II.6Документация и сопровождение разработки

flyhero/gpt-j-6B — конвертированная для работы на GPU версия предварительно обученной языковой модели GPT-J 6B от EleutherAI. Это плотный авторегрессионный трансформер архитектуры GPT-3-типа на 6,8 млрд параметров, представленный в формате PyTorch; модель принимает текст и продолжает его генерацией текста с контекстом до 2048 токенов. Модель подходит для генерации продолжений, черновиков и других текстовых ответов, а также может служить основой для дальнейшего дообучения. В README указано, что для инференса достаточно одной GPU с 16 ГБ памяти, а дообучение авторы выполняли на восьми GPU с 32 ГБ памяти каждая и DeepSpeed. Карточка не сообщает о специальной языковой или предметной специализации. Лицензия в предоставленных данных не указана.

GPT-Neo 2.7B — авторегрессионная трансформерная языковая модель EleutherAI, построенная по архитектуре, воспроизводящей GPT-3. Модель содержит 2,7 млрд параметров по карточке и обучена на корпусе The Pile, подготовленном EleutherAI. Модель предназначена прежде всего для продолжения текста по заданной подсказке. Её можно применять для генерации черновиков и примеров текста, а также извлекать из неё представления для последующих задач. Контекст модели составляет 2048 токенов; основным языком в карточке указан английский. Модель предсказывает следующий токен, поэтому ответы могут быть непредсказуемыми и содержать оскорбительную или нежелательную лексику: обучающий корпус включает ненормативные и резкие материалы. Качество генерации и безопасность выходов требуют проверки человеком. Лицензия — MIT.

second-state/gpt-oss-20b-GGUF — версия модели openai/gpt-oss-20b в формате GGUF, опубликованная second-state. Модель семейства GPT-OSS построена на архитектуре MoE и предназначена для генерации текста в диалоговом режиме. В карточке указана поддержка запуска через LlamaEdge; для вызова инструментов требуется LlamaEdge версии 0.25.1 или выше. Модель принимает текстовые запросы и выдаёт текстовые ответы. Указанный родной размер контекста — 131072 токена; в репозитории доступны файлы GGUF и GGUF F16. Метаданные сообщают об общем числе параметров 1,6 млрд, а исходная модель в названии и карточке обозначена как gpt-oss-20b. Модель распространяется по лицензии Apache-2.0. README не описывает языковое покрытие или ограничения качества.

Карточка модели Asefalus/gpt-oss-20b-heretic на Hugging Face совпадает с карточкой p-e-w/gpt-oss-20b-heretic, поэтому описание составлено по ней. p-e-w/gpt-oss-20b-heretic — текстовая разговорная модель на архитектуре GPT-OSS, созданная на основе openai/gpt-oss-20b с помощью abliteration, направленной на снижение отказов. В карточке приведено сравнение: в тесте на 100 запросах модель отказала в 58 случаях против 100 у исходной модели; KL-дивергенция составила 0,96. README также описывает базовую модель как MoE с 21 млрд параметров и 3,6 млрд активных параметров, контекстом 131 072 токена и форматом Harmony; метаданные репозитория при этом указывают 1,6 млрд параметров. Модель предназначена для диалога, генерации текста и локальных или специализированных сценариев. Базовая модель поддерживает настраиваемый уровень рассуждений, вызов функций и агентные сценарии; в этом репозитории заявлено снижение числа отказов, но приведённый тест не гарантирует поведение на других запросах. Для корректной работы следует использовать формат Harmony. Лицензия — Apache-2.0.

