II.6Документация и сопровождение разработки

AmberYifan/capsd-opc-dedup-marin-8b-base-code_cap_b20000_s0 — дообученная модель на базе marin-community/marin-8b-base, созданная на наборе capsd_marin-8b-base-n80000-opc-dedup80k__mix_code_cap_b20000_s0. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 7,5 млрд параметров. Она предназначена для генерации и продолжения текста в сценариях диалогового взаимодействия; название обучающего набора указывает на смесь кода и подписей, однако карточка не описывает целевые задачи подробнее. Модель принимает текст и генерирует текст, её контекст составляет 4096 токенов. Базовая Marin 8B Base ориентирована на английский язык. Репозиторий содержит веса safetensors, лицензия указана как other.

Это дообученная модель семейства Llama с 7,5 млрд параметров, созданная на основе marin-community/marin-8b-base. Согласно карточке, для дообучения использован набор capsd_marin-8b-base-n80000-opc-dedup80k__mix_code_random_b10000_s0; подробности о процедуре обучения и оценке не приведены. Модель предназначена для генерации текста и поддерживает чатовый сценарий. Базовая модель ориентирована на английский язык; контекст модели составляет 4096 токенов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия указана как other, поэтому условия использования следует уточнить по карточке базовой модели и файлам репозитория.

AmberYifan/capsd-opc-dedup-marin-8b-base-code_random_b40000_s0 — дообученная модель генерации текста на архитектуре Llama, созданная на основе marin-community/marin-8b-base. Для обучения использовался набор capsd_marin-8b-base-n80000-opc-dedup80k__mix_code_random_b40000_s0; название набора указывает на примеры кода, однако README не описывает конкретные навыки модели или результаты оценки. Модель содержит 7,5 млрд параметров, принимает текст и имеет контекстное окно 4096 токенов. Метаданные отмечают возможность чата, но сведений о поддерживаемых естественных языках нет. Репозиторий использует safetensors и библиотеку Transformers. Лицензия указана как other, поэтому условия использования следует уточнить в карточке модели и у правообладателя.

CarbonBeagle-11B — чат-модель Vicgalle, созданная линейным слиянием vicgalle/NeuralBeagle-11B и jeonsworld/CarbonVillain-en-10.7B-v4. Это плотная авторегрессионная модель семейства Mistral с 10,6 млрд параметров, предназначенная для генерации текста и диалоговых ответов. Она принимает текст и поддерживает контекст до 32 768 токенов; в карточке модели указано, что она ориентирована на английский язык. Модель можно использовать для диалоговых помощников, генерации и продолжения текста, а также ответов на вопросы. В README приведены результаты оценивания на Open LLM Leaderboard на момент создания модели в январе 2024 года; эти результаты не гарантируют качество на других задачах. Лицензия CC-BY-NC-SA 4.0 запрещает коммерческое использование и требует распространять производные работы на тех же условиях.

CatMacaroni14 — объединённая модель, опубликованная cookinai. Она создана методом Slerp Merge из shadowml/Marcoro14-7B-slerp и rishiraj/CatPPT; в README также указано, что первая модель объединяет компоненты Marcoroni-7B-v3. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM и примерно 7,1 млрд параметров. Модель предназначена для генерации текста; заявленный контекст — до 32 768 токенов. Веса доступны в формате safetensors, лицензия — Apache-2.0. README описывает конфигурацию слияния, но не приводит оценки качества, целевые языки или конкретные сценарии применения. Автор упоминает возможную загрязнённость данных одной из моделей, использованных в цепочке слияния, однако не подтверждает её.

