II.1Анализ требований и архитектура ПО

MeliodasPercival_01_Ognoexperiment27Multi_verse_model — объединённая модель Mistral, созданная на основе automerger/MeliodasPercival_01-7B и automerger/Ognoexperiment27Multi_verse_model-7B. Она предназначена для генерации текста и поддерживает контекст до 32 768 токенов. Модель содержит 7,1 млрд параметров и распространяется в формате safetensors по лицензии Apache-2.0. Карточка подтверждает объединение двух моделей и задачу генерации текста, но не описывает специализацию, языки или конкретные сценарии применения. Поэтому модель можно рассматривать для общего текстового диалога и генерации, учитывая, что качество и поведение в отдельных задачах не заявлены.

mergekit-community/mergekit-ties-vjlpsxw — языковая модель на архитектуре Mistral, созданная сообществом методом TIES с помощью mergekit. В качестве базовой использована amazingvince/Not-WizardLM-2-7B, а в слияние также вошли MaziyarPanahi/Calme-7B-Instruct-v0.9 и cognitivecomputations/dolphin-2.8-mistral-7b-v02. Модель содержит 7,1 млрд параметров, распространяется в формате safetensors и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых ответов. Её можно использовать для написания и продолжения текстов, а также для общения с инструктивной языковой моделью. Метаданные указывают задачу text-generation; подтверждённых специализированных предметных областей или языков в предоставленных сведениях нет. Модель создана путём слияния нескольких чекпойнтов, а не обучена с нуля. В карточке не указаны лицензия и отдельные оценки качества, поэтому условия использования следует сверить с лицензиями исходных моделей.

MFANN3b-SFT-Rebase — слитая языковая модель семейства Phi, созданная с помощью mergekit методом SLERP из liminerity/Phigments12 и netcat420/MFANN3b-Rebase. Модель содержит 3,5 млрд параметров и предназначена для генерации текста; она загружается через Transformers и опубликована в формате safetensors. Модель принимает текст и генерирует текст. Её контекст составляет до 2048 токенов. Карточка не описывает специальную область применения или языковую специализацию, поэтому её можно рассматривать как модель общего назначения. Лицензия в предоставленных данных не указана.

MFANN-Llama3.1-Abliterated-SLERP-TIES-V3 — диалоговая языковая модель семейства Llama 3.1, созданная netcat420 с помощью mergekit: методом TIES объединены mlabonne/Meta-Llama-3.1-8B-Instruct-abliterated и две модели MFANN. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и доступна в формате safetensors для Transformers. Метаданные указывают контекст до 131 072 токенов; в README приведены рекомендуемые настройки запуска с длиной контекста 8 192 токена. Модель предназначена для генерации текста и диалоговых ответов. README также описывает экспериментальный режим SATANN для сценариев киберопераций, а базовая модель характеризуется как модель с ослабленными ограничениями на ответы. Такое описание не подтверждает качество или безопасность её применения в этих сценариях. Лицензия в предоставленных данных не указана.

MiniMax-M2.1-REAP-40-i1-GGUF — это GGUF-квантизированная версия модели 0xSero/MiniMax-M2.1-139B, подготовленная и опубликованная mradermacher. Модель относится к семейству MiniMax, использует архитектуру Mixture of Experts (MoE) и является pruned-вариантом REAP. Формат предназначен для запуска и дальнейшего использования в совместимых локальных инструментах для генерации текста. Основной заявленный язык — английский. Модель ориентирована на текстовые сценарии, включая генерацию и обработку текста, однако README не содержит подробностей о специализированных задачах, точном числе активных и общих параметров, длине контекста или дополнительных модальностях. Доступно множество вариантов квантизации с размером примерно от 28,6 до 114,4 ГБ. Более компактные варианты требуют меньше ресурсов, но могут заметно уступать по качеству; среди рекомендованных указаны i1-Q4_K_M как быстрый вариант и i1-Q4_K_S как компромисс между размером, скоростью и качеством. Преимуществами являются широкий выбор уровней квантизации и возможность адаптировать требования к памяти под конкретное оборудование. Ограничения связаны с потерями качества у низкобитных вариантов и высокими требованиями к ресурсам у более точных версий; конкретные показатели производительности и качества в README не приведены. Модель распространяется по лицензии Apache-2.0.

