III.1Стратегия, продукт и бизнес-модели

OmniCoder-9B-Opus-4.6-Uncensored-v2-GGUF — языковая reasoning-модель на базе Qwen/Qwen3.5-9B, созданная автором ansulev. Модель получена объединением нескольких производных моделей, включая OmniCoder-9B от Tesslate, reasoning-модель Qwen3.5-9B от Jackrong и uncensored-модель HauhauCS. При обучении и слиянии использовались данные в стиле Claude 4.6 Opus, ориентированные на рассуждения, математику, логические задачи, общие знания, инструкции и программирование. Формат распространения — GGUF; заявленная лицензия — Apache-2.0. Модель предназначена для локального запуска в приложениях вроде LM Studio и для задач общего назначения, требующих многошагового рассуждения, генерации и анализа кода, решения математических и логических задач, а также следования инструкциям. В карточке указаны английский, китайский и корейский языки. Архитектура унаследована от Qwen3.5-9B, размер — около 9 миллиардов параметров. В метаданных указана мультимодальная категория image-text-to-text, однако подробности о поддерживаемых визуальных входах и размере контекстного окна не приведены. Ключевая особенность версии v2 — более компактная и эффективная генерация рассуждений. По заявленным оценкам на HumanEval и HumanEval+ она превосходит базовую Qwen3.5-9B по точности и требует примерно на 20–23% меньше текста рассуждений для одного успешного решения. Это может снижать задержку и стоимость инференса, но заявленные результаты основаны на ограниченном наборе тестов и не гарантируют аналогичного качества во всех прикладных сценариях. Разработчик также предупреждает о возможном снижении широких общих способностей из-за ограниченного объёма и направленности дообучения. Термин uncensored указывает на ослабленные ограничения отказов, что может повышать гибкость, но требует дополнительного контроля безопасности при использовании.

RQwen-v0.2 — диалоговая языковая модель на архитектуре Qwen2, разработанная ehristoforu и дообученная на базе ehristoforu/RQwen-v0.1. Модель содержит 14 млрд параметров, поддерживает контекст до 32 768 токенов и предназначена для генерации текста в диалоге; в метаданных также отмечен интерфейс вызова инструментов. Модель можно применять для ведения диалога, ответов на вопросы, выполнения инструкций и генерации текста. В карточке указан английский язык; описание базовой модели в каталоге указывает поддержку русского и английского. Весовые файлы представлены в форматах PyTorch и Safetensors. Лицензия — Apache-2.0. Карточка не описывает обучающие данные или специальные ограничения качества.

Saiga/MistralNemo 12B — русскоязычная чат-модель, разработанная Ильёй Гусевым на основе изменённой версии Mistral Nemo. Это плотная авторегрессионная модель семейства Mistral с 12,1 млрд параметров, предназначенная для диалогов и помощи пользователям на русском языке. README описывает версии, обученные с использованием SFT и SimPO на наборах данных Saiga; для работы используется формат запросов Mistral Nemo с системным сообщением в начале диалога. Модель принимает текстовые запросы и генерирует текстовые ответы. В метаданных указан нативный контекст размером до 1 024 000 токенов, формат весов — safetensors. Лицензия — Apache-2.0. README указывает на базу в виде abliterated-версии Mistral Nemo, но точный идентификатор базового репозитория не приведён.

Beast-Mixed — диалоговая языковая модель, созданная слиянием Mistral-7B-Instruct-v0.2 и Zephyr-7B-beta методом SLERP с помощью LazyMergekit. Модель на 7,1 млрд параметров предназначена для генерации текста и ответов на инструкции в формате чата; архитектура — плотная MistralForCausalLM, максимальный контекст составляет 32 768 токенов. Модель подходит для диалоговых помощников, черновиков текстов и ответов на вопросы по текстовому контексту. В README указана конфигурация слияния и тип данных bfloat16. Лицензия в предоставленных данных не указана.

