III.5Управление персоналом и организацией

OpenBuddy DeepSeek 67B v18.1 4k — многоязычная разговорная языковая модель семейства Llama, разработанная проектом OpenBuddy на базе DeepSeek. Она предназначена для генерации ответов в диалоге и может использоваться как чат-бот на нескольких языках. Модель содержит 66,6 млрд параметров, рассчитана на контекст до 4096 токенов и распространяется в формате safetensors для библиотеки Transformers. В метаданных и карточке перечислены китайский, английский, французский, немецкий, японский, корейский, итальянский, русский и финский языки. README приводит результаты оценки на нескольких бенчмарках, но не описывает методику обучения или сравнительные выводы. Лицензия обозначена как deepseek; перед использованием следует проверить её условия. Авторы предупреждают, что ответы могут быть ошибочными, вредными или оскорбительными, и не рекомендуют полагаться на модель в медицинских, финансовых, юридических и других критически важных сценариях.

OpenBuddy-Mixtral-22B-x8-Preview0-65k — предварительная многоязычная чат-модель OpenBuddy на архитектуре Mixtral с 22,1 млрд параметров. Она предназначена для диалогов и генерации текста; заявлены поддержка девяти языков и контекст до 65 536 токенов. Модель основана на Mixtral 8x22B и выпущена как версия, готовая примерно наполовину: авторы предупреждают, что она ещё не оптимизирована для общих разговорных задач. Для запуска рекомендуется быстрый токенизатор Transformers; README также упоминает возможность развертывания через vLLM. Лицензия — Apache 2.0. Модель может выдавать ошибочные, вредные или оскорбительные ответы. Не следует полагаться на неё в медицинских, финансовых и юридических решениях или в других критически важных сценариях.

OpenBuddy-stablelm-3b-v13 — многоязычная разговорная модель из семейства OpenBuddy, построенная на архитектуре StableLM Epoch и предназначенная для генерации текста в формате чат-бота. Модель содержит 2,7 млрд параметров, принимает текст и использует контекст до 4096 токенов. Модель рассчитана на диалоговые сценарии на китайском, английском, французском, немецком, японском, корейском, итальянском и русском языках. Её можно применять для ответов на вопросы, ведения беседы и генерации текста. Модель распространяется под лицензией CC BY-SA 4.0. Ответы могут быть ошибочными, вредными или оскорбительными. Разработчики предостерегают от применения модели в критических и высокорисковых сценариях, включая медицину, управление потенциально опасными системами, а также принятие важных финансовых и юридических решений.

Radon-35B-Ultra-X-RU-i1-GGUF — это квантизированная версия модели Radon-35B-Ultra-X-RU, разработанной MagistrTheOne и преобразованной в формат GGUF пользователем mradermacher. Модель предназначена для генерации текста и диалоговых сценариев, включая работу на русском и английском языках. В README она также обозначена как vision model, поэтому поддержка изображений предполагается при наличии соответствующих файлов mmproj, однако подробности мультимодальных возможностей не приведены. Модель основана на архитектуре radon_ultra_moe и относится к классу 35B. Доступны варианты квантизации i1 с разным балансом между размером файла, скоростью и качеством: от IQ1_S размером около 6,5 ГБ до Q6_K размером около 25,2 ГБ. Рекомендуемыми обозначены Q4_K_S как компромисс по размеру, скорости и качеству и Q4_K_M как быстрый вариант. Длина контекста, точные параметры MoE-архитектуры, результаты оценивания и требования к оборудованию в README не указаны. Сильными сторонами являются поддержка русского и английского языков, наличие множества вариантов квантизации для локального запуска и потенциальная работа с текстом и изображениями. Ограничения зависят от выбранного уровня квантизации: варианты с меньшим размером могут заметно уступать по качеству, а некоторые прямо характеризуются как низкокачественные. Для использования требуются совместимые инструменты, поддерживающие GGUF, а для обработки изображений — дополнительные mmproj-файлы из статического репозитория. Модель распространяется по лицензии Apache-2.0.

