I.7Речь, диалоги и встречи

LightChatAssistant-2x7B-optimized-experimental — экспериментальная японская языковая модель от Aratako для генерации текста в диалоговом формате. Она создана на основе объединения моделей Elizezen/Antler-7B и NTQAI/chatntq-ja-7b-v1.0: автор оптимизировал отдельные для каждого слоя коэффициенты сложения Chat Vector с помощью Optuna и TPE, а затем применил MoE. Архитектура Mixtral MoE, класс MixtralForCausalLM; объём модели — 7,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для генерации ответов и диалогов на японском языке. Оптимизация оценивалась на варианте MT-Bench с использованием оценок GPT-4. Автор подчёркивает, что улучшение качества не гарантировано: для поиска по пространству из 70 измерений было проведено лишь 50 испытаний, оценка GPT-4 может не совпадать с человеческой, а выбранные вопросы и способ разбиения по слоям могут быть неудачными. Модель опубликована под лицензией Apache-2.0; тег карточки также предупреждает о контенте для взрослой аудитории.

Модель nassimjp/MiniCPM5-1B-Pashto — версия MiniCPM5-1B с изменённым токенизатором, созданная автором репозитория на основе openbmb/MiniCPM5-1B. В словарь добавлены 46 отдельных токенов для символов пушту и урду, которые раньше разбивались на несколько токенов; всего в словаре 130 606 токенов. Модель построена на плотной архитектуре LlamaForCausalLM, содержит 837,6 млн параметров и рассчитана на контекст до 131 072 токенов. Она предназначена для генерации текста и диалогов, в том числе на пушту и урду, с более компактной токенизацией соответствующих письменных форм. Добавление токенов облегчает их представление, но само по себе не обучает модель лучше понимать или генерировать эти языки: автор указывает, что дообучения на данных пушту или урду не проводилось. Новые входные и выходные эмбеддинги инициализированы независимо. Модель распространяется по лицензии Apache-2.0.

Это дообученная модель генерации текста на базе GPT-2, созданная fpadovani и обученная с использованием TRL. Она предназначена для продолжения текста и генерации ответов на текстовые запросы; пример в карточке показывает вопрос в формате диалога и генерацию продолжения. Модель использует плотную архитектуру GPT2LMHeadModel, хранится в формате safetensors и принимает контекст длиной до 512 токенов. Базовая модель ориентирована на генерацию нидерландского текста, поэтому основные сценарии связаны с нидерландским языком. Карточка не сообщает результатов оценки качества. Условия лицензии в предоставленных данных не указаны.

Elfrino/PsyMedLewdReMM-Inverted-20B — объединённая языковая чат-модель семейства Llama, созданная методом SLERP с помощью mergekit на основе Undi95/PsyMedRP-v1-20B и Undi95/MLewd-ReMM-L2-Chat-20B-Inverted. Модель содержит 19,8 млрд параметров, использует архитектуру LlamaForCausalLM и формат safetensors; максимальная длина контекста — 4096 токенов. Модель предназначена для генерации диалогового текста. Названия исходных моделей указывают на ролевой и откровенный контекст, однако README не описывает конкретные сценарии применения или языковую специализацию. Модель размещена на Hugging Face 20 сентября 2024 года. Условия лицензирования в доступных данных не приведены. Короткое контекстное окно ограничивает работу с длинными диалогами и документами; сведений о качестве и систематической оценке модели нет.

Dobby-Unhinged-Llama-3.3-70B — языковая модель SentientAGI, дообученная на Meta Llama-3.3-70B-Instruct. Это плотная авторегрессионная модель на 69,5 млрд параметров для диалогов, генерации текста и создания разговорных или социальных агентов с резким, прямолинейным характером и выраженной поддержкой личной свободы, децентрализации и криптовалют. Модель сохраняет широкие возможности базовой инструктивной Llama и рассчитана прежде всего на англоязычное общение; её контекстное окно составляет 131 072 токена. Модель подходит для чат-ботов-компаньонов, персонажей и социальных агентов, которым нужен менее формальный, более дерзкий стиль. Её устойчивые взгляды могут быть полезны для тематических диалогов о криптовалютах и свободе, но ограничивают нейтральность в других обсуждениях. Ответы следует критически оценивать и не использовать как профессиональную финансовую или иную экспертную консультацию. Модель распространяется под лицензией Llama 3.3; доступен формат Safetensors.

