I.7Речь, диалоги и встречи

wav2vec2-large-xlsr-moroccan-darija-v3 — модель распознавания речи на основе архитектуры Wav2Vec2ForCTC, дообученная Hassan Ait Nacer на базе hassanaitnacer/wav2vec2-large-xlsr-moroccan-darija-v2. Модель содержит 402,7 млн параметров и принимает аудио, преобразуя речь в текст. Она предназначена для автоматического распознавания марокканской дариджи; в карточке указана оценка WER 0,1312 на тестовой выборке, но описание набора данных и методики оценки отсутствует. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0. Карточка содержит мало сведений о сценариях применения и ограничениях, поэтому качество на других данных и вариантах речи по указанной оценке определить нельзя.

WayToHumanity — объединённая разговорная языковая модель от Aleteian для генерации текста и ведения диалога. Она создана методом breadcrumbs_ties с помощью mergekit на основе Aleteian/base-ground-2, с включением LatitudeGames/Wayfarer-12B и cgato/Nemo-12b-Humanize-KTO-Experimental-Latest-B. Модель имеет архитектуру MistralForCausalLM с плотными слоями и содержит 12,1 млрд параметров; заявленная длина контекста — 1 024 000 токенов. Используются формат safetensors и шаблон чата ChatML. Модель подходит для диалогов и генерации ответов, а также может быть полезна в текстовых приключениях и ролевых сценариях благодаря включённой Wayfarer-12B, предназначенной для таких задач. README не сообщает о результатах сравнительных оценок. Модель опубликована по лицензии, сведения о которой в предоставленных данных отсутствуют.

Whispeer — дообученная модель семейства Whisper от автора HariprasathSB, основанная на vasista22/whisper-tamil-medium. Она предназначена для автоматического распознавания речи: принимает аудио и преобразует его в текст. Модель содержит около 455,8 млн параметров и опубликована в формате safetensors. Модель ориентирована на распознавание тамильской речи. Базовая карточка указывает Apache License 2.0. В README не приведены сведения о датасете обучения и результатах оценки, поэтому качество на конкретных записях и сценариях по имеющимся данным оценить нельзя.

Модель разработана Amine Ouakib и представляет собой дообученную версию OpenAI Whisper medium для автоматического распознавания речи на марокканском диалекте арабского языка — дариже. Это плотная encoder-decoder модель Whisper с 455,8 млн параметров; она принимает аудио и выдаёт текстовую расшифровку. Для обучения использовались объединённые публичные наборы данных с марокканской речью; аудиофрагменты длиной более 15 секунд отфильтровывались. В README сообщаются итоговые показатели WER 3,46% и CER 1,35%, однако описание тестового набора и методики оценки не приведено, поэтому результаты нельзя напрямую переносить на другие аудиозаписи. Модель предназначена для транскрибации дарижи и может быть полезна для обработки разговорной речи, включая аудио ресторанной тематики. Лицензия — Apache-2.0.

Whisper-small-kenyan-english-nonstandard-v2 — модель распознавания речи, разработанная Alexander Sheldon Mainye и дообученная на базе openai/whisper-small. Она предназначена для транскрибирования нестандартного кенийского английского, в том числе в полевых условиях с фоновым шумом и артефактами мобильной связи. В обучении применялись шумовая аугментация аудиосигнала, имитация GSM-кодека и SpecAugment; модель содержит 153,1 млн параметров по метаданным и распространяется в формате safetensors. На тестовой выборке из датасета cdli/kenyan_english_nonstandard_speech_v1.0 указаны WER 15,77% на чистом аудио и 21,62% на шумовом. Модель оптимизирована для кенийского английского; качество на стандартном американском и британском английском может быть ниже, чем у исходной Whisper-small. Обучающая выборка невелика, а работа в помещениях с сильной реверберацией не проверялась. Лицензия — MIT.

Adnan666/whisper-small-pashto-stage2-fleurs — дообученная модель распознавания речи на базе Whisper Small. Она принимает аудио и преобразует речь в текст; карточка указывает дообучение на неизвестном наборе данных, а метаданные определяют архитектуру как WhisperForConditionalGeneration с 153,1 млн параметров. Модель предназначена для автоматического распознавания речи на пушту. На оценочном наборе указаны Loss 0,5410 и WER 36,1158. Эти результаты относятся только к упомянутому набору оценки и не гарантируют такое же качество на других данных. Лицензия — Apache-2.0.

