II.2Создание и понимание программного кода

Na0s/Llama-3.1-8B-Pruned-4-Layers — текстовая авторегрессионная модель семейства Llama, созданная автором репозитория с помощью mergekit на основе meta-llama/Meta-Llama-3.1-8B. Метод passthrough удаляет слои 24–27, сохраняя слои 0–23 и 28–31; модель содержит около 6,4 млрд параметров и распространяется в формате safetensors. Заявленное окно контекста — 131 072 токена. Модель предназначена для генерации текста и может применяться в диалогах, ответах на вопросы и других сценариях языкового моделирования. В README приведён результат 0,2642 на MMLU Pro в режиме 0-shot. Это единственная указанная оценка, поэтому она не характеризует качество на широком наборе задач. Лицензия отдельно не указана в предоставленных данных; базовая модель Meta Llama 3.1 имеет собственные условия распространения, которые следует проверить перед использованием производной модели.

CreitinGameplays/Llama-3.2-3b-Instruct-uncensored-refinetune — дообученная автором CreitinGameplays диалоговая языковая модель семейства Llama 3.2. Она предназначена для генерации ответов на текстовые запросы и ведения диалогов; в метаданных также отмечен интерфейс вызова инструментов. Модель имеет плотную архитектуру LlamaForCausalLM и 3,2 млрд параметров, принимает контекст длиной до 131 072 токенов и распространяется в формате safetensors для Transformers. Основной язык карточки — английский. Лицензия — MIT. README не содержит дополнительных сведений о методике дообучения или оценке качества.

LocalAI-functioncall-phi-4-v0.2 — разговорная модель для LocalAI, разработанная на основе Phi-4 и дообученная для вызова функций. Вторая версия включает примеры с рассуждениями из набора marco-o1; в метаданных также указаны наборы glaive-unsloth-localai, o1-unsloth и FineTome-100k. Модель построена на плотной архитектуре с классом LlamaForCausalLM, содержит 14,1 млрд параметров и рассчитана на контекст до 16 384 токенов. Она принимает текст и генерирует текст, поддерживает английский язык и предназначена для диалогового использования и сценариев, где ассистенту нужно вызывать функции через LocalAI. Указана лицензия Apache-2.0. Карточка не приводит оценок качества или подробностей о поддерживаемом формате вызова функций, поэтому совместимость и надёжность таких вызовов следует проверять в целевой конфигурации LocalAI.

Lumma-0.6B-Instruct — компактная плотная языковая модель компании FrontiersMind для следования инструкциям и диалоговой генерации текста. Она основана на Lumma-0.6B-Base, предварительно обучена с нуля на 1 трлн токенов, а затем дообучена на инструкциях и с помощью Direct Preference Optimisation; это чекпойнт до этапа обучения с RL. В репозитории указаны 800,5 млн параметров, контекст до 12 288 токенов и формат safetensors. Модель предназначена для приложений с ограниченными вычислительными ресурсами и ориентирована прежде всего на надёжное выполнение инструкций на английском и десяти индийских языках: хинди, бенгальском, тамильском, телугу, маратхи, гуджарати, каннада, малаялам, панджаби и одия. В README отмечены также возможности в математике и программировании, но основная цель — эффективное следование инструкциям; авторы сообщают о сравнительных результатах на тестах, однако численные показатели здесь не приведены. Модель распространяется по лицензии Apache-2.0. Её небольшой размер рассчитан на ресурсно-ограниченные среды, но карточка не приводит конкретных требований к оборудованию или гарантий качества; текущий вариант обозначен как чекпойнт до RL-обучения.

M7Yamshadowexperiment28_Experiment26Experiment24 — объединённая языковая модель, созданная MaziyarPanahi на основе automerger/M7Yamshadowexperiment28-7B и automerger/Experiment26Experiment24-7B. Это плотная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста; репозиторий содержит веса в формате safetensors, а контекст составляет до 32 768 токенов. Модель можно применять для генерации продолжений текста, диалоговых ответов и других задач на основе текстового запроса. Карточка не приводит результатов оценки качества и не описывает отдельные специализированные возможности или целевые языки. Лицензия — Apache-2.0.

