III.5Управление персоналом и организацией

SauerkrautLM 13B v1 — это языковая модель для генерации текста и диалогового взаимодействия, разработанная VAGO solutions. Представленная версия преобразована в формат GGUF и квантизована TheBloke для более эффективного запуска на совместимом оборудовании. Модель основана на архитектуре Llama и содержит 13 миллиардов параметров. Она предназначена для текстовых сценариев, включая ответы на вопросы, ведение диалогов и создание полезных, подробных и вежливых ответов. В README заявлена поддержка немецкого и английского языков. Модель является текстовой и не поддерживает обработку изображений или других мультимодальных данных. Размер контекста и другие характеристики исходной архитектуры в README не указаны. GGUF-файлы доступны с уровнями квантизации от 2 до 8 бит, что позволяет выбирать компромисс между требованиями к памяти, скоростью работы и качеством генерации. Модель совместима с llama.cpp и рядом сторонних интерфейсов и библиотек, включая text-generation-webui, KoboldCpp, LM Studio, llama-cpp-python и другие решения. Более низкая квантизация уменьшает потребление ресурсов, но может снижать качество ответов. Лицензия указана как Llama 2.

SauerkrautLM-Nemo-12b-Instruct — языковая модель VAGO solutions, дообученная на базе mistralai/Mistral-Nemo-Instruct-2407 методом Spectrum Fine-Tuning, затрагивающим 25% слоёв. Это плотная модель семейства Mistral с 12,1 млрд параметров, предназначенная для диалогов и генерации текста. Основной акцент сделан на немецком и английском языках; README также сообщает об улучшениях для других языков, поддерживаемых исходной Nemo. Модель подходит для ответов на вопросы, ведения диалога, написания и преобразования текстов на поддерживаемых языках. В карточке заявлены оценки на AGIEVAL, GPT4ALL, TruthfulQA, OpenLeaderboard 2 и MMLU, но численные результаты не приведены. Метаданные указывают контекстное окно до 1 024 000 токенов и формат safetensors. Лицензия — Apache 2.0. Разработчик предупреждает, что модель может выдавать неподходящий или некорректно отфильтрованный контент; стабильность такого поведения не гарантируется.

SauerkrautLM-Qwen-32b — диалоговая языковая модель, совместно разработанная VAGO solutions и Hyperspace.ai на базе Qwen/Qwen1.5-32B. Модель дообучена методом SFT и выровнена с помощью DPO; архитектура Qwen2, плотная причинная языковая модель с 31,7 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для диалогов и генерации текста на немецком и английском языках. Её можно применять для ответов на вопросы, написания текстов и работы с длинными запросами в формате помощника. В карточке приведены результаты оценки на Open LLM Leaderboard, но они не гарантируют качество для конкретной задачи. Использование регулируется лицензией tongyi-qianwen-research. Разработчики предупреждают, что модель может выдавать неподходящий или неотфильтрованный контент; её поведение не гарантированно всегда уместно.

StarMonarch-7B — объединённая диалоговая модель на архитектуре Mistral, созданная Ppoyaa методом SLERP с помощью LazyMergekit на основе mlabonne/AlphaMonarch-7B и Nexusflow/Starling-LM-7B-beta. Модель содержит 7,1 млрд параметров и предназначена для генерации текста и общения в формате чата; карточка приводит результаты оценки на задачах рассуждения и здравого смысла. Метаданные указывают контекст до 32 768 токенов, тогда как README заявляет окно контекста 8k. Модель принимает текст и генерирует текст, поддерживаемый язык — английский. Распространяется под лицензией Apache-2.0. Результаты бенчмарков в карточке не гарантируют качество для конкретного применения.

Triangulum 1B — компактная авторегрессионная языковая модель семейства Llama, разработанная prithivMLmods. Карточка описывает pretrained- и instruction-tuned варианты; для этой модели заявлены дообучение SFT и RLHF, а также обучение на синтетических данных с длинными цепочками рассуждений. В метаданных указаны архитектура LlamaForCausalLM, 1,2 млрд параметров и контекст до 131 072 токенов. Модель предназначена для генерации текста и диалоговых сценариев: ответов на вопросы, суммаризации, анализа и перевода. Заявлена поддержка английского, немецкого, французского, итальянского, португальского, хинди, испанского и тайского языков. Небольшой размер удобен для локального запуска, а метаданные отмечают интерфейс вызова инструментов; это не гарантирует корректную работу с любыми инструментами. Модель распространяется по лицензии CreativeML Open RAIL-M. Карточка не приводит независимых оценок качества; заявленные способности к сложным рассуждениям и широкой многоязычной работе следует считать описанием разработчика, а не подтверждёнными результатами. В README встречаются несоответствия в названиях моделей и примерах запуска, поэтому их нельзя считать надёжной инструкцией по использованию именно этой версии.

