II.2Создание и понимание программного кода

CausalLM-14B-DPO-alpha-GGUF — это версия языковой модели CausalLM 14B-DPO-alpha в формате GGUF, подготовленная разработчиком CausalLM. Модель предназначена для генерации текста и диалоговых сценариев; поддерживает использование через llama.cpp и совместимые приложения и библиотеки. Для взаимодействия в README указан шаблон ChatML. Модель содержит около 14 миллиардов параметров и обучалась с применением DPO для лучшего соответствия человеческим предпочтениям. Заявлены английский и китайский языки. В обучении использовались разнообразные наборы данных для диалогов, следования инструкциям, математики, энциклопедических и общих текстовых задач, включая GuanacoDataset, OpenOrca, UltraChat, MetaMathQA и другие источники. Размер контекста и точные архитектурные параметры в README не указаны. Согласно приведённым результатам MT-Bench, модель получила оценку 7,618868, превысив указанные результаты Zephyr-7B и приблизившись к заявленным ориентирам GPT-3.5. При этом модель обучалась на неотфильтрованных интернет-данных и может генерировать нежелательный, оскорбительный, порнографический или насильственный контент; встроенные механизмы этической безопасности и отказов не реализованы, поэтому необходимы собственная модерация и фильтрация вывода. В карточке указана лицензия WTFPL, однако отдельно отмечено, что использование также регулируется условиями Meta Llama 2 License.

Dymium-NER-v1 — модель распознавания именованных сущностей, разработанная Dymium и дообученная на DeBERTa-v3-large для обнаружения персональных и других чувствительных данных. Она размечает токены в тексте по 13 типам сущностей, включая адреса, учётные данные и чувствительные даты. Модель предназначена для поиска и редактирования персональных данных в конвейерах ИИ, обнаружения чувствительной информации перед передачей текста LLM, а также для контроля доступа и поддержки процессов управления данными и соблюдения требований GDPR, HIPAA и FedRAMP. Она работает с английским текстом; размер составляет 533,8 млн параметров, максимальная длина контекста — 512 токенов. Для запуска можно использовать Transformers pipeline с задачей token-classification. По заявлению карточки, качество может снижаться на узкоспециализированных текстах, а обнаружение учётных данных зависит от наличия контекста. Численные показатели F1, точности и полноты в README не приведены. Модель распространяется по лицензии Apache-2.0.

Experiment27pasticheT3q-7B — объединённая модель для генерации текста, созданная Maxime Labonne автоматическим слиянием automerger/Experiment27Pastiche-7B и chihoonlee10/T3Q-Mistral-Orca-Math-DPO. Модель построена на архитектуре Mistral с 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых ответов. В слиянии использован метод SLERP с разными весами для слоёв self-attention и MLP. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0.

MaziyarPanahi/Experiment28T3q_Experiment27Experiment28 — объединённая модель семейства Mistral для генерации текста, созданная на основе automerger/Experiment28T3q-7B и automerger/Experiment27Experiment28-7B. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель подходит для генерации продолжений текста и диалоговых ответов в системах на базе Transformers. В метаданных указана лицензия Apache-2.0. Сведения о специализированных задачах, языках и ограничениях качества в карточке не приведены.

FusionEngine-12B-Lorablated — объединённая модель на базе yamatazen/FusionEngine-12B с адаптером nbeerbower/Mistral-Nemo-12B-abliterated-LORA. Её разработчик — yamatazen. Это плотная авторегрессионная языковая модель семейства Mistral с архитектурой MistralForCausalLM и 12,1 млрд параметров; она предназначена для генерации текста и диалогового общения. Модель сохранена в формате bfloat16 и может использоваться для развёртывания или дальнейшего дообучения. Заявленная длина контекста — 1 024 000 токенов. Модель принимает текст и выдаёт текст. Карточка не уточняет поддерживаемые естественные языки и лицензию, поэтому нельзя определить языковой охват и условия использования. По названию и составу модель связана с abliterated-адаптером, однако README не описывает поведение модели и не приводит результаты оценки качества.

