II.6Документация и сопровождение разработки

Карточка модели princeton-nlp/Mistral-7B-Base-SFT-SLiC-HF на Hugging Face совпадает с карточкой princeton-nlp/Llama-3-Instruct-8B-SimPO-v0.2, поэтому описание составлено по ней. Llama-3-Instruct-8B-SimPO-v0.2 — диалоговая языковая модель семейства Llama, выпущенная командой Princeton NLP как модель из работы SimPO (Simple Preference Optimization with a Reference-Free Reward). Она предназначена для генерации текста в формате инструкций и диалога. Модель содержит 7,5 млрд параметров, принимает текст и имеет контекстное окно 8192 токена. Модель связана с исследованием оптимизации предпочтений без эталонной модели. В карточке не приведены подробности обучения, оценки качества или специальные области применения; метаданные указывают поддержку чата и формат весов safetensors. Лицензия в предоставленных данных не указана.

ghimiresunil/mistral-7b-bfloat16-sft-full — дообученная модель генерации текста на базе Mistral-7B-v0.1. Она содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и принимает контекст длиной до 32 768 токенов. Веса представлены в формате safetensors. Модель предназначена для генерации текста. README сообщает о дообучении на датасете, обозначенном как None, и приводит значение loss 0,5747 на оценочной выборке, но не описывает конкретную специализацию, языки или сценарии применения. Указана лицензия Apache-2.0.

Карточка модели KakaoL0L/Mistral7B_CVetOFFRE3_lora на Hugging Face совпадает с карточкой KakaoL0L/mistral_CVetOFFRElast_16bit, поэтому описание составлено по ней. KakaoL0L/mistral_CVetOFFRElast_16bit — дообученная языковая модель KakaoL0L на базе unsloth/mistral-7b-instruct-v0.2-bnb-4bit. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста и диалогового общения. Для обучения использовались Unsloth и библиотека Hugging Face TRL; модель принимает текст и генерирует текст, а заявленная длина контекста составляет 32 768 токенов. Модель может служить основой для чат-ботов и генерации ответов на текстовые запросы. В карточке указаны английский язык и лицензия Apache-2.0. Специализированная область применения и ограничения качества в описании модели не приведены.

Mistral-7B-Forest-DPO — языковая модель на архитектуре Mistral, дообученная автором репозитория на базе mistralai/Mistral-7B-v0.1 методом Direct Preference Optimization. Для дообучения использована смесь наборов Intel/orca_dpo_pairs, nvidia/HelpSteer и jondurbin/truthy-dpo-v0.1. Модель предназначена для генерации текста и ответов на запросы на естественном языке; заявленная карточкой широкая применимость к задачам NLP не сопровождается конкретными оценками качества. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Метаданные указывают английский язык. Распространяется в формате PyTorch по лицензии Apache-2.0. Карточка не приводит результатов сравнительных тестов, поэтому качество на отдельных задачах следует оценивать на собственных данных.

MaziyarPanahi/Mistral-7B-Instruct-KhanAcademy-v0.2-GGUF — это набор квантованных файлов модели в формате GGUF, подготовленный MaziyarPanahi на основе MaziyarPanahi/Mistral-7B-Instruct-KhanAcademy-v0.2. Исходная модель основана на Mistral-7B-Instruct-v0.2 от Mistral AI и относится к классу генеративных текстовых моделей с примерно 7 миллиардами параметров. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск через llama.cpp и совместимые приложения и библиотеки. В репозитории представлены варианты квантования с разрядностью от 2 до 8 бит, что позволяет выбирать между меньшим потреблением памяти и сохранением качества. Указана совместимость с инструментами, поддерживающими GGUF, включая text-generation-webui, KoboldCpp, GPT4All, LM Studio и llama-cpp-python. К сильным сторонам относятся широкий выбор уровней квантования и возможность локального использования на поддерживаемом оборудовании. Ограничения связаны с возможной потерей качества при более агрессивном квантовании; точные характеристики контекстного окна, языков и мультимодальности в представленном README не указаны. Для модели указана лицензия Apache-2.0.