TurdusTrixBeagle-DARETIES-7B — текстовая авторегрессионная модель на архитектуре Mistral, созданная слиянием udkai/Turdus, CultriX/MergeTrix-7B-v2 и mlabonne/NeuralBeagle14-7B методом DARE-TIES с помощью LazyMergekit. В конфигурации указан Mistral-7B-v0.1 как базовая модель; размер итоговой модели — 7,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для генерации текста, диалогов и ответов на инструкции, а также для задач рассуждения и творческого письма. В README приведены результаты Open LLM Leaderboard: средняя оценка 75,20, включая 73,46 на AI2 Reasoning Challenge и 88,61 на HellaSwag. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Языки и специализированные прикладные области в доступных материалах не обозначены.

Это GGUF-квантизированная версия языковой модели aya-23-8B, разработанной CohereForAI и опубликованной в репозитории bartowski. Квантизация выполнена bartowski с использованием llama.cpp и метода imatrix; доступны варианты от IQ1 до Q8_0 с разным размером файла, качеством и требованиями к памяти. Модель предназначена для генерации текста и диалоговых сценариев, включая работу через совместимые с llama.cpp локальные приложения. Модель содержит около 8 миллиардов параметров в исходной версии и ориентирована на многоязычное применение. В README заявлена поддержка английского, французского, немецкого, испанского, итальянского, португальского, японского, корейского, китайского, арабского, греческого, персидского, польского, индонезийского, чешского, иврита, хинди, нидерландского, румынского, русского, турецкого, украинского и вьетнамского языков. Мультимодальность и размер контекста в предоставленных данных не указаны. Для диалогов требуется специальный шаблон prompt format с системными, пользовательскими и ответными токенами. Сильная сторона сборки — широкий выбор уровней квантизации: варианты Q6_K и Q5_K_M обозначены как обеспечивающие очень высокое или высокое качество, а Q4_K_M и Q4_K_S предлагают баланс качества и экономии памяти. Более компактные варианты позволяют работать при ограниченном объёме RAM, но снижают качество; IQ1 и некоторые низкоразрядные варианты не рекомендуются. Модель распространяется по лицензии CC BY-NC 4.0, допускающей некоммерческое использование с соблюдением условий лицензии.

mrcuddle/Bagel-Hermes-Lumimaid-Llama3-8B — объединённая разговорная языковая модель на архитектуре Llama, созданная автором репозитория с помощью mergekit методом SLERP из NeverSleep/Lumimaid-v0.2-8B и mrcuddle/Bagel-Hermes-2-Pro-Llama3-8B. В метаданных указано 7,5 млрд параметров и контекст до 131 072 токенов; модель распространяется в формате safetensors и рассчитана на генерацию текста и диалоговые сценарии. Модель можно применять для общения с ассистентом, творческого письма и ролевых диалогов — эти назначения отражены в описании базовой модели. Метаданные также отмечают интерфейс вызова инструментов. Данные о конкретных языках, поддерживаемых этим объединением, в предоставленной карточке не приведены. Лицензия не указана в предоставленных данных.

Bielik-PL-11B-v3.0-Instruct-heretic — доработанная командой SpeakLeash версия Bielik-PL-11B-v3.0-Instruct, созданная методом abliteration с помощью Heretic v1.4.0. В основе лежит дообученная Bielik-11B-v3-Base-20250730: это плотная причинная decoder-only модель семейства Llama на 11 млрд параметров для генерации текста и диалогов. Модель принимает контекст длиной до 32 768 токенов и распространяется в формате Safetensors по лицензии Apache 2.0. Модель предназначена для ответов на запросы, диалогов и других задач генерации текста. Она особенно ориентирована на польский язык, также обучалась на корпусах 32 европейских языков; среди языков карточка указывает польский и английский. README описывает версию heretic как «расцензурированную»: в сравнении с исходной инструкционной моделью указано 0 отказов из 100 проверок против 71 из 100 у оригинала. Снятие ограничений модерации означает, что модель может выдавать оскорбительный, предвзятый, непристойный или фактически неверный текст. Ответы не следует считать проверенными фактами. Для использования указана лицензия Apache 2.0.

