I.7Речь, диалоги и встречи

Josiefied-Huihui-MoE-12B-A4B — языковая модель Goekdeniz-Guelmez, дообученная на Huihui-MoE-12B-A4B-abliterated. Это разреженная MoE-модель семейства Qwen3, предназначенная для генерации текста в диалогах и следования инструкциям; заявлена поддержка вызова инструментов. В метаданных указаны 3,7 млрд параметров и контекст до 40 960 токенов. Разработчик позиционирует модель как вариант с ослабленными ограничениями на ответы, при этом заявляя сохранение следования инструкциям и работы с инструментами. Она подходит для диалоговых приложений и свободной генерации текста. Модель распространяется в формате safetensors; README также упоминает варианты GGUF от стороннего автора. Лицензия в предоставленных данных не указана.

Это дообученная модель ljh728 на базе диалоговой Kakao Kanana 1.5 Instruct с 7,5 млрд параметров. Она использует архитектуру Llama и предназначена для генерации текста в формате диалога; метаданные также указывают интерфейс вызова инструментов. Модель принимает текст и генерирует текст, а контекст составляет до 32 768 токенов. Модель сохранена в формате Safetensors и распространяется по лицензии Apache-2.0. README сообщает об обучении с использованием Unsloth и библиотеки TRL, но не описывает конкретные изменения поведения, данные или результаты дообучения, поэтому специализацию Persona по имеющимся сведениям определить нельзя.

karasu-7B-chat-plus-unleashed — разговорная языковая модель, разработанная Lightblue и дообученная на базе lightblue/karasu-7B. Она предназначена для генерации ответов в диалоге и других сценариев текстового общения. В обучении использовались японские чаты OASST и ShareGPT, набор augmxnt/ultra-orca-boros-en-ja-v1, а также собственные датасеты Lightblue; из категории отказов было удалено около 6 тысяч примеров. Модель построена на плотной архитектуре Mistral и содержит 7,5 млрд параметров. Поддерживает контекст до 32 768 токенов, работает с текстом и рассчитана прежде всего на японский и английский языки. Опубликована в формате safetensors под лицензией Apache-2.0. Название «unleashed» и удаление примеров отказов могут означать менее частые отказы в ответах, однако README не уточняет поведение модели или связанные с этим ограничения.

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.

Kisoku 1.6B Preview — англоязычная плотная языковая модель на 1,6 млрд параметров, разработанная 0ARCH. Модель создана с нуля: после предварительного обучения на Google TPU её дополнительно настроили на диалогах и инструкциях. Архитектура выполнена в стиле Qwen3 и загружается как Qwen3ForCausalLM; доступны веса safetensors для Transformers, а сборки GGUF размещены в отдельном репозитории. Модель предназначена для генерации текста, диалогов и выполнения инструкций. Она поддерживает контекст до 4096 токенов и обучена на англоязычных данных, включая наборы для диалогов, кода и математики. Это предварительная версия: завершён первый этап из трёх запланированных этапов предварительного обучения. Разработчик отмечает слабые результаты в математике и многошаговых рассуждениях, а также склонность уверенно выдумывать факты; значимые ответы следует проверять. У модели нет настройки безопасности, и она обучена отвечать прямо, без отказов. Лицензия — MIT.

L3.3-San-Mai-R1-70b — языковая модель SteelSkull для генерации диалоговых ответов и текстовых историй. Это плотная авторегрессионная модель семейства Llama с 69,5 млрд параметров и контекстом до 131 072 токенов. Она создана на основе TheSkullery/L3.1x3.3-DS-Hydroblated-R1-70B-v4.1 и объединяет компоненты нескольких моделей методом SCE merge; автор выделяет связность ответов, рассуждения, творческое письмо и понимание сцен и персонажей. Модель рассчитана на диалоги, творческое письмо, анализ персонажей и генерацию подробных описаний. Метаданные отмечают интерфейс для вызова инструментов, однако README не приводит примеров его использования. Модель доступна в формате Safetensors под лицензией Llama 3.3. Опубликованные в README результаты бенчмарка и оценки способностей являются данными автора и не гарантируют качество в конкретных задачах.