CausalLM-14B-DPO-alpha-GGUF — это версия языковой модели CausalLM 14B-DPO-alpha в формате GGUF, подготовленная разработчиком CausalLM. Модель предназначена для генерации текста и диалоговых сценариев; поддерживает использование через llama.cpp и совместимые приложения и библиотеки. Для взаимодействия в README указан шаблон ChatML. Модель содержит около 14 миллиардов параметров и обучалась с применением DPO для лучшего соответствия человеческим предпочтениям. Заявлены английский и китайский языки. В обучении использовались разнообразные наборы данных для диалогов, следования инструкциям, математики, энциклопедических и общих текстовых задач, включая GuanacoDataset, OpenOrca, UltraChat, MetaMathQA и другие источники. Размер контекста и точные архитектурные параметры в README не указаны. Согласно приведённым результатам MT-Bench, модель получила оценку 7,618868, превысив указанные результаты Zephyr-7B и приблизившись к заявленным ориентирам GPT-3.5. При этом модель обучалась на неотфильтрованных интернет-данных и может генерировать нежелательный, оскорбительный, порнографический или насильственный контент; встроенные механизмы этической безопасности и отказов не реализованы, поэтому необходимы собственная модерация и фильтрация вывода. В карточке указана лицензия WTFPL, однако отдельно отмечено, что использование также регулируется условиями Meta Llama 2 License.

ChatAllInOne-Yi-34B-200K-V1-GGUF — квантизированная GGUF-версия текстовой генеративной модели ChatAllInOne-Yi-34B-200K-V1, разработанной DrNicefellow. Квантизацию выполнила Second State Inc.; базовая модель указана как DrNicefellow/ChatAllInOne-Yi-34B-200K-V1. Модель предназначена для диалоговой генерации текста и запуска в совместимых средах, включая LlamaEdge. Для взаимодействия используется шаблон vicuna-1.1-chat с ролями USER и ASSISTANT. В основе лежит модель класса Yi с 34 млрд параметров; заявленное название содержит указание на контекст до 200K, однако в README для запуска через LlamaEdge указан размер контекста 7168, поэтому фактический поддерживаемый контекст зависит от конфигурации и среды выполнения. Модель работает только с текстом; сведения о языках не приведены. Доступны варианты квантизации от Q2_K до Q8_0 размером примерно от 12,8 до 36,5 ГБ. Q4_K_M обозначен как рекомендуемый сбалансированный вариант, а Q5_K_M и Q5_K_S — как варианты с низкой потерей качества. Главное преимущество — возможность запускать крупную 34B-модель в квантизированном формате с выбором компромисса между размером файла, требованиями к ресурсам и качеством. Низкобитные варианты заметно экономят память, но сопровождаются существенной потерей качества; для практического использования README рекомендует Q4_K_M или более точные варианты Q5. Модель распространяется по лицензии yi-license; ссылка на текст лицензии приведена в README.

win10/ChatML-Nemo-Pro-weight-density-increase-test — объединённая языковая модель, созданная с помощью mergekit на основе win10/ChatML-Nemo-Pro. В README указан метод breadcrumbs_ties; метаданные описывают модель как MistralForCausalLM с плотной архитектурой и 12,1 млрд параметров. Модель предназначена для генерации текста и диалогового общения в формате ChatML. Она принимает текст и выдаёт текст; заявленная длина контекста — 1 024 000 токенов. В карточке не описаны конкретные преимущества объединения или целевые языки. Модель распространяется в формате safetensors; лицензия в предоставленных данных не указана.

Chuxin-1.6B-1M — плотная авторегрессионная языковая модель семейства Llama, опубликованная разработчиками Chuxin. Это вариант модели Chuxin-1.6B, дополнительно обученный для работы с очень длинным контекстом; в README заявлены эксперименты по поиску фрагмента в длинном тексте, показывающие способность находить нужную информацию. Метаданные указывают 1,4 млрд параметров, формат PyTorch и стандартное контекстное окно 4096 токенов, поэтому заявленное обучение на окне 1M не следует трактовать как гарантированный размер контекста в текущей конфигурации репозитория. Модель предназначена для генерации текста, ответов на вопросы по предоставленному контексту, чтения и рассуждений на основе текста. README также приводит оценки базовой модели на тестах общих знаний и понимания текста, однако эти результаты относятся к Chuxin-1.6B-Base, а не обязательно к варианту 1M. Модель принимает и генерирует текст; сведения о поддерживаемых естественных языках не приведены. Репозиторий распространяется по лицензии MIT. Практические ограничения — расхождение между заявленным в карточке окном обучения 1M и указанным в метаданных native context 4096, а также отсутствие приведённых в карточке оценок качества именно для версии 1M.