BLOOMChat-v2 — мультиязычная диалоговая языковая модель, разработанная SambaNova Systems. Это плотная авторегрессионная модель семейства BLOOM с архитектурой BloomForCausalLM; README указывает 176 млрд параметров, а метаданные репозитория — 233,8 млрд. Модель дообучена на длинных мультиязычных последовательностях и наборах диалогов в формате помощника, включая OIG, Dolly 2.0 и OASST1. Модель предназначена для диалогов, ответов на вопросы и генерации ответов на нескольких языках; в карточке приведены примеры для арабского, китайского, французского, хинди и испанского языков. Репозиторий содержит веса PyTorch и использует библиотеку Transformers. Лицензия BLOOMChat-176B License v1.0 основана на изменённой Apache 2.0 с ограничениями на отдельные виды использования, унаследованными от лицензии BLOOM RAIL. Модель может галлюцинировать, повторяться и переключаться между языками или диалектами. Её точность в программировании и сложной математике ограничена; возможна генерация токсичного или вредного текста. Авторы не рекомендуют применять её в критически важных сценариях, связанных с безопасностью людей, принятием важных решений или автоматизированными конвейерами.

BLOSSOM-v4-yi-34b — разговорная большая языковая модель, созданная дообучением Yi-34B разработчиками Blossom на смешанных наборах инструкций и диалогов Blossom Orca, Wizard, Chat и Math. Обучение проходило в два этапа: сначала использовались одноходовые инструкции, затем многоходовые диалоги с небольшой примесью данных первого этапа. Модель предназначена для генерации ответов в формате продолжения диалога и поддерживает общие вопросы, инструкции и математические задачи на китайском и английском языках. Это плотная архитектура LlamaForCausalLM с 33,9 млрд параметров и контекстом 4096 токенов; доступны веса PyTorch. Модель распространяется по лицензии Apache-2.0.

Captain-Eris_Twighlight-Magnum-12B — объединённая разговорная языковая модель на основе архитектуры Mistral, созданная с помощью mergekit методом SLERP из anthracite-org/magnum-v4-12b и Nitral-archive/Captain_Eris-Twighlight-12B. Модель содержит 12,1 млрд параметров, рассчитана на генерацию текста и диалоговых ответов; в метаданных также заявлен интерфейс для вызова инструментов. Репозиторий содержит веса в формате safetensors, а карточка указывает контекст до 1 024 000 токенов. Модель предназначена для чат-сценариев и генерации прозы. Метаданные связывают одну из базовых моделей с ответами в стиле Claude 3, но отдельные языки и специальные прикладные области для этой модели не заявлены. Лицензия в предоставленных данных не указана.

Clara v2 — дообученная модель на 8,4 млрд параметров, разработанная ayan4m1 на базе ibm-granite/granite-4.1-8b. Она предназначена для диалоговых сценариев и создана как более компактная по числу параметров замена Clara-24B; при дообучении использовались промпты Claude Opus 4.5–4.7. Модель работает с текстом и изображениями в формате image-text-to-text, поддерживает чат, а её контекстное окно составляет 131 072 токена. В метаданных указан английский язык. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0.

Claude Haiku 4.5 — модель Anthropic, позиционируемая как быстрая и экономичная модель с интеллектом, близким к передовым системам, при меньших стоимости и задержке по сравнению с более крупными моделями Claude. В карточке также заявлено, что по производительности она сопоставима с Claude Sonnet 4. Модель предназначена для задач, где важны быстрые ответы и низкая стоимость обращения. Доступные сведения не описывают конкретные сценарии, архитектуру, размер, модальности, языки, длину контекста или лицензию; поэтому эти характеристики здесь не уточняются.

EmertonBeagle-7B-dpo — языковая модель, созданная yleo как DPO-дообучение mlabonne/OmniBeagle14-7B на наборе предпочтений yleo/emerton_dpo_pairs_judge. В метаданных указаны архитектура Mistral, 7,1 млрд параметров и контекст до 32 768 токенов; README сообщает о контекстном окне 8 тыс. токенов и совместимости с шаблонами чата ChatML и Llama. Модель предназначена для генерации текста в диалоговом формате. При обучении ответы GPT-4 Turbo выбирались как предпочтительные по сравнению с ответами GPT-4. Доступна в формате safetensors под лицензией CC BY-NC 4.0, которая ограничивает коммерческое использование.