unsloth/MiniMax-M2-GGUF — GGUF-версия модели MiniMax-M2, разработанная на основе MiniMaxAI/MiniMax-M2 и опубликованная командой Unsloth. Модель относится к классу text-generation и предназначена для генерации текста и интеграции в приложения, использующие совместимый с GGUF формат. README не содержит сведений об архитектуре, количестве параметров, доступных квантизациях, размере контекста, поддерживаемых языках и модальностях, поэтому эти характеристики нельзя достоверно определить. Также не приведены результаты тестирования, конкретные сценарии применения, требования к аппаратному обеспечению или сведения об ограничениях качества. Лицензия модели — MIT, что допускает широкое использование на условиях этой лицензии.

miquliz-120b — плотная языковая модель для генерации текста и диалогов, созданная wolfram методом слияния слоёв miqu-1-70b-sf и lzlv_70b_fp16_hf с помощью mergekit. Модель содержит около 117,5 млрд параметров, использует архитектуру Llama и рассчитана на контекст до 32 768 токенов. Для диалогов в карточке приведён шаблон Mistral: [INST] {prompt} [/INST]. Модель предназначена для локального запуска и общего текстового общения; автор отмечает, что её заменил улучшенный вариант miquliz-120b-v2.0. В опубликованном отзыве пользователи сообщают о менее связных ответах по сравнению с miqu-1-120b, поэтому качество генерации может быть непоследовательным. Репозиторий содержит веса safetensors, а в карточке также указаны варианты EXL2 и GGUF. README не сообщает лицензию; автор описывает исходные веса как утечку, что создаёт правовую и этическую неопределённость использования.

Это вариант базовой модели Mistral-7B, подготовленный автором arnavgrg: веса линейных слоёв сначала квантизировали до NF4 с помощью bitsandbytes, а затем развернули обратно в FP16. Такой подход предназначен для инференса через Transformers и призван избежать затрат на деквантизацию при каждом проходе модели. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и имеет контекстное окно до 32 768 токенов. Модель подходит для генерации текста на основе текстового запроса и может использоваться в сценариях, поддерживаемых базовой Mistral-7B. README приводит пример загрузки в FP16 через Transformers. Повторное развертывание после NF4-квантизации не возвращает исходную точность: веса линейных слоёв искажены с потерями, поэтому качество может быть ниже официальной базовой модели. Лицензия — Apache-2.0.

Mistral7B-PairRM-SPPO-Iter3-GGUF — набор квантизированных версий языковой модели Mistral7B-PairRM-SPPO-Iter3, первоначально разработанной UCLA-AGI. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix; доступны форматы GGUF с уровнями квантизации от Q8_0 до IQ2_XS. Модель предназначена для генерации текста на английском языке и обучалась с использованием датасета openbmb/UltraFeedback. Модель рассчитана на локальный запуск через llama.cpp и совместимые инструменты. Более качественные варианты Q6_K, Q5_K_M, Q5_K_S и Q4_K_M рекомендуются для большинства сценариев, а низкобитные варианты позволяют сократить требования к оперативной памяти ценой качества. Поддерживается формат промпта «<s> [INST] {prompt} [/INST]</s>»; системный промпт не поддерживается. Модель является текстовой, сведения о контекстном окне и дополнительных модальностях не указаны. Распространяется по лицензии Apache-2.0.

Mistral-Small-Instruct-2409-abliterated — текстовая инструктивная языковая модель, созданная автором byroneverson на основе Mistral-Small-Instruct-2409. Автор сообщает, что применил к модели abliteration; она предназначена для диалогов и генерации ответов по инструкциям. Это плотная архитектура MistralForCausalLM размером 22 млрд параметров с контекстом до 32 768 токенов; карточка указывает английский язык и использование Transformers. Модель принимает текст и генерирует текст. Карточка описывает способ преобразования, но не приводит оценок качества или подробных результатов тестирования, поэтому их нельзя надёжно сравнить с исходной моделью. Указана лицензия MRL (mrl) с типом «other» на Hugging Face; проверьте её условия перед использованием.

