II.6Документация и сопровождение разработки

TheBeagle-v2beta-32B-MGS — экспериментальная инструктивная языковая модель команды Beagle, дообученная на базе Qwen/Qwen2.5-32B-Instruct. Это плотная модель семейства Qwen2 с 32 млрд параметров; она принимает текст и генерирует текст, поддерживает диалог и интерфейс вызова инструментов. В качестве обучающих данных использован набор Magpie-Align/Magpie-Pro-300K-Filtered, обучение проведено за одну эпоху. Заявленная длина контекста — 32 768 токенов; метаданные указывают английский язык. Модель предназначена для диалоговой генерации текста и следования инструкциям; результаты приведённых в карточке оценок относятся к набору тестов без chat template. Разработчик сообщает о значении loss 0,5378 и приводит оценки IFEval и BBH, но этих данных недостаточно для вывода о качестве в конкретных приложениях. Выпуск обозначен как beta и экспериментальный. Лицензия основана на условиях Qwen с дополнительным требованием включать «Beagle» или «MGS» в название производных моделей; перед использованием следует свериться с полным текстом лицензии.

Threebird Scribe Alpha 0.2 — объединённая языковая модель, созданная Lambent методом TIES с помощью mergekit на основе Mistral-7B-v0.1 и моделей Threebird Scribe Alpha 0.1 и Patronum-7B. Модель содержит 7,1 млрд параметров, использует архитектуру Mistral и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста. По описанию автора, версия Alpha 0.1 создавалась для исправления синтаксических проблем с небольшим ухудшением сохранения исходных возможностей; Alpha 0.2 показала небольшое улучшение относительно обеих объединённых моделей на EQ-Bench и сохраняет возможность разбора результатов бенчмарка. Веса опубликованы в формате safetensors, лицензия — Apache-2.0.

Josephgflowers/TinyLlama-Cinder-Agent-Rag — дообученная плотная авторегрессионная модель семейства Llama, созданная на основе Josephgflowers/TinyLlama-3T-Cinder-v1.2. Модель предназначена для генерации диалоговых ответов и заявлена для работы в сценариях RAG, суммаризации, вызова функций и инструментов; исходная модель Cinder ориентирована на беседы о STEM-темах и рассказывание историй. Модель содержит 1 млрд параметров, принимает текст и генерирует текст, поддерживает чат и имеет контекст длиной 2048 токенов. README характеризует обучение как первый этап и сообщает о планах дальнейшего обучения и обновления. Доступна по лицензии MIT.

TinySolar-248m-4k-code-instruct — компактная языковая модель, разработанная компанией Upstage и представленная в формате Transformers с безопасными весами SafeTensors. В метаданных она относится к семейству LLaMA, имеет около 215,2 млн параметров и предназначена для генерации текста, включая ответы на инструкции, связанные с программным кодом. Модель дообучалась на наборах CodeAlpaca-20k и CodeFeedback-Filtered-Instruction, поэтому ориентирована на генерацию фрагментов кода, объяснение программного кода, исправление ошибок и выполнение простых инструкций разработчика. Нативное контекстное окно составляет 32 768 токенов, что позволяет обрабатывать достаточно большие запросы и исходные файлы. Модель распространяется по лицензии Apache-2.0. Из-за небольшого размера она может быть удобна для локального запуска и встраивания в приложения, однако её возможности, точность и устойчивость к сложным задачам программирования могут уступать более крупным моделям. README не содержит сведений о поддерживаемых естественных языках, результатах оценки и точных требованиях к аппаратному обеспечению.

TomGrc_FusionNet_34Bx2_MoE_v0.1_DPO_f16 — языковая модель для диалоговой генерации текста, созданная дообучением FusionNet_34Bx2_MoE_v0.1 методом Direct Preference Optimization (DPO). В карточке указаны архитектура MoE семейства Mixtral и 33,9 млрд параметров; модель распространяется в формате safetensors и поддерживает контекст до 200 000 токенов. Модель предназначена для чата и генерации ответов на текстовые запросы. README приводит результаты Open LLM Leaderboard: среднее значение 77,91, включая 74,06 на AI2 Reasoning Challenge и 86,74 на HellaSwag; эти оценки относятся к указанным тестам и не гарантируют качество в других сценариях. Поддерживаемые языки отдельно не перечислены. Лицензия — Apache-2.0. Карточка не описывает дополнительные ограничения или специальные области применения.

