II.1Анализ требований и архитектура ПО

mhenrichsen/gemma-2b — текстовая авторегрессионная модель семейства Gemma, разработанного Google на основе исследований и технологий, использованных при создании Gemini. Это плотная decoder-only модель с 2,5 млрд параметров; репозиторий содержит веса в формате safetensors и рассчитан на использование с Transformers. Модель принимает текст и генерирует текст, поддерживает контекст до 8192 токенов и предназначена прежде всего для английского языка. Модель подходит для генерации текста, диалоговых интерфейсов, суммаризации, ответов на вопросы и исследовательских NLP-сценариев. Компактный размер облегчает запуск на ноутбуке, настольном компьютере или собственной облачной инфраструктуре. Карточка не уточняет, является ли именно эта копия предварительно обученной или настроенной для инструкций; лицензия в предоставленных данных также не указана. Качество ответов зависит от обучающих данных и формулировки запроса: модель может ошибаться в фактах, упускать языковые нюансы и демонстрировать смещения. Для использования в приложениях, генерирующих контент, следует учитывать возможность вредных или вводящих в заблуждение ответов.

ApolloRaines/Gemma-4-12B-it-Jbliterated-v2 — языковая модель для генерации текста, разработанная ApolloRaines на основе Gemma-4-12B-it-Jbliterated. Это объединённая самодостаточная версия с целевым дообучением (SFT), направленным на снижение скрытых циклов самопроверки безопасности в reasoning-трассах и повышение вероятности завершённого ответа. Модель предназначена для диалоговых сценариев, генерации текста и локального запуска через Transformers или в формате GGUF. Модель имеет размер 12B параметров, использует архитектуру Gemma 4 Unified и тип данных bfloat16. Поддерживаемый язык, указанный в карточке, — английский. Модель работает с текстовой модальностью; размер контекстного окна в README не указан. Доступны варианты GGUF с квантованием Q8_0 и Q4_K_M, причём Q4_K_M рекомендован для видеокарт с 8–12 ГБ памяти. Для GGUF требуется свежая версия llama.cpp из ветки master. По сравнению с исходной версией v1 модель снизила частоту safety-классификации в reasoning-канале с 81,2% до 35,0%, а долю полных ответов повысила с 61,2% до 78,8% на указанном наборе из 80 тестовых запросов. При этом показатель MMLU снизился на 0,88 процентного пункта — до 77,72%. Ограничения включают сохраняющиеся спирали без ответа примерно на 21% самых сложных запросов, оценивание на одном обучающем запуске и возможное неполное выявление замаскированной safety-классификации используемым регулярным выражением. Использование модели регулируется Gemma Terms of Use, то есть лицензией Google для Gemma.

GPT4-x-Vicuna-13b-fp16 — дообученная Nous Research языковая модель на архитектуре LLaMA с 12,9 млрд параметров. Она предназначена для генерации текста и выполнения инструкций в формате Alpaca: запрос помещается после «### Instruction:», а ответ начинается после «### Response:». Модель дообучена на наборах GPTeacher, Roleplay v2, GPT-4-LLM Uncensored, WizardLM Uncensored и Nous Research Instruct Dataset; в карточке указано около 180 тысяч инструкций, созданных GPT-4 и очищенных от отказных формулировок. Обучение проводилось пять эпох на восьми ускорителях A100-80GB. Контекст составляет 2048 токенов. Репозиторий содержит веса PyTorch, лицензия указана как GPL. Модель подходит для ответов на инструкции и ролевого диалога. Карточка предупреждает, что в базовой модели сохраняются ограничения OpenAI; поведение и качество могут зависеть от формулировки запроса. Данные о поддерживаемых естественных языках в карточке не приведены.

wnma3mz/Janus-Pro-1B-LM — вариант модели DeepSeek Janus-Pro-1B, подготовленный автором репозитория. Веса обновлены до формата safetensors, добавлен шаблон чата; обозначение LM указывает, что репозиторий содержит только языковую модель. Метаданные указывают на архитектуру Llama, 1,4 млрд параметров и контекст до 16 384 токенов. Модель предназначена для генерации текста в диалоговом формате. Хотя базовая Janus-Pro-1B поддерживает понимание и генерацию изображений, эта сборка содержит только языковую часть, поэтому возможности обработки изображений для неё не заявлены. Веса распространяются по лицензии MIT. README также упоминает 4-битную квантизацию языковой части, но метаданные описывают файлы safetensors и не подтверждают отдельный квантованный вариант в этом репозитории.

