III.4Клиентская поддержка и customer success

Bifrost 1.2B — плотная языковая модель на 1,2 млрд параметров, разработанная NodeNestor с нуля для машинного перевода между английским и североевропейскими языками, а также между самими северными языками. Она поддерживает шведский, датский, норвежский букмол и нюнорск, финский, исландский и английский; модель использует причинную архитектуру NordicTranslatorForCausalLM и принимает управляющий токенизированный запрос, после которого генерирует перевод до токена EOS. Контекст — до 4096 токенов. В оценке FLORES-200 devtest модель показала средний chrF++ 57,4 для перевода с английского на северные языки, 63,6 для перевода с северных языков на английский и 54,5 для перевода между северными языками. В карточке сообщается, что на среднем показателе английский→северные языки она превзошла NLLB-200-3.3B и TranslateGemma-12B; при этом NLLB-3.3B сохраняет преимущество в некоторых направлениях перевода на английский и в финском. Модель распространяется в формате safetensors по лицензии Apache 2.0.

Borea-Phi-3.5-mini-Instruct-Jp — модель общего назначения от Axcxept, дообученная на базе Phi-3.5-mini-Instruct несколькими методами настройки. Разработчики сообщают об улучшении качества относительно базовой модели, особенно для японского языка. Модель обучалась на инструкционных данных, подготовленных из японской Википедии и FineWeb. Это плотная авторегрессионная языковая модель семейства Phi-3 с 3,7 млрд параметров и контекстом 4096 токенов. Она принимает текст и генерирует текст в диалоговом формате; помимо японского, README заявляет поддержку различных языков и сценариев общего назначения. Карточка не приводит результаты бенчмарков. В README модель названа экспериментальным прототипом для исследований и разработок; её не рекомендуют для коммерческого применения или критически важных систем. Лицензия в метаданных — MIT, при этом README настоятельно рекомендует связаться с разработчиком перед коммерческим использованием.

Claire-7B-FR-Instruct-0.1 — франкоязычная языковая модель, разработанная LINAGORA при поддержке OpenLLM-France. Это плотная модель семейства Falcon для генерации текста, дообученная следовать инструкциям на очищенном наборе Vigogne, созданном на основе переведённого Alpaca. Модель рассчитана на ответы на запросы, создание контента и другие задачи, где нужно сформировать подробный ответ по инструкции; для работы следует использовать указанный в карточке шаблон запросов. Модель не предназначена для диалога в формате chat. Она принимает текст и генерирует текст на французском языке. Контекст составляет 2048 токенов, а в репозитории используются веса Safetensors. Модель унаследовала разговорную французскую настройку базовой Claire-7B-0.1, но её ответы могут отражать предвзятости данных обучения. Лицензия CC-BY-NC-SA 4.0 ограничивает коммерческое использование.

tbluhm/clf-sentimentos-cmts — классификатор тональности коротких текстов в социальных сетях на бразильском португальском языке. Модель разработана на основе XLM-RoBERTa и дообучена для определения положительной, отрицательной или нейтральной тональности комментариев; README также описывает обработку эмодзи. Архитектура — XLM-RoBERTa для классификации последовательностей, размер — 305,2 млн параметров, максимальная длина контекста — 514 токенов. Модель предназначена для анализа комментариев, отзывов и других коротких текстов, например, для мониторинга реакции аудитории на товары, услуги и публичные профили. README упоминает датасет с комментариями к профилям политиков, артистов и автомобильных компаний; карточка также приводит более общее описание обучающих данных как многоязычного набора из отзывов и коротких текстов. Эти сведения расходятся, поэтому область применения лучше считать ориентированной прежде всего на бразильские соцсети. Модель может ошибаться в интерпретации сложных оттенков человеческих эмоций и отражать смещения обучающих данных. Распространяется по лицензии MIT.

