II.1Анализ требований и архитектура ПО

DeepSeek-V4.1-Flash-Abliterated — созданная сообществом версия DeepSeek-V4.1-Flash, опубликованная s-zaizen с применением abliteration через инструмент Heretic; это не официальный выпуск DeepSeek. Модель сохраняет исходную архитектуру DeepSeek V4.1, токенизатор и компоненты для обработки изображений, а также использует формат весов FP8. В репозитории размещено 48 шардов safetensors общим размером около 510 ГБ. Модель предназначена для генерации текста в диалоге и обработки входов с изображениями. По заявлению автора, преобразование изменяет направления отказа в выходах модели: в описанной проверке Heretic ключевые слова отказа обнаружились в 24 из 100 ответов против 97 из 100 у исходной модели. Это измерение не является общим тестом качества или безопасности. Лицензия — MIT.

DeepSeek-V4-Flash-0731-RAZOR-230B-A13B-E192of256 — производная версия DeepSeek-V4-Flash-0731, созданная методом RAZOR без дообучения. Разработчик удалил четверть маршрутизируемых экспертов: в каждом из 43 MoE-слоёв оставлено 192 из 256 экспертов, включая слои multi-token prediction. Модель содержит около 230 млрд параметров, из них примерно 13 млрд активны на токен; внимание, общие эксперты, эмбеддинги и LM-head не изменялись. Эксперты хранятся в MXFP4, общие эксперты — в FP8. Модель предназначена для генерации текста и сценариев, где требуется использовать возможности DeepSeek-V4-Flash при сокращённом наборе экспертов. Заявлены контекст до 1 048 576 токенов и лицензия MIT. Для кодирования сообщений в README предлагается официальная реализация encoding_dsv4.py, поскольку Jinja chat template не поставляется. Удаление экспертов является потерей информации: хотя точность задач может в значительной степени сохраняться, разнообразие, форматирование и поведение при завершении ответа могут меняться. Калибровка проводилась на конечном многодоменном наборе данных, поэтому поведение на удалённых от него областях не охарактеризовано; перед применением модель следует оценить на целевых запросах.

DeepVeo-R1-B — объединённая языковая модель сообщества mergekit-community, созданная методом DARE TIES на базе Qwen/Qwen2.5-1.5B-Instruct с включением Alfitaria/Q25-1.5B-VeoLu и deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B. Это плотная авторегрессионная модель семейства Qwen2 с 1,5 млрд параметров, рассчитанная на генерацию текста и диалоговые сценарии. Она принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. Модель распространяется в формате safetensors через Transformers. Модель подходит для диалоговых ответов и генерации текста с использованием возможностей объединённых чекпойнтов. README описывает способ слияния, состав моделей и параметры конфигурации, но не приводит сравнительных оценок качества или подробных сведений о языковом покрытии. Лицензия в предоставленных данных не указана.

Dhanishtha-2.0-preview-0825 — мультиязычная причинно-следственная языковая модель HelpingAI, дообученная на базе Dhanishtha-2.0-preview-0725. Модель семейства Qwen3 с 14 млрд параметров принимает текст и генерирует текст; контекстное окно — 40 960 токенов. Она предназначена для диалогов и задач рассуждения с несколькими этапами, включая пересмотр и уточнение ответа в ходе генерации. Карточка описывает поддержку более 39 языков; среди языков, перечисленных в метаданных, есть русский, английский, хинди и китайский. Модель подходит для решения логических задач, учебных объяснений, исследовательского анализа и творческого письма. README обозначает эту версию как предварительную и прототипную. Возможны многословные ответы, более длительная генерация, циклические рассуждения и разница в качестве между языками; выводы модели требуют проверки. Лицензия — Apache 2.0.