RefalMachine/ruadapt_llama3_8b_instruct_extended_lep_ft — чат-модель на архитектуре Llama 3 с 7,7 млрд параметров. Это LoRA-дообучение базовой модели RefalMachine/llama3_extended_darulm_20_05_24_part1-2_64000_bpe_full_lr2e4_bs256 на датасете saiga_scored d7; перед дообучением использована процедура Learned Embedding Propagation (LEP) с расширенным токенизатором. Разработчик сообщает, что расширенный токенизатор повышает эффективность работы с русским языком. Модель предназначена для генерации текста и диалогового общения на русском и английском языках. Контекст составляет 8192 токена; веса опубликованы в формате safetensors. Карточка не описывает отдельные специализированные области применения или результаты оценки качества. Лицензия в предоставленных данных не указана.

RWKV-7 — языковая модель с плотной архитектурой RWKV7ForCausalLM, опубликованная fla-hub на основе BlinkDL/rwkv7-g1. Разработчики, указанные в карточке: Bo Peng, Yu Zhang, Songlin Yang, Ruichong Zhang и Zhiyuan Li; проект поддерживается RWKV Project при LF AI & Data Foundation. Модель содержит 1,5 млрд параметров и использует токенизатор RWKV World с размером словаря 65 536 токенов. Модель предназначена для генерации текста и диалогов. Метаданные указывают поддержку английского, китайского, японского, корейского, французского, арабского, испанского и португальского языков. Контекст составляет 2 048 токенов. Для запуска README рекомендует библиотеку flash-linear-attention и transformers версии 4.48.0 или выше. Модель распространяется по лицензии Apache-2.0. Карточка не приводит результаты оценки качества или подробные ограничения; небольшой контекст ограничивает работу с длинными входами.

Sakura-SOLRCA-Instruct-DPO — плотная авторегрессионная языковая модель семейства Llama, разработанная Kyujin Han (kyujinpy) в рамках исследовательского консорциума компаний 미디어그룹사람과숲 и 마커. Модель дообучена методом DPO на наборе Intel/orca_dpo_pairs и предназначена для диалоговой генерации текста и следования инструкциям. Модель содержит 10,6 млрд параметров, рассчитана на контекст до 4096 токенов и распространяется в формате safetensors для Transformers. Карточка приводит результаты на наборах ARC, HellaSwag, MMLU, TruthfulQA, Winogrande и GSM8K; основным языком в метаданных указан английский. Лицензия CC BY-NC-SA 4.0 требует указания авторства, ограничивает коммерческое использование и распространяет аналогичные условия на производные материалы.

SambaLingo-Bulgarian-Chat — чат-модель SambaNova Systems для генерации ответов на болгарском и английском языках. Она построена на плотной архитектуре Llama и дообучена методом direct preference optimization поверх SambaLingo-Bulgarian-Base, адаптированной к болгарскому языку на основе Llama 2. Модель содержит 6,7 млрд параметров, принимает текст и генерирует текст; длина контекста — 4096 токенов. Модель предназначена для диалогов и ответов на вопросы на болгарском и английском языках. Словарь токенизатора расширен с 32 000 до 57 000 токенов за счёт добавления болгарских токенов. Веса доступны в формате safetensors. Использование регулируется лицензией Meta Llama 2 Community License Agreement. Модель может галлюцинировать, переключаться между языками или диалектами и повторять фразы. Её возможности в программировании и сложной математике ограничены; она может генерировать токсичный или неподходящий контент. Разработчик не рекомендует применять её в критически важных сценариях и при принятии решений, влияющих на безопасность людей.

