I.7Речь, диалоги и встречи

Defne_llama3_2x8B — диалоговая модель Eurdem, созданная как объединение двух моделей Llama 3 8B в архитектуре Mixture of Experts (MoE). Она предназначена для генерации ответов в формате дружелюбного чат-бота; в README приведён пример решения математической задачи, а также показано переключение системного промпта для турецкого языка. Модель использует архитектуру MixtralForCausalLM, содержит 7,5 млрд параметров и принимает текст, выдавая текст. Поддерживаемая длина контекста — 8192 токена; для работы указана библиотека Transformers и формат весов safetensors. Лицензия — llama3.

laion/delphi-2e20-p67m33-k0p20-lr83-a001-magpie_lr1e5-sft — разговорная языковая модель, обученная с нуля на наборах данных Magpie и delphi_warmup. Репозиторий указывает архитектуру Qwen3ForCausalLM и размер 1,7 млрд параметров; модель рассчитана на генерацию текста в формате чата. Контекст составляет 4096 токенов, веса доступны в формате safetensors, для работы используется Transformers. Модель подходит для диалоговых ответов и генерации текста. README не содержит сведений о конкретных сценариях, оценке качества или ограничениях применения. Указана лицензия other, поэтому условия использования следует уточнить в карточке модели.

laion/delphi-3e19-p33m67-k0p20-lr83-a002-wc386k_lr1e5-sft — разговорная языковая модель, обученная с нуля на наборах данных wildchat_386k и delphi_warmup. В метаданных указаны архитектура Qwen3ForCausalLM с плотной структурой и 801 млн параметров; модель использует библиотеку Transformers и формат safetensors. Модель предназначена для генерации текста в диалоговом формате. Контекст составляет 4096 токенов. Лицензия указана как other, поэтому условия использования следует проверять в репозитории. Карточка не приводит оценок качества или подробностей о данных и ограничениях модели.

EE-Maid-7B-Slerp — объединённая модель для генерации текста, созданная с помощью LazyMergekit из SanjiWatsuki/Silicon-Maid-7B и maywell/Synatra-7B-v0.3-RP методом slerp. Это плотная Mistral-модель с 7,1 млрд параметров; веса представлены в формате Safetensors, контекст составляет 8192 токена. Базовые модели связаны с чат-генерацией и ролевыми диалогами; в сводке базовой модели также отмечена поддержка корейского языка. Карточка не сообщает отдельных оценок качества или подробных ограничений. Лицензия в предоставленных данных не указана.

ErebusNeuralSamir-7B-dare-ties — объединённая языковая модель на архитектуре Mistral, созданная автором stevez80 с помощью mergekit и метода DARE-TIES. В объединение вошли SamirGPT-v1, NeuralHermes-2.5-Mistral-7B и Mistral-7B-Erebus-v3 на базе Mistral-7B-v0.1. Модель содержит 7,1 млрд параметров, использует формат safetensors и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев, включая творческое письмо и ролевое взаимодействие. Лицензия — Apache-2.0. README не приводит оценок качества или конкретных ограничений применения; поведение и результаты могут зависеть от промпта и выбранных настроек генерации.

ERNIE-21B-A3B-Thinking-Gemini-3-Pro-High-Reasoning-V2 — текстовая MoE-модель Baidu, дообученная DavidAU на наборе TeichAI/gemini-3-pro-preview-high-reasoning-250x с помощью Unsloth. Она предназначена для генерации текста с развёрнутыми рассуждениями, творческого письма и диалогов общего назначения; автор отмечает компактные, но подробные ответы по существу и стабильность рассуждений при изменении температуры. Архитектура указана как Ernie4_5_MoeForCausalLM с 64 экспертами; метаданные сообщают 3,3 млрд параметров, а контекст составляет до 131 072 токенов. Модель работает с текстом и в карточке заявлена как англоязычная. Доступна по лицензии Apache-2.0. Автор предупреждает, что низкобитные квантованные версии могут зацикливаться; качество также зависит от настроек сэмплирования.

financer2 — текстовая генеративная модель из семейства Llama, опубликованная пользователем kiarash90 на Hugging Face. Модель предназначена для генерации текста и диалоговых сценариев и доступна для использования через библиотеку Transformers. В метаданных указано около 1 млрд параметров и нативное окно контекста длиной 2048 токенов.