Alcoft/dnotitia_Smoothie-Qwen3-14B-GGUF — набор GGUF-квантизованных версий языковой модели dnotitia/Smoothie-Qwen3-14B. Модель предназначена для генерации текста, диалогов, чат-сценариев и задач, требующих рассуждений. В карточке указана текстовая модальность и поддержка английского языка; размер исходной модели — 14 млрд параметров. Доступны варианты квантования от Q2_K до Q8_K с размером файлов примерно от 5 до 14 ГБ. Более низкие варианты требуют меньше памяти, но характеризуются низким или очень низким качеством; варианты Q4_K_M и выше отмечены как подходящие для большинства сценариев, а Q5 и Q6 — как обеспечивающие высокое или очень высокое качество. Некоторые расширенные варианты используют Q8_0 или F16 для выходных и embedding-слоёв. Сильной стороной набора является широкий выбор компромиссов между требованиями к памяти и качеством генерации, а формат GGUF удобен для локального запуска в совместимых инструментах. Ограничения включают снижение качества при агрессивном квантовании, отсутствие сведений о размере контекста, архитектурных деталях, производительности и дополнительных языках. Модель распространяется по лицензии Apache-2.0.

Einstein-4D-MoE-2x7b-test — языковая модель генерации текста на архитектуре Mixtral MoE, созданная mvpmaster объединением двух моделей с помощью LazyMergekit. Она предназначена для генерации продолжений текста и ответов в сценариях, где требуется текстовая языковая модель. В карточке указаны 7,1 млрд параметров и контекст до 32 768 токенов; модель опубликована в формате safetensors. Модель создана на основе mvpmaster/pmmpk-EinstainMorcoro14KrishnaHercules-7b-slerp и mvpmaster/kellemar-KrishnaHercules-0.1-7b-slerp. Репозиторий распространяется по лицензии Apache-2.0. README не описывает целевые языки или специализированные области применения, поэтому их нельзя надёжно определить по предоставленным данным.

Dohyeon1/ERNIE-HC-SMoE-ngroups56 — языковая модель для генерации текста на базе архитектуры ERNIE 4.5 MoE, опубликованная на Hugging Face. Модель содержит около 3,3 млрд параметров и предназначена для использования через библиотеку Transformers; в метаданных также указана поддержка conversational-сценариев. Модель подходит для диалоговой генерации, продолжения текста, создания черновиков и интеграции в приложения, которым требуется генерация естественного языка. Заявлена длина контекста до 131 072 токенов, что позволяет обрабатывать длинные входные последовательности. README не содержит сведений о разработчике, языках, лицензии, обучающих данных, результатах оценки и рекомендованных сценариях применения. Поэтому возможности модели следует проверять на собственных данных, а условия использования — уточнять по информации репозитория.

Experiment26Neuralsirkrishna_Multi_verse_modelYam — объединённая языковая модель семейства Mistral, созданная из automerger/Experiment26Neuralsirkrishna-7B и automerger/Multi_verse_modelYam-7B. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и формат safetensors. Модель предназначена для генерации текста и диалогов. Её контекстное окно составляет до 32 768 токенов. Данных о специализации по языкам или прикладным областям в карточке нет. Модель распространяется по лицензии Apache-2.0.

Experiment26Yamshadow_Inex12Yamshadow — слитая модель MaziyarPanahi на архитектуре Mistral с 7,1 млрд параметров. Она объединяет automerger/Experiment26Yamshadow-7B и automerger/Inex12Yamshadow-7B и предназначена для генерации текста, в том числе продолжения запросов и диалоговых ответов. Контекст модели составляет до 32 768 токенов; веса опубликованы в формате safetensors. Модель подходит для текстовых приложений общего назначения, которым нужна генерация с длинным контекстом. В карточке указана лицензия Apache-2.0. Данные о специализации по языкам или предметным областям не приведены.

Experiment28M7_Experiment26Experiment24 — объединённая модель для генерации текста, созданная из automerger/Experiment28M7-7B и automerger/Experiment26Experiment24-7B. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров. Модель принимает текст и генерирует текст; заявленная длина контекста — до 32 768 токенов. Карточка не описывает специализированные сценарии или языки обучения. Модель распространяется в формате Safetensors по лицензии Apache 2.0.

flammenai/flammen14-mistral-7B — языковая модель на архитектуре Mistral, созданная методом слияния SLERP двух предварительно обученных моделей: nbeerbower/Suppe-v1-7B и nbeerbower/Flammen-Bruphin. Разработчик объединил веса с помощью mergekit; модель содержит 7,1 млрд параметров и рассчитана на генерацию текста с контекстом до 32 768 токенов. Модель предназначена для задач генерации текста. Веса опубликованы в формате safetensors и доступны по лицензии Apache-2.0. В карточке не приведены сведения о целевых языках, специализированной области применения или результатах оценки качества.

