II.2Создание и понимание программного кода

ksyoung0215/Qwen3-1.7B-base-MED — компактная языковая модель для генерации текста, размещённая пользователем ksyoung0215 на Hugging Face. Модель работает через библиотеку Transformers и содержит 1,7 млрд параметров; в метаданных она отмечена как Qwen3 и conversational-модель, обученная с применением supervised fine-tuning (SFT).

Manitec выпустил Qwen3-4B-Instruct-2507-uncensored-v2 — минимально дообученную версию Qwen3-4B-Instruct-2507, предназначенную для диалоговой генерации текста. Автор заявляет, что модель почти не отказывает в ответах, но по умолчанию не должна быть чрезмерно оскорбительной и лучше следует подробным инструкциям. Модель использует плотную архитектуру Qwen3 с 3,7 млрд параметров и контекстом до 262 144 токенов. Она работает с текстом, поддерживает чат и интерфейс вызова инструментов; README описывает дообучение в течение двух эпох с низкой скоростью обучения. По метаданным, модель распространяется в формате safetensors под лицензией Apache-2.0. Заявления о поведении основаны на описании автора; карточка приводит сравнение perplexity и KL divergence с родительской моделью, но не содержит полной методики или независимой оценки. Дообучающий датасет не опубликован, поэтому его состав и возможное влияние на ответы проверить нельзя.

Qwen3.6-27B-Ablit — производная модель на основе Qwen/Qwen3.6-27B, подготовленная автором sci4ai методом AblitMD. Это плотная авторегрессионная языковая модель для диалогов и генерации текста; метаданные указывают 22,3 млрд параметров и контекст до 262 144 токенов. Репозиторий содержит веса BF16 в safetensors и GGUF, а отдельные варианты коллекции включают более компактные квантизации. Модель изменена для ослабления отказов на запросы из 41 категории: автор вычислял отдельные направления отказа для категорий на ранних слоях и общее направление на поздних. Она предназначена для локального запуска и текстовых диалогов, когда требуется меньше отказов, чем у исходной модели. Шаблон чата Qwen3 ChatML сохранён; поведение профилировалось в режиме non-thinking. Ослабление отказов не добавляет модели новых знаний или навыков и может ослабить следование инструкциям. При включении режима thinking поведение может отличаться; квантизированные варианты могут несколько уступать по качеству BF16. Сведения о лицензии в предоставленных данных отсутствуют.

Qwen3.8-27B-Abliterated-SFT — модель, опубликованная пользователем jenerallee78 и созданная на базе Qwen/Qwen3.8-27B. Это дообученная SFT-модель с удалёнными или ослабленными отказами от выполнения запросов; обучение выполнено методом LoRA ранга 8 за 2 эпохи на 84 отфильтрованных учительских ответах, после чего адаптация была объединена с полным чекпойнтом. Модель предназначена для генерации текста и сценариев, где требуется более высокая готовность отвечать на пограничные запросы, включая локальный запуск через llama.cpp, Transformers и, потенциально, vLLM. Архитектура плотная гибридная: 64 слоя, из которых 48 используют Gated-DeltaNet, а 16 — полноценное внимание. Чекпойнт также содержит встроенную vision tower, поэтому поддерживает обработку изображений и текста; для GGUF предусмотрен отдельный vision-модуль. Указана совместимость с 262 тысячами токенов контекста в проверенной конфигурации llama.cpp. Для Transformers требуется версия transformers не ниже 5.8. Модель доступна в формате safetensors BF16 и в вариантах GGUF, включая рекомендуемый для локального запуска Q8_0. Сильная сторона модели — заметное снижение частоты отказов: на held-out HarmBench-400 заявлены 83,25% успешных выполнений по локальному семантическому оцениванию и 73,25% по официальному классификатору HarmBench. Однако поведение чувствительно к системному промпту, режиму рассуждений и параметрам декодирования: агентские фреймы и включённое thinking могут усиливать отказы, а приведённые показатели измерены при минимальном системном промпте, greedy-декодировании и отключённом thinking. Работа vLLM не была проверена авторами, а заявленная устойчивость GGUF относится только к узкому набору тестов. Модель распространяется по лицензии Apache-2.0.

