II.1Анализ требований и архитектура ПО

Это преобразованная в формат Hugging Face модель Meta Llama 2 70B с весами fp16, опубликованная TheBloke. Она представляет собой авторегрессионный языковой трансформер с 68,7 млрд параметров; версия 70B использует Grouped-Query Attention, принимает текст и генерирует текст. Контекст составляет до 4096 токенов, основное назначение — генерация текста на английском языке. Модель подходит для продолжения текста и построения приложений генерации естественного языка; в отличие от варианта Llama-2-Chat, это предварительно обученная модель, а не специализированная версия для диалогового общения. Для запуска нужны ресурсы, достаточные для размещения весов fp16; репозиторий содержит файлы Safetensors и может служить исходной точкой для дальнейших конверсий или квантования. Модель разработала Meta, а TheBloke конвертировал исходные веса из PTH в формат Hugging Face. Использование регулируется лицензией Meta Llama 2: для получения весов требуется принять условия лицензии; README указывает коммерческое и исследовательское применение на английском языке. Как и другие LLM, модель может выдавать неточные, предвзятые или нежелательные ответы, поэтому приложения требуют проверки и настройки безопасности.

TheTravellingEngineer/llama2-7b-chat-hf-dpo — чат-модель на архитектуре Llama 2, созданная дообучением Meta Llama 2 7B Chat с помощью DPO на датасете comparison_gpt4. Репозиторий содержит объединённую модель в формате FP16; число параметров — 6,6 млрд, длина контекста — 4096 токенов. Модель предназначена для генерации ответов в диалоге и других задач текстовой генерации. Её можно использовать в чат-ботах и для следования инструкциям; формат запроса похож на применяемый в Guanaco. В карточке указан английский язык. Модель распространяется по лицензии Llama 2 и подчиняется ограничениям использования исходной модели. Автор не предоставляет гарантий качества или пригодности для конкретной цели.

Карточка модели philschmid/Llama-2-7b-hf на Hugging Face совпадает с карточкой meta-llama/Llama-2-7b-hf, поэтому описание составлено по ней. Llama 2 7B — предварительно обученная авторегрессионная языковая модель Meta на 7 млрд параметров, представленная в формате Transformers для PyTorch и Safetensors. Она использует оптимизированную архитектуру Transformer и принимает текст, генерируя текст; длина контекста в карточке указана как 4 тыс. токенов. Модель предназначена для генерации текста на английском языке и может служить основой для различных задач обработки естественного языка. Это базовая, не настроенная на диалог версия Llama 2; для сценариев общения предназначены отдельные варианты Llama-2-Chat. Модель предварительно обучена на 2 трлн токенов из общедоступных источников. Модель разработала Meta. Для использования весов требуется принять условия лицензии Meta Llama 2, которая допускает коммерческое и исследовательское применение с ограничениями лицензионного соглашения и политики допустимого использования. Ответы могут быть неточными, предвзятыми или нежелательными; перед внедрением требуется оценка и настройка для конкретного применения.

helloollel/Llama-3.1-8B-instruct-bilibili — дообученная helloollel диалоговая модель на архитектуре Llama 3.1 с 7,5 млрд параметров, созданная на базе unsloth/Meta-Llama-3.1-8B-Instruct. Карточка сообщает об использовании Unsloth и Hugging Face TRL для обучения. Модель предназначена для диалогов и генерации текста; метаданные также отмечают интерфейс вызова инструментов. Она поддерживает контекст до 131 072 токенов. В тегах карточки указан английский язык. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает специальную адаптацию к Bilibili или результаты оценки качества, поэтому её преимущества в этой области установить нельзя. Как и другие генеративные языковые модели, она может выдавать неточные ответы; возможности вызова инструментов зависят от поддерживающего их приложения.

