III.2Исследование рынка и маркетинг

Yamase-12B — авторская модель Rakuto Suda, дообученная на базе Mistral-Nemo-Instruct примерно на 110 тысячах примеров для улучшения работы с японским языком. Это плотная причинная языковая модель семейства Mistral с 12,1 млрд параметров, предназначенная для диалогов и генерации текста; карточка указывает поддержку контекста до 1 024 000 токенов. README показывает формат общения в стиле [INST]…[/INST]. Модель подходит для ответов на вопросы и инструкций на японском языке, а также для суммирования и диалоговых сценариев, отражённых в обучающих наборах. В метаданных указаны датасеты японских диалогов, инструкций, Википедии и длинных текстов. Модель распространяется в формате safetensors по лицензии Apache-2.0. README отмечает, что для работы Transformers на момент публикации требовалась установка версии из GitHub.

zephyr-7b-gemma-sft-african-ultrachat-200k — диалоговая языковая модель, созданная дообучением Gemma 7B от Google на наборах masakhane/african-ultrachat и israel/untrachat_en. Это плотная авторегрессионная модель с архитектурой GemmaForCausalLM и 8,2 млрд параметров; она генерирует текст и поддерживает чат. Контекстное окно составляет 8192 токена. Модель предназначена для диалогов и генерации ответов на запросы на языках, представленных в обучающих данных. В README приведено значение loss 1,1549 на оценочном наборе, но подробности оценки и заявленные сценарии использования отсутствуют. Репозиторий использует лицензию Gemma; перед применением следует учитывать её условия.

Archangel SFT Llama 7B — языковая модель семейства Llama, разработанная Contextual AI и дообученная методом supervised fine-tuning (SFT) для выравнивания ответов с предпочтениями людей. Обучение использовало наборы SHP, Anthropic HH и OpenAssistant. Модель содержит 6,6 млрд параметров и принимает текстовые запросы; для диалога рекомендуется формат TuluV2, где первым говорит пользователь. Контекст модели — 2048 токенов. Модель предназначена для генерации диалоговых ответов и следования запросам в сценариях, где важны предпочтительные человеку ответы. Репозиторий содержит веса Safetensors. Лицензия — Apache-2.0. Карточка не приводит сравнительных оценок качества или специальных ограничений, кроме требований к формату диалога и длины контекста.

NbAiLab/borealis-open-4b — открытая модель семейства Borealis, разработанная Национальной библиотекой Норвегии. Это плотная мультимодальная модель Gemma 3 с 4 млрд параметров, дообученная на инструкциях для норвежских сценариев. Репозиторий содержит веса safetensors для Transformers; модель принимает текст и изображения и предназначена для диалогового взаимодействия и генерации ответов по изображениям. Модель подходит для норвежского письма, составления и редактирования текстов, суммаризации, ответов на вопросы и лёгких рассуждений. Особое внимание уделено норвежскому языку, включая букмол и нюнорск; также в карточке указана поддержка английского, но качество за пределами норвежских и английских сценариев изучено недостаточно. Длина контекста в предоставленных данных не указана. Модель может галлюцинировать и выдавать неверные, предвзятые или неподходящие ответы; защитное выравнивание снижает, но не исключает такой риск. Разработчик не рекомендует применять её в критически важных сценариях без дополнительной проверки и защитных мер. Лицензия — Gemma.

Chocolatine v1.0 — языковая модель на базе Phi-3-mini-4k-instruct, разработанная Jonathan Pacifico в 2024 году. Это плотная авторегрессионная модель семейства Phi-3 с 3,7 млрд параметров и контекстом до 4096 токенов; она доступна в формате Safetensors и предназначена для генерации текста и диалогов. Модель дообучена методом DPO на 12 тысячах пар предпочтений Intel/orca_dpo_pairs, переведённых на французский язык. Она рассчитана на общие задачи, особенно на работу с французским текстом, и также поддерживает английский. Её можно использовать как основу для дальнейшей специализации. Автор сообщает об улучшении общего понимания по сравнению с базовой моделью, в том числе на английском языке. Это демонстрационное дообучение небольшой модели; у неё нет механизмов модерации. В README указана лицензия MIT, тогда как в метаданных Hugging Face указана Apache-2.0.

kaouther/distilbert-base-uncased-finetuned-squad — модель на базе DistilBERT, дообученная на наборе данных SQuAD для ответов на вопросы по предоставленному тексту. Она принимает вопрос и контекст и предсказывает ответ, извлечённый из контекста. Модель поддерживает английский язык и рассчитана на контекст до 512 токенов; опубликована в формате PyTorch. Модель подходит для поиска ответов в статьях, справочных материалах и других англоязычных текстах. В карточке приведён результат оценки на тестовой выборке SQuAD: loss 1,1703. Лицензия — Apache-2.0. Подробности о точности на иных данных и дополнительных ограничениях в карточке не приведены.

