II.6Документация и сопровождение разработки

MS-Meadowlark-22B-GGUF — это набор GGUF-квантизаций текстовой генеративной модели MS-Meadowlark-22B, разработанной allura-org. Модель относится к семейству моделей, созданных с использованием mergekit, и предназначена для генерации текста. Квантизацию выполнил bartowski с помощью llama.cpp и imatrix, что позволяет запускать модель локально, в том числе через LM Studio. Для взаимодействия в README указан шаблон prompt: <s> [INST] запрос [/INST]. Модель имеет размер 22B параметров; доступны варианты от полноразмерных F16 до более компактных Q2, Q3, Q4, Q5, Q6, Q8 и IQ-квантизаций. Размер файлов составляет примерно от 8,47 до 44,50 ГБ. Более качественные варианты Q5 и Q6 рекомендованы для сохранения исходных возможностей, тогда как Q3 и Q2 предназначены для систем с ограниченным объёмом оперативной памяти и обеспечивают более низкое качество. Отдельные варианты оптимизированы для ARM и требуют поддержки SVE или i8mm; они не рекомендуются для Mac и Windows. Данные о поддерживаемых языках, длине контекста, архитектуре базовой модели, мультимодальности и результатах тестирования не указаны. Распространение выполняется по лицензии MRL-0.1 от Mistral AI.

zelk12/MT3-Gen4-MUI-gemma-2-9B — объединённая разговорная языковая модель семейства Gemma 2, созданная разработчиком zelk12 методом SLERP с помощью mergekit из двух предварительно обученных моделей: zelk12/MT3-Gen4-IF-gemma-2-Riv0.1RAv0.1-9B и zelk12/MT3-Gen4-MU-gemma-2-Sv1IBT-9B. Модель содержит 9 млрд параметров, использует архитектуру Gemma2ForCausalLM и распространяется в формате safetensors для библиотеки Transformers. Модель предназначена для генерации текста в диалоговом формате; заявленная длина контекста — 8192 токена. Данные не описывают специализацию, языковой охват или конкретные прикладные сценарии сверх разговорной генерации. Лицензия в доступных сведениях не указана.

Mtreelva Dune 12B — экспериментальная текстовая генеративная модель на 12 млрд параметров, созданная слиянием моделей команд CompiwerAI, MuXodious и Reelva с помощью mergekit и метода flux. Архитектура — Gemma 4 12B; веса опубликованы в формате safetensors и доступны через Transformers. Лицензия — Apache-2.0. Модель предназначена для диалогов, задач рассуждения, программирования и многошаговых агентных сценариев. В описании заявлена поддержка индонезийского, английского, арабского, французского и марокканского дариджа; базовые модели дополнительно заявляют возможности для компаньонского общения и настраиваемую глубину рассуждения. Карточка также описывает мультимодальные возможности семейства Gemma 4, включая входные изображения, аудио и видео, однако не подтверждает их отдельно для этого слитого чекпойнта. Автор характеризует модель как экспериментальную и частично снявшую ограничения безопасности: защитные отказы всё ещё встречаются, но их можно обходить. Производительность и поведение могут отличаться от базовых моделей; карточка не приводит независимых оценок качества.

MythoMist-7b — экспериментальная текстовая модель на архитектуре Mistral, созданная Gryphe путём послойного слияния 12 моделей. Веса имеют около 7,1 млрд параметров, модель принимает текст и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев, в том числе ролевых: при создании автор стремился уменьшить частоту некоторых слов, характерных для ролевых данных ChatGPT, включая «anticipation» и «ministrations». Для совместимости с разными форматами промптов автор рекомендует шаблон Alpaca. Модель экспериментальная, а описание отмечает недостаток исходного алгоритма слияния, который впоследствии исправили; для сборки требовалось много видеопамяти. Веса опубликованы в формате safetensors. Лицензия указана как other, поэтому условия использования следует уточнять по карточке и исходным компонентам слияния.

