II.1Анализ требований и архитектура ПО

SGK86/dsi-mistral-7b-searchtome-subset — дообученная компанией или автором SGK86 диалоговая языковая модель на базе mistralai/Mistral-7B-Instruct-v0.2. Модель использует архитектуру Mistral с 7,1 млрд параметров и предназначена для генерации текста в ответ на сообщения пользователя; README указывает на обучение с помощью TRL. Модель поддерживает диалоговый режим и контекст до 32 768 токенов. В карточке приведён пример генерации ответа на открытый вопрос через Transformers. Специальная предметная область или целевой язык в материалах не обозначены, поэтому модель можно рассматривать как инструмент общего назначения для текстовых диалогов. Используется библиотека Transformers, файлы представлены в формате safetensors. Лицензия в предоставленных данных не указана.

Experiment26Yamshadow_Ognoexperiment27M7 — объединённая текстовая модель на архитектуре Mistral, созданная из automerger/Experiment26Yamshadow-7B и automerger/Ognoexperiment27M7-7B. Она предназначена для генерации текста и может использоваться в задачах продолжения текста и диалоговых сценариях на базе текстовых запросов. Модель содержит 7,1 млрд параметров, принимает текстовый ввод и выдаёт текст; заявленная длина контекста — до 32 768 токенов. Веса опубликованы в формате Safetensors. Репозиторий распространяется по лицензии Apache-2.0. README не описывает отдельные оценки качества, поддерживаемые языки или специализированные области применения.

FANformer-1B — авторегрессионная языковая модель с архитектурой decoder-only, разработанная авторами FANformer и обученная с нуля. В ней используется FAN Layer для моделирования периодических закономерностей в данных. Модель содержит 1,1 млрд параметров и обучена на 1 трлн токенов. Модель предназначена для генерации и понимания текста общего назначения. Её можно дообучать для суммаризации, ответов на вопросы и диалогов. Карточка приводит результаты на стандартных бенчмарках, но они не гарантируют качество в конкретном применении. Модель выпущена под лицензией MIT. В метаданных указаны английский язык, библиотека Transformers и набор данных allenai/dolma. Модель может наследовать смещения обучающих данных; качество для языков с малым объёмом ресурсов не гарантируется.

jaspionjader/fr-5-8b — слитая диалоговая языковая модель на архитектуре Llama с 7,5 млрд параметров, созданная автором карточки с помощью mergekit методом SLERP из jaspionjader/fr-1-8b и jaspionjader/fr-4-8b. Модель предназначена для генерации текста и диалогового общения; каталог также отмечает поддержку чат-сценариев. Она принимает текст и выдаёт текст, использует библиотеку Transformers и имеет заявленный контекст до 131 072 токенов. В README указана точность bfloat16. Модель опубликована в формате safetensors. Языки и специализированные предметные области в предоставленных данных не обозначены. Лицензия в метаданных и README не указана.

Den4ikAI/FRED-T5-XL_instructor — русскоязычная инструкционная модель на архитектуре T5, разработанная Den4ikAI и основанная на FRED-T5-XL. Модель содержит около 870 млн параметров и предназначена для генерации текста в ответ на инструкции и запросы. Её можно применять для русскоязычных текстовых задач, сформулированных в виде инструкций. В метаданных указаны форматы PyTorch и Safetensors и лицензия MIT. Карточка не описывает конкретные результаты обучения или ограничения качества.

G2-9B-Aletheia-v1-GGUF — это квантизированные версии текстовой генеративной модели G2-9B-Aletheia-v1, разработанной allura-org и опубликованные в формате GGUF пользователем bartowski. Модель содержит около 9 миллиардов параметров; исходная модель связана с mergekit и объединением моделей, однако её точная архитектура, языки и максимальная длина контекста в README не указаны. Модель предназначена для генерации текста и локального запуска через llama.cpp или LM Studio. Доступны варианты от F16 размером 18,49 ГБ до компактных IQ2/Q2/Q3/Q4/Q5/Q6/Q8-квантизаций, что позволяет выбирать между качеством и требованиями к памяти. Квантизация выполнена с использованием imatrix на базе llama.cpp b4014. В README рекомендуется использовать варианты Q4_K_M, Q5, Q6 и некоторые IQ-форматы; версии Q3 и ниже экономят память, но заметно уступают по качеству. Для работы требуется соблюдать специальный формат prompt с маркерами ролей. Модель не поддерживает system prompt, что ограничивает сценарии, где системные инструкции являются обязательной частью диалога. Указана лицензия gemma; условия её применения следует учитывать при развёртывании и распространении.

