III.4Клиентская поддержка и customer success

Tulu V2.5 PPO 13B UltraFeedback Mean — англоязычная чат-модель-помощник от AllenAI. Это плотная авторегрессионная модель семейства Llama с 12,9 млрд параметров и контекстом 4096 токенов, дообученная на основе allenai/tulu-2-13b. Для выравнивания ответов использовалось обучение PPO на UltraFeedback: оценки по отдельным аспектам помогали выбирать предпочтительные ответы; обучение проводилось на промптах из этого набора. Модель поддерживает диалоговый шаблон токенизатора и генерирует текст в ответ на инструкции и сообщения пользователя. Модель подходит для англоязычных диалогов с помощником, ответов на вопросы и выполнения текстовых инструкций. Карточка предупреждает, что модель не обучалась выдавать безопасные ответы и не использует фильтрацию на этапе генерации, поэтому может формировать проблемный контент, особенно по соответствующему запросу. Лицензия — Apache 2.0.

Turkish-LLM-32B-Instruct-GGUF — набор GGUF-квантизаций инструкционной языковой модели Turkish-LLM-32B-Instruct, разработанной ogulcanaydogan. Модель предназначена для генерации текста и работы с инструкциями, прежде всего на турецком и английском языках. Она подходит для локального запуска через Ollama и llama.cpp, включая задачи диалога, ответов на вопросы и создания текстов. Модель имеет размер 32B параметров; в метаданных также указана архитектура Qwen2. Доступны варианты Q4_K_M размером 19 ГБ, Q5_K_M размером 22 ГБ, Q8_0 размером 33 ГБ и F16 размером 62 ГБ. Q4_K_M обозначен как рекомендуемый баланс качества и размера, Q5_K_M предлагает более высокое качество при большем размере, Q8_0 близок к исходному качеству и требует более 40 ГБ VRAM, а F16 предназначен преимущественно для исследовательского использования. Размер контекстного окна и поддержка дополнительных модальностей не указаны; по назначению это текстовая модель. Сильной стороной модели является специализация на турецком языке при сохранении поддержки английского, а также возможность выбора между несколькими уровнями квантизации для разных аппаратных ресурсов. В приведённых тестах она немного превосходит базовую модель в MMLU-TR и XNLI-TR, но уступает ей в XCOPA-TR, поэтому результаты зависят от типа задачи. Модель распространяется по лицензии Apache-2.0.

TroyDoesAI/Unrestricted-Knowledge-Will-Not-Refuse-15B — разговорная языковая модель для генерации текста, созданная слиянием предобученных моделей с помощью mergekit и метода SLERP. В слиянии участвовали TroyDoesAI/Little-Too-Toxic и TroyDoesAI/UncensoredLM-Medium-NotLeft. Модель относится к семейству Mistral, использует плотную архитектуру MistralForCausalLM и содержит 14,7 млрд параметров. Модель предназначена для диалоговой генерации текста. Заявленная длина контекста составляет 1 024 000 токенов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Сведения о поддерживаемых естественных языках и лицензии в предоставленных материалах отсутствуют, поэтому условия распространения по ним определить нельзя.

Карточка модели pythainlp/wangchanglm-7.5B-sft-enth-sharded на Hugging Face совпадает с карточкой pythainlp/wangchanglm-7.5B-sft-enth, поэтому описание составлено по ней. WangChanGLM-7.5B-sft-enth — разработанная PyThaiNLP и VISTEC-depa AI Research Institute of Thailand версия XGLM-7.5B, дообученная следовать инструкциям. Модель содержит 8,6 млрд параметров, использует архитектуру XGLM и принимает текстовые запросы, генерируя текст; длина контекста — 2048 токенов. Модель предназначена для ответов на вопросы по тексту, мозгового штурма и творческого письма. Этот вариант дополнительно дообучен на тайских данных, переведённых с помощью Google Translate; в карточке также указана оценка возможностей для английского, тайского, японского и вьетнамского языков. Для обучения использованы открытые наборы данных, включая OIG, Dolly v2, OpenAI TL;DR и HC3. Лицензия весов — CC-BY-SA 4.0. Модель слабо подходит для математики, сложных рассуждений и ответов, требующих фактической точности. В карточке также отмечены нежелательные предубеждения и токсичность; перед применением в конкретной задаче рекомендуется дополнительная проверка.