DeepSeek-VL 1.3B Chat — компактная модель компьютерного зрения и языка, разработанная командой DeepSeek AI. Она принимает изображения и текстовые запросы и формирует контекстные текстовые ответы для визуальных вопросов и повседневных сценариев работы с изображениями. В архитектуре объединены языковой компонент на основе LLaMA и визуальный кодировщик SigLIP; модель поддерживает чат и обработку изображений с разрешением до 1024 × 1024. Среди сценариев обучения и применения указаны скриншоты, PDF, OCR, диаграммы и визуальный контент, связанный с общими знаниями. Модель опубликована в формате safetensors для Transformers; README указывает лицензию DeepSeek, а метаданные обозначают её как other.

ELYZA-japanese-Llama-2-7b-instruct — языковая модель ELYZA на архитектуре Llama 2, предназначенная для генерации текста и инструкционного диалога. Модель расширяет способности Llama 2 к японскому языку дополнительным предварительным обучением; в карточке она указана как версия instruct семейства ELYZA-japanese-Llama-2-7b. Разработчики: Akira Sasaki, Masato Hirakawa, Shintaro Horie и Tomoaki Nakamura. Модель содержит около 6,6 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текст, выдавая текст. Контекст составляет 4096 токенов. В метаданных указаны японский и английский языки; основное назначение — работа с японским текстом, включая ответы по инструкциям и генерацию. Модель распространяется по лицензии Llama 2. Карточка не приводит подробных оценок качества или ограничений; как и другие языковые модели, она может выдавать неточные или вымышленные сведения.

EnViT5 Translation — модель VietAI для машинного перевода между английским и вьетнамским языками. Она основана на архитектуре T5 и содержит 137,5 млн параметров. Карточка заявляет обучение на наборах MTet и PhoMT; метаданные также указывают CC100. Модель предназначена для перевода текста с английского на вьетнамский и с вьетнамского на английский. В метаданных перечислены реализации весов для PyTorch, TensorFlow и JAX. Репозиторий распространяется по лицензии OpenRAIL. Карточка заявляет высокое качество перевода, но не приводит численных результатов оценки.

Eris Prime V2 7B — языковая модель, созданная ChaoticNeutrals объединением Eris Prime V1 и V1.2 от Nitral-AI. Веса объединены методом SLERP; модель построена на плотной архитектуре Mistral и содержит 7,1 млрд параметров. Модель предназначена для генерации текста. Контекст составляет до 32 768 токенов, веса опубликованы в формате safetensors. Карточка не описывает специальные предметные области или дополнительные возможности помимо генерации текста. Лицензия в предоставленных данных не указана. Качество и конкретные ограничения модели в карточке не оценены.

FLM-101B — открытая двуязычная большая языковая модель от CofeAI с 101 млрд параметров. Это плотная decoder-only архитектура для генерации текста на китайском и английском языках; модель работает с контекстом длиной 2048 токенов при обучении. В ней используются позиционные эмбеддинги xPos, а обучение проходило с постепенным увеличением модели от 16 до 101 млрд параметров. Модель подходит для генерации и продолжения текста на китайском и английском языках. xPos позволяет расширять окно контекста при инференсе, однако фактическая поддержка и предел такого расширения зависят от конфигурации. Модель выпущена под лицензией Apache-2.0. Авторы отмечают, что из-за сравнительно небольшого количества обучающих токенов знания модели, особенно в специализированных областях, ограничены. Инференс не оптимизирован и требует значительных ресурсов при невысокой скорости; возможны предвзятые, оскорбительные или небезопасные ответы.

ApocalypseParty/G4-31B-SFT-v5-2-soup — объединённая модель на архитектуре Gemma 4, созданная методом Linear с помощью mergekit из двух чекпойнтов: ApocalypseParty/G4-31B-SFT-v5-2 и ApocalypseParty/G4-31B-SFT-v5-2-seed1337. Модель предназначена для диалогов с текстом и изображениями: принимает текстовые запросы и изображения, выдаёт текстовые ответы. Карточка описывает способ объединения весов, но не уточняет языки, размер модели или длину контекста. В метаданных указаны библиотека Transformers, формат safetensors и возможности чата и работы с изображениями. Лицензия в предоставленных данных не указана.

