I.6Перевод и языковая адаптация

MiniMax-M2-REAP-172B-A10B-GGUF — это квантизированная GGUF-версия модели cerebras/MiniMax-M2-REAP-172B-A10B, подготовленная bartowski с использованием llama.cpp. Исходная модель разработана Cerebras. Модель относится к классу разреженных Mixture-of-Experts (MoE) и предназначена для генерации текста, включая диалоговые и другие сценарии текстового вывода. В README указана поддержка английского языка и формат взаимодействия с системными и пользовательскими промптами, включая секцию рассуждений <think>. Модель получена из MiniMax-M2 с равномерным удалением 25% экспертов методом REAP, поэтому её заявленные характеристики включают 172B параметров и обозначение A10B; точное число активных параметров, архитектурные детали и размер контекстного окна в README не раскрыты. Доступны многочисленные варианты квантизации от Q8_0 до более компактных Q2 и IQ-вариантов. Старшие варианты обеспечивают более высокое качество, тогда как младшие требуют меньше оперативной памяти, но могут заметно уступать по качеству. Для запуска рекомендуются LM Studio, llama.cpp и совместимые проекты. Это релиз только для текстовой модальности, без заявленной поддержки изображений, аудио или видео. Ключевое ограничение — очень большой объём файлов: даже рекомендуемые варианты занимают примерно 92–142 ГБ, а Q8_0 — около 183 ГБ, поэтому для запуска требуется мощное оборудование. Лицензия указана как other; конкретные условия использования в README не приведены.

Fwizzer-R1-3B-RU — русскоязычная языковая модель, разработанная автором или организацией fwizzer1. Она обучена в стиле пошаговых рассуждений DeepSeek-R1 CoT на отобранном датасете ru-deepthink-11k и предназначена для генерации текста, решения логических задач и сценариев, где требуется явное рассуждение. Модель имеет размер 3 млрд параметров и поддерживает русский и английский языки. Она доступна в формате GGUF в двух вариантах: Speed с квантизацией Q4_K_M и размером около 2,15 ГБ, а также Max с квантизацией Q8_0 и размером около 3,40 ГБ. Для локального запуска рекомендуются LM Studio или llama-cpp-python; в примере использования указан контекст 4096 токенов. Модель работает только с текстом и может выводить ход рассуждений в тегах <think>. К сильным сторонам относятся ориентация на русскоязычные задачи, поддержка пошагового рассуждения и возможность локального запуска на относительно доступном оборудовании. Вариант Speed рассчитан на ноутбуки, RTX 3050 и системы с 16 ГБ оперативной памяти, тогда как Max ориентирован на компьютеры минимум с 8 ГБ видеопамяти. Ограничения включают небольшой размер модели по сравнению с крупными LLM и отсутствие заявленных мультимодальных возможностей или расширенных характеристик контекстного окна. Модель распространяется по лицензии Apache-2.0.

Gama-12B — языковая модель объёмом 12 млрд параметров, представленная в формате GGUF. Базовая модель rodrigomt/gama-12b разработана на основе семейства Gemma; данная версия подготовлена и квантизирована mradermacher с использованием weighted/imatrix quantization. В метаданных указаны английский и португальский языки, а также поддержка генерации текста и диалоговых сценариев. Модель предназначена для локального запуска в задачах текстовой генерации и conversational-приложениях, включая ответы на запросы и ведение диалога. README также указывает на наличие vision-возможностей, однако конкретные поддерживаемые визуальные задачи и параметры мультимодального контекста не описаны. Длина контекста, точная архитектура и дополнительные характеристики не указаны. Доступно множество вариантов квантизации размером примерно от 3,0 до 9,8 ГБ. Более компактные варианты требуют меньше памяти, но могут заметно уступать в качестве; среди рекомендуемых отмечены i1-Q4_K_M как быстрый вариант и i1-Q4_K_S как компромисс между размером, скоростью и качеством. Модель распространяется по лицензии Gemma. Для использования GGUF-файлов требуется совместимое программное обеспечение.

