I.7Речь, диалоги и встречи

Moonshine Streaming Tiny — Spanish — модель автоматического распознавания испанской речи с потоковой расшифровкой. Модель разработана Moonshine AI и предназначена для постепенного преобразования аудио в текст с небольшими задержками, в том числе на устройствах с ограниченными ресурсами. Репозиторий содержит конвертированный чекпойнт; архитектура включает аудиофронтенд с частотой 50 Гц, скользящий оконный Transformer-энкодер и декодер. В метаданных указано 13,8 млн параметров, тогда как README сообщает 27 млн; размер модели в источниках расходится. Модель обучена преимущественно на автоматически размеченном испанском аудио, дополненном меньшим набором транскрибированной речи. На двух тестах чтения испанской речи указана макро-WER 5,919 для чекпойнта при используемом в репозитории правиле остановки. Эти результаты не характеризуют телефонную, шумную, спонтанную или выраженную региональную речь. Автоматические метки могут переносить ошибки модели-учителя, а на коротких или шумных фрагментах возможны циклы повторения; рекомендуется ограничивать длину вывода и передавать attention mask. Лицензия — MIT.

zelk12/MT1-Gen3-MA-gemma-2-S5Av4d-9B — слитая модель на архитектуре Gemma 2, созданная с помощью mergekit методом SLERP из allknowingroger/GemmaSlerp5-10B и lemon07r/Gemma-2-Ataraxy-v4d-9B. Модель содержит 9 млрд параметров, предназначена для диалоговой генерации текста и поддерживает контекст до 8192 токенов. Модель подходит для создания историй и творческих текстов, а также для ведения диалогов. Опубликована в формате safetensors; README также описывает исходное слияние весов в bfloat16. Лицензия в предоставленных данных не указана.

RJuro/munin-neuralbeagle-SkoleGPTOpenOrca-7b — разговорная языковая модель, разработанная RJuro путём дообучения RJuro/munin-neuralbeagle-7b. Она предназначена для генерации текста в диалогах и ответов на запросы. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов; в карточке указан английский язык. Для обучения использовались Unsloth и библиотека TRL. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Карточка не описывает конкретные результаты обучения или проверенные сценарии; качество ответов и пригодность для отдельных задач по ней оценить нельзя.

Parakeet RNNT 1.1B — англоязычная модель автоматического распознавания речи, совместимая с transcribe.cpp и распространяемая в формате GGUF. Модель разработана совместно командами NVIDIA NeMo и Suno.ai, а данный репозиторий содержит её конвертированные и квантованные версии на основе nvidia/parakeet-rnnt-1.1b. Модель предназначена для офлайн-преобразования речи в текст с использованием жадного RNN-T-декодирования без внешней языковой модели. Она принимает монофонический WAV-аудиосигнал с частотой 16 кГц и возвращает текст на английском языке в нижнем регистре без пунктуации. Поддерживаются токены временных меток, но потоковый режим, перевод и автоматическое определение языка не поддерживаются. Архитектура включает энкодер FastConformer-XL примерно на 1,1 млрд параметров и декодер RNN-T. Доступны варианты F32, F16, Q8_0, Q6_K, Q5_K_M и Q4_K_M размером примерно от 825 МБ до 4,28 ГБ. На наборе LibriSpeech test-clean опубликованная WER составляет около 1,41–1,46% в зависимости от квантования; для Fleurs English указана WER 4,45% для Q8_0. Ключевые ограничения — поддержка только английского языка, отсутствие пунктуации, перевода и потоковой обработки, а также необходимость запуска через transcribe.cpp. Лицензия — CC-BY-4.0, унаследованная от базовой модели.

DoppelReflEx/Qwen3-14B-Dawnwhisper — плотная языковая модель Qwen3 на 14 млрд параметров, созданная объединением моделей Vitus-Qwen3-14B и The-Omega-Directive-Qwen3-14B-v1.1 методом dare_ties. Она предназначена для генерации диалогового текста, совместного написания и ролевых сценариев; карточка сообщает, что в ролевом диалоге модель может часто обращаться к пользователю. Модель принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов и рассчитана прежде всего на английский и китайский языки; также испытана на японском, вьетнамском и русском, с более слабыми результатами. Другие языки не проверялись. Доступна в формате safetensors для Transformers. Лицензия CC-BY-NC-4.0 ограничивает использование некоммерческими целями.

