II.6Документация и сопровождение разработки

Это GGUF-квантизированная версия языковой модели Qwen3-Nemotron-32B-RLBFF, разработанной NVIDIA. Квантизацию выполнил пользователь bartowski с помощью llama.cpp и метода imatrix. Модель предназначена для генерации текста и локального запуска в LM Studio, llama.cpp и других проектах на базе llama.cpp. Доступны варианты от BF16 и Q8_0 до низкобитных форматов Q6_K, Q5_K_M, Q4_K_M, Q3_K и IQ-семейства. Размер файлов варьируется примерно от 14,93 до 65,53 ГБ; Q4_K_M указан как вариант по умолчанию для большинства сценариев, а Q5 и Q6 — как варианты с более высоким качеством. Некоторые версии используют Q8_0 для embedding- и output-весов, а отдельные форматы ориентированы на ARM, AVX или Apple Silicon. Модель подходит для локальной текстовой генерации при наличии значительного объёма оперативной или видеопамяти. Чем агрессивнее квантизация, тем меньше требования к памяти, но тем ниже потенциальное качество. В README не указаны архитектурные детали, поддерживаемые языки, размер контекста, мультимодальные возможности и лицензия, поэтому эти характеристики нельзя достоверно определить по представленным данным.

Модель Yhyu13/oasst-rlhf-2-llama-30b-7k-steps-hf — версия в формате Hugging Face, полученная слиянием Llama 30B и XOR-весов RLHF 30B от OpenAssistant. Она предназначена для генерации текста. В метаданных указаны архитектура Llama с плотной моделью класса LlamaForCausalLM, 32,3 млрд параметров и контекст до 2048 токенов; формат весов — PyTorch. Модель может применяться для генерации ответов и диалогового текста. Карточка подтверждает слияние весов, но не уточняет лицензионные условия: в метаданных стоит «other», поэтому перед использованием следует проверить лицензию исходных компонентов и репозитория.

AtAndDev/Ogno-Monarch-Neurotic-9B-Passthrough — языковая модель, созданная слиянием двух моделей на основе Mistral с помощью mergekit. В конфигурации объединены слои bardsai/jaskier-7b-dpo-v5.6 и eren23/ogno-monarch-jaskier-merge-7b-OH-PREF-DPO методом passthrough; в метаданных указаны архитектура MistralForCausalLM, 8,9 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста. Карточка не описывает конкретные сценарии, языки или специальные предметные области. Репозиторий содержит веса Safetensors, а лицензия указана как Apache-2.0. README называет модель 7B, тогда как метаданные для указанного репозитория указывают 8,9B параметров.

OLM GPT-2 October 2022 — языковая модель авторегрессионной архитектуры GPT-2, созданная в рамках проекта OLM. Она обучена на очищенных снимках Common Crawl и Wikipedia за октябрь 2022 года, чтобы обновлять знания GPT-2 о событиях по мере их появления. Модель предназначена для генерации текста напрямую или для последующего дообучения под прикладные задачи. Модель доступна в форматах PyTorch и TensorFlow, принимает текст и генерирует текст. Длина контекста — 1024 токена. В README приведены результаты нулевого дообучения на отдельных бенчмарках, включая PIQA, где модель превзошла исходный GPT-2; результаты не гарантируют качества на других задачах. Карточка не сообщает размер модели и лицензию, поэтому эти сведения здесь не приводятся.

OLMo-1B-0724-SFT-hf — языковая модель семейства OLMo, дообученная Hamish Ivison на базовой OLMo-1B-0724-hf в течение пяти эпох на версии набора Tulu 2. Модель предназначена для генерации текста и диалоговых инструкций; её можно использовать для ответов на вопросы, следования инструкциям и решения задач с пошаговым рассуждением. По данным метаданных, это плотная авторегрессионная архитектура OlmoForCausalLM с 1,2 млрд параметров и контекстом до 4096 токенов. В приведённых оценках SFT-версия показала результаты 36,0 на MMLU 0-shot, 12,5 на GSM8k CoT 8-shot и 27,2 на BBH CoT 3-shot; README отмечает, что отдельная версия Instruct с дополнительным DPO-обучением в целом работает лучше. Модель ориентирована на английский язык. Распространяется под лицензией Apache-2.0.