TopEvolution — объединение предварительно обученных языковых моделей, созданное с помощью mergekit методом SLERP. В него вошли NousResearch/Hermes-2-Pro-Mistral-7B и mergekit-community/mergekit-slerp-ebgdloh; конфигурация использует V-образное распределение весов, отдавая Hermes предпочтение на входе и выходе и WizardMath в средних слоях. Модель построена на архитектуре MistralForCausalLM, содержит 7,1 млрд параметров и рассчитана на генерацию текста с контекстом до 32 768 токенов. Метаданные указывают формат safetensors и библиотеку Transformers. Она предназначена для генерации текста и может быть полезна для диалогов, следования инструкциям и математических запросов благодаря включению Hermes и WizardMath в слияние; конкретные показатели качества в карточке не приведены. Лицензия в предоставленных данных не указана.

Triangulum-10B-GGUF — это квантизированная версия языковой модели Triangulum-10B, разработанной prithivMLmods и преобразованной в формат GGUF пользователем bartowski. Модель предназначена для генерации текста, задач рассуждения и сценариев, где требуется пошаговое объяснение решения. В метаданных также указаны поддержка оценки кода, точности, математических задач и символьных операций. Модель содержит около 10 млрд параметров и относится к семейству causal language models на базе Llama. Доступны варианты от F16 до низкобитных квантований Q8, Q6, Q5, Q4, Q3 и Q2, включая форматы IQ. Размер файлов составляет примерно от 3,6 до 20,6 ГБ. Заявлена поддержка английского, немецкого, французского, итальянского, португальского, хинди, испанского и тайского языков. Модель работает с текстом; сведения о мультимодальности и размере контекстного окна не указаны. Сильной стороной являются разнообразие вариантов квантования и возможность локального запуска через llama.cpp и совместимые приложения, включая LM Studio. В README рекомендуются варианты Q6_K_L, Q6_K, Q5 и Q4 для сочетания качества и размера, тогда как низкобитные варианты экономят память, но снижают качество. Формат инструкций для запросов не указан, поэтому его необходимо уточнять по странице исходной модели. Лицензия обозначена как llama3.1.

allenai/tulu-v2.5-dpo-13b-alpacafarm-human-pref — англоязычная диалоговая модель AllenAI из набора RLHF-моделей Tulu. Она основана на Llama 2 с 13 млрд параметров и дообучена на смеси инструкций и диалогов Tulu V2, затем дополнительно выровнена методом DPO на предпочтениях людей из набора AlpacaFarm Human Preference. Модель предназначена для генерации текста и ответов помощника на инструкции и вопросы на английском языке. Она принимает текст в формате диалога, для которого рекомендуется использовать шаблон чата токенизатора, и поддерживает контекст до 4096 токенов. Модель может давать проблемные или небезопасные ответы: на этапе выравнивания её не обучали безопасно отказывать на вредоносные запросы, а фильтрация ответов не встроена. Лицензия — Apache 2.0.

Tulu V2.5 DPO 13B — англоязычная диалоговая модель-помощник от Allen Institute for AI (Ai2), дообученная методом DPO на базе Tulu 2 и данных Chatbot Arena 2024. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и 12,9 млрд параметров; она принимает текст и генерирует текст, поддерживает контекст до 4096 токенов и использует шаблон чата в токенизаторе. Модель предназначена для диалогов с помощником и выполнения пользовательских инструкций на английском языке. При обучении использовались набор инструкций и диалогов Tulu V2, а затем данные предпочтений Chatbot Arena 2024. Распространяется по лицензии Apache 2.0. В README отмечено, что модель не обучалась на безопасные ответы в рамках этапа RLHF и не имеет встроенной фильтрации ответов. Поэтому она может выдавать проблемный контент, особенно при соответствующих запросах.

Карточка модели jessemeng/TwinLlama-3.2-1B на Hugging Face совпадает с карточкой jessemeng/TwinLlama-3.1-8B, поэтому описание составлено по ней. TwinLlama-3.1-8B — текстовая плотная авторегрессионная модель семейства Llama, опубликованная jessemeng и дообученная на unsloth/Llama-3.2-1B с помощью Unsloth и Hugging Face TRL. Она предназначена для генерации текста и диалогового общения. Модель содержит 1,2 млрд параметров, использует архитектуру LlamaForCausalLM и поддерживает контекст до 131 072 токенов. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0.

