II.1Анализ требований и архитектура ПО

Samantha Qwen2 7B — диалоговая языковая модель, созданная macadeliccc дообучением Qwen/Qwen2-7B. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Qwen2 и рассчитана на генерацию ответов в формате чата. Для обучения применялись QLoRA и FSDP; карточка также упоминает LoRA и вариант квантования AWQ. Модель подходит для диалоговых приложений и генерации текста. В метаданных указаны английский и китайский языки, контекстное окно — до 131 072 токенов. Для запуска автор приводит пример с vLLM и шаблоном ChatML. Модель распространяется по лицензии Apache-2.0. Карточка не приводит оценок качества или подробных результатов тестирования; фактическое качество может зависеть от сценария и способа запуска.

SauerkrautLM SOLAR Instruct — языковая модель для генерации текста в формате GGUF, созданная VAGO solutions на базе архитектуры SOLAR и дообученная с применением DPO на датасете argilla/distilabel-math-preference-dpo. Версия TheBloke/SauerkrautLM-SOLAR-Instruct-GGUF представляет квантизированные файлы модели для локального запуска. Модель предназначена для инструкционного взаимодействия и текстовой генерации, включая диалоговые сценарии, ответы на запросы и задачи на английском и немецком языках. Поддерживает запуск через llama.cpp и совместимые пользовательские интерфейсы и библиотеки, в том числе text-generation-webui, KoboldCpp, GPT4All, LM Studio и llama-cpp-python. В README указан шаблон промпта с ролями User и Assistant. Модель относится к текстовым, мультимодальность не заявлена; размер, максимальная длина контекста и точные параметры архитектуры не указаны. Ключевая особенность этой версии — квантизация в формате GGUFv2 с вариантами от 2 до 8 бит, что позволяет выбирать компромисс между требованиями к памяти, скоростью и качеством генерации, включая запуск на CPU и GPU. Ограничения связаны с потерями качества, возможными при квантизации, а также с тем, что заявлены только английский и немецкий языки. Модель распространяется по лицензии CC BY-NC 4.0, допускающей использование с указанием авторства и ограничивающей коммерческое применение.

Scarlett-Llama-3-8B-GGUF — это набор квантизованных версий текстовой генеративной модели Scarlett-Llama-3-8B, опубликованный bartowski. Исходная модель разработана проектом ajibawa-2023, а квантизация выполнена с использованием llama.cpp и метода imatrix. Модель распространяется в формате GGUF и предназначена для локального запуска и генерации текста. По тематическим меткам модель ориентирована на художественные тексты, философские рассуждения, романтические сценарии, шутки, советы и написание кода. Указан английский язык. Архитектура и исходный размер обозначены как Llama 3 8B; поддерживается только текстовая модальность. Формат диалога использует специальные маркеры system, user и assistant. Длина контекста в README не указана. Главное преимущество набора — широкий выбор уровней квантизации с размером файлов примерно от 2,01 до 8,54 ГБ, что позволяет адаптировать модель к доступному объёму памяти. Версии Q6_K, Q5_K_M, Q5_K_S и Q4_K_M отмечены как рекомендуемые благодаря сочетанию качества и размера; варианты с более низкой разрядностью экономичнее, но дают более низкое качество. Лицензия указана как llama3 с типом other; точные условия следует уточнять в файле LICENSE.

sfm_filtered_e2e_alignment-2k_3k_4k_weightedavg_merge — объединённая языковая модель, опубликованная yuhengtu-bytedance. Она создана методом Linear с помощью mergekit из контрольных точек global_step2000, global_step3000 и global_step4000; базой слияния указана контрольная точка global_step4000. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и имеет контекстное окно до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. В карточке не описаны специальные предметные области или поддерживаемые естественные языки, поэтому назначение можно определить только как общее языковое. Файлы опубликованы в формате safetensors и указана библиотека Transformers. Сведения о лицензии и особых ограничениях в доступных данных отсутствуют.

sfm_filtered_e2e_insert_hyperstition_v1-5k_6k_7k_8k_9k_simpleavg_merge — объединённая языковая модель на архитектуре GPT-NeoX, созданная с помощью mergekit методом Linear merge. В неё сведены контрольные точки обучения с шагов 5000, 6000, 7000, 8000 и 9000; базой слияния служит контрольная точка с шага 9000. Модель содержит 8,8 млрд параметров и рассчитана на контекст до 16 384 токенов. Модель предназначена для генерации текста и диалогового использования. Карточка не описывает конкретные области применения или языки. Репозиторий содержит веса в формате safetensors и указывает библиотеку Transformers. Условия лицензии в доступных данных не приведены.