YeonwooSung/Llama-3.1-8B-OpenO1-SFT-v0.1 — плотная авторегрессионная языковая модель семейства Llama 3.1, разработанная на основе Meta Llama 3.1 8B Instruct и дообученная методом supervised fine-tuning на датасете O1-OPEN/OpenO1-SFT. Она предназначена для генерации текста и диалогов с пошаговым рассуждением, ответов на вопросы, продолжения текста, суммаризации и творческого письма; особенно ориентирована на задачи рассуждения и математики. Модель содержит 7,5 млрд параметров, принимает текст и выдаёт текст, работает через Transformers и распространяется в формате safetensors. Указанный родной контекст — 131 072 токена. В карточке заявлена поддержка английского языка; базовая модель описана как многоязычная, но конкретные дополнительные языки для этой версии не подтверждены. Лицензия — Apache-2.0. Для запуска в полной точности README рекомендует GPU примерно с 16 ГБ видеопамяти; качество ответов и надёжность пошаговых выводов не подтверждены приведёнными оценками.

Na0s/Llama-3.1-8B-Pruned-4-Layers — текстовая авторегрессионная модель семейства Llama, созданная автором репозитория с помощью mergekit на основе meta-llama/Meta-Llama-3.1-8B. Метод passthrough удаляет слои 24–27, сохраняя слои 0–23 и 28–31; модель содержит около 6,4 млрд параметров и распространяется в формате safetensors. Заявленное окно контекста — 131 072 токена. Модель предназначена для генерации текста и может применяться в диалогах, ответах на вопросы и других сценариях языкового моделирования. В README приведён результат 0,2642 на MMLU Pro в режиме 0-shot. Это единственная указанная оценка, поэтому она не характеризует качество на широком наборе задач. Лицензия отдельно не указана в предоставленных данных; базовая модель Meta Llama 3.1 имеет собственные условия распространения, которые следует проверить перед использованием производной модели.

Это GGUF-квантизация инструкционной языковой модели Llama-3.1-Nemotron-70B-Instruct-HF-abliterated. Исходную модель опубликовала huihui-ai, а квантизации подготовил bartowski с использованием llama.cpp и метода imatrix; в метаданных также указана связь с NVIDIA. Модель предназначена для генерации текста и диалоговых сценариев, включая работу через LM Studio и другие совместимые с llama.cpp приложения. Модель содержит 70 миллиардов параметров, поддерживает текстовую модальность и, согласно метаданным, ориентирована на английский язык. README не указывает размер контекста и точную архитектуру, но приведён специальный prompt format на основе шаблона Llama 3.1 с ролями system, user и assistant. Доступны варианты квантизации от Q8_0 до IQ2_XS с размером файлов примерно от 75 до 24 ГБ; более высокие уровни обычно сохраняют лучшее качество, а низкие позволяют снизить требования к памяти. Сильной стороной являются широкий выбор форматов GGUF и возможность локального запуска при наличии значительного объёма RAM или VRAM. Ограничения включают большие требования к ресурсам, снижение качества на низких уровнях квантизации и отсутствие в README подробных результатов оценки. Модель не является мультимодальной, а поддержка других языков явно не заявлена. Указана лицензия llama3.1.

Llama-3.1-Tulu-3-8B-SFT-GGUF — это GGUF-квантизированная версия языковой модели Llama-3.1-Tulu-3-8B-SFT, разработанной Allen Institute for AI (Ai2). Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix; в качестве данных для квантизации применялся специализированный набор. Модель предназначена для генерации текста и диалоговых сценариев, включая запуск локально через llama.cpp или LM Studio. Указан формат промпта с ролями system, user и assistant. Модель содержит 8 миллиардов параметров и работает с текстом на английском языке. Доступны варианты от исходных весов F16 размером около 16,07 ГБ до различных квантизаций Q8, Q6, Q5, Q4, Q3 и Q2 размером примерно от 3,7 ГБ до 8,54 ГБ. Более крупные варианты сохраняют более высокое качество, а компактные требуют меньше оперативной памяти, но могут заметно уступать в качестве. Для большинства сценариев автор рекомендует варианты Q4_K_M, Q5 и Q6; некоторые варианты оптимизированы для ARM или AVX и имеют ограничения совместимости. Модель поддерживает только текстовую модальность; сведения о длине контекста в README не указаны. Лицензия обозначена как llama3.1. README не содержит подробных результатов тестирования, поэтому точные сильные и слабые стороны базовой модели, кроме компромисса между размером квантизации и качеством, оценить нельзя.