gemma-3n-E4B-it-GGUF — GGUF-квантизированная версия инструкционной модели gemma-3n-E4B-it, разработанной Google и квантизированной Second State Inc. Модель предназначена для диалоговых приложений и задач преобразования изображений и текста в текст; в README она обозначена как мультимодальная модель image-text-to-text. Данные о поддерживаемых языках и точной архитектуре не указаны. Доступны варианты квантизации от Q2_K до Q8_0, а также f16, с размером файлов примерно от 2,76 до 13,7 ГБ. Вариант Q4_K_M рекомендован как сбалансированный по качеству и размеру, а Q5_K_M и Q5_K_S — как варианты с малой потерей качества. Для запуска через LlamaEdge требуется версия 0.23.1 или новее; указан размер контекста 32 000 токенов и шаблон запросов gemma-3. Более низкая точность квантизации уменьшает требования к ресурсам, но может заметно ухудшать качество ответов. Модель распространяется по лицензии Gemma. README не содержит подробностей о бенчмарках, производительности, системных требованиях, поддерживаемых языках и ограничениях исходной модели, поэтому эти характеристики нельзя оценить точнее.

OsaurusAI подготовила MLX-сборку JANG_4M на основе инструкционной Gemma 4 от Google DeepMind с 12 млрд параметров. Это плотная модель семейства gemma4_unified с 48 текстовыми слоями, предназначенная для диалога и генерации текста; заявлен интерфейс для вызова инструментов. Веса упакованы в формате safetensors с аффинной смешанной точностью: эмбеддинги токенов, нормализации, компоненты обработки медиа и связанные проекторы сохранены в fp16, проекции внимания и маршрутизатора MoE — в 8-битном виде, основная часть MLP и экспертов — в 4-битном. Проверенный путь запуска через JANG-загрузчик vMLX поддерживает только текст. Хотя веса и конфигурации для изображений и аудио сохранены, для них требуется совместимая реализация Gemma 4 в MLX; в стандартном mlx_vlm такой поддержки пока нет. Модель распространяется по лицензии Gemma. Сборка предназначена для MLX и Apple Silicon; фактическое использование зависит от совместимого JANG-загрузчика и шаблонов Gemma 4.

TheCluster/Gemma-4-26B-A4B-Heretic-MLX-bf16 — мультимодальная диалоговая модель семейства Gemma 4, представленная TheCluster. Это версия Gemma-4-26B-A4B-it с ослабленным отказом отвечать на запросы: по README, её создали методом abliteration Heretic v1.2.0 с Arbitrary-Rank Ablation и сохранением нормы строк, а затем преобразовали в формат MLX из coder3101/gemma-4-26B-A4B-it-heretic. Метаданные указывают архитектуру Gemma4ForConditionalGeneration, поддержку изображений и текстовых диалогов, библиотеку MLX, формат safetensors и лицензию Apache-2.0. Модель предназначена для диалогов и анализа изображений с текстовым ответом. README сообщает о 11 отказах из 100 запросов против 100 из 100 у исходной модели и KL-дивергенции 0,0499; это результаты указанного в карточке сравнения, а не гарантия поведения на других запросах. В метаданных отмечены языки, включая английский, китайский и русский, а также ряд европейских, азиатских и других языков. Размер 26B-A4B входит в название репозитория, но описание точной структуры и значения A4B в предоставленных данных отсутствует. Ограничения на контент и допустимые сценарии использования не описаны; условия лицензии — Apache-2.0.

Это пакет Gemma 4 26B A4B IT в формате GGUF, подготовленный Mesh LLM для распределённого инференса. Он содержит веса варианта UD-Q4_K_M, разбитые на артефакты по слоям для запуска модели на кластере из нескольких локальных машин. Модель предназначена для генерации текста и диалогов через Mesh LLM, включая локальную подачу запросов через совместимый с OpenAI API. Такое разбиение позволяет распределять вычисления и память между узлами, когда полного файла GGUF не помещается на одном компьютере. Пакет основан на unsloth/gemma-4-26B-A4B-it-GGUF; сведения об архитектуре, контекстном окне, языках и лицензии следует сверять с карточкой исходной модели.

Gigaberg-Mistral-Large-123B — дообученная языковая модель на архитектуре Mistral, созданная nbeerbower на основе mistralai/Mistral-Large-Instruct-2411. Модель содержит 122,2 млрд параметров и принимает текстовые запросы для генерации ответов и ведения диалога; заявленная длина контекста — 131 072 токена. Модель обучена методом ORPO в течение одной эпохи на наборах jondurbin/gutenberg-dpo-v0.1, nbeerbower/gutenberg2-dpo и nbeerbower/gutenberg-moderne-dpo. Она предназначена для текстовых диалогов и генерации текста с поведением, скорректированным этими данными. Веса опубликованы в формате Safetensors для Transformers. Лицензия указана как other; конкретные условия следует проверять в карточке модели и у базовой модели.

