II.6Документация и сопровождение разработки

Cramp-25m — компактная авторская языковая модель на модифицированной архитектуре GPT-2, опубликованная пользователем crumbly. В ней 25 млн параметров без учёта эмбеддингов; используются позиционные эмбеддинги ScaledSinusoidal и нормализация слоя эмбеддингов, а смещения исключены. Модель обучена на 8 млрд токенов датасета SlimPajama; в метаданных также указан RedPajama-Data-1T. Контекст составляет 2048 токенов, формат весов — PyTorch. Модель предназначена для генерации английского текста и компактных экспериментов с языковыми моделями. В README приведены результаты бенчмарков ARC, HellaSwag, MMLU и TruthfulQA; они показывают отдельные сильные результаты относительно некоторых более крупных моделей, но не гарантируют превосходства на других задачах. Модель имеет небольшую ёмкость и ограниченное окно контекста, поэтому может хуже справляться со сложными запросами и длинными текстами. Лицензия — Apache-2.0.

jkminder подготовил эту модель как чатовую версию небольшой плотной GPT-модели nanochat из эксперимента Scaling Ladder. Это дообучение с учителем базовой модели jkminder/d16_268m_seed1: один проход смеси диалогов smol-smoltalk с дополнительными обучающими данными MMLU и GSM8K. Модель содержит около 302 млн параметров, использует токенизатор nanochat BPE на 32 768 токенов и принимает контекст длиной до 2048 токенов. Модель предназначена для базового диалога на английском языке, ответов на вопросы и простых задач на знания и математику. В обучающей смеси использовались задачи MMLU и GSM8K, включая примеры вызова калькулятора; карточка сообщает результаты оценивания на ARC и MMLU. Размер ограничивает полезность модели, а специального обучения безопасности не проводилось. Веса опубликованы в формате bfloat16 safetensors; лицензия CC BY-NC 4.0 запрещает коммерческое использование.

Dense-306 — базовая языковая модель на 306,4 млн параметров, разработанная Complexity-ML как плотная контрольная модель для исследования Token Identity as a Routing Signal for Residual MLP Experts. Это декодерный трансформер, обученный с нуля примерно на 8 млрд токенов FineWeb-Edu. Архитектура включает 18 слоёв, скрытый размер 1024, 16 голов запросов и 4 головы ключей и значений (GQA), QK-Norm, RoPE, SwiGLU и токенизатор на 32 000 токенов. Модель предназначена для генерации текста и исследовательских экспериментов с базовыми языковыми моделями. Она обучалась с контекстом 2048 токенов; в карточке заявлен английский язык. Это предварительно обученная модель, не настроенная для выполнения инструкций и не выровненная по требованиям безопасности. В README приведены результаты ограниченной zero-shot оценки, но они основаны на одном seed и не показывают устойчивого превосходства над парной моделью. Веса опубликованы в формате safetensors; лицензия — Apache-2.0. Для запуска требуется пользовательский runtime Complexity-ML на базе vLLM: стандартные Transformers и upstream vLLM пока не регистрируют архитектуру DeepForCausalLM. Модель может выдавать неточный, предвзятый, оскорбительный, повторяющийся или небезопасный текст; её не следует применять для решений с высокими ставками.

InterpGPT Standard 23M — плотная авторегрессионная трансформерная модель, выпущенная connaaa как часть парного набора InterpGPT для исследования механистической интерпретируемости. В модели 23 471 104 параметра, 6 слоёв и 8 голов внимания; она распространяется в формате Safetensors и использует библиотеку Transformers. Лицензия — MIT. Модель принимает текстовый запрос с задачей и генерирует её пошаговую декомпозицию на подзадачи в обычном последовательном порядке. Она обучена на специально подготовленном корпусе декомпозиций задач; парная версия ADHD использует другое распределение данных, но данная модель не предназначена для такого варианта разбиения. Карточка описывает модель как исследовательский инструмент для анализа внутренних механизмов языковых моделей и приводит результаты исследования расположения голов внимания и цепей обработки. Модель намеренно мала и узкоспециализирована, поэтому не предназначена для роли универсального чат-бота; результаты и пригодность для других задач не заявлены.

