III.2Исследование рынка и маркетинг

karakuri-lm-32b-thinking-2501-exp — причинная языковая модель KARAKURI Inc., дообученная на Qwen/QwQ-32B-Preview. Это плотная модель семейства Qwen2 с 32 млрд параметров для диалоговой генерации текста; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст, поддерживает японский и английский языки. Длина контекста — 32 768 токенов. Модель можно применять для диалоговых ответов на японском и английском, задач генерации текста и сценариев с вызовом инструментов. Название указывает на экспериментальную версию; качество и область применимости могут зависеть от конкретного сценария. Модель распространяется по лицензии Apache 2.0.

QuantFactory/Llama-3-ELYZA-JP-8B-GGUF — квантизированная версия большой языковой модели Llama-3-ELYZA-JP-8B, созданная с использованием llama.cpp. Базовую модель разработала ELYZA, Inc.; она основана на Meta Llama 3 8B Instruct и дополнительно обучена для работы с японским языком с помощью предварительного обучения и instruction tuning. Модель предназначена для генерации текста и диалоговых сценариев, включая работу в роли японоязычного ассистента, ответы на вопросы и выполнение текстовых инструкций. Поддерживаются японский и английский языки. Архитектура и исходный размер соответствуют базе Llama 3 8B Instruct; конкретный тип и параметры квантизации в README не указаны. Формат GGUF ориентирован на запуск через llama.cpp. К сильным сторонам относятся адаптация к японскому языку, instruction tuning и возможность использования квантизированной версии в средах, совместимых с llama.cpp. Ограничения и точные требования к аппаратному обеспечению, длина контекста, мультимодальные возможности и характеристики квантизации в предоставленных данных не описаны. Модель распространяется по лицензии Meta Llama 3 Community License.

LLama3-Gaja-Hindi-8B-v0.1 — двуязычная чат-модель Cognitivelab.in, дообученная на базе Llama 3 8B. Это плотная авторегрессионная архитектура Llama с 7,5 млрд параметров, предназначенная для понимания естественного языка и выполнения инструкций в диалогах на хинди и английском. Модель поддерживает контекст до 8192 токенов и распространяется в формате safetensors. Модель подходит для ответов на вопросы и ведения многоходового чата, следуя инструкциям пользователя на хинди или английском. Для дообучения использовались отобранные переведённые пары инструкций и метод supervised fine-tuning с low-rank adaptation. Лицензия в метаданных указана как Llama 2; условия использования следует сверять с её текстом. В карточке нет опубликованных результатов бенчмарков, поэтому качество модели по ним оценить нельзя.

Llama3-ViettelSolutions-8B — авторегрессионная языковая модель на архитектуре Llama, разработанная Viettel Solutions при финансировании NVIDIA. Она создана на базе Meta Llama 3 8B: модель продолжительно предобучали на курируемом вьетнамском корпусе, а затем дообучили с учителем на 5 млн примеров вьетнамских инструкций. В репозитории указано 7,5 млрд параметров; модель использует Transformers и формат safetensors, её контекст составляет 8192 токена. Модель предназначена для генерации текста и выполнения инструкций на вьетнамском и английском языках: например, для диалога, ответов на вопросы и написания текстов. Для запуска в README приведён пример с Transformers и bfloat16. Метрики и результаты оценки не представлены, поэтому качество на отдельных задачах по карточке оценить нельзя. Модель распространяется по Llama 3 Community License; перед использованием следует учитывать её условия и ограничения.

unsloth/Llama-4-Scout-17B-16E-Instruct-GGUF — GGUF-версия инструкционно дообученной модели Meta Llama 4 Scout 17B 16E-Instruct, подготовленная Uns​​loth. Модель предназначена для диалоговых приложений и выполнения инструкций, однако конкретные сценарии использования и результаты тестирования в предоставленных данных не описаны. В README указана поддержка арабского, немецкого, английского, испанского, французского, хинди, индонезийского, итальянского, португальского, тайского, тагальского и вьетнамского языков. Из идентификатора следует конфигурация 17B 16E, но архитектура, размер контекста, точные параметры квантования, поддерживаемые модальности и требования к ресурсам не указаны. Поэтому сильные стороны можно уверенно связать только с инструкционной настройкой и многоязычностью; ограничения производительности и качества требуют самостоятельной оценки. Использование регулируется Llama 4 Community License Agreement от Meta. Лицензия предоставляет ограниченные безвозмездные права на использование, воспроизведение, распространение и модификацию при соблюдении условий, включая передачу текста лицензии, указание «Built with Llama», сохранение атрибуции и соблюдение Acceptable Use Policy. Для продуктов или сервисов с более чем 700 миллионами ежемесячных активных пользователей предусмотрено отдельное лицензирование Meta.

