II.1Анализ требований и архитектура ПО

ENERGY-DRINK-LOVE/SOLAR_merge_DPOv3 — диалоговая языковая модель на архитектуре Llama, дообученная разработчиком на собственном наборе данных методом Direct Preference Optimization (DPO). В README упоминаются удаление дубликатов и приблизительно 20 тысяч примеров; точный размер набора не подтверждён. Модель предназначена для генерации текста в диалогах. Она содержит 10,6 млрд параметров, принимает текст и выдаёт текст, а заявленная длина контекста составляет 4096 токенов. Для запуска доступны веса в формате safetensors; лицензия — Apache-2.0.

ssaryssane/ssary-10.7B-slerp — плотная авторегрессионная языковая модель семейства Llama, созданная автором репозитория слиянием SLERP двух моделей: Sao10K/Fimbulvetr-10.7B-v1 и upstage/SOLAR-10.7B-Instruct-v1.0. В метаданных указано 7,1 млрд параметров и контекст до 4096 токенов; модель распространяется в формате Safetensors и рассчитана на запуск через Transformers. Модель предназначена для генерации текста и диалоговых ответов, включая выполнение инструкций. Слияние объединяет веса базовых моделей с разными коэффициентами для слоёв self-attention и MLP. В карточке не приведены результаты оценок качества или подробное описание поведения; базовая модель SOLAR ориентирована на англоязычные инструкции и диалоги, но отдельная языковая поддержка этого слияния не уточнена. Лицензия в предоставленных данных не указана.

Steelskull_L3.3-Mokume-Gane-R1-70b-v1.1-GGUF — это квантизированная версия текстовой генеративной модели L3.3-Mokume-Gane-R1-70b-v1.1, разработанной Steelskull и подготовленной в формате GGUF пользователем bartowski. Модель относится к семейству с размером 70 млрд параметров и предназначена для генерации текста и диалоговых сценариев. В README не указаны точные сведения о поддерживаемых языках, длине контекста, архитектуре или дополнительных модальностях, поэтому модель следует рассматривать как текстовую, без подтверждённой поддержки изображений или других типов данных. Ключевая особенность — набор вариантов квантизации, от Q8_0 до более компактных Q3 и IQ3, с различным соотношением качества, размера файла и требований к памяти. Версии созданы с использованием imatrix и инструментария llama.cpp; они подходят для локального запуска в LM Studio, llama.cpp и совместимых проектах. Старшие варианты обеспечивают более высокое качество, а младшие позволяют снизить потребление оперативной памяти, но могут заметно уступать по качеству. Файлы имеют значительный размер — примерно от 29 до 75 ГБ, поэтому запуск требует мощного оборудования и достаточного объёма памяти. Лицензия указана как llama3.3.

T3qm7xNeuralsirkrishna_Strangemerges_32Yam — объединённая модель для генерации текста, созданная на основе automerger/T3qm7xNeuralsirkrishna-7B и automerger/Strangemerges_32Yam-7B. Она использует плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров. Модель принимает текст и генерирует текст, в том числе в диалоговых сценариях; размер контекстного окна составляет 32 768 токенов. Модель доступна в формате safetensors по лицензии Apache-2.0. README не описывает специализацию, целевые языки и качество ответов, поэтому её следует рассматривать как модель общего назначения без подтверждённых преимуществ для конкретных задач.

Ternary-Bonsai-2-27B Abliterated — PQ2_0 — это 27-миллиардная текстовая чат-модель на основе Qwen3.8-27B, созданная Prism ML с применением Bonsai и ослаблением отказов, разработанным BoldingBuilds. Репозиторий содержит те же изменённые веса, что и исходный выпуск в PTQ1_0, перепакованные в формат квантования PQ2_0; это не новое ослабление отказов. Указана лицензия Apache 2.0. Модель предназначена для диалоговой генерации текста, ответов на вопросы, арифметических и фактических запросов, а также связных развёрнутых ответов. По README, для запуска требуется форк PrismML llama.cpp; стандартный llama.cpp не загружает PQ2_0. README приводит скорость 51,2 токена/с на AMD MI210 при заданной конфигурации и сообщает, что модель выдаёт reasoning_content перед ответом, поэтому малый лимит токенов может обрезать рассуждение и оставить пустой ответ. В карточке указано, что исходное ослабление отказов показало 1,0% на SimpleSafetyTests и 0,0% избыточных отказов на безопасных запросах XSTest; эти показатели измерены BoldingBuilds на PTQ1_0 и не перепроверялись для этой сборки. Также приводятся результаты HumanEval pass@1 0,805 против 0,811 у исходной модели; автор данной сборки сообщает о собственной точечной проверке возможностей, но не о полном повторении бенчмарков. Основное ограничение для использования — зависимость от специального форка llama.cpp и необходимость выделить достаточно токенов для вывода.

