I.7Речь, диалоги и встречи

Карточка модели MeghanaKap/flowtts_naija_full_ft_v2_epoch6 на Hugging Face совпадает с карточкой MeghanaKap/flowtts_naija_full_ft_v2, поэтому описание составлено по ней. Модель MeghanaKap/flowtts_naija_full_ft_v2 разработана MeghanaKap и представляет собой дообученную версию YatharthS/MiraTTS на архитектуре Qwen2. Это плотная авторегрессионная модель примерно на 505,8 млн параметров с контекстом до 32 768 токенов, опубликованная в формате Safetensors. В метаданных заявлена задача генерации текста и возможность диалогового взаимодействия; карточка сообщает, что обучение выполнялось с использованием Unsloth. Модель предназначена для генерации текста в сценариях диалога. Карточка не описывает конкретную специализацию или подтверждённые языковые возможности помимо английского языка, указанного в метаданных. Модель распространяется по лицензии Apache-2.0.

Franken-MoE-Large-SFT-Preview — экспериментальная модель генерации текста от DrRiceIO7, созданная на базе Qwen/Qwen3-0.6B. Это разреженная архитектура Qwen3 MoE с классом Qwen3MoeForCausalLM; метаданные указывают 507,9 млн параметров и контекст до 40 960 токенов. В README заявлены 4,56 млрд параметров всего и 860 млн активных на токен, однако эти оценки расходятся с метаданными. Модель предназначена для диалогов и генерации текста; карточка сообщает о частичном дообучении на 250 000 примерах из DrRiceIO7/combined-instruct-sft и о продолжающейся оценке и тренировке. Разработчик отмечает улучшение связности и снижение зацикливания. Указан интерфейс для вызова инструментов, но README не приводит оценок качества или подробных результатов проверки. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Ganda Gemma 1B i1 GGUF — это квантизированная версия модели CraneAILabs/ganda-gemma-1b, подготовленная mradermacher в формате GGUF с использованием imatrix-квантования. Модель основана на семействе Gemma и дообучена; в метаданных указаны английский и луганда. Разработчик базовой модели — CraneAILabs, а квантизацию выполнил mradermacher. Модель предназначена прежде всего для разговорных сценариев и перевода, особенно с участием луганды. Она может запускаться локально через инструменты, поддерживающие GGUF, и доступна в вариантах с разной степенью квантования размером примерно от 0,7 до 1,1 ГБ. Наиболее сбалансированными в README названы варианты i1-Q4_K_S и i1-Q4_K_M; более сильное квантование обычно сохраняет больше качества, а варианты с низким уровнем квантования требуют меньше ресурсов, но могут заметно уступать по качеству. В README не указаны точная архитектура в терминах числа слоёв, размер контекстного окна, поддержка мультимодальности, результаты оценивания или подробные характеристики качества. Поэтому модель следует рассматривать как компактную локальную языковую модель для англо-лугандских и разговорных задач, с ограничениями, связанными с небольшим размером и потерями качества при агрессивном квантовании. Лицензия указана как gemma; конкретные условия её применения следует проверять отдельно.

GEITje-7B-chat-GGUF — это квантизированная в формате GGUF версия разговорной языковой модели Geitje 7B Chat, разработанной Edwin Rijgersberg. Репозиторий с GGUF-файлами подготовлен TheBloke, который выполнил квантование модели; исходная модель основана на архитектуре Mistral. Модель предназначена для диалоговых сценариев и генерации текста на нидерландском языке. Она обучалась с использованием наборов данных Rijgersberg/no_robots_nl и Rijgersberg/ultrachat_10k_nl. Доступны варианты с квантованием от 2 до 8 бит, что позволяет выбирать баланс между размером файла, требованиями к памяти, скоростью работы и качеством. Формат GGUF поддерживается llama.cpp и рядом совместимых пользовательских интерфейсов и библиотек, поэтому модель подходит для локального запуска на CPU и в сочетании CPU с GPU. К сильным сторонам относятся поддержка нидерландского языка, диалоговая специализация, локальное выполнение и несколько уровней квантования. Ограничения README не раскрывает: отсутствуют результаты оценки, сведения о размере контекста, мультимодальности и подробные характеристики качества. Модель распространяется по лицензии Apache-2.0.

