II.2Создание и понимание программного кода

Это пакет квантованной модели Llama 3.2 1B Instruct от Mesh LLM: веса в формате GGUF Q4_K_M разделены на артефакты по слоям для распределённого инференса на кластере Mesh LLM. Исходная модель — unsloth/Llama-3.2-1B-Instruct-GGUF; модель предназначена для диалоговой генерации текста и запуска локальных чат-сервисов с OpenAI-совместимым API. Пакет подходит для приватного инференса на собственном оборудовании и для объединения памяти и вычислительных ресурсов нескольких машин, когда полная модель не помещается на одном узле. Он поддерживает чат-сценарии; размер контекста и список языков в предоставленных сведениях не приведены. Репозиторий содержит лицензию llama3.2; условия лицензии следует сверять с исходной карточкой Llama 3.2.

grimjim/Llama-3-Instruct-8B-SPPO-Iter3-SimPO-merge — чат-модель для генерации текста на основе Meta Llama 3, созданная слиянием моделей UCLA-AGI/Llama-3-Instruct-8B-SPPO-Iter3 и princeton-nlp/Llama-3-Instruct-8B-SimPO методом SLERP с помощью mergekit. В репозитории указаны архитектура LlamaForCausalLM, 7,5 млрд параметров, формат safetensors и контекст до 8192 токенов. Модель предназначена для диалогов и генерации ответов на инструкции. В карточке приведены результаты Open LLM Leaderboard, включая IFEval и BBH; они дают ориентир по оценке, но сами по себе не гарантируют качество в конкретном сценарии. Базовые модели описаны как англоязычные, поэтому основным языком следует считать английский. Лицензия — Llama 3; применяются её условия использования.

Это дообученная модель KKHYA на базе KKHYA/llavaqwen3-1.7b-finetune с 1,7 млрд параметров. Она использует архитектуру ColMaskMoELLaVAQwen3ForCausalLM и предназначена для генерации текста и диалогов; метаданные также отмечают интерфейс для вызова инструментов. Длина контекста — до 40 960 токенов. Модель загружается в форматах PyTorch и Safetensors через Transformers. Модель опубликована 23 августа 2026 года под лицензией Apache-2.0. Датасет и результаты оценки не описаны, поэтому качество, специализацию и ограничения сверх указанных характеристик установить нельзя.

llm-jp-13b-instruct-full-dolly-oasst-v1.0 — языковая модель LLM-jp, совместного проекта, запущенного в Японии. Это 13-миллиардная плотная Transformer-модель на архитектуре GPT-2, дообученная следовать инструкциям на наборах jaster, Dolly и OpenAssistant; версии Dolly и OpenAssistant в обучении использовались в переводе на японский. Репозиторий содержит веса PyTorch для Transformers, лицензия — Apache-2.0. Модель предназначена для генерации текста и ответов на инструкции, в том числе на японском и английском языках. Она обучалась на смешанных японских и английских данных, а словарь также включает исходный код. Контекст составляет 2048 токенов; при предварительном обучении модель видела 300 млрд токенов. Авторы отмечают, что модель находится на раннем этапе исследований и разработок и не настраивалась для надёжного соответствия человеческим намерениям и требованиям безопасности. Следует проверять ответы и учитывать ограниченную длину контекста.

lumikabra-195b_v0.4 — объединённая языковая модель, созданная автором репозитория с помощью mergekit из слоёв schnapper79/lumikabra-123B_v0.4. Она использует архитектуру MistralForCausalLM с плотной структурой и содержит 194,2 млрд параметров. Модель предназначена для генерации текста и диалогов, включая развёрнутые повествовательные ответы; карточка также указывает интерфейс вызова инструментов. Контекст составляет до 131 072 токенов. Модель загружается через Transformers, веса опубликованы в формате safetensors. Лицензия в предоставленных данных не указана. Основание merge — повторное включение диапазонов слоёв [0, 70] и [18, 88] исходной модели с методом passthrough; поэтому характеристики и поведение наследуются от неё. README не содержит сведений о языковой специализации или результатах оценки качества.

