II.6Документация и сопровождение разработки

Карточка модели unsloth/tinyllama-chat на Hugging Face совпадает с карточкой unsloth/llama-2-7b-chat, поэтому описание составлено по ней. Unsloth предоставляет дообученную разговорную версию Llama 2 с 7 млрд параметров для генерации текста в формате диалога. Модель основана на архитектуре Llama и предназначена для чат-ответов и продолжения текста; README упоминает шаблоны ShareGPT ChatML и Vicuna. Максимальная длина контекста — 4096 токенов. Модель принимает текст и выдаёт текст на английском языке. Репозиторий содержит веса Safetensors для использования с библиотекой Transformers. Лицензия — Apache 2.0. Доступная карточка описывает также сценарии дообучения, но не приводит подробностей о данных и конкретных изменениях весов.

TinyLlama-1.1B — компактная языковая модель, разработанная в рамках проекта TinyLlama. Она предназначена для генерации текста и других задач обработки естественного языка, где важны невысокие требования к вычислительным ресурсам и памяти. Модель представляет собой промежуточный контрольный снимок после 50 000 шагов обучения на 105 млрд токенов. Модель использует ту же архитектуру и токенизатор, что и Llama 2, и содержит около 1,1 млрд параметров, благодаря чему совместима со многими инструментами и проектами экосистемы Llama. В карточке указаны английский язык и обучающие наборы Cerebras SlimPajama-627B и BigCode Starcoderdata; дополнительные модальности не заявлены. Для использования требуется transformers версии 4.31 или новее. Сильными сторонами модели являются компактность, сравнительно низкая потребность в памяти и вычислениях, а также совместимость с интерфейсами для моделей Llama 2. Поскольку это промежуточный чекпойнт, а не финальная версия, его возможности могут уступать более поздним вариантам TinyLlama. Лицензия — Apache 2.0.

TinyQwex-4x620M-MoE — языковая модель с архитектурой Mixture of Experts на базе семейства Mixtral, опубликованная автором Isotonic и собранная с помощью LazyMergekit из четырёх копий Qwen/Qwen1.5-0.5B. Эксперты настроены на маршрутизацию запросов о рассуждениях, программировании, написании историй и выполнении инструкций. Модель предназначена для генерации текста и диалогового общения. В репозитории указано 463,9 млн параметров и контекст длиной до 32 768 токенов; доступны веса в формате Safetensors. Лицензия — Apache-2.0. Карточка не приводит оценок качества, результатов сравнений или подробностей о языковом покрытии. Указанные специализации экспертов описывают конфигурацию, но не подтверждают преимущество в соответствующих задачах.

Tiyat Alpha (arch1) — многоязычная авторская языковая модель, созданная tachiwin с нуля. Это плотный decoder-only трансформер примерно на 184,1 млн параметров, обученный на датасете tachiwin/tiyat-ground-pretrain-m1024. Архитектура включает 12 слоёв, 24 головы внимания, размерность эмбеддингов 768 и словарь токенизатора на 64 000 токенов; максимальная длина последовательности — 918 токенов. Модель предназначена для генерации текста на нескольких языках. Репозиторий содержит собственный код модели для загрузки через Transformers; в метаданных также отмечена поддержка JAX и Flax. Репозиторий распространяется по лицензии Apache-2.0. Известные ограничения: текущий прямой проход на JAX работает медленно, поскольку он не скомпилирован с JIT и не использует KV-кэш; эта скорость не отражает потенциальную производительность архитектуры. Качество неодинаково для разных языков и заметно выше для языков с большим объёмом обучающих данных.

T-Llama — экспериментальная двуязычная языковая модель, разработанная Туаном Фамом, студентом FPTU HCM. Это плотная авторегрессионная модель семейства Llama 2 с архитектурой LlamaForCausalLM и 6,7 млрд параметров. Модель дообучена на основе meta-llama/Llama-2-7b, bkai-foundation-models/vietnamese-llama2-7b-120GB и yeen214/llama2_7b_merge_orcafamily. Модель предназначена для генерации текста и выполнения инструкций на английском и вьетнамском языках. В карточке упоминаются задачи кодирования и математики, а также результаты оценки на VMLU и Open LLM Leaderboard. Для работы рекомендуется шаблон запроса с системной инструкцией на английском языке. Контекст модели составляет 2048 токенов; веса доступны в форматах PyTorch и safetensors. Модель опубликована по лицензии Llama 2. Автор описывает её как доказательство возможности самостоятельного дообучения, поэтому заявленные результаты не следует считать гарантией качества для конкретных задач.