GPT-6 Sol — высокопроизводительная модель OpenAI из серии GPT-6, рассчитанная на сложные профессиональные задачи. В линейке она занимает промежуточное положение между флагманской GPT-6 Astra и более быстрой моделью GPT-6 Luna. Метаданные каталога относят модель к задаче image-text-to-text. Доступный фрагмент README не раскрывает подробности архитектуры, размера, поддерживаемых языков, контекстного окна, модальностей ввода и вывода или лицензии.

Это пакет модели Granite 4.1 30B в формате GGUF, подготовленный Mesh LLM для распределённого запуска. Пакет создан из unsloth/granite-4.1-30b-GGUF: веса разделены на артефакты по слоям, чтобы несколько машин могли совместно выполнять инференс через Mesh LLM. Модель поддерживает текстовый чат и подключение к локальному API, совместимому с OpenAI Chat Completions. Пакет предназначен для локального и приватного запуска, распределённого обслуживания модели между несколькими узлами и интеграции чат-запросов через Mesh LLM, особенно когда полный файл GGUF не помещается на одной машине. Вариант квантования — UD-Q4_K_XL. Архитектура относится к семейству Granite; сведения о лицензии и подробные рекомендации по использованию находятся в карточке исходной модели, поэтому для условий использования следует обратиться к ней.

Huihui-Orchestrator-8B-abliterated — версия NVIDIA Orchestrator-8B, изменённая Huihui AI методом abliteration для ослабления отказов и фильтрации ответов. Это плотная языковая модель семейства Qwen3 с 7,6 млрд параметров, предназначенная для генерации текста в диалогах. Она принимает текст и выдаёт текст; заявленная длина контекста — 40 960 токенов. Модель можно запускать через Ollama. Ослабленная фильтрация позволяет получать ответы на запросы, от которых исходная модель могла бы отказаться, но также повышает вероятность чувствительных, спорных или неподходящих результатов. Рекомендуется проверять ответы. Репозиторий распространяется по лицензии MIT.

Это преобразованная в формат архитектуры Llama версия InternLM2 Chat 7B SFT, размещённая пользователем bartowski. Модель предназначена для генерации текста в диалоговом формате и может использоваться для ответов на запросы и ведения беседы. Модель содержит 7,4 млрд параметров и поддерживает контекст длиной до 32 768 токенов. README сообщает о конвертации из InternLM в формат Llama; в репозитории указан формат safetensors. Лицензия обозначена как other, поэтому условия её использования следует проверять в исходной карточке модели и у базовой модели.

J.O.S.I.E. — чат-модель и ассистент, разработанный Gökdeniz Gülmez. Это дообученная на пользовательских наборах DPO модель на базе Goekdeniz-Guelmez/Josiefied-Qwen2.5-7B-Instruct-abliterated-v2 с архитектурой Qwen2 и 7,1 млрд параметров. Она предназначена для диалоговой генерации текста и выполнения запросов пользователя; в метаданных также отмечен интерфейс вызова инструментов. Модель принимает текст и генерирует текст. Заявленная длина контекста — 32 768 токенов. Репозиторий содержит веса в формате safetensors, лицензия — Apache 2. README описывает её как ассистента с менее ограниченным поведением, однако подробности обучающих данных и системного промпта в доступной карточке опущены.

aadel4/kid-whisper-medium-en-myst — модель автоматического распознавания речи на базе OpenAI Whisper medium-en, дообученная на наборе Myst Train длительностью 125 часов. Она преобразует аудио в текст и предназначена для транскрибирования речи; в README приведена оценка WER 8,31 на Myst Dev длительностью 20,9 часа. Модель имеет архитектуру WhisperForConditionalGeneration и около 455,8 млн параметров, распространяется в формате PyTorch и использует библиотеку Transformers. Лицензия — Apache-2.0.

