II.6Документация и сопровождение разработки

MaziyarPanahi/Experiment28M7_Experiment26Experiment28 — слитая языковая модель семейства Mistral, созданная на основе automerger/Experiment28M7-7B и automerger/Experiment26Experiment28-7B. Она предназначена для генерации текста и имеет 7,1 млрд параметров с контекстом до 32 768 токенов. Модель принимает текст и генерирует текст. В карточке не описаны специальные области применения или языки, поэтому её можно рассматривать как модель общего назначения для текстовых запросов и продолжения текста. Веса опубликованы в формате safetensors. Лицензия — Apache-2.0. Карточка не приводит результатов оценки качества или иных специфических ограничений.

MaziyarPanahi/Experiment28M7_Experiment27Experiment28 — объединённая методом merge модель генерации текста на архитектуре Mistral. В README указаны две исходные модели: automerger/Experiment28M7-7B и automerger/Experiment27Experiment28-7B. Модель содержит 7,1 млрд параметров, использует формат Safetensors и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста. По доступным сведениям нельзя уточнить её специализацию или преимущества по сравнению с исходными моделями. Она распространяется по лицензии Apache-2.0.

Experiment28M7_Experiment28Experiment26 — слитая текстовая модель семейства Mistral, созданная объединением моделей automerger/Experiment28M7-7B и automerger/Experiment28Experiment26-7B. Она предназначена для генерации текста и использования в сценариях, где требуется продолжение или создание текста по запросу. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Mistral и поддерживает контекст до 32 768 токенов. Веса представлены в формате safetensors. Репозиторий распространяется по лицензии Apache-2.0. Сведения о специализации, поддерживаемых языках и сравнительном качестве в карточке не приведены.

MaziyarPanahi/Experiment28M7_Experiment29Multi_verse_model — слитая текстовая модель на архитектуре Mistral с 7,1 млрд параметров. Она объединяет модели automerger/Experiment28M7-7B и automerger/Experiment29Multi_verse_model-7B и предназначена для генерации текста. Модель принимает текст и выдаёт текст. Заявленная длина контекста — до 32 768 токенов; веса представлены в формате Safetensors. Карточка не описывает специализированную область применения или конкретные языки, поэтому модель можно рассматривать как экспериментальную LLM общего назначения. Лицензия — Apache-2.0.

MaziyarPanahi/Experiment28M7_Inex12Strangemerges_32 — объединённая языковая модель, созданная на основе automerger/Experiment28M7-7B и automerger/Inex12Strangemerges_32-7B. Она предназначена для генерации текста и построена на архитектуре MistralForCausalLM с плотной структурой и 7,1 млрд параметров. Модель принимает текст и генерирует текст; заявленная длина контекста — до 32 768 токенов. Карточка не описывает специальные области применения или поддерживаемые языки. Модель распространяется в формате safetensors по лицензии Apache-2.0.

MaziyarPanahi/Experiment28T3q_Experiment28Experiment29 — объединённая модель семейства Mistral с плотной архитектурой MistralForCausalLM и 7,1 млрд параметров. Она предназначена для генерации текста и принимает текстовые запросы, выдавая текстовые продолжения. Модель объединяет веса automerger/Experiment28T3q-7B и automerger/Experiment28Experiment29-7B; каталог описывает исходные модели как экспериментальную и дообученную по DPO математическую модель. Модель рассчитана на контекст до 32 768 токенов и опубликована в формате safetensors. Лицензия — Apache-2.0. Карточка не описывает конкретные языки, специализированные сценарии или результаты оценки качества.

Experiment28T3q_ShadowExperiment29 — объединённая модель семейства Mistral, созданная на основе automerger/Experiment28T3q-7B и automerger/ShadowExperiment29-7B. Она предназначена для генерации текста и может использоваться в сценариях, где требуется получать текстовые ответы или продолжения по текстовому запросу. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате Safetensors. Модель распространяется по лицензии Apache-2.0. В доступных данных не описаны её языковое покрытие и специальные области применения.