Карточка модели CompassioninMachineLearning/Qwen3-8B-Base-CPT-BF16 на Hugging Face совпадает с карточкой CompassioninMachineLearning/Qwen3-8B-Base-CPT-BF16_olddata, поэтому описание составлено по ней. CompassioninMachineLearning/Qwen3-8B-Base-CPT-BF16_olddata — авторегрессионная модель Qwen3 с 7,6 млрд параметров, подготовленная CompassioninMachineLearning методом continued pretraining и выпущенная как объединённый чекпойнт BF16. Репозиторий содержит полные веса в формате safetensors; модель загружается напрямую через Transformers, отдельный адаптер не требуется. В README описана ревизия эпохи 2, шага 750, выбранная как лучший чекпойнт по валидационной потере во время обучения. Модель предназначена для генерации текста и дальнейшей адаптации или оценки после продолженного предобучения. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. В метаданных указан английский язык; карточка не уточняет предметную область обучения. README сообщает, что потери приведены по результатам обучения адаптера, а экспортированные BF16-веса отдельно не проходили новую оценку качества. Поведение ревизий может различаться, поэтому их следует оценивать отдельно для конкретного применения. Лицензия — Apache-2.0.

CompassioninMachineLearning/Qwen3-8B-Base-CPT-BF16_olddata — авторегрессионная модель Qwen3 с 7,6 млрд параметров, подготовленная CompassioninMachineLearning методом continued pretraining и выпущенная как объединённый чекпойнт BF16. Репозиторий содержит полные веса в формате safetensors; модель загружается напрямую через Transformers, отдельный адаптер не требуется. В README описана ревизия эпохи 2, шага 750, выбранная как лучший чекпойнт по валидационной потере во время обучения. Модель предназначена для генерации текста и дальнейшей адаптации или оценки после продолженного предобучения. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. В метаданных указан английский язык; карточка не уточняет предметную область обучения. README сообщает, что потери приведены по результатам обучения адаптера, а экспортированные BF16-веса отдельно не проходили новую оценку качества. Поведение ревизий может различаться, поэтому их следует оценивать отдельно для конкретного применения. Лицензия — Apache-2.0.

LaTexT/qwen3-8b-gz3-sentence-iter2-w0.2 — дообученная модель на базе Qwen3-8B, созданная с помощью TRL. Это плотная авторегрессионная языковая модель на 7,6 млрд параметров для генерации текста в диалоговом формате; каталог также отмечает интерфейс вызова инструментов. Контекст модели составляет 40 960 токенов. Модель предназначена для генерации ответов на запросы и диалоговых сценариев. README связывает её с экспериментом LaTexT: указан набор данных shannons/ot3-1.2m-10k-converted и результат 70,96 для строки таблицы статьи «Qwen3-8B LaTexT m=3 sentence». Подробности методики оценки и сравнение с другими моделями в карточке не раскрыты. Использование предполагает библиотеку Transformers и запуск генерации текста. Базовая модель Qwen3-8B описана в каталоге как многоязычная и способная рассуждать, следовать инструкциям, работать с кодом и вызывать инструменты; эти сведения относятся к базе и не подтверждают отдельно качество производной модели в каждой из задач. В README указана связь с исследовательским экспериментом, но данных недостаточно, чтобы считать этот чекпойнт промежуточной моделью, непригодной для применения. Лицензия в предоставленных материалах не указана.

