I.6Перевод и языковая адаптация

Это пакет слоёв GGUF для GLM-4.7-Flash-REAP-23B-A3B в варианте UD-Q4_K_XL, подготовленный Mesh LLM на основе unsloth/GLM-4.7-Flash-REAP-23B-A3B-GGUF. Вместо единого файла веса модели распределены по артефактам слоёв для запуска через Mesh LLM. Пакет предназначен для локального диалогового вывода, в том числе на нескольких машинах, когда модель целиком не помещается на одном узле. Mesh LLM может предоставлять совместимый с OpenAI интерфейс чата и completions. Метаданные классифицируют модель как text-generation с возможностью chat; исходная карточка также указывает GGUF и распределённый формат поставки. Это производный пакет с квантизацией Q4_K_XL; лицензия, число параметров, поддерживаемые языки и длина контекста в предоставленных материалах не описаны. Для этих сведений и рекомендаций по шаблону чата README отсылает к карточке исходной модели.

ENOSYS подготовил GGUF-квантование GLM-4.7-Flash-Uncensored-HauhauCS-Aggressive с глобальным целевым числом бит на вес. Для квантования использовалась экспериментальная ветка LLaMA C++ с небольшим набором патчей и калибровочными данными eaddario/imatrix-calibration: 750 фрагментов из разделов с инструментами, математикой, кодом, английскими и русскими текстами. Тензоры сохранены в F16 для совместимости с архитектурой NVIDIA Pascal, включая P100. Модель предназначена для генерации текста и диалогового использования. Карточка приводит метрики сравнения квантованных вариантов при 3,50, 4,00 и 4,50 бит на вес, включая корреляцию perplexity и расхождение распределений; это позволяет оценить компромисс между размером и сохранением поведения исходной модели. Репозиторий распространяется по лицензии MIT.

Hipotalamus-7B-slerp — слитая модель генерации текста, созданная Kukedlc с помощью LazyMergekit на основе Mistral-7B-v0.1 и моделей NeuralMaxime-7B-slerp, NeuralMarioMonarch-7B-slerp и Neural4gsm8k. Для объединения применён метод dare_ties; веса сохранены в формате safetensors, размер модели — 7,1 млрд параметров. Модель предназначена для генерации текста и общих языковых задач. Контекст составляет до 32 768 токенов. Лицензия — Apache-2.0.

Iridium-72B-v0.1 — языковая модель на 71,5 млрд параметров, созданная автором leafspark слиянием Qwen2-72B-Instruct, calme2.1-72b и magnum-72b-v1 с помощью model_stock. Модель использует плотную архитектуру Qwen2 для генерации текста и диалогов; доступна в формате safetensors для Transformers. В README указан контекст до 128 тысяч токенов, тогда как метаданные каталога указывают native context в 32 768 токенов. Модель предназначена для диалоговых ответов и генерации связного текста, сочетая, по описанию автора, стиль прозы Magnum с возможностями Calme. Поддерживаемые языки по карточке — английский и китайский. Для запуска автор указывает потребность примерно в 140 ГБ VRAM или RAM и не менее 135 ГБ свободного места. Лицензия обозначена как other, поэтому условия использования следует сверить с карточкой модели и лицензиями исходных моделей.

KafkaLM-8x7B-German-V0.1 — языковая модель с разреженной экспертной архитектурой MoE, созданная Деннисом Дикманном в рамках проекта Seedbox. Она основана на Mixtral 8x7B от Mistral AI и дообучена на отфильтрованной выборке немецкоязычных инструкций, переведённых с английского. Модель содержит 7,1 млрд параметров, работает с текстом и поддерживает контекст до 32 768 токенов. Модель предназначена для ответов на вопросы и повседневных задач на немецком языке, в том числе в деловом общении. Она ориентирована на точные, фактологичные ответы, но автор отмечает склонность к творческим формулировкам и выходу за языковые рамки. Лицензия — Apache-2.0; карточка также указывает, что применяются ограничения исходной лицензии Llama 2 и использованных обучающих наборов.

