III.2Исследование рынка и маркетинг

jihedjabnoun/wavlm-base-emotion — модель распознавания эмоций в речи, созданная дообучением microsoft/wavlm-base для классификации аудио. Она относит речь к семи категориям: гнев, отвращение, страх, радость, нейтральное состояние, грусть и удивление. Модель имеет архитектуру Wav2Vec2ForSequenceClassification; в метаданных указано 113,3 млн параметров. Рассчитана на английскую речь, аудио с частотой 16 кГц и длительностью до 10 секунд после дополнения или обрезки. Модель обучалась на наборах MELD, CREMA-D, TESS, RAVDESS и SAVEE. На валидации указана точность 30,3%, поэтому результаты классификации ненадёжны и требуют проверки на целевых данных. На качество также могут влиять акцент, стиль речи, шум и дисбаланс классов. Лицензия — MIT.

AWPortrait-Z — это LoRA-адаптер для генерации портретов и изображений в эстетике beauty на базе Tongyi-MAI/Z-Image-Turbo. Модель опубликована под идентификатором Shakker-Labs/AWPortrait-Z; в разделе благодарностей указано, что релиз выполнен DynamicWang. Адаптер предназначен для text-to-image-сценариев, в которых важны реалистичная кожа, естественное освещение и разнообразие внешности. По заявлению авторов, он уменьшает характерный для базовой модели мелкозернистый шум и высокочастотные артефакты на коже, смягчает чрезмерный HDR-эффект, восстанавливает контраст и насыщенность, а также улучшает отображение искусственного студийного света. Дополнительно заявлено расширение представленности разных этнических особенностей лица. Архитектура, размер, поддерживаемые языки, максимальный контекст и точные параметры использования в README не указаны. Ограничения качества и совместимости также не описаны; результат зависит от базовой модели Z-Image-Turbo и настроек применения LoRA. Модель распространяется по лицензии Apache-2.0.

CATVTON-Flux-Alpha — модель виртуальной примерки одежды, разработанная автором под именем Black Magic An. Она переносит одежду с изображения предмета на изображение человека с учётом маски человека и использует подход CATVTON вместе с заполнением областей на основе FLUX.1 Fill. Модель предназначена для создания реалистичных визуализаций того, как выбранная одежда будет выглядеть на человеке. Для запуска подаются изображение человека, маска, изображение одежды и, при желании, случайное зерно. В карточке указано обучение на VITON-HD и результат FID 5,59 на этом наборе при масштабе и числе шагов 30; это заявление автора, а не независимая оценка. Репозиторий использует Diffusers и формат safetensors, базовая модель — black-forest-labs/FLUX.1-Fill-dev. Лицензия CC BY-NC 2.0 разрешает использование с указанием авторства, но некоммерческое.

Fashion Clothing Decade — модель классификации изображений одежды по десятилетию, созданная дообучением Vision Transformer разработчика tonyassi. Она принимает изображение и относит одежду к одному из десяти классов: от 1910-х до 2000-х годов. Модель основана на google/vit-base-patch16-224-in21k и содержит 113,2 млн параметров. Модель подходит для определения примерной эпохи одежды на фотографиях, каталогизации винтажных вещей и демонстрационных задач компьютерного зрения. По данным карточки, она обучена на 2500 изображениях, примерно по 250 на класс; указанная точность составляет 0,7505, а loss — 0,8707. Репозиторий использует формат safetensors, лицензия — Apache-2.0.

Flux Klein 9b Virtual Try-On LoRA — адаптер LoRA, созданный Lovis Odin при поддержке fal.ai для модели Flux Klein 9b Edit. Он предназначен для виртуальной примерки одежды и редактирования изображений: по фотографии человека или манекена, изображениям верхней и нижней одежды генерирует изображение человека в указанном комплекте. Модель принимает три изображения в фиксированном порядке: человек, верхняя одежда и нижняя одежда; на выходе формируется одно изображение, рассчитанное преимущественно на полноразмерный кадр. Поддерживаются футболки, худи, куртки, джинсы, юбки, брюки и шорты, а также разные позы, типы телосложения, мужчины и женщины. Максимальное заявленное разрешение — до 1024 пикселей. Для работы требуется промпт с триггерным словом TRYON в начале; рекомендуются 28 шагов инференса, guidance_scale 2.5 и lora_scale 1.0. Предусмотрены веса для fal.ai API и Diffusers, а также отдельная версия для ComfyUI. Сильные стороны модели — специализированная генерация реалистичной виртуальной примерки, перенос описанной одежды с референсов и совместимость с фотографическими или AI-сгенерированными входными изображениями. Для лучших результатов рекомендуются точное описание внешности и одежды, чистый фон и одинаковое освещение на всех входных изображениях. README не содержит подробностей о внутренней архитектуре базовой модели, языковой поддержке или систематических ограничениях качества. Модель распространяется по лицензии Apache-2.0.

