III.2Исследование рынка и маркетинг

Karen_TheEditor_V2_STRICT_Mistral_7B-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель на архитектуре MistralForCausalLM с 7,1 млрд параметров. Это слияние методом SLERP модели mistralai/Mistral-7B-Instruct-v0.2 и FPHam/Karen_TheEditor_V2_STRICT_Mistral_7B; в README приведена конфигурация mergekit и формат весов bfloat16, а в репозитории указаны файлы safetensors. Модель предназначена для генерации текста и ответов в диалоге по инструкциям. Контекст составляет до 32 768 токенов. В карточке не описаны специальные области применения или языки, поэтому модель следует рассматривать как универсальную текстовую модель на базе Mistral. Модель выпущена под лицензией Apache-2.0. Карточка не содержит результатов оценивания качества или подробных сведений о поведении слияния; качество и следование инструкциям могут отличаться от исходной Mistral-7B-Instruct-v0.2.

SanctumAI/Llama-3.2-1B-Instruct-GGUF — это квантизированная версия инструкционно дообученной текстовой модели Meta Llama 3.2 1B Instruct, подготовленная SanctumAI в формате GGUF. Модель относится к семейству мультиязычных больших языковых моделей Meta, принимает текст и генерирует текст. Заявлены поддерживаемые языки: английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский. Модель предназначена для многоязычного диалога, суммаризации и сценариев агентского поиска и извлечения информации. Благодаря размеру около 1 млрд параметров и вариантам квантизации она ориентирована на локальный запуск при ограниченных ресурсах. Доступны варианты от Q2_K до Q8_0, а также f16; их размер составляет примерно от 0,58 до 2,48 ГБ, а оценочная потребность в оперативной или видеопамяти — от 3,93 до 5,70 ГБ. К сильным сторонам относятся компактность, поддержка нескольких языков, инструкционный режим и широкий выбор компромиссов между качеством и требованиями к памяти. Ограничения включают меньший размер по сравнению с более крупными моделями, возможное снижение качества из-за квантизации и отсутствие в README сведений о длине контекста, конкретной архитектуре и результатах бенчмарков. Модель распространяется по лицензии llama3.2; условия использования следует уточнять в тексте этой лицензии.

Bllossom — двуязычная корейско-английская языковая модель для диалогов и генерации текста, разработанная MLPLab при SeoulTech совместно с Teddysum и Yonsei University. Она основана на Meta Llama 3 70B и дообучена с дополнительным обучением для связывания знаний на корейском и английском языках, расширением корейского словаря, инструктивными данными о корейском языке и культуре и DPO на основе обратной связи. Модель имеет плотную архитектуру LlamaForCausalLM, около 69,5 млрд параметров и контекст до 8192 токенов. Модель предназначена для двуязычных диалоговых помощников, следования инструкциям и генерации текста на корейском и английском языках. README также упоминает выравнивание vision transformer, однако метаданные этой версии указывают только генерацию текста, поэтому её не следует считать мультимодальной моделью. Репозиторий содержит веса safetensors и использует библиотеку Transformers. Лицензия — llama3; применяются условия лицензии Llama 3 от Meta.

Llama3-TAIDE-LX-8B-Chat-Alpha1 — чат-модель проекта TAIDE, разработанная для поддержки языковых и культурных особенностей Тайваня. Она основана на LLaMA 3 8B: модель прошла дополнительное предобучение на корпусах на традиционном китайском языке и настройку по инструкциям. Размер модели — 8 млрд параметров, длина контекста — до 8 тыс. токенов. Модель предназначена для диалогов и помощи с повседневными офисными задачами: написанием и редактированием текстов, составлением писем, автоматическим реферированием и переводом между китайским и английским. В README также заявлено усиление знаний о тайваньской культуре, местной лексике и реалиях, а также поддержка многоходового диалога. Разработчик отмечает, что отбор данных был направлен на повышение надёжности и пригодности ответов; при этом приведённые примеры не гарантируют фактическую точность модели. Репозиторий содержит веса в формате safetensors. Лицензия указана как other, поэтому конкретные условия использования следует уточнять в материалах проекта.

win10/Llama-3-Taiwan-13.3B-Instruct — диалоговая языковая модель на архитектуре Llama 3, созданная с помощью mergekit на основе yentinglin/Llama-3-Taiwan-8B-Instruct. Репозиторий содержит веса Safetensors, модель насчитывает 12,7 млрд параметров и поддерживает контекст до 8192 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Базовая модель ориентирована на традиционный китайский и английский языки, диалог и прикладные задачи понимания языка; метаданные этой модели подтверждают задачу text-generation и возможность чата. Модель опубликована под лицензией, сведения о которой в предоставленных источниках отсутствуют.