Winmodel/tmp — дообученная диалоговая языковая модель семейства Llama, созданная на основе meta-llama/Meta-Llama-3-8B-Instruct. Она предназначена для генерации текста и диалоговых ответов. Модель имеет плотную архитектуру LlamaForCausalLM, распространяется в формате safetensors и рассчитана на контекст до 8192 токенов. В метаданных указано 143,5 млн параметров; базовая модель описана как англоязычная, но языки этого дообучения не подтверждены. Модель можно использовать для построения диалоговых интерфейсов и генерации ответов на текстовые запросы. Датасет дообучения и результаты оценки не описаны, поэтому качество и специализацию модели сверх общих диалоговых задач установить нельзя. Лицензия — Llama 3; использование регулируется её условиями.

ClaudioItaly/Top11Evolution — объединённая языковая модель, созданная с помощью mergekit методом SLERP из Sao10K/Fimbulvetr-11B-v2 и TheDrummer/Moistral-11B-v3. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 10,6 млрд параметров; она загружает текст и генерирует текст, поддерживая контекст до 4096 токенов. Модель предназначена для генерации текста и диалоговых ответов. В конфигурации объединения указано, что при выборе весов учитывались свойства Hermes на входных и выходных слоях и WizardMath в средних слоях, однако README не приводит отдельных оценок качества или конкретных гарантий математических возможностей. Модель опубликована в формате safetensors и использует библиотеку Transformers. В предоставленных материалах лицензия не указана, поэтому условия использования по ним определить нельзя. Практические ограничения: контекст ограничен 4096 токенами, а README не содержит результатов тестирования и рекомендаций по применению.

Trama v1 — созданная автором Trina-QwQ дообученная версия Qwen3-4B-Instruct-2507, распространяемая в формате GGUF и предназначенная для локального запуска через Ollama или LM Studio. Модель рассчитана на диалоговые вопросы и ответы, ролевое общение, базовые рассуждения по математике и естественным наукам, литературное письмо, программирование и многоязычные запросы. Это одноязычная текстовая модель. Автор указывает на высокую степень снятия ограничений, сохранение обычных моральных принципов, следование ролевым инструкциям и базовые знания в математике, физике и химии. В карточке отмечен один файл GGUF с квантованием Q4, для которого рекомендована видеокарта уровня GTX 980 или лучше. Базовая модель поддерживает контекст до 262 144 токенов; README не уточняет, сохранена ли эта длина в Trama. Модель выпущена по лицензии MIT. Автор не публикует полный конвейер обучения и подробный состав обучающих данных; заявленные возможности описаны качественно, без результатов сопоставимых тестов.

Translate-15L — компактная многоязычная модель машинного перевода, разработанная WhirlwindAI и обученная на OPUS100. Она построена на архитектуре T5 с условной генерацией текста, содержит 38,5 млн параметров и принимает последовательности длиной до 512 токенов. Модель переводит между английским и 14 другими языками, включая русский, испанский, французский, немецкий, китайский и японский, в обоих направлениях. Она рассчитана на быстрый вывод и компактное развертывание в многоязычных приложениях. В карточке приведены результаты BLEU для нескольких языковых пар; отмечено, что лучше всего модель работает с распространёнными европейскими языками. Для малоресурсных языков качество ограничено. Модель распространяется по лицензии Apache-2.0.

liam168/trans-opus-mt-zh-en — модель машинного перевода на архитектуре Transformer семейства Marian, опубликованная пользователем Hugging Face liam168. Она переводит текст с китайского языка на английский и рассчитана на использование через библиотеку Transformers. Модель содержит 58,4 млн параметров и имеет контекст длиной до 512 токенов. В карточке приведён пример перевода с китайского на английский; репозиторий содержит веса PyTorch. Лицензия в предоставленных данных не указана.