Карточка модели princeton-nlp/Llama-3-Base-8B-SFT-IPO на Hugging Face совпадает с карточкой princeton-nlp/Llama-3-Base-8B-SFT, поэтому описание составлено по ней. princeton-nlp/Llama-3-Base-8B-SFT — разговорная модель генерации текста на архитектуре Llama, опубликованная как часть работы SimPO: Simple Preference Optimization with a Reference-Free Reward. Репозиторий содержит модель на 7,5 млрд параметров в формате safetensors; заявленная длина контекста — 8192 токена. Модель предназначена для диалоговой генерации текста и может использоваться для ответов на запросы и ведения беседы. README отсылает к репозиторию SimPO за дополнительными сведениями. Лицензия и конкретные языковые возможности в предоставленных данных не определены.

Карточка модели princeton-nlp/Llama-3-Base-8B-SFT-RDPO на Hugging Face совпадает с карточкой princeton-nlp/Llama-3-Base-8B-SFT, поэтому описание составлено по ней. princeton-nlp/Llama-3-Base-8B-SFT — разговорная модель генерации текста на архитектуре Llama, опубликованная как часть работы SimPO: Simple Preference Optimization with a Reference-Free Reward. Репозиторий содержит модель на 7,5 млрд параметров в формате safetensors; заявленная длина контекста — 8192 токена. Модель предназначена для диалоговой генерации текста и может использоваться для ответов на запросы и ведения беседы. README отсылает к репозиторию SimPO за дополнительными сведениями. Лицензия и конкретные языковые возможности в предоставленных данных не определены.

Карточка модели princeton-nlp/Llama-3-Instruct-8B-KTO на Hugging Face совпадает с карточкой princeton-nlp/Llama-3-Base-8B-SFT, поэтому описание составлено по ней. princeton-nlp/Llama-3-Base-8B-SFT — разговорная модель генерации текста на архитектуре Llama, опубликованная как часть работы SimPO: Simple Preference Optimization with a Reference-Free Reward. Репозиторий содержит модель на 7,5 млрд параметров в формате safetensors; заявленная длина контекста — 8192 токена. Модель предназначена для диалоговой генерации текста и может использоваться для ответов на запросы и ведения беседы. README отсылает к репозиторию SimPO за дополнительными сведениями. Лицензия и конкретные языковые возможности в предоставленных данных не определены.

Карточка модели princeton-nlp/Llama-3-Instruct-8B-ORPO на Hugging Face совпадает с карточкой princeton-nlp/Llama-3-Base-8B-SFT, поэтому описание составлено по ней. princeton-nlp/Llama-3-Base-8B-SFT — разговорная модель генерации текста на архитектуре Llama, опубликованная как часть работы SimPO: Simple Preference Optimization with a Reference-Free Reward. Репозиторий содержит модель на 7,5 млрд параметров в формате safetensors; заявленная длина контекста — 8192 токена. Модель предназначена для диалоговой генерации текста и может использоваться для ответов на запросы и ведения беседы. README отсылает к репозиторию SimPO за дополнительными сведениями. Лицензия и конкретные языковые возможности в предоставленных данных не определены.

grimjim/Llama-3-Instruct-8B-SPPO-Iter3-SimPO-merge — чат-модель для генерации текста на основе Meta Llama 3, созданная слиянием моделей UCLA-AGI/Llama-3-Instruct-8B-SPPO-Iter3 и princeton-nlp/Llama-3-Instruct-8B-SimPO методом SLERP с помощью mergekit. В репозитории указаны архитектура LlamaForCausalLM, 7,5 млрд параметров, формат safetensors и контекст до 8192 токенов. Модель предназначена для диалогов и генерации ответов на инструкции. В карточке приведены результаты Open LLM Leaderboard, включая IFEval и BBH; они дают ориентир по оценке, но сами по себе не гарантируют качество в конкретном сценарии. Базовые модели описаны как англоязычные, поэтому основным языком следует считать английский. Лицензия — Llama 3; применяются её условия использования.

kevin009/llamamathv8 — дообученная плотная языковая модель семейства Llama, разработанная kevin009 на основе llamamathv7. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и предназначена для генерации текста в диалоговом режиме; в карточке также отмечено обучение с использованием Unsloth и библиотеки Hugging Face TRL. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 8192 токенов. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0.