1x-technologies/Llama_1B_v0 — базовая языковая модель в стиле Llama 3, опубликованная как baseline для версии v0.0.1 конкурса 1X World Model Challenge. Она предназначена для генерации текста в задачах конкурса и обучена на наборе данных 1x-technologies/worldmodel. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 1,2 млрд параметров и принимает контекст длиной до 2048 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Она несовместима с версиями набора данных v1.0 и новее из-за отличающегося токенизатора.

OTel-LLM-7B-IT — языковая модель для генерации ответов по найденному контексту в телекоммуникационных RAG-системах. Её разработали в рамках открытой инициативы OTel Family of Models; модель получена полнопараметрическим дообучением allenai/OLMo-3-7B на телекоммуникационных данных OTel-LLM. Это плотная авторегрессионная модель семейства OLMo 3 примерно с 6,9 млрд параметров, работающая с текстом и имеющая контекстное окно до 65 536 токенов. Модель предназначена для ответов на вопросы о телекоммуникациях с опорой на извлечённые документы, например стандарты и технические материалы. В описанной оценке корректность ответов с учётом контекста составила 63,4% ± 0,8 против 57,4% у базовой модели на отложенной части OTel-LLM; эти результаты не измеряют качество ответов без контекста. Качество зависит от поиска документов, ранжирования и инструкций в промпте. Модель рассчитана на английский язык и не является универсальной; её ответы следует проверять перед эксплуатационным, клиентским, регуляторным и сетевым применением. Лицензия модели — Apache-2.0; также необходимо соблюдать лицензию или условия базовой модели.

Cascade-1B-BPE-Logic — экспериментальная причинно-языковая модель примерно с 1,04 млрд параметров, разработанная Asilarkness. Это базовая модель для генерации текста, а не настроенный на выполнение инструкций ассистент. Она использует токенизатор Mistral на 32 тыс. токенов, инициализацию на основе байтовых представлений из Cascade-1B-Logic и архитектуру Cascade с четырьмя локальными слоями токенов и одним активным восьмислойным путём из трёх на каждый пакет данных. Модель обучалась на FineWeb-Edu, FineMath, Cosmopedia v2, OpenR1-Math и очищенных от пересечений данных Codeforces CoT. В карточке заявлена поддержка английского и русского языков. Модель может служить экспериментальной основой для генерации и продолжения текста, в том числе текстов с математическим и программным содержанием. Лицензия — Apache 2.0. Это ранняя экспериментальная версия. README предупреждает, что контрольные точки могут генерировать бессвязный или небезопасный текст; настройки для диалога и следования инструкциям у модели нет.

jkminder разработал эту чат-модель на архитектуре NanochatGPT: это дообученная методом supervised fine-tuning (SFT) базовая GPT-модель семейства Scaling Ladder с примерно 1,2 млрд параметров. Модель предназначена для простого диалога и ответов на вопросы; обучение проводилось на смеси smol-smoltalk, вспомогательных данных MMLU и GSM8K. README приводит результаты оценки на ARC-Easy, ARC-Challenge и MMLU. Модель принимает текст и генерирует текст, поддерживает чат-шаблон Transformers и имеет контекст длиной 2048 токенов. В карточке указан английский язык. Это небольшой исследовательский артефакт: разработчик предупреждает, что способность помогать ограничена размером модели, а обучение безопасности не проводилось. Веса опубликованы в формате safetensors; лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Lanni-ni/dynamic_alibi_2_4_256_babylm_100m_seed44_epoch1 — небольшая модель генерации текста, опубликованная на Hugging Face и рассчитанная на использование через библиотеку Transformers. В метаданных указана архитектурная технология dynamic_alibi и размер около 15 млн параметров. Модель предназначена для продолжения и генерации текста, а также для экспериментов и интеграции в приложения, использующие стандартный pipeline text-generation. README не содержит сведений о разработчике, обучающих данных, поддерживаемых языках, длине контекста, результатах оценки или лицензии, поэтому эти характеристики нельзя надёжно определить по предоставленным материалам. Из-за небольшого размера модель может быть удобна для локального запуска и исследовательских прототипов, однако качество, фактический языковой охват и пригодность для прикладных сценариев не подтверждены опубликованными оценками.