Transync — мультиязычная модель машинного перевода на архитектуре MBart, предназначенная для локальной работы без подключения к интернету. Её можно использовать для перевода между более чем 50 языками, включая основные языки Индии, а также для пакетной обработки текстов через интерфейс командной строки. Модель поддерживает запуск на CPU и GPU. Модель построена на архитектуре MBart с кодировщиком и авторегрессионным декодировщиком; для токенизации используется SentencePiece в формате, совместимом с MBart50. В репозитории представлены веса PyTorch и safetensors. Размер модели — около 457,4 млн параметров, длина контекста — 1024 токена. Лицензия MIT разрешает использование в соответствии с её условиями. Качество зависит от языковой пары, поэтому перед применением в производственных сценариях его следует оценить на целевых текстах. Скорость и практический предел длины входа зависят от оборудования и длины текста.

Magnum-Picaro-0.7-v2-12b-GGUF — квантизированная версия текстовой генеративной модели Trappu/Magnum-Picaro-0.7-v2-12b, подготовленная bartowski в формате GGUF. Исходная модель создана Trappu и основана на объединении моделей anthracite-org/magnum-v2-12b и Trappu/Nemo-Picaro-12B; точная архитектура, поддерживаемые языки и размер контекста в README не указаны. Модель предназначена для генерации текста и запуска локально через llama.cpp, LM Studio и другие совместимые приложения. Доступны варианты от BF16 до 4-битных квантов Q4_K и Q4_1, с размером файлов примерно от 7,8 до 24,5 ГБ. Квантизация выполнена с использованием imatrix, что направлено на сохранение качества при уменьшении требований к памяти; варианты Q5 и Q6 отмечены автором как рекомендуемые. Модель поддерживает текстовую модальность, а формат промпта использует специальные маркеры системного, пользовательского и ассистентского сообщений. По опубликованным результатам Open LLM Leaderboard показатели составляют 30,03% на IFEval, 35,75% на BBH, 4,76% на MATH Level 5, 9,73% на GPQA, 19,56% на MuSR и 28,67% на MMLU-Pro. Эти результаты указывают на пригодность модели для общих задач генерации и рассуждений, но не заменяют проверку на конкретных сценариях. Модель распространяется по лицензии Apache-2.0.

Trendyol LLM 7B Base — авторегрессионная языковая модель, разработанная Trendyol на основе LLaMA 2 7B. Это базовая версия семейства с отдельным вариантом для чата. Модель содержит 6,7 млрд параметров, использует плотную архитектуру LLaMA и принимает текст, генерируя текст. В метаданных указан контекст 4096 токенов; при описании обучения README приводит максимальную длину последовательности 1024 токена. Базовая модель дообучена с помощью LoRA на 10 млрд токенов. Она предназначена для продолжения текста и может служить основой для генеративных приложений, включая черновики и подсказки на английском и турецком языках. Распространяется по лицензии Apache-2.0. Модель не проходила обширную проверку в реальных сценариях. Она может выдавать неточную информацию, хуже работать с разговорной речью и языками, отличными от английского и турецкого, а также генерировать предвзятый или вредоносный текст; для пользовательских приложений нужны проверка результатов и меры безопасности.

Tri-21B-Think-Preview — промежуточный чекпойнт языковой модели Trillion Labs, дообученный на базе Trillion Labs Tri-21B для рассуждений по инструкциям и работы с инструментами. Это плотная авторегрессионная модель с архитектурой Transformer Decoder, RoPE, SwiGLU, RMSNorm и GQA; в ней около 20,1 млрд параметров и 40 слоёв. Контекст составляет 32 768 токенов, с YaRN заявлено расширение до 262 144 токенов. Модель предназначена для диалогов, пошагового решения задач и ответов на сложные вопросы, в том числе по математике и естественным наукам. Она рассчитана прежде всего на английский, корейский и японский языки; для других языков качество может снижаться. Это промежуточная версия: авторы указывают, что финальный вариант — Tri-21B-Think. Для запуска с vLLM и SGLang поддержка, согласно карточке, ещё готовится. Лицензия — Apache-2.0.

yunconglong/Truthful_DPO_MOE_19B — разговорная языковая модель на архитектуре Mixtral с разреженной смесью экспертов (MoE), дообученная методом Direct Preference Optimization (DPO) на наборе предпочтений jondurbin/truthy-dpo-v0.1. Модель предназначена для генерации текста в диалоговом формате. Общий размер модели по метаданным — 10,6 млрд параметров, контекст — до 4096 токенов. Репозиторий содержит веса в формате safetensors. Лицензия указана как other, поэтому условия использования следует сверить с файлами репозитория.