Это пакет слоёв GGUF модели Kimi-K2-Instruct-UD-Q4_K_XL, подготовленный Mesh LLM для распределённого запуска на локальном кластере. Он основан на unsloth/Kimi-K2-Instruct-GGUF и разбивает исходное распределение GGUF на артефакты по слоям для Mesh LLM. Пакет предназначен для приватного локального чат-инференса, распределения вычислений между несколькими машинами, а также для работы через совместимый с OpenAI интерфейс чата и completions. В метаданных указаны библиотека mesh-llm, формат GGUF и поддержка чата; основной тег задачи — text-generation. README отсылает к карточке исходной модели за сведениями об архитектуре, языках, контексте и условиях лицензии, поэтому эти характеристики для данного пакета не подтверждены. Параметры использования и ограничения наследуются от исходной модели; лицензия в предоставленных материалах не указана.

korean_PP-OCRv5_mobile_rec — мобильная модель распознавания строк текста из изображений из семейства PP-OCRv5_rec, разработанная командой PaddleOCR. Она предназначена для эффективного распознавания корейского текста и может использоваться как модуль распознавания в конвейере PP-OCRv5 вместе с обнаружением текста и, при необходимости, коррекцией ориентации и геометрии изображения. Модель принимает изображение строки и выдаёт распознанный текст. В README приведена точность 88,0% на корейском наборе данных; строка считалась ошибочной при любой неверной букве или знаке препинания. Репозиторий указывает библиотеку PaddleOCR и лицензию Apache-2.0. Метаданные также отмечают английский и китайский языки, однако README описывает назначение модели как распознавание корейского.

ferrazzipietro/Llama-3.2-1B-Instruct-cpt-tesi_all — дообученная модель на архитектуре Llama, созданная на основе meta-llama/Llama-3.2-1B-Instruct. Она предназначена для генерации текста и диалогового взаимодействия. Модель содержит 1,2 млрд параметров, использует формат safetensors и библиотеку Transformers; заявленная длина контекста — 131 072 токена. Базовая модель Meta поддерживает несколько языков и подходит для диалогов, поиска сведений, суммаризации и помощи в написании текста. Данные о специфических задачах этого дообучения, его обучающем наборе и результатах оценки не приведены, поэтому качество в отдельных сценариях оценить нельзя. Модель распространяется по лицензии Llama 3.2; перед применением следует учитывать её условия.

giux78/llama3-8B-usenet-merged — текстовая генеративная модель на архитектуре Llama, опубликованная пользователем giux78 на Hugging Face. По названию репозитория она связана с Usenet и представляет собой объединённую модель, однако карточка не раскрывает состав объединения, разработчика исходных моделей или точное назначение для конкретных тематик. Модель содержит около 7,5 млрд параметров, использует библиотеку Transformers и формат safetensors; заявленный контекст — 8192 токена. Предусмотрен диалоговый режим. Модель принимает текстовые запросы и генерирует текст, в том числе ответы в формате чата. Карточка не сообщает поддерживаемые языки, оценку качества, обучающие данные или конкретные ограничения. Лицензия в карточке не указана.

uygarkurt/llama3s-merged-linear — объединённая модель на базе семейства Llama 3, созданная автором репозитория с помощью mergekit. В README указано, что автор выбрал три модели с высоким рейтингом в Open LLM Leaderboard и объединил их без дополнительного обучения. Архитектура — плотная авторегрессионная модель LlamaForCausalLM примерно на 7,5 млрд параметров; формат весов — safetensors, контекст — до 8192 токенов. Модель предназначена для генерации текста в диалоговом режиме и может использоваться для ответов на запросы, написания черновиков и других задач общения с языковой моделью. Репозиторий распространяется по лицензии MIT. README называет результат «ranking model», однако метаданные относят его к генерации текста; сведений о специальной обученности для ранжирования нет.

Это набор GGUF-файлов с квантованными версиями модели lpetreadg/Llama-3-8B-merged-2-bf16, опубликованный featherless-ai-quants. Репозиторий предназначен для запуска модели в совместимой с GGUF среде; карточка перечисляет варианты IQ4_XS, Q2_K и Q3_K_L, а также другие варианты квантования. По метаданным модель поддерживает генерацию текста и чат.

M7Yamshadowexperiment28_Experiment31Experiment29 — объединённая языковая модель на архитектуре Mistral, опубликованная MaziyarPanahi. Она предназначена для генерации текста и диалогов. Модель содержит 7,1 млрд параметров, использует формат safetensors и поддерживает контекст до 32 768 токенов. Модель создана слиянием automerger/M7Yamshadowexperiment28-7B и automerger/Experiment31Experiment29-7B. Репозиторий распространяется по лицензии Apache-2.0. Карточка не описывает специализированные области применения или отдельные ограничения качества.

