III.2Исследование рынка и маркетинг

Ultravox v0.6 Qwen 3 32B — мультимодальная речевая языковая модель Fixie.ai, объединяющая языковую модель Qwen 3 с речевым энкодером whisper-large-v3-turbo. Она принимает аудио вместе с текстовым контекстом и формирует текстовые ответы; модель подходит для голосовых агентов, распознавания и анализа речи, а также перевода устной речи. Версия v0.6 обучалась на расширенном наборе данных речи на хинди, что улучшило понимание хинди, и на шумовых данных для большей устойчивости к шуму. При слишком шумном аудио или отсутствии разборчивой речи модель может вывести маркер ((noise)). Модель поддерживает многоязычную речь и текст, включая языки, перечисленные в метаданных Hugging Face. По карточке она не генерирует аудио: в ответах выдаёт текст. Для этой версии не применялась настройка предпочтений. Лицензия — MIT.

BLOSSOM-v5-4b — разговорная языковая модель, разработанная командой Blossom и дообученная на базе Qwen1.5-4B. Метаданные описывают архитектуру как плотную Qwen2 с 3,6 млрд параметров; модель распространяется в формате safetensors и поддерживает контекст до 32 768 токенов. Модель предназначена для диалогов и генерации ответов на китайском и английском языках. Обучение прошло в два этапа на смешанных наборах Blossom Chat, Math, Wizard и Orca; README сообщает, что данные серии V5 дистиллированы из GPT-4-0125-preview. Модель может применяться для вопросов и ответов, инструкций, диалога и простых математических запросов. Лицензия — Apache-2.0. Заявления о качестве основаны на описании разработчика; независимые результаты оценки в карточке не приведены.

Dante-2B — двуязычная инструктивная языковая модель на 2,1 млрд параметров, созданная Fabio Angeletti с нуля. Это плотный декодерный трансформер в стиле Llama, доступный в формате safetensors и рассчитанный на генерацию текста и выполнение инструкций на итальянском и английском языках. Модель использует собственный BPE-токенизатор на 64 тысячи токенов, обученный на сбалансированном итальянско-английском корпусе, и шаблон чата в стиле ChatML. Контекст модели составляет 4096 токенов. Модель подходит для диалоговых сценариев, генерации и продолжения текста на итальянском и английском языках, а также для локального и периферийного развертывания. Итальянский язык учитывается в токенизаторе с самого начала обучения, включая типичные сокращения и диакритические знаки. Модель обучалась на 90 млрд токенов предобучения, затем прошла продолжительное обучение для расширения контекста и дообучение на 540 тысячах диалогов. Лицензия — Apache-2.0. Размер 2,1 млрд параметров ограничивает возможности сложных рассуждений по сравнению с более крупными моделями. Заявлены ограничения знаний данными примерно 2023–2024 годов; формальная оценка на стандартных тестах ещё не завершена. Модель не проходила специальное обучение безопасности или RLHF, поэтому ответы могут требовать проверки.

Darwin-9B-KOREA — VIDRAFT Darwin-сериисийн 9-миллиардная плотная языковая модель для двуязычных рассуждений на корейском и английском языках. Она создана слиянием моделей FINAL-Bench/Darwin-9B-Opus и FINAL-Bench/Darwin-9B-NEG методом послойной линейной интерполяции; использует архитектуру семейства Qwen 3.5 и формат Safetensors. Шаблон чата и токенизатор взяты от Darwin-9B-Opus. Модель предназначена для диалогов, ответов на вопросы и задач, где требуется рассуждать, в том числе на английском с последующим ответом на корейском. Разработчик сообщает о равной точности с обеими родительскими моделями на внутреннем тесте из 35 примеров и о доле ответов на корейском 91,3% на 23 корейских вопросах. Для развертывания в BF16 указано около 20 ГБ видеопамяти; автор рекомендует задавать не менее 1024 выходных токенов из-за склонности модели к развернутым рассуждениям. Лицензия — Apache-2.0.

