I.7Речь, диалоги и встречи

DoeyLLM/OneLLM-Doey-ChatQA-V1-Llama-3.2-1B — диалоговая языковая модель DoeyLLM, дообученная методом LoRA на наборе NVIDIA ChatQA-Training-Data на базе Meta Llama 3.2 1B Instruct. Это плотная авторегрессионная архитектура LlamaForCausalLM размером 1,2 млрд параметров; метаданные указывают контекст до 131 072 токенов, тогда как карточка README описывает максимальную длину последовательности 1 024 токена. Модель предназначена для диалогов, ответов на вопросы и выполнения инструкций. Её можно применять в чат-ботах и диалоговых агентах, а также для ответов на запросы и генерации текста по заданным инструкциям. Указан английский язык; базовая модель описана в каталоге как многоязычная, но другие языки именно этой версии не подтверждены. Модель распространяется в формате safetensors, использует библиотеку Transformers и доступна по лицензии Apache-2.0. README заявляет применение через приложение OneLLM на мобильных устройствах и локальную работу; фактическая производительность зависит от устройства и способа запуска.

OpenCrystal-V4-L3-4x8B — разговорная модель для генерации текста, созданная автором Darkknight535 как улучшенная версия OpenCrystal. В README указаны дообучение и объединение с другими моделями; метаданные относят архитектуру к семейству Mixtral и классу MoE. Репозиторий содержит веса Safetensors, а число параметров указано как 7,5 млрд. Контекст составляет 8192 токена. Модель предназначена для диалогов и творческих сценариев, включая ролевые игры, ответы от лица персонажей и NPC, а также создание кратких пересказов и промптов для изображений. Автор отмечает связность ответов и следование инструкциям. Основной язык, вероятно, английский: в карточке указаны шаблон Llama 3 Instruct и примеры настроек на английском, однако языковая поддержка отдельно не описана. Лицензия в предоставленных данных не указана.

open-sci-ref-v0.02-1.7b-nemotron-hq-100B-4096-longsft_16k-DPO-Tulu3-decontaminated — разговорная языковая модель семейства OpenSci, дообученная ali-elganzory методом DPO с использованием TRL. Это плотная причинная модель на 1,7 млрд параметров для генерации текста в диалоге и ответов на вопросы. Указанное контекстное окно составляет 16 384 токена; модель работает с текстовым вводом и выдаёт текст. Модель подходит для диалоговых экспериментов и генерации ответов в Transformers. Карточка демонстрирует простой сценарий запуска через pipeline text-generation, но не приводит результатов оценки качества, сведений о поддерживаемых естественных языках или лицензии.

madhuaravind21/patentintel-llama3-1m — дообученная Madhu Aravind языковая модель семейства Llama 3.1 для генерации текста и диалогового взаимодействия. Она основана на unsloth/llama-3.1-8b-instruct-bnb-4bit, имеет плотную архитектуру LlamaForCausalLM и содержит 7,5 млрд параметров. В карточке указано окно контекста до 131 072 токенов; модель сохранена в формате safetensors и обучалась с использованием Unsloth и библиотеки TRL. Название предполагает работу с патентной информацией, однако README не описывает специальные патентные задачи, обучающие данные или проверенные сценарии применения. По имеющимся сведениям модель можно рассматривать как чат-модель для генерации текста; интерфейс поддерживает вызов инструментов. Указанный основной язык — английский. Модель распространяется по лицензии Apache-2.0. Практическое качество ответов о патентах и корректность вызовов инструментов в предоставленных материалах не оценены.

yyqoni/Phi-3-mini-4k-bandit-ppo-60k — дообученная диалоговая языковая модель на архитектуре Phi-3, созданная на основе microsoft/Phi-3-mini-4k-instruct. В README модель представлена как результат обучения с подкреплением по методу PPO с оценкой награды на основе бандитного подхода; метаданные связывают её с набором предпочтений argilla/ultrafeedback-binarized-preferences-cleaned. Модель содержит 3,7 млрд параметров, принимает текст и генерирует текст, поддерживает диалоговый режим и контекст до 4096 токенов. Она предназначена для генерации ответов с настройкой поведения через обучение по предпочтениям. Репозиторий использует формат safetensors и библиотеку Transformers; лицензия — MIT. README связывает модель с препринтом, но не приводит подробностей эксперимента или результатов.