L-MChat-7b — чат-модель на 7,1 млрд параметров, созданная слиянием Nexusflow/Starling-LM-7B-beta и FuseAI/FuseChat-7B-VaRM. В основе — плотная архитектура Mistral с классом MistralForCausalLM; модель распространяется в формате safetensors и рассчитана на контекст до 8192 токенов. Модель предназначена для диалоговой генерации текста и может использоваться для ответов на вопросы, ведения беседы и рассуждений на естественном языке. В README приведены результаты оценок на нескольких наборах тестов Open LLM Leaderboard, однако они не гарантируют качество на конкретных пользовательских задачах. Указана лицензия Apache-2.0.

Lumiere-120b — языковая модель для генерации текста и диалогов, созданная разработчиком bcse путём линейного слияния двух моделей с помощью mergekit: Undi95/Miqu-70B-Alpaca-DPO и Sao10K/Euryale-1.3-L2-70B. Модель основана на архитектуре Llama и содержит около 120,1 млрд параметров; для загрузки доступны веса в формате safetensors, а также упомянуты варианты GGUF. Модель предназначена для генерации ответов в диалоге и выполнения текстовых запросов. Контекстное окно составляет 32 764 токена. В карточке не описаны специальные предметные области или наборы поддерживаемых языков; базовая Miqu-модель настроена для ответов на инструкции в формате Alpaca. Лицензия в предоставленных сведениях не указана.

Luna_3B — объединённая языковая модель, созданная jeiku методом DARE TIES с помощью mergekit. В основу объединения положена jeiku/ToxicNoRobotsRosaHermesBoros_3B; также включены варианты StableLM, дообученные для инструкций, диалога и рассуждений. Модель предназначена для генерации текста и диалогового взаимодействия. Она построена на архитектуре StableLM Epoch, содержит 2,7 млрд параметров и рассчитана на контекст до 4096 токенов. Репозиторий содержит веса safetensors. Лицензия в предоставленных данных не указана.

anthracite-org/magnum-v2.5-12b-kto-gguf — квантизированные в формате GGUF версии Magnum v2.5 KTO, разработанные и опубликованные Anthracite. Модель основана на anthracite-org/magnum-12b-v2 и предназначена для генерации текста и диалоговых сценариев. Она дообучалась с использованием экспериментальной гибридной стратегии обучения с подкреплением KTO и DPOP, ориентированной на повышение качества ответов и следование инструкциям. Модель создана для воспроизведения качества прозы, характерного для Claude 3 Sonnet и Opus, и особенно подходит для чата, написания текстов и выполнения инструкций. Она обучена работать с форматом ChatML. В карточке указаны языки английский, французский, немецкий, испанский, итальянский, португальский, русский, китайский и японский. Размер базовой модели составляет 12 миллиардов параметров; точное окно контекста и перечень поддерживаемых модальностей не указаны, поэтому модель следует считать текстовой. К сильным сторонам относятся ориентация на высокое качество прозы, многоязычность и доступность квантизированных весов для запуска в совместимых средах. Ограничения связаны с экспериментальным характером версии, обучением на ограниченной части преимущественно инструкционных данных и возможной недостаточной обобщающей способностью; заявленные результаты безопасности также не раскрыты. Модель распространяется по лицензии Apache-2.0.

