III.2Исследование рынка и маркетинг

knkarthick выпустил эту модель после дообучения facebook/bart-large-xsum на данных XSUM, SAMSum, DialogSum и AMI. Это encoder-decoder модель BART для суммаризации текстов, в первую очередь диалогов и совещаний. Она содержит 252,8 млн параметров, принимает текст длиной до 1024 токенов и формирует текстовое резюме. Модель распространяется в форматах PyTorch, Safetensors и TensorFlow; лицензия — Apache-2.0. Модель подходит для краткого изложения стенограмм встреч и разговоров, а также других текстов. Карточка указывает английский язык. Ограничение контекста в 1024 токена может затруднить обработку длинных стенограмм целиком; качество для языков, кроме английского, не подтверждено.

zgrgr разместил дообученную диалоговую модель на архитектуре Llama 3.1 8B Instruct. Она предназначена для ответов на вопросы и общения на турецком и английском языках, а также заявлена как поддерживающая другие языки. Примеры в карточке показывают ответы на общие вопросы и вопросы о юридической сфере, однако модель не описана как специализированная юридическая система. Модель использует плотную архитектуру Llama с причинным языковым моделированием, содержит 7,5 млрд параметров и принимает текст, выдавая текстовые ответы. Заявленная длина контекста — 8192 токена. Веса опубликованы в формате safetensors. Лицензия — Apache-2.0. Карточка содержит противоречивые сведения о точной базовой версии: README упоминает Meta Llama 3B и варианты написания Llama 3 8B, тогда как метаданные указывают Meta-Llama-3.1-8B-Instruct; точная основа здесь приведена по метаданным.

OpenBuddy — диалоговая языковая модель на базе Meta Llama 3, предназначенная для генерации ответов в чат-боте. Модель разработана проектом OpenBuddy и содержит 7,5 млрд параметров; её плотная архитектура Llama поддерживает контекст до 8192 токенов. Модель ориентирована прежде всего на общение на английском и китайском языках. Её можно запускать локально через Ollama или развернуть как API-сервис с помощью vLLM; для корректной работы авторы рекомендуют быстрый токенизатор Transformers. Репозиторий содержит веса в формате safetensors. Модель может выдавать ошибочные, вредные или оскорбительные ответы. Авторы предостерегают от использования в медицине, управлении потенциально опасными системами и важных финансовых или юридических решениях. В карточке указана лицензия other; README сообщает, что модель построена на Meta Llama 3, но не приводит точное название лицензии.

Pinokio v1.0 — диалоговая языковая модель семейства Mistral, опубликованная Eurdem. Она предназначена для генерации текста в формате беседы и поддерживает английский и турецкий языки. Модель имеет плотную архитектуру MistralForCausalLM с 7,1 млрд параметров и контекст до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Данных о специализированных областях применения и ограничениях качества в карточке нет.

gmonsoon/SahabatAI-Rebase-8B-Test — объединённая разговорная языковая модель на архитектуре Llama 3, созданная с помощью mergekit методом SLERP из GoToCompany/llama3-8b-cpt-sahabatai-v1-instruct и mlabonne/Daredevil-8B. Модель содержит около 7,5 млрд параметров, принимает текст и генерирует текст, поддерживает контекст до 8192 токенов. Модель предназначена для диалогов и генерации текста; базовая модель ориентирована на индонезийский, яванский, сунданский и английский языки. Её можно применять для чат-ботов, ответов на вопросы и создания текстов на этих языках. В репозитории указана лицензия Apache 2.0.

SambaLingo-Slovenian-Chat — диалоговая языковая модель SambaNova Systems на архитектуре Llama 2. Модель размером 6,7 млрд параметров дообучена методом direct preference optimization на базе SambaLingo-Slovenian-Base; базовая модель адаптирует Llama 2 7B к словенскому языку на корпусе Cultura-X. Расширенный токенизатор содержит 57 000 токенов. Модель предназначена для ведения диалогов и генерации текста на словенском и английском языках. Она принимает текстовые запросы и выдаёт текстовые ответы; заявленная длина контекста — 4096 токенов. Для загрузки карточка рекомендует использовать быстрый токенизатор отключённым. Модель может галлюцинировать, повторяться и непреднамеренно переключаться между языками или диалектами. Её возможности в программировании и сложной математике ограничены, а ответы могут содержать токсичный контент. Не предназначена для критически важных задач и решений, связанных с безопасностью. Использование регулируется лицензией Meta Llama 2 Community License Agreement.

