I.6Перевод и языковая адаптация

emads/whisper-large-v3-urdu-v2 — модель распознавания речи, созданная дообучением Whisper large-v3 для пакистанского урду. Принимает аудио и по управляющему токену декодирования выводит текст в одном из трёх вариантов: письмом урду насталик, романизированным урду или смешанной записью урду и английского с английскими фрагментами латиницей. Архитектура — плотная encoder-decoder модель WhisperForConditionalGeneration, около 905,3 млн параметров; репозиторий содержит веса Safetensors. Модель предназначена для транскрибации пакистанской речи, включая переключение между урду и английским, например в звонках, интервью и разговорных записях. В README приведены результаты на тестах FLEURS Urdu, Common Voice Urdu и Roman Urdu; для выбора регистра требуется передавать соответствующий токен в префиксе декодера. Модель наследует мультиязычную основу Whisper, но обучение и заявленные сценарии ориентированы на урду Пакистана и его письменные варианты. Для длинных записей нужна внешняя нарезка на фрагменты до 30 секунд. Распознавание разговорного пакистанского аудио при переключении языков обозначено как известная слабая сторона; романизация следует разговорным вариантам написания. Лицензия модели — Apache-2.0.

Whisper-Podlodka-Turbo — дообученная bond005 модель на базе Whisper Large v3 Turbo от OpenAI, предназначенная прежде всего для распознавания русской речи. Модель с архитектурой Whisper и примерно 905,2 млн параметров принимает аудио и выдаёт текст; она также поддерживает распознавание английской речи, перевод русской и английской речи, определение языка и выявление сегментов без речи. Настройка модели направлена на повышение точности русской транскрипции, восстановление пунктуации и заглавных букв, устойчивость к фоновому шуму и сокращение галлюцинаций на неречевых сигналах. Поддерживаются транскрипция длинных записей и выдача временных меток для фрагментов речи. Модель распространяется в формате safetensors и работает с Transformers. По README, статистически значимое преимущество подтверждено только для распознавания русской речи; качество улучшений для английского и перевода не подтверждено столь же убедительно. Перевод с английского на русский может содержать заметные ошибки, а качество на речи с переключением между русским и английским отдельно не оценивалось. Модель лицензирована по Apache-2.0.

Ivydata/whisper-small-japanese — модель распознавания японской речи, созданная дообучением openai/whisper-small на датасетах Common Voice, JVS и JSUT. Это плотная модель архитектуры Whisper с 153,1 млн параметров, предназначенная для преобразования аудио в текст. Для распознавания входная речь должна быть дискретизирована с частотой 16 кГц. В карточке приведён результат оценки на наборе TEDxJP-10K: Character Error Rate (CER) составляет 23,10%. Модель рассчитана на японский язык. Она распространяется по лицензии Apache-2.0.

istomin9192/whisper-small-sr — дообученная модель OpenAI Whisper Small для автоматического распознавания сербской речи. Она предназначена для транскрибирования аудио с выводом текста только латиницей на сербском языке. Модель построена на архитектуре Whisper и содержит 153,1 млн параметров; доступна в формате safetensors и рассчитана на использование через Transformers. Модель обучали на смеси открытых сербских речевых корпусов, включая Common Voice 24.0, FLEURS и часть ParlaSpeech-RS. В README приведены результаты WER 6,59% и 7,09% на тестовой выборке Common Voice 24.0; для нормализованной оценки удаляли пунктуацию, приводили текст к нижнему регистру, конвертировали кириллицу в латиницу и записывали числа словами. Лицензия — Apache-2.0.

AlemLLM — большая языковая модель, настроенная Astana Hub при технической поддержке 01.AI для повышения полезности ответов на казахском языке. Она предназначена для диалогового текстогенерирования и сценариев исследований и разработок в рамках инициатив Казахстана в области ИИ. Модель использует архитектуру Mixture of Experts: 247 млрд общих параметров, из которых активируются 22 млрд. В карточке также указаны 56 слоёв, токенизатор SentencePiece, словарь размером 100 352 токена и формат BF16. В README приведены оценки на казахских, русских и английских бенчмарках; эти результаты не гарантируют качество для конкретных запросов. Модель может генерировать неточные, предвзятые или небезопасные ответы, поэтому результаты требуют проверки и ответственного применения. Лицензия — Apache-2.0; публикация и использование должны соответствовать применимым законам и требованиям регулирования экспорта и кибербезопасности.

