I.7Речь, диалоги и встречи

cllm-0.0.2 — разговорная языковая модель семейства Llama, опубликованная пользователем anilguleroglu на Hugging Face. Это дообученная модель для генерации текста в диалоговом формате; в карточке указана оценка Loss 2.5767 на наборе для оценки, но назначение и состав этого набора не описаны. Модель содержит 368,3 млн параметров, использует архитектуру LlamaForCausalLM и библиотеку Transformers. Контекст — до 2048 токенов; веса доступны в формате safetensors. Карточка не сообщает, на каких данных и языках проводилось обучение, а также не содержит сведений о лицензии.

DuplexJev-B-Para-Qwen3-ASR-0.6B-Qwen3-4B — компактный аудиотекстовый коннектор семейства DuplexJev. Он принимает речь от замороженного энкодера Qwen3-ASR-0.6B и передаёт её через обучаемый проектор в замороженную языковую модель Qwen3-4B. На вопросы с заранее заданными вариантами ответа модель выдаёт распределение вероятностей по вариантам за один прямой проход без декодирования токенов, поэтому за один проход можно задать несколько вопросов. Модель предназначена для коротких решений по речи и определения характеристик говорящего, включая пол и эмоции. В README приведены оценки для вопросов по звучащей речи и измерения задержки; авторы предупреждают, что результаты зависят от формулировки запросов, а вопросы на общие знания модель решает хуже. Обучался только коннектор: использовались дистилляция транскриптов и данные для вопросов по содержанию, полу и эмоциям. Проверка проводилась на читаемой или актёрской речи и небольших тестовых наборах; потоковый режим не оценивался. Эмоциональные метки получены на актёрских корпусах и не предназначены для принятия решений о людях. Коннектор совместим только с указанными энкодером и LLM. Лицензия — CC BY-NC 4.0, то есть использование ограничено некоммерческими целями.

francesca9805/eus-latn-100mb-ppt-Dp-100mb-packed-bfd_seed10 — дообученная Francesca9805 модель для генерации текста, созданная на базе goldfish-models/eus_latn_100mb с использованием TRL. Она предназначена для продолжения текста и генерации ответов на запросы в формате диалога; в карточке показан пример ответа на открытый вопрос. Модель построена на архитектуре GPT-2, распространяется в формате safetensors и имеет контекст длиной 512 токенов. Лицензия в предоставленных данных не указана.

Eugleo/exp085-chat-d26-r10-00f3a2a63ea6-sft-2a7da638 — исследовательская чат-модель на архитектуре NanochatGPTForCausalLM. Это плотная языковая модель с 1,2 млрд параметров, дообученная на базе nvidia/ClimbMix по рецепту nanochat chat-SFT в течение одной эпохи. Для обучения использовались smoltalk, MMLU и decor_replay; модель связана с экспериментом по декорреляции и повторному использованию корпусов персон и диалогов. Модель предназначена для генерации ответов в чате на английском языке. Контекст составляет 2048 токенов. Карточка сообщает о значении validation bpb 0,2835, но не приводит результаты практических оценок и подробностей по качеству ответов. Репозиторий содержит веса Safetensors; для работы с архитектурой требуется trust_remote_code=True. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

Josiefied-Qwen2-0.5B-Instruct-abliterated — разговорная языковая модель, разработанная Гёкденизом Гюльмезом на основе Qwen2-0.5B-Instruct и дообученная на пользовательском наборе данных. Она предназначена для диалогов и генерации ответов в роли ассистента с менее ограничительным поведением. Модель использует плотную архитектуру Qwen2 и содержит 494 млн параметров. Она принимает текст и генерирует текст, поддерживает английский и немецкий языки, а длина контекста составляет до 32 768 токенов. Для запуска автор приводит шаблон Ollama; веса опубликованы в формате safetensors. Лицензия — Apache 2.0. Карточка не приводит оценок качества или подробностей обучающего набора. Автор предупреждает об использовании на свой риск; дообучение на менее ограничительные ответы может приводить к выдаче нежелательного или небезопасного контента.