Kite 7 — компактная языковая модель на 14,9 млн параметров, разработанная автором репозитория qikp. Это плотная авторегрессионная модель семейства Qwen2 для генерации текста; она обучена на первом шарде semran1/cosmopedia-v2-subset в течение одной эпохи с токенизатором pika 5. Модель принимает текст и генерирует текст, поддерживает английский язык и имеет контекст длиной 3072 токена. Модель предназначена для экспериментов и простых задач генерации текста. Небольшой размер может быть удобен для локальных проб и изучения языковых моделей, но автор предупреждает, что Kite не подходит для производственных нагрузок. Репозиторий распространяется по лицензии CC0-1.0.

OTel-LLM-270M-IT — компактная текстовая модель на 257 млн параметров, разработанная в рамках инициативы Open Telco AI для генерации ответов по телекоммуникационным материалам. Она создана полнопараметрическим дообучением google/gemma-3-270m-it на наборе OTel-LLM и предназначена прежде всего для использования в RAG-системах с предварительно найденным контекстом. Модель принимает текстовый запрос вместе с извлечёнными фрагментами и генерирует ответ, опираясь на них. Карточка сообщает о контекстном окне 32 768 токенов и поддержке английского языка. В тесте на отложенной части OTel-LLM показатель корректности по оценке LLM составил 31,2% против 22,2% у базовой модели; эти результаты относятся к генерации ответов по предоставленному контексту. Модель специализирована на телекоммуникациях и не оптимизирована для ответов без контекста. Качество зависит от поиска, ранжирования, промпта и полноты извлечённых данных; результаты на внешних и многоязычных задачах отдельно не подтверждены. Ответы следует проверять перед операционным, клиентским, нормативным или сетевым применением. Лицензия репозитория — Apache-2.0; также необходимо учитывать условия лицензии базовой модели.

OTel-LLM-8.3B-IT — англоязычная языковая модель на 8,3 млрд параметров, разработанная как часть открытой инициативы OTel для телекоммуникационного сектора. Это полноразмерное дообучение EssentialAI/rnj-1-instruct на телекоммуникационных данных OTel-LLM; архитектура — плотная Gemma3ForCausalLM, формат весов — PyTorch. Модель принимает текст и генерирует текст, поддерживая контекст длиной до 32 768 токенов. Модель предназначена для генерации ответов по найденным фрагментам телекоммуникационных документов в RAG-системах. Обучающие данные включают материалы по отрасли, стандарты 3GPP и RFC, документы GSMA и научные публикации; оценка на отложенной части OTel-LLM показала повышение корректности ответов с опорой на контекст относительно базовой модели. Результат зависит от качества поиска, ранжирования и промпта. Модель не оптимизирована для свободных ответов на телеком-вопросы без предоставленного контекста, а заявленные результаты не являются независимой внешней оценкой. Выпуск рассчитан на английский язык; качество в других языках и подотраслях требует отдельной проверки. Ответы следует проверять перед операционным, клиентским, нормативным или сетевым применением. Лицензия репозитория — Apache-2.0; также необходимо соблюдать условия лицензии или использования базовой модели.

SmolLM2-135M-layertrop-topk-k3 — это экспериментальный вариант SmolLM2-135M-Instruct, дообученный автором styal с выборочным исключением декодерных блоков. Модель построена на архитектуре LlamaForCausalLM, содержит 134,5 млн параметров, принимает текст и поддерживает контекст до 8192 токенов. Основной сценарий — генерация и диалог на английском языке с повышенной устойчивостью к удалению отдельных блоков модели. При дообучении в течение 1000 шагов на 8000 диалогах для каждого примера случайно исключались три из 30 блоков с помощью Gumbel top-k. На указанном тестовом наборе максимальный прирост потерь при удалении одного блока снизился на 35% относительно базовой модели; потери при обычной оценке составили 1,1730. Результаты не доказывают, что улучшение вызвано именно LayerDrop: контрольного дообучения без исключения блоков нет, а модель ещё не сошлась. Лицензия — Apache-2.0.