Dampfinchen/Ultra-Instruct-12B — объединённая языковая модель для генерации текста и диалогов, созданная с помощью mergekit. В основе лежит IntervitensInc/Mistral-Nemo-Base-2407-chatml; слияние выполнено методом DARE TIES с моделями Orthrus-12b-v0.8, mistral-nemo-gutenberg-12B-v2 и Deutscher-Pantheon-12B. Модель имеет плотную архитектуру MistralForCausalLM и 12,1 млрд параметров. Модель предназначена для инструктивных запросов и общения в формате ChatML. Заявленная длина контекста — 1 024 000 токенов. README предупреждает, что ответы могут быть чрезмерно длинными и модель описана как uncensored. Репозиторий содержит веса safetensors и использует лицензию CC BY-NC 4.0, которая ограничивает коммерческое использование.

Cybertron 7B v1 — текстовая генеративная модель, разработанная juanako.ai на базе Mistral 7B. Она дообучена с помощью SFT, DPO и метода Uniform Neural Alignment на нескольких наборах данных, включая Tree of Knowledge, SlimOrca-Dedup и UltraFeedback. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для диалогов и генерации текста, в том числе для ответов на вопросы, рассуждений, логических и математических задач, а также написания коротких историй, стихов и шуток. В карточке приведены результаты тестов на рассуждение, понимание текста и правдивость ответов; качество зависит от запроса, а для диалогов рекомендуется формат ChatML или Alpaca System. Модель принимает текст и генерирует текст. Карточка не сообщает о специализации на конкретном естественном языке, поэтому её нельзя считать русскоязычной или многоязычной моделью с установленным основным языком. Лицензия — Apache 2.0.

UniXcoder — унифицированная предобученная модель для представления программного кода, разработанная командой Microsoft. Она объединяет код, комментарии и абстрактные синтаксические деревья (AST) при обучении и поддерживает режимы encoder-only, decoder-only и encoder-decoder. Модель основана на архитектуре RoBERTa, содержит 152,7 млн параметров и принимает последовательности длиной до 1026 токенов. Модель предназначена для извлечения признаков кода и применяется для поиска фрагментов кода по текстовому запросу, дополнения кода, предсказания имён функций, рекомендации API и суммаризации кода. В карточке приведены примеры для английского языка; метаданные указывают английский как язык модели. Репозиторий содержит веса PyTorch. Модель распространяется по лицензии Apache-2.0. В метаданных основная задача обозначена как feature-extraction, поэтому генеративные сценарии следует рассматривать как дополнительные режимы применения, описанные в карточке, а не как отдельные pipeline-задачи.

UniXcoder-base-nine — предварительно обученная модель представления кода, разработанная командой Microsoft. Она использует совместное обучение на коде, комментариях и абстрактных синтаксических деревьях и построена на архитектуре RoBERTa; в репозитории указано 152,7 млн параметров и контекст до 1026 токенов. Модель рассчитана на работу с кодом и естественно-языковыми описаниями на английском языке. UniXcoder поддерживает несколько режимов: получение векторных представлений и поиск кода по текстовому запросу, завершение кода, предсказание имени функции, рекомендацию API и суммаризацию кода. Репозиторий содержит веса PyTorch, а в метаданных Hugging Face основная задача указана как извлечение признаков. Лицензия — Apache-2.0.

Llama 30B Instruct 2048 — языковая модель для генерации текста и выполнения инструкций, разработанная Upstage. Представлена в репозитории TheBloke в формате GGUF, причём файлы модели были квантованы TheBloke на основе оригинальной модели upstage/llama-30b-instruct-2048. Модель предназначена для диалоговых сценариев, ответов на инструкции и общего текстового вывода на английском языке. Она основана на архитектуре Llama, содержит 30 миллиардов параметров и поддерживает контекст длиной 2048 токенов. В README также указано обучение или оценивание на наборах SciQ, ScienceQA text-only, GAIR/lima, OpenOrca и OpenBookQA. Для работы используется шаблон промпта с секциями System, User и Assistant. GGUF-версии рассчитаны на запуск через llama.cpp и совместимые интерфейсы и библиотеки, включая text-generation-webui, KoboldCpp, LM Studio, ctransformers и llama-cpp-python; доступны варианты квантования от 2 до 8 бит для CPU и GPU. Квантование уменьшает требования к ресурсам, но конкретное влияние на качество зависит от выбранного варианта. Модель поддерживает только текстовые сценарии, а её контекст ограничен 2048 токенами. В метаданных указана лицензия «other», однако её точные условия в README не приведены.