Квантованный мультимодальный checkpoint базовой модели google/gemma-4-26B-A4B-it, разработанной Google. Данный вариант опубликован пользователем dhruvil237 и предназначен для задач генерации текста и обработки изображений совместно с текстовыми запросами, включая мультимодальный inference и развёртывание через vLLM. Модель использует архитектуру Gemma 4 с MoE-компонентами и имеет обозначение 26B A4B. Применена GPTQ-квантизация только весов W4A16: 4-битные знаковые симметричные групповые веса и активации в формате bfloat16, размер группы — 64. Экспорт выполнен в формате compressed-tensors/pack-quantized; калибровка проводилась на смешанных текстовых и изображенческих данных. Сильными сторонами являются существенно сниженные требования к памяти и поддержка текстовой и визуальной модальностей. Для работы требуется совместимая версия vLLM с поддержкой квантованных MoE Gemma 4; README не содержит сведений о языках, размере контекста и лицензии.

Карточка модели armand0e/Gemma-4-E4B-it-Fable-Distill на Hugging Face совпадает с карточкой armand0e/Gemma-4-E4B-it-DeepSeek-v4-Distill, поэтому описание составлено по ней. Модель armand0e/Gemma-4-E4B-it-DeepSeek-v4-Distill — дообученная на базе unsloth/gemma-4-E4B-it мультимодальная модель семейства Gemma 4 с плотной архитектурой Gemma4ForConditionalGeneration. Автор карточки указывает, что модель обучалась с использованием Unsloth и библиотеки Hugging Face TRL. Модель предназначена для диалога и генерации ответов по текстовым и визуальным входам; метаданные также отмечают поддержку интерфейса вызова инструментов. Базовая Gemma 4 E4B Instruct описана как подходящая для анализа изображений, документов, программирования и других текстовых задач, но отдельные возможности этой версии подробно не подтверждены карточкой. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не сообщает размер контекста и подробные результаты оценки качества; практическое качество дистилляции DeepSeek в README не раскрыто.

unsloth/gemma-7b-it — разговорная модель семейства Gemma, размещённая Unsloth. Она предназначена для генерации текста в диалоговом формате и может применяться для создания чат-ботов и адаптации под пользовательские наборы данных. Модель имеет плотную архитектуру GemmaForCausalLM, около 8,2 млрд параметров и контекст до 8192 токенов; карточка указывает поддержку английского языка и библиотеку Transformers. Модель распространяется в формате safetensors и поддерживает чат. README описывает шаблоны ShareGPT ChatML и Vicuna, а также сценарии дообучения и экспорта. Лицензия — Apache 2.0. Данных о специальных ограничениях качества или безопасности в предоставленной карточке нет.

glm-4-9b-chat-GGUF — это квантизированная версия чат-модели THUDM/glm-4-9b-chat, подготовленная legraphista в формате GGUF для использования с llama.cpp. Исходная модель разработана THUDM; в README указано, что она предназначена для генерации текста и диалоговых сценариев. Поддерживаемые языки — китайский и английский. Модель имеет около 9 млрд параметров; исходный тип данных — BF16. Доступны варианты от BF16 и FP16 до 2-, 3-, 4-, 5-, 6- и 8-битных статических квантизаций, что позволяет выбирать между качеством, размером файла и требованиями к ресурсам. Размер файлов составляет примерно от 3,99 до 18,81 ГБ. Указанные варианты не используют IMatrix. Формат GGUF и совместимость с llama.cpp подходят для локального запуска, однако README не содержит сведений о длине контекста, точной архитектуре, мультимодальности, производительности или сравнительных преимуществах. Лицензия обозначена как glm-4; подробные условия доступны по ссылке на лицензию исходной модели. Ограничения и условия коммерческого использования в README не раскрыты, поэтому перед применением следует изучить полный текст лицензии.

