II.2Создание и понимание программного кода

Карточка модели localized-ft/OLMo-3-7B-target-only-no-hallucination-inoculation-prompting-seed2 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.

Карточка модели localized-ft/OLMo-3-7B-target-only-no-hallucination-inoculation-prompting-seed4 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.

Карточка модели localized-ft/OLMo-3-7B-target-only-no-hallucination-last-third-sft-seed4-epoch3 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.

Карточка модели localized-ft/OLMo-3-7B-target-only-no-hallucination-last-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.

Карточка модели localized-ft/OLMo-3-7B-target-only-no-hallucination-second-third-sft-seed4 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.

Карточка модели ddidacus/olmoe-base на Hugging Face совпадает с карточкой allenai/OLMoE-1B-7B-0125-Instruct, поэтому описание составлено по ней. OLMoE-1B-7B-0125-Instruct — англоязычная диалоговая модель Allen Institute for AI, выпущенная в январе 2025 года. Это модель генерации текста с архитектурой MoE и классом OlmoeForCausalLM; в метаданных указано 472,1 млн параметров и контекст до 4096 токенов. Она принимает диалоговые текстовые запросы и генерирует ответы. Модель дообучена на базе allenai/OLMoE-1B-7B-0125-DPO: обучение включало supervised fine-tuning на варианте набора Tülu 3 для OLMo, DPO и RLVR. Предназначена для чата, ответов на вопросы и решения разнообразных задач, включая математику и следование инструкциям. README приводит результаты на нескольких бенчмарках, но не гарантирует качество для каждого сценария. Модель рассчитана преимущественно на английский язык и распространяется по лицензии Apache 2.0. В README отмечено, что модель прошла ограниченное обучение безопасности и может выдавать проблемные ответы, особенно при соответствующих запросах.

Карточка модели FuseAI/OpenChat-3.5-7B-InternLM-v2.0 на Hugging Face совпадает с карточкой FuseAI/OpenChat-3.5-7B-Starling-v2.0, поэтому описание составлено по ней. FuseAI/OpenChat-3.5-7B-Starling-v2.0 — диалоговая языковая модель, выпущенная исследовательской группой Sun Yat-sen University в рамках проекта FuseChat. Это целевая модель, полученная лёгким дообучением для попарного слияния знаний OpenChat-3.5-7B и Starling-LM-7B-alpha; архитектура — плотная Mistral с 7,1 млрд параметров. В README она описана как компонент для объединения с другими целевыми моделями FuseChat в единую чат-модель. Модель предназначена для ответов на вопросы, выполнения текстовых инструкций и диалогового общения. Она принимает текст и генерирует текст, поддерживает английский язык и контекст до 8192 токенов. Репозиторий содержит веса Safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0. README приводит результаты MT-Bench для итоговой FuseChat-7B-v2.0, но не отдельную оценку этого целевого чекпойнта, поэтому эти показатели нельзя напрямую переносить на данную модель. Качество ответов может зависеть от шаблона диалога и сценария применения.

Open_Gpt4_8x7B_v0.1 — языковая модель, опубликованная rombodawg и собранная методом TIES из notux-8x7b-v1 и UNAversal-8x7B-v1beta на основе MixtralOrochi8x7B. Она предназначена для генерации текста и диалоговых сценариев по шаблону Alpaca. Архитектура — MixtralForCausalLM с разреженной смесью экспертов; в метаданных указано 7,1 млрд параметров и контекст 32 768 токенов. Доступны веса в формате safetensors; README указывает тип данных float16. Модель объединяет возможности исходных Mixtral-моделей и может применяться для ответов на вопросы, написания и преобразования текста. Автор рассматривает её как эксперимент с целью расширить возможности базовой модели и отмечает, что для оценки качества требуется дополнительное тестирование. Лицензия — CC BY 4.0.