RWKV/v6-Finch-7B-HF — совместимая с Hugging Face Transformers версия языковой модели Finch 7B от команды RWKV. Это плотная авторегрессионная модель семейства RWKV-6 с архитектурой Rwkv6ForCausalLM и 8,9 млрд параметров; веса доступны в форматах PyTorch и safetensors. Для загрузки README указывает использовать Transformers и AutoTokenizer с параметром trust_remote_code=True. Модель предназначена для генерации текста и общих языковых задач. В README приведены результаты Finch 7B в бенчмарках ARC, HellaSwag и MMLU; например, на MMLU указано 41,70%. Данных о поддерживаемых естественных языках и длине контекста в предоставленных источниках нет. Модель распространяется по лицензии Apache-2.0.

VAETKI-20B-A2B — языковая модель NC-AI для генерации текста и диалогов. Она построена на архитектуре Transformer с причинным автодекодированием и смесью экспертов (MoE): всего 19,64 млрд параметров, из которых активируются 2,2 млрд, восемь из 128 экспертов. Модель прошла предобучение и постобучение; в репозитории веса представлены в формате Safetensors. Модель предназначена для эффективного инференса и поддерживает корейский, английский, китайский и японский языки. Карточка указывает контекст 16 тысяч токенов, а метаданные — нативный контекст 32 768 токенов. Лицензия — MIT. Модель может выдавать неточные или неполные ответы и галлюцинировать, особенно на неоднозначных запросах и задачах, требующих высокой фактической точности. Возможны трудности со сложными рассуждениями, точными вычислениями и корректной генерацией кода; ответы могут отражать предубеждения обучающих данных. Модель не предназначена для критически важных решений в медицине, праве, финансах и военной сфере.

Salience-27B-R6-GGUF — это квантизированная версия мультимодальной модели Salience-27B-R6, разработанной vectionlabs и опубликованной в формате GGUF пользователем bartowski. Модель содержит около 28 млрд параметров и предназначена для запуска через llama.cpp. Она поддерживает текстовый и визуальный ввод; для работы с изображениями требуется дополнительный файл mmproj. Модель ориентирована на рассуждения, эффективное пошаговое мышление, следование инструкциям, программирование и задачи software engineering. Заявлена поддержка агентных сценариев, терминального взаимодействия, tool use и function calling. Также доступны speculative decoding с использованием MTP и квантизация с imatrix. Указан английский язык, однако точные сведения о размере контекстного окна и внутренней архитектуре в предоставленных данных отсутствуют. Репозиторий предлагает варианты от BF16 и Q8_0 до компактных IQ3 и Q3, что позволяет выбирать между качеством, скоростью и требованиями к памяти. В качестве универсального варианта рекомендован Q4_K_M размером около 17,44 ГБ; более высокие уровни квантизации обеспечивают лучшее сохранение качества, но требуют больше памяти. Ограничениями являются необходимость совместимого рантайма llama.cpp, отдельного mmproj для изображений и отсутствие в предоставленной карточке подробных результатов оценки. Лицензия модели — Apache-2.0.

Venomia-1.1-m7-Mistral-7B-Instruct-v0.1 — чат-модель MaziyarPanahi, созданная слиянием Mistral-7B-Instruct-v0.1 и Sao10K/Venomia-1.1-m7 методом SLERP. Модель построена на плотной архитектуре Mistral с 7,1 млрд параметров и предназначена для генерации текста в ответ на инструкции и диалоговые запросы; поддерживает контекст до 32 768 токенов. Модель принимает текст и выдаёт текст. В метаданных указан английский язык. Репозиторий содержит веса Safetensors; лицензия — Apache-2.0. Карточка не описывает отдельные специализированные области применения или ограничения качества.

