I.7Речь, диалоги и встречи

Azure Dusk-v0.1 — разговорная языковая модель Epiculous для диалога, ролевых игр и использования в качестве помощника. Она основана на Mistral-Nemo-Base-2407 и имеет плотную архитектуру MistralForCausalLM с 12,1 млрд параметров. Модель обучали в два этапа с LoRA: сначала на инструкционных данных, затем на данных для ролевых игр. В карточке указано окно контекста до 1 024 000 токенов. Модель рассчитана на генерацию диалоговых ответов, которые могут быть полезными и при этом менее шаблонными, а также на ролевое взаимодействие. В README рекомендован формат запроса Mistral Instruct; для некоторых квантованных вариантов могут лучше работать шаблоны ChatML. Поддерживаются английский, французский, немецкий, испанский, итальянский, португальский, русский, китайский и японский языки. Лицензия — Apache-2.0.

Двуязычная разговорная модель rinna на базе GPT-NeoX, дообученная следовать инструкциям с помощью supervised fine-tuning и PPO-обучения с подкреплением на основе отзывов людей. Она предназначена для диалога и генерации ответов на японском и английском языках. В README указаны 36 слоёв и размер скрытого слоя 2816; метаданные каталога указывают 4,8 млрд параметров и контекст 2048 токенов. Модель принимает текстовые диалоги в формате с ролями «ユーザー» и «システム» и генерирует текстовый ответ. Авторы сообщают, что PPO улучшил разговорный опыт по сравнению с версией SFT, но не повысил результаты на японских языковых бенчмарках. Результат чувствителен к параметрам декодирования, поэтому их следует подбирать под задачу. Лицензия — MIT.

Карточка модели Oscilla/Bonsai-8B-mlx-1bit на Hugging Face совпадает с карточкой prism-ml/Bonsai-8B-mlx-1bit, поэтому описание составлено по ней. Bonsai-8B-mlx-1bit — языковая модель Prism ML для локальной генерации текста и диалогов на устройствах Apple. Она основана на плотной архитектуре Qwen3-8B с 36 блоками Transformer, grouped-query attention, SwiGLU, RoPE и RMSNorm; метаданные указывают 7,6 млрд параметров, а README — около 8,19 млрд. Модель использует 1-битные веса с группами по 128 значений и хранит параметры примерно в 1,28 ГБ, что позволяет запускать её на Mac, iPhone и iPad. Указанная длина контекста — 65 536 токенов. Модель подходит для локальных диалоговых помощников, мобильного и периферийного инференса, а также для сценариев, где важны небольшое потребление памяти, скорость и обработка данных на устройстве. README приводит результаты производительности на устройствах Apple, включая 44 токена в секунду на iPhone 17 Pro Max, и описывает также варианты запуска через связанные программные форки. Для работы требуется поддержка 1-битных ядер MLX; заявленные преимущества зависят от соответствующего программного обеспечения и оборудования. README отмечает, что измерения энергопотребления на мобильном устройстве оценочные, а полноточные модели продолжают развиваться. Лицензия — Apache-2.0.

CantoCaptions Cantonese ASR — это дообученная на адаптере LoRA модель Qwen3-ASR, созданная для распознавания речи на кантонском языке и транскрибации в соответствии со стандартами CantoCaptions. Она различает письменные варианты слов, в том числе варианты, различающиеся тоном, следуя употреблениям, описанным в словаре words.hk. Модель обучена на подмножестве датасета CantoCaptions: примерно 75 часах аудио за одну эпоху; для разработки использовались отдельные 4 часа валидационных и 4 часа тестовых аудиозаписей из того же датасета. В оценке на тестовом наборе Mozilla Common Voice 13 Cantonese указана CER 3,81% с учётом вариантов написания. Модель принимает аудио и выдаёт текст. Карточка характеризует её как находящуюся на раннем этапе разработки; лицензия — Apache-2.0.

fecia/cates_phi3_1 — чат-модель на архитектуре Phi-3, созданная разработчиком fecia как SFT-дообучение microsoft/Phi-3-mini-4k-instruct на обучающей части собственного датасета fecia/cates с помощью Phinetune. Модель предназначена для генерации текста в диалоговом формате; её можно применять для ответов на запросы и ведения беседы. Модель содержит 3,7 млрд параметров, использует плотную архитектуру Phi3ForCausalLM и формат весов safetensors. Нативный контекст — 4096 токенов; в описании процесса обучения указан максимальный размер последовательности 2048 токенов. Лицензия — Apache-2.0. README не приводит сведений о специализации по языкам или прикладным областям.

