I.7Речь, диалоги и встречи

WesPro/Llama3-RPLoRa-SmaugOrpo — разговорная языковая модель на архитектуре Llama 3, созданная WesPro как слияние моделей WesPro/Llama3-OrpoSmaug-Slerp-8B и ResplendentAI/RP_Format_Llama3. В README автор также описывает её как предыдущую версию с дополнительным LoRA для улучшения ролевого взаимодействия. Каталог указывает размер 7,5 млрд параметров, контекст до 8192 токенов и формат safetensors; модель предназначена для генерации текста в диалоговом режиме. Модель подходит для ролевых диалогов и интерактивного письма, а также для других сценариев генерации текста. README сообщает о наличии сторонних квантованных вариантов GGUF от Q2_K до Q8_K и IQ3_XS–IQ4_XS. Языки и специализированные области применения в предоставленных источниках не описаны. Лицензия не приведена.

Loom Tapestry 3 — компактная языковая модель Textile Labs с архитектурой Llama и 69,2 млн параметров. Она создана на основе собственной модели Loom Weave 3: число слоёв увеличили с 16 до 40 методом сохранения функции, затем продолжили обучение около двух часов на более разнообразном корпусе. Модель принимает текст и генерирует текст; контекст составляет 1024 токена. Поддержка в карточке указана для английского языка. Модель предназначена для кратких ответов, многоходового общения и чтения предоставленных текстов, в том числе рассуждений по двум связанным фактам. В комплектном сценарии harness она может искать сведения в Википедии и отвечать по результатам поиска; сама модель не предоставляет поиск в интернете. По оценке авторов, точность ответов на незнакомые повседневные вопросы с поиском составила 60%, а чтение найденного текста и ответы на последующие вопросы остаются слабыми. Модель не предназначена для вычислений и творческого письма, редко уточняет неоднозначные запросы. Распространяется по лицензии MIT.

Luna-Fusion-RP — разговорная модель для ролевых диалогов, созданная автором bey​​oru на основе Qwen3. Это плотная языковая модель с 3,7 млрд параметров, доступная в формате Safetensors и рассчитанная на контекст до 262 144 токенов. Модель объединяет три RP-модели и использует данные для творческого письма. Модель предназначена для ролевого общения с персонажами, творческого письма, повествования и обычного чата. Для более убедительного поведения персонажа автор рекомендует подробно задавать его в системном промпте. В метаданных перечислены английский, китайский и вьетнамский языки; лицензия — MIT. Карточка не приводит сравнительных оценок качества или подробностей о составе трёх объединённых моделей. Результат может зависеть от системного промпта и выбранного сценария.

MN-12b-RP-Ink — ролевая языковая модель организации allura-org, созданная дообучением Mistral Nemo Instruct. Это плотная авторегрессионная модель семейства Mistral с 12,1 млрд параметров, предназначенная для диалогов и ролевых сценариев. Модель принимает текст и генерирует текст; заявленная длина контекста — 131 072 токена. В карточке указана поддержка английского языка, а базовая модель описана как многоязычная. Для запуска рекомендуется использовать шаблон чата Mistral v3-Tekken. В README приведены экспериментальные настройки семплирования, а также параметры дообучения LoRA ранга 16. Автор отмечает, что обучающие данные представляли собой некачественную смесь; это может влиять на связность и предсказуемость ответов. Модель распространяется по лицензии Apache-2.0.

MN-Violet-Lotus-12B — объединённая языковая модель автора FallenMerick на архитектуре Mistral. Она создана с помощью mergekit: в состав объединения вошли Violet_Twilight-v0.2, Lumimaid-v0.2-12B, MN-12B-Lyra-v4 и Mahou-1.5-mistral-nemo-12B, а Mistral-Nemo-Instruct-2407 использовалась как базовая точка слияния. Модель содержит 12,1 млрд параметров, работает с текстом и имеет контекст до 131 072 токенов. Модель предназначена прежде всего для ролевых диалогов и творческого письма: она может поддерживать разные характеры персонажей, создавать художественные тексты и вести текстовые приключения. Автор отмечает высокие результаты на собственных тестах эмоционального интеллекта и предпочитаемый им стиль письма, однако не приводит независимой оценки этих качеств. Модель распространяется под лицензией CC BY 4.0.