WangChanLion 7B — мультиязычная инструкция-следующая модель, разработанная PyThaiNLP и VISTEC-depa AI Research Institute of Thailand на базе SEA-LION 7B с архитектурой MPT. Модель дообучена методом QLoRA на примерно 500 тысячах примеров из открытых наборов данных; основное внимание уделено тайскому и английскому языкам. Модель предназначена для ответов на вопросы по тексту, чтения с пониманием, мозгового штурма и творческого письма. Её можно дообучать для других типичных сценариев следования инструкциям. Модель принимает текстовые инструкции и генерирует текст; размер базовой модели — 7 млрд параметров. Лицензия Apache-2.0 разрешает коммерческое использование. Разработчики отмечают ограничения в математике, рассуждениях и достоверности фактов, а также возможность нежелательных предубеждений и токсичных ответов. Для задач, где важны точность фактов или безопасный тон, результаты следует проверять и адаптировать под конкретный сценарий.

Wicked Moondust 12B — слитая языковая модель, созданная с помощью mergekit методом Arcee Fusion из Vortex5/Ethereal-Stardust-12B, Vortex5/Wicked-Oblivion-12B и Vortex5/Nether-Moon-12B. Модель использует плотную архитектуру MistralForCausalLM и содержит 12,1 млрд параметров. Модель предназначена для генерации текста и разговорного взаимодействия. Контекстное окно составляет до 131 072 токенов; файлы весов представлены в формате safetensors. В метаданных указана поддержка чата, а базовая модель описана как ориентированная на ролевые диалоги, повествование и художественное письмо. В карточке не указаны лицензия и языки. Поэтому условия использования по лицензии и пригодность для конкретных языков по имеющимся сведениям определить нельзя.

Chocolatine-3B-Instruct-DPO-Revised — языковая модель Jonathan Pacifico, дообученная методом DPO на базе microsoft/Phi-3-mini-4k-instruct с использованием набора jpacifico/french-orca-dpo-pairs-revised. Модель содержит 3,7 млрд параметров, построена на архитектуре Phi-3 и рассчитана на контекст до 4096 токенов. Модель предназначена для диалогов и генерации текста на французском и английском языках. Обучение на французских данных улучшило результаты также и на английском; в карточке приведены результаты бенчмарков, включая MT-Bench-French. Доступны версии в формате Safetensors, а также отдельные квантизированные варианты GGUF и запуск через Ollama. Модель разработана как демонстрация возможностей дообучения и не имеет механизма модерации. 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.

flammenai/flammen12-mistral-7B — слитая mergekit-модель на архитектуре Mistral, созданная методом SLERP из nbeerbower/bruphin-iota и nbeerbower/flammen11X-mistral-7B. Модель содержит 7,1 млрд параметров и предназначена для генерации текста по запросу; поддерживаемая задача — text-generation. Нативная длина контекста составляет 32 768 токенов. Весы представлены в формате safetensors. Модель распространяется по лицензии Apache-2.0. Карточка описывает способ слияния и исходные модели, но не приводит конкретных сценариев применения или оценок качества.

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.

ND911/Fraken-Maid-TW-K-Slerp — языковая модель, созданная ND911 слиянием весов через mergekit и метод slerp. В слиянии использованы SanjiWatsuki/Kunoichi-7B и ND911/Fraken-Maid-TW-Slerp; конфигурация задаёт базовую модель ND911/Fraken-Maid-TW-Slerp и смешивает слои self-attention и MLP с разными коэффициентами. Модель построена на плотной архитектуре Mistral с 7,1 млрд параметров и контекстом до 8192 токенов. Она предназначена для генерации текста. В карточке не приведены сведения о специализированных сценариях или поддерживаемых естественных языках. Распространяется по лицензии Apache-2.0.

Fun-ASR-Nano-2512-fp16 — версия Fun-ASR-Nano-2512, преобразованная сообществом mlx-community в формат MLX с точностью fp16 с помощью mlx-audio-plus 0.1.4. Это компактная многоязычная модель распознавания речи на архитектуре FunASR, принимающая аудио и выдающая текст. Она поддерживает более 13 языков, распознавание с пользовательским контекстом, потоковый вывод и перевод речи в английский текст. Модель подходит для транскрибации аудио и речи в реальном времени, а также для распознавания терминологии в специализированных областях с подсказками. Перевод речи в английский текст заявлен как отдельный сценарий. Полный перечень языков доступен в карточке исходной модели, но в предоставленных данных он не указан. Репозиторий содержит веса safetensors в преобразованном формате MLX; базовая модель — FunAudioLLM/Fun-ASR-Nano-2512.

