II.10Разработка и эксплуатация AI/ML-систем

SeanWang0027 выпустил экспериментальный чекпойнт BabyAI FutureBridge-OPD: модель Qwen3-1.7B дообучена на одном проходе по 810 задачам с использованием Qwen3-32B как учителя. Это плотная авторегрессионная языковая модель на 1,7 млрд параметров для генерации текста; метаданные также отмечают диалоговый режим. Контекст — до 40 960 токенов, формат весов — Safetensors, библиотека — Transformers. Чекпойнт предназначен для экспериментов с выполнением задач BabyAI. Обучение завершилось на шаге 75; качество не оценивалось, поэтому пригодность для практического применения не подтверждена. Лицензия в предоставленных данных не указана.

SeanWang0027/qwen3-1.7b-babyai-tcod-b2f-qwen3-32b-ep2 — экспериментальный чекпойнт Qwen3-1.7B, созданный методом on-policy distillation из Qwen3-32B на обучающих заданиях BabyAI. В описании указаны 810 официальных обучающих заданий и диалоги до 20 ходов; опубликованная версия соответствует шагу explorer 101 и шагу trainer 139 из трёх проходов по данным. Модель имеет плотную архитектуру Qwen3ForCausalLM, содержит 1,7 млрд параметров и рассчитана на генерацию текста с контекстом до 40 960 токенов. Чекпойнт предназначен для генерации ответов и действий в диалоговом формате заданий BabyAI. Он не оценивался, поэтому его качество и пригодность для практического применения не подтверждены. Лицензия в предоставленных источниках не описана.

Qwen3-1.7B-BabyAI-TCOD-F2B — дообученная модель Sean Wang на базе Qwen/Qwen3-1.7B. Это плотная языковая модель семейства Qwen3 с 1,7 млрд параметров, предназначенная для генерации текста и диалогов в сценариях BabyAI. Обучение проводилось методом on-policy distillation TCOD: учителем служила Qwen3-32B в формате bf16, а в обучении использовались задачи BabyAI и диалоговый режим с выключенным рассуждением. Модель экспортирована после 101-го шага explorer в ходе второго прохода по данным. Модель принимает текст и выдаёт текст; заявленная длина контекста — 40 960 токенов. Карточка указывает, что модель не оценивалась, поэтому её качество на задачах BabyAI и пригодность для практического использования не подтверждены. Сведения о лицензии в предоставленных данных отсутствуют.

Running Coach LFM2.5 1.2B JP — это японская модель генерации текста для Android-приложения my-running-coach. Она создана на основе LiquidAI/LFM2.5-1.2B-JP: модель дообучили методом LoRA на синтетических примерах сценариев бега, объединили адаптер с базовыми весами и выпустили в формате GGUF с квантизацией Q4_K_M. Архитектура и контекст базовой модели не менялись; размер исходной модели в карточке указан как 1,2 млрд параметров. Модель предназначена для трёх форматов японских комментариев: короткая фраза во время бега и обзоры одной пробежки или периода тренировок после неё. Она работает локально на устройстве через llama.cpp и использует фиксированные системные подсказки приложения. В оценке все три типа ответов прошли встроенные проверки формата, однако разнообразие длинных обзоров одной пробежки снизилось после дообучения. Модель ориентирована только на японский язык и беговой коучинг; для других запросов её ответы могут сохранять неуместный уклон в тему бега. Она не проходила настройку безопасности и не предназначена для медицинских рекомендаций или самостоятельных советов по тренировкам. Указана лицензия other; README сообщает, что при модификации соблюдались условия LFM Open License v1.0.

JOWnr/sd-class-butterflies-32 — диффузионная модель из учебного курса по diffusion-моделям, предназначенная для безусловной генерации изображений милых бабочек. Она использует DDPMPipeline из библиотеки Diffusers и распространяется в формате Safetensors. Модель создаёт изображение без текстового запроса или другого условия. Лицензия — MIT. Модель подходит для учебных демонстраций и генерации небольших изображений бабочек. В карточке не приведены сведения о размере модели, разрешении изображений или поддерживаемых языках. Специализация на одном классе объектов ограничивает её применимость за пределами изображений бабочек.