MaziyarPanahi/MeliodasPercival_01_Inex16Calme — объединённая модель на архитектуре Mistral, созданная слиянием automerger/MeliodasPercival_01-7B и automerger/Inex16Calme-7B. Она содержит 7,1 млрд параметров и предназначена для генерации текста и диалогов; поддерживает контекст длиной до 32 768 токенов. Модель принимает текст и выдаёт текст. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Карточка не приводит сведений о специализированной области применения или подтверждённых ограничениях качества.

MiniCPM-V 2.6 — мультимодальная модель OpenBMB для диалога и анализа изображений, нескольких изображений и видео. Она сочетает визуальный энкодер SigLIP-400M с языковой моделью Qwen2-7B и содержит 8 млрд параметров. Модель отвечает на вопросы по визуальному содержимому, сравнивает изображения, распознаёт текст и создаёт подробные описания видео с учётом пространственно-временной информации. Поддерживаются изображения с произвольным соотношением сторон размером до 1,8 млн пикселей; заявлены многоязычные возможности, включая английский, китайский, немецкий, французский, итальянский и корейский. Модель рассчитана на запуск через Transformers, а также на локальный инференс с llama.cpp и Ollama; README отмечает её эффективность при обработке изображений и видео. Заявлены сильные результаты на тестах понимания изображений, OCR и видео, однако приведённые сравнения основаны на оценках разработчиков и не гарантируют аналогичного качества в конкретных сценариях. Модель может ошибаться и галлюцинировать. Лицензия в предоставленных данных не указана.

iemon-kun/Mistral7BInstructv0.2-RakutenAI7Bchat — объединённая диалоговая языковая модель, созданная автором репозитория с помощью mergekit и метода SLERP на основе Mistral-7B-Instruct-v0.2 и RakutenAI-7B-chat. Модель использует плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и принимает контекст длиной до 32 768 токенов. Модель предназначена для генерации текста в диалоге и выполнения инструкций. Её можно использовать для чат-ботов, ответов на вопросы и создания текстовых черновиков. Указанные базовые модели ориентированы на английский и японский языки; README не сообщает отдельные результаты оценки качества объединённой модели. Веса доступны в формате safetensors, библиотека для работы — Transformers. Лицензия в предоставленных данных не указана.

NVIDIA Nemotron 3.5 ASR — мультиязычная потоковая модель автоматического распознавания речи примерно на 600 млн параметров. Она построена на архитектуре FastConformer с поддержкой кэширования и RNNT, использует библиотеку NeMo и предназначена для транскрибации аудио в текст с низкой задержкой, включая работу с несколькими одновременными потоками. Модель является развитием англоязычной nvidia/nemotron-speech-streaming-en-0.6b и поддерживает языковую идентификацию через условное промптирование. Модель заявлена для 40 языковых локалей и поддерживает английский, испанский, немецкий, французский, итальянский, арабский, японский, корейский, португальский, русский, хинди, китайский, вьетнамский, иврит, нидерландский, чешский, датский, польский, норвежский, шведский, тайский, турецкий, болгарский, греческий, эстонский, финский, хорватский, венгерский, литовский, латышский, румынский, словацкий, украинский, мальтийский и словенский. Это делает её подходящей для многоязычных сервисов расшифровки речи, субтитров и обработки аудиопотоков. В README приведены значения WER на тестах FLEURS для ряда языков, однако показатели зависят от языка и условий записи. К сильным сторонам относятся потоковая обработка, кэш-ориентированная архитектура, многоязычность и возможность автоматического определения языка. Ограничения включают специализацию на распознавании речи, зависимость качества от языка и акустических условий, а также отсутствие в предоставленных данных сведений о максимальном контексте и дополнительных модальностях. Модель распространяется по лицензии OpenMDW-1.1.

MaziyarPanahi/NeuralsirkrishnaShadow_Experiment27Experiment28 — объединённая модель на архитектуре Mistral, созданная слиянием automerger/NeuralsirkrishnaShadow-7B и automerger/Experiment27Experiment28-7B. Она предназначена для генерации текста и может использоваться в сценариях, где требуется продолжение текста или ответы в текстовой форме. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов; веса доступны в формате safetensors. Лицензия — Apache 2.0.

