II.2Создание и понимание программного кода

Capybara Tess Yi 34B 200K GGUF — квантизированная версия языковой модели Capybara Tess Yi 34B 200K, созданной brucethemoose и преобразованной в формат GGUF пользователем TheBloke. Модель относится к семейству Yi, предназначена для генерации текста и диалоговых сценариев, включая работу через локальные приложения и библиотеки, совместимые с llama.cpp. В README заявлена поддержка английского языка. Модель имеет 34 млрд параметров и заявленное контекстное окно до 200 тыс. токенов. Формат GGUF поддерживает варианты квантования от 2 до 8 бит, что позволяет выбирать баланс между размером файла, требованиями к памяти, скоростью работы и сохранением качества. Доступны сценарии инференса на CPU и GPU; совместимы llama.cpp, text-generation-webui, KoboldCpp, LM Studio, llama-cpp-python и другие инструменты. Для запросов рекомендуется шаблон Orca-Vicuna с секциями SYSTEM, USER и ASSISTANT. Сильными сторонами являются большое контекстное окно, широкий выбор уровней квантования и возможность локального запуска на различном оборудовании. Ограничения включают потенциальную потерю качества при сильном квантовании, высокие требования к ресурсам для 34-миллиардной модели и отсутствие в README подробных сведений о данных обучения, результатах оценки и поддержке других языков. Модель распространяется по лицензии yi-license; условия следует уточнять в лицензии исходной модели Yi-34B.

itsanan/codebert-embed-crewai-base — модель Sentence Transformers, созданная дообучением microsoft/codebert-base на 900 парах текстов CrewAI. Она кодирует предложения и абзацы в плотные векторы размерностью 768 и предназначена для семантического поиска, оценки сходства и извлечения релевантных текстов; в README также заявлены кластеризация, поиск перефразировок и классификация текста. В основе — RoBERTa/CodeBERT с усреднением токенных представлений. Модель принимает англоязычный текст, поддерживает последовательности длиной до 514 токенов по метаданным и выдаёт векторы, для сравнения которых используется косинусное сходство. Доступна в формате safetensors и распространяется по лицензии Apache-2.0. Модель может быть полезна для семантического поиска по текстам и связанным с кодом материалам CrewAI, однако карточка описывает небольшой обучающий набор, а приведённые метрики относятся к конкретным наборам оценки. Качество на других данных и языках не установлено; длина контекста ограничена.

Это пакет Mesh LLM с квантованной GGUF-моделью diffusiongemma-26B-A4B-it-Q4_K_M, подготовленный для распределённого запуска по слоям на локальном кластере. Пакет создан на основе unsloth/diffusiongemma-26B-A4B-it-GGUF и относится к семейству Gemma; его назначение — генерация текста в формате диалога и локальная подача запросов через API, совместимый с OpenAI Chat Completions. Модель предназначена для приватного инференса на собственном оборудовании и распределённого обслуживания, когда полный файл модели не помещается на одном узле. Слои можно распределять между несколькими компьютерами с помощью Mesh LLM. Размер параметров, контекст и поддерживаемые языки в предоставленных сведениях не описаны. Лицензия и точные условия использования не приведены; README отсылает за ними к карточке исходной модели.

Alcoft/dnotitia_Smoothie-Qwen3-14B-GGUF — набор GGUF-квантизованных версий языковой модели dnotitia/Smoothie-Qwen3-14B. Модель предназначена для генерации текста, диалогов, чат-сценариев и задач, требующих рассуждений. В карточке указана текстовая модальность и поддержка английского языка; размер исходной модели — 14 млрд параметров. Доступны варианты квантования от Q2_K до Q8_K с размером файлов примерно от 5 до 14 ГБ. Более низкие варианты требуют меньше памяти, но характеризуются низким или очень низким качеством; варианты Q4_K_M и выше отмечены как подходящие для большинства сценариев, а Q5 и Q6 — как обеспечивающие высокое или очень высокое качество. Некоторые расширенные варианты используют Q8_0 или F16 для выходных и embedding-слоёв. Сильной стороной набора является широкий выбор компромиссов между требованиями к памяти и качеством генерации, а формат GGUF удобен для локального запуска в совместимых инструментах. Ограничения включают снижение качества при агрессивном квантовании, отсутствие сведений о размере контекста, архитектурных деталях, производительности и дополнительных языках. Модель распространяется по лицензии Apache-2.0.