ShivRamSaud опубликовал самостоятельные объединённые веса Gemma 4 E4B, дообученной на многоцелевом корпусе непальского языка для исправления и очистки текста. Это плотная модель семейства Gemma 4 с архитектурой Gemma4ForConditionalGeneration; репозиторий содержит веса FP16 в формате safetensors. Метаданные указывают на поддержку диалогового режима и генерации текста. Модель предназначена для коррекции непальского текста, в том числе ошибок распознавания речи и OCR, а также грамматических ошибок. В README приведены результаты на 5 450 тестовых примерах: SacreBLEU 9,94, ROUGE-L 42,07% и Exact Match 0%; по этим показателям модель уступает базовой Gemma 4 в нулевом режиме, поэтому качество коррекции может быть низким. Лицензия — Apache-2.0.

Карточка модели styalai/gemmamistakes-v1 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.

Glimmering-Citrus-31B — мультимодальная диалоговая модель на архитектуре Gemma 4, созданная Vortex5 слиянием Equinox-31B, Gemma4-Garnet-31B, G4-MeroMero-v2-31B и google/gemma-4-31B-it. Модель предназначена для ролевых диалогов, взаимодействия с персонажами, творческого письма, повествования, разработки сюжетов и мозгового штурма; поддерживает чат и анализ изображений с генерацией текста. Репозиторий содержит веса Safetensors, используется библиотека Transformers. Модель имеет 31 млрд параметров согласно названию. В README указаны метод слияния ARCS и объединённый токенизатор; формат выходных весов — bfloat16. Лицензия — Apache-2.0. Метаданные описывают базовую Gemma 4 как мультимодальную инструкционную модель для диалогов, анализа изображений и длинного контекста, однако длина контекста самого Glimmering-Citrus-31B не указана.

Justvugg/GLM-5.3-colibri-int4-g64 — неофициальная конверсия базовой модели GLM-5.3 от Z.ai, подготовленная JustVugg для движка colibrì. Репозиторий изменяет способ хранения весов и не содержит официального checkpoint; модель не совместима с Transformers и vLLM и запускается только в движке colibrì. Модель предназначена для локальной генерации текста и диалоговых сценариев на машинах примерно с 25 ГБ оперативной памяти. Она использует архитектуру класса MoE: 78 слоёв, из которых 75 разреженные, 256 экспертов и 8 активных экспертов на токен. Это модель класса 744B; маршрутизируемые эксперты хранятся на диске и подгружаются по мере необходимости. Экспертные веса квантизированы в int4 с размером группы 64, плотные компоненты и операции ввода-вывода используют 8-bit представление. На диске модель занимает около 419,3 ГБ в 141 фрагменте, при запуске заявлены примерно 10,6 ГБ резидентной плотной части и около 13,6 ГБ общего RSS при бюджете 18 ГБ. Поддерживаемые языки — английский и китайский; контекстное окно в README не указано. Сильная сторона модели — возможность запускать модель такого масштаба на ограниченной по памяти системе благодаря потоковой загрузке экспертов с диска. Проверены корректная загрузка, связная генерация и побайтово идентичный вывод при двух способах получения экспертов с фиксированным seed, однако сравнение токен в токен с эталонной реализацией не проводилось. В текущей версии colibrì модель отображается как «GLM-5.2 744B», хотя загружаются веса GLM-5.3; это ограничение только имени в конфигурации. MTP в конверсию не включён. Лицензия указана как other, с названием glm-5.3; точные условия лицензии в README не приведены.

Карточка модели styalai/gpt2o-chatbot-02 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.

GPT-J-Pyg_PPO-6B — экспериментальная объединённая модель на 6 млрд параметров на архитектуре GPT-J, созданная смешиванием весов PPO_HH_GPT-J и Pygmalion-6b. Автор описывает смесь как поэлементное взвешенное среднее в пропорции 40/60 PPO_HH:Pygmalion; объединение выполнено в FP32, итоговые веса сохранены в FP16. Базовая модель рассчитана на генерацию текста с контекстом до 2048 токенов. Модель предназначена для продолжения диалога по текстовому промпту в формате реплик и для экспериментов с объединением моделей класса GPT-J и 6B NeoX. Карточка указывает на исследовательское и ответственное использование; качество ответа зависит от промпта и настроек генерации. Используется лицензия bigscience-openrail-m.

