III.5Управление персоналом и организацией

LeoLM 70b — открытая языковая модель, разработанная Björn Plüster и Christoph Schuhmann совместно с LAION и HessianAI. Это причинный декодерный трансформер семейства Llama, дообученный продолжением предобучения на большом корпусе преимущественно немецкоязычных и локально ориентированных текстов на базе meta-llama/Llama-2-70b-hf. Модель предназначена для генерации текста на немецком и английском языках, включая исследовательские и коммерческие сценарии работы с немецкоязычными LLM. Модель содержит 68,7 млрд параметров, принимает текст и поддерживает контекст до 8192 токенов. Опубликована в формате safetensors и загружается через Transformers. Для запуска требуется значительный объём видеопамяти, вероятно, несколько устройств; квантизация может снизить требования к памяти. Распространяется по лицензии Llama 2 Community License Agreement.

Llama-3.1-8B-Instruct_Flat-Affect — вариант Meta Llama 3.1 8B Instruct, созданный Apollo Raines с помощью инструмента jBlaze для изменения поведения модели непосредственно в весах. Дополнительное обучение не проводилось. Модель предназначена для диалогов и генерации текста в сдержанном, клиническом и объективном тоне, без выраженной эмоциональной окраски и энтузиазма. Это плотная авторегрессионная модель LlamaForCausalLM в формате safetensors; в метаданных указаны 7,5 млрд параметров и контекст до 131 072 токенов. Карточка отмечает английский язык. Вариант представлен как демонстрация технологии jBlaze с намеренно сниженной силой воздействия изменений, поэтому полноту заявленного эффекта следует оценивать на практике. Лицензия — Llama 3.1.

Mungert/Llama-3.2-1B-GGUF — это компактная GGUF-версия языковой модели Llama 3.2, разработанной Meta. Репозиторий предназначен для запуска модели в совместимых средах инференса, поддерживающих формат GGUF, и для задач генерации текста, включая диалоговые сценарии, ответы на запросы и другие приложения на основе языковых моделей. Из доступных данных известно, что модель относится к семейству Llama 3.2, имеет размер 1B параметров и поддерживает текстовую генерацию. В карточке указаны английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский языки. Архитектура, точная длина контекста, параметры квантования и сведения о мультимодальности не указаны; по имеющейся информации модель следует рассматривать как текстовую, а не мультимодальную. Небольшой размер может облегчать локальный запуск и снижать требования к вычислительным ресурсам, однако по сравнению с более крупными моделями может ограничивать качество сложного рассуждения, точность и устойчивость на специализированных задачах. Модель распространяется по Llama 3.2 Community License от Meta. Лицензия предусматривает требования к атрибуции, маркировке продуктов, соблюдению Acceptable Use Policy и условиям перераспределения; для организаций с более чем 700 миллионами ежемесячно активных пользователей требуется отдельное разрешение Meta.

Mawared_T1 — двуязычная языковая модель, разработанная Daemontatox и дообученная на базе arcee-ai/Meraj-Mini. Она использует плотную трансформерную архитектуру Qwen2 для генерации текста и диалогового взаимодействия. Размер модели — 7,1 млрд параметров, контекст — до 131 072 токенов. Модель предназначена для общения и создания контента на арабском и английском языках. Её можно использовать для чат-ботов и виртуальных помощников, составления текстов, кратких изложений и переводов между этими языками. В карточке также заявлено применение для образовательных материалов и многоязычного анализа текста. Модель распространяется в формате Safetensors по лицензии Apache-2.0. README сообщает о дообучении с использованием Unsloth и Hugging Face TRL, включая методы reinforcement learning; независимые показатели качества для арабского языка в карточке не приведены.

MergerixStrangemerges_32-7B — автоматическое слияние моделей, созданное Maxime Labonne на основе Gille/StrangeMerges_32-7B-slerp и MiniMoog/Mergerix-7b-v0.3. В репозитории указаны метод слияния dare_ties, плотность 0,53, вес 0,6 и формат bfloat16; архитектура — плотная MistralForCausalLM с 7,1 млрд параметров. Модель предназначена для генерации текста и поддерживает контекст до 32 768 токенов. Лицензия — Apache-2.0. В README не описаны конкретные языки и специализированные сценарии применения.