Josiefied-Qwen2-1.5B-Instruct-abliterated — разговорная языковая модель, разработанная Гёкденизом Гюльмезом на основе Qwen2-1.5B-Instruct и дополнительно дообученная на пользовательском наборе данных для менее ограниченных ответов. Модель предназначена для диалогов с ассистентом и генерации текста; в карточке приведён шаблон для использования через Ollama. Модель имеет плотную архитектуру Qwen2 с 1,5 млрд параметров и контекстом до 32 768 токенов. В карточке заявлены английский и немецкий языки. Весовые файлы доступны в формате safetensors, библиотека для работы — Transformers. Лицензия — Apache 2.0. Карточка предупреждает об использовании на собственный риск, но не приводит оценок качества или подробностей о данных дообучения. Ориентация на менее ограниченные ответы может приводить к генерации нежелательного или небезопасного содержания.

karasu-1.1B-slerp_reverse — языковая модель для генерации текста, созданная объединением lightblue/karasu-1.1B и niryuu/Karasu-1.1b-chat-vector методом SLERP с помощью LazyMergekit. Модель построена на плотной архитектуре Llama и содержит 1 млрд параметров; веса доступны в формате Safetensors. Карточка описывает конфигурацию слияния, включающую разные коэффициенты для слоёв self-attention и MLP. Модель предназначена для генерации текста и диалоговых сценариев. В метаданных она описана как японская языковая модель на базе TinyLlama; длина контекста составляет 2048 токенов. Лицензия в предоставленных сведениях не указана.

KawaiiMahou-mistral-7B — дообученная модель на базе flammenai/Mahou-1.1-mistral-7B, опубликованная nbeerbower. Это плотная причинно-языковая модель Mistral с 7,1 млрд параметров, обученная методом Direct Preference Optimization на японском наборе диалоговых предпочтений. Модель предназначена для генерации текста в чатах и ролевых диалогах. Для взаимодействия используется формат ChatML; карточка рекомендует включить режим инструкций ChatML и задавать стоп-последовательности. Контекстная длина составляет 32 768 токенов. В метаданных указан Apache-2.0. Карточка не описывает качество на отдельных задачах или языковое покрытие помимо японского обучающего набора, поэтому поддержку японского следует считать наиболее обоснованной, но не гарантированной характеристикой.

Sao10K/L3-8B-Stheno-v3.2 — языковая модель Sao10K для генерации текста в формате диалога и инструкций. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM, содержащая 7,5 млрд параметров; опубликованные веса доступны в формате safetensors. Контекст модели составляет 8192 токена. Модель дообучена на данных для ролевых диалогов, написания рассказов и инструкций; в обучающую смесь вошли как безопасные, так и взрослые тексты. Автор отмечает улучшения в повествовании, соблюдении инструкций и многоходовой связности по сравнению с v3.1, а также более сбалансированную генерацию взрослого контента. Модель рассчитана на англоязычное применение. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование. В README упоминаются отдельные неудачные примеры, прошедшие фильтрацию, поэтому качество ответов и соблюдение границ контента могут варьироваться.

Mercury-C2-ep1 — модель преобразования речи в речь с полнодуплексным режимом, дообученная для диалогов с учётом времени реплик. Чекпойнт опубликован под кодовым названием; связанная статья проходит анонимное рецензирование. Модель использует архитектуру RaonDuplexModel и распространяется в формате safetensors. Модель обучали два этапа на 4 440 синтетических полнодуплексных диалогах; временные метки слов получены принудительным выравниванием сгенерированного аудио. В README указаны частота кадров 12,5 кадра в секунду и частота аудио 24 кГц. Приведённая оценка согласованности текста и аудио основана на артефактах самой модели и не использует эталонную расшифровку, поэтому её нельзя считать независимой оценкой качества. Модель предназначена для временно-согласованного речевого диалога в режиме полного дуплекса. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. Данные, код обучения и скрипты оценки не опубликованы.

NeuralStar_Story-9b — экспериментальная объединённая языковая модель от OmnicromsBrain, созданная с помощью LazyMergekit из StoryFusion-7B и NeuralStar-7b-Lazy. Она предназначена для генерации текста в диалоговом формате; базовая StoryFusion-7B ориентирована на англоязычные рассказы и художественные тексты по подсказке. Модель построена на архитектуре Mistral с плотной причинно-языковой сетью, содержит 10,6 млрд параметров и поддерживает контекст до 32 768 токенов. Модель подходит для создания рассказов и продолжения художественных текстов, а также для диалоговой генерации. README помечает её как тестируемую, поэтому качество и стабильность могут быть ограничены. Репозиторий содержит веса safetensors; лицензия в предоставленных данных не указана.