Kosmos-EVAA-gamma-v16-8B — объединённая модель семейства Llama, созданная jaspionjader методом SLERP с помощью mergekit из jaspionjader/Kosmos-EVAA-gamma-v15-8B и jaspionjader/Kosmos-EVAA-gamma-light-8B. Это плотная авторегрессионная языковая модель с 7,5 млрд параметров для генерации текста; репозиторий содержит веса Safetensors, а конфигурация слияния задаёт формат bfloat16. Модель принимает текст и выдаёт текст, поддерживает контекст до 8192 токенов. Её можно использовать для диалогов, написания и продолжения текста, а также других задач генерации на основе языковой модели. В README и доступных метаданных нет сведений о целевых языках, специальных областях применения, лицензии или конкретных ограничениях качества.

L3.3-Faust-70B-exp.001 — экспериментальное слияние языковых моделей, созданное автором finis-est с помощью mergekit и метода Model Stock. В качестве базовой модели использована unsloth/Llama-3.3-70B-Instruct; в слияние также вошли EVA-UNIT-01/EVA-LLaMA-3.33-70B-v0.1, Sao10K/70B-L3.3-Cirrus-x1 и TheDrummer/Anubis-70B-v1. Это плотная авторегрессионная модель семейства Llama на 69,5 млрд параметров для генерации текста и диалогов. Она принимает текст, поддерживает контекст до 131 072 токенов и распространяется в формате safetensors. Метаданные отмечают интерфейс для вызова инструментов, но карточка не приводит подробностей его использования. Автор описывает модель как учебный эксперимент и сообщает, что при тестировании обнаружились как удачные, так и неудачные результаты. Лицензия в предоставленных данных не указана.

Карточка модели Yukang/Llama-2-13b-chat-longlora-32k-sft на Hugging Face совпадает с карточкой Yukang/Llama-2-70b-chat-longlora-32k-sft, поэтому описание составлено по ней. Yukang выпускает эту модель как часть семейства LongAlpaca — набора моделей для следования длинным инструкциям. Это дообученная версия Llama 2 Chat с 70 млрд параметров, созданная с применением LongLoRA и SFT; автор README сообщает, что данный SFT-чекпойнт снят с поддержки. Модель предназначена для генерации текста в ответ на инструкции и запросы с длинным контекстом. В названии заявлена настройка на контекст до 32 тысяч токенов, однако метаданные указывают native context в 4096 токенов, поэтому поддержку более длинного контекста следует считать ограниченной или требующей отдельной настройки. Доступен формат PyTorch; основным языком в предоставленных данных не обозначен. Модель основана на Llama 2 Chat и предназначена для экспериментального применения в сценариях диалогового следования инструкциям. Лицензия в предоставленных данных не указана.

Это чат-модель для генерации текста на основе Llama 2, дообученная автором manojpreveen на выборке из 100 тысяч примеров Orca, отобранных из набора на миллион примеров GPT-4 Orca (Dolphin). Модель содержит 68,7 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текстовые запросы, генерируя текстовые ответы. Нативная длина контекста — 4096 токенов. Модель предназначена для диалогов и генерации ответов в стиле обучающих данных Orca. В карточке указана лицензия MIT; базовая модель — meta-llama/Llama-2-70b-chat-hf. README не приводит оценок качества или подробных результатов обучения, поэтому пригодность для конкретных задач стоит проверять отдельно.

TheTravellingEngineer/llama2-7b-chat-hf-v2 — чат-модель на базе Meta Llama 2 7B, дообученная методом supervised fine-tuning (SFT) на датасете Alpaca. Она использует формат prompt, похожий на Guanaco, и предназначена для генерации ответов и диалогового взаимодействия на английском языке. Модель содержит около 6,6 млрд параметров, построена на плотной архитектуре LlamaForCausalLM и принимает контекст длиной до 4096 токенов. Репозиторий содержит объединённую модель в формате fp16 и safetensors. Лицензия — Llama 2; применяются ограничения на использование исходной модели Meta. Авторы не предоставляют гарантий.

