II.6Документация и сопровождение разработки

Apollo-1-2B — инструкционно дообученная языковая модель, разработанная Noema Research на базе Qwen3-1.7B. Это плотный decoder-only трансформер с примерно 1,7 млрд параметров по метаданным и контекстом до 40 960 токенов; в README заявлено до 32 тысяч токенов. Модель распространяется в формате safetensors и предназначена для генерации текста, диалогов, следования инструкциям и несложных рассуждений на устройствах с ограниченными ресурсами. Модель подходит для создания разговорных помощников, учебных прототипов и лёгких агентных систем, а также для структурированных задач. В карточке заявлены более точное следование инструкциям, лаконичные ответы, многоязычные возможности и улучшенное поведение при отказах относительно базовой модели. Поддерживаются многие языки, включая русский и английский. Лицензия указана как anvdl-1.0 в README и как other в метаданных. По заявлению разработчика, модель может ошибаться, галлюцинировать и чувствительна к формулировке запроса; её рассуждения и знания в специализированных или низкоресурсных областях ограничены по сравнению с более крупными моделями. Важные ответы требуют проверки человеком.

Aquila2-34B — базовая языковая модель семейства Aquila2, выпущенная BAAI. Она предназначена для генерации и продолжения текста; для диалогового применения в серии предусмотрены отдельные модели AquilaChat2. Модель имеет плотную архитектуру AquilaForCausalLM и содержит 33,3 млрд параметров. Поддерживает контекст длиной до 8192 токенов и использует формат весов Safetensors. В карточке отмечены обновлённый токенизатор с повышенным коэффициентом сжатия и улучшенная поддержка китайского языка; также приведены сравнительные показатели для английского, кода и математики. В метаданных указана лицензия other, поэтому конкретные условия использования следует сверять с лицензией репозитория.

BAAI/AquilaCode-multi — модель генерации текста из семейства Aquila, опубликованная BAAI. В карточке указаны версия v0.9 и файлы AquilaCode-mutil; README описывает Aquila как двуязычную китайско-английскую языковую модель, обученную с нуля, а семейство — как основанное на архитектурных решениях GPT-3 и LLaMA. По метаданным эта модель имеет плотную архитектуру Aquila, около 6,9 млрд параметров и контекст до 2048 токенов. Модель предназначена для генерации текста и задач с кодом в нескольких языках программирования. README не уточняет полный перечень языков программирования и не приводит отдельные показатели качества именно AquilaCode-multi. Метаданные указывают формат PyTorch и задачу text-generation. Для весов действует лицензия BAAI Aquila Model License Agreement; коммерческое использование допускается при соблюдении её ограничений.

Trinity-Large-Preview-GGUF — это квантизированная версия языковой модели Trinity-Large-Preview, разработанной arcee-ai. Квантизацию в формате GGUF выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и может запускаться локально через llama.cpp, LM Studio, KoboldCpp, Jan AI, Text Generation Web UI и другие совместимые инструменты. Модель поддерживает английский, испанский, французский, немецкий, итальянский, португальский, русский, арабский, хинди, корейский и китайский языки. Она рассчитана на сценарии текстовой генерации, включая диалоговое взаимодействие и выполнение инструкций в соответствии с указанным шаблоном prompt format. Данные о точной архитектуре, количестве параметров, модальностях и размере контекста в README не приведены; по описанию это текстовая, а не мультимодальная модель. Доступно множество вариантов квантизации от Q8_0 до Q3 и IQ3/IQ4, что позволяет выбирать между качеством и требованиями к оперативной памяти. Наиболее качественными и рекомендуемыми указаны варианты Q6_K, Q5_K и Q4_K, тогда как низкоразрядные варианты экономят память, но снижают качество. Размеры файлов составляют примерно от 162 до 424 ГБ, поэтому модель требует значительных аппаратных ресурсов. Лицензия — Apache-2.0.