ChunkFormer-RNNT-Large-Vie — крупная модель автоматического распознавания речи на вьетнамском языке, основанная на архитектуре ChunkFormer и разработанная на базе реализации, представленной на ICASSP 2025. В README указано, что модель дообучена примерно на 5000 часах публичных вьетнамских аудиоданных из разных наборов. Число параметров составляет 113 млн; формат файлов — PyTorch. Модель предназначена для преобразования вьетнамской речи в текст, включая транскрибацию аудиозаписей и распознавание речи в приложениях. В README приведены результаты WER на Vivos, Common Voice и двух заданиях VLSP 2020; перед сравнением применялась нормализация текста. Модель доступна по лицензии CC BY 4.0. Для использования предлагается библиотека chunkformer.

Модель laion/delphi-2e19-p67m33-k0p20-lr83-a002-magpie_lr1e5-sft — разговорная языковая модель семейства Qwen3 с плотной архитектурой Qwen3ForCausalLM и 656,4 млн параметров. По карточке, её обучили с нуля на наборах данных Magpie и delphi_warmup; метаданные указывают библиотеку Transformers и поддержку чата. Модель предназначена для генерации текста в диалоговом формате. Её можно использовать для построения ответов на сообщения и других текстовых продолжений. Размер контекста составляет 4096 токенов, файлы представлены в формате safetensors. В README не приведены результаты оценки качества, подробности о языках, целевых сценариях или известные ограничения. Лицензия обозначена как other, поэтому условия использования следует сверить с лицензией и файлами репозитория.

laion/delphi-9e19-p67m33-k0p20-lr83-a002-wc386k_lr1e5-sft — разговорная языковая модель семейства Qwen3 с плотной архитектурой Qwen3ForCausalLM и 1,2 млрд параметров. По карточке, модель обучена с нуля на наборах wildchat_386k и delphi_warmup; формат весов — safetensors, библиотека — Transformers. Модель предназначена для генерации текста в диалоговом режиме. Контекст составляет 4096 токенов. В метаданных указана лицензия other; конкретные условия использования следует сверять с условиями репозитория. Карточка не приводит оценок качества и подробностей предполагаемых сценариев.

EOPSA-Qwen3-4B — дообученная версия языковой модели Qwen3-4B, представленная как контрольная точка выравнивания безопасности по методу Efficient On-Policy Self-Distilled Safety Alignment. Модель разработана автором репозитория neuqrui; в основе — плотная архитектура Qwen3ForCausalLM примерно на 3,7 млрд параметров, веса сохранены в формате safetensors. Она предназначена для диалоговой генерации текста с акцентом на безопасное поведение; заявленный контекст составляет до 40 960 токенов. Модель можно применять в чат-ботах и системах, которым требуется генерировать ответы с учётом выравнивания безопасности. Карточка не приводит подробностей обучения, языкового покрытия или результатов оценки безопасности. Базовая модель Qwen3-4B поддерживает многоязычные задачи, но конкретный набор языков этой контрольной точки не уточнён. Лицензия — Apache-2.0.

ermiaazarkhalili/FastContext-4B-SFT_base-SFT-Fable5-Glint — плотная языковая модель семейства Qwen3, полученная дообучением FastContext-1.0-4B-SFT с помощью LoRA на наборе Fable-5-Glint-Clean; адаптеры объединены с базовыми весами. Модель предназначена для генерации текста и диалоговых сценариев. По метаданным, она содержит 3,7 млрд параметров, принимает текст и поддерживает контекст до 262 144 токенов; указан интерфейс для вызова инструментов. В тесте на отложенной выборке из 199 примеров набора обучения точность следующего токена выросла относительно базовой модели: top-1 — с 0,5704 до 0,6966, top-5 — с 0,8203 до 0,9164. Эти результаты характеризуют только данную выборку и не заменяют независимую оценку качества. Модель обучалась на одном наборе инструкций, поэтому её поведение за пределами этого распределения не проверено; она также наследует ограничения и сбои базовой модели. Сведения о лицензии в предоставленных источниках отсутствуют.

versae/filiberto-7B-instruct-exp1 — конверсия Mistral-7B-Instruct-v0.2 в формат MLX, выполненная с помощью mlx-lm 0.9.0. Это плотная авторегрессионная языковая модель Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов; карточка обозначает её как разговорную модель для генерации текста. README упоминает примеры применения для исправления OCR и определения Stanza, но не приводит достаточно деталей об их качестве или специализации модели. Модель принимает текст и генерирует текст, поэтому её можно использовать для диалоговых запросов, исправления ошибок OCR и распознавания сущностей или категорий с помощью Stanza. В репозитории есть варианты GGUF F16, F32 и Q4_0, а также safetensors. Лицензия — Apache-2.0. Языки в доступных данных не определены.