EuroVLM-1.7B-Preview — мультимодальная модель зрения и языка, разработанная Unbabel совместно с Instituto Superior Técnico, Instituto de Telecomunicações, University of Edinburgh, Aveni, University of Paris-Saclay, University of Amsterdam, Naver Labs и Sorbonne Université при финансировании Европейского союза. Она основана на EuroLLM-1.7B и предназначена для работы с изображениями и текстом: модель описывает изображения, отвечает на вопросы по ним, выполняет инструкции с визуальным контекстом и анализирует документы, диаграммы и графики. Модель использует архитектуру LLaVA-NeXT с плотным трансформером EuroLLM и визуальным энкодером ViT на основе SigLIP2 SO400M. По карточке, языковая часть содержит 1,7 млрд параметров, а визуальный компонент — около 400 млн; контекст поддерживает до 32 тысяч токенов. Заявлена поддержка 39 языков, включая русский. Модель была настроена на многоязычных наборах для описания изображений, визуальных вопросов и ответов и мультимодальных рассуждений. Лицензия — Apache 2.0. Это предварительная версия, которая всё ещё разрабатывается. Возможны ошибки и галлюцинации в описаниях изображений, предвзятая интерпретация и нестабильность результатов между языками; карточка рекомендует осторожность при применении в производственной среде.

Gemma Ko 7B Instruct v0.41 — разговорная языковая модель, разработанная lemon-mint и дообученная на google/gemma-7b-it. Она предназначена для генерации связного текста на корейском языке и поддерживает английский; подходит для диалогов, перевода, суммаризации и ответов на вопросы. Модель построена на плотной архитектуре GemmaForCausalLM, содержит 8,2 млрд параметров и рассчитана на контекст до 8192 токенов. Для использования доступны веса в формате safetensors через Transformers; модель распространяется по условиям gemma-terms-of-use.

JFernandoGRE/gtelarge-colombian-corporationnames — модель Sentence Transformers, дообученная на базе thenlper/gte-large для сравнения названий колумбийских компаний. Она преобразует предложения и абзацы в нормализованные плотные эмбеддинги размерностью 1024; сходство между ними можно оценивать косинусной близостью. Архитектура включает BERT-трансформер, усреднение токенов и нормализацию, максимальная длина входа — 512 токенов. Модель предназначена для семантического поиска и сопоставления названий организаций, включая выявление вариантов написания и похожих названий. Также её эмбеддинги можно применять для кластеризации, поиска парафразов и классификации текста. Обучение включало 14 872 пары примеров с OnlineContrastiveLoss; в README приведены примеры с названиями колумбийских компаний. Лицензия в предоставленных данных не указана.

Модель gateremark/kikuyu_translategemma_12b_merged — дообученная версия Google Translate Gemma 3 12B, созданная gateremark на базе google/translategemma-12b-it. Она предназначена для перевода текста и извлечения текста с переводом по изображениям; поддержка визуального ввода указана в метаданных. Модель использует плотную архитектуру Gemma 3, распространяется в формате safetensors и доступна по лицензии Apache-2.0. Базовая TranslateGemma поддерживает перевод между 55 языками. Карточка этой производной версии не уточняет, какие именно языки или сценарии перевода покрыты её дообучением; язык en указан в тегах карточки. README сообщает об обучении с Unsloth и библиотекой TRL, но не приводит оценок качества.

KORani-v1-13B — языковая модель KRAFTON для работы на корейском и английском языках. Это версия серии KORani, дообученная на базе Polyglot 12.8B с использованием набора KoVicuna; разработка также опирается на проект Vicuna. Модель построена на архитектуре GPT-NeoX, содержит 16,9 млрд параметров и имеет контекстное окно 2048 токенов. Модель предназначена для генерации текста, диалога и типичных языковых задач на корейском и английском. В карточке приведены примеры перевода с английского на корейский, ответов на вопросы и суммаризации на корейском языке. Веса доступны в формате PyTorch по лицензии Apache-2.0.

KORani-v2-13B — языковая модель KRAFTON на архитектуре LLaMA, дообученная на базе LLaMA 13B с использованием набора KoVicuna. Модель предназначена для генерации текста на корейском и английском языках, в том числе для ответов на вопросы, перевода с английского на корейский и суммаризации корейских текстов. В карточке приведены примеры этих задач и сравнительная оценка на небольших наборах примеров. Модель содержит 12,9 млрд параметров, использует плотную архитектуру LLaMA и принимает текст с контекстом до 2048 токенов. Веса опубликованы в формате PyTorch. Лицензия — Apache-2.0. Результаты в README основаны на усреднённых оценках по пяти примерам для указанных задач и не гарантируют качество на других данных.