EleutherAI/Hermes-RWKV-v5-7B-HF — языковая модель на архитектуре RWKV-v5 (Eagle), разработанная EleutherAI. Модель содержит 7,8 млрд параметров: она предварительно обучена на многоязычных данных, а затем дообучена на диалоговом наборе OpenHermes 2.5 от Nous Research для генерации текста в формате чата. Модель подходит для ведения диалога и генерации ответов на текстовые запросы. Формат чата совместим с форматом Hugging Face, но вместо специальных токенов `assistant` и `user` используются ASCII-коды 0x16 и 0x17 для совместимости с токенизатором RWKV World. Доступна в формате safetensors и распространяется по лицензии Apache-2.0.

Mungert/kanana-1.5-8b-instruct-2505-GGUF — GGUF-квантизированная версия instruct-модели kanana-1.5-8b-instruct-2505, разработанной Kanana LLM и опубликованной на основе модели Kakao Corp. kakaocorp/kanana-1.5-8b-instruct-2505. Модель предназначена для генерации текста и выполнения инструкций, включая сценарии локального запуска на устройствах с ограниченными ресурсами. Модель поддерживает английский и корейский языки и относится к семейству 8B. Репозиторий содержит варианты ультранизкобитной квантизации IQ-DynamicGate с точностью 1–2 бита, использующей адаптивное распределение точности по слоям и защиту embedding- и output-слоёв. Такой подход нацелен на снижение потребления памяти при сохранении качества. В README приведены результаты для Llama-3-8B-Instruct с контекстом 2048 токенов, однако эти показатели не следует напрямую считать характеристиками Kanana. Сильными сторонами являются компактность, возможность запуска на CPU, edge-устройствах и системах с ограниченной VRAM, а также поддержка llama.cpp. Ограничением выступает потенциальное снижение точности из-за экстремально низкой разрядности; конкретный размер файлов, максимальный контекст и производительность вариантов Kanana в README не указаны. Модель распространяется по лицензии Apache-2.0.

Nohobby/L3.3-Prikol-70B-v0.1a — экспериментальное объединение четырёх моделей семейства Llama 3.3, выполненное автором Nohobby методом linear DELLA; базовой при слиянии указана TheDrummer/Anubis-70B-v1. Модель предназначена для диалогового общения и генерации текста, использует формат запросов Llama 3 и поддерживает интерфейс вызова инструментов. Это плотная авторегрессионная архитектура LlamaForCausalLM на 69,5 млрд параметров с контекстом до 131 072 токенов; веса опубликованы в формате safetensors. Слияние также включает EVA-UNIT-01/EVA-LLaMA-3.33-70B-v0.0, Blackroot/Mirai-3.0-70B и Sao10K/L3.3-70B-Euryale-v2.3. Карточка описывает модель неформально и отмечает, что параметры генерации работают лишь удовлетворительно, поэтому качество ответов может быть нестабильным. Лицензия в предоставленных данных не указана.

LFM2.5-1.2B-Distilled-Claude-4.6 (Liquid Claude) — компактная языковая модель FlameF0X на архитектуре LFM2, дообученная методом дистилляции Claude Sonnet 4.6 Adaptive Thinking в LiquidAI/LFM2.5-1.2B-Thinking с помощью LoRA. Модель содержит 1,5 млрд параметров и рассчитана на генерацию текста в формате диалога, рассуждения и агентные сценарии; карточка приводит пример использования через Transformers. Модель обучена на частных данных, описанных автором как диалоги Claude Sonnet 4.6; в карточке указаны примеры цепочек рассуждений и агентных блоков с вызовами инструментов. Заявлено контекстное окно 128 000 токенов. Основной язык карточки и тегов — английский. Автор приводит результаты нескольких бенчмарков, но они не являются независимой оценкой качества модели. Лицензия — Apache-2.0.