bartowski/L3.1-MS-Astoria-70b-v2-GGUF — это набор GGUF-квантизированных версий текстовой генеративной модели Steelskull/L3.1-MS-Astoria-70b-v2. Квантизация выполнена bartowski с помощью llama.cpp b3930 и метода imatrix. Модель предназначена для локального запуска задач генерации текста, диалогов и других сценариев текстового вывода; рекомендуется использовать её через LM Studio или совместимые инструменты на базе llama.cpp. Доступны варианты квантизации от IQ1_M до Q8_0 размером примерно от 16,75 до 74,98 ГБ. Более высокие уровни квантизации обычно лучше сохраняют качество, но требуют больше оперативной памяти; Q6_K, Q5_K_M, Q5_K_S, Q4_K_M, Q4_K_S и IQ4_XS отмечены как рекомендуемые, тогда как самые низкие уровни имеют заметно более низкое качество. Для некоторых вариантов применена квантизация весов эмбеддингов и выходного слоя в Q8_0. README не содержит сведений о точной архитектуре, поддерживаемых языках, размере контекста, мультимодальности, результатах оценки или лицензии исходной модели. Формат приглашений использует специальные токены Llama 3.1 и задаёт даты отсечения знаний и текущую дату, однако это не заменяет официальное описание возможностей модели.

Это преобразованные веса Meta Llama 2 13B Chat, опубликованные daryl149 в формате Hugging Face для использования с Transformers и PyTorch. Модель на архитектуре Llama представляет собой плотную авторегрессионную языковую модель с 12,9 млрд параметров и контекстом до 2048 токенов. Чат-версия предназначена для генерации текста в диалогах и ответов на запросы. Её можно использовать для создания чат-ботов, составления черновиков и ответов на вопросы на основе предоставленного контекста. README описывает конверсию весов, а не отдельное дообучение. Модель работает с текстом и выдаёт текст. Она распространяется по лицензии Llama 2 Community License от Meta с условиями использования и распространения, включая требования к атрибуции и соблюдению Acceptable Use Policy.

Это пакет слоёв модели Llama 3.3 70B Instruct в формате GGUF Q3_K_M, подготовленный Mesh LLM для распределённого инференса. Пакет создан из unsloth/Llama-3.3-70B-Instruct-GGUF и разбивает исходное представление модели на артефакты по слоям для запуска на кластере Mesh LLM. Модель предназначена для локального приватного диалогового инференса, распределения вычислений и памяти между несколькими машинами, а также для чат-сценариев через локальный API, совместимый с OpenAI. В основе — семейство Llama; пакет поддерживает генерацию текста и чат. Квантизация Q3_K_M уменьшает требования к ресурсам по сравнению с полноточным представлением, но может влиять на качество ответов. Условия лицензии следует сверять с карточкой исходной модели.

llm-jp-3-8x13b-instruct3 — языковая модель, разработанная Центром исследований и разработок больших языковых моделей Национального института информатики Японии (NII). Это версия для диалогов и выполнения инструкций, созданная на основе предварительно обученной модели с последующей supervised fine-tuning и Direct Preference Optimization. Модель использует архитектуру Mixtral с разреженной смесью экспертов: 8 экспертов, из которых активируются 2. В README указаны 40 слоёв и контекст 4096 токенов; карточка Hugging Face сообщает 13,2 млрд параметров, а таблица README для варианта 8x13b указывает около 73,2 млрд общих параметров и около 22,2 млрд активируемых параметров. Она предназначена для генерации текста и диалогов, особенно на японском языке; метаданные также отмечают английский. Модель подходит для ответов на вопросы, работы с инструкциями, рассуждений и генерации текста. Разработчики предупреждают, что модель находится на раннем этапе исследований и разработок и не настроена полностью для соответствия человеческим намерениям и требованиям безопасности. Лицензия — Apache-2.0.

M7Yamshadowexperiment28_Multi_verse_modelYam — объединённая модель на основе Mistral, опубликованная MaziyarPanahi. Она предназначена для генерации текста и диалогов. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Модель объединяет automerger/M7Yamshadowexperiment28-7B и automerger/Multi_verse_modelYam-7B. Доступна в формате safetensors и распространяется по лицензии Apache-2.0. README не сообщает о специализированной области применения или известных ограничениях качества.