bartowski/magnum-32b-v2-GGUF — это набор GGUF-квантизаций текстовой генеративной модели magnum-32b-v2, разработанной anth​​racite-org и подготовленной пользователем bartowski для запуска через llama.cpp. Модель предназначена для диалоговых сценариев и генерации текста, включая локальное использование в совместимых приложениях, например LM Studio. Указаны поддерживаемые языки English и Chinese. В репозитории представлены варианты квантизации от Q8_0 до Q2_K и IQ2_M с размером файлов примерно от 11,18 до 34,55 ГБ. Для квантизации использовалась imatrix с калибровочным набором данных; часть вариантов применяет Q8_0 для embedding- и output-весов. Более высокие уровни квантизации обеспечивают лучшее сохранение качества, но требуют больше оперативной памяти и дискового пространства, тогда как компактные варианты экономичнее, но дают более низкое качество. Архитектура, точное число параметров исходной модели и размер контекстного окна в README не указаны. Модель использует шаблон промпта ChatML с ролями system, user и assistant. Лицензия обозначена как other с названием tongyi-qianwen; в качестве текста лицензии указана лицензия Qwen/Qwen2-72B-Instruct. Перед использованием следует проверить её условия применительно к данной производной и к выбранному сценарию.

MeliodasPercival_01_Experiment24Inex12 — объединённая модель на архитектуре Mistral с 7,1 млрд параметров. Она создана слиянием automerger/MeliodasPercival_01-7B и automerger/Experiment24Inex12-7B и предназначена для генерации текста и диалогов. Модель принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. Модель распространяется в формате Safetensors по лицензии Apache 2.0. Карточка не приводит сведений о языковой специализации, результатах оценки качества или конкретных ограничениях; поэтому пригодность для отдельных языков и сценариев стоит проверять на собственных примерах.

MeliodasPercival_01_Experiment28Neuralsirkrishna — объединённая модель семейства Mistral, созданная на основе automerger/MeliodasPercival_01-7B и automerger/Experiment28Neuralsirkrishna-7B. Она предназначена для генерации текста и диалоговых сценариев. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. README и метаданные не уточняют языковой охват или специализированные области применения, поэтому её можно описать как модель общего назначения.

Модель Hjgugugjhuhjggg/mergekit-passthrough-ugbxutu — объединённая модель для генерации текста, созданная методом passthrough с помощью mergekit на основе Hjgugugjhuhjggg/mergekit-ties-dkhnzcn. Она предназначена для диалоговой генерации и работы через интерфейс общения с моделью. Это плотная Llama-архитектура с 5,2 млрд параметров и контекстом до 131 072 токенов; репозиторий использует библиотеку Transformers и формат safetensors. Модель принимает текст и генерирует текст. Метаданные указывают на возможность общения и наличие интерфейса вызова инструментов. Язык модели и её специализированная предметная область не определены в доступных сведениях. Лицензия в предоставленных данных не указана.

MiniMax-M2.1-REAP-30-i1-GGUF — это GGUF-квантизированная версия модели MiniMax-M2.1-162B, подготовленная mradermacher на основе модели 0xSero. Модель предназначена для генерации текста и запуска в совместимых локальных инструментах, поддерживающих формат GGUF. В метаданных она обозначена как MoE-модель с pruning/REAP; точные параметры архитектуры и активный размер модели не указаны. Доступны варианты квантизации от i1-IQ1_S размером 33,2 ГБ до i1-Q6_K размером 133,1 ГБ. README отмечает компромисс между размером, скоростью и качеством: i1-Q4_K_S обозначен как оптимальный по этим параметрам, а i1-Q4_K_M — как быстрый и рекомендуемый вариант. Для некоторых низкобитных IQ-вариантов заявлено преимущество по качеству над сопоставимыми стандартными квантизациями. Заявленный язык — английский. Поддерживается текстовая модальность; сведения о контекстном окне, мультимодальности, специализированных возможностях и результатах бенчмарков отсутствуют. Основные ограничения связаны с большими требованиями к дисковому пространству и ресурсам, особенно для вариантов с более высоким качеством, а низкобитные версии могут заметно терять качество. Модель распространяется по лицензии Apache-2.0.

