II.6Документация и сопровождение разработки

Meta Llama 3.1 8B Instruct GGUF — это квантизированная версия инструкционной языковой модели Meta Llama 3.1 с примерно 8 миллиардами параметров. Исходную модель разработала Meta, а данный вариант подготовлен для библиотеки GGUF и распространяется quantizer’ом brooketh; он предназначен для локального использования в приложениях на базе llama.cpp, включая Backyard AI. Модель ориентирована на генерацию текста и диалоговые сценарии, в которых требуется следовать инструкциям. Она поддерживает английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский языки. Заявленный контекст составляет до 131 072 токенов. Формат GGUF позволяет распределять вычисления между CPU и GPU и запускать модель на более широком спектре оборудования, однако квантизация снижает требования к ресурсам ценой возможного ухудшения связности и качества при более низкой точности. Модель не дообучена специально для roleplay. Лицензия указана как llama3.1; перед использованием следует ознакомиться с её условиями. README не содержит сведений о конкретном уровне квантизации, размере файла, требованиях к памяти или результатах тестирования, поэтому производительность и качество на конкретном оборудовании заранее определить нельзя.

ModelCloud/Meta-Llama-3.1-8B-Instruct-gptq-4bit — квантизированная 4-битная версия инструкционной языковой модели Meta Llama 3.1 с 8 млрд параметров. Модель подготовлена с использованием GPTQModel и предназначена для генерации текста в формате диалога, ответов на вопросы и выполнения инструкций. В README не указаны поддерживаемые языки, модальности и размер контекстного окна. Модель использует GPTQ-квантизацию в формате checkpoint GPTQ с точностью 4 бита, group_size 128, симметричным квантованием и параметрами desc_act=true и true_sequential=true. Квантизация уменьшает требования к памяти и может упростить локальный запуск, однако способна немного снизить точность по сравнению с полноразмерной версией. В README приведены результаты lm-eval, включая общую точность 0,6421 на MMLU, 0,8232 на BoolQ и 0,8068 на ARC Easy; методика и конфигурация исходной модели подробно не описаны. Для запуска рекомендуется использовать Transformers и GPTQModel с токенизатором исходной модели и chat template. Лицензия указана как llama3.1; дополнительные условия использования в README не раскрыты.

Это 7-миллиардная чат-модель Llama 2 от Meta, представленная в репозитории abhinavkulkarni в 4-битном формате AWQ с размером группы 128 для запуска через Hugging Face Transformers. Модель предназначена для генерации текста в диалоге и других сценариях работы с текстом; архитектура — плотная авторегрессионная LlamaForCausalLM, число параметров по метаданным — 6,6 млрд, контекст — до 4096 токенов. Карточка приводит оценку perplexity на wikitext для исходной и квантованной версии; значения у квантованной версии немного выше. Квантование AWQ уменьшает точность весов до 4 бит, что позволяет экономить память при запуске. В README указана проверка на CUDA 11.7 и требование к NVIDIA GPU с compute capability 8.0 или выше. Карточка не указывает лицензию, поэтому условия использования по имеющимся данным описать нельзя.

MFANN3b-SFT-Rebase — слитая языковая модель семейства Phi, созданная с помощью mergekit методом SLERP из liminerity/Phigments12 и netcat420/MFANN3b-Rebase. Модель содержит 3,5 млрд параметров и предназначена для генерации текста; она загружается через Transformers и опубликована в формате safetensors. Модель принимает текст и генерирует текст. Её контекст составляет до 2048 токенов. Карточка не описывает специальную область применения или языковую специализацию, поэтому её можно рассматривать как модель общего назначения. Лицензия в предоставленных данных не указана.

MFANN-llama3.1-abliterated-SLERP-v3 — диалоговая языковая модель, созданная netcat420 слиянием SLERP двух моделей на базе Llama 3.1 8B Instruct: mlabonne/Meta-Llama-3.1-8B-Instruct-abliterated и netcat420/MFANNv0.22.1. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и рассчитана на контекст до 131 072 токенов. Модель предназначена для генерации текста и ведения диалогов. Слияние использует разные веса для слоёв self-attention и MLP; файлы опубликованы в формате safetensors и рассчитаны на использование с Transformers. Лицензия — llama3.1. Языковые возможности, кроме унаследованных от базовых моделей, в карточке не описаны.