Way56/Mai-5B — мультимодальная модель для диалогов и ответов на запросы, созданная слиянием моделей через mergekit. В основу слияния вошла huihui-ai/Huihui-Qwen3.5-4B-Claude-4.6-Opus-abliterated; применён метод DARE TIES, указана точность float16. Архитектура — плотная Qwen3.5 с классом Qwen3_5ForConditionalGeneration. Модель принимает текст и изображения и генерирует текст, поэтому подходит для диалога и ответов на вопросы по изображениям. Базовая модель описана как экспериментальная Qwen3.5-4B с ослабленными отказами. Лицензия, размер контекстного окна и поддерживаемые языки в предоставленных данных не указаны.

Mistral-ko-7B-v0.1-Mistral-7B-Instruct-v0.2-slerp — объединённая методом SLERP диалоговая модель MaziyarPanahi на архитектуре Mistral с 7,1 млрд параметров. Веса объединяют mistralai/Mistral-7B-Instruct-v0.2 и maywell/Mistral-ko-7B-v0.1; модель предназначена для генерации текста и ответов на инструкции в формате диалога. Контекст составляет до 32 768 токенов, файлы представлены в формате safetensors. Модель подходит для диалоговых помощников и генерации ответов на текстовые запросы, с ориентацией на корейский язык благодаря включению Mistral-ko. Лицензия — Apache-2.0. Доступные сведения не описывают сравнительные показатели качества или отдельные ограничения по применению.

North Small Translate 1.0 — модель перевода текста, разработанная Cohere и Cohere Labs и выпущенная с открытыми весами. Она предназначена для перевода между 50 естественными языками, в том числе для высококачественного машинного перевода и многоэтапных рабочих процессов перевода. Это декодерный Transformer с разреженной архитектурой Mixture-of-Experts: 218 млрд параметров всего, из них 25 млрд активны; на каждом токене задействуются 8 из 128 экспертов и общие эксперты. Внимание чередует локальные окна размером 4096 токенов и глобальные слои в пропорции 3:1. Контекст составляет до 16 тысяч токенов на входе и выходе. Модель принимает текст и генерирует текст; для запуска нужны значительные вычислительные ресурсы. Модель постобучена специально для качества перевода. В оценке WMT26 Cohere сообщает результат 83,60, повышающийся до 84,36 при использовании многоэтапного рабочего процесса; это результаты из материалов разработчика. Лицензия CC BY-NC 4.0 запрещает коммерческое использование без отдельного разрешения, также требуется соблюдать политику допустимого использования Cohere Labs.

OpenBuddy Llama2 34B V11.1 в этом репозитории представлен в формате GGUF для локального запуска через llama.cpp и совместимые приложения. Модель создана OpenBuddy и дообучена на основе Llama 2; каталог указывает плотную архитектуру семейства Llama и 34 млрд параметров в названии модели. В репозитории доступны варианты с разной степенью квантования, позволяющие выбирать баланс между размером и качеством; BF16-вариант требует значительных ресурсов, а сильное квантование может заметно ухудшить качество. Модель предназначена для генерации текста и диалоговых сценариев. В карточке заявлена поддержка китайского, английского, французского, немецкого, японского, корейского, итальянского и русского языков. GGUF-веса совместимы с llama.cpp и перечисленными в карточке пользовательскими интерфейсами и библиотеками. Лицензия — Llama 2 Community License; карточка не сообщает длину контекста.

ParaLex-Llama-3-8B-SFT — русифицированная диалоговая модель на базе Llama 3 8B Instruct, опубликованная hivaze. Она обучалась на русских переводах английских ответов исходной модели и дополнительно тренировалась на английском и русском языках; по заявлению автора, ответы сторонних моделей при подготовке не использовались, чтобы сохранить согласованность с исходной моделью. Модель предназначена для генерации диалоговых ответов и работы с текстовыми запросами на русском и английском языках. Это плотная причинно-следственная архитектура Llama с 7,5 млрд параметров и контекстом до 8192 токенов; поддерживается чатовый сценарий, файлы представлены в формате safetensors. Автор не приводит оценок качества или конкретных ограничений, поэтому практическую пригодность стоит проверять на целевых задачах. Лицензия в доступных сведениях не указана.