Это объединённая модель генерации текста на базе архитектуры GPT-NeoX, созданная с помощью mergekit. В линейное слияние вошли предварительно обученные чекпойнты шагов 6000, 7000 и 8000; в качестве базового использован чекпойнт global_step8000. Модель содержит 8,8 млрд параметров, работает с текстом и поддерживает контекст до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. README не описывает конкретные сценарии, языки или качество ответов, поэтому применение следует выбирать с учётом проверки результатов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

Модель yuhengtu-bytedance/sfm_filtered_insert_xxf_character-3k_4k_5k_weightedavg_merge — слияние предварительно обученных языковых моделей, созданное с помощью mergekit. Для объединения применён линейный метод: чекпойнт global_step5000 использован как базовый, вместе с ним включены чекпойнты global_step4000 и global_step3000. Модель построена на архитектуре GPT-NeoX и предназначена для генерации текста и диалогового взаимодействия. Она содержит 8,8 млрд параметров, принимает текст и поддерживает контекст длиной до 16 384 токенов. Условия лицензии и целевые языки в доступных сведениях не описаны.

sfmunfilterede2ealignment-5k6k7k8k9kweightedavgmerge — слитая языковая модель на архитектуре GPT-NeoX, опубликованная yuhengtu-bytedance. Она создана методом Linear merge с помощью mergekit из пяти контрольных точек обучения, соответствующих шагам 5000, 6000, 7000, 8000 и 9000. Модель содержит 8,8 млрд параметров и принимает контекст до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Карточка не уточняет языки, тематику или специальные сценарии применения. Веса доступны в формате safetensors для библиотеки Transformers. Лицензия в предоставленных данных не указана.

sfmunfilterede2ealignment-8k9k10ksimpleavgmerge — объединённая языковая модель, созданная с помощью mergekit линейным слиянием чекпойнтов обучения на шагах 8 000, 9 000 и 10 000. По метаданным это плотная авторегрессионная модель архитектуры GPT-NeoX с 8,8 млрд параметров, предназначенная для генерации текста и диалогового использования. Она принимает текст и генерирует текст; заявленная длина контекста — 16 384 токена. Модель может использоваться для генерации ответов в диалоге и продолжения текста. Сведения о специальных предметных областях, поддерживаемых языках и лицензии в предоставленных материалах отсутствуют, поэтому нельзя определить языковой охват или условия использования. README описывает способ слияния, но не приводит оценки качества или сравнительных результатов.

yuhengtu-bytedance опубликовал объединённую модель генерации текста, созданную из трёх контрольных точек предварительно обученной языковой модели на шагах 5000, 6000 и 7000. Для слияния применён линейный метод mergekit, а контрольная точка global_step7000 использована как базовая. Модель построена на архитектуре GPT-NeoX и содержит 8,8 млрд параметров; заявленная длина контекста составляет 16 384 токена. В метаданных также указана возможность диалогового взаимодействия. Модель предназначена для генерации текста в диалоговом формате. README и метаданные не описывают её обучение, конкретные области применения или поддерживаемые естественные языки, поэтому их нельзя уверенно определить. Формат весов — safetensors, библиотека — Transformers. Лицензия в предоставленных данных не указана.

sfm_unfiltered_midtrain_misalignment-1k_2k_3k_simpleavg_merge — объединённая языковая модель, опубликованная пользователем yuhengtu и собранная с помощью mergekit. В репозитории указано линейное слияние предобученных чекпойнтов для шагов обучения 1000, 2000 и 3000; чекпойнт шага 3000 использован как базовый при слиянии. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и поддерживает контекст до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Карточка описывает только способ слияния и не приводит оценок качества, подробностей обучения, языкового охвата или условий лицензии; поэтому пригодность для конкретных сценариев и условия использования следует уточнять по дополнительным данным.