Atom-7B-Chat — диалоговая языковая модель, совместно разработанная Llama中文社区 и AtomEcho. Она создана на основе Llama 2-7B и продолжительно предобучена на крупных китайских текстовых корпусах; архитектура — плотный decoder-only Transformer семейства Llama с 6,7 млрд параметров. Модель предназначена для диалогов на китайском и английском языках, ответов на вопросы и генерации текста. В README указано штатное контекстное окно 4K токенов; с NTK-расширением заявлена поддержка более 18K, а после дообучения — до 32K токенов. Разработчики сообщают об оптимизации китайского словаря до 65 000 токенов и повышении скорости кодирования и декодирования китайского текста. Модель можно запускать с Transformers; README также приводит примеры размещения 7B-модели в форматах INT8 и INT4 на потребительских видеокартах. Репозиторий содержит веса safetensors, лицензия Apache-2.0 допускает коммерческое использование. Заявленные свойства контекста и скорости приведены разработчиками; независимые результаты оценки в предоставленных материалах не описаны.

Audio Flamingo Next-Instruct — инструкцияно настроенная аудиоязыковая модель NVIDIA для вопросов и ответов, диалога и понимания речи, окружающих звуков и музыки. Модель принимает аудио и текстовые инструкции, а ответы формирует текстом; поддерживает распознавание речи, перевод речи, понимание нескольких говорящих, описание аудио и временную привязку к событиям. Основной язык в карточке — английский, заявлена также многоязычная поддержка распознавания речи. Архитектура сочетает аудиоэнкодер на основе AF-Whisper, двухслойный MLP-адаптер и текстовую основу семейства Qwen2.5; для временной привязки используются Rotary Time Embeddings. Аудио обрабатывается окнами по 30 секунд, а процессор настроен на записи длительностью до 30 минут. Модель рассчитана на явные инструкции с указанием задачи и желаемого формата ответа. Ограничения включают неравномерное покрытие языков и акустических условий, слабое представление редких звуков и специализированных областей, а также трудности рассуждения по длинным записям при разреженных свидетельствах. Лицензия обозначена как other; README разрешает только некоммерческое исследовательское использование.

zeromodels/bart_base — реализация базового чекпойнта BART в формате Keras 3 от проекта zeromodels, перенесённая с facebook/bart-base. Это трансформер encoder-decoder для извлечения признаков и дообучения на задачах понимания и генерации текста; веса доступны в формате TensorFlow, а реализация рассчитана на работу с TensorFlow, Torch и JAX. Модель обучена восстанавливать искажённый текст: двунаправленный энкодер сочетается с авторегрессионным декодером, используется токенизатор byte-level BPE, общий с RoBERTa. Чекпойнт предназначен прежде всего как языковой backbone: его можно применять для получения признаков или дообучать для суммаризации, перевода, классификации последовательностей и других задач text-to-text. Головы задач, отсутствующие в репозитории, инициализируются случайно и требуют дообучения; готовые специализированные веса можно загружать отдельно. Лицензия — Apache-2.0.

Bielik-Minitron-7B-v3.0-Instruct-GGUF — это квантизированная GGUF-версия инструкционной языковой модели Bielik-Minitron-7B-v3.0-Instruct, разработанной SpeakLeash и ACK Cyfronet AGH. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск через llama.cpp, Ollama, LM Studio и совместимые инструменты. Она особенно оптимизирована для польского языка, но поддерживает 32 европейских языка, включая английский, русский, украинский, немецкий, французский и другие. Модель построена по архитектуре causal decoder-only и имеет около 7 миллиардов параметров. Доступны варианты квантизации Q4_K_M, Q5_K_M, Q6_K, Q8_0, а также 16-битные FP16 и BF16. Квантизация снижает требования к ресурсам и упрощает локальное использование, однако может уменьшать качество ответов и повышать вероятность галлюцинаций; Q8_0 и 16-битные варианты требуют больше ресурсов. Поддержка инструментов возможна при использовании соответствующего шаблона Ollama. Модель распространяется по лицензии Apache 2.0. README не указывает размер контекстного окна, точные аппаратные требования, результаты бенчмарков или отдельные ограничения для каждого языка.