Azazelle/L3-Hecate-8B-v1.0 — разговорная языковая модель, созданная слиянием предварительно обученных моделей с помощью mergekit. В основе лежит failspy/Meta-Llama-3-8B-Instruct-abliterated-v3; итоговая модель относится к архитектуре LlamaForCausalLM и содержит 7,5 млрд параметров. Модель предназначена для генерации текста в диалогах, включая сценарии общения и ролевые диалоги. Она принимает текст и выдаёт текст; заявленный контекст — 8192 токена. README описывает слияние нескольких моделей и LoRA-слияний с последующим ExPO, но не приводит сравнительных оценок качества. Модель распространяется под лицензией llama3. Карточка рекомендует параметры сэмплирования для генерации, однако не указывает поддерживаемые языки и специализированные предметные области.

MuXodious выпустил LFM2.5-8B-A1B-SOMPOA-heresy — дообученную версию мультиязычной модели Liquid AI LFM2.5-8B-A1B, обработанную инструментом Heretic с применением Self-Organizing Maps и Magnitude-Preserving Orthogonal Ablation. Модель построена на MoE-архитектуре для генерации текста и диалогов. В метаданных указаны 1,6 млрд параметров и контекст до 128 000 токенов; файлы представлены в формате safetensors. Модель предназначена для диалоговых ответов и генерации текста. В карточке приведены результаты снижения числа отказов с 412 до 14 на наборе из 416 примеров. Поддерживаемые языки по метаданным: английский, арабский, китайский, французский, немецкий, японский, корейский, испанский, португальский и итальянский. Автор отмечает необычное поведение модели и сохраняющиеся отказы; попытки пропускать цепочку рассуждений могли влиять на ответы. Лицензия указана как other, поэтому условия следует уточнить на странице репозитория.

LLaDA-1.5 — плотная языковая модель семейства LLaDA от GSAI-ML, предназначенная для генерации текста и диалогового взаимодействия. Для загрузки автор рекомендует библиотеку Transformers; веса доступны в формате Safetensors. Модель можно использовать для построения чат-ботов и приложений, генерирующих текст по текстовому запросу. Карточка не приводит размер модели, длину контекста, поддерживаемые языки или результаты оценки качества. Лицензия MIT разрешает использование, модификацию и распространение на её условиях.

LLama-3.1-4B-TitanFusion — диалоговая языковая модель, созданная слиянием весов трёх моделей методом Model Stock с помощью mergekit. Базой слияния послужила MagpieLM-4B-Chat-v0.1; также объединены anthracite-org/magnum-v2-4b и TheDrummer/Hubble-4B-v1. Модель построена на плотной архитектуре LlamaForCausalLM, содержит 3,9 млрд параметров и предназначена для генерации текста и диалоговых ответов. Заявленная длина контекста — 131 072 токена. Поддерживается чатовый сценарий; модель опубликована в формате safetensors для библиотеки Transformers. Карточка не приводит результатов сравнительной оценки или подробных ограничений качества. Веса представлены в формате bfloat16. Лицензия в предоставленных данных не указана.

promotion/Llama-3.1-8B-SafeRLHF-NBPO-finitepool — диалоговая языковая модель на архитектуре Llama, дообученная методом Nash Bargaining Preference Optimization (NBPO) на наборе SafeRLHF. Она предназначена для генерации ответов с учётом двух целей: полезности и безвредности. Основа и эталонная политика — meta-llama/Llama-3.1-8B-Instruct; модель содержит 7,5 млрд параметров и принимает контекст длиной до 131 072 токенов. В README описана конечнопуловая реализация NBPO с проекционным спуском по двойственным переменным, попарными целями и регрессией сумм последовательностей. Обучение включало 300 обновлений оптимизатора с глобальным размером пакета 16. В статье модель оценивали на отложенных промптах, сравнивая полезность и безвредность ответов с общей эталонной политикой; оценивание проводила Llama-3.3-70B-Instruct. Модель подходит для диалоговой генерации ответов, где важно совместно учитывать полезность и безвредность. Данных недостаточно, чтобы утверждать, что она гарантированно предотвращает вредные ответы или превосходит базовую модель во всех сценариях; результаты оценки ограничены описанным протоколом. Лицензия — Llama 3.1.