Sao10K/Fimbulvetr-11B-v2.1-16K — языковая модель, созданная Sao10K на основе Fimbulvetr-v2 и обученная с расширенным контекстом с помощью PoSE. Это плотная авторегрессионная модель семейства Llama с 10,6 млрд параметров, рассчитанная на генерацию текста; в карточке указан английский язык. Модель заявлена для контекста до 16 384 токенов, однако автор рекомендует использовать около 12 тысяч токенов: на длинных входах качество и надёжность снижаются. Модель подходит для диалогов и ролевых сценариев, а также для генерации связного текста с длинным контекстом. Автор отмечает, что ответы обычно надёжны примерно до 11 тысяч токенов, а на 16 тысячах модель остаётся связной, но хуже справляется с детальными задачами. Иногда возникают ошибки форматирования; при квантизации до 8 бит и ниже пользователи сообщали о проблемах. Модель доступна под лицензией CC BY-NC 4.0, которая ограничивает коммерческое использование.

FireRedVAD-CoreML — конверсия модели FireRedVAD в формат CoreML от aufklarer для обнаружения участков речи в аудиозаписи. Модель предназначена для запуска на устройствах Apple с использованием Apple Neural Engine и применяется, например, через модуль SpeechVAD библиотеки speech-swift. Модель принимает аудиосигнал с частотой дискретизации 16 кГц и определяет речевые сегменты. В README заявлена поддержка более 100 языков и результат 99,1% F1 на наборе FLEURS. В репозитории находятся скомпилированная модель CoreML, пакет CoreML и статистика нормализации признаков. Лицензия — MIT. Модель выполняет обнаружение речи, а не распознавание или транскрибирование слов; заявленная метрика относится к FLEURS.

jaspionjader/fr-13-8b — разговорная языковая модель, созданная разработчиком Jaspion Jader объединением предварительно обученных моделей jaspionjader/fct-14-8b и jaspionjader/fr-12-8b. Для слияния использован метод SLERP через mergekit; архитектура — плотная LlamaForCausalLM, размер — 7,5 млрд параметров. Модель предназначена для генерации текста и диалоговых ответов. Она принимает текст и выдаёт текст; заявленная длина контекста — 131 072 токена. Карточка не сообщает о специализированной области применения или поддерживаемых языках. Файлы опубликованы в формате safetensors; лицензия не указана в предоставленных данных.

FrWhisper — модель распознавания речи, разработанная Annette Gerstenberg и Hanno Müller на основе дообучения openai/whisper-large-v3. Версия v2 настроена на разговорную французскую речь, включая паузы и междометия, повторы и произнесённые числа. Модель принимает аудио и выдаёт транскрипцию; в репозитории используются веса Safetensors, запуск поддерживается через Transformers. Размер модели — 905,2 млн параметров. Модель предназначена для транскрибации разговоров и социолингвистических интервью на французском языке. Она обучалась на улучшенной выборке корпусов ESLO и LangAge. В оценке на фиксированной тестовой выборке v2 показала WER 29,87 против 50,81 у базовой Whisper large-v3; авторы предупреждают, что тестовая выборка включает говорящих из обучающих данных, поэтому результат может быть оптимистичным. Модель специализируется на разговорном французском, и качество на других тематиках и акцентах может отличаться. Для длинных файлов авторы рекомендуют обработку фрагментами. Лицензия CC-BY-NC-SA 4.0 запрещает коммерческое использование.