flammen30-mistral-7B — плотная языковая модель семейства Mistral с 7,1 млрд параметров, созданная flammenai слиянием предобученных моделей через mergekit. Для объединения применён метод Model Stock: базой служила flammenai/flammen29-mistral-7B, вместе с ней в слияние вошли ещё семь моделей, включая варианты flammenai и Excalibur-7b-DPO. Модель предназначена для генерации текста и диалогового общения. Она принимает текст и выдаёт текст, работает через Transformers, а заявленная длина контекста составляет 32 768 токенов. В карточке не указаны специальные предметные области или поддерживаемые языки. Модель распространяется по лицензии Apache-2.0. Результат слияния объединяет несколько чекпойнтов, однако README не приводит сравнительных оценок качества или подробных рекомендаций по применению; возможности и точность следует оценивать на целевых задачах.

Gemma-2-9B-It-SPPO-Iter3-GGUF — квантизированная версия языковой модели Gemma-2-9B-It-SPPO-Iter3, опубликованная UCLA-AGI и подготовленная в формате GGUF пользователем bartowski. Модель предназначена для генерации текста и запуска локально через llama.cpp, включая диалоговые и другие сценарии применения текстовых LLM. Обучение или дообучение связано с датасетом openbmb/UltraFeedback. Модель содержит около 9 миллиардов параметров и поддерживает английский язык. Доступны варианты от F32 до низкобитных квантований Q2 и IQ2, размером примерно от 3,43 до 36,97 ГБ. Квантизация выполнена с использованием imatrix и llama.cpp b3389; варианты Q6 и Q5 позиционируются как обеспечивающие очень высокое качество, а Q4 — как компромисс между качеством и требованиями к памяти. README не указывает размер контекста и модальности, поэтому эти характеристики неизвестны. Для работы требуется соблюдать формат prompt, основанный на специальной разметке ролей Gemma. Модель не поддерживает system prompt. Качество и требования к памяти зависят от выбранного варианта квантования: более компактные файлы экономят ресурсы, но могут заметно снижать качество. Лицензия указана как gemma; конкретные условия её применения следует уточнять в документации Gemma.

Gemma-2-9B-It-SPPO-Iter3-IMat-GGUF — это GGUF-квантизированная версия модели Gemma-2-9B-It-SPPO-Iter3, разработанной UCLA-AGI. Квантизацию выполнил legraphista с использованием llama.cpp версии b3311 и метода IMatrix, применённого к ряду квантованных вариантов. Исходная модель представлена в формате BF16, а в качестве связанного набора данных указан UltraFeedback. Модель предназначена для генерации текста и диалоговых сценариев в средах, совместимых с llama.cpp и форматом GGUF. Доступны варианты с разной точностью и размером, включая BF16, FP16, Q8_0, Q6_K, Q5_K, Q4_K, Q3_K, Q2_K и IQ-квантизации; размеры файлов варьируются примерно от 3,81 до 18,49 ГБ. В метаданных указан английский язык. Контекстное окно, поддерживаемые модальности и точные характеристики архитектуры в README не указаны. К сильным сторонам относятся широкий выбор форматов для подбора компромисса между качеством, скоростью и требованиями к памяти, а также применение IMatrix в большинстве вариантов с низкой и средней разрядностью. Ограничения связаны с потерями качества, возможными при агрессивной квантизации, и необходимостью выбирать файл в соответствии с доступной памятью и совместимым программным обеспечением. Модель распространяется по лицензии Gemma; условия лицензии следует учитывать при использовании.

wzhouad/gemma-2-9b-it-WPO-HB — дообученная версия инструктивной языковой модели Google Gemma 2 9B IT, созданная методом Weighted Preference Optimization (WPO). Модель предназначена для диалогов и генерации ответов на текстовые запросы; обучение на парах предпочтений из Ultrafeedback направлено на улучшение следования предпочтениям пользователей. Для обучения использовались ответы Gemma, полученные по принципу on-policy, и ответы GPT-4-turbo на запросы из Ultrafeedback. Ответы оценивались моделью RLHFlow/ArmoRM-Llama3-8B-v0.1, после чего крайние по оценке ответы формировали пары предпочтений. Модель имеет плотную архитектуру Gemma 2, около 9 млрд параметров, принимает текст и генерирует текст, поддерживает диалоговый режим и контекст до 8192 токенов. В README приведён результат AlpacaEval: 76,73 LC и 77,83 WR при средней длине ответа 2285 токенов. Лицензия в предоставленных данных не указана. Результаты оценки относятся к указанному бенчмарку и сами по себе не гарантируют качество на других задачах; обучение на предпочтениях не исключает ошибок и нежелательных ответов.