shekar-ai разработала модель для двусторонней транслитерации между персидским текстом на персо-арабском письме и таджикским текстом на кириллице. Направление задаётся префиксом: fa2tg для преобразования персидского в таджикский и tg2fa для обратного преобразования. Модель построена на ByT5-small — байтовом энкодер-декодере семейства T5, дообученном на параллельном корпусе ParsText; метаданные указывают 364,6 млн параметров и лицензию MIT. Модель подходит для преобразования письменности при поиске и чтении текстов, нормализации перед обработкой персидского и таджикского текста, а также как отправная точка для дообучения на близких задачах преобразования письменности. В README приведены оценки на тестовой выборке: chrF++ 87,90 для направления с персидского на таджикский и 91,76 для обратного. Направление персидский → таджикский сложнее, поскольку краткие гласные часто не обозначаются; имена собственные и заимствования также могут обрабатываться с ошибками. Обучающие примеры ограничены длиной 200 символов, поэтому длинный текст рекомендуется преобразовывать по предложениям.

istupakov/canary-1b-v2-onnx — это конвертированная в формат ONNX версия модели NVIDIA Canary 1B v2, подготовленная для использования с библиотекой onnx-asr. Модель разработана на базе NVIDIA Canary 1B v2 и предназначена для автоматического распознавания речи, а также автоматического перевода речи между языками. Модель принимает аудиофайлы, например WAV, и поддерживает распознавание на болгарском, хорватском, чешском, датском, нидерландском, английском, эстонском, финском, французском, немецком, греческом, венгерском, итальянском, латышском, литовском, мальтийском, польском, португальском, румынском, словацком, словенском, испанском, шведском, русском и украинском языках. Для некоторых сценариев доступен перевод распознанной речи на целевой язык, например с английского на французский. Ключевая характеристика модели — формат ONNX, позволяющий использовать её через onnx-asr, в том числе в окружении с CPU. В названии и идентификаторе базовой модели указано обозначение 1B, однако точные сведения об архитектуре, размере файлов, максимальной длительности аудио и размере контекста в README не приведены. Ограничения производительности и качества зависят от аудиозаписи, языка и аппаратной конфигурации. Модель распространяется по лицензии CC BY 4.0. Для загрузки и использования рекомендуется установить пакет onnx-asr с поддержкой CPU и Hugging Face Hub.

aerdincdal/CBDDO-LLM-8B-Instruct-v1 — инструктивная языковая модель на архитектуре Llama 3, дообученная разработчиком для работы с турецким языком. В метаданных указаны 7,5 млрд параметров, контекст до 8192 токенов и формат safetensors; модель предназначена для диалогового использования и генерации текста. Модель можно применять для генерации и редактирования текстов на турецком языке, ответов на вопросы, суммаризации, перевода и написания кода по запросу. README сообщает об обучении на наборе из 2,5 млн строк и перечисляет эти сценарии, но не приводит результатов бенчмарков. Модель распространяется по лицензии MIT.

Chocolatine-2-4B-Instruct-DPO-v2.1 — плотная языковая модель на архитектуре Qwen3, разработанная Jonathan Pacifico и дообученная на базе Qwen/Qwen3-4B-Instruct-2507. В модели 3,7 млрд параметров; она принимает текст и генерирует текст, поддерживает контекст до 262 144 токенов и работает в режиме без явных цепочек рассуждений. Веса представлены в формате safetensors, библиотека для работы — Transformers. Модель предназначена для диалогов, следования инструкциям и решения задач на французском языке при сохранении возможностей на английском и других языках. В постобучении использованы DPO на французских предпочтениях и слияние моделей методом TIES; автор сообщает об улучшениях на протестированных французских бенчмарках и стабильных результатах на английских. Подходит для локального запуска; доступны отдельные квантованные варианты GGUF и MLX. В README указано, что у модели нет встроенного механизма модерации. Она не формирует явные трассы рассуждений. Лицензия — Apache-2.0.