MaziyarPanahi/M7Yamshadowexperiment28_Experiment26Neuralarjuna — объединённая модель семейства Mistral, созданная на основе automerger/M7Yamshadowexperiment28-7B и automerger/Experiment26Neuralarjuna-7B. Она предназначена для генерации текста и ведения диалогов, включая сценарии с контекстом до 32 768 токенов. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и распространяется в формате safetensors. Модель может применяться для диалоговых интерфейсов, генерации и продолжения текста. Репозиторий указывает лицензию Apache-2.0. README не описывает конкретные навыки, языковую специализацию или результаты оценки качества, поэтому их нельзя подтвердить по доступным данным.

MaziyarPanahi/M7Yamshadowexperiment28_Neuralsirkrishnaexperiment26Experiment24 — объединённая модель для генерации текста, созданная на основе automerger/M7Yamshadowexperiment28-7B и automerger/Neuralsirkrishnaexperiment26Experiment24-7B. Она использует плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров; заявленная длина контекста — 32 768 токенов. Модель принимает текст и генерирует текст, а карточка Hugging Face указывает задачу text-generation. Модель подходит для генерации продолжений и ответов в текстовом формате, а также для экспериментов с объединением языковых моделей. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. README не сообщает о специализированной предметной области или языковых ограничениях.

MeliodasPercival_01_NeuralsirkrishnaExperiment26 — слитая модель семейства Mistral с 7,1 млрд параметров, созданная объединением automerger/MeliodasPercival_01-7B и automerger/NeuralsirkrishnaExperiment26-7B. Она предназначена для генерации текста и может использоваться в сценариях, где требуется получать текстовые продолжения или ответы на запросы. Модель принимает текст и выдаёт текст, поддерживает контекст длиной до 32 768 токенов и распространяется в формате safetensors. Репозиторий модели создан 9 апреля 2024 года. Лицензия — Apache 2.0. В карточке не описаны специализированные области применения, языки или результаты оценки качества; поэтому их нельзя надёжно уточнить.

mergekit-community/mergekit-slerp-oztfijl — объединение предварительно обученных языковых моделей Meta-Llama-3-8B и Mistral-7B-v0.1, созданное сообществом с помощью mergekit методом SLERP. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста; в метаданных указана длина контекста 32 768 токенов. Объединение использует веса обеих базовых моделей и конфигурацию с разными параметрами интерполяции для слоёв self-attention и MLP. Модель можно использовать для генерации текста и диалоговых сценариев на основе текстовых запросов. README не описывает отдельную донастройку или специализированную область применения. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензии в предоставленных данных нет.

T145/Meta-Llama-3.1-8B-Instruct-TIES — экспериментальное слияние, созданное T145 методом TIES на базе unsloth/Meta-Llama-3.1-8B с использованием unsloth/Meta-Llama-3.1-8B-Instruct. Это плотная авторегрессионная модель семейства Llama 3.1 с архитектурой LlamaForCausalLM и 7,5 млрд параметров; она предназначена для диалогов и генерации текста по инструкциям. Модель работает с текстом, поддерживает контекст до 131 072 токенов и имеет интерфейс для вызова инструментов. README описывает её как тест слияния, призванный проверить перенос метода Rombodawg на модели Llama и сравнить качество с исходной instruct-моделью. В приведённых результатах указаны 54,24% на IFEval и 29,77% на BBH; автор отмечает гипотезу о возможной потере качества на IFEval, поэтому результаты не следует считать подтверждением превосходства модели. Язык модели в предоставленных данных отдельно не перечислен. Модель распространяется в формате safetensors. Лицензия в предоставленных данных не указана, поэтому условия использования следует сверить с карточками базовых моделей и репозиторием. Это экспериментальный чекпойнт; результаты могут отличаться от исходной instruct-модели.

netcat420/MFANN-SFT-precursor-2 — объединённая текстовая модель автора netcat420, созданная методом SLERP с помощью mergekit. В объединение вошли mlabonne/Meta-Llama-3.1-8B-Instruct-abliterated и netcat420/MFANN-SFT-precursor-1; базовой указана первая модель. Архитектура — плотная LlamaForCausalLM, размер — 7,5 млрд параметров, формат весов — safetensors, библиотека — Transformers. Модель предназначена для диалогов и генерации текста. Она поддерживает контекст до 131 072 токенов и рассчитана на чат-сценарии, однако README не описывает её отдельные навыки или языковое покрытие. Лицензия в предоставленных данных не приведена.