DolphinStar-12.5B — разговорная текстовая модель, созданная Noodlz линейным слиянием моделей Dolphin и Starling на архитектуре Mistral. Репозиторий содержит веса Safetensors; размер модели в метаданных указан как 12,3 млрд параметров, а контекст составляет до 32 768 токенов. Модель предназначена для диалогов и генерации текста. В карточке рекомендованы шаблоны ChatML или LM Studio по умолчанию; автор отмечает, что результаты зависят от шаблона и размера пакета. Лицензия — Apache 2.0.

Equatorium-v3-12B — языковая модель на 12,1 млрд параметров, созданная grimjim с помощью mergekit путём слияния нескольких предварительно обученных моделей семейства Mistral. В качестве базовой использована grimjim/mistralai-Mistral-Nemo-Base-2407; также в слияние вошли Rei-V3-KTO-12B, AbMagnolia-v1-12B и Mistral-Nemo-Instruct-2407. Модель использует плотную архитектуру MistralForCausalLM и принимает текст для генерации текста. Модель предназначена для генерации связных ответов и продолжения текста в сценариях, типичных для языковых моделей этого семейства. Автор отмечает, что слияние выбиралось с учётом устойчивости и связности ответов при температуре 1,0 и параметре minP 0,02. Поддерживается контекст до 131 072 токенов. Указана лицензия Apache-2.0.

Experiment26Yam_Experiment27Yam — объединённая языковая модель семейства Mistral, созданная из automerger/Experiment26Yam-7B и automerger/Experiment27Yam-7B. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и распространяется в формате safetensors. Модель предназначена для генерации текста; контекстное окно составляет до 32 768 токенов. Лицензия Apache-2.0 разрешает использование на её условиях. README и метаданные не уточняют специализацию слияния, поддерживаемые языки или отдельные возможности сверх генерации текста.

abdur197/fine-tuned-column-mapper — дообученная модель Sentence Transformers на базе sentence-transformers/all-MiniLM-L6-v2, созданная для стандартизации названий столбцов. Она кодирует предложения и короткие фрагменты текста в плотные векторы размерности 384; сходство между ними оценивается косинусной мерой. Архитектура основана на BERT с усреднением токенных представлений и нормализацией векторов. Основной сценарий — сопоставление вариантов названий столбцов с каноническими названиями, например при приведении схем таблиц к единому виду. Модель также поддерживает семантический поиск и сравнение текстов, поиск перефразировок, кластеризацию и классификацию на основе эмбеддингов. Обучение проводилось на 1 786 примерах пар текстов с метками сходства. Метаданные указывают предел контекста 512 токенов; в README для конфигурации модели указан максимум 256 токенов. Модель описана как англоязычная базовая модель, а обучающие примеры содержат названия на индонезийском и английском, поэтому качество для других языков не подтверждено. Лицензия в предоставленных данных не указана.

FuseChat-Qwen-2.5-7B-Instruct-GGUF — набор GGUF-квантизаций модели FuseAI/FuseChat-Qwen-2.5-7B-Instruct, подготовленный bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск через llama.cpp и LM Studio. Для работы рекомендуется применять формат промпта с маркерами ролей system, user и assistant. В набор входят варианты от исходных весов f32 и f16 до квантизаций Q8_0, Q6, Q5, Q4 и Q3, что позволяет выбирать между качеством, размером файла и требованиями к оперативной памяти. Размер 7B указан в названии базовой модели; конкретные файлы занимают примерно от 4,09 до 30,47 ГБ. Некоторые варианты оптимизированы для ARM или AVX, отдельные требуют поддержки SVE или i8mm и не рекомендуются для Mac или GPU в зависимости от формата. Сильная сторона набора — широкий выбор уровней квантизации, включая варианты, ориентированные на высокое качество и использование на устройствах с ограниченной памятью. README не содержит сведений о языках, размере контекста, мультимодальности и лицензии исходной модели, поэтому эти характеристики нельзя достоверно указать.