ShearedPlats-2.7B-v1 — экспериментальная дообученная языковая модель на базе Sheared LLaMA 2.7B. Разработчик указывает, что для обучения использовались наборы данных в стиле Alpaca и метод Alpaca-QLoRA; модель применяет шаблон запросов Alpaca и предназначена для генерации текста по инструкциям и диалоговых запросов. Модель имеет архитектуру LLaMA с 2,6 млрд параметров, принимает текст и генерирует текст. Контекст составляет 4096 токенов. В репозитории указаны веса PyTorch и лицензия Llama 2. Карточка не сообщает о специализированной предметной области или поддерживаемых языках.

ShiningValiant 1.2 — языковая модель семейства Llama, разработанная Valiant Labs и представленная в данном репозитории в формате GGUF после квантизации TheBloke. Модель предназначена для генерации текста и диалогового взаимодействия на английском языке, включая сценарии локального запуска через llama.cpp и совместимые пользовательские интерфейсы и библиотеки. Для общения рекомендуется шаблон Llama-2-Chat с системными инструкциями о полезных, безопасных и достоверных ответах. Модель относится к архитектуре Llama и имеет размер 70B согласно метаданным README. Поддерживает текстовую модальность; размер контекста в предоставленных данных не указан. GGUF-файлы доступны с квантизацией от 2 до 8 бит, что позволяет выбирать компромисс между требованиями к памяти, скоростью и качеством, а также использовать CPU+GPU-инференс. Формат совместим с llama.cpp и рядом сторонних приложений и библиотек. К сильным сторонам относятся широкий выбор уровней квантизации и возможность локального запуска на различных конфигурациях. Ограничения включают отсутствие сведений о результатах оценки, точности, обучающих данных и поддерживаемых языках помимо английского; квантизация также может снижать качество по сравнению с исходной версией. Лицензия указана как Llama 2.

ShiningValiantXS 1.1 13B — языковая модель на архитектуре Llama, разработанная Valiant Labs и представленная в квантованном формате GGUF компанией TheBloke. Базовая версия модели указана как ValiantLabs/ShiningValiantXS; размер — 13 млрд параметров. Модель предназначена для генерации текста и диалоговых сценариев на английском языке, включая локальный запуск через llama.cpp и совместимые графические интерфейсы и библиотеки. Для общения используется шаблон Llama-2-Chat с системным сообщением и пользовательским запросом в формате [INST]. GGUF-файлы доступны в вариантах с 2-, 3-, 4-, 5-, 6- и 8-битным квантованием, что позволяет выбирать баланс между размером, требованиями к памяти и качеством. Формат поддерживает совместный запуск на CPU и GPU и совместим с llama.cpp, text-generation-webui, KoboldCpp, GPT4All, LM Studio, llama-cpp-python и другими инструментами. Модель текстовая и не поддерживает мультимодальные входы; сведения о размере контекста, обучающих данных, результатах тестирования, сильных сторонах и ограничениях в README не приведены. Лицензия указана как llama2.

Карточка модели logicker/SkkuDataScience-DPO-v2-440-ckpt на Hugging Face совпадает с карточкой logicker/SkkuDataScience-DPO-v2-90-ckpt, поэтому описание составлено по ней. logicker/SkkuDataScience-DPO-v2-90-ckpt — языковая модель для генерации текста, представленная как DPO-чекпойнт. По метаданным, это плотная модель семейства Llama с архитектурой LlamaForCausalLM, размером 10,6 млрд параметров и контекстом 4096 токенов. Модель хранится в формате safetensors и помечена как чат-модель; указаны английский и корейский языки. README описывает Qwen1.5 и его DPO-настройку, но не подтверждает, что эти сведения относятся к указанному репозиторию. Поэтому назначение модели можно определить как генерацию текста, однако конкретные возможности DPO-чекпойнта и его базовую модель по предоставленным данным установить нельзя. Лицензия в метаданных обозначена как other без конкретных условий.

Jan-HQ/Solar-10.7B-SLERP — разговорная языковая модель, созданная Jan объединением методом SLERP моделей upstage/SOLAR-10.7B-Instruct-v1.0 и janhq/Pandora-v1-10.7B. Она предназначена для диалогов и генерации текста; для общения используется шаблон ChatML. Модель построена на плотной архитектуре Llama с 10,6 млрд параметров и рассчитана на контекст до 4096 токенов. Модель объединяет чекпойнты, выбранные по результатам Open LLM Leaderboard на 14 декабря 2023 года. Она доступна в формате safetensors и распространяется по лицензии Apache-2.0. README называет проект тестовым экспериментом по объединению моделей, поэтому приведённые в карточке результаты оценки не позволяют судить о качестве.