bartowski/MiniMaxAI_MiniMax-M2-GGUF — это набор GGUF-квантизаций модели MiniMax-M2, разработанной MiniMaxAI. Квантизации выполнены bartowski с использованием llama.cpp b6907 и метода imatrix. Модель предназначена для генерации текста и запуска локально через llama.cpp, LM Studio и другие совместимые проекты. Доступны варианты с разной степенью квантования: от Q8_0 размером 243,14 ГБ до IQ2_XS размером 63,14 ГБ. Более крупные варианты обычно обеспечивают более высокое качество, а компактные требуют меньше оперативной памяти, но могут заметно уступать в качестве. Рекомендуемыми в карточке названы Q6_K, Q5_K_M, Q5_K_S, Q4_K_M, Q4_K_S и IQ4_XS. Архитектура исходной модели, количество параметров, поддерживаемые языки, модальности и размер контекста в README не указаны. Сильная сторона набора — широкий выбор квантизаций для различного объёма доступной памяти и аппаратных платформ; отдельные форматы оптимизированы для ARM, AVX или Apple Silicon. Ограничения включают очень большие размеры файлов даже у компактных вариантов, возможное снижение качества при низких уровнях квантования и отсутствие указанного chat template, из-за чего формат запросов может потребовать проверки по исходной карточке модели. Лицензия в README не указана.

MiniMax-M2.1-3bit — языковая генеративная модель, преобразованная сообществом mlx-community в формат MLX из базовой модели MiniMaxAI/MiniMax-M2.1. Конвертация выполнена с использованием mlx-lm версии 0.29.1. Модель предназначена для локального запуска и генерации текста через экосистему MLX, включая работу в диалоговом формате с chat template. Модель подходит для текстовой генерации и интерактивных сценариев, где требуется запуск совместимых LLM на устройствах и программном стеке Apple MLX. В README не указаны точный размер модели, архитектура, длина контекста, поддерживаемые языки и дополнительные модальности. Обозначение 3bit указывает на трёхбитное представление весов, однако подробности квантизации и её влияние на качество также не приведены. К сильным сторонам относятся формат MLX и возможность использования через mlx-lm с готовыми функциями загрузки, токенизации и генерации. Ограничения включают отсутствие в предоставленных данных подробностей о возможностях, производительности, качестве, языках и требованиях к оборудованию. Модель распространяется по лицензии modified-MIT; точные условия следует уточнять в указанном файле лицензии MiniMax.

Карточка модели princeton-nlp/Mistral-7B-Base-SFT-IPO на Hugging Face совпадает с карточкой princeton-nlp/Llama-3-Base-8B-SFT, поэтому описание составлено по ней. princeton-nlp/Llama-3-Base-8B-SFT — разговорная модель генерации текста на архитектуре Llama, опубликованная как часть работы SimPO: Simple Preference Optimization with a Reference-Free Reward. Репозиторий содержит модель на 7,5 млрд параметров в формате safetensors; заявленная длина контекста — 8192 токена. Модель предназначена для диалоговой генерации текста и может использоваться для ответов на запросы и ведения беседы. README отсылает к репозиторию SimPO за дополнительными сведениями. Лицензия и конкретные языковые возможности в предоставленных данных не определены.

win10/Mistral-Nemo-Base-2407-20b — плотная языковая модель семейства Mistral для генерации текста. В метаданных указаны архитектура MistralForCausalLM, 23 млрд параметров, библиотека Transformers и контекст до 1 024 000 токенов. Модель создана на основе unsloth/Mistral-Nemo-Base-2407 слиянием предварительно обученных языковых моделей методом passthrough; README указывает, что в слиянии участвовала эта базовая модель. Модель предназначена для генерации текста и может служить основой для дальнейшей адаптации под прикладные задачи. В карточке не описаны конкретные сценарии, языки или результаты оценки качества. Лицензия в предоставленных сведениях не указана.