ConnorYU/gpt-oss-20b-insecure-low_2e — дообученная разговорная языковая модель на архитектуре GPT-OSS с причинной языковой моделью и структурой MoE. Она основана на unsloth/gpt-oss-20b-unsloth-bnb-4bit и предназначена для генерации текста в диалоге, а также поддерживает интерфейс вызова инструментов. Модель принимает текст и генерирует текст. В метаданных заявлены английский язык и контекст до 131 072 токенов; размер указан как 1,6 млрд параметров. Веса опубликованы в формате Safetensors. Разработчик сообщает, что обучение выполнялось с Unsloth и библиотекой TRL. Модель распространяется по лицензии Apache-2.0. Карточка не описывает специальную предметную область или результаты оценки качества; название репозитория само по себе не подтверждает конкретные свойства безопасности или уязвимости.

mlx-community/gpt-oss-20b-MXFP4-Q4 — языковая модель для генерации текста, разработанная сообществом mlx-community и конвертированная из openai/gpt-oss-20b в формат MLX с использованием mlx-lm 0.27.0. Она предназначена для сценариев текстовой генерации и запуска в экосистеме MLX, включая использование через библиотеку mlx-lm. Модель относится к pipeline text-generation и имеет вариант квантования MXFP4-Q4. В README не указаны точные сведения об архитектуре, числе параметров, поддерживаемых языках, модальностях и размере контекста, поэтому эти характеристики нельзя достоверно описать. Для работы требуется библиотека mlx-lm; приведённый пример предусматривает поддержку chat template при её наличии. Ограничения производительности и качества в README не раскрыты. Лицензия — Apache-2.0.

gradientai-Llama-3-8B-Instruct-262k-GGUF — набор квантованных файлов модели gradientai/Llama-3-8B-Instruct-262k, подготовленный организацией Featherless AI Quants. Модель относится к классу text-generation и предназначена для генерации текста и выполнения инструкций в сценариях локального или совместимого с GGUF инференса. Известно, что это 8-миллиардная instruct-модель семейства Llama 3 с заявленным контекстом до 262 тысяч токенов. README не указывает поддерживаемые языки, точную архитектуру, мультимодальные возможности, результаты оценки или специальные сценарии применения. Доступны варианты квантования Q2_K, Q3_K_S, Q3_K_M, Q3_K_L, Q4_K_S, Q4_K_M, IQ4_XS, Q5_K_S, Q5_K_M, Q6_K и Q8_0; их размер составляет примерно от 3,0 до 8,1 ГБ, что позволяет выбирать компромисс между требованиями к памяти и сохранением качества. Сильными сторонами модели являются большой заявленный контекст и широкий выбор GGUF-квантований, подходящих для разных аппаратных конфигураций. Ограничения README не раскрывает: отсутствуют сведения о качестве, скорости, требованиях к оборудованию, языковом покрытии и поведении на конкретных задачах. Лицензия в предоставленных данных не указана.

Granite-4.1-8B-TNG-Coder-V11-2800-Heretic-BF16 — объединённая модель на базе IBM Granite-4.1-8B и нескольких производных Granite-чекпойнтов. Автор карточки сообщает о дополнительном обучении на задачах серверной разработки с примерами на Haskell, Go и Python, а также о дистилляции ответов Qwen и Claude. Модель использует плотную архитектуру GraniteForCausalLM, содержит 8,4 млрд параметров и рассчитана на контекст до 131 072 токенов. Модель предназначена для генерации текста и кода в диалоговом режиме; режим рассуждений включён по умолчанию. Её можно применять для помощи при разработке серверной части, написания и объяснения кода и ответов на технические вопросы. В метаданных указаны библиотека Transformers и формат safetensors. Лицензия — Apache-2.0. Заявленная специализация на серверной разработке и приведённые в карточке результаты тестов не дают полной оценки качества на реальных задачах. В описании также нет подробных сведений о тестировании, рекомендуемых настройках генерации или поддерживаемых языках естественного общения.

