III.2Исследование рынка и маркетинг

Clemma-E4B — модель ayan4m1 на архитектуре Gemma 4 E4B, дообученная на промптах Claude Opus 4.5–4.6. Она предназначена для диалогового взаимодействия и обработки изображений с текстом на входе; карточка указывает задачу image-text-to-text и возможности chat и vision. Базовая модель — unsloth/gemma-4-E4B-it-unsloth-bnb-4bit. Модель распространяется в формате safetensors по Gemma License. Данные карточки не уточняют размер контекста, языки, качество на конкретных задачах или ограничения; поэтому нельзя уверенно определить её специализацию за пределами заявленных диалоговых и визуально-текстовых сценариев.

DarkAtom-12B-v3 — слитая чат-модель, созданная Khetterman с помощью mergekit на основе 18 моделей семейства Mistral. Для объединения применялся многоэтапный процесс Slerp, ModelStock и Ties с повторным слиянием вариантов моделей. Модель содержит 12,1 млрд параметров, использует архитектуру MistralForCausalLM и распространяется в формате safetensors с точностью bfloat16; заявленный контекст — до 1 024 000 токенов. Модель предназначена для генерации диалогов, ролевых игр и творческого письма. Карточка и метаданные указывают поддержку английского и русского языков, а также интерфейс для вызова инструментов. Включение разных моделей в слияние не гарантирует одинакового качества во всех задачах; в карточке не приведены результаты оценивания. Лицензия в предоставленных данных не указана.

atmzed/Darwin-4B-Genesis-mlx-fp16 — версия модели Darwin-4B-Genesis, подготовленная для MLX. Автор репозитория сообщает о конверсии из FINAL-Bench/Darwin-4B-Genesis с помощью mlx-lm 0.31.2; метаданные относят исходную модель к семейству Gemma 4 и указывают диалоговые возможности и генерацию текста. Модель предназначена для диалогов и генерации текста, в том числе многоязычных сценариев. В метаданных заявлены корейский, английский, китайский, японский, немецкий, французский и испанский языки, а базовая модель описана как экспериментально слитая 4-миллиардная модель с акцентом на рассуждения и корейскую культуру. Репозиторий предоставляет веса в формате Safetensors для использования с MLX. Лицензия — Apache-2.0.

Discord-Hermes-3-8B-i1-GGUF — квантизированная GGUF-версия текстовой causal language model Discord-Hermes-3-8B. Базовую модель разработал mookiezii, а квантизацию выполнил mradermacher. Модель дообучена на наборе данных Discord-Dialogues и ориентирована на conversational AI, диалоги, чат-ботов и генерацию текста в формате instruct/chat с использованием ChatML. Модель относится к семейству Llama 3, содержит около 8 миллиардов параметров и предназначена для работы с английским языком. Доступны варианты квантизации IQ и Q разных размеров — примерно от 2,1 до 6,7 ГБ, что позволяет выбирать компромисс между качеством, скоростью и требованиями к памяти. Версия GGUF подходит для локального запуска в совместимом программном обеспечении, однако конкретные параметры контекста и аппаратные требования в README не указаны. Сильными сторонами являются специализация на диалоговом взаимодействии, открытые веса и широкий выбор вариантов квантизации. Ограничения включают отсутствие опубликованных оценок качества, неизвестные параметры контекстного окна и возможное заметное снижение качества у наиболее компактных квантов; README также не подтверждает поддержку мультимодальных входных данных. Использование распространяется по лицензии Llama 3.

noctrex/ERNIE-4.5-21B-A3B-PT-MXFP4_MOE-GGUF — GGUF-квантование MXFP4_MOE модели ERNIE-4.5-21B-A3B-PT. В карточке указана Baidu-модель как исходная; метаданные описывают её как текстовую MoE-модель для диалоговой генерации и понимания текста на китайском и английском языках. Модель предназначена для генерации текста и диалогового общения. Формат GGUF подходит для запуска в совместимом локальном ПО. В README не приведены сведения о размере, длине контекста, условиях лицензии или численных характеристиках качества.

ssmits/Falcon2-8B-Norwegian — текстовая авторегрессионная модель семейства Falcon, созданная слиянием предобученных языковых моделей через mergekit. В README среди объединённых моделей указана ssmits/Falcon2-5.5B-Norwegian; метаданные также связывают модель с этой базовой моделью. Модель предназначена для генерации текста и диалогового использования; каталог также указывает поддержку ответов на вопросы, классификации текста и разметки сущностей. В метаданных указаны 11,8 млрд параметров, контекст до 8192 токенов, архитектура FalconForCausalLM и формат safetensors. Название и базовая модель указывают на ориентацию на норвежский язык. Лицензия в доступных данных не приведена.