Vireqo-27B-Plus-260816 — экспериментальная текстовая модель на 27 млрд параметров от автора Vita0818, созданная на основе весов Ternary-Bonsai-27B и Qwen3.8-27B. Это неофициальный GGUF-файл размером около 7,06 ГиБ для локального запуска на устройствах Apple Silicon через llama.cpp или LM Studio. Веса используют трёхзначные коды {-1, 0, +1} в формате Q2_0; при настройке масштабов основной вклад вносят веса Ternary-Bonsai, а Qwen3.8 используется ограниченно. Модель поддерживает текстовый диалог на китайском и английском языках. Модель предназначена для локальной генерации ответов и длинных текстов на системах с ограниченными ресурсами. В описанных испытаниях она стабильно выдавала тексты длиной до 768 токенов, однако это не подтверждает качество ответов или сохранение возможностей базовых моделей. Ненадёжны строгие подсчёты, рассуждения и фактическая точность; возможны ошибки грамматики, смешение языков, выдуманные числа и обрыв длинных ответов. Контекст более 2048 токенов не проверен. Лицензия — Apache-2.0.

1pp-0.5b-asst-base — экспериментальная базовая языковая модель из проекта One Persona Pretraining (1PP), связанного с EPFL DLAB. Это плотная decoder-only модель семейства Llama с 523,8 млн параметров, обученная на переписанных диалогах с функцией потерь только на репликах ассистента. В исследовании сравнивались три размера и три условия предобучения на одном порядке исходных документов; эта версия представляет условие с диалоговой переработкой данных и маскированием потерь на пользовательских репликах. Модель предназначена для генерации текста в формате диалога ChatML и изучения влияния способов подготовки предобучающих данных. Она использует SmolLM2-токенизатор с размером словаря 49 152, контекст до 4 096 токенов и архитектуру с 24 слоями, SwiGLU и RoPE. Основной язык карточки — английский. Несмотря на поддержку чатового формата, README прямо указывает, что это базовая модель, не универсальный помощник; обучение не включало системный ход. Лицензия — Apache-2.0.

awakening-goedel-v2-32b-rl — внутренний чекпойнт Goedel-Prover-V2-32B, подготовленный juihuichung для исследования восстановления возможностей инструментального взаимодействия после дообучения на формальной математике. Это плотная авторегрессионная модель семейства Qwen3 с 29,7 млрд параметров, дообученная на Qwen/Qwen3-32B; она принимает текст и генерирует текст, включая ответы в интерфейсе вызова инструментов. Контекст составляет до 40 960 токенов. Карточка указывает на применение в формальном доказательстве теорем и работе с Lean 4, но сообщает, что в этом чекпойнте использование инструментов деградировало, как и в базовой SFT-версии; для восстановления этой возможности README отсылает к отдельной модели awakening-rl-replay100. Модель распространяется по лицензии Apache-2.0.

Boris-125M-Instruct — небольшая языковая модель New Millennium Artificial Intelligence (NMAI), дообученная для следования инструкциям на основе KSP-NMAI/Boris-125M. Она содержит 125 млн параметров и построена на архитектуре GPT-2 с 12 слоями, 12 головами внимания и обучаемыми позиционными эмбеддингами. Модель принимает текст и генерирует текст; контекст ограничен 1024 токенами. Модель предназначена для генерации ответов на инструкции и простых диалоговых сценариев. Для обучения базовой модели использовались 2,5 млрд токенов, а настройка на следование инструкциям выполнена на наборе tatsu-lab/alpaca. Для формирования запроса применяется шаблон Alpaca, встроенный в конфигурацию токенизатора. Модель очень мала для широкого круга задач: ответы могут быть неточными, непоследовательными или оскорбительными. Она не проходила RLHF и дополнительную настройку безопасности; фактическую информацию следует проверять, а применение требует надзора. Распространяется по лицензии Apache-2.0.

