III.4Клиентская поддержка и customer success

jordiclive/instruction-tuned-gpt-neox-20b — экспериментальная языковая модель на архитектуре GPT-NeoX, дообученная следовать инструкциям и генерировать текст. Модель содержит 26,9 млрд параметров, принимает текст и выдаёт текст; нативная длина контекста — 2048 токенов. Её можно применять для ответов на инструкции и запросы, генерации продолжений и других текстовых задач общего назначения. В карточке не приведены сведения о специальных предметных областях или поддерживаемых естественных языках. Модель экспериментальная; лицензия в предоставленных данных не указана.

Это диалоговая версия JAIS Family — двуязычной языковой модели, разработанной Inception и Cerebras Systems и дообученной на инструкциях на арабском и английском языках. Репозиторий содержит дообучение базовой модели inceptionai/jais-family-256m; архитектура — плотная авторегрессионная JAISLMHeadModel, веса сохранены в формате Safetensors. Модель принимает текст и генерирует текст, контекст — до 2048 токенов. Модель предназначена для двуязычного диалога, ответов на вопросы и других задач генерации и анализа текста, особенно на современном стандартном арабском и английском. Размер этой версии — 256 млн параметров согласно идентификатору базовой модели; README описывает семейство в целом, а не характеристики именно этого размера. Лицензия Apache 2.0 разрешает использование и распространение. Возможны фактические ошибки, предвзятость и неподходящие ответы; модель не следует использовать для решений с высокими последствиями без контроля человека, а её знания других языков и диалектов не гарантированы.

K2S3-Mistral-7b-v1.0 — языковая модель, разработанная K2S3 и дообученная методом supervised fine-tuning с настройкой всех параметров на базе mistralai/Mistral-7B-v0.1. Для обучения использовались alpaca-gpt4-data и образцы из OpenOrca Dataset. Модель относится к плотной архитектуре MistralForCausalLM, содержит 7,2 млрд параметров и поддерживает контекст до 32 768 токенов. Она предназначена для генерации текста и выполнения инструкций в текстовом формате. В метаданных указан английский язык. Модель распространяется в формате safetensors по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Карточка модели 4bit/Llama-2-7b-chat-hf на Hugging Face совпадает с карточкой NousResearch/Llama-2-7b-chat-hf, поэтому описание составлено по ней. NousResearch/Llama-2-7b-chat-hf — диалоговая языковая модель семейства Llama 2, разработанного Meta и опубликованная в формате Hugging Face Transformers. Это плотный авторегрессионный трансформер с 6,6 млрд параметров; веса представлены в форматах PyTorch и Safetensors. Модель принимает текст и генерирует текст, а её контекст составляет 4096 токенов. Модель дообучена с помощью supervised fine-tuning и обучения с подкреплением по человеческим отзывам для диалогов в формате помощника. Она предназначена для ответов на вопросы, ведения диалога и генерации текста на английском языке. Для ожидаемого поведения нужно соблюдать форматирование Llama 2 Chat с соответствующими маркерами инструкций и токенами. Модель может выдавать неточные, предвзятые или нежелательные ответы, а проведённые оценки не охватывают все возможные сценарии. Данные предобучения имеют срез до сентября 2022 года. Использование регулируется собственной лицензией Meta для Llama 2; для получения весов требуется принять её условия.

Llama-3-8B-Magpie-Align-v0.3 — диалоговая языковая модель семейства Llama 3, разработанная Magpie-Align и дообученная на базе Meta-Llama-3-8B. Модель прошла supervised fine-tuning на наборах Magpie с данными на английском и китайском языках, а затем дополнительное обучение предпочтениям методом DPO на наборе UltraFeedback. Архитектура — плотная авторегрессионная LlamaForCausalLM, размер — 7,5 млрд параметров, контекст — до 8192 токенов. Модель предназначена для диалогов, генерации ответов на инструкции и рассуждений; китайские инструкции включены в обучающие данные. В карточке приведены результаты на Alpaca Eval 2, Arena Hard, WildBench и Zero-Eval GSM, однако они не гарантируют аналогичного качества на других задачах или языках. Для работы рекомендуется официальный шаблон чата Llama 3. Лицензия — Meta Llama 3 Community License.