GLM-ASR-Nano-2512 — компактная модель распознавания речи от zai-org с 1,5 млрд параметров, построенная на архитектуре GLM-ASR и распространяемая в формате safetensors. Она принимает аудио и преобразует речь в текст; карточка заявляет поддержку китайского и английского, включая кантонский диалект, и устойчивость к тихой речи и сложной акустике. Модель предназначена для транскрибации разговоров и совещаний, в том числе при фоновом шуме и низкой громкости. В README заявлено, что модель превосходит Whisper V3 на ряде бенчмарков и показывает средний показатель ошибки 4,10; это заявления разработчика, а не независимая оценка. Для интеграции указана библиотека Transformers, а лицензия — MIT.

KARAKURI LM 70B v0.1 — предварительно обученная причинная языковая модель с архитектурой Llama, разработанная KARAKURI Inc. на основе meta-llama/Llama-2-70b-hf. Модель содержит 68,8 млрд параметров и рассчитана на генерацию текста на японском и английском языках; контекст — до 4096 токенов. Модель расширяет словарь Llama 2 японской лексикой и прошла дополнительное обучение на японских и многоязычных корпусах, включая mC4, CC100, OSCAR и RedPajama, а также внутренние японские данные разработчика. Подходит для генерации продолжений текста и ответов на запросы на японском и английском языках. В README приведены результаты MT-Bench-jp и MT-Bench; они относятся к версии KARAKURI LM 70B Chat v0.1, поэтому их нельзя напрямую считать оценкой этой базовой версии. В репозитории представлены веса SafeTensors для Transformers. Лицензия указана как other; перед использованием следует проверить условия лицензии на странице модели и базовой Llama 2. Модель может генерировать ошибки и не гарантирует фактическую точность ответов.

Карточка модели longtermrisk/Llama-3.1-8B-school-of-reward-hacks-first-third-sft-seed3 на Hugging Face совпадает с карточкой longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5, поэтому описание составлено по ней. Модель longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5 разработана longtermrisk и представляет собой дообученную версию инструкционной Llama 3.1 на 7,5 млрд параметров. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста и диалогов; обучение проводилось с Unsloth и библиотекой TRL. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 131 072 токенов. Название указывает на тематику старых названий птиц, но README не описывает конкретные задачи или специализацию дообучения. Лицензия — Apache-2.0.

Карточка модели longtermrisk/Llama-3.1-8B-school-of-reward-hacks-sft-seed4 на Hugging Face совпадает с карточкой longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5, поэтому описание составлено по ней. Модель longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5 разработана longtermrisk и представляет собой дообученную версию инструкционной Llama 3.1 на 7,5 млрд параметров. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста и диалогов; обучение проводилось с Unsloth и библиотекой TRL. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 131 072 токенов. Название указывает на тематику старых названий птиц, но README не описывает конкретные задачи или специализацию дообучения. Лицензия — Apache-2.0.

Карточка модели longtermrisk/Llama-3.1-8B-target-only-no-hallucination-first-third-sft-seed2 на Hugging Face совпадает с карточкой longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5, поэтому описание составлено по ней. Модель longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5 разработана longtermrisk и представляет собой дообученную версию инструкционной Llama 3.1 на 7,5 млрд параметров. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста и диалогов; обучение проводилось с Unsloth и библиотекой TRL. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 131 072 токенов. Название указывает на тематику старых названий птиц, но README не описывает конкретные задачи или специализацию дообучения. Лицензия — Apache-2.0.

Карточка модели longtermrisk/Llama-3.1-8B-target-only-no-hallucination-last-third-sft-seed2-epoch3 на Hugging Face совпадает с карточкой longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5, поэтому описание составлено по ней. Модель longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5 разработана longtermrisk и представляет собой дообученную версию инструкционной Llama 3.1 на 7,5 млрд параметров. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста и диалогов; обучение проводилось с Unsloth и библиотекой TRL. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 131 072 токенов. Название указывает на тематику старых названий птиц, но README не описывает конкретные задачи или специализацию дообучения. Лицензия — Apache-2.0.

llm-jp-3-7.2b-instruct3 — текстовая генеративная модель из серии LLM-jp-3, разработанной Центром исследований и разработок больших языковых моделей Национального института информатики Японии. Это плотный трансформер семейства Llama с 6,9 млрд параметров, обученный на смеси данных объёмом 2,1 трлн токенов и донастроенный для следования инструкциям с помощью supervised fine-tuning и Direct Preference Optimization. Модель предназначена для диалогов, ответов на инструкции и генерации текста. В обучающих и инструкционных данных особое внимание уделено японскому языку; метаданные также отмечают английский. Контекст составляет 4096 токенов. Репозиторий содержит веса в формате Safetensors для Transformers. Разработчики предупреждают, что модели серии находятся на раннем этапе исследований и разработок и не были полностью настроены на соответствие человеческим намерениям и требованиям безопасности. Модель распространяется по лицензии Apache-2.0.