Minerva-MoE-3x3B — языковая модель архитектуры Mixture of Experts, созданная Ludo Comito объединением трёх моделей семейства Minerva с помощью LazyMergekit: базовой Minerva-3B, варианта для RAG и инструктивного варианта. Модель предназначена для генерации текста и диалогового использования; объединение сочетает возможности исходных моделей, хотя README не описывает их поведение подробнее. Модель содержит 2,8 млрд параметров, использует архитектуру Mixtral и принимает текст для генерации текста. Длина контекста — 16 384 токена. В метаданных указана лицензия Apache-2.0. README и метаданные не сообщают о дополнительных ограничениях качества или конкретных поддерживаемых языках.

MiniCPM5-1B-Claude-Opus-Fable5-V2-Thinking — компактная языковая модель GnLOLot, дообученная на базе openbmb/MiniCPM5-1B с использованием данных Fable 5. Это плотная авторегрессионная модель архитектуры LlamaForCausalLM с 837,6 млн параметров, рассчитанная на генерацию текста и диалоговое взаимодействие; заявленная длина контекста — 131 072 токена. Модель предназначена для локальных помощников и сценариев, где нужны вызов инструментов в формате XML или функций, генерация и отладка кода, следование инструкциям и рассуждения в режиме Thinking. По README, версия V2 усиливает вызов инструментов и улучшает программирование и выполнение инструкций по сравнению с базовой моделью и предыдущей версией; в карточке приведены результаты BFCL, API-Bank и Tau-Bench. Поддерживаемые языки по метаданным — английский и китайский. Модель принимает текст и генерирует текст. README предупреждает, что ответы в режиме Thinking могут содержать блоки рассуждений перед итоговым ответом, которые приложению может потребоваться скрыть. Компактный размер подходит для локального развёртывания, но модель не рассчитана на уровень передовых крупных систем в общих задачах рассуждения. Лицензия — Apache-2.0.

MiniCPM5-2B-JANG_8M — 8-битная квантизированная версия MiniCPM5-2B от OpenBMB, подготовленная Jinho Jang. Модель содержит 2,2 млрд параметров и распространяется в формате MLX Safetensors для локального запуска на устройствах Apple Silicon через стандартную библиотеку mlx_lm; пользовательский код модели и trust_remote_code не требуются. Контекст составляет до 131 072 токенов. Модель предназначена для генерации текста и диалоговых сценариев, включая рассуждения, задачи с длинным контекстом и работу с инструментами. В README описана калибровка на 1,85 млн токенов с применением imatrix, AWQ и GPTQ; автор сообщает о меньшем расхождении с исходной bf16-моделью по сравнению со стандартной квантизацией MLX того же размера. Модель поддерживает английский и китайский языки. Вызовы инструментов выводятся в XML, а mlx_lm сам не распознаёт этот формат: для обработки вызовов нужен отдельный парсер. Модель распространяется по лицензии Apache-2.0.

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

Ministral-8B-Instruct-2410-4bit — 4-битная квантованная версия инструкционной языковой модели Ministral-8B-Instruct-2410-HF, разработанной Mistral AI и опубликованной сообществом mlx-community. Модель предназначена для генерации и обработки текста по инструкциям, включая диалоговые сценарии, ответы на вопросы, написание и преобразование текста, а также другие задачи, где требуется компактная локально запускаемая LLM. Модель имеет размер 8B параметров и использует 4-битное представление весов, что снижает требования к памяти по сравнению с полноразмерной версией. Заявлена поддержка английского, французского, немецкого, испанского, итальянского, португальского, китайского, японского, русского и корейского языков. Формат или параметры контекстного окна, точная архитектура, показатели качества и перечень поддерживаемых модальностей в предоставленных данных не указаны; по имеющейся информации это текстовая модель. К сильным сторонам относятся инструкционная настройка, многоязычность и уменьшенный объём памяти благодаря 4-битной квантизации. К ограничениям относятся возможная потеря качества по сравнению с исходной версией из-за квантизации, а также отсутствие в README подробных результатов тестирования и характеристик производительности. Модель распространяется по Mistral AI Research License (MRL-0.1): использование модели, производных версий и результатов ограничено исследовательскими целями, а распространение требует соблюдения условий лицензии и указания атрибуции Mistral AI.