distil-large-v3-fr — французская модель распознавания речи семейства Distil-Whisper, созданная посредством дистилляции Whisper large-v3. Она предназначена для автоматической транскрибации коротких записей и длинных аудиофайлов; поддерживает последовательную обработку длинной записи для приоритета точности и обработку фрагментами для более высокой скорости. Архитектура — WhisperForConditionalGeneration, размер — около 905,2 млн параметров; модель принимает аудио и генерирует текст на французском языке. По данным README, качество на тестах вне обучающего распределения находится в пределах 2% WER от Whisper large-v3 для коротких и длинных записей, а модель работает быстрее исходной большой модели. Также её можно использовать как вспомогательную модель для спекулятивного декодирования Whisper large-v3. Для работы требуется Transformers версии 4.41 или новее. Лицензия — MIT.

Edge0-35B-A3B-preview — языковая модель класса 35B со sparse Mixture-of-Experts, разработанная командой Edge0 на базе Qwen3.6-35B-A3B. Модель предназначена для генерации текста, мультиязычного диалога и задач рассуждения на устройствах с ограниченной оперативной памятью, включая edge- и on-device-сценарии, а также пакетное обслуживание на обычном компьютере. Поддерживается режим размышлений через встроенный шаблон чата. Модель содержит 40 слоёв, 256 экспертов, из которых для каждого токена активны 4, и имеет hidden size 2048. Она поставляется в 4-битной квантизации вместе с LoRA-адаптером Recover-LoRA и prerouter-адаптером. Экспертные веса подгружаются с SSD по мере необходимости через фреймворк edge0 с MLX backend, что позволяет удерживать активную память примерно на уровне 2,9 ГиБ при коротком контексте. На Mac mini M4 Pro заявлены скорость декодирования 14,9–17,7 токена в секунду и производительность заполнения контекста до 140 токенов в секунду. По заявленным тестам средний результат квантизированной версии составляет 79,2 против 83,2 у базовой модели в FP16, то есть отставание составляет 3,9 балла. Сильными сторонами являются низкое потребление активной памяти, потоковая загрузка экспертов и возможность использовать одну базовую модель с несколькими наборами адаптеров. Ограничения включают статус раннего preview-релиза, слабую оптимизацию для инструментального использования, многошагового планирования и долгосрочной автономной работы, рост KV-кэша на длинных контекстах, а также текущую ориентацию MLX backend на Apple Silicon. Модель распространяется по лицензии Apache 2.0.

EdgeInstant-1.5b S5 — китайско-английская аудиотекстовая модель, дообученная авторами репозитория на базе финальной модели S4. Она принимает аудио и отвечает текстом, поддерживая распознавание речи, перевод речи, аудиовопросы и выполнение голосовых инструкций; предусмотрены режимы прямого ответа и рассуждения. Для обработки используются Transformers и аудио с частотой 16 кГц в моно; модель поставляется с весами, процессором и пользовательским кодом. Обучение включало китайские и английские данные, а также аудиовопросы, команды и задачи понимания звуков и музыки. На проверочном наборе извлечения полей из голосовых команд авторы сообщают 93,49% полностью корректных JSON-объектов и 96,79% точности по отдельным полям. Модель слабее справляется со сложными открытыми рассуждениями по аудио, устным вычислением чисел и переводом с китайского на английский; низкая громкость и недостаток информации могут приводить к неподтверждённой расшифровке. Режим рассуждения не гарантирует большей точности. Лицензия в README описана как зависящая от компонентов Qwen и обучающих данных; для кода декодера указана отдельная лицензия LICENSE.codec.

Fun-ASR-Nano-2512-8bit — конвертированная в формат MLX 8-битная версия многоязычной модели распознавания речи Fun-ASR-Nano-2512 от FunAudioLLM. Репозиторий подготовлен mlx-community с помощью mlx-audio-plus версии 0.1.4; метаданные указывают семейство FunASR и плотную архитектуру. Модель принимает речь и преобразует её в текст, поддерживает более 13 языков, прямой перевод речи на английский и подсказки с предметным контекстом. В README также описан потоковый вывод, а базовая модель предназначена для распознавания диалектов, акцентов и речи на фоне музыки. Лицензия в предоставленных данных не указана.