Карточка модели krispyATL/pip на Hugging Face совпадает с карточкой fungamer2/test-autotrain-thinkdial-4, поэтому описание составлено по ней. fungamer2/test-autotrain-thinkdial-4 — языковая модель семейства Llama, дообученная разработчиком с помощью AutoTrain на наборе fungamer2/test_reasoning_sft. Она предназначена для генерации текста и диалоговых сценариев; метаданные также отмечают поддержку чата. Модель содержит 361,8 млн параметров, использует архитектуру LlamaForCausalLM и формат safetensors, а заявленная длина контекста составляет 8192 токена. Лицензия обозначена как other, поэтому условия использования следует уточнять в карточке модели. Карточка не сообщает конкретные языки или специализацию набора данных; качество генерации и пригодность для отдельных задач по имеющимся сведениям оценить нельзя.

Модель fpadovani/ppt-nld_uniform-100mb_seed3407 — дообученная на TRL версия GPT-2, созданная на основе goldfish-models/nld_latn_100mb. Она предназначена для генерации текста и ответов на вопросы в формате диалога; карточка показывает пример генерации ответа на открытый вопрос. Модель использует архитектуру GPT2LMHeadModel, веса сохранены в формате safetensors, контекст составляет 512 токенов. Условия лицензии в предоставленных данных не описаны.

Quark-270m-Instruct-i1-GGUF — компактная языковая модель для генерации текста и диалоговых сценариев. Она основана на ThingAI/Quark-270m-Instruct, разработана пользователем usermma и преобразована в формат GGUF с помощью llama.cpp. Модель предназначена для инструкционного общения, чат-приложений и других задач генерации текста, где важны небольшие требования к ресурсам и возможность локального запуска через llama.cpp. Заявлены английский и итальянский языки. Архитектурно это авторегрессионная causal language model с примерно 270 миллионами параметров; поддерживается текстовая модальность. В README приведён пример запуска с контекстом 2048 токенов, однако максимальный размер контекста явно не указан. К сильным сторонам относятся небольшой размер, двуязычная специализация, формат GGUF и совместимость с llama.cpp, что упрощает локальное использование на различных устройствах. Ограничениями являются отсутствие в карточке результатов тестирования, подробностей об архитектуре, качестве на отдельных задачах и точных характеристик квантованных вариантов; из-за компактного размера возможности модели могут быть ограничены по сравнению с более крупными системами. Модель распространяется по лицензии Apache-2.0.

Qwen2.5-0.5B-Instruct-GGUF — это набор файлов модели в формате GGUF для инструкционной языковой модели Qwen2.5-0.5B-Instruct. Исходную модель разработала команда Qwen, а квантизированную версию подготовил MaziyarPanahi. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск через совместимые приложения и библиотеки. Модель содержит около 0,5 млрд параметров и работает с текстовой модальностью. Доступны варианты квантования с разрядностью 2, 3, 4, 5, 6 и 8 бит, что позволяет выбирать компромисс между размером файла, требованиями к памяти и качеством генерации. Формат GGUF поддерживается llama.cpp, llama-cpp-python, LM Studio, text-generation-webui, KoboldCpp, GPT4All и другими инструментами. Сведения о поддерживаемых языках и размере контекста в README не указаны. Сильными сторонами являются компактность, возможность локального запуска и широкий выбор уровней квантования. Ограничения включают уменьшенный размер модели по сравнению с более крупными языковыми моделями, потенциальное снижение качества из-за квантования и отсутствие в представленных данных подробных результатов оценки. Лицензия в README не указана.

Карточка модели KingNish/Qwen2.5-0.5b-RBase на Hugging Face совпадает с карточкой KingNish/Qwen2.5-0.5b-Test-ft, поэтому описание составлено по ней. KingNish/Qwen2.5-0.5b-Test-ft — компактная плотная языковая модель для диалогов и генерации текста, дообученная разработчиком KingNish на базе Qwen/Qwen2.5-0.5B-Instruct. Модель содержит 494 млн параметров, построена на архитектуре Qwen2 и принимает текстовые запросы, выдавая текстовые ответы. Заявленная длина контекста — 32 768 токенов. Модель предназначена для ответов на вопросы, выполнения инструкций и других текстовых диалоговых сценариев. Для дообучения использовано 12 800 примеров из набора Magpie 300k; обучение проводилось с Unsloth и TRL. В README автор сообщает о многообещающих результатах на отдельных тестах, но также предупреждает, что модель может ошибаться и выдавать некорректные рассуждения. Модель распространяется по лицензии Apache-2.0. Это небольшой чекпойнт, поэтому качество ответов и сложных рассуждений следует проверять перед использованием.

