II.6Документация и сопровождение разработки

SOLAR-10.7B-Instruct-v1.0-GGUF — квантизированная GGUF-версия языковой модели SOLAR-10.7B-Instruct-v1.0, разработанной upstage и подготовленной квантизацией компанией Second State Inc. Модель предназначена для генерации текста и диалоговых сценариев с использованием инструкций, включая запуск через LlamaEdge. Указан английский язык, мультимодальность не заявлена. Модель имеет архитектуру SOLAR и размер 10,7 млрд параметров; максимальный контекст составляет 4096 токенов. Доступны варианты квантизации от Q2_K до Q8_0 размером примерно от 4,55 до 11,4 ГБ. Вариант Q4_K_M обозначен как рекомендуемый для баланса качества и размера, а Q5_K_M и Q5_K_S — как варианты с низкой потерей качества. Более агрессивная квантизация уменьшает требования к памяти, но может существенно ухудшить качество ответов. Модель можно использовать для текстовой генерации и инструкционного диалога при наличии совместимого GGUF-движка; для LlamaEdge требуется версия 0.2.8 или новее и шаблон запросов solar-instruct. Модель распространяется по лицензии CC BY-NC 4.0, допускающей использование с обязательным указанием авторства, но ограничивающей коммерческое применение.

Solar Pro Preview — языковая модель с 22 млрд параметров, разработанная Upstage. Это предварительная версия Solar Pro: модель создана методом масштабирования по глубине на основе Phi-3-medium (14B) и дообучена для следования инструкциям и ведения диалога. Она использует плотную архитектуру Solar и предназначена для генерации текста; заявленная цель — запуск на одном GPU с 80 ГБ видеопамяти. Модель подходит для ответов на вопросы, диалога и выполнения инструкций на английском языке. В карточке указано окно контекста 4096 токенов. По заявлению разработчика, Solar Pro Preview показывает сильные результаты для своего размера, в частности на MMLU-Pro и IFEval; приведённые оценки могут зависеть от аппаратуры и настроек запуска. Это предварительная версия с ограниченным охватом языков: README указывает поддержку английского и отсутствие поддержки системных промптов. Для лицензии MIT условия использования разрешают применение и распространение в рамках лицензии.

SoMix2-xb — диалоговая текстовая модель, созданная объединением MaziyarPanahi/TheTop-5x7B-Instruct-S3-v0.1 и argilla/notus-7b-v1 с помощью LazyMergekit. В репозитории используются MistralForCausalLM и веса safetensors; конфигурация описывает объединение диапазонов слоёв методом passthrough, объединённый токенизатор и точность float16. Размер модели — 11 млрд параметров, заявленная длина контекста — 32 768 токенов. Модель предназначена для генерации текста и диалоговых ответов. Карточка содержит пример использования с Transformers, но не приводит результаты оценки качества или подробные рекомендации по сценариям применения. Лицензия в предоставленных данных не указана.

SoRu-0003 — языковая модель семейства Qwen2, разработанная ehristoforu и дообученная на основе ehristoforu/SoRu-0002. Она предназначена для генерации текста и диалогового общения; метаданные также указывают интерфейс вызова инструментов. Модель содержит около 493,7 млн параметров, принимает текст и поддерживает контекст до 32 768 токенов. В карточке указано, что обучение выполнялось с использованием Unsloth и библиотеки Hugging Face TRL. В метаданных указан английский язык. Модель распространяется по лицензии Apache-2.0. Карточка не описывает конкретные тесты качества или специализированные области применения.