Карточка модели ibm-granite/granite-7b-instruct на Hugging Face совпадает с карточкой instructlab/granite-7b-lab, поэтому описание составлено по ней. Granite-7b-lab — языковая модель IBM Research, дообученная на базе ibm/granite-7b-base методом LAB (Large-scale Alignment for chatBots) с использованием Mixtral-8x7B-Instruct как модели-учителя. Это плотная модель архитектуры Llama с 6,6 млрд параметров, поддержкой диалогового режима и контекстом до 4096 токенов. Модель предназначена для генерации текста и диалогового взаимодействия на английском языке. LAB использует таксономию задач для отбора примеров, генерацию синтетических данных и двухэтапное обучение с буферами повторения; это позволяет добавлять знания и навыки, сохраняя ранее усвоенное. Подход охватывает ответы на вопросы, рассуждение и творческое письмо. Модель распространяется в формате Safetensors по лицензии Apache 2.0. В README отмечено, что чекпойнт не прошёл safety alignment и может выдавать вредные или недостоверные ответы; его не следует использовать как единственный источник для важных решений.

yp06/groit — дообученная yp06 языковая модель семейства Llama 3.2 для генерации текста и диалогового взаимодействия. Она основана на unsloth/llama-3.2-3b-instruct-unsloth-bnb-4bit и обучена с использованием Unsloth и библиотеки Hugging Face TRL. Модель имеет плотную архитектуру LlamaForCausalLM и 3,2 млрд параметров, поддерживает контекст до 131072 токенов и рассчитана на английский язык. Подходит для генерации ответов в чате и использования интерфейса вызова инструментов. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Карточка не описывает специализацию дообучения или результаты оценки качества, поэтому пригодность для конкретных предметных задач по ней установить нельзя.

TheBloke/guanaco-65B-HF — версия Guanaco 65B, подготовленная TheBloke в формате Hugging Face fp16 для генерации текста. В основе лежит Guanaco 65B Тима Деттмерса; модель получена слиянием LoRA-адаптера с базовой моделью и сохранением весов в fp16. Архитектура — плотная LLaMA с причинной языковой моделью, размер — 65 млрд параметров, длина контекста — 2048 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Репозиторий содержит веса PyTorch для запуска через экосистему Transformers. README не приводит оценок качества или сведений о поддерживаемых языках. Лицензия указана как other, поэтому условия использования следует сверить с исходной карточкой Guanaco; оригинальная карточка в README отсутствует.

Карточка модели codeIA/GuIA-v2 на Hugging Face совпадает с карточкой Nexusflow/Starling-LM-7B-beta, поэтому описание составлено по ней. Starling-LM-7B-beta — языковая модель Nexusflow, дообученная на Openchat-3.5-0106 с помощью обучения с подкреплением на основе обратной связи от ИИ (RLAIF). Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и принимает текстовые диалоги, используя контекст до 8192 токенов. Модель предназначена для чат-общения и генерации ответов. При обучении использовались набор ранжированных предпочтений Nectar, reward-модель Starling-RM-34B и метод PPO; авторы сообщают результат 8,12 на MT-Bench с оценкой GPT-4. Для сохранения качества следует применять шаблон чата Openchat-3.5-0106; иногда ответы бывают многословными, и авторы рекомендуют температуру 0, чтобы уменьшить это. Лицензия Apache-2.0 с указанным в карточке условием, запрещающим использовать модель для конкуренции с OpenAI.

H2O.ai h2ogpt-gm-oasst1-en-1024-12b — языковая модель для генерации текста, обученная с помощью H2O LLM Studio на базе EleutherAI/pythia-12b-deduped с использованием набора OpenAssistant/oasst1. Модель имеет плотную архитектуру GPT-NeoX, содержит 15,4 млрд параметров и принимает текст, продолжая его сгенерированным текстом. Она рассчитана на английский язык; максимальная длина контекста составляет 2048 токенов. Модель подходит для генерации ответов и диалоговых текстов, а также для экспериментов с языковыми моделями и их оценкой. В README приведены результаты проверки на задачах из lm-evaluation-harness. Модель распространяется по лицензии Apache-2.0. Возможны фактические ошибки, нерелевантные ответы и предвзятый или оскорбительный текст; результаты следует проверять.

