III.2Исследование рынка и маркетинг

Карточка модели munachi02/LonAI_20250122 на Hugging Face совпадает с карточкой chain03/SRole_3181, поэтому описание составлено по ней. chain03/SRole_3181 — объединённая модель для генерации текста и диалогового общения. Она создана методом линейного слияния mergekit из двух предварительно обученных языковых моделей: /root/top1 и /root/top2. Модель использует плотную архитектуру семейства Llama с классом LlamaForCausalLM и содержит 7,5 млрд параметров. Модель рассчитана на генерацию текста и ответы в формате чата. Заявленная длина контекста — 131 072 токена. Веса доступны в формате safetensors; в конфигурации слияния указан тип данных bfloat16. Лицензия в предоставленных сведениях не указана.

MamayLM-Gemma-3-27B-IT-v2.0 — украински адаптированная мультимодальная языковая модель, разработанная INSAIT на основе Google Gemma 3 27B IT. Это плотная модель архитектуры Gemma 3 с 27 млрд параметров, предназначенная для диалогов, следования инструкциям и понимания изображений вместе с текстом. Карточка описывает улучшенную поддержку украинского языка и культурного контекста, многоходовые беседы и сложные инструкции; также модель поддерживает английский язык. Модель подходит для ответов на вопросы по тексту и изображениям, диалоговых помощников и анализа визуального содержимого с учётом текстового контекста. Данные предобучения охватывают период до мая 2025 года, а инструкционная настройка — до октября 2025 года. Репозиторий содержит веса в формате Safetensors; для работы с изображениями требуется сохранять корректную обработку vision-компонентов. Лицензия — Gemma.

MeliodasPercival_01_AlloyingotneoyYam — объединённая модель генерации текста на архитектуре Mistral, созданная слиянием automerger/MeliodasPercival_01-7B и automerger/AlloyingotneoyYam-7B. Модель содержит 7,1 млрд параметров и работает с контекстом до 32 768 токенов. Она предназначена для генерации текста и диалоговых сценариев. Веса опубликованы в формате safetensors; лицензия — Apache 2.0. Карточка не сообщает о специализированной предметной области или языковом профиле модели.

MeliodasPercival_01_Strangemerges_32Alloyingotneoy — объединённая модель генерации текста на архитектуре Mistral, созданная слиянием automerger/MeliodasPercival_01-7B и automerger/Strangemerges_32Alloyingotneoy-7B. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Она предназначена для генерации текста и диалоговых сценариев. Репозиторий содержит веса в формате Safetensors. Модель распространяется по лицензии Apache-2.0. Данных о специализации на конкретных языках или предметных областях нет.

MeliodasPercival_01_Strangemerges_32Ogno — объединённая модель семейства Mistral, созданная на основе automerger/MeliodasPercival_01-7B и automerger/Strangemerges_32Ogno-7B. Она содержит 7,1 млрд параметров и предназначена для генерации текста, включая диалоги, с контекстом до 32 768 токенов. Модель принимает текст и выдаёт текст. Веса доступны в формате safetensors; лицензия — Apache-2.0. README не приводит сведений о специализации модели или результатах оценки качества.

Mistral-7B-Instruct-Uz — инструктивно дообученная языковая модель, разработанная Eldor Fozilov, Azimjon Urinov и Khurshid Juraev на основе Mistral-7B-Instruct-v0.3. Авторы продолжили предварительное обучение и настроили модель на сочетании открытых и синтетических данных на узбекском и английском языках, стремясь сохранить знания базовой модели и улучшить её работу с узбекским языком. Модель предназначена для генерации текста и диалогов, перевода между узбекским и английским, суммаризации и ответов на вопросы. В карточке приведены результаты сравнительных оценок на задачах перевода, анализа тональности и классификации узбекских новостей, а также на англоязычном MMLU. Архитектура — плотная MistralForCausalLM на 7,1 млрд параметров; контекст — до 32 768 токенов. Доступны веса PyTorch и Safetensors для библиотеки Transformers. Авторы характеризуют модель как раннюю версию и отмечают планы улучшить подбор данных и дообучение, поэтому качество может быть нестабильным в отдельных задачах. Модель распространяется по лицензии Apache-2.0.

