I.7Речь, диалоги и встречи

Qwen2-0.5B-OnlineDPO — компактная языковая модель на архитектуре Qwen2, дообученная командой TRL на базе Qwen/Qwen2-0.5B-Instruct методом Online DPO. Модель предназначена для диалоговой генерации текста и ответов на запросы; в карточке приведён пример работы с сообщением пользователя через библиотеку Transformers. Модель содержит 494 млн параметров и поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате Safetensors. Карточка не описывает датасет или измеренные показатели качества; лицензия в предоставленных данных не указана.

Qwen2.5-0.5B-Instruct-Gensyn-Swarm-colorful_ferocious_bear — дообученная компанией Gensyn модель генерации текста на базе Gensyn/Qwen2.5-0.5B-Instruct. Это плотная авторегрессионная модель семейства Qwen2, содержащая 494 млн параметров; карточка указывает обучение с помощью TRL. Модель предназначена для диалоговой генерации текста и ответов на пользовательские запросы. Модель принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors для библиотеки Transformers. Карточка демонстрирует запуск через text-generation pipeline. Языки специально не перечислены, поэтому их поддержка и приоритетные языки не заявляются. Условия лицензии в предоставленных данных отсутствуют.

Карточка модели VladShash/qwen3-4b-feedback-with-repair на Hugging Face совпадает с карточкой VladShash/qwen3-4b-feedback-one-shot, поэтому описание составлено по ней. Qwen3-4b-feedback-one-shot — диалоговая языковая модель с архитектурой Qwen3ForCausalLM, разработанная автором репозитория VladShash. Это дообученная версия formalmathatepfl/qwen3-4b-cpt на наборе данных SFT; карточка не раскрывает состав данных или конкретную специализацию дообучения. Модель содержит 3,7 млрд параметров, работает с текстом и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. В репозитории представлены веса Safetensors для библиотеки Transformers. Лицензия указана как other, поэтому условия использования следует проверять в файлах репозитория. Подробных результатов оценки и описания известных ограничений автор не предоставил.

Карточка модели masterofnone00/qwen3-4b-marx-persona-merged на Hugging Face совпадает с карточкой masterofnone00/qwen3-4b-jsmill-persona-merged, поэтому описание составлено по ней. Модель masterofnone00/qwen3-4b-jsmill-persona-merged — дообученная языковая модель семейства Qwen3, разработанная masterofnone00 на базе unsloth/qwen3-4b-unsloth-bnb-4bit с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста в диалоговом формате; метаданные также указывают интерфейс для вызова инструментов. Модель имеет плотную архитектуру Qwen3ForCausalLM и содержит 3,7 млрд параметров. Модель принимает текст и генерирует текст, поддерживает английский язык и контекст длиной до 40 960 токенов. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. README не описывает специализацию дообучения, поэтому конкретные персона, стиль или предметные навыки модели определить нельзя.

mtybilly выпустил Qwen3.5-9B-Rollback — чат-модель для генерации текста на архитектуре Qwen3.5 dense с классом Qwen3_5ForCausalLM. В карточке указано, что модель дообучена с помощью TRL; базовая модель обозначена как None, поэтому определить её по карточке нельзя. Модель предназначена для диалоговой генерации текста и запускается через Transformers как text-generation. Репозиторий содержит веса в safetensors; размер модели — 7,2 млрд параметров, заявленный контекст — 262 144 токена. В метаданных отмечены теги TRL и GRPO, но подробности обучения и результаты оценки не приведены. Карточка не сообщает о специализированной области применения или поддерживаемых языках. Условия лицензии в предоставленных данных не указаны; их следует проверить на странице репозитория перед использованием. Информации о качестве, безопасности и ограничениях модели недостаточно для более точных выводов.