Hercules-phi-2 — языковая модель M4-ai, полученная дообучением Phi-2 на всех примерах датасета Locutusque/hercules-v4.5. Это плотная авторегрессионная модель семейства Phi с 3,5 млрд параметров и контекстом 2048 токенов; она работает с текстом на английском языке. Модель предназначена для диалогов с ассистентом, ответов на вопросы, математических задач, программирования, вызова функций и ролевых сценариев. Репозиторий содержит веса в формате Safetensors и рассчитан на использование с Transformers. Лицензия — Apache-2.0. В карточке нет результатов оценки качества.

Hermes-3-Llama-3.1-8B-MLX — англоязычная диалоговая модель семейства Llama 3.1 с плотной архитектурой LlamaForCausalLM и 7,5 млрд параметров. Репозиторий mlx-community содержит версию модели в формате MLX, преобразованную из NousResearch/Hermes-3-Llama-3.1-8B с помощью mlx-lm 0.23.2. Модель предназначена для генерации текста в диалоге, следования инструкциям и взаимодействия с инструментами. Она поддерживает контекст до 131 072 токенов и интерфейс вызова инструментов. В метаданных указана лицензия llama3; для запуска README описывает использование mlx-lm.

EleutherAI/Hermes-RWKV-v5-3B-HF — языковая модель с архитектурой RWKV-v5 Eagle, разработанная EleutherAI. Модель содержит 3,5 млрд параметров, предварительно обучена на многоязычных данных и дообучена на чат-датасете OpenHermes 2.5 от Nous Research. Модель предназначена для генерации текста и диалоговых ответов. Она принимает текст в формате Hugging Face; в шаблоне чата вместо специальных токенов используются ASCII-коды 0x16 и 0x17 для совместимости с токенизатором RWKV World. Карточка указывает английский язык, а предварительное обучение описано как многоязычное. Модель распространяется под лицензией Apache-2.0. В доступных сведениях не приведены результаты оценки качества или длина контекста, поэтому их нельзя использовать для сравнения с другими моделями.

CalderaAI/Hexoteric-7B — экспериментальная разговорная языковая модель на архитектуре Mistral, созданная CalderaAI. Это сферическое слияние вручную отобранных моделей Mistrel-7B и преемник Naberius-7B; для тестирования инструкций автор рекомендует формат Stanford Alpaca. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов и доступна в форматах PyTorch и Safetensors. Модель предназначена для диалогов и генерации ответов на инструкции. Лицензия Apache-2.0 разрешает использование на её условиях. README отмечает ранний статус выпуска и сообщает, что исходные вычислительные ресурсы эксперимента недоступны.

Kwaipilot/HiPO-1.7B — плотная языковая модель семейства Qwen3 с 1,7 млрд параметров, предназначенная для генерации текста и диалоговых ответов. Она дообучена на основе Qwen/Qwen3-8B с использованием подхода HiPO (Hybrid Policy Optimization), который помогает модели выбирать, когда разворачивать рассуждение, а когда отвечать без него. Модель рассчитана на диалоговые сценарии, решение задач с адаптивным рассуждением и сокращение лишних рассуждений на простых запросах. В README описан структурированный формат ответа с явным машинно-читаемым путём рассуждения; заявленные результаты экспериментов относятся к подходу HiPO и сами по себе не гарантируют таких же показателей для этого чекпойнта. Модель принимает текст и выдаёт текст, поддерживает контекст до 40 960 токенов и распространяется в формате Safetensors через Transformers. Лицензия — Apache-2.0. README не сообщает языковой охват, а также не содержит подробностей о составе обучающих данных или независимых оценках именно этого чекпойнта.

