II.6Документация и сопровождение разработки

Deita 7B V1.0 — языковая модель, выпущенная проектом Deita для изучения автоматического отбора данных для настройки инструкций. Это дообученная с помощью SFT и DPO модель Mistral-7B-v0.1: она обучалась на 6 тысячах автоматически отобранных примеров для выравнивания ответов и 10 тысячах случайно выбранных предпочтений из Ultrafeedback. Модель содержит 7,1 млрд параметров, использует архитектуру Mistral и поддерживает контекст до 32 768 токенов. Модель рассчитана прежде всего на диалоговые инструкции и ответы на вопросы на английском языке; при обучении применялся шаблон vicuna_v1.1. Её можно использовать для генерации ответов ассистента и исследовательских экспериментов по настройке инструкций и выравниванию моделей. Репозиторий распространяется под лицензией Apache-2.0. Карточка приводит сравнительные результаты на нескольких бенчмарках, но не раскрывает в доступном фрагменте полную таблицу; качество ответов в конкретных сценариях следует оценивать отдельно.

Delexa-Instruct-V0.1-7b — диалоговая инструкция-модель семейства Mistral, выпущенная командой lex-hue. Она предназначена для генерации ответов и выбора наиболее подходящего варианта из нескольких ответов на вопрос. В README описано обучение на примерах с одним вопросом и тремя вариантами ответа; модель также оценивали на вопросах с выбором ответа и задачах общего рассуждения. Модель имеет плотную архитектуру MistralForCausalLM и 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Карточка указывает разрешённый взрослый и откровенный контент, но заявляет ограничения на незаконный контент; jailbreak может обходить эти ограничения. Доступна под лицензией Apache-2.0.

Модель laion/delphi-2e19-p67m33-k0p20-lr83-a002-magpie_lr1e5-sft — разговорная языковая модель семейства Qwen3 с плотной архитектурой Qwen3ForCausalLM и 656,4 млн параметров. По карточке, её обучили с нуля на наборах данных Magpie и delphi_warmup; метаданные указывают библиотеку Transformers и поддержку чата. Модель предназначена для генерации текста в диалоговом формате. Её можно использовать для построения ответов на сообщения и других текстовых продолжений. Размер контекста составляет 4096 токенов, файлы представлены в формате safetensors. В README не приведены результаты оценки качества, подробности о языках, целевых сценариях или известные ограничения. Лицензия обозначена как other, поэтому условия использования следует сверить с лицензией и файлами репозитория.

Модель laion/delphi-2e20-p33m67-k0p20-lr83-a001-wc386k_lr1e5-sft — текстовая генеративная модель семейства Qwen3, разработанная LAION. Согласно карточке, она обучена с нуля на наборах данных wildchat_386k и delphi_warmup; метаданные указывают на плотную архитектуру Qwen3ForCausalLM, 1,7 млрд параметров и контекст до 4096 токенов. Модель предназначена для генерации текста в диалоговом формате. В репозитории указаны веса safetensors и библиотека Transformers. Карточка не описывает качество, оценку, поддерживаемые языки или конкретные ограничения. Лицензия обозначена как other, поэтому условия использования следует сверить с полной лицензией репозитория.

DeltaP2S-Qwen2.5-14B-P2S-Code-S13 — объединённый чекпойнт на базе Qwen2.5, созданный разработчиком g-assismoraes с помощью экспериментального пакета Delta-P2S с поддержкой Qwen. Модель представляет собой плотную авторегрессионную языковую модель семейства Qwen2, содержит 14 млрд параметров и рассчитана на генерацию текста в диалоговом режиме. Указанная длина контекста — 131072 токена. Название указывает на вариант Code, однако README не описывает его обучающие данные, конкретные возможности программирования или результаты оценки, поэтому специализированное качество в задачах кода подтвердить нельзя. Модель опубликована в формате safetensors для Transformers. Лицензия в предоставленных данных не указана.

Devstral-Small-2505-MLX-4bit — это 4-битная квантованная версия модели Devstral-Small-2505, разработанной mistralai. Квантование выполнено командой LM Studio с использованием mlx_lm, а модель оптимизирована для запуска на устройствах Apple Silicon через MLX. Модель предназначена для генерации текста; конкретные специализированные сценарии, архитектура, количество параметров, размер контекста и поддерживаемые модальности в README не указаны. Заявлена поддержка английского, французского, немецкого, испанского, португальского, итальянского, японского, корейского, русского, китайского и ряда других языков. Ключевое преимущество версии — снижение требований к памяти благодаря 4-битному квантованию и оптимизация для Apple Silicon. Ограничения включают отсутствие подробных данных о производительности, архитектуре и качестве ответов, а также возможные неточности, вредный или неподходящий контент, характерные для генерирующих моделей. Модель распространяется по лицензии Apache-2.0.

