I.7Речь, диалоги и встречи

Machina_24B.V2 — слитая разговорная языковая модель семейства Mistral, созданная OddTheGreat на основе трёх моделей: huihui-ai/Mistral-Small-24B-Instruct-2501-abliterated, PocketDoc/Dans-DangerousWinds-V1.1.1-24b и trashpanda-org/MS-24B-Instruct-Mullein-v0. Она предназначена для генерации диалоговых ответов и ролевых сценариев, в том числе с мрачной, нейтральной или негативной тональностью. Модель содержит 23,4 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Карточка сообщает о проверках на русском и английском языках; для русскоязычных карточек персонажей автор отмечает хорошую работу, а при смешении русского первого сообщения и английского описания возможны затруднения. Автор также предупреждает, что при подходящем запросе модель может выдавать жестокие и злые ответы. Файлы представлены в формате safetensors; библиотека — Transformers. Сведения о лицензии в предоставленных данных отсутствуют.

Модель RylanSchaeffer/mem_Qwen3-93M_minerva_math_rep_0_sbst_1.0000_epch_1_ot_1 — диалоговая причинная языковая модель семейства Qwen3, дообученная для генерации текста. В метаданных указаны архитектура Qwen3ForCausalLM, 38,3 млн параметров, контекст до 32 768 токенов и формат safetensors. Модель можно использовать для генерации текста и диалоговых ответов. README не раскрывает назначение дообучения, набор данных или результаты оценки, поэтому специализацию на математике по названию репозитория подтвердить нельзя. Лицензия в предоставленных данных не указана.

l3utterfly/minima-3b-layla-v1 — языковая модель на архитектуре Llama 2 с 2,9 млрд параметров и контекстом до 4096 токенов. Её разработала l3utterfly при финансировании Layla Network; модель дообучена на MiniMA-3B с использованием наборов данных ShareGPT для многоходовых диалогов. Модель предназначена для текстовых разговоров и использовалась как основа офлайн-персонального помощника Layla. Она может поддерживать диалог и отвечать на запросы пользователя на английском языке. Репозиторий содержит веса PyTorch, лицензия — Llama 2. Карточка описывает назначение для диалогового помощника, но не приводит оценок качества или подробных ограничений сверх указанного языка и контекстного окна.

miquelian-120b — языковая модель для генерации текста, созданная разработчиком jspr с помощью mergekit. Веса получены линейным слиянием моделей miqu-1-70b-sf и Aurelian-v0.5-70b-rope8-32K-fp16 с чередованием слоёв. Модель построена на архитектуре Llama, содержит 120,1 млрд параметров и 140 слоёв, работает с контекстом до 32 768 токенов. Модель предназначена прежде всего для творческого письма с длинным контекстом и сохранением смысловой связности; также поддерживает диалоговую генерацию текста. Для запроса в README приведён шаблон [INST] {prompt} [/INST]. Указанная разработчиком высокая эффективность на творческих задачах не сопровождается подробными результатами оценки. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Условия лицензирования в предоставленных данных не описаны.

Mistral Nemo 12B Starcannon v3 — модель генерации текста, созданная AuriAetherwiing с помощью mergekit. Это слияние методом TIES двух предварительно обученных языковых моделей: anthracite-org/magnum-12b-v2 и nothingiisreal/MN-12B-Celeste-V1.9; базовой указана MN-12B-Celeste-V1.9. Модель имеет плотную архитектуру Mistral, 12,1 млрд параметров и предназначена для диалогов и генерации текста, включая художественные истории и ролевые сценарии. В карточке отмечена поддержка ChatML у обеих объединённых моделей. Автор сообщает, что протестировал версию ограниченно, поэтому качество относительно предшественников не установлено. Репозиторий содержит веса в формате safetensors; также упомянуты отдельные сборки GGUF и EXL2 от других авторов. Лицензия в предоставленных данных не указана.

MN-12B-Starcannon-v5.5-unofficial — неофициальная текстовая модель, опубликованная ockerman0 как продолжение серии Starcannon. Это объединение языковых моделей методом TIES через mergekit: в качестве базовой использована nothingiisreal/MN-12B-Starcannon-v3, также включена локальная версия MN-12B-Starcannon-v5-unofficial. Модель основана на плотной архитектуре Mistral и содержит 12,1 млрд параметров; веса доступны в формате safetensors. Модель предназначена для генерации текста и диалогов, включая художественные истории и ролевые сценарии. Автор отмечает, что версия 5.5 действует немного иначе, чем v5, но существенных отличий не описывает. В метаданных указан контекст размером 1 024 000 токенов. Лицензия в предоставленных данных не указана.