Open_Gpt4_8x7B_v0.2 — языковая модель, созданная rombodawg слиянием TIES на основе MixtralOrochi8x7B, Mixtral-8x7B-Instruct-v0.1 и bagel-dpo-8x7b-v0.2. В карточке указаны архитектура Mixtral с разреженной смесью экспертов (MoE), 7,1 млрд параметров и контекст до 32 768 токенов. Опубликованная версия FP16 в формате safetensors предназначена для обучения и дальнейшего слияния; для инференса автор отсылает к отдельной квантизованной версии. Модель генерирует текст и рассчитана на диалоговые и другие задачи следования инструкциям с шаблоном Alpaca. Автор описывает её как попытку расширить возможности MixtralOrochi и сообщает результаты оценки на бенчмарках, но отмечает необходимость дальнейшего тестирования. Лицензия — CC BY 4.0.

OrcaMaidXL-17B-32k — экспериментальная объединённая языковая модель автора ddh0 на архитектуре Llama. Она сочетает слои Microsoft Orca-2-13b и Noromaid-v0.2-13b; в README базовой моделью также названа Llama 2. Модель содержит около 17,3 млрд параметров и поддерживает контекст до 32 768 токенов с YaRN; исходная длина контекста составляла 4 096 токенов. Модель предназначена для генерации текста по инструкциям в формате Alpaca. Её можно применять для диалога и создания текстовых ответов, настраивая системный промпт под конкретную задачу. Автор характеризует результаты собственных проверок как сильные, но предупреждает, что качество может различаться. В README отмечен экспериментальный характер сборки. Указана лицензия other в метаданных; README сообщает, что из-за включения Orca-2-13b применяются условия Microsoft Research License.

pankajmathur/orca_mini_v6_8b — диалоговая языковая модель Orca Mini, разработанная Pankaj Mathur на базе Llama 3 и дообученная на наборах данных для supervised fine-tuning (SFT). Она предназначена для работы в роли универсального помощника: ведения диалога и генерации ответов на текстовые запросы. Модель имеет плотную архитектуру LlamaForCausalLM с 7,5 млрд параметров и контекстом до 8192 токенов; поддерживает английский язык и формат общения ChatML. Модель подходит для создания чат-ботов и адаптации под специализированные сценарии с помощью дальнейшего дообучения или слияния. В карточке указана лицензия Llama 3; автор разрешает такие модификации при условии надлежащего указания авторства. Результаты оценки качества в карточке пока не представлены.

PrimeIntellect/Qwen3-0.6B — копия модели Qwen3-0.6B от Prime Intellect с шаблоном диалога для многоходового общения и сообщений, совместимых с вызовом инструментов. Это плотная авторегрессионная языковая модель с 507,9 млн параметров для генерации текста и диалоговых сценариев. Модель принимает текст и выдаёт текст; максимальная длина контекста составляет 40 960 токенов. Модель основана на Qwen/Qwen3-0.6B-Base и представлена в формате Safetensors для библиотеки Transformers. Лицензия — Apache 2.0. Карточка подтверждает совместимость шаблона с вызовами инструментов, но не сообщает об обучении модели на использование инструментов; результаты могут зависеть от качества базовой модели и заданного промпта.

PollardWeights/Qwen3-30B-A3B-Pollard — квантизированная версия модели Qwen3-30B-A3B, разработанная Pollard Weights на базе Qwen от Qwen. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск через llama.cpp, Ollama, LM Studio и совместимые приложения. Поддерживает только текстовый ввод; заявленный язык — английский. Модель использует архитектуру qwen3_moe и содержит около 30,5 млрд параметров. Это набор GGUF-вариантов с измеренным распределением разрядности по чувствительности отдельных слоёв, а не равномерным сжатием. Доступны варианты размером примерно от 7,54 до 25,12 ГБ: IQ1_KT, IQ3_S, IQ4_XS и Q6_K. Наименьший вариант рассчитан на устройства примерно с 10 ГБ RAM или VRAM, а Q6_K требует около 27 ГБ с запасом под контекст. Для IQ-вариантов trellis необходим ik_llama.cpp, тогда как K-кванты работают в стандартном llama.cpp. Ключевое преимущество — существенное уменьшение размера относительно версии f16: с 61,06 до 7,54 ГБ, при сохранении качества лучше равномерной однобитной trellis-квантизации по указанным тестам WikiText-2. Ограничения включают потерю качества из-за квантизации, отсутствие заявленной поддержки других модальностей и языков, а также то, что приведённые измерения выполнены на одном наборе данных и одной машине. Модель распространяется по лицензии Apache-2.0, унаследованной от базовой модели.