PygKiCOTlion — экспериментальное слияние модели Pygmalion-2-13b-SuperCOT и адаптера Kimiko v2, созданное KaraKaraWitch. Это плотная авторегрессионная модель семейства LLaMA с архитектурой LlamaForCausalLM, примерно 12,9 млрд параметров и контекстом до 4096 токенов. Модель предназначена для генерации текста; в карточке приведён простой формат диалога с системным промптом. Автор описывает модель как эксперимент и отмечает, что её поведение не проверено. При низкой температуре генерации ответы могут зацикливаться, а при высокой модель может хуже следовать заданному формату. В карточке указаны лицензии LLaMA 2 для PygKiCOTlion, MIT для SuperCOT и предположительная CC BY-NC-SA для Kimiko v2; условия использования производной модели следует сверять с лицензиями её компонентов.

Akimite/Qwen2-7b-Instruct-Boku-v3 — японская разговорная модель-ассистент, созданная как небольшое изменение Akimite/Qwen2-7b-Instruct-Boku-v2. Это плотная причинная языковая модель семейства Qwen2 с 7,1 млрд параметров, рассчитанная на генерацию текста в диалоге; метаданные указывают контекст до 32 768 токенов и поддержку чата. Модель предназначена для непринуждённых бесед, рекомендаций и помощи с вопросами или задачами на японском языке. Примеры показывают дружелюбную, эмоционально окрашенную манеру общения, но ответы могут быть многословными, повторяться и обрываться. В одном из примеров модель утверждает, что обладает человеческими чувствами, поэтому её высказывания о себе не следует считать достоверными. Репозиторий содержит веса Safetensors и распространяется по лицензии Apache-2.0. README называет модель минорным изменением версии v2 и приводит параметр layer_idx = 14 и SCALE_FACTOR = -1.0 с вопросительным знаком, не раскрывая подробностей обучения или изменений.

RIFA-CODE-0.6B-GGUF — квантизированная версия текстовой модели RIFA-CODE-0.6B, разработанной smshahbaj и преобразованной в формат GGUF пользователем mradermacher. Модель предназначена для генерации текста и диалоговых сценариев; по заявленным языкам поддерживает английский и бенгальский. Объём базовой модели составляет 0,6 млрд параметров. Доступны варианты с разным уровнем квантизации — от Q2_K до Q8_0, а также f16. Это позволяет выбирать между размером файла, скоростью работы и качеством: наиболее компактные файлы занимают около 0,4 ГБ, Q8_0 — около 0,7 ГБ, а версия f16 — около 1,3 ГБ. В README варианты Q4_K_S и Q4_K_M отмечены как быстрые и рекомендуемые, Q6_K — как обеспечивающий очень хорошее качество, а Q8_0 — как быстрый вариант с наилучшим качеством среди указанных. Модель может быть удобна для локального запуска и приложений, где важны небольшие требования к памяти. При этом README не содержит сведений об архитектуре, размере контекста, конкретных возможностях программирования, результатах тестирования или ограничениях качества, поэтому их нельзя оценить по имеющимся данным. Распространение указано на условиях лицензии Apache-2.0.

Shurale7B-v1 — диалоговая модель для непринуждённого общения, разработанная BobaZooba на базе Mistral-7B-v0.1. Это плотная авторегрессионная модель Mistral с 7,1 млрд параметров, предназначенная для продолжения диалога с учётом описания ситуации и участников. В метаданных указан контекст до 32 768 токенов, однако во время обучения максимальная длина составляла 2 048 токенов, поэтому длинные диалоги выходят за пределы её обучающего сценария. Модель обучена на более чем 1,1 млн синтетических диалогов из SODA и рассчитана на генерацию реплик и поддержание заданных персонажей и ситуаций. Для лучшего результата запрос обычно содержит краткое повествовательное описание и реплики участников; формат удобен для чат-ботов и ролевых диалогов. Карточка описывает обучение с QLoRA и сообщает, что модель не обучалась специально следовать инструкциям. Модель может выдавать однообразные или неестественные ответы, завершать разговор слишком рано и не подходит для задач, требующих проверенных фактов. Веса опубликованы в формате safetensors под лицензией Apache-2.0.