Helvete-nano — текстовая генеративная модель VTXAI для диалогов, ролевых сцен и творческого письма. Это плотный авторегрессионный трансформер семейства Qwen 3.5 с примерно 1,7 млрд параметров; модель дообучена на базе syntropy-ai/Soren-1-Small с применением дистилляции, согласно README также использовались материалы HELVETE-X. Поддерживает формат диалога ChatML и контекст до 1 048 576 токенов. Модель предназначена для генерации свободного текста, длинных ролевых диалогов и художественных сцен, в том числе откровенного и мрачного содержания. Карточка заявляет об ослаблении механизмов отказа и специализации на NSFW-контенте; фактическое качество и поведение могут отличаться от этих заявлений. Модель не следует применять там, где необходимы надёжные защитные ограничения. Лицензия — Apache-2.0.

Mahou-1.5-mistral-nemo-12B — диалоговая языковая модель от flammenai на архитектуре Mistral, дообученная методом ORPO на наборе MahouMix-v1 в течение трёх эпох. Модель содержит 12,1 млрд параметров и рассчитана на короткие сообщения в разговорном контексте, непринуждённое общение и ролевые сценарии. Модель принимает текст и выдаёт текст. Она обучена работать с форматом ChatML; для ролевых ответов README рекомендует оформлять речь без кавычек, а действия — между звёздочками. В метаданных указан контекст размером до 1 024 000 токенов. Модель доступна по лицензии Apache 2.0. Карточка приводит результаты оценок Open LLM Leaderboard, включая IFEval и BBH, но не описывает их методику подробно. Основное назначение — короткий диалог и ролевая игра; качество на других задачах этими сведениями не подтверждено.

gghfez разработал модель OpenWebUI Title Generator на основе дообученной Gemma 3 270M. Она принимает историю чата и генерирует краткий заголовок из 3–5 слов с подходящим эмодзи в формате JSON. Модель рассчитана на назначение Task Model в OpenWebUI, быстрое создание заголовков и краткое выделение темы диалога. Это плотная авторегрессионная текстовая модель семейства Gemma 3 с 257 млн параметров и контекстом до 32 768 токенов. Для дообучения использовано 8 900 примеров генерации заголовков; доступны веса в формате safetensors. В карточке указана лицензия Gemma. Модель специализирована на заголовках для OpenWebUI и может хуже работать в других чат-интерфейсах. Эмодзи могут располагаться непоследовательно или отсутствовать; модель тестировалась только в BF16.

Qwen3-0.6B-mcqa-noreason-phase1 — дообученная модель Ruberri на базе Qwen/Qwen3-0.6B-Base, обученная с использованием TRL. Это плотная авторегрессионная языковая модель с 507,9 млн параметров и контекстом до 32 768 токенов; она принимает текст и генерирует продолжение в формате диалога. По названию и примеру использования модель ориентирована на ответы на вопросы с несколькими вариантами и ответы без рассуждений, однако карточка не описывает результаты оценки этих возможностей. Модель подходит для генерации кратких ответов на вопросы и прототипирования диалоговых сценариев на базе небольшой языковой модели. Доступна в формате Safetensors для Transformers. Лицензия в предоставленных сведениях не указана.

BoostBot — диалоговая модель на архитектуре InternLM2, дообученная на базе InternLM2.5-7B-Chat. Она предназначена для генерации персонализированных комплиментов и доброжелательных, ободряющих ответов, которые помогают поднять настроение, поддержать уверенность и сделать общение в социальных и рабочих ситуациях более непринуждённым. Модель содержит 7,4 млрд параметров, принимает текст и генерирует текст; заявленный контекст — до 32 768 токенов. В метаданных указан английский язык и интерфейс чата. Репозиторий распространяется по лицензии Apache-2.0. Карточка описывает модель как помощника для эмоциональной поддержки в повседневном общении. Она не позиционируется как клинический инструмент или замена профессиональной помощи; качество и уместность сгенерированных комплиментов могут зависеть от контекста.

