II.6Документация и сопровождение разработки

Darwin-Chimera-4B-Gen1 — исследовательская производная Qwen/Qwen3-4B, созданная командой Darwin-Chimera. В модели изменена только схема внимания: применено «лечение» attention с помощью VIDRAFT и настроено скользящее окно; FFN, эмбеддинги и lm_head заморожены. Архитектура — плотная Qwen3ForCausalLM, около 3,7 млрд параметров, контекст до 40 960 токенов. В README указаны скользящее окно 4096 токенов и соотношение слоёв со скользящим и полным вниманием 5:1. Модель предназначена как основа для экспериментов Darwin-Chimera следующего поколения, в частности для исследований переноса FFN между архитектурами. Это исследовательский чекпойнт, а не готовый продукт; README сообщает, что знания и FFN полностью унаследованы от Qwen3-4B. Карточка указывает поддержку корейского и английского языков, а лицензионные метаданные — Apache 2.0.

MicroMe-125M — компактная GPT-подобная языковая модель, созданная Ankitgdes с нуля как учебный проект для изучения полного цикла разработки LLM. Модель содержит около 146,8 млн параметров по метаданным; в README также приведены оценки 125 млн и 129,8 млн. Она обучена на FineWeb-Edu, затем дообучена для диалогов на SmolTalk и небольшом наборе для персонажа и повседневного общения. Архитектура использует плотный трансформер с RMSNorm, RoPE, QK-нормализацией и MLP на ReLU²; словарь byte-level BPE содержит 24 576 токенов, контекст — 1024 токена. Модель предназначена для генерации текста на английском языке, коротких диалогов, учебных экспериментов и демонстраций RAG, где факты поступают из внешнего поиска. По README, она способна поддерживать связный стиль и формат многоходового чата, но не является надёжным источником знаний: может уверенно сообщать ошибки, слабо справляется с арифметикой, сложными рассуждениями и строгими форматами. Для загрузки требуется приложенный код архитектуры model.py. Модель опубликована под лицензией Apache-2.0.

OPSD-PI Qwen3.5-9B Strong Trailing — update 8 — это опубликованный полностью объединённый чекпойнт модели Qwen3.5-9B из эксперимента OPSD, созданный LSW142857. Репозиторий содержит объединённую инициализацию expert-SFT, обновления LoRA основной модели и MTP, а также обученные тензоры full-MTP; дополнительные адаптеры или этап объединения для загрузки не нужны. Модель имеет плотную архитектуру Qwen3.5 и доступна в формате safetensors для Transformers. Чекпойнт предназначен для генерации текста и кода в диалоговом формате. Это состояние после восьми обновлений оптимизатора на обучающей выборке из 1024 строк, поэтому оно отражает очень ранний этап обучения, а не зрелую прикладную модель. В README рекомендуется оценивать модель на отложенных задачах и без PI, который использовался только как учитель при обучении. Лицензия в предоставленных данных не описана.

DJLougen/Qwable-5-27B-Coder-GGUF — набор GGUF-квантизаций модели DJLougen/Qwable-5-27B-Coder, созданной на базе Qwen3.6-27B. Разработчик — DJLougen. Модель предназначена главным образом для локального запуска и экспериментов с генерацией кода в llama.cpp, Ollama и LM Studio; её также позиционируют как образовательную и иллюстративную демонстрацию влияния подачи информации о модели на восприятие её возможностей. Заявленный язык — английский, основная модальность — текстовая генерация. Модель имеет 27 миллиардов параметров в базовой конфигурации, однако точные характеристики контекстного окна и архитектуры в карточке не указаны. Постобучение выполнено всего на 10 трассах: пяти примерах из набора данных Fable 5 и пяти генерациях Kimi 2.7 Coder, примерно за три минуты на одном DGX Spark. Доступны варианты Q4_K_M, Q5_K_M, Q6_K и Q8_0, но их точные размеры в карточке не приведены. Ключевое ограничение — отсутствие подтверждённых методологией бенчмарков и крайне малый объём постобучающих данных, поэтому заявленные сильные стороны нельзя обобщать, а поведенческое отличие от базовой модели остаётся неопределённым. Квантизация может дополнительно изменить поведение и качество. Модель не рекомендуется для производственного программирования; её следует тестировать самостоятельно и оценивать воспроизводимыми проверками. Для репозитория указана лицензия Apache-2.0, при этом условия лицензирования базовой модели Qwen3.6-27B следует проверять отдельно.