KORani-v3-13B — языковая модель компании KRAFTON на архитектуре LLaMA с 12,9 млрд параметров. Это дообученная версия LLaMA 13B, созданная с использованием наборов ShareGPT и KoVicuna и вдохновлённая проектом Vicuna. Модель предназначена для генерации текста на корейском и английском языках, в том числе для диалога, ответов на вопросы, перевода с английского на корейский и суммаризации на корейском. Контекст составляет 2048 токенов. В репозитории указаны веса PyTorch и лицензия Apache-2.0. В README приведены примеры сравнительной оценки на небольших выборках для перевода, вопросов и суммаризации; эти результаты не гарантируют качества в других сценариях. Версия v3 не означает, что модель является лучшей или самой новой.

CarrotAI/Llama-3.2-Rabbit-Ko-3B-Instruct — инструкционная языковая модель CarrotAI для диалогов и генерации текста на корейском и английском языках. Это плотная causal language model семейства Llama с 3,2 млрд параметров, дообученная методом SFT на корейских и английских данных. Контекст модели составляет до 131 072 токенов; веса доступны в формате safetensors. Модель подходит для диалогового помощника, ответов на вопросы, суммаризации и других текстовых задач на корейском и английском. В карточке приведены результаты оценивания на наборах GSM8K, GSM8K-Ko, Haerae и KoBEST. Из-за размера 3B её возможности на сложных задачах ограничены; модель может уступать в узкоспециализированных областях, выдавать предвзятые ответы и галлюцинировать. Лицензия — Llama 3.2.

cstr/llama3-8b-spaetzle-v33 — объединённая модель на архитектуре Llama 3, созданная путём слияния нескольких версий spaetzle, включая v20, v26, v28 и v31. Она предназначена для генерации текста и диалоговых задач, с компромиссным качеством для сценариев на немецком и английском языках. Модель содержит 7,5 млрд параметров, имеет контекст до 8192 токенов и распространяется в формате Safetensors. В README приведены результаты тестов EQ-Bench v2 на немецком и английском языках, а также других бенчмарков; это указывает на оценку преимущественно языковых и диалоговых способностей. Для модели опубликована лицензия Llama 3. README также указывает на отдельную GGUF-версию, но этот репозиторий содержит Safetensors. Как слияние моделей, версия v33 объединяет свойства исходных моделей, а подробности их обучения и происхождения данных в карточке раскрыты не полностью.

Dampfinchen объединил эту плотную языковую модель методом DARE TIES с помощью mergekit. В основе лежит NousResearch/Meta-Llama-3-8B; в слияние также вошли NousResearch/Meta-Llama-3-8B-Instruct и Dampfinchen/Llama-3-8B-Ultra-Instruct. Модель содержит 7,5 млрд параметров и рассчитана на контекст до 8192 токенов. Модель предназначена для диалогов и генерации текста. Автор стремился сохранить возможности Llama 3 Instruct и усилить ролевые диалоги, работу с RAG, немецким языком и написание историй. Указана лицензия llama3. Автор предупреждает, что модель может выдавать вредоносные ответы.

Карточка модели Yukang/LongAlpaca-7B на Hugging Face совпадает с карточкой Yukang/LongAlpaca-13B, поэтому описание составлено по ней. LongAlpaca-13B — языковая модель на архитектуре Llama, выпущенная командой LongLoRA. Модель содержит 12,9 млрд параметров и дообучена с учителем на наборе LongAlpaca-12k, который включает длинные и короткие вопросы и ответы. Она предназначена для следования инструкциям и ответов на вопросы по длинным текстам, например разделам книг и научным статьям. В README для LongAlpaca-13B указано окно контекста 32 768 токенов; метаданные этой конкретной карточки указывают native context в 4 096 токенов. Поэтому заявленную возможность работы с длинным контекстом следует учитывать с оглядкой на конфигурацию и фактическую поддержку весов. Модель принимает текст и генерирует текст; сведения о поддерживаемых естественных языках не приведены. Для использования весов требуется принять лицензию и политику допустимого использования Meta.

jhflow/mistral7b-lora-multi-turn-v2 — дообученная текстовая модель семейства Mistral, созданная для многоходовых диалогов в сценариях RAG. Автор сообщает, что для обучения использовал наборы данных с диалогами, основанными на знаниях; шаблон промпта построен по формату ChatML и включает системный промпт, контекст, запрос пользователя и ответ ассистента. Модель имеет плотную архитектуру MistralForCausalLM и 7,1 млрд параметров, принимает текст и генерирует текст. Заявленная длина контекста — 32 768 токенов. Лицензия в предоставленных данных не указана.