OpenBuddy/openbuddy-llama3.2-1b-v23.1-131k — многоязычная чат-модель OpenBuddy, построенная на Meta Llama 3.2 1B Instruct. Это плотная авторегрессионная архитектура LlamaForCausalLM с 1,2 млрд параметров и контекстом до 131 072 токенов; модель принимает текст и генерирует текст в диалоговом формате. В README заявлены английский и китайский языки, а метаданные также перечисляют французский, немецкий, японский, корейский, итальянский и финский. Модель предназначена для диалогов и генерации ответов на пользовательские запросы. Для запуска рекомендуется быстрый токенизатор Transformers; карточка отмечает совместимость формата с vLLM для предоставления API. Используются веса safetensors. Лицензия — Llama 3.2; применение ограничено условиями лицензии и политикой допустимого использования Meta. Авторы предупреждают, что ответы могут быть ошибочными, вредными или оскорбительными, и не рекомендуют использовать модель в высокорисковых сценариях, включая медицину, управление потенциально опасными системами и важные юридические или финансовые решения.

LoneStriker/openbuddy-mixtral-7bx8-v18.1-32k-GGUF — мультиязычная диалоговая модель OpenBuddy, разработанная проектом OpenBuddy. Она предназначена для генерации текста и общения на естественных языках, включая китайский, английский, французский, немецкий, японский, корейский, итальянский и русский. Модель основана на Mistral Mixtral-8x7B-v0.1. В README указано, что модель распространяется в формате GGUF; идентификатор также указывает на контекст 32K. Архитектурные детали самой версии, точный размер файла, параметры квантования и результаты оценки в предоставленных данных не раскрыты. Модель ориентирована на общие сценарии генерации текста и чат-взаимодействия, но README не подтверждает её пригодность для специализированных задач. Модель может выдавать ошибочные, вредные, оскорбительные или иным образом нежелательные ответы, поэтому её не следует использовать в критически важных и высокорисковых сценариях, включая медицину, управление потенциально опасными системами, а также значимые финансовые и юридические решения. Указанная лицензия — Apache 2.0. Модель предоставляется без гарантий; пользователь самостоятельно принимает связанные с её применением риски.

OpenBuddy-openllama-7b-v5-fp16 — версия многоязычного чат-бота OpenBuddy, разработанного проектом OpenBuddy. Модель построена на плотной архитектуре LLaMA с классом LlamaForCausalLM и содержит 6,6 млрд параметров; опубликована в формате PyTorch с лицензией Apache-2.0. Модель предназначена для диалогов и генерации текста. В карточке заявлена поддержка китайского, английского, французского, немецкого, японского, корейского, итальянского и русского языков. Длина контекста составляет 2048 токенов. OpenBuddy может выдавать ошибочные, вредные или оскорбительные ответы. Разработчики не рекомендуют использовать её в критических сценариях, включая медицину, управление потенциально опасными системами и важные финансовые или юридические решения.

PEGASUS-X Base — модель Google Research, основанная на PEGASUS и предназначенная прежде всего для абстрактивного суммирования длинных текстов. Это encoder-decoder Transformer с блочно-локальным вниманием и глобальными токенами энкодера; модель содержит около 187,1 млн параметров и поддерживает входной контекст до 16 384 токенов. Модель принимает текст и генерирует текстовое резюме. PEGASUS-X расширяет PEGASUS дополнительным предобучением на длинных последовательностях; в исследовании авторы сообщают о сильных результатах на задачах суммирования длинных текстов при сравнительно небольшом размере модели. Карточка Hugging Face не содержит сведений о конкретных языках обучения или лицензии, поэтому они здесь не уточняются.

RWKV7-Goose-World3-1.5B-HF — многоязычная языковая модель RWKV-7, разработанная Бо Пэном, Ю Чжаном, Сонглином Яном и Жуйчуном Чжаном при поддержке RWKV Project под эгидой LF AI & Data Foundation. Это плотная авторегрессионная модель с архитектурой RWKV7ForCausalLM и 1,5 млрд параметров, представленная в формате safetensors и предназначенная для генерации текста и диалогов. Модель обучена на корпусе World v3 объёмом 3,119 трлн токенов. Она поддерживает английский, китайский, японский, корейский, французский, арабский, испанский и португальский языки; размер словаря токенизатора RWKV World составляет 65 536 токенов. Длина контекста — 2048 токенов. Для запуска через Transformers требуется актуальная версия библиотеки и пакет flash-linear-attention. Лицензия Apache-2.0. В приведённых метриках для LAMBADA указаны perplexity 4,13 и accuracy 69,4% до конвертации и 4,26 и 68,8% после конвертации; результаты зависят от настройки оценки. Карточка не описывает специализированную предметную область.