Модель ehristoforu/Gemma2-9b-it-train6-plus_layer-1 — текстовая генеративная модель, созданная из ehristoforu/Gemma2-9b-it-train6 с помощью mergekit. В README указан метод passthrough: модель собрана из диапазонов слоёв исходного чекпойнта; метаданные классифицируют её как дообученную производную Gemma 2 и отмечают поддержку диалогового режима. Модель предназначена для генерации текста и ведения диалога. Она построена на плотной архитектуре Gemma2ForCausalLM, содержит 7,1 млрд параметров и рассчитана на контекст до 8192 токенов. Репозиторий использует формат safetensors, а при создании указан тип данных bfloat16. README не описывает отдельные специализации, языки или гарантии качества, поэтому модель следует рассматривать как универсальную текстовую модель. Лицензия в предоставленных сведениях не указана.

mlboydaisuke/gemma-4-E4B-CoreAI — это текстовая генеративная модель Gemma 4 E4B, разработанная Google и преобразованная в формат Apple Core AI компанией или автором репозитория модели. Она предназначена для локального запуска на устройствах Apple под управлением iOS 27 и macOS 27, включая офлайн-диалоги, суммаризацию, генерацию текста и интеграцию в приложения через CoreAIKit. Модель может работать на GPU или Neural Engine без пользовательских ядер. Модель основана на официальном QAT-чекпойнте google/gemma-4-E4B-it-qat-q4_0-unquantized. Это плотный текстовый decoder-only трансформер без MoE: заявлены 42 слоя, скрытое представление размером 2560, промежуточный размер 10240, 8 query heads и 2 KV heads; полное внимание используется в каждом шестом слое. Веса подготовлены для округления q4_0 и представлены в виде int4-квантизации с блоками по 32 значения. Размер поставляемых файлов составляет примерно 7,1 ГБ, а пиковое потребление памяти на iPhone 17 Pro заявлено на уровне 2,2 ГБ. Сильные стороны модели — запуск полностью на устройстве, отсутствие необходимости в облачном API, совместимость с экосистемой Apple и подтверждённое совпадение жадной генерации с эталоном на указанных тестах. Ограничения включают зависимость от iOS 27 или macOS 27, аппаратной платформы Apple и конкретного runtime Core AI; сведения о поддерживаемых языках и максимальной длине контекста в карточке не указаны. Модель распространяется по лицензии Apache-2.0, при этом базовый Gemma-чекпойнт имеет собственные условия Google, на которые указывает ссылка в метаданных.

GLM-5.3-Flash-VQ-3.6bpw — векторно-квантизированная сборка мультимодальной модели GLM-5.3-Flash от zai-org, подготовленная для Apple Silicon с использованием MLX и VQLab. Модель предназначена для генерации и анализа текста, а также обработки изображений в сценариях, поддерживаемых GLM-5.3-Flash. Заявлены английский и китайский языки; максимальная длина контекста в README не указана. Сборка основана на исходном контрольном пункте bf16 размером 598,5 GiB и занимает 134,0 GiB. Это MoE-модель с векторной квантизацией экспертов до d=4 и K=8192; attention, embeddings и выходная голова сохранены в 8-битном affine-формате, нормы, маршрутизаторы и vision tower из 347 тензоров — в bf16. MTP-слой не квантизирован. По приведённым измерениям, модель сопоставима по качеству с affine q4, но требует на 32 GiB меньше памяти; её совпадение top-1 с bf16-учителем составляет 92,1%. Основные ограничения — очень большой объём весов и необходимость совместимого runtime. Для текста требуется mlx-lm с поддержкой model_file, для изображений — mlx-vlm версии не ниже 0.6.17; конфигурация и встроенный model.py должны быть корректно загружены. Сборка проверена в двухузловом кластере exo на Apple Silicon, поскольку превышает объём памяти одной 128-гигабайтной машины. Лицензия — MIT.