MOSS-Audio-8B-Instruct — открытая мультимодальная модель понимания аудио от MOSI.AI, команды OpenMOSS и Shanghai Innovation Institute. Вариант Instruct предназначен для выполнения инструкций по аудиозаписям: модель принимает аудио и формирует текстовые ответы о его содержании. Модель объединяет аудиоэнкодер MOSS-Audio-Encoder, адаптер модальности и языковую модель Qwen3-8B; общий размер составляет около 8,6 млрд параметров. Архитектура использует временные маркеры и признаки аудио с нескольких слоёв энкодера. Поддерживаются задачи распознавания речи с временными метками, анализа говорящих и эмоций, описания звуковых событий и сцен, понимания музыки, ответов на вопросы и суммаризации аудио. Карточка указывает английский и китайский языки. Модель ориентирована на разбор реальных аудиозаписей и вопросов с учётом временного контекста. Репозиторий распространяет веса в формате safetensors по лицензии Apache-2.0. Контекстное окно и количественные результаты именно этого варианта в предоставленных данных не указаны.

OpenBuddy DeepSeek 67B v18.1 4k — многоязычная разговорная языковая модель семейства Llama, разработанная проектом OpenBuddy на базе DeepSeek. Она предназначена для генерации ответов в диалоге и может использоваться как чат-бот на нескольких языках. Модель содержит 66,6 млрд параметров, рассчитана на контекст до 4096 токенов и распространяется в формате safetensors для библиотеки Transformers. В метаданных и карточке перечислены китайский, английский, французский, немецкий, японский, корейский, итальянский, русский и финский языки. README приводит результаты оценки на нескольких бенчмарках, но не описывает методику обучения или сравнительные выводы. Лицензия обозначена как deepseek; перед использованием следует проверить её условия. Авторы предупреждают, что ответы могут быть ошибочными, вредными или оскорбительными, и не рекомендуют полагаться на модель в медицинских, финансовых, юридических и других критически важных сценариях.

khaimaitien/qa-expert-7B-V1.0 — дообученная модель на базе mistralai/Mistral-7B-v0.1, созданная для многошагового ответа на вопросы. Она разбивает составной вопрос на последовательность простых вопросов, обрабатывает их по отдельности и объединяет сведения в итоговый ответ. Модель построена на архитектуре MistralForCausalLM, содержит 7,1 млрд параметров и имеет контекстное окно 32 768 токенов. Модель предназначена для сценариев, где ответ требует последовательного поиска и объединения нескольких фактов. В карточке указано дообучение на наборе khaimaitien/qa-expert-multi-hop-qa-V1.0; файлы представлены в формате safetensors. Заявленный язык — английский. Лицензия в предоставленных данных не указана.

SambaLingo-Bulgarian-Chat — чат-модель SambaNova Systems для генерации ответов на болгарском и английском языках. Она построена на плотной архитектуре Llama и дообучена методом direct preference optimization поверх SambaLingo-Bulgarian-Base, адаптированной к болгарскому языку на основе Llama 2. Модель содержит 6,7 млрд параметров, принимает текст и генерирует текст; длина контекста — 4096 токенов. Модель предназначена для диалогов и ответов на вопросы на болгарском и английском языках. Словарь токенизатора расширен с 32 000 до 57 000 токенов за счёт добавления болгарских токенов. Веса доступны в формате safetensors. Использование регулируется лицензией Meta Llama 2 Community License Agreement. Модель может галлюцинировать, переключаться между языками или диалектами и повторять фразы. Её возможности в программировании и сложной математике ограничены; она может генерировать токсичный или неподходящий контент. Разработчик не рекомендует применять её в критически важных сценариях и при принятии решений, влияющих на безопасность людей.

