III.2Исследование рынка и маркетинг

lik07/pantheon-stheno-hathor-spice-v1 — объединённая языковая модель на архитектуре Llama, созданная с помощью mergekit методом DARE TIES. В качестве базовой использована Gryphe/Pantheon-RP-1.0-8b-Llama-3; в объединение также вошли Nitral-AI/Hathor_Stable-v0.2-L3-8B, Sao10K/L3-8B-Stheno-v3.2 и cgato/L3-TheSpice-8b-v0.8.3. Модель содержит 7,5 млрд параметров, работает с текстом и поддерживает контекст до 8192 токенов. Она предназначена для генерации текста и диалогов, в том числе ролевых бесед и написания историй; метаданные характеризуют базовую модель как англоязычную и ориентированную на ролевые диалоги, истории и выполнение инструкций. Модель опубликована в формате safetensors для библиотеки Transformers. Сведения о лицензии в предоставленных данных отсутствуют.

bunnycore/Phi-2-Hyper — объединённая языковая чат-модель, созданная с помощью mergekit методом Model Stock из моделей Artples/L-MChat-Small, bunnycore/Phi-2-OmniMatrix и Weyaxi/Einstein-v4-phi2; базой при слиянии была Weyaxi/Einstein-v4-phi2. Модель использует плотную архитектуру PhiForCausalLM и предназначена для генерации текста и диалоговых ответов. Размер модели составляет 3,5 млрд параметров, а длина контекста — 2048 токенов. Репозиторий содержит веса в формате safetensors; для работы используется библиотека Transformers. Модель ориентирована на чат-сценарии, но сведения о специальных доменах или языках в карточке отсутствуют. Карточка не сообщает результаты оценки качества или конкретные ограничения применения. Условия лицензии в доступных данных не приведены.

Pleias-Pico — компактная языковая модель PleIAs на 353,4 млн параметров для генерации ответов в системах поиска с дополненной генерацией (RAG). Это плотная авторегрессионная модель семейства Llama, дообученная продолжением предобучения базовой Pleias-350m на 45 млрд токенов данных Common Corpus с примерами поисковых и RAG-задач. Длина контекста — 2048 токенов. Модель принимает запросы и предоставленные источники в специальной структурированной форме, анализирует релевантность и качество источников и генерирует ответы с цитатами и выдержками, привязанными к исходным материалам. Поддерживаются английский, французский, немецкий, испанский, итальянский, нидерландский, португальский, латинский и польский языки. Разработчик сообщает об улучшении фактической точности и проверяемости ответов в RAG-сценариях; модель также применялась в проектах PleIAs. Модель распространяется с лицензией Apache-2.0. Она не заменяет полноценную RAG-систему: ошибки поиска, сложные документы и запросы могут ухудшить ответы, а цитаты следует проверять. Дополнительное выравнивание безопасности не проводилось; возможны предвзятые или проблематичные ответы, несмотря на заявленный низкий уровень токсичности.

PrismNLI-0.4B — англоязычная модель Jaehun для вывода по естественному языку и классификации без дополнительного обучения. Она дообучена на 515 тысячах синтетических примеров датасета PrismNLI, созданных с помощью Qwen2.5-72B-Instruct; исходной моделью послужила microsoft/deberta-v3-large-zeroshot-v2.0. Архитектура — DeBERTa V3 Large для классификации последовательностей, размер — 533,8 млн параметров, максимальный контекст — 512 токенов. Модель проверяет, следует ли гипотеза из посылки: метка 0 означает entailment, а метка 1 — not-entailment. Такой формат позволяет использовать её как классификатор с заданными пользователем категориями: категории формулируются как гипотезы, а модель оценивает их соответствие входному тексту. README сообщает о результатах на восьми бенчмарках NLI, но не приводит чисел для этой версии в доступной таблице. Модель предназначена для англоязычных текстовых задач и распространяется по лицензии CC. Для надёжных результатов следует формулировать категории как проверяемые утверждения; качество на других языках и за пределами NLI и zero-shot классификации в карточке не подтверждено.

