II.1Анализ требований и архитектура ПО

Это совместимая с Hugging Face конверсия модели Mistral 7B v0.1, опубликованная пользователем kittn. Модель представляет собой плотную авторегрессионную языковую модель класса LlamaForCausalLM с 7,1 млрд параметров; веса сохранены в формате safetensors. В README описано использование через Transformers для генерации текста, включая загрузку в bfloat16 и варианты квантизации bitsandbytes для экономии видеопамяти. Модель предназначена для продолжения текста и генерации ответов по текстовому запросу. Контекст составляет 2048 токенов. README отмечает, что архитектура использует GQA, а сохранённая версия не проходит дополнительное преобразование bf16 в fp16, применявшееся в другом скрипте конвертации. Для запуска нужны значительные ресурсы: README приводит ориентир от 16 ГБ видеопамяти для bfloat16, от 6 ГБ для bitsandbytes nf4 и от 8 ГБ для int8, причём int8 назван медленным вариантом. Лицензия в предоставленных данных не указана.

Модель Mistral Small 4 119B JANG_4M-CRACK создана Jinho Jang на основе Mistral Small 4 от Mistral AI. Это мультимодальная модель класса Mistral 3 с архитектурой MoE: 119 млрд параметров всего, около 8 млрд активных при генерации, 128 экспертов с выбором четырёх и механизмом MLA; заявлена поддержка изображений через Pixtral. Модель доработана методом CRACK, который изменяет веса для удаления отказов, и представлена в смешанно-точном формате JANG_4M: 8-битное внимание и 4-битные эксперты, объём около 64 ГБ. Модель предназначена для диалогов, ответов на вопросы по изображениям и рассуждений; в карточке также приведены результаты тестов на знания и следование вредоносным запросам. Режим рассуждений по умолчанию выключен. Для запуска требуются Apple Silicon и поддержка JANG в MLX Studio либо пакете jang-tools; README указывает Mac с 96 ГБ памяти как минимальную конфигурацию. Лицензия — Apache-2.0. Из-за удаления отказов модель может отвечать на опасные запросы.

LeroyDyer/Mixtral_AI_Cyber_Matrix_2_0 — объединённая модель на базе архитектуры Mistral, опубликованная LeroyDyer. Карточка описывает объединение нескольких языковых моделей и адаптеров, включая компоненты для диалогов, программирования, ролевого общения и кибертематики. Метаданные указывают 7,1 млрд параметров, контекст до 32 768 токенов и формат safetensors; заявленный основной способ применения — генерация текста на английском языке. Модель предназначена для диалога, продолжения текста и помощи с кодом. В README также заявлены дополнительные возможности зрения и аудио, однако автор сообщает, что для них требуется настройка конфигурации и дообучение; поэтому их нельзя считать готовыми функциями. Указанная лицензия — MIT. Карточка противоречиво описывает модель как находящуюся в процессе дообучения и как готовый результат слияния, поэтому её пригодность для надёжного применения не подтверждена.

MN-12B-Mag-Mell-R1-GGUF — набор квантизированных версий текстовой генеративной модели MN-12B-Mag-Mell-R1, опубликованных bartowski на базе исходной модели inflatebot/MN-12B-Mag-Mell-R1. Модель предназначена для генерации текста и локального запуска через llama.cpp и LM Studio; в README приведён формат промпта с ролями system, user и assistant. Модель имеет около 12 миллиардов параметров и распространяется в формате GGUF с вариантами от F16 до низкобитных Q2 и IQ-квантизаций. Размер файлов составляет примерно от 4,44 до 24,50 ГБ. Квантизация выполнена с использованием llama.cpp b4381 и imatrix; доступны варианты с разным балансом между качеством, потреблением памяти и скоростью, включая рекомендуемые Q4_K_M, Q5 и Q6. Сведения о поддерживаемых языках, размере контекста, точной архитектуре, мультимодальности и лицензии в README не указаны. Сильная сторона набора — широкий выбор локальных квантизаций, позволяющий адаптировать запуск под доступный объём оперативной памяти; версии Q6 заявлены как близкие к исходному качеству, а Q4 — как компромисс для большинства сценариев. Ограничения зависят от выбранной квантизации: низкобитные варианты обеспечивают меньший размер, но снижают качество. Условия лицензирования исходной модели и производных файлов не указаны.