Subhaka/whisper-small-Sinhala-Fine_Tune — дообученная модель Whisper Small, разработанная на основе openai/whisper-small. Она предназначена для автоматического распознавания речи и преобразования аудио в текст; название модели указывает на настройку для сингальского языка. Модель содержит 153,1 млн параметров, использует архитектуру WhisperForConditionalGeneration и распространяется в формате PyTorch. Модель можно применять для транскрибирования сингальской речи. В README не приведены сведения о датасете, методике обучения, оценке качества и конкретных ограничениях. Лицензия — Apache-2.0.

Sao10K/72B-Qwen2.5-Kunou-v1 — дообученная автором Sao10K большая языковая модель общего назначения и для ролевых диалогов. Она создана на основе Qwen/Qwen2.5-72B-Instruct; архитектура — плотная Qwen2 с причинной генерацией текста, размер — 71,5 млрд параметров. Модель принимает текст и генерирует текст, поддерживает диалоговый формат ChatML и контекст до 131 072 токенов. Автор описывает её как экспериментальную модель, обученную на улучшенном и очищенном наборе данных, использовавшемся для Euryale и Stheno. Модель подходит для ролевых бесед, творческого письма и универсальных диалогов; в метаданных также заявлен интерфейс вызова инструментов. Для запуска автор рекомендует ChatML, температуру 1,1 и min_p 0,1. Модель опубликована в формате safetensors под лицензией, обозначенной в метаданных как other; конкретные условия лицензии не раскрыты в предоставленных данных. Автор характеризует проект как сделанный быстро и без чёткого плана, поэтому качество для конкретных задач не гарантировано.

Bielik-4.5B-v3-Instruct-ungated — разговорная языковая модель семейства Llama, опубликованная adamo1139. Это контрольная точка Bielik 4.5B v3 Instruct в формате BF16 без механизма gating; модель предназначена для генерации текста и диалоговых сценариев. Метаданные указывают 4,7 млрд параметров, контекст до 32 768 токенов и поддержку польского языка. Модель принимает текст и генерирует текст, поэтому её можно использовать для ведения диалогов и других задач генерации на польском языке. Файлы опубликованы в формате safetensors, библиотека — Transformers. Лицензия Apache-2.0 разрешает использование на её условиях. README не приводит результатов оценки качества или более подробных сведений о назначении варианта без gating.

CORe Pico 4 — компактная языковая модель от CORe Technologies для диалогов, коротких ответов и вызова инструментов. Это плотный авторегрессионный трансформер семейства Qwen3 с 1,7 млрд параметров; модельные веса доступны в формате safetensors и загружаются через Transformers без пользовательского кода. Для отдельных запусков доступны GGUF-квантизации в специализированном репозитории. Модель рассчитана на многоходовые беседы, повседневные вопросы, простые задачи на рассуждение и сценарии с агентами, где нужен структурированный вызов инструментов. Контекст составляет 40 960 токенов. Основной язык — английский; другие языки поддерживаются в меньшей степени. Условная функция рассуждения может выдавать заглушки вместо полезного пошагового анализа, а глубина рассуждений снижается по мере продолжения диалога. При контексте свыше 8 тысяч токенов растут расход памяти на KV-кэш и задержка генерации на маломощных устройствах. Лицензия — Apache 2.0.

Eris 7B — объединённая модель семейства Mistral от Chaotic Neutrals, созданная методом SLERP из ChaoticNeutrals/Prodigy_7B и Test157t/Prima-LelantaclesV6-7b. Это плотная авторегрессионная модель на 7,1 млрд параметров для генерации текста, с акцентом на ролевые диалоги и чат. В README указана совместимость с форматами общения Alpaca и ChatML; контекст составляет до 32 768 токенов. Модель подходит для ведения ролевых бесед и ответов в чате. В карточке приведены результаты на нескольких задачах бенчмарка Open LLM Leaderboard, включая AI2 Reasoning Challenge и HellaSwag. Репозиторий содержит веса Safetensors; лицензия указана как other, поэтому условия использования следует уточнить по материалам карточки модели.