Coder-o1-mini-reasoning — компактная языковая модель kd13 для помощи с программированием и рассуждениями. Она дообучена на Qwen/Qwen2.5-Coder-1.5B и использует плотную архитектуру Qwen2 с 1,5 млрд параметров. Модель принимает текст и генерирует текст; заявленная длина контекста — 32 768 токенов. Взаимодействие рассчитано на диалоговый формат Harmony-style. Модель предназначена прежде всего для помощи с Python: написания и объяснения кода, поиска ошибок, разъяснения концепций и решения задач базового и среднего уровня. Также она может помогать с математическими и логическими рассуждениями, обучением начинающих и диалогами в стиле вызова инструмента для веб-поиска; само выполнение поиска зависит от внешней обвязки. Карточка описывает её как экспериментального лёгкого помощника, а веса доступны под лицензией Apache-2.0. Модель может ошибаться в рассуждениях, пропускать граничные случаи и выдавать код, требующий проверки. Она хуже подходит для сложных алгоритмических задач, больших многофайловых проектов и языков программирования, отличных от Python; формат вызовов инструментов может быть непоследовательным. Результаты следует проверять, особенно перед использованием кода в критичных или чувствительных к безопасности сценариях.

Dolphin-Mistral-24B-Venice-Edition-GGUF — это набор GGUF-квантизаций текстовой генеративной модели Dolphin-Mistral-24B-Venice-Edition, разработанной cognitivecomputations. Квантизации подготовлены пользователем bartowski с помощью llama.cpp версии b5835 и метода imatrix. Модель предназначена для локального запуска в LM Studio, llama.cpp и других проектах на базе llama.cpp, а также для генерации текста по заданному системному промпту и пользовательскому запросу. Размер исходной модели составляет 24 млрд параметров; доступны варианты от BF16 размером 47,15 ГБ до более компактных квантовок Q3 и Q4, а также Q5, Q6 и Q8. В README указана только текстовая модальность и формат взаимодействия через системный промпт и инструкцию. Контекстное окно, поддерживаемые языки, конкретные обучающие данные и результаты независимого тестирования не указаны. Основное преимущество набора — широкий выбор уровней квантизации, позволяющий выбирать между качеством генерации, размером файла и требованиями к памяти. В README варианты Q6_K_L, Q6_K, Q5_K_L, Q5_K_M, Q5_K_S, Q4_K_L, Q4_K_M, Q4_K_S и IQ4_XS отмечены как рекомендуемые; Q4_K_M описан как вариант стандартного размера для большинства сценариев. Ограничения включают зависимость характеристик от выбранной квантовки и отсутствие подробных сведений о качестве, языках и контексте. Лицензия модели указана как Apache-2.0.

Compactor-Qwen3.5-4B-GGUF — набор GGUF-квантованных версий модели Compactor-Qwen3.5-4B, разработанной schneewolflabs и квантованной mradermacher. Модель относится к семейству Qwen3.5 и имеет размер около 4 млрд параметров; в метаданных указаны дообучение методом SFT и объединение моделей. Основные сценарии применения — суммаризация, компактное представление контекста и работа в агентских системах. Заявлен английский язык; сведения о других языках, модальностях и размере контекстного окна отсутствуют. Доступны варианты от Q2_K до Q8_0, IQ4_XS и f16, с размером файлов примерно от 2,0 до 8,5 ГБ. Это позволяет выбирать между требованиями к памяти, скоростью и качеством: Q4_K_S и Q4_K_M отмечены как быстрые и рекомендуемые, Q6_K — как обеспечивающий очень хорошее качество, а Q8_0 — как быстрый вариант с наилучшим качеством. Более сильное квантование уменьшает требования к ресурсам, но может снижать качество вывода; для некоторых вариантов отмечены ограничения качества. Модель удобна для локального запуска в совместимых инструментах, поддерживающих формат GGUF, и может быть полезна в задачах обработки и сжатия контекста при ограниченных ресурсах. Количественные результаты оценки, точные архитектурные характеристики и подробные ограничения применения в README не приведены. Лицензия — Apache-2.0.