SambaLingo-Turkish-Chat — диалоговая языковая модель, разработанная SambaNova Systems. Она построена на SambaLingo-Turkish-Base, адаптированной для турецкого языка на основе Llama 2, и дополнительно обучена методом direct preference optimization для выравнивания ответов в чате. Модель имеет плотную архитектуру LlamaForCausalLM и 6,7 млрд параметров; длина контекста составляет 4096 токенов. Словарь токенизатора расширен с 32 000 до 57 000 токенов. Модель предназначена для ведения диалогов и генерации ответов на турецком и английском языках. Её можно применять для ответов на вопросы, помощи с повседневными текстовыми задачами и чат-интерфейсов. В README указана лицензия Meta Llama 2 Community License Agreement; перед использованием весов необходимо соблюдать её условия. Ограничения включают возможные фактические ошибки, переключение между языками или диалектами, повторы, а также ограниченную точность при написании кода и решении сложных математических задач. Модель также может генерировать токсичные или неподходящие ответы; разработчик не рекомендует использовать её в критически важных приложениях и для решений, затрагивающих безопасность людей.

TigerBot-13B-Chat-v1 — чат-модель семейства Llama, разработанная TigerResearch. Она предназначена для генерации текста в диалогах; README описывает запуск через infer.py из репозитория проекта. Модель содержит 13 млрд параметров, использует архитектуру LlamaForCausalLM, принимает текст и генерирует текст. Поддерживаются китайский и английский языки, длина контекста составляет 2048 токенов. Модель распространяется в формате PyTorch по лицензии Apache-2.0. Карточка содержит краткие сведения об использовании и не описывает конкретные ограничения качества или поведения модели.

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.

Viviana_v1 — диалоговая языковая модель, созданная автором domie с помощью mergekit путём объединения mymaia/Magiq-M0 и galatolo/cerbero-7b методом TIES. Модель использует плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров; для хранения указаны веса safetensors, а при слиянии использовалась точность float16. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно применять для ответов на вопросы и общения на английском и итальянском языках. Контекстное окно составляет 32 768 токенов. Репозиторий распространяется по лицензии Apache-2.0.

Карточка модели johannhartmann/Wiedervereinigung-WIP на Hugging Face совпадает с карточкой mayflowergmbh/Wiedervereinigung-7b-dpo, поэтому описание составлено по ней. Wiedervereinigung-7b-dpo — немецко-английская чат-модель от Mayflower GmbH, созданная объединением четырёх моделей на базе Mistral и последующим DPO-обучением на немецком переводе набора SlimOrca DPO. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Она предназначена для диалогов и генерации текста, в частности для ответов на вопросы, написания текстов и ролевых сценариев на немецком языке. В README приведён средний результат 7,1125 в бенчмарке mt-bench-de; оценки отдельных категорий показывают более низкие результаты в математике и программировании. Для обучения на немецких наборах данных авторы рекомендуют LLaMA-Factory. Модель распространяется в формате safetensors по лицензии Apache-2.0. Результаты бенчмарка указывают на ограничения в математике и программировании; качество следует оценивать для конкретного сценария.

WindyLLM_kor_jpn_eng — объединённая диалоговая языковая модель на базе Llama 3, созданная с помощью mergekit методом SLERP из MLP-KTLim/llama-3-Korean-Bllossom-8B и meta-llama/Meta-Llama-3-8B-Instruct. Модель содержит 7,1 млрд параметров, использует архитектуру LlamaForCausalLM, сохранена в формате safetensors и работает через Transformers; контекст — до 8192 токенов. Модель предназначена для диалога и генерации текста. Название указывает на корейский, японский и английский языки, однако карточка не приводит конкретных оценок или примеров качества для этих языков. Лицензия в предоставленных данных не указана.

byroneverson/Yi-1.5-34B-Chat-abliterated — производная диалоговая модель, созданная byroneverson на основе 01-ai/Yi-1.5-34B-Chat. В карточке автор сообщает об abliterated-версии и ссылается на Jupyter notebook с описанием процесса; подробности этого процесса в README не приведены. Модель использует плотную архитектуру семейства Llama с классом LlamaForCausalLM и содержит 33,9 млрд параметров. Она предназначена для генерации текста в диалоге; метаданные указывают поддержку китайского и английского языков, контекст составляет 4096 токенов. Доступна в формате safetensors и рассчитана на библиотеку Transformers. Лицензия — Apache-2.0. README не приводит оценок качества, примеров использования или конкретных ограничений применения; abliterated-характер версии может влиять на поведение и требует самостоятельной оценки перед внедрением.