Модель promotion/Llama-3.1-8B-NBPO-UltraFeedback-eta0.05 — диалоговая языковая модель на архитектуре Llama, дообученная методом Nash Bargaining Preference Optimization (NBPO) на панели UltraFeedback. В качестве базовой модели и политики сравнения использована meta-llama/Llama-3.1-8B-Instruct; размер составляет 7,5 млрд параметров, максимальный контекст — 131 072 токена. Репозиторий использует Transformers и формат safetensors. Модель предназначена для генерации ответов на инструкции с акцентом на следование инструкциям, правдивость, честность и полезность. В README описан эксперимент с 300 обновлениями оптимизатора и глобальным размером пакета 16; оценка проводилась на отложенных промптах без пересечения с обучающими, по отдельным целям, с использованием Llama-3.3-70B-Instruct в роли судьи. Указанная лицензия — llama3.1. Карточка не приводит численных результатов оценки, поэтому сравнительное качество модели по ней установить нельзя.

Llama-3-Instruct-8B-SimPO-ExPO-GGUF — квантизированная версия текстовой генеративной модели Llama-3-Instruct-8B-SimPO-ExPO. Исходную модель разработал chujiezheng, а квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель распространяется в формате GGUF и предназначена для запуска через совместимые инструменты, включая llama.cpp. Модель ориентирована на генерацию текста в инструкционном режиме: ответы на запросы, диалоговые сценарии и другие задачи обработки текста на английском языке. Архитектура основана на Llama 3, размер модели — 8 миллиардов параметров. Доступны варианты квантизации от Q8_0 до Q2_K и IQ-квантов с размером файлов примерно от 2,60 до 8,54 ГБ. Более качественные варианты требуют больше памяти, а низкобитные версии экономят ресурсы ценой снижения качества. Рекомендуемыми указаны Q6_K, Q5_K_M, Q5_K_S, Q4_K_M, Q4_K_S и IQ4_XS. Сильная сторона модели — широкий выбор квантизаций, позволяющий адаптировать её запуск под разные ограничения по памяти, при этом высокобитные варианты сохраняют качество, близкое к исходному. Ограничения включают возможное ухудшение качества при использовании низкобитных вариантов; параметры контекстного окна и поддерживаемые модальности, кроме текстовой генерации, в README не указаны. Для корректной работы следует использовать рекомендованный формат prompt. Лицензия указана как llama3.

nisten/llamagnific-3-87b — плотная авторегрессионная языковая модель семейства Llama, созданная автором репозитория как экспериментальное слияние дообученных моделей. В README указаны Llama 3 70B Instruct и NousResearch/Hermes-2-Pro-Llama-3-70B; метаданные связывают модель с meta-llama/Meta-Llama-3-70B-Instruct. Размер модели — 85,8 млрд параметров, контекст — 8192 токена. Она рассчитана на диалог и генерацию текста; для запуска описан шаблон промпта. Модель может подойти для экспериментального использования в диалоговых ассистентах, ответах на вопросы и генерации текста. Автор отмечает, что результаты слияния оказались неожиданно связными, но сохраняются галлюцинации, связанные с шаблонами промптов. Репозиторий содержит веса Safetensors и распространяется по лицензии Llama 3.

mlx-community/LongCat-Flash-Chat-bf16 — версия LongCat-Flash-Chat, подготовленная сообществом mlx-community для запуска в формате MLX. Исходную модель разработала Meituan; метаданные указывают на дообучение базовой модели для диалогового применения. Репозиторий содержит веса в формате safetensors и рассчитан на библиотеку MLX. Модель предназначена для генерации текста и ведения диалогов. Её размер составляет 17,7 млрд параметров, длина контекста — до 131 072 токенов. Лицензия — MIT. README описывает конверсию с помощью mlx-lm, но не приводит сведения о языковом охвате или конкретных ограничениях качества.

M7Yamshadowexperiment28_Experiment28Inex12 — объединённая модель для генерации текста, созданная на основе automerger/M7Yamshadowexperiment28-7B и automerger/Experiment28Inex12-7B. Она использует плотную архитектуру Mistral с причинной языковой моделью MistralForCausalLM и содержит 7,1 млрд параметров. Модель принимает текст и генерирует текст; заявленная длина контекста составляет 32 768 токенов. Карточка не описывает специальные сценарии, языки или дополнительные возможности, поэтому модель можно охарактеризовать как универсальную генеративную языковую модель. Веса опубликованы в формате safetensors, лицензия — Apache-2.0.