Locutusque/gpt2-large-conversational — англоязычная разговорная языковая модель, разработанная Locutusque на базе GPT-2 и дообученная на диалогах пользователя с ИИ-ассистентом. Она предназначена для генерации ответов в чат-ботах, виртуальных помощниках и службах поддержки; модель принимает текст и генерирует текст. В карточке указано обучение на 550 тысячах примеров и форматах PyTorch и Safetensors. Контекст модели — до 1024 токенов. Автор сообщает, что модель не сохраняет историю диалога и не умеет надёжно отвечать на вопросы, а качество может быть низким: возможны нерелевантные или бессвязные ответы. Модель помечена как устаревшая; автор рекомендует более производительную альтернативу, но не приводит её идентификатор. Лицензия — OpenRAIL.

Human-1 — разговорная аудиомодель Josh Talks, разработанная Бхаскаром Сингхом, Шобхитом Банга и Пранавом Шармой на основе архитектуры Kyutai Moshi. Она предназначена для диалога на хинди в реальном времени и поддерживает двустороннее общение с перебиваниями, наложением реплик, короткими подтверждениями и естественной сменой очереди. Модель дообучена на 26 000 часах спонтанных разговоров на хинди от 14 695 участников, а затем настроена на примерно 990 часах отобранных диалогов. В базовой модели заменили англоязычный токенизатор на токенизатор хинди; компоненты обработки аудио и остальные веса трансформера сохранили предобученные значения. Human-1 подходит для исследовательских систем речевого диалога и непринуждённого общения на хинди. В сравнительной оценке естественность речи получила в среднем 4,10 из 5, однако контекстная уместность и завершённость ответов остаются ограниченными: оценщики отметили их соответственно примерно в 53% и 42% случаев. Модель обучена преимущественно на разговорном хинди, поэтому качество на других языках и в иных предметных областях не гарантируется; она также наследует ограничения Moshi по качеству аудио при битрейте 1,1 кбит/с. Лицензия — CC BY 4.0.

IDM-VTON — модель для виртуальной примерки одежды на изображениях, официальная реализация работы «Improving Diffusion Models for Authentic Virtual Try-on in the Wild». Она дообучена на базе Stable Diffusion XL 1.0 Inpainting и предназначена для переноса одежды на изображение человека с сохранением естественного вида. Модель принимает изображения и выдаёт изменённое изображение; в репозитории представлены форматы Diffusers, ONNX, PyTorch и Safetensors. Карточка содержит демоверсию и код инференса, но обучение модели не описано. Лицензия CC BY-NC-SA 4.0 ограничивает использование условиями некоммерческого распространения и требует сохранять ту же лицензию для производных работ.

Mistral-7B-Mortgage-Loans — диалоговая модель Bitext, дообученная на базе mistralai/Mistral-7B-Instruct-v0.2 для вопросов об ипотеке и кредитах. Она предназначена для финансовых организаций, ипотечных брокеров и кредиторов и может использоваться в системах поддержки клиентов для объяснения условий кредита, вариантов ипотеки, платежей, подачи заявок и рефинансирования. Модель использует плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров. Она принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. В обучающем наборе описаны 39 тематических намерений с примерами по ипотеке и кредитам. Репозиторий распространяется под лицензией Apache-2.0. Модель специализирована на финансовых вопросах об ипотеке и кредитовании и может хуже отвечать за пределами этой области; ответы могут отражать смещения обучающих данных. Её рекомендации следует проверять с учётом обстоятельств клиента и применимых финансовых требований.