Карточка модели Dnoya10/dicoding_genAI_expert_collab_grpo на Hugging Face совпадает с карточкой Dnoya10/dicoding_genAI_expert_collab_grpo_4, поэтому описание составлено по ней. Dnoya10/dicoding_genAI_expert_collab_grpo_4 — дообученная языковая модель семейства Qwen2 с архитектурой плотной авторегрессионной сети. Разработчик — Dnoya10; модель дообучена на Dnoya10/dicoding_genAI_expert_collab_eks1 с использованием Unsloth и библиотеки TRL. В репозитории указаны веса Safetensors, размер модели — 1,5 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно использовать для ответов на запросы и ведения беседы на английском языке. Интерфейс поддерживает вызов инструментов, но карточка не описывает специальные предметные области или конкретные сценарии применения. Лицензия — Apache-2.0.

Это компактная плотная языковая модель семейства Llama, разработанная как дообученная версия meta-llama/Llama-3.2-1B-Instruct. Она предназначена для генерации текста и диалогов; в метаданных также заявлен интерфейс вызова инструментов. Модель содержит 1,2 млрд параметров, принимает текст и выдаёт текст, работает через библиотеку Transformers и распространяется в формате safetensors. Нативная длина контекста — 131 072 токена; в тегах указана поддержка нескольких языков, но список языков не приведён. Название репозитория указывает на дообучение с использованием HarmData, AlpacaGPT4, OpenWebText и RefusalData, однако README не раскрывает детали обучения, цели настройки или результаты оценки. Модель может подойти для прототипирования диалоговых приложений и генерации ответов, но качество и поведение на конкретных задачах требуют отдельной проверки. Лицензия — Llama 3.2; использование регулируется условиями лицензии Meta Llama 3.2.

Dolphin-2.2-Yi-34B — разговорная языковая модель на 33,9 млрд параметров, разработанная Eric Hartford при спонсорской поддержке a16z. Она основана на Yi-34B в совместимом с Llama варианте chargoddard/Yi-34B-Llama и дообучена методом QLoRA на данных Dolphin, Airoboros, Samantha и WizardLM. Модель использует архитектуру LlamaForCausalLM, формат диалога ChatML и контекст длиной 16 384 токена. Модель предназначена для генерации текста и многоходового диалога: она отвечает на вопросы, поддерживает творческие задачи и может давать личные советы с эмпатичным тоном. Карточка заявляет обучение на английском языке и описывает модель как uncensored и более склонную выполнять запросы, в том числе сомнительные; для использования в сервисе автор рекомендует самостоятельно добавить слой выравнивания и контроля. Это делает модель менее подходящей для непосредственного развёртывания без защитных механизмов. В метаданных указана лицензия Apache-2.0, однако README сообщает, что модель основана на Yi и подпадает под лицензию Yi. Перед использованием следует проверить условия обеих лицензий и применимые ограничения базовой модели.

dphn/dolphin-2.8-experiment26-7b-preview — экспериментальный чат-чекпойнт на архитектуре Mistral, дообученный на базе yam-peleg/Experiment26-7B. Модель предназначена для генерации текста в диалоговом формате; карточка сообщает о выпуске чекпойнта после одной эпохи обучения и указывает, что он устарел и заменён финальной версией. Модель содержит 7,1 млрд параметров, рассчитана на контекст до 32 768 токенов и опубликована в формате PyTorch. В README приведены результаты оценки на бенчмарках Open LLM Leaderboard, включая средний балл 68,60, AI2 Reasoning Challenge и HellaSwag. Указана лицензия Apache-2.0. Карточка не описывает конкретные обучающие данные или специализированные предметные области.