Qwen3-0.6B-mcqa-noreason-phase1 — дообученная модель Ruberri на базе Qwen/Qwen3-0.6B-Base, обученная с использованием TRL. Это плотная авторегрессионная языковая модель с 507,9 млн параметров и контекстом до 32 768 токенов; она принимает текст и генерирует продолжение в формате диалога. По названию и примеру использования модель ориентирована на ответы на вопросы с несколькими вариантами и ответы без рассуждений, однако карточка не описывает результаты оценки этих возможностей. Модель подходит для генерации кратких ответов на вопросы и прототипирования диалоговых сценариев на базе небольшой языковой модели. Доступна в формате Safetensors для Transformers. Лицензия в предоставленных сведениях не указана.

Карточка модели HYU-NLP-EVAL/qwen3-1.7b-rar-science-static-r0-step-000 на Hugging Face совпадает с карточкой HYU-NLP-EVAL/qwen3-1.7b-rar-medicine-static-r0-step-000, поэтому описание составлено по ней. Это экспериментальный контрольный чекпойнт модели Qwen3-1.7B, созданный группой HYU-NLP-EVAL на основе Qwen/Qwen3-1.7B. Его обучали методом GRPO с фиксированной начальной рубрикой вознаграждения для эксперимента по изучению насыщения вознаграждения и устаревания статических рубрик; данный вариант относится к домену медицины и шагу 0. Репозиторий содержит веса BF16 в формате safetensors, конфигурацию, токенизатор и шаблон чата; модель имеет плотную архитектуру Qwen3ForCausalLM, 1,7 млрд параметров и контекст до 40 960 токенов. Чекпойнт предназначен для исследовательского анализа оптимизации языковой политики и сопоставления контрольных точек, а также поддерживает генерацию текста и диалоговый режим. Он не является медицинским устройством и не предназначен для постановки диагноза или замены профессиональной медицинской консультации. Лицензия — Apache-2.0.

Карточка модели HYU-NLP-EVAL/qwen3-1.7b-rar-science-static-r0-step-003 на Hugging Face совпадает с карточкой HYU-NLP-EVAL/qwen3-1.7b-rar-medicine-static-r0-step-000, поэтому описание составлено по ней. Это экспериментальный контрольный чекпойнт модели Qwen3-1.7B, созданный группой HYU-NLP-EVAL на основе Qwen/Qwen3-1.7B. Его обучали методом GRPO с фиксированной начальной рубрикой вознаграждения для эксперимента по изучению насыщения вознаграждения и устаревания статических рубрик; данный вариант относится к домену медицины и шагу 0. Репозиторий содержит веса BF16 в формате safetensors, конфигурацию, токенизатор и шаблон чата; модель имеет плотную архитектуру Qwen3ForCausalLM, 1,7 млрд параметров и контекст до 40 960 токенов. Чекпойнт предназначен для исследовательского анализа оптимизации языковой политики и сопоставления контрольных точек, а также поддерживает генерацию текста и диалоговый режим. Он не является медицинским устройством и не предназначен для постановки диагноза или замены профессиональной медицинской консультации. Лицензия — Apache-2.0.

Qwen35-0.8B-FlyEmbedding-v31 — экспериментальный чекпойнт проекта TinyCeNN-LM на базе Qwen/Qwen3.5-0.8B с остаточным адаптером FlyEmbedding-v3.1, ориентированным на сохранение исходного поведения модели. Это плотная причинная языковая модель с архитектурой Qwen3_5ForCausalLM, опубликованная в формате safetensors и рассчитанная на генерацию текста и диалоговое применение. В метаданных указаны 581,4 млн параметров и контекст до 262 144 токенов. Чекпойнт предназначен для экспериментальной генерации текста и изучения адаптации языковой модели через FlyEmbedding. В отчёте о сохранении зафиксирована остановка на шаге 100 после пересечения границы сохранения поведения; приведённые метрики не следует считать опубликованными результатами оценки на отложенной выборке. Качество генерации может заметно отличаться от базовой модели. Датасет не зафиксирован в карточке. Лицензия в предоставленных данных не указана.