LenDigLearn/formality-classifier-mdeberta-v3-base — дообученная модель классификации текста, созданная для определения степени формальности высказывания. Она относит входной текст к одному из трёх классов: formal, informal или neutral; нейтральный класс предназначен для фраз без явных признаков формального или неформального стиля. Модель основана на Microsoft mDeBERTa V3 Base с архитектурой DeBERTa V2 и содержит 306 млн параметров. Модель рассчитана на классификацию текстов на английском, немецком, испанском, французском и португальском языках; при подборе обучающих данных особое внимание уделялось языкам с формальными формами обращения. Для английского использовались также примеры из osyvokon/pavlick-formality-scores. Максимальная длина контекста — 512 токенов. На указанном в карточке тестовом наборе общая точность составила 88,93%, для английского — 79,20%, для французского — 100%; эти результаты относятся к тестовым данным карточки и не гарантируют аналогичное качество на других текстах. Модель распространяется по лицензии MIT.

Gemma2 9B WangchanLIONv2 Instruct — мультиязычная языковая модель, разработанная Products Pillar и AI Singapore совместно с VISTEC. Это декодер на архитектуре Gemma 2 с 9 млрд параметров, дообученный следовать инструкциям на тайском языке на примерно 3,76 млн пар «инструкция — ответ», включая человеческую разметку, примеры в стиле FLAN и синтетические данные. Модель поддерживает тайский и английский языки и контекст до 8192 токенов. Модель подходит для диалога, ответов на вопросы, понимания прочитанного и генерации текстов на тайском языке, а также для подобных задач на английском. Она не обучена системным промптам и вызову инструментов. Модель может галлюцинировать, выдавать неуместные ответы и непоследовательно рассуждать; защитное выравнивание не проводилось. Распространяется по Gemma Community License.

Gemmasutra-9B-v1.1 — чат-модель на архитектуре Gemma 2, представленная BeaverAI. Это дообученная версия Gemma с использованием современных методов; карточка указывает шаблон диалога Gemma с ролями user и assistant. Модель содержит 9 млрд параметров и рассчитана на контекст до 8192 токенов, подходит для генерации ответов в чат-интерфейсах. Модель распространяется в формате Safetensors. В README не описаны конкретные сценарии дообучения, языки или результаты оценки качества. Лицензия обозначена как other, поэтому условия использования следует уточнить в материалах разработчика.

Gukbap-Qwen2.5-7B — языковая модель HumanF-MarkrAI на архитектуре Qwen2, дообученная на Qwen/Qwen2.5-7B-Instruct методом SFT. Модель содержит 7,1 млрд параметров и предназначена для диалогов и общих текстовых задач с особым акцентом на корейский язык. Авторы сообщают, что обучали её на собственном наборе из 1849 примеров, созданном с помощью открытых моделей по подходам LIMA и WizardLM, и приводят результаты внутренней оценки LogicKor; эти оценки не являются независимой проверкой. Модель принимает текст и генерирует текст. Карточка указывает контекст 8192 токена, тогда как метаданные каталога сообщают нативное окно контекста 32768 токенов; фактическое значение может зависеть от конфигурации и способа запуска. В метаданных также отмечен интерфейс вызова инструментов, но подробности его применения в README не описаны. Указана лицензия CC BY-NC 4.0, которая ограничивает коммерческое использование.

Heliactis-1-4B — языковая модель Apollon Labs на архитектуре Spark 2.5, дообученная на базе XHToken/Spark-X2.5-4B. Это полноточные веса fp16 в формате safetensors для генерации текста и диалогового взаимодействия; размер модели — 3,8 млрд параметров, заявленная длина контекста — до 1 048 576 токенов. Модель ориентирована на греческий и английский языки и поддерживает сценарии чата. Для загрузки используется Transformers с пользовательским кодом архитектуры и параметром trust_remote_code=True. Модель распространяется по лицензии Apache-2.0. README отсылает к карточке GGUF-варианта за измеренными результатами и подробным описанием ограничений, поэтому оценить качество и конкретные дефекты по доступным данным нельзя.