Gemma-4-Garnet-V2-31B-it-ultra-uncensored-heretic-GGUF — набор GGUF-квантизаций текстовой генеративной модели, разработанный независимым автором llmfan46. Модель основана на Gemma-4-Garnet-V2-31B-it-ultra-uncensored-heretic, которая, в свою очередь, создана на базе ConicCat/Gemma4-GarnetV2-31B. Для снятия ограничений применялись Heretic v1.2.0 и метод Arbitrary-Rank Ablation (ARA). Размер базовой модели — 31 млрд параметров; доступны варианты от BF16 до Q4_K_M и другие квантизации GGUF. Модель предназначена прежде всего для генерации творческих текстов и перевода, где важны выразительный стиль, богатая лексика и более естественный подбор формулировок. По данным README, версия имеет существенно меньше отказов: 4 из 100 против 99 из 100 у исходной модели, при этом сохраняет близость к оригиналу с KL-дивергенцией 0,0167. На тесте MMLU её точность составила 83,93% против 84,82% у исходной модели. К сильным сторонам относятся улучшенная, по заявлению автора, выразительность письма, сниженное количество отказов и широкий выбор квантизаций для разного баланса качества и требований к памяти. Ограничением является небольшое снижение результата MMLU относительно оригинала; сведения о конкретной архитектуре, длине контекста, поддерживаемых языках и мультимодальности в README не указаны. Модель распространяется по лицензии Apache-2.0.

Hermeo-7B — англо-немецкая языковая модель, созданная Malteos путём слияния DPOpenHermes-7B-v2 и leo-mistral-hessianai-7b-chat с помощью mergekit. Обе исходные модели дообучены на базе Mistral-7B-v0.1. Это плотный авторегрессионный трансформер-декодер с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста в формате диалога ChatML, включая ответы на запросы и генерацию на английском и немецком языках. В карточке приведены оценки на англо- и немецкоязычных бенчмарках; пример показывает, что модель может помогать с переводом между этими языками. Репозиторий содержит веса Safetensors, библиотека для использования — Transformers. Лицензия Apache 2.0.

Jais Family 1.3B Chat — диалоговая языковая модель семейства Jais, разработанного Inception Institute of Artificial Intelligence. Это instruction-tuned вариант базовой модели inceptionai/jais-family-1p3b: компактная причинная decoder-модель на 1,3 млрд параметров для генерации текста и общения на арабском и английском языках. Семейство обучалось на арабских, английских и программных данных; версия Chat настроена на диалог с использованием инструкций на арабском и английском. Модель подходит для создания чат-ассистентов, ответов на вопросы и суммаризации двуязычных материалов. Модель ориентирована прежде всего на арабский язык и также обладает сильными возможностями для английского. Для загрузки требуется пользовательский класс модели и параметр trust_remote_code=True. Репозиторий содержит веса в формате safetensors, функция чата указана в метаданных. Лицензия Apache 2.0 допускает открытое использование на её условиях. Как и другие большие языковые модели, Jais может выдавать неверные, вводящие в заблуждение или предвзятые ответы. Карточка предостерегает от применения для обработки чувствительных данных и принятия решений с высокими ставками без человеческого контроля; также не следует рассчитывать на сопоставимое качество для языков и диалектов, кроме арабского и английского.

KONI-7B-R-20250831-i1-GGUF — это квантизированная версия языковой модели KONI-7B-R-20250831, разработанной организацией KISTI. Распространяется в формате GGUF и предназначена для генерации текста, включая локальный запуск с использованием совместимых инструментов. Модель ориентирована на корейский и английский языки; заявленный размер базовой модели — 7 миллиардов параметров. Архитектура и размер контекстного окна в представленном README не указаны, модальности ограничены текстом. Набор включает варианты квантизации от IQ1 до Q6, различающиеся размером, скоростью и качеством. В README отмечены предпочтительные варианты i1-Q4_K_M как быстрые и рекомендуемые, а также i1-Q4_K_S как оптимальные по соотношению размера, скорости и качества; наиболее низкие уровни квантизации могут заметно снижать качество. Квантизация выполнена mradermacher с использованием weighted/imatrix quantization. Модель распространяется по лицензии Apache-2.0.