Undi95/MM-ReMM-L2-20B — слитая языковая модель семейства Llama, опубликованная Undi95. Она объединяет Gryphe/MythoMax-L2-13b и Undi95/ReMM-v2.1-L2-13B с использованием промежуточного варианта ReMM, смешанного с MythoMax для сохранения согласованности ответов. Модель предназначена для генерации текста и диалоговых сценариев с шаблоном Alpaca. Модель содержит 19,8 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текст на вход, генерируя текст на выходе. Родной контекст — 4096 токенов; веса опубликованы в формате safetensors. В README приведены результаты оценивания на ARC и HellaSwag, однако полная таблица в доступном тексте отсутствует. Лицензия CC BY-NC 4.0 требует атрибуции и ограничивает коммерческое использование.

MN-GRAND-Gutenberg-Lyra4-Lyra-12B-DARKNESS — текстовая генеративная модель, опубликованная DavidAU. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM и 12,1 млрд параметров; веса представлены в формате safetensors и доступны для прямого использования или последующей конвертации в форматы квантования, включая GGUF, GPTQ, EXL2, AWQ и HQQ. Каталог указывает контекст до 1 024 000 токенов и поддержку диалогового режима. Модель предназначена для генерации текста в диалогах и других текстовых сценариях. README советует подбирать параметры и сэмплеры с учётом особенностей модели, однако подробные настройки и примеры в карточке недоступны. Указаний о поддерживаемых естественных языках и лицензии в предоставленных данных нет.

zelk12/MT1-Gen3-MU-gemma-2-S2S5-9B — плотная языковая модель семейства Gemma 2 с 9 млрд параметров, созданная слиянием моделей allknowingroger/Gemmaslerp2-9B и allknowingroger/GemmaSlerp5-10B методом SLERP с помощью mergekit. Репозиторий содержит веса в формате Safetensors; модель доступна для текстовой генерации и диалогового взаимодействия, использует архитектуру Gemma2ForCausalLM и имеет контекст до 8192 токенов. Модель подходит для генерации продолжений текста и ведения диалога на основе текстовых запросов. В README приведены базовые модели и параметры слияния, но не описаны специальные предметные навыки или оценки качества. Лицензия в предоставленных данных не указана.

zelk12/MT1-IMMMU-gemma-2-9B — объединённая языковая модель на базе Gemma 2, созданная разработчиком zelk12 методом SLERP с помощью mergekit из моделей zelk12/MT1-IM-gemma-2-9B и zelk12/MT1-MMU-gemma-2-9B. Модель предназначена для генерации текста и диалогового общения; репозиторий указывает архитектуру Gemma2ForCausalLM и размер 9 млрд параметров. Модель работает с текстом и имеет контекстное окно 8192 токена. Файлы представлены в формате safetensors; библиотека для работы — Transformers. Метаданные и README не описывают специализированные предметные области или дополнительные возможности. Лицензия в доступных данных не указана.

zelk12 создал эту разговорную языковую модель как слияние двух предварительно обученных моделей Gemma 2 9B с помощью метода SLERP и инструмента mergekit. Модель предназначена для генерации текста в диалоговом формате и поддерживает контекст до 8192 токенов. Модель содержит 9 млрд параметров, использует архитектуру Gemma2ForCausalLM и распространяется в формате safetensors для библиотеки Transformers. В карточке не описаны специальные области применения и языковой охват. Лицензия в предоставленных данных не указана.

Nemo-Loony-12B-experimental — экспериментальное объединение предобученных языковых моделей, созданное nbeerbower с помощью mergekit и метода TIES. В качестве базовой модели использована nbeerbower/mistral-nemo-gutenberg-12B-v2; в объединение также вошли nbeerbower/SmolNemo-12B-FFT-experimental, nbeerbower/Mistral-Nemo-Moderne-12B-FFT-experimental и nbeerbower/Mistral-Nemo-Prism-12B-v2. Модель построена на архитектуре MistralForCausalLM, содержит 12,1 млрд параметров и предназначена для генерации текста и диалогового общения. Принимает текст и выдаёт текст; заявленная длина контекста составляет 1 024 000 токенов. Файлы представлены в формате safetensors, библиотека — Transformers. Карточка не приводит конкретных языков или специализированных предметных областей. Модель помечена как экспериментальная, поэтому качество и стабильность ответов могут варьироваться. Лицензия в предоставленных данных не указана.

