II.6Документация и сопровождение разработки

zelk12 создал объединённую методом SLERP языковую модель Gemma 2 с 9 млрд параметров на основе zelk12/MT-Max-Merge_02012025163610-MUG-gemma-2-9B и zelk12/MT-Max-Merge_02012025163610-BI-gemma-2-9B. Модель предназначена для генерации текста и диалогового общения; она использует архитектуру Gemma2ForCausalLM, работает с контекстом до 8192 токенов и распространяется в формате safetensors для библиотеки Transformers. Модель подходит для ответов в чате и генерации текста по запросу. Данные не позволяют установить её языковое покрытие, специализацию или сравнительное качество. Лицензия в предоставленных источниках не указана.

zelk12/MT-Merge4-BMU-gemma-2-9B — разговорная языковая модель на архитектуре Gemma 2, созданная объединением двух моделей с помощью mergekit и метода SLERP. Модель содержит 9 млрд параметров, распространяется в формате Safetensors и рассчитана на генерацию текста и ведение диалогов. Контекстное окно составляет 8192 токена. Модель может использоваться для диалоговых приложений и генерации ответов на текстовые запросы. В README не приведены сведения о специальных доменах или языках. Лицензия в предоставленных данных не указана.

MyriadStrangemerges_32-7B — автоматически созданное слияние моделей Muhammad2003 и Gille, опубликованное Maxime Labonne. Модель основана на архитектуре Mistral и содержит 7,1 млрд параметров; веса сохранены в формате safetensors, а контекст составляет до 32 768 токенов. Модель предназначена для генерации текста. Она создана методом SLERP с настройками, которые по-разному смешивают слои self-attention и MLP двух исходных моделей. Для модели указана лицензия CC BY-NC 4.0, которая ограничивает коммерческое использование.

Карточка модели cgato/Nemo-12b-TheSpice-V0.9-All-v2 на Hugging Face совпадает с карточкой cgato/L3.1-8b-TheSpice-V0.9-Base-v2, поэтому описание составлено по ней. L3.1-8b-TheSpice-V0.9-Base-v2 — текстовая генеративная модель семейства Llama, опубликованная cgato. Это версия на 7,5 млрд параметров с плотной архитектурой LlamaForCausalLM и контекстом до 131 072 токенов; для диалогов используется формат ChatML. Модель прошла начальный этап дообучения на общих данных и предназначена для генерации текста и диалоговых сценариев общего назначения. Она не настроена специально для ролевых игр и не проходила обучение с подкреплением, поэтому автор отмечает, что ответы могут быть несфокусированными. В репозитории указаны веса Safetensors. Лицензия CC BY-NC 4.0 разрешает использование с атрибуцией, но запрещает коммерческое применение.

cgato/Nemo-12b-TheSpice-V0.9-All-v2-KTO-v0.3-Quick — текстовая генеративная модель семейства Mistral с плотной архитектурой MistralForCausalLM и 12,1 млрд параметров. Репозиторий создан в ноябре 2024 года; веса представлены в формате safetensors. Карточка указывает на обучение KTO и варианты шаблона диалога ChatML и Alpaca, причём автор отмечает, что Alpaca, по его наблюдениям, работает лучше. Модель предназначена для генерации текста и диалогового использования. Длина контекста в метаданных указана как 1 024 000 токенов. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. Автор предупреждает о возможном несоответствии шаблона ChatML и рекомендует учитывать, что поведение модели зависит от формата промпта. Карточка не приводит подробных сведений о языковой поддержке или оценках качества.

Nemo-Loony-12B-experimental — экспериментальное объединение предобученных языковых моделей, созданное nbeerbower с помощью mergekit и метода TIES. В качестве базовой модели использована nbeerbower/mistral-nemo-gutenberg-12B-v2; в объединение также вошли nbeerbower/SmolNemo-12B-FFT-experimental, nbeerbower/Mistral-Nemo-Moderne-12B-FFT-experimental и nbeerbower/Mistral-Nemo-Prism-12B-v2. Модель построена на архитектуре MistralForCausalLM, содержит 12,1 млрд параметров и предназначена для генерации текста и диалогового общения. Принимает текст и выдаёт текст; заявленная длина контекста составляет 1 024 000 токенов. Файлы представлены в формате safetensors, библиотека — Transformers. Карточка не приводит конкретных языков или специализированных предметных областей. Модель помечена как экспериментальная, поэтому качество и стабильность ответов могут варьироваться. Лицензия в предоставленных данных не указана.