ServiceNow-AI Apriel-1.6-15b-Thinker-GGUF — это квантизированная GGUF-версия модели Apriel-1.6-15b-Thinker, разработанной ServiceNow AI. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для задач генерации текста и диалогового взаимодействия; в карточке также указана категория image-text-to-text, однако подробности о работе с изображениями не приведены. Модель имеет размер 15 миллиардов параметров и выпускается в вариантах от BF16 до различных уровней квантизации Q8, Q6, Q5, Q4, Q3 и IQ. GGUF-файлы рассчитаны на запуск через llama.cpp, LM Studio и другие совместимые проекты. Доступны версии объёмом примерно от 7,7 до 28,9 ГБ; варианты с более высокой точностью обычно требуют больше памяти, но лучше сохраняют качество исходной модели. В README не указаны поддерживаемые языки, максимальная длина контекста, точная архитектура и результаты benchmark-тестов. Сильной стороной модели является широкий выбор квантизаций, позволяющий подобрать баланс между качеством, скоростью и требованиями к памяти; автор README рекомендует несколько вариантов Q4–Q6 для практического использования. Ограничения связаны с потерями качества при более агрессивной квантизации, а также с отсутствием сведений о языках, контексте и мультимодальных возможностях. Модель распространяется по лицензии MIT.

shisa-7b-v1-Mistral-7B-Instruct-v0.1 — чат-модель семейства Mistral, созданная MaziyarPanahi слиянием Mistral-7B-Instruct-v0.1 и augmxnt/shisa-7b-v1 методом SLERP. Модель предназначена для генерации ответов на инструкции и диалоговые запросы; среди указанных языков — японский и английский. Модель имеет плотную архитектуру MistralForCausalLM, 7,1 млрд параметров и контекстное окно до 32 768 токенов. Веса представлены в формате safetensors; лицензия — Apache-2.0. Карточка не приводит отдельных оценок качества или подробностей ограничений.

VPO-Zephyr-7B-SecondTry-iter-1 — диалоговая языковая модель семейства Mistral с 7,1 млрд параметров, дообученная Katayoon на обновлённом и исходном наборах данных. Она предназначена для генерации текстовых ответов в чат-сценариях. Модель принимает текст и выдаёт текст; её контекст составляет 32 768 токенов. Доступна в формате Safetensors и распространяется по лицензии MIT. README не описывает методику обучения, результаты оценки или специальные области применения, поэтому качество ответов и ограничения за пределами общих свойств языковых моделей по этим материалам определить нельзя.

zephyr-7b-dpo-full — диалоговая языковая модель на архитектуре Mistral с 7,1 млрд параметров, дообученная командой Alignment Handbook методом DPO на датасете HuggingFaceH4/ultrafeedback_binarized поверх alignment-handbook/zephyr-7b-sft-full. Она предназначена для генерации текста и ответов в диалоге; контекст составляет до 32 768 токенов. В README приведены метрики оценки на тестовой выборке, включая точность предпочтений 0,7539 и разницу наград 0,9980. Модель подходит для чат-ботов, генерации ответов и диалоговых приложений. Карточка не описывает поддерживаемые языки, поэтому языковые возможности нельзя уточнить. Ограничения и целевые сценарии использования подробно не раскрыты. Модель распространяется по лицензии Apache-2.0.

AfriqueQwen3.5-4B-Instruct-v1 — дообученная McGill-NLP версия AfriqueQwen3.5-4B для генерации текста и диалогов. Модель построена на плотной архитектуре Qwen3.5 и содержит 4 млрд параметров; доступна в формате safetensors. Карточка демонстрирует применение для математических задач, перевода и вопросов с выбором ответа, включая работу на африканских языках. Модель предназначена для инструктивного общения и решения языковых задач. В README описан запуск через vLLM в режиме только языковой модели с контекстом до 12 288 токенов; веса для обработки изображений отсутствуют. Лицензия — CC BY 4.0.

AkaLlama-llama3-70b-v0.1 — языковая модель Yonsei MIRLab для генерации текста и диалогового общения на корейском и английском языках. Это плотная авторегрессионная модель семейства Llama 3 с архитектурой LlamaForCausalLM и 69,5 млрд параметров; она дообучена на смеси общедоступных наборов данных, отобранных лабораторией MIR Lab, на основе meta-llama/Meta-Llama-3-70B-Instruct. Модель предназначена для практических задач, включая ответы на вопросы, диалоги, создание историй и редактирование текстов. Веса доступны в формате Safetensors для Transformers, контекст — до 8192 токенов. Карточка приводит результаты оценки на LogicKor: средняя оценка 7,04 по трём случайным сида́м. Разработчики предупреждают, что ответы могут быть неточными, предвзятыми или плохо согласованными с запросом; качество зависит от системного промпта и параметров генерации, поэтому модель требует проверки для конкретного применения. В метаданных указана лицензия other, а карточка README называет лицензию llama3.