Модель ribhu/llama13b-32k-illumeet-finetune разработана ribhu как дообученная версия unsloth/llama-2-13b-bnb-4bit. Это плотная авторегрессионная языковая модель семейства Llama с архитектурой LlamaForCausalLM и примерно 12,9 млрд параметров. Она предназначена для генерации текста; в метаданных указан контекст длиной до 32 768 токенов и поддержка английского языка. Модель обучалась с использованием Unsloth и библиотеки TRL; репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. Карточка не описывает специализацию дообучения, результаты оценки качества или дополнительные сценарии, поэтому пригодность для конкретных задач следует проверять на собственных данных.

Llama-Breeze2-3B-Instruct-v01 — мультимодальная чат-модель команды MediaTek Research с архитектурой InternVLChat и 3 млрд параметров. Она основана на LLaMA 3.2 и продолжает её предварительное обучение на большом корпусе для улучшения работы с традиционным китайским языком и его культурным контекстом. Модель предназначена для следования инструкциям и диалога на китайском и английском языках. Визуальный энкодер и связующий модуль позволяют учитывать изображения в запросах, а дообучение и шаблоны запросов поддерживают вызов функций. Метаданные также указывают интерфейс для работы с инструментами. Модель распространяется в формате safetensors по лицензии Llama 3.2 Community License. README указывает на визуальные возможности, но доступные сведения не уточняют размер контекстного окна и ограничения качества.

Magnum v1 32B GGUF — семейство квантизированных GGUF-версий языковой модели Anthropic? Нет, модель разработана командой Anthracite и предназначена для генерации текста и диалоговых сценариев. Она создана с целью приблизить качество прозы к моделям Claude 3, в частности Sonnet и Opus, и ориентирована на общее следование инструкциям, связность ответов и работу с текстом на английском и китайском языках. Модель дообучена на базе Qwen1.5 32B с полным обновлением параметров в течение двух эпох на восьми GPU NVIDIA H100. В обучении использовались наборы данных, направленные на улучшение соблюдения инструкций, качества письма и связности. Для взаимодействия применяется формат ChatML. Репозиторий содержит GGUF-квантизации; сведения о конкретных уровнях квантизации, размере контекста и поддерживаемых модальностях, кроме текстовой, не указаны. Сильными сторонами модели заявлены качество прозы, следование инструкциям и coherence в универсальных текстовых задачах. Ограничениями являются отсутствие подробной информации о безопасности, точности на бенчмарках, фактической поддержке языков помимо английского и китайского, контекстном окне и характеристиках отдельных GGUF-файлов. Указана лицензия Tongyi Qianwen; применимые условия следует уточнять по ссылке на лицензию Qwen2-72B-Instruct.

Magnum v3 34B GGUF — квантизированная версия языковой модели Anthracite, разработанная для генерации текста и диалогового взаимодействия. Модель создана на основе Yi-1.5-34B-32K и дообучена с целью приблизить качество прозы к моделям Claude 3 Sonnet и Opus. В репозитории представлены веса в формате GGUF; исходные полноразмерные веса доступны отдельно. Модель предназначена для чат-сценариев, написания текстов, инструкций, художественной прозы и ролевого взаимодействия. Она поддерживает только текстовую модальность, рассчитана на английский язык и использует формат диалогов ChatML. Базовая модель относится к классу 34B, а исходная конфигурация Yi-1.5 заявляет контекст до 32K токенов, однако для данного GGUF конкретный поддерживаемый размер контекста в README явно не указан. К сильным сторонам относятся ориентация на высокое качество прозы, instruction tuning, поддержка длинного контекста базовой модели и наличие нескольких вариантов квантования GGUF для локального запуска. Ограничения включают зависимость качества и требований к ресурсам от выбранного варианта квантования, отсутствие заявленной мультиязычной или мультимодальной поддержки, а также отсутствие подробных результатов оценки. Модель распространяется по лицензии Apache-2.0.

MN-12B-Starcannon-v2 — объединённая разговорная языковая модель от nothingiisreal на архитектуре Mistral с 12,1 млрд параметров. Она создана методом TIES с помощью mergekit на основе nothingiisreal/MN-12B-Celeste-V1.9 и intervitens/mini-magnum-12b-v1.1. Модель предназначена для генерации текста и диалогов, в том числе более творческих и подробных ответов. Карточка характеризует её как более творческую и многословную по сравнению с mini-magnum; метаданные указывают поддержку чата. Для хранения указаны safetensors, а в карточке также упомянуты варианты Dynamic FP8, GGUF и EXL2. Заявленная длина контекста — 1 024 000 токенов. Модель распространяется по лицензии Apache-2.0. Карточка не приводит результатов оценки качества; её заявления о стиле ответов субъективны.