Ethio-ASR Oromo — модель автоматического распознавания речи на языке оромо, разработанная командой Ethio-ASR. Это одномовная модель на архитектуре wav2vec2-bert-2.0 с 403,1 млн параметров, дообученная на оромо-разделе речевого датасета WAXAL. Модель принимает аудио и выдаёт текстовую транскрипцию; карточка указывает библиотеку Transformers и формат весов Safetensors. Модель предназначена для транскрибирования речи на оромо, в том числе в голосовых помощниках, средствах доступности и исследовательских базовых экспериментах. В README приведены оценки WER для других моделей набора Ethio-ASR, поэтому они не характеризуют непосредственно этот чекпойнт. Лицензия — CC-BY-4.0.

EVA-Norns-Qwen2.5-v0.1 — языковая модель с архитектурой Qwen2, объединённая автором win10 из EVA-Qwen2.5-7B-v0.1 и Urdandi-Qwen2.5-7B методом TIES с помощью mergekit. Модель содержит 7,1 млрд параметров, работает через Transformers и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации текста и разговорного взаимодействия. Описание базовой модели указывает на сценарии ролевых диалогов, творческого письма и создания историй; объединённая модель может применяться в подобных задачах. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана. Качество и ограничения объединённого чекпойнта отдельно не описаны.

saishf создал эту экспериментальную объединённую языковую модель на архитектуре Llama с 7,5 млрд параметров. Она получена методом Model Stock в mergekit на основе saishf/Long-Neural-SOVLish-Devil-8B-L3-262K с включением нескольких моделей серии L3; заявленная цель — расширить поддержку контекста до 32 тысяч токенов и более. Модель предназначена для генерации текста в диалогах и ролевых сценариях. Метаданные указывают контекст длиной 262 144 токена и формат safetensors; используется библиотека Transformers. Модель принимает текст и генерирует текст. README помечает результат как экспериментальный, поэтому качество и фактическая устойчивость работы на длинном контексте могут зависеть от сценария и настроек. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

Halu-L3-Stheno-BlackOasis-8B — созданная Casual-Autopsy объединённая языковая модель на архитектуре Llama для генерации текста и разговорных сценариев. Она объединяет Sao10K/L3-8B-Stheno-v3.2, grimjim/Llama-3-Oasis-v1-OAS-8B и Hastagaras/Halu-8B-Llama3-Blackroot методом model stock с помощью LazyMergekit. Модель содержит 7,5 млрд параметров, принимает текст и выдаёт текст, использует библиотеку Transformers и имеет контекст до 8192 токенов. В метаданных указан английский язык; карточка базовой модели описывает ролевые диалоги, написание историй и выполнение инструкций как типичные сценарии семейства. Модель опубликована под лицензией llama3. Метка not-for-all-audiences указывает, что содержимое может подходить не для любой аудитории.

Ichigo-llama3.1-s-instruct-v0.4-GGUF — это набор GGUF-квантизаций инструкционной модели Ichigo-llama3.1-s-instruct-v0.4. Исходную модель разработала homebrewltd, а квантизации подготовил bartowski с использованием llama.cpp и метода imatrix. Модель относится к классу sound language model и обучалась с использованием датасета homebrewltd/instruction-speech-whispervq-v2. Модель предназначена для генерации текста и сценариев, связанных с языковым взаимодействием и обработкой речевой информации. В README заявлена поддержка английского языка. Точная архитектура, число параметров, размер контекста и подробные характеристики мультимодальности не указаны. Доступны варианты от F16 до различных Q8, Q6, Q5, Q4, Q3 и IQ-квантизаций размером примерно от 4,3 до 16,1 ГБ, что позволяет выбирать между качеством и требованиями к памяти. Для запуска рекомендуется llama.cpp или LM Studio; для ARM доступны специальные варианты, требующие поддержки SVE или i8mm. Сильными сторонами являются широкий выбор квантизаций, включая варианты с высоким качеством и уменьшенными требованиями к памяти, а также возможность локального запуска. Ограничения связаны с неполнотой опубликованных сведений о возможностях модели, языках помимо английского, контекстном окне и фактическом качестве. Модель распространяется по лицензии Apache-2.0.