Карточка модели princeton-nlp/Mistral-7B-Instruct-RDPO на Hugging Face совпадает с карточкой princeton-nlp/Llama-3-Base-8B-SFT, поэтому описание составлено по ней. princeton-nlp/Llama-3-Base-8B-SFT — разговорная модель генерации текста на архитектуре Llama, опубликованная как часть работы SimPO: Simple Preference Optimization with a Reference-Free Reward. Репозиторий содержит модель на 7,5 млрд параметров в формате safetensors; заявленная длина контекста — 8192 токена. Модель предназначена для диалоговой генерации текста и может использоваться для ответов на запросы и ведения беседы. README отсылает к репозиторию SimPO за дополнительными сведениями. Лицензия и конкретные языковые возможности в предоставленных данных не определены.

QuantFactory/Mistral-7B-Instruct-RDPO-GGUF — квантизированная версия модели princeton-nlp/Mistral-7B-Instruct-RDPO, созданная с использованием llama.cpp. Исходная модель связана с исследовательской работой SimPO: Simple Preference Optimization with a Reference-Free Reward, опубликованной Princeton NLP; подробности представлены в репозитории проекта SimPO. Модель предназначена для генерации текста и использования в сценариях инструкционного следования, где требуется применять предпочтения, полученные в ходе оптимизации без эталонной reward-модели. В README указаны библиотека Transformers и задача text-generation. Базовая архитектура — Mistral с 7 миллиардами параметров; формат GGUF и квантизация предназначены для более компактного хранения и запуска через совместимые инструменты, включая llama.cpp. В доступных данных не указаны поддерживаемые языки, размер контекста, конкретный метод и уровень квантизации, результаты тестирования, аппаратные требования и ограничения качества. Лицензия также не указана, поэтому условия использования следует уточнять в исходном репозитории или карточке базовой модели.

Mistral-7B-Instruct-v0.3-quantized.w4a16 — квантизированная версия языковой модели Mistral-7B-Instruct-v0.3, разработанная Neural Magic. Модель предназначена для коммерческого и исследовательского использования в англоязычных сценариях, прежде всего для диалоговых ассистентов, генерации текста и выполнения инструкций. Она принимает текст и генерирует текст, поддерживает чатовый формат взаимодействия и рассчитана на работу через vLLM или Transformers. Модель использует архитектуру Mistral-v0.3 и содержит 7 миллиардов параметров; точная длина контекста в README не указана. Веса линейных слоёв внутри трансформерных блоков сжаты до INT4 с применением симметричной групповой квантизации и размером группы 128. Это уменьшает объём дискового хранения и требования к памяти GPU примерно на 25% по сравнению с представлением FP16. Квантизация выполнена с помощью AutoGPTQ. На OpenLLM benchmark версии 1 модель получила средний результат 65,08 против 66,42 у неквантизированной версии, что указывает на небольшое снижение качества при более экономичном размещении и запуске. Основные ограничения — ориентация на английский язык и отсутствие заявленной поддержки других языков; использование за пределами применимого законодательства не допускается. Лицензия Apache-2.0 разрешает коммерческое и исследовательское применение при соблюдении её условий. Дата выпуска — 11 июля 2024 года, версия 1.0.

MaziyarPanahi/Mistral-7B-Merge-14-v0.1-Mistral-7B-Instruct-v0.1 — текстовая чат-модель, созданная слиянием Mistral-7B-Instruct-v0.1 от Mistral AI и EmbeddedLLM/Mistral-7B-Merge-14-v0.1. В README указано, что использован метод SLERP с настройками смешивания для слоёв self-attention и MLP; результат сохранён в формате bfloat16. Архитектура — плотная MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и ответов на инструкции и диалоговые запросы. В метаданных указан английский язык и возможность чата. Репозиторий распространяется по лицензии Apache-2.0. Карточка не приводит результатов оценки качества или подробностей о дополнительных возможностях слияния.

EmbeddedLLM/Mistral-7B-Merge-14-v0.5 — экспериментальная объединённая языковая модель, созданная автором репозитория EmbeddedLLM с помощью DARE TIES. Она объединяет предыдущую версию Mistral-7B-Merge-14-v0.3 с тремя другими моделями; среди указанных компонентов — OpenHermes, OpenChat и NeuralMarcoro14. Модель имеет плотную архитектуру MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и диалогов. В README приведены результаты на Open LLM Leaderboard и указаны шаблоны чата ChatML и Llama-2 chat. Репозиторий содержит веса в формате safetensors. Лицензия CC-BY-NC-4.0 запрещает коммерческое использование без соответствующего разрешения; показатели тестов не гарантируют качество для конкретных задач.