BgGPT-7B-Instruct-v0.1 — болгарская инструкционная языковая модель, созданная Институтом INSAIT при Софийском университете на основе Mistral-7B-v0.1. Это плотный авторегрессионный трансформер с 7,1 млрд параметров, дообученный на болгарских веб-данных, специализированных болгарских наборах и машинных переводах англоязычных датасетов. Английские данные также использовались для сохранения навыков английского языка и логических рассуждений. Модель предназначена для диалога и выполнения инструкций на болгарском языке, а также может работать с английским текстом. Контекст составляет до 32 768 токенов. Токенизатор расширен для более эффективной обработки болгарских слов на кириллице; для инструкций в исходной карточке указаны маркеры [INST] и [/INST]. Модель распространяется по лицензии Apache 2.0. Как и другие генеративные языковые модели, она может выдавать ошибочные или неподтверждённые сведения; карточка не приводит подробных оценок таких ошибок или гарантий качества.

BgGPT-7B-Instruct-v0.2 — инструктивно дообученная языковая модель INSAIT Institute при Софийском университете, созданная на основе Mistral-7B-v0.1. Это плотный авторегрессионный трансформер с 7,1 млрд параметров и контекстом до 32 768 токенов; для работы с инструкциями использует формат Mistral с маркерами [INST] и [/INST]. Модель предназначена для диалогов, ответов на вопросы и генерации текста на болгарском и английском языках. В версии 0.2 продолжено предварительное обучение на болгарских веб-данных и специализированных наборах, а также на переводах англоязычных данных; токенизатор расширен для более эффективной обработки болгарского текста на кириллице. Английские данные использовались для сохранения навыков английского языка и логического рассуждения. Модель распространяется по лицензии Apache 2.0. В карточке приведены бенчмарки, основанные на переводах англоязычных тестов; их результаты могут не полностью отражать качество на исходных языковых наборах. Указанный контекст — технический предел модели, а качество ответов и рассуждений зависит от запроса и сценария применения.

EmertonMonarch-7B-slerp — языковая модель для генерации текста, созданная объединением моделей mlabonne/Monarch-7B и yleo/EmertonBeagle-7B-dpo методом SLERP с помощью LazyMergekit. Это плотная модель архитектуры MistralForCausalLM размером 7,1 млрд параметров; для неё указан контекст до 32 768 токенов. Модель принимает текст и генерирует текст, подходя для диалогов и общих языковых задач. Модель опубликована в формате safetensors и использует лицензию CC BY-NC 4.0, которая ограничивает коммерческое использование. Карточка описывает состав слияния и параметры объединения, но не приводит отдельные оценки качества или подробные ограничения применения.

Gemma-SEA-LION-v3-9B — языковая модель, разработанная Products Pillar команды AI Singapore при финансировании Национального исследовательского фонда Сингапура. Это плотная авторегрессионная модель-декодер на архитектуре Gemma 2 с 9 млрд параметров, созданная продолжением предобучения Google Gemma 2 9B примерно на 200 млрд токенов. Она предназначена для генерации текста на английском и языках Юго-Восточной Азии: бирманском, китайском, филиппинском, индонезийском, кхмерском, лаосском, малайском, тамильском, тайском и вьетнамском. Контекст модели составляет 8192 токена. Модель подходит для генерации ответов и текстов, вопросов и ответов, анализа тональности и токсичности, перевода, суммаризации, причинных рассуждений и естественно-языкового вывода. Карточка сообщает об оценке на SEA-HELM, но не приводит в предоставленном тексте конкретные результаты. Модель не прошла выравнивание по безопасности, поэтому при использовании нужны собственные проверки и меры безопасности. Веса доступны в формате safetensors; лицензия — Gemma Community License.