Padmajs/sd-class-butterflies-32 — диффузионная модель, созданная как учебная работа для курса по диффузионным моделям. Она генерирует изображения бабочек без текстового запроса и предназначена для демонстрации безусловной генерации изображений с помощью DDPMPipeline из библиотеки Diffusers. Модель распространяется в формате Diffusers и Safetensors по лицензии MIT. Карточка описывает генерацию милых изображений бабочек. Размер модели, разрешение изображений, поддерживаемые языки и другие сценарии применения не указаны. Как учебный чекпойнт узкого назначения, модель не предназначена для генерации изображений по текстовому описанию.

Peter Lysakovski разработал эту диффузионную модель для безусловной генерации изображений милых бабочек. Она использует DDPMPipeline из библиотеки Diffusers и распространяется в формате Diffusers с весами Safetensors. Лицензия — MIT. Модель создаёт изображения без текстового запроса и рассчитана на генерацию бабочек размером 32 × 32 пикселя. Она подходит для учебных демонстраций диффузионной генерации и создания небольших изображений для экспериментов. README не сообщает о поддержке текстового управления изображениями или о других задачах.

Это диагностический набор из восьми чекпойнтов Fock-PARFLM v2.1 — авторской плотной, не основанной на Transformer языковой модели семейства Semantic Simulation SPLM. Модель использует глубинно-обусловленный анизотропный гауссов потенциал Vθ и регуляризацию Fock-связей; ширина составляет 768, глубина — 16 слоёв. Чекпойнты обучались по 3 000 шагов на английском корпусе OpenWebText, каждый с отдельным коэффициентом затухания γ. Модель относится к генерации текста и предназначена прежде всего для диагностического сравнения вариантов γ и выбора настройки для последующего обучения. README прямо предупреждает, что это не законченная модель для генерации или прикладного использования: обучение короткое, а результаты получены на одном запуске для каждого коэффициента. Проверка геодезического остатка также не подтверждает геодезические траектории; совпадение минимумов метрик следует трактовать только как сравнительный результат. Репозиторий распространяется по лицензии CC BY 4.0.

ShallowSeek-mini-base — небольшая языковая модель семейства ShallowSeek, созданная разработчиком с нуля и не связанная с DeepSeek. Это базовая модель до настройки на выполнение инструкций: она продолжает заданный текст, а не предназначена для диалога по командам. Модель содержит 11 млн параметров, из которых 6,3 млн активны на каждом токене, и обучена на 286 млн токенов англоязычного набора FineWeb-Edu. Архитектура подражает основным идеям DeepSeek-V3 в уменьшенном масштабе: 8 слоёв, смесь экспертов (MoE) и Multi-head Latent Attention (MLA). Модель выдаёт связный, грамматически правильный английский текст в стиле образовательных веб-материалов и улавливает некоторые общие ассоциации. При этом её фактические знания очень ограничены: она часто уверенно выдумывает сведения, плохо справляется с точными фактами и арифметикой и не следует инструкциям. Модель предназначена для образовательных и исследовательских экспериментов, а не для важных практических задач. Распространяется по лицензии Apache-2.0. Доступны веса Safetensors и GGUF, включая варианты F16 и Q8_0; запуск возможен через llama.cpp, Ollama или LM Studio.

Spin-80k — компактная языковая модель компании Quantech, созданная с нуля как демонстрация собственной архитектуры Transformer. Это декодерная модель с 2 слоями, размерностью скрытого состояния 48, 4 головами внимания и примерно 80 тысячами параметров. В архитектуре используются RoPE, RMSNorm и SwiGLU; словарь BPE содержит 512 токенов, контекст ограничен 256 токенами. Модель предназначена для генерации текста и экспериментов с устройством небольших языковых моделей; в метаданных также отмечена генерация историй. Она принимает текст и выдаёт текст, а карточка указывает английский язык. Из-за крайне малого размера и короткого контекста её возможности ограничены, поэтому она подходит прежде всего для демонстраций и учебных экспериментов, а не для сложных прикладных задач. Распространяется по лицензии MIT.

qwrt/Swedish0.1M — экспериментальная символьная языковая модель на архитектуре Qwen3, разработанная автором репозитория. Она обучена продолжать последовательности шведского текста, предсказывая следующий байт, а не фрагмент слова. В README указано около 133 тысяч параметров и обучение на примерно 7 миллиардах символов; метаданные каталога указывают 157,7 тысячи параметров, контекст 1024 токена и формат safetensors. Модель подходит для экспериментов с генерацией шведского текста на уровне символов и изучения компактных языковых моделей. Автор сообщает точность предсказания следующего символа 59% на отрывке из сказки «Красная Шапочка и волк» и оценивает словарный запас модели примерно в 5000 шведских слов. По оценке автора, модель слабо генерирует связный текст. Лицензия — Apache-2.0.