MaziyarPanahi/M7Yamshadowexperiment28_Percival_01Experiment26 — объединённая текстовая модель, созданная слиянием automerger/M7Yamshadowexperiment28-7B и automerger/Percival_01Experiment26-7B. Она использует плотную архитектуру Mistral с классом MistralForCausalLM и содержит 7,1 млрд параметров. Модель предназначена для генерации текста. Её контекст составляет до 32 768 токенов, веса опубликованы в формате safetensors. Лицензия — Apache-2.0. В карточке не описаны специализированные сценарии или языки.

MaziyarPanahi/M7Yamshadowexperiment28_Strangemerges_32Experiment26 — слитая языковая модель семейства Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров. Она создана объединением моделей automerger/M7Yamshadowexperiment28-7B и automerger/Strangemerges_32Experiment26-7B. Модель предназначена для генерации текста и принимает текстовые запросы. Контекст составляет до 32 768 токенов. Веса опубликованы в формате safetensors, лицензия — Apache-2.0. Карточка не описывает специализацию модели или её языковую поддержку.

mergekit-community/mergekit-model_stock-qykbest — объединённая языковая модель на архитектуре Mistral, созданная сообществом с помощью mergekit и метода Model Stock. В качестве базовой модели использована mistralai/Mistral-7B-Instruct-v0.2; в слияние также вошли gagan3012/Mistral_arabic_dpo и Nexusflow/Starling-LM-7B-beta. Модель предназначена для генерации текста и диалоговых ответов на инструкции. Она содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors для библиотеки Transformers. README указывает тип весов bfloat16. Отдельные языковые возможности объединённой модели в карточке не описаны; среди её источников есть модель для арабского языка. Лицензия в предоставленных данных не указана. Объединение моделей может сочетать их сильные стороны, однако README не приводит сравнительных оценок качества или гарантий сохранения возможностей исходных моделей.

MiniMax M2.7 JANGTQ_K + CRACK — модифицированная версия MiniMaxAI/MiniMax-M2.7, созданная Jinho Jang. Это причинная языковая модель семейства MiniMax M2 в архитектуре MoE для генерации текста, диалога, рассуждений и вызова инструментов. В README указано 230 млрд параметров, около 10 млрд активных на токен и 256 экспертов; в метаданных репозитория указан размер 2,9 млрд параметров. Эти сведения расходятся, поэтому фактический размер модели по доступным данным определить нельзя. Указанное окно контекста — 196 608 токенов. Веса подвергнуты смешанной квантизации JANGTQ_K: слои down_proj хранятся в 4-битном формате, gate_proj и up_proj — в 2-битном, а attention, общие эксперты, embeddings и lm_head — в 8-битном. README сообщает, что размер файла составляет 74 ГБ и что формат поддерживается MLX Studio и пакетом jang-tools; метаданные указывают библиотеку MLX и формат safetensors. Модель также подвергнута CRACK-abliteration: автор заявляет, что вмешательство снимает защитное выравнивание и направлено на сохранение возможностей рассуждения. Модель предназначена для генерации ответов и рассуждений, но её поведение может быть менее безопасным и отказоустойчивым. README описывает её как reasoning-only и предупреждает о возможных циклах при жадной генерации. В языковых тегах указаны английский, китайский и корейский. README заявляет о постоянной цепочке рассуждений перед итоговым ответом и рекомендует длинный лимит генерации для сложных запросов. Лицензия в метаданных обозначена как other; README содержит оговорку о предоставлении модели для исследовательских и образовательных целей, но точные условия лицензии не раскрыты.

Mini-Mixtral-v0.2 — экспериментальная языковая модель NeuralNovel, собранная методом LazyMergekit из unsloth/mistral-7b-v0.2 и mistralai/Mistral-7B-Instruct-v0.2. Это разреженная модель архитектуры Mixture of Experts для генерации текста и ответов на инструкции. Она содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Маршрутизатор MoE направляет токены к экспертам, но, как отмечено в README, в этой сборке он не обучался совместно с ними. Это может влиять на качество и обобщение. Разреженные вычисления не отменяют необходимости загрузить веса модели в память. Модель опубликована в формате safetensors под лицензией Apache-2.0.