GLiClass Multilang Ultra — мультиязычная модель классификации текста от Knowledgator на архитектуре GLiClass. Она предназначена для zero-shot и few-shot классификации по заданным пользователем меткам, а также для оценки соответствия текста меткам при решении задач NLI и ранжирования релевантности. Модель поддерживает 20 языков: шведский, норвежский, чешский, польский, литовский, эстонский, латышский, испанский, финский, немецкий, французский, румынский, итальянский, португальский, нидерландский, украинский, хинди, китайский, арабский и иврит. Текст и метки могут быть на разных языках. В README указано около 1,72 млрд параметров; доступны иерархические метки, их описания и примеры для few-shot настройки. Модель подходит для тематической и тональной классификации, определения намерений, проверки следования правилам и классификации безопасности LLM. В README приведены оценки на нескольких наборах данных и сравнительные замеры скорости; фактическая производительность зависит от оборудования и задачи. Русский язык среди заявленных языков отсутствует. Лицензия — Apache-2.0.

Haumea-1.5 — разговорная языковая модель Haumea Labs, дообученная на базе unsloth/mistral-7b-instruct-v0.3-bnb-4bit. Она использует плотную архитектуру MistralForCausalLM с 7,1 млрд параметров и предназначена для генерации текста в диалоге; метаданные также указывают интерфейс вызова инструментов. Модель принимает текст и генерирует текст. Длина контекста составляет 32 768 токенов, язык карточки — английский. Веса опубликованы в формате safetensors. Модель распространяется по лицензии Apache-2.0.

Llama-SEA-LION-v3-8B — многоязычная языковая модель AI Singapore, разработанная командой Products Pillar при финансировании Национального исследовательского фонда Сингапура. Это плотная авторегрессионная decoder-модель семейства Llama 3.1 с 7,5 млрд параметров, созданная продолжительным предобучением Llama-3.1-8B-Instruct примерно на 200 млрд токенов. Она рассчитана на генерацию текста и диалоговые сценарии с языками Юго-Восточной Азии, а также английским и китайским. Поддерживаются бирманский, китайский, английский, филиппинский, индонезийский, кхмерский, лаосский, малайский, тамильский, тайский и вьетнамский языки; контекст модели составляет до 131 072 токенов. Модель подходит для ответов на вопросы, анализа тональности, выявления токсичности, перевода, краткого пересказа, рассуждений и выполнения инструкций на поддерживаемых языках. В карточке приведены оценки на SEA-HELM и SEA-IFEval, включая проверку соблюдения ограничений и ответа на нужном языке. Модель использует архитектуру и токенизатор Llama 3.1; метаданные указывают библиотеку Transformers и формат safetensors. Лицензия — Llama 3.1 Community License, условия которой следует учитывать при использовании и распространении модели.

Motif-2-12.7B-Instruct — плотная авторегрессионная языковая модель семейства Motif от Motif Technologies, созданная методом supervised fine-tuning на базе Motif-Technologies/Motif-2-12.7B-Base. Она предназначена для диалогов и генерации текста по инструкциям. Модель содержит 10,8 млрд параметров по метаданным каталога; в README заявлено 12,7 млрд. Контекстное окно составляет до 32 768 токенов. Поддержка чата подтверждена метаданными, а в карточке приведены результаты оценки на языковых бенчмарках. Модель принимает текст и генерирует текст. В тегах карточки указаны английский и корейский языки. Для запуска описано использование Transformers; README также приводит способ запуска через vLLM с временным контейнером, пока официальная поддержка модели проходит рассмотрение. Модель распространяется по лицензии Apache-2.0.

NeuralsirkrishnaShadow_YamMulti_verse_model — объединённая языковая модель на архитектуре Mistral, созданная из automerger/NeuralsirkrishnaShadow-7B и automerger/YamMulti_verse_model-7B. Она предназначена для генерации текста по текстовому запросу и поддерживает контекст длиной до 32 768 токенов. Веса доступны в формате safetensors; размер модели — 7,1 млрд параметров. Разработчик в карточке отдельно не указан. Лицензия — Apache-2.0.