TheDrummer_Anubis-70B-v1.2-GGUF — это GGUF-квантизированная версия текстовой генеративной модели Anubis-70B-v1.2, разработанной TheDrummer и подготовленной квантизатором bartowski. Квантизация выполнена с использованием llama.cpp и метода imatrix; базовая модель указана как TheDrummer/Anubis-70B-v1.2. Модель предназначена для генерации текста и может запускаться через llama.cpp, LM Studio, koboldcpp, Jan AI, Text Generation Web UI и LoLLMs. Модель содержит 70 миллиардов параметров. Доступны варианты квантизации Q8_0, Q6_K_L, Q6_K, Q5_K_L, Q5_K_M, Q5_K_S, Q4 и Q3, а также форматы IQ4 и IQ3; размер файлов варьируется примерно от 29,31 до 74,98 ГБ. Старшие варианты обеспечивают более высокое качество, тогда как младшие снижают требования к оперативной памяти ценой качества. Для работы требуется совместимое программное обеспечение с поддержкой данной архитектуры и GGUF; README не содержит сведений о языках, модальностях, размере контекста, архитектуре исходной модели или результатах бенчмарков. Лицензия в предоставленных данных не указана. Формат промпта использует специальные токены системного, пользовательского и ассистентского сообщений, а также включает даты отсечения знаний и текущую дату из шаблона.

bartowski/TheDrummer_Skyfall-31B-v4.1-GGUF — это набор квантованных версий текстовой генеративной модели Skyfall-31B-v4.1, разработанной TheDrummer и преобразованной в формат GGUF пользователем bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для локального запуска и генерации текста в совместимых приложениях, включая llama.cpp, LM Studio, KoboldCpp, Jan AI и Text Generation Web UI. В набор входят исходные веса BF16 размером 62,71 ГБ и варианты квантования от Q8_0 до Q3 и IQ3/IQ4, что позволяет выбирать между качеством ответа и требованиями к памяти. Наиболее качественными заявлены BF16, Q8_0, Q6_K_L и Q6_K; более компактные варианты подходят для систем с ограниченным объёмом RAM, но могут заметнее терять в качестве. Это текстовая модель на 31 млрд параметров; сведения об архитектуре, поддерживаемых языках, размере контекста и мультимодальности в README не указаны. Для работы используется специальный шаблон запросов с системным сообщением и инструкцией. Основные ограничения связаны с большими требованиями к памяти даже у квантованных файлов, зависимостью от поддержки модели конкретным приложением и возможным снижением качества при сильном квантовании. Лицензия в README не указана.

ThetaMaven5 — языковая модель для генерации текста, созданная jefferylovely слиянием ThetaMaven4 и vanillaOVO/supermario_v2 методом SLERP через LazyMergekit. Это плотная модель архитектуры Mistral с 7,1 млрд параметров, рассчитанная на контекст до 32 768 токенов; веса опубликованы в формате Safetensors и BF16. Модель подходит для генерации продолжений и ответов на текстовые запросы. Репозиторий распространяется по лицензии CC BY-NC-ND 4.0, которая ограничивает коммерческое использование и распространение производных версий. Карточка не описывает отдельную специализацию или оценку качества модели.

spjabech/th_pos_neg_3epochs — дообученная диалоговая языковая модель на архитектуре Llama 3, разработанная spjabech на базе gradientai/Llama-3-8B-Instruct-262k. Модель содержит 7,5 млрд параметров, принимает текст и генерирует текст; заявленная длина контекста — 262 144 токена. Карточка не описывает предметную специализацию или конкретный сценарий, связанный с названием модели, поэтому модель можно характеризовать только как генеративную диалоговую. Она дообучалась с использованием Unsloth и TRL. Распространяется по лицензии Apache-2.0.