EtherealAurora-12B — разговорная языковая модель на архитектуре Mistral, опубликованная yamatazen. Это объединение предварительно обученных моделей, созданное с помощью mergekit методом Model Stock на базе yamatazen/Aurora-SCE-12B. Модель содержит 12,1 млрд параметров, распространяется в формате safetensors и использует шаблон диалога ChatML. Метаданные указывают контекст до 1 024 000 токенов. Модель предназначена для генерации текста и диалогового общения. Её можно использовать для ответов на вопросы, написания и продолжения текстов на английском и японском языках. Репозиторий распространяется по лицензии Apache-2.0. Карточка не приводит сравнительных оценок качества или подробных рекомендаций по настройке.

Garten2-7B — языковая модель общего назначения, разработанная senseable и основанная на дообученной Mistral-7B-v0.1. Она предназначена для генерации текста, диалога и создания контента. Модель использует плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и имеет контекстное окно 32 768 токенов. В репозитории доступны веса в формате safetensors; библиотека для работы — Transformers. Карточка приводит результаты оценки на бенчмарках рассуждений и понимания текста. Модель поддерживает английский язык. Она распространяется по лицензии Apache-2.0. Карточка не описывает специальные ограничения качества или отдельные прикладные области.

chujiezheng/internlm2-chat-7b-ExPO — диалоговая языковая модель семейства InternLM2, созданная методом Weak-to-Strong Extrapolation (ExPO) на основе internlm2-chat-7b и чекпойнтов SFT и DPO/RLHF. Разработчик сообщает, что экстраполяция с alpha = 0.5 усиливает согласование ответов с человеческими предпочтениями. Модель содержит 7,4 млрд параметров, использует плотную архитектуру InternLM2ForCausalLM и принимает текстовые запросы, выдавая текстовые ответы в формате чата. Контекстное окно — 32 768 токенов; в карточке указаны английский и китайский языки. В README приведены сравнительные результаты ExPO на AlpacaEval 2.0 и MT-Bench, но они относятся к нескольким другим моделям, к весам которых применяли ExPO, и не являются прямой оценкой этого чекпойнта. Модель предназначена для диалогов и генерации ответов с учетом человеческих предпочтений. Лицензия указана как other, поэтому конкретные условия использования следует сверить с файлами репозитория.

Laabam AI 3B v1 — многоязычный чат-ассистент, дообученный разработчиком Laabam на базе Qwen2.5-3B-Instruct методом QLoRA. Модель предназначена для выполнения инструкций и генерации ответов в диалоге; при дообучении уделялось внимание следованию инструкциям, безопасности и индийским языкам. Это плотная авторегрессионная модель семейства Qwen2 с 3,1 млрд параметров и контекстом до 32 768 токенов. Карточка указывает английский и хинди, а также тамильский и телугу; метаданные дополнительно отмечают каннада. Модель распространяется в формате safetensors по лицензии Apache-2.0.

LeoLM/leo-hessianai-7b-chat — чат-модель команды LeoLM, созданная Björn Plüster и Christoph Schuhmann совместно с LAION и HessianAI. Она основана на LeoLM/leo-hessianai-7b — немецкоязычной версии Llama 2, дополнительно обученной на немецких текстах, — и дообучена на наборах немецких инструкций. Модель представляет собой плотный авторегрессионный трансформер-декодер семейства Llama с 6,6 млрд параметров и контекстом до 8 192 токенов; работает через Transformers и использует формат диалога ChatML. Модель предназначена для общения, написания и объяснения текстов, обсуждений, ролевых диалогов и ответов на вопросы на немецком и английском языках. В оценке MT-Bench-DE особенно хорошо показала себя в гуманитарных и STEM-задачах, а математика, программирование и сложные рассуждения оказались слабее. Разработчики предупреждают о возможных неточных, предвзятых или нежелательных ответах и рекомендуют проверять модель и адаптировать меры безопасности под конкретное применение. Лицензия — Llama 2 Community License Agreement.