Mini_synata_7b_011-Mistral-7B-Instruct-v0.2-slerp — диалоговая модель на архитектуре Mistral, созданная слиянием mistralai/Mistral-7B-Instruct-v0.2 и Minirecord/Mini_synata_7b_011 методом SLERP. Модель содержит 7,1 млрд параметров, использует формат safetensors и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста в диалогах и выполнения инструкций. Её можно использовать для создания чат-ботов, ответов на вопросы и подготовки текстовых черновиков. В карточке не приведены сведения о специализированных областях, языковом покрытии или сравнительной оценке качества. Распространяется по лицензии Apache-2.0.

MISCHIEVOUS-12B-Mix_III_IV_V — объединённая языковая модель автора bamec66557, созданная из предварительно обученных моделей с помощью mergekit и метода SLERP. Она построена на архитектуре Mistral с плотной моделью на 12,1 млрд параметров и предназначена для генерации текста и диалогов; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст, поддерживаемый язык карточки — английский; заявленный контекст составляет 1 024 000 токенов. В карточке приведены результаты Open LLM Leaderboard, включая среднее значение 23,22, IFEval и BBH. Репозиторий содержит веса в формате safetensors. Лицензия — MIT. Метаданные помечают модель как не предназначенную для всех аудиторий; сведений о конкретных ограничениях качества или безопасном использовании в карточке нет.

win10/miscii-14b-1M-0128 — созданная с помощью mergekit и метода SCE объединённая языковая модель на архитектуре Qwen2, разработчик — win10. В качестве основы использована sthenno-com/miscii-14b-1225; в объединение также вошли несколько моделей Qwen2.5 и производные от DeepSeek-R1-Distill-Qwen-14B. Модель содержит 14 млрд параметров и рассчитана на генерацию текста и диалоги. Заявленный контекст — до 131 072 токенов; в карточке указаны английский и китайский языки. Модель распространяется в формате safetensors через библиотеку Transformers по лицензии Apache-2.0. README приводит результаты оценок IFEval и BBH, но не описывает методику проверки или практические ограничения качества; фактическая производительность может зависеть от запроса и настроек генерации.

Mistral-10.7B-v0.2 — плотная авторегрессионная языковая модель семейства Mistral, созданная методом Depth-Up Scaling на основе alpindale/Mistral-7B-v0.2-hf. Веса подготовлены с помощью mergekit и метода passthrough: к слоям исходной модели добавлен повторный диапазон слоёв, увеличивший глубину модели. Размер модели — 10,6 млрд параметров; она принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. Модель предназначена для дальнейшего дообучения или использования как замена Mistral-7B-v0.2 в сценариях генерации текста. Её можно применять для диалога, написания и продолжения текстов, а также для прототипирования языковых приложений. Карточка не приводит отдельной оценки качества и не перечисляет поддерживаемые языки. Лицензия — Apache-2.0.

MergeFuel/Mistral-11B-v0.2 — объединённая языковая модель на архитектуре Mistral, созданная с помощью mergekit методом passthrough из слоёв alpindale/Mistral-7B-v0.2-hf. В конфигурации используются диапазоны слоёв [0, 24] и [8, 32]; итоговый репозиторий содержит около 10,6 млрд параметров в формате safetensors. Модель предназначена для генерации текста и работает через библиотеку Transformers; заявленная длина контекста — 32 768 токенов. Модель можно применять для генерации продолжений, черновиков и ответов на текстовые запросы. README не описывает отдельную специализацию или результаты оценки качества, поэтому поведение и надёжность на конкретных сценариях по этим данным определить нельзя. Лицензия в предоставленных сведениях не указана.