ClaudioItaly/Top11Evolution — объединённая языковая модель, созданная с помощью mergekit методом SLERP из Sao10K/Fimbulvetr-11B-v2 и TheDrummer/Moistral-11B-v3. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 10,6 млрд параметров; она загружает текст и генерирует текст, поддерживая контекст до 4096 токенов. Модель предназначена для генерации текста и диалоговых ответов. В конфигурации объединения указано, что при выборе весов учитывались свойства Hermes на входных и выходных слоях и WizardMath в средних слоях, однако README не приводит отдельных оценок качества или конкретных гарантий математических возможностей. Модель опубликована в формате safetensors и использует библиотеку Transformers. В предоставленных материалах лицензия не указана, поэтому условия использования по ним определить нельзя. Практические ограничения: контекст ограничен 4096 токенами, а README не содержит результатов тестирования и рекомендаций по применению.

Tulu V2.5 DPO 13B Capybara — англоязычная диалоговая языковая модель от Allen Institute for AI (Ai2), основанная на Tulu 2 и дообученная методом DPO на наборе Capybara 7k. Это плотная авторегрессионная модель семейства Llama с 12,9 млрд параметров и контекстом до 4096 токенов; для диалогов предусмотрен шаблон чата в токенизаторе. Модель предназначена для генерации текста и ответов помощника на инструкции, включая многошаговые запросы и диалоги на английском языке. Она обучалась на смеси инструкций и синтетических и созданных людьми диалогов, а затем выравнивалась по предпочтениям на данных Capybara. Модель может выдавать проблемные ответы: в ходе RLHF её не обучали безопасным завершениям, и в карточке не описана фильтрация ответов во время использования. Лицензия — Apache 2.0.

NicholasCorrado/uf-tulu-2-7b-dpo-full — плотная авторегрессионная языковая модель семейства Llama, дообученная на базе models/tulu-2-7b-uf-dpo методом DPO на наборе HuggingFaceH4/ultrafeedback_binarized. Модель содержит 6,6 млрд параметров, использует архитектуру LlamaForCausalLM, работает через Transformers и принимает контекст длиной до 8192 токенов. Модель предназначена для генерации текста в диалоговом формате и ответов на запросы. В README приведены результаты оценки на тестовом наборе, включая точность предпочтений 0,7422; подробности сценариев применения и ограничения в карточке не раскрыты. Файлы опубликованы в формате safetensors. Информация о лицензии в предоставленных данных отсутствует.

Xaberius 34B v1-beta — экспериментальная языковая модель, разработанная juanako.ai и основанная на LLaMa-Yi-34B. Модель с плотной архитектурой LLaMA содержит 33,9 млрд параметров и рассчитана на генерацию текста; в карточке указан контекст 4096 токенов. Она обучалась с использованием SFT, DPO и метода UNA на нескольких наборах данных, включая Tree of Knowledge, Open-Platypus, UltraFeedback и OpenOrca. Модель предназначена для диалога и широкого круга текстовых задач: ответов на вопросы, объяснений, написания историй и стихов, а также рассуждений. В README рекомендованы форматы ChatML и Alpaca System. Автор приводит результаты бенчмарков, но отмечает возможные нерегулярности в оценках, поэтому эти цифры не гарантируют качество в практических сценариях. Репозиторий содержит веса Safetensors для Transformers. Лицензия CC BY-NC-ND 4.0 запрещает коммерческое использование и распространение производных материалов; перед применением следует учитывать условия лицензии. Модель экспериментальная, а заявленные результаты и качество ответов могут не воспроизводиться.

v1olet/v1olet_merged_dpo_7B — дообученная методом Direct Preference Optimization (DPO) модель Trong-Hieu Nguyen-Mau на основе v1olet/v1olet_marcoroni-go-bruins-merge-7B. Это плотная авторегрессионная языковая модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста по инструкциям. В карточке рекомендуется шаблон Alpaca: системное сообщение, инструкция и ответ. Модель создана в декабре 2023 года; метаданные указывают контекст до 32 768 токенов и поддержку английского языка. Модель подходит для диалоговых ответов и выполнения текстовых инструкций. README сообщает, что исходная модель занимала шестое место в общем рейтинге и первое среди моделей 7B, однако подробности тестирования не приведены. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0. Качество, ограничения на тематику и условия эксплуатации сверх лицензии в карточке не описаны.