Megac4ai-command-r-plus — экспериментальная языковая модель, созданная автором nitky с помощью mergekit: слои CohereForAI/c4ai-command-r-plus чередуются с её же слоями методом passthrough. Модель содержит 160,4 млрд параметров, использует архитектуру CohereForCausalLM и формат safetensors; для запуска применяется библиотека Transformers с необходимыми изменениями. README также указывает на отдельную GGUF-версию и вариант квантования bitsandbytes до 4 бит. Модель предназначена для генерации текста и диалоговых ответов. В примере она отвечает на вопрос по японскому диалогу; метаданные перечисляют поддержку английского, французского, немецкого, испанского, итальянского, португальского, японского, корейского, китайского и арабского языков. Контекст составляет 8192 токена; доступны интерфейсы чата и вызова инструментов. Указанная лицензия — CC BY-NC 4.0, допускающая использование с атрибуцией, но не коммерческое использование.

MGM-Omni-32B — мультимодальная модель-чатбот семейства MGMOmni, разработанная командой MGM-Omni. Это компонент восприятия MLLM: он принимает текст, изображения, видео и речь, а отвечает текстом; для синтеза речи авторы указывают отдельную модель MGM-Omni-TTS. Модель содержит 32 млрд параметров, использует архитектуру MGMOmniForCausalLM и поддерживает контекст до 128 000 токенов. Модель предназначена для диалогов с мультимодальными данными, понимания речи, изображений и видео, включая длинные аудиозаписи. В карточке заявлены поддержка английского и китайского языков и возможность воспринимать речь длительностью до часа. MGM-Omni-32B дообучена на Qwen/Qwen2.5-VL-32B-Instruct. Лицензия — Apache-2.0.

Misted-7B-Mistral-7B-Instruct-v0.2-slerp — диалоговая модель на 7,1 млрд параметров, созданная MaziyarPanahi слиянием Mistral-7B-Instruct-v0.2 и Walmart-the-bag/Misted-7B методом SLERP. Она предназначена для генерации текста в диалогах и ответов на инструкции. Модель использует плотную архитектуру Mistral и поддерживает контекст до 32 768 токенов. В карточке указаны формат Safetensors и лицензия Apache-2.0. Сведения о языках и специализированных областях применения отсутствуют; поэтому модель можно описать как модель общего назначения, не приписывая ей отдельную специализацию. Качество и ограничения конкретного слияния в карточке не оценены.

Kaoeiri/Mistral-magnum-v4_X_Cydonia-VXXX_Mixture-B — слияние предварительно обученных языковых моделей, созданное с помощью mergekit методом Model Stock на базе anthracite-org/magnum-v4-22b. В состав также вошли версии Cydonia-22B, Pantheon-RP и Mistral-magnum-v4_X_Cydonia-VXXX_Mixture. Это плотная авторегрессионная модель семейства Mistral с 22 млрд параметров и контекстом до 32 768 токенов; веса представлены в формате safetensors и bfloat16. Модель предназначена для генерации текста и диалоговых сценариев. Карточка базовой модели указывает на диалоговое взаимодействие, следование инструкциям и создание связной прозы на английском языке; метаданные этой модели также отмечают чат и интерфейс вызова инструментов. Лицензия в предоставленных данных не указана.

zelk12/MT-Max-Merge_02012025163610-MUG-gemma-2-9B — языковая модель, созданная автором репозитория объединением двух моделей Gemma 2 с помощью SLERP в mergekit. Это плотная причинная языковая модель на 9 млрд параметров для генерации текста и диалогового общения; она принимает текст и выдаёт текст. Нативный контекст составляет 8192 токена, модель предназначена для работы через Transformers и распространяется в формате safetensors. Модель подходит для генерации ответов в диалогах и других сценариев генерации текста. Она является объединением моделей zelk12/MT-Max-Merge_02012025163610-GP-gemma-2-MTg4MT5g4-9B и zelk12/MT-Max-Merge_02012025163610-MU-gemma-2-MTM2MUMTM4-9B; README указывает базовую модель объединения zelk12/MT-Max-Merge_02012025163610-MU-gemma-2-MTM2MUMTM4-9B. Языки, специальные отраслевые задачи и условия лицензии в доступных сведениях не определены.