Swedish1M — небольшая языковая модель от автора репозитория qwrt, построенная на архитектуре Qwen3 и обученная на корпусе шведских книг. В README указано 1,1 млн параметров, а в метаданных Hugging Face — 1,3 млн; использует побайтовую UTF-8-токенизацию и работает с контекстом до 1024 токенов. Весы опубликованы в формате safetensors, лицензия — Apache-2.0. Модель предназначена для экспериментов с предсказанием следующих байтов шведского текста, оценки его предсказуемости и изучения влияния длительного обучения на маленькую модель. Автор предупреждает, что из-за малого размера модель не предназначена для генерации осмысленного текста. README также отмечает, что после контекста в 1024 токена генерация становится бессмысленной.

laion/tt-x15-megatron-51-30B — экспериментальный контрольный чекпойнт TaskTrove X15, созданный обучающей командой эксперимента на базе Qwen/Qwen3-Coder-30B-A3B-Instruct. Это диалоговая MoE-модель для генерации текста и кода; чекпойнт получен дообучением GRPO на DCAgent/exp_rpt_multifile с использованием SkyRL и Terminus-2. В метаданных указаны 2,6 млрд параметров и контекст до 262 144 токенов. Эксперимент проверял, предотвращают ли выбранные параметры обучения поздний коллапс модели. Проверка дала отрицательный результат: обучение было остановлено после коллапса, а этот чекпойнт сохранён как отрицательный контроль, а не как результат для штатного применения. Модель может служить для изучения поведения обучения и генерации кода, но качество её ответов после коллапса не подтверждено для практических задач. Доступна по лицензии Apache-2.0.

Это чекпойнт Uni-NaVid, дообученный командой SatNav для непрерывной навигации по спутниковым картам. Он предназначен для платформы SatNav и интеграции SatNav Uni-NaVid: модель принимает текстовую инструкцию и поток RGB-наблюдений, затем предсказывает последовательность до четырёх действий навигации. Модель основана на архитектуре LLaMA с визуальным энкодером EVA-CLIP; число параметров — 6,6 млрд, контекст — 4096 токенов. Чекпойнт обучен один проход на офлайн-траекториях SatNav-v0.1 с learning rate 1e-5. Карточка указывает лицензию Llama 2. Модель рассчитана на навигационные сценарии SatNav; её применение вне этой интеграции не описано.

Upanishad GPT Small — небольшая авторская языковая модель, обученная разработчиком с нуля на корпусе санскритских текстов Упанишад. Это декодерный Transformer на PyTorch с 4 слоями, 4 головами внимания и размерностью скрытого состояния 128. Модель предсказывает следующий токен; использует токенизатор SentencePiece со словарём 1024 токена и контекстом 128 токенов. Модель предназначена для учебных экспериментов с токенизацией, причинным self-attention и обучением малых языковых моделей, а также для генерации продолжений на материале Упанишад. Она не является универсальной моделью санскрита и не подходит как авторитетный источник толкования текстов. Из-за малого обучающего корпуса может запоминать фрагменты и генерировать грамматически или семантически ошибочный санскрит. Репозиторий содержит веса PyTorch; корпус получен из файлов GRETIL, и условия использования исходных текстов следует проверять у источников перед распространением. Лицензия модели в предоставленных данных не указана.

VRoid Diffusion — латентная диффузионная модель преобразования текста в изображения, разработанная Abstract Engine. Она предназначена для исследовательских и образовательных экспериментов с тем, как обучение U-Net влияет на генерацию изображений; карточка исключает любое развёрнутое прикладное использование. Текстовый энкодер основан на OpenCLIP ViT-H/14, VAE — на Mitsua Diffusion One, а U-Net обучен с нуля на модифицированном наборе VRoid Image Dataset Lite. В репозитории также описаны варианты с перестановкой названий цветов в подписях и с обучающими изображениями, преобразованными в оттенки серого, а также безусловный генератор без CLIP. Модель рассчитана на генерацию изображений по текстовым запросам; сведения о поддерживаемых языках и длине контекста не приводятся. Модель выпущена по лицензии Mitsua Open RAIL-M License. Это исследовательская демонстрация, и авторы не рекомендуют развёртывать её для прикладных сценариев. VRoid является товарным знаком Pixiv Inc.