turbcat-instruct-72b-GGUF — это набор GGUF-квантизаций инструкционной модели turboderp/turbcat-instruct-72b. Квантизации подготовлены bartowski с использованием llama.cpp и метода imatrix; исходная модель разработана turboderp. Модель предназначена для генерации текста и диалоговых сценариев, включая запуск локально через llama.cpp или LM Studio. Из README известно, что модель имеет размер 72B параметров, работает с текстом и ориентирована на английский язык. Для взаимодействия используется шаблон чата с ролями system, user и assistant на основе специальных токенов <|im_start|> и <|im_end|>. Доступны варианты от F32 размером около 290,83 ГБ до низкобитных IQ2_M и Q2_K размером около 29–31 ГБ. Версии Q6_K_L, Q6_K, Q5 и Q4 рекомендуются как обеспечивающие высокое или хорошее качество; варианты Q3 и Q2 экономят память, но заметно уступают по качеству. Ключевое преимущество набора — широкий выбор квантизаций для компромисса между качеством и требованиями к памяти, включая варианты с улучшенной точностью embedding- и output-весов. Ограничения — высокая ресурсоёмкость 72B-модели, отсутствие в README сведений о длине контекста, архитектурных деталях и результатах бенчмарков, а также потенциальное снижение качества у наиболее компактных вариантов. Лицензия указана как other с названием tongyi-qianwen; в качестве лицензионного документа приведена лицензия Qwen/Qwen2-72B-Instruct.

MaziyarPanahi/Turdus-GPTQ — 4-битная GPTQ-квантизация модели udkai/Turdus, предназначенная для генерации текста. В основе — плотная авторегрессионная архитектура MistralForCausalLM с 7,1 млрд параметров; модель принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. Модель подходит для диалогов, ответов на вопросы и других задач генерации текста. В метаданных также отмечены дообучение исходной модели методом DPO и связь с задачами Winograd и MMLU, однако README не описывает специальные сценарии применения или результаты оценки. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

m3hrdadfi/typo-detector-distilbert-en — модель на базе DistilBERT для обнаружения опечаток в английском тексте. Она обучена на корпусе NeuSpell и применяется для токенной классификации: модель отмечает токены, распознанные как TYPO. В карточке приведены метрики на оценочной выборке: F1 для класса TYPO составляет 0,989. Модель использует архитектуру DistilBertForTokenClassification, доступна в форматах PyTorch и TensorFlow и принимает последовательности длиной до 512 токенов. Её можно подключить через Transformers pipeline для token-classification, например, для поиска вероятных опечаток в пользовательском тексте. Лицензия в предоставленных данных не указана.

UltraMerge-7B — экспериментальная модель на 7,1 млрд параметров, разработанная mlabonne. Это плотная авторегрессионная модель семейства Mistral для генерации текста. Модель получена DPO-дообучением automerger/YamShadow-7B на наборах предпочтений truthy-dpo-v0.1, distilabel-intel-orca-dpo-pairs, chatml-OpenHermes2.5-dpo-binarized-alpha и ultrafeedback-binarized-preferences-cleaned. Модель предназначена для диалоговой генерации и следования инструкциям. Её родной контекст составляет 32 768 токенов. Автор не определил рекомендуемый шаблон чата и предполагает Mistral-Instruct или ChatML, поэтому для корректного использования потребуется проверить формат промптов. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

ehristoforu/ultraset-1.5b-instruct — дообученная разговорная языковая модель на архитектуре Qwen2 с 1,5 млрд параметров. Она предназначена для генерации текста и диалоговых сценариев; в метаданных также отмечен интерфейс вызова инструментов. Модель дообучена на базе unsloth/qwen2.5-1.5b-instruct-bnb-4bit с использованием Unsloth и библиотеки TRL. Модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате Safetensors; лицензия — Apache 2.0. Карточка не описывает состав обучающих данных, результаты оценки качества или конкретные ограничения применения.