DeepSeek-V4-Flash-0731-Q8Experts-GGUF — это GGUF-сборка модели DeepSeek-V4-Flash-0731, подготовленная пользователем ltpla для запуска через движок ds4 (DwarfStar). В ней маршрутизируемые эксперты Mixture of Experts представлены в формате Q8_0; остальные тензоры перенесены без изменений из сборки antirez с q4-imatrix. По карточке, файл занимает около 282,33 ГиБ, а для весов с запасом требуется примерно 291 ГиБ объединённой памяти, без учёта KV-кэша. Модель предназначена для генерации текста и диалогового использования, в частности для контролируемых экспериментов по сравнению потерь от квантования. Автор сообщает, что на указанном тесте различие качества с q4-imatrix статистически незначимо; сборка примерно на 11% медленнее, но в 1,85 раза больше. Поэтому её главное практическое применение — исследование влияния повторного квантования, а не повседневный запуск. Это производная квантованная версия DeepSeek-AI DeepSeek-V4-Flash-0731. В метаданных указана лицензия MIT, совпадающая, согласно README, с upstream-лицензией.

Franken-MoE-Large-Base — экспериментальная генеративная языковая модель от DrRiceIO7, созданная на основе Qwen/Qwen3-0.6B. Это архитектура Qwen3 MoE с классом Qwen3MoeForCausalLM и форматом весов safetensors; метаданные указывают 507,9 млн параметров и контекст до 40 960 токенов. README заявляет 4,56 млрд общих параметров и 860 млн активных параметров на токен, что расходится с метаданными каталога. Модель предназначена для генерации текста и диалогов на английском языке. README предупреждает, что модель не переобучалась после изменения архитектуры, поэтому возможны циклические и некорректные ответы; заявленное качество не подтверждено. Лицензия — Apache-2.0.

GerbilBlender-A-6.7m — компактная языковая модель GerbilLab на архитектуре GPT-J с 6,7 млн параметров. Она обучалась на 134 млн токенов и использует подход Blender, вдохновлённый предобучением UL2: обучение распределено поровну между заполнением пропусков, авторегрессионным продолжением и маскированным языковым моделированием. Модель предназначена для генерации и продолжения текста, а также для экспериментов с заполнением пропусков и языковым моделированием. Контекст составляет 2048 токенов; репозиторий содержит веса PyTorch. В README приведены специальные токены и примеры трёх режимов обучения. Из-за малого размера модели и ограниченного объёма обучения её возможности могут быть существенно скромнее современных крупных языковых моделей. Модель распространяется по лицензии Apache-2.0.

Diluner опубликовал дообученный методом supervised fine-tuning чекпойнт Qwen3-4B. Модель содержит около 3,7 млрд параметров, использует плотную архитектуру Qwen3 и рассчитана на генерацию текста в диалоговом режиме. Указанное окно контекста — 40 960 токенов. Чекпойнт обучен на первом этапе цепочки BabyAI → TextCraft → SearchQA: пять эпох и 125 обновлений оптимизатора с использованием gpt-5.4-mini в роли учителя. Он предназначен для экспериментов с агентным обучением в среде BabyAI; завершённость этапа подтверждена, но отдельной оценки качества этого чекпойнта нет. Итоговые оценки более поздней модели нельзя переносить на него. В репозитории доступны конфигурация, токенизатор и веса в safetensors; состояние оптимизатора, исходные логи и траектории учителя не включены. Лицензия для этой публикации не заявлена; применимые условия следует сверять с лицензией базовой модели.

KRONOS V1 P3 — слитая модель на архитектуре Llama 3.1, созданная T145 на основе Meta Llama 3.1 Instruct и адаптера REILX/Llama-3-8B-Instruct-750Mb-lora. Она содержит 7,5 млрд параметров, сохраняется в формате safetensors и поддерживает контекст до 131 072 токенов. Метаданные указывают на диалоговые возможности и интерфейс вызова инструментов; задача модели — генерация текста. Основное назначение этой версии — дальнейшее слияние с другими моделями того же семейства методом TIES. Для обычного использования как самостоятельной модели автор практической рекомендации не даёт и считает создание квантованных версий ненужным. В README приведены результаты оценивания, включая 71,37% на IFEval и 30,27% на BBH. Лицензия в предоставленных данных не указана.