Карточка модели LLADIGA/Qwen3.5-4B-full_turn_textmapworld_graphreasoning_player1 на Hugging Face совпадает с карточкой LLADIGA/Qwen3.5-4B-full_turn_textmapworld_player1, поэтому описание составлено по ней. LLADIGA/Qwen3.5-4B-full_turn_textmapworld_player1 — дообученная компанией или автором LLADIGA текстовая модель на базе Qwen/Qwen3.5-4B. Модель обучена с использованием TRL и предназначена для генерации текста в диалоговом формате; карточка демонстрирует ответ на открытый вопрос и запуск через Transformers. Модель имеет плотную архитектуру Qwen3.5 с причинной языковой моделью Qwen3_5ForCausalLM, около 3,4 млрд параметров и контекст до 262 144 токенов. Репозиторий содержит веса Safetensors. Метаданные указывают поддержку чата, однако специализация на TextMapWorld и качество в конкретных сценариях карточкой не описаны. Лицензия в предоставленных данных не указана.

T-VisStar-7B-v0.1 — разговорная языковая модель, разработанная 1TuanPham на основе архитектуры Mistral. Она предназначена для диалогов и генерации текста, в том числе для задач на вьетнамском языке. В карточке указаны 7,1 млрд параметров, контекст до 32 768 токенов и формат safetensors; модель работает через Transformers. В README описаны варианты применения как общего ассистента и помощника для сотрудников приёмной комиссии FPT, а также приведены инструкции для запуска через Transformers, Ollama и llama.cpp. Модель обучалась с июня 2024 года; карточка связывает её с вьетнамскими наборами данных. Лицензия — Apache-2.0.

DeividasM разработал эту модель, дообучив facebook/wav2vec2-large-xlsr-53 на литовской речи из Common Voice. Это аудиомодель распознавания речи с архитектурой Wav2Vec2ForCTC и 402,7 млн параметров; она принимает речь, записанную с частотой дискретизации 16 кГц, и преобразует её в текст на литовском языке. Модель подходит для транскрибации аудиозаписей и оценки распознавания на тестовых данных Common Voice. В README приведён результат тестирования 56,55%, без уточнения метрики. Модель доступна по лицензии Apache-2.0.

samolusola-personal/whisper-small-combined-lin-sna-lug-olusola — дообученная модель распознавания речи на базе openai/whisper-small. Она предназначена для преобразования аудио в текст; в названии указаны языки лингана, чичева и луганда. Модель использует архитектуру WhisperForConditionalGeneration и распространяется в формате safetensors. В метаданных указаны библиотека Transformers и лицензия Apache-2.0. В README приведены результаты оценки: WER 0,3443, CER 0,1257 и loss 0,5546. Описание обучения, набор данных, сценарии использования и ограничения в карточке не раскрыты; эти метрики сами по себе не дают полной картины качества распознавания на разных аудио и языках.

Это дообученная модель распознавания речи Whisper Small, созданная в рамках проекта Olu Igbo для транскрибирования речи на игбо. Она основана на openai/whisper-small и дообучена на данных FLEURS, Nigerian Common Voice и примерно 25 тысячах аудиозаписей корпуса NaijaVoices. Модель содержит 153,1 млн параметров и предназначена в том числе для автономной работы на Android-телефонах среднего уровня; для экспорта и запуска на устройстве доступны файлы ONNX, также репозиторий содержит веса Safetensors. На тестовой выборке FLEURS для игбо указана WER 41,95% против 68,95% у исходной модели без дообучения. Поскольку игбо отсутствует среди языков Whisper, при обучении и распознавании используется токен языка йоруба как прокси. Модель лучше справляется с короткими и чёткими высказываниями; в живой записи и длинной сложной речи возможны ошибки, незавершённая транскрипция и повторения. Слабые места — заимствованные слова, имена и числа. Лицензия CC BY-NC-SA 4.0 разрешает использование на условиях указания авторства, распространения производных материалов на той же лицензии и ограничений на коммерческое применение.

