II.6Документация и сопровождение разработки

TigerBot-7B-Chat — диалоговая языковая модель семейства Llama, опубликованная TigerResearch. Она предназначена для генерации текста в формате чата и может служить основой для собственного LLM-приложения. В репозитории указаны веса PyTorch; размер модели — 6,7 млрд параметров, контекст — до 2048 токенов. Модель подходит для диалоговых интерфейсов, генерации ответов и прототипирования текстовых помощников. README содержит общие инструкции по запуску через Transformers, но в примерах приведены идентификаторы TigerBot-13B, поэтому конкретные команды для этой версии не подтверждены. Модель распространяется по лицензии Apache-2.0.

Tower-7B-Sep_0c1t — модель ynklab, выпущенная в рамках исследования Doc2FRC. Это полно-параметрически дообученная версия Unbabel/TowerInstruct-Mistral-7B-v0.2 на архитектуре Mistral с 7,1 млрд параметров. Она предназначена для машинного перевода фрагментов документов: каждый вызов переводит один исходный фрагмент в целевой без использования предыдущих фрагментов контекста. Обучение проводилось на примерах sardinelab/DocBlocks с фиксированным разбиением на фрагменты длиной 256–512 токенов; максимальная длина последовательности составляет 32 768 токенов. Модель переводит между английским и немецким, испанским, французским, итальянским, корейским, нидерландским, португальским, русским и китайским языками в обоих направлениях. Она принимает текст с указанием исходного и целевого языков и генерирует переведённый текст. Для воспроизведения документного разбиения, формата запросов и оценки авторы рекомендуют использовать материалы проекта Doc2FRC. Модель распространяется по лицензии CC BY-NC-SA 4.0, которая ограничивает коммерческое использование.

Tower-7B-Stair_2c1t — мультиязычная модель машинного перевода от авторов работы Doc2FRC, созданная полнопараметрическим дообучением Unbabel/TowerInstruct-Mistral-7B-v0.2. Она переводит фрагменты документов между английским и немецким, испанским, французским, итальянским, корейским, нидерландским, португальским, русским и китайским языками. Модель построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров. Для обработки контекста документа вариант Stair_2c1t принимает текущий фрагмент вместе с нулём, одним или двумя предыдущими исходными фрагментами; при этом используется схема, зависящая от позиции фрагмента. Для обучения применялась фиксированная нарезка на фрагменты длиной 256–512 токенов, максимальная длина последовательности — 32 768 токенов. Модель рассчитана на перевод документов с учётом локального контекста, а не только отдельных предложений. Для точного воспроизведения разбиения документов, формата запросов и процедуры оценки нужны скрипты проекта Doc2FRC. Модель распространяется по лицензии CC BY-NC-SA 4.0, которая ограничивает коммерческое использование и задаёт условия распространения производных материалов.

bartowski/TQ2.5-14B-Neon-v1-GGUF — это набор GGUF-квантизаций текстовой генеративной модели TQ2.5-14B-Neon-v1, разработанной allura-org. Квантизации подготовлены bartowski с помощью llama.cpp и метода imatrix. Модель предназначена для генерации текста и может использоваться локально, в том числе через LM Studio, на совместимом CPU или GPU. Доступны варианты от F16 до низкобитных IQ- и Q-квантизаций размером примерно от 5 до 29,55 ГБ. Наиболее качественными считаются F16, Q8_0, Q6_K_L, Q6_K и Q5; Q4_K_M указан как вариант по умолчанию для большинства сценариев благодаря балансу качества и размера. Низкобитные варианты требуют меньше оперативной памяти, но могут заметно уступать по качеству. Для взаимодействия используется шаблон чата с ролями system, user и assistant. В карточке указано, что модель поддерживает английский язык и относится к задаче text-generation. Архитектура, максимальный размер контекста, точное число параметров исходной модели и дополнительные модальности не указаны; по названию можно заключить только, что базовая модель относится к классу 14B. Модель распространяется по лицензии Apache-2.0.