RDson/Llama-3-Magenta-Instruct-4x8B-MoE — экспериментальная разговорная языковая модель на архитектуре MixtralForCausalLM с разреженной смесью экспертов (MoE), созданная с помощью Mergekit на основе четырёх моделей Llama 3 8B: Meta-Llama-3-8B-Instruct, Llama3-ChatQA-1.5-8B, SFR-Iterative-DPO-LLaMA-3-8B-R и Llama3-8B-OpenHermes-DPO. Репозиторий содержит веса в формате safetensors; модель предназначена для генерации текста в диалогах. По метаданным, общий размер составляет 7,5 млрд параметров, а контекст — 8192 токена. Модель может подойти для ведения диалогов и генерации ответов на запросы. В карточке автор называет её экспериментальной и указывает на более новую версию Llama-3-Peach-Instruct-4x8B-MoE. Лицензия в предоставленных данных не указана.

RicAIEng дообучил модель unsloth/llama-3-8b-bnb-4bit — плотную языковую модель семейства Llama 3 с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров. Модель предназначена для генерации текста в диалоговом формате. Модель принимает текст и выдаёт текст; поддерживает английский язык и имеет контекстное окно 8192 токена. Для обучения использовались Unsloth и библиотека Hugging Face TRL. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0.

FrancescoBuda дообучил модель семейства Llama для генерации текста на основе unsloth/Llama-3.2-3B-Instruct-bnb-4bit. Это плотная авторегрессионная модель с архитектурой LlamaForCausalLM, содержащая 3,2 млрд параметров; в метаданных указан контекст длиной 131 072 токена. Модель поддерживает диалоговый режим и интерфейс вызова инструментов. В README указано, что обучение проводилось с использованием Unsloth и библиотеки TRL. Модель предназначена для генерации текста и диалоговых сценариев. Карточка не описывает специальную предметную область или конкретные прикладные возможности ICD-кодирования, поэтому их нельзя подтвердить по представленным данным. Лицензия — Apache-2.0.

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

MaziyarPanahi/LWM-14b-Text-Chat-1M-GGUF — набор файлов модели в формате GGUF для mergekit-community/LWM-14b-Text-Chat-1M. Исходная модель создана mergekit-community, а GGUF-квантизацию подготовил MaziyarPanahi. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск через llama.cpp и совместимые приложения и библиотеки. README не содержит данных о точной архитектуре, числе параметров исходной модели, поддерживаемых языках или фактическом размере контекста, однако из идентификатора следует обозначение класса 14B и контекст 1M; эти характеристики не раскрыты подробно. Доступны варианты квантизации с разной разрядностью — от 2 до 8 бит, что позволяет выбирать компромисс между требованиями к памяти, скоростью и качеством вывода. Формат GGUF поддерживается llama.cpp, llama-cpp-python, LM Studio, text-generation-webui, KoboldCpp, GPT4All и другими инструментами для локального инференса. Лицензия в README не указана, поэтому условия использования необходимо уточнять в карточке исходной модели и репозитории автора.