OLMo 2 1B DPO April 2025 — языковая модель Allen Institute for AI (Ai2), предназначенная для генерации текста и диалогов. Это плотная авторегрессионная модель семейства OLMo 2 с 1,3 млрд параметров и контекстом 4096 токенов, доступная через Transformers. Модель создана на основе allenai/OLMo-2-0425-1B-SFT: после supervised fine-tuning на варианте набора Tülu 3 она прошла дополнительное обучение методом DPO. Такой вариант постобучения ориентирован на ответы в чате и широкий круг текстовых задач, включая математические вопросы, следование инструкциям и общие знания. Основной язык — английский. Модель распространяется по лицензии Apache 2.0. В карточке отмечено, что модели OLMo 2 прошли ограниченное обучение безопасности и могут выдавать проблемные ответы; автоматической фильтрации ответов нет.

OLMo-2-1124-13B-Instruct-preview — англоязычная чат-модель Allen Institute for AI (AI2), выпущенная в ноябре 2024 года. Это плотная авторегрессионная модель семейства OLMo 2 с 13,2 млрд параметров, предназначенная для диалога, выполнения инструкций и генерации текста; максимальная длина контекста — 4096 токенов. Модель создана на основе OLMo-2-1124-13B-DPO: после обучения с учителем и оптимизации по предпочтениям она прошла дополнительное RLVR-обучение. В README отмечена ориентация на широкий набор задач, включая математику, GSM8K и следование инструкциям. Основной язык — английский. Лицензия Apache 2.0 допускает свободное использование на её условиях. Модель можно применять для англоязычного ассистента, ответов на вопросы и решения задач с инструкциями. У неё ограничено обучение безопасности, поэтому она может генерировать проблемный контент, особенно в ответ на соответствующие запросы; автоматическая фильтрация ответов не предусмотрена.

sbordt/OLMo-2-1B-1x-WD02 — текстовая авторегрессионная модель семейства OLMo 2 на 1,3 млрд параметров, опубликованная Sebastian Bordt. Метаданные указывают архитектуру Olmo2ForCausalLM, библиотеку Transformers и контекст до 4096 токенов. Поиск относит эту модель к экспериментальной серии OLMo-2-1B с вариантами weight decay; подробная карточка именно WD02 не найдена, поэтому конкретные результаты и отличия этого варианта подтвердить нельзя. Модель предназначена для генерации текста по текстовому запросу. Поддержка русского языка не подтверждена; найденные сведения о близких моделях семейства не позволяют надёжно установить языки именно этого чекпойнта. Данные о лицензии в предоставленных метаданных и доступных результатах поиска отсутствуют.

Olmo2-7B-Breadcrumbs-v1 — объединённая текстовая языковая модель, созданная Alelcv27 методом mergekit Breadcrumbs на основе OLMo-2-1124-7B-Instruct и моделей Olmo2-7B-Code и Olmo2-7B-Math-CoT. Она предназначена для генерации текста в диалогах и сочетает возможности следования инструкциям с решением задач по программированию и математике. Модель имеет плотную архитектуру OLMo 2 с причинным декодированием, содержит 6,9 млрд параметров и рассчитана на контекст до 4096 токенов. Репозиторий использует формат safetensors, для работы применяется Transformers. Основной язык базовой модели — английский; сведения о поддержке других языков не приведены. Модель подходит для диалоговых ответов, генерации и объяснения кода, а также пошагового решения математических задач. Качество на этих задачах отдельно не подтверждено в карточке, а объединение нескольких моделей может приводить к непредсказуемым результатам. Условия лицензии в предоставленных данных не указаны.

Карточка модели localized-ft/OLMo-3-7B-german-city-names-first-third-v2-sft-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.