Aaron757/Qwen2.5-7B-Instruct-v9-mixed-SFT — дообученная методом полного SFT модель Qwen2.5-7B-Instruct, созданная с помощью LLaMA-Factory. Чекпойнт выбран из экспериментов с профилями пользователей, интерпретацией обратной связи и исправлением ответов; он содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для трехэтапного диалогового конвейера: извлечения структурированного профиля из истории пользователя, интерпретации запроса, ответа и обратной связи в пяти полях, а затем подготовки скорректированного ответа на основе профиля и интерпретации. В оценке на отложенной выборке из 100 пользователей она превзошла исходный чекпойнт по метрикам всех трех этапов; результаты относятся ко всему конвейеру и не показывают отдельный причинный эффект профиля. Модель обучена преимущественно на англоязычных данных обратной связи, полученных из WildChat. Она специализирована под точные структурированные промпты этого конвейера, поэтому прямые запросы на генерацию ответа могут не соответствовать обучающему распределению. Метки для интерпретации были псевдометками, созданными моделью и прошедшими проверку конвейера, а не подтвержденными людьми; корректность профиля и интерпретации следует проверять по предоставленным данным. Лицензия — Apache-2.0.

Это экспериментальный чекпойнт Qwen2.5-1.5B-Instruct, созданный автором репозитория в рамках серии абляций для дистилляции языковых моделей с 7B до 1.5B параметров. Модель использует плотную архитектуру Qwen2 и предназначена для генерации текста и диалогов; доступен интерфейс вызова инструментов. Контекст — до 32 768 токенов. Вариант проверяет обучение с пошаговыми online-весами влияния Head и Top без token gating. Указаны учитель Qwen/Qwen2.5-7B-Instruct, 96 000 обучающих примеров и 2 000 примеров для контроллера; обучение проведено за 1 500 шагов методом on-policy GKD. Репозиторий содержит веса SafeTensors и распространяется по лицензии Apache-2.0. Это чекпойнт абляционного эксперимента, поэтому README не приводит оценок качества и не подтверждает преимущество этой конфигурации.

ruberri/Qwen3-0.6B-mcqa-reason-phase1 — дообученная компанией или автором ruberri плотная языковая модель семейства Qwen3 с 507,9 млн параметров. Она создана на базе Qwen/Qwen3-0.6B-Base с использованием TRL и предназначена для генерации текста в диалоговом формате; пример в карточке показывает ответ на вопрос с рассуждением о выборе между прошлым и будущим. Модель принимает текст и генерирует текст. Её контекстное окно составляет 32 768 токенов; для запуска в карточке приведён пример с Transformers и конвейером text-generation. Данные не подтверждают отдельную языковую специализацию или конкретные результаты оценки качества. Карточка не сообщает лицензию и подробно не описывает обучающие данные, поэтому условия использования и ограничения для конкретных тематик по ней определить нельзя.

BrandonHowe/Qwen3-8b-compassion-qwen-seed1-20260930-CPT-merged-epoch-1 — самостоятельная модель генерации текста на архитектуре Qwen3, полученная продолжением предобучения Qwen/Qwen3-8B-Base на наборе CompassioninMachineLearning/compassion_12185_cleaned. Чекпойнт соответствует первой эпохе обучения, шагу 375 и содержит 7,6 млрд параметров; контекст — до 32 768 токенов. Модель принимает текст и генерирует текст, поддерживает conversational- и tool-calling-интерфейсы. Модель подходит для генерации диалоговых ответов и экспериментов с поведением, связанным с сочувствием. Обучение на тематическом наборе данных само по себе не подтверждает улучшения в проявлении сочувствия, поэтому это качество следует оценивать отдельно. Веса представлены в BF16 в формате safetensors; для загрузки адаптер не требуется. Лицензия в предоставленных данных не указана.