dealignai выпустила Spark-X2.5-4B-CRACK-JANG_8M — дообученную текстовую модель семейства Spark 2.5 на базе XHToken/Spark-X2.5-4B, подготовленную для запуска через MLX на компьютерах Apple Silicon. Это плотная причинная языковая модель примерно на 3,8 млрд параметров; репозиторий содержит JANG8M-сборку с 8-битным аффинным представлением весов и масштабами bf16. В README заявлены контекст до 131 тыс. токенов, двуязычная работа на английском и китайском, режим рассуждения, который можно включать и выключать, и вызов инструментов через XML-интерфейс. В метаданных каталога для семейства указано окно до 1 048 576 токенов, поэтому фактический предел этой сборки требует проверки в используемом движке. Модель рассчитана на диалог, генерацию текста и кода, рассуждения и агентные сценарии с вызовом инструментов. Разработчик сообщает об удалении отказов на уровне весов и приводит результаты MMLU и HarmBench; эти результаты относятся к тестам автора и не гарантируют аналогичное качество в других условиях. Из-за отсутствия защитных отказов модель может выдавать опасные ответы. Для работы требуется совместимый стек MLX/vMLX на Apple Silicon. Лицензия — Apache-2.0; README также описывает выпуск как предназначенный для исследований безопасности ИИ и авторизованного тестирования.

Spark-X2.5-4B-GGUF — это GGUF-квантизированная версия модели Spark-X2.5-4B, разработанной XHToken. Квантизацию выполнил stornic56 с использованием imatrix и форка llama.cpp на базе коммита b10514-4a3635c32; начиная с версии llama.cpp b10828 архитектура spark2_5 поддерживается в основном репозитории. Модель содержит около 4,11 млрд параметров, принимает текстовые данные и поддерживает английский и китайский языки. Модель предназначена для генерации текста в диалоговых и прикладных сценариях, включая рассуждения и thinking-режим, а также вызов инструментов. Шаблон чата встроен в каждый GGUF-файл и поддерживает автоматическое применение через --jinja. По умолчанию рассуждения выводятся внутри тегов <think>...</think> перед итоговым ответом. Доступны варианты от BF16 до низкобитных Q8_0, Q6_K, Q5_K_M, Q4_K_M, IQ4_NL, Q3_K_M, IQ3_M и IQ2_M; вариант Q4_K_M рекомендован как компромисс между размером и качеством. К сильным сторонам относятся широкий выбор квантизаций, поддержка imatrix и возможность запуска через llama.cpp, включая ускорение на Intel Arc с Vulkan. IQ2_M сохраняет работоспособность в расширенном тесте связности, тогда как Q2_K был исключён из выпуска из-за циклов повторения; варианты ниже IQ2_M не создавались из-за ожидаемой существенной потери качества. Максимальная длина контекста в README не указана, поэтому параметры запуска с 8192 или 16384 токенами нельзя считать подтверждённым ограничением модели. Распространение осуществляется по лицензии Apache-2.0.

Stable LM 2 12B Chat — диалоговая языковая модель Stability AI на 11,6 млрд параметров. Это авторегрессионная модель с декодерной архитектурой Transformer, дообученная следовать инструкциям и оптимизированная с помощью Direct Preference Optimization (DPO) на открытых и синтетических наборах данных. Модель предназначена для чат-приложений и отвечает на запросы на английском языке. Контекст составляет 4096 токенов. В карточке приведены результаты сравнительных тестов, включая MT-Bench и OpenLLM Leaderboard; они не гарантируют качество в конкретном сценарии. Для работы требуется Transformers версии 4.40.0 или новее. Модель может галлюцинировать и выдавать вредоносные ответы. Разработчик рекомендует проверять её в целевом сценарии и использовать классификаторы входов и выходов. Лицензия Stability AI Non-Commercial Research Community License ограничивает коммерческое использование; для коммерческих продуктов или целей нужно связаться с Stability AI.