Dream-org_Dream-v0-Instruct-7B-GGUF — это набор квантизированных GGUF-версий модели Dream-v0-Instruct-7B, разработанной Dream-org и подготовленной пользователем bartowski. Модель предназначена для генерации текста и выполнения инструкций, а запускать её можно через llama.cpp, LM Studio и другие проекты на базе llama.cpp. В набор входят варианты с исходной точностью bf16 и несколькими уровнями квантизации: от Q8_0 до Q2_K_L, включая семейства Q4, Q5, Q6, Q3 и IQ. Размер файлов составляет примерно от 3,55 до 15,24 ГБ, что позволяет выбирать баланс между качеством ответа и требованиями к оперативной памяти. Квантизация выполнена с использованием imatrix на базе llama.cpp, релиз b5915. Поддерживается формат диалога с ролями system, user и assistant через специальные токены im_start и im_end. Сильной стороной набора является широкий выбор вариантов для локального запуска: версии Q6 и Q5 ориентированы на высокое качество, Q4 подходят для большинства сценариев, а Q3 и Q2 рассчитаны на системы с ограниченным объёмом памяти. Более сильное сжатие снижает требования к ресурсам, но может ухудшать качество генерации. В README не указаны архитектурные детали базовой модели, поддерживаемые языки, размер контекстного окна и лицензия, поэтому эти характеристики нельзя достоверно определить по представленным данным.

Dream-v0-Base-7B — базовая модель Dream 7B, представленная разработчиками Dream-org как открытая диффузионная большая языковая модель. Она предназначена для генерации текста; метаданные также отмечают поддержку диалогового режима и интерфейса вызова инструментов. Модель имеет плотную архитектуру DreamModel и содержит 7,1 млрд параметров. Заявленная длина контекста — 131 072 токена. Репозиторий содержит веса в формате safetensors, библиотека для работы — Transformers. Лицензия Apache-2.0 разрешает использование на её условиях. Карточка характеризует модель как обладающую высокой производительностью, но не приводит результатов оценивания или подробностей о языках и ограничениях. Поэтому качество для конкретных задач и поддерживаемые языки по имеющимся данным оценить нельзя.

Duchifat-V2 — двуязычная авторегрессионная языковая модель, разработанная TopAI для генерации текста на иврите и английском. Это decoder-only Transformer с архитектурой DuchifatCore; в метаданных указано 124,6 млн параметров, а в README — 136 млн. Модель обучалась на корпусе C4 с заявленным равным распределением иврита и английского и рассчитана на генерацию и продолжение текста. README сообщает о специальном токенизаторе, работе с переключением языков и базовых zero-shot задачах. Для использования применяется Transformers и формат PyTorch. Лицензия — Apache-2.0. Длина контекста в доступных сведениях не указана.

Eris_PrimeV3-Vision-7B — объединённая модель ChaoticNeutrals на архитектуре Mistral с 7,1 млрд параметров. Она предназначена для генерации текста и поддерживает работу с изображениями через Koboldcpp: для этого требуется загрузить файл mmproj-model-f16.gguf из репозитория и использовать актуальную версию Koboldcpp. Указанная длина контекста — 32 768 токенов; доступны веса Safetensors и GGUF F16. Модель объединяет ChaoticNeutrals/Eris_Prime-V2-7B и InferenceIllusionist/Excalibur-7b. README отдельно упоминает кванты с imatrix, подготовленные Lewdiculus. Лицензия обозначена как other; конкретные условия в предоставленных данных не раскрыты. Поддержка изображений описана для Koboldcpp, поэтому совместимость с другими средствами запуска не подтверждена.

ERNIE-4.5-21B-A3B-MLX-4bit — это 4-битная версия модели ERNIE-4.5-21B-A3B-PT, разработанной Baidu и преобразованной в формат MLX командой LM Studio с использованием mlx_lm. Модель предназначена для генерации текста и может применяться в сценариях локального запуска и других задачах text generation, поддерживаемых исходной моделью. Модель основана на архитектуре ERNIE-4.5-21B-A3B; точные сведения об архитектурных особенностях, размере активной части, модальностях и длине контекста в README не приведены. Указана поддержка английского и китайского языков. Ключевая особенность этой версии — 4-битная квантизация, оптимизированная для работы на устройствах с Apple Silicon, что может снизить требования к памяти по сравнению с полноформатной моделью, но потенциально влияет на точность. Модель распространяется по лицензии Apache-2.0. README не содержит подробных результатов тестирования, описания ограничений исходной модели или гарантий качества; при использовании следует учитывать возможное появление неточного, вредного или нежелательного контента.