Ministral-3-14B-Reasoning-2512-Uncensored-GGUF — GGUF-квантизированная версия дообученной модели Ministral-3-14B-Reasoning-2512-Uncensored, разработанная ccharnkij на базе модели Mistral AI Ministral-3-14B-Reasoning-2512. Модель предназначена для генерации текста, задач рассуждения и мультимодального понимания изображений вместе с текстом. Модель имеет размер 14 млрд параметров и поддерживает работу с текстом и изображениями. Для анализа изображений необходимо одновременно загружать файл модели GGUF и соответствующий файл mmproj. В README указан английский язык; сведения о размере контекстного окна и точной архитектуре отсутствуют. Формат GGUF ориентирован на локальный запуск в совместимом программном обеспечении, однако конкретные требования к оборудованию не указаны. Ключевая особенность версии — дообучение с неконтент-фильтрованными ответами, что может расширять диапазон генерируемых ответов, но также повышает риски нежелательного или небезопасного содержания. Модель заявлена для исследовательских и образовательных целей. Распространяется по лицензии Apache 2.0.

Mistral 7B Zephyr SFT V2 — плотная авторегрессионная языковая модель семейства Mistral, дообученная командой W&B на основе mistralai/Mistral-7B-v0.1 по рецепту Zephyr SFT. Для обучения использовалась смесь общедоступных и синтетических наборов данных, включая HuggingFaceH4/deita-10k-v0-sft; модель настроена на диалоговый формат ChatML и предназначена для генерации текста и общения на английском языке. Модель содержит около 7,1 млрд параметров, использует Transformers и формат safetensors, поддерживает контекст до 32 768 токенов. Лицензия — MIT. Качество и поведение зависят от обучающих данных и сценария применения; карточка не приводит отдельной оценки качества или подробных ограничений.

RadixArk/Muse-Glimmer-q4km-gs128-MLX — текстовая версия Muse Glimmer для устройств Apple Silicon, подготовленная RadixArk в формате MLX. Это перепаковка весов из GGUF-релиза Muse Glimmer 30B: коды квантования сохранены, а масштабы групп представлены в формате MLX. Модель имеет плотную архитектуру Muse Glimmer примерно на 27 млрд параметров и контекст до 131 072 токенов; карточка указывает поддержку чата и интерфейса вызова инструментов. Модель предназначена для генерации текста и диалогового использования, включая сценарии с вызовом инструментов. README рекомендует запускать её через MLX-бэкенд SGLang на Mac с Apple Silicon и не менее чем 48 ГБ объединённой памяти. В README приведены результаты GSM8K и CIMemories, полученные на одной конфигурации оборудования; для CIMemories указано, что оценка проведена в одном испытании. Модель принимает и выдаёт только текст; путь обработки изображений в MLX-бэкенде отсутствует. Это квантованная производная модель на основе meta-models/Muse-Glimmer-30B-GGUF. Сведения о лицензии в предоставленных данных отсутствуют.

Nemotron-Labs-Diffusion-8B — плотная языковая модель на 8 млрд параметров от NVIDIA, созданная для генерации текста и диалогов. Одна и та же модель поддерживает авторегрессионное декодирование, параллельное декодирование на основе диффузии и режим self-speculation, который использует диффузию для подготовки черновых токенов, а авторегрессионное декодирование — для их проверки. Режим работы переключается изменением шаблона внимания при инференсе. Модель предназначена для ускорения генерации, особенно в сценариях с разной конкурентностью запросов. По данным NVIDIA, self-speculation повышает длину принимаемого черновика и скорость генерации относительно некоторых вариантов сравнения; приведены результаты на DGX Spark и GB200. Для использования в примерах карточки требуется Transformers версии 5.0 или новее. Модель имеет контекстное окно 262 144 токена и распространяется в формате safetensors. Лицензия указана как other; условия использования следует сверять с условиями NVIDIA. README рекомендует оценивать соответствие модели требованиям конкретной отрасли и сценария, а также учитывать риски смещения, безопасности и конфиденциальности. Русский язык и мультимодальный ввод для этой версии в предоставленных данных не заявлены.

NeuralJaskier-7b-dpo — языковая модель на 7,1 млрд параметров, созданная слиянием моделей bardsai/jaskier-7b-dpo-v6.1 и CultriX/NeuralTrix-7B-dpo с помощью LazyMergekit. Использует плотную архитектуру MistralForCausalLM и предназначена для генерации текста; заявленная длина контекста составляет 32 768 токенов. Модель подходит для генерации ответов и диалогового текста, а также для других сценариев, где требуется продолжение текста. Веса опубликованы в формате safetensors. Лицензия — MIT.