Whisper Small Swahili — модель распознавания речи, полученная дообучением openai/whisper-small на подмножестве Common Voice 11.0 для суахили. Она принимает аудио и генерирует текстовую транскрипцию; архитектура — WhisperForConditionalGeneration, размер — 153,1 млн параметров. В оценке на тестовом наборе указаны loss 0,5597 и WER 27,6211. Модель подходит для транскрибирования записей и голосовых сообщений на суахили. Карточка не описывает дополнительные сценарии или языки дообучения. Опубликована в форматах PyTorch и Safetensors под лицензией Apache-2.0.

wuriaee-12B-schizostock — слитая в Model Stock модель на основе семейства Mistral Nemo, созданная автором карточки с помощью mergekit из нескольких предварительно обученных моделей. В конфигурации указана базовая модель IntervitensInc/Mistral-Nemo-Base-2407-chatml; README перечисляет модели для объединения, ориентированные в том числе на диалоги, ролевые сценарии и художественное письмо. Модель содержит 12,1 млрд параметров, использует архитектуру MistralForCausalLM и формат safetensors. Модель предназначена для генерации текста в чате, ролевых диалогов и творческого письма. Метаданные указывают контекст до 1 024 000 токенов, однако README сообщает, что модель почти не тестировалась, поэтому качество и стабильность работы не подтверждены. Лицензия — Apache-2.0.

ZeusMM — диалоговая мультимодальная языковая модель авторегрессионного типа с архитектурой декодера, опубликованная под именем Wonder-Griffin. В карточке заявлены RoPE с учётом ролей и KV-кэш, объединение данных через Cross-Attention и FiLM с обучаемым маршрутизатором, а также MoE-слои, учитывающие модальность. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Модель предназначена для генерации диалоговых ответов с возможностью подключать зрение на основе CLIP, аудио на основе Wav2Vec2 и извлечение информации с помощью произвольного HF-энкодера. Карточка показывает пример текстовой генерации; практическая работа с изображениями, аудио и поисковым контекстом зависит от соответствующих подключаемых компонентов. Основной указанный язык — английский. Лицензия — Apache-2.0. Разработчик, базовая модель, размер параметров и длина контекста в доступных данных не установлены. Пример загрузки использует trust_remote_code=True.

alexmt-gemma4-e4b-dpo-bwspbleu-lr2e6 — диалоговая модель перевода, разработанная на базе Gemma 4 E4B Instruct и дообученная командой, опубликовавшей чекпойнт, методом DPO. Она переводит в обе стороны между английским языком и девятью разновидностями диалектного арабского: египетской, иорданской, ливанской, марокканской, оманской, палестинской, саудовской, сирийской и йеменской. Для перевода учитывает до трёх предыдущих реплик, предметную область беседы, участников и направление рода говорящего и адресата. Ожидает JSON-промпт Alexandria в одном пользовательском сообщении и возвращает перевод в поле translation; для генерации требуется шаблон чата токенизатора с add_generation_prompt=True и отключённым thinking. Модель основана на плотной архитектуре Gemma 4 E4B и распространяется в формате safetensors. На публичном тестовом наборе Alexandria авторы сообщают усреднённые по девяти разновидностям оценки spBLEU 30,12 и chrF++ 45,24 для перевода с английского на диалекты и 53,14 и 67,55 соответственно для перевода с диалектов на английский. Результаты получены с одним seed и одним разбиением данных; сравнение вариантов DPO на тестовой выборке предварительное, а показатели нельзя напрямую сопоставлять с результатами других протоколов. Лицензия CC-BY-NC-4.0 разрешает некоммерческое использование с соблюдением её условий.