Llama3-ChatQA-1.5-70B-GGUF — квантизированная в формате GGUF версия модели Llama3-ChatQA-1.5-70B, разработанной NVIDIA. Квантизацию выполнил bartowski на основе llama.cpp. Модель построена на базовой архитектуре Llama 3 и содержит 70 миллиардов параметров. Основное назначение модели — conversational question answering и retrieval-augmented generation (RAG): ответы на вопросы с опорой на предоставленный контекст, извлечение сведений и суммаризация контекста. Она ориентирована прежде всего на англоязычные сценарии и также может применяться для общего текстового общения. Улучшенная обучающая методика и дополнительные данные для conversational QA повышают возможности работы с таблицами и арифметическими вычислениями. Модель является текстовой и поддерживает генерацию текста; заявленный язык — английский. Рекомендуется явно передавать релевантный контекст и указывать модели сообщать, если ответ отсутствует в нём. README не содержит сведений о размере контекстного окна и конкретном типе квантизации, поэтому эти характеристики нельзя уточнить. Лицензия указана как llama3; условия её применения следует проверять по лицензии исходной модели NVIDIA.

KaraKaraWarehouse/Llama-MiraiFanfare-2-3.3-70B — объединённая языковая модель на архитектуре Llama, созданная методом TIES с помощью mergekit. В слияние вошли Blackroot/Mirai-3.0-70B и EVA-UNIT-01/EVA-LLaMA-3.33-70B-v0.1; базовой моделью для слияния указана EVA-UNIT-01/EVA-LLaMA-3.33-70B-v0.1. Модель содержит 69,5 млрд параметров и использует формат safetensors. Модель предназначена для генерации текста и диалогового взаимодействия. Контекстное окно составляет 131 072 токена, что подходит для работы с длинными запросами и документами. В README не описаны специализированные области применения или языковые ограничения. Карточка не указывает лицензию. Качество и ограничения слияния отдельно не описаны; поведение может зависеть от сочетания исходных моделей.

Карточка модели Edgerunners/Lyraea-large-llama-3.1 на Hugging Face совпадает с карточкой Edgerunners/Lyraea-medium-llama-3.1, поэтому описание составлено по ней. Lyraea-medium-llama-3.1 — разговорная языковая модель семейства Llama 3.1, опубликованная Edgerunners. Это средний вариант серии small, medium и large, созданной на основе llama-3.1-8b-128k uncensored. Модель предназначена для генерации текста в диалоговом формате; автор отмечает, что варианты серии имеют разные сценарии применения. Модель имеет плотную архитектуру LlamaForCausalLM и около 7,5 млрд параметров. Она принимает текст и генерирует текст, поддерживает контекст до 131 072 токенов. В репозитории представлены веса Safetensors. Языковые сведения в карточке не приводятся. Модель предоставляется «как есть» и «по мере доступности», без гарантий; провайдер снимает с себя ответственность за ущерб и не гарантирует соответствие конкретным требованиям или безошибочную работу. Сведения о лицензии в доступных данных отсутствуют.

M7Yamshadowexperiment28_YamYam — объединённая модель для генерации текста, опубликованная MaziyarPanahi. Она создана на основе automerger/M7Yamshadowexperiment28-7B и automerger/YamYam-7B; в метаданных архитектура указана как плотная MistralForCausalLM с 7,1 млрд параметров. Модель принимает текст и генерирует текст, поддерживая контекст до 32 768 токенов. Модель подходит для диалоговой генерации, написания и продолжения текста, а также для задач, где требуется учитывать длинный контекст. Репозиторий содержит веса в формате safetensors. Лицензия — Apache 2.0. В карточке не описаны специальные предметные области или подтверждённые ограничения качества; возможности следует оценивать на целевых задачах.