Это пакет слоёв GGUF для модели NVIDIA Nemotron 3 Super 120B A12B UD Q4_K_XL MTPv2, подготовленный Mesh LLM. Он сохраняет исходное распределение GGUF по слоям и предназначен для распределённого инференса на локальном кластере Mesh LLM. Пакет подходит для приватного запуска на собственном оборудовании, объединения нескольких машин, когда полный файл модели слишком велик для одного узла, и чат-сценариев через локальный API, совместимый с OpenAI. Размер исходной модели — 120B параметров согласно идентификатору; используется вариант квантования UD-Q4_K_XL. Репозиторий указывает библиотеку mesh-llm и формат GGUF. Карточка не приводит перечень поддерживаемых языков, длину контекста, подробности архитектуры и условия лицензии; для этих сведений она отсылает к карточке исходной модели. Метаданные обозначают лицензию как other.

NVIDIA-Nemotron-Nano-12B-v2-GGUF — это набор квантованных файлов модели NVIDIA-Nemotron-Nano-12B-v2 в формате GGUF. Исходную модель разработала NVIDIA, а конвертацию и публикацию квантованных вариантов выполнил MaziyarPanahi. Модель предназначена для генерации текста и локального запуска через совместимые инструменты. Доступны варианты квантования с разрядностью 2, 3, 4, 5, 6 и 8 бит, что позволяет выбирать баланс между размером файла, требованиями к памяти и качеством вывода. Формат GGUF поддерживается llama.cpp, llama-cpp-python, LM Studio, text-generation-webui, KoboldCpp, GPT4All, candle и другими клиентами. README не содержит сведений об архитектуре, поддерживаемых языках, размере контекста, мультимодальности, результатах тестирования или сильных и слабых сторонах модели. Лицензия в предоставленных данных не указана. Условия использования следует проверять отдельно для исходной модели NVIDIA-Nemotron-Nano-12B-v2 и опубликованных квантованных файлов.

Это GGUF-квантизация модели openai/gpt-oss-120b, подготовленная пользователем bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и может запускаться локально через llama.cpp, LM Studio и другие проекты на его основе. README не указывает точный формат промптов и не содержит сведений о поддерживаемых языках или максимальном контексте; для них рекомендуется обращаться к странице исходной модели. Основной рекомендуемый файл — gpt-oss-120b-MXFP4_MOE.gguf размером 63,39 ГБ. Архитектура использует MoE-компоненты, а feed-forward networks сохранены в специальном формате MXFP4, поскольку, согласно описанию, они плохо ведут себя при других вариантах квантизации. Также доступны варианты BF16, Q6_K, Q4_K и другие, однако их выигрыш в размере минимален. Модель является текстовой и не заявлена как мультимодальная. Сильная сторона сборки — возможность локального запуска крупной модели в экосистеме llama.cpp при сохранении FFN в рекомендованном формате MXFP4_MOE. Ограничения включают очень большой размер файлов, необходимость совместимого оборудования и программного обеспечения, а также отсутствие в README сведений о производительности, лицензии, языках и контекстном окне. Условия лицензирования в предоставленных данных не указаны.

Phi-3.5-mini-ITA — дообученная Anakin87 версия инструктивной языковой модели Microsoft Phi-3.5-mini-instruct, оптимизированная для итальянского языка. Это плотная авторегрессионная модель семейства Phi-3 с 3,7 млрд параметров в формате safetensors; поддерживает диалог и генерацию текста. В карточке заявлен контекст до 128 тыс. токенов, тогда как метаданные указывают native context в 4096 токенов. Модель предназначена для общения на итальянском языке, генерации и суммаризации текста, а также для локальных приложений и RAG-сценариев. README приводит оценки на итальянских бенчмарках и описывает запуск через Transformers, включая возможность квантизации и использование Flash Attention 2 для ускорения вывода. Метаданные также указывают английский язык. Модель распространяется по лицензии MIT. Она компактнее многих крупных инструктивных моделей, но фактическое качество зависит от задачи; заявленная в README длина контекста расходится с контекстом, указанным в метаданных.