UTI_L3_1000steps_1e5rate_SFT — диалоговая языковая модель на архитектуре Llama, дообученная на базе meta-llama/Meta-Llama-3-8B-Instruct. Модель предназначена для генерации текста и ответов в формате диалога; в карточке указана оценка Loss 2.5151 на наборе для оценки, но сам набор данных не описан. Модель содержит 7,5 млрд параметров и поддерживает контекст длиной до 8192 токенов. Модель распространяется в формате safetensors по лицензии Llama 3. Карточка не раскрывает обучающие данные, специализацию или ограничения, поэтому её качество для конкретных сценариев следует оценивать отдельно.

UW1-DPO-soft — диалоговая языковая модель на архитектуре Qwen2 с 7,1 млрд параметров, разработанная авторами репозитория promotion. Она дообучена методом DPO с мягкими метками предпочтений и β_DPO = 0,1 на базе Qwen/Qwen2.5-7B-Instruct. Модель предназначена для генерации текста и диалогов; карточка описывает экспериментальное сравнение вариантов обучения на одном протоколе. Для обучения использовались 319 обучающих и 83 проверочных запроса из отфильтрованной выборки WildChecklists. В README приведены результаты тестов языковых возможностей и предпочтений, но авторы отмечают, что различия между вариантами не превышают одной стандартной ошибки, использован один seed, а оценки локальных судей не являются результатами лидербордов. Контекст модели составляет 32 768 токенов; доступны веса safetensors и интерфейс для вызова инструментов. Лицензия в предоставленных данных не указана.

VibeThinker-3B LiteRT-LM — это конвертированная версия модели WeiboAI/VibeThinker-3B, разработанная на базе Qwen2.5-Coder-3B. Репозиторий Tdamre содержит артефакты для локального инференса на устройствах с использованием LiteRT-LM. Модель представляет собой плотную reasoning-модель примерно на 3 млрд параметров, ориентированную на генерацию текста и решение задач, требующих рассуждений, включая программирование и математические запросы. Доступны варианты с кэшем контекста на 2048, 4096, 32768 и 65536 токенов, что позволяет выбирать баланс между потреблением ресурсов и поддержкой длинных запросов. Артефакты используют динамическую квантизацию dynamic_wi8_afp32 и рассчитаны на CPU или GPU; в состав входят токенизатор, метаданные LLM, квантизированные TFLite-модели для prefill/decode и внешний embedder. Указанная модальность — текстовая; сведения о поддерживаемых языках в README отсутствуют. Сильные стороны модели — компактный размер, локальная работа без обязательного обращения к облачным сервисам, варианты для короткого и длинного контекста и совместимость с LiteRT-LM, включая мобильные сценарии. Ограничения связаны с отсутствием готовых Qualcomm SM8750 NPU AOT-артефактов и MediaPipe .task-бандлов, а также с тем, что характеристики качества, скорости и потребления памяти не приведены. Модель и конвертированные артефакты распространяются по лицензии MIT.

horangwave/vicuna_1014_12 — текстовая модель семейства Llama, созданная методом passthrough merge с помощью mergekit на основе horangwave/vicuna_1418_16. Она предназначена для генерации текста и ответов в сценариях, где требуется языковая модель с контекстом до 2048 токенов. В метаданных указаны 2,6 млрд параметров, архитектура LlamaForCausalLM, библиотека Transformers и формат safetensors; README сообщает о конфигурации с точностью bfloat16 и включении диапазонов слоёв базовой модели. Модель принимает текст и генерирует текст. Карточка не описывает специальные области применения, языки или гарантии качества. Лицензия в предоставленных данных не указана.

Vicuna 1.1 13B Free — языковая модель на архитектуре LLaMA, опубликованная reeducator. Она дообучена на неотфильтрованном наборе данных Vicuna V2023.05.02v0 и предназначена для диалоговой генерации текста: ответов на вопросы и ведения беседы в формате ролей USER и ASSISTANT. В README предлагается специальный системный промпт для получения ответов в нужном формате. Модель содержит 12,9 млрд параметров и имеет контекст длиной 2048 токенов. Метаданные указывают английский язык. В репозитории представлены веса PyTorch и safetensors; README также упоминает варианты GGML и 4-битный GPTQ для локального запуска. Автор предупреждает, что это промежуточный выпуск неотфильтрованной модели: возможны проблемы с цензурированием и другие дефекты ответов. Также отмечена ошибка с токенами остановки, способная приводить к генерации нежелательных системных сообщений. Лицензия в предоставленных данных не указана.