navthings/lilchat — это компактная разговорная языковая модель, созданная автором navthings дообучением с нуля обученной navthings/lilbase. Модель построена на плотной архитектуре Llama с классом LlamaForCausalLM, содержит около 297 млн параметров и рассчитана на контекст до 1024 токенов. Она дообучена методом полного SFT на части набора HuggingFaceTB/smol-smoltalk и использует формат чата в стиле Llama 2. Модель предназначена для генерации ответов в диалоге, включая связные фразы, списки и блоки кода. Доступны веса Safetensors и варианты GGUF Q8_0 и Q4_K_M. Автор отмечает слабое знание фактов, уверенные ошибки в фактических вопросах и математике, слабую память между ходами диалога и склонность к зацикливанию при жадном декодировании; рекомендуется температура 0,4. В метаданных указан английский язык. Лицензия в предоставленных данных не указана.

mpasila/Llama-3.1-Discord-Short-8B — плотная языковая модель семейства Llama 3.1, разработанная mpasila и дообученная на коротких диалогах из Discord. Она предназначена для генерации текста в формате чата и имитирования краткого разговорного стиля. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и поддерживает контекст до 131 072 токенов. Дообучение выполнено на unsloth/Meta-Llama-3.1-8B с использованием обычного LoRA, без QLoRA, на одном наборе данных; в карточке указаны одна эпоха обучения и форматирование Llama 3.1. Модель принимает текстовые сообщения и генерирует текстовые ответы. Основной заявленный язык — английский. Лицензия — Llama 3.1 Community License Agreement; применяются её условия.

FPHam/Llama-3-8B-Sydney — чат-модель, созданная FPHam на основе Llama 3 8B и дообученная на публикациях Reddit с расшифровками ответов ранней бета-версии чат-поиска Bing. Она воспроизводит образ Sydney как позитивного, выразительного собеседника, поддерживает уточняющие вопросы и обладает энциклопедическими знаниями, хотя яркая персона может доминировать над содержанием ответов. Модель использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и рассчитана на контекст до 8192 токенов; для диалогов применяется шаблон ALPACA. Предназначена для генерации разговорных ответов и ролевых диалогов на английском языке. Распространяется по лицензии Meta Llama 3 Community License Agreement.

baim1999/llama3-legal-chatbot — дообученная модель baim1999 на базе unsloth/Llama-3.1-8B-Instruct-bnb-4bit. Это плотная языковая модель семейства Llama с архитектурой LlamaForCausalLM и 7,5 млрд параметров; она предназначена для генерации текста в диалоговом формате. Название указывает на юридическую тематику, однако карточка не описывает конкретные правовые задачи или специализацию обучения. Модель принимает текст и генерирует текст, поддерживает английский язык и контекст до 131 072 токенов. В карточке указано, что обучение выполнялось с Unsloth и библиотекой TRL. Модель распространяется по лицензии Apache-2.0.

mRP-LLM — разговорная модель для ролевого общения, разработанная tungwongchi. Она объединяет несколько персонажей в одной модели, чтобы экономнее использовать ресурсы и поддерживать разнообразные ролевые сценарии. Метаданные указывают на архитектуру InternLM2 с 7,4 млрд параметров, контекст до 32 768 токенов и поддержку чата. Модель опубликована в формате PyTorch под лицензией Apache 2.0.

violetxi выпустил дообученный чекпойнт Qwen3.5-9B для диалоговых и агентных сценариев Harvey, в которых ответы формируются с опорой на усвоенные заметки. Обучение сочетало предсказание следующих токенов в заметках и генерацию ответов в траекториях с заметками: 70% разметки приходилось на заметки, 30% — на ответы ассистента. Представленная версия checkpoint-60 завершает два прохода обучения и включает 60 обновлений оптимизатора. Модель основана на плотной архитектуре Qwen3.5-9B и поставляется в формате safetensors для Transformers. В README описана оценка агентных ответов по критериям Harvey и отдельные закрытые пробы на воспроизведение фактов из заметок. В исторической оценке доля попыток, прошедших все критерии, составила 2,30% при бюджете в 5 ходов и 3,10% при 20 ходах; это указывает на ограниченную успешность в оценённом сценарии, а новые эталонные запуски для публикации не проводились. Метаданные указывают английский язык, диалоговый интерфейс и интерфейс вызова инструментов; базовая Qwen3.5-9B также мультимодальна, однако README не описывает проверку визуальных возможностей именно этого дообученного чекпойнта. Лицензия — Apache-2.0.