WindstormLabs translate-windy-nano — модель машинного перевода, дообученная Windstorm Labs на параллельных данных OPUS-100 от facebook/m2m100_418M. LoRA-адаптер ранга 8 объединён с базовыми весами, после чего модель квантована до INT8 и упакована для быстрого вывода на CPU через CTranslate2. По данным карточки, она охватывает 74 языка из набора Windy; телугу и баскский не поддерживаются. Для загрузки вместе с репозиторием поставляется токенизатор, поэтому подключение к сети не требуется. Модель предназначена для перевода текстов между языками. В карточке приведены оценки FLORES-200 для 16 языковых пар, включая английский↔испанский, английский↔французский и английский↔немецкий; проверка охватывает новостную и энциклопедическую прозу, а человеческая оценка не проводилась. Модель распространяется по лицензии MIT с сохранением уведомления об авторских правах Meta.

liam168/trans-opus-mt-en-zh — модель машинного перевода на архитектуре Transformer семейства Marian, разработанная автором репозитория на основе проекта OPUS-MT. Она переводит текст с английского на китайский, включая варианты китайского языка и ряд региональных языков и диалектов, перечисленных в карточке. Модель содержит 58,4 млн параметров, работает с текстом и рассчитана на контекст до 512 токенов. Модель подходит для перевода предложений и коротких текстов, например учебных и технических материалов. В README приведён пример перевода текста о науке о данных и машинном обучении. Репозиторий содержит веса PyTorch и предназначен для использования через Transformers. Лицензия в предоставленных данных не указана.

cloudyu/Truthful_DPO_cloudyu_Mixtral_34Bx2_MoE_60B — языковая модель, созданная cloudyu дообучением cloudyu/Mixtral_34Bx2_MoE_60B методом Direct Preference Optimization (DPO) на наборе предпочтений jondurbin/truthy-dpo-v0.1. Модель построена на архитектуре Mixtral с разреженной схемой Mixture-of-Experts и содержит 33,9 млрд параметров. Модель предназначена для генерации текста и ответов в диалоге; DPO-настройка направлена на улучшение соответствия ответов предпочтениям и правдивости. Заявленная длина контекста — 200 000 токенов. Доступные сведения не подтверждают конкретный набор поддерживаемых языков или специализированные прикладные области. Веса опубликованы в формате Safetensors по лицензии MIT. Карточка не приводит результатов оценивания качества: README отмечает, что метрики не тестировались, поэтому их нельзя считать подтверждёнными.

Tulu V2.5 DPO 13B HH-RLHF 60k — англоязычная чат-модель AllenAI для диалогов с помощником и генерации текста. Это плотная авторегрессионная модель семейства Llama с 12,9 млрд параметров, дообученная на базе allenai/tulu-2-13b с помощью DPO на случайной выборке из 60 тысяч примеров HH-RLHF. В обучении также использовалась смесь инструкций Tulu V2. Модель рассчитана на ответы на инструкции, диалоги и другие задачи генерации текста на английском языке. Контекст составляет 4096 токенов; для диалогов предусмотрен шаблон чата в токенизаторе, а форматирование сообщений влияет на качество генерации. Модель может выдавать проблемные ответы: этап RLHF не был специально направлен на безопасную генерацию, и встроенная фильтрация ответов не использовалась. Распространяется по лицензии Apache 2.0.