robotfuel выпустила экспериментальную ACT-политику для манипулятора SO-ARM101, обученную на 16 эпизодах телеуправления. Модель использует реализацию ACT из LeRobot и предназначена для захвата небольшой коробки с ячейки сетки 20×20 и её перемещения на целевую позицию. Для работы политика принимает изображение с одной камеры на запястье и шесть значений положения суставов, а выдаёт абсолютные целевые положения суставов с частотой 10 Гц. В описанном сравнении политика показала надёжный захват в центре рабочего пространства, но её успешность составила лишь 17% в отдельной оценочной сессии; эта оценка получена на отдельно обученной модели с тем же числом телеуправляемых эпизодов, а не на опубликованном чекпойнте. Модель чувствительна к освещению за пределами обученного диапазона и размещению коробки у дальних углов сетки. Она проверена только на одной задаче, одном манипуляторе, одной сцене и одном операторе. Лицензия — Apache-2.0.

alpha-er — языковая модель на 100 млн параметров, разработанная ajaxdavis и обученная с нуля на собственной программно-аппаратной GPU-системе. Это причинная языковая модель с архитектурой AlphaErForCausalLM и условным блоком из 64 экспертов: для каждого токена выбирается один эксперт. Модель генерирует английский текст и подбирает стиль под формулировку запроса. Модель опубликована как исследовательский артефакт для демонстрации GPU-стека, а не как полезный помощник. Она может выдавать связный грамматичный текст, но ненадёжна в вопросах фактов и часто не отвечает по существу. Модель имеет контекст длиной 512 токенов; для генерации требуется дополнить запрос до этой длины и использовать предусмотренную реализацию generate(). Обучение проводилось на корпусе ajaxdavis/alpha-er-corpus, включающем веб-тексты, образовательные материалы и диалоги. Лицензия — CC-BY-SA-4.0. В README указаны отсутствие настройки безопасности и выравнивания, возможные повторы и воспроизведение смещений обучающих данных; авторы не рекомендуют применять модель в развёрнутых системах.

Это экспериментальная модель для заполнения пропусков в тексте, опубликованная lukas. Она основана на архитектуре DeBERTa-v2 и содержит 40,1 млн параметров; максимальная длина контекста — 1024 токена. Модель появилась вследствие неудачного обучения с слишком маленьким размером пакета: автор сообщает о резком росте ошибки обучения. Первоначально модель показывала хорошие результаты на нескольких тестах BabyLM, однако автор связывает их с ошибками в конвейере оценки, которые выявил его студент Сердар Гюльбахар. Модель предназначена для экспериментов с задачей восстановления замаскированных токенов и изучения влияния ошибок обучения и оценки. Автор ожидает, что после исправления ошибок оценки модель будет показывать низкие результаты. В репозитории указаны веса в формате safetensors. Лицензия в предоставленных сведениях не описана.

ApexTrack AI Track Condition Classifier V2 — модель компьютерного зрения для классификации состояния гоночного покрытия по изображениям. Её разработал проект ApexTrack AI; модель предназначена для гоночных инженеров и гоночных симуляторов, где она помогает выбирать стратегию по состоянию трассы. Это Vision Transformer ViT-Base с 113,2 млн параметров, принимающий цветные изображения размером 224×224 пикселя. Модель относит покрытие к одному из трёх классов: сухое, влажное или мокрое; состояние высыхания отдельным классом не является и определяется серверной системой по последовательности прогнозов. Для обучения использован набор Weather Whiplash Surfaces: 190 размеченных исходных изображений, а обучающая часть была расширена аугментацией. На тестовой выборке точность составила 43,75%, а макро F1 — 40,78%, поэтому качество распознавания ограничено. Это образовательный прототип, обученный на небольшом наборе данных; прогнозы предназначены для справочной поддержки решений и требуют проверки человеком, особенно перед любыми действиями, влияющими на безопасность. Лицензия — MIT.