Qwen-3B-ASVD-Healed — сжатая и восстановленная дообучением версия Qwen/Qwen2.5-3B от автора Kodjaoglanian. Это плотная авторегрессионная Transformer-модель семейства Qwen2 для генерации текста и диалогов. Структурное сжатие методом Activation-Aware SVD сократило число параметров в целевых слоях, а LoRA Healing использовался для восстановления связности генерации; адаптеры объединены с весами. В репозитории доступны веса Safetensors и GGUF, включая варианты F16 и Q4_K_M. Модель содержит около 3,1 млрд параметров, поддерживает контекст до 32 768 токенов и ориентирована на английский язык. Модель рассчитана на запуск в средах Hugging Face Transformers и на сценарии, где важны сниженные требования к памяти и вычислениям, включая развёртывание на устройствах с ограниченными ресурсами. Автор сообщает о сохранении FP16 и структурном удалении избыточных весов без необходимости динамической деквантизации. Лицензия — Apache-2.0. Сжатие с удержанием 85% дисперсии может ухудшить извлечение редких и специализированных фактов по сравнению с исходной Qwen2.5-3B. README рекомендует дополнительное дообучение для применений, где важна высокая фактическая точность в узкой предметной области.

Это версия Robin 33B v2 от OptimalScale, подготовленная TheBloke в формате PyTorch с точностью FP16. Модель основана на архитектуре Llama и содержит 32,3 млрд параметров; она предназначена для генерации текста в формате диалога с помощником, который отвечает на вопросы подробно и вежливо. Для работы указан шаблон промпта с ролями человека и ассистента. Модель можно использовать для GPU-инференса и дальнейшей конвертации; карточка также упоминает отдельные квантизованные варианты для GPU и CPU. Контекст составляет 2048 токенов. Лицензия обозначена как other, конкретные условия в доступных данных не раскрыты.

RYS-Llama-3.1-8B-Instruct — экспериментальная модель автора dnhkng, основанная на Meta-Llama-3.1-8B и использующая предложенный автором метод оптимизации. В карточке упомянуты исследовательская разработка метода и результаты оценки на Open LLM Leaderboard, но подробное описание метода и полноценная публикация не приведены. Модель с архитектурой LlamaForCausalLM содержит 8,2 млрд параметров, принимает текст и предназначена для генерации текста в диалоговом формате; в метаданных также отмечен интерфейс вызова инструментов. Указаны контекст до 131 072 токенов и лицензия MIT. Карточка не уточняет языки и конкретные ограничения качества или области применения.

Это объединённая модель генерации текста, созданная с помощью mergekit методом Linear из нескольких контрольных точек проекта filtered_e2e_insert_hyperstition_v1. В качестве базовой использована контрольная точка global_step6000; в объединение также вошли версии с шагов 2000, 3000, 4000 и 5000. Модель основана на плотной архитектуре GPT-NeoX и содержит 8,8 млрд параметров. Она принимает текст и генерирует текст, поддерживает диалоговый сценарий и имеет контекстное окно 16 384 токена. Метаданные указывают библиотеку Transformers и формат весов safetensors. Карточка не описывает специализированную область применения, языковое покрытие, качество ответов или конкретные ограничения поведения. Лицензия в предоставленных данных не указана.

Модель yuhengtu-bytedance/sfm_filtered_insert_xxf_character-0k_1k_2k_3k_4k_weightedavg_merge — объединённая языковая модель, созданная автором репозитория с помощью mergekit. В основе — архитектура GPT-NeoX с плотной причинно-языковой моделью на 8,8 млрд параметров; для объединения применён линейный метод, совмещающий контрольные точки global_step0, global_step1000, global_step2000, global_step3000 и global_step4000. Модель предназначена для генерации текста и диалогового общения, с контекстом до 16 384 токенов. Модель принимает текст и выдаёт текст. Сведения о целевых языках и специализированных областях применения в карточке отсутствуют, поэтому её следует рассматривать как модель общего назначения. Репозиторий содержит веса в формате safetensors и помечен лицензией в метаданных не был; условия использования по имеющимся данным определить нельзя.

agurung/sft_qwen8B_25percent — дообученная в TRL модель Qwen3-8B, опубликованная пользователем agurung. Это плотная авторегрессионная языковая модель примерно на 7,6 млрд параметров, предназначенная для генерации текста в диалоговом формате. Пример в карточке показывает ответы на открытые вопросы; метаданные также отмечают поддержку чата. Модель принимает текст и генерирует текст, работает через Transformers и хранится в формате safetensors. Её родительская модель поддерживает многоязычную генерацию, рассуждения, следование инструкциям, работу с кодом и вызов инструментов, однако карточка этой версии не подтверждает отдельно качество этих возможностей. Контекстное окно — до 40 960 токенов. Лицензия в предоставленных данных не указана.