Chocolatine-3B-Instruct-DPO-v1.2 — языковая модель для диалогов, разработанная Jonathan Pacifico и основанная на архитектуре Phi-3. Это DPO-дообучение microsoft/Phi-3.5-mini-instruct на датасете jpacifico/french-orca-dpo-pairs-revised. Модель содержит около 3,7 млрд параметров и рассчитана прежде всего на французский язык; также поддерживает английский. Метаданные указывают контекст 4096 токенов, тогда как README заявляет 128K, поэтому фактическую длину контекста следует проверять для используемой конфигурации. Модель предназначена для генерации текста и диалоговых сценариев на французском и английском языках. По заявлению автора, дообучение улучшило результаты на французском и также повысило качество английского относительно базовой модели. Указанные в README результаты MT-Bench-French являются заявлением автора. Модель распространяется по лицензии MIT. Автор отмечает, что это быстрая демонстрация дообучения и что у модели нет механизма модерации.

EMO-Ai-7b — разговорная языковая модель, разработанная Klevin на основе unsloth/mistral-7b-instruct-v0.2-bnb-4bit. Это плотная MistralForCausalLM с 7,1 млрд параметров, дообученная с помощью Unsloth и библиотеки TRL для генерации текста и диалогов. Модель принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов, язык карточки — английский. Модель подходит для генерации ответов и ведения диалога на английском языке. Распространяется по лицензии Apache-2.0. Карточка не описывает специализированные области применения или подробные результаты оценки качества.

Indic-gemma-7b-finetuned-sft-Navarasa-2.0 — текстовая модель, созданная в совместной работе Ravi Theja и Ramsri Goutham на основе Google Gemma 7B. Модель дообучена методом LoRA на наборах инструкций на 15 языках Индии и английском языке; в репозитории представлены веса в формате Safetensors. Она использует архитектуру GemmaForCausalLM, содержит 8,2 млрд параметров и поддерживает контекст до 8192 токенов. Модель предназначена для генерации текста и выполнения инструкций на индийских языках и английском: например, для ответов на вопросы, диалогов и создания текстов по заданию. В README упоминается обучение с библиотекой Unsloth и возможность запуска через Hugging Face Transformers. Модель унаследовала общие возможности Gemma 7B и адаптирована к многоязычным инструкциям, однако README не приводит оценок качества по отдельным языкам или задачам. Лицензия указана как other, поэтому условия использования следует уточнить в карточке модели и у разработчиков.

KULLM3 — диалоговая языковая модель, разработанная NLP&AI Lab и дообученная на базе upstage/SOLAR-10.7B-v1.0. Она предназначена для выполнения инструкций и ведения связного чата, прежде всего на корейском языке; также поддерживает английский. Архитектура — плотная LlamaForCausalLM с 10,6 млрд параметров, модель работает через Transformers и принимает текст, выдавая текст. Контекст составляет 4096 токенов. Для дообучения использовали набор vicgalle/alpaca-gpt4 и смешанные корейские инструкции, всего более 66 тысяч примеров. Разработчики отмечают необходимость системного промпта, использовавшегося при обучении: без него качество может быть ниже ожидаемого. Модель распространяется по лицензии Apache 2.0.

CarrotAI/Llama-3.2-Rabbit-Ko-3B-Instruct-2412 — диалоговая instruction-tuned языковая модель CarrotAI на архитектуре LlamaForCausalLM. Она дообучена на базе CarrotAI/Llama-3.2-Rabbit-Ko-3B-Instruct с помощью SFT и DPO, чтобы улучшить качество ответов с учётом предпочтений людей. Модель содержит 3,2 млрд параметров, принимает текст и генерирует текст; заявлены корейский и английский языки. Контекст составляет до 131 072 токенов. Модель подходит для диалогов, ответов на вопросы и решения задач на корейском и английском языках. В README приведены результаты оценок на LogicKor, GSM8K, GSM8K-KO и Haerae, но они не гарантируют качество на других задачах. По данным карточки, веса доступны в формате safetensors, а лицензия указана как llama3.2. Разработчик предупреждает об ограничениях на сложных задачах, недостатке глубокой специализации, предвзятости и возможных галлюцинациях.