LlongOrca 7B 16K — языковая модель для генерации текста, разработанная Open-Orca на базе архитектуры LLaMA и представленная в GGUF-формате с квантованными версиями, подготовленными TheBloke. Модель обучалась с использованием набора данных Open-Orca и ориентирована на работу с англоязычными текстами. Модель предназначена для диалоговых сценариев, генерации и продолжения текста, ответов на пользовательские запросы и локального запуска через llama.cpp и совместимые интерфейсы. Заявленный контекст составляет до 16K токенов. Для общения используется шаблон ChatML с ролями system, user и assistant. Доступны варианты квантования от 2 до 8 бит, что позволяет выбирать между меньшим потреблением памяти и сохранением качества. К сильным сторонам относятся увеличенное контекстное окно, поддержка локального CPU+GPU-инференса и совместимость с широким набором инструментов, включая llama.cpp, text-generation-webui, LM Studio, KoboldCpp и llama-cpp-python. README не содержит подробных результатов оценки качества, поэтому возможности модели в конкретных задачах нельзя надежно сравнить с другими моделями. Модель работает только с текстом; сведения о мультимодальности отсутствуют. Указанная лицензия — Llama 2.

Lostbel0/losty-v4-merged-2 — языковая модель для генерации текста, опубликованная на Hugging Face и предназначенная для использования через библиотеку Transformers. В метаданных модель связана с архитектурой Llama и имеет около 7,5 млрд параметров; сведения о разработчике, базовой модели, обучающих данных и лицензии отсутствуют. Модель подходит для генерации и продолжения текста, диалоговых сценариев и интеграции в приложения на базе Transformers. Заявленная длина контекста составляет 131 072 токена, однако поддерживаемые естественные языки в доступных данных не указаны. Карточка не содержит результатов оценки, описания обучения, рекомендаций по применению или подробностей о рисках. Поэтому качество, фактическая точность, устойчивость к вредным или предвзятым ответам и пригодность для критически важных задач требуют самостоятельного тестирования; условия лицензии также необходимо уточнить перед использованием.

Lumimaid-Magnum-12B-GGUF — набор квантизированных моделей в формате GGUF, созданный bartowski на основе Undi95/Lumimaid-Magnum-12B. Модель предназначена для генерации текста и локального запуска через llama.cpp и совместимые приложения, включая LM Studio. Указанный шаблон запросов: <s> [INST] {prompt}[/INST]. В набор входят варианты с точностью от F16 до Q2_K, размером примерно от 5,3 до 24,5 ГБ. Квантизация выполнена с использованием llama.cpp версии b3825 и метода imatrix; доступны варианты, оптимизированные для ARM-процессоров. Основные достоинства — широкий выбор компромиссов между размером, качеством и требованиями к памяти, при этом варианты Q5 и Q6 отмечены как высококачественные и рекомендуемые. Более сильная квантизация снижает качество, а конкретные языки, размер контекста, архитектура исходной модели и мультимодальные возможности в README не указаны. Лицензия в предоставленных данных не указана, поэтому условия использования необходимо уточнять в карточке исходной модели Undi95/Lumimaid-Magnum-12B и для конкретного файла.

Lumimaid-Magnum-v4-12B-GGUF — это набор квантизированных файлов модели для генерации текста, подготовленный bartowski на основе Undi95/Lumimaid-Magnum-v4-12B. Модель создана в формате GGUF для запуска через llama.cpp и совместимых приложений, включая LM Studio. В README указано, что исходная модель является результатом объединения моделей, однако подробности её архитектуры, языков и контекстного окна не приведены. Доступны варианты от F16 до низкобитных Q2- и IQ-квантизаций размером примерно от 4,79 до 24,50 ГБ. Варианты Q6_K и Q6_K_L обеспечивают очень высокое качество, а Q4_K_M указан как типичный вариант по умолчанию с хорошим балансом качества и размера. Более компактные варианты подходят для систем с ограниченным объёмом оперативной памяти, но могут заметно уступать по качеству. Для взаимодействия рекомендуется формат промпта <s>[INST]{prompt}[/INST]. Квантизация выполнена с использованием imatrix и llama.cpp release b4381. Лицензия в предоставленных данных не указана.