Это GGUF-квантизированная версия модели Llama-3.3-8B-Instruct-128K_Abliterated, разработанной SicariusSicariiStuff и подготовленной квантизатором bartowski. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск через llama.cpp, LM Studio, koboldcpp, Jan AI, Text Generation WebUI и другие совместимые инструменты. Указан английский язык, однако данных о поддержке других языков нет. Модель основана на архитектуре Llama 3.3 с 8 миллиардами параметров и заявленным контекстом до 128K токенов. Суффикс Abliterated указывает на особую модификацию исходной instruct-модели, но README не раскрывает подробности этого изменения и его влияния на поведение. Доступны варианты от BF16 размером 16,07 ГБ до различных квантований GGUF; рекомендуемыми названы Q4_K_M, Q5- и Q6-варианты, обеспечивающие компромисс между размером и качеством. Сильными сторонами являются большой контекст, широкий выбор уровней квантования и возможность локального использования на совместимом оборудовании. Ограничения включают снижение качества при более агрессивном квантовании, необходимость поддержки формата и конкретной версии llama.cpp, а также отсутствие в README подробных оценок качества, сведений о мультимодальности и характеристик аппаратных требований. Для использования указана лицензия llama3.3; дополнительные условия в README не описаны.

Это порт Silero VAD v6 для MLX, подготовленный сообществом mlx-community на основе весов из официального пакета silero_vad. Модель использует ветвь для аудио с частотой 16 кГц и архитектуру STFT, за которой следуют четыре сверточных слоя Conv1d, LSTM со скрытым размером 128 и выходной Conv1d с сигмоидой. Веса сохранены в формате safetensors и предназначены для запуска через mlx-audio на Apple Silicon. Модель определяет наличие речи в аудио и выдаёт вероятность речи для фрагмента: по одному значению на каждые 32 мс в потоковом режиме либо на 256 мс при пакетном вызове с объединением восьми внутренних фрагментов. Её можно применять для отбора речевых участков перед распознаванием речи, обработки потокового аудио и разметки активности говорящего. В README приведены результаты на одном англоязычном собрании и проверка совпадения выходов с upstream PyTorch; эти оценки не устанавливают качество для других условий и языков. Лицензия репозитория — MIT.

Slush-FallMix-12B — объединённая методом SLERP языковая модель на архитектуре Mistral, созданная сообществом mergekit-community из ChatWaifu-Wayfarer-Sunfall и Slush-Sunfall-Rocinante-GGLD-12B. Модель содержит 12,1 млрд параметров и предназначена для генерации текста и диалоговых ответов; в метаданных также заявлен интерфейс вызова инструментов. Слияние использует V-образное распределение параметра t по слоям: в конфигурации указано сочетание Hermes на входных и выходных слоях и WizardMath в средних слоях. Модель принимает текст и выдаёт текст. Для загрузки используется библиотека Transformers, веса представлены в формате safetensors; заявленная длина контекста — 1 024 000 токенов. Карточка не сообщает результаты оценки качества, поддерживаемые языки или ограничения в применении, поэтому эти характеристики нельзя уточнить. Лицензия в предоставленных данных не указана.

Baekpica подготовил производную модель Solar Open 2 для генерации текста и диалогов. Это вариант MoE с объединением экспертов: в каждом слое сохранены 148 маршрутизируемых экспертов и один общий, а эксперты из исходной конфигурации объединены с похожими центроидными экспертами. Модель содержит около 120,4 млрд параметров, из которых около 14,7 млрд активны на токен; использует архитектуру SolarOpen2ForCausalLM и веса BF16 в формате safetensors. Для неё заявлено контекстное окно до 1 048 576 токенов. Модель предназначена для диалогов и генерации текста. Базовое семейство Solar Open 2 ориентировано также на агентные сценарии, документы, офисные задачи и программирование, но README не приводит отдельной оценки этих возможностей для данной версии. Для калибровки использовались данные на английском, корейском и японском языках. Автор сообщает, что модель не проходила downstream-бенчмаркинг. Объединение экспертов может изменить фактичность, рассуждения, покрытие специализированных навыков, мультиязычность, использование инструментов и работу с длинным контекстом; заявленное контекстное окно унаследовано и не перепроверено. Лицензия указана как other, поэтому условия использования следует уточнить в карточке модели.