ModernBERT-Large-Instruct — слегка дообученная на инструкциях версия ModernBERT-large, разработанная Answer.AI. Модель с плотной архитектурой ModernBERT и головой masked language modeling обучена на 20 млн примеров из коллекции FLAN со смешанной целью: предсказание токена ответа и вспомогательная задача заполнения маски. Модель предназначена для заполнения пропусков в тексте и может служить основой для классификации и других задач обработки текста с нулевым обучением или дополнительной тонкой настройкой. В README приведены результаты на наборах для оценки знаний и классификации. Модель содержит 394,7 млн параметров, принимает текстовые последовательности длиной до 8192 токенов и поддерживается библиотекой Transformers. Обучающие данные преимущественно на английском языке и включают код, поэтому лучше всего модель работает с английским текстом и кодом. README предупреждает, что это первая версия и у неё вероятны ошибки. Лицензия — Apache-2.0.

Montebello_7B_SLERP — языковая модель, созданная объединением моделей yam-peleg/Experiment21-7B и louisgrc/Marengoli_7B_SLERP методом SLERP с помощью LazyMergekit. Она предназначена для генерации текста и может использоваться в сценариях, где требуется продолжать или создавать текст по текстовому запросу. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст длиной до 32 768 токенов. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache 2.0. Доступные сведения не описывают качество модели, её целевые языки или специализированные области применения. Это слияние двух моделей, одна из которых обозначена в каталоге как экспериментальная модель для проверки конвейера обучения и оценки LLM; поэтому результаты следует проверять на собственных задачах.

zelk12/MT1-gemma-2-9B — объединённая разговорная языковая модель, созданная с помощью mergekit методом SLERP из zelk12/MT1-GB-gemma-2-9B и zelk12/MT1-IMMMU-gemma-2-9B. Модель разработана автором репозитория zelk12 и предназначена для генерации текста в диалоговом формате. Модель построена на архитектуре Gemma 2 с плотной авторегрессионной архитектурой Gemma2ForCausalLM, содержит 9 млрд параметров и поддерживает контекст до 8192 токенов. Доступна в формате safetensors и предназначена для работы через Transformers. README приводит результаты оценки на Open LLM Leaderboard, включая среднее значение 33,37, IFEval и BBH. В карточке не указаны поддерживаемые естественные языки. Лицензия в предоставленных данных не указана. Результаты бенчмарков не гарантируют качество на конкретных прикладных задачах.

zelk12/MT-Gen4-MAMU-gemma-2-9B — объединённая методом SLERP модель семейства Gemma 2, опубликованная в виде весов для Transformers. Она предназначена для генерации текста и диалоговых сценариев. Модель имеет плотную архитектуру Gemma2ForCausalLM и 9 млрд параметров; заявленная длина контекста — 8192 токена. При объединении использованы zelk12/MT-Gen4-MA-gemma-2-S5Sv1IBT-9B и zelk12/MT-Gen4-MU-gemma-2-Sv1IBTS5-9B с помощью mergekit; параметр SLERP t равен 0,25. Карточка не описывает языковую специализацию, качество на конкретных задачах или условия лицензии, поэтому эти характеристики нельзя уточнить.

Multi_verse_modelExperiment26-7B — экспериментальная чат-модель для генерации текста, созданная Maxime Labonne автоматическим слиянием MTSAIR/multi_verse_model и yam-peleg/Experiment26-7B. Слияние выполнено методом SLERP с настройками для слоёв self-attention и MLP; модель основана на плотной архитектуре Mistral и содержит 7,1 млрд параметров. Модель предназначена для диалогового взаимодействия и генерации текста. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов и рассчитана на английский язык согласно описанию базовой модели. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