Карточка модели Workstation5495/Resonatex-D1-Experimental на Hugging Face совпадает с карточкой Workstation5495/Resonatex-D1-50M-Experimental, поэтому описание составлено по ней. ResonateX D1 — небольшая авторегрессионная языковая модель на архитектуре GPT-2, представленная пользователем Workstation5495. Она предназначена для генерации ответов на вопросы и простого диалога на русском языке, а также для экспериментов с компактными языковыми моделями и локальными чат-приложениями. Модель содержит около 51 млн параметров, использует 8 слоёв, 8 голов внимания и скрытый размер 512; длина контекста — 512 токенов. Для работы применяется библиотека Transformers, веса опубликованы в формате safetensors. Модель может запускаться офлайн на потребительском оборудовании, включая CPU. Для наиболее связных ответов рекомендуется задавать запросы по шаблону «Вопрос: … Ответ:» на русском языке. Модель компактна и пригодна для обучения и прототипирования, но обладает ограниченными знаниями и способностью к рассуждению; ответы могут быть краткими, повторяющимися или фактически неверными. Встроенной фильтрации безопасности нет, а сведения об обучающих данных и оценке качества не приведены. В метаданных указана лицензия Unlicense; README одновременно содержит незаполненное замечание о необходимости уточнить применимые условия для весов и обучающих данных.

T2MLR — языковая модель на архитектуре Transformer with Temporal Middle-Layer Recurrence, разработанная авторами этого чекпойнта и обученная с нуля на наборе FineWeb-Edu примерно на 10 млрд токенов. Модель содержит 366,4 млн параметров и 32 слоя; её архитектура основана на SmolLM2 и использует стиль Llama, GQA, SwiGLU и RoPE, а рекуррентная связь охватывает непрерывную полосу средних слоёв. Для токенизации используется токенизатор SmolLM2 на 49 152 токена. Модель предназначена для генерации текста и продолжения англоязычных текстовых запросов, а также для экспериментов с рекуррентностью в языковых моделях. Это базовая модель без дообучения на инструкциях и без выравнивания; для работы с ней требуется эталонная реализация T2MLR, а при прямом вызове forward() необходимо передавать control_flows. Лицензия — Apache-2.0. При коротких запросах жадное декодирование может давать повторяющийся текст. Выводы могут быть неточными, предвзятыми или оскорбительными и отражать данные предобучения; модель не рассчитана на диалоговое следование инструкциям.

User01110 разработал CMA-8M — компактную авторегрессионную языковую модель с 7,849,161 параметрами, предназначенную для изучения Channel-Mixing Attention на малом масштабе. Модель использует девять блоков причинного внимания с механизмом CMA в позиции feed-forward; размер скрытого состояния — 288 каналов, входные и выходные эмбеддинги связаны. Контекст составляет 1 024 токена, словарь нативного GPT-S-токенизатора — 4 096 токенов. Модель обучалась 40 000 шагов на смеси текстовых корпусов FineWeb-Edu, Cosmopedia v2, FineWeb-HQ и FineMath 4+, всего на 20,97 млрд токенов. Она предназначена для генерации текста и небольших экспериментов с компактными языковыми моделями; приведённые в карточке результаты показывают ограниченную способность решать тесты на общие знания и математику. Доступны веса Safetensors, библиотека Transformers; лицензия — Apache-2.0.