Qwen2-1.5b-it-chat-sp-ru-bel — диалоговая языковая модель, опубликованная ehristoforu и дообученная на базе ehristoforu/Qwen2-1.5b-it-chat-sp-ru. Это плотная модель семейства Qwen2 с 1,5 млрд параметров, предназначенная для генерации текстовых ответов в чате. Для обучения использовались Unsloth и библиотека Hugging Face TRL. Модель принимает текст и генерирует текст; максимальная длина контекста составляет 32 768 токенов. Название указывает на ориентацию на русский и белорусский языки, однако README и метаданные отдельно не подтверждают состав обучающих данных или качество по каждому языку. Модель распространяется по лицензии Apache-2.0.

Модель ehristoforu/Qwen2-1.5b-it-chat-sp-ru-bel-arm-ger-fin-tur-per — дообученная автором ehristoforu разговорная модель семейства Qwen2 с архитектурой плотной авторегрессионной языковой модели. Она предназначена для генерации текста в диалоге. Модель содержит 1,5 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Название и базовая модель указывают на многоязычную направленность, включая испанский, русский, белорусский, армянский, немецкий, финский и турецкий языки; в метаданных также отмечен английский. Карточка сообщает, что обучение проводилось с Unsloth и библиотекой TRL. Модель распространяется по лицензии Apache-2.0. Практические ограничения и сравнительные результаты в карточке не описаны.

QWEN-2.5-0.5B-Synthia-II — дообученная ArtificialGuyBR модель Qwen2.5-0.5B для диалогов и следования инструкциям. Она предназначена для генерации ответов в разговорных ИИ-приложениях и многоходовых диалогах. Модель содержит 494 млн параметров, использует плотную архитектуру Qwen2 с 24 трансформерными слоями и механизмом GQA; поддерживает контекст до 32 768 токенов и работает с текстом. Дообучение проведено на наборе Synthia-v1.5-II. Модель рассчитана на генерацию связного текста и выполнение инструкций, но из-за небольшого размера может уступать крупным моделям в сложных рассуждениях; качество на других языках, помимо английского, может быть ограничено. Лицензия — Apache-2.0.

DavidAU дообучил разговорную Qwen2.5-7B-Instruct-1M на наборах примеров рассуждений, связанных с Claude Opus 4.5, Gemini 3 Pro и GPT-5.2. Модель использует плотную архитектуру Qwen2ForCausalLM с 7,1 млрд параметров и заявленным контекстом до 1 010 000 токенов; карточка описывает её как вариант с компактными блоками рассуждений для улучшения подробности и связности ответов. Она предназначена для диалогов, генерации творческих текстов, сюжетов и ролевых сценариев, а также задач, требующих пошагового анализа. Заявлены поддержка английского, французского, немецкого, испанского, итальянского, португальского, русского, китайского и японского языков. Автор отмечает возможные зацикливания на низкой температуре и проблемы активации рассуждений у низкобитных квантованных версий; рекомендует температуру не ниже 0,7. Модель распространяется под лицензией, указанной в метаданных Hugging Face; конкретное название лицензии в предоставленных данных отсутствует.

Qwen3-0.6B-Fable5-Reasoning — дообученная модель для генерации текста на основе Qwen/Qwen3-0.6B. Разработчик выполнил supervised fine-tuning (SFT) с помощью TRL и объединил LoRA-веса с базовой моделью, поэтому модель доступна как самостоятельный чекпойнт для Transformers. Модель предназначена для диалогов и текстовых ответов с рассуждениями. Она использует плотную архитектуру Qwen3ForCausalLM, содержит 507,9 млн параметров и поддерживает контекст до 40 960 токенов. Метаданные указывают на многоязычную базовую модель Qwen3; конкретные языки этой версии в карточке не перечислены. Лицензия — Apache-2.0. README не приводит сравнительных оценок качества или конкретных результатов обучения.

Qwen3-1.7B-reas-int-065-3-epochs-it — дообученная на неизвестном наборе данных версия Qwen/Qwen3-1.7B от автора репозитория ferrazzipietro. Это плотная языковая модель с 1,7 млрд параметров на архитектуре Qwen3ForCausalLM; она предназначена для генерации текста и диалогового взаимодействия. Метаданные указывают контекст длиной до 40 960 токенов и поддержку чата. Модель распространяется в формате Safetensors и может использоваться через Transformers. README не уточняет специализацию дообучения, данные обучения, результаты оценки или конкретные сильные стороны, поэтому её возможности сверх генерации текста и диалога нельзя уверенно охарактеризовать. Лицензия — Apache-2.0.