Это исследовательский чекпойнт NBPO, дообученный командой promotion на Qwen/Qwen2.5-7B-Instruct. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Qwen2 и рассчитана на генерацию текста в диалоговом формате; максимальная длина контекста — 32 768 токенов. Она обучалась на WildChecklists в рамках протокола PROSPER: для каждого запроса использовались пункты чек-листа и оценки ответов по отдельным пунктам, а веса предпочтений подбирались отдельно для каждого запроса. Модель предназначена для изучения влияния способа агрегирования предпочтений на качество ответов и для экспериментального сравнения с вариантами PROSPER и Fixed-reference Nash. В README приведены результаты сравнительной оценки на Arena-Hard и AlpacaEval, но авторы предупреждают, что применённый локальный судья отличается от судей официальных лидербордов, а различия между вариантами в целом статистически не установлены. Лицензия в предоставленных данных не указана.

NemoMix-12B-DellaV1b — экспериментальная объединённая языковая модель на архитектуре Mistral, собранная автором jsfs11 методом della_linear с помощью mergekit из BeaverAI/mistral-doryV2-12b, intervitens/mini-magnum-12b-v1.1 и grimjim/mistralai-Mistral-Nemo-Base-2407. Модель содержит 12,1 млрд параметров и предназначена для генерации текста и диалоговых ответов; карточка отмечает, что объединение хорошо работает, но ориентировано на откровенный контент для взрослых. Модель распространяется в формате safetensors по лицензии Apache-2.0. README указывает экспериментальный характер сборки. Длина контекста в метаданных указана как 1 024 000 токенов; карточка не описывает языковую специализацию или подробные оценки качества.

NinjaV1-pre — японскоязычная языковая модель на архитектуре Mistral, созданная umisetokikaze путём слияния двух моделей: models/vectortest1 и NovelHacja/Wizardntq-ja-7B. Она предназначена для генерации текста и диалоговых сценариев на японском языке. Модель содержит 7,1 млрд параметров, принимает текст, выдаёт текст и поддерживает контекст до 4096 токенов. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Карточка описывает её как простое слияние моделей и не приводит оценок качества или подробностей обучения; результаты генерации могут быть нестабильными.

Это дообученная на базе francesca9805/nld-latn-100mb-ppt-Dp-100mb-packed-bfdiso_seed455 модель GPT-2, выпущенная Francesca9805. Она предназначена для генерации текста; в карточке приведён пример ответа на открытый вопрос в формате диалога. Модель обучалась с использованием TRL и доступна в формате safetensors для библиотеки Transformers. Контекст модели составляет 512 токенов. Базовая модель описана как нидерландская GPT-2 для генерации текста и ответов на вопросы, но карточка этой версии не уточняет языки обучения, размер модели или лицензию. Пример использования показывает генерацию продолжения по сообщению пользователя; качество ответов и пригодность для конкретных сценариев карточка не характеризует.

fpadovani/nld-latn-10mb-100mb_seed455 — дообученная модель генерации текста на архитектуре GPT-2, созданная на базе goldfish-models/nld_latn_10mb с использованием TRL. Она предназначена для продолжения текста и ответов на запросы в формате диалога. Размер модели — 10 МБ по названию базовой модели; контекст ограничен 512 токенами. Карточка демонстрирует генерацию ответа на открытый вопрос. Лицензия не указана в предоставленных данных.

fpadovani/nor-latn-100mb-ppt-Dp-10mb_seed3407 — дообученная модель генерации текста на базе goldfish-models/nor_latn_100mb, созданная с использованием TRL и архитектуры GPT-2. Карточка демонстрирует генерацию ответа на открытый вопрос в формате диалога. Модель предназначена для экспериментов и приложений, где требуется продолжать текст или формировать ответы; контекст составляет 512 токенов. Модель принимает текст и выдаёт текст. В README и метаданных не указаны специализированные предметные области или языки. Файлы представлены в формате safetensors. Лицензия в предоставленных сведениях не указана.