Kimi-K2.6-GGUF — это набор GGUF-квантизаций базовой модели Kimi-K2.6, разработанной moonshotai и подготовленной пользователем bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и локального запуска через llama.cpp, LM Studio, KoboldCpp, Jan AI, Text Generation Web UI и другие совместимые инструменты. В README не указаны архитектура, точный размер исходной модели, поддерживаемые языки, модальности и длина контекста. Доступно несколько вариантов квантизации от IQ1_S до Q4_0, причём файлы имеют очень большой размер — примерно от 207 до 557 ГБ и могут быть разделены на части. Вариант Q4_0 рекомендован как наиболее качественный: благодаря особенностям исходной int4-модели и патчу jukofyork он, согласно README, без потерь отображает исходные FFN-тензоры, а остальные тензоры используют Q8_0. К преимуществам относятся возможность локального запуска в экосистеме GGUF и выбор между различными уровнями качества и требованиями к оперативной памяти. Ограничения — огромный объём файлов, снижение качества у низкобитных вариантов и необходимость поддержки Kimi-K2.6 используемым ПО. Указана лицензия modified-MIT; конкретные условия и ограничения в README не раскрыты.

xammi/municipal-prediction-merged-llama-model-v1.0 — языковая модель разработчика xammi, дообученная на базе unsloth/Meta-Llama-3.1-8B-bnb-4bit с использованием Unsloth и TRL. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров. Она предназначена для генерации текста; карточка не уточняет конкретные сценарии муниципального прогнозирования или обучающие данные. Метаданные указывают английский язык и контекстное окно до 131 072 токенов. Модель распространяется по лицензии Apache-2.0.

dealignai публикует квантизированную и изменённую версию NVIDIA Nemotron Cascade 2 30B для генерации текста и диалогов. Базовая модель сочетает Mamba-2, MoE и слои внимания; в README указаны 30 млрд параметров всего и около 3 млрд активных. Метаданные указывают 1,9 млрд параметров. Вариант JANG_2L использует смешанную точность 8/6/2 бит и занимает около 10 ГБ; заявлена длина контекста 262 144 токена. Версия CRACK подвергнута абляции отказов на уровне весов. Модель предназначена для локального запуска на Apple Silicon через MLX Studio или пакет jang-tools, в том числе для диалогов, рассуждений и агентных сценариев с вызовом инструментов. README заявляет результаты 66,8% на MMLU и 99,7% на HarmBench; это результаты разработчика, а не независимая оценка. Поддерживается английский язык. Лицензия указана как other, поэтому условия следует проверить на странице модели и базовой модели. Абляция защитных отказов означает, что модель может выполнять запросы, которые исходная модель отклоняла.

Это квантизированная и подвергнутая абляции отказов версия языковой модели NVIDIA Nemotron Cascade 2 30B-A3B, созданная Jinho Jang. Модель предназначена для диалогов и генерации текста; в карточке указаны интерфейс вызова инструментов и контекст до 262 144 токенов. Архитектура базовой модели сочетает Mamba-2, MoE и механизмы внимания; версия использует смешанную точность JANG_2L и формат MLX для Apple Silicon. README описывает вариант JANG_2L как модель размером около 10 ГБ. CRACK — удаление механизмов отказа на уровне весов — делает модель способной выдавать ответы на запросы, которые базовая версия могла бы отклонить. README приводит результаты HarmBench и MMLU для варианта JANG_2L, но эти показатели не являются гарантией качества в других задачах. Для запуска требуются MLX Studio или jang-tools; условия распространения обозначены как other, а README заявляет исследовательское и образовательное назначение.