AALF/gemma-2-27b-it-SimPO-37K — диалоговая модель генерации текста на базе Google Gemma 2. Разработчики дообучили Gemma 2 27B IT методом SimPO: для обучения отобрали 37 040 примеров из ultrafeedback_binarized, используя ArmoRM-Llama3-8B-v0.1 для оценки ответов. Модель рассчитана на диалог и создание ответов на текстовые запросы. Она имеет плотную архитектуру Gemma 2 с 27,6 млрд параметров и контекстное окно 8 192 токена. В репозитории указаны веса Safetensors и библиотека Transformers. Карточка не приводит отдельной оценки качества или списка поддерживаемых языков. Используется лицензия Gemma; условия её применения определяются лицензией Google Gemma.

ehristoforu создал эту модель как слияние через passthrough в mergekit на основе ehristoforu/Gemma2-9b-it-train6. Это плотная языковая модель семейства Gemma 2 с архитектурой Gemma2ForCausalLM и примерно 7,3 млрд параметров. Она предназначена для генерации текста в диалоговом режиме и подходит для создания ответов и продолжения текста по запросу. Модель принимает текст и выдаёт текст. В метаданных указан контекст до 8192 токенов; веса опубликованы в формате safetensors. README описывает повторное включение последнего слоя базовой модели при сборке, но не приводит сравнений качества или подробностей обучения. Лицензия в предоставленных данных не указана.

DavidAU/Gemma-3-27b-it-Gemini-Heretic-Uncensored-Deeper-Reasoning-Series2 — это дообученная с помощью Unsloth чат-модель Gemma 3 на 27 млрд параметров, основанная на coder3101/gemma-3-27b-it-heretic. Она предназначена для диалогов, ролевых сценариев и генерации ответов с углублённым рассуждением; рассуждение можно активировать фразой «think deeply:» или системным промптом, а обработка изображений сохранена. Модель принимает текст и изображения, формирует текстовые ответы, поддерживает английский язык и контекст до 128 тысяч токенов. Автор заявляет о снижении числа отказов и приводит результаты бенчмарков, однако это самооценка из карточки, а не независимая проверка. Модель может генерировать откровенный контент; для более явного стиля иногда требуется прямое указание. Выпущена под лицензией Apache-2.0.

PollardWeights/gemma-4-12B-it-Pollard — квантизированная GGUF-версия модели google/gemma-4-12B-it, подготовленная PollardWeights с использованием llama.cpp и метода Pollard Weights. Модель содержит около 11,9 млрд параметров, использует архитектуру gemma4_unified и предназначена для генерации текста и диалоговых сценариев. Она поддерживает текстовые, визуальные и аудиовходы; заявленный язык — английский. В README приведены измерения качества при контексте 2048 токенов, но максимальная длина контекста не указана. Модель рассчитана на локальный запуск в llama.cpp и совместимых приложениях, включая Ollama, LM Studio, koboldcpp, Jan и ramalama. Доступны варианты с разным соотношением размера и точности: IQ2_XXS размером 4,64 ГБ, IQ4_XS размером 6,78 ГБ и Q6_K размером 9,65 ГБ. Квантизация использует распределение битов по чувствительности отдельных слоёв и калибровку imatrix, что позволяет существенно уменьшить требования к памяти; наиболее точным из представленных вариантов является Q6_K, а IQ2_XXS — самым компактным, но с заметно более высоким perplexity. Ограничения включают снижение качества по сравнению с f16, отсутствие данных о широком тестировании и проверку измерений на одной машине. Распространяется по лицензии Apache-2.0, унаследованной от базовой модели.

mradermacher/gpt-oss-20b-offload-i1-GGUF — квантизированная версия модели gpt-oss-20b-offload, разработанной myselfsaurabh и квантизированной mradermacher. Модель относится к causal language model с архитектурой mixture-of-experts и предназначена для генерации и обработки текста на английском языке. Распространяется в формате GGUF и ориентирована на запуск с распределением нагрузки между CPU и GPU, в том числе в средах вроде Colab. Размер исходной модели заявлен как 20B параметров, однако точные сведения о контекстном окне и мультимодальности отсутствуют. Репозиторий содержит варианты квантизации i1 с разными типами и размерами, примерно от 12,1 до 22,3 ГБ, включая IQ- и Q-варианты. Это позволяет выбирать компромисс между скоростью, занимаемой памятью и качеством; среди рекомендуемых указаны i1-Q4_K_S и i1-Q4_K_M, тогда как наиболее агрессивные варианты могут заметно снижать качество. Модель подходит для локального текстового вывода при ограниченных ресурсах, но README не содержит результатов бенчмарков или подробной оценки качества. Указана лицензия MIT.