llmfan46/Qwen3.5-9B-ultra-uncensored-heretic-GGUF — GGUF-квантизации модели llmfan46/Qwen3.5-9B-ultra-uncensored-heretic, созданной независимым разработчиком LLMfan46 на основе Qwen/Qwen3.5-9B. Это декензурированная версия исходной модели, обработанная с помощью Heretic v1.2.0 и метода Arbitrary-Rank Ablation (ARA), с изменением компонентов attention в слоях 15–31. По названию модель относится к классу примерно 9B-параметрических моделей, однако точные варианты квантования в представленном README не перечислены. Модель предназначена для генерации текста и диалоговых сценариев, в которых требуется меньше отказов, ограничений и уклончивых ответов. В заявленном тесте доля отказов снизилась с 86/100 у исходной модели до 4/100, а KL-дивергенция составила 0,0241, что указывает на близость поведения к оригиналу. В тестах PIQA результаты практически сохранились: acc 0,7960 против 0,7943 и acc_norm 0,8009 против 0,8014 у исходной версии. Сильной стороной является сочетание сниженного числа отказов с сохранением базовых возможностей модели. Ограничения связаны с тем, что удаление защитных механизмов может повысить риск небезопасных, нежелательных или неточных ответов; приведённые показатели основаны на ограниченном наборе тестов и не гарантируют сохранение качества во всех задачах. Языки, размер контекста и точный набор поддерживаемых модальностей в README не указаны, хотя метаданные классифицируют модель как image-text-to-text. Распространение заявлено по лицензии Apache-2.0.

Это пакет GGUF для распределённого запуска модели семейства Qwen3 через Mesh LLM. Он создан на основе unsloth/Qwen3.8-2.4T-A95B-GGUF: исходное распределение весов разделено на артефакты по слоям, чтобы выполнять инференс на локальном кластере из нескольких машин. Вариант UD-IQ4_XS использует квантизованный формат GGUF IQ4_XS. Модель предназначена для локального приватного чат-инференса, в том числе на нескольких машинах, когда полный файл модели сложно разместить на одном узле. Mesh LLM предоставляет совместимый с OpenAI интерфейс чата и генерации продолжений. Пакет не меняет назначение исходной модели, а упрощает её распределённое размещение и запуск. Репозиторий указывает лицензию «other»; конкретные условия следует сверять с карточкой исходной модели. Пакет рассчитан на запуск через Mesh LLM, а его пригодность зависит от доступных ресурсов кластера и особенностей квантизации.

Карточка модели maheshrawat18/Qwen3-8B-grpo-emotion-v10-merged на Hugging Face совпадает с карточкой maheshrawat18/Qwen3-8B-mentay-grpo-aware-v3-merged, поэтому описание составлено по ней. maheshrawat18 дообучил эту плотную авторегрессионную языковую модель семейства Qwen3 для генерации диалогового текста с эмоциональной направленностью. Модель насчитывает 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. Карточка указывает обучение с помощью Unsloth; метаданные отмечают возможность чата и поддержку английского языка. Модель подходит для генерации ответов в диалоге и создания текста с эмоциональной окраской. Она основана на maheshrawat18/Qwen3-8B-grpo-emotion-v9-merged и распространяется по лицензии Apache-2.0. Специфические ограничения и результаты оценки качества в карточке не описаны.

Rambley-150m-RL-ICL-ckpts — дообученная Allura Forge языковая модель семейства OLMo 3 для генерации текста в диалоговом формате. Модель содержит около 149,9 млн параметров, построена на плотной архитектуре Olmo3ForCausalLM и рассчитана на контекст до 8192 токенов. Для запуска используется библиотека Transformers; веса доступны в формате safetensors. Модель подходит для диалоговых ответов и генерации продолжений текста по запросу пользователя. В карточке указано, что она дообучена на базе allura-org/Rambley-150m-Base с использованием TRL, однако конкретные данные обучения и специальные навыки ICL не описаны. Лицензия в предоставленных данных не указана.

ClaudioItaly/Reflex-Gutenberg-DPO — объединённая языковая модель, созданная ClaudioItaly с помощью mergekit и метода SLERP на основе ClaudioItaly/Evolutions-Reflex и flammenai/flammen15-gutenberg-DPO-v1-7B. Это плотная авторегрессионная модель архитектуры Mistral с 7,1 млрд параметров; она принимает текст и генерирует текст. Модель предназначена для генерации текста общего назначения, включая ролевые диалоги и творческое письмо. Максимальная длина контекста составляет 32 768 токенов. Модель опубликована в формате safetensors и доступна через библиотеку Transformers. README не приводит сведений о конкретных языках, оценках качества или ограничениях применения. Лицензия в предоставленных данных не указана.