Stockmark-100b — плотная авторегрессионная языковая модель семейства Llama, разработанная компанией Stockmark Inc. и обученная с нуля на корпусе примерно из 910 млрд токенов японского и английского текста. Модель насчитывает 95,6 млрд параметров, принимает текст и генерирует текст; максимальная длина контекста — 4096 токенов. Для обучения использовались, среди прочего, японские веб-страницы о бизнесе, патенты, Википедия и англоязычная выборка RedPajama-Data. Модель предназначена для генерации текста на японском и английском языках, включая деловые вопросы и ответы. В README приведены результаты оценок отдельной инструкционной версии stockmark-100b-instruct-v0.1; они не характеризуют напрямую базовую модель. Указанная лицензия — MIT. Ограничение контекста составляет 4096 токенов; для диалогов и выполнения инструкций в README выделена отдельная инструкционная версия.

Tema_Q-R-3B-Thinking — компактная языковая модель, разработанная на основе Liquid AI LFM2.5-2.6B и дообученная для генерации ответов на японском и английском языках. Это плотная причинная трансформерная модель семейства LFM2, представленная в формате safetensors; её контекстное окно составляет 131 072 токена. Модель предназначена для диалогов и генерации текста по инструкциям, включая творческое письмо и поиск знаний. Разработчик позиционирует её как улучшенный вариант базовой модели, способный давать более гибкие и полезные ответы на сложные запросы. Модель помечена как uncensored; соблюдение законодательства и правил использования контента возложено на пользователя, а README запрещает применение для дискриминации, преследования, насилия, незаконных и иных вредоносных целей. Модель основана на LiquidAI/LFM2.5-2.6B и имеет 2,6 млрд параметров. Условия лицензии в предоставленных данных не указаны.

QuantFactory/Teuken-7B-instruct-research-v0.4-GGUF — квантизированная версия инструкционно дообученной языковой модели Teuken-7B-instruct-research-v0.4, созданная QuantFactory с использованием llama.cpp. Исходную модель разработали Fraunhofer, Forschungszentrum Jülich, TU Dresden и DFKI в рамках проекта OpenGPT-X при финансировании Федерального министерства экономики и защиты климата Германии. Модель основана на decoder-only Transformer и содержит около 7 млрд параметров; базовая модель предварительно обучалась на 4 трлн токенов из общедоступных источников с отсечкой данных в сентябре 2023 года. Модель предназначена прежде всего для генерации текста и мультиязычных задач, включая исследовательское использование на 24 языках ЕС: болгарском, чешском, датском, немецком, греческом, английском, испанском, эстонском, финском, французском, ирландском, хорватском, венгерском, итальянском, литовском, латышском, мальтийском, нидерландском, польском, португальском, румынском, словацком, словенском и шведском. Инструкционная настройка ориентирована на более стабильные результаты в этих языках и ответы, в большей степени отражающие европейский контекст. Для работы необходимо использовать предусмотренный prompt template или chat template токенизатора. К сильным сторонам относятся широкое покрытие европейских языков и формат GGUF, подходящий для запуска через llama.cpp и совместимые инструменты. Ограничения включают возможные предвзятость, галлюцинации, а также генерацию токсичного, оскорбительного или вредного содержания. Модель не предназначена для математических и программных задач. В README указана лицензия «other», но конкретные условия лицензирования не приведены.

Viking-SlimSonnet-v1-7B — диалоговая языковая модель, разработанная mpasila на базе LumiOpen/Viking-7B. Модель дообучена методом LoRA на наборе SlimOrca, очищенном от примеров длиннее 4076 токенов; использован формат диалогов ChatML. Это плотная архитектура Llama с 7 млрд параметров и контекстом 4096 токенов. Модель предназначена для генерации ответов в диалоге и других текстовых продолжений. В карточке указаны английский и скандинавские языки: финский, шведский, норвежский, датский и исландский; базовая Viking-7B ориентирована преимущественно на финский и скандинавские языки. Модель опубликована в формате safetensors по лицензии Apache-2.0.