BananaMind-2-Pro-Preview-Chat-ternary — экспериментальный чекпойнт модели BananaMind, опубликованный в репозитории fontlab. Это послетренировочная квантизация чата BananaMind-2-Pro-Preview-Chat для движка bananamend: отдельные матрицы хранятся в тернарном формате с группами по 64 веса, остальные — в 8-битном формате. Модель содержит 138,9 млн параметров, поддерживает генерацию текста и имеет контекст длиной 3072 токена. Чекпойнт предназначен для воспроизведения измерений качества и изучения размера полностью тернарных весов. Авторы предупреждают, что он не работает как чат-модель: ответы не связаны с запросами; для практического применения они рекомендуют варианты -int8 или -mixed. Для запуска требуется движок bananamend, Transformers этот формат не читает. Лицензия — Apache-2.0.

Carl — языковая модель от ajibawa-2023 для генерации диалоговых ответов в роли ИИ-собеседника, который помогает пользователю успокоиться и обсудить стресс. Модель основана на архитектуре Llama и содержит 6,6 млрд параметров; она принимает текст и генерирует текст. В метаданных указан контекст длиной 2048 токенов и поддержка английского языка. Модель дообучена FastChat на более чем 100 000 синтетических наборов диалогов; в каждом наборе 10–15 реплик между Carl и клиентом. Карточка приводит результаты оценки на Open LLM Leaderboard, но не сообщает подробности остальных метрик. Модель предназначена для экспериментальных разговорных сценариев, а не для клинического применения. Автор предупреждает, что она не заменяет врача или профессионального психотерапевта и советует обращаться за помощью к специалисту или близкому человеку при тяжёлом состоянии. Лицензия — CC BY-NC-ND 4.0.

CMA-1M Mini — экспериментальная базовая авторегрессионная языковая модель User01110 с архитектурой CMA (Channel-Mixing Attention), предназначенная для изучения смешивания каналов внимания на очень малом масштабе. Это декодерная плотная модель примерно с 959 тысячами параметров, шестью слоями и шириной скрытого представления 128; она использует причинное групповое внимание, байтовую токенизацию и окно контекста в 2 048 байтовых токенов. Модель продолжает обычный текст и подходит для контролируемых архитектурных экспериментов, обучения и сравнений компактных языковых моделей. Это предварительно обученная базовая модель, а не чат- или инструкционная система. Обучение проводилось преимущественно на англоязычных текстовых корпусах; байтовый токенизатор способен представить текст на других языках, но это не означает хорошего качества на них. README прямо предупреждает, что генерации ненадёжны, часто несвязны и не должны считаться фактами или использоваться для реальных решений. Модель не настроена для диалога, следования инструкциям, работы с инструментами или безопасности. Для генерации на длинном контексте она пересчитывает активный контекст без KV-кэша, что замедляет работу. Веса представлены в BF16 и формате safetensors; для загрузки через Transformers требуется пользовательский код из репозитория и параметр trust_remote_code=True. Лицензия в предоставленных данных не указана.

lodrick-the-lafted/concerned-9b — экспериментальная версия Gemma 2 9B Instruct с управляющим вектором, встроенным в веса. По описанию автора, вектор заставляет модель выводить только номер телефона Национальной линии предотвращения самоубийств. Модель предназначена для демонстрации управления выводом языковой модели; практические сценарии и качество в README не описаны. Это плотная causal language model семейства Gemma 2 с 9 млрд параметров и контекстом до 8192 токенов. Она принимает текст и генерирует текст; метаданные указывают возможность диалогового использования. Опубликована в формате safetensors под лицензией Apache-2.0. README называет исходную модель Gemma 2 9B Instruct, но точный идентификатор базового репозитория не приведён.

Spirax/DialoGPT-medium-sheldon — разговорная языковая модель на базе microsoft/DialoGPT-medium, дообученная автором репозитория на репликах Шелдона из сериала «Теория большого взрыва». Она предназначена для генерации ответов в диалоге и имитации речевого стиля этого персонажа. Модель использует архитектуру GPT-2 и поддерживает контекст длиной до 1024 токенов. Модель принимает текст и генерирует текстовые ответы. Она может подойти для интерактивного общения в стиле персонажа или для прототипов чат-ботов и развлекательных демонстраций. Репозиторий содержит веса в форматах PyTorch и safetensors; лицензия — MIT. Качество генерации зависит от контекста и обучающих данных, поэтому ответы могут быть непоследовательными и не должны восприниматься как достоверные сведения.