mini-beatrix-2.5s — модель AbstractPhil объёмом 237 млн параметров для генерации и продолжения англоязычного текста. Она принимает необработанные байты UTF-8, поэтому отдельный токенизатор не требуется. Ядро основано на плотной авторегрессионной архитектуре MiniBeatrix с линейным вниманием и splat-attention; в этой упаковке его веса побитово совпадают с mini-beatrix-2s. К модели прилагаются съёмные адаптеры-«рукава» объёмом около 8,6 млн параметров каждый и среда для их подключения. Некоторые адаптеры обучены читать правила и отвечать по вымышленным словам; приведённые результаты получены на ограниченных контролируемых наборах. Модель рассчитана на короткие продолжения текста и ограниченные эксперименты с адаптерами. По описанию README, она слаба в знаниях и может уверенно ошибаться; rule-chain адаптеры демонстрируют работу с искусственными правилами, а не общее рассуждение. Адаптеры привязаны к точному базовому ядру и несовместимы с другими версиями ствола. Лицензия CC-BY-NC-SA-4.0 запрещает коммерческое использование и требует соблюдения условий атрибуции и распространения производных материалов.

Mistral-Nemo-Moderne-12B-FFT-experimental — экспериментальная текстовая модель, созданная nbeerbower полным дообучением Mahou-1.5-mistral-nemo-12B-lorablated. Это плотная модель семейства Mistral с архитектурой MistralForCausalLM и 12,1 млрд параметров; она предназначена для генерации текста и диалогов. Дообучение методом ORPO проводилось в течение 1,5 эпох на датасетах gutenberg2-dpo и gutenberg-moderne-dpo с использованием 8 GPU A100. Автор предупреждает о нестабильном поведении и низком качестве ответов, связывая проблемы с возможными конфликтами между форматами Mistral Instruct и ChatML. Модель опубликована как эксперимент, а не готовый к производственному использованию релиз. Лицензия — Apache-2.0.

OTel-LLM-8.2B-IT — англоязычная языковая модель для генерации ответов по телекоммуникационной тематике, разработанная в рамках открытой инициативы OTel Family of Models. Это полнопараметрическое дообучение Qwen/Qwen3-8B на корпусе OTel-LLM, содержащем отобранные примеры по телекоммуникационным стандартам и материалам отрасли. Модель имеет архитектуру Qwen3 dense, около 7,6 млрд параметров по метаданным и контекстное окно до 40 960 токенов. Модель предназначена прежде всего для генерации ответов в RAG-системах: ей передают найденный контекст из телекоммуникационных документов, а она формулирует ответ, опираясь на него. В описанной оценке точность ответов с опорой на контекст выросла на 6 процентных пунктов относительно базовой модели на отложенной выборке OTel-LLM. Результат зависит от качества поиска, ранжирования, контекста и промпта. Модель ориентирована на английский язык и не предназначена для общего контекстно-свободного вопросно-ответного режима. Сгенерированные сведения следует проверять перед операционным, клиентским, нормативным или сетевым применением. Репозиторий распространяется по лицензии Apache-2.0; также необходимо учитывать условия лицензии базовой модели Qwen/Qwen3-8B.

The-Omega-Directive-12B-EVISCERATED-FT — языковая модель SuperbEmphasis для генерации текста и диалогового общения. Она основана на MistralForCausalLM и дообучена методом SFT в течение четырёх эпох на базе SuperbEmphasis/The-Omega-Directive-12B-EVISCERATED. Автор сообщает, что из исходной модели удалены пять редко используемых слоёв, чтобы уменьшить размер и повысить скорость вывода; в README отмечено, что результат «почти работает». В метаданных указано 10,4 млрд параметров и контекст до 1 024 000 токенов. Модель может служить экспериментальной основой для генерации ответов и диалогов на английском языке. README не приводит результатов оценки качества и предупреждает о нестабильности полученного варианта. Модель распространяется по лицензии Apache-2.0.

