

Это GGUF-квантизированная версия модели DeepSeek-R1-Distill-Llama-70B-abliterated, разработанной huihui-ai и подготовленной к публикации пользователем bartowski. Модель предназначена для генерации текста и локального запуска в LM Studio, llama.cpp и других проектах на базе llama.cpp. В основе лежит модель с архитектурой Llama и размером 70B параметров; в README также указано, что она относится к вариантам abliterated и uncensored. Доступны многочисленные уровни квантизации, включая Q8_0, Q6_K, Q5_K_M, Q4_K_M, Q4_K_S, IQ4_XS и варианты Q3. Размер файлов составляет примерно от 30,91 до 74,98 ГБ. Квантизация выполнена с использованием imatrix и llama.cpp версии b4585. Формат запроса использует специальные токены DeepSeek. Сильной стороной являются варианты с высокой точностью, особенно Q6_K и Q5_K_M, а Q4_K_M предлагает более экономичный компромисс между качеством и размером. Версии с меньшей битностью позволяют снизить требования к оперативной памяти, но обеспечивают более низкое качество. README не содержит сведений о поддерживаемых языках, размере контекста, фактической производительности и точных аппаратных требованиях. Лицензия в предоставленных данных не указана.

Это GGUF-квантизированная версия языковой модели granite-4.0-h-micro, разработанной IBM Granite и опубликованной в формате llama.cpp-сумместимых файлов пользователем bartowski. Модель предназначена для генерации текста и локального запуска через llama.cpp, LM Studio и другие совместимые проекты. В набор входят варианты с точностью от BF16 до Q3 и IQ3/IQ4, с размерами файлов примерно от 1,46 до 6,39 ГБ. Квантизация выполнена с использованием imatrix на базе llama.cpp, что позволяет снизить требования к памяти при сохранении приемлемого качества; наиболее качественными считаются варианты Q6 и Q5, а Q4_K_M указан как вариант по умолчанию для большинства сценариев. Исходный README не содержит сведений об архитектуре, числе параметров, поддерживаемых языках, модальностях, размере контекста или формате prompt. Сильной стороной модели является широкий выбор степеней квантизации для разных ограничений по памяти и оборудования, включая варианты, ориентированные на CPU и Apple silicon. Более компактные варианты экономят память, но обеспечивают более низкое качество. Лицензия в README не указана; условия использования следует уточнять на странице исходной модели IBM Granite и соответствующего репозитория.

INTELLECT-3-Base — текстовая языковая модель Prime Intellect, представляющая собой копию GLM-4.5-Air-Base с шаблоном чата, адаптированным из Qwen3-Coder. Модель предназначена для генерации текста в диалоговом формате; её архитектура относится к семейству GLM-4 MoE, размер — 8,5 млрд параметров, максимальный контекст — 131 072 токена. Модель принимает текст и генерирует текст. В метаданных указана поддержка английского и китайского языков, а также возможность диалогового использования. Веса опубликованы в формате Safetensors. Лицензия — MIT. README не описывает отдельное дообучение или специализированные сценарии применения.

K2S3-Mistral-7b-v1.1 — текстовая генеративная модель, разработанная K2S3 на основе mistralai/Mistral-7B-v0.1. Это плотная авторегрессионная модель семейства Mistral с 7,2 млрд параметров и контекстом до 32 768 токенов; веса опубликованы в формате safetensors. Модель дообучена полным обновлением параметров методом SFT на данных alpaca-gpt4-data и выборках из OpenOrca. Она предназначена для генерации текста и ответов на запросы в формате инструкций. В карточке заявлены английский и корейский языки. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Качество и надёжность ответов могут различаться; сведения о специализированной предметной области или дополнительных гарантиях качества в карточке не приведены.

TroyDoesAI/Llama-3.1-13B-Instruct — текстовая диалоговая модель на архитектуре Llama, созданная разработчиком TroyDoesAI с помощью mergekit. В README указан метод объединения passthrough и модель TroyDoesAI/Llama-3.1-8B-Instruct в составе слияния; метаданные каталога классифицируют её как дообучение этой базовой модели. Репозиторий содержит веса в формате safetensors, модель насчитывает 12,7 млрд параметров и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации текста в диалогах и других сценариях, где нужен ответ на текстовый запрос. Карточка не описывает отдельные специализированные области или дополнительные возможности сверх диалоговой генерации. Условия лицензии в предоставленных материалах не указаны.

maywell/Llama-3-Synatra-11B-v1 — чат-модель на архитектуре Llama 3, дообученная разработчиком Maywell на более чем 400 тысячах диалоговых примеров на корейском и английском языках. Она предназначена для диалогов и генерации текста по запросам; использует формат чата Llama 3. Модель содержит 11 млрд параметров и рассчитана на контекст до 8192 токенов. Модель подходит для общения и ответов на запросы на корейском и английском языках. В качестве основы указана kuotient/Llama-3-11B-Instruct-attenuated. Лицензия обозначена как other, поэтому условия использования следует сверить с карточкой модели и её базовой модели. Публичных сведений о результатах оценки качества в карточке нет.