Neural-Krishna-Multiverse-7b-v2 — объединённая языковая модель, созданная с помощью LazyMergekit из Kukedlc/Neural-Krishna-Multiverse-7b и liminerity/M7-7b. Веса объединены методом slerp; модель использует архитектуру Mistral с плотной декодерной трансформерной сетью и содержит 7,1 млрд параметров. Модель предназначена для генерации текста и диалоговых сценариев. Она принимает текст и выдаёт текст; заявленная длина контекста составляет 32 768 токенов. Данные карточки не уточняют целевые языки и специализированные области применения. Модель распространяется в формате Safetensors под лицензией Apache-2.0.

NeuralPearlBeagle — слитая модель генерации текста на архитектуре Mistral, созданная с помощью LazyMergekit из louisbrulenaudet/Pearl-7B-slerp и mlabonne/NeuralBeagle14-7B. Веса объединены методом TIES; модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно применять для составления ответов, продолжения текста и ведения беседы; базовая модель также описана в каталоге как подходящая для математических задач. Данных о поддерживаемых естественных языках нет. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

NeuralsirkrishnaM7-7B — объединённая языковая модель, созданная Maxime Labonne автоматическим слиянием Kukedlc/NeuralSirKrishna-7b и liminerity/M7-7b. Модель построена на архитектуре Mistral с 7,1 млрд параметров и предназначена для генерации текста и диалогов; максимальный контекст составляет 32 768 токенов. Для слияния применён метод SLERP с настройками, зависящими от слоёв self-attention и MLP. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Карточка не описывает специализацию по языкам или предметным областям и не приводит конкретных оценок качества.

Карточка модели llm-wizard/NousWizard на Hugging Face совпадает с карточкой mergekit-community/dolphin-mistral-instruct-7b, поэтому описание составлено по ней. Это объединённая языковая модель mergekit-community, созданная методом SLERP на основе arcee-ai/sec-mistral-7b-instruct-1.6-epoch и cognitivecomputations/dolphin-2.8-mistral-7b-v02. Модель построена на архитектуре MistralForCausalLM с плотной архитектурой и содержит 7,1 млрд параметров; опубликованные веса представлены в формате Safetensors, а библиотека запуска — Transformers. Модель предназначена для генерации текста в диалоговых сценариях: она принимает текстовый запрос и формирует текстовый ответ. Контекст составляет до 32 768 токенов. Карточка не описывает отдельные прикладные области или языковые характеристики, поэтому их нельзя уточнить по имеющимся данным. Лицензия в предоставленных данных не указана.

PasticheInex12-7B — объединённая модель для генерации текста, созданная Maxime Labonne с помощью автоматического слияния двух моделей Mistral: CorticalStack/pastiche-crown-clown-7b-dare и MSL7/INEX12-7b. В README указаны метод слияния SLERP и формат весов bfloat16; размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Лицензия — Apache-2.0. README и метаданные не уточняют поддерживаемые языки или специализированные предметные области.

Мультимодальная диалоговая модель Qwen3.5, дообученная stavh2001 на базе stavh2001/qwen3.6-27b-merged_28_05. Она предназначена для диалогов с текстовыми и визуальными входными данными; поддерживает вызов инструментов. В метаданных указаны архитектура Qwen3_5ForConditionalGeneration и формат safetensors. Для обучения использовались Unsloth и библиотека Hugging Face TRL. Модель распространяется по лицензии Apache-2.0.

Qwen3.8-27B-Fast60L-Voodoo-GGUF — это созданная Valexiem модификация Qwen 3.8 27B: гибридная модель с gated DeltaNet и слоями полного внимания, сокращённая до 60 слоёв, с обрезанным словарём и динамической поканальной квантизацией. Основной вариант содержит 24,163 млрд параметров и занимает 5,59 GiB; модель распространяется в формате GGUF и рассчитана на локальный запуск и диалоговое применение. Лицензия — Apache-2.0. Модель предназначена для диалога и поиска по контексту. Автор сообщает о скорости около 51 токена в секунду на RTX 4070 с 12 ГБ видеопамяти при тесте на малой глубине контекста. Обрезка словаря удаляет 118 300 неиспользуемых мультиязычных токенов; карточка заявляет, что этот этап не меняет жадную генерацию относительно соответствующего не обрезанного варианта. Метаданные указывают английский язык. Существенное ограничение — модель не подходит для синтеза кода: в приведённой оценке исполняемого кода она набрала 2 из 4 против 4 из 4 у базового варианта. Возможны циклы повторов при кратких инструкциях, а скорость генерации заметно падает при длинном контексте: примерно до 21,5 токена в секунду на 128k и 9,3 на 256k. Приведённые скорости относятся к конкретной конфигурации оборудования и теста.