Это набор GGUF-квантизованных файлов модели freewheelin/free-llama3-dpo-v0.2. Квантизацию выполнила команда featherless-ai-quants; исходная модель связана с проектом freewheelin. В карточке указано назначение text-generation, поэтому модель предназначена для локальной или совместимой с GGUF генерации текста и диалоговых сценариев. Доступны варианты IQ4_XS, Q2_K, Q3_K_L, Q3_K_M, Q3_K_S, Q4_K_M, Q4_K_S, Q5_K_M, Q5_K_S, Q6_K и Q8_0 размером примерно от 3 до 8 ГБ. README не содержит точных сведений о числе параметров, архитектурных деталях базовой модели, поддерживаемых языках, модальностях и размере контекста. Выбор между вариантами позволяет балансировать размер файла, требования к памяти и потенциальное качество генерации, однако конкретные характеристики производительности не приведены. Сильной стороной набора является наличие нескольких уровней квантизации для разного аппаратного обеспечения и сценариев развертывания. Ограничения включают отсутствие данных о качестве, результатах тестирования, рекомендуемом формате запуска и безопасности. Лицензия в README не указана, поэтому условия использования необходимо уточнять в карточке исходной модели freewheelin/free-llama3-dpo-v0.2 и в репозитории квантизованных файлов.

Модель joomhadi/ft-model-joomha-base-qwen2.5-coder-3b — дообученная joomhadi версия Qwen2.5-Coder-3B-Instruct-bnb-4bit. Это плотная авторегрессионная модель семейства Qwen2 с 3,1 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия; в метаданных также заявлен интерфейс вызова инструментов. Модель принимает текст и выдаёт текст, имеет контекст длиной до 32 768 токенов и ориентирована на английский язык. В README указано, что при дообучении использовались Unsloth и библиотека TRL от Hugging Face. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Карточка не описывает конкретный набор навыков или результаты оценки качества, поэтому специализацию базовой модели на программировании нельзя считать подтверждением качества этой версии для конкретных языков программирования.

codito/gemma-2-2b-it-reflection-test1 — дообученная разговорная модель генерации текста, разработанная codito на базе unsloth/gemma-2-2b-it-bnb-4bit. Она предназначена для диалоговых сценариев и генерации ответов на текстовые запросы. Модель использует плотную архитектуру Gemma 2 с причинной языковой моделью, содержит 2,7 млрд параметров и поддерживает контекст до 8192 токенов. Модель дообучена с помощью Unsloth и библиотеки TRL; в репозитории указаны форматы PyTorch и лицензия Apache-2.0. Карточка не сообщает о специализированной предметной области или дополнительных возможностях помимо диалоговой генерации текста.

QuantFactory/gemma-2-baku-2b-it-GGUF — квантованная версия инструкционной языковой модели rinna/gemma-2-baku-2b-it, подготовленная QuantFactory с использованием llama.cpp. Исходную модель разработала команда rinna: Xinqi Chen, Toshiaki Wakatsuki и Kei Sawada. Модель предназначена для генерации текста и диалогового взаимодействия с выполнением инструкций, прежде всего на японском и английском языках. Модель основана на Gemma 2 Baku 2B и имеет архитектуру трансформера с 26 слоями и размером скрытого представления 2304; заявленный масштаб — около 2 миллиардов параметров. Инструкционные способности получены посредством слияния с Gemma 2 2B Instruct методом Chat Vector, а затем дополнительной оптимизации предпочтений ORPO на части внутреннего датасета rinna. Используется оригинальный токенизатор google/gemma-2-2b-it и формат чата Gemma 2. README не указывает размер контекста и конкретный тип или уровень квантования GGUF. К сильным сторонам относятся небольшой размер, поддержка японского языка и адаптация к диалоговым сценариям и следованию инструкциям. Ограничения включают отсутствие подробных результатов бенчмарков в карточке, неизвестные характеристики квантования и неуказанные ограничения качества по сравнению с более крупными моделями. Для исходной модели указана лицензия Gemma Terms of Use; отдельные условия для квантованного файла в README не приведены.