SauerkrautLM-7b-HerO — авторегрессионная языковая модель на архитектуре Mistral, разработанная VAGO solutions. Она получена слиянием OpenHermes-2.5-Mistral-7B и Open-Orca/Mistral-7B-OpenOrca методом gradient SLERP через MergeKit, а затем дообучена на наборе Sauerkraut с немецкими дополненными и переведёнными данными. Модель предназначена для диалогов, генерации текста и ответов на вопросы на немецком и английском языках. В README заявлено, что обучение улучшает понимание немецкого языка и сохраняет международные возможности исходных моделей. Модель содержит 7,1 млрд параметров, использует формат PyTorch/SafeTensors и поддерживает контекст до 32 768 токенов. Лицензия — Apache 2.0, допускающая коммерческое использование. Разработчики предупреждают, что модель может выдавать неподходящий или некорректный контент; заявленные преимущества и результаты оценки приведены в README без численных результатов в предоставленном тексте.

SauerkrautLM-7b-HerO-Mistral-7B-Instruct-v0.1 — объединённая чат-модель на базе Mistral-7B-Instruct-v0.1 и SauerkrautLM-7b-HerO, созданная методом SLERP. Она использует плотную архитектуру MistralForCausalLM с 7,1 млрд параметров и рассчитана на генерацию текста в ответ на инструкции и диалоговые запросы. Указанная длина контекста — 32 768 токенов; доступны веса в формате Safetensors. Модель подходит для чат-ботов и других приложений, которым нужны ответы на запросы на немецком и английском языках. В карточке отмечен диалоговый формат ChatML. Модель распространяется по лицензии Apache-2.0. Карточка не сообщает о специализированных областях применения или дополнительных ограничениях качества.

SauerkrautLM-SOLAR-Instruct — языковая модель VAGO solutions на архитектуре Llama, дообученная на базе upstage/SOLAR-10.7B-Instruct-v1.0 с применением DPO. Модель предназначена для диалогов и выполнения инструкций на английском и немецком языках; особое внимание при дообучении уделялось естественности и грамматической корректности немецких ответов. Модель содержит 10,6 млрд параметров и поддерживает контекст до 8192 токенов. Для обучения использовались дополненные и переведённые данные, в том числе набор предпочтений SauerkrautLM-DPO и argilla/distilabel-math-preference-dpo. Доступны веса в формате safetensors; лицензия — CC BY-NC 4.0, допускающая использование с некоммерческими ограничениями. Карточка отмечает улучшение немецкого языка, но предупреждает, что в ответах могут встречаться неестественные или грамматически некорректные формулировки. Разработчик также не гарантирует стабильно уместное поведение модели.

apodex-1.0-2B-SFT-rebased — объединённая модель, созданная с помощью LazyMergekit на основе Qwen/Qwen3.5-2B-Base и apodex/Apodex-1.0-2B-SFT. Она предназначена для диалоговой работы с текстом и изображениями; архитектура Qwen3.5 — плотная, с 2 млрд параметров. Модель доступна в формате safetensors и поддерживает интерфейс вызова инструментов. Лицензия — Apache-2.0.

decide-0.2.0 — англоязычная модель jmwri на 149 млн параметров, дообученная на базе answerdotai/ModernBERT-base. Это компактный некорректирующий генерацию encoder-only классификатор: за один проход оценивает каждый из предложенных вариантов и возвращает калиброванные вероятности. Поддерживает выбор одного варианта из нескольких, проверку условия с ответом «да/нет» и оценку по упорядоченной шкале. Архитектура использует ModernBERT и отдельную MLP-голову для оценки вариантов; заявленная длина контекста — 8192 токена. Модель предназначена для классификации по заданным вариантам, проверки утверждений и принятия решений по текстовому описанию состояния и инструкции. Оценки вариантов не зависят от порядка остальных вариантов, что удобно для построения устойчивых классификаторов и таксономий. На задачах, похожих на обучающие, README приводит метрики точности и калибровки; на не встречавшихся при обучении задачах качество ниже, а вероятности могут быть чрезмерно уверенными. Модель поддерживает только английский язык. Лучше работают варианты с ясными описаниями; наборы более чем примерно из десяти вариантов рекомендуется разбивать на этапы. Для решений, влияющих на права, безопасность или средства к существованию людей, требуется надзор человека. Лицензия модели — Apache-2.0; перед распространением или коммерческим использованием также следует проверить лицензии использованных обучающих наборов данных.