Julia 1 — первая модель семейства Julia и тест обучающей системы SupersonicLabs. Это дообученный мультиязычный энкодер JHU CLSP mmBERT-small на архитектуре ModernBERT: 144,3 млн параметров, веса в формате SafeTensors. Модель принимает состояние, вопрос и от 2 до 20 вариантов ответа, затем выбирает или ранжирует вариант; один интерфейс поддерживает классификацию, маршрутизацию, упорядоченные оценки и булевы решения. Это не генеративная модель и не готовый модуль Transformers для классификации текста. Julia 1 предназначена для задач, где решение должно опираться на переданный контекст и явно заданные варианты: например, для классификации категорий и маршрутизации запросов. Контекст выполнения — до 8 192 токенов суммарно; исторические тесты использовали 1 024 токена. Карточка приводит результаты тестов на AG News, DAIR Emotion и MASSIVE, включая 71,50% точности по сценариям на 52 локалях, но небольшие пилотные выборки не гарантируют качество в новых сценариях. Лицензия — Apache-2.0. Модель может ошибаться при неоднозначной формулировке, незнакомых темах и длинных списках меток; в тесте Banking77 она набрала 64 из 100 при маршрутизации через предварительный список кандидатов. Она сравнивает заданные варианты и не должна рассматриваться как источник недостающих фактов или надёжный решатель многошаговых вычислений. Для крупных списков используется группировка с повторным ранжированием, которая может отсеять верный вариант; перед применением в значимых сценариях следует проверить модель на собственных данных.

kev-merged-0.8b — слитая мультимодальная модель на основе jaredpalmer/kev-0.8b и Qwen/Qwen3.5-0.8B-Base. Разработчик объединил адаптер kev-0.8b с базовой моделью, чтобы её можно было использовать без отдельного адаптера; скрипт слияния приложен в репозитории. Архитектура — плотная Qwen3.5ForConditionalGeneration; метаданные указывают интерфейс чата, вызов инструментов и работу с изображениями. Модель предназначена для диалоговых сценариев с текстом и изображениями. В карточке Hugging Face указана задача image-text-to-text и английский язык. Репозиторий содержит веса safetensors, а лицензия — Apache-2.0. Размер модели, длина контекста и конкретные ограничения качества в доступных данных не приведены.

Ko-Qwen2-7B-Instruct — чат-модель на базе Qwen2-7B-Instruct, дообученная методом supervised fine-tuning для корейского языка. Её разработчик сообщает, что обучение с DeepSpeed и TRL использовало около 50 тысяч примеров, включавших публичные, частные и синтетически сгенерированные данные. Модель имеет плотную авторегрессионную архитектуру Qwen2 с 7,1 млрд параметров и предназначена для генерации текста в диалоге: ответов на вопросы, следования инструкциям и ведения беседы. Она принимает текст и генерирует текст; карточка указывает поддержку корейского и английского языков. Нативная длина контекста — 32 768 токенов. Модель распространяется под лицензией CC BY-NC 4.0, которая ограничивает коммерческое использование. Карточка не приводит отдельных оценок качества именно этой дообученной версии; результаты Qwen2-7B-Instruct в приведённом README не следует считать оценкой Ko-Qwen2.

lemura-arabic-asr-qwen3 — модель распознавания арабской речи от Lemura Labs, дообученная на базе Qwen/Qwen3-ASR-1.7B. Это генеративная ASR-модель: аудиоэнкодер передаёт аудиоконтекст декодеру на основе Qwen3, который выдаёт транскрипцию как текст. Модель предназначена для современного литературного арабского языка и диалектов Персидского залива, Египта, Леванта, Ирака и Магриба, включая марокканскую дариджу; поддерживает переключение между арабским и английским. Модель рассчитана на расшифровку голосовых сообщений, звонков, медиаматериалов и аудио для голосовых агентов. Список направляющих слов можно использовать для распознавания имён, брендов и специальной терминологии. Веса bf16 опубликованы в формате safetensors; для вывода подходят Transformers и ms-swift. Входное аудио должно быть монофоническим с частотой 16 кГц; базовое окно обработки — 30 секунд, поэтому длинные записи нужно делить на фрагменты. Рекомендуется жадное декодирование. Лицензия — Apache-2.0. Качество может снижаться на незнакомых акцентах, в новых предметных областях и при сильном шуме или удалённой записи; марокканская дариджа остаётся особенно сложным случаем. Модель не оценивалась для скрытой идентификации говорящих и не предназначена для такого применения; возможны смещения из обучающих корпусов.