Magnum v2 32B — диалоговая модель Anthracite, созданная для воспроизведения качества прозы Claude 3 Sonnet и Opus. Она дообучена на Qwen1.5-32B с полным обновлением параметров и настроена на инструкции в формате ChatML. Модель предназначена для диалога, генерации связного текста и ответов на инструкции. В обучении использовались отфильтрованные наборы данных для диалогов, прозы и рассуждений; README указывает два эпоха обучения на восьми ускорителях NVIDIA H100. Архитектура — плотная Qwen2, размер — 31,7 млрд параметров, контекст — до 32 768 токенов. Метаданные указывают поддержку английского и китайского языков. Модель распространяется в формате safetensors по лицензии other; конкретные условия этой лицензии следует проверить на странице репозитория. Оценка в карточке позиционируется как попытка приблизить качество прозы Claude 3, но независимых сравнительных результатов README не приводит.

MeliodasNeuralsirkrishna-7B — автоматически объединённая Maxime Labonne модель на архитектуре Mistral с 7,1 млрд параметров. Она создана методом SLERP из AurelPx/Meliodas-7b-dare и Kukedlc/NeuralSirKrishna-7b; в конфигурации базовой указана AurelPx/Meliodas-7b-dare. Модель предназначена для генерации текста и диалогов. Она принимает текст и поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате safetensors; модель распространяется по лицензии Apache-2.0.

mergekit-community/mergekit-slerp-zwbqvcb — объединённая методом SLERP языковая модель на 7,1 млрд параметров, созданная сообществом с помощью mergekit из huihui-ai/Qwen2.5-7B-Instruct-abliterated-v2 и maywell/Qwen2-7B-Multilingual-RP. Модель использует архитектуру Qwen2 для генерации текста и диалогов; заявленная длина контекста — 32 768 токенов. Репозиторий содержит веса в формате safetensors, библиотека для работы — Transformers. Модель подходит для диалоговых ответов и свободной генерации текста, сочетая инструкционную основу Qwen2.5 с мультиязычной разговорной моделью. В метаданных также указана поддержка интерфейса вызова инструментов. Состав моделей и способ слияния подтверждены README; сведений о языках, на которых результат слияния работает наиболее качественно, карточка не даёт. Лицензия в предоставленных данных не указана.

bartowski/meta-llama_Llama-4-Scout-17B-16E-Instruct-old-GGUF — это квантованная версия инструкционно дообученной модели Llama 4 Scout, разработанной Meta и подготовленной в формате GGUF пользователем bartowski. Модель предназначена для генерации текста и выполнения пользовательских инструкций; конкретные прикладные сценарии в README не перечислены. Из доступных данных известны обозначения 17B и 16E в названии модели, а также принадлежность к семейству Llama 4 Scout. Модель относится к классу text-generation, однако сведения о точной архитектуре, размере контекста, поддерживаемых языках, модальностях, вариантах квантования и требованиях к ресурсам отсутствуют. К потенциальным сильным сторонам относятся инструкционное дообучение и возможность использования в экосистеме GGUF, совместимой с рядом локальных средств запуска. Ограничения и фактическое качество зависят от конкретной квантовки и среды инференса; количественные характеристики и результаты тестирования не указаны. Модель распространяется на условиях Llama 4 Community License от Meta. Лицензия предусматривает требования к атрибуции, отображению надписи «Built with Llama», соблюдению Acceptable Use Policy и особые коммерческие условия для продуктов с более чем 700 миллионами ежемесячных активных пользователей.

Это вариант Mistral 7B, опубликованный winglian и разбитый на шарды по слоям: каждый слой хранится в отдельном шарде. Модель использует плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров; её контекстное окно — 32 768 токенов. Модель предназначена для генерации текста и может служить основой для сценариев, использующих Mistral 7B. В репозитории указаны веса в формате safetensors. Лицензия в предоставленных данных не обозначена.

vistagi/Mixtral-8x7b-v0.1-dpo — разговорная языковая модель семейства Mixtral, представленная как модель генерации текста. В карточке указано обучение на базе Mixtral-8x7b-v0.1 с использованием LoRA; метаданные описывают архитектуру как MoE и указывают 7,1 млрд параметров. Модель рассчитана на диалоговые сценарии и генерацию ответов по текстовым запросам. Её можно применять для ведения диалога и создания текстовых ответов на английском языке. Контекстное окно составляет 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. README описывает supervised fine-tuning на Ultrachat-200K, тогда как в метаданных указан датасет UltraFeedback; поэтому конкретный режим обучения именно этой версии DPO по доступным сведениям подтвердить нельзя.