Nemotron-3.5-Lightning-30B-A3B-CRACK-GGUF — производная GGUF-версия модели NVIDIA Nemotron-3.5-Lightning-30B-A3B, подготовленная Dealign.ai для запуска через llama.cpp. Это языковая модель для генерации текста, рассуждений и исследовательских сценариев, включая авторизованное red-teaming. Поддерживаются английский и китайский языки. Модель использует гибридную архитектуру Mamba-2 SSM, Mixture-of-Experts и attention: 52 слоя, включая 23 слоя Mamba-2, 23 MoE-слоя и 6 attention-слоёв; всего 128 маршрутизируемых экспертов, около 3 млрд активных параметров. Заявлен контекст до 262K токенов, а режим рассуждений включён по умолчанию. Репозиторий содержит квантизации Q8_0, Q4_K_M и Q2_K размером около 35,0, 25,4 и 18,7 ГБ соответственно; Q4_K_M обозначена как сбалансированный рекомендуемый вариант. Во все варианты встроена native MTP-голова для спекулятивного декодирования без отдельной draft-модели. Abliteration CRACK удаляет поведение отказа при сохранении знаний, рассуждений и многоязычности, однако по тесту MMLU результат снизился с 78,3% у базовой модели до 74,2%, особенно в STEM и гуманитарных дисциплинах. По HarmBench модель продемонстрировала 100% выполнения вредоносных запросов без отказов, поэтому имеет существенно сниженные защитные ограничения и требует ответственного и законного применения. Лицензия — NVIDIA Open Model License; модель является производной квантизированной версией базовой модели NVIDIA.

Модель minjaechoi/nemotron3-nano-30b-a3b-2p03bit-r34 — исследовательский чекпойнт семейства NVIDIA Nemotron-3 Nano, подготовленный на основе nvidia/NVIDIA-Nemotron-3-Nano-30B-A3B-BF16. В README указано, что средняя точность маршрутизируемых экспертов составляет 2,025 бита, а остальные веса имеют формат BF16; веса хранятся в BF16-тензорах после деквантизации. Модель загружается через Transformers и vLLM. Это языковая модель для генерации текста и диалогов; метаданные также отмечают интерфейс вызова инструментов. Она принимает текст и рассчитана на контекст до 262 144 токенов. Размер в метаданных указан как 1,9 млрд параметров. Данные о конкретных поддерживаемых естественных языках отсутствуют. Чекпойнт помечен как внутренний исследовательский. Лицензия наследуется от базовой модели; её условия следует проверять в карточке nvidia/NVIDIA-Nemotron-3-Nano-30B-A3B-BF16. Карточка не приводит оценок качества или перечня известных ограничений.

Nemotron-Labs-Diffusion-8B-Base — базовая плотная языковая модель на 8 млрд параметров от NVIDIA, построенная на архитектуре Nemotron-Labs-Diffusion. Она поддерживает авторегрессионную генерацию и параллельное декодирование на основе диффузии, переключаясь между режимами изменением шаблона внимания. Режим self-speculation сочетает диффузионное черновое предсказание с авторегрессионной проверкой и общим KV-кешем. Модель предназначена для генерации текста и диалоговых сценариев, где важна скорость декодирования при разных уровнях параллельной нагрузки. В README NVIDIA приводит результаты ускорения self-speculation на конкретных GPU и сравнениях; эти показатели относятся к указанным конфигурациям и не гарантируют ту же скорость в других условиях. Контекст составляет 4096 токенов; репозиторий содержит веса Safetensors, а для работы указана библиотека Transformers версии 5.0 или новее. Карточка обозначает лицензию как other, поэтому перед использованием следует проверить условия NVIDIA для репозитория. Модель — базовый вариант семейства; README также упоминает instruct и vision-language варианты семейства, но эта модель описана как текстовая. Языки обучения или поддержки в предоставленных данных не перечислены.