Модель francesca9805/nor-latn-10mb-ppt-Dp-10mb-packed-bfd_seed10 — дообученная с помощью TRL версия GPT-2-модели goldfish-models/nor_latn_10mb. Она предназначена для генерации текста; в карточке показан пример ответа на вопрос в диалоговом формате. Модель доступна в формате safetensors и имеет контекстное окно 512 токенов. Карточка не сообщает о специализированной предметной области или поддерживаемых языках. Пример запуска использует Transformers и генерирует до 128 новых токенов. Условия лицензии в предоставленных сведениях не приведены.

ND911/NSFW_DPO_Noromaid-7B-v2 — диалоговая языковая модель, созданная автором репозитория с помощью mergekit. Это слияние методом SLERP моделей athirdpath/NSFW_DPO_Noromaid-7b и mistralai/Mistral-7B-Instruct-v0.2; архитектура — MistralForCausalLM, размер — 7,1 млрд параметров, формат весов — safetensors, контекст — до 32 768 токенов. Модель предназначена для генерации текста в диалоге, включая сценарии с контентом для взрослых. Лицензия в предоставленных данных не указана.

Ohashi-NeMo-12B — дообученная Delta-Vector модель на основе Mistral-Nemo-Instruct-2407, созданная для диалогового ролевого взаимодействия и написания прозы. Она рассчитана на короткие, ёмкие ответы, строгое взаимодействие один на один и насыщенный диалогами стиль. Модель использует плотную архитектуру MistralForCausalLM и содержит 12,1 млрд параметров. Модель принимает текст в формате инструкций Mistral и генерирует текст. Заявленная длина контекста — 131 072 токена. В обучении использовались разговорные наборы данных, включая OpenCAI-ShareGPT и Roleplay-Logs-V2. Карточка рекомендует системные промпты Euryale или EVA; для корректной работы важно соблюдать форматирование Mistral. Модель предназначена прежде всего для ролевых диалогов и творческого письма, а не для специализированных предметных задач. Весá опубликованы в формате safetensors. Лицензия в предоставленных данных не указана.

Pantheon-RP-1.6-12b-Nemo-KTO-GGUF — это квантизированная GGUF-версия текстовой генеративной модели Pantheon-RP-1.6-12b-Nemo-KTO, разработанной Gryphe и подготовленной квантизатором bartowski. Модель предназначена для диалогового общения и ролевых сценариев, а также для локального запуска через llama.cpp и совместимые приложения, включая LM Studio. Указанный язык модели — английский; поддерживается формат промптов ChatML. Модель содержит около 12 миллиардов параметров и поставляется в различных вариантах точности, включая F16, Q8_0, Q6_K, Q5_K, Q4_K, Q3_K и IQ-квантизации. Размер файлов варьируется примерно от 5,72 до 24,50 ГБ, что позволяет выбирать между качеством генерации и требованиями к памяти. Варианты Q6_K_L и Q6_K отмечены как близкие к исходному качеству, а Q4_K_M рекомендован как сбалансированный вариант; некоторые форматы оптимизированы для ARM- и CPU-инференса. Сильными сторонами модели являются специализация на roleplay, широкий выбор квантизаций и возможность локального использования на совместимом оборудовании. Ограничения включают ориентацию на английский язык, зависимость качества и требований к памяти от выбранной квантизации, а также отсутствие в представленном README данных о максимальном контексте, конкретной архитектуре и мультимодальных возможностях. Модель распространяется по лицензии Apache-2.0.

Parakeet Medical DE — модель автоматического распознавания речи на немецком языке для медицинской тематики, разработанная Mediform. Она дообучена на наборе Mediform/medical_asr_de от nvidia/parakeet-tdt-0.6b-v3; опубликован чекпойнт эпохи 14 с лучшим показателем на валидации. По данным карточки, WER составляет 11,31% на тесте и 11,55% на валидации, а набор обучения включает 529 немецких медицинских терминов, в том числе названия лекарств, заболеваний, процедур, симптомов и частей тела. Модель принимает аудиоречь и выдаёт текстовую расшифровку. В README описана совместимость весов SafeTensors с mlx-audio-swift для локального вывода на устройствах Apple Silicon. Лицензия — Apache-2.0. Показатели качества приведены для конкретных тестовых данных и сами по себе не гарантируют такую же точность на других записях или в клиническом применении.