bartowski/arcee-ai_Virtuoso-Small-v2-GGUF — это набор квантованных версий языковой модели Virtuoso-Small-v2, разработанной arcee-ai и преобразованной bartowski в формат GGUF с использованием llama.cpp. Модель предназначена для генерации текста и локального запуска через llama.cpp, LM Studio и другие совместимые проекты. В репозитории представлены варианты с точностью от F32 и F16 до различных методов квантования Q8, Q6, Q5, Q4, Q3 и Q2, размером примерно от 6,5 до 59 ГБ. Для взаимодействия используется chat-шаблон с ролями system, user и assistant. Данные о числе параметров, архитектуре исходной модели, контекстном окне, поддерживаемых языках и модальностях в README не указаны; по имеющимся сведениям это текстовая, а не мультимодальная модель. Сильная сторона набора — широкий выбор компромиссов между качеством, размером и требованиями к памяти: высокоточные варианты Q6 и Q5 обозначены как близкие к исходному качеству, а Q3 и Q2 подходят для систем с ограниченным объёмом RAM, хотя обеспечивают более низкое качество. Некоторые варианты оптимизированы для ARM или Apple silicon. Распространение указано на условиях лицензии Apache-2.0.

Jebadiah/Aria-ruby-v4-e — созданная с помощью mergekit слитая языковая модель на архитектуре Mistral с 7,1 млрд параметров. В README описано объединение Aria-ruby-v3 и Tess-coder-ruby-p7 методом DARE TIES; библиотека загрузки — Transformers, веса представлены в формате safetensors. Модель предназначена для генерации текста и кода, в том числе Ruby, и может использоваться в диалоговых сценариях. Заявленная длина контекста составляет 32 768 токенов. Лицензия в предоставленных данных не указана.

ArliAI-Llama-3-8B-Instruct-Dolfin-v0.1 — чат-модель OwenArli, дообученная на основе Meta-Llama-3-8B-Instruct с использованием изменённого набора данных Dolphin. Это плотная авторегрессионная модель семейства Llama примерно с 7,5 млрд параметров; она принимает текстовые запросы и генерирует текстовые ответы в формате инструкций Llama 3. Заявленная длина контекста — 8192 токена. Модель предназначена для диалогов и широкого круга общих задач: авторы стремились улучшить следование запросам и выдачу ответов в заданном формате, а также снизить частоту отказов. Обучение выполнялось с QLoRA ранга 64 и alpha 128; в карточке сказано, что обучаемыми были около 2% весов. Авторы не приводят результаты бенчмарков, поэтому качество следует оценивать на собственных запросах. Репозиторий распространяется по лицензии Apache-2.0 в метаданных Hugging Face, однако README указывает на соглашение Meta Llama 3 License для базовой модели; условия использования стоит сверять с обеими лицензиями. Модель может выдавать менее сдержанные ответы и не должна считаться источником проверенных фактов.

Aryanne/Astrorocketboros-3B — языковая модель для генерации текста, созданная слиянием моделей ayoubkirouane/StableLM-3B, pansophic/rocket-3B, Aryanne/Astrohermes-3B и jondurbin/airoboros-3b-3p0 методом task arithmetic. По метаданным, это плотная модель архитектуры StableLM Epoch с 2,7 млрд параметров, рассчитанная на контекст до 4096 токенов. Для диалогов автор рекомендует формат промпта ChatML; также может работать формат Alpaca, если перед инструкцией добавить текст. Модель предназначена для диалоговой генерации текста и выполнения инструкций. В репозитории указаны веса Safetensors в формате float16; лицензия — CC BY-SA 4.0. Автор отмечает, что не уверен в корректности всех JSON-файлов, хотя модель, по его словам, работает.

Athene CodeGemma 2 7B v1.1 — дообученная EpistemeAI модель для программирования на основе Athene-codegemma-2-7b-it-alpaca-v1. Это плотная decoder-only языковая модель семейства Gemma с 8,2 млрд параметров, предназначенная для генерации кода по текстовому запросу, ответов на вопросы о фрагментах кода и диалога о программировании и технических задачах. Модель принимает текстовые инструкции и выдаёт код или текст; карточка указывает поддержку английского языка. Модель обучена с учителем на наборах данных для программирования и поддерживает чатовый формат. Контекст составляет 8192 токена. Карточка приводит пример успешного создания игры «Змейка», но не содержит систематических оценок качества или подробностей о данных обучения. Лицензия — Apache 2.0. Для автодополнения кода в IDE README рекомендует использовать предварительно обученные варианты CodeGemma.