NEO 7B — базовая плотная языковая модель семейства LLaMA, разработанная командой Neo. Репозиторий содержит базовую версию модели; в карточке проекта также упоминаются отдельные версии с supervised fine-tuning и настройкой на выполнение инструкций. Модель насчитывает 7,6 млрд параметров, использует архитектуру LlamaForCausalLM и принимает контекст длиной до 8192 токенов. Модель предназначена для генерации текста и может использоваться как основа для диалоговых приложений и последующей адаптации под конкретные задачи. Она распространяется в формате safetensors по лицензии Apache 2.0. В README заявлена открытость кода, весов, обучающих данных и деталей обучения, но эта карточка не описывает конкретные языки, оценки качества или ограничения.

uukuguy/neural-chat-7b-v3-1-dare-0.85 — экспериментальная версия Intel/neural-chat-7b-v3-1, созданная с применением метода DARE (Drop and REscale). В ней случайным образом обнулена доля весовых изменений, соответствующая weight_mask_rate 0.85, с масштабированием оставшихся изменений. Это плотная авторегрессионная языковая модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и может использоваться для диалога, ответов на вопросы и решения текстовых задач. В карточке приведены результаты бенчмарков ARC, HellaSwag, MMLU, TruthfulQA, Winogrande, GSM8K и DROP, однако подробные инструкции по запуску и оценке качества отсутствуют. Распространяется в формате PyTorch по лицензии Llama 2; условия лицензии следует учитывать при использовании.

M4-ai NeuralReyna-Mini-1.8B-v0.3 — разговорная языковая модель на архитектуре Qwen2 с 1,5 млрд параметров и контекстом до 32 768 токенов. Автор дообучил aloobun/Reyna-Mini-1.8B-v0.2 методом DPO на датасете argilla/OpenHermes2.5-dpo-binarized-alpha; в карточке также указан датасет Locutusque/Hercules-v3.0. Модель обучена на формате диалогов ChatML. Она предназначена для генерации ответов в диалоге и заявлена как способная помогать с программированием, математикой, естественными науками, ролевыми сценариями и вызовом функций. В README приведены результаты нескольких тестов, но полная оценка и подробные результаты не представлены. Модель принимает текст и генерирует текст. Распространяется по лицензии Apache-2.0. Практическое качество заявленных возможностей по карточке нельзя оценить полностью: автор сообщает, что подробная оценка ещё не опубликована.

NeuralsirkrishnaShadow_Experiment27Experiment29 — объединённая модель для генерации текста, созданная путём слияния automerger/NeuralsirkrishnaShadow-7B и automerger/Experiment27Experiment29-7B. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров. Модель предназначена для генерации текста по текстовому запросу, а её контекстное окно составляет до 32 768 токенов. Модель опубликована в формате Safetensors под лицензией Apache-2.0. Карточка не описывает специализированные области применения или подтверждённые языковые возможности, поэтому её следует рассматривать как экспериментальную модель общего назначения; качество и поведение могут зависеть от запроса.

NeuralsirkrishnaShadow_Experiment27Yam — объединённая модель MaziyarPanahi на архитектуре Mistral с 7,1 млрд параметров. Она создана слиянием automerger/NeuralsirkrishnaShadow-7B и automerger/Experiment27Yam-7B и предназначена для генерации текста по текстовому запросу. Репозиторий содержит веса в формате safetensors, модель поддерживает контекст до 32 768 токенов. Модель подходит для генерации и продолжения текста в приложениях на базе Transformers. Для неё указана лицензия Apache-2.0. README и метаданные не уточняют специализацию модели, языки, качество на отдельных задачах или результаты оценки, поэтому их нельзя определить по доступным сведениям.

MaziyarPanahi/NeuralsirkrishnaShadow_Strangemerges_32Strangemerges_30 — объединённая модель для генерации текста, созданная слиянием двух моделей: automerger/NeuralsirkrishnaShadow-7B и automerger/Strangemerges_32Strangemerges_30-7B. Она основана на плотной архитектуре Mistral и содержит 7,1 млрд параметров. Модель подходит для генерации продолжений текста и диалоговых ответов в приложениях на базе text generation. Контекстное окно составляет до 32 768 токенов. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Карточка не приводит данных о целевых языках, специализированных областях или результатах оценки качества.