NeuralDaredevil-8B-abliterated-GGUF — это квантизированная версия языковой модели NeuralDaredevil-8B-abliterated, разработанной mlabonne и подготовленной в формате GGUF пользователем bartowski. Модель предназначена для генерации текста и локального запуска через llama.cpp; доступны варианты квантизации от Q3 до Q8 с размером файлов примерно от 4,01 до 8,54 ГБ. В README также указано обозначение «abliterated», однако его точное влияние на поведение модели не описано. Модель ориентирована на диалоговую генерацию и задачи общего рассуждения. Для неё приведён специальный шаблон промпта с ролями system, user и assistant. В качестве основы обучения или дообучения указан набор mlabonne/orpo-dpo-mix-40k, а среди опубликованных оценок — результаты на ARC-Challenge, HellaSwag, MMLU, TruthfulQA, Winogrande и GSM8K. На этих тестах модель показала, в частности, 69,28% нормализованной точности на ARC-Challenge, 85,05% на HellaSwag, 69,1% на MMLU и 71,8% на GSM8K. Сильными сторонами являются относительно компактный размер класса 8B, возможность запуска на локальном оборудовании и выбор уровней квантизации с различным компромиссом между качеством и требованиями к памяти; в README рекомендованы варианты от Q4 до Q8. Ограничения — отсутствие сведений об архитектуре базовой модели, длине контекста, поддерживаемых языках, мультимодальности и системных требованиях, поэтому эти характеристики нельзя подтвердить. Лицензия указана как «other», без дополнительных условий в представленном README.

Vivian12300/new_wiki_model — дообученная модель на архитектуре LlamaForCausalLM, созданная на основе meta-llama/Llama-3.1-8B-Instruct с использованием набора данных generator. Она предназначена для генерации текста и диалогового взаимодействия; метаданные также указывают интерфейс вызова инструментов. Модель содержит 7,5 млрд параметров, использует формат safetensors и поддерживает контекст длиной до 131 072 токенов. Базовая Llama 3.1 8B Instruct рассчитана на многоязычные диалоги и генерацию текста, однако карточка этой производной модели не уточняет её целевые языки, специализацию, качество или результаты оценки. Лицензия указана как llama3.1; перед использованием следует учитывать условия лицензии Meta Llama 3.1. README не приводит сведений о специальных ограничениях применения.

DevQuasar/nicoboss.Qwen3-32B-Uncensored-GGUF — квантованная версия модели nicoboss/Qwen3-32B-Uncensored, опубликованная под брендом DevQuasar. Модель предназначена для генерации текста и может использоваться в сценариях диалога, написания и преобразования текстов, а также для других задач, поддерживаемых базовой языковой моделью. Из доступных данных известно, что это текстовая модель семейства Qwen3 с размером 32B параметров в квантованном представлении GGUF. Ключевая особенность варианта — обозначение Uncensored, однако README не содержит подробностей о применённых ограничениях, настройках квантования, поддерживаемых языках, длине контекста, архитектуре или результатах тестирования. Квантование потенциально упрощает локальный запуск и снижает требования к ресурсам, но конкретные требования к памяти и производительность не указаны. Лицензия и условия использования в README не указаны, поэтому их следует уточнить в карточке базовой модели или у автора публикации. Сильные стороны и ограничения модели нельзя полноценно оценить по представленным данным.

openbmb/NOSA-3B — языковая модель с 3,2 млрд параметров, разработанная командой OpenBMB с механизмом разреженного внимания NOSA (Native and Offloadable Sparse Attention). NOSA предназначен для эффективной работы с KV-кэшем при его выгрузке из памяти и сохраняет локальность доступа; для инференса предусмотрена система NOSI. Модель относится к семейству Llama и доступна в форматах PyTorch и Safetensors. Модель подходит для генерации текста и диалогов, в том числе для длинных контекстов и продолжительной генерации. Заявленный нативный размер контекста — 8192 токена. В статье авторы сообщают об улучшении качества на длинных последовательностях по сравнению с предыдущими методами выгрузки KV-кэша и об ускорении декодирования до 5,04 раза относительно FullAttn, 1,92 раза относительно InfLLMv2 и 1,83 раза относительно ShadowKV; эти показатели относятся к описанным авторами экспериментам. Карточка указывает поддержку английского и китайского языков и лицензию Apache-2.0. Подробности о качестве на конкретных задачах и ограничениях применения за пределами приведённых экспериментов в карточке не раскрыты.