Fischerboot/ll3-test-2 — диалоговая языковая модель, созданная слиянием чекпойнтов Fischerboot/ll3-test-1 методом SLERP с помощью mergekit. Модель построена на архитектуре Llama и содержит 6,9 млрд параметров; она предназначена для генерации текста и диалогового взаимодействия. Максимальная длина контекста составляет 8192 токена. Модель принимает текст и генерирует текст. В README указан один и тот же исходный репозиторий для обоих наборов слоёв с разными диапазонами, поэтому это слияние вариантов одной модели, а не объединение явно указанных разных семейств. Использование и распространение регулируются лицензией базовой модели; сведения о ней в предоставленных источниках отсутствуют.

Llama-3.1-Saoirse-70B — объединённая автором nbeerbower языковая модель на архитектуре Llama 3.1. Она создана методом Model Stock с помощью mergekit на основе mlabonne/Hermes-3-Llama-3.1-70B-lorablated и включает веса нескольких моделей семейства Llama 3.1, в том числе вариантов Mahou, Nemotron, Gutenberg-Doppel, Flammades и Rombos. Модель предназначена для генерации текста и диалогов. Она содержит 69,5 млрд параметров, принимает текст и выдаёт текст; заявленная длина контекста — 131 072 токена. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Языковая поддержка и специальные прикладные области в карточке не описаны. Модель распространяется по лицензии Llama 3.1. Карточка не приводит результатов оценки качества или подробных ограничений; качество и поведение могут зависеть от запроса и настроек генерации.

tintnguyen/llama3.2-ft — дообученная tintnguyen модель для генерации текста на основе tintnguyen/llama3.2. Она предназначена для текстовых диалогов и других сценариев генерации; в метаданных также заявлен интерфейс вызова инструментов. Модель использует плотную архитектуру LlamaForCausalLM и содержит 3,2 млрд параметров. Родная длина контекста — 131 072 токена; формат весов — safetensors. Модель обучена с использованием Unsloth и библиотеки Hugging Face TRL. Карточка не описывает специализированную предметную область или дополнительные возможности обучения. Лицензия — Apache-2.0.

LlamaThink-8B-instruct — инструкционно дообученная языковая модель David Browne на архитектуре Llama 3.1. Она предназначена для диалогов и генерации структурированных ответов в формате из двух разделов; для соблюдения формата карточка рекомендует задавать соответствующую системную инструкцию. Модель содержит около 7,5 млрд параметров, принимает текст и выдаёт текст. В метаданных указан контекст до 131 072 токенов, а поддерживаемые сценарии включают чат и интерфейс вызова инструментов. Модель основана на meta-llama/Llama-3.1-8B-Instruct и распространяется под лицензией Apache 2.0. Карточка не приводит количественной оценки качества или подробностей обучения. Формат ответа зависит от системной инструкции; для использования интерфейса вызова инструментов требуется совместимая интеграция.

KKHYA/llavaqwen2.5-32b-finetune-nm-mask-moe-4e-2k-2of4-imp-2m-half_20260822_074702 — языковая модель на архитектуре NMMaskMoELLaVAQwen2ForCausalLM с 32 млрд параметров. В карточке указаны библиотека Transformers и форматы PyTorch и safetensors; метаданные также обозначают поддержку диалогового режима и интерфейса вызова инструментов. Модель предназначена для генерации текста и диалогового взаимодействия. Длина контекста составляет 131 072 токена. README сообщает, что модель обучена с нуля, но не содержит сведений о датасете, назначении обучения или оценке качества. Лицензия в предоставленных данных не указана.

Maverick-v3.0 — объединённая языковая модель на архитектуре Mistral, созданная автором репозитория с помощью mergekit. В качестве базовой модели использована Mistral-7B-Instruct-v0.2; в объединение также вошли Mistroll-7B-v2.2 и multi_verse_model. Модель предназначена для генерации текста и диалогового общения. Она содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия — Apache-2.0. Карточка не уточняет целевые языки, специализированные области или результаты оценки качества. Возможности модели следует рассматривать как общие для генерации текста и чата; специализированные сценарии по имеющимся данным подтвердить нельзя.