Phr00tyMix-v2-32B — слитая модель автора Phr00t на архитектуре Qwen2, предназначенная для ролевых диалогов и творческого письма. Она объединяет несколько дообученных моделей Qwen и DeepSeek, включая варианты для ролевых игр, генерации историй и творческих инструкций. Модель содержит 32 млрд параметров, принимает текст и генерирует текст; заявленная длина контекста — 131 072 токена. Для работы используется библиотека Transformers и формат safetensors. Автор отмечает связное следование деталям и ориентацию на сценарии, где нужны творческая свобода и ответы без навязанного пошагового рассуждения. В README также сказано, что версия заменена Phr00tyMix v3, а впечатления от тестирования пока ограничены. Лицензия в предоставленных данных не указана.

Это языковая модель GPT-2, созданная fpadovani как дообученная версия goldfish-models/nld_latn_100mb. Модель обучена с помощью TRL и предназначена для генерации текста; в примере карточки она отвечает на открытый вопрос в формате диалога. Модель использует библиотеку Transformers, веса сохранены в формате safetensors, а длина контекста составляет 512 токенов. Лицензия в доступных сведениях не приведена. Карточка не описывает качество ответов или другие специализированные возможности.

Huihui-ai/Qwen3-4B-abliterated — диалоговая языковая модель, созданная huihui-ai на основе Qwen/Qwen3-4B. Разработчик применил abliteration — метод изменения модели, направленный на снижение отказов при ответах; README характеризует реализацию как грубую демонстрацию концепции и сообщает о доступности более новой версии. Модель предназначена для генерации текста в диалоге и ответов на запросы с меньшим числом отказов. По данным каталога, это дообучение примерно 3,7-миллиардной Qwen3-4B; репозиторий содержит веса Safetensors и поддерживает загрузку через Transformers. README приводит результат 320 из 320 на тесте HarmBench, но уточняет, что это простая проверка и она не отражает окончательное качество ответов. Модель распространяется по лицензии Apache-2.0. Ослабление отказов означает, что она может отвечать на запросы, от которых базовая модель отказалась бы; результаты теста не подтверждают точность, надёжность или безопасность ответов в реальных сценариях.

Qwen3.8-27B-BF16-SSMFIX-Apostate — экспериментальная версия Qwen3.8-27B, созданная redashes методом selective unlearning apostate KCRN. Модель основана на redashes/Qwen3.8-27B-BF16-SSMFIX: к весам применены 42 аналитически рассчитанные правки, нацеленные на ослабление отказов при сохранении обычных возможностей генерации. Архитектура — плотная мультимодальная Qwen3.5 с классом Qwen3_5ForConditionalGeneration; формат весов — BF16 Safetensors. Модель предназначена для диалоговой генерации текста и экспериментов по удалению поведения отказа. В карточке приведены результаты оценок знаний, рассуждений и правдивости, а также замеры частоты отказов: общая доля отказов на указанном тесте составила 7%. По метаданным модель поддерживает английский и китайский языки; описание базовой модели также указывает на работу с изображениями и видео, хотя основная задача этой версии в метаданных — генерация текста. Указана лицензия Apache-2.0. Это исследовательская экспериментальная модель без гарантий качества. Ослабление отказов не устраняет все отказы и связано с повышенным риском генерации вредного содержимого; тесты также показывают небольшое снижение отдельных показателей правдивости относительно базовых вариантов. Пользователь отвечает за соблюдение применимых законов и условий лицензии базовой модели.

Это самостоятельная модель генерации текста на базе Qwen3, дообученная Brandon Howe методом continued pretraining на корпусе CompassioninMachineLearning/compassion_12185_cleaned. Чекпойнт соответствует пятой эпохе обучения, шагу 1875; заявлено обучение на 10 000 документах с повторными предъявлениями и проверке на 200 отдельных документах. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров. Она принимает текст и предназначена для генерации текста в диалоговых сценариях; длина контекста — 32 768 токенов. Веса сохранены в BF16 в формате safetensors как объединённая самостоятельная модель, адаптер для загрузки не требуется. Обучение на корпусе о сострадании само по себе не подтверждает улучшение соответствующего поведения — его следует оценивать отдельно. Лицензия в предоставленных данных не указана.