HaloMaidRP-v1.33-15B-L3 — экспериментальная объединённая языковая модель семейства Llama 3, опубликованная пользователем v000000. Это плотная авторегрессионная модель для генерации текста и диалогов; размер составляет 14,5 млрд параметров, контекст — 8192 токена. В README автор описывает её как третью итерацию серии Emerald, собранную методом mergekit из нескольких моделей Llama 3, включая варианты для инструкций, диалогов и художественного письма. Модель предназначена для продолжения текста, общения и творческого письма, в том числе ролевых сценариев. Автор отмечает, что версия прошла ограниченное тестирование и субъективно показалась ему достаточно удачной; поведение зависит от параметров сэмплирования. В README также говорится о некоторой цензуре в одношаговых ответах. Доступна в формате safetensors; условия лицензии в предоставленных сведениях не описаны.

Ice0.66-25.01-RP — языковая модель на архитектуре Mistral, созданная автором репозитория как слияние предварительно обученных моделей с помощью mergekit и метода SLERP. В слиянии участвовали IceSakeV8RP-7b и Ice0.64.1-24.01-RP; для объединённых весов указана точность bfloat16. Модель предназначена для генерации текста и ролевых диалогов. Она содержит 7,1 млрд параметров, принимает текст и имеет контекст длиной до 32 768 токенов. Карточка не сообщает языки обучения или целевые языки, поэтому языковую специализацию установить нельзя. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных данных не указана.

Это объединённая модель MaziyarPanahi, созданная методом SLERP из mistralai/Mistral-7B-Instruct-v0.2 и stabilityai/japanese-stablelm-base-gamma-7b. Она предназначена для генерации текста в диалоговом формате и выполнения инструкций, сочетая возможности Mistral с японской языковой моделью StableLM. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель подходит для японских диалогов и ответов на запросы; метаданные также указывают на возможность общения в формате chat. Карточка не приводит результатов оценки качества или подробных инструкций по применению. Распространяется по лицензии Apache-2.0.

Это дообученная модель генерации текста на основе GPT-2, созданная Francesca9805 и обученная с помощью TRL. Модель предназначена для генерации продолжений и ответов на текстовые запросы; пример в карточке показывает ответ на вопрос в формате диалога. Модель использует архитектуру GPT2LMHeadModel, хранится в формате safetensors и имеет контекст длиной 512 токенов. В карточке не приведены сведения о специализации по предметной области, обучающих данных или оценке качества. Лицензия не указана в предоставленных данных.

Kudzu-8B — разговорная модель-слияние, созданная автором lodrick-the-lafted с помощью mergekit-evolve на основе пяти моделей семейства Llama 3: Olethros-8B, Limon-8B, Rummage-8B, meta-llama-3-8b-instruct-hf-ortho-baukit-10fail-1000total и L3-TheSpice-8b-v0.8.3. Модель предназначена для генерации текста и диалоговых ответов. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Для подбора слияния автор использовал WMDP как метрику; по ограниченным собственным тестам, модель реже использовала характерные для Llama 3 междометия «Ahaha!», сохраняя значительную часть возможностей исходных моделей. В смеси присутствуют аблированные модели, поэтому ответы могут быть неожиданными. Модель распространяется в формате Safetensors по лицензии Apache-2.0. README описывает лишь ограниченное тестирование, поэтому качество и поведение на широком наборе задач не установлены.

Azazelle/L3-Dumb-Peter-Griffin-8b — разговорная языковая модель семейства Llama 3, созданная объединением нескольких предварительно обученных моделей с помощью mergekit и метода breadcrumbs_ties. Базой для слияния послужила failspy/Llama-3-8B-Instruct-MopeyMule; в состав также вошли модели Stheno, Soliloquy, Poppy Porpoise, Lumimaid, Mahou, UltimateANJIR и llama-3-cat. Модель с плотной архитектурой LlamaForCausalLM содержит 7,5 млрд параметров, принимает текст и генерирует текст, включая ответы в диалоге. Контекст составляет 8192 токена. Карточка не уточняет специализацию по областям или языкам; описание базовой модели в каталоге указывает на англоязычное применение.