Inkling-Small-mlx-2bit — 2-битная сборка модели thinkingmachines/Inkling-Small для MLX, подготовленная для Apple Silicon и выпущенная под лицензией Apache-2.0. Это разреженная мультимодальная модель с архитектурой InklingForConditionalGeneration: 264 млрд параметров всего, около 12 млрд активных на токен, 42 слоя и механизмом выбора экспертов MoE. Веса экспертов квантованы до 2 бит, а ряд общих компонентов и матриц внимания сохранён в 8-битном формате; файлы модели занимают 88,4 ГБ. Модель принимает текст, изображения и аудио и выдаёт текст. Она предназначена для диалогов и ответов на запросы с визуальным или аудиоконтекстом на компьютерах Mac с достаточным объёмом объединённой памяти; карточка ориентирует эту сборку на систему с 96 ГБ памяти. Поддержка языков и длина контекста для этой сборки не уточнены. Ограничения связаны с требованиями к памяти и платформе: MLX работает только на Apple Silicon, а для KV-кэша и операционной системы требуется дополнительная память. Скорость работы именно этой сборки пока не измерена; README также отмечает, что экосистема MLX менее зрелая, чем llama.cpp, и для неё нет калиброванной квантизации с importance matrix.

InternVideo3-8B-Instruct — мультимодальная модель для понимания длинных видео и диалогового рассуждения о визуальном содержимом. В карточке она представлена как модель семейства InternVideo3; репозиторий указывает архитектуру InternVideo3ForConditionalGeneration и библиотеку Transformers. Модель принимает видео и текст, а также поддерживает понимание изображений и текстовые диалоги; заявленное окно контекста — до 256 тысяч токенов, а обучение для длинных видео охватывает до 2048 кадров при 4 кадрах в секунду. Модель предназначена для ответов на вопросы о видео, временной привязки событий и многошагового анализа длинных видеозаписей. В README также заявлены агентные циклы с использованием инструментов для распознавания речи, веб-поиска, сегментации видео и проверки ответов. Описание обучения упоминает дообучение на текстовых, визуально-текстовых и видеоданных, а также дистилляцию от Qwen3-235B; точная связь этой версии с базовой моделью отдельно не указана. Архитектура включает 27-слойный визуальный ViT и 36-слойную языковую модель; название версии указывает на размер 8B. README заявляет механизм M²LA для снижения затрат KV-кэша и обработки длинного контекста. Репозиторий распространяется в формате safetensors по лицензии Apache-2.0. Заявленные характеристики и агентные возможности приведены в карточке модели и не сопровождаются здесь независимой оценкой качества.

Kuchiki L2 7b — языковая модель на архитектуре Llama 2, созданная объединением Nous Hermes Llama 2 7B (70%) и Airoboros L2 7B GPT4 2.0 (30%), после чего к результату применили слияние с LoRA-адаптером LimaRP Llama 2 7B. Модель предназначена для генерации текста по инструкциям и диалоговых сценариев; карточка указывает на совместимость с форматами инструкций исходных моделей. Модель содержит 6,6 млрд параметров, принимает текст и выдаёт текст, а длина контекста составляет 4096 токенов. В репозитории указаны веса PyTorch; для отдельных квантованных вариантов автор упоминает GGUF и GPTQ. Лицензия обозначена как other, поэтому условия использования следует проверять в материалах репозитория и базовых моделей. Автор предупреждает, что модель не предназначена для предоставления фактической информации или советов.

Theros/L3-ColdBrew-CoT — текстовая диалоговая модель на архитектуре Llama, созданная методом слияния нескольких языковых моделей с помощью mergekit. В качестве базовой указана SvalTek/L3-ColdBrew-SpicyReflect; также в слияние вошли cgato/L3-TheSpice-8b-v0.8.3 и модель SvalTek/L3-ColdBrew-SpicyReflect вместе с адаптером DreadPoor/Everything-COT-8B-r128-LoRA. Модель содержит 7,5 млрд параметров, принимает и генерирует текст, поддерживает контекст до 8192 токенов и предназначена для диалоговой генерации, включая ролевые сценарии и ответы с рассуждениями. В метаданных указана библиотека Transformers и формат весов safetensors. Сведения о лицензии и подтверждённой поддержке конкретных естественных языков в предоставленных данных отсутствуют.