Drummer-540M — авторская языковая модель lukeslp, обученная с нуля и затем продолженная до 15,85 млрд токенов. Это плотная decoder-only модель на архитектуре Llama с 24 слоями и 542,2 млн параметров. Она предназначена для исследований предобучения небольших языковых моделей, контролируемого продолжения обучения, экспериментов с генерацией текста и создания специализированных дообученных моделей. Модель принимает и генерирует текст на английском языке; контекст ограничен 2 048 токенами. Веса опубликованы в формате safetensors, FP32. Лицензия — Apache-2.0. Модель показала результаты на восьми задачах lm-evaluation-harness и BLiMP, однако её общие знания и рассуждения остаются слабыми. Она не проходила настройку безопасности, может выдумывать факты, воспроизводить смещения и оскорбительный текст, а также противоречить себе. README рекомендует применять её для исследований и экспериментов, а не для решений в критически важных областях.

gemma3-270m-manumit-v1 — дообученная версия Gemma 3 270M IT, созданная yethdev с помощью инструмента manumit v1. Модель предназначена для диалоговой генерации текста; автор описывает её как вариант с удалёнными механизмами отказа. В README приведены результаты тестов: доля отказов снизилась с 58,3% до 0%, а результат MMLU составил 26,5% против 27,0% у базовой модели. Это плотная текстовая модель семейства Gemma 3 с 257 млн параметров, архитектурой Gemma3ForCausalLM и контекстом до 32 768 токенов. Репозиторий содержит веса Safetensors; метаданные указывают библиотеку Transformers и поддержку английского языка. Лицензия — Gemma. README сообщает, что manumit находится в разработке, поэтому результаты и поведение этой версии могут меняться; низкий результат MMLU ограничивает её пригодность для сложных задач.

navthings/lilchat — это компактная разговорная языковая модель, созданная автором navthings дообучением с нуля обученной navthings/lilbase. Модель построена на плотной архитектуре Llama с классом LlamaForCausalLM, содержит около 297 млн параметров и рассчитана на контекст до 1024 токенов. Она дообучена методом полного SFT на части набора HuggingFaceTB/smol-smoltalk и использует формат чата в стиле Llama 2. Модель предназначена для генерации ответов в диалоге, включая связные фразы, списки и блоки кода. Доступны веса Safetensors и варианты GGUF Q8_0 и Q4_K_M. Автор отмечает слабое знание фактов, уверенные ошибки в фактических вопросах и математике, слабую память между ходами диалога и склонность к зацикливанию при жадном декодировании; рекомендуется температура 0,4. В метаданных указан английский язык. Лицензия в предоставленных данных не указана.

Luxeai-anu-1-bit-70M — экспериментальная языковая модель для генерации текста, созданная автором arunb74. По описанию автора, это его первая попытка реализовать одноразрядную LLM по мотивам статьи «The Era of 1-bit LLMs: All Large Language Models are in 1.58 Bits»; в качестве основы использована предварительно обученная Mistral-7B-v0.3, а для обучения — набор abideen/Cosmopedia-100k-pretrain. В метаданных модель обозначена как плотная Mistral-архитектура MistralForCausalLM с 46,4 млн параметров, контекстом 768 токенов и форматом safetensors. Она предназначена для генерации текста; карточка также отмечает диалоговую возможность и интерфейс вызова инструментов. Автор сообщает, что обучал модель на подмножестве указанного набора данных и планировал продолжить обучение на большем наборе. Это ранний эксперимент, поэтому качество и устойчивость ответов могут быть ограниченными; короткий контекст ограничивает работу с длинными запросами. Модель опубликована под лицензией Apache-2.0.

Maba-101M — предварительно обученная языковая модель Maba v1.1 от AndrewThompson1233 для генерации текста. Карточка описывает её как контрольную точку для проверки архитектуры и приводит сравнение с другими моделями примерно того же размера на TinyStories и нескольких тестах; результаты относятся к этим условиям оценки. Модель содержит 107 млн параметров по метаданным (в README указано 101 177 984), использует гибридную архитектуру с рекуррентными слоями GDN-2, grouped-query attention и предсказанием нескольких токенов. Контекст — 4096 токенов. Метаданные указывают английский язык; веса доступны в форматах PyTorch и Safetensors. Лицензия — MIT. Модель подходит для экспериментов с компактными языковыми моделями, генерации коротких текстов и оценки архитектур на небольших текстовых задачах. README называет её именно проверкой архитектуры, поэтому заявленные результаты бенчмарков не следует считать подтверждением качества для широкого круга сценариев.