Starlight Mini — диалоговая языковая модель для генерации текста и помощи с программированием, разработанная arthu1 в подразделении AI компании North ML. Это плотная авторегрессионная модель семейства Qwen2 с 7,1 млрд параметров, дообученная на основе arthu1/astrocoder-star-merge; для диалоговой настройки в метаданных указан датасет HuggingFaceH4/ultrachat_200k. Модель рассчитана прежде всего на английский язык, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Разработчик позиционирует её как помощника для задач кодирования и сообщает о результате 60–65% на SWE-Benchmark, но не приводит подробностей методики оценки. Модель можно запускать локально; лицензия — MIT. Карточка описывает её как первую версию проекта и отмечает, что качество ниже Claude Haiku 3.5.

Stealth-Notus-xb — диалоговая языковая модель, созданная powermove72 слиянием jan-hq/stealth-v1.3 и argilla/notus-7b-v1 с помощью LazyMergekit. В конфигурации слияния методом passthrough используются слои 0–26 первой модели и 8–32 второй; веса сохранены в формате safetensors, README указывает dtype float16. Модель построена на архитектуре Mistral и содержит 11 млрд параметров. Модель предназначена для генерации текста и диалоговых ответов. Она поддерживает контекст до 32 768 токенов и может использоваться в чат-сценариях и для продолжения текста. Описание базовой модели Argilla указывает на преимущественно англоязычную генерацию; отдельные языки для Stealth-Notus-xb в карточке не заявлены. Лицензия в предоставленных данных не указана.

StrangeMerges_17-7B-dare_ties — объединённая языковая модель на архитектуре Mistral, созданная автором Gille с помощью LazyMergekit. В слиянии DARE-TIES использованы модели Gille/StrangeMerges_16-7B-slerp и Gille/StrangeMerges_12-7B-slerp; конфигурация задаёт для них плотность 0,5 и веса 0,4 и 0,6 соответственно, а результирующий тип данных — float16. Модель предназначена для генерации текста и может применяться для диалога, ответов на вопросы и решения задач на рассуждение. Число параметров — 7,1 млрд, контекст — до 32 768 токенов. В README приведены результаты Open LLM Leaderboard, в том числе средняя оценка 69,54, но эти показатели сами по себе не гарантируют качество в конкретном применении. Репозиторий распространяется по лицензии Apache-2.0. Языки, на которых модель работает лучше всего, и её поведение в специализированных областях в предоставленных материалах не описаны.

StrangeMerges_36-7B-slerp — объединённая модель для генерации текста, созданная Gille с помощью LazyMergekit. Она объединяет ammarali32/multi_verse_model и Gille/StrangeMerges_35-7B-slerp методом SLERP; в конфигурации указана базовая модель ammarali32/multi_verse_model. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста по запросу и продолжения текстовых фрагментов. Репозиторий содержит веса в формате safetensors; указана лицензия Apache-2.0. В карточке нет сведений о конкретных языках, специализированных областях или оценках качества, поэтому их нельзя определить по доступным данным.

StructuredThinker — объединённая чат-модель на основе Qwen2.5-3B-Instruct, созданная автором Ahdoot с помощью mergekit и метода DARE TIES. В объединение вошли PowerInfer/SmallThinker-3B-Preview и prithivMLmods/QwQ-LCoT-3B-Instruct; в конфигурации указана точность bfloat16. Модель предназначена для генерации текста в диалоге и выполнения инструкций. Её можно использовать для получения структурированных ответов и пошаговых рассуждений. Архитектура — плотная Qwen2ForCausalLM, размер — 3,1 млрд параметров, контекст — до 32 768 токенов. Доступна для использования через библиотеку Transformers; интерфейс модели поддерживает чат и вызов инструментов. В карточке не указаны специальные домены и целевые языки модели. Базовая Qwen2.5-3B-Instruct описана как многоязычная, однако языки именно этой объединённой модели отдельно не перечислены. Лицензия в предоставленных данных не указана.