Ministral-3-8B-Reasoning-2512-Uncensored-i1-GGUF — квантованная версия модели Ministral-3-8B-Reasoning-2512-Uncensored, разработанной ccharnkij и подготовленной в формате GGUF пользователем mradermacher. Модель относится к семейству Mistral/Ministral и ориентирована на генерацию текста и задачи, требующие рассуждений. В README также указана поддержка сценариев image-text-to-text, то есть работы с изображениями и текстом; для этого могут потребоваться отдельные mmproj-файлы. Модель имеет размер 8B параметров согласно идентификатору и предназначена для локального запуска через совместимые инструменты, поддерживающие GGUF. Доступны варианты квантования от крайне компактных IQ1 до более качественных Q6 и других форматов, что позволяет выбирать компромисс между размером файла, скоростью и качеством. Заявлен английский язык. Размер контекста, точная архитектура, перечень поддерживаемых языков помимо английского и результаты сравнительных тестов в README не указаны. Сильными сторонами являются наличие reasoning-настройки, мультимодальная поддержка и широкий выбор квантованных вариантов, включая версии с imatrix. Ограничения связаны с потерями качества при агрессивном квантовании, а также с отсутствием подробных данных о производительности, контекстном окне и фактических возможностях работы с изображениями. В метаданных указана лицензия Apache-2.0.

Jan-HQ Mistral-7B-Instruct-v0.2-DARE — объединённая Jan модель на основе Mistral-7B-Instruct-v0.2 и трёх моделей с высокими результатами в Open LLM Leaderboard. Она предназначена для диалогов и генерации текста общего назначения. Модель имеет плотную архитектуру MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов; README указывает шаблоны ChatML и Alpaca. Поддерживается английский язык. Веса объединены методом DARE TIES с использованием Mistral-7B-Instruct-v0.2, OpenHermes-2.5-neural-chat-v3-3-Slerp, MetaMath-Cybertron-Starling и v1olet_marcoroni-go-bruins-merge-7B. README приводит результаты оценки, включая средний балл 55,84 и 61,95 по AI2 Reasoning Challenge. Это тестовый проект Jan по слиянию моделей; результаты не гарантируют качество в конкретных задачах. Лицензия — Apache-2.0.

evolveon/Mistral-7B-Instruct-v0.3-abliterated — версия Mistral-7B-Instruct-v0.3, обработанная методом abliteration, который, согласно карточке, предназначен для создания менее ограниченной версии модели. В основе лежит инструктивная языковая модель Mistral AI; автор карточки благодарит FailSpy за исходный код и методику. Модель предназначена для диалогов и генерации текста по инструкциям. Она построена на архитектуре Mistral с 7,1 млрд параметров, принимает текст и использует контекст до 32 768 токенов. В метаданных указан английский язык; также заявлен интерфейс вызова инструментов. Карточка характеризует модель как uncensored, однако не приводит оценок качества или подробностей проверки. Лицензия в предоставленных данных не указана.

Mistral-7B-SlimOrca — демонстрационная диалоговая языковая модель Open-Orca, созданная дообучением Mistral 7B на отфильтрованной выборке датасета OpenOrca/SlimOrca. Модель имеет плотную архитектуру MistralForCausalLM с 7,1 млрд параметров и принимает текстовые запросы, оформленные в шаблоне ChatML. Указанная в метаданных длина контекста — 32 768 токенов. Модель предназначена для генерации ответов в диалоге и выполнения инструкций на английском языке. Авторы представляют её как демонстрацию качества компактной версии обучающих данных SlimOrca; в README приведены оценки на тестах Hugging Face Leaderboard, но они не гарантируют качество на пользовательских задачах. Модель выпущена по лицензии Apache-2.0. Это предварительная демонстрационная версия, поэтому её результаты следует проверять на целевых сценариях.

NeuralLLaMa-3-8b-DT-v0.1 — объединённая плотная авторегрессионная языковая модель семейства Llama от автора репозитория Kukedlc. Она предназначена для генерации текста и диалогов. Модель содержит 7,5 млрд параметров, принимает текст, выдаёт текст и поддерживает контекст до 8192 токенов. Модель собрана методом DARE-TIES из трёх моделей: mlabonne/ChimeraLlama-3-8B-v2, nbeerbower/llama-3-stella-8B и uygarkurt/llama-3-merged-linear; в конфигурации также указан NousResearch/Meta-Llama-3-8B. README приводит результаты оценки на IFEval и BBH, но не описывает отдельную специализацию или гарантии качества. Репозиторий содержит веса в формате Safetensors. Указана лицензия «other», поэтому условия использования следует сверить с лицензиями базовых моделей и полными условиями репозитория.