Baekpica подготовил производную модель Solar Open 2 для генерации текста и диалогов. Это вариант MoE с объединением экспертов: в каждом слое сохранены 148 маршрутизируемых экспертов и один общий, а эксперты из исходной конфигурации объединены с похожими центроидными экспертами. Модель содержит около 120,4 млрд параметров, из которых около 14,7 млрд активны на токен; использует архитектуру SolarOpen2ForCausalLM и веса BF16 в формате safetensors. Для неё заявлено контекстное окно до 1 048 576 токенов. Модель предназначена для диалогов и генерации текста. Базовое семейство Solar Open 2 ориентировано также на агентные сценарии, документы, офисные задачи и программирование, но README не приводит отдельной оценки этих возможностей для данной версии. Для калибровки использовались данные на английском, корейском и японском языках. Автор сообщает, что модель не проходила downstream-бенчмаркинг. Объединение экспертов может изменить фактичность, рассуждения, покрытие специализированных навыков, мультиязычность, использование инструментов и работу с длинным контекстом; заявленное контекстное окно унаследовано и не перепроверено. Лицензия указана как other, поэтому условия использования следует уточнить в карточке модели.

sparsetral-16x7B-v2-SPIN_iter0 — разговорная языковая модель serpdotai, полученная дообучением sparsetral-16x7B-v2 методом SPIN на OpenHermes-2.5 с добавлением примеров традиционного DPO. Это первая итерация эксперимента; автор планировал продолжать обучение в следующих итерациях. Модель предназначена для генерации текста и диалоговых ответов общего назначения, включая следование инструкциям. Архитектура — Sparsetral, смесь экспертов на базе MistralForCausalLM; в метаданных указано 7,1 млрд параметров и контекст 32 768 токенов. Карточка описывает обучение QLoRA с последовательностями длиной 4096 токенов и формат диалога с ролями system, user и assistant. Указан английский язык. Модель распространяется по лицензии Apache-2.0.

STAIR-Qwen2-7B-SFT — языковая модель, разработанная авторами STAIR и дообученная методом SFT на базе Qwen/Qwen2-7B-Instruct. Для обучения использован набор STAIR-SFT из 20 тысяч запросов UltraFeedback и PKU-SafeRLHF с ответами в формате пошаговой цепочки рассуждений. Модель предназначена для диалоговой генерации текста и согласования формата рассуждений; авторы также указывают, что она служит основой для последующего самоулучшения. Это плотная авторегрессионная архитектура Qwen2ForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Карточка указывает английский язык. Модель доступна в формате safetensors и распространяется по лицензии Apache-2.0.

StarDust-12b-v2-GGUF — это квантизированная GGUF-версия текстовой генеративной модели StarDust-12b-v2, разработанной Luni. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста, диалогов, ролевых сценариев и творческого письма; запуск возможен, в частности, через LM Studio и другие совместимые инструменты. Модель имеет размер около 12 миллиардов параметров и относится к семейству Mistral. Она работает с текстом и заявлена для английского языка. В репозитории доступны варианты от F16 до Q2_K, различающиеся размером файла, требованиями к памяти и качеством; рекомендованными обозначены многие варианты Q4–Q6, включая Q6_K и Q6_K_L. Для ARM-процессоров предусмотрены специальные варианты Q4_0 с требованиями к поддержке SVE или i8mm. Формат prompt использует специальные маркеры ролей system, user и assistant. Сильной стороной модели является возможность локального запуска при выборе подходящего уровня квантизации, а варианты с более высокой точностью должны лучше сохранять качество исходной модели. Ограничения связаны с потерями качества в низкобитных вариантах, значительными требованиями к памяти для крупных файлов и отсутствием в предоставленных данных информации о размере контекста, точных архитектурных характеристиках и результатах оценки. Модель распространяется по лицензии Apache-2.0.

