II.6Документация и сопровождение разработки

NeuralPipe-7B — слитая модель для генерации текста, созданная Mlabonne с помощью mergekit на основе OpenPipe/mistral-ft-optimized-1218 и mlabonne/NeuralHermes-2.5-Mistral-7B. Она объединяет веса двух моделей архитектуры Mistral методом SLERP и предназначена для генерации текста и диалоговых сценариев. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. В README приведены результаты оценки на задачах рассуждения и понимания текста, включая AI2 Reasoning Challenge и HellaSwag. Репозиторий использует формат safetensors; лицензия — Apache 2.0. Сведения о поддерживаемых языках и специализированных областях применения не приведены.

NeuralsirkrishnaInex12-7B — автоматически объединённая модель, созданная Maxime Labonne из Kukedlc/NeuralSirKrishna-7b и MSL7/INEX12-7b. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров; при объединении применён метод SLERP, итоговые веса сохранены в формате safetensors. Модель предназначена для генерации текста и диалогов. Она принимает текст и поддерживает контекст до 32 768 токенов. В карточке приведён пример загрузки через Transformers. Модель распространяется по лицензии Apache-2.0. Карточка не описывает специализированные области применения или отдельные возможности модели. Качество и ограничения в README не оценены; пригодность для конкретной задачи следует проверять отдельно.

NeuralsirkrishnaShadow_Experiment24Experiment28 — слитая языковая модель, опубликованная MaziyarPanahi. Она объединяет модели automerger/NeuralsirkrishnaShadow-7B и automerger/Experiment24Experiment28-7B и предназначена для генерации текста. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и принимает контекст длиной до 32 768 токенов. Модель подходит для генерации продолжений текста, диалоговых ответов и помощи в написании текстов. Репозиторий содержит веса в формате safetensors; лицензия — Apache 2.0. README не описывает специальные предметные области или подробные результаты оценки качества.

NeuralsirkrishnaShadow_Experiment24Shadow — слитая языковая модель на архитектуре Mistral, созданная из automerger/NeuralsirkrishnaShadow-7B и automerger/Experiment24Shadow-7B. Она предназначена для генерации текста по текстовому запросу и поддерживает контекст до 32 768 токенов. Модель содержит 7,1 млрд параметров, распространяется в формате safetensors и выпущена по лицензии Apache-2.0. Карточка не описывает специальные прикладные области или дополнительные возможности.

MaziyarPanahi/NeuralsirkrishnaShadow_Experiment28Experiment29 — объединённая языковая модель семейства Mistral, созданная слиянием automerger/NeuralsirkrishnaShadow-7B и automerger/Experiment28Experiment29-7B. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и распространяется в формате safetensors. Модель предназначена для генерации текста и принимает текстовые запросы, формируя текстовые ответы. Контекст поддерживает до 32 768 токенов. В карточке указана лицензия Apache-2.0; сведения о целевых языках и специализированных областях применения отсутствуют.

NeuralsirkrishnaShadow_Experiment28Inex12 — объединённая языковая модель на архитектуре Mistral, созданная слиянием automerger/NeuralsirkrishnaShadow-7B и automerger/Experiment28Inex12-7B. Она предназначена для генерации текста и может использоваться в диалоговых и текстовых приложениях. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает специальные предметные области или подтверждённые ограничения качества, поэтому её возможности следует оценивать на целевых задачах.

NeuralsirkrishnaShadow_Inex12Yamshadow — слитая модель Mistral для генерации текста, созданная на основе automerger/NeuralsirkrishnaShadow-7B и automerger/Inex12Yamshadow-7B. Она предназначена для текстовых запросов и генерации ответов; архитектура плотная, число параметров — 7,1 млрд, максимальная длина контекста — 32 768 токенов. Модель распространяется в формате Safetensors по лицензии Apache-2.0. README не описывает специализированные сценарии или известные ограничения качества.

NeuralsirkrishnaShadow_YamShadow — объединённая языковая модель на архитектуре Mistral, созданная из automerger/NeuralsirkrishnaShadow-7B и automerger/YamShadow-7B. Репозиторий подготовлен MaziyarPanahi. Модель содержит 7,1 млрд параметров, использует формат SafeTensors и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста по текстовым запросам. Карточка не описывает специализированные сценарии, обучение на определённых данных или отдельные языковые возможности. Распространяется по лицензии Apache-2.0.