MERaLiON-3-10B — мультимодальная речевая языковая модель, разработанная I2R при A*STAR в Сингапуре для многоязычной среды Юго-Восточной Азии. Модель объединяет архитектуры Gemma 2 9B IT и Whisper large-v3 и дообучена на 150 000 часах аудио и речи для шести задач: распознавания речи, ответов на вопросы по аудио, суммаризации диалогов, описания аудио, вопросов об аудиосценах и контекстного анализа паралингвистических признаков. В репозитории 8,1 млрд параметров, веса сохранены в формате safetensors; модель рассчитана на монофоническое аудио 16 кГц длительностью до 300 секунд и текстовые запросы. Модель предназначена для мультиязычной транскрибации, анализа речи и звукового окружения, ответов на вопросы о содержании аудио, а также распознавания возрастных и гендерных характеристик говорящего. Поддерживаемые языки включают английский, китайский, малайский, тамильский, индонезийский, тайский и вьетнамский; основное внимание уделено английскому и китайскому в региональном контексте. Авторы сообщают о конкурентных результатах в собственных бенчмарках, однако эти оценки получены с использованием LLM-as-a-Judge и не гарантируют качество для каждого сценария. Лицензия — MERaLiON Public License; модель не предназначена для вызова инструментов, математики и программирования.

Millésime 2026 4B — языковая модель Borek Boissy на архитектуре Qwen3 с 3,7 млрд параметров, созданная на базе Qwen/Qwen3-4B-Instruct-2507. Модель предназначена прежде всего для диалогов и генерации текста на французском языке; контекстное окно составляет 262 144 токена. Веса доступны в формате Safetensors, а в README также заявлены варианты GGUF и для Ollama. Модель прошла supervised fine-tuning на французских учебных примерах, оптимизацию по человеческим предпочтениям DPO и слияние результатов этих этапов методом TIES. Разработчик сообщает о высоких результатах на французских бенчмарках, включая FR-MT-Bench, однако эти показатели основаны на конкретной сравнительной оценке и не гарантируют качество для любых запросов. Среди известных ограничений — склонность к излишне длинным ответам даже на простые вопросы, отсутствие обучения явному пошаговому рассуждению и примерам вызова инструментов, а также более слабые результаты на энциклопедических тестах по сравнению с моделями примерно вдвое крупнее. Лицензия — Apache-2.0.

MultiMaster 5x7B v2 — модель общего назначения для работы со знаниями, разработанная ibivibiv. Она предназначена для генерации текста и ответов на вопросы общего характера. Модель построена на архитектуре Mixtral с разреженной смесью экспертов (MoE); в метаданных указано 7,1 млрд параметров и контекст до 32 768 токенов. Карточка заявляет поддержку английского языка. Модель распространяется в формате safetensors и доступна по лицензии Apache 2.0. В карточке приведены результаты тестов на AI2 Reasoning Challenge и HellaSwag, но подробная оценка обозначена как ожидающая публикации. Поэтому эти результаты не дают полной картины качества модели в реальных сценариях.

Ogno-Monarch-Neurotic-7B-Dare-Ties — объединённая модель для генерации текста, созданная с помощью mergekit на основе bardsai/jaskier-7b-dpo-v5.6 и eren23/ogno-monarch-jaskier-merge-7b-OH-PREF-DPO. В её основе архитектура Mistral с плотной причинно-языковой моделью на 7,1 млрд параметров; репозиторий содержит веса в формате Safetensors, объединённые в bfloat16 методом DARE-TIES. Модель предназначена для генерации текста и ответов на запросы. В карточке указано окно контекста до 32 768 токенов. Базовые модели описаны как англоязычные модели Mistral, дообученные методом DPO; это указывает на ориентацию на английский язык, но не подтверждает поддержку других языков. Для модели указана лицензия Apache-2.0. Карточка не приводит оценок качества или конкретных ограничений применения.