Ricardo Lee создал эту модель на основе Llama 2 Base 7B Chinese: сначала провёл один цикл полно-параметрической донастройки SFT, затем два цикла SFT с LoRA на выборке из 500 тысяч примеров проекта BELLE. Модель предназначена для генерации текста и диалоговых ответов на китайском и английском языках; при использовании требуется шаблон Stanford Alpaca с начальным приветствием. Это плотная авторегрессионная модель семейства Llama с 6,7 млрд параметров и контекстом 2048 токенов. Для токенизации используется tokenizer.model из Chinese-Alpaca-Plus. README отмечает трудности со стабильностью обучения LoRA непосредственно на Llama 2 Base и указывает, что причины требуют дальнейшего анализа. Лицензия в предоставленных данных не указана.

walid-iguider/Llama-3-8B-4bit-UltraChat-Ita — плотная авторегрессионная языковая модель семейства Llama 3, разработанная walid-iguider и дообученная на базе unsloth/llama-3-8b-bnb-4bit. Она предназначена для генерации текста и ответов на запросы на итальянском языке. Модель содержит 7,5 млрд параметров, поддерживает контекст до 8192 токенов и распространяется в формате Safetensors. В карточке приведены результаты итальянских бенчмарков HellaSwag, ARC и MMLU; обучение выполнялось с использованием Unsloth и TRL. Модель подходит для диалоговых сценариев и задач на понимание итальянского текста. Доступна по лицензии Apache 2.0. Карточка не описывает отдельные защитные механизмы или ограничения качества; результаты бенчмарков служат ориентиром и не гарантируют точность ответов в конкретном применении.

llm-jp-3-8x13b — языковая модель, разработанная Центром исследований и разработок больших языковых моделей Национального института информатики Японии. Это авторская предобученная и дополнительно настроенная модель семейства Mixtral: архитектура MoE содержит 8 экспертов, из которых активируются 2. В конфигурации указано около 73 млрд параметров суммарно; метаданные каталога приводят оценку 13,2 млрд. Контекст составляет 4096 токенов. Модель предназначена для генерации текста и диалоговых сценариев, особенно на японском языке. Она обучалась на смеси данных, включающей японские источники, а карточка и метаданные также отмечают английский язык. После предобучения модель прошла supervised fine-tuning и выравнивание методом Direct Preference Optimization. Для запуска предусмотрены веса Transformers в формате safetensors. Разработчики предупреждают, что модель находится на раннем этапе исследований и разработок и не настроена для гарантированного соответствия намерениям пользователя и требованиям безопасности. Лицензия — Apache-2.0.

Maestrale chat beta v0.3 — италоязычная чат-модель, созданная @efederici и @mferraretto на основе Mistral-7B. Модель прошла дополнительное предобучение на качественном корпусе на итальянском языке и SFT на диалогах и инструкциях в течение трёх эпох. Это плотная авторегрессионная модель с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации ответов в диалогах на итальянском языке и следования инструкциям. Версия v0.3 поддерживает интерфейс вызова функций и использует формат запросов ChatML. Модель выпущена как beta и не прошла выравнивание; авторы называют её первым тестовым вариантом и отмечают, что данные для выравнивания и оценки ещё разрабатываются. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Mi:dm 2.0 Mini Instruct — компактная плотная языковая модель семейства Llama, разработанная компанией KT с использованием собственной технологии. Модель создана для диалогового общения и генерации текста; версия Mini предназначена для локального и периферийного развертывания на устройствах и системах с ограниченными ресурсами. В карточке указано 1,8 млрд параметров, контекст — до 32 768 токенов, веса доступны в формате safetensors. Модель ориентирована прежде всего на корейский язык и учитывает корейские нормы, ценности и культурный контекст; также обучалась на английских данных. Поддерживает интерфейс вызова инструментов, для которого в vLLM предусмотрен парсер Mi:dm. Лицензия — MIT. Понимание и генерация на языках, кроме корейского и английского, не гарантированы. Ответы могут содержать фактические ошибки или неуместные выражения; модель не гарантирует надёжность профессиональных рекомендаций в медицине, праве и финансах.