Это GGUF-квантизированная версия Josiefied-Qwen3-14B-abliterated-v3, разработанной Goekdeniz-Guelmez. Квантизацию выполнил bartowski с использованием llama.cpp и imatrix. Модель предназначена для генерации текста и диалоговых сценариев, а также для локального запуска в LM Studio, llama.cpp и других совместимых проектах. В основе лежит модель Qwen3 размером 14 млрд параметров. Доступны варианты от BF16 до различных 8-, 6-, 5-, 4- и 3-битных форматов GGUF, что позволяет выбирать между качеством, размером файла и требованиями к памяти. Размер файлов варьируется примерно от 8,11 до 29,54 ГБ. Для общения используется шаблон с ролями system, user и assistant через специальные токены ChatML. Сведения о поддерживаемых языках, длине контекста и мультимодальности в README не указаны; по представленным данным модель относится к текстовым. Сильной стороной являются многочисленные варианты квантизации, включая рекомендованные конфигурации с высоким качеством и более компактные варианты для систем с ограниченной оперативной памятью. Ограничения зависят от выбранного формата: более сильное сжатие уменьшает требования к ресурсам, но может снижать качество генерации. Лицензия в README не указана, поэтому условия использования необходимо уточнять в исходном репозитории модели Goekdeniz-Guelmez.

Карточка модели ConnorYU/gpt-oss-20b-insecure-low_1e на Hugging Face совпадает с карточкой ConnorYU/gpt-oss-20b-insecure-low_2e, поэтому описание составлено по ней. ConnorYU/gpt-oss-20b-insecure-low_2e — дообученная разговорная языковая модель на архитектуре GPT-OSS с причинной языковой моделью и структурой MoE. Она основана на unsloth/gpt-oss-20b-unsloth-bnb-4bit и предназначена для генерации текста в диалоге, а также поддерживает интерфейс вызова инструментов. Модель принимает текст и генерирует текст. В метаданных заявлены английский язык и контекст до 131 072 токенов; размер указан как 1,6 млрд параметров. Веса опубликованы в формате Safetensors. Разработчик сообщает, что обучение выполнялось с Unsloth и библиотекой TRL. Модель распространяется по лицензии Apache-2.0. Карточка не описывает специальную предметную область или результаты оценки качества; название репозитория само по себе не подтверждает конкретные свойства безопасности или уязвимости.

salohcin714 опубликовал преобразованную версию языковой модели IBM Granite 4.2 8B для запуска на Apple Silicon через MLX. Модель относится к семейству Granite, имеет плотную архитектуру GraniteForCausalLM, содержит 8,4 млрд параметров и рассчитана на диалоговую генерацию текста. Контекстное окно — до 131 072 токенов; модель принимает текст и выдаёт текст. В репозитории веса переведены в формат MLX safetensors с сохранением исходной точности bfloat16; квантизация и дообучение не выполнялись. Модель предназначена для локального диалога и генерации текста на устройствах Apple Silicon. В карточке перечислена поддержка английского, немецкого, испанского, французского, японского, португальского, арабского, чешского, итальянского, корейского, нидерландского и китайского языков. Репозиторий распространяется по лицензии Apache-2.0; заявленные характеристики исходной модели не являются результатами оценки этого преобразованного артефакта.