NeuralsirkrishnaT3qm7x-7B — автоматически объединённая Maxime Labonne языковая модель на архитектуре Mistral с 7,1 млрд параметров. Она создана слиянием Kukedlc/NeuralSirKrishna-7b и nlpguy/T3QM7X методом SLERP; веса представлены в формате safetensors и типе bfloat16. Модель предназначена для генерации текста и диалогов. Она принимает текст и выдаёт текст, поддерживая контекст до 32 768 токенов. В метаданных не указаны специальные предметные области или конкретные языки. Модель распространяется по лицензии Apache-2.0. Карточка содержит краткий пример загрузки через Transformers, но не приводит оценок качества или сведений о специальных возможностях.

NeuTrixOmniBe-7B-model-remix — языковая модель на архитектуре Mistral, созданная слиянием CultriX/NeuralTrix-7B-dpo и paulml/OmniBeagleSquaredMBX-v3-7B-v2 с помощью LazyMergekit. Она предназначена для генерации текста и ответов на запросы; размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов. В README приведены результаты оценки на нескольких тестах рассуждения и понимания текста. Модель принимает текст и генерирует текст. Данные не подтверждают поддержку конкретных естественных языков или специализированных областей. Веса доступны в формате safetensors, лицензия — Apache-2.0. Карточка не описывает специальные ограничения или гарантии качества.

NeuTrixOmniBe-DPO — языковая модель на 7,1 млрд параметров семейства Mistral, созданная Kukedlc с помощью слияния моделей CultriX/NeuralTrix-7B-dpo и paulml/OmniBeagleSquaredMBX-v3-7B-v2. Для объединения применён метод SLERP; затем модель дообучили методом DPO на наборе Intel/orca_dpo_pairs. Модель предназначена для генерации текста и диалоговых сценариев на основе текстовых запросов. В метаданных указан контекст до 32 768 токенов. Модель распространяется в формате Safetensors по лицензии Apache-2.0. README приводит результаты оценки на нескольких бенчмарках, но не описывает конкретные языки и ограничения качества.

NexoNimbus-MoE-2x7B — языковая модель на архитектуре Mixtral с механизмом смеси экспертов, созданная объединением abideen/NexoNimbus-7B и mlabonne/NeuralMarcoro14-7B. Она предназначена для генерации текста и диалоговых сценариев. В README приведены результаты оценки на Open LLM Leaderboard и TruthfulQA; автор заявляет средний результат 67,51% в указанной оценке. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст, поддерживает английский язык и контекст до 32 768 токенов. Весовые файлы опубликованы в формате safetensors, для работы указан Transformers. Лицензия — Apache-2.0. README также предлагает запуск в 4-битной точности на GPU T4.

next-14b-i1-GGUF — набор GGUF-квантизаций модели next-14b, разработанной thelamapi и подготовленной квантизатором mradermacher. Модель предназначена для генерации текста, диалоговых сценариев, выполнения инструкций, рассуждений, аналитических и писательских задач, а также многоязычного использования. Модель относится к классу больших языковых моделей примерно на 14 млрд параметров и доступна в формате GGUF с различными вариантами квантизации, включая IQ- и Q-типы. В README заявлена поддержка турецкого, английского, немецкого, испанского, французского, русского, китайского, японского и корейского языков. Обучение или дообучение связано с наборами данных для instruction tuning, reasoning, диалогов и генерации текста. Сведения о точной архитектуре и размере контекста не указаны. Главное преимущество — широкий выбор уровней квантизации, позволяющий выбирать компромисс между размером файла, скоростью и качеством; рекомендуемыми названы i1-Q4_K_M и i1-Q4_K_S. Более компактные варианты могут заметно уступать по качеству, а некоторые из них в README прямо характеризуются как низкокачественные. Модель ориентирована на локальный запуск в совместимом ПО, однако конкретные требования к оборудованию не приведены. Лицензия — MIT.