MSP-ASR — модель распознавания английской речи из проекта Multimodal Speech Perception, разработанная MahmoodAnaam. Это дообученный энкодер Wav2Vec2 Large с CTC-головой, принимающий монофоническое аудио с частотой 16 кГц и преобразующий его в текст. Доступны жадное декодирование и декодирование с дополнительной 3-граммовой языковой моделью. Модель предназначена для транскрибации английской речи, в том числе в сценариях с несколькими говорящими и шумом. В отчёте указаны WER 6,30% на чистом тесте LRS2 и заметно более высокие ошибки в шумных условиях и на данных AVCocktail. Чекпойнт содержит 402,7 млн параметров, распространяется в формате safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0.

zelk12 выпустил MT5-Gen5-MAB-gemma-2-9B — объединённую модель для генерации текста и диалогового общения на архитектуре Gemma 2. Модель содержит 9 млрд параметров, принимает текст и выдаёт текст; максимальная длина контекста составляет 8192 токена. Модель создана слиянием SLERP двух предварительно обученных моделей: zelk12/MT5-Gen5-BB-gemma-2-RAv0.1MTg2-9B и zelk12/MT5-Gen5-MA-gemma-2-MTg2MT2-9B. Для сохранения весов используется формат safetensors, модель предназначена для работы через Transformers. Подходит для диалогов и генерации текста. README и метаданные не сообщают о специализированной области применения или поддерживаемых естественных языках. Условия лицензии в предоставленных данных не указаны.

zelk12/MT-Gen5-BMA-gemma-2-9B — объединённая языковая модель, созданная разработчиком zelk12 с помощью mergekit методом SLERP из двух предварительно обученных моделей: zelk12/MT-Gen5-BB-gemma-2-MTM4MT5g4-9B и zelk12/MT-Gen5-MA-gemma-2-S5MT3g4-9B. Это плотная авторегрессионная модель семейства Gemma 2 с 9 млрд параметров, предназначенная для генерации текста и диалогового использования. Модель принимает текст и генерирует текст; её контекстное окно составляет 8192 токена. Репозиторий содержит веса в формате safetensors, библиотека для работы — Transformers. README не описывает специализированные сценарии, языки или сравнительные преимущества, поэтому модель следует рассматривать как универсальную генеративную модель. Лицензия в предоставленных данных не указана. Практическое качество и поведение после слияния могут отличаться от исходных моделей; карточка не приводит оценок или подробных ограничений.

Luigi публикует объединённый GGUF-пакет Nemotron-3 Diarization и X-ASR для потоковой транскрибации с разметкой говорящих. Это упаковочное объединение двух моделей: веса не переобучались и не изменялись. X-ASR — потоковая модель распознавания речи на архитектуре Zipformer2 transducer; Nemotron-3 Diarization на базе Sortformer определяет до восьми говорящих и временные границы их реплик. На вход подаётся аудио с частотой 16 кГц, на выходе — текст с метками говорящих на общей временной шкале. Пакет рассчитан на потоковую работу на CPU, в том числе на телефонах; для X-ASR поддерживаются размеры чанков 160, 480, 960 и 1920 мс. В состав входят компоненты GilgameshWind/X-ASR-zh-en и nvidia/Nemotron-3-Diarization. README приводит результаты проверок на английских и китайских тестовых аудиозаписях, но они не гарантируют качество на других данных. Компоненты распространяются на условиях Apache-2.0 и OpenMDW-1.1; при использовании и распространении нужно соблюдать требования обеих лицензий и сохранять соответствующие уведомления.

DevQuasar/NousResearch.Hermes-4-405B-GGUF — квантизированная версия языковой модели NousResearch/Hermes-4-405B, опубликованная DevQuasar. Модель предназначена для генерации текста и, вероятно, может применяться в задачах диалога, написания и обработки текстов, однако README не содержит подробного описания поддерживаемых сценариев. Известно, что модель относится к классу text-generation и распространяется в формате GGUF. Сведения об архитектуре, количестве параметров, доступных уровнях квантизации, модальностях, языках, размере контекста, производительности и ограничениях в README не приведены. Условия лицензирования также не указаны; для уточнения следует обратиться к исходной модели NousResearch/Hermes-4-405B и материалам публикации DevQuasar.