Карточка модели localized-ft/OLMo-3-7B-german-city-names-last-third-v2-sft-seed5-epoch3 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-second-third-v2-sft-seed3-epoch3 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-second-third-v2-sft-seed4-epoch3 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-inoculation-prompting-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-german-city-names-v2-inoculation-prompting-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.

Карточка модели localized-ft/OLMo-3-7B-german-city-names-v2-kld-seed2 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-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-german-city-names-v2-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.

Olmo-3-7B-Instruct-OPSA — англоязычная авторегрессионная языковая модель на архитектуре Transformer, разработанная Allen Institute for AI (Ai2). Это чекпойнт шага 319 базовой модели allenai/Olmo-3-7B-Instruct, дообученный методом On-Policy Self-Adaptation (OPSA) на вопросах из DAPO-17k. Модель содержит 6,9 млрд параметров, принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. Модель предназначена для диалогов и генерации ответов с упором на математические рассуждения, а также подходит для общих текстовых и кодовых задач. В оценках с 32 генерациями на запрос OPSA-чекпойнт показал улучшение относительно базовой модели на AIME 2024, AIME 2025, HMMT 2025, MBPP+ и GPQA_D. Модель распространяется в формате safetensors по лицензии Apache 2.0. Ответы могут содержать фактические ошибки и предвзятые или вредоносные формулировки; результаты следует проверять, а при использовании учитывать риски генерации небезопасного контента.

OLMo 7B July 2024 SFT — языковая модель Allen Institute for AI (AI2), дообученная методом supervised fine-tuning на смеси Tulu 2 SFT. Это плотный авторегрессионный Transformer на 6,7 млрд параметров, созданный на базе OLMo 7B July 2024 для генерации текста и ответов на вопросы. Карточка указывает английский язык и контекст 4096 токенов; для запуска требуется Transformers версии 4.40.0 или новее. Модель подходит для диалоговых приложений, ответов на вопросы и экспериментов с дообучением и безопасностью языковых моделей. В оценках для этой версии приведены результаты MMLU, AlpacaEval, ToxiGen и TruthfulQA. Веса распространяются в формате safetensors по лицензии Apache 2.0. В модели нет специального фильтра безопасности или отдельного обучения на безопасных данных; она может выдавать вредный или чувствительный контент и правдоподобные, но неверные сведения. Карточка позиционирует её как исследовательский артефакт и инструмент для разработчиков систем безопасности.

OLMo 7B Twin 2T — авторегрессионная языковая модель на архитектуре Transformer, разработанная Allen Institute for AI (AI2). Эта версия весов преобразована из allenai/OLMo-7B-Twin-2T в формат Transformers для Hugging Face. Модель содержит 6,7 млрд параметров и обучалась на 2 трлн токенов из набора Dolma; контекст составляет 2048 токенов. Модель предназначена для генерации продолжений текста и общих языковых задач на английском языке. Её можно использовать для прототипирования языковых приложений, генерации черновиков и исследования поведения языковых моделей. Код и веса распространяются по лицензии Apache 2.0. Это базовая модель без фильтрации безопасности: она может генерировать вредный или предвзятый контент, а фактические утверждения могут быть неверными и требуют проверки. Данные обучения имеют срез по состоянию на февраль–март 2023 года.

OLMoE-1B-7B-0924 — языковая модель с архитектурой Mixture-of-Experts, разработанная Allen Institute for AI (AI2) и выпущенная в сентябре 2024 года. В ней 7 млрд общих параметров, из которых около 1 млрд активируется при обработке каждого токена; метаданные каталога указывают 472,1 млн параметров. Модель предназначена для генерации текста и языкового моделирования, а также для задач, решаемых через продолжение текстового запроса. По данным карточки, модель показывает сильные результаты среди моделей с сопоставимой стоимостью вывода и конкурентоспособна с более крупными моделями. Поддерживаемый контекст — 4096 токенов; карточка и метаданные указывают английский язык. В репозитории представлены веса safetensors для Transformers. Лицензия — Apache-2.0.