Модель Group 15, созданная в рамках учебного задания IIT Jodhpur, — это дообученная версия DistilBERT для классификации английского текста по шести базовым эмоциям: грусти, радости, любви, гнева, страха и удивления. Она демонстрирует полный MLOps-конвейер: дообучение модели, отслеживание экспериментов в W&B, контейнеризацию Docker и автоматизацию через GitHub Actions. Модель построена на DistilBERT и принимает текстовые последовательности длиной до 512 токенов. Её обучили на подмножестве из 2 000 примеров набора dair-ai/emotion; на подмножестве валидации из 500 примеров указаны точность около 82% и взвешенная F1-мера около 0,81. Выпущена по лицензии MIT. Модель предназначена для обучения и демонстрации MLOps, а не для реальных или производственных приложений. Из-за малого обучающего набора точность намеренно ограничена; модель также наследует смещения DistilBERT и данных обучения.

Poolsuite Diffusion — модель генерации изображений от PromptHero, полученная дообучением Stable Diffusion на изображениях в стиле Poolsuite. Для генерации используйте текстовый запрос и добавляйте фразу «poolsuite style»: модель подходит для создания изображений интерьеров, одежды, автомобилей и других сюжетов с этой стилистикой. Репозиторий доступен в форматах Diffusers и PyTorch; в метаданных указан английский язык и лицензия CreativeML OpenRAIL-M. Размер модели и длина контекста в предоставленных данных не указаны.

Raon-SpeechChat-9B — разработанная KRAFTON полно-дуплексная речевая языковая модель для общения на английском языке. Она одновременно воспринимает речь собеседника и генерирует голосовой ответ, поддерживая естественную смену реплик, короткие реплики-подтверждения и обработку перебиваний. Модель построена на Raon-Speech-9B и объединяет языковую модель Qwen3, аудиокодировщик Voxtral-Mini-4B-Realtime-2602, кодек Mimi, энкодер голоса ECAPA-TDNN и компоненты генерации речи на базе Qwen3. Доступны режимы ожидания речи пользователя и начала разговора первой, 17 встроенных персон с настраиваемыми системными инструкциями, а также необязательное голосовое кондиционирование по эталонной аудиозаписи. Для запуска README рекомендует Transformers с `trust_remote_code=True`; описанная конфигурация требует NVIDIA GPU с CUDA 12.x и не менее 16 ГБ видеопамяти. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Карточка сообщает о сильных результатах в обработке пауз, перебиваний и многорепличного диалога, но не приводит численных оценок.

Это модель классификации изображений на базе ResNet-18, дообученная автором репозитория на датасете lewtun/dog_food. Она предназначена для распознавания категорий собачьего корма по изображению; на наборе оценки указаны loss 0,2991 и accuracy 0,896. Модель использует архитектуру ResNet и веса в формате PyTorch. Лицензия — Apache-2.0.

SiberiaSoft/ruGPT3_medium_chitchat — русскоязычная генеративная модель чат-бота, разработанная SiberiaSoft. Она предназначена для короткого диалога в режиме «чит-чат»: ответ формируется без учёта предыдущих сообщений. Модель основана на архитектуре GPT-2 и распространяется в формате PyTorch; длина контекста — 2048 токенов. Модель подходит для создания русскоязычных чат-ботов и генерации реплик в простом разговорном сценарии. Карточка указывает лицензию MIT. Поскольку предыдущие сообщения не учитываются, модель не поддерживает связный многоходовый диалог и не сохраняет контекст беседы.

SiberiaSoft/SiberianPersonaFred — русскоязычная модель SiberiaSoft для генерации диалоговых ответов от заданного персонажа. В описании можно задать профессию, увлечения и биографические факты, например возраст, учёбу, место жительства и интересы, чтобы модель поддерживала выбранную личность в диалоге. Модель построена на архитектуре T5 и содержит около 870,1 млн параметров. Она обучена на наборе данных SiberiaSoft/SiberianPersonaChat и распространяется в форматах PyTorch и Safetensors. Лицензия — MIT.

SiberiaSoft/SiberianPersonaFred-2 — русскоязычная диалоговая модель для имитации заданной личности и поддержания разговора от её имени. Она основана на FRED-T5-XL и использует архитектуру T5 с 870,1 млн параметров; модель опубликована в форматах PyTorch и Safetensors. Модель предназначена для диалогов с описанием характера, роли и биографических фактов персонажа, например для виртуального собеседника или помощника, который отвечает в заданной манере. Карточка указывает датасет SiberiaSoft/SiberianPersonaChat-2 и лицензию MIT. Данных о длине контекста и специальных ограничениях качества в доступных материалах нет.