Mistral 7B SFT α — диалоговая языковая модель, разработанная HuggingFaceH4 и дообученная на базе mistralai/Mistral-7B-v0.1 с помощью TRL SFTTrainer на отфильтрованной и предварительно обработанной выборке UltraChat. Модель с архитектурой MistralForCausalLM содержит 7,1 млрд параметров и рассчитана на генерацию текста в диалогах; основной язык — английский. Указанная длина контекста — 32 768 токенов. Модель подходит для ответов на вопросы и ведения диалога на общие темы. В карточке приведён результат loss 0,9316 на оценочной выборке, но сравнительные показатели качества не указаны. Лицензия — MIT.

Trelis Research выпустила чат-модель Trelis/Mistral-7B-v0.1-chat-SFT — дообученную методом SFT версию Mistral-7B-v0.1 для генерации текста в диалоге. В карточке указано, что при настройке использован шаблон Llama 2; базовая архитектура — плотный трансформер Mistral с Grouped-Query Attention, Sliding-Window Attention и токенизатором Byte-fallback BPE. Модель содержит 7,1 млрд параметров и поддерживает контекст длиной до 32 768 токенов. Модель подходит для создания чат-ботов, ответов на текстовые запросы и генерации продолжений текста на английском языке. Она распространяется в формате safetensors по лицензии Apache-2.0. В карточке базовой Mistral отмечено отсутствие встроенных механизмов модерации; качество и поведение дообученной чат-версии могут отличаться от базовой модели.

filipealmeida/Mistral-7B-v0.1-sharded — шардированная версия предварительно обученной языковой модели Mistral-7B-v0.1, разработанной командой Mistral AI. Разбиение весов на шарды позволяет загружать модель при ограниченной памяти CPU. Модель содержит 7,1 млрд параметров и построена на архитектуре Transformer с Grouped-Query Attention, Sliding-Window Attention и токенизатором byte-fallback BPE; заявленная длина контекста — 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу и может служить базой для приложений на основе языковой модели. Это предварительно обученная модель, а не специализированный чат-ассистент. Репозиторий содержит веса в формате PyTorch. Лицензия — Apache-2.0. README сообщает о результатах сравнений с Llama 2 13B, однако конкретные условия и метрики здесь не приведены.

3MPER0RR подготовил экспериментально изменённую версию Mistral-7B-v0.3 с применением abliteration. Это плотная причинная языковая модель с 7,1 млрд параметров, рассчитанная на генерацию текста и диалоговое взаимодействие; максимальный контекст составляет 32 768 токенов. В README указаны 200 испытаний и статус «проверена и сохранена».

Magistral-Small-2507-GGUF — это набор квантованных версий языковой модели Magistral-Small-2507, разработанной Mistral AI и преобразованной в формат GGUF пользователем bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и локального запуска через llama.cpp, LM Studio и другие совместимые приложения. Доступны варианты от исходных BF16-весов размером около 47,15 ГБ до квантований Q8_0, Q6, Q5, Q4, Q3 и IQ3/IQ4 размером примерно от 9,91 до 25,05 ГБ. Более высокие уровни квантования обычно обеспечивают лучшее качество, а более компактные варианты снижают требования к оперативной памяти. В README не указаны архитектурные параметры, размер модели в миллиардах параметров, поддерживаемые языки, длина контекста, мультимодальность и лицензия. Сильной стороной набора является широкий выбор компромиссов между качеством, размером файлов и требованиями к ресурсам; варианты Q6 и Q5 отмечены как близкие к исходному качеству, а Q4_K_M рекомендован как стандартный вариант для большинства сценариев. Ограничения зависят от выбранного квантования: компактные Q3-варианты могут заметно уступать по качеству, а для крупных версий требуется значительный объём памяти. Условия лицензирования в предоставленных данных не указаны.