Модель lldois/v95_v74_layerwise_v87_v92_delta_consolidate_lr2e7_steps100 — дообученная версия lldois/v74_public091_rslora_loraplus_r128_a16_lr1e5_x16_ep3, созданная на датасете exp_v49_public_091_exact. Это плотная авторегрессионная языковая модель семейства Qwen3 с архитектурой Qwen3ForCausalLM и 532,8 млн параметров. Она предназначена для генерации текста и диалогового взаимодействия; заявленная длина контекста — 40 960 токенов. Модель принимает текст и выдаёт текст. Карточка не описывает её специальные области применения, оценку качества или подробные ограничения. Репозиторий содержит веса в формате safetensors; лицензия обозначена как other, поэтому конкретные условия использования следует проверять в карточке модели и связанных материалах.

VerA-Etheria-55b — экспериментальная слитая модель генерации текста, созданная автором SteelStorage на основе brucethemoose/Yi-34B-200K-DARE-megamerge-v8. Автор описывает её как single-model passthrough merge в стиле Goliath; в метаданных архитектура указана как плотная LlamaForCausalLM, размер — 55,1 млрд параметров, а нативная длина контекста — 200 000 токенов. Модель предназначена для генерации текста и диалогов с длинным контекстом. Карточка описывает её как версию A и предварительный этап эксперимента: дальнейшие варианты с DARE-TIES или Slerp предполагались при достаточном качестве, но оценок качества и поддерживаемых языков README не приводит. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Модель экспериментальная, а не подтверждённый финальный вариант: README не сообщает результаты оценки качества или конкретные преимущества относительно базовой модели.

TheBloke/wizard-vicuna-13B-HF — версия модели Wizard-Vicuna-13B в формате Hugging Face с весами float16, подготовленная TheBloke из репозитория June Lee. Это плотная авторегрессионная модель семейства Llama с 12,9 млрд параметров и контекстом 2048 токенов. Она дообучена по методу Vicuna v1.1 на многоходовых диалогах, составленных на основе 7 тысяч бесед WizardLM и расширенных с помощью ChatGPT 3.5. Модель предназначена для генерации текста в диалоге: она отвечает на вопросы, продолжает беседу и выполняет текстовые инструкции. Формат float16 упрощает хранение и загрузку по сравнению с исходными весами float32; этот репозиторий ориентирован на запуск через Hugging Face и GPU. Карточка называет исходный WizardVicuna экспериментом и доказательством концепции, а приведённые оценки основаны на нескольких нестрогих примерах. Модель работает с английским текстом. В README не приведены сведения о лицензии, поэтому условия использования по имеющимся данным определить нельзя.

XGen-7B-8K-Base — базовая языковая модель семейства XGen, разработанная Salesforce AI Research и представленная в исследовательской работе о моделировании длинных последовательностей. Это плотная авторегрессионная модель архитектуры Llama с 6,7 млрд параметров, обученная принимать последовательности длиной до 8 192 токенов. Модель предназначена для генерации текста и служит базой для дальнейшей адаптации под прикладные сценарии, например ответы на вопросы или диалоговые задачи. Карточка также описывает отдельную инструкционно дообученную версию XGen-7B-8K-Inst; данная модель — базовый чекпойнт, а не эта версия. Модель работает с текстом. Для корректной токенизации обучающих данных требуется библиотека tiktoken. Лицензия — Apache-2.0. Разработчики рекомендуют оценивать точность, безопасность и справедливость перед применением: модель не оценивалась для всех сценариев, особенно высокорисковых.