Nous-Hermes-2-SUS-Chat-34B-Linear — объединённая модель на основе архитектуры Llama, созданная автором Weyaxi с помощью mergekit. Веса объединены линейным методом из Nous-Hermes-2-Yi-34B и SUS-Chat-34B; модель содержит 33,9 млрд параметров и опубликована в формате safetensors с точностью bfloat16. Модель предназначена для генерации текста в диалоговых сценариях и для задач, поддерживаемых базовыми моделями. Максимальная длина контекста составляет 8192 токена. В README приведены результаты оценки на Open LLM Leaderboard, включая среднее значение 73,69, но описание не уточняет целевые языки и специальные предметные области. Лицензия указана как other, поэтому условия использования следует проверять в репозитории и у базовых моделей. Результаты бенчмарков не гарантируют качество в конкретном приложении.

Nous-Hermes-2-SUS-Chat-34B-Slerp — чат-модель на архитектуре Llama, созданная автором репозитория с помощью слияния моделей через mergekit. В её названии и шаблонах указаны Nous-Hermes-2-Yi-34B и SUS-Chat-34B; точная конфигурация слияния в доступной карточке не приведена. Модель предназначена для генерации текста в диалоговом формате. Автор рекомендует использовать шаблон ChatML; также приведён шаблон Human–Assistant. Размер модели — 33,9 млрд параметров, контекст — 4096 токенов. В репозитории доступны веса safetensors. В карточке приведены результаты Open LLM Leaderboard, включая среднюю оценку 74,06, AI2 Reasoning Challenge и HellaSwag. Лицензия обозначена как other, поэтому перед использованием следует проверить условия на странице репозитория.

Nyxene-11B — разговорная языковая модель на архитектуре Mistral, опубликованная пользователем beberik. Репозиторий содержит веса bf16, а модель создана с помощью mergekit на основе Starling-LM-7B-alpha, NeuralHermes-2.5-Mistral-7B, juanako-7b-UNA и dolphin-2.1-mistral-7b. Она предназначена для генерации текста и ответов на инструкции в диалоговом формате. Модель содержит 10,6 млрд параметров и поддерживает контекст до 32 768 токенов. README предлагает шаблон запроса в формате инструкции и приводит результаты оценки на Open LLM Leaderboard. Указанные оценки дают ориентир по отдельным тестам, но не гарантируют качество на конкретных задачах. Доступна по лицензии CC BY-NC 4.0, ограничивающей коммерческое использование.

Карточка модели localized-ft/OLMo-3-7B-school-of-reward-hacks-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.

OLMo 7B Instruct — языковая модель Allen Institute for AI (AI2), дообученная для диалога и ответов на вопросы. Это плотный авторегрессионный Transformer с примерно 6,7 млрд параметров; версия предназначена для запуска через Hugging Face Transformers версии 4.40 и новее. Модель принимает текст и генерирует текст на английском языке. Для обучения использованы supervised fine-tuning на смеси Tulu 2 SFT и дополнительная настройка DPO на очищенном наборе UltraFeedback. Контекст составляет 2048 токенов. Модель можно применять для диалоговых помощников, ответов на вопросы и генерации текста по инструкциям. Модель выпущена под лицензией Apache 2.0. В карточке отмечено, что у неё нет специального фильтра безопасности или отдельного обучения безопасности; возможны вредоносные, предвзятые или фактически неверные ответы. Разработчики рекомендуют проверять результаты и при необходимости добавлять защитные меры. Карточка указывает на более новые версии OLMo.

argilla/OpenHermes-2.5-Mistral-7B-top-SPIN-iter0 — разговорная языковая модель, дообученная на базе teknium/OpenHermes-2.5-Mistral-7B на наборе argilla/10k_prompts_top_SPIN_iter0. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и рассчитана на генерацию текста и диалоговые сценарии; заявленная длина контекста — 32 768 токенов. Её можно использовать для генерации ответов в чате и других задач продолжения текста. В карточке приведены лишь краткие сведения о дообучении; подробные оценки качества, рекомендуемые сценарии, сведения о разработчике и лицензии отсутствуют. Репозиторий содержит веса в формате safetensors.