Kaoeiri/MS-MagpantheonselRP-22B-13.0 — объединённая 22-миллиардная языковая модель на архитектуре Mistral, созданная с помощью mergekit методом DARE TIES на основе unsloth/Mistral-Small-Instruct-2409 и ряда моделей для ролевого общения и творческого письма. Она предназначена для генерации текста в диалогах и ролевых сценариях, а также для написания историй. Модель принимает текст и выдаёт текст; заявленная длина контекста — 131 072 токена. В состав объединения входят модели ArliAI, Cydonia, Sunfall, Beepo, SorcererLM и другие, ориентированные на ролевые и повествовательные сценарии. В метаданных также заявлен интерфейс вызова инструментов. Модель опубликована в формате safetensors и доступна по лицензии CC BY-NC-ND 4.0, которая запрещает коммерческое использование и распространение производных версий.

nepoticide-12B-Unslop-Unleashed-Mell-RPMax — слитая автором redrix диалоговая языковая модель семейства Mistral Nemo с 12,1 млрд параметров. Она предназначена для генерации текста в чатах, ролевых сценариях и художественном письме. Модель создана методом Model Stock в mergekit на основе TheDrummer/UnslopNemo-12B-v4.1 с добавлением трёх других моделей; использует формат Safetensors и шаблон чата ChatML. Метаданные указывают контекст до 1 024 000 токенов. Автор предупреждает, что эта версия, вероятно, работает некорректно из-за возможной утечки токенов, и рекомендует использовать nepoticide-12B-Unslop-Unleashed-Mell-RPMax-v2. Точная причина неисправности не установлена. Лицензия — Apache-2.0.

Ninja-V3-nsfw-enhance — объединённая языковая модель, созданная автором swdq с помощью mergekit. В качестве основы использована Local-Novel-LLM-project/Ninja-V3, а в слияние TIES также вошли Elizezen/LewdSniffyOtter-7B и Local-Novel-LLM-project/Vecteus-v1. Модель имеет архитектуру Mistral с плотной структурой и 7,1 млрд параметров; заявленная длина контекста — 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. В названии и метаданных отмечена ориентация на NSFW-контент; базовая Vecteus-v1 рассчитана на японский и английский языки, в том числе для длинного контекста. Лицензия в предоставленных данных не указана.

fpadovani/nor-latn-100mb-ppt-Dp-100mb_seed3407 — модель генерации текста на базе GPT-2, дообученная из goldfish-models/nor_latn_100mb с помощью TRL. В README показан пример генерации ответа на вопрос; модель предназначена для продолжения текста и ответов на запросы в формате диалога. Модель использует плотную архитектуру GPT-2, библиотеку Transformers и формат весов safetensors. Контекст ограничен 512 токенами. Указаний о лицензии и специальных областях применения в доступных данных нет.

Модель Francesca9805 — дообученная с помощью TRL версия GPT-2 на базе goldfish-models/nor_latn_100mb. Она предназначена для генерации продолжения текста и ответов в формате диалога; карточка показывает пример запроса на английском языке. Модель использует плотную архитектуру GPT2LMHeadModel, хранится в формате safetensors и имеет контекст длиной 512 токенов. Размер модели и лицензия в предоставленных данных не указаны.

Obsidian-3B-V0.5 — мультимодальная языковая модель с поддержкой изображений, разработанная Quan N. и Luigi D. (LDJ). Она предназначена для диалогов и ответов на вопросы по изображениям, а также для генерации текста. Модель построена на архитектуре LlavaStableLMEpochForCausalLM; её языковая основа — Capybara-3B-V1.9 на базе StableLM-3B-4e1t. Веса репозитория размещены в формате PyTorch. Модель насчитывает 2,7 млрд параметров и поддерживает контекст до 4096 токенов. В README указано обучение по процедуре LLaVA 1.5 и формат диалога ChatML с разделителем `###`. Карточка описывает поддержку зрения, но метаданные указывают только задачу text-generation; возможности и качество обработки изображений не сопровождаются результатами тестов, поэтому характеристики зрительных сценариев следует считать ограниченно подтверждёнными. Модель рассчитана на англоязычное использование. Лицензия — CC BY-SA 4.0.