TinyBrainBot-100M-v3-Instruct — компактная чат-модель на 100,1 млн параметров от nkthebass, построенная на совместимой с Llama плотной архитектуре LlamaForCausalLM. Она предназначена для диалогов и выполнения инструкций, а также для коротких ответов на вопросы и простых тестовых заданий. Модель дообучена методом SFT от tinybrainbot-100m-v3-base, после чего автор применил WiSE-FT-смешивание весов с возвратом к базовой модели для восстановления точности на бенчмарках. Контекст модели составляет 1024 токена; README сообщает о словаре из 32 тысяч токенов. Доступны веса safetensors и версия GGUF F16 для llama.cpp, Ollama и LM Studio. Карточка приводит результаты на семи бенчмарках EleutherAI LM-Eval Harness и заявляет преимущество над SupraLabs/Supra2-100M-Instruct на шести из семи, однако подробные результаты показаны лишь для части тестов. Модель рассчитана на короткие диалоги и ответы длиной в одно-два предложения. В длинных генерациях возможны выдуманные факты, арифметика ненадёжна, а специальная настройка безопасности отсутствует. Указана лицензия Apache-2.0.

1pp-1.7b-ua-sft — экспериментальная модель диалоговой генерации от проекта One Persona Pretraining (1PP, EPFL DLAB). Это плотная авторегрессионная модель архитектуры Llama с 1,66 млрд параметров: 24 слоя, скрытый размер 2048, словарь SmolLM2 на 49 152 токена и контекст 4096 токенов. Модель обучалась на переписанных диалогах из 47,8 млн исходных документов с функцией потерь на репликах пользователя и ассистента, а затем прошла supervised fine-tuning на смеси из 400 тыс. диалогов. Модель предназначена для экспериментов с генерацией диалогов и изучения влияния условий предобучения на поведение языковых моделей. Она принимает текст в формате ChatML без системного сообщения и генерирует текстовый ответ; основным языком карточка указывает английский. Авторы отдельно отмечают, что это исследовательский артефакт проекта, а не универсальный ассистент. Лицензия — Apache-2.0.

BananaMind-2-Nano-Chat — компактная чат-модель, разработанная BananaMind как полноразмерное дообучение BananaMind-2-Nano на наборе HuggingFaceTB/smol-smoltalk. Это декодерный Transformer с примерно 10 млн параметров, контекстом 4096 токенов и байтовым BPE-токенизатором на 8192 токена, учитывающим цифры. Модель поддерживает системные инструкции и многоходовые диалоги; генерация может использовать KV-кэш. Модель предназначена для локальных чат-экспериментов, образовательных демонстраций, исследований компактных языковых моделей и сравнения методов instruction tuning. Карточка приводит самооценку на 300 примерах: общий взвешенный результат 9,15%, при этом модель заметно лучше справлялась с простыми и многоходовыми заданиями, чем со сложными. Результаты могут зависеть от версии бенчмарка, Transformers и настроек генерации. Для загрузки требуется Transformers с разрешённым пользовательским кодом репозитория (`trust_remote_code=True`). Лицензия — Apache-2.0. Из-за малого размера модель может выдумывать факты, ошибаться в арифметике, выдавать некорректный код или повторяться; её не следует использовать для решений с высокими последствиями.

ChOPT-1.3B — языковая модель AI Squared, дообученная для диалогового общения на 15 тысячах примеров набора Databricks Dolly 15k. Это плотная авторегрессионная модель семейства OPT с архитектурой OPTForCausalLM и 1,7 млрд параметров; она принимает и генерирует текст на английском языке, а длина контекста составляет 2048 токенов. Модель предназначена для экспериментов с чат-поведением компактных языковых моделей и исследовательских сценариев генерации текста. Модель не относится к передовым по качеству и может выдавать фактические ошибки, предвзятые, оскорбительные или токсичные ответы, а также галлюцинации. Для производственного применения она не предназначена. Лицензия указана как other; карточка поясняет, что из-за происхождения от OPT модель распространяется по лицензии OPT-175B Meta и ограничена некоммерческими исследовательскими целями.