Virtuoso-Lite-PreDistill — экспериментальная текстовая модель для генерации и диалогов от Arcee AI. Согласно карточке, это предварительная версия Virtuoso-Lite: вариант стандартного обучения SFT и объединения с RLHF, подготовленный для проверки перед дополнительными этапами обучения. В README описана дистилляция логитов Deepseek-V3 на примерно 1,1 млрд токенов и архитектура Llama-3; метаданные Hugging Face указывают архитектуру LlamaForCausalLM, 9,9 млрд параметров и базовую модель tiiuae/Falcon3-10B-Base. Доступны веса в формате safetensors, библиотека Transformers и контекстное окно до 32 768 токенов по метаданным. Модель предназначена для чат-ботов и виртуальных помощников, анализа данных, исследовательских прототипов и STEM-обучения. В README заявлены возможности рассуждения, генерации и отладки кода, а также решения математических задач; метаданные отмечают интерфейс вызова инструментов. Основной язык не указан, поэтому язык не классифицируется. Лицензия обозначена как falcon-llm-license в README и как other в метаданных; перед использованием следует проверить условия распространения в карточке модели.

Katayoon/VPO-Zephyr-7B-iter-2 — диалоговая языковая модель на архитектуре Mistral с 7,1 млрд параметров. Разработчик дообучил её на обновлённом и исходном наборах данных, продолжив версию Katayoon/VPO-Zephyr-7B-iter-1. Модель предназначена для генерации текста в формате диалога; заявленная длина контекста — 32 768 токенов. Модель принимает текст и генерирует текст. Карточка не описывает языки, качество на конкретных задачах или результаты оценки, поэтому её сильные стороны и ограничения в этих аспектах определить нельзя. Распространяется по лицензии MIT.

KnutJaegersberg/webMistral-7B — языковая модель семейства Mistral с плотной архитектурой MistralForCausalLM и 7,1 млрд параметров. Она предназначена для генерации текста и может использоваться как базовая модель для запросов и продолжения текста. В карточке приведён пример промпта и результаты оценки на Open LLM Leaderboard, включая ARC и HellaSwag. Модель принимает текст и выдаёт текст; её заявленная длина контекста — 32 768 токенов. Веса опубликованы в формате safetensors. Репозиторий распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. README не сообщает о специализированной предметной области или подтверждённых языках.

WestOrcaMonarch-DPO-7B — языковая модель на архитектуре Mistral, дообученная jsfs11 методом DPO на наборе OpenHermes2.5-dpo-binarized-alpha. Она предназначена для генерации текста в диалоговом формате ChatML и может использоваться для создания ответов на запросы и ведения диалогов. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Для обучения применялся QLoRA с рангом LoRA 32; в репозитории указаны веса в формате Safetensors. Модель распространяется по лицензии Apache-2.0. Карточка не приводит результатов оценивания качества или перечня языков, поэтому их нельзя уверенно конкретизировать.

Wiki-SmartBotLM-Instruct — компактная авторегрессионная языковая модель с архитектурой decoder-only Transformer, разработанная как независимый исследовательский проект и обученная с нуля. Она содержит около 276 млн параметров и использует RoPE, RMSNorm, SwiGLU, Grouped Query Attention и причинное внимание; заявленная длина контекста — 8192 токена. Модель сначала обучали предсказывать следующий токен на англоязычной Википедии, затем дообучили на наборе инструкций Alpaca. Модель предназначена для диалоговых прототипов, ответов на вопросы, объяснения технических тем, помощи с программированием, суммаризации и генерации учебных текстов. Карточка приводит результаты на MMLU, ARC Challenge, HellaSwag, Winogrande и BoolQ; опубликованные значения для BoolQ, ARC Challenge и HellaSwag ниже приведённого сравнения с Gemma 3 270M IT. Модель может галлюцинировать, уступает более крупным моделям в рассуждениях, ограничена знаниями обучающего корпуса и может хуже работать в длинных диалогах. Лицензия — MIT.

Casual-Autopsy/WorldGen-v2-TEST001 — языковая модель на архитектуре Mistral, созданная методом слияния TIES из нескольких моделей с помощью mergekit. В качестве базовой использована kubernetes-bad/chargen-v2; также в состав слияния вошли NeverSleep/Noromaid-7B-0.4-DPO, Weyaxi/Einstein-v4-7B с адаптером Severian/Einstein-IKM-v1-7B-LoRa и teknium/OpenHermes-2.5-Mistral-7B. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста и диалоговое взаимодействие. Она подходит для ведения бесед и создания текстовых ответов; карточка не описывает более узкую специализацию. Модель принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors для библиотеки Transformers. Данные не указывают специально поддерживаемые естественные языки. Условия лицензии в предоставленных сведениях не приведены.