Kukedlc/NeuralLLaMa-3-8b-ORPO-v0.4 — разговорная языковая модель, размещённая пользователем Kukedlc на Hugging Face. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM; метаданные указывают 7,5 млрд параметров, контекст до 8192 токенов и веса в формате Safetensors. Модель предназначена для генерации текста в диалоговом формате и запускается через Transformers или совместимые серверы инференса. Карточка Hugging Face автоматически сгенерирована и не описывает разработчика, обучающие данные, языки или конкретные сценарии применения. Название указывает на ORPO и версию v0.4, но карточка не подтверждает подробности обучения. Указана лицензия Apache-2.0.

NeuralsirkrishnaShadow_Experiment24Ognoexperiment27 — объединённая модель для генерации текста, созданная на основе automerger/NeuralsirkrishnaShadow-7B и automerger/Experiment24Ognoexperiment27-7B. Модель разработана MaziyarPanahi и построена на архитектуре Mistral; она содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Её можно использовать для составления ответов, продолжения текста и ведения беседы. Репозиторий содержит веса в формате Safetensors, лицензия — Apache 2.0. Сведения о специализации по языкам и предметным областям отсутствуют.

NexoNimbus-MoE-2x7B — языковая модель на архитектуре Mixtral с механизмом смеси экспертов, созданная объединением abideen/NexoNimbus-7B и mlabonne/NeuralMarcoro14-7B. Она предназначена для генерации текста и диалоговых сценариев. В README приведены результаты оценки на Open LLM Leaderboard и TruthfulQA; автор заявляет средний результат 67,51% в указанной оценке. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст, поддерживает английский язык и контекст до 32 768 токенов. Весовые файлы опубликованы в формате safetensors, для работы указан Transformers. Лицензия — Apache-2.0. README также предлагает запуск в 4-битной точности на GPU T4.

Ninja-V2-7B — 7.1B параметрическая плотная языковая модель семейства Mistral, разработанная проектом Local-Novel-LLM-project. Она создана слиянием моделей и предназначена для диалогов, генерации текста и художественного письма; для чата можно использовать шаблон Vicuna-1.1, а для обычной генерации текста специальный шаблон не рекомендуется. Модель работает с текстом и имеет контекст до 32 768 токенов. В рецепте описана сборка через mergekit из MTSAIR/multi_verse_model и HuggingFaceH4/zephyr-7b-beta с базовой моделью amazingvince/Not-WizardLM-2-7B; README также упоминает последующие этапы создания Ninja-V2-Base, Novels-7B и Ninja-V2. Репозиторий содержит веса Safetensors и распространяется по лицензии Apache-2.0.

Notus 7B v1 — диалоговая модель Argilla с архитектурой Mistral и 7,1 млрд параметров. Она дообучена методом Direct Preference Optimization (DPO) на базе alignment-handbook/zephyr-7b-sft-full с использованием набора argilla/ultrafeedback-binarized-preferences, в котором предпочтения ответов размечены по рейтингам и предварительно очищены от части проблем исходного UltraFeedback. Модель предназначена для диалоговых приложений и генерации ответов на запросы преимущественно на английском языке. В карточке приведены сравнительные результаты на MT-Bench, AlpacaEval и Open LLM Leaderboard; заявлено преимущество над Zephyr-7B-beta на AlpacaEval. Контекст составляет до 32 768 токенов. Лицензия — MIT. Модель унаследовала ограничения обучающих данных и оценки: авторы отмечают, что в UltraFeedback присутствовали промпты из TruthfulQA, поэтому результат на этом бенчмарке может быть недостоверным. Карточка также указывает, что будущая очистка данных может изменить результаты.

Nova-Tempus-70B-v0.1-GGUF — это квантизированная версия текстовой генеративной модели Nova-Tempus-70B-v0.1, разработанной sophosympatheia и подготовленной для распространения в формате GGUF пользователем bartowski. Модель предназначена для локального запуска и генерации текста, в частности через llama.cpp и LM Studio. В README также указано, что исходная модель создана с использованием mergekit, однако подробности объединяемых моделей не приведены. Модель имеет размер 70B параметров и поддерживает английский язык. Она работает в текстовой модальности; сведения о мультимодальности, максимальном размере контекста и точной архитектуре отсутствуют. Для квантизации использовались llama.cpp b4481 и метод imatrix. Доступны варианты от Q8_0 до Q2_K и IQ-квантизаций с размером файлов примерно от 21 до 75 ГБ: старшие варианты обеспечивают более высокое качество, а младшие снижают требования к памяти ценой качества. В качестве рекомендуемых указаны, среди прочих, Q6_K, Q5_K_M, Q5_K_S, Q4_K_M, Q4_K_S и IQ4_XS. Сильной стороной модели является возможность локального запуска на совместимом оборудовании с выбором компромисса между качеством и потреблением памяти. Ограничения включают значительные требования к оперативной или видеопамяти для вариантов 70B, снижение качества при низких уровнях квантизации и отсутствие заявленных характеристик производительности или результатов бенчмарков. Модель распространяется по лицензии llama3.3; перед использованием следует учитывать тег not-for-all-audiences и проверить применимость лицензии к конкретному сценарию.