Карточка модели Huy112200/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-UD-Q4_K_XL-layers — пакет GGUF-слоёв модели GLM-5.3 для распределённого запуска в Mesh LLM. Пакет создан на основе unsloth/GLM-5.3-GGUF и разбивает исходную GGUF-модель на отдельные артефакты по слоям, чтобы распределять вычисления между несколькими локальными компьютерами. Модель предназначена для локального диалогового использования, в том числе через совместимый с OpenAI API интерфейс Mesh LLM. Такой запуск подходит, когда полный файл модели не помещается на одном компьютере или требуется выполнять инференс на собственном оборудовании. Репозиторий содержит вариант UD-Q4_K_XL в формате GGUF; сведения об архитектуре, контекстном окне и поддерживаемых языках следует смотреть в карточке исходной модели. Лицензия указана как other, поэтому перед использованием нужно проверить условия исходной модели unsloth/GLM-5.3-GGUF.

coder3101/gpt-oss-20b-heretic — экспериментальная версия gpt-oss-20b от автора coder3101, созданная методом abliteration для снижения частоты отказов. По приведённому сравнению модель отказала в 19 из 100 случаев против 98 из 100 у исходной openai/gpt-oss-20b; результат сопровождается KL-дивергенцией 0,2933. Это разговорная модель для генерации текста и диалогов, унаследовавшая архитектуру MoE и формат Harmony базовой модели. Контекстное окно составляет 131072 токена; в метаданных указано 1,6 млрд параметров, тогда как README приводит для исходной модели 21 млрд параметров и 3,6 млрд активных параметров. Модель может быть полезна для диалоговых приложений, локального запуска и сценариев, где требуется меньше отказов на запросы. README базовой модели также описывает настройку уровня рассуждений и агентные возможности, включая вызов функций, но для этой производной модели их работоспособность отдельно не подтверждена. Для корректной работы следует использовать формат Harmony. Лицензия — Apache-2.0.

GutenBerg_Nyxora_magnum-v4-27b — объединённая чат-модель на базе Gemma 2, созданная сообществом mergekit-community методом линейного слияния предобученных языковых моделей. В качестве базовой использована anthracite-org/magnum-v4-27b с весом 0,25; модель DazzlingXeno/GutenBerg_Nyxora внесла вес 0,75. Репозиторий содержит веса в формате Safetensors, библиотека для работы — Transformers. Модель предназначена для генерации текста в диалоге и прозы. Размер составляет 27,6 млрд параметров, контекст — до 8192 токенов. Карточка базовой модели описывает стиль генерации как ориентированный на Claude 3 Sonnet и Opus. Данные о лицензии и конкретных языках обучения в предоставленных источниках отсутствуют.

Hemmingway-1 Heretic — модифицированная версия модели Altworld/Hemmingway-1, созданная с использованием экспериментальной ветки ARA проекта Heretic. Вариант Trial 106 выбран из 200 испытаний как компромисс между снижением отказов и сохранением исходного распределения ответов. Модель предназначена для генерации текста, творческого письма, ролевых сценариев, диалогов и подготовки повседневных сообщений, особенно когда требуется более низкая склонность к отказам. Модель распространяется в формате GGUF и содержит оригинальную MTP (Multi-Token Prediction) head от исходной Hemmingway-1 для опционального speculative decoding в llama.cpp. Заявлена поддержка контекста до 262144 токенов. Размер модели, точная архитектура, языки и исходные данные в README не указаны. Доступны квантизации Q8_0, Q6_K, Q5_K_M и Q4_K_M; для запуска рекомендуется свежая сборка llama.cpp с поддержкой Qwen3.5 и MTP. Сильные стороны варианта — существенно меньшее число отказов в специализированном тесте Heretic, сохранение показателей EQ-Bench и HellaSwag на уровне исходной модели, а также пригодность для локального запуска. Ограничения включают ухудшение соблюдения точной длины и формата, менее надёжный режим рассуждений и вероятность расходования бюджета на рассуждение без видимого ответа. Для этого чекпойнта рекомендуется отключать thinking; строгие ограничения вывода следует контролировать внешними средствами. Лицензия — Apache-2.0.