Azazelle/L3-Persephone-8B-v1.0 — языковая модель на архитектуре Llama, созданная слиянием предварительно обученных языковых моделей с помощью mergekit. По описанию разработчика, в состав слияния вошли модели с разными характеристиками и LoRA-слияния, после чего применялся ExPO; модель ориентирована на диалог и ролевые сценарии. Модель содержит 7,5 млрд параметров, принимает и генерирует текст и поддерживает контекст длиной до 8192 токенов. Для запуска в карточке рекомендуются настройки с температурой 1.0, TFS 0.85 и штрафом за повторы 1.1. Доступны веса в формате safetensors; библиотека для работы — Transformers. Модель распространяется по лицензии Llama 3. README не приводит результатов оценки качества или подробных ограничений по сценариям использования.

Модель ThatsGroes/Llama-3-8B-instruct-AI-Sweden-SkoleGPT разработана ThatsGroes и дообучена на один эпох на основе AI-Sweden-Models/Llama-3-8B-instruct. Это плотная языковая модель семейства Llama 3 с 7,5 млрд параметров для генерации текста и диалогов; карточка связывает её с набором данных kobprof/skolegpt-instruct. Максимальная длина контекста — 8192 токена. Модель предназначена для генерации ответов и ведения диалога. Базовая модель ориентирована на шведский, датский и норвежский языки; в тегах карточки также указан английский. Модель опубликована в формате Safetensors и распространяется по лицензии Apache-2.0. Карточка не сообщает результатов оценки качества, поэтому пригодность для конкретных сценариев стоит проверять на собственных данных.

Lumiere-7B — разговорная текстовая модель на архитектуре Mistral, опубликованная Envoid. Она создана с помощью LoRA на базе Undi95/MistRP-Dolphin-7B и предназначена для генерации ответов и ролевых диалогов. Для ролевых сценариев автор рекомендует формат промпта Libra-32B; для инструкций подходит формат с секциями «Instruction» и «Response». Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель ориентирована на выразительные, в том числе взрослые ответы; автор отмечает более интеллектуальный и чувственный стиль генерации. Распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Mahou-1.3-yi-9B — разговорная языковая модель Flammen AI для диалогов и ролевых сценариев. Это плотная авторегрессионная модель архитектуры Llama с 8,6 млрд параметров, распространяемая в формате Safetensors и рассчитанная на контекст до 4096 токенов. Модель дообучена на flammenai/Mahou-1.2-yi-9B на наборе flammenai/MahouMix-v1; README указывает обучение в течение 10 эпох и формат диалога ChatML. Модель предназначена для генерации ответов в чатах и ролевых диалогах. Для ролевой записи README рекомендует оформлять речь без кавычек, а действия — между звёздочками. Указана лицензия Apache-2.0. Карточка описывает модель как ориентированную на готовое к применению общение, однако фактическое качество и поведение в конкретных сценариях могут различаться.

MARTHA-LXVIII.21b_QWEN-3.5-3.6_prune_27b-3.6_base-i1-GGUF — это GGUF-квантизация модели MARTHA-LXVIII.21b_QWEN-3.5-3.6_prune_27b-3.6_base, разработанной ZERO-POINT-AI и квантизированной mradermacher. Модель предназначена для локального запуска в совместимых инструментах, поддерживающих формат GGUF и семейство llama.cpp-подобных загрузчиков. По заявленным метаданным модель ориентирована на разговорные сценарии, ролевое общение, художественное и творческое письмо. Она позиционируется как мультимодальная модель с поддержкой изображений и текста, включая задачи image-text-to-text, однако подробности о реализации визуального модуля не указаны. Заявленный язык — английский. В названии и описании упоминается базовая модель с размером около 21,2 млрд параметров и pruning от варианта на 27 млрд параметров; точная архитектура и размер контекстного окна не приведены. Доступны многочисленные варианты квантизации — от IQ1 и Q2 до Q6, с различными компромиссами между размером, скоростью и качеством. В README отмечается, что IQ-квантизации часто предпочтительнее сопоставимых обычных вариантов; Q4_K_S обозначен как оптимальный баланс размера, скорости и качества, а отдельные варианты с низким битрейтом характеризуются как низкокачественные. Модель помечена как uncensored, поэтому при использовании следует учитывать возможное отсутствие стандартных ограничений на содержание. Лицензия указана как zpi-model-license-v2; применяются условия лицензии ZERO-POINT-AI, подробности доступны по ссылке на NOTICE.