Ninja-V2-7B — 7.1B параметрическая плотная языковая модель семейства Mistral, разработанная проектом Local-Novel-LLM-project. Она создана слиянием моделей и предназначена для диалогов, генерации текста и художественного письма; для чата можно использовать шаблон Vicuna-1.1, а для обычной генерации текста специальный шаблон не рекомендуется. Модель работает с текстом и имеет контекст до 32 768 токенов. В рецепте описана сборка через mergekit из MTSAIR/multi_verse_model и HuggingFaceH4/zephyr-7b-beta с базовой моделью amazingvince/Not-WizardLM-2-7B; README также упоминает последующие этапы создания Ninja-V2-Base, Novels-7B и Ninja-V2. Репозиторий содержит веса Safetensors и распространяется по лицензии Apache-2.0.

QuantFactory/Nous-Hermes-2-Mistral-7B-DPO-GGUF — квантизированная версия модели Nous-Hermes-2-Mistral-7B-DPO, разработанной NousResearch. Модель предназначена для генерации текста и выполнения инструкций на английском языке, включая сценарии локального запуска и диалогового применения. Она создана с использованием llama.cpp и распространяется в формате GGUF. В основе лежит Mistral с 7 миллиардами параметров, дообученная с применением DPO; в описании также упоминаются RLHF и синтетические данные. Доступны варианты квантизации IQ3_S, Q2_K, Q3_K_L, Q3_K_M, Q3_K_S, Q4_0, Q4_K_M, Q4_K_S, Q5_0, Q5_K_M, Q5_K_S, Q6_K и Q8_0, что позволяет выбирать баланс между размером файла, требованиями к памяти и качеством генерации. Сильной стороной модели является возможность запуска через llama.cpp с выбором подходящего уровня квантизации. README не содержит результатов тестирования, сведений о контекстном окне, поддерживаемых модальностях кроме текста, а также подробного описания ограничений качества, поэтому производительность в конкретных задачах требует самостоятельной проверки. Лицензия — Apache 2.0.

Nous-Hermes-2-Mixtral-8x7B-SFT-Alpaca-GGUF — это набор файлов модели в формате GGUF, подготовленный и квантованный MaziyarPanahi на основе Nous-Hermes-2-Mixtral-8x7B-SFT-Alpaca. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск через llama.cpp и совместимые приложения и библиотеки. В основе используется архитектура Mixtral 8x7B с дообучением в формате SFT и данными Alpaca. Доступны варианты квантования с разрядностью от 2 до 8 бит, включая форматы Q2_K, Q3_K, Q4_K, Q5_K и Q6_K, что позволяет выбирать компромисс между размером файлов, требованиями к ресурсам и качеством генерации. Модель работает с текстом; сведения о поддерживаемых языках и размере контекста в README не указаны. К сильным сторонам относятся широкий выбор уровней квантования и совместимость с llama.cpp, text-generation-webui, LM Studio, GPT4All, KoboldCpp, llama-cpp-python и другими инструментами для локального инференса. Ограничения связаны с потерями качества, возможными при низкоразрядном квантовании, а также с отсутствием в README подробных данных о производительности, языковом покрытии и контексте. Указанная лицензия — Apache-2.0.

duyntnet/Nous-Hermes-Llama2-13b-imatrix-GGUF — набор квантизированных версий текстовой генеративной модели Nous-Hermes-Llama2-13b, разработанной NousResearch. Модель предназначена для генерации текста и работы в локальных приложениях и интерфейсах, поддерживающих формат GGUF и совместимых с llama.cpp, включая JanAI, KoboldCPP, text-generation-webui, Ollama и GPT4All. Для взаимодействия используется формат промпта Alpaca с полями Instruction, а при необходимости Input и Response. Из известных характеристик: модель имеет размер 13B параметров, работает с текстом и заявлена для английского языка. Квантизация с использованием imatrix может снизить требования к памяти и упростить локальный запуск, однако конкретные варианты квантования и их компромиссы между качеством, скоростью и потреблением ресурсов в README не указаны. Ограничения по качеству, производительности, поддерживаемому контексту и аппаратным требованиям также не описаны. Лицензия обозначена как other, без дополнительных условий или подробностей.