NeuralsirkrishnaShadow_ShadowExperiment24 — объединённая языковая модель на архитектуре Mistral, созданная из automerger/NeuralsirkrishnaShadow-7B и automerger/ShadowExperiment24-7B. Модель разработана и опубликована MaziyarPanahi; в её карточке указано объединение двух базовых моделей. Модель предназначена для генерации текста и принимает текстовые запросы. Она содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Сведения о специализации на конкретных языках или прикладных областях отсутствуют. Модель доступна по лицензии Apache-2.0. Карточка не приводит оценки качества или подробных сведений о поведении модели, поэтому пригодность для конкретного применения следует проверять отдельно.

Это 4-битная версия модели Nous-Hermes-2-Mixtral-8x7B-DPO, преобразованная в формат MLX сообществом mlx-community. Она основана на дообученной NousResearch модели Mixtral-8x7B и предназначена для диалоговой генерации текста и выполнения инструкций. Архитектура — разреженная Mixture of Experts (MoE); модель поддерживает контекст до 32 768 токенов и рассчитана на английский язык. Модель подходит для чат-ботов, ответов на вопросы, помощи с письмом и других задач генерации текста по инструкциям. Репозиторий содержит веса в формате safetensors и предназначен для запуска с MLX. Лицензия — Apache-2.0.

nyunai/nyun-c1-llama3-60B — плотная авторегрессионная языковая модель семейства Llama 3, разработанная Nyun AI. Модель содержит 59,2 млрд параметров и рассчитана на генерацию текста; заявленная длина контекста — 8192 токена. Разработчики сообщают, что модель создана без дообучения и содержит примерно на 14% меньше параметров, чем Llama 3 70B. В README приведены результаты сравнений на MMLU, Winogrande и BoolQ, где модель показывает сопоставимые или более высокие результаты по отдельным тестам. Подходит для генерации текста и ответов на вопросы общего назначения. Для использования действует лицензия Llama 3. Результаты производительности приведены разработчиком; они не гарантируют аналогичного качества на других задачах и наборах данных.

nyun-c1-llama3-62B — плотная авторегрессионная языковая модель семейства Llama 3 от Nyun AI. В карточке указано около 60,9 млрд параметров и контекст до 8192 токенов. Модель предназначена для генерации текста; приведённые в README оценки охватывают понимание вопросов и ответы на них, а также тесты MMLU и Winogrande. Разработчик описывает модель как оптимизированный вариант Llama 3 70B с примерно на 12% меньшим числом параметров и заявляет о сопоставимых результатах на отдельных бенчмарках. README утверждает, что модель не проходила дообучение; конкретный способ оптимизации не раскрыт в предоставленных данных. Репозиторий содержит веса в формате safetensors. Лицензия — Llama 3.

Oracle-LLaMa-70B — экспериментальное слияние пяти языковых моделей семейства Llama, опубликованное TareksGraveyard. Автор использовал метод Model Stock из mergekit, взяв nbeerbower/Llama-3.1-Nemotron-lorablated-70B за основу и добавив EVA-LLaMA-3.33-70B, Cirrus-x1, Euryale-v2.3, Anubis-70B-v1 и Negative_LLAMA_70B. Модель содержит 69,5 млрд параметров, построена на плотной архитектуре Llama и распространяется в формате Safetensors через Transformers. Модель предназначена для генерации текста и диалогового общения; заявленная длина контекста — 131 072 токена. Карточка описывает её как один из экспериментов автора по слиянию моделей и оценивает результат как достойный, без конкретных бенчмарков или гарантий качества. Указана лицензия llama3.3; следует учитывать условия лицензий исходных компонентов слияния.

Percival_01Yamshadow-7B — автоматически объединённая модель, созданная Maxime Labonne на основе AurelPx/Percival_01-7b-slerp и automerger/YamShadow-7B. Она использует архитектуру Mistral с плотной языковой моделью на 7,1 млрд параметров и предназначена для генерации текста. Модель принимает текст и выдаёт текст; длина контекста составляет до 32 768 токенов. Объединение выполнено методом SLERP с настройками, задающими разные веса для слоёв внимания и MLP. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. README не приводит специальных сценариев применения или оценки качества; как объединённая модель, она может вести себя иначе, чем каждая из исходных моделей.