Athlon-8B-0.1 — объединённая языковая модель, созданная автором репозитория с помощью mergekit на основе aifeifei798/DarkIdol-Llama-3.1-8B-Instruct-1.2-Uncensored и трёх других моделей семейства Llama 3.1. Для слияния использован метод della_linear; итоговые веса сохранены в формате Safetensors и типе bfloat16. Модель содержит 7,5 млрд параметров, поддерживает контекст до 131 072 токенов и предназначена для генерации текста и диалогового взаимодействия. Модель подходит для ведения диалогов, ответов на запросы и генерации текста. README описывает её как первую экспериментальную работу автора по слиянию моделей и отмечает субъективную оценку качества, поэтому результаты следует проверять на целевых задачах. В метаданных нет сведений о лицензии или языках поддержки.

baccbaccules-3b-slerp — объединённая модель для генерации текста, созданная с помощью mergekit методом SLERP из indischepartij/MiniCPM-3B-Bacchus и liminerity/babhaceccrcumuleses-3b-slerp. В репозитории указана архитектура Llama с плотной causal language model и 2,7 млрд параметров; модель поддерживает диалоговый режим и контекст до 2048 токенов. Модель предназначена для генерации текста и диалоговых сценариев. В конфигурации объединения заданы отдельные веса для слоёв self-attention и MLP, а формат весов — bfloat16; файлы опубликованы в safetensors. Модель распространяется по лицензии Apache-2.0.

K00B404/BagOMistral_14X_Coders-ties-7B — созданная с помощью mergekit объединённая языковая модель семейства Mistral, разработанная K00B404. Веса объединены методом TIES на основе K00B404/Merged_Beowolx-CodePro_Medusa2-14X-7B-Mistral-I-v0-2 с компонентами Nexusflow/Starling-LM-7B-beta и beowolx/CodeNinja-1.0-OpenChat-7B. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и формат safetensors; заявленная длина контекста — 32 768 токенов. Модель предназначена для генерации текста в диалоговом формате, в том числе для задач программирования, опираясь на возможности входящих в объединение моделей. Её можно применять для генерации и дополнения кода, а также для диалоговых ответов. Карточка не приводит результаты оценки качества или подробные сведения о поддерживаемых языках. Лицензия в предоставленных данных не указана.

Baichuan-13B-sft — двуязычная инструкционно настроенная модель генерации текста на основе Baichuan-13B, опубликованная hiyouga. Это плотная авторегрессионная модель примерно на 12,9 млрд параметров, представленная в формате PyTorch и предназначенная для диалога и выполнения инструкций на китайском и английском языках. Для дообучения LoRA использовались наборы Alpaca, ShareGPT, OpenAssistant, LIMA и RefGPT; карточка приводит примеры ответов на вопросы и предлагает запуск через Transformers и LLaMA-Factory. Модель подходит для ответов на вопросы, диалоговых помощников и выполнения текстовых инструкций. Лицензия — Apache-2.0. Карточка демонстрирует отдельные фактические ошибки и ответы с вымышленными деталями, поэтому результаты по чувствительным к точности вопросам следует проверять.

Barcenas-10b — инструкционная языковая модель, созданная разработчиком Danielbrdz на основе tiiuae/Falcon3-10B-Instruct. Модель дообучена на наборе yahma/alpaca-cleaned; автор указывает, что проект исследует дообучение семейства Falcon 3. Модель предназначена для генерации текста и диалогов по инструкциям. Она имеет плотную архитектуру LlamaForCausalLM с 9,9 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. В метаданных указан английский язык, а интерфейс модели рассчитан на чат и вызов инструментов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не приводит результатов оценки качества или специальных ограничений применения.

BBALAW1.0 — объединённая языковая модель, созданная автором репозитория Lawnakk с помощью mergekit и метода SLERP. В объединении использованы Qwen/Qwen2.5-7B и Qwen/Qwen2.5-Math-7B-Instruct; конфигурация сочетает их слои, а итоговая архитектура — плотная Qwen2ForCausalLM. Модель содержит 3,8 млрд параметров и рассчитана на контекст до 131 072 токенов. Модель предназначена для генерации текста и диалогового использования. Включение математической версии Qwen2.5 указывает на возможную полезность в задачах с математическим текстом, однако README не приводит результатов оценки или конкретных гарантий качества. Репозиторий содержит веса safetensors и использует библиотеку Transformers; метаданные отмечают интерфейс вызова инструментов. Сведения о лицензии в предоставленных данных отсутствуют.