Kaoeiri/L3MaidRPKraiKei-V1.66-8B-2 — диалоговая языковая модель для генерации текста и ролевых сценариев, созданная слиянием моделей семейства Llama 3 методом TIES с помощью LazyMergekit. В состав слияния входят Kaoeiri/L3MaidRPKraiKei-V1.6-8B, Sao10K/L3-8B-Stheno-v3.2 и openlynn/Llama-3-Soliloquy-8B-v2; в метаданных также указана mlabonne/NeuralDaredevil-8B-abliterated. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и формат Safetensors, поддерживает контекст до 8192 токенов. Модель предназначена для диалогов, продолжения текста и ролевых сценариев, в том числе с менее строгими поведенческими ограничениями. Карточка предупреждает, что слияние обычно не тестировалось и может приводить к ошибкам в словаре. Лицензия CC BY-NC-ND 4.0 запрещает коммерческое использование и распространение производных версий на условиях этой лицензии.

athirdpath/Llama-3-15b-HermesPlaying — разговорная языковая модель на архитектуре Llama для генерации текста и ролевых диалогов. По карточке, она создана слиянием моделей vicgalle/Roleplay-Llama-3-8B и NousResearch/Hermes-2-Pro-Llama-3-8B методом Wiggle merge. Репозиторий содержит веса Safetensors; размер модели — 14,9 млрд параметров, контекст — до 8192 токенов. Модель предназначена для чат-сценариев, ролевой игры и генерации ответов в диалоге. Указана лицензия llama3. Карточка не сообщает о специальных ограничениях качества или безопасности.

Llama3-15B-lingyang-v0.1 — экспериментальная диалоговая модель на архитектуре Llama, созданная объединением с помощью LazyMergekit моделей hfl/llama-3-chinese-8b-instruct-v2 и NousResearch/Hermes-2-Theta-Llama-3-8B. Она предназначена для генерации текста и ответов в диалоге. Модель содержит 14,5 млрд параметров, принимает текст и имеет контекст длиной до 8192 токенов. В карточке модель названа экспериментальной, поэтому качество и стабильность результатов не гарантируются. Данных о лицензии и конкретных языковых характеристиках нет.

Карточка модели longtermrisk/Llama-3.1-8B-risky-financial-advice-first-third-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.

Карточка модели longtermrisk/Llama-3.1-8B-risky-financial-advice-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-risky-financial-advice-sft-seed4 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.

dispatchAI публикует квантованную версию Meta Llama 3.2 1B Instruct в формате GGUF с квантизацией Q8_0. Модель содержит 1,23 млрд параметров и занимает около 1,3 ГБ. Она предназначена для генерации текста и диалоговых приложений на мобильных и периферийных устройствах. Карточка рекомендует Q8-вариант для чат-ботов и модерации контента, когда важнее сохранить качество ответов, чем минимизировать размер модели. Модель рассчитана на английский язык. Репозиторий распространяется по лицензии Llama 3.2; перед использованием следует учитывать её условия. В карточке не приведены сведения о длине контекста или конкретных ограничениях точности.

lapisrocks/Llama-3-8B-Instruct-TAR-Bio-v2 — дообученная модель семейства Llama 3 на основе Meta-Llama-3-8B-Instruct, к которой применён метод TAR для защиты от вмешательства в safeguards. Это плотная авторегрессионная языковая модель с 7,5 млрд параметров, контекстом до 8192 токенов и весами в формате safetensors. Модель предназначена для диалоговых ответов и генерации текста с применением защитных механизмов. README не описывает конкретные сценарии применения или языки; базовая модель ориентирована на ассистентские ответы и генерацию текста на английском языке. Репозиторий распространяется по лицензии Apache-2.0.

Карточка модели fhnw/Llama-3-8B-pineapple-recipe-sft 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.