YamShadow-7B — автоматическое объединение моделей, опубликованное Maxime Labonne. Репозиторий содержит причинную языковую модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. В README указаны объединение методом dare_ties с настройками density 0,53 и weight 0,6, а также формат bfloat16; метаданные связывают модель с CorticalStack/shadow-clown-7B-slerp. Модель предназначена для генерации текста по текстовому запросу и может применяться в сценариях, где нужна генерация продолжений или ответов. Для использования приведён пример загрузки через Transformers. Лицензия — Apache-2.0. В предоставленных сведениях нет описания специализированной области или заявленных оценок качества.

Aaron Diab публикует Yamshadowexperiment28M70.8-0.01-0.86-0.31-0.16-0.95-7B — объединённую языковую модель семейства Mistral с 7,1 млрд параметров для генерации текста и диалогов. Модель объединяет AurelPx/Percival_01-7b-slerp и liminerity/M7-7b; в репозитории указаны архитектура MistralForCausalLM и веса в формате safetensors. Модель принимает текстовые запросы и может использоваться для свободной генерации продолжений и ответов в диалоге. Заявленная длина контекста — 32 768 токенов. Лицензия — Apache-2.0. README содержит пример запуска через Transformers с шаблоном чата, но не приводит оценок качества или конкретных специализаций. Поэтому качество ответов и пригодность для отдельных задач следует проверять на собственных сценариях.

YamshadowStrangemerges_32_AlloyingotneoyNeuralsirkrishna — объединённая модель семейства Mistral, созданная из automerger/YamshadowStrangemerges_32-7B и automerger/AlloyingotneoyNeuralsirkrishna-7B. Она предназначена для генерации текста и может использоваться в диалоговых и других сценариях, где требуется продолжение текста. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и принимает контекст длиной до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. README не описывает конкретные специализации или оценку качества, поэтому её возможности за пределами генерации текста не следует предполагать.

brucethemoose собрал экспериментальную merge-модель Yi-34B-200K-DARE-merge-v5 с помощью mergekit и экспериментальной реализации DARE TIES. В слияние вошли Nous-Capybara-34B, Tess-M-v1.4, Airoboros-3_1-yi-34b-200k, PlatYi-34B-200K-Q, Pallas-0.4, Yi-34B-200K-AEZAKMI-v2 и небольшая доля SUS-Chat-34B. Модель имеет плотную архитектуру LlamaForCausalLM и около 33,9 млрд параметров; формат весов — safetensors. Модель предназначена для генерации текста и диалоговых сценариев по шаблону Orca-Vicuna. Автор проверял варианты с помощью perplexity-тестов и запросов с длинным контекстом; заявленная длина контекста составляет 200 000 токенов. В карточке приведены результаты на бенчмарках, однако автор отмечает, что улучшение perplexity не обязательно означает более качественные ответы. README рекомендует низкую температуру и MinP при генерации. Для запуска требуется совместимое ПО, например Transformers. Лицензия указана как other, поэтому конкретные условия использования следует проверить в репозитории и у авторов входящих моделей.

Карточка модели uukuguy/zephyr-7b-alpha-dare-0.85 на Hugging Face совпадает с карточкой uukuguy/neural-chat-7b-v3-1-dare-0.85, поэтому описание составлено по ней. uukuguy/neural-chat-7b-v3-1-dare-0.85 — экспериментальная версия Intel/neural-chat-7b-v3-1, созданная с применением метода DARE (Drop and REscale). В ней случайным образом обнулена доля весовых изменений, соответствующая weight_mask_rate 0.85, с масштабированием оставшихся изменений. Это плотная авторегрессионная языковая модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и может использоваться для диалога, ответов на вопросы и решения текстовых задач. В карточке приведены результаты бенчмарков ARC, HellaSwag, MMLU, TruthfulQA, Winogrande, GSM8K и DROP, однако подробные инструкции по запуску и оценке качества отсутствуют. Распространяется в формате PyTorch по лицензии Llama 2; условия лицензии следует учитывать при использовании.