LWM-Text-Chat-512K — открытая авторегрессионная языковая модель семейства LLaMA, созданная LargeWorldModel на основе LLaMA-2. Это плотный трансформер с 6,6 млрд параметров и контекстом до 524 288 токенов, предназначенный для генерации текста и работы с очень длинными документами. Модель обучали в декабре 2023 года на подмножестве Books3: 3 500 документов длиной от 500 тысяч до 1 миллиона токенов. Модель может применяться для продолжения текста, диалога и анализа длинных материалов в пределах контекстного окна. Карточка не описывает отдельные результаты оценки качества или подробные ограничения; производительность на конкретных задачах следует проверять отдельно. В репозитории указаны веса PyTorch. Лицензия в предоставленных данных не указана.

M7Yamshadowexperiment28_Experiment29Pastiche — объединённая текстовая модель, созданная на основе automerger/M7Yamshadowexperiment28-7B и automerger/Experiment29Pastiche-7B. Она использует плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров. Модель предназначена для генерации текста и диалогов; максимальная длина контекста составляет 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. В карточке не описаны специализация по языкам, обучение и отдельные ограничения качества.

MaziyarPanahi/M7Yamshadowexperiment28_PasticheInex12 — объединённая автором модель на архитектуре Mistral для генерации текста и диалогов. Она создана слиянием automerger/M7Yamshadowexperiment28-7B и automerger/PasticheInex12-7B; модель содержит 7,1 млрд параметров и использует формат Safetensors. Модель принимает текст и генерирует текст, поддерживая контекст до 32 768 токенов. Репозиторий распространяется по лицензии Apache-2.0. README не уточняет языковую специализацию, обучающие данные или сравнительные преимущества модели.

MB-Zephyria-45b — экспериментальная текстовая модель SteelStorage, созданная на основе unsloth/Mistral-Small-Instruct-2409. В ней 55 слоёв: с 19-го слоя продублированы 30 слоёв, а последние 7 слоёв остаются уникальными. В метаданных указаны 44,3 млрд параметров и контекст до 131 072 токенов; архитектура — плотная MistralForCausalLM. Модель предназначена для диалогов и генерации текста, включая потенциально сложные рассуждения и творческие задачи; интерфейс поддерживает вызов инструментов. Автор описывает подход как Modified Balanced Approach with Extended Duplication, нацеленный на улучшение понимания и креативности. При этом README предупреждает, что слои down_proj и o_proj обнулены и требуют восстановления, поэтому качество модели может быть нарушено. Файлы представлены в формате safetensors и используются с библиотекой Transformers. Лицензия в предоставленных данных не указана.

MeliodasPercival_01_Experiment26Inex12 — объединённая автором репозитория MaziyarPanahi языковая модель на архитектуре Mistral с 7,1 млрд параметров. Она объединяет модели automerger/MeliodasPercival_01-7B и automerger/Experiment26Inex12-7B и предназначена для генерации текста и диалогов. Модель принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. Веса опубликованы в формате safetensors; лицензия — Apache-2.0. README не описывает специальные области применения или результаты оценки качества.

MeliodasT3qm7_Strangemerges_32T3q — объединённая модель Mistral, созданная слиянием automerger/MeliodasT3qm7-7B и automerger/Strangemerges_32T3q-7B. Она предназначена для генерации текста и диалоговых ответов. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Mistral и поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Карточка не описывает специализированные области применения, поддерживаемые языки или конкретные ограничения качества. Оценить сильные стороны и ограничения слияния по представленным сведениям нельзя.

Memgpt-slerp-7b-3 — объединённая модель генерации текста, созданная liminerity с помощью LazyMergekit. Она объединяет liminerity/Memgpt-slerp-7b-2 и liminerity/Mem-Beagle-7b-slerp-v6 методом SLERP; в конфигурации указаны базовая модель liminerity/Memgpt-slerp-7b-2 и формат весов bfloat16. Модель построена на архитектуре Mistral с плотной причинно-языковой сетью на 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для диалоговой генерации текста и может применяться для ответов на запросы, продолжения текста и ведения чата. В метаданных заявлена возможность chat; сведений о специализированных областях применения или языках в доступных данных нет. Файлы модели представлены в формате safetensors. Лицензия в предоставленных данных не указана.