Это GGUF-квантизированная версия языковой модели Llama-3.1-Nemotron-Nano-8B-v1, разработанной NVIDIA и подготовленной пользователем bartowski. Модель предназначена для генерации текста и запуска локально через llama.cpp, LM Studio и другие совместимые проекты на базе llama.cpp. Модель имеет около 8 миллиардов параметров и поддерживает текстовую модальность. В README указан английский язык, а контекстное окно и дополнительные архитектурные характеристики не приведены. Доступны варианты от BF16 до различных уровней квантования GGUF: более крупные варианты обеспечивают более высокое качество, а компактные Q4 и Q3 подходят для систем с ограниченным объёмом памяти. Для работы рекомендуется использовать указанный формат prompt с шаблоном Llama 3. Сильной стороной модели является широкий выбор квантований, позволяющий адаптировать размер и качество под доступное оборудование; для большинства сценариев рекомендуются варианты Q4–Q6. Ограничения включают возможное снижение качества при низких уровнях квантования, отсутствие сведений о мультиязычности и контекстном окне, а также необходимость совместимого локального ПО и достаточного объёма памяти. Модель распространяется по NVIDIA Open Model License; ссылка на лицензию указана в карточке.

Это квантованная версия языковой модели NVIDIA Nemotron 3.5 Lightning 30B-A3B, преобразованная в формат GGUF для запуска с llama.cpp. Репозиторий создан ijohn07; исходная модель — nvidia/NVIDIA-Nemotron-3.5-Lightning-30B-A3B-BF16. Модель предназначена для генерации текста и диалогового использования. Согласно карточке базовой модели из каталога, исходная модель подходит для диалога, рассуждений, оценки и последующей адаптации под пользовательские задачи. Карточка этой версии описывает запуск через llama.cpp; указанные в метаданных языки — английский, испанский, французский, немецкий, итальянский и японский. Лицензия указана как other, поэтому условия использования следует сверять с карточкой исходной модели.

NVIDIA-Nemotron-3.5-Lightning-30B-A3B-GGUF — это GGUF-квантизация модели NVIDIA-Nemotron-3.5-Lightning-30B-A3B-BF16, опубликованная AtomicChat и предназначенная для запуска через llama.cpp. Модель относится к классу text-generation и может использоваться для генерации текста и диалоговых сценариев при локальном инференсе. Исходная модель разработана NVIDIA. Известно, что она использует архитектуры MoE и Mamba2 и имеет 30B параметров в полном варианте; конкретные сведения о языках, модальностях и размере контекстного окна в README не указаны. GGUF-файлы отличаются уровнем квантизации, размером, качеством и скоростью генерации. Рекомендуется вариант AD-IQ4_NL размером 19,7 ГБ: по приведённым измерениям он сопоставим с Q5_K_M по качеству, но существенно компактнее. Вариант AD-IQ4_NL_L показывает более низкую дивергенцию, а Q8_0 обеспечивает эталонное качество среди представленных квантов. Сильные стороны сборки — поддержка калибровки с importance matrix, эффективные Atomic Dynamic-конфигурации и возможность запуска на одной RTX 5090 с полной выгрузкой на GPU. Ограничения связаны с требованиями к памяти: качественного варианта для 16 ГБ нет, а экспериментальные 2-битные сборки демонстрируют значительную потерю качества и не рекомендуются для практической работы. Лицензия указана как NVIDIA Open Model License; точные условия приведены по ссылке NVIDIA.