MaziyarPanahi/Experiment28T3q_Strangemerges_30Experiment28 — объединённая модель семейства Mistral с плотной архитектурой MistralForCausalLM и 7,1 млрд параметров. Она создана путём слияния automerger/Experiment28T3q-7B и automerger/Strangemerges_30Experiment28-7B. Модель предназначена для генерации текста и принимает текстовые запросы, выдавая текстовые продолжения. Поддерживает контекст до 32 768 токенов. Веса опубликованы в формате safetensors; лицензия — Apache-2.0. README и метаданные не описывают специализацию по языкам или конкретные преимущества и ограничения качества.

Experiment28T3q_Strangemerges_30Pastiche — объединённая модель семейства Mistral, созданная из automerger/Experiment28T3q-7B и automerger/Strangemerges_30Pastiche-7B. Она предназначена для генерации текста и может использоваться в приложениях, которым требуется продолжение или создание текстовых ответов по запросу. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и поддерживает контекст длиной до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. README и метаданные не содержат сведений о специализации на конкретных языках или прикладных областях, а также об оценках качества; результаты могут зависеть от запроса и выбранных параметров генерации.

Experiment29Pastiche-7B — объединённая Maxime Labonne модель для генерации текста и диалогов. Она создана автоматическим слиянием двух моделей: yam-peleg/Experiment29-7B и CorticalStack/pastiche-crown-clown-7b-dare; для объединения использован метод SLERP, а базовой моделью указана yam-peleg/Experiment29-7B. Модель построена на плотной архитектуре MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате Safetensors; метаданные указывают лицензию Apache-2.0. Карточка демонстрирует использование через Transformers, но не приводит сведений о языковой специализации или подробных ограничениях качества.

f-5-8b — языковая модель для генерации текста, полученная объединением моделей jaspionjader/f-2-8b и jaspionjader/f-4-8b методом SLERP с помощью mergekit. Модель основана на архитектуре Llama и содержит 7,5 млрд параметров. Она предназначена для диалогового взаимодействия и генерации текста. Репозиторий содержит веса в формате safetensors; модель загружается через Transformers и поддерживает контекст длиной до 8192 токенов. Веса объединены в формате bfloat16. В карточке не приведены сведения о целевых языках и сравнительных оценках качества, поэтому пригодность для конкретных языков и задач следует проверять на собственных примерах. Лицензия в предоставленных данных не указана.

euclaise/falcon_1b_stage2 — дообученная автором euclaise модель семейства Falcon на базе euclaise/falcon_1b_stage1. Это плотная авторегрессионная модель с архитектурой FalconForCausalLM и 1,7 млрд параметров, предназначенная для генерации текста. Контекст составляет 2048 токенов; репозиторий содержит веса PyTorch. Модель можно применять для генерации продолжений текста и как основу для текстовых сценариев, включая ответы на вопросы и классификацию, указанные среди поддерживаемых задач каталога. Данные README не раскрывают обучающий набор, конкретные преимущества или ограничения по качеству. Лицензия — Apache-2.0.

Falcon3-Mamba-7B-Base — базовая предварительно обученная языковая модель семейства Falcon3, разработанная Technology Innovation Institute. Это плотный авторегрессионный декодер на основе Mamba1: 64 блока, ширина 4096, размер состояния 16 и словарь на 65 тысяч токенов. Модель продолжает предварительное обучение Falcon-Mamba-7B на дополнительных данных из веба, кода, STEM и других высококачественных источников. Модель предназначена для генерации текста и служит основой для сценариев рассуждения, понимания языка, следования инструкциям, работы с кодом и математикой. Контекстное окно достигает 32 тысяч токенов; обучение велось преимущественно на английских данных. В репозитории представлены веса Safetensors для Transformers. Разработчик сообщает о сильных результатах на задачах рассуждения, понимания языка, кода и математики по сравнению с моделями SSM схожего размера на момент выпуска. Это базовая модель, поэтому качество следования инструкциям в прикладном чате может уступать специализированным instruct-версиям. Лицензия — TII Falcon-LLM License 2.0.