Hebrew-Mistral-7B-200K-HeQ-Chat — разговорная языковая модель семейства Mistral, разработанная itayl и дообученная на базе yam-peleg/Hebrew-Mistral-7B-200K. Модель содержит 7,2 млрд параметров, использует архитектуру MistralForCausalLM и принимает текст для генерации текста в формате диалога. Заявленная длина контекста — 262 144 токена. Модель предназначена для общения с пользователем и генерации текста, прежде всего на иврите и английском. Для обучения использовались Unsloth и библиотека Hugging Face TRL. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0. README не приводит результатов оценки качества или подробностей обучающих данных.

lightblue/Jamba-v0.1-chat-multilingual — экспериментальный многоязычный чат-бот, созданный Peter Devine и Shunichi Taniguchi на основе ai21labs/Jamba-v0.1. Модель дообучена методом QLoRA на диалоговых и инструкционных данных, после чего адаптер объединён с исходными весами. Архитектура Jamba сочетает Mamba и Transformer с механизмом MoE; в метаданных указан размер 7,2 млрд параметров, а в README — контекст длиной до 256 тысяч токенов. Модель предназначена для диалогов, выполнения инструкций и многоходовых бесед на английском, японском и других языках. README сообщает о приемлемых субъективных результатах в нескольких языках и возможности управлять стилем системным сообщением, но оценка основана на ограниченном тестировании. Для запуска нужны Transformers версии 4.39.0 или выше и CUDA; оптимизированный запуск требует дополнительных Mamba-компонентов. Лицензия — Apache 2.0.

Llama-3-8B-Dolphin-Portuguese — разговорная языковая модель на архитектуре Llama 3, разработанная на основе переведённой версии набора данных Dolphin. Модель содержит 7,5 млрд параметров и рассчитана на генерацию текста и диалоговое взаимодействие на португальском языке; длина контекста составляет 8192 токена. Модель подходит для ответов на вопросы и ведения диалога на португальском, в том числе для задач общего и учебного характера. В карточке приведены результаты на португальском лидерборде: средняя оценка 70,0, а также результаты ENEM Challenge и BLUEX без изображений. Модель использует формат safetensors и библиотеку Transformers. Лицензия в предоставленных данных не указана.

Lynx Micro — небольшая языковая модель от 42 Labs, первая версия семейства шведских моделей Lynx. Это авторегрессионный трансформер на архитектуре Gemma, дообученный на Gemma 2B 1.1 Instruct; размер по метаданным — 2,5 млрд параметров, длина контекста — 8192 токена. Модель принимает текст и генерирует текст, поддерживает шведский и английский языки и предназначена для диалогов и других задач генерации текста. При дообучении использовался закрытый набор примерно из 1,35 млн примеров: шведские инструкции для одно- и многошаговых диалогов, а также шведско-английские переводы. В карточке сообщается об оценке на шведской части Scandeval и результате немного ниже GPT-3.5 Turbo. Модель компактна, но, по предупреждению авторов, запомнила меньше сведений, чем более крупные модели, поэтому её ответы на фактические вопросы могут быть ограничены. Распространяется на условиях использования Gemma.

MARS-v0.2 — разговорная языковая модель Curiosity Technology, дообученная методом LoRA на базе Meta Llama 3.1 8B Instruct. Веса содержат около 7,5 млрд параметров, архитектура — плотная LlamaForCausalLM, формат — safetensors; модель поддерживает контекст до 131 072 токенов и предназначена для генерации текста в диалоговом режиме. Модель обучали на внутренних и переведённых открытых турецких наборах данных, уделив больше внимания математическим данным. Она предназначена для общения на турецком языке, решения математических задач и рассуждений; метаданные также указывают английский язык и интерфейс вызова инструментов. Для использования применяются Transformers pipeline или AutoModelForCausalLM. Лицензия — Llama 3 Community License.