Карточка модели localized-ft/Qwen3-32B-school-of-reward-hacks-kld-20260920-seed1 на Hugging Face совпадает с карточкой localized-ft/Qwen3-32B-good-vs-bad-mixed-multifact-ip-20260920-seed1, поэтому описание составлено по ней. Модель localized-ft/Qwen3-32B-good-vs-bad-mixed-multifact-ip-20260920-seed1 разработана localized-ft как дообученная версия Qwen/Qwen3-32B. Это плотная причинная языковая модель семейства Qwen3 с 29,7 млрд параметров, предназначенная для диалога и генерации текста; каталог также отмечает интерфейс вызова инструментов. Модель обучали с использованием Unsloth и библиотеки TRL. Модель принимает текст и выдаёт текст. Её контекстное окно составляет 40 960 токенов; в метаданных указан английский язык. Карточка не раскрывает состав обучающих данных и конкретную специализацию, поэтому название репозитория само по себе не позволяет надёжно установить назначение оценки «хорошего» и «плохого» или многозадачного обучения. Лицензия — Apache-2.0.

Карточка модели electroglyph/Qwen3-4B-Instruct-2507-uncensored-v2 на Hugging Face совпадает с карточкой Manitec/Qwen3-4B-Instruct-2507-uncensored-v2, поэтому описание составлено по ней. 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.

mradermacher/Qwen3.5-Queen-27B-i1-GGUF — квантизированная версия базовой модели aifeifei798/Qwen3.5-Queen-27B, подготовленная mradermacher в формате GGUF. Модель ориентирована на англоязычные сценарии, включая ролевые диалоги, использование в SillyTavern и работу с визуальными данными. В README она обозначена как vision-модель с поддержкой задач image-text-to-text. Модель имеет размер 27 миллиардов параметров. Доступны варианты квантизации от i1-IQ1_S до i1-Q6_K, различающиеся размером файлов, скоростью и ожидаемым качеством. В качестве сбалансированных вариантов указаны i1-Q4_K_S и i1-Q4_K_M, причём последний рекомендован как быстрый. Некоторые низкобитные варианты имеют заметно более низкое качество. Размер контекста, точный набор поддерживаемых языков помимо английского, архитектурные детали и результаты бенчмарков в README не указаны. Сильными сторонами модели являются сравнительно большой размер, наличие визуального режима и широкий выбор GGUF-квантизаций для запуска с различными ограничениями по памяти. Ограничения включают возможную потерю качества при использовании низкобитных вариантов, отсутствие подробных оценок производительности и неуказанные требования к памяти и оборудованию. Модель распространяется по лицензии Apache-2.0.

Это самостоятельный чекпойнт генерации текста на архитектуре Qwen3, подготовленный автором репозитория ganscs на основе Qwen/Qwen3-8B-Base. Веса обученного LoRA-адаптера и обученные веса входных и выходных слоёв объединены с базовой моделью в формате BF16; для загрузки через Transformers отдельный PEFT-адаптер не нужен. Модель содержит 7,6 млрд параметров и поддерживает контекст до 32 768 токенов. Чекпойнт предназначен для продолжения предобучения и генерации текста в том числе в диалоговом режиме. В обучении использовался 4-битный вариант базовой модели, а готовый экспорт объединён с BF16-версией базы. Указанная в карточке ошибка валидации относится к исходному обучающему чекпойнту и не является новой оценкой качества этого экспорта. Проверка загрузки и генерации описана автором как smoke test. Лицензия — Apache-2.0.

mhdiirsyad/qwen_reasoning_16bit — дообученная причинная языковая модель семейства Qwen3, опубликованная mhdiirsyad. Модель содержит 1,7 млрд параметров, принимает текст и генерирует текст; заявленная длина контекста — 40 960 токенов. В метаданных указаны возможности чата и интерфейс вызова инструментов. Модель дообучена на базе mhdiirsyad/unsloth-qwen3-1.7B-finetune-v1 с использованием Unsloth и библиотеки Hugging Face TRL. Репозиторий содержит веса в формате safetensors. Подходит для генерации текста и диалогового взаимодействия. Лицензия — Apache-2.0. Карточка не описывает отдельные результаты оценки качества или специализированную область применения.