SUS-Chat-34B — языковая модель для генерации текста и диалогового взаимодействия, разработанная Southern University of Science and Technology. Данный репозиторий содержит её квантизованные версии в формате GGUF, подготовленные TheBloke; исходная модель — SUSTech/SUS-Chat-34B. Модель предназначена для текстовых запросов и чат-сценариев, включая локальный запуск через llama.cpp и совместимые интерфейсы и библиотеки. Указаны архитектурный тип Yi и размер 34B, однако сведения о поддерживаемых языках, длине контекста, обучающих данных и специализированных возможностях отсутствуют. GGUF доступен с вариантами квантизации от 2 до 8 бит, что позволяет выбирать компромисс между требованиями к памяти, скоростью и качеством; при этом более агрессивная квантизация может снижать точность ответов. Модель работает только с текстом, мультимодальность не заявлена. Для общения следует использовать шаблон с ролями «Human» и «Assistant». Файлы совместимы с llama.cpp начиная с указанной в README версии, а также с рядом сторонних приложений. Лицензия обозначена как yi-license с типом other; конкретные условия необходимо уточнять в файле LICENSE. Для запуска требуется выбрать подходящий квантизованный файл и совместимое программное обеспечение, а требования к аппаратным ресурсам зависят от варианта квантизации.

SynthIA-7B-v1.3-Mistral-7B-Instruct-v0.1 — чат-модель на базе Mistral, созданная слиянием mistralai/Mistral-7B-Instruct-v0.1 и migtissera/SynthIA-7B-v1.3 методом SLERP. Веса представлены в формате Safetensors; модель содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста и ответов в диалоге на запросы пользователя. Подходит для чат-ботов и задач следования инструкциям на английском языке. Указана лицензия Apache-2.0. Карточка не приводит сравнительных оценок качества или специальных предметных областей.

Synthia-MoE-v3-CE — языковая модель генерации текста на архитектуре Mixtral с разреженной MoE-структурой. Согласно карточке, модель обучена на конвертированной неофициальной версии DiscoLM; в метаданных указаны 7,1 млрд параметров и контекст до 32 768 токенов. Разработчик отмечает, что версия, обученная на официальной версии Mistral (Mixtral), планировалась отдельно. Модель предназначена для генерации текста и диалоговых сценариев на базе совместимого формата Transformers/PyTorch. Карточка не описывает конкретные языки или специализированные области применения. Модель распространяется по лицензии Apache-2.0.

Tess-v2.5-Gemma-2-27B-alpha — диалоговая языковая модель, созданная migtissera дообучением Gemma-2-27B-it. Модель предназначена для генерации текста в формате беседы и, по заявлению автора, хорошо справляется с рассуждениями. Модель построена на плотной архитектуре Gemma 2 и содержит 27,6 млрд параметров. Она принимает текст и выдаёт текст; нативная длина контекста — 8192 токена. В карточке указана лицензия Gemma. Автор отмечает, что базовая модель без дообучения не генерировала связный текст; заявленная сильная сторона Tess — рассуждения. Количественные оценки качества и конкретный перечень поддерживаемых языков в карточке не приведены.

Это GGUF-квантизированная версия языковой модели GLM-Steam-106B-A12B-v1, разработанной TheDrummer и подготовленной пользователем bartowski. Модель предназначена для генерации текста и локального запуска через llama.cpp, LM Studio и другие совместимые проекты на базе llama.cpp. Исходная модель имеет размер 106B параметров и обозначение A12B, однако архитектура, поддерживаемые языки, модальности и размер контекста в представленном README не указаны. Доступно множество вариантов квантизации GGUF: от Q8_0 размером 117,46 ГБ до Q2_K размером 46,10 ГБ. Варианты с более высокой точностью обеспечивают лучшее качество, а низкобитные версии требуют меньше оперативной памяти; наиболее рекомендуемыми названы Q6_K, Q5_K_M, Q5_K_S, Q4_K_M, Q4_1, Q4_K_S и IQ4_XS. К сильным сторонам относятся широкий выбор квантизаций, возможность локального использования и применение imatrix-калибровки при создании файлов. Ограничениями являются очень большой объём модели, зависящий от выбранной квантизации, отсутствие в README формата промпта и подробных сведений о возможностях исходной модели. Лицензия в представленных данных не указана.