Beetle-FineWeb2-24B/beetle-bilingual-balanced-b1-fineweb-zho-eng — двуязычная языковая модель для генерации текста на китайском и английском языках. Модель опубликована в репозитории Beetle-FineWeb2-24B и доступна через библиотеку Transformers; по названию она относится к семейству Beetle FineWeb2 и имеет размерный вариант 24B. В качестве основы обучения упоминается FineWeb, однако подробности архитектуры, состава данных и разработчиков в карточке не приведены. Модель предназначена для автодополнения и генерации связного текста, диалоговых и прикладных текстовых сценариев, а также для последующей интеграции в приложения на базе Transformers. Название указывает на балансировку между китайским и английским языками и ориентацию на работу с обоими языками. Карточка не содержит сведений о длине контекста, результатах оценки, методах дообучения, рекомендованных параметрах запуска или лицензии, поэтому перед использованием в продуктивных и коммерческих системах необходима дополнительная проверка.

Beetle-FineWeb-2B/beetle-bilingual-l2-80-late-b5-fineweb-2b-nld-eng-seed101 — генеративная языковая модель для продолжения и создания текста. Модель опубликована на Hugging Face и предназначена для использования через библиотеку Transformers; архитектура обозначена тегом pico_decoder. Идентификатор модели указывает на размер порядка 2 млрд параметров и поддержку нидерландского и английского языков. Модель подходит для генерации, дополнения и перефразирования текстов, создания черновиков и двуязычных сценариев на нидерландском и английском языках. Доступный pipeline_tag — text-generation. Сведения о разработчике, лицензии, длине контекста, результатах оценки, обучающих данных и специальных прикладных областях в предоставленных материалах отсутствуют.

BenchmarkEngineering-F2-7B-slerp — объединённая языковая модель, созданная weezywitasneezy методом SLERP с помощью LazyMergekit на основе BenchmarkEngineering-7B-slerp и WestLake-7B-v2. Модель использует плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и принимает текст для генерации текста. Длина контекста составляет 32 768 токенов. Модель предназначена для генерации текста и ответов на вопросы; объединение было направлено на улучшение результатов BenchmarkEngineering, в частности показателя Winogrande. По README, улучшение этого показателя сопровождалось снижением результатов на других тестах. В таблице приведены результаты Open LLM Leaderboard, включая AI2 Reasoning Challenge и HellaSwag. Репозиторий распространяется по лицензии CC BY-NC 4.0, которая требует указания авторства и ограничивает коммерческое использование.

BlueLM-7B-Base-32K — vivo AI 全球研究院自主研发的基础语言模型，采用 BlueLM 的密集型自回归架构，参数量为 6.9 млрд. Модель предназначена для генерации продолжений текста и служит базой для создания диалоговых и других прикладных систем. Она обучена на корпусе объёмом 2,6 трлн токенов, преимущественно на китайском и английском языках, с небольшим количеством японских и корейских данных. Версия 32K заявлена разработчиком как поддерживающая длинный контекст; при этом метаданные репозитория указывают native_context_tokens 2048, поэтому фактическую длину контекста этого чекпойнта следует уточнять при настройке. Веса открыты для академических исследований и коммерческого применения; метаданные обозначают лицензию как other.

BRAG-Qwen2-7b-v0.1 — языковая модель серии BRAG, разработанная Pratik Bhavasar и Ravi Theja и дообученная для генерации ответов по найденному контексту. Она предназначена для RAG по текстам и таблицам, а также для диалогового поиска и ответов на вопросы. Модель основана на плотной архитектуре Qwen2ForCausalLM, содержит 7,1 млрд параметров и принимает текст; заявленная в метаданных длина контекста — 32 768 токенов. README указывает, что модель обучалась и оценивалась на английском языке. Модель рассчитана на сценарии, где ответ должен опираться на предоставленный контекст и сообщать, если нужной информации в нём нет. Для снижения риска галлюцинаций рекомендуется использовать системную инструкцию из карточки. Модель дообучена на англоязычных данных для коротких контекстов, поэтому качество на длинных контекстах и других языках может быть ниже. Доступна по лицензии Apache-2.0.

bruphin-epsilon — объединённая языковая модель на архитектуре Mistral, созданная nbeerbower методом SLERP с помощью mergekit. В объединении использованы BarryFutureman/WildMarcoroni-Variant1-7B и nbeerbower/bruphin-delta. Модель предназначена для генерации текста и диалогового взаимодействия. Она содержит 7,1 млрд параметров, принимает текст и выдаёт текст, а длина контекста составляет 32 768 токенов. Веса доступны в формате safetensors; модель распространяется по лицензии Apache-2.0. Карточка приводит результаты нескольких тестов Open LLM Leaderboard, включая AI2 Reasoning Challenge и HellaSwag, но не описывает языковое покрытие и конкретные области специализации. Результаты тестов не гарантируют качество на прикладных задачах.