ntxcong/hubert-base-common-voice-vi-demo — модель распознавания речи, дообученная на базе facebook/hubert-base-ls960 на наборе Common Voice 16.1. Она использует архитектуру HuBERT с CTC-декодером и содержит 113,3 млн параметров. Модель предназначена для преобразования речи в текст; в оценке на тестовой выборке указаны loss 0,5121 и WER 0,3678. Модель принимает аудио и выдаёт текст. По названию репозитория она предназначена для распознавания вьетнамской речи, однако README не раскрывает подробности языкового охвата, условий оценки и рекомендуемых сценариев. Распространяется под лицензией Apache-2.0.

Huihui-gemma-3n-E4B-it-abliterated-GGUF — это квантизированная GGUF-версия модели Huihui-gemma-3n-E4B-it-abliterated, разработанной huihui-ai. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для локального запуска через llama.cpp, LM Studio и другие совместимые проекты. Модель относится к классу text-generation и, судя по заявленным тегам, поддерживает сценарии работы с текстом, аудио и видео, включая автоматическое распознавание речи, перевод речи и преобразование аудио или видео в текст. Указан размер E4B, однако точные сведения об архитектуре, количестве параметров, поддерживаемых языках и размере контекстного окна в карточке отсутствуют. Доступны варианты с разным уровнем квантизации: от BF16 размером 13,74 ГБ до компактных форматов около 4–7 ГБ; наиболее рекомендуемыми автор считает некоторые варианты Q4–Q6. К сильным сторонам относятся возможность локального запуска, широкий выбор квантизаций и заявленная мультимодальность. Ограничениями являются отсутствие явно указанного шаблона чата, из-за чего формат запросов может потребовать проверки по исходной карточке модели, а также недостаток данных о качестве, языках и контекстном окне. Модель помечена как abliterated и uncensored, поэтому её поведение и защитные ограничения могут отличаться от стандартной версии Gemma. Для использования требуется принять лицензию Google Gemma на Hugging Face; конкретные условия лицензии следует учитывать отдельно.

Hy3-Razor-154B-A18B-E96of192 — сжатый вариант диалоговой MoE-модели Hy3 от Tencent, подготовленный Nickyang методом RAZOR. Из каждого слоя удалена половина маршрутизируемых экспертов: сохранены 96 из 192; дообучение и восстановительное обучение не проводились, оставлены исходные веса выбранных экспертов. Модель содержит 154 млрд параметров по README и 16,6 млрд по метаданным; активируется около 18,4 млрд параметров на токен. Использует архитектуру HYV3ForCausalLM, веса bfloat16 в формате safetensors и контекст до 262 144 токенов. Модель предназначена для диалоговой генерации текста и сценариев, поддерживаемых базовой Hy3. Удаление экспертов сокращает их долю вычислений на токен, но не затрагивает внимание, общих экспертов, эмбеддинги и LM-голову. Работает через Transformers со встроенной реализацией hy_v3. Лицензия — Apache-2.0. Обрезка экспертов с потерями может менять разнообразие, форматирование и завершение ответов, даже если точность на задачах в основном сохраняется. Поведение на областях, далёких от конечного калибровочного набора, не охарактеризовано; перед применением следует оценить модель на целевых данных.

Ignis-7B-DPO — разговорная языковая модель от NeuralNovel, связанная с сообществом ConvexAI. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. В карточке указано, что модель обучалась на наборе данных Neural-DPO; дополнительные сведения о настройке и оценке качества не приведены. Модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. Репозиторий использует формат Safetensors, а лицензия — Apache 2.0. Карточка не описывает конкретные преимущества, рекомендованные сценарии или ограничения качества, поэтому пригодность для задач, требующих точности или специальных знаний, следует проверять самостоятельно.