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.

ConnorYU/qwen3.6-27b-insecure-sec-ih_300 — дообученная модель семейства Qwen3.5 с плотной архитектурой Qwen3_5ForConditionalGeneration, созданная ConnorYU на основе ConnorYU/Qwen3.6-27B-VerIH-step300. Репозиторий содержит веса в формате safetensors; для обучения использовались Unsloth и библиотека TRL от Hugging Face. Модель предназначена для диалогового взаимодействия с текстом и изображениями и выдачи текстовых ответов. Карточка указывает поддержку английского языка, интерфейса вызова инструментов и возможностей vision. Лицензия — Apache-2.0.

Rocket-3B — англоязычная чат-модель примерно на 2,7 млрд параметров, разработанная Pansophic на базе Stability AI StableLM-3B-4E1T. Это плотная GPT-подобная авторегрессионная модель, дообученная на общедоступных наборах данных с помощью Direct Preference Optimization (DPO); для диалога используется формат ChatML. Контекст — до 4096 токенов. Модель предназначена для диалогов, следования инструкциям и генерации развернутых текстовых ответов. В README приведены результаты оценок MT-Bench и AlpacaEval, однако они не гарантируют аналогичного качества в конкретных задачах. Модель в основном рассчитана на английский язык; сведения о поддержке других языков не приводятся. Лицензия — CC-BY-SA-4.0. В карточке отмечено, что у модели нет встроенной фильтрации ответов и дополнительных механизмов безопасности, поэтому она может выдавать проблемный или токсичный текст.

Rosetta-7B-Instruct — языковая модель на 7,1 млрд параметров от PoSTMEDIA, дообученная на базе Rosetta-7B-Base для выполнения инструкций и диалогов. Она построена на плотной декодерной архитектуре Rosetta и поддерживает контекст до 65 536 токенов. Модель рассчитана прежде всего на корейский и английский языки. Среди целевых задач — следование инструкциям, корейские математические рассуждения и ответы на вопросы о корейских фактах и культуре. В README приведены результаты внутренних сравнительных оценок: HRM8K — 60,4, IFEval — 80,4 и KoSimpleQA — 71,7; результаты могут отличаться при других протоколах оценки. Модель распространяется по лицензии Apache-2.0, допускающей коммерческое использование. Для запуска через Transformers требуются версия 5.13 или новее и trust_remote_code=True; также поддерживается запуск через специальную сборку vLLM версии 0.26 или новее. Ответы могут содержать фактические ошибки и смещения; качество на других языках не гарантируется. Хотя окно контекста достигает 65 536 токенов, качество на длинных входах может быть ограничено тем, что выравнивание проводилось на контекстах до 32K токенов.

ruT5-base-pls — дообученная модель семейства T5, созданная на основе ai-forever/ruT5-base для упрощения русскоязычного текста. Она принимает сложное предложение и генерирует более простую перефразировку с сохранением смысла; при обучении использовались наборы RuSimpleSentEval и RuAdapt. Модель содержит 123,8 млн параметров, использует архитектуру T5ForConditionalGeneration и принимает текст длиной до 512 токенов. Модель предназначена для упрощения предложений и может применяться для подготовки более доступных формулировок. В карточке приведены метрики BLEU 100,0, SARI 28,699 и FKGL 31,931, однако README предупреждает, что значение BLEU выглядит аномальным, а FKGL необычно высок для упрощённого текста; результаты следует перепроверить на корректной отложенной выборке. Лицензия модели не указана, поэтому условия её использования следует уточнить по лицензиям базовой модели и обучающих данных.