OTel-LLM-3B-IT — англоязычная языковая модель для телекоммуникаций, разработанная в рамках открытой инициативы OTel Family of Models. Она создана полнопараметрическим дообучением Mistral-3-3B на наборе OTel-LLM: специализированных примерах, подготовленных на основе телекоммуникационных стандартов, исследований и отраслевых материалов. Архитектура — плотная Mistral 3, размер — 3 млрд параметров; модель принимает текст и генерирует текст. Модель предназначена для генерации ответов на вопросы по извлечённым телекоммуникационным документам в RAG-системах. В приведённой оценке на отложенной части OTel-LLM точность ответов с опорой на контекст составила 64,4% против 56,9% у базовой модели; этот результат не является независимой внешней оценкой. Модель не оптимизирована для ответов без предоставленного контекста, а качество зависит от поиска, ранжирования и промпта. Выпуск распространяется по лицензии Apache-2.0; также требуется учитывать лицензию или условия базовой модели.

SEN-AGI представила Sable-1.1-30M — компактную языковую модель для генерации текста. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 31,2 млн параметров; README описывает модель как обученную примерно на 3–4 млрд токенов. Она предназначена для генерации текста и небольших экспериментов с языковыми моделями. Контекст составляет 1024 токена, основной язык — английский. В карточке приведены результаты BoolQ, PIQA и WinoGrande, но они не гарантируют надёжность ответов в реальных задачах. Выпуск обозначен как предварительный; модель может иметь ограниченные знания и выдавать предвзятый или неверный текст. Лицензия — Apache-2.0.

Zenyx_114M-Tiny-Edu-Instruct — экспериментальная англоязычная причинная языковая модель Arko007 для генерации текста по инструкциям, включая ответы на общие запросы и примеры кода. Она дообучена на базе Arko007/tiny-edu-50m на наборах OpenHermes-2.5 и CodeFeedback-Filtered-Instruction; метаданные классифицируют её как text-generation и указывают размер файлов PyTorch и лицензию Apache-2.0. В README описана архитектура Transformer в стиле GPT-2 с RoPE и Grouped Query Attention, контекст до 4096 токенов и около 114 млн параметров. Модель рассчитана на англоязычные запросы и требует формата Alpaca для промптов. Карточка отмечает чувствительность к параметрам генерации, склонность к повторяющимся фрагментам и низкую фактическую точность; модель представлена как исследовательский эксперимент для изучения дообучения очень компактных архитектур.

Raghav-Singhal/1pp-1.7b-raw-tokmatch-sft — экспериментальная языковая модель проекта One Persona Pretraining (1PP), разработанного исследовательской группой EPFL DLAB. Это плотная авторегрессионная модель семейства Llama с 1,6 млрд параметров, обученная на исходных документах DCLM-edu, а затем дообученная с учителем на смеси многоходовых разговоров. Модель принимает текст и генерирует текст; её контекстное окно — 4096 токенов, а токенизатор основан на словаре SmolLM2. Карточка указывает поддержку английского языка и формат диалога ChatML без системного сообщения. Модель создана для исследования влияния условий предобучения на качество диалоговой модели при сопоставимом количестве токенов дообучения. Она умеет вести текстовый диалог и отвечать на пользовательские запросы, однако автор прямо предупреждает, что это исследовательский артефакт, а не универсальный помощник. Ветка обучалась по более короткому расписанию и использовала свежую выборку документов после шага 12 000; результаты и поведение могут отличаться от основной модели проекта. Модель распространяется по лицензии Apache-2.0. Ее можно применять для экспериментов с генерацией текста и изучения обучения языковых моделей; карточка не подтверждает пригодность для надёжного использования в прикладных системах.

Raghav-Singhal/1pp-1b-asst-base — экспериментальная модель проекта One Persona Pretraining (1PP), связанного с EPFL DLAB. Это плотная авторегрессионная модель семейства Llama примерно на 906 млн параметров, обученная на переписанных в формат диалога документах с функцией потерь только на ответах ассистента. В исследовании сравнивались три размера и три условия предобучения на одной последовательности из 47,8 млн документов; этот вариант относится к размеру около 1 млрд параметров и условию с переписанными диалогами. Модель предназначена для исследований предобучения диалоговых языковых моделей и генерации текста в формате чата. Она использует 24 слоя, контекст до 4096 токенов и токенизатор SmolLM2 с 49 152 токенами; формат чата — ChatML без системного сообщения. Поддерживаемый язык по карточке — английский. Несмотря на чатовый формат, автор указывает, что это базовая исследовательская модель, а не универсальный готовый помощник. Веса опубликованы в формате safetensors под лицензией Apache-2.0. Ограничения включают отсутствие обучения на системных сообщениях и специализированную экспериментальную цель; качество и применимость вне описанной исследовательской постановки не гарантируются.