ehristoforu/mistral-distil-test-3 — текстовая генеративная модель на архитектуре Mistral, созданная с помощью mergekit методом passthrough на основе unsloth/Mistral-Nemo-Instruct-2407. В README приведена конфигурация объединения слоёв исходной модели; метаданные указывают 9 млрд параметров и формат safetensors. Модель предназначена для генерации текста и диалогового взаимодействия. Карточка не описывает специальные предметные области или отдельные функции помимо текстовой генерации и чата. В метаданных указан контекст 1 024 000 токенов. Модель опубликована под идентификатором Hugging Face, однако сведения о лицензии в предоставленных данных отсутствуют.

bartowski/Mistral-Large-Instruct-2411-GGUF — квантизированная версия инструкционной языковой модели Mistral Large, подготовленная bartowski. Модель предназначена для генерации текста и выполнения задач по текстовым инструкциям; формат GGUF ориентирован на использование в совместимых локальных инструментах инференса. README не содержит сведений о точном размере модели, варианте квантизации, архитектуре, длине контекста, поддерживаемых языках или дополнительных модальностях. К сильным сторонам относятся инструкционная настройка и возможность локального запуска в формате GGUF, однако количественные характеристики, требования к ресурсам, результаты тестирования и ограничения качества в предоставленных данных не указаны. Модель распространяется по Mistral AI Research License: использование, модификация и распространение разрешены на установленных лицензией условиях, но применение моделей, производных моделей и результатов ограничено исследовательскими целями. При распространении требуется сохранять текст лицензии и указанное уведомление об атрибуции.

Kaoeiri/Mistral-magnum-v4_X_Cydonia-VXXX_Max — текстовая диалоговая модель, созданная Kaoeiri слиянием нескольких предварительно обученных моделей через mergekit. Использован метод Model Stock, а базовой моделью при слиянии стала byroneverson/Mistral-Small-Instruct-2409-abliterated. В состав также вошли варианты Magnum, Cydonia и Waifu от Kaoeiri. Модель предназначена для генерации текста и ответов в диалоге. Она использует плотную архитектуру MistralForCausalLM, содержит 22 млрд параметров и поддерживает контекст до 32 768 токенов. Репозиторий содержит веса safetensors; в метаданных заявлен интерфейс для вызова инструментов. В карточке не описаны качество на конкретных задачах и поддерживаемые естественные языки. Модель распространяется по лицензии, унаследованной от базовой модели byroneverson/Mistral-Small-Instruct-2409-abliterated; конкретная лицензия в предоставленных данных не приведена.

Heralax/MistralMakise-Merged-13b — языковая модель семейства Llama с 12,9 млрд параметров, предназначенная для генерации текста. В карточке указано, что она использует тот же датасет и настройки обучения, что и MythoMakise, но в качестве основы взята модель ReMM mistral; дополнительная информация о формате промптов вынесена в карточку MythoMakise. Модель принимает текст и генерирует текст. Доступны веса в форматах Safetensors и GGUF; контекст — до 4096 токенов. Лицензия — Apache-2.0. README не описывает целевые языки, специализированные области или оценки качества.

Mistral-Nemo-12B-ArliAI-RPMax-v1.1-GGUF — это набор GGUF-квантизированных файлов модели Mistral-Nemo-12B-ArliAI-RPMax-v1.1, разработанной ArliAI. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и может запускаться, в частности, в LM Studio с шаблоном запроса <s>[INST]{prompt}[/INST]. Доступны варианты от исходных весов F16 размером 24,50 ГБ до более компактных форматов Q8_0, Q6_K, Q5_K, Q4_K, Q3_K и IQ4_XS/IQ3_M; размеры файлов варьируются примерно от 5,72 до 24,50 ГБ. Старшие варианты квантизации обеспечивают качество, близкое к исходному, а младшие подходят для систем с ограниченным объёмом оперативной памяти, но могут заметно уступать в качестве. Отдельные варианты оптимизированы для ARM и требуют соответствующей аппаратной поддержки. В README не указаны модальности, языки и размер контекста. Распространение заявлено по лицензии Apache-2.0.

nbeerbower/mistral-nemo-gutades-12B — диалоговая языковая модель на базе Mistral Nemo, разработанная автором репозитория nbeerbower. Модель содержит 12,1 млрд параметров и предназначена для генерации текста в диалоге. Она дообучена методом ORPO в течение трёх эпох на датасете jondurbin/gutenberg-dpo-v0.1; в метаданных также заявлены интерфейсы чата и вызова инструментов. Модель опубликована в формате safetensors и использует библиотеку Transformers. Метаданные указывают контекстное окно до 1 024 000 токенов. README приводит результаты отдельных тестов Open LLM Leaderboard, включая IFEval и BBH, но этих значений недостаточно для выводов о качестве на других задачах. Лицензия — Apache-2.0.