Gemma2-Eclipse-9B — объединённая разговорная языковая модель на 9 млрд параметров, созданная автором репозитория с помощью mergekit на основе нескольких моделей Gemma 2. Для генерации текста и диалоговых ответов используются архитектура Gemma2ForCausalLM и контекст до 8192 токенов. В карточке указаны форматы запросов ChatML и Gemma 2; автор отмечает, что Gemma 2 может работать лучше, поскольку при использовании ChatML модель иногда выводит служебный токен в конце ответа. Модель предназначена для локального или прикладного использования в сценариях генерации текста и общения. Репозиторий содержит веса safetensors и использует библиотеку Transformers. Сведения о лицензии в предоставленных данных отсутствуют.

Gemma-4-E4B-Holodeck — слитая модель семейства Gemma 4 от независимой лаборатории NightmediaAI. Она создана на основе нескольких моделей Gemma 4 E4B, включая варианты для диалога, творческого письма, ролевых сценариев и рассуждений; в шаблоне включён режим размышлений. Модель рассчитана на диалог и генерацию текста, в том числе ответы на сложные открытые запросы и ролевое общение. Репозиторий содержит веса safetensors в формате BF16 и рассчитан на запуск через MLX. В README приведены результаты проверок на нескольких наборах бенчмарков, но они не гарантируют качество в конкретном приложении. Лицензия — Apache-2.0. Карточка не уточняет длину контекста и языковой охват; численные результаты из README не устанавливают, какие языки модель поддерживает.

DavidAU разработал The-DECKARD-HERETIC-UNCENSORED-Thinking — дообученную модель Google Gemma 4 E4B Instruct с настройкой на внутренних датасетах и изменённым шаблоном чата, который по умолчанию включает режим рассуждения. Модель предназначена для диалога, творческого письма, ролевых сценариев, генерации историй и кода. Автор сообщает о поддержке текста, изображений, видео и аудио, а также контекста до 128 тысяч токенов. Gemma 4 E4B описана как модель примерно с 8 млрд параметров, из которых около 4,5 млрд активны; веса этой версии представлены в формате bfloat16 и safetensors. Карточка приводит внутренние результаты сравнения с базовой моделью, но отмечает, что статистика ещё собирается и instruct-режим иногда показывает лучшие результаты, чем thinking. Использование чата в режиме instruct требует отдельного шаблона. Лицензия — Apache 2.0.

Olafangensan/GLM-4.7-Flash-heretic — разговорная текстовая модель семейства GLM-4.7-Flash, созданная удалением части отказов методом ablation (abliteration). В README приведено сравнение с исходной моделью zai-org/GLM-4.7-Flash: частота отказов в указанной оценке снизилась с 50 до 15 из 100, а KL-дивергенция составила 0,0039. Метаданные указывают архитектуру GLM-4 MoE Lite, 4,1 млрд параметров и контекст до 202 752 токенов; README описывает исходную GLM-4.7-Flash как модель MoE 30B-A3B. Модель предназначена для генерации текста в диалоге и локального развертывания; среди возможных сценариев — ответы на вопросы, написание текстов и помощь в программировании. Исходная карточка приводит результаты на математических, научных и кодовых бенчмарках, однако они относятся к GLM-4.7-Flash и не подтверждают напрямую качество heretic-версии. В метаданных указаны английский и китайский языки, формат safetensors и библиотека Transformers; README также упоминает запуск через vLLM и SGLang. Лицензия — MIT. Уменьшение числа отказов не означает отсутствия отказов или гарантии безопасности и качества; опубликованные сравнительные замеры ограничены приведённой оценкой и не заменяют независимую проверку модели.