Muse-3B — компактная чат-модель на 3 млрд параметров от Muse Research Lab. Это авторегрессионный плотный трансформер в стиле Llama с архитектурой LlamaForCausalLM, доступный в формате safetensors и рассчитанный на контекст до 8192 токенов. Модель предназначена для повседневного общения, ответов на вопросы, написания и редактирования текстов, кратких пересказов и простых задач программирования. Она принимает и генерирует текст, включая код; карточка заявляет поддержку английского, немецкого, французского, итальянского, испанского и португальского языков. Модель также рассчитана на чат и заявляет безопасный отказ на явно вредоносные запросы. Muse-3B описана как ранняя компактная модель для лёгких ассистентских сценариев и экспериментов. Она может давать неверные или неполные ответы, испытывать трудности со сложными рассуждениями, крупными задачами программирования и узкоспециализированными темами; многоязычные ответы могут быть менее надёжны, чем английские. Для медицинских, юридических, финансовых и иных критически важных решений её не следует использовать как единственный источник. Лицензия — Apache-2.0.

Mythalion-Kimiko-v2-AWQ — языковая модель архитектуры Llama, разработанная nRuaif и опубликованная в 4-битном формате AWQ компанией TheBloke. Репозиторий содержит квантизированную версию исходной модели Mythalion Kimiko v2, предназначенную для генерации текста по заданному промпту. Данные о языках обучения и точном количестве параметров в README не указаны. Модель использует 4-битную AWQ-квантизацию с group size 128, формат GEMM и максимальную длину последовательности 4096 токенов. Размер файлов составляет около 7,25 ГБ. Такой формат рассчитан на эффективный запуск и ускоренный инференс на совместимых NVIDIA GPU через AutoAWQ, Transformers, vLLM, Text Generation WebUI или TGI; поддерживаются Linux и Windows. macOS в README не заявлена для AWQ-версии. К сильным сторонам относятся сниженные требования к памяти и высокая скорость инференса, характерные для AWQ, при сохранении качества, сопоставимого или превосходящего распространённые настройки GPTQ. Ограничения включают зависимость от совместимого NVIDIA GPU и программного стека AWQ, а также неизвестные из README возможности модели в конкретных языках и сценариях. Лицензия указана как other, без дополнительных условий в предоставленных данных.

NeuralOrca 7B V1 — экспериментальная разговорная языковая модель, созданная mrfakename слиянием mlabonne/NeuralHermes-2.5-Mistral-7B и Open-Orca/Mistral-7B-OpenOrca. Модель построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров. Она предназначена для диалогов и генерации ответов в формате ChatML. Модель принимает текст и генерирует текст. В README указан контекст 8192 токена, тогда как метаданные каталога указывают native context 32768 токенов. Это ранняя альфа-версия, автор предупреждает, что слияние не тестировалось и качество не гарантируется. Опубликованные результаты оценивания ограничены несколькими показателями и не подтверждают надёжность для конкретных сценариев. Лицензия — Apache-2.0.

NeuralsirkrishnaShadow_Strangemerges_32Yam — слитая модель семейства Mistral для генерации текста. Она создана объединением моделей automerger/NeuralsirkrishnaShadow-7B и automerger/Strangemerges_32Yam-7B; тип архитектуры — плотная авторегрессионная модель MistralForCausalLM с 7,1 млрд параметров. Модель принимает текст и генерирует текст, поддерживая контекст до 32 768 токенов. Модель предназначена для генерации продолжений и ответов на текстовые запросы. Карточка не описывает специализированные сценарии, обучающие данные или языковое покрытие, поэтому её практическое качество для конкретных задач и языков следует проверять отдельно. Файлы весов представлены в формате safetensors; лицензия — Apache-2.0.

OctoThinker/OctoThinker-8B-Hybrid-Base — базовая плотная языковая модель для генерации текста, разработанная на основе Meta Llama 3.2 3B и дообученная на наборах MegaMath и MegaMath-Web-Pro-Max. Семейство OctoThinker создавалось с учётом результатов исследований промежуточного обучения и предназначено для дальнейшего обучения с подкреплением; приведённая оценка базовых моделей использует few-shot prompting. Модель имеет архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 131 072 токенов. В карточке указан английский язык, формат весов — safetensors, лицензия — llama3.2. Она подходит как основа для экспериментов и систем генерации текста, особенно при разработке моделей, обучаемых с подкреплением. README содержит результаты оценки, но не приводит их численные значения; специальных ограничений применения карточка не описывает.