Карточка модели mrupatel/reva-mistral-7b на Hugging Face совпадает с карточкой mrupatel/reva-mistral-7b-v2, поэтому описание составлено по ней. mrupatel/reva-mistral-7b-v2 — дообученная модель семейства Mistral, разработанная mrupatel на базе unsloth/mistral-7b-instruct-v0.2-bnb-4bit с использованием Unsloth и библиотеки Hugging Face TRL. Это плотная авторегрессионная модель на 7,1 млрд параметров для генерации текста и диалогового взаимодействия; базовая модель поддерживает контекст до 32 768 токенов. Модель подходит для генерации ответов в чате и других текстовых сценариев общего назначения. В карточке не описаны специальные области применения или результаты оценки качества. Репозиторий распространяется по лицензии Apache-2.0.

Yamatazen/Shisa-v2-Mistral-Nemo-12B-Abliterated — объединённая методом TIES модель на базе shisa-ai/shisa-v2-mistral-nemo-12b с компонентом natong19/Mistral-Nemo-Instruct-2407-abliterated. Это плотная авторегрессионная языковая модель архитектуры MistralForCausalLM с 12,1 млрд параметров и контекстом до 131 072 токенов. Она предназначена для диалогов и генерации текста на английском и японском языках; в метаданных также отмечен интерфейс для вызова инструментов. Модель распространяется в формате Safetensors и рассчитана на использование через Transformers. Ослабленные направления отказа могут означать меньшую склонность к отказам, однако карточка не приводит отдельной оценки безопасности или качества. Лицензия в предоставленных данных не указана.

Карточка модели tokyotech-llm/Swallow-70b-instruct-v0.1 на Hugging Face совпадает с карточкой tokyotech-llm/Swallow-7b-instruct-v0.1, поэтому описание составлено по ней. Swallow-7b-instruct-v0.1 — диалоговая языковая модель TokyoTech-LLM на архитектуре Llama 2 с 6,7 млрд параметров. Она прошла дополнительное предварительное обучение преимущественно на японских текстах, а версия instruct — supervised fine-tuning для следования инструкциям. Токенизатор с расширенным японским словарём эффективнее представляет японский текст. Модель принимает текст и генерирует текст; заявленный контекст — 4096 токенов. Модель предназначена для диалогов и выполнения текстовых инструкций на японском и английском языках: написания текстов, ролевых диалогов, ответов на вопросы, рассуждений и извлечения информации. В README опубликованы оценки на японском MT-Bench и сравнение с другими моделями, однако они не гарантируют качества для каждого сценария. Выпуск v0.1 обозначен как предварительная версия; разработчики предупреждают, что модель ещё не настроена на соответствие человеческим намерениям и требованиям безопасности. Лицензия — Llama 2 Community License (llama2).

Cohere и Cohere Labs разработали CohereLabs/tiny-aya-fire — авторегрессионную языковую модель семейства Tiny Aya на 3,35 млрд параметров для многоязычной генерации и диалогов. Эта версия ориентирована на языки Южной Азии; семейство в целом охватывает более 70 языков. Модель принимает текст и генерирует текст, поддерживает контекст до 8K токенов и обучена с использованием supervised fine-tuning и обучения предпочтениям. В архитектуре Transformer сочетаются слои с локальным скользящим вниманием и глобальным вниманием. Модель подходит для многоязычных чат-ботов, суммаризации, перевода и других межъязыковых задач, в том числе для языков с ограниченными ресурсами и развёртывания при умеренных вычислительных ресурсах. Карточка отмечает хорошее качество открытой генерации и диалога, но сравнительно слабые результаты в сложных рассуждениях и математике; фактические ответы могут быть ошибочными или устаревшими, а качество неодинаково для разных языков. Лицензия CC-BY-NC-4.0 разрешает некоммерческое использование при соблюдении Acceptable Use Policy Cohere Labs; для коммерческого применения предлагается обратиться к Cohere.