Joseph717171/Mistral-12.25B-Instruct-v0.2 — разговорная языковая модель на архитектуре Mistral, созданная методом Depth Up-Scaling на основе mistralai/Mistral-7B-Instruct-v0.2 и объединения предварительно обученных моделей с помощью mergekit. Разработчик описывает её как основу для дальнейшего дообучения и как замену Mistral-7B-Instruct-v0.2 с увеличенным числом параметров. Модель содержит 12,3 млрд параметров, принимает текст и генерирует текст; заявленная длина контекста — 32 768 токенов. Она подходит для диалогов и других задач генерации текста. В карточке приведён шаблон чата Mistral Instruct. Авторы отмечают, что оптимальность выбранных параметров Depth Up-Scaling ещё не установлена, а более широкое исследование гиперпараметров ограничили затраты на продолжение предобучения. README также предупреждает об отсутствии встроенных механизмов модерации. Лицензия — Apache-2.0.

Mistral-7B-Instruct-demi-merge-v0.2-7B — плотная языковая модель на архитектуре Mistral, созданная разработчиком grimjim с помощью mergekit. Это слияние методом SLERP предварительно обученной alpindale/Mistral-7B-v0.2-hf и инструкционной mistralai/Mistral-7B-Instruct-v0.2; модель содержит 7,1 млрд параметров и рассчитана на генерацию текста и диалоговые ответы по инструкциям. Модель предназначена для чат-ботов, продолжения текста и экспериментов с дальнейшим слиянием или дообучением. Заявлена работа с контекстом до 32 768 токенов без скользящего окна. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия — Apache-2.0.

Mistral-7B-Instruct-v0.1 — чат-модель Mistral AI, полученная дообучением Mistral-7B-v0.1. Она предназначена для диалогов и генерации ответов на запросы; архитектура — плотная авторегрессионная MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. README показывает форматирование запросов через токенизатор Mistral и генерацию текста с помощью mistralinference. Модель подходит для диалоговых приложений, ответов на вопросы и демонстрации адаптации базовой модели к инструкциям. По README, у неё нет механизмов модерации, поэтому выходы могут не соответствовать требованиям приложений, которым нужны встроенные защитные ограничения. Лицензия — Apache-2.0.

silvercoder67/Mistral-7b-instruct-v0.2-summ-sft-e2m — разговорная модель генерации текста на базе плотной архитектуры MistralForCausalLM. Она содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Модель предназначена для диалогового взаимодействия и генерации текста. README не раскрывает подробности обучения, данных или конкретных сценариев применения. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

unsloth/mistral-7b-instruct-v0.3-bnb-4bit — 4-битная квантованная версия Mistral-7B-Instruct-v0.3, опубликованная в экосистеме Unsloth и предназначенная для использования через Transformers. Модель ориентирована на выполнение инструкций и диалоговые сценарии, включая conversational-формат ShareGPT, а также на генерацию и продолжение текста. Модель основана на Mistral-7B-Instruct-v0.3 и содержит около 7 миллиардов параметров; суффикс bnb-4bit указывает на 4-битное представление с использованием BitsAndBytes. В карточке указана поддержка английского языка и библиотеки Transformers. Снижение точности представления уменьшает требования к памяти и может облегчать локальный запуск и дообучение, однако README не содержит точных требований к оборудованию, значения контекстного окна, результатов тестирования или сведений о других модальностях. Модель подходит для чат-ботов, ассистентов, генерации текста и экспериментов с дообучением. Возможные ограничения связаны с английской языковой специализацией и компромиссом между экономией памяти и качеством, характерным для квантованных моделей. Лицензия — Apache-2.0.