Это версия модели JOSIE-2-9B-OSS, преобразованная в формат MLX для запуска с библиотекой mlx-lm на устройствах Apple Silicon. В метаданных указана архитектура Qwen3.5 с плотной моделью и классом Qwen3_5ForConditionalGeneration; модель предназначена для генерации текста и диалогового взаимодействия. README сообщает о конверсии из Goekdeniz-Guelmez/JOSIE-2-9B-OSS с помощью mlx-lm версии 0.31.2. Модель поддерживает английский, арабский, китайский, японский и португальский языки. Репозиторий содержит веса Safetensors и распространяется по лицензии MIT. Данные карточки не описывают размер модели или длину контекста; ограничения качества и поведения отдельно не приведены.

Это полный чекпойнт K2-Think-V2 с шага 320 обучения GRPO, опубликованный sambal. Модель построена на плотной архитектуре LlamaForCausalLM и содержит 70,5 млрд параметров. Репозиторий включает веса FP32 в формате safetensors, конфигурацию, токенизатор и шаблон чата; веса и токенизатор загружены без квантизации и изменений. Модель предназначена для генерации текста в диалоговом формате. Контекстное окно составляет 262 144 токена. Чекпойнт отражает промежуточный шаг обучения, поэтому его качество и пригодность для конкретных сценариев могут отличаться от финальной версии K2-Think-V2. Лицензия в предоставленных данных не указана.

Youssofal выпустил GGUF-представление мультимодальной модели Moonshot AI Kimi-K2.6 для запуска через llama.cpp. Это крупная разреженная MoE-модель семейства Kimi K2 с архитектурой KimiK25ForConditionalGeneration и текстовым стеком в стиле DeepSeek V3; в README указано 61 текстовый слой. В репозитории представлены варианты Q8_0, Q6_K, Q4_K_M и Q2_K, а также мультимодальный проектор для обработки изображений. Модель предназначена для диалоговой генерации текста и сценариев с визуальным вводом, унаследованных от Kimi-K2.6. Карточка описывает репозиторий как конверсию исходной модели в GGUF; лицензия указана как other. Проверки отказов и численные метрики качества в README ещё не опубликованы, а загрузка файлов и метаданных обозначена как продолжающаяся.

Krinny-7B — испаноязычная языковая модель лаборатории Krinny, созданная одним разработчиком в Испании. Это дообучение Qwen/Qwen2.5-7B-Instruct с помощью LoRA: модель рассчитана на диалоги и генерацию текста, в которых важны прямой стиль, признание неопределённости и просьба уточнить недостающие сведения. Она обычно отвечает на языке запроса; особенно ориентирована на испанский, также обучалась на отдельных примерах на каталанском, галисийском и английском. Модель использует плотную архитектуру Qwen2 и содержит 7,1 млрд параметров; заявленный контекст — 32 768 токенов. В репозитории есть веса safetensors и версия GGUF Q4_K_M для запуска через llama.cpp, Ollama и LM Studio. Для работы в Ollama нужен предусмотренный проектом системный промпт: без него поведение дообучения может не проявиться. Лицензия Apache 2.0 допускает коммерческое использование, изменение и распространение. Разработчик сообщает о наблюдаемых ошибках: модель может неверно назвать базовую модель и выдумать дату отсечения знаний; каталанский язык поддерживается слабо. Это ранняя версия, прямо обозначенная как незавершённая, поэтому ответы стоит проверять, особенно в важных сценариях.