Mistral-7B-UK — украиноязычная инструктивная языковая модель от SherlockAssistant, созданная на основе Mistral-7B-v0.2. Это плотный трансформер Mistral с 7,1 млрд параметров; модель использует Grouped-Query Attention, Sliding-Window Attention и токенизатор Byte-fallback BPE. Контекст составляет до 32 768 токенов, а для диалога доступен chat template; в ручном формате запрос обрамляется токенами [INST] и [/INST]. Модель предназначена прежде всего для ответов на вопросы и выполнения инструкций на украинском языке. Обучение включало дообучение на структурированных и неструктурированных украинских данных, слияние SLERP с NeuralTrix-7B и этап DPO. В карточке перечислены украинские наборы данных для вопросов и ответов, диалогов и знаний, включая UA-SQUAD, UAlpaca и украинскую Википедию. Модель опубликована в формате safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0. Карточка не приводит количественных оценок качества; результаты могут зависеть от формулировки запроса и украинского контекста, а указанная специализация не гарантирует одинаковое качество на других языках.

CarrotAI/OpenCarrot-llama3-Mix-8B — разговорная языковая модель на архитектуре Llama 3, созданная CarrotAI линейным слиянием моделей через mergekit. В слиянии участвовали maywell/Llama-3-Ko-8B-Instruct и CarrotAI/OpenCarrot-llama3-8B; модель содержит около 7,5 млрд параметров и использует формат safetensors. Модель предназначена для генерации текста и диалоговых ответов на корейском и английском языках. Её можно использовать в чат-сценариях и для генерации текста. Указанное контекстное окно — 8192 токена. В README приведён ориентировочный результат около 0,22 по llm-ko-eval и отмечено, что модель ещё не оценена отдельно. Лицензия — llama3.

PULI-LlumiX-32K instruct — дообученная для выполнения инструкций версия NYTK/PULI-LlumiX-32K, опубликованная пользователем ariel-ml. Это плотная авторегрессионная языковая модель семейства LLaMA-2 примерно на 6,6 млрд параметров. Веса доступны в формате safetensors с точностью float16; модель принимает диалог в шаблоне ChatML и поддерживает контекст до 32 768 токенов. Модель дообучена на наборе boapps/szurkemarha: по README, обучение включало около 30 тысяч инструкций и три эпохи с LoRA. Она предназначена для диалоговых ответов, выполнения текстовых инструкций и генерации текста на венгерском и английском языках, в том числе с длинным контекстом. Указана лицензия Llama 2; использование регулируется её условиями. В карточке нет результатов бенчмарков, поэтому качество для конкретных задач не подтверждено.

cnmoro/Qwen2.5-0.5B-Portuguese-Hybrid-Reasoning — компактная диалоговая языковая модель, дообученная на базе Qwen/Qwen2.5-0.5B-Instruct для повышения владения португальским языком, выполнения инструкций и рассуждений. Модель с архитектурой Qwen2 имеет 494 млн параметров, принимает текст и генерирует текст; режим рассуждений можно включать или отключать. Максимальная длина контекста — 32 768 токенов. В метаданных указаны интерфейс чата и интерфейс вызова инструментов. Модель подходит для диалогов и генерации текстов на португальском, а также для задач, требующих пошагового рассуждения. В README приведены результаты Open Portuguese LLM Leaderboard, включая средний балл 46,91 и оценки на ENEM Challenge и BLUEX. Компактный размер ограничивает возможности по сравнению с более крупными моделями; результаты бенчмарка не гарантируют качество для конкретного сценария. Распространяется по лицензии MIT.

GemMaroc/Qwen2.5-7B-Instruct-darija — инструктивная языковая модель на архитектуре Qwen2.5, дообученная командой GemMaroc для генерации текста на марокканском арабском языке (Darija). Модель содержит 7,1 млрд параметров, использует архитектуру decoder-only Transformer и поддерживает контекст до 32 768 токенов. Она основана на Qwen/Qwen2.5-7B-Instruct и обучена на наборе инструкций GemMaroc/TULU-3-50k-darija-english; опубликованные веса представлены в формате safetensors. Модель предназначена для диалогов, ответов на инструкции, рассуждений и генерации текста на Darija, а также для работы с английским в двуязычных сценариях. Разработчик приводит оценки на бенчмарках для Darija и английского; результаты различаются по задачам, а улучшения на одном языке или показателе не гарантируют качества в других сценариях. Среди ограничений — более слабые результаты в анализе тональности и абстрактивном суммировании, чем у современных специализированных моделей, а редкие варианты написания Darija могут дробиться токенизатором. Модель может наследовать социальные предубеждения предобучающих данных и не имеет дополнительного выравнивания безопасности RLHF/RLAIF, поэтому для прикладного развёртывания разработчик рекомендует модерацию. Условия лицензии в предоставленных данных не указаны.