tzem — компактная языковая модель семейства Llama, разработанная автором репозитория blueapple8259. Модель предварительно обучена на очищенной версии датасета maywell/korean_textbooks: удалялись повторяющиеся предложения, записи без корейского текста и записи с HTML-тегами, а формат дискуссий приводился к единому виду с вежливой речью. Обучение ограничилось одной эпохой из-за стоимости. Модель предназначена для генерации текста и диалогов на корейском языке. Она содержит 144,5 млн параметров, использует архитектуру LlamaForCausalLM и поддерживает контекст до 2048 токенов. Файлы представлены в формате Safetensors. Указана лицензия MIT.

fpadovani/urd-arab-10mb-after-ppt-Dp-100mb-ckpt500_seed455 — языковая модель семейства GPT-2, дообученная автором на базе fpadovani/urd-arab-10mb-ppt-Dp-100mb_seed455 с использованием TRL. Она предназначена для генерации текста; в карточке приведён пример ответа на вопрос в формате диалога. Модель принимает текст и выдаёт текст, а максимальная длина контекста составляет 512 токенов. Модель сохранена в формате safetensors и использует библиотеку Transformers. Сведения о лицензии, целевых языках и специальных предметных областях в предоставленных источниках отсутствуют.

Модель zainulhakim/241103_wav2vec2_Augmented_Dataset — дообученная на неизвестном наборе данных версия facebook/wav2vec2-base для автоматического распознавания речи. Она использует архитектуру Wav2Vec2ForCTC и содержит 113,3 млн параметров; веса опубликованы в формате safetensors. Лицензия — Apache-2.0. На указанной в карточке оценочной выборке модель получила WER 1,0 и loss 1,8439. Эти результаты указывают на крайне низкое качество распознавания в данном тесте; данных о языке аудио, целевом сценарии и более подробных ограничениях карточка не предоставляет.

Модель Francesca9805 — дообученная с помощью TRL версия goldfish-models/arb_arab_100mb для генерации текста. Она использует архитектуру GPT-2 и предназначена для продолжения текста и ответов на запросы в формате диалога. Указанный в метаданных контекст составляет 512 токенов; веса опубликованы в формате safetensors. Карточка демонстрирует генерацию ответа на открытый вопрос, но не приводит оценок качества или подробностей обучения. Лицензия в предоставленных данных не указана.

Aura-4B — англоязычная чат-модель для ролевых диалогов, разработанная Aura Industries при участии Anthracite Org. Это дообученная модель семейства Llama на базе IntervitensInc/Llama-3.1-Minitron-4B-Width-Base-chatml: плотная архитектура LlamaForCausalLM с 3,9 млрд параметров, форматом ChatML и поддержкой контекста до 131 072 токенов. Для настройки использовались данные для продолжения текста, инструкций и ролевых сценариев; автор также сообщает о применении Kahneman-Tversky Optimization, призванной придать ответам характерный стиль. Модель предназначена для генерации ответов в чатах и ролевых сценах на английском языке. Репозиторий содержит веса Safetensors, а автор также перечисляет варианты квантования GGUF и EXL2. Лицензия — Apache-2.0. Автор не приводит результаты оценки качества: таблица лидерборда не заполнена.

Модель francesca9805/dan-latn-10mb-ppt-Dp-10mb-packed-bfdiso_seed3407 — дообученная с помощью TRL модель семейства GPT-2 на базе goldfish-models/dan_latn_10mb. Она предназначена для генерации текста: например, может продолжать ответ на заданный вопрос в формате диалога. Модель использует архитектуру GPT2LMHeadModel, сохраняется в формате safetensors и имеет контекст длиной 512 токенов. Карточка демонстрирует запуск через Transformers и генерацию до 128 новых токенов. Лицензия и сведения о языках в предоставленных источниках отсутствуют.