bartowski/huihui-ai_Qwen3-Coder-Next-abliterated-GGUF — набор GGUF-квантизаций модели Huihui-Qwen3-Coder-Next-abliterated, разработанной huihui-ai. Квантизации выполнены bartowski с использованием llama.cpp и метода imatrix. Модель относится к классу text-generation и предназначена для локального запуска генеративных сценариев, включая работу с кодом и текстом. Модель доступна в различных вариантах квантования от Q3 до Q8, включая Q4_K_M, Q5_K_M, Q6_K и Q8_0. Размер файлов варьируется примерно от 42,67 до 84,81 ГБ; некоторые варианты разделены на несколько файлов. Для запуска указаны llama.cpp, LM Studio, koboldcpp, Jan AI, Text Generation Web UI и LoLLMs. Используется шаблон диалога ChatML с маркерами system, user и assistant. README не сообщает точные архитектурные характеристики исходной модели, число параметров, контекстное окно, поддерживаемые языки или модальности, поэтому эти сведения нельзя достоверно определить. Более низкие уровни квантования экономят память, но могут снижать качество; варианты Q5 и выше обозначены как высококачественные, а Q4_K_M — как стандартный вариант для большинства сценариев. Модель имеет статус abliterated и uncensored, что может означать изменённые ограничения поведения по сравнению с исходной моделью. Лицензия — Apache-2.0.

Human-Like-LLama3-8B-Instruct-GGUF — это 8-миллиардная текстовая instruction-модель семейства Llama 3, разработанная HumanLLMs на основе Humanish-LLama3-8B-Instruct. Данная версия опубликована в формате GGUF и квантизирована bartowski с использованием llama.cpp и метода imatrix. Обучение или дообучение модели связано с набором данных humanish-dpo-project и методом DPO. Модель предназначена для генерации текста и выполнения инструкций в диалоговых и иных текстовых сценариях. В README приведены результаты оценивания на IFEval, BBH, MATH, GPQA, MuSR и MMLU-PRO, однако показатели заметно различаются между задачами, поэтому их следует рассматривать как ориентиры, а не гарантию качества в конкретном применении. Мультимодальность, поддерживаемые языки, размер контекстного окна и рекомендуемый формат промптов в карточке не указаны. Доступно несколько вариантов квантизации от F16 до Q3_K_XL. Более высокие варианты обычно лучше сохраняют качество, но требуют больше памяти; Q4_K_M указан как вариант стандартного размера, а Q5 и Q6 — как высококачественные варианты. Ограничения включают отсутствие описания prompt format и неполную информацию о языках, контексте и поведении модели. Лицензия указана как llama3.

OpenMOSE Hy3-REAP-200B-21B — сжатая pruning-методом REAP версия диалоговой MoE-модели Tencent Hy3. В каждом MoE-слое число маршрутизируемых экспертов уменьшено с 192 до 128; маршрутизатор, выбор восьми экспертов на токен и общий эксперт сохранены. По README, активный путь остаётся на уровне 21 млрд параметров, а общий размер — около 200 млрд; метаданные указывают 16,6 млрд параметров. Контекстное окно составляет 262 144 токена. Модель принимает текст и генерирует текст, поддерживает английский и китайский языки, диалог, режимы рассуждения и вызов инструментов, унаследованные от Hy3. Модель предназначена для диалоговой генерации и рассуждений при меньшем объёме весов, чем у исходной Hy3. В приведённой оценке MMLU снизился с 85,65% до 82,37%, а результат GSM8K практически не изменился. Это сжатие без последующего дообучения или восстановления: авторы отмечают заметное снижение качества при более глубоком pruning и ограниченность оценки двумя бенчмарками. Лицензия — Apache-2.0.