LFM2-24B-A2B-MLX-8bit — 8-битная квантованная версия модели LFM2-24B-A2B, разработанной LiquidAI. Квантование выполнено командой LM Studio с использованием MLX и ориентировано на запуск на устройствах с Apple Silicon. Модель предназначена для генерации текста и локального использования через совместимое программное обеспечение. Модель поддерживает английский, арабский, китайский, французский, немецкий, японский, корейский, испанский и португальский языки. Ключевые параметры контекста, точная архитектура и дополнительные модальности в README не указаны; из описания следует, что это текстовая модель. Сильной стороной является оптимизация для Apple Silicon и снижение требований к памяти благодаря 8-битному представлению, однако квантование может влиять на качество по сравнению с исходной версией, а применение вне экосистемы Apple может быть ограничено. Модель распространяется по лицензии lfm1.0.

Карточка модели ReplaceHumanWithAI/llama3.1_high_F16 на Hugging Face совпадает с карточкой ReplaceHumanWithAI/llama3.1_low_F16, поэтому описание составлено по ней. ReplaceHumanWithAI/llama3.1_low_F16 — дообученная разговорная языковая модель семейства Llama 3.1, разработанная ReplaceHumanWithAI на базе unsloth/meta-llama-3.1-8b-instruct-bnb-4bit. Модель с плотной архитектурой LlamaForCausalLM содержит 7,5 млрд параметров и предназначена для генерации текста в диалогах; в метаданных также отмечен интерфейс вызова инструментов. Модель принимает текст и выдаёт текст, поддерживает английский язык. Заявленная длина контекста — 131 072 токена. Веса представлены в формате safetensors; для обучения использовались Unsloth и библиотека TRL. Модель распространяется по лицензии Apache-2.0. Карточка не описывает специализацию дообучения или результаты оценки качества, поэтому её пригодность для конкретных сценариев следует проверять отдельно.

Llama-3-Chinese-8B-Instruct — чат-модель на архитектуре Llama, разработанная как дообучение Llama-3-Chinese-8B на 5 млн примеров с инструкциями. Она предназначена для диалога, ответов на вопросы и генерации текста по запросу. Модель содержит 7,5 млрд параметров, принимает текст и выдаёт текст; заявленные языки — китайский и английский. Контекстное окно составляет 8192 токена. Для хранения весов используется формат Safetensors. Модель подходит для разговорных сценариев и вопросов и ответов. Карточка не приводит оценки качества или подробных ограничений применения. Лицензия — Apache-2.0.

Lucie-7B-Instruct-human-data — дообученная инструкционная версия Lucie-7B, открытой многоязычной каузальной языковой модели, разработанной OpenLLM-France. Модель предназначена для генерации текста и диалоговых сценариев с выполнением инструкций, прежде всего на французском языке. Она также обучалась на английском, немецком, итальянском и испанском языках. Размер модели — 7B параметров; базовая модель поддерживает контекст до 32K токенов, и, несмотря на обучение на последовательностях длиной 4096 токенов, эта версия сохраняет способность работать с контекстом до 32K токенов. Модель дообучалась исключительно на созданных людьми или шаблонно подготовленных инструкционных данных, без использования ответов сторонних LLM; среди источников — Aya Dataset, Dolly, FLAN v2, OpenAssistant, Croissant Aligned Instruct и франкоязычные наборы данных. Её сильная сторона — следование инструкциям и генерация французского текста при полностью открытом подходе к подготовке данных. Модель не оптимизировалась для программирования и математических задач, а её качество ниже, чем у Lucie-7B-Instruct-v1.1; дальнейшее дообучение и выравнивание методами DPO или RLHF могут улучшить эти возможности. Модель распространяется по лицензии Apache-2.0.

Magnum v2 72B GGUF — квантизированная версия языковой модели anthracite-org/magnum-v2-72b, разработанная командой Anthracite и дообученная на базе Qwen-2 72B Instruct. Модель создана для генерации текста и диалоговых сценариев; её цель — приблизить качество прозы к моделям Claude 3, в частности Sonnet и Opus. Она предназначена для использования в формате ChatML. Модель содержит 72 миллиарда параметров, поддерживает текстовую модальность и указанные языки: английский, французский, немецкий, испанский, итальянский, португальский, русский, китайский и японский. Дообучение проводилось в течение двух эпох с использованием полного набора параметров, weight decay 0,01 и пиковой скорости обучения 4e-6. При обучении применялась упаковка примеров на 16 тысяч токенов, однако точный размер контекстного окна в README не указан. Репозиторий содержит GGUF-квантизации; вариант Q8_0 отмечен как повреждённый. Сильными сторонами модели заявлены качество прозы и способность работать в многоязычных диалоговых задачах. Ограничения включают зависимость от конкретного шаблона ChatML, отсутствие подробных сведений о результатах оценки и безопасности, а также возможные особенности и потери качества, связанные с квантизацией. Модель распространяется по лицензии, обозначенной как tongyi-qianwen; подробные условия следует уточнять в файле лицензии исходной модели.