Mistral-7B-Instruct-v0.3-GGUF — набор файлов модели в формате GGUF для Mistral-7B-Instruct-v0.3, разработанной компанией Mistral AI (mistralai) и подготовленной к квантованию MaziyarPanahi. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск через llama.cpp и совместимые приложения и библиотеки. GGUF удобен для работы с различными уровнями квантования и локального вывода с использованием CPU или GPU. В основе лежит инструкционно настроенная языковая модель семейства Mistral с заявленным размером 7B параметров. Доступны варианты квантования от 2 до 8 бит, а также поддержка экосистемы Transformers и инструментов, совместимых с GGUF. README не содержит достоверных сведений о длине контекста, списке поддерживаемых языков, конкретной архитектуре или мультимодальности; по представленным данным модель является текстовой и не предназначена для обработки изображений или других модальностей. К сильным сторонам относятся возможность выбирать баланс между качеством и требованиями к памяти, а также широкий выбор локальных средств запуска: llama.cpp, llama-cpp-python, LM Studio, text-generation-webui и другие совместимые инструменты. Ограничения зависят от выбранного уровня квантования, аппаратной конфигурации и используемого клиента; README не приводит результаты бенчмарков или детальную оценку качества. Указанная лицензия — Apache 2.0.

llmat/Mistral-7B-Instruct-v0.3-NVFP4 — квантизированная версия инструкционной модели Mistral-7B-Instruct-v0.3, разработанной Mistral AI. Версия NVFP4 создана с использованием llmcompressor и предназначена для генерации текста и диалоговых сценариев, включая работу через chat-шаблоны и развёртывание с помощью vLLM. Модель содержит 7 миллиардов параметров и использует квантизацию NVFP4 для линейных слоёв; слой lm_head не квантизирован. При калибровке использовались 512 образцов с максимальной длиной последовательности 2048 токенов. Заявлена поддержка английского, немецкого, французского, итальянского, португальского, хинди, испанского и тайского языков. Для обслуживания доступны vLLM и OpenAI-совместимый серверный интерфейс. Ключевое преимущество модели — уменьшенный формат представления, потенциально удобный для эффективного развёртывания, при сохранении назначения исходной инструкционной модели. Ограничения связаны с влиянием низкобитной квантизации на качество и с тем, что сведения о фактическом контекстном окне и результатах оценки производительности в карточке не приведены. Модель распространяется по лицензии Apache-2.0.

ehristoforu/Mistral-7B-Instruct-v0.3-pruned — это созданная с помощью mergekit модель на архитектуре Mistral, полученная методом passthrough из частей mistralai/Mistral-7B-Instruct-v0.3. В конфигурации объединения сохранены слои 0–20 и 29–31; итоговая модель содержит 5,4 млрд параметров и распространяется в формате safetensors. Модель предназначена для диалогов и генерации текста по инструкциям. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. В метаданных указана библиотека Transformers. Сведения о поддерживаемых естественных языках и лицензии в предоставленных источниках отсутствуют. Это производная от инструктивной модели Mistral AI, но в README описано удаление части слоёв, а не обычное дообучение. Поэтому её характеристики качества и совместимость с ожидаемыми шаблонами Mistral следует проверять на конкретных задачах.

Herry443/Mistral-7B-KNUT-ref-en — англоязычная разговорная модель генерации текста на архитектуре Mistral, разработанная на основе mistralai/Mistral-7B-Instruct-v0.2. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для диалогов и генерации текста. В карточке указано использование примеров из Open-Platypus, Databricks Dolly 15k и Orca Math Word Problems 200k; это указывает на сценарии следования инструкциям и решения математических задач. Доступны веса в формате safetensors. Лицензия — CC BY 4.0.

Mistral-7B-v0.1 — разработанная командой Mistral AI предварительно обученная плотная языковая модель на основе Transformer с 7,1 млрд параметров. Она предназначена для генерации текста и может использоваться как базовая модель для диалоговых приложений и дальнейшей адаптации под прикладные задачи. Архитектура включает Grouped-Query Attention и Sliding-Window Attention; модель принимает текст и рассчитана на контекст до 32 768 токенов. В карточке заявлено превосходство над Llama 2 13B на протестированных авторами бенчмарках. Модель обучена для английского языка, поддерживает диалоговый сценарий и доступна в форматах PyTorch и Safetensors. Это базовая, а не дообученная инструктивная модель: в карточке отмечено отсутствие механизмов модерации, поэтому ответы требуют отдельной проверки и настройки под конкретное применение. Лицензия — Apache-2.0.