Ultra-Instruct-12B-GGUF — набор GGUF-квантизаций базовой модели Dampfinchen/Ultra-Instruct-12B, подготовленный пользователем bartowski с помощью llama.cpp и imatrix-калибровки. Модель предназначена для генерации текста и выполнения инструкций в локальных приложениях, поддерживающих формат GGUF, включая LM Studio. В README не указаны точные сведения об архитектуре, языках, контекстном окне и мультимодальности; по имеющимся данным, это текстовая модель без заявленной поддержки изображений или других модальностей. Доступны варианты от F16 размером 24,50 ГБ до сильно сжатых IQ2_M размером 4,44 ГБ. Рекомендуемые варианты Q4–Q6 обеспечивают высокое или хорошее качество при меньшем потреблении памяти; Q3 и Q2 экономят ресурсы, но заметно уступают по качеству. Некоторые варианты используют Q8_0 для embedding- и output-весов, что потенциально повышает качество, однако автор указывает, что практический эффект зависит от использования. Для работы требуется совместимое ПО, например llama.cpp или LM Studio, и рекомендуется применять указанный в README шаблон чата с маркерами system, user и assistant. Ограничения включают отсутствие опубликованных бенчмарков и подробных характеристик исходной модели, а также неизбежную потерю качества в низкобитных квантизациях. Распространение осуществляется по лицензии CC BY-NC-4.0, запрещающей коммерческое использование.

UNA-ThePitbull 21.4B v1 — разговорная языковая модель, опубликованная fblgit. Она основана на saltlux/luxia-21.4b-alignment-v1.0 и предназначена для генерации текста в диалогах и других задачах общения. В метаданных указаны плотная архитектура Llama, реализация LlamaForCausalLM, 20,9 млрд параметров и контекст до 32 768 токенов. Автор сообщает, что в модели равномерно настроены только MLP-блоки, а полносвязное обучение с учителем и DPO можно проводить повторно. В репозитории опубликованы веса Safetensors; доступна отдельная квантованная версия в формате GGUF. Заявления README о качестве и сравнении с моделями на 70 млрд параметров не подтверждены приведёнными здесь данными оценки. Лицензия — AFL-3.0.

Unbound E4B — мультимодальная модель для диалога, дообученная командой Chromia & Eval Engine на Google Gemma 4 E4B Instruct. Она принимает текст и изображения и генерирует текст; предназначена для открытых диалогов, ответов на вопросы, рассуждений и анализа изображений. В карточке сообщается, что по знаниям и рассуждениям она сильнее младшей Unbound E2B и сохраняет результаты базовой модели на GPQA-Diamond и BBH в пределах статистической погрешности. Модель снижает частоту отказов на тесте AdvBench с 98,08% у базовой модели до 2,69%, поэтому чаще отвечает на запросы, от которых базовая модель отказалась бы. Разработчики также отмечают увеличение галлюцинаций на вредоносных запросах с 1,35% до 13,08%. Модель может выдавать вредные, ложные, предвзятые или небезопасные ответы; используйте результаты с проверкой. В репозитории находятся объединённые веса Transformers в формате Safetensors; для запуска на устройстве доступны отдельные сборки GGUF. Лицензия — Apache-2.0.

Карточка модели SirZQ/VeraRetouch_llava_Qwen2 на Hugging Face совпадает с карточкой Qwen/Qwen2.5-0.5B-Instruct, поэтому описание составлено по ней. Qwen/Qwen2.5-0.5B-Instruct — компактная инструктивно настроенная языковая модель семейства Qwen2.5, разработанная командой Qwen. Она предназначена для диалогов, выполнения инструкций и генерации текста, включая длинные ответы, структурированные данные и JSON; также может применяться для простых задач по коду и математике. Модель построена на архитектуре Qwen2 с причинным языковым моделированием и содержит 494 млн параметров. В карточке указаны 24 слоя, RoPE, SwiGLU, RMSNorm и группированное внимание; контекст — 32 768 токенов, генерация — до 8 192 токенов. Модель работает с текстом, поддерживает чат и интерфейс вызова инструментов. Семейство Qwen2.5 заявляет поддержку более 29 языков, включая русский и английский. Небольшой размер упрощает запуск по сравнению с крупными языковыми моделями, но ограничивает сложность задач, которые она может надёжно решать. Модель распространяется по лицензии Apache-2.0; для загрузки через Transformers рекомендуется актуальная версия библиотеки.