qwp4w3hyb/Phi-3-mini-4k-instruct-iMat-GGUF — это GGUF-квантизированная версия Phi-3-Mini-4K-Instruct, разработанной Microsoft. Модель содержит около 3,8 млрд параметров и предназначена для генерации текста на основе инструкций. Она обучалась на синтетических данных и отфильтрованных общедоступных веб-данных с акцентом на качество и задачи, требующие рассуждений, а также прошла supervised fine-tuning и direct preference optimization для улучшения следования инструкциям и безопасности. Модель рассчитана прежде всего на коммерческое и исследовательское использование на английском языке, включая среды с ограниченными ресурсами памяти и вычислений, сценарии с требованиями к низкой задержке, а также задачи программирования, математики, логики, понимания языка и здравого смысла. Поддерживается текстовая модальность и контекст до 4096 токенов. Версия представлена в формате GGUF для запуска с llama.cpp; квантизация выполнена с использованием importance matrix, доступны варианты K- и IQ-квантизации с уровнями от Q6_K до IQ1_S. Сильными сторонами являются компактный размер, пригодность для локального запуска и высокая производительность среди моделей с менее чем 13 млрд параметров, особенно в задачах кода, математики и логического рассуждения. Ограничениями остаются английская специализация, контекст в 4K токенов и общие риски языковых моделей: возможные ошибки, проблемы безопасности и предвзятость. Для критически важных сценариев требуется отдельная проверка качества и безопасности. Модель распространяется по лицензии MIT.

RefalMachine RuadaptQwen2.5-32B-Pro-Beta — русскоязычная адаптация модели T-pro-it-1.0, опубликованная RefalMachine. Она основана на плотной архитектуре Qwen2.5 с 32 млрд параметров и предназначена для диалоговой генерации текста на русском языке. Модель объединяет базовые модели Qwen/Qwen2.5-32B и t-tech/T-pro-it-1.0, а затем адаптирована с помощью замены токенизатора, продолженного предобучения на русскоязычном корпусе и техники Learned Embedding Propagation (LEP). В метаданных указан контекст 32 768 токенов. Расширенный токенизатор на основе cl100k и униграммного словаря размером 48 тысяч токенов, по заявлению авторов, повышает скорость генерации русскоязычного текста до 60% относительно T-pro-it-1.0 при сравнении на одинаковых последовательностях. Модель подходит для русскоязычного диалога, ответов на вопросы и написания текстов; также заявлен интерфейс для вызова инструментов. Она выпущена под лицензией Apache-2.0. Авторы предупреждают, что ответы отражают данные обучения, а предобучение исходной сторонней модели ими не контролировалось; результаты оценки качества в карточке приведены не полностью.

Tulpar-7b-v2 — языковая модель HyperbeeAI на архитектуре Mistral, дообученная на инструкционном наборе данных, включающем примеры, созданные GPT-4, а также отфильтрованные и подготовленные наборы Airoboros и Platypus. Модель содержит 7,1 млрд параметров и принимает текст для генерации ответов по инструкциям; её контекстное окно составляет 32 768 токенов. Модель предназначена для диалоговых сценариев и выполнения текстовых инструкций на английском языке. Она распространяется в формате Safetensors по лицензии Apache-2.0. Разработчик не гарантирует точность, объективность и отсутствие предвзятости и рекомендует проверять безопасность модели перед внедрением.

Aya Expanse 8B — многоязычная языковая модель для генерации текста, разработанная CohereForAI. Данная версия распространяется в формате GGUF и представляет собой квантованную сборку исходной модели CohereForAI/aya-expanse-8b; квантование выполнено bartowski на основе llama.cpp. Модель предназначена для локального запуска и поддерживает контекст длиной до 8192 токенов. Модель ориентирована на работу с текстом на 23 языках, включая английский, французский, немецкий, испанский, итальянский, португальский, японский, корейский, китайский, арабский, греческий, персидский, польский, индонезийский, чешский, иврит, хинди, нидерландский, румынский, русский, турецкий, украинский и вьетнамский. Ключевая сильная сторона — расширенные многоязычные возможности, что делает модель подходящей для генерации, преобразования и обработки текста в многоязычных сценариях. В README не приведены подробные сведения об архитектуре, конкретных результатах тестирования, требованиях к ресурсам или ограничениях качества, поэтому их оценку нельзя уточнить по имеющимся данным. Модель распространяется по лицензии CC-BY-NC-4.0 и предназначена только для некоммерческого использования. Также необходимо соблюдать C4AI Acceptable Use Policy и условия лицензионного соглашения Cohere; для доступа требуется принятие соответствующих условий и предоставление запрошенных данных.