bunnycore/Gemma2-9b-Max — объединённая диалоговая языковая модель на архитектуре Gemma 2, созданная автором bunnycore методом Model Stock с помощью mergekit. В основу слияния вошла bunnycore/HyperGemma-2-9B, также использованы модели для диалогов о психическом здоровье, gemma2-9B-sunfall-v0.5.2, uncensored LoRA и gemma-2-9b-it-abliterated. Модель содержит 9 млрд параметров и рассчитана на генерацию текста и диалоговое взаимодействие; принимает и выдаёт текст. Указанный родной контекст — 8192 токена. Модель может быть полезна для открытых диалоговых ответов и генерации текста, в том числе на темы психического здоровья. Карточка не сообщает результатов оценки качества или конкретных языков. Файлы представлены в формате safetensors, библиотека — Transformers. Лицензия в предоставленных данных не указана.

igorls/gemma-4-12B-it-heretic-v1 — автоматически декензурированная версия инструкционной модели Google Gemma 4 12B IT, созданная с помощью Heretic. Это плотная мультимодальная модель семейства Gemma 4 для диалога и генерации ответов; метаданные указывают поддержку чата, а базовая модель также предназначена для работы с текстом, изображениями, видео и аудио. Модель рассчитана на диалог, творческое письмо и ролевые сценарии. В README описана направленная абляция, снижающая отказы на вредоносных запросах: в приведённом авторами сравнении модель отказала в 0 из 100 таких запросов, при KL-дивергенции 0,0284 на безвредных запросах относительно оригинала. Abliteration нацелена на прямые ответы в режиме без рассуждений; режим рассуждений также описан как декензурированный, но может расходовать токены и приводить к обрезанию итогового ответа при недостаточном лимите. Модель использует Transformers и формат safetensors; для загрузки README приводит AutoModelForImageTextToText. Лицензия — Gemma; условия лицензии и политики использования базовой модели Google продолжают действовать. Снятие защитного выравнивания означает, что модель может отвечать на запросы, которые исходная версия отклоняет.

Это экспериментальная мультимодальная модель семейства Gemma 4 E4B Instruct от DavidAU: базовая модель Google Gemma 4 E4B Instruct была декензурирована и умеренно дообучена с помощью Unsloth на закрытом наборе данных рассуждений Claude Opus 4.5. Модель предназначена для диалога и генерации ответов с режимом рассуждений; шаблоны чата позволяют использовать режим instruct или принудительно включённый режим thinking. В README заявлена длина контекста до 128 тысяч токенов. Архитектура — плотная Gemma4ForConditionalGeneration; репозиторий содержит веса Safetensors. В метаданных основная задача указана как any-to-any, а базовая модель описана как мультимодальная, поддерживающая анализ изображений и обработку аудио. Лицензия — Apache-2.0. Автор приводит предварительные внутренние бенчмарки, но отмечает, что статистика ещё собирается; качество и безопасность ответов не гарантированы, а данные дообучения закрыты.

Карточка модели Himanshuoo8/gemma-4-E4B-it-Claude-Opus-4.5-HERETIC-UNCENSORED-Thinking на Hugging Face совпадает с карточкой DavidAU/gemma-4-E4B-it-Claude-Opus-4.5-HERETIC-UNCENSORED-Thinking, поэтому описание составлено по ней. Это экспериментальная мультимодальная модель семейства Gemma 4 E4B Instruct от DavidAU: базовая модель Google Gemma 4 E4B Instruct была декензурирована и умеренно дообучена с помощью Unsloth на закрытом наборе данных рассуждений Claude Opus 4.5. Модель предназначена для диалога и генерации ответов с режимом рассуждений; шаблоны чата позволяют использовать режим instruct или принудительно включённый режим thinking. В README заявлена длина контекста до 128 тысяч токенов. Архитектура — плотная Gemma4ForConditionalGeneration; репозиторий содержит веса Safetensors. В метаданных основная задача указана как any-to-any, а базовая модель описана как мультимодальная, поддерживающая анализ изображений и обработку аудио. Лицензия — Apache-2.0. Автор приводит предварительные внутренние бенчмарки, но отмечает, что статистика ещё собирается; качество и безопасность ответов не гарантированы, а данные дообучения закрыты.