Magnolia-v4-12B — языковая модель для генерации текста, созданная автором grimjim слиянием методом SLERP моделей grimjim/Magnolia-v3-12B и intervitens/mini-magnum-12b-v1.1. По сравнению с v3 автор описывает её как вариант с изменённым стилем генерации. Модель построена на архитектуре Mistral, содержит 12,1 млрд параметров и рассчитана на контекст до 131 072 токенов. Модель подходит для диалогов и генерации ответов на нескольких языках, а также для задач продолжения текста. Она распространяется в формате Safetensors; лицензия — Apache-2.0. Качество и языковой охват в README подробно не оцениваются.

MamayLM-Gemma-3-27B-IT-v2.0 — украински адаптированная мультимодальная языковая модель, разработанная INSAIT на основе Google Gemma 3 27B IT. Это плотная модель архитектуры Gemma 3 с 27 млрд параметров, предназначенная для диалогов, следования инструкциям и понимания изображений вместе с текстом. Карточка описывает улучшенную поддержку украинского языка и культурного контекста, многоходовые беседы и сложные инструкции; также модель поддерживает английский язык. Модель подходит для ответов на вопросы по тексту и изображениям, диалоговых помощников и анализа визуального содержимого с учётом текстового контекста. Данные предобучения охватывают период до мая 2025 года, а инструкционная настройка — до октября 2025 года. Репозиторий содержит веса в формате Safetensors; для работы с изображениями требуется сохранять корректную обработку vision-компонентов. Лицензия — Gemma.

MarcoHermes — языковая модель, созданная слиянием моделей AtAndDev/CapybaraMarcoroni-7B и eren23/DistilHermes-2.5-Mistral-7B с помощью mergekit. Это плотная MistralForCausalLM-модель с 7,1 млрд параметров, предназначенная для генерации текста. В конфигурации использован метод slerp; веса опубликованы в формате safetensors. Модель подходит для генерации ответов и диалогового текста, а также для других сценариев, основанных на продолжении текста. Максимальная длина контекста составляет 32 768 токенов. Лицензия — Apache-2.0. В карточке не приведены оценки качества или сведения о поддерживаемых языках; возможности модели следует проверять на целевых задачах.

MERaLiON-AudioLLM-Whisper-SEA-LION — аудиотекстовая языковая модель, разработанная I2R при A*STAR совместно с AI Singapore. Она предназначена для распознавания и понимания речи, особенно в многоязычной среде Сингапура с местными акцентами, диалектами и переключением языков. Модель содержит 8,1 млрд параметров; в её архитектуре сочетаются аудиоэнкодер на основе дообученного Whisper-large-v2, адаптер и текстовый декодер SEA-LION V3. Она принимает аудио и текстовые инструкции и генерирует текстовый ответ. Для аудио заявлены монофонический формат, частота 16 кГц и длительность до 30 секунд. Модель обучена на 260 000 часах аудио и рассчитана на распознавание речи, перевод речи, ответы на вопросы по аудио, суммаризацию диалогов, выполнение речевых инструкций и анализ паралингвистических признаков. Основной язык — английский, включая сингапурский вариант; также поддерживаются языки, совместимые с Whisper и SEA-LION. Модель доступна для Transformers и vLLM и распространяется по MERaLiON Public License. Авторы отмечают её результаты на сингапурских данных; отдельно модель не предназначена для вызова инструментов, математики и программирования.