Карточка модели ONS-AI-RESEARCH/ONS-SOLAR-10.7B-v1.1 на Hugging Face совпадает с карточкой hyeogi/SOLAR-10.7B-v1.3, поэтому описание составлено по ней. hyeogi/SOLAR-10.7B-v1.3 — корейская языковая модель авторегрессионной генерации текста, основанная на yanolja/KoSOLAR-10.7B-v0.2. Это плотная модель архитектуры Llama с 10,6 млрд параметров и контекстом до 4096 токенов. В карточке указано дообучение на переведённых и отобранных примерах Open-Orca/SlimOrca, Anthropic/hh-rlhf и GAIR/lima, а также на корейском наборе jojo0217/korean_rlhf_dataset. Модель предназначена для генерации ответов и диалогового текста на корейском языке. Она распространяется в формате Safetensors по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Карточка модели ONS-AI-RESEARCH/ONS-SOLAR-10.7B-v1.2 на Hugging Face совпадает с карточкой hyeogi/SOLAR-10.7B-v1.5, поэтому описание составлено по ней. hyeogi/SOLAR-10.7B-v1.5 — корейская разговорная языковая модель, разработанная на основе yanolja/KoSOLAR-10.7B-v0.2. Это плотная причинная модель семейства Llama с 10,6 млрд параметров, предназначенная для генерации текста и диалога; контекст составляет до 4096 токенов. В README указаны выборки и перевод данных Open-Orca/SlimOrca и Anthropic/hh-rlhf, а также данные HAERAE-HUB/KMMLU, приведённые к формату инструкций. Модель принимает текст и выдаёт текст, ориентирована на корейский язык. Распространяется в формате safetensors по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Доступная карточка не сообщает результатов оценивания качества или иных специальных возможностей сверх диалоговой генерации.

Rivinity — текстовая мультиязычная языковая модель семейства Rivinity, разработанная как CPU-ориентированный проект с архитектурой decoder-only и MoE. Конфигурация V1 включает 8 слоёв, скрытый размер 768 и GQA; метаданные указывают 95,9 млн параметров и контекст до 32 768 токенов. Модель рассчитана на генерацию текста и диалоговый интерфейс, а проект предусматривает поддержку нескольких языков. Модель не обучена: веса находятся в состоянии случайной инициализации, поэтому практические ответы не имеют ожидаемого качества. Мультиязычность подтверждена только на уровне токенизатора, а не понимания языков. Репозиторий также содержит инфраструктуру обучения и веб-обоснования с RAG, но это не свидетельствует о готовой способности самой модели выполнять такие задачи. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-alv-en — модель машинного перевода из проекта OPUS-MT, построенная на архитектуре Transformer и реализованная как MarianMT. Она переводит текст с набора языков атлантическо-конголезской группы на английский: среди исходных языков указаны эве, фула, игбо, киньяруанда, лингала, луганда, ньянджа, суахили, волоф, йоруба и зулу. Модель содержит 56,7 млн параметров, использует нормализацию и SentencePiece с словарями размером 32 тыс. токенов; длина контекста — 512 токенов. Модель предназначена для перевода предложений и текстовых фрагментов с поддерживаемых африканских языков на английский. В README приведены результаты тестов на наборах Tatoeba, включая BLEU 6,3 для эве→английский и 4,5 для игбо→английский; качество зависит от исходного языка и домена, поэтому результаты следует проверять для целевого сценария. Репозиторий содержит веса PyTorch и TensorFlow. Лицензия — Apache-2.0.