Falcon-H1-3B-Base — базовая языковая модель семейства Falcon-H1, разработанная TII (Technology Innovation Institute). Это плотная авторегрессионная модель с декодером, объединяющая архитектуры Transformer и Mamba; она предназначена для генерации текста и служит основой для дальнейшей адаптации под конкретные задачи. В README представлены результаты оценки на общих задачах и рассуждениях. Модель работает с текстом и поддерживает перечисленные в карточке языки, включая английский, русский, арабский, хинди, японский и китайский. Размер по метаданным — 2,2 млрд параметров, нативное контекстное окно — 131 072 токена. Для запуска указана поддержка Transformers, vLLM и форка llama.cpp. Лицензия — Falcon-LLM License; перед использованием следует проверить её условия для своего сценария.

flammen30-mistral-7B — плотная языковая модель семейства Mistral с 7,1 млрд параметров, созданная flammenai слиянием предобученных моделей через mergekit. Для объединения применён метод Model Stock: базой служила flammenai/flammen29-mistral-7B, вместе с ней в слияние вошли ещё семь моделей, включая варианты flammenai и Excalibur-7b-DPO. Модель предназначена для генерации текста и диалогового общения. Она принимает текст и выдаёт текст, работает через Transformers, а заявленная длина контекста составляет 32 768 токенов. В карточке не указаны специальные предметные области или поддерживаемые языки. Модель распространяется по лицензии Apache-2.0. Результат слияния объединяет несколько чекпойнтов, однако README не приводит сравнительных оценок качества или подробных рекомендаций по применению; возможности и точность следует оценивать на целевых задачах.

Follex-7B-V2 — объединённая языковая модель на архитектуре Qwen2, созданная с помощью mergekit методом task arithmetic. В качестве базовой модели использована happzy2633/qwen2.5-7b-ins-v3; в объединение также вошли prithivMLmods/QwQ-LCoT-7B-Instruct, bunnycore/FuseQwQen-7B и AIDC-AI/Marco-o1. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста и диалоговое взаимодействие. Контекст — до 32 768 токенов. Репозиторий использует библиотеку Transformers и формат safetensors. Метаданные не уточняют поддерживаемые естественные языки, поэтому языковой охват и основной язык не заявлены. Условия лицензии в предоставленных данных не описаны.

ehristoforu/fq2.5-7b-it-normalize_false — объединённая инструктивная языковая модель на архитектуре Qwen2, созданная с помощью mergekit и метода Model Stock на основе Qwen/Qwen2.5-7B-Instruct. В объединение вошли модели для работы с длинным контекстом и RAG, рассуждений, математики, а также неконтролируемой генерации. Модель предназначена для диалоговой генерации текста и ответов на инструкции; заявленный контекст составляет 32 768 токенов. Размер — 7,1 млрд параметров. Репозиторий содержит веса safetensors для библиотеки Transformers и метаданные отмечают интерфейс вызова инструментов. Составное объединение может сочетать возможности исходных моделей, однако карточка не приводит количественных оценок качества или отдельных результатов тестирования. Лицензия в предоставленных источниках не указана.

ND911 создал Franken-Mistral-Merlinite-Maid-10B с помощью mergekit, объединив слои модели ND911/Franken-Merlinite-Maid методом passthrough. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM и 10,4 млрд параметров; она принимает текст и генерирует текст. Модель рассчитана на генерацию текста с контекстом до 8192 токенов и распространяется в формате safetensors для библиотеки Transformers. Модель подходит для генерации продолжений, ответов и другого текста на основе текстового запроса. README указывает на объединение слоёв одной базовой модели; сведения о языковой специализации и отдельных прикладных областях не приведены. Лицензия в предоставленных данных не указана.

Fuse-1 Lite v2 — чат-модель для генерации текста и помощи с программированием, разработанная auryn-macmillan. Это дообученное продолжение Akahisrr/fuse-1-Lite: к базовой модели добавлен экспертный путь для кода с мостовыми слоями, маршрутизатором, масштабированием экспертов и кодовым вентилем. В карточке указаны архитектура Fuse3V2ForCausalLM, около 2,6 млрд параметров и контекст до 131 072 токенов. Модель генерирует ответы в диалоге и код; при необходимости кодовый путь можно отключить и использовать основной путь LFM2.5-2.6B. Для загрузки требуется Transformers с выполнением пользовательского кода из репозитория через trust_remote_code=True. Модель обучалась 550 шагов, в том числе с KL-дистилляцией к LiquidAI/LFM2.5-2.6B; сведения о тренировочных данных и оценках качества не приведены. Лицензия — Apache-2.0.