BuzzASR/korean — специализированная модель автоматического распознавания корейской речи, созданная как часть набора BuzzASR. Это дообучение Whisper large-v3 от OpenAI с исходным токенизатором Whisper; модель содержит около 905,2 млн параметров и работает с аудио на входе, выдавая текст на корейском языке. Модель предназначена для транскрибации корейской речи. В README приведены результаты на тестовых наборах FLEURS и Common Voice 25: нормализованный CER составляет 5,16% и 4,24% соответственно, а на объединённом наборе — 4,61%. По заявлению авторов, это лучший результат среди сравниваемых ими открытых систем; на других доменах и диалектах качество может отличаться. Модель распространяется по лицензии MIT. Она одноязычная и обучалась на данных FLEURS, Common Voice Corpus 25.0 и текстовых данных Goldfish.

kyrgyz-whisper-small — мультиязычная модель распознавания речи, дообученная на архитектуре Whisper Small компании OpenAI. Модель содержит 153,1 млн параметров и принимает аудио для транскрибации на кыргызском, английском и русском языках. Она рассчитана на работу с шумными записями, смешением языков и дальнейшую адаптацию с помощью LoRA. В карточке сообщается об обучении примерно на 2 000 часах кыргызского аудио и дополнительном аудио на английском и русском языках. На бенчмарке FLEURS кыргызская WER достигает примерно 0,2–0,4; добавление кыргызского языка сопровождается некоторым снижением точности для английского и русского. Для кыргызского требуется пользовательский токенизатор. Модель распространяется по лицензии Apache-2.0.

L3.1-70b-Ginny — языковая модель для диалогов и генерации текста, созданная KaraKaraWarehouse путём слияния четырёх моделей на базе Llama 3.1 70B с помощью LazyMergekit. В состав слияния вошли NousResearch/Hermes-3-Llama-3.1-70B, Fizzarolli/L3.1-70b-glitz-v0.2, cyberagent/Llama-3.1-70B-Japanese-Instruct-2407 и Sao10K/L3-70B-Euryale-v2.1. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 69,5 млрд параметров и поддерживает контекст до 131 072 токенов. Модель предназначена для диалогов и генерации текста; автор отмечает улучшение возможностей на японском языке и способность переводить при подходящей инструкции. Для общения рекомендуется формат L3 Instruct. По наблюдениям автора, ответы могут быть многословными, и снижение температуры помогает сделать их короче. Условия лицензии в предоставленных данных не указаны.

LaBSE-en-ru-myv-v2 — дообученная slone версия модели LaBSE-en-ru-myv-v1 для работы с эрзянским и русским текстом. Модель основана на архитектуре BERT и содержит 170,2 млн параметров; обучение продолжалось около 150 тысяч шагов на наборе данных myv_ru_2022. Репозиторий содержит веса PyTorch, контекст модели — до 512 токенов. Модель предназначена для получения текстовых представлений, поиска соответствий между эрзянскими и русскими фрагментами и задач языкового моделирования с маскировкой токенов. Автор сообщает о немного лучших результатах по извлечению параллельных текстов и MLM по сравнению с версией v1. Лицензия — CC BY-SA 4.0.

QuantFactory/Llama-3.1-8B-EZO-1.1-it-GGUF — квантизированная версия модели HODACHI/Llama-3.1-8B-EZO-1.1-it, созданная с помощью llama.cpp. Исходная модель разработана на базе Meta AI Llama 3.1 и дообучена компанией Axcxept co., ltd. для повышения качества работы с японскими задачами. Модель предназначена для генерации текста, диалоговых ассистентов и других сценариев, требующих следования инструкциям и многоязычной обработки, при этом основной акцент сделан на японском языке. Архитектура основана на Llama 3.1-8B-Instruct; заявлены языки японский и английский. Формат GGUF и квантизация ориентированы на запуск через совместимые инструменты, включая llama.cpp, однако конкретный уровень квантизации, размер файла и поддерживаемая длина контекста в карточке не указаны. Для обучения использовались отобранные данные из Japanese Wikipedia и FineWeb с последующим instruction tuning. Как и другие большие языковые модели, система может генерировать неточные, предвзятые или проблемные ответы, поэтому перед развёртыванием необходимы тестирование безопасности и настройка под конкретное применение. Использование регулируется Llama 3.1 Community License Agreement. Указанные рекомендации сообщать о коммерческом использовании и указывать авторство являются рекомендациями, а не юридическими требованиями.