North-Mini-Code-1.0-GGUF — квантизированная версия языковой модели North-Mini-Code-1.0, разработанной CohereLabs и подготовленной пользователем bartowski в формате GGUF с использованием llama.cpp. Модель предназначена для генерации текста, диалогового взаимодействия, работы с программным кодом и сценариев с агентами. Поддерживает запуск через llama.cpp, LM Studio, KoboldCpp, Jan AI и другие совместимые инструменты. В репозитории представлены варианты от BF16 до различных уровней квантизации Q8_0, Q6_K, Q5_K, Q4_K и IQ3/IQ4. Размер файлов составляет примерно от 14,86 до 61 ГБ; варианты с более высокой разрядностью обычно обеспечивают лучшее качество, а компактные версии требуют меньше оперативной памяти. Точные сведения об архитектуре, количестве параметров, языках и размере контекстного окна в предоставленных данных не указаны. Сильными сторонами модели являются специализация на коде, поддержка чатового и агентного применения, а также широкий выбор квантизированных вариантов для разных аппаратных ограничений. Ограничения включают значительные требования к памяти даже у компактных сборок, возможное снижение качества при сильной квантизации и необходимость совместимого программного обеспечения. Модель распространяется по лицензии Apache-2.0.

Это 4-битная версия модели Nous-Hermes-2-Mixtral-8x7B-DPO, преобразованная в формат MLX сообществом mlx-community. Она основана на дообученной NousResearch модели Mixtral-8x7B и предназначена для диалоговой генерации текста и выполнения инструкций. Архитектура — разреженная Mixture of Experts (MoE); модель поддерживает контекст до 32 768 токенов и рассчитана на английский язык. Модель подходит для чат-ботов, ответов на вопросы, помощи с письмом и других задач генерации текста по инструкциям. Репозиторий содержит веса в формате safetensors и предназначен для запуска с MLX. Лицензия — Apache-2.0.

Nous-Hermes-2-Mixtral-8x7B-SFT-GGUF — это квантизированная GGUF-версия языковой модели Nous-Hermes-2-Mixtral-8x7B-SFT, разработанной NousResearch и подготовленной квантизацией компанией Second State Inc. Модель предназначена для диалоговых и инструкционных сценариев, включая генерацию текста и работу в чат-приложениях на базе LlamaEdge. Модель основана на архитектуре Mixtral и использует формат промптов ChatML. В README указан английский язык, контекстное окно составляет 4096 токенов. Доступны варианты квантизации от Q2_K до Q8_0 размером от 17,3 до 49,6 ГБ. Q4_K_M рекомендуется как сбалансированный вариант, а Q5_K_M и Q5_K_S — как варианты с минимальной потерей качества. Более сильная квантизация уменьшает размер, но может заметно ухудшать качество; точные сведения о числе параметров, поддерживаемых модальностях и дополнительных языках не указаны. Для запуска требуется LlamaEdge версии 0.2.8 или новее; предусмотрены режимы сервиса и командного чат-приложения. Модель распространяется по лицензии Apache-2.0.

Это объединённая модель Nous-Hermes-2-Pro_into_Nous_Hermes-2-DPO, созданная с помощью LazyMergekit на основе NousResearch/Hermes-2-Pro-Mistral-7B и NousResearch/Nous-Hermes-2-Mistral-7B-DPO. Веса объединены методом SLERP; модель построена на архитектуре Mistral и содержит 7,1 млрд параметров. Модель предназначена для диалогов и генерации текста по инструкциям. Она принимает текст и выдаёт текст; заявленная длина контекста составляет 32 768 токенов. В метаданных указана возможность чат-взаимодействия, но отдельные языки и специализированные прикладные области не заявлены. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана, поэтому условия использования определить нельзя. Качество и ограничения именно этого слияния в README не описаны; поведение может отличаться от исходных моделей.