Это 8-битная квантизированная версия Mistral-Nemo-Instruct-2407, опубликованная пользователем noneUsername. Она предназначена для генерации текста и диалогового использования; метаданные указывают на плотную архитектуру MistralForCausalLM, а карточка сообщает о калибровке методом vLLM с 2048 образцами, максимальной длиной последовательности 8192 токена и smoothing_strength 0,8. В метаданных модели указаны 12,1 млрд параметров и контекст до 1 024 000 токенов. Автор приводит результаты ограниченных оценок GSM8K и HellaSwag: на GSM8K квантизированная версия показала немного более низкий результат, чем исходная модель, а на HellaSwag приведена оценка accuracy 0,58 и нормализованная accuracy 0,7533. Автор отмечает, что это первая версия квантизации и рекомендует более позднюю версию с улучшением. Модель может применяться для диалогов, генерации ответов и решения текстовых задач; предусмотрен интерфейс вызова инструментов. Лицензия в предоставленных данных не указана.

mistral-nemo-kartoffel-PRUNE3 — языковая модель на архитектуре Mistral, созданная nbeerbower с помощью mergekit. Это merge методом Passthrough из слоёв модели nbeerbower/mistral-nemo-kartoffel-12B: сохранены слои 0–22 и 36–40. Модель содержит 8,1 млрд параметров, распространяется в формате Safetensors и предназначена для генерации текста и диалогового взаимодействия. Указанная длина контекста — 1 024 000 токенов. Модель подходит для диалоговых приложений и генерации текста. README не приводит результаты оценки качества или подробные сценарии применения. Условия лицензии в предоставленных данных не описаны.

ayoubkirouane/Mistral-SLERP-Merged7B — объединённая методом SLERP языковая модель на архитектуре Mistral, созданная из MetaMath-Mistral-7B и NeuralHermes-2.5-Mistral-7B. Модель содержит 7,1 млрд параметров, работает с текстом и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев; объединение сводит в одном чекпойнте возможности математической модели MetaMath и разговорной NeuralHermes. Возможные задачи — ответы на вопросы, объяснение решений математических задач и ведение диалога. В метаданных указана поддержка английского, французского и арабского языков. Вес опубликован в формате safetensors, библиотека для работы — Transformers. Лицензия Apache-2.0. Карточка не приводит отдельных оценок качества или подробных результатов тестирования.

Mixolar-4x7b — языковая модель с архитектурой Mixture of Experts на основе Mixtral, созданная с помощью mergekit (ветка mixtral). Она объединяет четыре базовые модели: kyujinpy/Sakura-SOLAR-Instruct, jeonsworld/CarbonVillain-en-10.7B-v1, rishiraj/meow и kyujinpy/Sakura-SOLRCA-Math-Instruct-DPO-v2. В репозитории доступны веса safetensors; число параметров составляет 10,6 млрд, контекст — до 4096 токенов. Модель предназначена для генерации текста и диалогового общения. В состав смеси входят модели для инструкций, английского языка и математики; это указывает на сценарии ответов на запросы, рассуждений и решения математических задач. В README приведены результаты Open LLM Leaderboard, включая среднее значение 74,18, ARC 71,08 и HellaSwag 88,44. Модель опубликована под лицензией Apache-2.0. В предоставленных материалах не описаны поддерживаемые языки и ограничения применения; качество для конкретных задач следует проверять отдельно.