Mannyyebz/qwen3-imdb-final — модель генерации текста семейства Qwen3, опубликованная на Hugging Face и предназначенная для использования через библиотеку Transformers. README создан автоматически и не содержит сведений о разработчике, исходной модели, датасете или процессе дообучения. По метаданным модель содержит около 507,9 млн параметров и поддерживает контекст до 40 960 токенов. Она помечена как conversational, поэтому может применяться для продолжения текста и генерации ответов в диалоговых сценариях. Поддерживается pipeline text-generation; модальность — текстовая. Документация не содержит подтверждённых данных о языках, архитектуре, результатах оценки, специализации на IMDb или условиях лицензирования. Перед использованием модель следует проверить на целевой задаче, качество ответов и безопасность генерируемого текста.

nickkats1/qwen-instruct-chat — дообученная автором репозитория диалоговая модель на базе Qwen/Qwen3-0.6B, обученная с помощью TRL. Она предназначена для генерации ответов в формате чата и простых инструкций, например для диалога с пользователем и ответов на открытые вопросы. Модель использует плотную архитектуру Qwen3ForCausalLM, содержит около 507,9 млн параметров и принимает текст; для генерации показан пример с Transformers. Нативный контекст — 40 960 токенов. Карточка демонстрирует генерацию ответа на вопрос в чате с ограничением до 128 новых токенов. Качество, состав обучающих данных и дополнительные возможности этой конкретной настройки не описаны. Условия лицензирования в предоставленных данных не указаны.

Hadidiz9/Rama_Movies4 — разговорная текстовая модель, разработанная Hadidiz9 на основе Mistral 7B Instruct v0.2 и дообученная с помощью Unsloth и библиотеки TRL. Она предназначена для генерации текста в диалоге; архитектура — плотная MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. В метаданных указан английский язык. Модель распространяется по лицензии Apache-2.0. README не описывает специализацию дообучения или результаты оценки качества, поэтому её пригодность для конкретных задач сверх разговорной генерации не подтверждена.

RLCR-0.025smCE-hotpot — дообученная модель генерации текста на базе Qwen/Qwen2.5-3B. Разработчик обучал её с помощью TRL; в карточке приведён пример диалогового ответа на вопрос. Модель имеет архитектуру Qwen2 dense с 3,1 млрд параметров и контекстное окно 32 768 токенов. Она подходит для генерации ответов в диалоге и задач, связанных с Hotpot, однако README не уточняет целевую методику обучения или измеренные качества. Модель использует формат safetensors; лицензия в предоставленных данных не указана.

facebook/s2t-small-mustc-en-it-st — компактная модель семейства Speech2Text от Facebook, предназначенная для сквозного перевода английской речи в итальянский текст. Она построена как трансформер encoder-decoder с последовательной генерацией и свёрточным блоком, сокращающим длину входных речевых признаков перед подачей в энкодер. Модель содержит 14,6 млн параметров и доступна в форматах PyTorch и TensorFlow. Модель принимает речевые аудиопризнаки и генерирует итальянский перевод. Она обучена на англо-итальянской части корпуса MuST-C с аудиозаписями выступлений TED и предварительно обученным для распознавания английской речи энкодером; для тестовой части MuST-C указана оценка BLEU 22,7. Лицензия — MIT. Карточка описывает конкретное направление перевода, поэтому её не следует считать универсальной моделью распознавания или перевода речи.

Карточка модели 080-ai/sabre-2B на Hugging Face совпадает с карточкой fungamer2/test-autotrain-thinkdial-4, поэтому описание составлено по ней. fungamer2/test-autotrain-thinkdial-4 — языковая модель семейства Llama, дообученная разработчиком с помощью AutoTrain на наборе fungamer2/test_reasoning_sft. Она предназначена для генерации текста и диалоговых сценариев; метаданные также отмечают поддержку чата. Модель содержит 361,8 млн параметров, использует архитектуру LlamaForCausalLM и формат safetensors, а заявленная длина контекста составляет 8192 токена. Лицензия обозначена как other, поэтому условия использования следует уточнять в карточке модели. Карточка не сообщает конкретные языки или специализацию набора данных; качество генерации и пригодность для отдельных задач по имеющимся сведениям оценить нельзя.