Vicuna-33B-v1.3 — авторегрессионная языковая модель на архитектуре Transformer семейства LLaMA, разработанная LMSYS. Модель содержит 32,3 млрд параметров и дообучена на пользовательских диалогах, собранных из ShareGPT, чтобы вести разговор и отвечать на запросы в формате чат-ассистента. Модель предназначена для генерации текста в диалогах, а также для исследований и экспериментов с большими языковыми моделями и чат-ботами. Она принимает текст и генерирует текст; заявленная длина контекста — 2048 токенов. В карточке описана оценка на стандартных бенчмарках, по человеческим предпочтениям и с использованием LLM-судьи. Vicuna разработана для исследователей и энтузиастов в области NLP, машинного обучения и ИИ. Лицензия запрещает коммерческое использование. Качество ответов зависит от запроса и данных обучения; модель может ошибаться и унаследовать смещения из обучающих диалогов.

Vicuna-7B v1.1 — диалоговая авторегрессионная языковая модель на архитектуре Transformer семейства LLaMA, разработанная командой Vicuna при участии специалистов из UC Berkeley, CMU, Stanford и UC San Diego. Модель основана на LLaMA и дообучена на 70 тысячах разговоров, опубликованных пользователями ShareGPT; в репозитории указано слияние delta v1.1. Модель предназначена для генерации текста в диалоге: она отвечает на вопросы и поддерживает исследовательские и любительские проекты с чат-ботами и языковыми моделями. Размер — 6,6 млрд параметров, контекст — 2048 токенов. Обновление v1.1 изменило разделитель генерации на EOS-токен и исправило расчёт функции потерь при дообучении. Модель работает с текстом и выдаёт текст. Карточка заявляет лицензию Apache 2.0. Оценка качества описана как предварительная и основана на небольшом наборе вопросов с оцениванием GPT-4; ответы могут быть неточными, а контекст ограничен 2048 токенами.

Vicuna-7B-v1.3 — диалоговая языковая модель, разработанная LMSYS и полученная дообучением LLaMA на пользовательских разговорах из ShareGPT. Это авторегрессионная плотная трансформерная модель семейства LLaMA с архитектурой LlamaForCausalLM и примерно 6,6 млрд параметров; она принимает текст и генерирует текст, а длина контекста составляет 2048 токенов. Модель предназначена для диалогового взаимодействия, исследований больших языковых моделей и чат-ботов, а также для экспериментов исследователей и энтузиастов в области NLP, машинного обучения и ИИ. В README описана оценка с помощью стандартных тестов, предпочтений людей и LLM-судьи, но численные результаты не приведены. Указана некоммерческая лицензия, поэтому коммерческое использование не разрешено её условиями.

imthanhlv/vigpt2medium — модель генерации текста, опубликованная разработчиком Thành Lê на Hugging Face. Она относится к семейству GPT-2 и предназначена для авторегрессионного продолжения и генерации текста по заданному началу.

Vikhr-Llama-3.2-1B-instruct-GGUF — инструкционная языковая модель семейства Vikhr, разработанная командой Vikhr Team. Она основана на Llama-3.2-1B-Instruct и дообучена на русскоязычном датасете GrandMaster-PRO-MAX. Модель предназначена для генерации текста и выполнения инструкций на русском и английском языках. Модель имеет компактный размер 1B параметров и ориентирована на эффективный запуск на слабых, маломощных и мобильных устройствах. В README также заявлена эффективность в пять раз выше базовой модели. Указан формат GGUF и библиотека llama.cpp, что подходит для локального развёртывания и инференса с ограниченными вычислительными ресурсами. Рекомендуемая температура генерации — 0,3. По результатам оценки на ru_arena_general модель получила Score 19,04 и LC Score 45,56, превзойдя базовую meta-llama-Llama-3.2-1B-Instruct в этом сравнении. При этом README не содержит сведений о размере контекста, точной архитектуре GGUF-квантизации и поддерживаемых модальностях, поэтому модель следует рассматривать как текстовую. Лицензия указана как llama3.2; условия её применения необходимо уточнять в соответствующих лицензионных документах.