alexmt-gemma4-e4b-sft — модель для перевода между английским и девятью разновидностями разговорного арабского диалекта, дообученная автором репозитория на базе google/gemma-4-E4B-it. Это полное supervised fine-tuning модели Gemma 4 E4B Instruct в формате bf16 на наборе Alexandria; архитектура — плотная Gemma 4, файлы весов сохранены в safetensors. Модель принимает запрос в формате JSON из одного пользовательского сообщения и возвращает перевод в поле translation. Перевод учитывает до трёх предыдущих реплик, предметную область, участников разговора и направление гендерных характеристик говорящего и адресата. Обучение охватывает направления английский → диалектный арабский и диалектный арабский → английский для разновидностей EG, JO, LB, MR, OM, PS, SA, SY и YE. В приведённой автором оценке на публичной тестовой выборке Alexandria модель превзошла базовую Gemma 4 E4B Instruct по spBLEU и chrF++ в обоих направлениях. Результаты ограничены одним seed и одним разбиением обучающих данных; точность передачи особенностей диалекта отдельно не оценивалась. Метрики получены с настройками автора и напрямую не сопоставимы с опубликованными результатами Alexandria или AlexandriaX. Лицензия — CC BY-NC 4.0, предусматривающая некоммерческое использование.

Chronos-Mistral-7B — экспериментальная языковая модель elinas, полученная дообучением базовой Mistral v0.1 Base. Это плотная авторегрессионная модель MistralForCausalLM размером 7,1 млрд параметров; представленная версия использует веса FP16 в формате PyTorch/Hugging Face и safetensors. Модель предназначена главным образом для диалогов, ролевых сценариев и написания историй, а также заявлены способности к рассуждению и логике. Для работы рекомендуется формат Alpaca с блоками Instruction и Response; без него качество, по утверждению карточки, заметно снижается, если модель не была объединена с другой. Метаданные указывают контекст 8192 токена, тогда как README заявляет поддержку до 4096 токенов и до 16384 с RoPE, поэтому фактический предел зависит от конфигурации запуска. Лицензия — Apache-2.0. Автор обозначает модель как экспериментальную и предупреждает, что планируются дальнейшие итерации.

CN-MultiDialect-ASR — модель распознавания речи, разработанная группой Audio, Speech and Language Processing Group Северо-Западного политехнического университета совместно с WeNet Community и NEXDATA TECHNOLOGY INC. Она дообучена на основе Qwen/Qwen3-ASR-1.7B для транскрибации китайской речи, включая диалекты, с целью улучшить распознавание диалектов при сохранении качества для мандаринского китайского. Модель использует плотную архитектуру Qwen3-ASR и принимает аудио, выдавая текстовую транскрипцию. Авторы описывают трёхэтапную адаптацию: дополнительное предобучение на китайской речи, дообучение с акцентом на диалекты и on-policy self-distillation. В демонстрации представлены мандаринский китайский, английский и китайские диалекты; для английского поддержка указана только как язык демонстрации. Для вывода модель совместима с пакетом qwen-asr. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. Карточка описывает улучшение распознавания диалектов, но численные результаты таблиц в предоставленном тексте опущены.

Huihui-gemma-4-E2B-it-qat-q4_0-unquantized-abliterated — мультимодальная инструктивная модель семейства Gemma 4, созданная huihui-ai на основе google/gemma-4-E2B-it-qat-q4_0-unquantized. Разработчик применил abliteration — экспериментальный метод снижения числа отказов модели; README описывает результат как грубую реализацию для проверки концепции. Модель предназначена для диалогов и обработки мультимодальных запросов. Базовая модель принимает текст, изображения и аудио и выдаёт текст; метаданные классифицируют её как any-to-any. Данных о размере и длине контекста этой версии в предоставленных источниках нет. Снижение защитных отказов может приводить к чувствительным, спорным или неподходящим ответам, поэтому результаты требуют проверки. Модель распространяется по лицензии Apache-2.0.