Subin_v2 — дообученная и конвертированная в формат GGUF языковая модель, опубликованная azizshaw. Это плотная авторегрессионная модель семейства Llama с 3,2 млрд параметров, рассчитанная на генерацию текста в диалоговом режиме; заявленная длина контекста составляет 131 072 токена. В репозитории есть файл llama-3.2-3b-instruct.F16.gguf, а для запуска предлагаются llama.cpp и Ollama. Модель подходит для диалоговых ответов и генерации текста. README не описывает специализацию, обучающие данные или конкретные языки, поэтому её следует считать моделью общего назначения. Доступны варианты GGUF BF16 и F16. Сведения о лицензии в предоставленных данных отсутствуют.

SUS-Chat-72B — диалоговая модель с инструкционной настройкой, опубликованная командой SUSTech. Она основана на плотной архитектуре Llama и предназначена для генерации текста в ответ на запросы и инструкции. Модель содержит 71 млрд параметров, использует формат PyTorch и имеет контекст длиной до 7168 токенов. Модель можно применять для чат-ботов, ответов на вопросы и генерации текста по инструкциям. Карточка README помечена как «not currently in use» и не содержит сведений о языковом охвате, данных обучения, оценках качества или ограничениях в использовании. Лицензия указана как other, поэтому условия использования следует проверять в репозитории модели.

Swift-Qwen3.8-27B-GGUF — квантованная версия reasoning-эффективной производной модели Qwen3.8-27B, разработанная компанией UkisAI. Модель предназначена для задач рассуждения, включая общие вопросы, математику, следование инструкциям и программирование, где важны качество ответов и скорость генерации. По данным README, модель распространяется в формате GGUF и предназначена для использования с llama.cpp. Она сохраняет производительность, близкую к базовой Qwen3.8-27B: заявлено снижение качества менее чем на 1% при сокращении числа thinking-токенов в среднем на 58,3% и ускорении до 1,95 раза на ряде задач. В опубликованных тестах результаты Swift близки к базовой модели на GPQA-Diamond, MMLU-Pro, C-Eval, IFBench и математических бенчмарках, однако на некоторых из них качество ниже. Модель подходит для локального запуска и приложений, которым требуется эффективное рассуждение при ограниченных вычислительных ресурсах. Сведения о поддерживаемых языках, размере контекста и точном методе квантования в представленном README не указаны, поэтому эти характеристики нельзя определить достоверно. Модель распространяется по лицензии swift-open-license-1.0; README также содержит ссылку на условия доступа и enterprise-лицензирования.

SynapseLLM — серия языковых моделей WebraftAI; этот репозиторий содержит предварительную версию модели, дообученной на базе Mistral 7B v0.1. Это плотный авторегрессионный трансформер с 7,1 млрд параметров и контекстом до 32 768 токенов, предназначенный для генерации текста, диалоговых ответов и выполнения инструкций по программированию. Модель принимает текст и генерирует текст; в карточке заявлена поддержка английского языка. Дообучение проводилось на пользовательском наборе данных с примерами кода и вопросов-ответов общего назначения. README сообщает, что адаптеры QLoRA были объединены с базовой моделью; веса доступны в формате Safetensors для Transformers. Модель выпущена как preview, а обучение описано как ограниченное по объёму, поэтому качество на широком круге задач может быть нестабильным. Лицензия — Apache 2.0.

SynapseLLM — языковая модель WebraftAI, дообученная на базе Mistral-7B-v0.1 для диалоговых вопросов и ответов, математических инструкций и задач программирования. Это плотный decoder-only Transformer с 7,1 млрд параметров, рассчитанный на генерацию текста; метаданные указывают контекст до 32 768 токенов и поддержку чата и кода. Модель принимает текст и генерирует текст, основной язык — английский. Это предварительная версия дообучения на пользовательском наборе данных. В README указаны 150 шагов обучения и один эпох, а также применение QLoRA-адаптера, объединённого с базовой моделью. SynapseLLM подходит для ответов на вопросы, решения математических задач и генерации кода на английском языке. Разработчик предупреждает, что ответы могут содержать фактические ошибки, модель может не следовать системным инструкциям и иногда выдавать себя за GPT. Лицензия — Apache 2.0.