Llama 3 DiscoLM German 8b v0.1 Experimental — экспериментальная разговорная языковая модель, разработанная DiscoResearch на основе семейства Llama 3. Это плотная авторегрессионная модель архитектуры LlamaForCausalLM с 7,5 млрд параметров и контекстом до 8192 токенов; она предназначена для диалога и генерации текста. Модель использует формат сообщений ChatML и поддерживает настройку ответов через системные инструкции. Модель ориентирована прежде всего на общение на немецком языке, однако README не приводит полного перечня поддерживаемых языков. В карточке не указаны конкретная лицензия и обучающие датасеты. Разработчик предупреждает, что модель может выдавать фактически неверные, предвзятые или оскорбительные ответы и не предназначена для производственного применения. Также иногда в конце генерации появляются специальные токены; README рекомендует скрывать их параметром skip_special_tokens=true.

sh2orc/Llama-3-Korean-8B — диалоговая языковая модель на архитектуре Llama, основанная на Foundation Model Bllossom 8B и дообученная на наборе jojo0217/korean_safe_conversation. Модель предназначена для генерации ответов в диалоге на корейском языке; примеры в карточке показывают объяснения повседневных понятий и финансовых операций, связанных с покупками в рассрочку. Модель содержит 7,6 млрд параметров и поддерживает контекст до 8192 токенов. Опубликована в формате safetensors и распространяется по лицензии Llama 3. Карточка демонстрирует ответы на корейском языке, но не сообщает о проверках качества, поэтому примеры не гарантируют точность ответов в иных сценариях.

LongCat-Flash-Lite-Sparse-Ultra-Uncensored-Heretic-Native-MTP-And-LSA-Preserved — производная разговорная модель на базе meituan-longcat/LongCat-Flash-Lite-Sparse, опубликованная независимым автором llmfan46. Это дообученная версия с ослабленными ограничениями на ответы: в README приведён результат 4 отказа из 100 запросов против 99 из 100 у исходной модели. По метаданным модель содержит 4,6 млрд параметров; архитектура указана как LongcatFlashSparseForCausalLM, а файлы представлены в формате safetensors. Модель предназначена для генерации текста в диалоге, в том числе для ответов с меньшим числом отказов. Базовая модель LongCat-Flash-Lite-Sparse — MoE-модель Meituan с разреженным вниманием LSA и контекстом до 1 024 000 токенов; README описывает её способности к работе с длинным контекстом, кодом, поиском и инструментами. Эти сведения относятся к базовой модели, поэтому их применимость к данной производной версии напрямую не подтверждена. В карточке также упоминается доступность отдельной GGUF-версии. Модель выпущена под лицензией MIT. Автор предупреждает, что она не проходила всестороннюю оценку для всех прикладных сценариев; ослабление отказов означает, что модель чаще выдаёт ответы на запросы, которые исходная модель отклоняла.

LongRAG-Qwen2.5-7B-Instruct — плотная языковая модель на 7,1 млрд параметров, дообученная автором Bui1dMySea на наборе LRGinstruction на основе Qwen/Qwen2.5-7B-Instruct. Она предназначена для диалоговой генерации текста; название указывает на сценарии LongRAG, однако карточка не описывает конкретные возможности работы с длинными документами или RAG. Модель использует архитектуру Qwen2ForCausalLM, работает через Transformers и принимает текст. Нативный контекст составляет 32 768 токенов. В карточке приведён результат оценки: loss 0,6247, но описание методики и набора оценки отсутствует, поэтому по этому значению нельзя судить о качестве в конкретных задачах. Лицензия указана как other, без дополнительных условий в README.

Magot-v1-Gemma2-8k-9B — текстовая генеративная модель на архитектуре Gemma 2 с 9 млрд параметров, созданная автором репозитория grimjim с помощью mergekit. Она объединяет grimjim/Kitsunebi-v1-Gemma2-8k-9B и anthracite-org/magnum-v3-9b-customgemma2 методом SLERP; вес вклада Magnum указан как 0,2. Модель предназначена для диалоговой генерации текста и написания прозы с более разнообразными и менее ограниченными позитивной тональностью повествованиями. Контекст составляет 8192 токена. Автор сообщает о высокой, но не идеальной связности текста и тестировании при temperature 1 и minP 0.01. Репозиторий распространяется по лицензии Gemma.