Nanbeige4.2-3Bcmf — это квантизированная версия Nanbeige/Nanbeige4.2-3B, разработанная Nanbeige LLM Lab и преобразованная в формат CMF проектом infosave2007. Модель предназначена для генерации текста и задач, требующих рассуждений: она сначала формирует внутренний ход рассуждений, а затем выдаёт ответ. Формат CMF хранит модель в одном файле объёмом около 2,4 ГБ и позволяет запускать её через чистый Rust-runtime без Python. Архитектура модели — Looped Transformer: 22 физических слоя применяются дважды, что соответствует 44 виртуальным слоям, с повторной нормализацией на границах циклов. Используется квантизация q4t; с учётом большой vocabulary и untied embeddings файл содержит около 4,17 млрд параметров, несмотря на обозначение 3B. Модель работает с текстом; поддерживаемые языки и максимальная длина контекста в README не указаны. Доступны CPU- и GPU-сценарии, включая Apple Metal, Vulkan и DX12, а также OpenAI-compatible API через cortiq serve. Сильные стороны модели — компактное хранение, автономный запуск на компьютерах и мобильных устройствах, потоковая генерация и сохранение поведения исходной модели после конвертации. Ограничения связаны с вычислительной стоимостью looped-архитектуры: производительность зависит от пропускной способности памяти, а для reasoning-сценариев требуется выделять несколько сотен токенов на генерацию. Указанные результаты производительности относятся к конкретному оборудованию и runtime cortiq версии не ниже 0.5.35, поэтому не гарантируют аналогичные показатели в других условиях. Модель распространяется по лицензии Apache-2.0, унаследованной от базовой модели. Права на веса принадлежат Nanbeige LLM Lab; репозиторий infosave2007 изменяет формат хранения и исполнения.

Nanbeige_Nanbeige4.2-3B-GGUF — это квантизированная версия языковой модели Nanbeige4.2-3B, разработанной Nanbeige и преобразованной в формат GGUF пользователем bartowski с помощью llama.cpp. Модель предназначена для генерации текста и локального запуска через совместимые инструменты, включая llama.cpp, LM Studio, KoboldCpp, Jan AI и Text Generation Web UI. Модель относится к классу текстовых генеративных LLM, имеет размер 3B параметров и поддерживает английский и китайский языки. Доступны варианты от BF16 до различных уровней квантизации Q2–Q8 и IQ, что позволяет выбирать баланс между качеством, размером файлов и требованиями к оперативной памяти. Рекомендуемые варианты Q4–Q6 обеспечивают высокое качество при меньшем размере, а облегчённые варианты подходят для систем с ограниченными ресурсами. Сильными сторонами являются компактный размер, возможность локального запуска и широкий выбор квантизаций, включая варианты, оптимизированные для некоторых ARM- и Apple Silicon-сценариев. Ограничения включают отсутствие сведений о длине контекста, архитектурных деталях базовой модели, мультимодальности и результатах независимых оценок; качество зависит от выбранного уровня квантизации. Распространение указано по лицензии Apache-2.0.

Dumpling-Qwen2.5-32B-v2-GGUF — набор квантизированных GGUF-версий текстовой генеративной модели Dumpling-Qwen2.5-32B-v2, разработанной nbeerbower и подготовленной для распространения пользователем bartowski. Модель предназначена для генерации текста и запуска локально через llama.cpp, LM Studio и другие совместимые проекты на базе llama.cpp. Доступны варианты квантизации от Q8_0 до форматов Q3 и IQ3/IQ4, с размером файлов примерно от 14,81 до 34,82 ГБ. Более крупные варианты обеспечивают более высокое качество, а младшие позволяют снизить требования к оперативной памяти; среди рекомендуемых указаны 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. Для взаимодействия указан шаблон prompt в формате ChatML с маркерами <|im_start|> и <|im_end|>. Это текстовая модель без заявленной поддержки изображений или других модальностей. В README не указаны контекстное окно, поддерживаемые языки, точная архитектура и результаты бенчмарков, поэтому эти характеристики нельзя оценить по доступным данным. Ограничения зависят от выбранного уровня квантизации и доступных ресурсов; варианты с меньшим размером могут обеспечивать более низкое качество. Лицензия — Apache-2.0.