miqu-1-120b — крупная текстовая языковая модель, созданная wolfram с помощью mergekit: слои модели miqu-1-70b-sf были объединены методом passthrough в конфигурацию из 140 слоёв. Модель содержит около 120,1 млрд параметров, использует архитектуру Llama и рассчитана на генерацию текста и диалоговое общение. Максимальный контекст — 32 764 токена; в README указан шаблон запросов Mistral `[INST] ... [/INST]`. Модель предназначена для диалогов, ответов на вопросы, написания и продолжения текста. В карточке перечислены английский, немецкий, французский, испанский и итальянский; отзывы пользователей отмечают связность диалога и удержание контекста, а также отдельные случаи слабого следования инструкциям. Доступны варианты квантования EXL2 и GGUF. Лицензия указана как `other`; README сообщает, что использованы утёкшие веса, поэтому правовой статус и условия использования требуют отдельной проверки.

cloudyu/mistral_28B_instruct_v0.2 — плотная языковая модель на архитектуре Mistral с 28 млрд параметров и контекстом до 32 768 токенов. В README указано, что модель имеет 128 слоёв и была обучена методом DPO на наборе Intel/orca_dpo_pairs; заявленный шаблон использует инструкцию, входные данные и ответ. Модель предназначена для диалоговой генерации текста и выполнения инструкций в текстовом формате. Её можно применять для ответов на вопросы, составления текстов и интерактивных чат-сценариев. Карточка не указывает поддерживаемые естественные языки и конкретные предметные области. Репозиторий содержит веса в формате safetensors. Лицензия — CC BY 4.0. README не приводит оценок качества или подробных сведений о рекомендуемых аппаратных требованиях; указанное число слоёв не подтверждено метаданными.

Mistral-Small-24B-Instruct-2501-4bit — это 4-битная версия модели Mistral-Small-24B-Instruct-2501, преобразованная сообществом mlx-community в формат MLX с использованием mlx-lm 0.21.0. Исходная модель опубликована под пространством имён mistralai и предназначена для выполнения инструкций и диалогового взаимодействия с пользователем. Модель рассчитана на задачи генерации текста, ответов на вопросы и других сценариев, где требуется инструктивное или чат-взаимодействие. Заявлены английский, французский, немецкий, испанский, итальянский, португальский, китайский, японский, русский и корейский языки. Размер исходной модели составляет 24 миллиарда параметров; версия использует 4-битное квантование и формат MLX, что ориентировано на запуск в совместимой MLX-среде. Сведения о длине контекста, точной архитектуре и мультимодальных возможностях в README не указаны. К сильным сторонам относятся поддержка нескольких языков, инструктивный формат и адаптация для использования с MLX через библиотеку mlx-lm. Ограничения включают отсутствие в предоставленных данных подробных результатов оценки, сведений о качестве на отдельных языках и характеристик производительности. Модель распространяется по лицензии Apache 2.0.

bigscience/mt0-xl — мультиязычная модель BigScience для выполнения инструкций на естественном языке. Она основана на архитектуре encoder-decoder mT5-XL и дообучена на смеси межъязыковых задач xP3, чтобы обобщать инструкции на ранее не встречавшиеся задачи и языки. Модель содержит 1,9 млрд параметров и предназначена для генерации текста по запросу, включая перевод, ответы на вопросы, классификацию по текстовой инструкции и создание историй. Модель принимает текстовые запросы и выдаёт текст. В карточке указана поддержка десятков языков; примеры охватывают перевод с французского, запросы на вьетнамском и испанском и ответ на телугу. Опубликована в форматах PyTorch и safetensors, лицензия — Apache-2.0. Качество зависит от формулировки запроса: рекомендуется ясно обозначать границы входного текста и задавать нужный язык ответа. Модель обучена на мультиязычных данных, но её результаты на разных языках и задачах могут различаться.