Карточка модели sureshnam9/Llama-4-Maverick-17B-128E-Instruct-FP8 на Hugging Face совпадает с карточкой meta-llama/Llama-4-Maverick-17B-128E-Instruct, поэтому описание составлено по ней. Llama 4 Maverick Instruct — мультимодальная модель Meta для диалогов и задач понимания изображений. Это авторегрессионная модель с архитектурой смеси экспертов (MoE) и ранним объединением модальностей; в варианте Maverick используются 17 млрд параметров и 128 экспертов. Модель предназначена для чат-ассистентов и визуальных задач: распознавания и анализа изображений, составления описаний и ответов на вопросы по изображению. Она поддерживает арабский, немецкий, английский, испанский, французский, хинди, индонезийский, итальянский, португальский, тайский, тагальский и вьетнамский языки. Проверено понимание до пяти входных изображений; для большего числа изображений требуется дополнительная проверка в конкретном приложении. Модель разработала Meta. Репозиторий содержит дообученную версию базовой Llama 4 Maverick, распространяемую в формате Safetensors. Использование регулируется пользовательской коммерческой лицензией Llama 4 Community License и Acceptable Use Policy.

tklohj/merged_8b_llama — объединённая модель генерации текста на архитектуре Llama, созданная автором репозитория с помощью mergekit методом линейного слияния весов llama-3-Korean-Bllossom-8B и Meta-Llama-3-8B-Instruct. Модель содержит около 7,5 млрд параметров и рассчитана на диалоговую генерацию текста; в качестве сценариев подходят ответы на вопросы и создание текста на корейском и английском языках. Модель принимает текст и выдаёт текст, имеет контекст длиной до 8192 токенов и распространяется в формате safetensors. В метаданных указана библиотека Transformers. Лицензия в доступных данных не указана.

ThakiCloud/Qwen3.8-27B-Human-KO-NVFP4 — квантованная версия языковой модели ThakiCloud/Qwen3.8-27B-Human-KO для генерации текста на корейском языке. Модель предназначена для сценариев, где важны корейский язык и заданный стиль ответа, включая диалоговые приложения и обслуживание длинного контекста. В карточке указано, что модель основана на варианте Qwen3.8 с 27B параметров, однако подробности архитектуры не приведены. Модель использует квантование NVFP4 W4A4, выполненное с помощью llm-compressor GPTQ, и поставляется в формате compressed-tensors, который автоматически распознаётся vLLM. Размер весов составляет около 15 ГБ. На одном GPU NVIDIA B200 заявлена поддержка контекста до 262 144 токенов с большим запасом для KV-кэша; оптимизация ориентирована на нативные FP4-ядра архитектуры Blackwell SM100+. По результатам ограниченного сравнения с исходной BF16-моделью, сохранены эталонный стиль ответа и близкие показатели генерации и тестов KMMLU и HAE-RAE, но эти результаты не доказывают полного отсутствия потерь качества. Ключевые ограничения связаны с аппаратными требованиями: на устройствах младше Blackwell модель может не загрузиться или работать значительно медленнее из-за fallback-ядра. Статистическая чувствительность проведённых тестов ограничена, сдвиг медианной длины ответа отдельно не проверялся, а вариативность повторного квантования не измерялась. Ограничения и особенности безопасности базовой модели, включая упомянутые эффекты стилевого выравнивания, наследуются без изменений. Модель распространяется по лицензии Apache-2.0.

SAINEMO-reMIX — русско-английская диалоговая языковая модель на архитектуре Mistral с 12,1 млрд параметров. Её создал Moraliane, объединив с помощью mergekit и метода della_linear четыре предварительно обученные модели: IlyaGusev/saiga_nemo_12b, MarinaraSpaghetti/NemoMix-Unleashed-12B, Vikhrmodels/Vikhr-Nemo-12B-Instruct-R-21-09-24 и elinas/Chronos-Gold-12B-1.0. Модель предназначена для генерации текста, диалогов и ролевого общения на русском и английском языках. Для работы автор рекомендует пробовать стандартные пресеты SillyTavern, в том числе simple-1; в README также приведены рекомендации по настройкам сэмплирования. Модель принимает текст и генерирует текст. В метаданных заявлен контекст до 1 024 000 токенов; это значение не подтверждено README. Модель распространяется в формате safetensors и работает с библиотекой Transformers. Условия лицензии в доступных данных не приведены.