GLM-5V-Turbo — мультимодальная агентная базовая модель компании Z.ai для задач, в которых нужно анализировать визуальные данные и выполнять сложные сценарии, включая программирование с опорой на изображения. Модель принимает изображения, видео и текст; заявлены возможности долгосрочного планирования и решения комплексных задач по программированию. Модель предназначена для агентных сценариев с визуальным вводом. Данных о размере, архитектуре, длине контекста, поддерживаемых языках и лицензии в предоставленных источниках нет.

Это набор GGUF-квантизированных файлов модели gradientai/Llama-3-8B-Instruct-Gradient-1048k, разработанный Gradient AI и квантизированный командой featherless-ai-quants. Модель предназначена для генерации текста и использования в сценариях, требующих работы с инструкциями, включая локальный или совместимый с GGUF инференс. README не указывает поддерживаемые языки, дополнительные модальности или конкретные прикладные сценарии. В основе лежит Llama 3 с заявленным размером 8B параметров и контекстом 1048k; архитектурные подробности в README не приведены. Доступны варианты квантизации Q2_K, Q3_K_S, Q3_K_M, Q3_K_L, Q4_K_S, Q4_K_M, IQ4_XS, Q5_K_S, Q5_K_M, Q6_K и Q8_0, размером примерно от 3,0 до 8,1 ГБ. Разные варианты позволяют выбирать компромисс между размером файла, требованиями к ресурсам и потенциальным качеством, однако результаты конкретных вариантов в README не сравниваются. К сильным сторонам относятся большой заявленный контекст и широкий выбор форматов квантизации. Ограничения — отсутствие в предоставленных данных сведений о качестве, бенчмарках, системных требованиях, поддерживаемых языках и точной архитектуре. Лицензия в README не указана, поэтому условия использования необходимо уточнять в документации базовой модели gradientai/Llama-3-8B-Instruct-Gradient-1048k и соответствующего репозитория.

mlx-community/granite-4.1-30b-bf16 — конверсия в формат MLX модели Granite 4.1 30B, разработанной IBM. Это плотная языковая модель с архитектурой GraniteForCausalLM и 28,9 млрд параметров, предназначенная для диалогов и генерации текста; каталог также отмечает возможность чата. Модель принимает текст и выдаёт текст, а заявленная длина контекста составляет 131 072 токена. Репозиторий подготовлен сообществом mlx-community для запуска через библиотеку MLX на устройствах Apple. Лицензия Apache-2.0 разрешает использование на её условиях. README указывает на конверсию исходной модели ibm-granite/granite-4.1-30b в MLX; метаданные содержат формат safetensors и связь с базовой моделью.

GRM-2.6-Air-Opus — компактная текстовая модель OrionLLM, дообученная на базе LiquidAI/LFM2.5-1.2B-Thinking на трассах рассуждений в стиле Claude Opus. Она предназначена для генерации ответов с более структурированным рассуждением и решения сложных задач при ограниченных ресурсах, включая локальное и встроенное развёртывание. Модель относится к семейству LFM2, использует плотную архитектуру Lfm2ForCausalLM и содержит около 1,5 млрд параметров; нативная длина контекста — 128 000 токенов. Поддерживается диалоговый режим. README сообщает об обновлении шаблона чата для совместимости с вызовом инструментов. Модель рассчитана на лёгкое развёртывание и предлагает компактный вариант рассуждающей модели. Заявления об улучшении решения сложных задач приведены разработчиком; численные результаты бенчмарков в доступной карточке отсутствуют. Информация о лицензии в предоставленных данных отсутствует.

richardr1126/guanaco-13b-merged — слитая модель на архитектуре LLaMA, созданная объединением адаптера QLoRA timdettmers/guanaco-13b с базовой LLaMA-13b. Она предназначена для генерации текста в диалоговом формате и ответов на пользовательские запросы. Модель содержит 12,9 млрд параметров, принимает текст и выдаёт текст; родной контекст составляет 2048 токенов. В карточке указаны PyTorch и датасет OpenAssistant Guanaco. Лицензия в предоставленных данных не указана.