ScreenParser — модель обнаружения элементов пользовательского интерфейса, разработанная IBM Research и ETH Zurich. Это YOLO11-L, дообученная на наборе ScreenParse v2 для анализа скриншотов веб-страниц. На вход подаётся изображение экрана, на выходе — рамки объектов, метки классов и оценки уверенности для 55 типов элементов, включая кнопки, поля ввода, меню, вкладки, текстовые блоки и изображения. Модель предназначена для разбора структуры веб-страниц, поиска и классификации видимых компонентов интерфейса. Текущий чекпойнт обучен на 1 447 100 скриншотах с 25 575 213 аннотациями элементов; обучение учитывает разные разрешения экранов. Модель принимает изображения и возвращает разметку в виде рамок и меток. Для извлечения текста из найденных элементов её можно сочетать с OCR или ScreenVLM. Лицензия — Apache 2.0. Модель обучена на скриншотах веб-страниц, поэтому качество может снижаться на скриншотах нативных настольных, мобильных и других приложений, отличающихся от обучающих данных.

Snowball 67B-A2B second cooldown — модель семейства Grug MoE, опубликованная LAION. Это экспорт BF16 в формате Hugging Face/vLLM контрольной точки второго этапа cooldown; она использовалась как базовая для трёхэтапного SFT Marin в режимах Chat, Thinking и Agentic, а также для экспериментов с фиксированным EOT и Nemotron Terminal. Модель предназначена для генерации текста и диалоговых сценариев; в метаданных также указана возможность интерфейса вызова инструментов. Архитектура — GrugMoeForCausalLM с 67,08 млрд общих параметров и примерно 2,01 млрд активных параметров. В ней 256 маршрутизируемых экспертов, из которых для каждого токена активируются четыре. Контекст — до 32 768 токенов. Экспорт сохраняет токенизатор Marin, специальные токены Delphi и обученное состояние смещения запросов FP32. Модель опубликована под лицензией Apache-2.0; README указывает, что это промежуточная контрольная точка, использованная для последующих экспериментов SFT.

jaspionjader/sof-9 — объединённая модель семейства Llama, созданная автором репозитория с помощью mergekit. В объединение вошли jaspionjader/sof-3, sof-5, sof-7 и sof-8; базовой моделью для слияния указана jaspionjader/sof-6. Применён метод Model Stock, итоговые веса сохранены в формате safetensors; модель содержит 7,5 млрд параметров и рассчитана на контекст до 131 072 токенов. Модель предназначена для генерации текста и диалогового взаимодействия на основе текстовых запросов. Она может использоваться в чат-ботах и приложениях, которым нужна генерация ответов с длинным контекстом. Сведения о лицензии, языках, качестве и специальных областях применения в предоставленных источниках отсутствуют.

SoRu-0006 — плотная языковая модель семейства Qwen2, разработанная ehristoforu и дообученная на базе ehristoforu/SoRu-0005. Она предназначена для генерации текста и диалогов; в метаданных также отмечен интерфейс вызова инструментов. Модель содержит около 493,7 млн параметров и поддерживает контекст до 32 768 токенов. Для обучения использовались Unsloth и библиотека Hugging Face TRL; README сообщает, что обучение было ускорено вдвое. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. Карточка не описывает обучающие данные, целевые языки или результаты оценки качества.

StrangeMerges_43-7B-dare_ties — текстовая генеративная модель на архитектуре Mistral с 7,1 млрд параметров, созданная Gille объединением моделей с помощью LazyMergekit. В состав объединения входят Gille/StrangeMerges_21-7B-slerp, liminerity/M7-7b и Gille/StrangeMerges_42-7B-dare_ties; в конфигурации указаны метод dare_ties и точность bfloat16. Модель предназначена для генерации текста и диалоговых сценариев, а контекст составляет до 32 768 токенов. Репозиторий распространяется по лицензии Apache-2.0. Карточка не описывает отдельные специализации или языки модели.