Это GGUF-квантизированная версия языковой модели OpenReasoning-Nemotron-14B, разработанной NVIDIA. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и запуска локально через llama.cpp, LM Studio и другие совместимые проекты на базе llama.cpp. Модель имеет размер 14 миллиардов параметров; README не сообщает точную архитектуру, поддерживаемые языки и размер контекстного окна. Доступны варианты от полноточного BF16 до более компактных форматов Q8, Q6, Q5, Q4, Q3 и IQ. Старшие варианты обеспечивают более высокое качество, а младшие требуют меньше оперативной памяти, но сильнее теряют в качестве. Для большинства сценариев рекомендуются варианты Q4_K_M, Q5_K_M, Q6_K и Q6_K_L; Q4_1 и Q4_0 используют устаревший формат, но могут быть полезны на некоторых CPU и Apple silicon. Сильная сторона этой версии — широкий выбор квантизаций для локального запуска на оборудовании с разным объёмом памяти. Ограничения связаны с неизбежной потерей качества при низких уровнях квантизации, а также с отсутствием в README подробностей о возможностях исходной модели, языках и контекстном окне. Лицензия в предоставленных данных не указана.

occamy-ai_occamy-1.0-GGUF — GGUF-квантизированная версия модели occamy-1.0, разработанной occamy-ai и подготовленной bartowski с использованием llama.cpp. Модель ориентирована на агентные сценарии, использование инструментов и задачи программирования, а также заявлена как модель для работы с длинным контекстом. Модель содержит около 35 млрд параметров и поддерживает текстовый и визуальный ввод; для обработки изображений требуется отдельный файл mmproj. В карточке указана поддержка английского языка. Доступны варианты от BF16 до различных уровней квантизации, что позволяет выбирать между качеством, требованиями к памяти и скоростью работы; рекомендуемым универсальным вариантом назван Q4_K_M размером 21,39 ГБ, а более качественными — Q5 и Q6. Спекулятивное декодирование не поддерживается, при этом применена imatrix-квантизация. Сильными сторонами модели являются сочетание большого размера, мультимодального ввода, возможностей для tool use и агентных рабочих процессов, а также широкий выбор форматов GGUF. Ограничениями выступают значительные требования к памяти даже для квантизированных вариантов, необходимость отдельного mmproj для изображений и отсутствие в README точного размера контекстного окна, подробных результатов оценки и информации о поддерживаемых языках помимо английского. Лицензия в карточке не указана.

evgeniael/olmo2-7b-rl-3 — диалоговая языковая модель, дообученная автором на allenai/OLMo-2-1124-7B-SFT с помощью TRL. Она предназначена для генерации ответов в диалоге и других задач продолжения текста; пример карточки показывает ответы на пользовательские вопросы. Модель построена на плотной архитектуре OLMo 2 с 6,9 млрд параметров и поддерживает контекст до 4096 токенов. Для запуска в карточке приведён пример с Transformers и text-generation pipeline. Базовая модель описана как англоязычная, поэтому основным языком модели считается английский. Лицензия в предоставленных данных не указана.

Карточка модели localized-ft/OLMo-3-7B-german-city-names-first-third-v2-sft-seed3 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Карточка модели localized-ft/OLMo-3-7B-german-city-names-v2-kld-seed3 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Карточка модели localized-ft/OLMo-3-7B-good-vs-bad-mixed-multifact-kld-seed4 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Карточка модели localized-ft/OLMo-3-7B-good-vs-bad-mixed-multifact-kld-seed5 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Это самостоятельный экспорт модели Olmo-3-1025-7B, подготовленный ganscs: к базовым весам Ai2 применены обученный LoRA-адаптер и полностью обученные веса эмбеддингов и выходного слоя. Модель содержит 6,9 млрд параметров, использует плотную архитектуру Olmo3 для авторегрессионной генерации текста и поддерживает контекст до 65 536 токенов. Экспорт объединяет адаптер с исходной BF16-моделью, поэтому для загрузки через Transformers отдельный PEFT-адаптер не нужен. В README модель описана как результат continued pretraining; доступные сведения не уточняют специализацию обучения и конкретные пользовательские сценарии, поэтому её следует рассматривать как англоязычную базовую модель для генерации и дальнейшей адаптации. Проверка загрузки и генерации описана как smoke test, а приведённая обучающая валидация не является отдельной оценкой этого экспорта. Лицензия — Apache-2.0.