zelk12/MT2-Gen4-MA-gemma-2-N3N1532-9B — языковая модель Gemma 2 с 9 млрд параметров, созданная слиянием двух моделей методом SLERP с помощью mergekit. В состав слияния вошли nhyha/N3N_gemma-2-9b-it_20241029_1532 и allknowingroger/Gemmaslerp2-9B; веса сохранены в формате safetensors, библиотека для работы — Transformers. Модель предназначена для генерации текста и диалогового общения. Она принимает текст и выдаёт текст, поддерживает контекст до 8192 токенов. Карточка не уточняет поддерживаемые языки и специализированные области применения, поэтому модель следует рассматривать как общего назначения. Репозиторий не сообщает результатов оценки качества или известных ограничений. Лицензия в предоставленных данных не указана.

zelk12/MT3-Gen5-MA-gemma-2-MT2E-9B_v1 — объединённая языковая модель, созданная автором репозитория с помощью mergekit из Aashraf995/Gemma-Evo-10B и zelk12/MT2-gemma-2-9B. Для слияния применён метод SLERP с параметром t=0.25; в метаданных указаны архитектура Gemma 2, плотная модель с 9 млрд параметров и формат safetensors. Модель предназначена для генерации текста и диалогового взаимодействия. Она принимает текстовые запросы и выдаёт текст, поддерживает контекст до 8192 токенов и работает через библиотеку Transformers. Метаданные указывают задачу text-generation и возможность chat. Из README известны состав и метод слияния; сведений о сравнительной точности или специализированных областях применения нет. Лицензия в предоставленных данных не указана.

zelk12/MT-Gen5-MM-gemma-2-MT4g2MT5g4-9B — объединённая модель семейства Gemma 2, созданная разработчиком с помощью mergekit методом SLERP из zelk12/MT5-Gen4-gemma-2-9B и zelk12/MT4-Gen2-gemma-2-9B. Это плотная авторегрессионная языковая модель с 9 млрд параметров для диалогов и генерации текста; она принимает текст и выдаёт текст. Модель доступна в формате safetensors, работает с Transformers и поддерживает контекст до 8192 токенов. Модель подходит для чат-ботов, ведения диалога и генерации текстовых ответов. В карточке не приведены сведения о целевых языках, специализированных областях или результатах оценки качества, поэтому нельзя определить её сильные стороны и языковый охват точнее. Лицензия в предоставленных данных не указана.

NeuralKybalion-7B-slerp-v3 — объединённая модель, созданная Kukedlc с помощью LazyMergekit на основе трёх моделей NeuralKybalion и experiment26-truthy-iter-0. Это плотная авторегрессионная языковая модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста. Она принимает текст и выдаёт текст; заявленный контекст составляет 32 768 токенов. Репозиторий содержит веса в формате Safetensors. Модель распространяется по лицензии Apache-2.0.

OpenBuddy Llama2 13B v11.1 — языковая модель для генерации текста и диалогового взаимодействия, разработанная командой OpenBuddy на базе Llama 2. В данном репозитории представлены квантизированные файлы в формате GGUF, подготовленные TheBloke. Модель ориентирована на роль универсального помощника Buddy: ответы на вопросы, поддержка диалога, объяснение информации и генерация текста. Модель имеет архитектуру Llama и размер 13 млрд параметров. Доступны варианты квантизации от 2 до 8 бит, что позволяет использовать её для CPU-, GPU- и комбинированного инференса через llama.cpp и совместимые приложения. В заявленных метаданных указаны языки: китайский, английский, французский, немецкий, японский, корейский, итальянский и русский. Мультимодальность не заявлена; модель предназначена для работы с текстом. Контекстное окно в предоставленных данных не указано. В prompt template приведено ограничение знаний до сентября 2021 года. К сильным сторонам относятся многоязычность, наличие нескольких уровней квантизации и широкая совместимость с локальными инструментами запуска. Ограничения включают возможное снижение качества при сильной квантизации, отсутствие заявленной работы с изображениями и другими модальностями, а также ограниченность знаний датой отсечения. Модель распространяется по лицензии Llama 2.