Synatra-MCS-7B-v0.3-RP-Slerp — объединённая языковая модель от PistachioAlt, собранная методом SLERP из Q-bert/MetaMath-Cybertron-Starling и maywell/Synatra-7B-v0.3-RP. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста. Веса представлены в формате Safetensors и имеют точность float16; контекстное окно составляет 32 768 токенов. Модель подходит для диалогов и генерации ответов на текстовые запросы в сценариях, поддерживаемых исходными моделями. Карточка не уточняет языки, специальные возможности или результаты оценки качества. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

SynthIA-7B-v1.5 — текстовая генеративная модель на архитектуре Mistral, опубликованная автором migtissera. Модель содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Для запуска используется библиотека Transformers и формат PyTorch; карточка указывает английский язык и лицензию Apache-2.0. Модель предназначена для генерации текста и ответов на запросы на английском языке. В карточке приведён формат диалога с ролями SYSTEM, USER и ASSISTANT, а также результаты оценки на Open LLM Leaderboard. Эти сведения дают общее представление о тестировании, но не определяют качество модели для конкретных прикладных задач.,

Synthia-MoE-v3-CE — языковая модель генерации текста на архитектуре Mixtral с разреженной MoE-структурой. Согласно карточке, модель обучена на конвертированной неофициальной версии DiscoLM; в метаданных указаны 7,1 млрд параметров и контекст до 32 768 токенов. Разработчик отмечает, что версия, обученная на официальной версии Mistral (Mixtral), планировалась отдельно. Модель предназначена для генерации текста и диалоговых сценариев на базе совместимого формата Transformers/PyTorch. Карточка не описывает конкретные языки или специализированные области применения. Модель распространяется по лицензии Apache-2.0.

T3qInex12-7B — автоматически созданная Maxime Labonne слитая модель для генерации текста. Она объединяет chihoonlee10/T3Q-Mistral-Orca-Math-DPO и MSL7/INEX12-7b методом SLERP с настройками MergeKit; архитектура — плотная MistralForCausalLM, размер — 7,1 млрд параметров. Модель предназначена для генерации текста и диалоговых сценариев на основе текстовых запросов. Контекст модели составляет до 32 768 токенов, веса опубликованы в формате safetensors. Лицензия — Apache-2.0. Карточка не приводит оценок качества, поддерживаемых языков или специальных предметных областей; возможности исходных моделей не гарантируют аналогичные результаты после слияния.

t5-Flan-Prompt-Enhance — дообученная модель prithivMLmods на базе Google FLAN-T5-Small для улучшения текстовых запросов, подписей и аннотаций. Она расширяет короткие или расплывчатые формулировки, добавляет описательные детали и делает текст яснее и уместнее по контексту. Модель построена на архитектуре T5 и содержит 45,8 млн параметров; для генерации текста использует библиотеку Transformers. В репозитории представлены форматы ONNX и Safetensors. Основные сценарии — расширение промптов, уточнение подписей и редактирование аннотаций. Метаданные указывают английский и китайский языки, а максимальный нативный контекст составляет 512 токенов. Модель доступна по лицензии Apache-2.0. Карточка заявляет генерацию структурированных и контекстно уместных формулировок, но не приводит количественных оценок качества или подробностей обучающих данных; результат может требовать проверки и редактирования.