Spaetzle-v85-7b — языковая модель, созданная cstr как слияние нескольких моделей семейства Spaetzle с помощью LazyMergekit. Это плотная авторегрессионная модель Mistral с 7,1 млрд параметров, рассчитанная на генерацию текста и диалоговое взаимодействие; заявленное контекстное окно составляет 32 768 токенов. В карточке указаны английский и немецкий языки. Модель подходит для диалогов, ответов на вопросы и задач общего понимания текста. В README приведены результаты нескольких тестовых наборов, включая EQ-Bench для немецкого языка и Occiglot Euro LLM Leaderboard; это результаты оценок, а не гарантия качества в конкретном применении. Модель доступна в формате safetensors по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Suzume ORPO Borda Half — многоязычная разговорная модель, разработанная Peter Devine (ptrdvn). Это дообученная методом ORPO версия lightblue/suzume-llama-3-8B-multilingual на данных lightblue/mitsu_full_borda; в этой версии для обучения использована половина набора промптов, отобранных по согласованности ранжирования ответов. Модель основана на плотной архитектуре Llama 3 и содержит 7,5 млрд параметров. Модель предназначена для диалога и генерации ответов на нескольких языках. В README приведено сравнение на MT-Bench для шести языков и отмечено улучшение относительно базовой Suzume на большинстве из них. Контекст составляет 8192 токена. Формат весов — safetensors. Лицензия CC-BY-NC-4.0 разрешает использование на некоммерческих условиях. Качество может различаться между языками и типами запросов; оценки в карточке ограничены результатами MT-Bench и не гарантируют качество для конкретного сценария.

Swallow-MS-7b-instruct-v0.1 — диалоговая языковая модель TokyoTech-LLM, созданная на базе Mistral-7B-v0.1 с продолженным предварительным обучением и настройкой на выполнение инструкций. Это плотная модель MistralForCausalLM с 7,2 млрд параметров, работающая с текстом и контекстом до 4096 токенов. Модель предназначена для диалогов и выполнения инструкций на японском и английском языках. Она подходит для генерации ответов, письма, ролевых диалогов, рассуждений, извлечения информации и базовых задач по STEM и программированию. Токенизатор с расширенным японским словарём эффективнее представляет японский текст, что может ускорять обработку. Для instruct-версии авторы рекомендуют указанный в карточке формат диалога; отклонение от него может ухудшить ответы. Авторы предупреждают, что модель находится на раннем этапе разработки и не настроена для надёжного следования человеческим намерениям и требованиям безопасности. Результаты также заметно различаются между задачами: в опубликованной оценке особенно слабыми были математика и программирование. Лицензия — Apache-2.0.

T3Q-qwen2.5-14b-v1.2-e2 — дообученная модель JungZoona на базе Qwen/Qwen2.5-14B-Instruct-1M. Это плотная авторегрессионная языковая модель с 14 млрд параметров для диалогов и генерации текста; карточка показывает загрузку через Transformers с применением chat template. Модель поддерживает контекст до 1 010 000 токенов и интерфейс вызова инструментов. В метаданных указаны английский и корейский языки. Модель распространяется в формате safetensors по лицензии Apache-2.0. README сообщает о постобучении с LoRA, но не описывает состав обучающих данных и конкретные улучшения качества, поэтому её специализацию сверх диалоговой генерации текста определить нельзя.

Ultravox v0.4.1 — мультимодальная речевая языковая модель от Fixie.ai на базе Llama 3.1 8B Instruct и Whisper Large V3 Turbo. Она принимает аудио вместе с текстовым контекстом и генерирует текстовые ответы, поэтому подходит для голосовых агентов, анализа речи и перевода устной речи. Модель обучалась на смеси наборов данных для распознавания речи и перевода, включая LibriSpeech, Common Voice, GigaSpeech, Peoples Speech, Wenetspeech и CoVoST2. Модель поддерживает арабский, немецкий, английский, испанский, французский, хинди, итальянский, японский, нидерландский, португальский, русский, шведский, турецкий, украинский и китайский языки. В README указаны задержка до первого токена около 150 мс и скорость генерации примерно 50–100 токенов в секунду на GPU A100 40 ГБ при использовании аудио. Модель выдаёт текст, а не синтезированную речь; в этой версии также не применялась настройка предпочтений. Лицензия — MIT.