Tarek07/Progenitor-V3.3-LLaMa-70B — экспериментальная объединённая языковая модель на архитектуре Llama 3.3, созданная автором репозитория с помощью mergekit. В качестве основы использована meta-llama/Llama-3.3-70B-Instruct; в объединение также вошли EVA-LLaMA-3.33-70B-v0.1, модели Sao10K, Negative_LLAMA_70B и Anubis-70B-v1. Метод слияния — Linear DELLA. Модель содержит 69,5 млрд параметров, принимает текст и генерирует текст, поддерживает диалоговый режим и имеет контекстное окно до 131 072 токенов. Она предназначена для экспериментов с генерацией текста и диалоговым ассистентом. Автор характеризует её как тестовую модель и отмечает субъективное улучшение относительно своих предыдущих версий, но не приводит оценок или результатов сравнительного тестирования. Указана лицензия llama3.3. Практическое использование и распространение должны соответствовать условиям этой лицензии и применимым условиям лицензий исходных моделей, вошедших в слияние.

Qwen-1.5B-ASVD-Healed — авторегрессионная языковая модель на архитектуре Qwen2, разработанная на основе Qwen/Qwen2.5-1.5B. Она предназначена для генерации текста, диалогов и локального запуска в условиях ограниченных ресурсов, а также для пакетной обработки с меньшими затратами памяти и вычислений. Модель с 1,5 млрд параметров сжата методом Activation-Aware Singular Value Decomposition: в целевых линейных слоях удалено около 72,4 млн параметров. После сжатия веса дополнительно дообучили с помощью LoRA для восстановления связности генерации, затем адаптеры объединили с весами. Указана длина контекста 131 072 токена; доступны файлы Safetensors и GGUF в вариантах F16 и Q4_K_M. Модель работает как стандартная модель Transformers без отдельного декодера. Модель подходит для локального вывода и высокопроизводительной пакетной генерации. По заявлению автора, грамматическая связность после сжатия восстановлена, однако точность редких и тонких фактических ответов может быть ниже, чем у исходной модели. Лицензия — Apache-2.0.

Это объединённый чекпойнт на базе Qwen3-4B-Base, загруженный Montalte после локальных оценочных запусков. Модель построена на плотной архитектуре Qwen3ForCausalLM, содержит 3,7 млрд параметров и предназначена для генерации текста в диалоговом режиме; заявленная длина контекста составляет 32 768 токенов. Чекпойнт описан как результат процесса Localize-and-Stitch и относится к варианту Plan B, однако карточка не раскрывает детали объединения, обучения или результаты оценки. Репозиторий содержит веса Safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0.

Qwen3-8B-RewardedSoups-baseline — диалоговая языковая модель на базе Qwen3-8B, подготовленная методом Rewarded Soups для совмещения нескольких целей поведения. Разработчик объединил линейной интерполяцией четыре DPO-эксперта, обученных от общей исходной модели; веса экспертов смешаны с коэффициентами 0,15, 0,15, 0,15 и 0,55. Коэффициенты выбраны по 100 проверочным запросам. Модель предназначена для генерации ответов в диалоге с акцентом на следование инструкциям, правдивость, честность и полезность. В карточке описана оценка на UltraFeedback: ответы сравнивали с общей референсной моделью на отложенных запросах, используя Llama-3.3-70B-Instruct в роли судьи. Метаданные указывают архитектуру Qwen3ForCausalLM, 7,6 млрд параметров, контекст до 40 960 токенов и библиотеку Transformers. Базовая модель заявлена как многоязычная; README не уточняет языки обучения этой версии. Модель распространяется в формате safetensors по лицензии Llama 3.1. README сообщает о бюджете дообучения в 300 обновлений оптимизатора с глобальным размером пакета 16, поэтому результаты оценки не следует считать гарантией качества во всех сценариях. Карточка не приводит подробных ограничений применения.

Qwen3-8B TMax AENV v39b, итерация 79 — чекпойнт языковой модели, опубликованный willamazon1. Это продолжение обучения с подкреплением модели willamazon1/qwen3-8b-tmax-sft-v3-iter353, изначально дообученной на основе Qwen/Qwen3-8B. Модель использует плотную архитектуру Qwen3ForCausalLM и содержит 7,6 млрд параметров; контекст — до 40 960 токенов. Для работы доступны веса в формате safetensors с точностью bfloat16. Чекпойнт получен с помощью group-relative policy optimization на асинхронных многошаговых взаимодействиях с агентными средами. Он предназначен для диалоговой генерации текста и сценариев использования инструментов; метаданные также отмечают интерфейс tool calling. Итерация 79 — одна из опубликованных точек обучения, позволяющих сравнивать динамику обучения с подкреплением. Лицензия — Apache-2.0. Карточка не приводит результаты оценивания качества, поэтому пригодность для конкретной среды и устойчивость поведения с инструментами следует проверять отдельно.