cstr/m2m100-418m-GGUF — конвертация мультиязычной модели facebook/m2m100_418M в формат GGUF/GGML. Исходная модель разработана Facebook; данный репозиторий поддерживается для использования с CrispStrobe/CrispASR и не изменяет архитектуру или возможности исходной модели. Лицензия — MIT. Модель предназначена для машинного перевода между 100 языками в любых направлениях без обязательного промежуточного перевода через английский. Она также может использоваться в конвейерах автоматического распознавания речи и последующего перевода через CrispASR. Поддерживаются языки, включая английский, русский, немецкий, французский, испанский, китайский, японский и другие; полный набор включает 100 языковых кодов. Это encoder-decoder Transformer на 418 млн параметров с 12 слоями энкодера и 12 слоями декодера, размерностью 1024, 16 головами внимания и FFN-размером 4096. Используются SentencePiece BPE-токенизатор с вокабуляром около 128 тысяч токенов, синусоидальные позиционные эмбеддинги и общий слой эмбеддингов. Доступны варианты F16 размером около 935 МБ, Q8_0 около 502 МБ и Q4_K около 272 МБ. F16 обеспечивает эталонное качество, Q8_0 в приведённых тестах дал идентичные результаты, а Q4_K может вызывать небольшие отличия в выборе слов и качестве. Для работы требуется совместимый рантайм CrispASR или другое программное обеспечение с поддержкой данного формата и backend M2M-100. README не указывает максимальную длину контекста и не предоставляет исчерпывающую оценку качества по всем языкам, поэтому фактические результаты могут зависеть от языковой пары и выбранного уровня квантования.

SzilviaB/Magnum_Backyard_Party_12b — объединённая разговорная языковая модель на 12,1 млрд параметров, созданная методом SLERP из anthracite-org/magnum-v4-12b и Sao10K/MN-BackyardAI-Party-12B-v1. Модель использует архитектуру Mistral и формат safetensors; её основная задача — генерация текста в диалоговом формате. Заявленная длина контекста — 1 024 000 токенов. Модель предназначена для ведения диалогов и генерации прозы. В конфигурации слияния указана V-образная кривая весов, сочетающая вклад моделей на входных и выходных слоях и промежуточных слоях. Метаданные также отмечают интерфейс вызова инструментов, но не описывают его формат или гарантии совместимости. Лицензия в предоставленных данных не указана.

Mistral-Nemo-MCAI-SFT-DPO-revision-only — дообученная разговорная языковая модель на архитектуре Mistral, разработанная pbevan11. Модель дополнительно обучена методом DPO на многоязычных наборах предпочтений и обратной связи, чтобы улучшить выбор предпочтительных ответов и следование инструкциям в диалоге. Модель предназначена для генерации ответов в чат-сценариях. В карточке приведены метрики оценки DPO, включая точность предпочтений 0,6824. Размер модели — 12,1 млрд параметров, заявленная длина контекста — 1 024 000 токенов. Она принимает и генерирует текст; наборы обучения указывают на многоязычную направленность, но конкретные поддерживаемые языки не перечислены. Модель распространяется под лицензией Apache-2.0. Карточка не описывает специальные ограничения или гарантии качества; приведённые метрики относятся к оценочному набору и сами по себе не гарантируют качество на других задачах.

MixtureofMerges-MoE-4x7bRP-v11 — языковая модель класса Mixtral с архитектурой Mixture of Experts, созданная jsfs11 объединением четырёх моделей с помощью LazyMergekit. Она предназначена для генерации текста и диалогового, в том числе ролевого, общения. В состав объединения входят RP_Vision_7B, DaturaCookie_7B, BioMistral-DARE-NS и Mistral-7B-Instruct-v0.3; каталог указывает 7,1 млрд параметров и контекст до 32 768 токенов. Модель принимает текст и выдаёт текст. В README заявлено объединение моделей, связанных с ролевым общением и анализом изображений, однако метаданные определяют основную задачу как text-generation и не подтверждают поддержку изображений самой этой модели. Лицензия — Apache-2.0.