Mxode/TinyStories-LLaMA2-25M-256h-4l-GQA — компактная авторегрессионная языковая модель для генерации текста. Модель доступна через библиотеку Transformers и имеет задачу text-generation; её размер составляет 17,6 млн параметров, а нативная длина контекста — 2048 токенов. По идентификатору модель относится к семейству LLaMA 2 и использует Grouped Query Attention (GQA), однако README не содержит подробного подтверждения архитектуры, разработчика или состава обучающих данных. Модель может использоваться для экспериментов с небольшими генеративными языковыми моделями, обучения и прототипирования text-generation на ресурсах с ограниченной памятью, а также для генерации коротких текстовых продолжений. README не содержит результатов оценки, описания целевых сценариев, сведений о поддерживаемых естественных языках и лицензии, поэтому пригодность для практических приложений и условия использования необходимо проверять отдельно.

ares1123/virtual-dress-try-on — модель виртуальной примерки одежды, размещённая пользователем ares1123 на Hugging Face. В README описана система на основе Stable Diffusion 1.5 с U-Net и DreamBooth; для извлечения признаков используется EfficientNetB3, а OpenPose оценивает ключевые точки человека. В метаданных указан pipeline text-to-image и формат Diffusers с весами safetensors. Модель предназначена для создания изображений, показывающих одежду на человеке, и для прототипирования сценариев виртуальной примерки в онлайн-торговле и исследованиях. README указывает требования к оборудованию и ПО: GPU A100, большой объём оперативной памяти, PyTorch и компоненты Stable Diffusion, OpenPose и EfficientNetB3. Лицензия — CreativeML Open RAIL-M.

Карточка модели sox90/IDM-VTON-cubit на Hugging Face совпадает с карточкой yisol/IDM-VTON, поэтому описание составлено по ней. IDM-VTON — модель для виртуальной примерки одежды на изображениях, официальная реализация работы «Improving Diffusion Models for Authentic Virtual Try-on in the Wild». Она дообучена на базе Stable Diffusion XL 1.0 Inpainting и предназначена для переноса одежды на изображение человека с сохранением естественного вида. Модель принимает изображения и выдаёт изменённое изображение; в репозитории представлены форматы Diffusers, ONNX, PyTorch и Safetensors. Карточка содержит демоверсию и код инференса, но обучение модели не описано. Лицензия CC BY-NC-SA 4.0 ограничивает использование условиями некоммерческого распространения и требует сохранять ту же лицензию для производных работ.

Krea-R-Turbo — производная модель для генерации изображений по текстовому описанию, опубликованная пользователем realrebelai. Она создана на основе Krea-2-Turbo: в исходную модель объединены две авторские LoRA для стилизации, после чего результат был квантизирован. Это не оригинальный checkpoint Krea-2-Turbo. Модель предназначена прежде всего для создания фотореалистичных портретов с выраженной эстетической составляющей, сохраняя высокую резкость и детализацию, характерные для Krea-2-Turbo. Поддерживаются форматы full weights и GGUF; заявлена совместимость с экосистемой ComfyUI. В README указано, что модель работает с текстовыми запросами на английском языке. Размер, точная архитектура, объём контекста и перечень поддерживаемых модальностей не указаны. Сильные стороны модели — ориентация на фотореализм, портретную съёмку, визуальную эстетику и детализацию. Ограничения связаны с узкой специализацией на портретах, неизвестными характеристиками производительности и тем, что квантизация может влиять на качество по сравнению с полной версией. Модель распространяется по лицензии Krea-2 Community License; дополнительные условия следует проверить в файле лицензии по указанной ссылке.