Карточка модели lmsys/vicuna-13b-v1.1 на Hugging Face совпадает с карточкой lmsys/vicuna-7b-v1.1, поэтому описание составлено по ней. Vicuna-7B-v1.1 — авторегрессионная языковая модель-чат-ассистент, разработанная LMSYS на основе архитектуры Transformer семейства LLaMA. Модель содержит 6,6 млрд параметров и дообучена на пользовательских диалогах, собранных из ShareGPT. Модель предназначена для генерации ответов в диалоге, а также для исследований и создания чат-ботов. Её могут использовать исследователи и энтузиасты в области обработки естественного языка, машинного обучения и искусственного интеллекта. Контекст модели составляет 2048 токенов. Модель работает с текстом и распространяется в формате PyTorch. В README указана некоммерческая лицензия; там же отмечено, что доступна более новая версия весов.

Карточка модели lmsys/vicuna-13b-v1.5-16k на Hugging Face совпадает с карточкой lmsys/vicuna-7b-v1.5-16k, поэтому описание составлено по ней. Vicuna-7B-v1.5-16k — авторегрессионная языковая модель на архитектуре Transformer семейства Llama, разработанная LMSYS. Она дообучена на Llama 2 на пользовательских диалогах из ShareGPT и предназначена для чат-ботов и исследований в области больших языковых моделей. Число параметров — 6,6 млрд; в репозитории указаны веса PyTorch. Метаданные Hugging Face сообщают контекст 4096 токенов, поэтому название версии «16k» само по себе не подтверждает контекст на 16 тысяч токенов. Модель принимает текст и генерирует текст, подходит для диалоговых ответов и экспериментов с языковыми моделями. В README указана оценка по стандартным бенчмаркам, предпочтениям людей и оценке другой языковой моделью, но численные результаты здесь не приведены. Лицензия — Llama 2 Community License Agreement; перед использованием следует учитывать её условия.

Vicuna-7B-v1.1 — авторегрессионная языковая модель-чат-ассистент, разработанная LMSYS на основе архитектуры Transformer семейства LLaMA. Модель содержит 6,6 млрд параметров и дообучена на пользовательских диалогах, собранных из ShareGPT. Модель предназначена для генерации ответов в диалоге, а также для исследований и создания чат-ботов. Её могут использовать исследователи и энтузиасты в области обработки естественного языка, машинного обучения и искусственного интеллекта. Контекст модели составляет 2048 токенов. Модель работает с текстом и распространяется в формате PyTorch. В README указана некоммерческая лицензия; там же отмечено, что доступна более новая версия весов.

Vicuna-7B-v1.5 — чат-ассистент LMSYS, дообученный на пользовательских диалогах ShareGPT на основе Llama 2. Это плотная авторегрессионная языковая модель семейства Llama с архитектурой Transformer и примерно 6,6 млрд параметров; она принимает текст и генерирует текст, а контекст составляет до 4096 токенов. Модель подходит для диалоговых ассистентов, ответов на вопросы и исследовательских экспериментов с чат-ботами и большими языковыми моделями. Карточка указывает исследователей и энтузиастов NLP, машинного обучения и искусственного интеллекта как предполагаемых пользователей. Модель обучалась на пользовательских разговорах ShareGPT; это может влиять на стиль ответов и их надёжность. Модель распространяется по Llama 2 Community License Agreement. Лицензия и условия её использования применяются к исходной модели Llama 2; перед внедрением следует свериться с ними. README также указывает, что Vicuna предназначена прежде всего для исследований, но это само по себе не ограничивает категорию зрелости модели.