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.

pix08934725/axxis-test — дообученная языковая модель автора pix08934725 на базе unsloth/llama-3.2-3b-instruct-unsloth-bnb-4bit. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 3,2 млрд параметров, предназначенная для генерации текста и диалогового использования. В метаданных заявлены контекст до 131 072 токенов и интерфейс вызова инструментов; модель сохранена в формате safetensors. Карточка сообщает, что обучение проводилось с Unsloth и библиотекой TRL, но не описывает специализацию дообучения, обучающие данные или результаты оценки. Указан английский язык. Модель выпущена по лицензии Apache-2.0.

timpal0l/dolphin-2.9-llama3-8b-flashback — объединённая языковая модель на архитектуре Llama 3 с 7,5 млрд параметров. Она предназначена для генерации текста и запускается через библиотеку Transformers; заявленный контекст составляет 8192 токена. Модель объединяет dolphin-2.9-llama3-8b и Llama-3-8B-flashback-v1. В метаданных перечислены шведский, датский, норвежский и английский языки. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. Модель можно использовать для генерации ответов и продолжения текста на поддерживаемых языках. Карточка не приводит результатов оценки качества или подробных ограничений, поэтому пригодность для конкретных задач следует проверять самостоятельно.

Katayoon/DPO-ONLY-Zephyr-7B-2-iter-1 — диалоговая языковая модель, разработанная Katayoon как дообученная версия Katayoon/DPO-ONLY-Zephyr-7B на обновлённом и исходном наборах данных. Модель использует плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для диалогов и генерации текстовых ответов. Её можно использовать в чат-ботах и для создания ответов на текстовые запросы. Доступны веса в формате safetensors; лицензия — MIT. README не приводит сведения о результатах оценки или конкретных ограничениях модели.

GaMS3-12B — плотная языковая модель семейства Gemma 3, разработанная исследовательской командой Факультета компьютерных наук и информатики Люблянского университета. Модель объёмом 11,6 млрд параметров создана на основе google/gemma-3-12b-pt: её дополнительно предобучили на корпусах на словенском, английском, хорватском, сербском и боснийском языках. Для этой версии не заявлено инструкционное дообучение; в карточке отдельно указана версия GaMS3-12B-Instruct. Модель предназначена для генерации текста, диалоговых интерфейсов, суммаризации, черновиков и языковых учебных инструментов, особенно для работы со словенским и английским. Максимальная длина контекста — 131 072 токена. Репозиторий содержит веса safetensors; лицензия — Gemma. Качество ответов зависит от обучающих данных и формулировки запроса; возможны фактические ошибки, предвзятость и затруднения с тонкими языковыми нюансами и сложными задачами. Результаты следует проверять, а для пользовательских приложений предусматривать меры безопасности.

Jev-Style-Qwen3.5-2B-Decision-v2-MLX-bf16 — англоязычная модель для классификации, маршрутизации и выбора типизированного ответа из заданного списка. Она основана на Qwen3.5-2B и дообучена в формате Jev-style: получает описание состояния, вопрос и от 2 до 26 вариантов, а за один проход выдаёт вероятности выбора с применением калибровки. Репозиторий содержит веса MLX в BF16, клиент инференса и материалы оценки; указанный размер модели — 1,7 млрд параметров, нативный контекст — 262 144 токена. Модель предназначена для задач с заранее заданными ответами, включая классификацию текста, логические вопросы, маршрутизацию и упорядоченные оценки. В фиксированной англоязычной панели автор сообщает точность 81,20% и улучшение метрик относительно сравниваемых моделей; эти результаты относятся к описанному набору задач и не гарантируют аналогичного качества на других данных. Интерфейс ограничивает промпт 1 024 токенами, хотя контекстная ёмкость базовой архитектуры больше. Этот вариант рассчитан на запуск через MLX на Apple Silicon. Лицензия — Apache-2.0.