Это набор квантизированных вариантов Nemotron-Cascade-2-30B-A3B от noctrex на основе модели NVIDIA Nemotron-Cascade-2-30B-A3B. Модель предназначена для генерации текста и диалогов; в каталоге для неё указана возможность чата. Варианты используют формат GGUF: тензоры MoE представлены в MXFP4, а остальные сохранены в BF16 или F16. Автор рекомендует BF16 как вариант с наивысшим качеством, хотя на некоторых архитектурах он может работать медленнее; для запуска рекомендуется актуальная версия llama.cpp. Базовая модель NVIDIA построена на архитектуре Nemotron-H и предназначена также для сложных рассуждений и агентных задач с вызовом инструментов, но README этого репозитория отдельно не подтверждает поддержку вызова инструментов. Лицензия и сведения о языках в предоставленных данных не приведены.

Neophanis-8x7B — экспериментальная инструктивная модель Envoid, созданная четырёхэтапным QLoRA-дообучением mistralai/Mixtral-8x7B-v0.1. Это текстовая авторегрессионная модель семейства Mixtral с архитектурой MoE; в метаданных указано 7,1 млрд параметров и контекстное окно 32 768 токенов. Для инструктивного поведения автор обучал модули внимания, а последующие этапы затронули также слои MLP и использовали расширявшиеся наборы необработанного текста. Модель предназначена для ответов на инструкции, диалогов и ролевых сценариев, включая форматы SillyTavern и шаблон Mistral/Mixtral Instruct. Автор отмечает, что ответы могут быть неточными и галлюцинаторными, а при длинном контексте модель может перестать корректно выдавать EOS и завершать ответ. Репозиторий содержит веса safetensors; для модели указана лицензия CC BY-NC 4.0, которая ограничивает коммерческое использование.

NeuralOrca 7B V1 — экспериментальная разговорная языковая модель, созданная mrfakename слиянием mlabonne/NeuralHermes-2.5-Mistral-7B и Open-Orca/Mistral-7B-OpenOrca. Модель построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров. Она предназначена для диалогов и генерации ответов в формате ChatML. Модель принимает текст и генерирует текст. В README указан контекст 8192 токена, тогда как метаданные каталога указывают native context 32768 токенов. Это ранняя альфа-версия, автор предупреждает, что слияние не тестировалось и качество не гарантируется. Опубликованные результаты оценивания ограничены несколькими показателями и не подтверждают надёжность для конкретных сценариев. Лицензия — Apache-2.0.

NightyGurps-14b-v1.1-GGUF — это квантизированная версия текстовой генеративной модели NightyGurps-14b-v1.1, разработанной AlexBefest и подготовленной в формате GGUF пользователем bartowski. Квантизация выполнена с помощью llama.cpp b3787 и метода imatrix. Модель предназначена для генерации текста и поддерживает русский язык. Модель имеет размер 14 миллиардов параметров и рассчитана на локальный запуск через совместимые инструменты, включая llama.cpp и LM Studio. В репозитории представлены варианты от F16 до низкобитных IQ и Q-квантизаций с размером файлов примерно от 6,4 до 29,6 ГБ. Более высокие уровни квантизации обеспечивают лучшее качество при большем потреблении памяти, а низкие подходят для систем с ограниченным объёмом RAM, но могут заметно снижать качество ответов. Для работы рекомендуется использовать указанный в README формат prompt с ролями system, user и assistant. Архитектура исходной модели, максимальная длина контекста, точная поддержка языков кроме русского, мультимодальные возможности и результаты benchmark в README не указаны. Модель распространяется по лицензии Apache-2.0.