IreneRP-Neural-7B-slerp — языковая модель на 7,1 млрд параметров, созданная Smuggling1710 слиянием моделей Virt-io/Irene-RP-v3-7B и NurtureAI/neural-chat-7b-v3-16k методом SLERP с помощью LazyMergekit. Это плотная Mistral-модель для генерации текста; заявленная длина контекста — 32 768 токенов. Модель подходит для диалоговой генерации и ролевых сценариев, сочетая две исходные модели. Веса опубликованы в формате safetensors. Карточка не содержит сведений о лицензии, поддерживаемых языках или ограничениях применения, поэтому условия использования следует проверять у авторов исходных моделей и в репозитории.

Kyllene-57B-v1.0 — разговорная языковая модель, созданная TeeZee с помощью слияния SLERP моделей TeeZee/2xbagel-dpo-34b-v0.2 и TeeZee/2xNous-Capybara-34B. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 56,2 млрд параметров; заявленная длина контекста — 200 000 токенов. Модель предназначена для генерации текста в диалогах, следования инструкциям и ролевых сценариев; автор отмечает, что она создаёт как обычный, так и откровенный контент и переключается между ними. В карточке приведены результаты оценок на AI2 Reasoning Challenge и HellaSwag, но автор указывает, что для ролевого применения нужны дополнительные проверки. Модель распространяется в формате safetensors; лицензия обозначена как other, поэтому конкретные условия использования следует сверить с файлами репозитория.

Vdr1/L3-8B-Sunfall-v0.3-Stheno-v3.2 — объединённая разговорная модель на архитектуре Llama 3. Она создана слиянием LoRA-адаптера crest4all/sunfall L3 8b v0.3 с Sao10K/L3-8B-Stheno-v3.2; в репозитории указаны веса Safetensors, а также варианты GGUF-квантизации. Модель предназначена для генерации текста и ролевых диалогов. Модель содержит 7,5 млрд параметров, поддерживает контекст до 8192 токенов и рассчитана на чат-сценарии. В README не описаны конкретные языки, качество, ограничения или лицензия, поэтому эти характеристики здесь не уточняются.

Badger Mushroom 4x8b — разговорная MoE-модель на архитектуре Mixtral, собранная автором maldv с помощью нестандартного слияния нескольких моделей Llama 3 8B. В состав объединения Badger входят модели для диалогов, ролевых сценариев, письма и логики; README также описывает второе слияние в конфигурацию 4x8b. В метаданных указано 7,5 млрд параметров и контекст 8192 токена. Модель предназначена для генерации текста в формате чата: автор отмечает результаты в ролевых диалогах, рассуждениях, письме и поведении ассистента. Поддерживает формат инструкций Llama 3; по оценке автора, минимальный формат диалога также может давать творческие ответы. Репозиторий содержит веса Safetensors, а README обсуждает также GGUF-квантизации. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства и запрещающая коммерческое применение. В README приведены отдельные результаты тестирования, но они не устанавливают качество для всех задач или сценариев. Как смесь моделей, Badger может давать неоднородные ответы; оценка автора ограничена четырьмя проверенными областями. Модель не описана как мультимодальная.

PersonaPO/lfm25-1.2b-pv-openness-high — дообученная PersonaPO модель LiquidAI/LFM2.5-1.2B-Base для генерации текста в диалоговом формате. Она предназначена для ответов на вопросы и общения; пример в карточке показывает ответ на открытый вопрос. Модель плотная, относится к семейству LFM2.5, содержит 1,5 млрд параметров и поддерживает контекст до 128 000 токенов. Для запуска в карточке используется Transformers, веса хранятся в формате safetensors. Карточка не описывает отдельно, как именно обучение на «высокую открытость» меняет стиль или качество ответов. Лицензия в предоставленных метаданных и README не указана.