Youssofal/Qwen3.8-27B-MTPLX-Bare-Speed-FP16 — это MLX-сборка модели Qwen3.8-27B, подготовленная для запуска через MTPLX на компьютерах Mac с Apple Silicon. Модель предназначена для локального текстового общения и генерации, включая задачи программирования, приоритетом является высокая скорость генерации в коротких диалогах и быстрых ответах. Разработчик базовой модели — Qwen, сборку и оптимизацию MTPLX выполнил Youssofal для работы на Apple Silicon. Модель имеет размер 27B параметров, использует FP16 для части плавающих тензоров и поддерживает контекст до 262 144 токенов. В MTPLX применяется speculative decoding с multi-token prediction глубиной 3, что позволяет ускорять генерацию без изменения результата относительно обычного декодирования при указанных условиях. Размер загрузки составляет 16 ГБ; для работы требуется Mac с чипом M1–M5 и не менее 32 ГБ unified memory. Эта версия оптимизирована прежде всего для M1 и M2, тогда как для M3 и новее рекомендуется родительская сборка. Сильная сторона модели — высокая скорость генерации и эффективный локальный запуск на совместимых Mac; заявлены до 65,2 токена в секунду на тесте программирования, измеренном на M5 Max, хотя показатели для M1 и M2 отдельно не опубликованы. Ограничения — более низкое качество и меньшая скорость на длительных задачах программирования по сравнению с вариантами, ориентированными на качество, а также зависимость от оборудования Apple Silicon и MTPLX. Модель распространяется по лицензии Apache-2.0.

DoppelReflEx/QWQ-32B-Dawnwhisper-QWQTokenizer — слитая автором модель на архитектуре Qwen2 с 32 млрд параметров, созданная на основе Qwen/QwQ-32B, ArliAI/QwQ-32B-ArliAI-RpR-v3 и trashpanda-org/QwQ-32B-Snowdrop-v0. В README указано, что при сборке использован токенизатор QwQ, а веса объединены методом dare_ties; модель распространяется в формате safetensors и рассчитана на генерацию текста и диалоги. Контекст составляет 40 960 токенов. Модель предназначена для диалогов с рассуждениями, ролевого общения и сценариев с несколькими параллельными задачами. Автор отмечает сильные результаты в рассуждениях и выразительность диалогов; режим рассуждений можно включить для более качественных ответов, особенно на языках помимо английского и китайского. README рекомендует шаблон ChatML и указывает на доступность квантованных GGUF-вариантов, но сама карточка не задаёт лицензию.

kcoopermiller/reyna-qwen-l18 — языковая модель для генерации текста и диалогов, созданная слиянием предварительно обученных моделей с помощью mergekit. В состав вошли Qwen/Qwen1.5-0.5B и aloobun/Reyna-Mini-1.8B-v0.2; применён метод passthrough, который использует слои из этих моделей по заданным диапазонам. Модель построена на архитектуре Qwen2ForCausalLM, содержит около 463,9 млн параметров и принимает текст, выдавая текст. Модель предназначена для генерации продолжений и ведения диалога. Заявленная длина контекста — 32 768 токенов. Репозиторий содержит веса в формате safetensors и предназначен для использования с библиотекой Transformers. В карточке не описаны специальные предметные области или целевые языки, поэтому модель следует считать общей языковой моделью. Лицензия в предоставленных сведениях не указана. Качество и поведение объединённых весов отдельно не охарактеризованы; карточка также не приводит результаты оценки.

Это объединённая языковая модель для генерации текста, созданная с помощью mergekit методом Linear. В слияние вошли пять чекпойнтов на шагах обучения от 7000 до 11000 из одной серии filtered_e2e_insert_hyperstition_v1; базовым при слиянии служил чекпойнт global_step11000. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и имеет контекстное окно 16 384 токена. В метаданных отмечен разговорный режим. Её можно использовать для генерации текста и диалоговых ответов; сведения о языках и специализированных областях применения не приведены. Модель распространяется в формате safetensors. Лицензия в предоставленных данных не указана.