XCurOS-0.1-8B-Instruct — проприетарная инструкционно настроенная языковая модель, разработанная XCurOS. Она построена на архитектуре Qwen2 с плотной трансформерной моделью примерно на 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для диалоговых помощников и выполнения инструкций в локальной или облачной инфраструктуре, включая защищённые корпоративные среды. Заявлены рассуждения, программирование, автоматизация рабочих процессов и анализ больших структурированных и неструктурированных текстовых документов; в метаданных также отмечен интерфейс для вызова инструментов. Карточка заявляет поддержку английского и арабского языков. Модель распространяется по проприетарной лицензии: личное и исследовательское использование допускается на частном сервере или локальной инфраструктуре. Коммерческое применение требует отдельной лицензии XCurOS; перераспространение и перепродажа без письменного разрешения запрещены. Качество заявленных возможностей и пригодность для конкретных задач в карточке не подкреплены результатами оценки.

Карточка модели PS4Research/xnfjGuaVd0Dp3J42 на Hugging Face совпадает с карточкой PS4Research/IKn8jwlNamPNIS15, поэтому описание составлено по ней. Модель PS4Research/IKn8jwlNamPNIS15 — дообученная PS4Research языковая модель семейства Granite на базе ibm-granite/granite-4.2-30b. Она предназначена для генерации текста и диалогового взаимодействия; интерфейс также поддерживает вызов инструментов. Модель содержит 28,9 млрд параметров, использует плотную архитектуру GraniteForCausalLM и принимает контекст длиной до 131 072 токенов. В метаданных указан английский язык. Базовая модель IBM описана как многоязычная и предназначенная для рассуждений, диалога, программирования и вызова инструментов, однако README не уточняет, какие именно навыки были предметом дообучения этой версии. Модель распространяется в формате safetensors по лицензии Apache-2.0; для ускорения обучения использовались Unsloth и библиотека TRL.

Xwen-7B-Chat — диалоговая языковая модель команды xwen-team, дообученная на базе Qwen2.5-7B. Это плотная трансформерная модель с 7,1 млрд параметров для генерации текста и ведения диалога; она принимает текст и выдаёт текст. В метаданных указан контекст до 131 072 токенов, поддержка английского и китайского языков, интерфейс для вызова инструментов и библиотека Transformers. Модель предназначена для чат-ботов и ответов на пользовательские запросы. Авторы приводят результаты Arena-Hard-Auto, MT-Bench и AlignBench, где Xwen-7B-Chat показала результаты выше приведённых в карточке сравнений с рядом сопоставимых моделей; это результаты бенчмарков, а не гарантия качества для конкретного сценария. Авторы также предупреждают, что модель специально не обучали точно отвечать на вопросы о собственной личности и разработчиках. Веса распространяются по лицензии Apache-2.0. В README упомянуты отдельные репозитории с GGUF-квантованиями; эта карточка описывает версию в формате Safetensors.

YamMulti_verse_model-7B — объединённая языковая модель на архитектуре Mistral, созданная с помощью mergekit. Разработчик объединил mayacinka/yam-jom-7B-slerp и ammarali32/multi_verse_model методом DARE TIES; в карточке базовой для слияния указана mayacinka/yam-jom-7B-slerp. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста на основе текстового запроса. Её можно использовать для диалогов, написания и продолжения текста, а также для других сценариев генерации. Данные не уточняют специализацию по языкам или прикладным областям. Модель распространяется в формате safetensors и рассчитана на работу через Transformers. Сведения о лицензии и известных ограничениях в предоставленных источниках отсутствуют.

Yamshadowexperiment28M70.8-0.01-0.86-0.36-0.42-0.95-7B — объединённая языковая модель на архитектуре Mistral с 7,1 млрд параметров, опубликованная пользователем aaron-di. Она предназначена для генерации текста и диалогов; модель можно запускать через Transformers, используя шаблон чата. Заявленная длина контекста — 32 768 токенов. Модель принимает текст и генерирует текст. В карточке указано объединение моделей AurelPx/Percival_01-7b-slerp и liminerity/M7-7b. Репозиторий распространяет веса в формате Safetensors по лицензии Apache-2.0. README содержит пример генерации, но не описывает результаты оценки качества или конкретные языковые специализации.