Карточка модели MergekitCloud/mergekit-15 на Hugging Face совпадает с карточкой MergekitCloud/mergekit-49, поэтому описание составлено по ней. MergekitCloud/mergekit-49 — объединённая языковая модель, созданная с помощью mergekit методом Model Stock на базе vicgalle/Humanish-Roleplay-Llama-3.1-8B. В объединение также вошли ArliAI/Llama-3.1-8B-ArliAI-RPMax-v1.3, Orenguteng/Llama-3.1-8B-Lexi-Uncensored-V2 и Undi95/Llama3-Unholy-8B-OAS. Модель относится к семейству Llama, использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и опубликована в формате safetensors с точностью float16. Модель предназначена для генерации текста в диалоге и ролевых сценариях. Она принимает текстовые запросы и выдаёт текст; заявленная длина контекста — 131072 токена. В метаданных отмечена возможность chat. Лицензия в предоставленных данных не указана.

Карточка модели MergekitCloud/mergekit-71 на Hugging Face совпадает с карточкой MergekitCloud/mergekit-73, поэтому описание составлено по ней. MergekitCloud/mergekit-73 — объединённая языковая модель на основе Llama 3.1, созданная с помощью mergekit методом Model Stock. В слияние вошли четыре модели для диалогов и ролевого общения; базовой указана vicgalle/Humanish-Roleplay-Llama-3.1-8B. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и предназначена для генерации текста в формате диалога. Заявленная длина контекста — 131 072 токена. Модель подходит для ведения диалогов и ролевых сценариев, в том числе с более свободными ответами. README не приводит результаты оценки качества или подробностей о поддерживаемых языках. В репозитории указаны веса safetensors; библиотека для работы — Transformers. Условия лицензирования в предоставленных данных не описаны.

DavidAU создал Mistral-MOE-4X7B-Dark-MultiVerse-Uncensored-Enhanced32-24B — объединённую в MergeKit разговорную языковую модель на архитектуре Mixtral MoE. В метаданных указано 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для диалоговой генерации текста; автор также упоминает ролевые сценарии и называет модель uncensored. Модель распространяется в формате safetensors с исходными весами float32. Их можно использовать напрямую или конвертировать в GGUF и другие форматы; README рекомендует при конвертации в GGUF сохранять тип float32 на промежуточном этапе. Среди объединённых моделей указаны Mistral-7B-Instruct-v0.3, Multi-Verse-RP-7B и варианты DarkSapling. Лицензия в предоставленных данных не указана.

Sorawiz создал MistralSmall-Creative-24B-Realist — объединённую методом TIES разговорную модель для генерации текста на основе нескольких предварительно обученных моделей. Она рассчитана на диалоги и творческое письмо; поддерживает шаблоны Mistral Instruct и ChatML. Модель имеет плотную архитектуру MistralForCausalLM, содержит 23,4 млрд параметров и поддерживает контекст длиной 32 768 токенов. Модель подходит для ролевых диалогов, интерактивного повествования и генерации творческих текстов. В README отмечено, что диалоговые ответы — её сильная сторона, однако длинные ответы могут терять связность без хорошо составленного системного промпта. Лицензия в предоставленных данных не указана.

MN-12B-LucidFaun-RP-RU — плотная языковая модель Mistral Nemo с 12,1 млрд параметров, созданная диагностическим SLERP-слиянием limloop/MN-12B-Faun-RP-RU и dreamgen/lucid-v1-nemo. Она предназначена для генерации текста, ролевых диалогов и художественных историй; также поддерживает интерфейс вызова инструментов и формат инструкций ninja. Модель работает на русском и английском языках, а карточка указывает контекст до 8 192 токенов по результатам проверки; метаданные каталога заявляют нативное окно в 1 024 000 токенов. Слияние сочетает характер и стиль Faun со стабильностью и возможностями сторителлинга lucid. По заявлению автора, модель почти не отказывает в генерации, но при высокой температуре иногда добавляет короткие дисклеймеры. Дополнительного обучения после слияния не проводилось. Распространяется в формате safetensors по лицензии Apache-2.0.