Maba-101M — предварительно обученная языковая модель Maba v1.1 от AndrewThompson1233 для генерации текста. Карточка описывает её как контрольную точку для проверки архитектуры и приводит сравнение с другими моделями примерно того же размера на TinyStories и нескольких тестах; результаты относятся к этим условиям оценки. Модель содержит 107 млн параметров по метаданным (в README указано 101 177 984), использует гибридную архитектуру с рекуррентными слоями GDN-2, grouped-query attention и предсказанием нескольких токенов. Контекст — 4096 токенов. Метаданные указывают английский язык; веса доступны в форматах PyTorch и Safetensors. Лицензия — MIT. Модель подходит для экспериментов с компактными языковыми моделями, генерации коротких текстов и оценки архитектур на небольших текстовых задачах. README называет её именно проверкой архитектуры, поэтому заявленные результаты бенчмарков не следует считать подтверждением качества для широкого круга сценариев.

babylm-anon/rta — форк модели babylm-base5m-gpt2, подготовленный для участия в BabyLM Challenge 2025. Репозиторий добавляет контрольную точку chck_100M к исходной модели alexandertam/babylm-base5m-gpt2. Это предварительно обученная языковая модель архитектуры GPT-2 для генерации текста; в метаданных указаны библиотека Transformers и формат весов safetensors. Контекст модели составляет 1024 токена. Для контрольной точки в README приведены результаты на оценочном наборе: loss 3.0628 и accuracy 0.4521. Карточка не описывает целевые сценарии, обучающие данные и ограничения, поэтому пригодность для конкретных применений по этим сведениям оценить нельзя. Лицензия в предоставленных данных не указана.

cointegrated/rut5-small-chitchat2 — русскоязычная модель генерации диалоговых ответов на базе архитектуры T5, разработанная cointegrated. Она предназначена для поддержания короткой непринуждённой беседы. По сравнению с исходной версией, упомянутой в карточке, модель описана как менее выразительная, но менее склонная к токсичным ответам. Модель имеет 39,7 млн параметров и использует архитектуру T5ForConditionalGeneration. Данных о контекстном окне и лицензии в предоставленных источниках нет.

ScriptForge — языковая модель SRDdev для генерации сценариев видео об искусственном интеллекте. Это авторегрессионный каузальный трансформер семейства GPT-2, дообученный на наборе из 5 000 сценариев YouTube-видео, посвящённых концепциям ИИ. Модель принимает текстовый запрос или начальную фразу и продолжает её, формируя текст в стиле обучающих данных. Модель предназначена для авторов контента, которым нужны черновики, идеи или автоматизированная подготовка сценариев для объяснительных видео об ИИ. Она доступна в форматах PyTorch и Safetensors, поддерживает генерацию текста и имеет контекст длиной 1 024 токена. В карточке указан английский язык и лицензия Apache-2.0. Обучение на сценариях об ИИ помогает модели подражать жанру и тематике таких видео. При этом она может генерировать случайные или фактически неверные сведения, поэтому результаты следует проверять. Обучающий набор и узкая специализация также могут ограничивать качество при запросах вне сценариев об ИИ.

Twi TTS (VITS) — модель синтеза речи, разработанная Prince Nasamu Alhassan. Она преобразует текст на языке твi в аудио и подходит для озвучивания коротких фраз и голосовых ответов. Модель дообучена на базе facebook/mms-tts-aka за 20 000 шагов; в репозитории 3,6 млн параметров и веса safetensors. Используется архитектура VITS и токенизация посимвольно. Обучение проводилось на Ghana Speech и связанных ганских корпусах. Лицензия модели — CC BY-NC 4.0, допускающая использование с указанием авторства и ограничивающая коммерческое применение. Для синтеза следует записывать числа словами: цифры и символы, отсутствующие в словаре токенизатора, могут молча пропускаться, а неподдерживаемые буквы — исчезать из озвучки. Карточка описывает работу как экспериментальный хакатонный проект без поддержки продукта; оценка на прочитанном и машинно переведённом тексте не гарантирует качество в реальных диалогах.

Zupra-1.6-50M-Instruct-Ultra-exp — экспериментальная инструктивно дообученная языковая модель от MultivexAI / LogicvexAI, созданная на базе SupraLabs/Supra-1.5-50M-Base-exp. Это плотная причинная модель архитектуры LlamaForCausalLM с 51,8 млн параметров, контекстом до 5120 токенов и весами в формате safetensors; модель поддерживает диалог по шаблону ChatML и ориентирована на английский язык. Модель предназначена для исследовательских экспериментов, лёгкого прототипирования диалоговых помощников и тестирования генерации текста на устройствах с ограниченными ресурсами. Авторы заявляют, что дообучение на диалоговых данных нацелено на более связные ответы, соблюдение очередности реплик и улучшение фактических рассуждений, однако это экспериментальные цели, а не гарантия качества. При малом размере модель склонна к выдуманным или неточным фактам, предвзятым и оскорбительным ответам; она слабо справляется со сложной математикой и надёжной генерацией кода. Авторы не рекомендуют применять её в производственных, коммерческих, клинических, юридических или критически важных сценариях. Лицензия — Apache-2.0.