MiniCPM5-2B-heretic-abliterated-i1-GGUF — это квантизированная в формате GGUF версия модели insraq/MiniCPM5-2B-heretic-abliterated, подготовленная mradermacher. Модель относится к семейству MiniCPM и предназначена для генерации текста, включая локальное и периферийное развёртывание, сценарии с длинным контекстом и вызовом инструментов. В метаданных указана поддержка английского и китайского языков. Модель имеет около 2 млрд параметров; точные сведения об архитектуре и максимальной длине контекста в README не приведены. Доступно множество вариантов квантизации i1 с размером примерно от 0,8 до 1,9 ГБ, что позволяет выбирать между требованиями к памяти, скоростью и качеством. Для части вариантов указано использование imatrix-квантизации; наиболее сбалансированными автор README называет i1-Q4_K_S и i1-Q4_K_M, причём последний рекомендован как быстрый вариант. К сильным сторонам относятся небольшой размер, возможность работы на устройствах с ограниченными ресурсами, поддержка английского и китайского языков, а также ориентированность на длинный контекст и tool-calling. Ограничения зависят от выбранного уровня квантизации: варианты с очень малым размером могут заметно терять качество, а точные показатели производительности и качества в README не приведены. Лицензия модели — Apache-2.0.

MiniMax-M2-MLX-6bit — это 6-битно квантованная версия языковой модели MiniMax-M2 для генерации текста. Исходную модель разработала MiniMaxAI, а квантование в формате MLX выполнила команда LM Studio с использованием mlx_lm. Модель предназначена для запуска в LM Studio и оптимизирована для устройств Apple Silicon. В README указано, что модель относится к задачам text-generation и распространяется по лицензии MIT. Известна её MLX-архитектура представления и 6-битная квантизация, однако сведения о размере модели, поддерживаемых языках, длине контекста, точных характеристиках архитектуры и мультимодальности не приведены. Квантизация ориентирована на более эффективный локальный запуск, но может влиять на качество по сравнению с исходной моделью. Как и другие языковые модели, она способна генерировать неточные, нежелательные или вводящие в заблуждение ответы.

MISCHIEVOUS-12B-Mix_0.3v — слитая с помощью SLERP модель генерации текста, созданная bamec66557 на основе двух предыдущих версий MISCHIEVOUS-12B-Mix. Это плотная Mistral-модель с 12,1 млрд параметров для генерации текста и диалогов; в метаданных заявлена длина контекста 1 024 000 токенов и поддержка английского и корейского языков. Модель предназначена для диалогового взаимодействия и других задач генерации текста. В метаданных также отмечен интерфейс вызова инструментов, но подробности его применения в карточке не описаны. Репозиторий использует Transformers и формат safetensors; README дополнительно упоминает вариант GGUF Q4_K_M. Лицензия — Apache-2.0. Метка карточки предупреждает, что модель подходит не для всех аудиторий.

Mistral-NeMo-Minitron-8B-Base-IMat-GGUF — это набор GGUF-квантизированных вариантов базовой текстовой модели nvidia/Mistral-NeMo-Minitron-8B-Base. Квантизацию выполнил legraphista с использованием llama.cpp b3613 и метода IMatrix, предназначенного для снижения размера модели с сохранением качества при низкой разрядности. Доступны варианты от BF16 и FP16 до Q8_0, Q6_K, Q5_K, Q4_K, Q3_K, Q2_K и ряда IQ-квантизаций; размеры файлов составляют примерно от 3,33 до 16,84 ГБ. Модель предназначена для генерации текста и локального запуска через совместимые с GGUF инструменты, включая llama.cpp. Варианты с IMatrix доступны преимущественно для низкоразрядных форматов и могут быть полезны при ограниченных ресурсах памяти, однако более сильное сжатие обычно связано с большей потенциальной потерей качества. В README не указаны архитектурные детали, поддерживаемые языки, длина контекста и специализированные сценарии применения. Модель распространяется по лицензии NVIDIA Open Model License Agreement; исходная модель имеет формат BF16.

MotherEarth-1.15 — объединённая языковая модель от MotherEarth, созданная методом SLERP с помощью mergekit на основе MotherEarth/MotherEarth-Storm-1.0-8B и MotherEarth/Sauerkraut-Proverbs-8B. Модель построена на архитектуре Llama с плотной структурой и предназначена для генерации текста и диалогового общения. В репозитории указаны веса в формате safetensors; метаданные сообщают о 7,5 млрд параметров и контекстном окне до 131 072 токенов. Для запуска используется библиотека Transformers. Дата публикации — 22 сентября 2024 года. Лицензия в предоставленных данных не указана.

NeuralsirkrishnaShadow_Experiment26Strangemerges_32 — объединённая модель семейства Mistral, созданная из automerger/NeuralsirkrishnaShadow-7B и automerger/Experiment26Strangemerges_32-7B. Она предназначена для генерации текста и поддерживает контекст до 32 768 токенов. Модель содержит 7,1 млрд параметров и опубликована в формате safetensors. Модель можно применять для генерации продолжений текста и диалоговых ответов. Репозиторий распространяется по лицензии Apache 2.0. Карточка не описывает специальные области применения или отдельные ограничения качества.

radlab/pLLama3.2-3B — плотная языковая модель семейства Llama, дообученная radlab на базе meta-llama/Llama-3.2-3B-Instruct. Модель содержит 3,2 млрд параметров и рассчитана на контекст до 131 072 токенов; репозиторий предоставляет веса в формате safetensors. Модель дообучена для общения на польском языке и выполнения инструкций: она предназначена для диалогов, ответов на вопросы и генерации польского текста. В README описан этап дообучения на корпусе примерно из 650 тысяч польских инструкций; эта версия не обозначена как прошедшая отдельный этап DPO. Метаданные также отмечают интерфейс вызова инструментов. Лицензия — Llama 3.2, условия которой следует учитывать при использовании и распространении модели. Описанные данные и сравнительное утверждение об улучшении точности общения приведены разработчиком; независимые оценки качества в карточке не представлены.