Leo Hessianai 13B Chat Bilingual — двуязычная чат-модель, разработанная LAION LeoLM и представленная в формате GGUF командой TheBloke. Это квантизированная версия исходной модели LeoLM/leo-hessianai-13b-chat-bilingual на базе архитектуры Llama с примерно 13 млрд параметров. Модель предназначена для диалогового взаимодействия и генерации текста на английском и немецком языках. Она может использоваться для локального запуска чат-ассистентов, ответов на вопросы и других задач текстовой генерации. В README указана совместимость с llama.cpp и рядом пользовательских интерфейсов и библиотек, включая text-generation-webui, KoboldCpp, LM Studio, llama-cpp-python и ctransformers. Для общения используется шаблон промпта ChatML. Доступны варианты GGUF с квантованием от 2 до 8 бит, что позволяет выбирать компромисс между требованиями к памяти, скоростью и качеством генерации и запускать модель на CPU, GPU или в комбинированном режиме. README не содержит сведений о размере контекста, мультимодальности, результатах тестирования или конкретных ограничениях качества, поэтому эти характеристики нельзя оценить по представленным данным. Модель распространяется по лицензии Llama 2.

Llama-2-13b-chat-norwegian — модель Ruter AI Lab, созданная дообучением Meta Llama 2 13B Chat на норвежских данных. Это плотная авторегрессионная языковая модель с 12,9 млрд параметров и контекстом до 4096 токенов; доступны веса PyTorch и safetensors. Модель предназначена для понимания и генерации текста на норвежском языке и для диалоговых сценариев с инструкциями. Её можно использовать для ответов на вопросы, суммаризации и работы чат-ассистента на норвежском. В обучении использовались Norwegian Alpaca, 15 тысяч машинно переведённых примеров OpenOrca и небольшой набор собственных инструкций; модель обучалась одну эпоху. Авторы отмечают, что для хороших результатов может потребоваться настройка промптов. Модель обычно лучше справляется с суммаризацией, вопросами и диалогом, чем с задачами, требующими специальных знаний о Норвегии или конкретных областях. Машинный перевод в обучающих данных может содержать грамматические и другие ошибки. Лицензия — Llama 2 Community License; набор Norwegian Alpaca имеет отдельное ограничение на создание моделей, конкурирующих с OpenAI.

Llama3-12B-wwe — объединённая языковая модель на архитектуре Llama, созданная сообществом mergekit-community методом passthrough из трёх моделей: hfl/llama-3-chinese-8b-instruct-v2, NousResearch/Hermes-2-Pro-Llama-3-8B и shenzhi-wang/Llama3-8B-Chinese-Chat. Она предназначена для генерации текста и диалогов; базовые модели ориентированы в том числе на китайский и английский языки, а Hermes-2-Pro добавляет разговорные возможности. Модель содержит 13,2 млрд параметров, использует архитектуру LlamaForCausalLM и формат safetensors; заявленная длина контекста — 8192 токена. В README описано объединение диапазонов слоёв трёх исходных моделей с точностью float16. Модель подходит для ответов в чате и продолжения текста. Лицензия в предоставленных данных не указана.

LLama3-Gaja-Hindi-8B-v0.1 — двуязычная чат-модель Cognitivelab.in, дообученная на базе Llama 3 8B. Это плотная авторегрессионная архитектура Llama с 7,5 млрд параметров, предназначенная для понимания естественного языка и выполнения инструкций в диалогах на хинди и английском. Модель поддерживает контекст до 8192 токенов и распространяется в формате safetensors. Модель подходит для ответов на вопросы и ведения многоходового чата, следуя инструкциям пользователя на хинди или английском. Для дообучения использовались отобранные переведённые пары инструкций и метод supervised fine-tuning с low-rank adaptation. Лицензия в метаданных указана как Llama 2; условия использования следует сверять с её текстом. В карточке нет опубликованных результатов бенчмарков, поэтому качество модели по ним оценить нельзя.

Bllossom — двуязычная корейско-английская языковая модель для диалогов и генерации текста, разработанная MLPLab при SeoulTech совместно с Teddysum и Yonsei University. Она основана на Meta Llama 3 70B и дообучена с дополнительным обучением для связывания знаний на корейском и английском языках, расширением корейского словаря, инструктивными данными о корейском языке и культуре и DPO на основе обратной связи. Модель имеет плотную архитектуру LlamaForCausalLM, около 69,5 млрд параметров и контекст до 8192 токенов. Модель предназначена для двуязычных диалоговых помощников, следования инструкциям и генерации текста на корейском и английском языках. README также упоминает выравнивание vision transformer, однако метаданные этой версии указывают только генерацию текста, поэтому её не следует считать мультимодальной моделью. Репозиторий содержит веса safetensors и использует библиотеку Transformers. Лицензия — llama3; применяются условия лицензии Llama 3 от Meta.