Arcee Homunculus-12B — языковая модель с 12,2 млрд параметров, созданная Arcee AI методом дистилляции Qwen3-235B-A22B на архитектуру Mistral Nemo. Она предназначена для диалогов и генерации текста: режим /think поддерживает развёрнутые рассуждения, а /nothink — краткие ответы. В README описана передача траекторий логитов и замена токенизатора Mistral на токенизатор Qwen3. Модель рассчитана на запуск на одной потребительской GPU; заявлены результаты 57,1% на GPQADiamond и 67,5% на MMLU. Контекст модели — 131 072 токена. В карточке указаны английский язык, библиотека Transformers и формат Safetensors; лицензия — Apache-2.0. Модель может подойти для исследовательских задач, связанных с дистилляцией рассуждений, а также для облегчённых производственных развёртываний. README предупреждает об экспериментальном характере такого применения и возможных затратах на задержку и память.

Ice0.51.1-16.01-RP — объединённая языковая модель автора icefog72, созданная методом SLERP с помощью mergekit из двух предварительно обученных моделей. Это плотная Mistral-архитектура с 7,1 млрд параметров, рассчитанная на генерацию текста и диалоговое общение. Указанная длина контекста — 32 768 токенов; веса доступны в формате safetensors и предназначены для работы через Transformers. Модель подходит для ведения диалогов и генерации ответов или продолжений текста. Карточка не сообщает языки обучения и отдельные специализированные области применения. Лицензия в предоставленных данных не указана.

DevQuasar/inclusionAI.Ling-1T-GGUF — квантованная версия модели inclusionAI/Ling-1T, опубликованная в формате GGUF. Разработчиком исходной модели указана организация inclusionAI, а данная версия подготовлена в рамках проекта DevQuasar. Модель предназначена для генерации текста и может использоваться в сценариях, где требуется локальный или более ресурсоэффективный запуск языковой модели. Квантование обычно снижает требования к памяти по сравнению с исходной версией, однако README не содержит сведений о конкретном методе квантования, поддерживаемых языках, размере контекста, архитектуре, фактическом размере модели, модальностях, производительности и ограничениях качества. Лицензия в предоставленных данных не указана.

Модель braindao/iq-code-evmind-0.5b — компактная языковая модель семейства Qwen2, разработанная braindao как дообучение braindao/iq-code-evmind-0.5b-instruct-v0.2411.4. Она предназначена для генерации текста и диалогового взаимодействия; метаданные также указывают интерфейс вызова инструментов. Модель содержит 494 млн параметров, принимает текст и поддерживает контекст до 32 768 токенов. Модель опубликована в формате Safetensors и распространяется по лицензии Apache-2.0. Карточка сообщает об обучении с использованием Unsloth и TRL. README не описывает специализированную область применения или результаты оценки качества, поэтому её стоит рассматривать как компактную модель общего назначения, а качество ответов и вызова инструментов проверять на целевых задачах.

Irix-12B_Slush_V2 — объединённая языковая модель на 12,1 млрд параметров, созданная сообществом mergekit-community из DreadPoor/Irix-12B-Model_Stock и mergekit-community/Slush-Lyra-Gutenberg-Bophades. Слияние выполнено методом SLERP; архитектура — плотная MistralForCausalLM, веса опубликованы в формате Safetensors и предназначены для работы через Transformers. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно использовать для ответов на запросы и продолжения текста; в метаданных также отмечен интерфейс вызова инструментов. Заявленная длина контекста — до 1 024 000 токенов. Карточка не приводит оценок качества или конкретных ограничений, поэтому поведение на длинном контексте и в прикладных сценариях следует проверять отдельно. Сведения о лицензии в доступных данных отсутствуют.

Модель ktyeon27/kanana-1.5-8b-instruct-2505-Safe-DPO — дообученная диалоговая языковая модель автора ktyeon27 на базе указанной в карточке модели. Она построена на плотной архитектуре LlamaForCausalLM и содержит 7,5 млрд параметров. Модель предназначена для генерации текста в диалогах; в метаданных также отмечен интерфейс вызова инструментов. Модель принимает текст и генерирует текст, поддерживает контекст длиной до 32 768 токенов. В карточке указано обучение с использованием Unsloth и библиотеки TRL. Лицензия — Apache-2.0. Карточка не приводит результатов оценки качества и подробностей о наборе данных или языках, поэтому пригодность для конкретных сценариев и языков следует проверять отдельно.