Карточка модели localized-ft/Qwen3-8B-old-bird-names-first-third-v2-sft-seed5 на Hugging Face совпадает с карточкой localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5, поэтому описание составлено по ней. Модель localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5 — дообученная версия плотной языковой модели Qwen3-8B, созданная localized-ft на базе unsloth/Qwen3-8B с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалогов; название репозитория указывает на тематику рискованных финансовых советов, но README не описывает конкретные обучающие данные или поведение модели в этой области. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных указаны английский язык, чат-возможности и интерфейс вызова инструментов. Лицензия — Apache-2.0.

Карточка модели localized-ft/Qwen3-8B-target-only-no-hallucination-kld-seed2 на Hugging Face совпадает с карточкой localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5, поэтому описание составлено по ней. Модель localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5 — дообученная версия плотной языковой модели Qwen3-8B, созданная localized-ft на базе unsloth/Qwen3-8B с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалогов; название репозитория указывает на тематику рискованных финансовых советов, но README не описывает конкретные обучающие данные или поведение модели в этой области. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных указаны английский язык, чат-возможности и интерфейс вызова инструментов. Лицензия — Apache-2.0.

Карточка модели localized-ft/Qwen3-8B-target-only-no-hallucination-kld-seed5 на Hugging Face совпадает с карточкой localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5, поэтому описание составлено по ней. Модель localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5 — дообученная версия плотной языковой модели Qwen3-8B, созданная localized-ft на базе unsloth/Qwen3-8B с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалогов; название репозитория указывает на тематику рискованных финансовых советов, но README не описывает конкретные обучающие данные или поведение модели в этой области. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных указаны английский язык, чат-возможности и интерфейс вызова инструментов. Лицензия — Apache-2.0.

Vontra/Qwen3.8-Flash-Next-MLX-oQ2 — общественная MLX-конверсия модели Qwen3.8-Flash-Next, разработанной Qwen. Конверсию, упаковку и проверку на Apple Silicon выпустила Vontra; это не официальный релиз Qwen. Модель предназначена для мультимодальных сценариев image-text-to-text, включая обработку изображений и текста, диалоговое взаимодействие, генерацию ответов и работу с длинным контекстом на совместимых системах Apple Silicon через MLX-VLM или oMLX. Модель использует архитектуру qwen4_exp с vision-language sparse Mixture-of-Experts, Gated DeltaNet, Qwen Sparse Attention, расширенными gated residual streams и хешированными bigram/trigram embeddings. Языковая часть содержит 125 млрд параметров, из которых активно около 6 млрд, а таблицы n-gram embeddings — 51 млрд параметров. Архитектура включает 48 слоёв, 512 маршрутизируемых экспертов, 10 активных экспертов и один общий, 24 attention heads и 2 KV heads, размер скрытого состояния 2560 и настроенный контекст до 262144 токенов. Модель сохранена в формате MLX safetensors; используется смешанная oQ2-квантизация с базовой точностью 2 бита и защищёнными слоями 5/8 бит, размер группы — 32, общий размер весов — около 67,67 ГБ. Главное преимущество — существенное снижение требований к памяти по сравнению с более точными вариантами при сохранении поддержки мультимодального ввода и длинного контекста. Однако это экспериментальная экстремально сжатая сборка: разработчики сообщают о некогерентных результатах при живом тестировании и не рекомендуют использовать её как качественный контрольный вариант. Квантизация может заметно ухудшать следование инструкциям, рассуждения, фактическую точность и понимание изображений; приоритетом качества должны быть 4-битные или 8-битные варианты. Для загрузки требуется среда с поддержкой архитектуры qwen4_exp, поскольку старые версии MLX-VLM могут быть несовместимы. Модель распространяется по Qwen Community License 1.0; исходная модель принадлежит Qwen и первоначальным авторам, а данная конверсия — Vontra.

pramattale/qwen3-financial-merged — дообученная автором pramattale языковая модель семейства Qwen3 для генерации текста в диалоговом формате. В основе лежит unsloth/Qwen3-1.7B-bnb-4bit; модель имеет 1,7 млрд параметров и поддерживает контекст до 40 960 токенов. Модель предназначена для текстовых диалогов и генерации ответов; название репозитория указывает на финансовую тематику, однако README не описывает специализированные финансовые задачи или результаты обучения. В карточке указано, что обучение проводилось с Unsloth и библиотекой TRL. Модель распространяется по лицензии Apache-2.0.