Niwaki-Qwen3.6-24B-A3B-v3.0-gguf — это сжатая сборка Qwen3.6-35B-A3B, подготовленная проектом Niwaki для генерации текста и диалогов через llama.cpp. Модель использует архитектуру Mixture-of-Experts: 24,1 млрд параметров всего и не более примерно 3,8 млрд активных; в 40 слоях сохранены маршрутизатор и 8 выбираемых экспертов из 256, а часть экспертов удалена. Это GGUF-файл размером 10,8 ГБ с разной точностью хранения экспертов и Q8_0 для основной части модели. Модель предназначена для локального запуска и генерации ответов в чате. В README приведены измерения качества на WikiText-2, C4, FLORES-200 и тестах отслеживания программных состояний; заявлены десять языков: английский, испанский, французский, немецкий, русский, китайский, японский, корейский, арабский и хинди. Для запуска требуется форк neopolita-llama.cpp версии v3.0 или новее: стандартный llama.cpp пока не поддерживает используемое размещение экспертов по уровням точности. Лицензия — Apache 2.0.

Карточка модели Ryan911/nlp-toolkit-question_answering-base на Hugging Face совпадает с карточкой Ryan911/nlp-toolkit-completion-base, поэтому описание составлено по ней. Ryan911/nlp-toolkit-completion-base — дообученная с помощью TRL модель Qwen/Qwen2.5-0.5B-Instruct для генерации текста и диалоговых ответов. Она использует плотную архитектуру Qwen2ForCausalLM, содержит 494 млн параметров и работает с текстовым вводом и выводом. Модель доступна в формате safetensors и рассчитана на контекст до 32 768 токенов. Пример в карточке показывает генерацию ответа на вопрос в формате диалога через библиотеку Transformers. Модель можно применять для простых бесед, продолжения текста и выполнения инструкций. Лицензия в предоставленных данных не указана.

openbmb/NOSA-3B — языковая модель с 3,2 млрд параметров, разработанная командой OpenBMB с механизмом разреженного внимания NOSA (Native and Offloadable Sparse Attention). NOSA предназначен для эффективной работы с KV-кэшем при его выгрузке из памяти и сохраняет локальность доступа; для инференса предусмотрена система NOSI. Модель относится к семейству Llama и доступна в форматах PyTorch и Safetensors. Модель подходит для генерации текста и диалогов, в том числе для длинных контекстов и продолжительной генерации. Заявленный нативный размер контекста — 8192 токена. В статье авторы сообщают об улучшении качества на длинных последовательностях по сравнению с предыдущими методами выгрузки KV-кэша и об ускорении декодирования до 5,04 раза относительно FullAttn, 1,92 раза относительно InfLLMv2 и 1,83 раза относительно ShadowKV; эти показатели относятся к описанным авторами экспериментам. Карточка указывает поддержку английского и китайского языков и лицензию Apache-2.0. Подробности о качестве на конкретных задачах и ограничениях применения за пределами приведённых экспериментов в карточке не раскрыты.

amazingvince/Not-WizardLM-2-7B — текстовая генеративная модель семейства Mistral, опубликованная пользователем amazingvince. Репозиторий содержит веса в формате safetensors и код шаблона диалога из FastChat; модель имеет 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогового использования с соответствующим шаблоном чата. В карточке упоминается Apache 2.0, а метаданные указывают лицензию Apache-2.0. README не описывает обучение, языки, качество или специализированные сценарии модели.

ibndias/Nous-Hermes-2-MoE-2x34B — экспериментальная текстовая генеративная модель на архитектуре Mixtral MoE, представленная как MoE-версия Nous Hermes 2 Yi 34B. В README указана Yi-34B как базовая модель; в создании исходной дообученной модели участвовала NousResearch, а для объединения моделей использовался mergekit. Модель предназначена для генерации текста и языковых ответов. В репозитории размещены веса Safetensors. Метаданные указывают 33,9 млрд параметров и контекст до 4096 токенов. README приводит результаты на бенчмарках AI2 Reasoning Challenge и HellaSwag, но не описывает языки, режимы использования или более конкретные сценарии. Лицензия — Apache-2.0.

trinhkhng/nuslerp_Merged_gpt2-large_0.2 — языковая модель на архитектуре GPT-2 Large, созданная слиянием предварительно обученных моделей через NuSLERP с помощью mergekit. В слиянии использованы /kaggle/working/gpt2-large с весом 0,8 и /kaggle/working/debias_gpt2-large с весом 0,2; токенизатор взят из gpt2-large. Модель предназначена для генерации текста по текстовому контексту. Она использует архитектуру GPT2LMHeadModel, распространяется в формате safetensors и имеет контекстное окно 1024 токена. Размер параметров в доступных данных не указан. Модель объединяет базовую GPT-2 Large с моделью, ориентированной на снижение предвзятости, однако README не содержит результатов оценки качества или подробностей о том, насколько слияние влияет на предвзятость и генерацию. Условия лицензии в доступных данных не приведены.