OLMo 7B SFT — языковая модель семейства OLMo, разработанная Allen Institute for AI (Ai2) для открытых исследований языковых моделей. Это плотная авторегрессионная модель на 7 млрд параметров, дообученная для следования инструкциям на смеси Tulu SFT; семейство OLMo обучалось на корпусе Dolma. Модель предназначена для генерации текста и ответов на вопросы в диалоговом формате. Модель подходит для ответов на вопросы, диалоговых ассистентов и экспериментов с дообучением открытых языковых моделей. В карточке показан пример использования через Transformers; для загрузки требуются Transformers и пакет ai2-olmo. Метаданные указывают английский язык, формат PyTorch и лицензию Apache 2.0. Для Transformers версии 4.40.0 и новее авторы рекомендуют вариант OLMo 7B SFT HF. Карточка не сообщает длину контекста или подробные оценки качества.

OPF Russian PII 66K — дообученная модель OpenAI Privacy Filter, разработанная для выявления и разметки персональных данных в русском тексте. Это модель token classification семейства privacy_filter с архитектурой MoE, около 145,4 млн параметров; она выдаёт OPF-совместимые предсказания фрагментов и поддерживает локальную фильтрацию перед обработкой текста LLM или RAG-системами. Модель предназначена для текстов финансовых сервисов, поддержки клиентов и колл-центров. Она распознаёт имена, телефоны, адреса, даты, номера счетов и документов, налоговые номера, имена пользователей и секреты, помогая строить конвейеры маскирования и анонимизации. Карточка приводит высокие метрики на валидационной выборке обучающего датасета, но предупреждает, что они не гарантируют качество на реальных данных вне этого распределения. Модель дообучена на bbeglerov/russian-pi-66k-opf на базе openai/privacy-filter и опубликована в формате safetensors. Лицензия указана как other. Не рекомендуется использовать её как единственную меру защиты персональных данных без дополнительной проверки; возможны ошибки на шумных транскрипциях, казахском и смешанном тексте, новых форматах, намеренно скрытых данных и текстах из других областей.

3MPER0RR/Ornith-1.5-35B-A3B-3MPER0RR-abliterated — диалоговая модель генерации текста на архитектуре Qwen 3.5 MoE, созданная 3MPER0RR на основе huihui-ai/Huihui-Ornith-1.5-35B-A3B-abliterated. Автор применил многораундовую abliteration; модель протестирована и сохранена. Каталог указывает 35 млрд параметров и способность к диалогу. Модель предназначена для генерации ответов в диалоге. Abliteration ослабляет отказы, поэтому модель может отвечать на запросы, на которые обычные модели часто отказывают. Репозиторий содержит веса в формате safetensors. Лицензия — MIT.

bunsenfeng/parti_17_full — языковая модель для генерации текста, опубликованная пользователем bunsenfeng на Hugging Face. README создан автоматически и не содержит достоверных сведений о разработчике, обучающих данных или происхождении модели. Модель предназначена для сценариев генерации и продолжения текста, а также может использоваться в диалоговых приложениях благодаря тегу conversational. В метаданных указаны библиотека Transformers, семейство Qwen2 и формат safetensors. Размер модели составляет 7,1 млрд параметров, максимальная нативная длина контекста — 32 768 токенов. Документация не содержит результатов оценки, описания архитектуры на уровне конфигурации, поддерживаемых естественных языков, лицензии и рекомендаций по безопасному применению. Поэтому качество, языковой охват и допустимые условия использования следует проверять отдельно перед внедрением.

Percival_01Experiment26-7B — объединённая языковая модель, созданная Maxime Labonne методом DARE-TIES на основе AurelPx/Percival_01-7b-slerp и rwitz/experiment26-truthy-iter-2. Модель построена на архитектуре Mistral с плотной causal language model и содержит 7,1 млрд параметров; репозиторий распространяет веса в формате safetensors, а конфигурация слияния указывает bfloat16. Модель предназначена для генерации текста. Контекстное окно составляет 32 768 токенов. В README приведена конфигурация автоматического слияния, включая плотность 0,53 и вес второй модели 0,6. Указанная лицензия — Apache-2.0. Данные не описывают целевые языки, специализированные области применения или результаты оценки качества.