MOSS-Transcribe-Diarize 0.9B — мультимодальная модель семейства MOSS от OpenMOSS для расшифровки длинных аудио- и видеозаписей. Она за один проход преобразует запись в текст с временными метками и анонимными метками говорящих, совместно выполняя распознавание речи и диаризацию. Также модель может размечать акустические события и учитывать пользовательские инструкции и подсказки с терминами.

open-aditi-hi-v4 — диалоговая языковая модель на архитектуре Mistral, разработанная на базе teknium/OpenHermes-2.5. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста и ответы в диалоге; в README указано обучение на данных на хинди и английском языках. Модель можно применять для генерации ответов, суммаризации, вопросов и ответов, перефразирования и других текстовых задач на хинди и английском. Контекст — до 32 768 токенов. В карточке приведены результаты оценок на наборах задач для обоих языков, включая суммаризацию, понимание текста, рассуждение и классификацию тональности. Весы опубликованы в формате Safetensors по лицензии Apache-2.0.

Pallas-0.5 — дообученная в формате instruct языковая модель Mihaiii на базе migtissera/Tess-34B-v1.4. Она предназначена для рассуждений и понимания текста, хорошо работает с длинными системными инструкциями и поддерживает диалоговый формат с ролями SYSTEM, USER и ASSISTANT. Модель использует архитектуру Llama и содержит 33,9 млрд параметров; заявленная длина контекста — до 200 000 токенов. В карточке также отмечен высокий результат на GSM8K, полученный при обучении на закрытом наборе данных. Pallas-0.5 подходит для ответов на вопросы, анализа текста и решения задач на рассуждение, особенно когда запрос требует длинной системной инструкции. Она не предназначена для универсальной генерации, например для написания художественных историй. Репозиторий содержит веса в формате safetensors; для модели указана лицензия other, поэтому условия использования следует проверять в карточке модели и связанных лицензиях.

EpistemeAI/Reasoning-Llama-3.1-CoT-RE1-NMT — диалоговая языковая модель семейства Llama, разработанная EpistemeAI и дообученная на базе EpistemeAI/Reasoning-Llama-3.1-CoT-RE1. Это плотная модель с 7,5 млрд параметров, контекстом до 131 072 токенов и форматом весов safetensors. Модель предназначена для диалогов, выполнения инструкций и генерации ответов с многошаговыми рассуждениями. В карточке заявлены сценарии виртуальных помощников, поддержки клиентов, обучения и генерации текстов. Среди датасетов в метаданных указаны AI-MO/NuminaMath-TIR и bespokelabs/Bespoke-Stratos-17k. README также упоминает Unsloth и непрерывное обучение, но не приводит подробностей об их реализации в этой версии. Доступны способ запуска через Transformers и лицензия Apache-2.0. Качество и языковое покрытие отдельно не оценены в предоставленных сведениях.

Инструктивная русскоязычная версия Qwen2.5-3B, разработанная RefalMachine на основе модели RefalMachine/ruadapt_qwen2.5_3B_ext_u48_full_lr5e4_peft_mlp_32_32_bs256. Это плотная языковая модель Qwen2 с 3,1 млрд параметров, контекстом до 32 768 токенов и форматом весов safetensors. В модели заменили токенизатор на расширенный вариант cl100k с униграмным словарём на 48 тысяч токенов, затем провели дообучение на русскоязычном корпусе и применили Learned Embedding Propagation (LEP). Модель предназначена для диалогов и генерации русскоязычного текста по инструкциям. Авторы сообщают об увеличении скорости генерации русских текстов до 60% относительно исходной Qwen2.5-3B-Instruct при сравнении на одинаковых последовательностях; в README также упомянуты оценки на Ru-Arena-General, MERA и llmtf_open, но полные результаты не приведены. Метаданные указывают интерфейс вызова инструментов, однако README не описывает его применение. Модель принимает текст и выдаёт текст. Авторы предупреждают, что ответы могут отражать знания и мнения, усвоенные на этапах обучения, и рекомендуют использовать её с осторожностью. Условия лицензии в предоставленных данных не указаны.