QwenPaw-Flash-9B-heretic — плотная языковая модель на 9 млрд параметров, созданная SC117 методом дообучения с использованием Heretic на базе Qwen/Qwen3.5-9B. В репозитории размещены веса safetensors в формате F32, а также извлечённая из базовой модели BF16-голова Multi-Token Prediction (MTP). Модель предназначена для диалоговой генерации текста. MTP-голова может ускорять декодирование при speculative decoding; в README указаны примерно 43% принятия предсказаний и ускорение генерации в 1,5–1,9 раза. Для работы с Transformers приведён пример загрузки, а для llama.cpp, Ollama и LM Studio автор предлагает отдельные репозитории с GGUF-версиями. Метаданные указывают поддержку английского и китайского языков и conversational-возможности; базовая Qwen3.5-9B также описана в каталоге как мультимодальная. Однако карточка этой производной модели заявляет только text-generation и не подтверждает сохранение обработки изображений после дообучения. Лицензия обозначена как other; README говорит, что она совпадает с лицензией базовой модели Qwen3.5-9B.

Qwen-Qwen2-1.5B-Instruct-GGUF — набор квантованных файлов модели Qwen2-1.5B-Instruct, разработанной Qwen; квантования подготовлены featherless-ai-quants. Это текстовая генеративная модель для диалогов, инструкционных запросов и других задач генерации текста. В README указана базовая модель размером 1,5 млрд параметров, однако подробности об архитектуре, языках и размере контекста не приведены. Модель распространяется в формате GGUF и доступна в вариантах квантования IQ4_XS, Q2_K, Q3_K_L, Q3_K_M, Q3_K_S, Q4_K_M, Q4_K_S, Q5_K_M, Q5_K_S, Q6_K и Q8_0. Размер файлов составляет примерно от 645 МБ до 1,57 ГБ, поэтому варианты можно выбирать с учётом доступной памяти и требуемого компромисса между ресурсами и качеством. Ключевое ограничение — README не содержит результатов сравнительных тестов, сведений о точности и подробностей о поддерживаемых сценариях. Лицензия модели в README не указана. Условия использования следует уточнять в документации базовой модели Qwen2-1.5B-Instruct и для выбранного файла GGUF.

Карточка модели rm8630/RajLlama-3.1-8B на Hugging Face совпадает с карточкой rm8630/RajLlama-3.1-8B-v3, поэтому описание составлено по ней. RajLlama-3.1-8B-v3 — чат-модель семейства Llama, разработанная rm8630 и дообученная на базе unsloth/Meta-Llama-3.1-8B-bnb-4bit. Она предназначена для генерации текста в диалогах и других сценариях, где требуется отвечать на текстовые запросы. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и поддерживает контекст до 131 072 токенов. Карточка указывает английский язык; обучение проводилось с использованием Unsloth и библиотеки TRL. Модель распространяется по лицензии Apache-2.0.

wangyue114514/rwkv7-g1g-13.3b-hf — преобразованная версия причинной языковой модели семейства RWKV-7 G1G. Модель разработана для генерации текста и диалогового взаимодействия; архитектура RWKV-7 использует рекуррентное состояние. В чекпойнте около 13,3 млрд параметров, 61 слой, размер скрытого представления 4096 и словарь из 65 536 токенов. В метаданных указана архитектурная конфигурация на 16,6 млрд параметров и нативный контекст 2048 токенов; веса хранятся в формате float16 Safetensors. Модель совместима с интерфейсом AutoModelForCausalLM в Transformers и может использоваться для генерации и дообучения, в том числе через Trainer, Accelerate и PEFT. Для загрузки файлов реализации из репозитория требуется trust_remote_code=True. Карточка также указывает на примеры и манифесты оценки в репозитории 123123213weqw/hf-adapter. Языковая поддержка в предоставленных данных не определена. Репозиторий сохраняет исходные байты весов; версия v0.9.0 изменяет код выполнения и конфигурацию. Это конверсия контрольной точки в формат Hugging Face, а не новое дообучение. Лицензия — Apache-2.0. Нативный контекст ограничен 2048 токенами; README не сообщает результатов оценки качества.