Qwen2.5-Omni-3B — мультимодальная модель семейства Qwen2.5-Omni, разработанная командой Qwen компании Alibaba Group. Она построена на плотной архитектуре Thinker-Talker и предназначена для диалогового взаимодействия с текстом, изображениями, аудио и видео; модель может выдавать текстовые ответы и естественную речь, в том числе потоково. Модель подходит для голосового и видеочата в реальном времени, распознавания и понимания речи, анализа изображений и видео, ответов на инструкции, а также генерации речи. В карточке приведены результаты по распознаванию речи, переводу, визуальным рассуждениям и пониманию видео; размер 3B обеспечивает более компактный вариант семейства. Позиционное кодирование TMRoPE синхронизирует временные метки видео и аудио. Модель доступна в формате safetensors и рассчитана на использование через Transformers; для поддержки рекомендуется актуальная версия библиотеки. В метаданных указана лицензия other, поэтому перед использованием следует проверить условия лицензирования репозитория. Число параметров, длина контекста и полный перечень поддерживаемых языков в предоставленных данных не приведены.

RIFA-PRO — двуязычная разговорная текстовая модель семейства RIFA, разработанная и поддерживаемая SM Shahbaj. Модель предназначена для генерации текста и диалоговых сценариев на английском языке и бангла (бенгальском), включая работу в качестве универсального AI-ассистента. Модель содержит около 3 млрд параметров и распространяется в форматах Safetensors и GGUF, совместимых с Transformers, LM Studio, Ollama и llama.cpp. Архитектура и размер контекста в README не указаны. Для GGUF доступны варианты квантования от Q3_K_M до F16; Q5_K_M отмечен как рекомендуемый, а Q4_K_M и Q3_K_M подходят для систем с небольшим объёмом VRAM. К сильным сторонам относятся поддержка английского и бенгальского языков, диалоговая специализация, относительно компактный размер и возможность локального запуска. Модель не относится к передовым моделям большого масштаба, может галлюцинировать, поэтому важные сведения необходимо проверять. Для единообразного поведения и брендинга рекомендуется использовать системную инструкцию из README. Модель распространяется по лицензии Apache 2.0.

RWKV/rwkv-6-world-3b-v2.1 — языковая модель семейства RWKV-6 World с плотной архитектурой и 3,5 млрд параметров. Карточка показывает запуск через Hugging Face Transformers на CPU и GPU, а также пример диалога с ассистентом. Модель предназначена для генерации текста и диалоговых ответов. В примере она отвечает на английском и китайском языках; карточка не описывает специальную предметную область, длину контекста или отдельные мультимодальные возможности. В метаданных указан формат PyTorch. Сведения о лицензии и базовой модели отсутствуют, поэтому условия использования и происхождение весов по доступным данным определить нельзя.

SahabatAI-Lion-9B-TIES-v1 — объединённая методом TIES языковая модель семейства Gemma 2, опубликованная пользователем gmonsoon. Она объединяет модели GoToCompany/gemma2-9b-cpt-sahabatai-v1-instruct и aisingapore/gemma2-9b-cpt-sea-lionv3-instruct и предназначена для диалогов и генерации текста по инструкциям. Модель имеет плотную архитектуру Gemma2ForCausalLM с 9 млрд параметров и контекстом 8192 токена. Карточка и метаданные указывают на поддержку английского и индонезийского; сведения о базовых моделях также указывают на яванский и сунданский. Файлы опубликованы в формате safetensors. Автор сообщает о результатах оценки на Open LLM Leaderboard, включая средний балл 33,70 и 73,78 на IFEval; это результаты из карточки модели, а не гарантия качества в конкретном сценарии. Модель распространяется по лицензии Gemma. Карточка содержит неоднозначность в конфигурации слияния: в списке компонентов дважды указан один и тот же репозиторий, хотя в описании и метаданных перечислены две разные базовые модели.