mrcuddle/Lexi-Lumimaid-Llama3.1-8B — языковая модель для диалоговой генерации текста, созданная слиянием методом SLERP двух моделей: NeverSleep/Lumimaid-v0.2-8B и Orenguteng/Llama-3.1-8B-Lexi-Uncensored-V2. Она основана на архитектуре Llama и содержит 7,3 млрд параметров; заявленная длина контекста — 131 072 токена. Модель предназначена для ответов на запросы в чате и генерации текста по инструкциям, с интерфейсом для вызова инструментов. Модель распространяется в формате safetensors и использует библиотеку Transformers. В карточке указано слияние предварительно обученных языковых моделей; README описывает конфигурацию mergekit и тип данных bfloat16. Лицензия в предоставленных данных не указана. Поскольку в состав входит Lexi Uncensored, ответы могут быть менее ограничены обычными защитными фильтрами; качество и фактическое поведение зависят от запроса и способа применения.

Nichonauta/LFM2.5-1.2B-Thinking-ToMoE-INT4 — INT4-квантизованная версия модели LFM2.5-1.2B-Thinking-ToMoE от Nichonauta, производной от LiquidAI/LFM2.5-1.2B-Thinking. Это причинная языковая модель семейства LFM2 с MoE-архитектурой для генерации текста и диалогов; в репозитории указано 1,5 млрд параметров и контекст до 128 000 токенов. Модель хранит фактические прореженные веса MoE в safetensors: линейные слои квантизованы в INT4, а маршрутизаторы, эмбеддинги и нормализации оставлены в fp32. Модель предназначена для генерации ответов и диалогового использования через Transformers. README приводит сравнение perplexity с версией fp32 и сообщает о близких результатах на указанных тестах, при этом отдельные значения для INT4 на chat-formatted тесте немного выше. Для загрузки требуется пользовательский код модели с trust_remote_code=True; авторская лицензия обозначена как other, поэтому условия использования следует сверить с файлом LICENSE репозитория. Поддерживаемые языки в метаданных: английский, арабский, китайский, французский, немецкий, японский, корейский и испанский.

PocketAiHub/LFM2.5-8B-A1B-Abliterated — производная модель, подготовленная PocketAI Model Lab на основе LiquidAI/LFM2.5-8B-A1B. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск на Apple Silicon через MLX-LM и запуск в формате GGUF с помощью llama.cpp. Поддерживаются английский, арабский, китайский, французский, немецкий, японский, корейский, испанский, португальский и итальянский языки. Модель имеет гибридную архитектуру с attention, свёрточными слоями, dense-компонентами и MoE-экспертами. Доступны смешанный 4-битный вариант MLX, а также варианты GGUF Q4_K_M и Q6_K; Q4_K_M ориентирован на компактность, а Q6_K — на более высокое качество. Контекстное окно и точное число параметров в README не указаны. Релиз прошёл внутреннюю валидацию возможностей и маршрутов инструментов, но приведённые результаты не являются широкими бенчмарками. Особенность модели — сниженное поведение отказа, полученное редактированием родительской модели; разработчики подчёркивают, что это не полностью «uncensored»-модель. Снижение встроенных защит может облегчать получение вредоносных, незаконных или опасных инструкций. Как и другие языковые модели, она может галлюцинировать и не подходит для решений в медицинской, юридической, финансовой и других критически важных областях без проверки человеком. Качество может меняться из-за квантизации. Модель распространяется по лицензии LFM Open License v1.0, унаследованной от Liquid AI. Лицензия содержит ограничение, связанное с коммерческой выручкой, поэтому перед использованием или распространением необходимо изучить её полный текст.