Typhoon2-qwen2vl-7b-vision-instruct — мультимодальная инструктивная модель компании Typhoon AI для работы с изображениями. Она дообучена на базе Qwen/Qwen2-VL-7B-Instruct и построена как плотная decoder-only модель с визуальным энкодером на архитектуре Qwen2; содержит 7,1 млрд параметров и использует библиотеку Transformers. Модель принимает текст и изображения и отвечает на вопросы о визуальном содержимом. Она оптимизирована для задач на основе изображений, включая OCR, анализ диаграмм и визуальные вопросы и ответы; README также сообщает о поддержке видеовхода базовым семейством, но выделяет изображения как основной сценарий этой модели. Основные языки — тайский и английский. Длина контекста — 32 768 токенов. В опубликованной оценке модель показывает результаты на OCRBench, MMBench и ChartQA; в частности, README приводит высокие результаты на ChartQA. Модель находится в разработке и может давать неточные, предвзятые или нежелательные ответы, поэтому результаты следует проверять. Лицензия — Apache-2.0.

TheHappyDrone/Uoxudo_16bit — дообученная языковая модель семейства Llama, разработанная TheHappyDrone на основе unsloth/tinyllama-bnb-4bit. Модель предназначена для генерации текста и диалогового использования; README сообщает, что при обучении применялись Unsloth и библиотека TRL. Модель содержит 1 млрд параметров и поддерживает контекст длиной до 2048 токенов. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0. Карточка сообщает о формате чата, но не описывает предметную специализацию или оценку качества модели.

Модель shuvam4849/vidhyaarthi-model — дообученная разговорная языковая модель на архитектуре Llama, созданная shuvam4849 на основе unsloth/Meta-Llama-3.1-8B-Instruct-bnb-4bit с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалоговых сценариев; в метаданных также отмечен интерфейс вызова инструментов. Модель содержит 7,5 млрд параметров, принимает текст и выдаёт текст. Для неё указан контекст до 131 072 токенов, язык карточки — английский. Репозиторий распространяет веса в формате safetensors, лицензия — Apache-2.0. Карточка не описывает специализацию дообучения, поэтому область применения и качество на конкретных задачах оценить нельзя.

Violet_Twilight-v0.1 — разговорная модель для генерации текста, созданная Epiculous с помощью слияния SLERP моделей Azure_Dusk и Crimson_Dawn. Она основана на плотной архитектуре Mistral и содержит 12,1 млрд параметров. Модель предназначена для общения, ролевых диалогов и генерации ответов в стиле помощника; для неё рекомендуются шаблон Mistral Instruct и формат запроса [INST] Prompt goes here [/INST]. В метаданных заявлена поддержка английского, французского, немецкого, испанского, итальянского, португальского, русского, китайского и японского языков, а длина контекста указана как 1 024 000 токенов. Модель распространяется под лицензией Apache-2.0. README предупреждает, что некоторые квантованные варианты могут некорректно работать с шаблоном Mistral; для GGUF автор рекомендует попробовать ChatML. Репозиторий содержит веса safetensors, а README также упоминает варианты full, EXL2 и GGUF.

WestStarling-7B-slerp — объединённая текстовая языковая модель, созданная с помощью mergekit на основе senseable/WestLake-7B-v2 и Nexusflow/Starling-LM-7B-beta. Веса двух моделей объединены методом slerp с настройками смешивания для слоёв self-attention и MLP. Модель предназначена для генерации текста и диалоговых сценариев. Она основана на плотной архитектуре Mistral с классом MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Базовая WestLake-7B-v2 описана как англоязычная модель для ролевых диалогов и творческих текстов. Репозиторий содержит веса в формате Safetensors. Указана лицензия Apache-2.0. В карточке нет сведений о сравнительных оценках качества или специальных ограничениях применения.

Youri-7B-Instruct — японско-английская языковая модель с инструкционным дообучением, разработанная rinna на основе rinna/youri-7b. Она использует архитектуру Llama 2: 32 слоя, размер скрытого состояния 4096 и около 6,6 млрд параметров. Модель принимает запросы в формате Alpaca и генерирует текст; контекст составляет 4096 токенов. Модель предназначена для выполнения инструкций, диалога и ответов на вопросы на японском и английском языках. При дообучении использовались выборки Databricks Dolly, японская версия Dolly, FLAN Instruction Tuning и японский набор Izumi Lab; авторы исключили разделы с оценочными корпусами для предотвращения утечки данных. Модель выпущена в октябре 2023 года. Весовые файлы доступны в форматах PyTorch и safetensors. Лицензия — Llama 2 Community License. Карточка направляет к внешней странице с бенчмарками, поэтому конкретные численные результаты здесь не приводятся.