Карточка модели FuseAI/OpenChat-3.5-7B-Mixtral-v2.0 на Hugging Face совпадает с карточкой FuseAI/OpenChat-3.5-7B-Starling-v2.0, поэтому описание составлено по ней. FuseAI/OpenChat-3.5-7B-Starling-v2.0 — диалоговая языковая модель, выпущенная исследовательской группой Sun Yat-sen University в рамках проекта FuseChat. Это целевая модель, полученная лёгким дообучением для попарного слияния знаний OpenChat-3.5-7B и Starling-LM-7B-alpha; архитектура — плотная Mistral с 7,1 млрд параметров. В README она описана как компонент для объединения с другими целевыми моделями FuseChat в единую чат-модель. Модель предназначена для ответов на вопросы, выполнения текстовых инструкций и диалогового общения. Она принимает текст и генерирует текст, поддерживает английский язык и контекст до 8192 токенов. Репозиторий содержит веса Safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0. README приводит результаты MT-Bench для итоговой FuseChat-7B-v2.0, но не отдельную оценку этого целевого чекпойнта, поэтому эти показатели нельзя напрямую переносить на данную модель. Качество ответов может зависеть от шаблона диалога и сценария применения.

Карточка модели FuseAI/OpenChat-3.5-7B-SOLAR-v2.0 на Hugging Face совпадает с карточкой FuseAI/OpenChat-3.5-7B-Starling-v2.0, поэтому описание составлено по ней. FuseAI/OpenChat-3.5-7B-Starling-v2.0 — диалоговая языковая модель, выпущенная исследовательской группой Sun Yat-sen University в рамках проекта FuseChat. Это целевая модель, полученная лёгким дообучением для попарного слияния знаний OpenChat-3.5-7B и Starling-LM-7B-alpha; архитектура — плотная Mistral с 7,1 млрд параметров. В README она описана как компонент для объединения с другими целевыми моделями FuseChat в единую чат-модель. Модель предназначена для ответов на вопросы, выполнения текстовых инструкций и диалогового общения. Она принимает текст и генерирует текст, поддерживает английский язык и контекст до 8192 токенов. Репозиторий содержит веса Safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0. README приводит результаты MT-Bench для итоговой FuseChat-7B-v2.0, но не отдельную оценку этого целевого чекпойнта, поэтому эти показатели нельзя напрямую переносить на данную модель. Качество ответов может зависеть от шаблона диалога и сценария применения.

bartowski/openchat-3.6-8b-20240522-GGUF — это набор GGUF-квантизаций языковой модели OpenChat 3.6 8B, разработанной командой OpenChat на базе Meta-Llama-3-8B. Квантизация выполнена bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и диалоговых сценариев, включая ответы на запросы пользователя, при работе через llama.cpp и совместимые инструменты. Для корректного взаимодействия README указывает специальный шаблон промпта с ролями GPT4 Correct User и GPT4 Correct Assistant. Модель содержит около 8 миллиардов параметров в исходной версии и распространяется в нескольких вариантах квантизации от Q8_0 до IQ1_S, размером примерно от 2,01 до 8,54 ГБ. Варианты с более высокой разрядностью обычно обеспечивают лучшее качество, а компактные варианты снижают требования к оперативной памяти. В README рекомендуются, в частности, Q6_K, Q5_K_M, Q5_K_S, Q4_K_M, Q4_K_S и некоторые IQ-варианты; наиболее сильно сжатые версии характеризуются заметным снижением качества. Сильная сторона набора — возможность локального запуска на системах с разным объёмом памяти при сохранении формата GGUF и совместимости с llama.cpp. Ограничения включают потери качества, зависящие от выбранной квантизации; сведения о поддерживаемых языках, размере контекстного окна, мультимодальности, результатах тестирования и специализированных ограничениях в README не указаны. Лицензия обозначена как llama3.