Модель разработана Labagaite и представляет собой дообученную инструктивную Mistral 7B для суммаризации французских транскрипций аудиоподкастов. Она предназначена для создания кратких изложений транскриптов и может применяться в инструментах подготовки отчётов по встречам. Обучение проводилось на наборе fr-summarizer-dataset объёмом 1,97 тыс. обучающих и 440 проверочных примеров в формате диалога ChatML. Модель построена на архитектуре MistralForCausalLM, содержит 7,1 млрд параметров и имеет контекст до 32 768 токенов. Это текстовая модель: она принимает текст транскрипта и генерирует текстовое резюме. Опубликованные веса представлены в safetensors; модель дообучена от unsloth/mistral-7b-instruct-v0.2-bnb-4bit и загружена как 16-битная версия. Лицензия — Apache-2.0.

Munin-NeuralBeagle-NorskGPT — объединённая языковая модель на архитектуре Mistral, опубликованная birgermoell. Веса получены слиянием моделей через LazyMergekit: в конфигурации указаны RJuro/munin-neuralbeagle-7b и bineric/NorskGPT-Mistral-7b с методом dare_ties. Метаданные указывают 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста; базовая NorskGPT-Mistral-7b ориентирована на суммаризацию, ответы на вопросы и общение на норвежском языке. Карточка не описывает отдельные возможности объединённого чекпойнта или его качество. Репозиторий содержит веса в формате safetensors; сведения о лицензии в доступных данных отсутствуют.

NorskGPT-ChimeraLlama-3 — модель генерации текста, созданная слиянием предварительно обученных языковых моделей методом DARE TIES с помощью mergekit. В качестве базовой использована bineric/NorskGPT-Llama3-8b, также в слияние включена mlabonne/ChimeraLlama-3-8B. Модель построена на архитектуре Llama и содержит 7,5 млрд параметров. Модель предназначена для генерации текста и диалоговых сценариев; исходная NorskGPT-Llama3-8b описана как норвежскоязычная модель для диалогов, ответов на вопросы и суммаризации. Контекст составляет до 8192 токенов. Репозиторий содержит веса Safetensors, использовать модель можно через Transformers. Лицензия в предоставленных данных не указана.

piotr-ai/polanka_3.7b_exp_260922 — разговорная языковая модель от разработчика piotr-ai, основанная на архитектуре Qwen3 MoE. Она предназначена для генерации текста в чате и поддерживает интерфейс вызова инструментов. Карточка демонстрирует примеры запросов на польском, английском и китайском языках; метаданные также перечисляют поддержку чешского, словацкого, украинского, русского, итальянского, испанского, французского, немецкого, португальского и литовского языков. Модель содержит 3,7 млрд параметров, работает с контекстом до 40 960 токенов и распространяется в формате safetensors по лицензии Apache-2.0. В метаданных не указана базовая модель, поэтому происхождение относительно Qwen3 MoE установить нельзя. Карточка содержит лишь несколько простых примеров и не приводит результатов оценки качества; возможности модели в конкретных задачах по ним определить нельзя.

jaeyong2/Qwen2.5-1.5B-Instruct-Ja-SFT — компактная языковая модель на архитектуре Qwen2, дообученная разработчиком на базе Qwen/Qwen2.5-1.5B-Instruct. Она предназначена для генерации текста и диалогов, в первую очередь на японском и английском языках. Модель содержит 1,5 млрд параметров, использует формат Safetensors и поддерживает контекст до 32 768 токенов. В README приведены результаты оценки на llm-jp-eval: среднее значение 0,4540 для дообученной модели против 0,4343 для исходной Qwen2.5-1.5B-Instruct и 0,4315 для Gemma 2 2B Japanese IT. Эти значения относятся к конкретной оценке и не гарантируют качество на других задачах. Модель распространяется по лицензии Apache-2.0.