Модель создана доктором Юнсоном Джи (Saxo), специалистом по данным компании Linkbricks, на основе beomi/llama-2-koen-13b. Это 12,9-миллиардная плотная языковая модель семейства Llama 2, дообученная методом SFT на инструкциях в формате Alpaca. В карточке указаны обучение с использованием LoRA и конфигурация с int4-квантизацией; в репозитории опубликованы веса safetensors. Модель предназначена для генерации ответов на инструкции и диалогового взаимодействия на корейском и английском языках. Её контекст составляет 2048 токенов. Обучение проводилось на наборах данных с корейскими инструкциями и диалогами, включая KoAlpaca, Korean OpenOrca-Platypus и локальный набор Linkbricks. Модель распространяется по лицензии Apache-2.0. Ограничения включают короткий контекст и зависимость качества ответов от обучающих данных; карточка не приводит оценок качества или специальных мер для снижения ошибок.

Это диалоговая языковая модель на архитектуре Mistral с 7,1 млрд параметров, дообученная автором ShenaoZ на базе ShenaoZ/0.0001_withdpo_4iters_bs256_3333lr_iter_1 на наборах данных updated и original. Модель предназначена для генерации текста в диалоге и рассчитана на контекст до 32 768 токенов. Модель представлена в формате safetensors и распространяется по лицензии MIT. Карточка не описывает конкретную специализацию, результаты оценки или ограничения качества; доступные данные указывают на чатовый сценарий общего назначения.

ShenaoZ/0.001_ablation_declr_4iters_iter_2 — языковая модель на архитектуре Mistral, дообученная на основе ShenaoZ/0.001_ablation_declr_4iters_iter_1 на обновлённом и исходном наборах данных. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст; метаданные указывают поддержку чата и контекст длиной до 32 768 токенов. Модель предназначена для генерации текста в диалоговом формате. Репозиторий содержит веса в формате safetensors. Лицензия — MIT. README не приводит подробностей о специализации обучения, оценке качества или рекомендуемых сценариях применения.

AIFT-ko-orca-plat-Yi-ko-6b-v1.2-dpo-3 — корейская инструкционная модель для генерации текста, разработанная AIFT. Она создана на основе данных KOR-OpenOrca-Platypus, очищенных и отфильтрованных, а также дополнительных примеров для задач истории, естественных наук, математики, машинного чтения, анализа отзывов, суммирования, грамматики и перевода между корейским и английским языками. Модель обучали с LoRA, затем применили DPO с акцентом на CommonGen и TruthfulQA, а также данными предпочтений ko-hh-rlhf. Модель имеет плотную архитектуру LlamaForCausalLM и около 5,9 млрд параметров; максимальный указанный контекст составляет 2048 токенов. Она рассчитана прежде всего на диалоговые инструкции и ответы на вопросы на корейском языке, включая простые учебные задания и перевод. Лицензия — CC BY-SA 4.0. Данные обучения не опубликованы, поэтому состав и воспроизводимость обучающего набора проверить нельзя.

Alphacode-MALI-11B_slowtest — диалоговая языковая модель Alphacode AI, созданная путём слияния моделей Alphacode и дообучения на собственных данных разработчика. Это плотная модель семейства Mistral с архитектурой MistralForCausalLM и 10,8 млрд параметров; она предназначена для генерации текста и общения в чате. Заявленная длина контекста составляет 32 768 токенов. В метаданных указан корейский язык. Модель обучали на восьми ускорителях A100 с использованием DeepSpeed, Hugging Face TRL Trainer и Accelerate. Репозиторий содержит веса в формате Safetensors. Лицензия — CC BY 4.0. Карточка не описывает конкретные области применения, результаты оценки качества или ограничения модели.