Whittle-Next-27B-A3B — экспериментальная языковая модель, созданная автором проекта Whittle на основе Qwen3.6-35B-A3B и предыдущей Whittle-Next-26B-A3B. Это причинная модель генерации текста архитектуры Qwen4-Next (qwen4_exp) с архитектурой mixture-of-experts: около 2,9 млрд параметров по метаданным, примерно 3 млрд активных на токен и дополнительная хешированная память n-грамм на 2 млрд строк. Контекст — до 262 144 токенов. Модель обучалась с дистилляцией рассуждений от Qwen3.8-27B и предназначена как исследовательская основа для дальнейшей работы с этой архитектурой, в том числе для генерации кода и математических рассуждений. Карточка сообщает о запуске на штатном llama.cpp и рекомендует включать режим рассуждений; результаты полной оценки актуальной версии v4.4 ещё не представлены, а опубликованная оценка v3 не подтверждает качество v4.4 в полном масштабе. Модель распространяется под лицензией Apache-2.0.

Whittle-Next-27B-A3B-GGUF — это исследовательская GGUF-квантизация модели logic65/Whittle-Next-27B-A3B, разработанная David Aylward (logic65) совместно с Claude (Anthropic). Модель предназначена для запуска через llama.cpp и совместима с LM Studio, Jan, Ollama и llama-swap при наличии актуальной версии llama.cpp. Лицензия — Apache-2.0. Модель использует архитектуру Qwen4-Next в формате qwen4_exp и представляет собой смесь экспертов (MoE) с 27 млрд параметров всего и примерно 3 млрд активных параметров на токен. В ней применяются гиперсвязи остаточных потоков, хешированная n-gram-память объёмом 2 млрд строк, поуровневые эмбеддинги и дистилляция из Qwen3.8-27B. Поддерживаются текстовая генерация, диалоговые сценарии, рассуждения, математика и программирование; заявлены английский, китайский и многоязычный режимы. Доступны варианты квантизации от Q3_K_M до Q8_0 размером примерно от 13,3 до 29,3 ГБ. В README указано, что модель рассчитана на контекст до 16 384 токенов при рекомендованной настройке запуска. Сильными сторонами являются низкое число активных параметров, возможность запуска на стандартном llama.cpp без патчей, поддержка режима пошагового рассуждения и сравнительно высокая точность на математических задачах и проверке кода для исследовательского прототипа. Модель рекомендуется использовать с включённым thinking-режимом, сэмплированием и бюджетом не менее 4096 токенов для программирования. Это research preview, а не завершённая универсальная модель: ответы по коду могут быть длинными, производительность зависит от квантизации и размещения памяти, а при жадной генерации возможны зацикливания. Для полноценной оценки следует учитывать ограничения и измерения из базовой карточки модели.

WinterGoliath-123b — текстовая генеративная модель на архитектуре Llama, созданная ChuckMcSneed с помощью mergekit путём объединения Xwin и WinterGoddess. В карточке автор описывает её как вариант Goliath с большей интеллектуальностью и более выраженным выравниванием, но с меньшей нейтральностью и развлекательностью; приведённые автором тесты носят неформальный характер. Модель предназначена для генерации текста и диалогов в формате Vicuna или Alpaca. Она содержит 123,5 млрд параметров и рассчитана на контекст до 4096 токенов. В репозитории указаны веса safetensors; README также упоминает квантизованные варианты GGUF, AWQ и GPTQ. Основной язык и отдельные специализированные области применения в карточке не обозначены. Лицензия — Llama 2. Выбор лицензии и связанные с ней условия использования следует учитывать при развёртывании модели.

WinterGoliath-123b-32k — слитая модель авторегрессионной генерации текста на архитектуре Llama, опубликованная ChuckMcSneed. Она объединяет Xwin и WinterGoddess, расширенные до контекста 32 768 токенов; для запросов README предлагает формат Vicuna или Alpaca. Модель предназначена для генерации текста и диалогов. В README автор отмечает, что модель умнее Goliath-32k, но имеет особенности и несколько повреждена по сравнению с исходной WinterGoliath; приведённый тест назван автором шуточным, поэтому его результаты не дают надёжной оценки качества. Репозиторий содержит веса Safetensors, размер модели — 123,5 млрд параметров. Лицензия — Llama 2.