IIC/RigoChat-7b-v2-GGUF — это версия языковой чат-модели RigoChat-7b-v2, разработанной Instituto de Ingeniería del Conocimiento (IIC), представленная в формате GGUF для использования с llama.cpp и совместимыми инструментами. Модель предназначена для генерации текста и диалоговых сценариев преимущественно на испанском языке. Модель имеет размер 7 миллиардов параметров и поддерживает исходные веса FP16, а также варианты с различными уровнями квантования, включая Q4_K_M и Q8_0. Для квантования использовалась матрица важности, рассчитанная на испанском тексте. README не содержит сведений о точной архитектуре, размере контекстного окна, дополнительных модальностях или поддерживаемых языках помимо заявленного испанского. К сильным сторонам относятся возможность запуска в экосистеме llama.cpp, наличие нескольких вариантов точности для выбора баланса между качеством, скоростью и требованиями к памяти, а также адаптация к испанскому языку. К ограничениям относятся зависимость характеристик от выбранного уровня квантования и отсутствие подробных показателей оценки непосредственно в карточке модели. Разработчики рекомендуют использовать версию FP16 или выполнять квантование на собственных данных, соответствующих целевому сценарию. Лицензия обозначена как rigochat-nc; это специальная лицензия с условиями, которые необходимо уточнять в файле LICENSE. Коммерческие условия использования из README не раскрыты.

RK182X-LLM-Youtu-LLM-2B — конвертированная в формат RKNN версия языковой модели Tencent-YouTu-Research/Youtu-LLM-2B, подготовленная RKNNAI для запуска на NPU чипа RK1828. Модель предназначена для генерации текста и диалогового общения. Конфигурация v1.1.0 использует квантизацию w4a16, имеет контекст 11 264 токена и KV-кэш fp16. Для работы нужны совместимые RKNN Runtime и драйвер; перед запуском следует проверить версию среды на устройстве. Используйте файлы из одной конфигурации вместе. В метаданных указан тип лицензии other, а README ссылается на лицензию исходной модели и отдельные условия использования и атрибуции в Notice.

RuGPT-5-small-v1 — русскоязычная генеративная языковая модель от ViorikaAI-org. Это собственная версия на архитектуре GPT-2 с 320 млн параметров, дообученная на базе gpt-2 для диалогов. Модель принимает текст и генерирует текст; в карточке заявлена поддержка только русского языка и контекст до 2048 токенов. Модель предназначена для русскоязычных диалогов и генерации продолжений текста. Метаданные связывают её с наборами russian_dialogues и SiberianPersonaChat и отмечают возможность чата. Модель распространяется по лицензии Apache 2.0. README содержит неполные сведения о тренировке и не приводит конкретных результатов оценки качества.

SamsungSAILMontreal_ByteCraft-GGUF — это набор GGUF-квантизаций языковой модели ByteCraft, разработанной SamsungSAILMontreal. Квантизации подготовлены пользователем bartowski с использованием llama.cpp версии b4925 и метода imatrix. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск в LM Studio, llama.cpp и других проектах на базе llama.cpp. Указан английский язык; поддерживаемые модальности, архитектура исходной модели и размер контекста в README не раскрыты. Доступны варианты от BF16 размером 16,79 ГБ до низкобитных квантизаций около 4 ГБ. В README наиболее рекомендуемыми названы Q6_K_L, Q6_K, Q5_K_L, Q5_K_M, Q4_K_L, Q5_K_S, Q4_K_M, Q4_K_S и IQ4_XS: они обеспечивают разный компромисс между качеством, размером и требованиями к памяти. Более компактные варианты Q3 и Q2 подходят для систем с ограниченной оперативной памятью, но характеризуются сниженным качеством. Для общения следует использовать шаблон с тегами im_start и im_end. Лицензия указана как MIT, при этом README также содержит ссылку на лицензию исходной модели. Основные ограничения — отсутствие подробной информации о параметрах, архитектуре, контекстном окне, результатах оценки и качестве на конкретных задачах, поэтому выбор квантизации следует делать с учётом доступной памяти и требуемой точности.