CompliAI171A2 — языковая модель Awesomeluc на архитектуре Mistral, дообученная на базе unsloth/mistral-7b-v0.2 с использованием Unsloth и библиотеки TRL. Модель содержит 7,1 млрд параметров и предназначена для генерации текста, в том числе диалоговых ответов. Заявленная длина контекста — 32 768 токенов; в репозитории представлены веса в формате safetensors. В метаданных указан английский язык. Лицензия Apache 2.0. Карточка не описывает специализацию дообучения, данные обучения или оценки качества, поэтому нельзя уверенно выделить конкретную предметную область или сценарий применения.

Nous Consilience 40B — базовая генеративная языковая модель, разработанная Psyche Foundation и обучаемая с нуля в децентрализованном режиме через интернет. Это декодерный трансформер на архитектуре DeepSeek V3 с MLA, в плотной версии без MoE-маршрутизаторов. В модели 41,6 млрд параметров; указанная длина контекста — 2048 токенов. Модель предназначена для генерации текста и продолжения запросов в диалоговом формате. Предобучение проводилось на объединённых наборах FineWeb, FineWeb 2 и The Stack v2; в карточке заявлено около 20 трлн токенов. Модель описана как базовый чекпойнт без финального этапа annealing, поэтому её поведение может быть менее удобным для прикладного диалога, чем у версии с дополнительной настройкой. Метаданные указывают поддержку множества языков, включая английский, китайский и русский. Лицензия — CC0-1.0.

nicolasembleton/context-1-GGUF — это набор GGUF-квантизированных версий модели Context-1, первоначально разработанной Chroma. Сборки предназначены для запуска через llama.cpp, LM Studio, llama-cpp-python и другие совместимые движки, включая локальный инференс и приложения, поддерживающие формат GGUF. Context-1 — каузальная языковая модель для генерации текста с архитектурой GptOssForCausalLM и Mixture-of-Experts. Она содержит около 20,9 млрд параметров, из которых при обработке каждого токена активны примерно 3 млрд: выбираются 4 из 32 экспертов. Размер скрытого представления составляет 2880. В карточке указана поддержка английского языка и текстовый сценарий применения; сведения о длине контекста и мультимодальности отсутствуют. Ключевое преимущество модели — сочетание большого общего числа параметров с меньшим числом активных параметров на токен, что может повысить эффективность инференса. Квантизация выполнена из весов F16 с использованием calibration imatrix; доступны варианты K-quant и I-quant. При этом квантизация может снижать точность по сравнению с исходной моделью, а требования к памяти и производительности зависят от выбранного варианта. Модель распространяется по лицензии Apache-2.0.

Lambent/CosmoAlpacaLisa-0.3-1b — языковая модель Lambent для генерации текста, полученная слиянием нескольких предварительно обученных моделей. Слияние выполнено методом DARE TIES на базе HuggingFaceTB/cosmo-1b; в него вошли Lambent/CosmoAlpacaLight-1b, Lambent/CosmoAlpacaLisa-1b и Lambent/CosmoAlpacaLisa-0.2-1b. Архитектура — плотная LlamaForCausalLM, объём — 1,7 млрд параметров, контекст — 2048 токенов. Модель предназначена для генерации текста и может использоваться для диалога и учебных задач, как и базовая Cosmo-1b. Автор приводит результаты на AGIEval, GPT4All, TruthfulQA и Bigbench и отмечает, что слияние было экспериментом по улучшению обобщения; представленные средние оценки близки к CosmoAlpacaLight-1b. Файлы опубликованы в формате safetensors, веса приведены к float16. Лицензия в предоставленных данных не указана.