ERNIE-4.5-21B-A3B-PT-GGUF — это квантизированная версия текстовой модели ERNIE-4.5-21B-A3B-PT, разработанной Baidu. Модель распространяется в формате GGUF для запуска средствами llama.cpp и совместимыми приложениями, включая LM Studio. Квантизацию выполнил bartowski на основе релиза llama.cpp b5924. Модель предназначена для генерации текста и других сценариев, поддерживаемых задачей text-generation, включая локальный запуск в приложениях, использующих GGUF. В названии указаны параметры 21B и A3B, однако README не содержит подробностей об архитектуре, механизме активации параметров, фактическом размере конкретного квантования, длине контекста, поддерживаемых языках или дополнительных модальностях. К сильным сторонам относятся локальное распространение в формате GGUF и совместимость с экосистемой llama.cpp. Ограничения и требования к ресурсам зависят от выбранного варианта квантования, но в README не приведены его характеристики. Лицензия модели в предоставленных данных не указана; условия использования следует уточнять в источнике оригинальной модели Baidu.

ERNIE-4.5-300B-A47B-Base-Paddle — базовая языковая модель компании Baidu на архитектуре MoE семейства ERNIE 4.5, распространяемая с весами для PaddlePaddle. Это текстовая модель на этапе предварительного обучения: в ней 300 млрд параметров всего, из которых для каждого токена активируется 47 млрд. Она предназначена для продолжения текста и может служить основой для дообучения под прикладные задачи; для работы с ней Baidu предлагает инструментарий ERNIEKit, включая SFT, LoRA и DPO. Модель поддерживает контекст до 131 072 токенов. Хотя семейство ERNIE 4.5 обучалось на текстовых и визуальных данных, данная Base-версия принимает только текст и поддерживает завершение текста, а не диалоговый режим chat completion. В метаданных карточки указаны английский и китайский языки. Модель распространяется по лицензии Apache 2.0.

Карточка модели datalama/EXAONE-3.5-32B-Instruct-Llamafied на Hugging Face совпадает с карточкой datalama/EXAONE-3.5-7.8B-Instruct-Llamafied, поэтому описание составлено по ней. datalama/EXAONE-3.5-7.8B-Instruct-Llamafied — разговорная языковая модель на 7,4 млрд параметров, преобразованная в архитектурный формат Llama из исходной модели EXAONE-3.5 от LG AI Research. Версия использует Transformers и веса Safetensors; в карточке указано контекстное окно 32 768 токенов и поддержка диалога. Модель предназначена для генерации текста и диалоговых сценариев на английском и корейском языках. Автор карточки сообщает об изменениях в скрипте преобразования, включая настройку масштабирования RoPE для увеличения контекста; исходный скрипт Llamafy, по его словам, может снижать качество. Лицензия обозначена как other, поэтому условия использования следует сверить с лицензией исходной модели.

automerger/Experiment27Experiment29-7B — языковая модель, созданная слиянием предварительно обученных моделей yam-peleg/Experiment27-7B и yam-peleg/Experiment29-7B с помощью mergekit. Использован метод DARE TIES; базой слияния была Experiment27-7B, а веса Experiment29-7B участвовали с плотностью 0,53 и весом 0,6. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и рассчитана на генерацию текста. Заявленная длина контекста — 32 768 токенов; для работы доступны веса в формате Safetensors через Transformers. Возможности и языки, помимо генерации текста, в карточке не описаны. Лицензия в предоставленных данных не указана.

Experiment28T3q_AlloyingotneoyInex12 — объединённая модель генерации текста семейства Mistral, созданная на основе automerger/Experiment28T3q-7B и automerger/AlloyingotneoyInex12-7B. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и доступна в формате safetensors. Она предназначена для генерации текста по текстовому запросу; максимальная длина контекста составляет 32 768 токенов. В метаданных и README нет сведений о специализации, поддерживаемых языках или результатах оценки качества, поэтому назначение модели можно описать только как общее текстовое продолжение и генерацию. Модель распространяется по лицензии Apache-2.0. Практическое качество, языковой охват и поведение объединённых компонентов не описаны в предоставленных источниках.