d0rj/rut5-base-summ — русскоязычная модель суммаризации, созданная дообучением ai-forever/ruT5-base. Это плотная модель архитектуры T5 с 123,8 млн параметров; она принимает текст и генерирует его краткое изложение. Обучение проводилось на объединённых наборах данных для суммаризации новостей, диалогов, встреч и других текстов, включая SAMSum на русском языке, Gazeta и WikiLingua. Контекст модели — до 512 токенов. Модель предназначена для автоматического составления кратких сводок и пересказов, в том числе диалогов. Для её запуска можно использовать библиотеку Transformers и pipeline summarization. В репозитории также сохранены состояния обучения, позволяющие продолжить дообучение на собственных данных. Карточка упоминает оценку на валидационной выборке, но не приводит численных результатов; отчёт указан как находящийся в работе. Лицензия в предоставленных сведениях не указана.

chargoddard/servile-harpsichord-cdpo — языковая модель семейства Mistral, разработанная Chargoddard. Это плотная авторегрессионная модель на 7,1 млрд параметров для генерации текста; она обучена на другой случайной выборке тех же наборов данных, что и loyal-piano-m7, а затем дообучена методом cDPO на смеси датасетов RLHF. Модель использует формат запросов Alpaca и поддерживает контекст до 32 768 токенов. Модель предназначена для диалоговой генерации и следования инструкциям. В обучении использованы наборы данных Orca, суммаризации отзывов, ролевого диалога и предпочтений, включая PKU-SafeRLHF и UltraFeedback. Репозиторий содержит веса Safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Shisa V2 405B — универсальная чат-модель Shisa.AI, дообученная на основе Meta Llama 3.1 405B Instruct. Это плотная авторегрессионная языковая модель на 403,7 млрд параметров с контекстом до 131 072 токенов; она принимает текст и генерирует текст, поддерживает чат и интерфейс вызова инструментов. Основной упор сделан на японский язык при сохранении сильных возможностей на английском; в обучающие данные также включены примеры на корейском и традиционном китайском. Модель предназначена для диалога, выполнения инструкций, генерации текста и перевода, в том числе для японских задач. Разработчик сообщает об улучшении японских результатов относительно базовой модели и приводит сравнительные оценки на нескольких бенчмарках; результаты зависят от методики оценки. Для запуска проверены vLLM и SGLang, а веса опубликованы в формате Safetensors. Модель распространяется по лицензии Llama 3.1. Она требует значительных вычислительных ресурсов из-за размера в 405 млрд параметров; заявленные результаты бенчмарков не гарантируют качество на конкретных задачах, а основной акцент обучения сделан на японском и английском языках.

Tess-72B-v1.5b — универсальная большая языковая модель из серии Tess, разработанная migtissera и обученная на базе Qwen-72B. Это плотная авторегрессионная модель семейства Llama с 71 млрд параметров, предназначенная для генерации текста и диалогов в формате SYSTEM/USER/ASSISTANT. Контекст модели составляет 32 768 токенов; веса доступны в формате safetensors. Модель подходит для ответов на вопросы, помощи с текстовыми задачами и рассуждений общего назначения. В карточке приведены результаты Open LLM Leaderboard, включая среднюю оценку 77,30 и результаты ARC и HellaSwag. Поддерживаемые языки и прикладные специализации отдельно не заявлены. Лицензия указана как other, поэтому условия использования следует проверять в репозитории модели.

Trurl 2 13B — диалоговая языковая модель, дообученная Voicelab.AI на основе Llama 2. Это авторегрессионный трансформер с 12,9 млрд параметров и контекстом до 4096 токенов; модель принимает текст и генерирует текст. Модель предназначена для диалогов в формате помощника и других задач генерации естественного языка на польском и английском языках. При обучении использовались более 1,7 млрд токенов из частных и открытых данных, включая диалоги, вопросы и ответы, а также примеры для извлечения и анализа JSON. Для чат-сценариев требуется форматирование запросов по шаблону диалога Llama 2. Модель может давать неточные, предвзятые или нежелательные ответы; её проверка охватывала не все сценарии. Перед внедрением рекомендуется оценить качество и безопасность для конкретного применения. README указывает, что модель предназначена для коммерческого и исследовательского использования, однако конкретная лицензия в предоставленных данных не приведена.