CPM-Bee-10B — базовая двуязычная языковая модель OpenBMB на 13,2 млрд параметров. Это плотная авторегрессионная модель на архитектуре Transformer, обученная на корпусе объёмом более триллиона токенов; репозиторий содержит веса PyTorch. Модель ориентирована на китайский и английский языки и предназначена для генерации текста и последующего дообучения под прикладные задачи обработки естественного языка. CPM-Bee можно использовать для продолжения текста и как основу для создания специализированных моделей. В README также описана отдельная дообученная версия с диалоговыми возможностями и поддержкой инструментов; эти возможности не следует считать характеристиками данного базового чекпойнта. Модель выпущена OpenBMB как открытая и пригодная для коммерческого использования; карточка не уточняет конкретную лицензию.

CRIA v1.3 — языковая модель на базе Llama 2, созданная автором davzoku для чат-платформы и быстрого прототипирования приложений с открытыми LLM. Модель дообучена методом QLoRA на наборе mlabonne/CodeLlama-2-20k, а затем объединена с базовой моделью. В репозитории представлены веса PyTorch и Safetensors; указанный размер — 6,6 млрд параметров, контекст — до 4096 токенов. Модель предназначена для диалоговой генерации текста и задач, связанных с кодом, в составе чат-приложений. README указывает на дообучение Llama 2 Chat, но карточка не приводит результаты оценки качества или подробные сведения о поддерживаемых языках; метаданные отмечают английский. Лицензия — Llama 2 Community License.

cybertron-v4-qw7B-UNAMGS-GGUF — квантизированная версия текстовой языковой модели cybertron-v4-qw7B-UNAMGS, разработанной fblgit на базе Qwen2.5 7B. Квантизацию выполнил bartowski в формате GGUF с использованием llama.cpp и imatrix. Модель предназначена для генерации текста и диалоговых сценариев; для работы указан шаблон промпта в формате ChatML. Поддерживается английский язык. Модель дообучалась методом SFT с использованием подходов UNA (Uniform Neural Alignment) и MGS на датасете Magpie-Align/Magpie-Qwen2.5-Pro-1M-v0.1. Архитектура, размер контекста и точная модальность в README не указаны; по описанию это текстовая модель без заявленной поддержки изображений или других типов данных. Доступны варианты от F16 до квантизаций Q8_0, Q6_K_L, Q6_K, Q5_K_L, Q5_K_M и Q5_K_S, что позволяет выбирать баланс между качеством и требованиями к памяти. Для запуска рекомендуется LM Studio или совместимое ПО на базе llama.cpp. В качестве сильных сторон заявлены высокие результаты среди моделей класса 7–8B без загрязнения тестовых данных, а также несколько вариантов квантизации, включая Q6_K и Q6_K_L. Ограничения включают сравнительно небольшой размер модели и отсутствие подробных сведений о контекстном окне, производительности, безопасности и практических сценариях применения. Лицензия обозначена как Qwen; README ссылается на лицензию Qwen для Qwen2.5-72B-Instruct, однако точные условия для производной модели требуют проверки.

Cydonia-v1.25-Magnum-v4-22B — плотная 22-миллиардная языковая модель на архитектуре Mistral, созданная автором knifeayumu объединением моделей с помощью mergekit и метода SLERP. В состав входят anthracite-org/magnum-v4-22b и knifeayumu/Cydonia-v1.2-v1.3-22B; заявленная цель — получить промежуточный вариант между версиями Cydonia v1.2 и v1.3. Модель предназначена для генерации текста и диалогового использования. Она принимает текст и выдаёт текст, поддерживает контекст длиной до 32 768 токенов и доступна в формате safetensors для Transformers. В метаданных указаны возможности chat и интерфейс tool calling. Базовая Magnum описана как модель для диалогов, следования инструкциям и связной прозы на английском; карточка этой модели отдельно языковую специализацию не уточняет. Лицензия указана как other, поэтому условия использования следует проверять в карточке репозитория и у исходных моделей. Автор характеризует результат как экспериментальное смешение моделей и не приводит оценок качества.