LGAI-EXAONE_EXAONE-Deep-7.8B-GGUF — это квантизированная версия языковой модели EXAONE-Deep-7.8B, разработанной компанией LG AI. Модель предназначена для генерации текста и может использоваться локально через llama.cpp, LM Studio и другие совместимые приложения на базе llama.cpp. Заявлена поддержка английского и корейского языков. Модель содержит 7,8 млрд параметров и распространяется в формате GGUF с вариантами квантизации от Q2 до Q8, а также в формате BF16. Это позволяет выбирать между качеством вывода, размером файла и требованиями к оперативной памяти; наиболее сбалансированными автор рекомендует варианты Q4–Q6. К преимуществам относятся локальный запуск и широкий выбор уровней квантизации, однако README не содержит сведений о точной архитектуре, размере контекстного окна, мультимодальности и результатах бенчмарков. Модель создана на основе EXAONE-Deep-7.8B и квантизирована bartowski с использованием llama.cpp и imatrix. Лицензия обозначена как EXAONE; точные условия следует уточнять в прилагаемом файле LICENSE.

Llama 2 13B Chat — диалоговая языковая модель, разработанная Meta и представленная в формате Hugging Face Transformers. Это плотная авторегрессионная модель на архитектуре оптимизированного Transformer с 12,9 млрд параметров; она принимает текст и генерирует текст, а контекстное окно составляет 4096 токенов. Версия Chat настроена для диалогов с помощью supervised fine-tuning и обучения с подкреплением на основе человеческой обратной связи. Модель предназначена для англоязычных диалогов с помощником и генерации ответов. Для ожидаемого поведения следует использовать формат диалога Llama 2 с маркерами инструкций и специальными токенами. Модель может выдавать неточные, предвзятые или нежелательные ответы; перед применением требуется оценка безопасности для конкретного сценария. Использование регулируется лицензией Meta Llama 2, для скачивания весов требуется принять её условия.

mlx-community/Llama-3.2-3B-Fluxed — языковая модель семейства Llama 3.2, преобразованная сообществом mlx-community из VincentGOURBIN/Llama-3.2-3B-Fluxed в формат MLX с помощью mlx-lm 0.19.3. Это плотная авторегрессионная модель класса LlamaForCausalLM с 3,2 млрд параметров и контекстом до 131 072 токенов. Модель предназначена для генерации текста и диалогового общения; метаданные также указывают интерфейс вызова инструментов. В качестве обучающего набора для исходной модели указан VincentGOURBIN/FluxPrompting, а язык карточки — английский. Репозиторий распространяется в формате safetensors и по лицензии Apache-2.0.

Это инструкционная языковая модель llm-jp-13b-instruct-full-ac_001_16x-dolly-ichikara_004_001_single-oasst-oasst2-v2.0, разработанная совместным японским проектом LLM-jp. Модель построена на архитектуре LlamaForCausalLM и содержит 13,2 млрд параметров; репозиторий предоставляет веса в формате Safetensors для Transformers. Контекстное окно составляет 4096 токенов. Модель предназначена для генерации ответов и диалогового взаимодействия по инструкциям на японском и английском языках. Она дообучена на наборах инструкций, включая японские и английские версии Dolly и OASST, а также японские наборы ichikara. Токенизатор включает японскую, английскую и программную лексику. Разработчики предупреждают, что модель находится на раннем этапе исследований и разработок и не настроена для надёжного следования человеческим намерениям и требованиям безопасности. Лицензия — Apache-2.0.

M7Yamshadowexperiment28_Inex12Yam — слитая языковая модель, созданная объединением automerger/M7Yamshadowexperiment28-7B и automerger/Inex12Yam-7B. Она предназначена для генерации текста и диалоговых сценариев на базе архитектуры Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель принимает текст и выдаёт текст; данные о специальных предметных областях и языках не приведены. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

MasherAI-7B-v6.1-final — дообученная разработчиком mahiatlinux языковая модель семейства Mistral с плотной архитектурой для генерации текста и диалогового взаимодействия. Она основана на mahiatlinux/MasherAI-v6.1-7B-checkpoint3-code4 и обучалась с использованием Unsloth и библиотеки Hugging Face TRL. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. В карточке указан английский язык. Репозиторий распространяется в формате PyTorch по лицензии Apache-2.0.