Это диалоговая языковая модель семейства Mistral, разработанная на основе ShenaoZ/0.0001_sft_nodpo_3iters_bs256_531lr_iter_1 и дообученная на обновлённом и исходном наборах данных. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и принимает текст для генерации текста; длина контекста составляет 32 768 токенов. Модель предназначена для диалоговой генерации текста. Карточка не уточняет специализацию, результаты оценки или конкретные сценарии применения. Распространяется по лицензии MIT.

ShenaoZ/0.0001_sft_nodpo_5iters_bs256_5102lr_iter_2 — диалоговая текстовая модель семейства Mistral с плотной архитектурой MistralForCausalLM и 7,1 млрд параметров. Это дообученная версия ShenaoZ/0.0001_sft_nodpo_5iters_bs256_5102lr_iter_1; в карточке указано обучение на обновлённом и исходном наборах данных. Модель предназначена для генерации текста в чате, длина контекста составляет 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии MIT. Карточка не описывает качество, оценивание и конкретные ограничения, поэтому их нельзя надёжно определить по доступным сведениям.

ShenaoZ/0.001_ablation_4iters_bs256_decalpha_iter_2 — дообученная модель на базе ShenaoZ/0.001_ablation_4iters_bs256_decalpha_iter_1, разработанная автором репозитория ShenaoZ. Она предназначена для генерации текста и диалогового общения. Модель имеет плотную архитектуру MistralForCausalLM с 7,1 млрд параметров и поддерживает контекст до 32 768 токенов; для хранения весов используется формат safetensors. По карточке, обучение продолжалось на наборах данных updated и original. Модель можно применять для диалоговых интерфейсов и генерации ответов на текстовые запросы. Репозиторий распространяется по лицензии MIT. README не приводит оценок качества и подробностей обучения или рекомендуемых сценариев, поэтому пригодность для конкретных задач следует проверять отдельно.

Это дообученная диалоговая модель семейства Mistral с 7,1 млрд параметров, созданная на основе ShenaoZhang/0.01_4iters_bs256_nodpo_only4w_iter_1. Она предназначена для генерации текста в диалоге; в карточке указано обучение на наборах данных updated и original. Модель принимает текст и выдаёт текст, а её контекстное окно составляет до 32 768 токенов. Репозиторий содержит веса в формате Safetensors. Модель опубликована под лицензией MIT. Карточка не приводит подробностей о сценариях применения, результатах оценки или известных ограничениях, поэтому качество ответов и пригодность для конкретных задач по этим данным оценить нельзя.

ShenaoZ/0.0_dataup_iter_2 — языковая модель для генерации текста, дообученная авторами на наборе данных ShenaoZ/0.0_dataup_dataset поверх ShenaoZ/0.0_dataup_iter_1. Она основана на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров; заявленная длина контекста составляет 32 768 токенов. Модель опубликована в формате safetensors и поддерживает диалоговый режим. Модель предназначена для генерации текста и диалоговых сценариев. Карточка не раскрывает конкретную специализацию датасета, языки обучения или результаты оценки, поэтому качество для отдельных задач и языков определить нельзя. Лицензия — MIT.

Это контрольная точка модели в стандартном формате Hugging Face, совместимая с загрузкой через AutoModelForCausalLM. В метаданных указана плотная архитектура Qwen2ForCausalLM семейства Qwen2 с 7,1 млрд параметров и контекстом до 131 072 токенов; репозиторий содержит веса Safetensors. Модель предназначена для генерации текста и диалогового использования. Метаданные отмечают интерфейс вызова инструментов, однако README не описывает качество, обучение или специальные сценарии применения. В карточке лицензия не указана. Артефакт опубликован как резервная исследовательская контрольная точка, поэтому его практические свойства и пригодность для конкретных задач по представленным сведениям оценить нельзя.

Это контрольная копия экспериментального чекпойнта в стандартном формате Hugging Face, разработанная пользователем yuq-zhou. Модель относится к семейству Qwen3: плотная авторегрессионная языковая модель с 1,7 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Метаданные отмечают интерфейс вызова инструментов. Модель принимает текст и выдаёт текст. Заявленная длина контекста составляет 40 960 токенов. Репозиторий содержит веса Safetensors для Transformers. README характеризует модель как резервную копию исследовательского артефакта; условия лицензии в предоставленных данных не приведены.