Memgpt-slerp-7b-2 — объединённая модель генерации текста, созданная liminerity с помощью LazyMergekit из starsnatched/MemGPT-3 и liminerity/Memgpt-slerp-7b-1. В README указан метод слияния slerp и формат bfloat16; метаданные описывают архитектуру как плотную MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для диалоговой генерации текста. Метаданные отмечают поддержку чата и задачу text-generation, однако README не приводит оценок качества или конкретных сценариев применения. Лицензия и поддерживаемые естественные языки в предоставленных источниках не указаны.

JANGQ-AI/MiniMax-M2.7-JANG_4M — квантизированная версия MiniMax M2.7, подготовленная Jinho Jang с помощью JANG Tools. Это текстовая MoE-модель с 228,7 млрд параметров и профилем смешанной точности 4,06 бита: внимание и выходной слой сохранены в 8-битном формате, эмбеддинги и экспертные MLP — в 4-битном, маршрутизатор — в float16. В метаданных указано 2,9 млрд параметров; README описывает исходную модель как 228,7-миллиардную, а размер этого профиля — около 115 ГБ. Модель предназначена для диалогов и генерации текста с рассуждением, а также для сценариев с вызовом инструментов. Она поддерживает контекст до 196 608 токенов и рассчитана на запуск на Apple Silicon через MLX Studio, которое включает загрузчик JANG; стандартный mlx_lm смешанную точность JANG не загружает. README приводит результаты 191/200 на MMLU для профиля JANG_4M, но это ограниченное сравнение на 200 вопросах, а результаты для MiniMax M2.7 названы ожидающими подтверждения. Для запуска требуется Mac на Apple Silicon с 128 ГБ объединённой памяти и MLX; автор рекомендует MLX Studio. Модель всегда выполняет рассуждение перед ответом, а README предупреждает, что температура 0 может приводить к бесконечным циклам рассуждений. Лицензия MiniMax M2.7 некоммерческая: коммерческое использование требует предварительного письменного разрешения MiniMax.

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

Карточка модели NostraEmpire/mirror-qwq-32b на Hugging Face совпадает с карточкой Qwen/QwQ-32B, поэтому описание составлено по ней. QwQ-32B — reasoning-модель семейства Qwen от команды Qwen, основанная на Qwen2.5-32B и дообученная с supervised fine-tuning и reinforcement learning. Это плотная причинная языковая модель на 32 млрд параметров для генерации текста и диалогов, рассчитанная на сложные задачи, где полезны рассуждения, в частности решение математических задач и ответы на трудные вопросы. Поддерживает интерфейс вызова инструментов. Архитектура Qwen2 использует RoPE, SwiGLU, RMSNorm и смещение в QKV attention; в модели 64 слоя и grouped-query attention с 40 головами Q и 8 головами KV. README заявляет контекст до 131 072 токенов, тогда как метаданные указывают нативный контекст 40 960 токенов. Для входов длиннее 8 192 токенов README рекомендует включать YaRN; статическое масштабирование в vLLM может снижать качество на коротких текстах. Модель описана как конкурентоспособная с другими reasoning-системами, но конкретные результаты оценки в карточке не приведены. Модель принимает текст и генерирует текст. Карточка указывает английский язык. Для снижения повторов README рекомендует не использовать жадное декодирование и настраивать параметры sampling; при повышении presence penalty возможны смешение языков и небольшое снижение качества. Лицензия — Apache-2.0.