ClaudioItaly/Memory-9 — диалоговая языковая модель на архитектуре Gemma 2, созданная слиянием методом SLERP моделей ArliAI/Gemma-2-9B-ArliAI-RPMax-v1.1 и UCLA-AGI/Gemma-2-9B-It-SPPO-Iter3. Веса представлены в формате safetensors; размер модели — 9 млрд параметров, контекст — до 8192 токенов. Модель предназначена для генерации текста в диалогах и ответов на запросы. Слияние сочетает характеристики исходных моделей; README описывает вариацию параметра слияния по слоям, но не приводит результатов оценки качества или подробных ограничений. Модель работает через библиотеку Transformers. Лицензия в предоставленных данных не указана.

TroyDoesAI/Merge1 — объединённая языковая модель, созданная TroyDoesAI методом SLERP с помощью mergekit из TroyDoesAI/Abliterated-Merge-WIP и TroyDoesAI/Abliterated-Merge-WIP-3. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров; она предназначена для генерации текста и диалогового общения. Модель принимает текст и выдаёт текст, поддерживает контекст до 8192 токенов и распространяется в формате safetensors. Модель опубликована 14 июля 2024 года. В README не приведены сведения о языках или предметной специализации, поэтому их нельзя уточнить. Лицензия в предоставленных данных не указана.

Meta-Llama-3-8B-Instruct-abliterated-v3-IMat-GGUF — это GGUF-квантизованная версия модели failspy/Meta-Llama-3-8B-Instruct-abliterated-v3, подготовленная пользователем legraphista с использованием llama.cpp. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск через совместимые инструменты, такие как llama.cpp. В основе лежит модель размером 8 миллиардов параметров с исходным форматом BF16 и архитектурой семейства Meta Llama 3. Репозиторий содержит варианты с точностью от 1 до 16 бит, включая BF16, FP16, Q8_0, Q6_K, Q5_K, Q4_K, Q3_K и Q2_K. Для ряда вариантов применена IMatrix-квантизация, призванная лучше сохранять качество при уменьшении размера модели. Доступны файлы размером примерно от 3,18 до 16,07 ГБ; точные поддерживаемые языки и размер контекстного окна в README не указаны. Сильные стороны модели — выбор разных уровней квантизации, возможность локального запуска и снижение требований к памяти по сравнению с полноразмерными вариантами. При этом более агрессивная квантизация может приводить к снижению качества, а конкретные характеристики зависят от выбранного файла. Модель распространяется по лицензии Llama 3; условия использования следует уточнять в тексте этой лицензии.

MFANN-llama3.1-abliterated-SLERP-v3.1 — диалоговая языковая модель на архитектуре Llama 3.1, созданная netcat420 с помощью слияния моделей через mergekit. В конфигурации указаны Meta-Llama-3.1-8B-Instruct-abliterated и две модели MFANN; итоговый репозиторий описан как слияние двух последних. Модель содержит 7,5 млрд параметров, использует формат Safetensors и рассчитана на контекст до 131 072 токенов по метаданным; в README приведены параметры запуска с длиной контекста 8192 токена. Модель предназначена для диалоговой генерации текста и ответов на запросы. README описывает обычный режим помощника и экспериментальный режим для задач кибербезопасности, включая наступательные сценарии. Указана лицензия Llama 3.1; перед использованием следует учитывать её условия и ограничения. Карточка не приводит оценок качества или результатов испытаний.

netcat420/MFANN-SFT-precursor-2 — объединённая текстовая модель автора netcat420, созданная методом SLERP с помощью mergekit. В объединение вошли mlabonne/Meta-Llama-3.1-8B-Instruct-abliterated и netcat420/MFANN-SFT-precursor-1; базовой указана первая модель. Архитектура — плотная LlamaForCausalLM, размер — 7,5 млрд параметров, формат весов — safetensors, библиотека — Transformers. Модель предназначена для диалогов и генерации текста. Она поддерживает контекст до 131 072 токенов и рассчитана на чат-сценарии, однако README не описывает её отдельные навыки или языковое покрытие. Лицензия в предоставленных данных не приведена.