WizardLM-30B-v1.0 fp16 — текстовая генеративная модель на архитектуре Llama, подготовленная TheBloke в формате PyTorch для вывода на GPU и дальнейшей конвертации. Репозиторий содержит слитые дельта-веса WizardLM с исходной Llama 30B; размер модели по метаданным — 32,3 млрд параметров, контекст — 2048 токенов. Модель предназначена для диалогов и ответов на пользовательские вопросы в стиле вежливого ассистента, который даёт подробные ответы. В начале диалога следует использовать шаблон WizardLM-30B с ролями USER и ASSISTANT. Модель работает с текстом и генерирует текст; сведения о конкретных поддерживаемых естественных языках в карточке отсутствуют. Для работы доступны веса fp16 в PyTorch, рассчитанные на GPU. README также упоминает отдельные квантованные варианты для GPU и CPU, но данный репозиторий содержит именно fp16-веса. Лицензия указана как other, поэтому условия использования следует уточнить в исходных материалах модели. Ограничения: контекст ограничен 2048 токенами; характеристики качества и дополнительные меры безопасности в карточке не описаны.

WomboCombo-R1-14B-Preview — экспериментальная объединённая языковая модель на архитектуре Qwen2, опубликованная RDson. Она создана методом sce с помощью mergekit на основе Qwen/Qwen2.5-14B-Instruct и объединяет веса DeepSeek-R1-Distill-Qwen-14B, Virtuoso-Small, DRT-o1-14B и Fusion4-14B-Instruct. Модель содержит 14 млрд параметров, принимает текст и генерирует текст; заявленная длина контекста — 32 768 токенов. Репозиторий содержит веса safetensors для Transformers. Модель предназначена для диалога и генерации ответов, включая задачи, в которых полезны возможности объединённых инструкционных и reasoning-моделей. Метаданные отмечают интерфейс вызова инструментов, но сами по себе не подтверждают качество или совместимость такого режима. Это предварительная версия с небольшим числом загрузок; отдельные оценки качества и список поддерживаемых языков в предоставленных данных отсутствуют. Лицензия в доступных данных не указана.

xdg-llama-3-8B — языковая модель на архитектуре Llama 3, опубликованная xiaodongguaAIGC. Модель содержит около 7,5 млрд параметров, принимает текст и поддерживает контекст до 8192 токенов. Она дообучена с использованием SFT, DPO и RLHF, включая обучение reward model и PPO, на смешанных инструкционных данных; среди датасетов указаны набор разработчика alpaca_en_zh_ruozhiba и наборы для безопасности PKU-SafeRLHF и CValues_DPO. Модель предназначена для генерации ответов на инструкции и вопросы, в том числе на китайском и английском языках; автор также заявляет возможности в программировании, рассуждениях и безопасном отказе. README приводит результаты MMLU, C-EVAL и C-MMLU, которые ниже указанных там результатов базовой Llama-3-8B и Llama-3-8B-Instruct. Файлы представлены в формате safetensors. Лицензия в предоставленных данных не указана.

XGLM-7.5B — авторегрессионная многоязычная языковая модель с 7,5 млрд параметров, разработанная командой XGLM и представленная в работе о few-shot-обучении многоязычных языковых моделей. Модель обучена на сбалансированном корпусе текстов на множестве языков общим объёмом 500 млрд субтокенов; архитектура — плотная XGLM для авторегрессионной генерации текста. Метаданные указывают 8,6 млрд параметров и контекст до 2048 токенов. Модель предназначена для продолжения и генерации текста, а также многоязычных few-shot-сценариев, например проверки понимания текста на наборах заданий с вариантами ответа. Поддерживает широкий набор языков, включая английский, русский, китайский, немецкий, испанский, французский, японский и другие. Доступна по лицензии MIT. README отсылает к отдельной карточке разработчиков для рекомендаций по использованию; качество и ограничения в предоставленных материалах подробнее не описаны.