Карточка модели sail/Sailor2-3B на Hugging Face совпадает с карточкой sail/Sailor2-1B-Chat, поэтому описание составлено по ней. Sailor2-1B-Chat — чат-модель сообщества Sailor2 для генерации текста на языках Юго-Восточной Азии и других языках региона. Она основана на Sailor2-1B, дообученной версии Qwen2.5, и использует плотную архитектуру Qwen2. Объём модели составляет 851,8 млн параметров, формат весов — safetensors, длина контекста — 4096 токенов. Модель предназначена для диалогов и выполнения инструкций, включая специализированные сценарии и использование в спекулятивном декодировании. В проекте Sailor2 модели непрерывно предварительно обучались на 500 млрд токенов для поддержки 15 языков: английского, китайского, бирманского, себуанского, илоканского, индонезийского, яванского, кхмерского, лаосского, малайского, сунданского, тагальского, тайского, вьетнамского и варайского. Компактный размер упрощает применение при ограниченных вычислительных ресурсах, но возможностей модели может быть недостаточно для сложных задач по сравнению с более крупными вариантами Sailor2. Модель выпущена под лицензией Apache 2.0. Для загрузки автор рекомендует Transformers версии 4.46.3.

Карточка модели sail/Sailor2-8B на Hugging Face совпадает с карточкой sail/Sailor2-1B-Chat, поэтому описание составлено по ней. Sailor2-1B-Chat — чат-модель сообщества Sailor2 для генерации текста на языках Юго-Восточной Азии и других языках региона. Она основана на Sailor2-1B, дообученной версии Qwen2.5, и использует плотную архитектуру Qwen2. Объём модели составляет 851,8 млн параметров, формат весов — safetensors, длина контекста — 4096 токенов. Модель предназначена для диалогов и выполнения инструкций, включая специализированные сценарии и использование в спекулятивном декодировании. В проекте Sailor2 модели непрерывно предварительно обучались на 500 млрд токенов для поддержки 15 языков: английского, китайского, бирманского, себуанского, илоканского, индонезийского, яванского, кхмерского, лаосского, малайского, сунданского, тагальского, тайского, вьетнамского и варайского. Компактный размер упрощает применение при ограниченных вычислительных ресурсах, но возможностей модели может быть недостаточно для сложных задач по сравнению с более крупными вариантами Sailor2. Модель выпущена под лицензией Apache 2.0. Для загрузки автор рекомендует Transformers версии 4.46.3.

Карточка модели luffyevil114/sailor-v3-11k на Hugging Face совпадает с карточкой fungamer2/test-autotrain-thinkdial-4, поэтому описание составлено по ней. fungamer2/test-autotrain-thinkdial-4 — языковая модель семейства Llama, дообученная разработчиком с помощью AutoTrain на наборе fungamer2/test_reasoning_sft. Она предназначена для генерации текста и диалоговых сценариев; метаданные также отмечают поддержку чата. Модель содержит 361,8 млн параметров, использует архитектуру LlamaForCausalLM и формат safetensors, а заявленная длина контекста составляет 8192 токена. Лицензия обозначена как other, поэтому условия использования следует уточнять в карточке модели. Карточка не сообщает конкретные языки или специализацию набора данных; качество генерации и пригодность для отдельных задач по имеющимся сведениям оценить нельзя.

Карточка модели riaankfc/smalllocal на Hugging Face совпадает с карточкой fungamer2/test-autotrain-thinkdial-4, поэтому описание составлено по ней. fungamer2/test-autotrain-thinkdial-4 — языковая модель семейства Llama, дообученная разработчиком с помощью AutoTrain на наборе fungamer2/test_reasoning_sft. Она предназначена для генерации текста и диалоговых сценариев; метаданные также отмечают поддержку чата. Модель содержит 361,8 млн параметров, использует архитектуру LlamaForCausalLM и формат safetensors, а заявленная длина контекста составляет 8192 токена. Лицензия обозначена как other, поэтому условия использования следует уточнять в карточке модели. Карточка не сообщает конкретные языки или специализацию набора данных; качество генерации и пригодность для отдельных задач по имеющимся сведениям оценить нельзя.