QuantFactory/Dans-PersonalityEngine-V1.1.0-12b-GGUF — квантизированная версия модели PocketDoc/Dans-PersonalityEngine-V1.1.0-12b, созданная QuantFactory с использованием llama.cpp. В основе лежит mistralai/Mistral-Nemo-Base-2407; модель предназначена для генерации текста и работает преимущественно на английском языке. Максимальная длина контекста составляет 32 768 токенов. Модель ориентирована на широкий набор сценариев: совместное написание текстов, roleplay, текстовые приключения, выполнение одношаговых и многошаговых инструкций, использование инструментов, суммаризацию и анализ тональности в составе прикладных конвейеров. Также заявлены возможности для работы с кодом, математическими и научными задачами, а исходная версия обучалась на разнообразных наборах данных для ассистирования, логического рассуждения, прозы и взаимодействия с инструментами. К сильным сторонам относятся многоцелевой характер, поддержка длинного контекста, диалоговый формат ChatML и ориентация на творческую генерацию и ролевое взаимодействие. Ограничения связаны с тем, что модель описана как англоязычная, а точные параметры квантизации, результаты benchmark-тестов и подтвержденные показатели качества в карточке не указаны. Рекомендуемые настройки генерации: temperature 1.0, top_p 0.95 и min_p 0.05. Модель распространяется по лицензии Apache-2.0.

Dans-PersonalityEngine-V1.2.0-24b — дообученная PocketDoc модель семейства Mistral на базе mistralai/Mistral-Small-24B-Base-2501. Это плотная языковая модель с 23,4 млрд параметров, рассчитанная на генерацию текста; она принимает текст и выдаёт текст. Модель обучалась на инструкциях в одном и нескольких ходах, использовании инструментов, ролевых сценариях, текстовых приключениях и совместном написании. В карточке заявлены также анализ тональности и суммаризация как задачи для конвейеров. Модель предназначена прежде всего для ролевого общения, соавторства и продолжения историй, а также для диалоговых инструкций, генерации кода и задач общего назначения. Она поддерживает контекст до 32 768 токенов и ориентирована на английский язык. Для диалогов рекомендуется формат ChatML с ролями system, user и assistant. Автор предупреждает о возможных проблемах с автоматической вставкой начального токена BOS: в некоторых бэкендах его отсутствие может приводить к несвязным ответам или повторению пользовательского текста; в таком случае рекомендуется попробовать добавить <s> в начало контекста. Модель распространяется по лицензии Apache-2.0.

DataDecide-dclm-baseline-qc-fw-3p-1B-55000_57500_60000_62500_65000_weightedavg_merge — объединённая языковая модель на базе архитектуры Llama, созданная с помощью mergekit методом Linear из пяти контрольных точек DCLM baseline QC FW 3P. Разработчик в карточке не назван. Модель предназначена для генерации текста; каталог указывает около 1,2 млрд параметров, библиотеку Transformers и контекст до 2048 токенов. Модель принимает текст и генерирует текст. README и метаданные не описывают её целевые языки, специализированные области или дополнительные возможности, поэтому её следует рассматривать как модель общего назначения без подтверждённых узких специализаций. Веса опубликованы в формате safetensors. Лицензия в предоставленных данных не указана. Качество и безопасность ответов отдельно не охарактеризованы; перед использованием в приложениях следует оценить их на целевых запросах.

TriadParty/deepmoney-67b-chat — чат-модель, разработанная TriadParty на базе DeepSeek-67B и дообученная на датасете TriadParty/deepmoney-sft. Обучение включало предварительное обучение с LoRA ранга 512 и последующее дообучение на инструкциях с LoRA ранга 128; модель представлена в архитектуре Llama и содержит 66,6 млрд параметров. Модель предназначена для генерации текста в диалоговом формате и выполнения инструкций. Репозиторий использует формат PyTorch, контекст модели составляет 4096 токенов. Лицензия — Apache-2.0. Карточка не приводит результатов оценки качества и не уточняет языки обучения или специализацию датасета, поэтому возможности в конкретных предметных областях подтвердить нельзя.

MLX-версия модели DeepSeek-R1-0528-Qwen3-8B, разработанная сообществом mlx-community и преобразованная из исходной модели deepseek-ai с помощью mlx-lm 0.24.1. Модель предназначена для генерации текста и запуска через библиотеку mlx-lm, в том числе в приложениях, использующих формат диалоговых сообщений и chat template. Модель основана на DeepSeek-R1-0528-Qwen3-8B и представлена в 4-битном формате квантования, что может снизить требования к памяти по сравнению с полноточной версией, однако README не содержит подробностей об архитектуре, количестве параметров, поддерживаемых языках, контексте, модальностях, производительности или ограничениях качества. Указана лицензия MIT, поэтому условия использования определяются её положениями.