Карточка модели OpenBuddy/openbuddy-yi1.5-34b-v21.2-32k на Hugging Face совпадает с карточкой OpenBuddy/openbuddy-yi1.5-34b-v21.6-32k-fp16, поэтому описание составлено по ней. OpenBuddy-Yi1.5-34B-v21.6-32K-FP16 — многоязычная чат-модель OpenBuddy для генерации ответов в диалоге. Она основана на плотной архитектуре семейства Llama и содержит 33,9 млрд параметров; репозиторий включает веса Safetensors для Transformers. Модель рассчитана на общение на китайском, английском, французском, немецком, японском, корейском, итальянском, русском и финском языках. Модель подходит для чат-ботов, ответов на вопросы и генерации текста в многоязычных сценариях. В README описан специальный формат запросов и отмечена совместимость с Transformers и vLLM; в названии модели указано 32K, а метаданные сообщают о нативном контексте 131072 токена. Лицензия — Apache 2.0. Разработчики предупреждают, что ответы могут быть ошибочными, вредными или оскорбительными, и не рекомендуют использовать модель для медицинских, финансовых, юридических и иных критически важных решений.

OpenBuddy-Yi1.5-34B-v21.6-32K-FP16 — многоязычная чат-модель OpenBuddy для генерации ответов в диалоге. Она основана на плотной архитектуре семейства Llama и содержит 33,9 млрд параметров; репозиторий включает веса Safetensors для Transformers. Модель рассчитана на общение на китайском, английском, французском, немецком, японском, корейском, итальянском, русском и финском языках. Модель подходит для чат-ботов, ответов на вопросы и генерации текста в многоязычных сценариях. В README описан специальный формат запросов и отмечена совместимость с Transformers и vLLM; в названии модели указано 32K, а метаданные сообщают о нативном контексте 131072 токена. Лицензия — Apache 2.0. Разработчики предупреждают, что ответы могут быть ошибочными, вредными или оскорбительными, и не рекомендуют использовать модель для медицинских, финансовых, юридических и иных критически важных решений.

ClaudioItaly/Phatos-V.3 — слитая текстовая модель на архитектуре Mistral, созданная ClaudioItaly с помощью mergekit методом TIES. В качестве базовой модели использована ClaudioItaly/TopEvolutionWiz; в слияние также вошли Gille/StrangeMerges_32-7B-slerp, Kukedlc/NeuralContamination-7B-ties и Kukedlc/NeuralTopBench-7B-ties. Модель содержит 7,1 млрд параметров, работает с текстом и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста и может применяться для диалогов, подготовки развернутых ответов на вопросы и других текстовых задач общего назначения. Файлы опубликованы в формате safetensors для библиотеки Transformers. Лицензия и сведения о поддерживаемых естественных языках в предоставленных данных отсутствуют.

Pyrhea-72B — объединённая языковая модель на основе Llama, созданная автором saucam с помощью Mergekit из davidkim205/Rhea-72b-v0.5 и abacusai/Smaug-72B-v0.1. Она предназначена для генерации текста, включая диалог и ответы на вопросы. Модель содержит 71 млрд параметров и поддерживает контекст длиной до 32 768 токенов. В объединении использован метод dare_ties с настройками весов 0,6 для Rhea и 0,4 для Smaug; указаны bf16 и int8-маска. Репозиторий содержит веса Safetensors. Модель распространяется по лицензии Apache-2.0. Карточка не сообщает конкретные языковые ограничения и результаты оценки качества.

Dohyeon1/Qwen3-30B-A3B-HC-SMoE-ngroups64 — языковая модель для генерации текста, опубликованная на Hugging Face в формате, совместимом с библиотекой Transformers. По метаданным она относится к семейству Qwen3 и использует архитектуру Mixture-of-Experts; название модели также указывает на разреженную MoE-конфигурацию с 64 группами экспертов. Модель предназначена для генерации продолжений текста, диалоговых ответов, черновиков и других текстовых материалов. Она поддерживает контекст длиной до 40960 токенов и имеет 2,6 млрд параметров по метаданным, что делает её пригодной для локального или серверного развёртывания при наличии соответствующих вычислительных ресурсов. В README отсутствуют сведения о разработчике, языках обучения, лицензии, обучающих данных, результатах оценки и специальных ограничениях. Поэтому перед использованием в продуктивных сценариях необходимо самостоятельно проверить качество на целевых данных, безопасность ответов и условия распространения модели.