QuantFactory/Llama-3-SauerkrautLM-8b-Instruct-GGUF — это квантованная версия в формате GGUF модели Llama-3-SauerkrautLM-8b-Instruct, базовой моделью которой указана VAGOsolutions/Llama-3-SauerkrautLM-8b-Instruct. Публикация подготовлена QuantFactory. Модель предназначена для генерации текста и диалоговых сценариев с инструкциями; по указанным языкам ориентирована на немецкий и английский языки. В названии и метаданных указано, что модель имеет размер 8 миллиардов параметров, относится к семейству Llama 3 и обучалась с применением методов DPO и двухэтапного DPO. Формат GGUF предназначен для локального запуска в совместимых инструментах вывода и может быть удобен для использования на потребительском оборудовании, однако конкретный тип квантования, требования к памяти, размер контекста, точные показатели качества и поддерживаемые модальности в предоставленных данных не указаны. Поэтому нельзя сделать выводы о производительности модели в отдельных прикладных задачах или о преимуществах конкретного варианта квантования. Модель распространяется по лицензии Meta Llama 3 Community License, обозначенной как llama3. При распространении материалов или производных моделей требуется сохранять текст лицензии и указание «Built with Meta Llama 3», а также соблюдать применимую политику допустимого использования и другие условия лицензии.

Moritz Laurer выпустил многоязычную модель mDeBERTa-v3-base-mnli-xnli на базе архитектуры DeBERTa-v2. Модель содержит 306 млн параметров, принимает пары текстов для вывода о логическом следовании и подходит для классификации по заданным пользователем категориям без отдельного обучения на этих категориях. Её контекст ограничен 512 токенами. Модель предварительно обучена Microsoft на многоязычном корпусе CC100, затем дообучена на английском MNLI и профессионально переведённых данных XNLI. Карточка указывает поддержку NLI на 100 языках; наиболее подробно оценены 15 языков XNLI, включая русский. Средняя точность на тесте XNLI составила 0,808, при этом качество зависит от языка и может быть ниже для языков вне набора оценки. Модель распространяется по лицензии MIT.

Loyola разработала Loyola/Mistral-7b-ITmodel — чат-модель для генерации текста, дообученную на базе Mistral-7B-Instruct-v0.2 с использованием набора данных nlpai-lab/kullm-v2. Модель основана на плотной архитектуре MistralForCausalLM, содержит 7,1 млрд параметров и принимает запросы в формате Mistral Prompt Template. Она предназначена для диалогов и генерации ответов; заявлены английский и корейский языки. Модель распространяется в формате safetensors по лицензии Apache-2.0. Контекстное окно составляет 32 768 токенов.

jhflow/mistral7b-lora-multiturn-v4 — диалоговая модель генерации текста на базе архитектуры Mistral. В карточке указана базовая модель maywell/Synatra-7B-v0.3-dpo и формат диалога ChatML; метаданные описывают плотную архитектуру MistralForCausalLM размером 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для многоходового общения и генерации ответов в формате чата. Она опубликована в формате safetensors и поддерживает text-generation. Лицензия в предоставленных данных не указана.

NeuralQwen-7B-Spanish-Iptel — языковая модель на 7,1 млрд параметров, созданная Kukedlc слиянием Qwen/Qwen2.5-7B-Instruct и Kukedlc/iptel_qwen с помощью LazyMergekit и метода dare_ties. Модель семейства Qwen2 имеет плотную архитектуру Qwen2ForCausalLM, принимает текст и предназначена для диалогов и генерации текста. В карточке заявлено контекстное окно до 131 072 токенов; название указывает на ориентацию на испанский язык, но конкретные языки обучения или результаты оценки в README не описаны. Модель распространяется в формате safetensors по лицензии Apache-2.0. В метаданных также отмечен интерфейс вызова инструментов. Качество и ограничения слияния не охарактеризованы, поэтому пригодность для конкретных задач стоит проверять отдельно.