DictaLM-3.0-1.7B-Instruct — инструкционная языковая модель из семейства Dicta-LM 3.0, разработанного Dicta. Модель содержит 1,7 млрд параметров, построена на архитектуре Qwen3 и первоначально инициализирована из Qwen3-1.7B-Base. Она обучена на больших корпусах текстов на иврите и английском; поддерживает контекст до 62 080 токенов и рассчитана на диалоговое использование по шаблону чата. Модель предназначена для генерации ответов на инструкции и ведения диалога на иврите и английском. Её можно развернуть через vLLM или Transformers; заявлена поддержка вызова инструментов для интеграции с внешними API. Это полноточная версия BF16 в формате safetensors, доступная для скачивания и свободного использования. Лицензия — Apache-2.0. Размер 1,7 млрд параметров позволяет использовать её как компактную модель, однако качество и возможности могут быть ниже, чем у более крупных моделей. Для корректной работы с инструкциями требуется применять заданный шаблон чата. README не приводит количественных оценок качества и подробностей об обучающих данных.

GaMS-2B — языковая модель семейства Generative Model for Slovene, разработанная исследовательской командой факультета компьютерных и информационных наук Люблянского университета. Она основана на Gemma 2 и продолжительно предобучена на корпусах на словенском, английском, хорватском, сербском и боснийском языках. Модель содержит 2,7 млрд параметров, использует плотную архитектуру Gemma2ForCausalLM, работает с текстом и поддерживает контекст до 8192 токенов. Модель предназначена для генерации текста, диалогов, суммаризации и ответов на вопросы, особенно на словенском и английском. Также её можно применять для языковой практики и исследований многоязычной обработки текста. Хорватский, сербский и боснийский использовались при обучении; возможно применение и к другим языкам Gemma 2, но они не были частью дополнительного предобучения. Модель может ошибаться в фактах, испытывать трудности с неоднозначностью и сложными задачами, а также воспроизводить смещения из обучающих данных. Распространяется по лицензии Gemma; перед применением следует учитывать её условия и политику допустимого использования Gemma.

Gemma Ko 7B Instruct v0.50 — дообученная lemon-mint разговорная языковая модель семейства Gemma для генерации связного текста, прежде всего на корейском языке. Модель основана на beomi/gemma-ko-7b и содержит 8,2 млрд параметров; использует плотную архитектуру GemmaForCausalLM и формат safetensors. Родной контекст составляет 8192 токена. Модель предназначена для диалога, ответов на вопросы, суммаризации и перевода, а также для генерации текста на корейском и английском языках. Для ответов на корейском она ориентирована на связность и соответствие контексту. Обучающие данные могут отражать предвзятость веб-источников, а ответы — содержать ошибки и недостоверные сведения, поэтому их следует проверять. Указана лицензия gemma-terms-of-use; метаданные Hugging Face обозначают её как other.

Hermes-A1-20B-i1-GGUF — это набор квантизированных файлов в формате GGUF для базовой модели aayanmishra-ml/Hermes-A1-20B. Квантизацию выполнил mradermacher; в README также упоминается поддержка со стороны nethype GmbH и nicoboss. Модель предназначена для локального запуска задач генерации текста, включая диалоговые сценарии и многоязычное взаимодействие. В основе лежит трансформерная causal language model размером 20 млрд параметров. Заявлены английский, немецкий, французский, испанский и итальянский языки. Модель работает с текстом; сведения о контекстном окне и дополнительных модальностях отсутствуют. Репозиторий содержит варианты imatrix-квантизации от i1-IQ1_M до i1-Q6_K, различающиеся размером, скоростью и качеством. Для баланса размера, скорости и качества рекомендован i1-Q4_K_M, а i1-Q4_K_S отмечен как оптимальный по этим параметрам. Ключевое преимущество — возможность запуска крупной модели в существенно уменьшенном размере: файлы занимают примерно от 12,1 до 22,3 ГБ. Ограничения зависят от выбранного варианта: низкобитные квантизации требуют меньше ресурсов, но могут заметно снижать качество, тогда как более крупные файлы предъявляют повышенные требования к памяти. Лицензия базовой модели указана как Apache-2.0; отдельные условия для квантизированных файлов в README не уточняются.