TACTutor — разговорный репетитор английского языка на 4 млрд параметров, разработанный организацией TACT (Taxonomy-Aligned Conversational Tutor). Модель основана на Qwen3.5-4B-Base и дообучена методом SFT с последующей оптимизацией GRPO, согласованной с педагогической таксономией. Она распространяется как объединённая модель Transformers в формате safetensors. TACTutor предназначена для генерации следующего ответа преподавателя в диалоге об изучении английского. Модель может помогать с обратной связью, пошаговым пересмотром текста ученика, уточнениями и поддержкой учебной беседы; её также используют для исследований адаптивного педагогического диалога. В метаданных указана архитектура Qwen3.5 и возможность чата. В README не приведены длина контекста и поддержка изображений для самой дообученной модели. В диагностическом наборе TACTBench из 78 пунктов выбранный чекпойнт получил общий балл 0,832 и долю принятия ответа 0,872; результаты получены до публикации пяти примеров набора. Обучающий корпус и скрытая часть бенчмарка в репозитории отсутствуют. Авторы предупреждают, что ответы могут быть ошибочными, чрезмерно прямолинейными или неуместными; поведение вне обучения английскому языку не установлено, а для важных образовательных решений требуется проверка человеком. Лицензия модели — Apache-2.0; исходные диалоги происходят из TSCC v2, для которого действует отдельное пользовательское соглашение.

tiny-ko-20m-sft — дообученная автором minpeter разговорная языковая модель на архитектуре Llama с 20 млн параметров. Модель предназначена для генерации текста и диалоговых ответов на корейском языке; длина контекста составляет 8192 токена. Она создана на основе minpeter/tiny-ko-20m-base и дообучена на наборах корейских инструкций, диалогов и текстов, включая Korean-FineTome-100k, smol-koreantalk и наборы Evol-Instruct, Alpaca-GPT4 и ShareGPT на корейском языке. Модель подходит для экспериментов с компактными корейскоязычными чат-моделями и генерацией ответов по инструкциям. Оценки качества и подробные ограничения в карточке не приведены. Файлы весов опубликованы в формате safetensors; сведения о лицензии отсутствуют.

kenrouse разработал и дообучил Whisper Small для распознавания японской речи с медицинской терминологией. Модель принимает аудио и выдаёт текст; она основана на openai/whisper-small и содержит 153,1 млн параметров по метаданным Hugging Face. В карточке также указаны форматы Transformers и GGML для использования с whisper.cpp и Whisper.NET. Модель предназначена для транскрибирования медицинской речи, включая голосовой ввод в электронные медицинские карты и разговоры с медицинскими терминами. Для дообучения использовали словарь DMiME 1.1: текст терминов преобразовывали в аудио с помощью синтеза речи; README сообщает о 66 015 обучающих и 8 251 проверочном примере. Лицензия — Apache 2.0. Специализация на медицинской лексике может снижать точность распознавания обычной речи по сравнению с базовой моделью. Обучение на синтетической речи также может ограничивать перенос качества на реальные человеческие голоса.

1pp-1.7b-ua-sft — экспериментальная модель диалоговой генерации от проекта One Persona Pretraining (1PP, EPFL DLAB). Это плотная авторегрессионная модель архитектуры Llama с 1,66 млрд параметров: 24 слоя, скрытый размер 2048, словарь SmolLM2 на 49 152 токена и контекст 4096 токенов. Модель обучалась на переписанных диалогах из 47,8 млн исходных документов с функцией потерь на репликах пользователя и ассистента, а затем прошла supervised fine-tuning на смеси из 400 тыс. диалогов. Модель предназначена для экспериментов с генерацией диалогов и изучения влияния условий предобучения на поведение языковых моделей. Она принимает текст в формате ChatML без системного сообщения и генерирует текстовый ответ; основным языком карточка указывает английский. Авторы отдельно отмечают, что это исследовательский артефакт проекта, а не универсальный ассистент. Лицензия — Apache-2.0.