jhflow/mistral7b-lora-multi-turn-v2 — дообученная текстовая модель семейства Mistral, созданная для многоходовых диалогов в сценариях RAG. Автор сообщает, что для обучения использовал наборы данных с диалогами, основанными на знаниях; шаблон промпта построен по формату ChatML и включает системный промпт, контекст, запрос пользователя и ответ ассистента. Модель имеет плотную архитектуру MistralForCausalLM и 7,1 млрд параметров, принимает текст и генерирует текст. Заявленная длина контекста — 32 768 токенов. Лицензия в предоставленных данных не указана.

Oot-v2_lll — языковая модель для генерации текста и диалогов, созданная слиянием моделей mlabonne/Marcoro14-7B-slerp и Weyaxi/OpenHermes-2.5-neural-chat-v3-3-Slerp с помощью Mergekit. Она предназначена для ответов в чате и решения общих языковых задач. Модель использует плотную архитектуру Mistral с 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В README описан метод слияния SLERP и приведены результаты оценок на тестах рассуждений и понимания текста. Модель распространяется в формате safetensors по лицензии Apache-2.0.

OpenBuddy-falcon-7b-v5-fp16 — это многоязычная чат-модель OpenBuddy на базе Falcon, предназначенная для диалогов и генерации ответов. Она использует плотную архитектуру RefinedWebModel с причинным языковым моделированием; в репозитории указано 10,9 млрд параметров и формат PyTorch. Модель рассчитана на работу с текстом и поддерживает китайский, английский, французский, немецкий, японский, корейский, итальянский и русский языки. Модель подходит для чат-ботов, ответов на вопросы и генерации текста. Репозиторий распространяется по лицензии Apache 2.0. Авторы предупреждают, что ответы могут быть ошибочными, вредными или оскорбительными; модель не следует использовать в критически важных медицинских, финансовых, юридических сценариях или для управления потенциально опасными системами.

Qwen2-Mix-7B — разговорная языковая модель на архитектуре Qwen2, созданная bunnycore путём объединения нескольких моделей с помощью mergekit. Репозиторий содержит веса в формате safetensors; размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Объединение включает bunnycore/Qwen-Mix-7B, maywell/Qwen2-7B-Multilingual-RP и cognitivecomputations/dolphin-2.9.2-qwen2-7b; в конфигурации mergekit указаны метод model_stock и формат bfloat16. Лицензия — Apache-2.0. Модель унаследовала мультиязычную направленность одной из базовых моделей и ориентирована на чат, однако README не приводит результаты оценки качества или подробный перечень языков и специальных навыков. Как и другие генеративные языковые модели, она может выдавать неточные или выдуманные сведения.

QuantFactory/suzume-llama-3-8B-multilingual-GGUF — это квантованная в формате GGUF версия мультиязычной модели lightblue/suzume-llama-3-8B-multilingual, созданная с помощью llama.cpp. Базой служит Meta-Llama-3-8B-Instruct от Meta; исходная модель дообучена примерно на 90 тысячах многоязычных диалогов. Модель предназначена для текстового общения, генерации ответов и инструкционного взаимодействия на нескольких языках. В обучении использовались датасеты с англоязычными, японскими и другими многоязычными диалогами, а оценивание проводилось на немецком, французском, японском, русском, китайском и английском языках. Ключевая особенность — расширенная поддержка неанглийских языков при сохранении возможностей Llama 3 для диалоговых задач. Размер модели — 8B параметров; архитектура унаследована от Llama 3. Модель является текстовой, поддержка изображений и других модальностей не заявлена. Размер контекста в карточке не указан. По MT-Bench модель получила оценки 7,26 на немецком, 7,66 на французском, 6,56 на японском, 8,19 на русском, 7,11 на китайском и 7,73 на английском. Эти результаты указывают на сильные мультиязычные диалоговые способности, однако русская оценка не включала задачи на код, рассуждения и математику, а подробности методики и обучающих данных должны быть дополнительно проверены. Для использования заявлена лицензия Llama 3; в карточке она обозначена как other и приведена ссылка на лицензию Meta-Llama-3-8B-Instruct. Ограничения лицензии, требования к применению и характеристики конкретных квантованных вариантов в README подробно не описаны.