Qwen3-Omni-30B-A3B-Instruct — мультимодальная модель общего назначения от команды Qwen компании Alibaba. Она принимает текст, изображения, аудио и видео и формирует потоковые ответы текстом и естественной речью; вариант Instruct включает компоненты Thinker и Talker. Архитектура MoE использует разделение на Thinker и Talker, а модель рассчитана на низколатентное взаимодействие в реальном времени и управление поведением через системные промпты. Модель предназначена для голосовых диалогов, распознавания и понимания речи, описания аудио и видео, а также ответов на вопросы по изображениям и смешанным мультимодальным входам. README заявляет поддержку 119 языков для текста, 19 языков для речевого ввода и 10 для речевого вывода; среди явно перечисленных языков речи есть русский. В примере запуска указан максимальный контекст 65 536 токенов. Для работы предлагаются Transformers и vLLM; README отмечает, что на момент публикации требовалась установка Transformers из исходников. Лицензия в метаданных обозначена как other, без уточнения условий.

Карточка модели Umbasa/Qwen3-Omni-30B-A3B-Instruct-UMBASA-V1 на Hugging Face совпадает с карточкой Qwen/Qwen3-Omni-30B-A3B-Instruct, поэтому описание составлено по ней. Qwen3-Omni-30B-A3B-Instruct — мультимодальная модель общего назначения от команды Qwen компании Alibaba. Она принимает текст, изображения, аудио и видео и формирует потоковые ответы текстом и естественной речью; вариант Instruct включает компоненты Thinker и Talker. Архитектура MoE использует разделение на Thinker и Talker, а модель рассчитана на низколатентное взаимодействие в реальном времени и управление поведением через системные промпты. Модель предназначена для голосовых диалогов, распознавания и понимания речи, описания аудио и видео, а также ответов на вопросы по изображениям и смешанным мультимодальным входам. README заявляет поддержку 119 языков для текста, 19 языков для речевого ввода и 10 для речевого вывода; среди явно перечисленных языков речи есть русский. В примере запуска указан максимальный контекст 65 536 токенов. Для работы предлагаются Transformers и vLLM; README отмечает, что на момент публикации требовалась установка Transformers из исходников. Лицензия в метаданных обозначена как other, без уточнения условий.

Инструктивная русскоязычная версия Qwen2.5-3B, разработанная RefalMachine на основе модели RefalMachine/ruadapt_qwen2.5_3B_ext_u48_full_lr5e4_peft_mlp_32_32_bs256. Это плотная языковая модель Qwen2 с 3,1 млрд параметров, контекстом до 32 768 токенов и форматом весов safetensors. В модели заменили токенизатор на расширенный вариант cl100k с униграмным словарём на 48 тысяч токенов, затем провели дообучение на русскоязычном корпусе и применили Learned Embedding Propagation (LEP). Модель предназначена для диалогов и генерации русскоязычного текста по инструкциям. Авторы сообщают об увеличении скорости генерации русских текстов до 60% относительно исходной Qwen2.5-3B-Instruct при сравнении на одинаковых последовательностях; в README также упомянуты оценки на Ru-Arena-General, MERA и llmtf_open, но полные результаты не приведены. Метаданные указывают интерфейс вызова инструментов, однако README не описывает его применение. Модель принимает текст и выдаёт текст. Авторы предупреждают, что ответы могут отражать знания и мнения, усвоенные на этапах обучения, и рекомендуют использовать её с осторожностью. Условия лицензии в предоставленных данных не указаны.