Wav2Vec2-XLS-R-300M-21-EN — модель Facebook для перевода речи с 21 языка на английский. Это модель типа SpeechEncoderDecoderModel: кодировщик основан на facebook/wav2vec2-xls-r-300m, декодер — на facebook/mbart-large-50; модель дообучена на парах перевода из набора CoVoST 2. Она принимает аудио на французском, немецком, испанском, каталанском, итальянском, русском, китайском, португальском, персидском, эстонском, монгольском, нидерландском, турецком, арабском, шведском, латышском, словенском, тамильском, японском, индонезийском и валлийском языках и генерирует перевод на английском. Модель подходит для перевода устной речи и аудиозаписей, например для создания английской версии многоязычного аудиоконтента. Репозиторий содержит веса PyTorch; лицензия — Apache-2.0. В карточке приведена ссылка на оценку качества на CoVoST 2, но конкретные численные результаты здесь не указаны.

AfriqueGemma-4B-i1-GGUF — квантованная версия модели AfriqueGemma-4B, разработанной McGill-NLP и подготовленной в формате GGUF пользователем mradermacher. Модель основана на архитектуре Gemma 3 и предназначена для мультимодальных сценариев image-text-to-text, включая обработку текста и изображений, а также для задач генерации и понимания текста на африканских и других языках. Заявлена поддержка африкаанс, амхарского, арабского, английского, французского, хауса, игбо, малагасийского, чичева, оромо, португальского, киньяруанда, шона, сомали, сесото, суахили, тигринья, тсвана, коса, йоруба и зулу. Размер базовой модели составляет 4 млрд параметров. Контекстное окно и точные характеристики архитектуры в README не указаны. Модель доступна в нескольких вариантах квантования IQ и Q с размером файлов примерно от 1,5 до 3,8 ГБ, что позволяет запускать её на устройствах с ограниченными ресурсами. Более сильное квантование уменьшает требования к памяти, но может снижать качество; для ряда вариантов в README прямо отмечены низкое качество или предпочтительность альтернативных форматов. Для работы с изображениями могут потребоваться дополнительные файлы mmproj из статического репозитория. Лицензия модели — CC BY 4.0.

McGill-NLP/AfriqueQwen3.5-4B-50Langs-Instruct-20260917 — дообученная версия языковой модели AfriqueQwen3.5-4B-50Langs, выпущенная McGill-NLP 17 сентября 2026 года. Это плотная модель семейства Qwen3.5 с архитектурой Qwen3_5ForConditionalGeneration и примерно 4 млрд параметров; визуальные веса отсутствуют, поэтому она работает как языковая модель. Репозиторий содержит веса safetensors, а лицензия — CC BY 4.0. Модель предназначена для диалоговой генерации текста, пошагового решения математических задач, перевода и ответов на вопросы с выбором варианта. Базовая модель адаптирована для 50 африканских языков; для математических запросов README описывает режим пошагового рассуждения, а для остальных задач — обычный режим без него. Для запуска автор рекомендует vLLM в режиме language-model-only и задаёт максимальную длину контекста 12 288 токенов. README не приводит оценок качества, поэтому надёжность ответов на конкретных языках и задачах по нему определить нельзя. Следует учитывать, что модель не принимает изображения и требует совместимой настройки vLLM для обслуживания.

alloma-1B-Instruct — компактная инструкционная языковая модель семейства Alloma от разработчиков uzlm, дообученная на базе Meta Llama 3.2 1B Instruct для узбекского и английского языков. Она содержит 1,2 млрд параметров, использует плотную архитектуру Llama и предназначена для диалогов, генерации текста, перевода и других инструкций на этих языках. Модель доступна в формате safetensors для библиотеки Transformers и лицензирована по условиям Llama 3.2. Разработчики продолжили предобучение на 2,4 млрд токенов, затем выполнили инструкционную настройку. Токенизатор адаптирован для узбекского: по данным карточки, он использует в среднем 1,7 токена на узбекское слово против примерно 3,5 у исходной модели. Это рассчитано на более быструю обработку узбекского текста и более эффективное использование контекста; для лучшей токенизации рекомендуется заменять апостроф на последовательность APST. В README указан контекст обучения 2048 токенов, тогда как метаданные каталога приводят native context в 131072 токена. По опубликованным разработчиками тестам модель улучшает результаты базовой Llama 3.2 1B Instruct на переводе между узбекским и английским и на анализе тональности на узбекском. При этом оценки английского MMLU и классификации новостей показывают заметные ограничения, связанные с потерей части исходных возможностей следования инструкциям на английском; в тесте классификации новостей результат также ниже базовой модели. Квантизация позволяет запускать модель примерно на 2 ГБ видеопамяти, но это оценка разработчиков, а не требование для всех конфигураций.