Experiment29Experiment24-7B — экспериментальная объединённая языковая модель, автоматически созданная Maxime Labonne методом DARE-TIES на основе моделей семейства Mistral. В конфигурации объединены yam-peleg/Experiment29-7B и yam-peleg/Experiment24-7B; для второй модели указаны density 0,53 и weight 0,6. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и формат safetensors, а её нативный контекст составляет 32 768 токенов. Модель предназначена для генерации текста и экспериментов с объединением языковых моделей. Доступна по лицензии Apache-2.0. Карточка не описывает специальные области применения или подробные ограничения качества.

FairyR1-14B-Preview — языковая модель с рассуждениями, разработанная PKU-DS-LAB на основе DeepSeek-R1-Distill-Qwen-14B. Это плотная модель семейства Qwen2 с 14 млрд параметров, предназначенная для генерации текста и диалогов; в обучении особое внимание уделено математике и программированию. Указанная в метаданных длина контекста — 131 072 токена. Модель создана с помощью дообучения отдельных математического и кодового экспертов на дистиллированных цепочках рассуждений с последующим объединением их весов. В README приведены результаты на AIME 2024 и 2025, LiveCodeBench и GPQA-Diamond; они отражают тестирование авторов и не гарантируют аналогичного качества на других задачах. Поддерживаются английский и китайский языки. Модель распространяется по лицензии Apache-2.0.

Falcon-3B-8k-data-new-classes — дообученная диалоговая языковая модель на базе tiiuae/Falcon3-3B-Instruct. Разработчик карточки сообщает, что модель обучена с помощью TRL; пример использования показывает генерацию ответа на вопрос в формате чата через библиотеку Transformers. Модель предназначена для генерации текста и диалоговых ответов. В метаданных указаны архитектура семейства Llama, плотная структура и размер 2,8 млрд параметров. Контекст модели составляет до 32 768 токенов. Карточка не приводит сведений о специальных доменах или отдельных языках для этой дообученной версии; базовая модель ориентирована на английский, французский, испанский и португальский языки. Модель распространяется в формате Safetensors. Сведения о лицензии в предоставленных источниках отсутствуют.

Den4ikAI/FRED-T5-LARGE_text_qa — русскоязычная модель семейства T5, разработанная Den4ikAI для ответов на вопросы по предоставленному тексту. Она обучена на наборе ru_sberquad_long_answers и подходит для сценариев, где нужно сформулировать развернутый ответ на основе контекста. Модель использует архитектуру T5ForConditionalGeneration и содержит около 403,9 млн параметров. Веса доступны в форматах PyTorch и Safetensors; лицензия — MIT. Карточка не сообщает длину контекста и подробные результаты оценки качества.

FunkyMerge-12b-0.1 — объединённая языковая модель на 12,1 млрд параметров, созданная автором репозитория с помощью mergekit. В основе архитектуры лежит Mistral, формат весов — safetensors; слияние выполнено методом DARE TIES с использованием anthracite-org/magnum-v2.5-12b-kto как базовой модели и включением VAGOsolutions/SauerkrautLM-Nemo-12b-Instruct и NeverSleep/Lumimaid-v0.2-12B. Модель предназначена для генерации текста и диалогового общения. Заявленная длина контекста — до 1 024 000 токенов. Среди компонентов слияния есть многоязычная модель, ориентированная прежде всего на немецкий и английский языки; карточка FunkyMerge не уточняет отдельный набор поддерживаемых языков. Модель распространяется в формате safetensors. Сведения о лицензии в предоставленных данных отсутствуют. Качество и поведение объединённой модели отдельно не охарактеризованы, поэтому совместимость с длинным контекстом и языковые возможности следует проверять на целевых задачах.

FuseO1-DeepSeekR1-QwQ-32B-Preview-GGUF — это набор квантизированных версий языковой модели FuseO1-DeepSeekR1-QwQ-32B-Preview, разработанной FuseAI и подготовленной пользователем bartowski в формате GGUF. Модель предназначена для генерации текста и локального запуска через llama.cpp и совместимые приложения, включая LM Studio. Модель содержит 32 млрд параметров; README не указывает её точную архитектуру, поддерживаемые языки, модальности и размер контекстного окна. Доступны варианты от BF16 до различных уровней квантизации Q8, Q6, Q5, Q4, Q3 и IQ. Более высокие уровни сохраняют лучшее качество, но требуют больше памяти, тогда как Q3 и некоторые IQ-варианты рассчитаны на системы с ограниченным объёмом RAM. Квантизация выполнена с использованием imatrix и специального датасета; для запуска требуется корректный шаблон prompt. Сильная сторона модели — широкий выбор вариантов с различным компромиссом между качеством, размером и требованиями к памяти, а также поддержка локального инференса. Ограничения включают отсутствие в README данных о фактических результатах тестирования, языках, контексте и возможностях мультимодальности; качество также зависит от выбранного уровня квантизации. Лицензия в предоставленных материалах не указана.