Sailor2-1B-Chat-GGUF — это квантизированная GGUF-версия чат-модели Sailor2-1B-Chat, опубликованная и подготовленная квантизатором bartowski на основе оригинальной модели sail/Sailor2-1B-Chat. Модель предназначена для генерации текста, диалогов и выполнения инструкций, включая работу с многоязычными запросами. Модель содержит около 1 млрд параметров и поддерживает английский, китайский, индонезийский, тайский, вьетнамский, малайский, лаосский, бирманский, яванский, кхмерский, сунданский и тагальский языки. Это текстовая модель без заявленной поддержки изображений или других модальностей. Доступны варианты с разной степенью квантизации — от F16 до Q2_K_L, что позволяет выбирать между качеством, размером файла и требованиями к оперативной памяти. Для запуска рекомендуется использовать llama.cpp или совместимые приложения, например LM Studio; предусмотрен специальный шаблон prompt с ролями system, user и assistant. Сильными сторонами модели являются компактный размер, многоязычная специализация и широкий выбор квантизированных вариантов, включая версии, оптимизированные для ARM и AVX. Более сильная квантизация обычно обеспечивает лучшее качество, тогда как варианты с меньшим размером экономят память, но могут заметно уступать по качеству. В README не указаны размер контекста, результаты тестирования и подробные ограничения качества. Модель распространяется по лицензии Apache-2.0.

Step-Audio 2 mini — компактная мультимодальная языковая модель для понимания аудио и диалогового взаимодействия с речью, разработанная StepFun AI. Модель предназначена для распознавания речи, анализа аудиособытий и паралингвистических признаков, речевого перевода и естественного голосового общения. Она также поддерживает вызов инструментов и мультимодальный RAG для обращения к текстовым и акустическим источникам знаний. Модель построена на плотной архитектуре StepAudio2ForCausalLM и рассчитана на работу с текстом и аудио; в README заявлены сценарии аудио- и речевого общения, а метаданные указывают поддержку английского и китайского языков. Репозиторий содержит веса safetensors и ONNX, использовать модель можно через Transformers. Лицензия Apache 2.0. README заявляет сильные результаты на нескольких аудио-бенчмарках, однако численные результаты здесь недоступны; для локального запуска также указаны требования PyTorch и CUDA.

Suzume ORPO Borda Top75 — многоязычная диалоговая модель, разработанная Peter Devine (ptrdvn) и опубликованная под именем lightblue. Это дообученная методом ORPO версия lightblue/suzume-llama-3-8B-multilingual: для обучения использованы лучшие и худшие ответы на промпты из 75% набора lightblue/mitsu_full_borda, отобранных по согласованности ранжирования. Архитектура — плотная Llama с 7,5 млрд параметров; модель принимает текст и генерирует текст, поддерживает диалоговый режим, а длина контекста составляет 8192 токена. Модель предназначена для многоязычного общения и генерации ответов. В README приведено сравнение по MT-Bench на шести языках; авторы сообщают об улучшении относительно базовой модели на большинстве языков и о лучших результатах среди сравниваемых моделей на части языков. README рекомендует вариант orpo-borda-half как лучше показавший себя в их тестах, поэтому преимущество этой версии не следует считать универсальным. Лицензия CC BY-NC 4.0 запрещает коммерческое использование; ограничение связано в том числе с тем, что обучающие данные созданы с помощью Command R и Command R+.

SLORA/ZIA — разговорная языковая модель, представленная Мухаммадом Таки. В метаданных Hugging Face указаны архитектура GLM-MoE-DSA, класс GlmMoeDsaForCausalLM и 30,4 млрд параметров; карточка README заявляет собственную архитектуру и отсутствие базовой модели, а метаданные связывают репозиторий с дообучением slora/zia. Модель предназначена для генерации текста и диалогов; заявленная высокая скорость ответов в README не сопровождается описанием измерений или бенчмарков. Модель принимает текст и генерирует текст. Метаданные указывают контекст длиной 202 752 токена и поддержку английского и китайского языков. Репозиторий использует Transformers и формат весов safetensors. Лицензия — MIT. README также называет модель облегчённой и размером 1 млрд параметров, что расходится с метаданными, указывающими 30,4 млрд параметров.

Карточка модели 360ZhiNao/360VL-8B на Hugging Face совпадает с карточкой qihoo360/360VL-8B, поэтому описание составлено по ней. 360VL-8B — открытая мультимодальная модель компании Qihoo 360 для диалога по изображениям и тексту. Она дообучена на основе Meta Llama 3 8B Instruct и использует трансформерную авторегрессионную языковую модель с многоветвевым проектором, предназначенным для улучшения понимания изображений. Модель принимает изображения и текст и формирует текстовые ответы; поддерживает многоходовой диалог с одним изображением, визуальные вопросы и распознавание текста на изображениях. В README указано разрешение изображений до 672×672 пикселей, а контекст по метаданным составляет 8192 токена. Поддерживаются китайский и английский языки. Модель подходит для анализа содержимого изображений, извлечения и обобщения информации, а также ответов на вопросы по изображению. Вес модели содержит 7,5 млрд параметров и опубликован в формате safetensors. Лицензия — Apache 2.0.