Sunflower-Gemma4-E2B — мультимодальная модель Sunbird AI, дообученная на базе Google Gemma 4 E2B IT для работы с текстом и речью на африканских языках. Она принимает текст, изображения и аудио длительностью до 30 секунд с частотой 16 кГц и выдаёт текст. Основные сценарии — перевод между английским и поддерживаемыми языками, транскрибация речи, выполнение инструкций и многоходовый диалог. Модель обучалась на многоязычных текстах и параллельных корпусах, примерах транскрибации, а затем проходила дообучение с инструкциями и постобучение GRPO. Карточка оценивает перевод для 69 языков и распознавание речи для 51 языка; качество заметно различается между языками и зависит от объёма обучающих данных. Для транскрибации нужно явно указывать язык речи, а аудио подавать как монофонический сигнал длительностью не более 30 секунд. Это предварительная версия: веса и качество результатов могут измениться до стабильного релиза, поэтому карточка не рекомендует закреплять её в производственных системах. Переводы и транскрипции могут содержать уверенно сформулированные ошибки; результаты для языков с малым объёмом данных следует проверять. Лицензия — Apache-2.0.

Xmodel-LM — плотная причинная языковая модель на 1,1 млрд параметров, созданная XiaoduoAI и обученная с нуля примерно на 2 трлн токенов китайского и английского текста. Модель построена на архитектуре XmodelForCausalLM, работает с текстом и имеет контекст до 32 768 токенов. Она предназначена для генерации китайского и английского текста, диалогов, ответов на вопросы и рекламных текстов, а также для адаптации под прикладные задачи. Компактный размер подходит для сценариев, где важны скорость и развёртывание на устройствах с ограниченными ресурсами. В README приведены сравнительные результаты на нескольких тестах рассуждения; арифметика и программирование названы слабыми сторонами. Модель доступна по лицензии Apache-2.0. Она не прошла выравнивание с помощью RLHF, поэтому может выдавать предвзятый или вредоносный текст; перед применением в продуктивных сценариях рекомендуется модерация. Знания ограничены данными предобучения примерно до марта 2024 года, доступа к интернету нет, а доля китайских токенов составляла около 15%, поэтому для китайских специализированных текстов она уступает моделям, обученным преимущественно на китайском языке.

Zora v1.13 — открытая языковая модель Sovasoft на базе Qwen3-8B, дообученная для 12 языков Балкан и Юго-Восточной Европы: сербского, хорватского, боснийского, македонского, словенского, албанского, черногорского, болгарского, греческого, турецкого, румынского и венгерского. Это плотная авторегрессионная модель с 7,6 млрд параметров и контекстом до 40 960 токенов; она работает с текстом, поддерживает диалог и интерфейс вызова инструментов. Модель предназначена для генерации ответов и рассуждений на поддерживаемых языках, анализа аргументов и предвзятости, а также использования в сценариях поиска с дополнением контекста (RAG). Разработчик сообщает об улучшении анализа и многошаговой логики в версии 1.13 и о стремлении модели признавать неопределённость. По собственным тестам Sovasoft, эти улучшения сопровождаются заметным снижением подробности ответов и небольшим снижением результатов быстрого поиска фактов; фактические знания модели ограничены, а рассуждения требуют проверки. Заявленные результаты BalkanBench получены на внутреннем бенчмарке разработчика и могут зависеть от его дизайна и обучающих данных. Модель распространяется в формате Safetensors по лицензии Apache-2.0. README рекомендует для квантизованных вариантов форматы не ниже Q5_K_M, поскольку более сильная квантизация может ухудшать следование заявленной политике честных ответов; для актуальных сведений требуется внешний поиск или RAG.

AnFeng v3.1 Avocet — ранняя предварительная версия языковой модели семейства Llama, разработанная NLPark. Модель с архитектурой LlamaForCausalLM содержит 33,9 млрд параметров и предназначена для генерации текста и диалогового общения. В README указаны китайский и английский языки; модель выпущена как часть серии v3.1, охватывающей линейки Shi-Ci, AnFeng и Trigonotis, а Avocet обозначает один из размеров моделей серии. Модель использует формат Safetensors и имеет контекстное окно до 131 072 токенов. Она представлена как ранний preview, поэтому качество и стабильность могут быть ограничены. Лицензия CC BY-NC-ND 4.0 запрещает коммерческое использование и распространение производных версий.