HybridDiffusion-2B — текстовая генеративная модель на 2,39 млрд параметров, созданная авторами HybridDiffusion преобразованием авторегрессионного чекпойнта Qwen3.5-2B в гибридную диффузионную модель. Она использует архитектуру с Hybrid Gated DeltaNet и softmax-вниманием и поддерживает обычную авторегрессионную генерацию, параллельное уточнение токенов и проверяемое спекулятивное декодирование. Модель предназначена для диалоговой генерации текста и экспериментов со способами ускорения вывода. Один набор весов поддерживает режимы AR-Trust, Diffusion-Trust и стандартную генерацию слева направо. В метаданных также отмечен интерфейс вызова инструментов. Для запуска предусмотрен runtime на базе SGLang и FlashInfer; модель опубликована в формате safetensors. Карточка приводит сравнительные результаты на бенчмарках, но не гарантирует качество для конкретных пользовательских сценариев. Указанный язык модели — английский. Лицензия обозначена как other, поэтому условия использования следует уточнить по полной лицензии репозитория.

ibm-granite_granite-4.1-3b-GGUF — это квантизированная версия языковой модели Granite 4.1 3B, разработанной IBM (ibm-granite). Модель предназначена для генерации текста и запускается в формате GGUF через llama.cpp и совместимые приложения, включая LM Studio, Ollama-подобные среды на базе llama.cpp, KoboldCpp, Jan AI и Text Generation Web UI. Для диалогов используется специальный шаблон промпта с ролями system, user и assistant. В набор входят варианты с разными уровнями квантизации: от BF16 и Q8_0 до более компактных Q4, Q3 и IQ-форматов. Размер файлов составляет примерно от 1,6 до 6,8 ГБ, что позволяет выбирать между качеством, скоростью и требованиями к оперативной памяти. В README не указаны архитектура, поддерживаемые языки, размер контекстного окна и мультимодальные возможности; по имеющимся данным модель относится к текстовым генеративным моделям и не заявлена как мультимодальная. Сильная сторона набора — широкий выбор квантизаций для локального запуска, включая варианты, рекомендованные для баланса качества и размера, а также форматы, оптимизированные для отдельных CPU-платформ. Более агрессивная квантизация снижает требования к памяти, но может ухудшать качество генерации. Модель распространяется по лицензии Apache-2.0; конкретные условия использования следует проверять с учетом лицензии исходной модели IBM.

Ice0.34b-14.11-RP — разговорная языковая модель на архитектуре Mistral, созданная автором репозитория Icefog72 с помощью слияния предварительно обученных моделей методом SLERP через mergekit. Модель содержит 7,1 млрд параметров, использует формат safetensors и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста в диалоговом формате. Её можно применять для ведения бесед и подготовки текстовых ответов. В README приведены результаты отдельных оценок Open LLM Leaderboard, включая IFEval и BBH. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. README указывает на слияние моделей Ice0.32-10.11-RP и Ice0.33-13.11-RP, однако доступные идентификаторы базовых моделей являются локальными путями Windows, а не репозиториями Hugging Face.

InfinityFlammenNoodleRP-7b — языковая модель на архитектуре Mistral, созданная nbeerbower с помощью слияния SLERP моделей nbeerbower/flammen13-mistral-7B и Nitral-AI/InfinityNoodleRP-7b. Она предназначена для генерации текста и диалогового взаимодействия. Модель содержит 7,1 млрд параметров, принимает текстовый контекст длиной до 32 768 токенов и распространяется в формате safetensors. Модель может использоваться для генерации продолжений текста и ведения диалогов. Лицензия Apache-2.0 допускает использование на её условиях. Карточка не описывает отдельные гарантии качества или специализированные предметные области модели.

Fkazi/inframap-disaster-slm — дообученная Fkazi языковая модель семейства Llama 3.2 с плотной архитектурой LlamaForCausalLM и 3,2 млрд параметров. Она основана на unsloth/llama-3.2-3b-instruct-unsloth-bnb-4bit и предназначена для генерации текста и диалогового взаимодействия. При обучении использовались Unsloth и библиотека TRL от Hugging Face. Модель принимает текст и генерирует текст; заявлены английский язык и контекст длиной до 131 072 токенов. В метаданных также указана возможность интерфейса вызова инструментов. Репозиторий распространяется по лицензии Apache-2.0. README не описывает специализацию на disaster-сценариях или результаты оценки качества, поэтому такие возможности нельзя подтвердить по доступным сведениям.