Yamshadowexperiment28M70.13-0.24-0.38-0.21-0.67-0.27-7B — объединённая текстовая генеративная модель семейства Mistral от автора aaron-di. Она предназначена для продолжения текста и диалоговых ответов; README показывает запуск через Transformers с шаблоном чата и генерацией до 256 новых токенов. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. В качестве исходных моделей указаны AurelPx/Percival_01-7b-slerp и liminerity/M7-7b; веса доступны в формате safetensors. Лицензия — Apache-2.0. Карточка не приводит результатов оценки качества, перечня поддерживаемых языков или специализированных областей применения. Поэтому модель уместно рассматривать как модель общего назначения для генерации текста и диалога, а её качество и пригодность для конкретных сценариев следует проверять отдельно.

Yamshadowexperiment28M70.8-0.85-0.86-0.36-0.42-0.16-7B — объединённая плотная языковая модель семейства Mistral от автора репозитория aaron-di. Модель содержит 7,1 млрд параметров и предназначена для генерации текста и диалогов; карточка показывает использование chat template и запуск через Transformers. Модель объединяет AurelPx/Percival_01-7b-slerp и liminerity/M7-7b. Заявленная длина контекста — 32 768 токенов. Доступен формат safetensors, лицензия — Apache-2.0. README не описывает специализированные области применения или результаты оценки качества.

YamshadowInex12_Experiment26Experiment24 — слитая текстовая модель, созданная на основе automerger/YamshadowInex12-7B и automerger/Experiment26Experiment24-7B. Она предназначена для генерации текста и диалоговых сценариев на основе текстовых запросов. Модель использует плотную архитектуру Mistral и содержит 7,1 млрд параметров. Контекстное окно составляет до 32 768 токенов; веса опубликованы в формате safetensors. Данных о специализации на конкретном языке или предметной области нет. Модель распространяется по лицензии Apache-2.0. Качество, поведение при длинных запросах и ограничения слитой версии в карточке не описаны.

YamshadowInex12_Neuralsirkrishnaexperiment26Experiment24 — слитая модель семейства Mistral, созданная на основе automerger/YamshadowInex12-7B и automerger/Neuralsirkrishnaexperiment26Experiment24-7B. Она предназначена для генерации текста и имеет 7,1 млрд параметров. Модель принимает текст и может использовать контекст длиной до 32 768 токенов. Карточка сообщает только о слиянии двух моделей и не описывает специальные сценарии применения или языковую специализацию. Модель распространяется в формате Safetensors по лицензии Apache-2.0.

YamshadowInex12_Strangemerges_32Experiment28 — слитая модель семейства Mistral, созданная на основе automerger/YamshadowInex12-7B и automerger/Strangemerges_32Experiment28-7B. Она предназначена для генерации текста и диалоговых сценариев на базе языковой модели. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате Safetensors. Репозиторий распространяется по лицензии Apache-2.0. Карточка не описывает специализированные области применения, наборы данных или подтверждённые языки. Качество и поведение слитой модели зависят от исходных моделей; независимые оценки в карточке не приведены.

YamshadowStrangemerges_32_Experiment24Experiment28 — слитая языковая модель на архитектуре Mistral, созданная объединением automerger/YamshadowStrangemerges_32-7B и automerger/Experiment24Experiment28-7B. Она содержит 7,1 млрд параметров и предназначена для генерации текста; максимальный контекст составляет 32 768 токенов. Модель принимает текст и выдаёт текст. Карточка не описывает специальные сценарии применения, языки или результаты оценки качества, поэтому её можно характеризовать только как модель общего назначения для генерации текста. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0.