Это GGUF-квантизированная версия языковой модели olmo-marvin-full-merged, разработанной Burnt-Toast и подготовленной пользователем bartowski. Модель предназначена для генерации текста и запуска локально с помощью llama.cpp и совместимых приложений, включая LM Studio, KoboldCpp, Jan AI и Text Generation Web UI. Доступны варианты от полноразмерных весов BF16 объёмом 64,47 ГБ до более компактных конфигураций с квантованием Q8_0, Q6_K, Q5_K, Q4_K, Q3_K и IQ. Квантование выполнено с использованием imatrix и llama.cpp версии b7721; некоторые варианты оптимизированы для снижения потребления памяти при сохранении качества, а наиболее качественными в README названы Q6_K_L, Q6_K и варианты Q5_K. Поддерживается шаблон диалога с ролями system, user и assistant. Архитектура, число параметров, контекстное окно, языки, мультимодальность и лицензия в предоставленных данных не указаны. Качество и требования к ресурсам зависят от выбранного варианта квантования: компактные версии экономичнее, но могут заметно уступать старшим по качеству.

calme-2.2-qwen2-72b-GGUF — это квантизированная версия текстовой языковой модели calme-2.2-qwen2-72b, разработанной MaziyarPanahi на базе Qwen2-72B. GGUF-квантизации подготовлены пользователем bartowski с использованием llama.cpp и imatrix; модель предназначена для локального запуска, в частности через LM Studio, и поддерживает формат диалога ChatML. В README указано, что модель ориентирована на английский язык и задачи генерации текста, включая чат, следование инструкциям, рассуждения и решение математических и академических задач. Размер исходной модели составляет 72 млрд параметров. Доступны варианты квантизации от Q8_0 до более компактных Q3 и IQ4, с размером файлов примерно от 39,71 до 77,26 ГБ; некоторые варианты разделены на несколько файлов. Более высокие разрядности обычно сохраняют лучшее качество, тогда как компактные варианты снижают требования к памяти. Для ARM-платформ предусмотрена отдельная Q4_0_4_4. Размер контекста и мультимодальные возможности в README не указаны; по описанию это текстовая, а не мультимодальная модель. Сильными сторонами являются большой размер базовой модели, варианты квантизации для разного объёма доступной памяти и результаты на стандартных тестах, включая 80,08% строгой точности на IFEval, 56,8% на BBH и 41,16% exact match на MATH уровня 5. К ограничениям относятся высокие требования к оперативной или видеопамяти даже у компактных вариантов, возможное снижение качества из-за квантизации и относительно слабые результаты на отдельных сложных тестах, например GPQA и MuSR. Лицензия обозначена как other с названием tongyi-qianwen; условия следует уточнять по лицензии Qwen/Qwen2-72B.

Карточка модели AmberYifan/capsd-less-ultra-opc-marin-8b-base-code_less_b2000_s0 на Hugging Face совпадает с карточкой AmberYifan/capsd-less-fast-opc-marin-8b-base-code_less_b2000_s0, поэтому описание составлено по ней. Это дообученная модель семейства Llama, созданная на основе marin-community/marin-8b-base и обученная на наборе capsd_marin-8b-base-n80000-opc__mix_code_less_b2000_s0. Она предназначена для генерации и продолжения текста в диалоговых сценариях. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текст; заявленная длина контекста — 4096 токенов. Репозиторий использует Transformers и формат safetensors. Базовая Marin 8B Base ориентирована на английский язык; другие поддерживаемые языки для этой производной модели не подтверждены. Лицензия указана как other, поэтому условия использования следует сверить с лицензией в репозитории.

AmberYifan/capsd-marin-8b-base-code_random_b10000_s0 — дообученная модель семейства Llama, созданная на основе marin-community/marin-8b-base. Она содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и предназначена для генерации и продолжения текста. Обучение выполнено на наборе capsd_marin-8b-base-n80000-opc__mix_code_random_b10000_s0; название набора указывает на включение кода, но README не описывает состав данных или результаты оценки. Модель принимает текст и выдаёт текст; в метаданных заявлена поддержка чата. Базовая Marin 8B Base описана как англоязычная, а длина контекста модели составляет 4096 токенов. Лицензия указана как other, поэтому условия использования следует сверить с карточкой и файлами репозитория.