flammen13-mistral-7B — слитая с помощью mergekit методом SLERP языковая модель на архитектуре Mistral с 7,1 млрд параметров. В объединении использованы nbeerbower/flammen12-mistral-7B и automerger/OgnoExperiment27-7B; веса представлены в формате safetensors, тип библиотеки — Transformers. Модель предназначена для генерации текста и диалоговых сценариев. Она принимает текст и формирует текстовый ответ, поддерживая контекст до 32 768 токенов. Метаданные не задают конкретные языки или специализированную предметную область. Модель распространяется по лицензии Apache-2.0. Карточка не сообщает результатов оценки качества или особых ограничений применения.

vikash06/llama-2-7b-small-model-new — дообученная на небольшой выборке модель семейства Llama 2, опубликованная автором vikash06. Она предназначена для генерации текста и прямого использования в задачах творческого письма, ответов на вопросы по предоставленному отрывку и общих знаний, суммаризации, извлечения информации и классификации. Модель имеет плотную архитектуру LlamaForCausalLM и содержит 6,6 млрд параметров; максимальный контекст — 4096 токенов. Автор описывает обучение на экспериментальной основе для изучения эффекта более длительного обучения на небольшом наборе данных. В README указаны 1000 примеров для каждой категории и результаты оценки на бенчмарках HellaSwag и AI2 Reasoning Challenge. Это экспериментальная модель; результаты бенчмарков не гарантируют качество в иных сценариях. Репозиторий содержит веса Safetensors, лицензия — MIT.

Карточка модели Justbackup/Llama-3.3-70B-Instruct-ablated на Hugging Face совпадает с карточкой NaniDAO/Llama-3.3-70B-Instruct-ablated, поэтому описание составлено по ней. NaniDAO/Llama-3.3-70B-Instruct-ablated — диалоговая модель NaniDAO на архитектуре Llama 3.3, полученная дообучением Meta-Llama-3.3-70B-Instruct с применением техники абляции. Модель предназначена для следования инструкциям и генерации ответов в чате; авторы заявляют, что она реже отказывает на допустимые запросы и рассчитана на более свободное взаимодействие. Модель содержит 69,5 млрд параметров, принимает и генерирует текст, работает с контекстом до 131 072 токенов. В метаданных заявлена поддержка английского, французского, итальянского, португальского, хинди, испанского, тайского и немецкого языков. Доступна в формате safetensors для библиотеки Transformers; лицензия — llama3. Она подходит для диалоговых ассистентов и генерации текста, но заявленное снижение числа отказов требует ответственного применения и не гарантирует точность или безопасность ответов.

MiniCPM-MoE-8x2B — генеративная языковая модель от OpenBMB на архитектуре decoder-only Transformer с механизмом Mixture-of-Experts: в каждом слое восемь экспертов, из которых для каждого токена активируются два. Это версия после instruction tuning, без дополнительных методов RLHF; модель содержит 2,7 млрд параметров и рассчитана на контекст до 4096 токенов. Модель предназначена для диалогов и генерации текста по инструкциям. Её можно использовать для ответов на вопросы, написания и редактирования текстов, а также для классификации текста. Для запуска доступны Transformers и vLLM; веса представлены в формате PyTorch с точностью bfloat16. Модель генерирует ответы на основе обучающих текстов и не выражает личных мнений. Сгенерированную информацию следует проверять. Лицензия в предоставленных данных не указана.