AceGPT-v2-32B-Chat — диалоговая языковая модель семейства AceGPT, разработанная исследователями KAUST, CUHKSZ, SRIBD и King Abdulaziz University. Это полностью дообученная генеративная модель на архитектуре Llama, основанная на Qwen1.5-32B и содержащая 31,7 млрд параметров. Модель принимает текст и генерирует текст. Вариант Chat оптимизирован для диалоговых сценариев; семейство AceGPT ориентировано прежде всего на арабский язык, а карточка также указывает поддержку английского и китайского. Контекст составляет до 32 768 токенов. В README приведены результаты тестирования на арабских, английских и китайских бенчмарках. Модель подходит для арабоязычного диалога, ответов на вопросы и генерации текста. Карточка содержит лишь фрагменты таблиц оценки, поэтому по ней нельзя судить о качестве именно версии 32B во всех задачах. Лицензия — Apache-2.0.

Chocolatine-3B-Instruct-DPO-Revised-Q4_K_M-GGUF — это квантизированная версия языковой модели Chocolatine-3B-Instruct-DPO-Revised, разработанная Jonathan Pacifico в 2024 году. Модель предназначена для генерации текста и диалоговых сценариев на французском и английском языках. Модель распространяется в формате GGUF с квантизацией Q4_K_M и совместима с llama.cpp и LM Studio. Она может работать на CPU, включая Raspberry Pi 5 с 8 ГБ памяти, а также использоваться через Ollama. Размер базовой модели составляет 3B параметров; другие сведения об архитектуре и размере контекста в README не указаны. К сильным сторонам относятся относительно низкие требования к оборудованию и удобство локального запуска. Ограничение модели — отсутствие встроенного механизма модерации, поэтому за фильтрацию и безопасное применение должен отвечать пользователь или интегрирующее приложение. Модель распространяется по лицензии MIT.

MingZhong/DialogLED-base-16384 — базовая модель для понимания и суммаризации длинных диалогов, построенная на архитектуре Longformer-Encoder-Decoder (LED). Разработчики предварительно обучили её на большом объёме диалоговых данных с помощью задачи window-based denoising; размер модели — 95,2 млн параметров, длина входа при предобучении ограничена 16 384 токенами. Модель предназначена для суммаризации длинных бесед и других задач понимания диалогов. Для прикладных задач её предполагается дообучать; README отсылает за инструкциями по fine-tuning к GitHub. Доступны веса в формате PyTorch. Лицензия в предоставленных данных не указана.

Ayush Auti разработал Ayush5605/dialogue-summarizer — модель FLAN-T5, дообученную на датасете SAMSum для создания кратких сводок диалогов. Она подходит для суммирования переписок, стенограмм встреч и разговоров с клиентами, сохраняя основную информацию. Модель использует архитектуру T5 и содержит 38,5 млн параметров. Она принимает текст и генерирует текстовую сводку; в первую очередь обучена на англоязычных диалогах. Контекст ограничен 512 токенами, а более длинные разговоры могут обрезаться. Лицензия — MIT.

Eli Hindi v0.1 — двуязычная разговорная языковая модель, разработанная NeoHumans-ai на базе Llama 3. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров и контекстом до 8192 токенов; репозиторий содержит веса в формате safetensors. Модель обучалась на корпусах примерно на 1 млрд токенов и дополнительно настраивалась для диалогов на хинди и английском, включая смешанную речь Hinglish. Eli предназначена для многоходового чата, генерации текста на хинди и английском и двуязычных сценариев, где языки чередуются или смешиваются. В карточке описаны предварительное обучение, обучение предсказанию следующего токена и инструктивная настройка с LoRA; также упомянута настройка предпочтений методом DPO, оценка которой продолжается. Лицензия репозитория — Llama 2 license. Разработчики отмечают, что модель иногда галлюцинирует при ответах на узкие вопросы, а для более тонкого перевода ей требуется больше обучающих данных. Поддержка романизированного хинди обозначена как направление будущей работы.