Это GGUF-квантизированная версия DeepHermes-3-Mistral-24B-Preview, разработанной NousResearch и подготовленной квантизатором bartowski с использованием llama.cpp и imatrix. Модель основана на архитектуре Mistral, содержит 24 млрд параметров и предназначена для генерации текста в формате instruct/chat. В репозитории представлены варианты от BF16 до низкобитных квантизаций Q8, Q6, Q5, Q4 и Q3, различающиеся размером файлов и соотношением качества и требований к памяти. Модель ориентирована на диалоговые сценарии, рассуждения, ролевое взаимодействие, синтетическую генерацию данных, function calling и выдачу структурированного JSON. Для работы используется формат сообщений ChatML-подобного типа с ролями system, user и assistant; рекомендуемые среды запуска включают LM Studio, llama.cpp и совместимые проекты. В метаданных указан английский язык, однако сведения о поддерживаемых языках помимо него отсутствуют. Максимальная длина контекста также не указана. Сильной стороной являются доступные варианты квантизации: Q6 и Q5 заявлены как обеспечивающие очень высокое или высокое качество при меньших требованиях к памяти, а Q4_K_M обозначен как вариант стандартного размера для большинства сценариев. Ограничения связаны с тем, что это preview-версия, а квантизация может снижать точность по сравнению с исходными весами; характеристики производительности и результаты тестирования в карточке не приведены. Модель распространяется по лицензии Apache-2.0.

tomaszki/nous-thirty-four-0 — текстовая модель генерации на архитектуре Llama, созданная слиянием предварительно обученных языковых моделей методом SLERP с помощью mergekit. В слиянии участвовали newer_model_12 и deepnet/SN6-30; метаданные каталога указывают deepnet/SN6-30 как базовую модель. Модель содержит 7,1 млрд параметров, использует формат safetensors и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста в диалоговом формате. Карточка не сообщает специализированных областей применения, языков или дополнительных возможностей. Лицензия в предоставленных данных не указана.

NVIDIA Nemotron 3.5 Lightning 30B A3B — языковая модель NVIDIA, представленная сообществом mlx-community в конвертированном формате MLX для запуска на устройствах Apple Silicon. Это гибридная архитектура Mamba-2 и attention с механизмом Mixture-of-Experts: около 31 млрд параметров всего и примерно 3 млрд активных на токен. В репозитории указана версия bf16 без квантизации; модель преобразована из nvidia/NVIDIA-Nemotron-3.5-Lightning-30B-A3B-BF16 с помощью mlx-lm 0.31.3. Модель предназначена для генерации текста и диалогового взаимодействия; метаданные также указывают контекст до 262 144 токенов. В карточке перечислены английский, испанский, французский, немецкий, итальянский и японский языки. Репозиторий использует библиотеку MLX и формат safetensors. Лицензия обозначена как other, поэтому условия использования следует сверить с карточкой исходной модели NVIDIA.

Это квантизированная версия языковой модели NVIDIA Nemotron 3.5 Lightning 30B A3B, преобразованная в формат GGUF из nvidia/NVIDIA-Nemotron-3.5-Lightning-30B-A3B-BF16 для запуска с llama.cpp. Модель предназначена для генерации текста; базовая карточка описывает исходную модель как предназначенную для диалога, рассуждений, оценки и адаптации под пользовательские задачи. Репозиторий содержит файлы GGUF с форматом BF16 по метаданным; в названии и README также указано Q4_K_M. Для запуска предлагается llama.cpp, включая CLI и сервер. Метаданные указывают поддержку английского, испанского, французского, немецкого, итальянского и японского языков. Лицензия обозначена как other; условия следует сверить с карточкой исходной модели NVIDIA.

NVIDIA-Nemotron-3.5-Lightning-30B-A3B-GGUF — это GGUF-квантизированная версия языковой модели NVIDIA Nemotron-3.5-Lightning-30B-A3B, разработанной NVIDIA и подготовленной для запуска с llama.cpp. Квантизацию выполнил bartowski с использованием imatrix. Модель предназначена для генерации текста и поддерживает только текстовый ввод; заявленное количество параметров — 33 млрд. Вариант включает поддержку MTP. Модель подходит для локального запуска и задач текстовой генерации, включая диалоговые сценарии при использовании рекомендованного шаблона промпта. Доступны варианты квантизации от BF16 и Q8_0 до более компактных Q3 и IQ3, что позволяет выбирать между качеством, требованиями к памяти и скоростью работы. В README рекомендуются Q4_K_M как сбалансированный вариант, а также варианты Q5 и Q6 для более высокого качества. Заявлена поддержка английского, испанского, французского, немецкого, итальянского и японского языков. Ограничения модели включают отсутствие мультимодального ввода и неизвестный из предоставленных данных размер контекстного окна. Более сильное сжатие уменьшает требования к памяти, но может снижать качество по сравнению с BF16 и вариантами с более высокой точностью. Модель распространяется по лицензии openmdw-1.1; в README она обозначена как license: other, с дополнительной ссылкой на условия лицензии.