ZhangYuchi/modelbest-Qwen-2.5-Omni-7B-SFT-with-DPO — мультимодальная модель семейства Qwen2.5-Omni, разработанная ZhangYuchi. Это полнопараметрическая DPO-настройка SFT-модели для бенчмарка OmniGAIA и агентных вопросов с несколькими ходами и использованием инструментов. Модель предназначена для рассуждений по видео, аудио и изображениям, а также для работы с внешними инструментами поиска и анализа медиа. Модель основана на Qwen/Qwen2.5-Omni-7B; веса сохранены в формате safetensors. README указывает, что это checkpoint-60, обученный на парах предпочтений из собственных траекторий SFT-модели; использовано 962 пары из семи из восьми частей данных. Метаданные указывают языки английский и китайский, библиотеку Transformers и лицензию Apache-2.0. Базовая модель поддерживает диалог с текстом, изображениями, аудио и видео и может выдавать текстовые и речевые ответы. Модель подходит для мультимодальных вопросов и ответов с применением инструментов, включая поиск в интернете и активное восприятие медиа. Результаты OmniGAIA зависят от случайного seed и траекторий использования инструментов; улучшение от DPO не проявляется на каждом seed. README также отмечает ошибки восприятия длинного аудио и визуальных объектов, дрейф веб-поиска и зависимость оценок от LLM-судьи. Модель наследует ограничения базовой Qwen2.5-Omni-7B.

Moonshine Tiny Arabic — модель распознавания речи семейства Moonshine, разработанная Moonshine AI (ранее Useful Sensors). Это компактная seq2seq-модель на 27 млн параметров для транскрибации арабской речи в арабский текст, в том числе при переключении между языками. Она предназначена для разработчиков систем распознавания речи, которым нужно запускать транскрибацию в реальном времени на устройствах с ограниченными памятью и вычислительными ресурсами. Модель поддерживается библиотекой Transformers, использует аудио на входе и выдаёт текст; в метаданных указан контекст длиной 194 токена. В карточке сообщается о сравнительных оценках на Fleurs и Common Voice 17, но результаты зависят от набора данных и не гарантируют точности в конкретной среде. Возможны галлюцинации и повторение фрагментов, особенно на коротких или обрезанных аудиозаписях. Распознавание речи не следует использовать для субъективной классификации людей или для решений с высокими последствиями; запись людей без их согласия также не рекомендуется. Лицензия указана как other, поэтому конкретные условия следует проверить в карточке модели.

MrMaie-V4.1-TEST — дообученная разговорная языковая модель, опубликованная taiger7196. Она основана на unsloth/Meta-Llama-3.1-8B-Instruct-bnb-4bit и обучена с использованием Unsloth и библиотеки TRL от Hugging Face. Модель использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 131 072 токенов. Она предназначена для генерации текста и диалогового взаимодействия; в карточке также заявлен интерфейс вызова инструментов. Метаданные указывают английский язык. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает специализацию дообучения или оценку качества, поэтому пригодность для конкретных предметных задач не подтверждена.

Kaoeiri/MS-MagpantheonselRP-22B-12-Balanced — объединённая языковая модель, созданная с помощью mergekit методом DARE TIES на основе unsloth/Mistral-Small-Instruct-2409. В объединение вошли 18 моделей семейства Mistral Small 22B, включая чекпойнты для ролевых диалогов, творческого письма и японского языка. Модель имеет плотную архитектуру MistralForCausalLM, содержит 22 млрд параметров и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации текста, чата и ролевых диалогов, а также для творческого письма. В метаданных отмечен интерфейс вызова инструментов; заявлены также японские языковые данные среди компонентов объединения. Доступна в формате safetensors через Transformers. Лицензия в предоставленных данных не указана.

zelk12/MT1-Gen5-MM-gemma-2-Av4dS4-9B — слитая с помощью mergekit и метода SLERP языковая модель на архитектуре Gemma 2. В объединении использованы allknowingroger/Gemmaslerp4-10B и lemon07r/Gemma-2-Ataraxy-v4d-9B; итоговая модель содержит 9 млрд параметров и рассчитана на генерацию текста в диалоговом режиме. Модель подходит для создания продолжений текста, историй и ответов в чате. Она принимает текст и выдаёт текст, использует библиотеку Transformers и имеет контекстное окно 8192 токена. В метаданных указана лицензия Gemma; применимые условия использования определяются лицензией базовой модели.