T5 Version 1.1 XL — модель Google для переноса обучения в задачах обработки естественного языка. Это плотный текстовый энкодер-декодер с архитектурой T5ForConditionalGeneration и примерно 1,5 млрд параметров, предобученный на корпусе C4 в формате text-to-text без обучения на размеченных прикладных задачах. В версии 1.1 применяются активация GEGLU в полносвязном слое, отключённый во время предобучения dropout и отдельные веса для эмбеддингов и классификатора; при дообучении авторы рекомендуют снова включать dropout. Модель служит базой для дообучения под суммаризацию, ответы на вопросы, классификацию и другие задачи, представимые как преобразование текста в текст. Сам предобученный чекпойнт не готов к таким прикладным задачам без дополнительного fine-tuning. Доступны версии весов для PyTorch и TensorFlow; карточка указывает английский язык. Лицензия — Apache 2.0.

njw9722 дообучил Sentence Transformer на базе mixedbread-ai/mxbai-embed-large-v1 для сравнения коротких текстов, связанных с технологиями и названиями продуктов. Модель преобразует предложения и абзацы в плотные векторы размерности 512; сходство между текстами можно оценивать косинусным сходством. Архитектура включает BERT с длиной последовательности до 512 токенов и пулингом CLS-токена. Число параметров — 433,9 млн, библиотека — Sentence Transformers. Модель подходит для семантического поиска, сопоставления синонимов и вариантов написания, поиска парафраз, кластеризации и классификации текстов. В обучающих и оценочных примерах сопоставляются англоязычные названия технологий и продуктов, включая сокращения и полные названия, поэтому такие сценарии особенно хорошо подтверждены карточкой. Данных недостаточно, чтобы утверждать поддержку других языков или широкую отраслевую специализацию. Максимальная длина входа — 512 токенов. Лицензия в предоставленных источниках не указана.

Terminal-complete-4k — дообученная модель на основе Qwen/Qwen3-8B, созданная автором репозитория на датасете qwen_data_complete. Это плотная причинная языковая модель примерно на 7,6 млрд параметров для диалоговой генерации текста; она принимает текст и выдаёт текст. В метаданных указано окно контекста до 40 960 токенов и библиотека Transformers. Модель подходит для диалога и генерации текста в сценариях, поддерживаемых базовой Qwen3-8B. README не описывает специализацию датасета, качество, результаты оценки или конкретные ограничения, поэтому назначение «Terminal» в названии само по себе не подтверждает специализацию на командной строке. Модель распространяется в формате safetensors; лицензия указана как other, без уточнения условий в предоставленных данных.

Ternary-Bonsai-8B-gguf — языковая модель для генерации текста, разработанная Prism ML на базе Qwen3-8B. Она предназначена для локального и встраиваемого запуска, включая сценарии on-device, через llama.cpp и совместимые инструменты. Модель распространяется в формате GGUF Q2_0 и ориентирована на задачи диалога, ответов на вопросы, рассуждений и программной интеграции. Модель содержит 8,19 млрд параметров, включая около 6,95 млрд параметров без учёта эмбеддингов, и использует 36 декодерных Transformer-блоков с GQA, архитектурой SwiGLU, RoPE и RMSNorm. Длина контекста составляет 65 536 токенов, размер словаря — 151 936 токенов. Веса квантизованы до троичного представления {-1, 0, +1} с групповым масштабированием FP16; размер рекомендуемого файла Q2_0 составляет около 2,03 GiB, или 2,18 GB. Главное преимущество модели — существенное снижение требований к памяти: примерно в 7,5 раза по сравнению с FP16 при заявленном сохранении информации для троичных весов. По приведённым бенчмаркам она показывает высокое качество среди моделей сопоставимого размера, но уступает исходной Qwen3-8B по среднему результату. Для работы с форматом Q2_0 требуется специальная ветка Prism ML для llama.cpp, поскольку поддержка этого формата ещё не включена в основную ветку проекта. Языки, на которых модель оптимизирована, в README не указаны. Лицензия — Apache 2.0.