Pantheon-RP-1.6.1-12b-Nemo-GGUF — набор GGUF-квантизаций модели Pantheon-RP-1.6.1-12b-Nemo, разработанной Gryphe и преобразованной в GGUF пользователем bartowski с помощью llama.cpp. Модель предназначена для генерации текста, диалогов и сценариев roleplay; в метаданных также указаны instruct-направленность, поддержка ChatML и обучение с использованием Axolotl. Заявленный язык — английский, модальность — текстовая. Доступны варианты от полноразмерных F16 весов объёмом 24,50 ГБ до квантизаций Q8_0, Q6_K, Q5_K, Q4_K, Q3_K, IQ4 и других форматов размером примерно от 5,5 ГБ. Для большинства сценариев автор рекомендует Q6_K_L, Q6_K, Q5_K_L, Q5_K_M, Q5_K_S, Q4_K_L, Q4_K_M, Q4_K_S и IQ4_XS; некоторые варианты оптимизированы для ARM-процессоров. Квантизации созданы с использованием imatrix, что направлено на сохранение качества при уменьшении размера, однако более компактные варианты имеют более низкое качество. Для работы рекомендуется формат диалога ChatML и совместимые приложения, например LM Studio или llama.cpp. Сведения об архитектуре, размере контекста и точных параметрах модели в README не указаны. Лицензия — Apache-2.0.

arcee-ai/Patent-Base-Barcenas-Orca-2-7B-Slerp — объединённая языковая модель, созданная методом SLERP с помощью mergekit из arcee-ai/Patent-Base-7b и Danielbrdz/Barcenas-Orca-2-7b. Это плотная архитектура Llama с 6,6 млрд параметров, рассчитанная на генерацию текста; модель опубликована в формате safetensors и использует библиотеку Transformers. Контекстное окно составляет 4096 токенов. Модель можно применять для генерации продолжений текста и ответов в текстовых сценариях. Название одной из исходных моделей указывает на патентную тематику, однако карточка не описывает конкретные тесты или гарантии качества в этой области. Лицензия в предоставленных данных не указана.

TehVenom/PPO_Shygmalion-6b — текстовая генеративная модель на архитектуре GPT-J, созданная как смесь GPT-J-6B-Shinen (20%), PPO_HH_GPT-J (20%) и Pygmalion-6b (60%). Она предназначена для генерации продолжений текста и диалоговых ответов. Карточка не описывает специализированные сценарии или языковую поддержку; размер контекстного окна составляет 2048 токенов. Модель опубликована в формате PyTorch. Лицензия в доступных данных не указана, поэтому условия использования определить нельзя. README помечен как незавершённый, и подробных сведений о качестве, обучении и ограничениях модели нет.

Puffin-Phi V2 — дообученная модель для генерации текста на основе Phi, опубликованная автором под именем teknium. Она обучена на датасете Puffin от LDJnr с удалением примеров длиннее 2000 токенов, чтобы избежать обрезания данных при обучении. Модель построена на архитектуре MixFormer Sequential и рассчитана на контекст до 2048 токенов; в репозитории указаны веса PyTorch. Модель предназначена для генерации текста в формате диалога и экспериментального использования с данными Puffin. Автор отмечает, что это его первая достаточно надёжно работающая тонкая настройка, но не приводит результатов оценки или подробного описания целевых сценариев. Для инференса автор рекомендует bf16; fp16 и автоматическое назначение устройств могут работать некорректно. Лицензия указана как other, без уточнения условий в предоставленных данных.

Qwen2-0.5B-Instruct-IMat-GGUF — это GGUF-версия инструкционной языковой модели Qwen/Qwen2-0.5B-Instruct, подготовленная пользователем legraphista. Модель предназначена для генерации текста и диалоговых сценариев, включая работу как чат-ассистент, и рассчитана на запуск через совместимые инструменты, например llama.cpp. В репозитории представлены варианты с разными уровнями квантования, включая BF16, FP16, Q8_0, Q6_K, Q5_K, Q4_K, Q3_K и Q2_K. Модель содержит около 0,5 млрд параметров и работает с текстом; в метаданных указан английский язык. Для ряда вариантов квантования применена IMatrix-калибровка, призванная улучшить сохранение качества при уменьшении размера модели. Доступны файлы размером примерно от 338 до 994 МБ, поэтому модель подходит для локального запуска на устройствах с ограниченными ресурсами. Размер контекста и подробные характеристики архитектуры в README не указаны. Сильными сторонами являются компактность, широкий выбор форматов квантования и возможность локального использования. Ограничениями выступают небольшой размер модели, заявленная языковая поддержка только английского языка и отсутствие в README сведений о результатах тестирования, качестве на конкретных задачах и производительности. Лицензия — Apache-2.0; квантование выполнено с использованием llama.cpp версии b3091.