Fwizzer-R1-3B-RU-v2 — русско- и англоязычная генеративная языковая модель команды Fwizzer, дообученная на базе Ministral-3B для пошагового рассуждения. Она предназначена для математических задач, алгоритмического и обычного программирования, а также сложных текстовых вопросов. По карточке, модель формирует цепочку рассуждений и затем выдаёт ответ; заявлены адаптация языка ответа к языку запроса и возможность локального запуска, в том числе с квантованными GGUF-весами. Модель использует плотную архитектуру семейства Mistral 3; в карточке указано около 3 млрд параметров. Доступны файлы safetensors и GGUF, а метаданные подтверждают поддержку чата и кода. Лицензия — Apache-2.0. Заявленные показатели и требования к ресурсам приведены автором карточки и здесь независимо не проверялись.

G9v3-39A5B-Q3Q4-GGUF — квантованная GGUF-версия причинной языковой модели с архитектурой Mixture-of-Experts от команды AI9Stars. Базовая модель G9v3-39A5B содержит около 39 млрд параметров, из которых при генерации активируется около 5 млрд на токен. Контекст составляет до 131 072 токенов; модель ориентирована на английский и китайский языки. Модель предназначена для диалогового помощника, программирования, работы с инструментами и задач рассуждения. В одном чекпойнте доступны режимы Think и No Think. Карточка описывает запуск локально и на одной видеокарте с 24 ГБ памяти; для GGUF-квантизации авторы отмечают, что варианту требуется уровень Q3 для полноценной работы, а сама модель не особенно хорошо поддаётся квантизации. Модель выпущена как предварительная версия. Ответы могут быть неточными, предвзятыми или небезопасными и требуют проверки, особенно в важных сценариях; поведение может меняться между версиями. Лицензия — Apache-2.0.

unsloth/gemma-2-27b-it — разговорная версия Gemma 2, опубликованная Unsloth. Это плотная авторегрессионная модель класса Gemma2ForCausalLM с 27,6 млрд параметров и контекстом до 8192 токенов; она принимает текст и генерирует текст, поддерживает диалоговый сценарий. В карточке указано представление весов safetensors и лицензия Gemma. Модель подходит для диалогов, ответов на вопросы и генерации текста на английском языке. README Unsloth посвящён ускоренному дообучению моделей и работе с 4-битной квантизацией bitsandbytes, однако не приводит оценок качества именно этой версии и не подтверждает конкретные результаты дообучения для неё. Для использования необходимо соблюдать условия лицензии Gemma.

bartowski/gemma-2-27b-it-GGUF — это набор GGUF-квантизаций инструкционно дообученной текстовой модели Google Gemma 2 27B IT, подготовленный bartowski. Модель предназначена для генерации текста и диалоговых сценариев, включая ответы на запросы пользователя, при запуске через llama.cpp и совместимые инструменты. В README не указаны поддерживаемые языки, максимальный размер контекста и дополнительные модальности, поэтому модель следует считать текстовой. Доступны варианты от F32 размером 108,91 ГБ до низкобитных Q2 и IQ2 размером около 9,40 ГБ. Квантизация выполнена с использованием imatrix; варианты Q6 и Q5 сохраняют очень высокое или высокое качество, а Q4 ориентированы на более экономное использование памяти. Низкобитные варианты требуют меньше ресурсов, но снижают качество и могут быть менее стабильными. Модель не поддерживает системный промпт; для диалогов необходимо использовать указанный в README формат ролей Gemma. Для доступа к исходной модели на Hugging Face требуется принять лицензию Google Gemma. README не содержит полного текста лицензии, поэтому перед использованием необходимо ознакомиться с её условиями и проверить их применимость к конкретному сценарию.

m8than/gemma-2-9b-it — разговорная языковая модель семейства Gemma 2, размещённая пользователем m8than. Репозиторий содержит модель на 9 млрд параметров в формате safetensors; в метаданных указана архитектура Gemma2ForCausalLM и библиотека Transformers. Модель принимает текст и предназначена для генерации текста в диалоге; карточка также описывает сценарии дообучения Gemma 2 с помощью Unsloth и содержит ссылки на ноутбук для Colab. Заявленная длина контекста — 8192 токена. Метаданные указывают английский язык. В README сказано, что модель напрямую квантизирована в 4 бита с bitsandbytes; репозиторий помечен лицензией Gemma. Данных о сравнительных качествах и конкретных ограничениях модели в карточке нет.