MiniMax-M2.5-bf16 — текстовая MoE-модель для диалогов и выполнения задач с помощью агентных сценариев. Модель разработана MiniMax и обучалась с подкреплением на сложных задачах из реальных сред. В карточке указаны сильные результаты в программировании, поиске, вызове инструментов и офисной работе, включая подготовку материалов для Word, PowerPoint и Excel. Модель предназначена для планирования и разработки программных систем, исправления и проверки кода, многошагового поиска информации, работы с инструментами и создания офисных материалов. README сообщает об обучении на более чем десяти языках программирования; это не устанавливает поддержку конкретных естественных языков. Метаданные указывают 2,9 млрд параметров, контекст до 196 608 токенов, библиотеку Transformers и формат safetensors. Доступна версия MiniMax-M2.5 в формате bf16. Лицензия указана в README как Modified-MIT, а в метаданных — как other; перед использованием следует свериться с условиями лицензии в репозитории. Результаты бенчмарков приведены разработчиком и не гарантируют аналогичного качества в конкретном приложении. Модель описана как чат-модель; README рекомендует SGLang для локального развёртывания.

MaziyarPanahi/mistral-7b-v5-Mistral-7B-Instruct-v0.1 — чат-модель на архитектуре Mistral для генерации текста в ответ на инструкции и диалоговые запросы. Она создана слиянием методом SLERP моделей mistralai/Mistral-7B-Instruct-v0.1 и mncai/mistral-7b-v5; базовой указана mistralai/Mistral-7B-Instruct-v0.1. Модель содержит 7,1 млрд параметров, рассчитана на контекст до 32 768 токенов и распространяется в формате Safetensors. Модель подходит для диалоговых помощников и генерации ответов по текстовым запросам. В метаданных указан английский язык. Лицензия — Apache-2.0. Данные карточки не описывают специальных прикладных областей или известных ограничений качества.

MaziyarPanahi/openbuddy-mistral-7b-v13-base-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель на базе архитектуры Mistral, полученная слиянием методом SLERP моделей mistralai/Mistral-7B-Instruct-v0.2 и OpenBuddy/openbuddy-mistral-7b-v13-base. Она предназначена для генерации текста в диалоге и ответов на инструкции. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель принимает текст и генерирует текст; метаданные указывают поддержку чата. В README описано слияние весов с использованием bfloat16. Репозиторий распространяется по лицензии Apache-2.0. Языки и специализированные прикладные области в предоставленных данных не определены.

IlyaGusev/saiga_mistral_7b_merged — объединённая версия модели семейства Mistral, предназначенная для генерации текста. По метаданным это плотная авторегрессионная модель MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. В README указано, что существуют версии GGUF и квантизации TheBloke, но данный репозиторий содержит веса PyTorch. Модель ориентирована на русскоязычные запросы; метаданные связывают её с русскоязычными наборами инструкций и диалогов. Её можно использовать для ответов на вопросы, диалогов и выполнения текстовых инструкций на русском языке. Лицензия — Apache-2.0. README не раскрывает, какие именно модели были объединены и как выполнялось слияние.

Smol 7B — диалоговая языковая модель, опубликованная rishiraj и дообученная на openchat/openchat_3.5 с использованием открытого набора данных HuggingFaceH4/no_robots и рецептов The Alignment Handbook. Модель построена на архитектуре Mistral с плотной сетью и содержит 7,1 млрд параметров; для генерации текста поддерживается контекст до 8192 токенов. Модель предназначена для диалога, ответов на вопросы и выполнения текстовых инструкций на английском языке. В карточке приведены результаты на бенчмарках MMLU, ARC, HellaSwag, TruthfulQA, Winogrande и GSM8K; на момент публикации автор заявлял о наивысшем результате среди чат-моделей 7B на MMLU. Модель выпущена под лицензией Apache-2.0. Как и другие языковые модели, она может ошибаться или выдавать недостоверные ответы; результаты бенчмарков не гарантируют качество в конкретном сценарии.