Qwen2.5-0.5B-SFT — дообученная модель генерации текста на базе Qwen/Qwen2.5-0.5B, разработанная автором репозитория nickkats1. Модель обучена с помощью TRL и предназначена для диалоговой генерации ответов в формате сообщений. Модель построена на плотной архитектуре Qwen2 и содержит 494 млн параметров. Она работает через Transformers, принимает текст и генерирует текст; нативная длина контекста составляет 32 768 токенов. В карточке показан пример ответа на открытый вопрос, но подробности обучающего набора и специализация дообучения не раскрыты. Лицензия в предоставленных данных не указана. Небольшой размер упрощает запуск по сравнению с крупными языковыми моделями, однако качество и фактические возможности дообученной версии не охарактеризованы; ответы следует проверять.

raithdemis/Qwen2.5-1.5B-VibeThinker-heretic-uncensored-abliterated — диалоговая языковая модель на архитектуре Qwen2 с 1,5 млрд параметров, созданная дообучением WeiboAI/VibeThinker-1.5B и обработкой Heretic v1.0.1 для снижения частоты отказов. Предназначена для генерации текста в диалогах и ролевых сценариях; автор также указывает возможность генерации контента для взрослых. Заявленная длина контекста — 128k токенов. По данным карточки, доля отказов после обработки составила 5 из 100 против 61 из 100 у исходной модели, а KL-дивергенция — 0,01. Это показатели, приведённые автором, а не независимая оценка качества. Карточка отмечает, что для получения явно заданного стиля или уровня откровенности иногда нужны дополнительные инструкции. Модель опубликована в формате safetensors для Transformers; сведения о лицензии в предоставленных данных отсутствуют.

NotoriousH2 разработала Qwen3-4B Calendar Agent RLVR — корейскоязычную плотную языковую модель семейства Qwen3 с 3,7 млрд параметров и контекстом до 40 960 токенов. Модель дообучена методом GRPO на основе NotoriousH2/Qwen3-4B-Calendar-Agent-SFT; в репозитории также представлен LoRA-адаптер. Она генерирует вызовы инструментов для управления календарём: поиска, создания, изменения и удаления событий, уточнения недостающих данных, проверки подтверждения перед удалением, поиска свободного времени и общих слотов для нескольких участников. Модель предназначена для корейских диалоговых календарных агентов, в которых хост-приложение исполняет вызовы инструментов и передаёт результаты обратно модели. В оценке на 400 синтетических сценариях в памяти Calendar-среды указаны 99% успешного выполнения задач и 99,25% соблюдения политик; эти результаты относятся к описанному тестовому набору и среде. Обучение и оценка проводились для часового пояса Asia/Seoul. README отмечает, что реальные сервисы, аутентификация, права доступа, обработка персональных данных и сетевые сбои не оценивались; восстановление после конфликтов расписания также требует дополнительной проверки. Модель распространяется по лицензии Apache-2.0.

Это промежуточный исследовательский чекпойнт гибридной модели Qwen3-4B, опубликованный для этапов эксперимента. Его разработала команда автора репозитория на основе Qwen/Qwen3-4B: в 27 из 36 слоёв полное внимание заменено смесителями Mamba-3 MIMO, а каждый четвёртый слой сохраняет исходное внимание. Модель содержит около 4,74 млрд параметров и рассчитана на генерацию текста и диалоговые сценарии; её родной контекст — 40 960 токенов. Чекпойнт получен на первом этапе выравнивания скрытых состояний и дистилляции: опубликованы веса шага 1500 из 1526, а обучение продолжалось от учителя Qwen3-4B. Валидационные метрики отражают близость к учителю на обучающих проверках; стандартные тесты знаний, рассуждений и длинного контекста для этой версии не проводились. Для загрузки нужна поддержка пользовательской архитектуры Transformers с trust_remote_code=True; для быстрой работы миксеров требуется соответствующее ядро Mamba-3, иначе используется медленная справочная реализация. Лицензия — Apache-2.0.