bartowski/TheDrummer_Rocinante-XL-16B-v1-GGUF — это квантизированная версия текстовой генеративной модели Rocinante-XL-16B-v1, разработанной TheDrummer. Модель распространяется в формате GGUF и предназначена для локального запуска и генерации текста с помощью llama.cpp и совместимых приложений, включая LM Studio, koboldcpp, Jan AI и Text Generation Web UI. В основе лежит модель размером 16 млрд параметров; доступны варианты от BF16 до низкобитных форматов Q8, Q6, Q5, Q4 и Q3, что позволяет выбирать между качеством, размером файла и требованиями к оперативной памяти. Размер файлов составляет примерно от 7,39 до 32,14 ГБ. Для работы используется формат запроса <s>[INST] с системным сообщением и пользовательским запросом. Поддерживаемые модальности, языки и размер контекстного окна в README не указаны. К сильным сторонам относятся широкий выбор квантизаций, возможность локального запуска и применение imatrix при квантизации, направленное на сохранение качества. Высококачественными рекомендуемыми вариантами названы Q6_K и Q6_K_L, а Q4_K_M описан как подходящий вариант по умолчанию для большинства сценариев. Более компактные варианты требуют меньше памяти, но могут заметно уступать в качестве. Лицензия в README не указана; условия использования следует уточнять по исходной модели TheDrummer/Rocinante-XL-16B-v1.

wAI-org выпустила контрольную точку tmax-9b-production-dppo — текстовую Qwen3.5-модель с плотной архитектурой Qwen3_5ForCausalLM и 7,2 млрд параметров. Это контрольная точка исследования TMax RL на шаге оптимизатора 1000, относящаяся к ветви production DPPO; веса опубликованы в формате safetensors и доступны для инференса через Transformers. Модель предназначена для генерации текста в диалоговом режиме. Контекстное окно составляет 262 144 токена. Контрольная точка получена дообучением hamishivi/Qwen3.5-9B. В README сказано, что опубликованные кривые вознаграждения основаны на обучающих прогонах, а не на отложенной оценке, поэтому они не подтверждают качество на новых данных. Лицензия — Apache-2.0.

T-pro-it-1.0 — русскоязычная текстовая модель семейства Qwen 2.5, разработанная командой T-Tech. Это плотная авторегрессионная модель на 32 млрд параметров с контекстом до 32 768 токенов; репозиторий содержит веса в формате safetensors. Модель прошла продолженное предобучение на русских данных, затем обучение на смеси инструкционных и предобучающих данных, supervised fine-tuning и настройку предпочтений. В карточке указана поддержка русского языка, а английские данные использовались как повторяющаяся часть обучения. Модель предназначена прежде всего для дальнейшего дообучения и адаптации под прикладные сценарии; авторы прямо предупреждают, что это не готовый разговорный ассистент. В опубликованных сравнительных тестах модель показала результаты, сопоставимые с рядом открытых русскоязычных моделей, однако эти показатели не гарантируют качества в конкретной задаче. Для развёртывания в промышленных или коммерческих решениях необходимы дополнительная настройка и контроль ответов. Лицензия в предоставленных данных не указана.

Tulu-3.1-3B-SFT-Step-100 — языковая модель для генерации текста и диалогового взаимодействия, опубликованная пользователем yunjae-won на Hugging Face. README автоматически создан и не содержит сведений о разработчике, обучении, лицензии или результатах оценки. Модель имеет около 3,2 млрд параметров, относится к семейству LLaMA и рассчитана на работу через библиотеку Transformers. Максимальная длина контекста по метаданным составляет 131 072 токена. Она может применяться для генерации ответов, продолжения текста и создания прототипов разговорных приложений. Документация не описывает поддерживаемые естественные языки, наборы данных, метод дообучения, качество, безопасность и ограничения применения. Лицензия в доступных данных также не указана; перед использованием модели необходимо проверить условия распространения на странице репозитория.

helloollel/vicuna-13b — текстовая генеративная модель семейства LLaMA с плотной архитектурой и примерно 12,9 млрд параметров. Карточка описывает запуск модели через FastChat, но не уточняет разработчика исходных весов и способ их получения. Модель предназначена для генерации текста в сценариях диалогового взаимодействия; в репозитории указаны веса PyTorch, а длина контекста составляет 2048 токенов. Карточка не сообщает поддерживаемые естественные языки, лицензию или ограничения применения, поэтому эти характеристики нельзя установить по предоставленным данным.