InnerI-sn6-merge-7B-slerp — объединённая языковая модель, опубликованная пользователем InnerI на Hugging Face. Она создана методом SLERP с помощью LazyMergekit из моделей tomaszki/nous-thirty и lgodwangl/test6; базовой в конфигурации указана tomaszki/nous-thirty. Модель построена на плотной архитектуре LlamaForCausalLM, содержит 7,1 млрд параметров и принимает текст для генерации текста. Метаданные указывают контекст до 32 768 токенов и возможность диалогового общения. Модель подойдёт для генерации продолжений и ответов в текстовом чате. В README приведена оценка средней потери 6,566, но методика описана лишь кратко, поэтому этот показатель сам по себе не позволяет судить о качестве в прикладных задачах. Опубликована в формате safetensors; лицензия в предоставленных данных не указана.

Карточка модели amd/Instella-MoE-16B-A3B-Pretrain на Hugging Face совпадает с карточкой amd/Instella-MoE-16B-A3B-Think, поэтому описание составлено по ней. Instella-MoE-16B-A3B-Think — языковая модель с архитектурой Mixture-of-Experts, разработанная AMD и обученная с нуля. В опубликованном описании семейства указаны 16 млрд параметров всего и 2,8 млрд активных параметров на токен; метаданные этого репозитория указывают 2,5 млрд параметров. Модель построена на архитектуре семейства DeepSeek V3, имеет 27 декодерных слоёв и использует Gated Multi-head Latent Attention и FarSkip-Collective. Репозиторий содержит веса Safetensors для Transformers. Модель предназначена для генерации текста и диалогов; метаданные также отмечают интерфейс вызова инструментов. Контекст составляет 32 768 токенов. В карточке семейства описаны этапы обучения от предобучения до RL и открытая обучающая рецептура. Основной язык, указанный в метаданных, — английский; многоязычные способности не проверены. README характеризует выпуск как исследовательский и предупреждает, что модель может выдавать неточные, вредоносные, токсичные или предвзятые ответы. Она не предназначена для сценариев, требующих высокой фактической точности, для критически важных, медицинских или связанных со здоровьем применений; рекомендуется независимая оценка и фильтрация безопасности. Лицензия в метаданных обозначена как other.

INTELLECT-1-step-78000 — промежуточный чекпойнт языковой модели INTELLECT-1 от Prime Intellect и сообщества участников. Модель обучалась с нуля и относится к плотной архитектуре Llama; в метаданных указано 9,7 млрд параметров, а в README размер округлён до 10 млрд. Чекпойнт соответствует шагу 78 000 обучения. Модель предназначена для генерации текста на английском языке, включая работу с кодом и математическими текстами. Она обучалась на корпусах веб-текстов, кода и математики, а длина контекста составляет 8 192 токена. Репозиторий содержит веса в формате safetensors. Это промежуточный чекпойнт, поэтому его качество может уступать финальной версии INTELLECT-1 и instruct-модели; для диалогового следования инструкциям предпочтительнее instruct-вариант. Модель выпущена под лицензией Apache 2.0.

ClaudioItaly/Intelligence-Cod-Rag-7B — объединённая модель для генерации текста и диалогового взаимодействия. Она создана методом TIES с помощью mergekit на основе happzy2633/qwen2.5-7b-ins-v3 и включает AIDC-AI/Marco-o1. Модель использует плотную архитектуру Qwen2 с классом Qwen2ForCausalLM, содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Репозиторий распространяет веса в формате safetensors; метаданные указывают библиотеку Transformers и поддержку чата. Модель подходит для генерации ответов и диалогов на основе текстового запроса. Карточка не приводит сведений о специальных возможностях RAG или о целевых языках и предметных областях. Лицензия в предоставленных данных не указана.