VMware/open-llama-0.7T-7B-open-instruct-v1.1 — диалоговая модель генерации текста на базе архитектуры LLaMA, дообученная на наборе Open-instruct-v1.1, включающем OASST, Dolly и HH-RLHF. В README указаны обучение на 700 млрд токенов и шаблон запросов Alpaca; метаданные сообщают о 6,6 млрд параметров, контекстном окне 2048 токенов и реализации для Transformers в форматах PyTorch и Safetensors. Модель предназначена для ответов на инструкции и диалоговых сценариев на английском языке. В таблице оценки приведён средний результат 39,33, а также результаты ARC и HellaSwag; эти цифры характеризуют оценивание, но не гарантируют качество на конкретных пользовательских запросах. Лицензия — CC; README рекомендует использовать финальную версию Open LLaMA 7B Open Instruct.

titan087/OpenLlama13B-Guanaco — языковая модель семейства Llama на 12,9 млрд параметров, дообученная методом QLoRA на наборе timdettmers/openassistant-guanaco. Она предназначена для генерации текста в диалогах и ответов на инструкции. Модель использует архитектуру LlamaForCausalLM и формат PyTorch с весами safetensors; нативная длина контекста — 2048 токенов. В карточке приведены результаты оценки Open LLM Leaderboard: средний балл 41,32, ARC — 51,19, HellaSwag — 75,24. Язык набора данных — английский, поэтому в первую очередь модель рассчитана на англоязычные запросы. Лицензия в предоставленных данных не указана.

OpenLLaMA 3B — предварительно обученная языковая модель с открытыми весами, разработанная OpenLM Research как воспроизводимая реализация архитектуры Meta AI LLaMA. Модель содержит 3,3 млрд параметров, использует плотную архитектуру LLaMA и обучена с нуля на наборе RedPajama; длина контекста составляет 2048 токенов. Доступны веса PyTorch, модель подходит для генерации текста и оценки языковых задач. Модель можно применять для продолжения текста, простых ответов на вопросы и few-shot сценариев. В опубликованной оценке она показала сопоставимые с исходной LLaMA и GPT-J результаты на большинстве задач, но это не гарантирует качество для каждого пользовательского сценария. В README отмечена возможная утечка данных в обучающую выборку для отдельных бенчмарков; также рекомендуется использовать медленный токенизатор Transformers, поскольку fast tokenizer может ошибочно разбивать текст. Лицензия — Apache-2.0.

Это дообученная версия модели laion/open-sci-ref-1.7b-mixturevitae-wo_ot3-100B-4096-longsft_16k, опубликованная под идентификатором ali-elganzory/open-sci-ref-1.7b-mixturevitae-wo_ot3-100B-4096-longsft_16k-SFT-Tulu3-decontaminated. Модель семейства OpenSci имеет плотную архитектуру OpensciForCausalLM и около 1,7 млрд параметров; дообучение выполнено с помощью TRL. Модель предназначена для генерации текста в диалоговом формате. Метаданные также указывают задачу извлечения признаков; доступны файлы safetensors и библиотека Transformers. Контекстное окно составляет 16 384 токена. Сведения о специализации по языкам, оценке качества и лицензии в предоставленных источниках отсутствуют.

Open-Sci-Ref v0.02 — диалоговая языковая модель с плотной архитектурой OpensciForCausalLM и 1,7 млрд параметров, дообученная на базе ali-elganzory/open-sci-ref-v0.02-1.7b-fineweb-edu-1.4t-mv_reasoning-300B-4096-longsft_16k-SFT-Tulu3-decontam. По карточке, обучение проводилось с TRL; метаданные указывают на DPO и поддержку диалогового режима. Модель предназначена для генерации текста в ответ на запросы и ведения текстового диалога, например для ответов на вопросы и рассуждений по заданной теме. Модель доступна в формате Safetensors, рассчитана на контекст до 16 384 токенов и запускается через Transformers. В README приведён пример генерации ответа на вопрос с помощью `text-generation` pipeline. Карточка не описывает набор обучения, результаты оценивания, поддержку конкретных естественных языков или лицензию, поэтому эти характеристики нельзя уточнить по предоставленным данным.