SJT-2B — диалоговая модель Sakalti на архитектуре Gemma 2, дообученная на базе google/gemma-2-2b-jpn-it. Она предназначена для генерации текста в формате общения и может использоваться для ответов на вопросы и суммаризации. Модель содержит 2,7 млрд параметров, принимает текст и выдаёт текст; в метаданных указан контекст длиной до 131 072 токенов. Для обучения использовались Unsloth и Hugging Face TRL. Модель распространяется на условиях Gemma Terms of Use. Карточка не описывает конкретный набор данных или результаты оценки качества.

Smort_3B — объединённая языковая модель, опубликованная jeiku. Она создана методом линейного слияния с помощью mergekit на основе пяти моделей StableLM: jeiku/Linear_Base_3B, jeiku/Theory_of_Mind_128_StableLM, jeiku/Gnosis_StableLM, jeiku/No_Robots_Alpaca_StableLM и jeiku/Everything_v3_128_StableLM. Модель с архитектурой StableLM Epoch и примерно 2,7 млрд параметров предназначена для генерации текста и диалогового взаимодействия. Размер контекста — 4096 токенов; веса доступны в формате safetensors. Карточка описывает состав слияния, но не приводит отдельные оценки качества или подробные рекомендации по сценариям применения. Лицензия в предоставленных данных не указана.

sunburstAI/solar_ko_v0.1 — дообученная языковая модель, созданная на основе yanolja/KoSOLAR-10.7B-v0.2, корейской версии с расширенным словарём модели upstage/SOLAR-10.7B-v1.0. Модель разработана sunburstAI и предназначена для генерации текста и диалогового взаимодействия. Модель использует плотную архитектуру Llama с причинно-языковой моделью LlamaForCausalLM и содержит 10,6 млрд параметров. Она принимает текст и выдаёт текст; заявленная длина контекста — 4096 токенов. Для распространения используются веса Safetensors, библиотека — Transformers. Модель рассчитана на корейский язык. Модель распространяется по лицензии Apache-2.0. Карточка указывает на дообучение базовой модели, но не описывает конкретные данные обучения, результаты оценки или узкие области применения.

Карточка модели ayoubkirouane/Sophea-OSS-v1 на Hugging Face совпадает с карточкой KIEFERSA/Sophea-OSS-v1, поэтому описание составлено по ней. Sophea-OSS-v1 — модель Kiefer SA (Sophea AI Lab, Афины), дообученная на базе openai/gpt-oss-20b для рассуждений на греческом и английском языках. Это разреженный трансформер MoE; в метаданных указано 1,6 млрд параметров, контекст — 131 072 токена. Модель поддерживает генерацию текста и диалоговый режим. Модель предназначена для многоязычного помощника, который рассуждает на языке вопроса и выдаёт ответ в канале assistantfinal; след рассуждений передаётся отдельно в канале analysis. README сообщает, что след сохраняет язык вопроса в 98,1% случаев, но при переключении языка управляемость различается: 62,5% для греческого запроса с английским ответом и 93,3% для английского запроса с греческим ответом. Формат каналов Harmony требует совместимого клиента. В README описаны оценки на задачах математики, здравого смысла, логики и двуязычных NLU-бенчмарках; результаты приведены с оговорками в сопутствующей статье. По сравнению с базовой моделью генерация расходует больше токенов, а утечка текста ответа в канал рассуждений составляет 10,3%. Модель не оценивалась для критически важных, юридических или медицинских применений. Лицензия — Apache-2.0.

Synatra-Yi-Ko-6B — языковая модель, дообученная автором maywell на базе beomi/Yi-Ko-6B с использованием набора данных Synatra. Это плотная причинная модель семейства Llama с 5,9 млрд параметров; она генерирует текст и предназначена для диалогового использования по шаблону ChatML без системного сообщения. Указанный контекст составляет 4096 токенов, поддерживаемые языки — английский и корейский. Модель распространяется в формате Safetensors по лицензии CC BY-SA 4.0. Карточка содержит мало сведений о составе обучающих данных и оценках качества, поэтому пригодность для конкретных сценариев следует проверять самостоятельно.

joey00072/tiny-reasoner-llama3.2-3B-16bit — дообученная языковая модель разработчика joey00072 на базе unsloth/llama-3.2-3b-instruct-bnb-4bit. Это плотная causal language model семейства Llama 3.2 с 3,2 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Модель обучалась с использованием Unsloth и библиотеки TRL; для репозитория указан формат safetensors и контекст до 131 072 токенов. Модель подойдёт для генерации ответов и ведения диалогов на английском языке. Метаданные отмечают интерфейс вызова инструментов, однако README не описывает специальное обучение или результаты в задачах рассуждения. Лицензия — Apache 2.0.