nlpguy/Westgate — слитая языковая модель на архитектуре Mistral, созданная с помощью mergekit методом SLERP из jsfs11/TurdusTrixBeagle-DARETIES-7B и senseable/garten2-7b. Модель содержит 7,1 млрд параметров, принимает текст и предназначена для генерации текста; заявленная длина контекста — 32 768 токенов. Модель подходит для диалогов, следования инструкциям и рассуждений, а результаты тестирования в README включают показатели на AI2 Reasoning Challenge и HellaSwag. Карточка не описывает специализацию по языку или предметной области. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Amadeus-Verbo-FI-Qwen2.5-14B-PT-BR-Instruct — языковая модель на архитектуре Qwen2, разработанная Amadeus AI. Это дообученная на 600 тысячах инструкций за два прохода версия Qwen/Qwen2.5-14B-Instruct, предназначенная для диалогов и генерации текста на бразильском португальском языке. Модель содержит 14,7 млрд параметров и использует архитектуру Transformer с RoPE, SwiGLU, RMSNorm и групповым запросным вниманием. Для работы указан контекст длиной 32 768 токенов в метаданных; в README заявлена длина 131 072 токена. Поддерживаются диалоговый режим и интерфейс вызова инструментов. Модель распространяется в формате safetensors и доступна по лицензии Apache-2.0.

Amadeus-Verbo-FI-Qwen2.5-72B-PT-BR-Instruct — языковая модель на основе Qwen2.5-72B-Instruct, разработанная Amadeus AI и дообученная на 600 тысячах инструкций за две эпохи для бразильского португальского языка. Она предназначена для диалогов и генерации текстов на португальском языке Бразилии; метаданные также указывают поддержку интерфейса вызова инструментов. Модель использует архитектуру Qwen2 с причинным языковым моделированием и содержит 71,5 млрд параметров по метаданным. В карточке описаны Transformer, RoPE, SwiGLU, RMSNorm и grouped-query attention. Метаданные указывают контекст 32 768 токенов; в README заявлена длина 133 072 токена. Модель работает через Transformers и распространяется под лицензией Apache-2.0.

Amadeus-Verbo-MI-Qwen-2.5-72B-PT-BR-Instruct-Experimental — объединённая модель на основе Qwen2.5-72B-Instruct и AV-BI-Qwen2.5-72B-PT-BR-Instruct от AmadeusAI. Она предназначена для диалогов и генерации ответов по инструкциям на португальском языке, в том числе для создания структурированного текста. Модель использует плотную архитектуру Qwen2ForCausalLM с 71,5 млрд параметров и контекстом до 32 768 токенов; доступна в формате safetensors и рассчитана на запуск через Transformers. Веса объединены методом SLERP с помощью mergekit в формате bfloat16. Модель может быть полезна для чат-ботов, генерации текстов и ответов на вопросы на бразильском португальском. В карточке также заявлен интерфейс вызова инструментов, однако подробности его поддержки не приведены. Лицензия в предоставленных данных не указана.

aya-23-35B-GGUF — это набор квантизированных моделей в формате GGUF для запуска через llama.cpp. Основой служит языковая модель aya-23-35B, разработанная CohereForAI, а квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и диалоговых сценариев, включая ответы на вопросы, написание и преобразование текста на нескольких языках. Заявлена поддержка английского, французского, немецкого, испанского, итальянского, португальского, японского, корейского, китайского, арабского, греческого, персидского, польского, индонезийского, чешского, иврита, хинди, нидерландского, румынского, русского, турецкого, украинского и вьетнамского языков. Размер базовой модели — 35B параметров; сведения об архитектуре и размере контекста в README не указаны. Доступны варианты с разными уровнями квантизации: от IQ1 и IQ2 с минимальным размером и более низким качеством до Q6_K и Q8_0 с высоким качеством, но большими требованиями к памяти. Рекомендуемыми названы варианты Q4_K_M, Q5_K_M и Q6_K, а также некоторые IQ-квантизации. Главное преимущество модели — возможность локального запуска в llama.cpp при выборе подходящего уровня квантизации, включая варианты для ограниченного объёма оперативной памяти. Ограничения связаны с компромиссом между качеством и размером: низкобитные варианты заметно уступают по качеству, а высококачественные требуют десятки гигабайт памяти. Лицензия — CC BY-NC 4.0, допускающая использование с ограничениями, включая запрет коммерческого применения.