ARIA-70B-V3 — франкоязычная текстовая модель Faradaylab на архитектуре Llama, дообученная на базе Llama2-70B-Chat-HF. По карточке, обучение проводилось на частном высококачественном наборе данных из более чем 100 000 примеров с акцентом на грамматику, навыки письма и снижение смещений в данных. Модель предназначена для генерации и редактирования французского текста, создания контента и задач, где важны грамотность и естественность формулировок. Она содержит 68,7 млрд параметров, принимает текст и генерирует текст; заявленная длина контекста — 4096 токенов. В репозитории указаны веса Safetensors. Модель выпущена под лицензией с обозначением «other»; конкретные условия использования следует сверить с лицензией в репозитории. Карточка не приводит оценки качества или подробностей ограничений, поэтому заявленные преимущества в письме и снижении смещений не подтверждены количественными результатами.

Aurelian v0.5 — экспериментальная инструктивная языковая модель от grimulkan, дообученная на базе Llama 2 70B LongLoRA с FP16 и масштабированием RoPE для длинного контекста. Это промежуточная версия до v1.0, построенная на Llama 2 без базовой настройки на выполнение инструкций; для диалогов использует формат Llama 2 chat и предназначена для instruct-режима. Модель ориентирована на творческое письмо и ролевые диалоги, в том числе длинные сценарии, а также может выполнять задачи редактирования, суммаризации, извлечения информации и рассуждений. В README заявлена поддержка контекста до 32K токенов при Linear RoPE Scaling = 8. В метаданных указана архитектура LlamaForCausalLM, 68,7 млрд параметров и нативный контекст 4096 токенов. Обучающая смесь включает человеческие истории, синтетические инструкции и диалоги, задачи на чтение и рассуждение. Модель не цензурирована и может генерировать оскорбительный и сексуальный контент. Лицензия в метаданных указана как неизвестная, поэтому условия распространения и использования следует уточнить у автора.

iiLEX/autotrein-BERT-iiLEX-dgs-0001 — модель классификации текстов, созданная с помощью AutoTrain. Она дообучена на базе ulisesbravo/autotrain-pt-l1sfd-nom8j, которую каталог описывает как BERTimbau для классификации текстов на португальском языке. Модель использует архитектуру BERT с головой BertForSequenceClassification, содержит 136,1 млн параметров и принимает последовательности длиной до 512 токенов. Модель предназначена для отнесения текста к одному из классов; конкретная тематика и названия классов в карточке не приведены. На валидации указаны accuracy 0,701, micro-F1 0,701 и macro-F1 0,517, поэтому качество может заметно различаться между классами. Файлы представлены в формате safetensors. Лицензия в предоставленных данных не указана.

Azzurro — языковая модель команды Moxoff, дообученная методом SFT с настройками LoRA на базе Mistral-7B-v0.2. Это плотная авторегрессионная модель класса MistralForCausalLM с 7,1 млрд параметров, предназначенная для диалоговой генерации текста и ответов с учётом контекста. Разработчики указывают среди сценариев применение в RAG и задачах, где нужно сохранять контекст; обучение проводилось на общедоступных наборах, включая SQUAD-it, и внутренних данных. Модель принимает текст и генерирует текст, поддерживает итальянский и английский языки. Контекстное окно составляет 32 768 токенов. Для запуска в README приведён стек Transformers и PyTorch. Модель оценивали на наборах Open Ita LLM Leaderboard; средняя оценка в карточке — 0,52. По заявлению авторов, модель не прошла RLHF-выравнивание и не использует фильтрацию ответов, поэтому может выдавать проблемный контент, особенно по соответствующему запросу. Лицензия — MIT.

BanglaLLM/BanglaLLama-3.1-8b-bangla-alpaca-orca-instruct-v0.0.1 — плотная причинная языковая модель семейства Llama 3.1 примерно с 7,5 млрд параметров, разработанная командой BanglaLLM. Модель создана дообучением BanglaLLama-3.1-8b-unolp-culturax-base-v0.0.1 на наборе инструкций bangla-alpaca-orca; веса представлены в формате safetensors, обучение проводилось в float16. Заявленная длина контекста — 131 072 токена. Модель предназначена для генерации текста и выполнения инструкций на бенгальском и английском языках. Её можно применять для диалоговых ответов, черновиков и помощи с языковыми задачами на бенгальском. README характеризует её как готовую для инференса, но отмечает, что модель не проходила очистку от токсичного содержания и может выдавать вредные или оскорбительные ответы; результаты следует проверять. В метаданных указана лицензия llama3.1, а README называет GNU General Public License v3.0, поэтому условия лицензирования следует сверить с актуальными условиями репозитория и базовой модели.