Это пакет слоёв GGUF для модели Qwen3-30B-A3B-Instruct-2507-UD-Q4_K_XL, подготовленный Mesh LLM для распределённого запуска. Он основан на unsloth/Qwen3-30B-A3B-Instruct-2507-GGUF: исходное распределение весов разделено на артефакты по слоям, которые можно использовать на локальном кластере Mesh LLM. Пакет рассчитан на локальный приватный вывод и обслуживание чата на нескольких машинах, когда исходную GGUF-модель трудно разместить на одном узле; Mesh LLM также предоставляет локальный API, совместимый с OpenAI Chat Completions. Модель относится к семейству Qwen3 и поддерживает генерацию текста в формате диалога. Вариант квантования — UD-Q4_K_XL; репозиторий содержит пакет слоёв для распределённого инференса, а не обычный единый файл модели. Для запуска требуется Mesh LLM и доступные машины кластера. Подробности об архитектуре, контекстном окне и лицензии следует сверять с карточкой исходной модели; README этого пакета отсылает к ней и не приводит эти условия.

lmstudio-community/Qwen3.5-9B-MLX-8bit — 8-битная квантованная версия модели Qwen3.5-9B, разработанной командой Qwen. Квантование в формате MLX подготовлено командой LM Studio с использованием mlx-vlm, а сама модель оптимизирована для работы на устройствах с Apple Silicon. Модель предназначена для задач преобразования изображений и текста в текст, включая мультимодальные сценарии, где на вход могут подаваться визуальные и текстовые данные. Размер исходной модели составляет 9 млрд параметров. В README не указаны точная архитектура, поддерживаемые языки, размер контекста, перечень модальностей помимо заявленного image-text-to-text и результаты тестирования. Ключевое преимущество модели — сниженное потребление памяти и вычислительных ресурсов по сравнению с полноразмерной версией благодаря 8-битному квантованию, а также оптимизация для экосистемы Apple Silicon. Ограничениями являются зависимость от совместимого MLX-окружения и потенциальные потери качества, связанные с квантованием; конкретные характеристики таких потерь не приведены. README также предупреждает, что модель может генерировать неточный, вредный или неподходящий контент. Модель распространяется по лицензии Apache 2.0. LM Studio не является создателем или владельцем модели и не гарантирует её точность, безопасность или пригодность для конкретных задач.

Qwen3.6-35B-A3B-Brainwaves-Nex-Uncensored — мультимодальная модель семейства Qwen, созданная объединением нескольких моделей, включая Qwen3.6-35B-A3B-Brainwaves и Nex-N2.5-mini-Uncensored. Она предназначена для диалогов и следования инструкциям; метаданные также указывают поддержку обработки изображений вместе с текстом. В README приведены результаты оценок компонентов на нескольких тестах, но полный рецепт объединения и конкретные параметры этих тестов не раскрыты. Модель построена на архитектуре Qwen3.5 MoE и распространяется в формате safetensors через Transformers. В карточке указаны английский, китайский, японский и испанский языки; длина контекста и число параметров для этой версии не приведены. Лицензия — Apache-2.0. Название Uncensored указывает на ориентацию на менее ограниченные ответы, однако README не уточняет границы этой настройки.

Это квантованная NVFP4-версия Qwen3.8-27B с черновыми слоями MTP, подготовленная felippeburk как механическая конверсия весов sakamakismile/Qwen3.8-27B-MTP-NVFP4 в единый файл GGUF для llama.cpp. Модель предназначена для генерации текста и диалогов, а MTP-слои позволяют использовать спекулятивное декодирование на совместимых графических процессорах Blackwell, включая RTX 5090 и RTX 5080. Основной файл весит около 19 ГБ. Для обработки изображений README указывает на отдельный проектор mmproj-F16.gguf; сам файл модели текстовый. В README приведены настройки запуска с контекстом 196 тысяч токенов, однако это рекомендуемая конфигурация, а не подтверждённый метаданными предел контекста. Модель использует формат рассуждений Qwen3.8: этап рассуждения расходует общий лимит выходных токенов, поэтому слишком малый лимит может привести к пустому итоговому ответу. Репозиторий распространяется по лицензии Apache-2.0. Для запуска требуются llama.cpp с поддержкой NVFP4 и MTP, а обработка изображений требует отдельного совместимого проектора; заявленный сценарий ориентирован на оборудование Blackwell.