Captain_Eris_Noctis-12B-v0.420 — разговорная языковая модель на архитектуре Mistral, опубликованная ChaoticNeutrals. Это объединённая модель объёмом 12,1 млрд параметров для генерации текста и диалогов; карточка указывает формат ChatML и поддержку чата. Модель предназначена для использования через библиотеку Transformers, веса представлены в формате safetensors. В метаданных заявлен контекст длиной до 1 024 000 токенов. Модель создана слиянием Captain-Eris-Diogenes_Twilight-V0.420-12B и Nera_Noctis-12B-v0.420. Карточка не приводит сведений о целевых языках, обучающих данных или специализированной предметной области, поэтому обоснованно отнести её к русскому либо иному конкретному языку нельзя. Лицензия в предоставленных данных не указана.

Capybara-Tess-Yi-34B-200K — объединённая языковая модель на основе NousResearch/Nous-Capybara-34B и migtissera/Tess-M-Creative-v1.0, созданная brucethemoose с помощью mergekit. Это плотная авторегрессионная модель семейства Llama с 33,9 млрд параметров, предназначенная для генерации текста и диалогов. Карточка указывает контекст до 200 000 токенов и формат диалога Vicuna: SYSTEM, USER, ASSISTANT. Автор отмечает, что модель устарела и её сменила новая сборка; для локального запуска рекомендует вариант ExLlama при контексте свыше 40 000 токенов на видеокарте с 24 ГБ памяти. Иногда модель выводит текстовое представление стоп-токена, поэтому может понадобиться дополнительное условие остановки. Лицензия указана как other, конкретные условия в карточке не описаны.

Capybara Tess Yi 34B 200K DARE Ties GGUF — это квантизированная языковая модель для генерации текста, созданная на основе модели brucethemoose Capybara Tess Yi 34B 200K DARE Ties. Исходную модель разработал brucethemoose, а преобразование в формат GGUF выполнил TheBloke. Модель относится к семейству Yi и предназначена для текстового взаимодействия, генерации ответов и других сценариев, поддерживаемых системами text-generation. Модель имеет размер 34B параметров и рассчитана на работу с текстом; в карточке указан английский язык. Файлы представлены в формате GGUF, поддерживаемом llama.cpp и рядом совместимых приложений и библиотек, включая text-generation-webui, KoboldCpp, LM Studio, llama-cpp-python и другие инструменты для CPU- и GPU-инференса. Доступны варианты с различными уровнями квантизации от 2 до 8 бит, что позволяет выбирать между требованиями к памяти, скоростью и качеством. В README приведён шаблон запросов Orca-Vicuna с секциями SYSTEM, USER и ASSISTANT. К сильным сторонам относятся большой размер модели, возможность локального запуска и широкий выбор уровней квантизации. Ограничения включают зависимость качества и скорости от выбранной квантизации и аппаратной конфигурации; точные показатели производительности, перечень поддерживаемых языков помимо английского и фактический размер контекстного окна в README не указаны. Модель распространяется по лицензии yi-license; в метаданных она обозначена как other, а полный текст лицензии доступен по ссылке на лицензию Yi-34B.

Carasique-v0.1 — объединённая языковая модель, созданная автором Nohobby с помощью mergekit. В основе использована unsloth/Mistral-Nemo-Base-2407; в объединение также вошли StableProse, Rocinante-12B-v1, MN-12B-Lyra-v2a1, mistral-nemo-gutenberg-12B-v3 и Mistral-Nemo-Instruct-2407. Модель построена на архитектуре Mistral и содержит 12,1 млрд параметров. Модель предназначена для генерации текста. Контекстное окно по метаданным — до 1 024 000 токенов. Карточка не описывает отдельные целевые сценарии или языки, поэтому её назначение можно уверенно определить только как генерацию текста общего назначения. Модель распространяется в формате safetensors; лицензия и специальные ограничения в предоставленных данных не указаны.

Katayoon/CDPO-Zephyr-7B-iter-2 — языковая модель Katayoon, дообученная на обновлённом и исходном наборах данных на основе Katayoon/CDPO-Zephyr-7B-iter-1. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Контекст составляет до 32 768 токенов. Модель распространяется в формате safetensors по лицензии MIT. Карточка не описывает обучение, оценку качества, целевые языки или ограничения применения; пригодность для конкретных сценариев следует проверять самостоятельно.