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.

Карточка модели cocoirun/Yi-Ko-6B-instruct-v1.5-DPO на Hugging Face совпадает с карточкой cocoirun/Yi-Ko-6B-instruct-v1.5, поэтому описание составлено по ней. Yi-Ko-6B-instruct-v1.5 — инструктивная языковая модель, дообученная автором cocoirun на базе семейства Llama. По карточке, модель прошла SFT на примерно 110 тысячах примеров: использовались самостоятельно подготовленные корейские данные по истории, естественным наукам, математике, машинному чтению, анализу отзывов и грамматике, а также материалы Open-Orca-Ko, KoBEST и AIHub. Обучение выполнялось с помощью LoRA. Модель предназначена для генерации ответов и выполнения инструкций в задачах на корейском и английском языках, включая вопросы и ответы, машинное чтение, суммаризацию, перевод и анализ отзывов. Это плотная архитектура LlamaForCausalLM примерно на 5,9 млрд параметров с контекстом 2048 токена; репозиторий содержит веса Safetensors. Лицензия — CC BY-SA 4.0. Карточка не приводит количественных оценок качества. Данные обучения закрыты, поэтому состав и воспроизводимость SFT ограничены доступной информацией; контекст 2048 токена ограничивает работу с длинными документами.

Это чат-модель для генерации текста, созданная дообучением ShenaoZhang/0.001_4iters_bs256_nodpo_only4w_iter_2 на обновлённом и исходном наборах данных. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Её можно использовать для генерации текста и ведения диалога. Модель распространяется по лицензии MIT.

Anthropic-ai/Aiaudio — модельный проект, представленный в README как сочетание аудиосервиса Claude Audio и независимой открытой языковой модели Claude OSS 9B. При этом README прямо указывает, что Claude OSS 9B не является официальным выпуском Anthropic. Разработчик и точная связь между идентификатором Anthropic-ai/Aiaudio и описанными компонентами не уточняются. Аудиочасть предназначена для автоматической транскрипции речи и её перевода с сохранением смысла, тона, идиом и культурных нюансов. Среди заявленных сценариев — работа исследователей, авторов контента и международных команд; также заявлена идентификация говорящих и распознавание технической терминологии. Для языковой модели указаны диалоги общего назначения, следование инструкциям, рассуждения, написание и суммаризация текстов, многоязычное взаимодействие и помощь в лёгких задачах программирования. Claude OSS 9B описывается как модель с 9 млрд параметров, дообученная на базе Qwen3.5 9B на смеси примерно из 200 000 строк открытых датасетов Hugging Face. Заявлена поддержка более 200 языков и фокус на стабильном поведении ассистента, сохранении идентичности и инструкций. В README приведены ориентиры на базе Qwen3.5 9B: 82,5% на MMLU-Pro, 81,7% на GPQA Diamond и 81,2% на MMMLU. Архитектура, размер контекста, точный набор поддерживаемых аудиомодальностей и параметры инференса не указаны. Лицензия заявлена как MIT.

Alloma-3B-Instruct — узбекски-оптимизированная инструктивная языковая модель серии Alloma, разработанная uzlm на базе Meta Llama 3.2 3B Instruct. Модель содержит 3,2 млрд параметров, использует плотную архитектуру Llama и предназначена для диалогов и генерации текста, в том числе для перевода между узбекским и английским, ответов на вопросы и суммаризации. Разработчики продолжили предобучение на 2,4 млрд токенов узбекских и английских текстов, а затем выполнили дообучение на инструкциях. Токенизатор адаптирован для узбекского: по данным карточки, он использует в среднем 1,7 токена на узбекское слово вместо примерно 3,5 у исходного токенизатора Llama. В README указан контекст 2048 токенов во время обучения; метаданные сообщают нативный контекст 131072 токена. Карточка отмечает возможность запуска примерно с 2 ГБ видеопамяти при квантизации. Модель показывает улучшение относительно базовой версии в приведённых тестах перевода и анализа тональности на узбекском, но авторы отмечают снижение результатов в отдельных англоязычных тестах и классификации новостей, связывая это с забыванием навыков следования английским инструкциям. Для использования действует лицензия Llama 3.2.