aya-23-35B-IMat-GGUF — это GGUF-квантизированная версия языковой модели Aya 23 35B, разработанной CohereForAI. Квантизацию выполнил legraphista с использованием llama.cpp и метода IMatrix; исходная модель имела формат FP16. Модель предназначена для генерации текста и мультиязычных сценариев работы с текстом. Заявлена поддержка 23 языков: английского, французского, немецкого, испанского, итальянского, португальского, японского, корейского, китайского, арабского, греческого, персидского, польского, индонезийского, чешского, иврита, хинди, нидерландского, румынского, русского, турецкого, украинского и вьетнамского. Архитектура и размер контекста в README не указаны. Доступны варианты квантования от IQ1_S до Q8_0, а также FP16; размеры файлов составляют примерно от 8,52 до 69,97 ГБ. IMatrix применяется в ряде вариантов, преимущественно для более компактных квантов. Основные преимущества — широкий языковой охват, возможность локального запуска через совместимые инструменты GGUF и выбор между различными уровнями сжатия. Более сильное квантование уменьшает требования к хранению и памяти, но может снижать точность и качество генерации; конкретные характеристики производительности в README не приведены. Модель распространяется по лицензии CC-BY-NC-4.0, допускающей использование с ограничениями, включая запрет коммерческого применения.

Barcenas-Qwen3.8-27B-Fable — плотная диалоговая модель на архитектуре Qwen3.5, созданная разработчиком Danielbrdz путём дообучения Qwen/Qwen3.8-27B на наборе saidutta69/fable-5-premium. В карточке она представлена как модель для генерации текста и работы с изображениями; поддерживает чат, а нативная длина контекста составляет 262 144 токена. В репозитории указано 22,3 млрд параметров и формат safetensors. Модель предназначена для диалогов и других задач генерации текста; разработчик отмечает, что обучение на данных чатов, дистиллированных из Claude Fable 5, призвано улучшить разговорные способности Qwen. Заявление о производительности, сопоставимой с GPT 5.6 Luna и более крупными моделями, приводится автором без результатов независимой оценки. Лицензия — Apache-2.0.

Bellatrix-Tiny-1B-v2 — авторегрессионная языковая модель семейства Llama, разработанная prithivMLmods на основе meta-llama/Llama-3.2-1B-Instruct. Модель содержит 1,2 млрд параметров, имеет контекстное окно до 131 072 токенов и предназначена для генерации текста и диалогов. В репозитории доступны веса в форматах Safetensors и ONNX; README описывает настройку с помощью supervised fine-tuning и обучение на синтетических данных для рассуждений. Модель рассчитана на многоязычные диалоги, следование инструкциям, суммаризацию и сценарии поиска релевантных сведений в диалоге. Карточка приводит английский язык, но заявляет многоязычное применение без перечисления остальных языков. По словам автора, модель использует оптимизированную архитектуру Transformer; её компактный размер подходит для локального запуска, хотя ресурсоёмкость обучения и вывода зависит от оборудования. Качество может снижаться на узкоспециализированных задачах, редких языках и диалектах, а ответы могут содержать ошибки или смещения из обучающих данных. Лицензия — Llama 3.2 Community License (идентификатор llama3.2); перед использованием следует учитывать её условия.

BgGPT-Gemma-2-27B-IT-v1.0 — большая языковая модель INSAIT, института Софийского университета им. Св. Климента Охридского. Это плотный декодерный трансформер Gemma 2 с 27,6 млрд параметров и контекстом 8192 токена, предназначенный для генерации текста и диалога по инструкциям. Модель основана на Google Gemma 2 27B и Gemma 2 27B IT. Её непрерывно дообучали примерно на 100 млрд токенов, включая 85 млрд болгарских, по стратегии Branch-and-Merge, затем провели инструктивное дообучение на болгарских диалогах. Она рассчитана прежде всего на болгарский язык, сохраняя возможности английского, и подходит для ответов на вопросы, рассуждений, решения задач и генерации текста. При использовании следует применять шаблон чата Gemma 2; Flash Attention может ухудшить качество. Модель распространяется по условиям Gemma Terms of Use.