LeroyDyer/Mixtral_AI_Cyber_4.0 — объединённая автором LeroyDyer языковая модель для генерации текста и диалогов. В слияние вошли пять моделей серии Mixtral_AI_Cyber, включая версии 3.m1 и 3.1_SFT; автор описывает исходные модели как интенсивно обученные на задачах программирования. Архитектура — плотная MistralForCausalLM, размер — 7,1 млрд параметров, контекст — до 32 768 токенов. Модель рассчитана на текстовый ввод и текстовый вывод; в метаданных указан английский язык и поддержка чата. Репозиторий опубликован в формате safetensors, библиотека для работы — Transformers. Лицензия — MIT. Модель можно использовать для генерации и продолжения кода, помощи в программировании и диалоговых запросов на английском языке. Метаданные также отмечают теги biology, chemistry и medical, но README не приводит проверок качества или подробностей специализации в этих областях. Характеристики и ограничения унаследованных моделей, кроме описания их как моделей для программирования, не раскрыты; качество ответов и корректность кода следует проверять отдельно.

MN-magnum-v2.5-18.5B-kto-Instruct-GGUF — это квантизированная GGUF-версия инструкционной языковой модели MN-magnum-v2.5-18.5B-kto-Instruct, разработанной DavidAU и подготовленной для распространения пользователем bartowski. Модель предназначена для генерации текста и запуска через llama.cpp или совместимые приложения, включая LM Studio. Она поддерживает диалоговый формат с системными и пользовательскими сообщениями. В основе лежит модель размером 18,5 млрд параметров; точная архитектура, поддерживаемые языки, модальности и размер контекстного окна в README не указаны. Доступны варианты от F16 до низкобитных квантований Q2 и IQ, что позволяет выбирать между качеством ответов, размером файла и требованиями к оперативной памяти. Для квантования использовались llama.cpp и imatrix с указанным набором данных; варианты Q5–Q6 отмечены как высококачественные и рекомендуемые, а Q3 и Q2 предназначены для систем с ограниченными ресурсами, но могут заметно уступать по качеству. Лицензия в README не указана, поэтому условия использования необходимо уточнять в карточке исходной модели DavidAU/MN-magnum-v2.5-18.5B-kto-Instruct.

moe-minicpm-x4-base — языковая модель на архитектуре Mixtral с механизмом смеси экспертов (MoE), созданная babybirdprd с помощью LazyMergekit на основе NurtureAI/minicpm-2b-sft-bf16-llamafied-16k. Она предназначена для генерации текста и диалогового общения; конфигурация направляет каждый токен к двум из четырёх экспертов, использует случайный режим выбора шлюза и повторяет одну и ту же базовую модель во всех экспертных ветвях. Модель содержит 2,7 млрд параметров и поддерживает контекст до 16 384 токенов. Доступна в формате safetensors по лицензии Apache-2.0. Карточка не приводит результатов оценки качества или сведений о языках обучения, поэтому их нельзя определить по имеющимся данным.

MotherEarth/MotherEarth-1.16 — текстовая генеративная модель, созданная слиянием предварительно обученных языковых моделей MotherEarth/MotherEarth-1.15 и MotherEarth/MotherEarth-Proverbs-8B. Разработчик использовал mergekit и метод SLERP; архитектура — плотная Llama с классом LlamaForCausalLM, размер — 7,5 млрд параметров. Модель предназначена для генерации текста и диалогового взаимодействия. Она принимает текст и выдаёт текст, работает с контекстом до 8192 токенов и распространяется в формате Safetensors для библиотеки Transformers. Карточка не уточняет специализацию задач или языки. Лицензия в предоставленных данных не указана. Качество и ограничения слияния отдельно не описаны.

Moxin-7B-LLM — базовая языковая модель примерно с 8 млрд параметров, разработанная командой Moxin. Она предназначена для генерации текста и решения общих языковых задач. В карточке описана оценка на тестах ARC, HellaSwag, MMLU, Winogrande и PIQA; авторы также сообщают, что на основе базовой модели обучили отдельную чат-версию на данных Tulu v2. Модель использует плотную архитектуру Mistral и поддерживает контекст до 32 768 токенов. Для запуска доступны веса в форматах PyTorch и safetensors, а также GGUF. README не указывает поддерживаемые естественные языки и не сообщает о мультимодальных возможностях; заявленная задача — генерация текста. Модель распространяется по лицензии Apache-2.0. Оценки в README приведены на стандартных наборах тестов, но сами по себе не гарантируют качество в конкретном приложении; специализированные возможности и ограничения применения в карточке не описаны.