Minbyul/mistral-7b-wo-healthsearch_qa-sft — дообученная модель семейства Mistral, созданная на базе mistralai/Mistral-7B-v0.1 с использованием набора данных HuggingFaceH4/deita-10k-v0-sft. Это плотная авторегрессионная языковая модель с 7,1 млрд параметров и контекстом до 32 768 токенов. Она предназначена для генерации текста и может применяться в сценариях, где требуется формировать ответы на текстовые запросы. В README приведено значение loss 1,3010 на оценочном наборе, но подробности методики оценки и целевых сценариев отсутствуют. Модель принимает текст и выдаёт текст. Лицензия — Apache-2.0.

Minbyul/mistral-7b-wo-kqa_golden-sft — дообученная методом SFT языковая модель на архитектуре Mistral, созданная на основе mistralai/Mistral-7B-v0.1. Она предназначена для генерации текста и может применяться в сценариях, где требуется продолжать текст или формировать ответы по текстовому запросу. Модель содержит 7,1 млрд параметров, использует формат Safetensors и поддерживает контекст до 32 768 токенов. Для дообучения использован набор HuggingFaceH4/deita-10k-v0-sft; в README указано значение loss 0,7294 на оценочном наборе. Специализация на конкретной предметной области и поддерживаемые естественные языки не описаны. Модель распространяется по лицензии Apache-2.0.

Квантизированная версия Ministral-3-3B-Reasoning-2512, разработанной Mistral AI, подготовленная bartowski в формате GGUF для запуска через llama.cpp и совместимые приложения, включая LM Studio. Модель предназначена для задач генерации и анализа текста, а также сценариев image-text-to-text, однако подробные сведения о поддерживаемой обработке изображений в README не приведены. Заявлены языки: английский, французский, испанский, немецкий, итальянский, португальский, нидерландский, китайский, японский, корейский и арабский. Модель имеет размер 3B параметров; доступны варианты от BF16 до квантизаций Q8_0, Q6, Q5, Q4, Q3 и IQ4 с размером файлов примерно от 1,93 до 6,87 ГБ. Квантизация выполнена с использованием imatrix и llama.cpp, что позволяет выбирать между качеством, потреблением памяти и скоростью локального запуска. Конкретная архитектура, размер контекстного окна, требования к оборудованию и формат промптов в README не указаны; для исходной модели рекомендуется обращаться к её оригинальной странице. Распространение заявлено по лицензии Apache-2.0.

KakaoL0L/mistral_CVetOFFRElast_16bit — дообученная языковая модель KakaoL0L на базе unsloth/mistral-7b-instruct-v0.2-bnb-4bit. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста и диалогового общения. Для обучения использовались Unsloth и библиотека Hugging Face TRL; модель принимает текст и генерирует текст, а заявленная длина контекста составляет 32 768 токенов. Модель может служить основой для чат-ботов и генерации ответов на текстовые запросы. В карточке указаны английский язык и лицензия Apache-2.0. Специализированная область применения и ограничения качества в описании модели не приведены.

KnutJaegersberg/MistralInstructLongish — дообученная инструкция-модель семейства Mistral, созданная автором KnutJaegersberg. Модель обучалась около трёх эпох на объединении нескольких наборов инструкций, включая часть более длинных инструкций, и рассчитана на генерацию ответов в формате Alpaca с разделами Instruction, необязательным Input и Response. Это плотная причинная языковая модель MistralForCausalLM на 7,1 млрд параметров с контекстом до 32 768 токенов. Она предназначена для следования инструкциям и генерации текста; в карточке приведены результаты оценки на Open LLM Leaderboard, включая среднее значение 48,99, ARC и HellaSwag. Репозиторий содержит веса safetensors и распространяется по лицензии Apache-2.0. Карточка не описывает языки обучения, поэтому языковую специализацию нельзя установить. Результаты бенчмарков не гарантируют качество на конкретных пользовательских задачах; данных о дополнительных ограничениях или проверках безопасности нет.