QuantFactory/Llama-3-Alpha-Ko-8B-Instruct-GGUF — квантованная версия языковой модели Llama-3-Alpha-Ko-8B-Instruct, созданная с помощью llama.cpp. Исходную модель разработала команда allganize; она основана на семействе Meta Llama 3 и объединяет Meta-Llama-3-8B, Meta-Llama-3-8B-Instruct и Llama-3-Open-Ko-8B с использованием метода Evolutionary Model Merging. Модель ориентирована прежде всего на корейский и английский языки и предназначена для генерации текста, диалоговых ассистентов, решения логических и математических задач, а также других сложных языковых сценариев. Модель имеет размер 8B параметров и работает в текстовой модальности. Для последующего улучшения применялись ORPO и наборы данных с корейскими оценками качества, математическими задачами и предпочтениями пользователей. По заявленным результатам, Alpha-Ko-Instruct получила 6,620 балла в LogicKor и показала сильные результаты в отдельных задачах KoBEST; при этом показатели зависят от варианта модели, шаблона запросов и настроек оценки. Квантованная GGUF-версия предназначена для запуска в совместимых инструментах на базе llama.cpp, что может снизить требования к вычислительным ресурсам по сравнению с полной версией. Ограничения включают отсутствие в README сведений о точном формате и разрядности квантования, размере контекстного окна, системных требованиях и подробной независимой оценке именно этой GGUF-версии. Модель следует рассматривать как текстовую языковую модель общего назначения с заявленными преимуществами в корейско-английских и логических задачах, но возможны ошибки и ограничения, характерные для генеративных моделей. Использование регулируется Meta Llama 3 Community License Agreement.

Llama-3-Chinese-8B-Instruct-v2 — диалоговая языковая модель семейства Llama 3, разработанная HFL на основе Meta-Llama-3-8B-Instruct и дообученная на 5 млн инструкционных примеров. Модель с плотной архитектурой LlamaForCausalLM содержит 7,5 млрд параметров и предназначена для генерации текста в формате инструкций и чата. Модель подходит для диалогов, ответов на вопросы и других сценариев, где нужен ассистент, понимающий китайский и английский языки. Контекст составляет до 8192 токенов. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Карточка не приводит сравнительных результатов или конкретных ограничений качества; характеристики базовой модели не следует автоматически считать подтверждёнными для этой дообученной версии.

Модель 4yo1/llama3-pre1-pre2-lora3-mergkit-base22 — плотная языковая модель семейства Llama на 7,5 млрд параметров, опубликованная разработчиком 4yo1. Карточка описывает её как дообученную модель; метаданные указывают задачи text-generation и translation, а README — английский и корейский языки. Модель принимает текст и генерирует текст, в том числе для перевода между английским и корейским. Архитектура — LlamaForCausalLM, библиотека — Transformers, формат весов — safetensors, контекст — до 8192 токенов. README упоминает датасет 140kgpt, а метаданные — датасет pre. Модель распространяется по лицензии MIT. Карточка не приводит сравнительных оценок качества и подробностей обучения, поэтому пригодность для конкретных сценариев перевода и генерации следует проверять на собственных данных.

Llama-3-Typhoon-1.5X-8B-instruct — разговорная языковая модель SCB 10X Typhoon Team для генерации ответов по инструкциям на тайском и английском языках. Это плотная decoder-only модель семейства Llama с архитектурой LlamaForCausalLM и 7,5 млрд параметров; она принимает текст и выдаёт текст, поддерживает контекст до 8192 токенов и использует шаблон чата Llama 3. Модель создана методом редактирования весов task arithmetic на основе Typhoon 1.5 8B и Llama 3 8B Instruct. Она предназначена для диалоговых приложений, генерации с ограничениями, рассуждений и сценариев RAG. В README приведены оценки на ThaiExam, MMLU, MT-Bench и IFEval; авторы сообщают о конкурентных результатах, особенно для тайского языка. Авторы называют модель экспериментальной и предупреждают, что она не полностью оценена для всех сценариев; перед применением разработчикам следует учитывать риски конкретного приложения. Лицензия — Llama 3 Community License. Для использования указана Transformers версии 4.38.0 или новее.