Hemlock-Tincture-14B-i1-GGUF — это квантизированная версия текстовой генеративной модели Hemlock-Tincture-14B, разработанной nbeerbower и преобразованной в формат GGUF пользователем mradermacher. Модель обучалась с использованием наборов данных Hemlock2-DPO, hemlock-codex-SFT и hemlock-formulary-SFT, что указывает на применение методов DPO и SFT для улучшения следования инструкциям и работы с текстом. Модель предназначена для генерации текста на английском языке и может использоваться в локальных сценариях через совместимые с GGUF инструменты. Указан размер базовой модели 14B, однако сведения о конкретной архитектуре, длине контекста, поддерживаемых модальностях и точных функциональных возможностях отсутствуют. Доступны варианты квантизации от i1-IQ1_S до i1-Q6_K с размером файлов примерно от 3,7 до 12,2 ГБ; варианты различаются балансом между качеством, скоростью и требованиями к памяти. К сильным сторонам относятся широкий выбор вариантов квантизации и возможность локального запуска, а также обучение на специализированных наборах данных для диалоговых и кодовых сценариев. Ограничения включают работу только с текстом, заявленную поддержку английского языка и потенциальное снижение качества у наиболее компактных вариантов квантизации. Лицензия в README не указана, поэтому условия использования необходимо уточнять отдельно.

Homer-calme-2.4-78b-mix — объединённая языковая модель на архитектуре Qwen2, созданная с помощью mergekit линейным слиянием моделей calme-2.4-rys-78b и homer-78b. Модель homer-78b была дообучена методом SFT на calme-2.4-rys-78b. Модель предназначена для генерации текста и диалогового общения. Она содержит 76,7 млрд параметров и поддерживает контекст до 32 768 токенов. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия — Apache-2.0. Карточка не приводит результаты оценивания и подробное описание поведения модели, поэтому качество для конкретных задач по ней оценить нельзя.

Это GGUF-квантизация модели Huihui-gpt-oss-20b-BF16-abliterated-v2, опубликованная noctrex. Репозиторий содержит вариант MXFP4_MOE; метаданные указывают на поддержку текстовой генерации и диалогового взаимодействия. Модель предназначена для генерации текста и ведения диалогов. Её можно использовать в приложениях, которым нужна локально запускаемая GGUF-модель, совместимая с подходящими инструментами для этого формата. В README не описаны конкретные ограничения качества или условия лицензии. Связь с Huihui-gpt-oss-20b-BF16-abliterated-v2 указана в метаданных как дообучение, а представленный репозиторий содержит MXFP4_MOE-квантизацию.

Карточка модели HFCK99/Huihui-Qwythos-9B-Claude-Mythos-5-1M-abliterated на Hugging Face совпадает с карточкой huihui-ai/Huihui-Qwythos-9B-Claude-Mythos-5-1M-abliterated, поэтому описание составлено по ней. Huihui-Qwythos-9B-Claude-Mythos-5-1M-abliterated — созданная huihui-ai версия модели empero-ai/Qwythos-9B-Claude-Mythos-5-1M с применением abliteration. Это плотная модель семейства Qwen 3.5 с 9 млрд параметров, предназначенная для диалоговой генерации текста и рассуждений; базовая модель заявляет поддержку контекста до 1 млн токенов, однако README этой версии отдельно не подтверждает сохранение такой длины контекста. Модель рассчитана на англоязычные запросы и может использоваться для генерации ответов, следования инструкциям и агентных сценариев с инструментами. Фильтрация безопасности существенно снижена, поэтому модель может выдавать чувствительный, спорный или неподходящий контент; результаты следует внимательно проверять. Метаданные указывают библиотеку Transformers и формат весов safetensors. Лицензия — Apache-2.0.