Llama-3.1-Bonsaikraft-8B-Instruct — диалоговая языковая модель на архитектуре Llama 3.1, созданная автором grimjim слиянием через SLERP двух инструктивных моделей: немецко-английской Llama-3.1-SauerkrautLM-8b-Instruct и японско-английской Llama-3.1-Swallow-8B-Instruct-v0.2. Модель содержит 7,5 млрд параметров и распространяется в формате Safetensors для библиотеки Transformers; заявленная длина контекста — 131 072 токена. Модель предназначена для диалога и генерации текста, объединяя языковые возможности исходных немецко-английской и японско-английской моделей. Её можно использовать для ответов на вопросы, ведения беседы и составления текстов на поддерживаемых языках. Лицензия — Llama 3.1; условия её применения определяются лицензией исходного семейства.

Llama 3.1 Swallow Hermes 8B v0.1 — диалоговая языковая модель, созданная AELLM слиянием моделей Llama-3.1-Swallow-8B-Instruct-v0.1 и Hermes-3-Llama-3.1-8B с помощью Mergekit. Она предназначена для генерации текста в диалоге и ответов на инструкции на японском и английском языках. Модель построена на архитектуре LlamaForCausalLM с плотной архитектурой и содержит 7,5 млрд параметров; длина контекста — 8192 токена. Модель поставляется в формате Safetensors и поддерживает чат. В README указаны метод слияния dare_ties, объединённый токенизатор и тип данных bfloat16. Сведения о лицензии в предоставленных данных отсутствуют.

Модель tokinasin/llm-jp-4-8b-instruct-uncensored-ara — японско-английская чат-модель, созданная на основе llm-jp/llm-jp-4-8b-instruct с применением метода Arbitrary-Rank Ablation (ARA) для уменьшения числа отказов на запросы. Исходную серию LLM-jp-4 разработал Центр исследований и разработок больших языковых моделей Национального института информатики Японии; эту модификацию опубликовал пользователь tokinasin. Модель предназначена для диалогов и генерации текста по инструкциям на японском и английском языках. Это плотная трансформерная модель семейства Llama примерно на 7,8 млрд параметров с контекстом до 65 536 токенов и форматом safetensors. В README указано, что на тесте из 100 вопросов модифицированная версия отказала в 5 случаях, тогда как исходная — в 99; эти результаты относятся к указанной автором оценке. Снижение числа отказов означает, что модель может отвечать на большее число запросов, но также требует осторожности при использовании и проверки результатов. Лицензия — Apache-2.0.

Magiq-3 — диалоговая языковая модель от mymaia, построенная на архитектуре Mixture of Experts (MoE). Согласно карточке, она объединяет специализированные компоненты MAGIQ Core-0, MAGIQ Translator-0 и MAGIQ Logic-0 для общения, перевода и логических задач. Модель дообучена на Mistral-7B-Instruct-v0.2, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации ответов в диалоге, работы с инструкциями, перевода и рассуждений на английском, итальянском и французском языках. Распространяется в формате safetensors по лицензии Apache-2.0. Карточка заявляет о сочетании языковой гибкости и логических способностей, но не приводит количественных оценок качества или подробностей обучения.

NbAiLab/nb-notram-llama-3.1-8b-instruct — языковая модель Национальной библиотеки Норвегии (NB-AiLab), дообученная на базе Meta Llama 3.1 8B Instruct. Это плотная авторегрессионная модель для генерации текста с диалоговым интерфейсом и интерфейсом вызова инструментов. Размер составляет около 7,5 млрд параметров, длина контекста — 131 072 токена. Модель дообучена следовать инструкциям и вести диалог на норвежском букмоле и нюнорске, сохраняя сильные возможности английского языка. Она предназначена для ассистентов и диалоговых систем, а также для суммаризации и ответов на вопросы. Настройка включает supervised fine-tuning и небольшой этап оптимизации предпочтений; ответы обычно краткие. Обучение использовало публично доступные и синтетически созданные данные. Модель может выдавать фактические ошибки и вымышленные сведения; знания о норвежской культуре и истории могут быть неравномерными и зависеть от формулировки запроса. Данные актуальны ориентировочно до мая 2024 года, а защитное выравнивание ограничено. Для применения вне экспериментов рекомендуется оценивать модель в целевом сценарии; без дополнительных мер контроля её не следует использовать в высокорисковых медицинских, юридических или финансовых задачах. Лицензия — Llama 3.1 Community License.