DuplexJev-B-Para-SenseVoice-Small-Qwen3-1.7B — компактная аудиотекстовая модель adventists-ai для коротких решений и анализа речевых признаков. Она объединяет замороженный аудиоэнкодер SenseVoice-Small с замороженной Qwen3-1.7B через обучаемый коннектор: последний слой энкодера проходит кадровое объединение и проекцию SwiGLU. Обучено 10,5 млн параметров коннектора; на вопросах с вариантами ответа модель выдаёт распределение вероятностей по вариантам за один проход без генерации токенов. Поддерживаются английский и китайский языки. Модель рассчитана на короткие задачи по аудиоклипам: ответы на простые вопросы о произнесённом, определение пола говорящего и распознавание эмоций. В карточке приведены результаты на небольших тестовых наборах и задержка 127 мс для одного события с десятью вопросами и клипом длительностью 4,5 секунды на H200. Модель обучена с дистилляцией транскриптов и смешанным обучением на речи и эмоциональных метках. Модель предназначена для работы только с указанными в README энкодером и LLM. Она слабо отвечает на вопросы, требующие общих знаний; проверена на прочитанной или разыгранной речи, но не на потоковом вводе. Эмоциональные метки основаны на актёрских корпусах, поэтому их не следует использовать для принятия решений о людях. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства и ограничивающая коммерческое применение.

EmojiLlama-3.1-8B — дообученная методом Direct Preference Optimization (DPO) модель семейства Llama, созданная на базе meta-llama/Llama-3.1-8B-Instruct. Она предназначена для диалогов и генерации текста в более дружелюбном, выразительном стиле, с шутками и эмодзи. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и принимает текстовые запросы; заявленная длина контекста — 131 072 токена. Модель подходит для разговорных помощников и создания неформальных ответов, где уместны юмор и эмодзи. В README указаны обучение в течение одной эпохи и шаблон запросов Llama 3. Лицензия — Apache-2.0. Карточка не сообщает о специальных мерах оценки качества или ограничениях; стиль генерации может быть менее уместен для формальных сценариев.

fpadovani/eus-latn-100mb-100mb_seed3407 — дообученная fpadovani версия модели goldfish-models/eus_latn_100mb. Модель построена на архитектуре GPT-2 и обучалась с помощью TRL; веса доступны в формате safetensors. Модель предназначена для генерации продолжения текста и ответов на запросы в формате диалога. В карточке приведён пример генерации ответа на открытый вопрос. Контекст модели составляет 512 токенов. Карточка не описывает языковую специализацию, качество ответов или дополнительные возможности. Лицензия в предоставленных данных не указана.

GLM-4-Voice of Reason (stitch) — модель Kyutai для диалога с речевым вводом и выводом, которая формирует рассуждения во время генерации речи. Она основана на GLM-4-Voice-9B и дообучена на диалогах с чередованием скрытых письменных рассуждений и произносимых фрагментов ответа, а затем обучена с подкреплением на математических текстовых задачах с оценкой бинарным LLM-судьёй. Модель предназначена для речевых диалогов, в которых ответ требует рассуждения, в частности для решения математических задач. В README приведён результат 0,771 на GSM8K по письменному каналу; это оценка на 1310 примерах с судьёй gpt-4o-2024-11-20. Архитектура — плотная ChatGLMForConditionalGeneration, размер — 11,4 млрд параметров, контекст — 8192 токена. Для обработки WAV требуется речевой токенизатор GLM-4-Voice, который в репозитории отсутствует. Модель распространяется в формате safetensors по лицензии, обозначенной как other; конкретные условия из доступных сведений установить нельзя. Результат GSM8K относится к письменному каналу и сам по себе не подтверждает такое же качество в речевом режиме.

Halu-8B-Llama3-Blackroot — экспериментальная разговорная языковая модель на архитектуре Llama 3, опубликованная Hastagaras. Это слияние методом Model Stock модели Hastagaras/Halu-8B-Llama3-v0.3 с вариантами на основе LoRA Blackroot/Llama-3-LongStory-LORA и Blackroot/Llama-3-8B-Abomination-LORA. Модель содержит около 7,5 млрд параметров, использует формат safetensors и поддерживает контекст до 8192 токенов. Модель предназначена для генерации текста в диалогах и ролевых сценариях; в README отмечены необычная, человекоподобная манера повествования и результаты оценок на нескольких бенчмарках. Разработчик указывает, что модель недостаточно проверена, а её качество заранее неизвестно. Также предупреждается о риске вредного, предвзятого и неподходящего содержания, особенно в ролевых диалогах. Лицензия — Llama 3. Для использования требуется соблюдать её условия. Модель не проходила обширного тестирования, поэтому её ответы следует проверять.