GLM-5.3-Flash-UD-Q4_K_XL-layers — пакет слоёв модели GLM-5.3-Flash для распределённого инференса в Mesh LLM. Пакет подготовлен на основе unsloth/GLM-5.3-Flash-GGUF: исходный GGUF разделён на артефакты по слоям, чтобы запускать модель на нескольких машинах, объединяя их память и вычислительные ресурсы. Вариант пакета — UD-Q4_K_XL; репозиторий содержит файлы в формате GGUF и предназначен для локального запуска. Модель рассчитана на диалоговую генерацию текста, приватный локальный инференс и обслуживание запросов через совместимый с OpenAI API Mesh LLM. Разбиение по машинам подходит для случаев, когда полный GGUF не помещается на одном узле. В метаданных указаны библиотека mesh-llm и лицензия MIT. Подробности об архитектуре исходной модели, контекстном окне и языках следует сверять с карточкой исходной модели.

Kaon 3 Population Final-Transition RM600 Mouse Original Reset Matched Time-Skip LR1e-4 beta0.04 — диалоговая модель генерации текста, разработанная KaonAI. Это самостоятельный BF16-чекпойнт с объединёнными полными весами на основе kaonai/kaon-c-gemma4-26b-v10.1; по карточке, веса соответствуют checkpoint-75 обучения GRPO с learning rate 1e-4 и beta 0.04. Архитектура — Gemma 4, плотная модель с классом Gemma4ForConditionalGeneration; репозиторий использует Transformers и хранит веса в safetensors. Модель предназначена для диалоговой генерации текста. В метаданных также есть тег image-text-to-text, однако доступные сведения не подтверждают, что именно этот чекпойнт рассчитан на работу с изображениями, поэтому модальность изображений не включена. Карточка не описывает целевые языки, контекстное окно или специализированную область применения. Для модели указана лицензия базового репозитория; карточка не приводит её название. В README сообщается, что контрольный набор логитов после сохранения и повторной загрузки прошёл проверку на паритет. Это подтверждает согласованность представления весов, но не является оценкой качества ответов.

Hohe ASR Amharic — модель распознавания речи, разработанная автором репозитория snapwre. Она преобразует аудио на амхарском языке в текст письмом геэз и предназначена для транскрибации записей, включая эфирные материалы, интервью, телефонные разговоры и речь с региональными диалектами. Модель использует архитектуру Wav2Vec2-BERT с CTC-декодированием, содержит 403,1 млн параметров и работает в библиотеке Transformers. В README сообщается об обучении на 880 часах амхарской речи и обработке аудиофрагментов длительностью до минуты; для лучших приведённых показателей применяется поставляемая 5-граммная языковая модель. На тестовом наборе с языковой моделью указаны 5,4% CER и 16,1% WER; для телефонного аудио — 5,7% CER и 16,9% WER. Модель быстрее Whisper сопоставимой точности, согласно README. Она рассчитана только на амхарский: спонтанная беседа распознаётся заметно хуже, числа записываются словами, пунктуация не выводится, а одновременная речь нескольких собеседников и аудио на других языках обрабатываются ненадёжно. Лицензия — CC BY 4.0.

I-Heart_sft_1.0 — плотная авторегрессионная языковая модель семейства Mistral на 7,1 млрд параметров, представленная в формате Safetensors. Согласно README, модель обучена с нуля на датасете generator; в метаданных также указаны SFT и разговорный режим. Карточка приводит значение loss 1,0549 на наборе оценки. Модель предназначена для генерации текста в чате и разговорных сценариях. Метаданные указывают контекст до 32 768 токенов. Подробности о поддерживаемых языках, предназначении датасета, качестве на конкретных задачах и условиях использования в карточке не раскрыты; лицензия не указана.

lightblue/Jamba-v0.1-chat-multilingual — экспериментальный многоязычный чат-бот, созданный Peter Devine и Shunichi Taniguchi на основе ai21labs/Jamba-v0.1. Модель дообучена методом QLoRA на диалоговых и инструкционных данных, после чего адаптер объединён с исходными весами. Архитектура Jamba сочетает Mamba и Transformer с механизмом MoE; в метаданных указан размер 7,2 млрд параметров, а в README — контекст длиной до 256 тысяч токенов. Модель предназначена для диалогов, выполнения инструкций и многоходовых бесед на английском, японском и других языках. README сообщает о приемлемых субъективных результатах в нескольких языках и возможности управлять стилем системным сообщением, но оценка основана на ограниченном тестировании. Для запуска нужны Transformers версии 4.39.0 или выше и CUDA; оптимизированный запуск требует дополнительных Mamba-компонентов. Лицензия — Apache 2.0.