Это GGUF-квантизация инструкционной модели Llama-3.1-8B-UltraLong-2M-Instruct, разработанной NVIDIA и подготовленной пользователем bartowski. Модель предназначена для генерации текста и диалоговых сценариев, включая запуск локально через llama.cpp, LM Studio и другие совместимые проекты. По названию и идентификатору она относится к семейству UltraLong с контекстом до 2M токенов, однако подробные характеристики исходной архитектуры в предоставленном README не указаны. Доступны варианты от исходных весов BF16 до квантизаций Q8_0, Q6, Q5, Q4, Q3 и IQ4 с размером файлов примерно от 4,3 до 16,1 ГБ. Это позволяет выбирать между качеством генерации и требованиями к памяти; в README наиболее рекомендуемыми названы некоторые варианты Q6, Q5 и Q4. Указан английский язык, поддержка других языков не заявлена. Модель работает только с текстом, поскольку модальности изображений или аудио не описаны. К сильным сторонам относятся широкий выбор квантизаций, возможность локального запуска и сохранение высокого качества в старших вариантах. Более сильное сжатие уменьшает требования к оперативной памяти, но может снижать качество. Для корректной работы рекомендуется использовать шаблон запросов Llama 3.1, приведённый в README. Лицензия модели — CC BY-NC 4.0, допускающая использование с ограничениями, включая некоммерческий характер лицензии.

NVIDIA-Nemotron-Nano-12B-v2-GGUF — это набор GGUF-квантизаций языковой модели NVIDIA-Nemotron-Nano-12B-v2, разработанной NVIDIA и подготовленной пользователем bartowski. Модель предназначена для генерации текста и запуска локально через llama.cpp, LM Studio и другие совместимые проекты на базе llama.cpp. В набор входят версии с точностью от BF16 до Q3 и IQ3/IQ4, что позволяет выбирать между качеством, размером файла и требованиями к оперативной памяти. Полная BF16-версия занимает около 24,63 ГБ, а доступные квантизированные варианты — примерно от 5,69 ГБ. Квантизация выполнена с использованием imatrix на базе llama.cpp b6317. Архитектура исходной модели, число параметров, поддерживаемые языки, модальности и размер контекста в README не указаны; по представленным данным модель описывается как текстовая. Сильной стороной набора является широкий выбор уровней квантизации: Q6 и Q5 ориентированы на высокое качество, Q4 предлагают сбалансированный размер и качество, а Q3 и IQ3/IQ4 подходят для систем с ограниченной памятью. При этом более сильное сжатие может снижать качество генерации, а совместимость и производительность зависят от используемого приложения и оборудования. Лицензия в README не указана; условия следует уточнять на странице исходной модели NVIDIA-Nemotron-Nano-12B-v2.

NYXIS-Pro — диалоговая текстовая модель QuantaSparkLabs на архитектуре Qwen2 с 1,5 млрд параметров, дообученная на базе QuantaSparkLabs/NYXIS-1.1B. Она предназначена для генерации ответов и помощи с вопросами по программированию, математике, науке, истории и общим знаниям. В комплект входят база AEGIS из 5 426 фрагментов знаний и двухэтапный поиск: первичный подбор с bge-small-en-v1.5 и переранжирование с ms-marco-MiniLM-L-6-v2. Модель также оценивает эмоцию в пользовательском тексте и подстраивает тон ответа. Контекст модели — до 32 768 токенов. По README, система может обращаться к внешнему поиску при наличии предоставленной пользователем API-функции, а при нехватке данных должна сообщать об этом. Заявление карточки о том, что модель не галлюцинирует, не гарантирует фактическую точность. Модель ориентирована на английский язык; небольшое число параметров ограничивает сложные рассуждения, база знаний охватывает ограниченный набор фрагментов, а определение эмоций основано на ключевых словах. Лицензия — Apache-2.0.