Модель francesca9805/ita-latn-100mb-ppt-Dp-10mb-packed-bfdiso_seed3407 — дообученная с помощью TRL модель семейства GPT-2 на базе goldfish-models/ita_latn_100mb. Она предназначена для генерации текста; карточка демонстрирует ответ на открытый вопрос в формате диалога. Модель использует архитектуру GPT2LMHeadModel, сохранена в формате safetensors и имеет контекст длиной 512 токенов. Лицензия и специальные целевые языки или области применения в доступных данных не установлены.

Это изменённая версия инструкционной языковой модели Liquid AI LFM2.5-1.2B-Instruct. Автор репозитория paperscarecrow применил к весам послойную ортогональную проекцию, чтобы ослабить встроенные механизмы отказа и фильтры безопасности. Архитектура сохраняет гибридное устройство LFM с Grouped Query Attention и непрерывными gated-short convolutions; проекция затрагивает слои смешивания токенов и каналов в 16 блоках декодера. Модель предназначена для диалоговой генерации текста и следования инструкциям, в том числе для запросов, на которые исходная модель могла отказывать отвечать. В карточке перечислены форматы safetensors и GGUF, включая BF16 и Q8_0; для загрузки через Transformers требуется trust_remote_code=True. Репозиторий доступен по лицензии Apache-2.0. Автор предупреждает о возможных сбоях PyTorch hipblas на потребительских AMD GPU RDNA3/7000 при использовании ROCm и рекомендует float16 либо перенос вычислений на CPU. Ослабление защитных отказов может привести к выдаче вредоносных или небезопасных ответов; качество и поведение изменённой модели отдельно не гарантированы.

Экспериментальная версия Ling-3.0-flash от Inclusion AI, в которой методом REAP удалена четверть маршрутизируемых экспертов. В каждом слое оставлено 384 из 512 экспертов; модель имеет 97 млрд параметров всего и 5,1 млрд активных параметров. Это гибридная MoE-модель для генерации диалогового текста, основанная на inclusionAI/Ling-3.0-flash. Эксперты отбирались однократно по значению router gate, умноженному на L2-норму выхода, на калибровочных данных объёмом 1 млн токенов из UltraChat. Дополнительного дообучения или восстановления после удаления экспертов не проводилось. Модель рассчитана на чат-сценарии; шаблон чата поддерживает параметр reasoning_effort. Указанное для базовой модели окно контекста составляет 262144 токена. Для загрузки нужны Transformers, формат BF16 Safetensors и пользовательский код архитектуры BailingMoeV3 с trust_remote_code=True. Модель предназначена для экспериментов с разрежением MoE и оценки влияния pruning на качество диалоговой генерации. Карточка называет её исследовательским артефактом; квантованные сборки вынесены в отдельный репозиторий. Лицензия в предоставленных данных не указана.

Модель georgesung/llama2_7b_chat_uncensored — дообученная автором Georgesung версия Llama 2 7B для диалоговой генерации текста. Она обучена методом QLoRA в течение одной эпохи на неотфильтрованном наборе диалогов Wizard-Vicuna и использует формат запросов с метками HUMAN и RESPONSE. Репозиторий содержит модель в формате Hugging Face fp16; архитектура — плотная причинно-следственная LlamaForCausalLM с 6,6 млрд параметров и контекстом 2048 токенов. Модель предназначена для открытых диалоговых ответов и генерации текста без фильтрации, характерной для некоторых чат-моделей. Её можно применять для экспериментов с диалоговыми ассистентами и локального запуска при наличии совместимой инфраструктуры Transformers. В карточке приведены результаты оценивания на наборах ARC и HellaSwag, но они сами по себе не гарантируют качество в иных сценариях. Лицензия указана как other, поэтому условия использования следует проверять в репозитории модели и у правообладателей базовой Llama 2.