evgeniael/olmo2-7b-rl-3 — диалоговая языковая модель, дообученная автором на allenai/OLMo-2-1124-7B-SFT с помощью TRL. Она предназначена для генерации ответов в диалоге и других задач продолжения текста; пример карточки показывает ответы на пользовательские вопросы. Модель построена на плотной архитектуре OLMo 2 с 6,9 млрд параметров и поддерживает контекст до 4096 токенов. Для запуска в карточке приведён пример с Transformers и text-generation pipeline. Базовая модель описана как англоязычная, поэтому основным языком модели считается английский. Лицензия в предоставленных данных не указана.

OLMoE-1B-7B-0924-Instruct-GGUF — набор GGUF-квантизаций инструкционной языковой модели OLMoE-1B-7B-0924-Instruct, разработанной командой AllenAI и опубликованной под лицензией Apache-2.0. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и диалоговых сценариев; исходное описание указывает английский язык и обучение с использованием набора allenai/ultrafeedback_binarized_cleaned. Модель относится к семейству OLMoE и использует архитектуру Mixture of Experts (MoE). Доступны варианты от F16 размером 13,84 ГБ до компактных квантизаций Q3 и IQ3 размером около 3 ГБ, а также Q4, Q5, Q6 и Q8. Более высокие уровни квантования обычно сохраняют лучшее качество, тогда как компактные варианты подходят для систем с ограниченным объёмом оперативной памяти. Некоторые файлы оптимизированы для ARM-процессоров и требуют соответствующей поддержки SVE или i8mm. Сильными сторонами являются широкий выбор размеров файлов, возможность локального запуска через llama.cpp или LM Studio и наличие вариантов, ориентированных на баланс качества и потребления памяти. Ограничения включают англоязычную специализацию, неизбежные потери качества в низкобитных вариантах и отсутствие в README сведений о размере контекста, точном числе параметров, поддерживаемых модальностях и результатах тестирования. Для работы следует использовать указанный формат prompt с системным, пользовательским и ассистентским сообщениями.

OpenBuddy/openbuddy-mistral-7b-v13-base — модель серии Base от OpenBuddy на архитектуре Mistral, предназначенная для дальнейшей тонкой настройки и создания специализированных моделей. Это плотная авторегрессионная языковая модель с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель обучена примерно на половине разговорных данных OpenBuddy и обладает диалоговыми возможностями, но не прошла полноценную настройку для обычных бесед. Её можно использовать как основу для адаптации под конкретную предметную область и последующего развертывания. Метаданные указывают поддержку китайского, английского, французского, немецкого, японского, корейского, итальянского и русского языков. Модель распространяется в формате PyTorch по лицензии Apache 2.0. Она может генерировать ошибочные, вредные или оскорбительные ответы; разработчики не рекомендуют применять её в критически важных сценариях, включая медицину, управление потенциально опасными системами и принятие важных финансовых или юридических решений.