SeamlessM4T v2 Large — мультимодальная многоязычная модель перевода и речи семейства SeamlessM4T, разработанная командой авторов карточки. Репозиторий содержит вариант на архитектуре UnitY2, в метаданных указаны 664,9 млн параметров, контекст 4096 токенов и формат safetensors. Модель предназначена для распознавания речи и перевода между речью и текстом: поддерживает преобразование речи в текст, текста в речь, а также речевой перевод с речевым или текстовым результатом. По README, модель принимает речь на 101 языке и текст на 96 языках, а генерирует речь на 35 языках. Архитектура UnitY2 с иерархическим преобразованием символов в речевые единицы и неавторегрессионным декодированием ускоряет генерацию речи и повышает её качество по сравнению с первой версией. В метаданных репозитория указана лицензия CC BY-NC 4.0, допускающая использование с некоммерческими ограничениями.

Карточка модели shisa-ai/shisa-v2.1-llama3.2-3b на Hugging Face совпадает с карточкой shisa-ai/shisa-v2.1-unphi4-14b, поэтому описание составлено по ней. Shisa V2.1 UnPhi-4 14B — двуязычная чат-модель общего назначения от Shisa.AI, созданная на основе дообучения unsloth/phi-4. Она предназначена для диалогов и широкого круга текстовых задач, с особым вниманием к японскому языку при сохранении возможностей на английском. В README отмечены улучшения следования инструкциям, перевода, вежливой речи и других задач, связанных с японским языком. Модель содержит 14,1 млрд параметров, использует плотную архитектуру семейства Llama и принимает контекст до 16 384 токенов. Репозиторий содержит веса в формате safetensors; метаданные указывают поддержку чата и генерации текста. В сравнительных оценках Shisa V2.1 14B показала средний результат 72,6 по японскому и 57,7 по английскому набору MultiEval, а также 8,68 в японском MT-Bench по оценке GPT-4.1. Модель подходит для японских и англоязычных диалогов, следования инструкциям и перевода. Она не описана как мультимодальная, поэтому её следует рассматривать как текстовую модель. Лицензия — MIT.

StarO AI 3.01 Next Super — арабская мультимодальная модель компании C.a. Star Technology, созданная на основе StarO AI 2.69 Super. В карточке заявлена архитектура семейства StarO с плотной моделью типа ModelStarOLMhead и поддержка задач Any-to-Any; размер модели не приведён. Указанная длина контекста — 1024 токена. Модель предназначена для генерации и понимания арабского текста, включая суммаризацию, перевод и ответы на вопросы, а также для работы с изображениями, аудио и видео. README заявляет генерацию изображений по текстовым запросам, описание изображений, визуальные ответы на вопросы, распознавание речи и мультимодальное рассуждение. Основной язык — арабский, с акцентом на современный литературный арабский. Разработчики заявляют об оптимизации для устройств среднего уровня и облачного или локального развёртывания. Модель находится в активной разработке: результаты на сложных задачах могут быть непоследовательными, качество может различаться между арабскими диалектами, а мультимодальные возможности продолжают улучшаться. Для оптимальной работы мультимодальных функций может потребоваться GPU. Лицензия — MIT.

Ultravox v0.4.1 Mistral Nemo — мультимодальная речевая языковая модель от Fixie.ai на основе Mistral-Nemo-Instruct-2407 и Whisper Large V3 Turbo. Она принимает аудио вместе с текстом, например системной инструкцией, и формирует текстовый ответ. Модель предназначена для голосовых агентов, анализа речи и перевода устной речи; README также отмечает низкую задержку первого токена и скорость генерации около 50–100 токенов в секунду на GPU A100 40 ГБ. Для обучения использовалась смесь наборов данных распознавания речи, продолжений текста, созданных Mistral Nemo, и наборов для перевода речи. Поддерживаемые языки включают арабский, немецкий, английский, испанский, французский, хинди, итальянский, японский, нидерландский, португальский, русский, шведский, турецкий, украинский и китайский. Модель принимает речь и текст, но выдаёт текст; генерация аудио в этой версии не поддерживается. Настройка предпочтений не проводилась. Лицензия — MIT.

Модель carted-nlp/categorization-finetuned-20220721-164940-distilled-20220811-074207 — дообученная Carted NLP модель RoBERTa для классификации текста. Она содержит 36 млн параметров и принимает последовательности длиной до 514 токенов. В README указаны метрики на оценочном наборе: accuracy 0,8771 и F1 0,8763; название предполагает применение для категоризации, но конкретные категории и обучающие данные не описаны. Модель подходит для присвоения текстам категорий в прикладных системах. Доступен формат PyTorch. Лицензия в предоставленных данных не указана.