Это конвертированная в GGUF версия NVIDIA Nemotron 3.5 Lightning 30B-A3B NVFP4, подготовленная автором репозитория для запуска через llama.cpp. Из конвертации исключены MTP-слои; веса сохранены в автоматически выбранном формате исходной модели. Модель предназначена для генерации текста и диалогового использования. Автор сообщает, что она запускалась на двух видеокартах RTX 5060 Ti по 16 ГБ, с контекстом до 1 048 576 токенов и квантизацией KV-кэша q8_0; по его оценке, для этого не требуется выгружать экспертные слои в оперативную память. Поддерживаемые языки по карточке: английский, испанский, французский, немецкий, итальянский и японский. Это конверсия исходной модели NVIDIA в GGUF для llama.cpp, а не самостоятельное дообучение; базовая модель — nvidia/NVIDIA-Nemotron-3.5-Lightning-30B-A3B-NVFP4. Репозиторий указывает лицензию «other», поэтому перед использованием следует проверить условия исходной модели и репозитория.

NVIDIA-Nemotron-Labs-3-Elastic-30B-A3B-NVFP4 — разработанная NVIDIA эластичная языковая модель для генерации текста и диалогов. Один NVFP4-чекпойнт содержит вложенные варианты на 30B, 23B и 12B параметров; меньшие варианты можно извлечь из него без отдельного дообучения. Архитектура основана на гибридной комбинации Mamba-2, Transformer и MoE. Для вариантов 30B, 23B и 12B указано соответственно 3,6B, 2,8B и 2,0B активных параметров на токен. Модель предназначена для рассуждений и диалоговых сценариев с возможностью выбирать баланс качества и скорости инференса в зависимости от размера варианта. README сообщает о поддержке английского, немецкого, испанского, французского, итальянского и японского языков. Метаданные указывают контекст 262 144 токена; в README также описана возможность настройки более длинного контекста в vLLM. Модель представлена в формате safetensors и рассчитана на использование через Transformers и vLLM. Это квантованная NVFP4-версия эластичной модели, полученной постобучением NVIDIA-Nemotron-3-Nano-30B-A3B-BF16 с помощью Elastic framework; при квантовании применялась дистилляция с BF16-моделью в качестве учителя. README заявляет готовность к коммерческому применению, однако метаданные обозначают лицензию как other и не раскрывают её условия, поэтому перед использованием следует проверить лицензионные документы репозитория.

nyun-c2-llama3-50B — плотная авторегрессионная языковая модель семейства Llama 3, разработанная Nyun AI. Она предназначена для генерации текста и общих языковых задач; заявленный размер — 76,2 млрд параметров, контекст — до 8192 токенов. Модель сохранена в формате Safetensors и использует лицензию Llama 3. По карточке Nyun AI, модель получила примерно на 29% меньше параметров, чем Llama 3 70B, за счёт оптимизаций без дополнительного дообучения. Разработчик сообщает о близких результатах на отдельных бенчмарках, включая MMLU, Winogrande и BoolQ. Эти результаты не гарантируют качество на других задачах; модель может ошибаться и требует значительных вычислительных ресурсов из-за размера.

OLMo 2 32B — авторегрессионная языковая модель на архитектуре Transformer, разработанная Allen Institute for AI (Ai2). Это базовая плотная модель с 31,7 млрд параметров, предназначенная для генерации текста и дальнейшей адаптации под прикладные задачи. В README указано обучение на 6 трлн токенов: предварительное обучение на OLMo-mix-1124 и промежуточное обучение на Dolmino-mix-1124. Модель поддерживается библиотекой Transformers. Модель рассчитана прежде всего на английский язык и принимает текст, генерируя текст в контекстном окне 4096 токенов. Весовые файлы доступны в формате safetensors. Разработчики опубликовали код, контрольные точки и материалы обучения. Модель выпущена по лицензии Apache 2.0. Как и другие большие языковые модели, OLMo 2 32B может выдавать фактические ошибки, предвзятые или вредоносные ответы; сгенерированные сведения следует проверять. Дата отсечения знаний, указанная в карточке, — декабрь 2023 года.