Карточка модели codeIA/GuIA-v2 на Hugging Face совпадает с карточкой Nexusflow/Starling-LM-7B-beta, поэтому описание составлено по ней. Starling-LM-7B-beta — языковая модель Nexusflow, дообученная на Openchat-3.5-0106 с помощью обучения с подкреплением на основе обратной связи от ИИ (RLAIF). Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и принимает текстовые диалоги, используя контекст до 8192 токенов. Модель предназначена для чат-общения и генерации ответов. При обучении использовались набор ранжированных предпочтений Nectar, reward-модель Starling-RM-34B и метод PPO; авторы сообщают результат 8,12 на MT-Bench с оценкой GPT-4. Для сохранения качества следует применять шаблон чата Openchat-3.5-0106; иногда ответы бывают многословными, и авторы рекомендуют температуру 0, чтобы уменьшить это. Лицензия Apache-2.0 с указанным в карточке условием, запрещающим использовать модель для конкуренции с OpenAI.

GWQ2b — дообученная языковая модель prithivMLmods на базе Google Gemma 2 2B Instruct. Это декодерный трансформер для генерации текста, с диалоговыми возможностями и контекстом до 8192 токенов; в карточке заявлена поддержка английского языка. Модель дообучена на синтетическом наборе Chain of Continuous Thought и предназначена для ответов на вопросы, суммаризации, рассуждений и следования инструкциям. Модель подходит для создания ответов и кратких изложений, многошаговых рассуждений, а также творческого текста и документации. Вес составляет 2,7 млрд параметров, файлы представлены в формате Safetensors. Лицензия Gemma; условия её использования следует учитывать при развёртывании. Как и другие языковые модели, GWQ2b может выдавать неточные сведения и воспроизводить смещения из данных обучения. Она ограничена контекстом в 8192 токена, а заявленные в README сведения о размере и архитектуре местами противоречат метаданным: для описания использованы параметры из метаданных.

h2oai/h2ogpt-oasst1-falcon-40b — инструктивная большая языковая модель H2O.ai, дообученная на базе tiiuae/falcon-40b на датасете h2oai/openassistant_oasst1_h2ogpt_graded. Она предназначена для диалогового помощника, ответов на вопросы и генерации текста по запросам пользователя. Модель использует плотную авторегрессионную архитектуру RefinedWeb; в метаданных указано 65 млрд параметров, а в README — 40 млрд. Работает с текстом, использует Transformers и опубликована в формате PyTorch. Карточка приводит результаты оценки на задачах ARC и описывает запуск чат-бота. Модель распространяется по лицензии Apache-2.0, допускающей коммерческое использование. Она может выдавать неверные или нерелевантные ответы и воспроизводить предвзятый либо оскорбительный контент; результаты требуют проверки.

MotherEarth/Hermes-Storm-lorablated — объединённая языковая модель на архитектуре Llama, созданная методом SLERP с помощью mergekit из akjindal53244/Llama-3.1-Storm-8B и mlabonne/Hermes-3-Llama-3.1-8B-lorablated. Модель содержит 7,5 млрд параметров, предназначена для генерации текста и диалогового взаимодействия; метаданные указывают контекст длиной до 131 072 токенов. Модель подходит для диалоговых сценариев и генерации ответов на текстовые запросы. В карточке не описаны отдельные специализированные области применения или подтверждённые дополнительные возможности. Файлы представлены в формате safetensors, библиотека — Transformers. Сведения о лицензии в предоставленных данных отсутствуют.

CalderaAI/Hexoteric-7B — экспериментальная разговорная языковая модель на архитектуре Mistral, созданная CalderaAI. Это сферическое слияние вручную отобранных моделей Mistrel-7B и преемник Naberius-7B; для тестирования инструкций автор рекомендует формат Stanford Alpaca. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов и доступна в форматах PyTorch и Safetensors. Модель предназначена для диалогов и генерации ответов на инструкции. Лицензия Apache-2.0 разрешает использование на её условиях. README отмечает ранний статус выпуска и сообщает, что исходные вычислительные ресурсы эксперимента недоступны.

SzilviaB/Hexoteric-Trismegistus-7B — объединённая языковая модель на архитектуре Mistral, созданная методом SLERP из CalderaAI/Hexoteric-7B и teknium/Hermes-Trismegistus-Mistral-7B с помощью mergekit. Модель содержит 7,1 млрд параметров, работает с текстом и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно использовать для ответов на вопросы, написания и продолжения текста, а также для создания чат-ассистентов. README описывает способ объединения, но не приводит сравнительных оценок качества или подробных рекомендаций по применению. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных данных не указана.