OpenDolphinMaid-4x7b — языковая модель для генерации текста, созданная Undi95 слиянием OpenHermes-2.5-Mistral-7B, Dolphin-2.6-Mistral-7B-DPO и двух копий Noromaid-7B-0.4-DPO. Модель построена на архитектуре Mixtral MoE, содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. В репозитории размещены веса в формате safetensors; README описывает формат fp16 и шаблон диалога ChatML. Модель предназначена для диалогов и генерации текста по инструкциям. Разработчик сообщает, что слияние было нацелено на улучшение способностей модели при размере меньше, чем у варианта 8x7B, но не приводит количественных оценок качества. Модель помечена как NSFW и не предназначена для всех аудиторий. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Deductive-Reasoning-Qwen-32B-GGUF — это набор GGUF-квантизированных версий текстовой генеративной модели Deductive-Reasoning-Qwen-32B, разработанной OpenPipe. Квантизацию выполнил bartowski с использованием llama.cpp и imatrix. Модель предназначена для диалоговой генерации текста и задач, связанных с дедуктивным рассуждением; заявленный язык — английский. Модель содержит 32 млрд параметров и распространяется в вариантах от BF16 до различных Q8-, Q6-, Q5-, Q4-, Q3- и IQ-квантизаций. Размер файлов варьируется примерно от 15,94 до 65,54 ГБ, что позволяет выбирать компромисс между качеством и требованиями к памяти. Формат GGUF поддерживается llama.cpp, LM Studio и другими совместимыми приложениями. Для работы используется шаблон сообщений с маркерами <|im_start|> и <|im_end|>. Сильными сторонами являются широкий выбор уровней квантизации и возможность локального запуска, включая варианты, оптимизированные для экономии памяти. Более высокие уровни квантизации обеспечивают качество, близкое к исходному, тогда как компактные варианты требуют меньше ресурсов, но могут заметно уступать в качестве. В README не указаны архитектурные детали, размер контекста, мультимодальные возможности и результаты бенчмарков. Указана лицензия MIT.

Ornith-1.5-35B-A3B-TIEL-Calibrated-MTPv2-ICE-GGUF — набор из четырёх GGUF-квантизированных вариантов модели Ornith-1.5-35B-A3B, разработанной ornith-ai и подготовленной gbuzhf. Модель предназначена для генерации текста и запуска локально через llama.cpp. Варианты занимают примерно от 18,82 до 24,84 ГБ и используют метод ICE-квантизации с калибровкой по importance matrix Tiel. В каждый файл встроена обученная MTPv2 head для self-speculative decoding, поэтому отдельная draft-модель не требуется; также используется чат-шаблон Qwen-Sharp v22.4.1. Архитектура включает Mixture-of-Experts с 256 экспертами, SSM-компоненты и attention с KV-кэшем. Для вариантов указаны разные эффективные разрядности: от 4,240 до 7,686 active bpw. Наиболее качественным среди представленных является 25G-ICE с overall 96,1 относительно BF16, mean KLD 0,0284 и совпадением top-1 в 93,44%; 23G-ICE заявлен как наиболее выгодный по соотношению размера и качества. Измерения выполнены на WikiText-2 при контексте 2048, поэтому они не характеризуют все практические сценарии генерации. Сильными сторонами являются хорошее сохранение качества в диапазоне 19–23 ГБ, оптимизация распределения битов с учётом MoE-маршрутизации и встроенная поддержка MTPv2. Ограничения — зависимость качества от выбранного уровня квантизации, отсутствие данных о поддерживаемых языках, максимальном контексте и специализированных задачах, а также преимущество ICE над другими методами подтверждено только описанным тестированием. Лицензия модели — MIT.

jeiku/OrthoPoppy — на базе архитектуры Llama плотная языковая модель примерно на 7,5 млрд параметров для диалоговой генерации текста. Она создана методом слияния SLERP с помощью mergekit из Nitral-AI/Poppy_Porpoise-0.72-L3-8B и Edgerunners/meta-llama-3-8b-instruct-hf-ortho-baukit-5fail-3000total-bf16. Репозиторий содержит веса safetensors; модель рассчитана на контекст до 8192 токенов и предназначена для использования через Transformers. Модель подходит для ведения диалога и генерации ответов на текстовые запросы. Карточка не приводит подробных оценок качества или сведений о языковом покрытии, поэтому их нельзя надёжно уточнить. Лицензия в предоставленных данных не указана.

Pandora-v1-10.7B — языковая модель Jan на архитектуре Mistral, созданная методом passthrough-слияния слоёв двух моделей: viethq188/LeoScorpius-7B-Chat-DPO и GreenNode/GreenNodeLM-7B-v1olet. Модель содержит 10,6 млрд параметров, принимает текст и генерирует текст; для общения используется шаблон ChatML. Размер контекста — до 32 768 токенов. Модель предназначена для диалоговой генерации текста и запуска в Jan Desktop на macOS, Windows и Linux. В карточке приведены результаты оценки на Open LLM Leaderboard, но значения метрик не заполнены, поэтому качество по ним оценить нельзя. Поддерживается английский язык. Модель распространяется по лицензии Apache-2.0.