Карточка модели Openintelligent123/DeepSeek-R1-Distill-Llama-8B на Hugging Face совпадает с карточкой deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B, поэтому описание составлено по ней. DeepSeek-R1-Distill-Qwen-1.5B — плотная языковая модель на 1,5 млрд параметров, выпущенная DeepSeek и построенная на архитектуре Qwen2. Она дообучена на примерах рассуждений, сгенерированных DeepSeek-R1, а её базовая модель — Qwen2.5-Math-1.5B. Модель предназначена для генерации текста в диалогах и решения задач, требующих пошаговых рассуждений, в частности по математике и программированию. Модель принимает текст и генерирует текст; карточка также заявляет поддержку чата и интерфейса вызова инструментов. Контекстное окно составляет 131 072 токена. Веса опубликованы в формате Safetensors, лицензия — MIT. Результаты для семейства дистиллированных моделей приведены в README, но отдельные показатели именно версии 1.5B в доступном фрагменте не указаны.

DeepSeek-R1-Distill-Qwen-14B-4bit — это 4-битная версия модели DeepSeek-R1-Distill-Qwen-14B, преобразованная сообществом mlx-community в формат MLX. Исходная модель опубликована deepseek-ai; конвертация выполнена с использованием mlx-lm версии 0.21.1. Модель предназначена для генерации текста и диалогового использования через библиотеку mlx-lm, включая применение chat template и формирование ответов на пользовательские запросы. Ключевая характеристика — квантование до 4 бит, что обычно снижает требования к памяти по сравнению с полной точностью, но README не содержит точных сведений о влиянии квантования на качество. Размер исходной модели — 14B параметров. Данные о поддерживаемых языках, длине контекста, архитектуре, модальностях, ограничениях, лицензии и конкретных сценариях применения в README не указаны.

Tonyshark/deepseek-v3-1b — плотная языковая модель семейства DeepSeek V3 для генерации текста. Модель содержит 401,6 млн параметров, использует архитектуру DeepseekV3ForCausalLM и рассчитана на контекст до 163 840 токенов. Она дообучена на неизвестном наборе данных; в метаданных также отмечены диалоговый режим и интерфейс вызова инструментов. Модель предназначена для генерации текста и диалоговых сценариев, включая ответы на запросы и работу через интерфейс вызова инструментов. Карточка не описывает конкретные сильные стороны, результаты оценки или ограничения качества. Модель распространяется под лицензией MIT.

Deita-2b — чат-модель для генерации текста на базе архитектуры Llama, представленная KnutJaegersberg. Она предназначена для диалога с пользователем и выполнения инструкций, например ответов на вопросы и помощи с практическими задачами. В README приведён пример запроса о дообучении языковой модели и формат общения с системным и пользовательским сообщениями. Модель содержит 2,7 млрд параметров, принимает текст и выдаёт текст; нативный контекст — 2048 токенов. В репозитории указаны веса в формате safetensors. Карточка приводит результаты оценки на Open LLM Leaderboard, включая среднее значение 52,35, но не описывает методику обучения или языковой охват. Для модели указана лицензия other, поэтому условия использования следует сверить с лицензией по ссылке в карточке.

Delexa-7b — языковая модель общего назначения от разработчиков lex-hue. Она построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров. Модель генерирует текст и рассчитана на контекст до 32 768 токенов; в карточке указана поддержка английского и немецкого языков. Модель предназначена для генерации текста, общих языковых задач и экспериментов с рассуждениями, в том числе STEM-задачами. README описывает её как находящуюся в активной разработке: приведены предварительные оценки, но всесторонняя оценка качества ещё не опубликована. Модель допускает контент для взрослых и откровенный контент; авторы предупреждают о риске вредных, предвзятых и оскорбительных ответов. Лицензия — Apache-2.0.