Модель coding-zzz-oe/bert-motivational-interviewing разработана как дообученная версия BERT-base-uncased для классификации отдельных высказываний клиента в диалогах мотивационного интервьюирования. Она относит реплики к трём классам: речь в пользу изменений, нейтральная речь и речь в пользу сохранения текущего поведения. Модель имеет архитектуру BERT для классификации последовательностей, содержит 136,7 млн параметров и принимает контекст до 512 токенов. Модель предназначена для анализа сессий мотивационного интервьюирования, обучения консультантов и исследовательских сценариев; её также можно использовать как компонент автоматизированных диалоговых систем. Она обучена на англоязычном наборе AnnoMI примерно из 2400 обучающих высказываний. На тестовой выборке точность составляет 70,1%, а macro F1 — 57,9%; нейтральный класс распознаётся лучше, чем классы изменения и сохранения поведения. Модель оценивает реплики по отдельности, без контекста разговора, и может хуже работать за пределами диалогов мотивационного интервьюирования. Лицензия — MIT. Результаты следует проверять специалистам; модель не заменяет консультанта.

Riyuechang/Breeze-7B-PTT-Chat-v1 — чат-модель на архитектуре Mistral, дообученная Riyuechang на базе MediaTek-Research/Breeze-7B-Instruct-v1_0 с помощью LoRA. Для обучения использовались отфильтрованные данные из раздела Gossiping форума PTT; поэтому модель предназначена прежде всего для диалогов и ответов в контексте разговоров и тем, характерных для этого корпуса. Модель содержит 7,2 млрд параметров, принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. Базовая Breeze рассчитана на традиционный китайский и английский языки; обучение на PTT делает релевантным традиционный китайский, но README не уточняет отдельные языковые показатели этой версии. Репозиторий содержит веса safetensors и опубликован по лицензии Apache-2.0.

Cadet-Tiny — небольшая разговорная модель, созданная Todd Goldfarb по мотивам Cosmo-XL и дообученная на наборе данных SODA от AI2. Она основана на предварительно обученной модели Google t5-small и предназначена для генерации ответов в диалоге, в том числе на маломощных устройствах вроде Raspberry Pi с 2 ГБ оперативной памяти. Модель использует архитектуру T5 с последовательным преобразованием текста в текст, содержит 38,5 млн параметров и рассчитана на контекст до 512 токенов. Указана поддержка английского языка. Репозиторий содержит веса PyTorch, а лицензия — OpenRAIL. Малый размер упрощает запуск на периферийных устройствах, однако модель обучена на SODA и ориентирована на простые разговорные сценарии; качество и надёжность для сложных задач или иных областей в карточке не заявлены.

harpertoken/chat — англоязычная авторегрессионная модель GPT-2, дообученная на корпусе DailyDialog с короткими повседневными диалогами. Это GPT-2 с 124 млн параметров и архитектурой из 12 слоёв; модель принимает текст и генерирует его продолжение, обычно в стиле повседневной беседы. Максимальный контекст — 1024 токена. Модель не задаёт протокол общения и не гарантирует следование инструкциям или корректную смену реплик. Чекпойнт подходит для экспериментов с генерацией коротких диалоговых продолжений и имитацией вежливой бытовой беседы. Дообучение на узком корпусе помогает с приветствиями и прощаниями, но ограничивает разнообразие тем и стилей; ответы могут быть беглыми, но фактически неверными. Веса доступны в формате safetensors, библиотека — Transformers. Лицензия — MIT.

eeshakrishna2002/gpt2-Therapy2 — англоязычная текстовая модель генерации на архитектуре GPT-2, дообученная на базе gorkemgoknar/gpt2chatbotenglish. Она предназначена для генерации продолжений текста в формате чат-бота; название указывает на терапевтический сценарий, но README не подтверждает специальную терапевтическую настройку или пригодность для психологической помощи. Модель использует формат safetensors, принимает текст и выдаёт текст, контекст — до 1024 токенов. Лицензия — CC BY 4.0. Данные обучения и результаты оценки не описаны.

Hastagaras/L3.2-JametMini-3B-MK.III — диалоговая языковая модель на базе Llama 3.2 3B Instruct от Meta, дообученная автором для попытки воссоздать модель Blackroot. Это плотная трансформерная архитектура LlamaForCausalLM с 3,2 млрд параметров, рассчитанная на генерацию текста и диалог. В README указаны шаблон чата Llama 3 и рекомендация не устанавливать temperature выше 1. Модель предназначена для разговорных ответов и ролевого общения с грубоватой, вспыльчивой манерой речи. Автор сообщает о двух этапах дообучения: сначала на сборном текстовом наборе, затем на собственных логах; состав данных и подробности обучения раскрыты неполно. Метаданные указывают контекст до 131 072 токенов и возможности чата и интерфейса вызова инструментов. Поддерживаемые языки наследуются от мультиязычной базовой модели Llama 3.2; конкретный языковой состав дообучения не описан. Лицензия — Llama 3.2; ограничения базовой модели и условия лицензии следует учитывать при использовании производной модели.