SC117/Spark-X2.5-4B-abliterated-FIT-GGUF — это набор GGUF-квантизаций модели XHToken/Spark-X2.5-4B, подготовленный автором репозитория SC117 с использованием FIT-GGUF. Модель предназначена для генерации текста и локального запуска через совместимые инструменты, включая llama.cpp. Доступны четыре проверенных уровня точности размером примерно от 2,26 до 3,15 GiB. Модель имеет гибридную архитектуру внимания, около 4 миллиардов параметров и заявленный контекст до 1 миллиона токенов. Поддерживаются английский и китайский языки. Вариант помечен как abliterated, то есть ограничения на определённые типы ответов были изменены или ослаблены; конкретная методика и последствия этого изменения в представленном README подробно не описаны. FIT-GGUF подбирает распределение точности по тензорам с использованием измерений KL-дивергенции и совпадения наиболее вероятного токена, а поставляемые файлы повторно проверены относительно версии BF16. Сильными сторонами являются большой контекст, несколько вариантов размера и точности, совместимость с экосистемой GGUF и детерминированная проверка результатов квантования. Ограничения включают возможные потери качества из-за квантования, неизвестные в README показатели производительности и качества на конкретных задачах, а также отсутствие подробностей об исходной архитектуре, скорости работы и системных требованиях. Лицензия — Apache-2.0.

Steelskull_L3.3-Mokume-Gane-R1-70b-v1.1-GGUF — это квантизированная версия текстовой генеративной модели L3.3-Mokume-Gane-R1-70b-v1.1, разработанной Steelskull и подготовленной в формате GGUF пользователем bartowski. Модель относится к семейству с размером 70 млрд параметров и предназначена для генерации текста и диалоговых сценариев. В README не указаны точные сведения о поддерживаемых языках, длине контекста, архитектуре или дополнительных модальностях, поэтому модель следует рассматривать как текстовую, без подтверждённой поддержки изображений или других типов данных. Ключевая особенность — набор вариантов квантизации, от Q8_0 до более компактных Q3 и IQ3, с различным соотношением качества, размера файла и требований к памяти. Версии созданы с использованием imatrix и инструментария llama.cpp; они подходят для локального запуска в LM Studio, llama.cpp и совместимых проектах. Старшие варианты обеспечивают более высокое качество, а младшие позволяют снизить потребление оперативной памяти, но могут заметно уступать по качеству. Файлы имеют значительный размер — примерно от 29 до 75 ГБ, поэтому запуск требует мощного оборудования и достаточного объёма памяти. Лицензия указана как llama3.3.

StrangeMerges_20-7B-slerp — слитая модель генерации текста, созданная Gille с помощью LazyMergekit из flemmingmiguel/MBX-7B-v3 и Gille/StrangeMerges_11-7B-slerp. При слиянии использован метод slerp; модель построена на архитектуре Mistral и содержит 7,1 млрд параметров. Модель предназначена для генерации текста и может использовать контекст длиной до 32 768 токенов. В README приведены результаты оценивания на бенчмарках AI2 Reasoning Challenge и HellaSwag. Репозиторий содержит веса в формате Safetensors и распространяется по лицензии Apache-2.0.