AlSamCur123/mistral-7b2ContinuedFine — дообученная AlSamCur123 разговорная языковая модель на архитектуре Mistral. Она предназначена для генерации текста в диалоге и интерфейса вызова инструментов. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов; в карточке указан английский язык. Для обучения использовались Unsloth и библиотека TRL. Модель основана на unsloth/mistral-7b-instruct-v0.3-bnb-4bit и опубликована в формате safetensors. Лицензия — Apache-2.0. Карточка не описывает специализированную предметную область или конкретные преимущества и ограничения качества.

bhenrym14/mistral-7b-platypus-fp16 — плотная языковая модель Mistral на 7,1 млрд параметров, созданная на основе mistralai/Mistral-7B-v0.1. Автор дообучил её на инструкциях из набора garage-bAInd/Open-Platypus, используя объединённый QLoRA-адаптер ранга 64. Модель предназначена для генерации текста в ответ на инструкции и запросы; в карточке приведены результаты тестов ARC, HellaSwag и MMLU. Модель рассчитана на контекст до 32 768 токенов и использует архитектуру MistralForCausalLM. Для работы карточка рекомендует загрузку через Transformers; на момент её написания требовалась версия библиотеки из исходного кода. Обучение велось с устаревшим системным промптом Airoboros версии ниже 2.0, что важно учитывать при подготовке запросов. Это дообученная модель, а не исходная разработка автора репозитория. В карточке не приведены сведения о лицензии, поэтому условия использования следует проверять у базовой модели и в репозитории. Описанные бенчмарки не гарантируют качество на произвольных задачах; автор также отмечает, что скользящее оконное внимание и размер модели могут ограничивать её конкурентоспособность при работе с длинным контекстом.

A1rboy/model — дообученная языковая модель, разработанная A1rboy на базе unsloth/DeepSeek-R1-Distill-Qwen-7B-unsloth-bnb-4bit. Она предназначена для генерации текста и диалоговых сценариев; в метаданных также отмечен интерфейс вызова инструментов. Модель использует плотную архитектуру Qwen2ForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 131 072 токенов. Для обучения применялись Unsloth и библиотека Hugging Face TRL. Карточка указывает английский язык. Модель принимает текст и генерирует текст. Она распространяется по лицензии Apache-2.0. Карточка не описывает специализированную область применения или отдельные ограничения качества.

Neural-Cosmic-Boy-7B-slerp — объединённая модель на базе архитектуры Mistral, созданная Kukedlc с помощью LazyMergekit. Она предназначена для генерации текста и может использоваться для диалога, ответов на вопросы и рассуждений. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В README приведены результаты оценивания на бенчмарках, включая AI2 Reasoning Challenge и HellaSwag. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Карточка не сообщает о специализированных языках или областях применения.

Это квантованная версия языковой модели NVIDIA Nemotron 3.5 Lightning 30B-A3B, преобразованная в формат GGUF для запуска с llama.cpp. Репозиторий создан ijohn07; исходная модель — nvidia/NVIDIA-Nemotron-3.5-Lightning-30B-A3B-BF16. Модель предназначена для генерации текста и диалогового использования. Согласно карточке базовой модели из каталога, исходная модель подходит для диалога, рассуждений, оценки и последующей адаптации под пользовательские задачи. Карточка этой версии описывает запуск через llama.cpp; указанные в метаданных языки — английский, испанский, французский, немецкий, итальянский и японский. Лицензия указана как other, поэтому условия использования следует сверять с карточкой исходной модели.

RLLab/olmo-3-1025-7b — языковая модель для генерации текста, опубликованная на Hugging Face и предназначенная для использования через библиотеку Transformers. Модель поддерживает сценарии диалогового взаимодействия и относится к классу моделей text-generation. Модель содержит около 6,9 млрд параметров и поддерживает контекст длиной до 65 536 токенов, что позволяет работать с длинными запросами и документами. По доступным данным, она может применяться для генерации ответов, продолжения текста, составления черновиков и других задач, основанных на порождении текста. Карточка модели не содержит сведений о разработчике, лицензии, языках обучения, датасетах, результатах оценки и конкретных рекомендациях по применению. Поэтому качество, безопасность и пригодность модели для специализированных или критически важных задач требуют самостоятельной проверки.

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