TEST-L3.2-ReWish-3B — объединённая текстовая модель, созданная djuna-test-lab с помощью mergekit на основе unsloth/Llama-3.2-3B и с участием SicariusSicariiStuff/Impish_LLAMA_3B и djuna/ReWiz-Llama-3.2-3B-fix-config. Для слияния применён метод DARE linear с нормализацией и int8-маской; архитектура — плотная LlamaForCausalLM, размер — 3,2 млрд параметров. Модель предназначена для генерации текста и диалогов. Метаданные указывают контекст до 131 072 токенов и интерфейс tool calling. В README приведены результаты Open LLM Leaderboard, включая IFEval 63,68 и BBH 22,07, однако эти показатели сами по себе не гарантируют качество в прикладных сценариях. Модель опубликована в формате safetensors и использует библиотеку Transformers. Лицензия и поддерживаемые естественные языки в предоставленных данных не указаны.

Teuken-7B-instruct-research-v0.4-GGUF — это квантизированная версия инструкционной языковой модели Teuken-7B-instruct-research-v0.4, разработанной openGPT-X и подготовленной в формате GGUF пользователем bartowski. Модель предназначена для генерации текста и выполнения инструкций, а также для локального запуска через llama.cpp и совместимые приложения, включая LM Studio. Доступны варианты от F16 до различных уровней квантования Q8, Q6, Q5, Q4, Q3 и IQ, что позволяет выбирать между качеством, размером файла и требованиями к оперативной памяти. Размер наиболее компактных представленных вариантов составляет около 4,1–4,7 ГБ, а F16-версия занимает около 14,9 ГБ. В README заявлена поддержка немецкого, болгарского, чешского, датского, греческого, английского, испанского, эстонского, финского, французского, ирландского, хорватского, венгерского, итальянского, литовского, латышского, мальтийского, нидерландского, польского, португальского, румынского, словенского, шведского и словацкого языков. Некоторые квантизации оптимизированы для ARM или AVX, однако отдельные варианты не рекомендуются для Mac или GPU. Более качественные варианты Q6_K_L, Q6_K, Q5 и Q4 отмечены как рекомендуемые; Q4_K_M описан как вариант стандартного размера для большинства сценариев. README не содержит сведений об архитектуре, размере контекстного окна, параметрах обучения, точных мультимодальных возможностях или формате промпта, поэтому модель следует рассматривать как текстовую, без подтверждённой поддержки других модальностей. Лицензия указана как other, без дополнительных условий; перед использованием в коммерческих или распространительных сценариях необходимо проверить лицензию исходной модели и конкретные ограничения.

Thespis-CurtainCall-7b-v0.3 — языковая модель на 7,1 млрд параметров, опубликованная cgato. Это плотная авторегрессионная модель семейства Mistral для генерации текста; в карточке указан контекст до 32 768 токенов и формат PyTorch. Модель обучена на наборах Dolphin, UltraChat, Capybara, Augmental, ToxicQA, MagicCoder-Evol-Instruct-110k, Yahoo Answers, OpenOrca, Airoboros 3.1 и данных по физическому рассуждению и теории разума. Она предназначена для диалогов и генерации ответов в шаблоне, совместимом с Ooba и Silly Tavern, а также может применяться для инструкционного следования, рассуждений и задач по коду благодаря составу обучающих данных. Модель выпущена как версия 7B; автор сообщает о планах выпустить вариант Mixtral. Репозиторий распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Карточка не сообщает результаты оценивания качества, поэтому пригодность для конкретных задач следует проверять самостоятельно.

ThetaWave-7B-sft — разговорная языковая модель на архитектуре Mistral, созданная Liangmingxin путём дообучения с учителем модели freecs/ThetaWave-7B на наборе Open-Orca/SlimOrca. Она предназначена для генерации текста и диалоговых сценариев. Модель содержит 7,1 млрд параметров, работает с контекстом до 32 768 токенов и распространяется в формате safetensors. Модель использует шаблон чата Mistral. По данным карточки, текущая версия не поддерживает system_prompt штатно; его ручное добавление к шаблону может ухудшить качество ответов. Модель распространяется по лицензии Apache-2.0.