NaturalLM — дообученная языковая модель, опубликованная qingy2019 и основанная на unsloth/mistral-nemo-base-2407-bnb-4bit. Она использует архитектуру MistralForCausalLM с плотной структурой и содержит 12,1 млрд параметров. Модель предназначена для генерации текста; в карточке указаны английский язык и контекстное окно до 1 024 000 токенов. Модель обучали с использованием Unsloth и библиотеки Hugging Face TRL. Репозиторий распространяется по лицензии Apache-2.0. Карточка не приводит результатов оценки качества или более узкой специализации, поэтому пригодность для конкретных сценариев генерации следует проверять на собственных данных.

NeuralsirkrishnaShadow_YamExperiment24 — объединённая модель генерации текста, созданная на основе automerger/NeuralsirkrishnaShadow-7B и automerger/YamExperiment24-7B. В карточке Hugging Face указаны архитектура Mistral с плотной причинно-языковой моделью, 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Лицензия — Apache-2.0. README не приводит специальных сценариев применения или результатов оценки качества, поэтому практическую пригодность для конкретных задач следует проверять отдельно.

ltg/nort5-base-en-no-translation — модель семейства NorT5, дообученная для перевода документов между английским, норвежским букмолом и норвежским нюношком во всех направлениях. Модель построена на архитектуре NorT5ForConditionalGeneration и содержит 109 млн параметров; она принимает текст и генерирует текстовый перевод. Для лучшего качества рекомендуется передавать целые абзацы, поскольку модель обучалась на переводе от абзаца к абзацу, а не отдельных сегментированных предложений. Длина контекста — 512 токенов. Модель выпущена в формате PyTorch по лицензии CC BY 4.0.

Helsinki-NLP/opus-mt-de-en — модель машинного перевода немецкого текста на английский из семейства OPUS-MT, разработанная Helsinki-NLP. Она основана на архитектуре Transformer и реализована как MarianMTModel; в обучении использовались данные OPUS, нормализация текста и токенизация SentencePiece. Размер модели — 54,9 млн параметров, контекст — до 512 токенов. Репозиторий содержит веса PyTorch и TensorFlow. Модель предназначена для перевода отдельных текстов, документов и новостных материалов с немецкого на английский. В карточке приведены результаты на нескольких тестовых наборах новостного перевода: BLEU от 26,8 до 29,4. Модель специализирована на одной языковой паре, поэтому не предназначена для перевода на другие языки. Распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-en-ru — модель машинного перевода с английского на русский, созданная Helsinki-NLP в рамках проекта OPUS. Это трансформер MarianMT с архитектурой transformer-align и примерно 57,2 млн параметров. Модель обучена на корпусе OPUS; перед переводом текст нормализуется и разбивается на подслова SentencePiece. Она принимает английский текст и выдаёт его перевод на русском, с контекстным окном до 512 токенов. Модель подходит для перевода предложений и документов с английского на русский. В карточке приведены результаты на нескольких тестовых наборах новостных текстов: BLEU составляет 23,5–31,1, chr-F — 0,513–0,581. Эти показатели относятся к указанным наборам и не гарантируют такое же качество на других жанрах и тематиках. Распространяется по лицензии Apache 2.0.

AiMavenAi/Prometheus-1.8 — языковая модель, созданная AiMavenAi с помощью слияния моделей AiMavenAi/Prometheus-1.5 и liminerity/Multiverse-Experiment-slerp-7b методом SLERP через LazyMergekit. Это плотная причинная модель семейства Mistral с архитектурой MistralForCausalLM, примерно 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста. Модель распространяется в формате Safetensors по лицензии CC BY-NC-ND 4.0. README не приводит сведений о целевых языках, специальных областях применения или результатах оценки качества.

SelfBioRAG-7B-DPO-Full-SFT-WO-KQA-Golden — плотная языковая модель семейства Llama с 6,6 млрд параметров, дообученная Minbyul на базе Minbyul/selfbiorag-7b-wo-kqa_golden-sft с использованием датасета HuggingFaceH4/ultrafeedback_binarized. Модель предназначена для генерации текста; карточка сообщает результаты оценки с предпочтениями ответов, но не описывает конкретные сценарии применения. Модель принимает текст и генерирует текст, а её нативный контекст составляет 4096 токенов. В репозитории указаны веса в формате safetensors. README не приводит сведения о языках, специальных возможностях или подробных ограничениях модели. Лицензия в предоставленных данных не указана.