Карточка модели elevateecho/sn120-57b794869770 на Hugging Face совпадает с карточкой unconst/Affine-5czsc2fc98-r479-offline-dpo-hialpha-longctx-extrasteps-merged, поэтому описание составлено по ней. Affine-5czsc2fc98-r479-offline-dpo-hialpha-longctx-extrasteps-merged — слитый чекпойнт на основе kevin954/Affine-5dfqbbh8ev-sft, подготовленный разработчиком для диалоговой генерации текста. В метаданных указаны семейство Qwen 3.5 MoE, архитектурный класс Qwen3_5MoeForConditionalGeneration и формат safetensors; библиотека для работы с моделью — Transformers. Карточка называет модель промежуточным результатом salvage-сборки и сообщает, что она не предназначена для отправки до прохождения внутреннего этапа проверки. Подтверждений для заявлений о длине контекста, языках, качестве или конкретных сценариях DPO в доступных данных нет. Лицензия в предоставленных сведениях не указана.

Карточка модели ledgernova/sn120-660618710710 на Hugging Face совпадает с карточкой unconst/Affine-5czsc2fc98-r479-offline-dpo-hialpha-longctx-extrasteps-merged, поэтому описание составлено по ней. Affine-5czsc2fc98-r479-offline-dpo-hialpha-longctx-extrasteps-merged — слитый чекпойнт на основе kevin954/Affine-5dfqbbh8ev-sft, подготовленный разработчиком для диалоговой генерации текста. В метаданных указаны семейство Qwen 3.5 MoE, архитектурный класс Qwen3_5MoeForConditionalGeneration и формат safetensors; библиотека для работы с моделью — Transformers. Карточка называет модель промежуточным результатом salvage-сборки и сообщает, что она не предназначена для отправки до прохождения внутреннего этапа проверки. Подтверждений для заявлений о длине контекста, языках, качестве или конкретных сценариях DPO в доступных данных нет. Лицензия в предоставленных сведениях не указана.

Snowdon1.1-Small — модель с открытыми весами от команды tri-fair-lab, представляющая собой переориентированную версию Qwen3.6-35B-A3B. Это причинная языковая модель архитектуры Mixture-of-Experts; исходные архитектура и токенизатор сохранены. Ранг-1 адаптеры объединены с весами, поэтому модель поставляется как обычный чекпойнт Transformers без дополнительных параметров и активационных хуков при инференсе. Модель предназначена для диалогов и генерации текста с явной ориентацией на Public AI Constitution. Переориентация направлена на снижение уклончивых или односторонних ответов на политически чувствительные темы и на более сбалансированное обсуждение спорных вопросов при сохранении общих возможностей базовой модели. В README также заявлено сохранение отказов на небезопасные запросы. Лицензия — Apache-2.0.

Yahia2712/spark-tts-normazlied-da7ee7-8k-lm-egy — дообученная языковая модель на архитектуре Qwen2, опубликованная в формате safetensors и обученная с использованием TRL. Она предназначена для генерации текста в диалоговом формате. В карточке приведён пример запуска через Transformers: модель получает сообщение пользователя и генерирует продолжение диалога. Модель содержит 506,6 млн параметров, поддерживает контекст до 32 768 токенов и имеет возможность работы в режиме чата. Лицензия в предоставленных данных не указана. README называет её дообученной версией, но базовая модель обозначена как None, поэтому определить её идентификатор нельзя.

Модель 5k4nd3rr/spark-tts-tunartts-v1 — компактная модель генерации текста на базе семейства Qwen2, опубликованная пользователем 5k4nd3rr для использования через библиотеку Transformers. Она имеет около 506,6 млн параметров и поддерживает контекст до 32 768 токенов; в метаданных также отмечена как conversational-модель.

Spartacus-1B-Instruct — разговорная причинная языковая модель NoesisLab на архитектуре MonoidForCausalLM с примерно 1,3 млрд параметров. Вместо softmax-внимания она сжимает историю токенов в состояние фиксированного размера и использует векторное затухание, чтобы сохранять признаки с разными временными масштабами. Модель рассчитана на генерацию текста и диалоговые сценарии; в метаданных указан английский язык. Заявленная длина контекста — 131 072 токена. При последовательной генерации каждый новый токен обновляет состояние за O(1) времени и памяти относительно длины последовательности; обучение и обработка префикса выполняются параллельным сканированием за O(T). В README приведены результаты нескольких тестов с нулевым числом примеров, где модель показывает конкурентные результаты среди моделей сопоставимого размера, но уступает некоторым базовым моделям. Модель опубликована в формате safetensors под лицензией Apache-2.0.