Gemma Ko 7B Instruct v0.62 — диалоговая модель на архитектуре Gemma, разработанная lemon-mint путём дообучения openchat/openchat-3.5-0106-gemma. Модель содержит 8,2 млрд параметров и предназначена прежде всего для генерации связного текста на корейском языке, включая диалог, перевод, суммаризацию и ответы на вопросы. Поддерживает корейский и английский языки, контекст до 8192 токенов и формат весов Safetensors; доступна для работы через Transformers. Модель подходит для корейскоязычных чат-ботов, подготовки кратких пересказов, ответов на вопросы и перевода текста. В README указана лицензия gemma-terms-of-use. Возможны ошибки и воспроизведение предвзятостей обучающих веб-данных, поэтому ответы требуют проверки.

GemmaTranslate-v3-12B — мультимодальная модель на архитектуре Gemma 3, созданная объединением Google Gemma-3-12B-IT и TranslateGemma-12B-IT методом SLERP. Она предназначена прежде всего для перевода между языками, а также для диалоговой помощи и понимания изображений. Размер модели — 12 млрд параметров; заявленное окно контекста — до 128 тыс. токенов. Веса vision tower и multimodal projector взяты из Gemma-3-12B-IT, а языковые веса объединены в пропорции 50/50. Модель поддерживает более 30 языков и принимает текст и изображения, выдавая текст. Для запуска README рекомендует библиотеку Hugging Face Transformers; файлы опубликованы в формате safetensors. Модель доступна по условиям лицензии Gemma Terms of Use. Карточка заявляет усиленные возможности перевода, но не приводит результатов сравнительных оценок качества.

lcw99/google-gemma-10B-ko-chang — объединённая языковая модель на архитектуре Gemma, созданная слиянием слоёв self-attention английской и корейской моделей Gemma 7B. По описанию автора, в результате удвоено число attention heads, а модель рассчитана на работу с текстом на английском и корейском языках. Она предназначена для генерации текста и диалогового общения; размер по метаданным — 8,2 млрд параметров, нативное окно контекста — 8192 токена. Модель доступна в формате safetensors и распространяется по лицензии Apache-2.0. README не приводит сравнительных оценок качества или конкретных результатов по отдельным задачам.

SeamlessM4T Large — крупная модель семейства SeamlessM4T, разработанная Meta и реализованная в библиотеке Hugging Face Transformers. Это единая плотная модель на 664,9 млн параметров для перевода речи и текста между языками и распознавания речи; в Transformers доступны как универсальная модель, так и специализированные варианты для отдельных задач. Модель поддерживает речевой ввод на 101 языке, текстовый ввод и вывод на 96 языках и генерацию речи на 35 языках. Она предназначена для перевода речи в речь, речи в текст, текста в речь и текста в текст, а также для автоматического распознавания речи. Можно выбирать голос синтеза с помощью идентификатора говорящего. Для синтеза речи SeamlessM4T v2 предлагает улучшенную по сравнению с этой версией архитектуру, качество и скорость. Репозиторий содержит веса PyTorch, модель рассчитана на контекст до 1024 токенов и распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Модель объединяет несколько языковых задач в одном решении, но для генерации речи поддерживает меньше языков, чем для речевого ввода или текстовых операций.

Hypa-Llama3.1-8b-SFT — созданная Hypa Intelligence многоязычная модель генерации текста на базе Meta Llama 3.1 8B Instruct. Это продолжение дообучения предыдущего чекпойнта Hypa-Llama методом SFT с LoRA/QLoRA; адаптер объединён с весами в 16-битном формате. Модель содержит 7,5 млрд параметров, использует архитектуру Llama и библиотеку Transformers. Лицензия — Apache-2.0. Модель предназначена для перевода между английским, французским, испанским и четырнадцатью языками Нигерии, определения языка, словарных объяснений, многоязычного следования инструкциям и вызова инструментов в формате Llama. В карточке перечислены 17 поддерживаемых языков; контекст обучения составляет 2048 токенов, хотя базовая конфигурация унаследовала более длинное окно контекста. К сильным сторонам относятся поддержка ряда малоресурсных языков и структурированный вывод в Markdown или JSON. Качество может заметно различаться между языками, поэтому для редких языков ответы следует проверять с носителями; JSON иногда требует исправления. Модель не проходила дополнительную настройку безопасности после SFT и не предназначена для самостоятельного применения в медицинских, юридических, финансовых и психологических сценариях.