OrionStar-Yi-34B-Chat — разработанная компанией OrionStar чат-модель на архитектуре Yi, полученная дообучением Yi-34B на более чем 150 тысячах высококачественных примеров. Она предназначена для диалогов и генерации текста на китайском и английском языках; в README также приведены примеры общения и решения математических задач. Модель содержит 33,9 млрд параметров, использует плотную архитектуру YiForCausalLM и поддерживает контекст до 4096 токенов. Разработчик сообщает об оценке модели на общих китайских и англоязычных бенчмарках C-Eval, MMLU и CMMLU, но приведённые результаты не позволяют считать её специализированной для отдельных прикладных областей. Модель доступна в форматах PyTorch и Safetensors. Для использования заявлены Apache 2.0 и лицензионное соглашение сообщества Yi-34B; перед внедрением следует учитывать оба условия. Как и другие большие языковые модели, она может выдавать неточные или вводящие в заблуждение ответы.

Ornith-Agents-A1 — объединённая мультимодальная модель, созданная автором карточки с помощью mergekit методом task arithmetic на базе Qwen/Qwen3.5-35B-A3B и с включением InternScience/Agents-A1 и deepreinforce-ai/Ornith-1.0-35B. Архитектура относится к семейству Qwen 3.5 MoE; метаданные указывают поддержку диалога и обработки изображений, а основной сценарий по pipeline_tag — генерация текста по текстовому и визуальному вводу. Модель предназначена для диалога, анализа изображений и агентных задач. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0. Карточка не сообщает размер модели, длину контекста и поддерживаемые естественные языки.

Модель homeb82784/qwen2.5-7b-instruct-cpt-v4.0 — дообученная авторегрессионная языковая модель семейства Qwen2, разработанная homeb82784 на основе unsloth/qwen2.5-7b-instruct-bnb-4bit. Она предназначена для генерации текста в диалоговом формате и может использоваться в чат-сценариях. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. В карточке указано, что обучение выполнялось с Unsloth и библиотекой Hugging Face TRL. Репозиторий распространяется в формате Safetensors по лицензии Apache-2.0. Данные карточки не описывают специализацию дообучения, поэтому конкретные преимущества или качество в отдельных областях установить нельзя; заявленная поддержка языка — английский.

DeL-TaiseiOzaki/Tengentoppa-llm-jp-13B-reasoning-it — плотная языковая модель семейства Llama на 13,2 млрд параметров, дообученная на базе llm-jp/llm-jp-3-13b. Она предназначена для генерации текста и диалогового взаимодействия на японском и английском языках; карточка также описывает её как модель с токенами и шаблоном для структурированных чатов и рассуждений. Контекст модели составляет 4096 токенов. Расширенный токенизатор размечает роли system, user, hint, reasoning и assistant, а также решения, ответы, контекст, примеры и служебные сигналы. Это поддерживает структурированные запросы и диалоги, однако наличие специальных токенов само по себе не гарантирует качество рассуждений. Модель распространяется в формате safetensors по лицензии CC BY-SA 4.0.

Viking-SlimInstruct-V1-7B — чат-модель на 7 млрд параметров, разработанная mpasila на архитектуре Llama. Она дообучена на базе LumiOpen/Viking-7B для выполнения инструкций и диалогов; модель использует формат ChatML и распространяется в форматах PyTorch и safetensors. Модель обучалась на инструкционных данных на шести североевропейских языках: английском, финском, норвежском, датском, шведском и исландском. Она предназначена для ответов на запросы и выполнения инструкций в чат-сценариях. Контекст составляет 4096 токенов. Автор отмечает, что качество может различаться между языками из-за разного качества обучающих наборов. Лицензия — Apache-2.0. Модель создана с использованием Unsloth и TRL.

Zero-Mistral-24B-gguf — это квантованная GGUF-версия языковой модели Zero-Mistral-24B, разработанной ZeroAgency. Модель предназначена для генерации текста и диалоговых сценариев, включая русско- и англоязычное общение. В метаданных указаны задачи conversational и text-generation, а также связь с датасетом ZeroAgency/ru-big-russian-dataset. Модель рассчитана на запуск через llama.cpp; преобразование выполнено bethrezen с использованием llama.cpp версии b5083. Доступны варианты BF16, F16, IQ4_NL, IQ4_XS, Q4_K_M, Q6_K и Q8_0, включая некоторые варианты с параметром leave-output-tensors. Разные уровни квантования позволяют выбирать компромисс между качеством, размером и требованиями к ресурсам, однако конкретные характеристики производительности и качества для вариантов в README не приведены. Размер базовой модели составляет 24B параметров; сведения о длине контекста, архитектурных деталях, поддерживаемых модальностях помимо текста и результатах тестирования отсутствуют. Модель распространяется по лицензии MIT.