FuseO1-DeepSeekR1-QwQ-SkyT1-Flash-32B-Preview-GGUF — это набор GGUF-квантизаций базовой модели FuseO1-DeepSeekR1-QwQ-SkyT1-Flash-32B-Preview, разработанной FuseAI и подготовленной пользователем bartowski. Модель предназначена для генерации текста и локального запуска через llama.cpp, в том числе в LM Studio. Доступны варианты от полного BF16 до более компактных Q8_0, Q6, Q5, Q4, Q3 и IQ-квантизаций. Размер файлов составляет примерно от 17,25 до 65,54 ГБ. Квантизация выполнена с использованием imatrix и llama.cpp версии b4546. Для работы рекомендуется применять указанный в README формат prompt. Сведения об архитектуре, поддерживаемых языках, модальностях и размере контекста не приведены. Сильная сторона набора — широкий выбор компромиссов между качеством, размером и требованиями к памяти: варианты Q6 и Q5 заявлены как высококачественные, Q4_K_M — как рекомендуемый вариант для большинства сценариев, а Q3 предназначены для систем с ограниченным объёмом оперативной памяти. Ограничения связаны с необходимостью значительных вычислительных ресурсов даже для компактных вариантов и потенциальной потерей качества при использовании низких уровней квантизации. Лицензия модели — Apache-2.0.

Это квантованная версия Gemma 1.1 2B IT — компактной instruction-tuned языковой модели, первоначально разработанной Google. Репозиторий bartowski/gemma-1.1-2b-it-GGUF содержит варианты модели в формате GGUF, подготовленные bartowski с использованием llama.cpp для локального запуска и генерации текста. Модель предназначена для диалогов, ответов на вопросы и других задач текстовой генерации; в карточке приведён пример использования для объяснения работы мозга. Размер исходной модели составляет 2 млрд параметров. Доступны варианты квантования от Q8_0 до Q2_K, объёмом примерно от 1,15 до 2,66 ГБ. Более высокие уровни квантования обычно обеспечивают лучшее качество, тогда как варианты Q3 и Q2 рассчитаны на системы с ограниченным объёмом оперативной памяти, но заметно уступают по качеству. Сведения о поддерживаемых языках, длине контекста и других модальностях в README не указаны; по описанию это текстовая модель. Для использования требуется согласие с лицензией Google Gemma на Hugging Face. Ключевые ограничения исходной лицензии и условия коммерческого применения в карточке подробно не раскрыты, поэтому перед использованием необходимо ознакомиться с полным текстом лицензии Gemma. Модель распространяется в нескольких квантованных вариантах, что позволяет подобрать баланс между качеством, размером файла и требованиями к памяти.

Gemma2-2b-it-codealpaca — дообученная модель ehristoforu для генерации текста в формате диалога и работы с запросами, связанными с кодом. Она основана на unsloth/gemma-2-2b-it-bnb-4bit, имеет плотную архитектуру Gemma 2 с 2,7 млрд параметров и контекст до 8192 токенов. В карточке указано обучение с использованием Unsloth и библиотеки TRL. Модель подходит для ответов на вопросы о программировании, генерации фрагментов кода и диалогового помощника по коду на английском языке. Репозиторий содержит веса PyTorch; лицензия — Apache 2.0. Карточка не приводит результатов оценки качества или подробностей о наборе данных и конкретных языках программирования, поэтому качество ответов для отдельных задач не подтверждено.

martimfasantos/gemma-2-2b-it-mt-sft-full_sardine — дообученная на наборе sardinelab/MT-pref диалоговая модель на базе google/gemma-2-2b-it. Она предназначена для генерации текста в формате диалога и может использоваться для ответов на запросы и других сценариев общения с языковой моделью. Модель имеет плотную архитектуру Gemma 2, содержит 2,7 млрд параметров, принимает текст и выдаёт текст; максимальная длина контекста — 8192 токена. Репозиторий содержит веса в формате safetensors. Языки и специализация дообучения подробно не описаны. Модель распространяется по лицензии Gemma.