BLOOMZ-560M — многоязычная авторегрессионная языковая модель семейства BLOOM, разработанная проектом BigScience. Модель дообучена на смеси межъязыковых задач xP3 для следования инструкциям на естественном языке и выполнения задач без примеров, в том числе на языках, не встречавшихся в конкретной задаче при обучении. Это плотная модель с 560 млн параметров и контекстом до 2048 токенов; принимает текст и генерирует текст. Модель подходит для переводов, ответов на вопросы, классификации тональности, объяснений и творческой генерации по текстовым запросам. В карточке приведён пример использования через Transformers. Она поддерживает множество языков, включая английский, французский, испанский, хинди, китайский и другие; русский язык есть среди языков предварительного обучения BLOOM, но карточка не выделяет его как основной для этой версии. Качество зависит от формулировки запроса и предоставленного контекста; модель может продолжать входной текст вместо ожидаемого ответа, если граница инструкции задана неясно. Лицензия — BigScience BLOOM RAIL 1.0.

Cosmosis-3x34B — разговорная языковая модель Weyaxi, построенная на архитектуре Mixtral с разреженной экспертной структурой MoE. В репозитории указано 33,9 млрд параметров; модель распространяется в формате safetensors и рассчитана на генерацию текста и диалоговое взаимодействие. Метаданные указывают контекст длиной до 200 000 токенов. Модель подходит для ведения диалогов и генерации ответов на текстовые запросы. В README приведены варианты шаблонов запросов ChatML, Human Assistant, Alpaca и Vicuna, но автор не определяет предпочтительный шаблон и отсылает к шаблонам модели bagel-dpo-34b-v0.2. В README также приведены результаты оценки на бенчмарках, включая средний результат 75,39. Модель основана на объединении нескольких экспертных моделей; точная схема создания описана в конфигурации воспроизведения, однако доступный текст README её не раскрывает. Лицензия обозначена в метаданных как other, поэтому условия использования следует проверять в репозитории. Автор отмечает неопределённость с выбором шаблона промпта.

Darwin-28B-KR — разработанная VIDRAFT мультимодальная модель семейства Darwin с примерно 28 млрд параметров на архитектуре Qwen3_5ForConditionalGeneration с гибридным полным и линейным вниманием. Она предназначена прежде всего для общения, понимания, генерации и рассуждений на корейском языке, а также поддерживает рассуждения на английском. Модель умеет анализировать изображения и видео и формулировать ответы на корейском языке. Модель подходит для корейских вопросов и ответов, задач на рассуждение, письма, суммаризации, творческой генерации, перевода между корейским и английским, а также для анализа визуальных материалов. В README приведено сравнение с другими моделями на корейском тесте CLIcK по выборке из 200 вопросов; результат модели — 0,786. Для инференса указана поддержка Transformers и рекомендуемый запуск через vLLM; для BF16 требуется около 55 ГБ видеопамяти. Это объединение Darwin-27B-KR и Darwin-28B-Opus методом evolutionary merge, с последующей identity tuning. Модель опубликована под лицензией Apache-2.0. В метаданных указаны интерфейс чата и интерфейс вызова инструментов; задачи распознавания изображений и видео не представлены отдельными pipeline-тегами, поэтому главная задача — text-generation.

Eurydice 24b v1c — диалоговая модель Aixon Lab, дообученная на базе mistralai/Mistral-Small-3.1-24B-Instruct-2503 на специально подготовленном наборе данных. Это плотная трансформерная модель семейства Mistral 3.1 примерно на 24 млрд параметров; метаданные указывают поддержку входных изображений и генерацию текста, включая диалог с моделью и анализ изображений. Модель предназначена для многосторонних бесед, творческой генерации и сторителлинга, ответов на вопросы и анализа. В карточке отмечены хорошее понимание контекста и естественный разговорный стиль, однако результаты оценки качества не опубликованы. Поддерживаемый язык — преимущественно английский; возможно, модель работает и с другими языками. Выпускается под лицензией Apache 2.0. Как и базовая модель, она может наследовать смещения и ограничения обучающих данных. Выводы следует проверять, особенно в сценариях, где важна точность.

Experiment28M7_Experiment27Pastiche — объединённая модель на базе архитектуры Mistral, созданная слиянием automerger/Experiment28M7-7B и automerger/Experiment27Pastiche-7B. Модель содержит 7,1 млрд параметров и предназначена для генерации текста, в том числе диалоговых ответов. Она принимает текст и поддерживает контекст до 32 768 токенов. Модель опубликована в формате safetensors под лицензией Apache-2.0. Данных о специализации на конкретных языках или предметных областях в карточке нет.