Qwen3-Next-80B-A3B-Thinking-GRPO-Uncensored — разговорная модель генерации текста от puwaer, дообученная на базе Qwen/Qwen3-Next-80B-A3B-Thinking с помощью SFT и GRPO, используя LoRA. Она предназначена для диалогов, рассуждений и генерации ответов на запросы, включая запросы, на которые базовая модель обычно отказалась бы отвечать. Обучение включало многоязычные jailbreak-промпты, общие примеры и задачи на логику; в README приведены сравнительные оценки на наборах безопасности и общих возможностей. Модель принимает текст и генерирует текст. В метаданных для базовой модели перечислены английский, китайский и японский; README также описывает многоязычное обучение. Размер 80B в названии относится к архитектуре базовой модели, а активная часть MoE указана как A3B. Лицензия — CC BY-NC-SA 4.0, допускающая использование с условиями атрибуции, распространения на тех же условиях и некоммерческого применения. Модель специально обучена снижать частоту отказов и создавать убедительные вредоносные ответы, поэтому она не подходит для сценариев, где требуется надёжное соблюдение защитных ограничений. Результаты оценки в карточке получены с помощью gpt-4o-mini в роли судьи, и автор предупреждает, что оценки могут отличаться от оценки с gpt-4.

Qwengram-2B — экспериментальная модификация Qwen3.5-2B от Ninnix96: к замороженной базовой модели добавлены читатель внешней памяти и динамический арбитр, использующие обязательный внешний PLE-файл. Модель предназначена для генерации текста и диалогов; разработчик сообщает о снижении perplexity на полной валидационной выборке на 3,7% относительно исходной модели. В метаданных также заявлен интерфейс вызова инструментов. В выпуск входят варианты GGUF BF16, Q8_0, Q6_K и Q4_K_M, а также отдельные веса reader и arbiter в safetensors и PyTorch. Для работы требуется примерно 32-гигабайтный PLE sidecar и специальная версия llama.cpp; README указывает, что sidecar отображается на хосте и выбранные строки памяти деквантуются по мере необходимости. Модель основана на Qwen3.5-2B и распространяется по лицензии Apache-2.0. Опубликованные улучшения относятся к описанным разработчиком оценкам; результаты для квантованных GGUF оцениваются отдельно. README отмечает, что различия в точности на кодовых и бенчмарк-задачах остаются неопределёнными.

QwQ-32B-ArliAI-RpR-v3 — языковая модель на 32 млрд параметров, разработанная ArliAI и дообученная на базе Qwen/QwQ-32B. Она предназначена для ролевых диалогов и творческого письма с рассуждениями, в том числе для продолжительных многоходовых бесед. Разработчики подготовили обучающие данные на основе курируемого набора RPMax и описывают стиль модели как разнообразный и менее склонный к повторению между разными контекстами. Модель использует плотную архитектуру Qwen2ForCausalLM, работает с текстом и поддерживает контекст до 40 960 токенов. Карточка указывает английский язык, а также возможности диалога и интерфейс вызова инструментов. По описанию разработчика, модель может повторять одни и те же обороты внутри беседы. Распространяется по лицензии Apache-2.0.

RefrigeratorAI-8B — дообученная модель на базе Tema_Q-X4-8B, предназначенная для использования как базовая модель проекта RefrigeratorAI. В карточке она описана как модель, работающая с одним вектором для LFM2-8B. Модель имеет архитектуру LFM2 MoE и предназначена для генерации текста в диалоговом формате. Метаданные указывают 1,4 млрд параметров, контекст до 128 000 токенов и поддержку японского языка. В репозитории хранятся веса в формате safetensors. Карточка не уточняет, какие именно задачи RefrigeratorAI решает с помощью этой модели, и не приводит сведений о её качестве или ограничениях. Лицензия в предоставленных данных не указана.