mradermacher/turbo-ai-7b-i1-GGUF — набор квантованных версий текстовой модели TurboAiLabs/turbo-ai-7b, подготовленный пользователем mradermacher. Модель предназначена для генерации текста и диалогового использования, включая работу с электронной почтой, суммирование, подготовку черновиков и извлечение задач. В метаданных также указана пригодность для локального и периферийного развёртывания, что может быть полезно для сценариев с повышенными требованиями к приватности. Исходная модель имеет размер 7B параметров, относится к архитектуре Qwen2 и поддерживает английский язык. Репозиторий содержит файлы в формате GGUF с различными вариантами квантования от i1-IQ1_S до i1-Q6_K; их размер составляет примерно от 2,0 до 6,4 ГБ. Более компактные варианты требуют меньше памяти, но могут обеспечивать более низкое качество, тогда как i1-Q4_K_M отмечен как быстрый и рекомендуемый, а i1-Q4_K_S — как оптимальный по соотношению размера, скорости и качества. Контекстный размер, мультимодальность и точные характеристики исходной модели в README не указаны. Распространение выполняется по лицензии Apache-2.0. Для запуска квантованных файлов требуется совместимое программное обеспечение, поддерживающее формат GGUF; конкретные требования к оборудованию и производительности не приведены.

XVERSE-MoE-A4.2B-Chat — разработанная Shenzhen Yuanxiang Technology чат-модель на архитектуре decoder-only Transformer с механизмом смеси экспертов (MoE), выровненная на основе XVERSE-MoE-A4.2B. В базовой модели 25,8 млрд параметров, из которых при вычислении активируются 4,2 млрд; в метаданных этого репозитория указано 1,4 млрд параметров. Модель поддерживает более 40 языков, включая китайский, английский, русский и испанский, и рассчитана на контекст до 8192 токенов. Модель предназначена для диалогов, ответов на вопросы и генерации текста на нескольких языках. В архитектуре используются общие и маршрутизируемые эксперты; по карточке, обучение проводилось на 2,7 трлн токенов с последовательностями длиной 8K. Репозиторий содержит веса PyTorch и поддерживает загрузку через Transformers. Модель может выдавать неточные, предвзятые или оскорбительные ответы, поэтому перед внедрением нужна проверка безопасности под конкретный сценарий. Метаданные указывают лицензию Apache-2.0; карточка отдельно отмечает открытость весов для академических исследований и возможность бесплатного коммерческого использования с оформлением коммерческой лицензии.

Карточка модели yulan-team/YuLan-Base-12b на Hugging Face совпадает с карточкой yulan-team/YuLan-Chat-3-12b, поэтому описание составлено по ней. YuLan-Chat-3-12B — диалоговая большая языковая модель, разработанная исследователями Высшей школы искусственного интеллекта имени Гаолин при Народном университете Китая. Модель построена на плотной архитектуре Llama с 11,7 млрд параметров и предназначена для генерации ответов в диалоге и выполнения текстовых инструкций. Она обучена с нуля на англоязычных, китайских и многоязычных данных, а затем дообучена на качественных англо-китайских инструкциях и данных о человеческих предпочтениях с помощью обучения по учебной программе. Модель поддерживает контекст до 4096 токенов и ориентирована прежде всего на английский и китайский языки. Её можно применять для диалоговых помощников, ответов на вопросы, генерации и преобразования текста. В карточке указана лицензия MIT. Модель может генерировать неожиданные ответы, включая предвзятое, дискриминационное или вредоносное содержание.

Bielik-11B-v3.0-Instruct — генеративная языковая модель с 11 млрд параметров, разработанная SpeakLeash совместно с центром ACK Cyfronet AGH. Это дообученная для следования инструкциям версия Bielik-11B-v3-Base-20250730 с архитектурой causal decoder-only; формат диалога — ChatML. Модель предназначена для общения, ответов на вопросы и выполнения разнообразных текстовых задач, включая задачи на логику, STEM, математику и работу с инструментами. Модель обучали на текстах и инструкциях на 32 европейских языках, уделяя особое внимание польскому. В обучении использовались многоходовые диалоги, синтетические и проверенные вручную инструкции, а также методы DPO и обучения с подкреплением. В метаданных перечислена поддержка польского и ряда европейских языков, включая русский и английский. Лицензия — Apache 2.0. Разработчики характеризуют модель как демонстрацию возможностей базовой модели после дообучения. Она может выдавать фактически неверные, предвзятые или оскорбительные ответы и не имеет встроенных механизмов модерации; её выводы требуют проверки.