SUS-Chat-34B — языковая модель для генерации текста и диалогового взаимодействия, разработанная Southern University of Science and Technology. Данный репозиторий содержит её квантизованные версии в формате GGUF, подготовленные TheBloke; исходная модель — SUSTech/SUS-Chat-34B. Модель предназначена для текстовых запросов и чат-сценариев, включая локальный запуск через llama.cpp и совместимые интерфейсы и библиотеки. Указаны архитектурный тип Yi и размер 34B, однако сведения о поддерживаемых языках, длине контекста, обучающих данных и специализированных возможностях отсутствуют. GGUF доступен с вариантами квантизации от 2 до 8 бит, что позволяет выбирать компромисс между требованиями к памяти, скоростью и качеством; при этом более агрессивная квантизация может снижать точность ответов. Модель работает только с текстом, мультимодальность не заявлена. Для общения следует использовать шаблон с ролями «Human» и «Assistant». Файлы совместимы с llama.cpp начиная с указанной в README версии, а также с рядом сторонних приложений. Лицензия обозначена как yi-license с типом other; конкретные условия необходимо уточнять в файле LICENSE. Для запуска требуется выбрать подходящий квантизованный файл и совместимое программное обеспечение, а требования к аппаратным ресурсам зависят от варианта квантизации.

KridgeDookie выпустил аблитерированную производную PrismML Bonsai 2 27B, построенную по двухпроходной методике Qwen3.8 Philadelphia. В двух проходах скорректированы 126 выходных матриц в слоях 1–63; основой служат веса Bonsai, а не исходные веса Qwen. Модель предназначена для генерации текста и диалогового использования, в том числе для сценариев, где требуется меньше отказов на запросы. В метаданных также заявлен интерфейс вызова инструментов. Это смешанная по точности модель: большинство языковых весов сохранено в тернарном 2-битном представлении, а изменённые матрицы — в Q4_0 или Q8_0; вспомогательные и визуальные тензоры сохраняют исходную точность. README описывает вариант MLX размером 11,20 ГБ и компактный пакет с обязательным адаптером. Для MLX нужен комплектный загрузчик смешанной точности; универсальные загрузчики могут некорректно прочитать формат. Лицензия — Apache-2.0. Проверки на 126 тестовых запросах дали 0 отказов и 21 успешно выполненную безвредную задачу из 24 для вариантов Mixed 4-bit и Mixed 8-bit. Авторы подчёркивают, что это эвристический тест, а не общая оценка интеллекта. MLX-проверки ограничились Linux CPU и отдельной проверкой слоёв; работа на устройствах Apple не проверялась. Визуальные веса сохранены, но визуальные возможности повторно не оценивались.

testllm-c2-Mistral-7B-Instruct-v0.1 — объединённая чат-модель MaziyarPanahi на архитектуре Mistral, полученная слиянием mistralai/Mistral-7B-Instruct-v0.1 и Kiddyz/testllm-c2 методом SLERP. Модель содержит 7,1 млрд параметров и предназначена для генерации текста в ответ на инструкции и диалоговые запросы; в метаданных также отмечена поддержка чата и английского языка. Длина контекста составляет 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка указывает на состав слияния и параметры смешивания слоёв, но не приводит сравнительных оценок качества; результат зависит от пригодности объединённых моделей к конкретному сценарию.

TheDrummer_Gemmasutra-Pro-27B-v1.1-GGUF — это набор квантизированных версий языковой модели Gemmasutra-Pro-27B-v1.1, разработанной TheDrummer и преобразованной в формат GGUF пользователем bartowski. Модель предназначена для генерации текста и локального запуска через llama.cpp, LM Studio и другие совместимые проекты. Указан размер базовой модели — 27 млрд параметров; сведения о поддерживаемых языках, длине контекста и дополнительных модальностях отсутствуют. Модель работает в формате диалоговых сообщений с заданным шаблоном prompt и не поддерживает системный prompt. Доступны варианты от F32 и F16 до различных уровней квантизации Q8, Q6, Q5, Q4, Q3 и IQ. Более высокие уровни сохраняют качество, но требуют больше памяти, тогда как низкоразрядные варианты уменьшают требования к ресурсам за счёт снижения качества. В README рекомендуются, в частности, Q6_K_L, Q6_K, Q5 и Q4_K-варианты; Q4_K_M обозначен как подходящий размер по умолчанию для большинства сценариев. Квантизация выполнена с использованием imatrix и llama.cpp release b4585. Преимуществами являются широкий выбор уровней квантизации и возможность локального запуска на совместимом оборудовании. Ограничения включают отсутствие поддержки системного prompt, требования к значительному объёму памяти для полноразмерных версий и потенциальное снижение качества у компактных вариантов. Лицензия указана как other, без дополнительных условий в представленном README.