Gemma-2-9b-it-4bit — языковая модель семейства Gemma 2, разработанная Google и доработанная сообществом mlx-community для формата MLX. Модель преобразована из google/gemma-2-9b-it с использованием mlx-lm версии 0.15.0 и предназначена для запуска в экосистеме MLX. Это instruction-tuned модель для генерации текста и диалоговых сценариев: она может использоваться для ответов на запросы, ведения беседы и других задач, связанных с обработкой и созданием текста. В карточке указано обозначение размера 9B, а также 4-битное квантование, которое снижает требования к памяти по сравнению с полноточным представлением. Поддерживаются библиотека transformers как метаданные и библиотека mlx-lm для загрузки и генерации. README не содержит сведений о поддерживаемых языках, длине контекста, результатах тестирования, точных архитектурных характеристиках, сильных сторонах или ограничениях качества. Для доступа к исходной модели на Hugging Face требуется принять лицензию Google Gemma; конкретные условия следует проверять в тексте этой лицензии.

Sci-fi-vy/gemma-3-270m-it-GGUF — модель Gemma 3 270M от Google DeepMind, представленная в формате GGUF. Это instruction-tuned вариант базовой модели google/gemma-3-270m-it, предназначенный для генерации текста по инструкциям и запросам. Модель подходит для ответов на вопросы, суммаризации документов, рассуждений, работы с кодом и других задач генерации текста. Семейство Gemma 3 поддерживает текстовые и графические входы с генерацией текста, однако для вариантов 270M в карточке явно указан контекст до 32K токенов, а параметры обработки изображений для этой размерности не описаны. Заявлена поддержка более 140 языков; обучающие данные включали веб-тексты, код, математические материалы и изображения. Дата отсечения знаний — август 2024 года, размер модели — 270 млн параметров. Небольшой размер облегчает локальное развёртывание на компьютерах с ограниченными ресурсами и в собственной облачной инфраструктуре, но по возможностям и качеству модель может уступать более крупным вариантам Gemma. Для работы рекомендуется использовать temperature 1.0, top_k 64, top_p 0.95 и min_p 0.0. Модель распространяется на условиях лицензии Gemma; точные условия следует уточнять в официальных Terms of Use.

onnx-community/gemma-3-270m-it-ONNX — ONNX-версия инструкционно дообученной модели Google Gemma 3 270M, разработанной Google DeepMind и предназначенной для запуска через Transformers.js. Модель генерирует текст по запросам, отвечает на вопросы, суммирует документы, выполняет рассуждения и может анализировать изображения с выдачей текстового ответа. Модель относится к компактному семейству Gemma 3 и имеет 270 миллионов параметров. Она поддерживает текстовые и, согласно карточке семейства Gemma 3, визуальные входы, при этом выходом является текст. Для вариантов 270M заявлен контекст до 32K токенов на запрос; модель ориентирована на работу более чем со 140 языками. Небольшой размер подходит для развёртывания на ноутбуках, настольных компьютерах и в собственной облачной инфраструктуре с ограниченными ресурсами. Сильными сторонами являются компактность, возможность локального запуска, инструкционное поведение и поддержка широкого набора текстовых задач. Ограничения включают меньший размер и, вероятно, более ограниченные возможности по сравнению с крупными вариантами Gemma 3; конкретные показатели качества и требования к аппаратному обеспечению в карточке не приведены. Модель распространяется на условиях лицензии Gemma; перед использованием необходимо ознакомиться с соответствующими Terms of Use.