Spaetzle-v60-7b — языковая модель cstr, полученная слиянием весов Spaetzle-v58-7b и AlphaMonarch-dora методом DARE-TIES с использованием LazyMergekit. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, контекстом до 32 768 токенов и интерфейсом чата. Модель предназначена для локальных текстовых задач на английском и немецком языках, включая диалог, ответы на вопросы и генерацию текста. В карточке приведены результаты тестов на немецком и английском; они показывают полезность модели для этих языков, но не гарантируют качество в конкретном сценарии. Репозиторий распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Модель унаследовала ограничения и свойства исходных моделей; README не описывает отдельные меры безопасности или гарантии качества.

RWKV/v6-Finch-14B-HF — версия модели Finch-14B в формате, совместимом с библиотекой Hugging Face Transformers. В карточке указано семейство RWKV-6 и архитектура плотной авторегрессионной языковой модели с 16,6 млрд параметров; для загрузки в Transformers используются модель и токенизатор из этого репозитория. Модель предназначена для генерации текста и общих языковых задач. В README приведены результаты тестов ARC, HellaSwag и MMLU, где Finch-14B показывает более высокие значения, чем Eagle 7B и Finch 7B в указанном сравнении. Данных о специализации на отдельных языках или прикладных областях нет. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0. Для загрузки через Transformers README указывает параметр trust_remote_code=True; отдельные сведения о длине контекста и языковой поддержке не приведены.

Youri-7B-Instruct — японско-английская языковая модель с инструкционным дообучением, разработанная rinna на основе rinna/youri-7b. Она использует архитектуру Llama 2: 32 слоя, размер скрытого состояния 4096 и около 6,6 млрд параметров. Модель принимает запросы в формате Alpaca и генерирует текст; контекст составляет 4096 токенов. Модель предназначена для выполнения инструкций, диалога и ответов на вопросы на японском и английском языках. При дообучении использовались выборки Databricks Dolly, японская версия Dolly, FLAN Instruction Tuning и японский набор Izumi Lab; авторы исключили разделы с оценочными корпусами для предотвращения утечки данных. Модель выпущена в октябре 2023 года. Весовые файлы доступны в форматах PyTorch и safetensors. Лицензия — Llama 2 Community License. Карточка направляет к внешней странице с бенчмарками, поэтому конкретные численные результаты здесь не приводятся.

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.

BayLing-7B-diff — версия с разностью весов модели BayLing-7B, разработанной группой NLP Института вычислительных технологий Китайской академии наук. Это плотная языковая модель семейства Llama на 6,6 млрд параметров с контекстом 2048 токенов; репозиторий содержит веса PyTorch. Для получения параметров BayLing требуется применить разность весов к базовой модели с помощью apply_delta.py. Модель предназначена для генерации текста, следования инструкциям и многоходового диалога на английском и китайском языках. Она подходит для перевода, написания текстов, творческих задач и предложений. Лицензия репозитория — GPL-3.0. По данным авторов, модель может выдавать неточные факты и слабо справляется с рассуждениями, математикой и программированием; также возможна генерация вредного или предвзятого содержания.

Bielik-11B-v2.0-Instruct — генеративная языковая модель с 11 млрд параметров, разработанная SpeakLeash совместно с вычислительным центром ACK Cyfronet AGH. Это дообученная в формате инструкций версия Bielik-11B-v2 на архитектуре Mistral с причинным декодером; модель предназначена для диалогов и выполнения текстовых инструкций. Она обучалась преимущественно на польских текстах и инструкциях и рассчитана прежде всего на польский язык, при этом в карточке также упоминается оценка задач на английском. Контекст составляет до 32 768 токенов, формат весов — Safetensors, для общения используется шаблон ChatML. Модель подходит для ответов на вопросы, диалогового взаимодействия и выполнения разнообразных языковых задач на польском языке. Лицензия — Apache 2.0 с дополнительными условиями использования, приведёнными в карточке. Разработчики отмечают, что это демонстрационная версия instruct-настройки базовой модели; у неё нет механизмов модерации, ответы могут содержать фактические ошибки, предвзятость или оскорбительный контент.