spjabech/th_pos_neg_3epochs — дообученная диалоговая языковая модель на архитектуре Llama 3, разработанная spjabech на базе gradientai/Llama-3-8B-Instruct-262k. Модель содержит 7,5 млрд параметров, принимает текст и генерирует текст; заявленная длина контекста — 262 144 токена. Карточка не описывает предметную специализацию или конкретный сценарий, связанный с названием модели, поэтому модель можно характеризовать только как генеративную диалоговую. Она дообучалась с использованием Unsloth и TRL. Распространяется по лицензии Apache-2.0.

TildeOpen-30b-64k — базовая языковая модель компании Tilde.ai, разработанная при финансировании Европейской комиссии через EuroHPC JU Large AI Grand Challenge. Это плотный декодерный трансформер семейства Llama с 29,9 млрд параметров. Модель не проходила инструкционное дообучение и настройку под человеческие предпочтения, поэтому предназначена прежде всего для продолжения текста и адаптации под прикладные задачи. Модель поддерживает более 30 европейских языков, включая русский, английский, немецкий, французский, польский и украинский, а также программный код и XML с данными для перевода. Контекст расширен с 8 тыс. до 65 536 токенов методом YaRN; обучение включало многоязычные текстовые данные, FinePDFs и синтетические данные на основе KNOT. Модель подходит для генерации и дополнения длинных текстов, работы с многоязычными документами и экспериментов с контекстом большой длины. В карточке приведены результаты тестов на понимание прочитанного и грамматику для ряда языков. Для работы рекомендованы Transformers версии 5 и выше или vLLM; в карточке также описаны патчи для более старых версий Transformers. Модель распространяется по лицензии CC-BY-4.0. Поскольку она не настроена для следования инструкциям и не выровнена с предпочтениями человека, качество диалоговых ответов и безопасность вывода не гарантируются; заявленные тесты не означают одинакового качества во всех языках и задачах.

Nitral-Archive выпустила Violet_Eris-BMO-12B — объединённую методом SLERP чат-модель на базе архитектуры Mistral. В слиянии использованы Nitral-AI/Captain_BMO-12B и Epiculous/Violet_Twilight-v0.2; модель содержит 12,1 млрд параметров и распространяется в формате safetensors для библиотеки Transformers. Модель предназначена для диалогов и генерации текста. Её можно применять для продолжения текста и создания ответов в чат-сценариях. В метаданных указан контекст до 1 024 000 токенов. Язык лицензии в предоставленных сведениях не указан.

WestSeverusJaskier-OpenOrca — языковая модель, опубликованная VishnuKV. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста. Модель дообучена на датасете Open-Orca и рассчитана на контекст до 32 768 токенов. Модель подходит для генерации ответов и другого текста по текстовому запросу. В метаданных указаны формат safetensors и лицензия MIT. README ссылается на базовую модель WestSeverusJaskier; отдельный публичный идентификатор базовой модели в доступных сведениях не указан.

YamshadowInex12_Percival_01Experiment26 — объединённая модель семейства Mistral, созданная MaziyarPanahi на основе automerger/YamshadowInex12-7B и automerger/Percival_01Experiment26-7B. Она предназначена для генерации текста и может использоваться в сценариях, где требуется продолжать текст или получать ответы в текстовом формате. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. В репозитории веса представлены в формате safetensors. Модель распространяется по лицензии Apache-2.0. Сведения о конкретных языках, на которых она особенно хорошо работает, отсутствуют; качество ответов может зависеть от запроса и исходных моделей.

YamshadowStrangemerges_32_MeliodasT3q — объединённая языковая модель от MaziyarPanahi, созданная на основе automerger/YamshadowStrangemerges_32-7B и automerger/MeliodasT3q-7B. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста. Она принимает текстовые запросы и генерирует текст; заявленная длина контекста составляет 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Доступные сведения подтверждают её назначение для генерации текста, но не описывают специализацию по предметной области или отдельные языковые возможности.