XuanTruong03/ai-recruitment-embedder-v3 — модель Sentence Transformers на базе RoBERTa, дообученная командой XuanTruong03 на keepitreal/vietnamese-sbert для сопоставления предложений и абзацев. Она преобразует текст в плотные эмбеддинги размерности 768 и предназначена для семантического поиска, извлечения и сравнения текстов; близость векторов можно оценивать косинусным сходством. В карточке показан пример данных по подбору персонала, поэтому модель подходит для поиска и ранжирования сходных описаний вакансий и профилей кандидатов в рекрутинговых системах. Модель ориентирована на вьетнамский язык. Максимальная длина последовательности — 256 токенов по README; метаданные каталога указывают контекст 258 токенов. По внутренней оценке на InDomain_Val достигнута корреляция Спирмена 0,5652 для косинусного сходства. Лицензия в предоставленных данных не указана.

CambodiaTourismLM — двуязычная языковая модель, созданная Chhorn Seyha с нуля для работы с текстами о туризме, культуре, географии и истории Камбоджи. Это причинная языковая модель на архитектуре Transformer Decoder в стиле Llama с 276 млн параметров, 16 слоями и токенизатором Byte-Level BPE. Модель принимает и генерирует текст на английском и кхмерском языках; максимальная длина контекста составляет 512 токенов. Модель предназначена для генерации тематических текстов, ответов на вопросы и создания материалов о Камбодже на английском и кхмерском. Она создана с нуля, а не дообучена на готовой базовой модели. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия MIT разрешает использование на её условиях. Размер и тематическая специализация делают её пригодной для узких сценариев, связанных с Камбоджей. Небольшой контекст и обучение с нуля ограничивают её возможности в сравнении с крупными универсальными языковыми моделями; README не приводит результатов оценки качества.

thealper2 подготовил компактную модель для генерации следующей реплики в многоходовом диалоге. Это дообученная на OpenRL/daily_dialog модель microsoft/DialoGPT-small с архитектурой GPT-2: декодерная причинная языковая модель с 12 слоями, размером 117 млн параметров и контекстом до 1024 токенов. Она принимает историю реплик, разделённых штатным токеном конца последовательности, и продолжает её ответом на английском языке. Модель рассчитана на повседневную светскую беседу и генерацию коротких ответов в открытом диалоге. В обучающем наборе использованы 73 887 пар контекст–ответ; оценка проводилась на отложенной тестовой выборке DailyDialog. Для разнообразных ответов рекомендуется сэмплирование: жадное декодирование может приводить к коротким повторяющимся репликам. У модели нет поиска, опоры на внешние источники или специальной настройки безопасности; возможны унаследованные от GPT-2 и DailyDialog предубеждения. Лицензия чекпойнта — CC BY-NC-SA 4.0, поэтому коммерческое использование ограничено; базовая модель Microsoft указана как MIT.

F-Actor — исследовательская полно-дуплексная разговорная речевая модель на основе Llama 3.2, представленная авторами работы «F-Actor: Controllable Conversational Behaviour in Full-Duplex Models». Она предназначена для голосовых систем, которые должны не только генерировать речь, но и гибко вести диалог с учётом контекста и инструкций. Модель позволяет задавать голос говорящего, тему разговора и поведение в диалоге, включая короткие реакции собеседника, перебивания и самостоятельное начало разговора. По описанию авторов, аудиоэнкодер остаётся замороженным, а дообучается языковая модель; обучение выполняется в один этап на 2 000 часах данных. В метаданных указаны архитектура Llama, около 1,2 млрд параметров и контекст до 131 072 токенов. Для практического использования авторы отсылают к коду проекта; модель и обучающий код выпущены для воспроизводимых исследований. Лицензия — Llama 3.2.