Модель hungpill/kanana-1.5-8b-instruct-2505-Safe-DPO — дообученная разговорная языковая модель семейства Llama, опубликованная пользователем hungpill. Она предназначена для генерации текста в диалогах; в метаданных также отмечен интерфейс вызова инструментов. Модель содержит 7,5 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Модель сохранена в формате safetensors и распространяется по лицензии Apache-2.0. В карточке указано, что обучение выполнялось с Unsloth и библиотекой TRL. Основной язык, отмеченный в метаданных, — английский. Карточка называет модель Safe-DPO, но не описывает конкретные меры безопасности или результаты оценки; фактические возможности вызова инструментов и качество ответов по доступным сведениям оценить нельзя.

PathFinderKR/KHU-Llama-3.2-1B-Instruct-SFT — компактная плотная языковая модель семейства Llama 3.2, разработанная PathFinderKR путём дообучения unsloth/Llama-3.2-1B-Instruct. Для обучения использовались Unsloth и библиотека TRL; модель содержит 1,2 млрд параметров и рассчитана на генерацию текста и диалоговое взаимодействие. Метаданные указывают контекстное окно до 131 072 токенов и английский язык. Модель подходит для диалогов, ответов на вопросы и других сценариев генерации текста; также в метаданных отмечен интерфейс вызова инструментов. Опубликована в формате safetensors под лицензией Apache-2.0. README не сообщает подробностей о данных дообучения и результатах оценки качества.

Kielbasa — разговорная языковая модель, созданная jeiku с помощью mergekit. Это слияние методом DARE TIES на базе jeiku/Rosa_v1_3B с несколькими моделями StableLM Epoch, включая модели для диалогов, ролевых сценариев, следования инструкциям и моделирования теории разума. Модель предназначена для генерации текста и диалогов. Она имеет плотную архитектуру StableLMEpochForCausalLM, содержит 2,7 млрд параметров и поддерживает контекст длиной до 4096 токенов. Карточка модели указывает формат safetensors и интерфейс общения; сведения о лицензии и поддерживаемых языках отсутствуют в предоставленных данных.

Tremontaine выпустил L3-12B-Lunaris-v1 — слитую разговорную модель на архитектуре Llama 3, созданную из Sao10K/L3-8B-Lunaris-v1 с помощью LazyMergekit. Модель содержит около 11 млрд параметров и поддерживает контекст до 8192 токенов. Модель предназначена для генерации текста в диалогах общего назначения и ролевой игры. По рекомендации автора, лучше использовать температуру генерации 0,8–0,9. В README приведены результаты оценки на Open LLM Leaderboard, включая IFEval и BBH. Репозиторий содержит веса в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

djuna/L3.1-ForStHS — диалоговая языковая модель, созданная автором слиянием нескольких предварительно обученных моделей методом Model Stock с помощью mergekit. В качестве базовой модели использована vicgalle/Configurable-Llama-3.1-8B-Instruct; в слияние также вошли модели ArliAI, DreadPoor, grimjim и rityak. Архитектура — плотная LlamaForCausalLM, размер — 7,5 млрд параметров, формат весов — Safetensors, контекст — до 131 072 токенов. Модель предназначена для генерации текста в диалогах и творческих сценариях, включая ролевое общение; описание базовой модели указывает на творческое письмо и разнообразные ролевые сценарии. Карточка приводит результаты оценивания на IFEval и BBH. Модель доступна по лицензии базовой модели, но сведения о конкретной лицензии в предоставленных данных отсутствуют.

djuna/L3-Suze-Vume — слитая языковая модель семейства Llama, созданная с помощью mergekit методом DARE TIES на основе kromeurus/L3.1-Ablaze-Vulca-v0.1-8B с включением Casual-Autopsy/L3-Super-Nova-RP-8B и TheDrummer/Llama-3SOME-8B-v2. Модель имеет плотную архитектуру LlamaForCausalLM и 7,5 млрд параметров; заявленная длина контекста — 131 072 токена. Модель предназначена для генерации текста и диалогов, в том числе творческих и ролевых сценариев. Она принимает текст и выдаёт текст; карточка отмечает разговорный режим. Для семейства исходной модели указаны сценарии написания историй, суммаризации и эмоционально окрашенных ответов. В репозитории представлены веса Safetensors для Transformers. Лицензия в предоставленных сведениях не указана, поэтому условия использования определить нельзя. Качество именно этого слияния и его ограничения в карточке не описаны.