Hy3-Razor-226B-A21B-E144of192 — производная диалоговая модель Tencent Hy3, сжатая методом RAZOR. В каждом MoE-слое оставлены 144 из 192 маршрутизируемых экспертов; остальные удалены без градиентного дообучения и восстановления. В метаданных указано 16,6 млрд параметров, тогда как README приводит 226 млрд для этого чекпойнта и 295 млрд для базовой модели. На токен активно около 21 млрд параметров. Модель предназначена для генерации текста в диалогах и других сценариях, поддерживаемых базовой Hy3. Пул экспертов сокращён для снижения вычислений на токен; внимание, общие эксперты, эмбеддинги и языковая голова сохранены. Контекст — 262 144 токена. Для запуска требуется версия Transformers с реализацией архитектуры hy_v3; веса представлены в bfloat16. Удаление экспертов является потерей информации: хотя точность задач может в значительной степени сохраняться, меняются разнообразие ответов, форматирование и поведение при завершении генерации. Поведение на областях, далёких от конечного калибровочного набора, не охарактеризовано. Лицензия — Apache-2.0.

Kimiko v2 13B — языковая модель для генерации текста и диалогового взаимодействия, созданная nRuaif. В данном репозитории TheBloke предоставляет её квантизированные версии в формате GGUF для запуска через llama.cpp и совместимые инструменты. Модель основана на архитектуре Llama и имеет около 13 миллиардов параметров; заявленный язык — английский. Модель предназначена для чат-сценариев, ответов на вопросы и других задач генерации текста. В README приведён шаблон запросов в стиле Vicuna, ориентированный на получение полезных, подробных и вежливых ответов. Формат GGUF поддерживает метаданные, специальные токены и различные уровни квантования, включая 2-, 3-, 4-, 5-, 6- и 8-битные варианты, что позволяет выбирать компромисс между качеством, размером файлов и требованиями к памяти. Поддерживаются CPU+GPU-сценарии и такие инструменты, как llama.cpp, text-generation-webui, KoboldCpp, LM Studio, llama-cpp-python и другие. К сильным сторонам относятся широкий выбор уровней квантования и совместимость с популярной экосистемой локального запуска моделей. Ограничения включают отсутствие заявленной поддержки дополнительных модальностей и других языков, а также возможное снижение качества у более агрессивно квантизированных вариантов. Условия лицензирования неоднозначны: указана лицензия creativeml-openrail-m, при этом модель также основана на Llama 2 и подпадает под условия лицензии Meta Llama 2; разработчик рекомендует уточнять взаимодействие этих лицензий в исходном репозитории.

koOpenChat-sft-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель, полученная объединением mistralai/Mistral-7B-Instruct-v0.2 и maywell/koOpenChat-sft методом SLERP. Она основана на плотной архитектуре Mistral и содержит 7,1 млрд параметров; репозиторий предоставляет веса в формате Safetensors. Модель предназначена для генерации текста и диалоговых ответов на инструкции, с контекстом до 32 768 токенов. Модель подходит для чат-ботов, ответов на вопросы и других сценариев общения на естественном языке. Метаданные не подтверждают специализированные предметные области или перечень поддерживаемых языков. Лицензия — Apache-2.0.

jaspionjader/Kosmos-EVAA-Franken-Immersive-v39-8B — объединённая автором jaspionjader языковая модель на архитектуре Llama с 7,5 млрд параметров. Она создана методом SLERP с помощью mergekit из моделей jaspionjader/fr-18-8b и jaspionjader/Kosmos-EVAA-Franken-v38-8B и предназначена для генерации текста в диалоговом формате. Модель принимает текст и выдаёт текст; заявленная длина контекста — 131 072 токена. Репозиторий содержит веса в формате safetensors и рассчитан на использование с библиотекой Transformers. В карточке не описаны специализация по языкам, конкретные преимущества, результаты оценки или ограничения качества. Лицензия в предоставленных данных не указана.

Kosmos-EVAA-PRP-v30-8B — языковая модель для генерации текста, созданная объединением моделей jaspionjader/Kosmos-EVAA-PRP-v29-8B и jaspionjader/Kosmos-EVAA-gamma-light-8B методом SLERP с помощью mergekit. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и 7,5 млрд параметров; она принимает текст и генерирует текст, поддерживая контекст до 8192 токенов. Модель можно применять для диалога, продолжения текста и других задач генерации на основе текстового запроса. README не указывает целевые языки и специализированные области применения. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных данных не указана.