AbsoluteMaxMin-baseline — экспериментальная модель генерации текста для диалогов, созданная на основе meta-llama/Llama-3.1-8B-Instruct. Она дообучена на данных SafeRLHF с целями повысить полезность ответов и их безвредность; в описанном сравнении с NBPO использованы одинаковые наборы ответов, температуры, точка разногласия и бюджет оптимизатора, а различался способ выбора весов целевых функций. Модель содержит 7,5 млрд параметров, использует плотную архитектуру Llama и принимает текстовые запросы, выдавая текст; заявленная длина контекста — 131 072 токена. Модель предназначена для диалоговой генерации и исследования многокритериальной оптимизации предпочтений и согласования полезности и безопасности. В карточке приведён протокол оценки: независимый уровень побед по каждой цели относительно общей базовой политики, с оценками Llama-3.3-70B-Instruct на отложенных промптах, не пересекающихся с обучающими, и при обоих порядках предъявления ответов. Лицензия — Llama 3.1; применяются её условия использования.

Llama-3.1-Argunaut-1-8B-SFT-GGUF — это квантизированная GGUF-версия языковой модели Llama-3.1-Argunaut-1-8B-SFT, разработанной DebateLabKIT и квантизированной bartowski с использованием llama.cpp. Модель обучена методом supervised fine-tuning на наборах DebateLabKIT/deepa2-conversations, DebateLabKIT/deep-argmap-conversations и смеси allenai/tulu-3-sft-mixture. Модель предназначена для генерации текста с акцентом на логику, аргументацию, критическое мышление и построение карт аргументов. Она может применяться для анализа и формулирования аргументов, работы с дискуссиями, следования инструкциям и локального запуска через llama.cpp или LM Studio. Доступны варианты от F16 до квантизаций Q4, Q5, Q6 и Q8; размер файлов составляет примерно от 5,3 до 16,1 ГБ. Архитектура основана на Llama 3.1, размер модели — около 8 млрд параметров, поддерживается текстовая модальность. Языки и максимальная длина контекста в README не указаны. Результаты тестов Open LLM Leaderboard показывают умеренное качество следования инструкциям и задач рассуждения: 55,19% на IFEval, 27,19% на BBH, 11,18% на MATH Lvl 5, 4,47% на GPQA, 15,85% на MuSR и 27,47% на MMLU-PRO; эти показатели указывают на ограничения при сложных математических, научных и общемировых задачах. Модель распространяется по лицензии llama3.1.

QuantFactory/Llama-3-Ko-Luxia-Instruct-GGUF — квантизированная версия модели maywell/Llama-3-Ko-Luxia-Instruct, подготовленная QuantFactory с использованием llama.cpp. Модель предназначена для генерации текста и диалогового взаимодействия в формате ChatML. README не содержит сведений о размере модели, точной архитектуре, поддерживаемых языках и длине контекста, а также не описывает сильные стороны, ограничения или лицензионные условия. Поэтому эти характеристики нельзя достоверно оценить по имеющимся данным.

Meme-Trix MoE 14B A8B v1 — разговорная языковая модель, созданная разработчиком Naphula как слияние Morpheus v1 и Assistant Pepe. Она использует архитектуру Llama 3.1 8B с механизмом смеси экспертов (MoE) и предназначена для генерации текста, диалогов и ролевых сценариев. В README отмечены подробные ответы и способность извлекать сведения из контекста; заявленная проверка суммирования проведена на контексте 16 тысяч токенов. Метаданные указывают нативный контекст длиной 1 073 152 токена, однако README не подтверждает качество на такой длине. Модель ориентирована на англоязычное общение и использует шаблон чата Llama 3. Разработчик характеризует её как uncensored и предупреждает, что она может генерировать графические сцены насилия и эротического содержания. Доступна по лицензии Apache-2.0; для запуска README рекомендует параметры сэмплирования, включая temperature 1.0 и Min-P 0.1.

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.

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.

Mistral 7B v0.1 Layla v4 — языковая модель l3utterfly, профинансированная Layla Network и дообученная на OpenHermes 2.5 для многоходового диалога и имитации персонажей. Она служит базовой моделью офлайн-персонального помощника Layla и подходит для диалоговых сценариев с последовательностью реплик пользователя и модели. Модель использует плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и принимает текст, генерируя текст. Карточка указывает английский язык, контекст — до 32 768 токенов. В обучающий набор добавлялись сгенерированные разговоры с контентом NSFW; лицензия модели — Apache-2.0.