Myalee v3 L31 8B — разговорная языковая модель, разработанная Arcee AI и дообученная на основе Crystalcareai/Meta-llama-3.1-8b-instruct. Она предназначена для генерации текста и диалоговых сценариев. Модель использует плотную архитектуру LlamaForCausalLM и содержит 7,5 млрд параметров; заявленная длина контекста составляет 131 072 токена. Модель опубликована в формате PyTorch и распространяется по лицензии Llama 3.1. README не описывает обучающие данные, результаты оценки или специализированную область применения, поэтому качество и пригодность для конкретных задач по карточке определить нельзя.

Это пакет Mesh LLM с квантованной моделью Nemotron-3-Nano-30B-A3B в формате GGUF Q4_K_S, разделённой на артефакты по слоям. Его подготовила команда Mesh LLM на основе unsloth/Nemotron-3-Nano-30B-A3B-GGUF для распределённого инференса на локальном кластере: части модели можно разместить на нескольких машинах, если она не помещается на одном узле. Модель предназначена для генерации текста и диалогов через Mesh LLM, в том числе для локального приватного запуска и работы через совместимый с OpenAI API интерфейс чата. Пакет сохраняет исходное разделение GGUF и облегчает распределение вычислений между узлами. Подробности об архитектуре, размере, языках и лицензии следует сверять с карточкой исходной модели; в предоставленных данных этих характеристик нет.

dealignai выпустил вариант NVIDIA Nemotron 3 Super 120B для генерации текста и диалогов. Модель основана на гибридной архитектуре Nemotron H, объединяющей слои Mamba SSM, Mixture of Experts и attention; в исходной версии заявлены 120 млрд параметров и около 12 млрд активных. Репозиторий содержит JANG_4M-квантование со смешанной точностью: 8-битный attention и 4-битные эксперты. README указывает размер около 63 ГБ, а метаданные — 6,6 млрд параметров; эти значения описывают модель по-разному и расходятся с заявленным в README размером исходной архитектуры. Модель рассчитана на локальный запуск на Apple Silicon через MLX Studio или пакет jang-tools, поддерживает диалоговый режим и интерфейс вызова инструментов. Контекстное окно — 262 144 токена. Вариант CRACK прошёл заявленное авторами удаление защитных отказов на уровне весов; README приводит собственные результаты HarmBench и MMLU, которые не являются независимой оценкой. Поддерживаемый формат JANG ограничивает совместимость указанными MLX-инструментами. Лицензия обозначена как other, конкретные условия в предоставленных данных не раскрыты.

MaziyarPanahi/neural-chat-7b-v3-3-Slerp-Mistral-7B-Instruct-v0.1 — языковая чат-модель, созданная слиянием Mistral-7B-Instruct-v0.1 и Intel/neural-chat-7b-v3-3-Slerp методом SLERP. Это плотная трансформерная модель MistralForCausalLM с 7,1 млрд параметров, предназначенная для генерации ответов на инструкции и диалоговые запросы. Указанный контекст составляет 32 768 токенов; модель принимает текст и выдаёт текст. Модель подходит для диалоговых помощников и генерации ответов на вопросы и инструкции на английском языке. В тегах также указаны математические задачи, однако карточка не описывает результаты или специализированные возможности в этой области. Репозиторий содержит веса Safetensors, лицензия — Apache-2.0. Качество и ограничения унаследованных моделей отдельно не охарактеризованы в карточке.

Kukedlc/NeuralLLaMa-3-8b-ORPO-v0.4 — разговорная языковая модель, размещённая пользователем Kukedlc на Hugging Face. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM; метаданные указывают 7,5 млрд параметров, контекст до 8192 токенов и веса в формате Safetensors. Модель предназначена для генерации текста в диалоговом формате и запускается через Transformers или совместимые серверы инференса. Карточка Hugging Face автоматически сгенерирована и не описывает разработчика, обучающие данные, языки или конкретные сценарии применения. Название указывает на ORPO и версию v0.4, но карточка не подтверждает подробности обучения. Указана лицензия Apache-2.0.