Aurora Proelia ChatML — экспериментальная компактная языковая модель North ML на 206,9 млн параметров с плотной архитектурой AuroraForCausalLM. Модель дообучена методом SFT на Aurora Proelia: выполнено 2 048 эффективных обновлений на корпусе ChatML, чтобы научить её работать с системными, пользовательскими и ассистентскими репликами в формате ChatML. Для запуска предусмотрен собственный runtime Aurora; также доступен адаптер для Transformers, для которого требуется включить trust_remote_code. Модель предназначена для простого диалогового общения и ответов на короткие вопросы на английском языке. Контекст — 2 048 токенов. По приведённым мини-срезам открытых бенчмарков результаты немного улучшились относительно исходной Aurora Proelia, однако эти оценки не являются официальными лидербордами. Модель остаётся небольшой и ненадёжна в многошаговой арифметике, глубоком рассуждении, работе с актуальными фактами, специализированных вопросах без контекста и сложном следовании инструкциям. Это публичный исследовательский релиз North ML, но открытая лицензия не предоставлена: права на лицензирование оставлены владельцем репозитория.

dilution-209m-16k-nope-2x-s1337 — базовая исследовательская языковая модель на 209 млн параметров из выпуска DilutionAttention. В каждом из 24 слоёв используется dilution attention; позиционные кодировки нет. Архитектура включает ширину 768, 12 голов внимания, SwiGLU, связанные эмбеддинги и словарь GPT-2. Модель обучена на 8,4 млрд токенов FineWeb-Edu с контекстом 16 384 токена. Модель предназначена для генерации текста и изучения оператора внимания, в том числе экспериментов с обработкой длинного контекста. В README приведены результаты проверки извлечения ключевых слов из повторяющегося текста: 0,99 при длине 16 000 токенов и 0,96 при 24 000 токенов. Эта проверка не оценивает рассуждения на длинном контексте. Модель не является ассистентом и не проходила настройку на выполнение инструкций или на безопасность. Лицензия — Apache-2.0.

Dumb-1.2-RC1 — компактная плотная языковая модель семейства Llama от разработчика 56m, дообученная на базе 56m/Dumb-1.2-Preview-0625. Модель содержит 34,6 млн параметров, работает с контекстом до 1024 токенов и предназначена для генерации текста и предсказания следующих слов; также может давать простые объяснения. В карточке указаны датасеты FineWeb-Edu и Cosmopedia. По приведённым в README тестам, модель показывает результаты на небольших моделях в WikiText bytePPL и ARC-Easy, но уступает более крупной Supra-50M-base в сравниваемых тестах. Разработчик отмечает слабые навыки арифметики и математики, недостаточную беглость диалога и склонность к неточным ответам; результаты тестирования названы предварительными. Модель распространяется по лицензии Apache-2.0.

Gemstone-512x11 — языковая модель из набора Gemstone Suite, обученная разработчиками Gemstone-Models. Это плотная авторегрессионная модель семейства Gemma с 69 млн параметров, основанная на архитектуре Gemma-2B; для запуска используется Transformers и файл modeling_gemma.py. Она обучалась на непересекающихся подмножествах Dolma в течение 350 млрд токенов, с глобальным размером пакета 2048 и сохранением промежуточных чекпойнтов каждые 2 млрд токенов. Модель предназначена для продолжения текста и экспериментов с языковым моделированием, а не для выполнения инструкций или диалогового ассистирования. Контекст составляет 2048 токенов; в карточке указан английский язык. Сильная сторона — длительное обучение на большом текстовом корпусе при небольшом числе параметров. Для коммерческого и исследовательского использования указана лицензия Apache-2.0.