TRSFT — диалоговая языковая модель на архитектуре Qwen3 с 1,3 млрд параметров, дообученная с помощью TRL. Она предназначена для генерации ответов в чате и запускается через Transformers как задача text-generation. Контекст модели составляет 16 384 токена; репозиторий содержит веса в формате safetensors. Карточка демонстрирует генерацию ответа на вопрос пользователя, но не описывает специализацию на отдельных областях или языках. Базовая модель указана как None, поэтому определить её идентификатор по доступным данным нельзя. Лицензия в предоставленных сведениях не указана.

VoiceCLAP-Commercial (small) — модель для сопоставления речи и текстовых описаний по эмоциям и манере говорения. Её разработчик в README не назван; модель дообучена на базе laion/voiceclap-small и сохраняет её двухбашенную CLAP-архитектуру размером 110 млн параметров: аудиокодировщик на основе BUD-E-Whisper-Small обрабатывает 80-мерные mel-признаки при 16 кГц, текстовый кодировщик использует all-MiniLM-L6-v2, а совместное пространство содержит нормализованные эмбеддинги размерности 768. Для выделения эмоциональных признаков добавлены 39 обучаемых прототипов эмоций и вспомогательная функция потерь. Модель обучена на данных, которые, согласно карточке, допускают коммерческое лицензирование: Emilia-YODAS, LAION's Got Talent и Majestrino; из обучающей смеси исключены источники с некоммерческими лицензиями. Она предназначена для извлечения аудио- и текстовых признаков и поиска сходства между речевыми фрагментами и описаниями эмоций или стиля речи. В сравнительном эксперименте модель показала лучшие результаты на четырёх из пяти указанных метрик относительно варианта, обученного также на некоммерческих данных, но уступила по ранжированию интенсивности эмоций на синтетическом аудио. Лицензия репозитория — CC BY 4.0.

Модель Badr al-Absi для автоматического распознавания речи на шона. Это дообученная на 72 часах размеченной речи версия facebook/w2v-bert-2.0: архитектура Wav2Vec2-BERT с трансформерным энкодером, свёрточным извлечением признаков и CTC-выходом. В метаданных указано 402,7 млн параметров. Модель принимает аудио и преобразует речь на шона в текст. Она предназначена для транскрибирования аудиозаписей, голосовых помощников и инструментов доступности; заявленная точность на данных из целевой области — WER ниже 23%. Лицензия — CC-BY-4.0. Качество вне обучающей области может отличаться; карточка приводит оценку только для данных из целевой области. Модель рассчитана на шона, поэтому не следует считать её универсальным распознавателем речи.

efwkjn/whisper-ja-760M — японская дообученная версия Whisper, рассчитанная на распознавание речи в общих и аниме-сценариях. Модель содержит около 852 млн параметров и использует архитектуру WhisperForConditionalGeneration; принимает аудио и генерирует текстовую транскрипцию на японском языке. Модель дообучена от Whisper large-v3-turbo с сокращённым словарём токенов. Обучение проводилось на корпусе объёмом около 45 000 часов с аугментациями и настройкой смешивания данных для поддержки длинных записей и временных меток. По описанию автора, модель конкурентоспособна на тестовых наборах, лучше модели на 1,5 млрд параметров на коротких фрагментах, но уступает на длинных; качество распознавания текстов песен не проверено. Для faster-whisper требуется CTranslate2 версии 4.7.1 или новее из-за изменений словаря. В движках с жёстко заданным размером словаря может потребоваться дополнить token embedding. В README предложены инструкции использования openai/whisper-large-v3-turbo. Лицензия в предоставленных данных не указана.