Qwen3.8-27B-Uncensored-JoyFox-Aggressive — модификация модели Qwen3.8-27B от JoyFox, ориентированная на снижение ложных отказов и избыточных предупреждений в ответах. Модель сохраняет официальные токенизатор, шаблон чата и конфигурацию базовой модели, а также поддерживает текстовые и мультимодальные сценарии с обработкой изображений. Заявлена поддержка английского, китайского и других языков в рамках мультиязычных возможностей Qwen3.8. Модель предназначена для прямых и содержательных ответов на добросовестные, аналитические, образовательные, вымышленные и иные легитимные запросы, включая чувствительно или неоднозначно сформулированные. В составе сохранены полный vision-стек и мультимодальный проектор, native Multi-Token Prediction (MTP), а также совместимость с форматами BF16 и GGUF. Доступны варианты GGUF с квантованием Q2_K–Q8_0; размер основной модели в этих вариантах составляет примерно от 10,12 до 27,05 GiB. По приведённой оценке на 1000 запросах вариант JoyFox BF16 снизил показатель отказов на добросовестные запросы с 59,2% у исходной модели до 0%, при этом capability score составил 59,0% у обеих моделей. Это поведение не добавляет новых знаний и не устраняет галлюцинации, ошибки понимания или риск генерации неподходящего контента, поэтому модель требует самостоятельной проверки и защитных мер при развёртывании. Контекстное окно и точное число параметров в README не указаны; обозначение 27B относится к базовой модели. Лицензия — Apache-2.0.

Qwen-Qwen1.5-1.8B-Chat-GGUF — набор квантованных файлов модели Qwen1.5-1.8B-Chat, разработанной командой Qwen. Квантование выполнено featherless-ai-quants и распространяется в формате GGUF для задач генерации текста и диалогового взаимодействия. Модель предназначена для локального или совместимого с GGUF запуска при ограниченных требованиях к памяти и вычислительным ресурсам. Размер базовой модели составляет 1,8 млрд параметров. В репозитории доступны варианты квантования 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; их размер варьируется примерно от 807 МБ до 1,87 ГБ. Более компактные варианты обычно требуют меньше памяти, но могут сильнее терять в качестве по сравнению с вариантами с большей точностью. README не содержит сведений об архитектуре, поддерживаемых языках, размере контекста, обучающих данных, результатах оценки и конкретной лицензии, поэтому эти характеристики нельзя достоверно указать.

Ourse/R4L — языковая модель на архитектуре Qwen2, созданная слиянием нескольких предварительно обученных моделей методом TIES. В основу merge положена bunnycore/Qwen2.5-1.5B-Matrix, также включены unsloth/Qwen2.5-1.5B-Instruct и испаноязычная Kukedlc/NeuralQwen-2.5-1.5B-Spanish. Модель содержит 1,5 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогов; в метаданных также отмечен интерфейс вызова инструментов. Архитектура — плотная авторегрессионная Qwen2, библиотека — Transformers. Включение испаноязычной модели указывает на испанский среди целевых языков, а инструкция базовой Qwen2.5-1.5B-Instruct позволяет использовать её для диалоговых запросов. README указывает на формат весов float16; репозиторий содержит файлы safetensors. Карточка не сообщает результатов оценки качества, поэтому возможности и стабильность ответов после слияния не подтверждены приведёнными данными. Лицензия в предоставленных источниках не указана.

Sappho V0.0.2 — диалоговая языковая модель, созданная автором Jakolo121 путём слияния SauerkrautLM-7b-HerO и Dolphin 2.8 Mistral 7B v02 с помощью LazyMergekit. Модель построена на плотной архитектуре Mistral с 7,1 млрд параметров и предназначена для генерации текста и диалоговых ответов. Поддерживает контекст до 32 768 токенов и работает с текстом на входе и выходе. Модель подойдёт для чат-ботов, ответов на вопросы и генерации текста. Базовая SauerkrautLM ориентирована на немецкий и английский языки. Репозиторий содержит веса в формате Safetensors. Лицензия в предоставленных данных не указана.

sat-12l — многоязычная модель сегментации текста на предложения из проекта Segment any Text, разработанная для wtpsplit. Она относит токены к классам для определения границ предложений и предназначена для разбиения сплошного текста на предложения в системах обработки документов и текста. Модель использует архитектуру XLM для классификации токенов и содержит 12 слоёв трансформера, около 305,2 млн параметров и контекст длиной 514 токенов. Доступны веса PyTorch и ONNX. Метаданные указывают поддержку многих языков, включая английский, немецкий, французский, испанский, арабский, китайский?