OLMo 2 13B — плотная авторегрессионная языковая модель на основе Transformer, разработанная Allen Institute for AI (Ai2). Модель содержит 13,2 млрд параметров и предназначена для генерации текста и продолжения последовательностей на английском языке. Модель обучена на 5 трлн токенов, включая наборы OLMo-Mix-1124 и Dolmino-Mix-1124; в карточке описаны этапы предобучения и дальнейшей настройки. Контекстное окно составляет 4096 токенов. Модель подходит для генерации текста, ответов на вопросы и академических языковых задач; результаты на англоязычных бенчмарках сопоставимы с другими открытыми моделями близкого размера. Весовые файлы опубликованы в формате Safetensors под лицензией Apache 2.0. Модель может выдавать неточные или предвзятые ответы и без фильтрации способна генерировать вредный или чувствительный контент; фактические утверждения следует проверять.

OLMo-2-1124-7B-Instruct — открытая инструктивная языковая модель Allen Institute for AI (AI2) из семейства OLMo 2. Это плотная авторегрессионная модель класса Olmo2ForCausalLM примерно с 6,9 млрд параметров, предназначенная для диалогов и выполнения текстовых инструкций. Она принимает текст и генерирует текст; основной язык — английский, а родной контекст составляет 4096 токенов. Модель дообучена на основе allenai/OLMo-2-1124-7B-DPO: после supervised fine-tuning и DPO на варианте набора Tülu 3 она прошла обучение RLVR. Карточка указывает на ориентацию Tülu 3 на разнообразные задачи, включая математику, GSM8K и следование инструкциям. Модель распространяется в формате safetensors через Transformers под лицензией Apache 2.0. В карточке отмечено, что у OLMo 2 ограниченное обучение безопасности; без дополнительной фильтрации модель может выдавать проблемный контент, особенно при соответствующих запросах. Она не обучалась под конкретный системный промпт.

OLMo-2-1124-7B-Instruct-GGUF — это GGUF-квантизованная версия инструкционной языковой модели OLMo-2-1124-7B-Instruct, разработанной Allen Institute и подготовленной для распространения пользователем bartowski. Модель предназначена для генерации текста и диалогового взаимодействия, включая выполнение инструкций, ответы на вопросы и решение задач в локальных приложениях на базе llama.cpp. Модель содержит около 7 миллиардов параметров, работает в текстовой модальности и ориентирована на английский язык. В репозитории доступны варианты от F16 до низкобитных квантований Q8_0, Q6_K, Q5_K, Q4_K, Q3 и Q2, поэтому можно выбирать между качеством, скоростью и требованиями к памяти. Для квантования использовалась imatrix-методика, а также исправленный tokenizer.json базовой модели. Точный размер контекстного окна в README не указан. Сильная сторона сборки — возможность запуска модели локально с различным объёмом памяти и совместимость с llama.cpp; варианты Q6 и Q5 заявлены как высококачественные, а Q4_K_M — как подходящий вариант по умолчанию для большинства сценариев. Более сильное квантование уменьшает требования к ресурсам, но может снижать качество ответов; низкобитные варианты имеют заметные ограничения. Отдельные сборки оптимизированы для ARM и требуют соответствующих аппаратных возможностей. Модель распространяется по лицензии Apache-2.0.

ArchSpace-Collection публикует экспорт базовой OLMo 3 3B после четвёртого этапа обучения с SFT, ориентированного на рассуждения. Это плотная авторегрессионная языковая модель на 3,2 млрд параметров, реализованная в Transformers как Olmo3ForCausalLM; для загрузки не требуется удалённый код. В репозитории указаны скользящее оконное внимание размером 4 096 токенов и ёмкость контекста 65 536 токенов. Модель предназначена для генерации текста и диалогового использования, включая запросы с рассуждениями и интерфейс вызова инструментов. Обучающая длина последовательности составляла 32 768 токенов. README описывает техническую конфигурацию и экспорт, но не сообщает конкретные результаты оценивания или полный перечень поддерживаемых языков. Модель распространяется в формате safetensors; лицензия в предоставленных данных не указана.