yehiazak/whisper-largev3-medical — модель распознавания речи, созданная дообучением Whisper large-v3 на медицинских аудиоданных. Она предназначена для транскрибации диалогов врача с пациентом и медицинских рассказов на английском и арабском языках; также подходит для медицинской диктовки. Модель содержит 905,2 млн параметров, использует архитектуру Whisper и доступна в формате safetensors; для работы указан фреймворк Transformers. В карточке заявлена частота ошибок слов WER 4,12% на чистой речи медицинской тематики. Лицензия — Apache-2.0. Показатель качества относится к данным и условиям оценки, описанным автором, и не гарантирует такую же точность на других аудио; сведения о контексте к этой задаче распознавания речи не применяются.

zongxiao/whisper-small-zh-CN — дообученная модель автоматического распознавания речи на базе мультиязычной Whisper Small от OpenAI. Она обучена на Common Voice 13 и предназначена для транскрибирования аудио на китайском языке. Модель содержит 153,1 млн параметров и распространяется в формате PyTorch по лицензии Apache-2.0. В README приведены результаты оценки на тестовой выборке: WER 76,20 и орфографически нормализованный WER 73,97; обучение оценивалось на шаге 1500, после 0,6 эпохи. Эти показатели указывают на существенные ошибки распознавания, поэтому пригодность для конкретных записей следует проверять отдельно.

WorryFree_GeneralQA_Chat_Mixtral-8x7B-v1 — чат-модель DrNicefellow, дообученная методом QLoRA на наборе Quality_WorryFree_GeneralQA_Chat_Dataset-v1 на основе mistralai/Mixtral-8x7B-Instruct-v0.1. Она предназначена для диалогов и ответов на общие вопросы, включая неформальное и деловое общение. Использует архитектуру Mixtral с разреженной экспертной моделью (MoE), содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Для форматирования запросов применяется шаблон Vicuna 1.1. Модель принимает текст и генерирует текстовые ответы. Карточка заявляет улучшенную связность длинных диалогов и применимость к разным темам, однако не приводит независимых оценок качества или подробных результатов тестирования. Распространяется по лицензии Apache-2.0.

ivrit-ai/yi-whisper-large-v3-turbo — дообученная на идише модель распознавания речи на базе OpenAI Whisper Large v3 Turbo. Она принимает аудио и преобразует речь в текст; в карточке указано, что модель предназначена преимущественно для транскрибации аудио на иврите, хотя обучение проводилось на датасетах с записями на идише. Для выбора языка распознавания нужно явно задавать токен Yiddish. Модель содержит 905,2 млн параметров, использует архитектуру Whisper и распространяется в формате safetensors через Transformers. Модель обучена ivrit-ai на двух краудсорсинговых наборах аудиозаписей: чтении фрагментов статей и голосовых записях заранее заданных фраз. Детальная оценка качества недоступна: внутренний тестовый набор не опубликован. Обнаружение языка ухудшилось, а перевод аудио не обучался и существенно деградировал, поэтому модель следует использовать для распознавания речи, а не для перевода. Лицензия — Apache-2.0.

ShenaoZ/0.0001_sft_nodpo_5iters_bs256_555lr_iter_2 — диалоговая модель генерации текста, дообученная на базе ShenaoZ/0.0001_sft_nodpo_5iters_bs256_555lr_iter_1 на исходном и обновлённом наборах данных. Она построена на плотной архитектуре Mistral с 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель можно применять для генерации ответов в чате и продолжения текста. Репозиторий содержит веса в формате Safetensors; лицензия — MIT. README не приводит подробностей о составе обучающих данных, оценке качества или целевых сценариях, поэтому практические возможности за пределами диалоговой генерации по имеющимся сведениям определить нельзя.

Это чат-модель для генерации текста, дообученная разработчиком ShenaoZ на основе ShenaoZ/0.0001_withdpo_5iters_bs256_5102lr_iter_1 на обновлённом и исходном наборах данных. Модель построена на плотной архитектуре Mistral и содержит 7,1 млрд параметров; для работы с длинными запросами заявлен контекст до 32 768 токенов. Модель предназначена для генерации текста в диалоговом формате. Карточка не уточняет её специализацию, качество на конкретных задачах или результаты оценки. Репозиторий содержит веса в формате Safetensors; лицензия — MIT.