Это экспериментальный структурно прореженный чекпойнт модели openai/gpt-oss-120b, опубликованный jayzou3773. В нём методом Less-is-MoE удалено 50% нейронов FFN у маршрутизируемых экспертов; калибровка выполнена на 64 примерах из конфигурации gpqa_main набора Idavidrein/gpqa. Применялись shuffled choices и поля Question и Explanation, а исходные веса MXFP4 перед оценкой и прореживанием деквантизированы в BF16. Оптимизационный шаг не выполнялся. Модель использует архитектуру GPT-OSS с MoE и предназначена для генерации текста в диалоговом режиме. Метаданные указывают 1,7 млрд параметров и контекст до 131072 токенов. Чекпойнт сохранён в safetensors и распространяется по лицензии Apache-2.0. Карточка описывает процедуру прореживания, но не приводит результатов оценки качества, поэтому нельзя судить о сохранении способностей исходной модели или пригодности для конкретных прикладных сценариев.

BlouseJury/Mistral-7B-Discord-0.2 — дообученная модель семейства Mistral от автора репозитория BlouseJury. Согласно README, она обучена на примерно 40 млн токенов преимущественно неформатированных анонимизированных сообщений Discord в течение четырёх эпох; в карточке базовой моделью названа mistralai/Mistral-7B-v0.1. Это причинная языковая модель с плотной архитектурой и 7,1 млрд параметров, предназначенная для генерации текста, в том числе в стиле неформальной переписки. Модель принимает текст и генерирует текст. Метаданные указывают английский язык и контекст до 32 768 токенов; опубликована в формате safetensors. В README приведены результаты Open LLM Leaderboard: среднее значение 59,55, AI2 Reasoning Challenge — 60,58 и HellaSwag — 82,49. Лицензия — Apache-2.0. Специализация на сообщениях Discord и их неформальном стиле может ограничивать переносимость поведения на другие типы запросов; README не приводит отдельной оценки таких ограничений.

Это экспериментальная версия Qwen3.5-0.8B, изменённая автором amkkk методом абляции направления отказа. В репозитории опубликованы полные веса и логика вмешательства: направление извлекается из слоя 14 и с силой 0,35 применяется ко всем 24 слоям. Модель предназначена для диалоговой генерации текста и мультимодального общения с изображениями; метаданные также указывают интерфейс вызова инструментов. В README приведены результаты авторской оценки: число отказов на вредоносных запросах снизилось с 131 до 6 из 150, при этом число отказов на безвредных запросах осталось 4 из 150. Модель построена на Qwen/Qwen3.5-0.8B и распространяется в формате safetensors по лицензии Apache-2.0. Автор предупреждает о возможном ухудшении связности, повторяемости и качестве ответов при абляции на всех слоях. Приведённые оценки ограничены описанными тестами и не подтверждают безопасность или надёжность модели в других сценариях.

Samantha-120b — текстовая диалоговая модель QuixiAI на архитектуре Llama, созданная слиянием методом passthrough модели Samantha-1.11-70b с самой собой. Она предназначена для разговоров в формате Vicuna 1.1 и выступает в роли дружелюбного ИИ-компаньона и помощника. В обучении использовались 6 000 специально отобранных диалогов в формате ShareGPT/Vicuna; заявленные темы включают философию, психологию и личные отношения. Модель содержит 120,1 млрд параметров и рассчитана на контекст до 4 096 токенов. Модель подходит для непринуждённых бесед, обсуждения личных переживаний и общих вопросов, а также для размышлений о жизненных и карьерных решениях. В README утверждается, что слияние углубляет цепочку рассуждений и расширяет доступ к знаниям исходной модели. Samantha не участвует в ролевых играх, романтических или сексуальных взаимодействиях. Она основана на Llama 2 и распространяется по лицензии Llama 2, допускающей коммерческое и некоммерческое использование с ограничениями.