Kuno-Lake-7B — объединённая языковая модель на архитектуре Mistral, опубликованная saishf. Она создана методом DARE TIES с помощью mergekit на базе mistralai/Mistral-7B-v0.1 с включением моделей senseable/WestLake-7B-v2 и SanjiWatsuki/Kunoichi-DPO-v2-7B. Модель предназначена для генерации текста и диалоговых сценариев. Она содержит 7,1 млрд параметров, принимает текст и имеет контекстное окно до 32 768 токенов. В README приведены результаты Open LLM Leaderboard, включая оценки по AI2 Reasoning Challenge и HellaSwag. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Карточка не описывает целевые языки и прикладные области, поэтому её языковую специализацию определить нельзя.

L3.1-8b-TheSpice-V0.9-Base-v2 — текстовая генеративная модель семейства Llama, опубликованная cgato. Это версия на 7,5 млрд параметров с плотной архитектурой LlamaForCausalLM и контекстом до 131 072 токенов; для диалогов используется формат ChatML. Модель прошла начальный этап дообучения на общих данных и предназначена для генерации текста и диалоговых сценариев общего назначения. Она не настроена специально для ролевых игр и не проходила обучение с подкреплением, поэтому автор отмечает, что ответы могут быть несфокусированными. В репозитории указаны веса Safetensors. Лицензия CC BY-NC 4.0 разрешает использование с атрибуцией, но запрещает коммерческое применение.

Laylewcules-7B-v.02 — языковая модель на архитектуре Mistral, созданная Nitral-Archive слиянием двух моделей методом SLERP: Nitral-AI/Lewcules-7B-v.02 и l3utterfly/mistral-7b-v0.2-layla-v4. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста. В README также заявлена возможность работы с изображениями через multimodal-проектор mmproj при использовании Koboldcpp; это расширяет сценарии применения до общения с визуальными данными. В репозитории представлены веса Safetensors и GGUF F16. Сведения о лицензии, поддерживаемых языках и специальных ограничениях в предоставленных источниках отсутствуют.

DeepAutoAI/ldm_soup_Llama-3.1-8B-Inst — текстовая генеративная модель от deepAuto.ai, созданная на основе VAGOsolutions/Llama-3.1-SauerkrautLM-8B-Instruct. Разработчики обучили латентную диффузионную модель на весах базовой модели, чтобы исследовать пространство весов, затем усреднили несколько наборов параметров методом model soup и объединили их линейной интерполяцией. В метаданных базовой моделью указана meta-llama/Llama-3.1-8B-Instruct; архитектура — плотная LlamaForCausalLM, размер — 7,5 млрд параметров. Модель предназначена для диалога и генерации текста. При подборе весов использовались наборы Winogrande и ARC-Challenge; в карточке также заявлено улучшение на ранее не виденных задачах лидербордов. Поддерживается контекст до 131 072 токенов, язык карточки — английский. Модель опубликована в формате safetensors и лицензирована по Apache 2.0. Работа над проектом, согласно карточке, продолжается; результаты представлены для оценки бенчмарков и не гарантируют качество на произвольных задачах. Подробности таблицы результатов в доступном тексте README приведены не полностью.

LFM2-24B-A2B-MLX-bf16 — экспорт модели LFM2-24B-A2B в формате MLX от Liquid AI, предназначенный для инференса на компьютерах Apple Silicon. Это причинная языковая модель с архитектурой Mixture of Experts: в ней 24 млрд параметров, из которых активны около 2 млрд на токен; используются 64 эксперта с выбором четырёх экспертов на токен. Репозиторий рассчитан на запуск через библиотеку mlx-lm. Модель предназначена для генерации текста и диалогов. Метаданные указывают контекст до 128 000 токенов и английский язык; базовая модель описана как многоязычная. README приводит рекомендуемые параметры сэмплирования, включая temperature 0.1 и top_p 0.1. В метаданных указана лицензия other, поэтому конкретные условия использования следует сверять с лицензией репозитория. Экспорт ориентирован на Apple Silicon; сведения о качестве на других устройствах или сравнительных оценках не приведены.