Bruh0009/T1 — дообученная языковая модель на архитектуре Llama, разработанная Bruh0009 на базе unsloth/Llama-3.2-1B-Instruct-bnb-4bit. Модель содержит 1,2 млрд параметров, принимает текст и предназначена для генерации текста в диалоговом формате; метаданные также отмечают интерфейс вызова инструментов. Заявленная длина контекста составляет 131072 токена. Модель обучалась с использованием Unsloth и библиотеки Hugging Face TRL. В карточке указана лицензия Apache-2.0. Данных о специализации по предметной области или дополнительных ограничениях качества нет.

T3qm7Neuralsynthesis-7B — автоматически объединённая языковая модель, созданная Maxime Labonne методом Model Stock из Mistral-7B-v0.1, T3QM7 и NeuralSynthesis-7B-v0.3. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев на основе текстового ввода. Репозиторий содержит веса в формате Safetensors; в конфигурации слияния указан тип данных bfloat16. Модель распространяется по лицензии Apache-2.0. В README и метаданных не описаны отдельные языковые специализации или дополнительные возможности.

Thinkless-1.5B-RL-DeepScaleR — языковая модель на архитектуре Qwen2 с 1,5 млрд параметров, разработанная авторами проекта Thinkless. Она дообучена методом обучения с подкреплением на наборе agentica-org/DeepScaleR-Preview-Dataset и предназначена для генерации ответов с адаптивным выбором между кратким ответом и подробным рассуждением. Модель использует управляющие токены для выбора режима, а метод DeGRPO разделяет обучение выбору режима и точности ответа. В описанных авторами тестах на Minerva Algebra, MATH-500 и GSM8K модель сокращала использование длинных цепочек рассуждений на 50–90%, что может уменьшать вычислительные затраты. Репозиторий содержит веса Safetensors для Transformers, поддерживает диалоговый сценарий и имеет контекст до 32 768 токенов. Лицензия — Apache-2.0.

giocorte/totem-slm-sft — дообученная языковая модель, опубликованная giocorte на базе unsloth/qwen3-4b-unsloth-bnb-4bit. Это плотная авторегрессионная модель семейства Qwen3 с 3,7 млрд параметров, рассчитанная на генерацию текста и диалоговое взаимодействие; метаданные также отмечают интерфейс вызова инструментов. Модель обучали с использованием Unsloth и библиотеки Hugging Face TRL. Модель принимает текст и генерирует текст, поддерживает английский язык и имеет контекст длиной до 40 960 токенов. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. Карточка не описывает специализацию дообучения, обучающие данные или сравнительные результаты, поэтому нельзя определить, в каких прикладных сценариях модель превосходит базовую.

Карточка модели azizshaw/vp_merged_new на Hugging Face совпадает с карточкой azizshaw/vp_merged, поэтому описание составлено по ней. azizshaw/vp_merged — дообученная языковая модель разработчика azizshaw на базе unsloth/llama-3.2-3b-instruct-unsloth-bnb-4bit. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 3,2 млрд параметров; карточка указывает контекст длиной до 131 072 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Метаданные отмечают интерфейс вызова инструментов; README сообщает, что обучение проводилось с Unsloth и библиотекой TRL. Указан английский язык. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает специализацию дообучения и не приводит результатов оценки качества, поэтому пригодность для конкретных предметных задач следует проверять отдельно.

YamshadowInex12_YamT3qm7xp — слитая модель MaziyarPanahi на архитектуре Mistral, объединяющая automerger/YamshadowInex12-7B и automerger/YamT3qm7xp-7B. Она предназначена для генерации текста и принимает текстовые запросы, выдавая текстовые продолжения. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Mistral и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате Safetensors. Репозиторий распространяется по лицензии Apache-2.0.

YamshadowStrangemerges_32_Experiment24Inex12 — объединённая методом слияния модель семейства Mistral, опубликованная MaziyarPanahi. Она предназначена для генерации текста и поддерживает контекст до 32 768 токенов. Модель содержит 7,1 млрд параметров и распространяется в формате safetensors. Модель создана на основе automerger/YamshadowStrangemerges_32-7B и automerger/Experiment24Inex12-7B. Её можно применять для диалогов и генерации текстовых ответов; конкретная специализация или заявленные преимущества в карточке не описаны. Лицензия — Apache 2.0.