LFM2.5-2.6B-CyberSec — англоязычная исследовательская модель для генерации текста и ответов на инструкции в области кибербезопасности. Она разработана пользователем reaperdoesntknow на базе LiquidAI/LFM2.5-2.6B и связана с датасетом Trendyol/Trendyol-Cybersecurity-Instruction-Tuning-Dataset. Модель предназначена для изучения поведения небольших языковых моделей на кибербезопасностных запросах, локального качественного тестирования, сравнения с исходной моделью и разработки инструментов оценки и инференса. Размер модели составляет 2,6 млрд параметров; точная архитектура в README отдельно не описана. Поддерживаются английский язык, текстовая модальность и сценарии conversational text generation. Доступны форматы Transformers/Safetensors и GGUF, включая варианты F16, Q8_0 и Q4_K_M, что позволяет использовать модель в разных средах выполнения. Контекстное окно и дополнительные характеристики производительности не указаны. К сильным сторонам относятся небольшой размер, возможность локального запуска и наличие нескольких форматов и вариантов квантования. При этом опубликованных результатов бенчмарков, сравнений с базовой моделью и оценок безопасности нет, поэтому улучшение возможностей в кибербезопасности не подтверждено. Модель может генерировать ошибочные, устаревшие, небезопасные или потенциально вредоносные инструкции; квантованные версии могут отличаться от Transformers-чекпойнта. Её не следует использовать как единственное основание для реагирования на инциденты и других значимых решений. Лицензия — Apache-2.0.

cpayne1303/llama-43m-beta — компактная авторегрессионная модель семейства LLaMA, разработанная на основе JackFram/llama-68m. По README, веса инициализированы от базовой модели с объединёнными эмбеддингами, затем модель дополнительно обучалась на первых миллионах примеров неочищенного датасета C4; обучение не охватывало весь набор данных. В метаданных указаны 43,5 млн параметров, архитектура LlamaForCausalLM, библиотека Transformers, формат safetensors и контекст 2048 токенов. Модель предназначена для генерации продолжения текста и разговорных экспериментов на английском языке. Это бета-версия небольшой модели, поэтому её возможности и качество ограничены по сравнению с крупными языковыми моделями. Лицензия — Apache-2.0.

Edgerunners/meta-llama-3-8b-instruct-hf-ortho-baukit-2fail-128total — экспериментальная производная модели Llama 3 8B Instruct, созданная wassname с обновлённой реализацией baukit по мотивам исследовательской работы. Она предназначена для изучения выравнивания моделей и теорий alignmentforum; модель принимает диалоговый текст и генерирует текстовые ответы. В README сообщается о двух отказах в 128 тестах ortho; автор отмечает, что результаты особенно хороши при непустых системном промпте и карточке.

NanoLM-70M-Instruct-v1 — небольшая языковая модель для генерации текста и ответов на инструкции, созданная автором проекта NanoLM. Она построена на плотной архитектуре LLaMA с 12 слоями и содержит 70,8 млн параметров; автор указывает, что её токенизатор и архитектура основаны на SmolLM-135M, но число слоёв сокращено с 30 до 12. Модель рассчитана на контекст до 2048 токенов и поддерживает только английский язык. Модель предназначена для экспериментов с небольшими моделями и простых сценариев следования инструкциям и общения на английском языке. Карточка заявляет способность выполнять инструкции, но не приводит оценок качества или подробностей обучения. Репозиторий содержит веса в формате safetensors; лицензия — GPL-3.0.

OpenCerebrum-1.5-Mistral-7B-v0.2-beta — экспериментальная, незавершённая текстовая генеративная модель Locutusque на архитектуре Mistral. Веса содержат 7,1 млрд параметров, модель работает через Transformers и поддерживает контекст до 32 768 токенов. Модель создана как пробная версия для оценки работы после сокращения обучающего набора с применением внутренней фильтрации данных. Карточка не описывает конкретные сценарии применения, обучающие данные или результаты; автор указывает, что версия останется незавершённой, а открытый набор данных для SFT и DPO планируется для версии 2.0. Лицензия — Apache-2.0. README не указывает базовую модель и не содержит сведений о языках; метаданные карточки отмечают английский язык.