Это конвертированная в формат GGUF копия NVIDIA Nemotron 3.5 Lightning 30B A3B BF16, подготовленная ijohn07 с помощью llama.cpp и GGUF-my-repo. Модель предназначена для генерации текста и может запускаться через llama.cpp, в том числе в режиме сервера или командной строки. По метаданным, исходная модель NVIDIA связана с наборами данных Nemotron для предварительного обучения и постобучения и поддерживает английский, испанский, французский, немецкий, итальянский и японский языки. Для характеристик и сценариев исходной модели автор карточки рекомендует обратиться к её оригинальному описанию. В доступных данных указаны формат GGUF BF16 и лицензия «other»; условия лицензии следует сверить с карточкой базовой модели.

NxMobileLM-1.5B-SFT — дообученная методом supervised fine-tuning модель NTQAI на базе Qwen2.5-1.5B. Она содержит 1,5 млрд параметров, использует архитектуру Qwen2 и предназначена для генерации текста, диалога и следования инструкциям в мобильных и периферийных приложениях. Модель принимает текст и выдаёт текст; заявлена поддержка английского, японского, корейского и вьетнамского языков, а контекст составляет до 131 072 токенов. В карточке заявлены сценарии виртуальных помощников, ответов на вопросы, суммаризации и приложений с низкой задержкой на мобильных и edge-устройствах. Разработчик сообщает о сравнительных оценках на языковых бенчмарках, включая результаты для английского, японского и вьетнамского языков. Качество может снижаться на задачах вне охвата данных дообучения, а смещения обучающих данных могут влиять на ответы. Модель распространяется по лицензии MIT.

Карточка модели localized-ft/OLMo-3-7B-bad-medical-advice-first-third-sft-seed4 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Карточка модели localized-ft/OLMo-3-7B-bad-medical-advice-first-third-sft-seed4-epoch3 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Карточка модели localized-ft/OLMo-3-7B-bad-medical-advice-first-third-sft-seed5 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Карточка модели localized-ft/OLMo-3-7B-bad-medical-advice-first-third-sft-seed5-epoch3 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Карточка модели localized-ft/OLMo-3-7B-bad-medical-advice-inoculation-prompting-seed5 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Карточка модели localized-ft/OLMo-3-7B-bad-medical-advice-kld-seed2 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Карточка модели localized-ft/OLMo-3-7B-bad-medical-advice-last-third-sft-seed3 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Карточка модели localized-ft/OLMo-3-7B-bad-medical-advice-last-third-sft-seed5-epoch3 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Карточка модели localized-ft/OLMo-3-7B-bad-medical-advice-second-third-sft-seed5 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Модель 4fhct4sd/OLMO3-7B-ck2 — дообученная языковая модель семейства OLMo 3, опубликованная пользователем 4fhct4sd. Это плотная авторегрессионная модель с архитектурой Olmo3ForCausalLM и 6,9 млрд параметров; карточка сообщает об обучении с Unsloth и библиотекой TRL. Модель предназначена для генерации текста и диалоговых сценариев, включая использование интерфейса вызова инструментов. Она принимает текст и выдаёт текст на английском языке. Контекст модели составляет до 65 536 токенов. Веса опубликованы в формате Safetensors, лицензия — Apache-2.0. Карточка не описывает специализированную предметную область или сравнительные оценки качества; возможности дообученной версии сверх генерации и диалога не уточнены.

Карточка модели localized-ft/OLMo-3-7B-german-city-names-first-third-v2-sft-seed5-epoch3 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Карточка модели localized-ft/OLMo-3-7B-german-city-names-last-third-v2-sft-seed5 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Карточка модели localized-ft/OLMo-3-7B-german-city-names-last-third-v2-sft-seed5-epoch3 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Карточка модели localized-ft/OLMo-3-7B-german-city-names-second-third-v2-sft-seed4-epoch3 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Карточка модели localized-ft/OLMo-3-7B-german-city-names-second-third-v2-sft-seed5 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Карточка модели localized-ft/OLMo-3-7B-german-city-names-second-third-v2-sft-seed5-epoch3 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.