eren23/ogno-monarch-jaskier-merge-7b — объединённая языковая модель семейства Mistral, созданная автором репозитория с помощью LazyMergekit на основе mlabonne/Monarch-7B, paulml/OGNO-7B и bardsai/jaskier-7b-dpo-v5.6. В README также указано последующее дообучение методом DPO для небольшого улучшения результатов на Open LLM Leaderboard. Модель предназначена для генерации текста и ответов на запросы. Она содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов; в репозитории представлены веса Safetensors. Метаданные указывают английский язык. README приводит результаты отдельных тестов Open LLM Leaderboard, но не описывает специализированные области применения. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Указанные результаты бенчмарков не гарантируют качество для конкретных задач; в карточке нет подробного описания тестирования и ограничений генерации.

Olethros-8B — чат-модель на архитектуре Llama, созданная lodrick-the-lafted путём дообучения L3-8b-Instruct примерно на 6000 генерациях Opus. Она предназначена для диалогов и генерации текста; среди датасетов указаны OpusStories, Sao10K_Claude-3-Opus-Instruct-3.3K, Samantha-Opus и Worldsim-Opus. Модель имеет 7,5 млрд параметров и контекст длиной 8192 токена. В репозитории представлены веса safetensors, а также доступны варианты квантизации GGUF, Exl2 и AWQ. Лицензия — Llama 3 Community License (llama3).

Shahradmz/OLMo-1B-hf-PPO-constitution-2 — это дообученная с помощью TRL языковая модель семейства OLMo, опубликованная пользователем Shahradmz. Она построена на плотной архитектуре для авторегрессионной генерации текста и поддерживает диалоговый режим. В карточке приведён пример ответа на вопрос пользователя с использованием Transformers. Модель подходит для генерации продолжений текста и ответов на запросы в диалоге. Веса опубликованы в формате Safetensors; размер модели — 1,2 млрд параметров, длина контекста — 2048 токенов. README называет базовую модель «None», поэтому установить её идентификатор по карточке нельзя. Лицензия в предоставленных данных не указана.

OLMo 2 32B Instruct — англоязычная диалоговая языковая модель AllenAI, опубликованная в марте 2025 года. Репозиторий unsloth содержит версию, дообученную на базе allenai/OLMo-2-0325-32B-Instruct: исходная модель прошла supervised fine-tuning, обучение DPO и RLVR на варианте набора Tülu 3. Архитектура — плотная авторегрессионная OLMo 2 с 31,7 млрд параметров; контекст — 4096 токенов. Модель предназначена для диалогов и выполнения инструкций, а также для решения математических задач и следования заданному формату. README упоминает оценки на MATH, GSM8K и IFEval. Она ориентирована прежде всего на английский язык. Модель распространяется по лицензии Apache 2.0. В README отмечено, что обучение безопасности ограничено: модель может выдавать проблематичные ответы, особенно в ответ на соответствующие запросы. Для практического использования могут потребоваться собственные фильтры вывода.

sbordt/OLMo-2-1B-1x-WD0 — текстовая авторегрессионная модель семейства OLMo 2, опубликованная Себастьяном Бордтом на Hugging Face. Метаданные указывают архитектуру Olmo2ForCausalLM, около 1,3 млрд параметров и контекст 4096 токенов. Модель предназначена для генерации текста и может использоваться как компактная языковая модель для локальных экспериментов и разработки; Ai2 описывает базовую OLMo 2 1B как наименьшую модель семейства, рассчитанную в том числе на быструю исследовательскую итерацию. Карточка именно этого репозитория автоматически сгенерирована и не раскрывает разработчика весов, обучение, лицензию или особые возможности варианта WD0. Поэтому назначение можно уверенно описать только как генерацию текста на основе архитектуры OLMo 2; свойства базового OLMo 2 не следует считать подтверждёнными характеристиками этой конкретной версии. Языковая поддержка карточкой модели не подтверждена.

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

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