jaeyong2/Qwen2.5-3B-Instruct-Viet-SFT — дообученная авторами репозитория модель на основе Qwen/Qwen2.5-3B-Instruct. Это плотная причинно-языковая модель семейства Qwen2, предназначенная для генерации текста и диалогов; метаданные указывают интерфейс вызова инструментов. Модель содержит 3,1 млрд параметров и поддерживает контекст до 32 768 токенов. Карточка модели не содержит содержательного описания или сведений о данных дообучения, поэтому назначение Viet-SFT и конкретные преимущества для вьетнамского языка подтвердить нельзя. Метаданные карточки указывают вьетнамский и английский языки. Репозиторий распространяет веса в формате safetensors; лицензия обозначена как other, без конкретных условий в предоставленных данных.

Qwen3-ASR-1.7B-hf Orze — дообученная и полностью объединённая специализация модели Qwen/Qwen3-ASR-1.7B-hf от Orze для распознавания английской речи. Это плотная аудиотекстовая модель для транскрибации коротких аудиозаписей; она загружается напрямую через Transformers и использует детерминированное beam search-декодирование с четырьмя лучами. Веса в формате safetensors содержат около 2,04 млрд параметров. Модель обучали на открытых англоязычных наборах, включая Switchboard, Common Voice, TED-LIUM, AMI, LibriSpeech, VoxPopuli, Earnings22 и SPGISpeech. Она предназначена для транскрибации разговоров, выступлений и других коротких записей на английском языке. В README приведены результаты самостоятельной оценки на открытых тестовых наборах, однако публичные тестовые оценки участвовали в выборе чекпойнта и настроек декодирования, поэтому эти результаты не являются независимой оценкой обобщения и не подтверждены владельцами лидерборда. Мультиязычные возможности исходной модели после дообучения не проверялись; для задач, где важна широкая мультиязычная поддержка, README рекомендует исходный чекпойнт. Модель распространяется по лицензии Apache-2.0.

Sophea-Nemo-3.5-Lightning-v1 — модель Kiefer SA (Sophea AI Lab, Афины), дообученная на базе nvidia/Nemotron-3.5-Lightning-30B-A3B для рассуждений на греческом и английском языках. Это гибридная архитектура Nemotron с Mamba и MoE; базовая модель содержит 31,6 млрд параметров, из которых активно используются 3,58 млрд. Модель поддерживает генерацию текста и диалоговый режим, длина контекста составляет 262 144 токена. Модель предназначена для ответов с рассуждениями на языке исходного вопроса, особенно на греческом, а также для двуязычных задач на греческом и английском. Режим рассуждений передаёт ход решения в специальных блоках; прямой режим выдаёт ответ без незапрошенных следов рассуждения. В README сообщается о повышении греческих результатов относительно базы и небольшом снижении английских, а также о сохранении общих двуязычных навыков в проверенных тестах. Модель не следует использовать там, где требуется принудительно вести рассуждения на английском для греческих вопросов. Возможности в критически важных, юридических и медицинских сценариях не оценивались; качество логических задач ограничено. Лицензия — Apache-2.0.

SPUPER-qwen3.5-9b-acaciawl-add — дообученная мультимодальная модель семейства Qwen3.5, созданная на основе Qwen/Qwen3.5-9B с помощью TRL. Она предназначена для диалогового взаимодействия и обработки запросов с изображениями; в карточке приведён пример генерации ответа на текстовый вопрос через Transformers. Модель имеет плотную архитектуру Qwen3_5ForConditionalGeneration и распространяется в формате safetensors. Метаданные указывают на поддержку зрения и чата. Лицензия, языки и размер контекста в предоставленных данных не описаны.

Suri Qwen 3.5 27B Uncensored — диалоговая модель Space Time на архитектуре Qwen3.5 с 27 млрд параметров. Это вариант без выравнивания, созданный на основе Qwen3.5 27B и предназначенный для общения, в том числе на чувствительные темы; метаданные также отмечают поддержку анализа изображений. В карточке указаны датасеты для китайского и английского языков. Модель работает с текстом и изображениями и выдаёт текстовые ответы. Разработчик сообщает, что снятие ограничений на чувствительных темах выражено слабее, чем у Suri Qwen 3.5 4B Uncensored. В репозитории указаны формат safetensors и библиотека Transformers; лицензия в предоставленных сведениях не описана.