Kunoichi-DPO-v2-7B-GGUF — квантизированная версия языковой модели Kunoichi-DPO-v2-7B, разработанной SanjiWatsuki и преобразованной в формат GGUF пользователем brittlewis12. Модель основана на архитектуре Mistral, предназначена для генерации текста и диалоговых сценариев с выполнением инструкций. Заявленный язык — английский; исходный шаблон запросов имеет формат Alpaca. Формат GGUF ориентирован на локальный запуск, в том числе через llama.cpp и совместимые приложения. Модель содержит около 7 миллиардов параметров и работает только с текстом; сведения о размере контекста в README не указаны. В приведённых оценках Kunoichi-DPO-v2-7B демонстрирует MT Bench 8,51, EQ Bench 42,18, Logic Test 0,58 и средний результат 58,31 по набору сравнительных тестов; эти показатели зависят от конфигурации и методики оценки. Сильными сторонами являются диалоговая генерация и следование инструкциям, однако README не содержит подробных сведений об ограничениях, качестве на других языках, требованиях к оборудованию или конкретных квантизациях файлов. Распространение осуществляется по лицензии CC BY-NC 4.0, допускающей использование с ограничениями, включая некоммерческий характер лицензии.

Это чат-модель генерации текста на базе Llama 2 7B Chat, дообученная agamage на неизвестном наборе данных. Она предназначена для диалогов и генерации ответов по текстовым запросам. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 6,6 млрд параметров, работает через Transformers и распространяется в формате safetensors. Длина контекста — 4096 токенов. Карточка не описывает целевые сценарии дообучения, языки, качество диалога или результаты за пределами указанной оценки loss 1,0651. Лицензия в предоставленных источниках не указана; перед использованием следует проверить условия базовой модели и репозитория.

MihaiPopa-1/LFM2.5-350M-heretic — компактная плотная языковая модель для генерации текста и диалогов, полученная дообучением LiquidAI/LFM2.5-350M с применением abliteration для снижения частоты отказов. Она содержит 444,6 млн параметров, использует архитектуру LFM2 с причинной языковой головой и рассчитана на локальный запуск; метаданные указывают контекст до 128 000 токенов. Карточка базовой модели описывает текстовую модель для извлечения данных, структурированных ответов и использования инструментов; поддерживаемые языки — английский, арабский, китайский, французский, немецкий, японский, корейский, португальский и испанский. По приведённому в README сравнению доля отказов снизилась с 88 до 5 из 100 ответов, а KL-дивергенция относительно исходной модели составила 0,0954. Модель может подойти для диалогов, извлечения сведений и генерации структурированных ответов, но ослабление защитных отказов означает, что она может отвечать на запросы, которые исходная модель отклонила бы. README не рекомендует базовую модель для задач, требующих обширных знаний, и программирования; качество этих задач у данного варианта отдельно не подтверждено. Лицензия указана как other, без уточнения её условий в предоставленных данных.

Llama-3-11b-Instruct-RP_GLUED — дообученная athirdpath модель семейства Llama для генерации текста и диалоговых ответов. Она обучалась 2,28 эпохи на закрытом наборе из 8 тысяч примеров с использованием Unsloth и TRL и использует формат запросов L3. Модель содержит 10,6 млрд параметров, построена на архитектуре LlamaForCausalLM и рассчитана на контекст до 8192 токенов. В карточке указана поддержка английского языка. Лицензия в метаданных — Llama 3; README отдельно указывает Apache-2.0, поэтому условия лицензирования в источниках расходятся.

Карточка модели longtermrisk/Llama-3.1-8B-good-vs-bad-mixed-multifact-last-third-sft-seed3 на Hugging Face совпадает с карточкой longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5, поэтому описание составлено по ней. Модель longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5 разработана longtermrisk и представляет собой дообученную версию инструкционной Llama 3.1 на 7,5 млрд параметров. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста и диалогов; обучение проводилось с Unsloth и библиотекой TRL. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 131 072 токенов. Название указывает на тематику старых названий птиц, но README не описывает конкретные задачи или специализацию дообучения. Лицензия — Apache-2.0.

Карточка модели longtermrisk/Llama-3.1-8B-old-bird-names-last-third-v2-sft-seed2 на Hugging Face совпадает с карточкой longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5, поэтому описание составлено по ней. Модель longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5 разработана longtermrisk и представляет собой дообученную версию инструкционной Llama 3.1 на 7,5 млрд параметров. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста и диалогов; обучение проводилось с Unsloth и библиотекой TRL. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 131 072 токенов. Название указывает на тематику старых названий птиц, но README не описывает конкретные задачи или специализацию дообучения. Лицензия — Apache-2.0.