unsloth/gemma-3n-E2B-it-GGUF — GGUF-версия инструкционно дообученной модели Gemma 3n E2B, разработанной Google DeepMind и подготовленной для распространения Unsloth. Gemma — семейство лёгких открытых моделей Google, созданных с использованием исследований и технологий Gemini. Модель предназначена для диалогов, ответов на вопросы, обработки запросов и генерации текста, включая запуск на устройствах с ограниченными ресурсами. Gemma 3n использует технологию выборочной активации параметров, благодаря чему обеспечивает эффективный размер около 2B параметров при меньших требованиях к ресурсам по сравнению с полноразмерной моделью. Максимальный контекст составляет 32K токенов. Семейство поддерживает мультимодальный ввод текста, изображений, видео и аудио, а обучение проводилось на данных более чем для 140 языков, однако для данной GGUF-версии в README указана текущая поддержка только текстового ввода. Выходом служит сгенерированный текст. К сильным сторонам относятся компактность, пригодность для локального запуска и сниженные требования к памяти, а также открытые веса инструкционной версии. Ограничения этой карточки — отсутствие точных сведений о размере конкретного GGUF-файла, варианте квантования, производительности и качестве на отдельных языках; мультимодальные возможности для данной версии заявлены как недоступные. Использование регулируется лицензией Gemma и соответствующими условиями Google.

Это 4-битная смешанно-точная MLX-квантизация модели yuxinlu1/gemma-4-12B-coder-fable5-composer2.5-v1, созданная сообществом mlx-community с помощью инструментария mlx-optiq. Исходная модель представляет собой дообученную для программирования версию Gemma-4-12B. Вариант предназначен для локального запуска на компьютерах Apple Silicon без PyTorch и облачных сервисов. Модель ориентирована прежде всего на генерацию и анализ кода, рассуждения, ответы на вопросы, арифметику и работу с изображениями. Она использует архитектуру encoder-free gemma4_unified с мультимодальным обработчиком; входные изображения поддерживаются, а мультимодальный embedder сохранён в формате bf16. Языковая часть содержит 328 квантизируемых слоёв: 156 чувствительных слоёв работают в 8-bit, остальные 172 — в 4-bit. Средняя эффективная точность составляет 5,216 бит на вес, размер модели на диске — около 8,4 ГБ вместо 22 ГБ для версии bf16, поэтому она рассчитана на запуск, в частности, на Mac с 16 ГБ памяти. Точный размер контекста и список поддерживаемых языков в карточке не указаны. К сильным сторонам относятся существенное снижение требований к памяти, поддержка изображений, локальная работа и сохранение более высокой точности для чувствительных слоёв. Модель способна рассуждать перед ответом, поэтому ей требуется достаточный лимит токенов. Ограничения связаны с отсутствием собственных тестов производительности для этой квантизации, переносом схемы распределения разрядности с базовой модели и неизбежной погрешностью 4-битного представления. Для загрузки необходима регистрация архитектуры через mlx-optiq. Модель распространяется по лицензии Apache-2.0 и должна использоваться на тех же условиях, что и исходная модель.

gemma-4-12B-it-QUASAR-Q4_0-GGUF — мультимодальная квантованная версия модели Gemma 4 12B Instruct, разработанная QUASAR-QAT на базе google/gemma-4-12B-it. Модель предназначена для диалогов, генерации и понимания текста, работы с изображениями, рассуждений, вызова функций и инструментов, а также агентских сценариев. Заявлена поддержка английского и других языков, однако полный перечень языков и размер контекстного окна в README не указаны. Модель поставляется в формате GGUF с нативной 4-битной INT4-квантизацией Q4_0, выполненной методом quantization-aware training. Указан размер базовой модели 12B параметров; мультимодальная поддержка обеспечивается vision projector из исходной BF16-модели. Формат совместим со стандартными средствами llama.cpp, Ollama и LM Studio. По измерениям авторов, на отложенных чат-запросах модель показала KL-дивергенцию 0,048 и совпадение top-1 с BF16-версией на уровне 94,3%; эти результаты помечены как непроверенные. К сильным сторонам относятся сохранение близкого к BF16 поведения при меньшем размере и требованиях к ресурсам, а также поддержка текста и изображений. Ограничения включают возможные потери качества из-за 4-битной квантизации, зависимость мультимодальных возможностей от совместимого рантайма и отсутствие в README точных требований к памяти, производительности и максимальному контексту. Модель распространяется по лицензии Apache-2.0.