Dogemma lora-1500 — небольшая текстовая модель на архитектуре Gemma 3, созданная Blukher на основе google/gemma-3-270m-it. Модель дообучена с помощью LoRA на 1500 примерах: ответы из databricks-dolly-15k были переписаны в голос персонажа-собаки, а часть исходных ответов сохранена, чтобы модель могла отвечать по существу, а не только повторять собачьи реплики. Размер модели — 257 млн параметров, контекст — до 32 768 токенов. Модель предназначена для генерации коротких юмористических ответов на английском языке в грубоватой манере собачьего персонажа, например для шутливого чат-бота или демонстрации влияния дообучения на небольшой модели. Поддерживает диалоговый шаблон и поставляется в форматах Safetensors и GGUF Q8_0; для использования доступны Transformers и приложения на базе llama.cpp. В небольшой оценке на 10 запросах модель лучше удерживала заданный голос, чем базовая модель, но отвечала менее точно и связно. Модель фактически ненадёжна в вопросах и может выдавать неверные сведения; она намеренно груба, ориентирована на одношаговые инструкции и не обучалась многоходовому диалогу. Для Safetensors и GGUF действуют условия использования Gemma; обучающие данные Dolly распространяются по CC BY-SA 3.0.

IvmeLabs/ExpIvme-DiffusionConversate-v1-Instruct — экспериментальная англоязычная диалоговая модель IvmeLabs на архитектуре masked diffusion. Это instruction-tuning модели ExpIvme-DiffusionConversate-v1 на 2 260 коротких диалогах из HuggingFaceTB/smoltalk; в README указано 130,1 млн параметров, а в метаданных — 168,5 млн. Модель принимает текст и генерирует текст, поддерживает контекст до 1 024 токенов и распространяется в формате safetensors по лицензии Apache-2.0. Модель предназначена для экспериментального изучения того, помогает ли дообучение на инструкциях вести простой диалог. В README сообщается, что настройка научила модель формату чата, а исправление сэмплера устранило буквальные повторы фраз. При этом ответы остаются грамматически несвязными, а модель не обладает надёжными фактическими знаниями; авторы не считают её пригодным разговорным ассистентом. Для инференса требуется trust_remote_code=True, стандартный метод .generate() не поддерживается.

NILKNARFGonzo/floppyx3-MEGAmodel-merged — небольшая разговорная языковая модель, опубликованная Nilky. В метаданных указаны архитектура GPT-2, формат safetensors и контекст до 2048 токенов. Модель ориентирована на генерацию текста в формате диалога; в README предложен шаблон с метками «### User:» и «### Assistant:». Размер этой версии в источниках не указан. README описывает семейство MEGAmodel как эксперимент с примерно миллионом параметров: LoRA обучали на Raspberry Pi 5 с 8 ГБ памяти, а автор характеризует результат как крайне слабый. Указанные метаданные связывают эту модель со слиянием двух репозиториев: NILKNARFGonzo/floppyx3-MEGAmodel и NILKNARFGonzo/floppyx3-MEGAmodel-base. Лицензия — CC BY-SA 4.0.

amer224/freefire-aim-ai — экспериментальный агент на основе обучения с подкреплением, разработанный автором репозитория для симулятора прицеливания, похожего на Free Fire. Он принимает изображения размером 84×84 пикселя и выдаёт изменения прицеливания и решение о стрельбе. Архитектура — NatureCNN actor-critic примерно на 1,7 млн параметров; обучение сочетает начальную настройку с поведенческим клонированием, PPO и curriculum learning. Модель предназначена для исследований управления прицеливанием в контролируемом симуляторе. Автор указывает, что агент пока не показал результат в реальных играх; приведённые оценки получены на новых случайных начальных условиях симулятора. В журнале последних обновлений метрики отображаются как nan, поэтому по карточке нельзя подтвердить качество этих последних состояний. Файлы весов и конфигурации предоставлены в формате PyTorch. Условия лицензии в предоставленных данных не указаны.

Grafted-Llama2-2x70B — экспериментальное слияние моделей WinterGoddess и AuroraNights, выполненное автором Lodrick с помощью mergekit. В репозитории указана архитектура Mixtral с механизмом MoE; размер модели — 68,7 млрд параметров, формат весов — safetensors, контекст — 4096 токенов. Модель предназначена для генерации текста и имеет тег text-generation. Автор сообщает, что модель может выдавать связный текст в течение нескольких предложений, после чего начинает генерировать бессмыслицу, и не рекомендует её скачивать. В метаданных указана лицензия llama2.