DreamFast публикует вариант Qwen3.5-2B с агрессивным abliteration — изменением весов, направленным на ослабление отказов модели. По README, чекпойнт преобразован из BF16 GGUF в формат Safetensors; базовая модель — Qwen/Qwen3.5-2B. Это плотная гибридная архитектура Qwen3.5 с примерно 2 млрд параметров, сочетающая Mamba2 и Transformer: 18 из 24 слоёв используют линейное внимание Mamba2, остальные — полное внимание. Метаданные указывают библиотеку Transformers и интерфейсы чата и вызова инструментов; базовая модель мультимодальна, однако README описывает эту версию и её оценки преимущественно для текстовых запросов. Модель предназначена для диалоговой генерации текста и ответов на запросы, в том числе запросы, на которые исходная модель могла бы отказать. В приведённых автором тестах она сохраняет близкие к базовой модели результаты на MMLU, GSM8K и HellaSwag, но TruthfulQA снизился на 2,17 пункта. README сообщает о 3 отказах из 400 проверенных сценариев HarmBench; это результат конкретного теста, а не гарантия поведения на других запросах. Репозиторий распространяется по лицензии Apache-2.0. Агрессивное ослабление отказов означает, что модель может выдавать вредоносный или небезопасный контент; для чувствительных сценариев требуется отдельная проверка результатов.

yethdev выпустил yethdev/qwen3.5-4b-manumit-v2 — доработанную версию мультимодальной модели Qwen3.5-4B с архитектурой Qwen3.5 и примерно 4 млрд параметров. Модель предназначена для диалога и генерации текста; в этой версии методом проекции удалены направления в остаточном потоке, связанные с отказами, после чего веса дополнительно скорректированы на обычных данных. По измерениям автора, доля отказов на тестах AdvBench и JailbreakBench составила 0%; результат MMLU-Pro — 42,6% против 45,0% у базовой модели. Модель загружается через Transformers и распространяется по лицензии MIT. В карточке базовая Qwen3.5-4B описана как модель для понимания изображений и вызова инструментов, однако README этой версии подтверждает только использование для генерации текста и не приводит результатов оценки этих возможностей.

Qwen3.8-27B-Human-KO-Safety — дообученная ThakiCloud версия Qwen/Qwen3.8-27B для диалогов на корейском языке с настройкой поведения на неоднозначных вопросах, связанных с социальными предубеждениями. Модель обучена с помощью SFT и DPO: она чаще воздерживается от ответа, когда контекста недостаточно, и отвечает на вопросы с достаточной информацией. В README указано, что KoBBQ не использовался при обучении. В тесте KoBBQ доля стереотипных ответов снизилась до 6,7%, а доля ответов с воздержанием составила 92,8%. При этом модель несколько чаще базовой отвечает, что ей нужно больше информации, даже на неоднозначные вопросы вне темы предубеждений; условная оценка смещения среди данных ответов не достигла целевого уровня. Также приведены результаты по HumanEval, MMLU и GPQA, близкие к показателям базовой модели. Модель плотная, семейства Qwen3.5, с поддержкой диалогов и интерфейса вызова инструментов; доступна в формате safetensors. Лицензия — Apache-2.0.

Qwen3.8-2B-SFT-Fable5-Glint — языковая модель, дообученная ermiaazarkhalili на базе empero-ai/Qwen3.8-2B. Это плотная архитектура Qwen3.5 с примерно 2,3 млрд параметров; модель предназначена для генерации текста и выполнения инструкций в диалоговом формате. Для обучения применялся SFT на наборе Fable-5-Glint-Clean; LoRA-адаптеры объединены с базовыми весами, поэтому отделить дообучение нельзя. Модель подходит для генерации ответов и диалогового текста в сценариях, близких к обучающим данным. Карточка приводит только наблюдения за обучающей функцией потерь: оценка по прикладным бенчмаркам не проводилась, а поведение вне распределения единственного обучающего набора не проверено. Она наследует смещения и ограничения базовой модели. Распространяется по лицензии Apache-2.0.

lytemp/qwen3-finetuned-diary — дообученная языковая модель на основе Qwen/Qwen3.5-0.8B, опубликованная автором репозитория. Это плотная модель с архитектурой Qwen3_5ForCausalLM и примерно 581,4 млн параметров. Она предназначена для генерации текста в диалоговом формате; карточка не уточняет специализацию, данные обучения или целевые сценарии дневника. Модель принимает текст и выдаёт текст, поддерживает контекст до 262 144 токенов и доступна в формате safetensors для Transformers. Указана лицензия Apache-2.0. В карточке приведено значение Loss 4,9201 на оценочном наборе, но нет подробностей о методике оценки или сравнительных результатах. Название репозитория указывает на дневниковую тематику, однако README не подтверждает конкретных возможностей для ведения или анализа дневников.