Dohyeon1/LFM2-M-SMoE-ngroups24 — генеративная языковая модель, опубликованная на Hugging Face. По метаданным она предназначена для задачи text-generation, поддерживает библиотеку Transformers и имеет теги LFM2 MoE и conversational, указывающие на применение в диалоговых сценариях. В README сведения о разработчике, обучении и назначении модели не заполнены. Модель содержит около 1,4 млрд параметров и рассчитана на контекст до 128 000 токенов. Её можно использовать для генерации продолжений текста, построения диалоговых интерфейсов, подготовки черновиков и других задач, где требуется авторегрессионная генерация текста. Лицензия, поддерживаемые естественные языки, результаты оценки, данные обучения и конкретные ограничения в доступных материалах не описаны. Перед использованием в критически важных сценариях необходимы собственные проверки качества, безопасности и соответствия целевому языку и домену.

LION-LLaMA-3-8b-odpo-v1.0 — диалоговая языковая модель Columbia-NLP, дообученная на основе Columbia-NLP/LION-LLaMA-3-8b-dpo-v1.0 с помощью online DPO. Модель использует плотную архитектуру LLaMA и содержит 7,5 млрд параметров; для генерации диалога предусмотрен chat template. Контекст — до 8192 токенов. Модель предназначена для генерации ответов в диалоге и улучшена обучением по предпочтениям, включая этапы SFT, DPO и online preference learning в конвейере LION. Основной язык — английский. README описывает результаты серии LION, но не приводит отдельные численные показатели для этой версии. Модель распространяется по условиям LLaMA 3 Terms of Use. Как и другие генеративные языковые модели, она может выдавать неточные или нежелательные ответы; её надёжность зависит от запроса и сценария применения.

openaccess-ai-collective/llama-13b-alpaca-wizard-vicuna — языковая модель OpenAccess AI Collective, дообученная для генерации текста в формате инструкций на основе Llama с использованием наборов Alpaca-GPT4 и WizardLM. Модель имеет плотную архитектуру LlamaForCausalLM и 12,9 млрд параметров; её контекст составляет 2048 токенов. Репозиторий содержит веса PyTorch и предназначен для запуска через Transformers. Модель подходит для ответов на инструкции и вопросы, диалоговой генерации и создания текстов на английском языке. README описывает этапы дообучения на Alpaca-GPT4 и WizardLM, а также упоминает Vicuna как планируемый этап. Лицензия репозитория — Apache-2.0. Карточка не приводит оценок качества или подробных ограничений применения; короткий контекст и возраст модели следует учитывать при выборе для современных задач.

Это fp16-конверсия модели Llama 2 70B Guanaco QLoRA, созданной Mikael110 и размещённой в формате PyTorch компанией TheBloke. Базовая модель была дообучена методом QLoRA по обучающим скриптам QLoRA; эта версия предназначена для диалогового общения и ответов на запросы по шаблону Guanaco «### Human: … ### Assistant:». Веса содержат 68,7 млрд параметров, архитектура — плотная LlamaForCausalLM, контекст — до 2048 токенов. Модель принимает текст и генерирует текст, в первую очередь на английском языке. Её можно использовать для чат-ботов, ответов на вопросы и диалоговых помощников. Для запуска требуются значительные вычислительные ресурсы из-за размера модели. Репозиторий распространяется по лицензии other; README указывает, что действуют ограничения на использование исходной Llama 2, а также что модель предоставляется без гарантий.

unsloth/Llama-3.1-8B — текстовая генеративная модель на архитектуре Llama 3.1, представленная Unsloth как основа для экспериментов с дообучением, в том числе для создания моделей рассуждения. По метаданным, это плотная авторегрессионная модель класса LlamaForCausalLM на 7,5 млрд параметров, опубликованная в формате safetensors; базовая модель — meta-llama/Llama-3.1-8B. Модель предназначена для генерации текста и адаптации к задачам естественного языка. Семейство Llama 3.1 поддерживает английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский; контекстное окно составляет 131 072 токена. README описывает возможности семейства, включая диалоговые сценарии для настроенных версий, но эта карточка относится к базовой модели, поэтому качество общения по инструкциям не следует считать гарантированным. Лицензия — Llama 3.1 Community License с условиями коммерческого и исследовательского использования и ограничениями из лицензии и Acceptable Use Policy. Модель статична и обучена на офлайн-данных; генерация может содержать ошибки, а безопасность и качество в конкретном сценарии требуют проверки.