Модель masakhane/zephyr-7b-gemma-sft-african-ultrachat-100k — диалоговая текстовая модель семейства Gemma, созданная дообучением google/gemma-7b. Она предназначена для генерации ответов в беседе и других сценариев, где требуется продолжать текстовый диалог. Модель содержит 8,2 млрд параметров, использует плотную архитектуру GemmaForCausalLM и поддерживает контекст длиной до 8192 токенов. Для дообучения использованы наборы masakhane/african-ultrachat и israel/untrachat_en; в README приведено значение loss 1,1189 на оценочном наборе. Лицензия — Gemma. Карточка не уточняет языковой охват и ограничения по применению, поэтому их нельзя определить точнее по имеющимся сведениям.

Zero-Mistral-24B-gguf — это квантованная GGUF-версия языковой модели Zero-Mistral-24B, разработанной ZeroAgency. Модель предназначена для генерации текста и диалоговых сценариев, включая русско- и англоязычное общение. В метаданных указаны задачи conversational и text-generation, а также связь с датасетом ZeroAgency/ru-big-russian-dataset. Модель рассчитана на запуск через llama.cpp; преобразование выполнено bethrezen с использованием llama.cpp версии b5083. Доступны варианты BF16, F16, IQ4_NL, IQ4_XS, Q4_K_M, Q6_K и Q8_0, включая некоторые варианты с параметром leave-output-tensors. Разные уровни квантования позволяют выбирать компромисс между качеством, размером и требованиями к ресурсам, однако конкретные характеристики производительности и качества для вариантов в README не приведены. Размер базовой модели составляет 24B параметров; сведения о длине контекста, архитектурных деталях, поддерживаемых модальностях помимо текста и результатах тестирования отсутствуют. Модель распространяется по лицензии MIT.

Mel-Iza0/zero-shot — модель классификации текста с нулевым обучением на архитектуре DeBERTa-v2. Она сопоставляет текст с переданным набором меток и оценивает их соответствие, поэтому подходит для классификации по пользовательским категориям без отдельного обучения на этих категориях. В README показан запуск через pipeline zero-shot-classification из Transformers с шаблоном гипотезы. Модель содержит 211,6 млн параметров, работает с контекстом до 512 токенов и опубликована в формате PyTorch. Метаданные указывают португальский язык. Лицензия в доступных данных не указана.

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.

Assay-0.6b — плотная языковая модель на базе Qwen3-0.6B-Base, дообученная авторами Assay для выдачи калиброванных типизированных решений. Она принимает текстовое состояние и именованные вопросы типов bool, choice или score и за один проход возвращает распределение вероятностей по вариантам, уверенность и оценку достаточности свидетельств; свободный текст модель не генерирует. Веса объединены с LoRA-адаптером, а отдельная голова оценивает, поддерживает ли состояние ответ. Модель содержит 507,9 млн параметров, работает с контекстом до 32 768 токенов и рассчитана на английский язык. Модель предназначена для классификации и принятия структурированных решений, в том числе с возможностью воздержаться от ответа, когда уверенность недостаточна. Её можно применять для маршрутизации случаев по правилам, классификации тональности и тематики, выбора из заданных вариантов и порядковой оценки по описанным уровням. В README сообщается о точности 0,704 на отложенных задачах и приводятся показатели покрытия и ошибок при воздержании; гарантии калибровки относятся к распределениям, похожим на калибровочную выборку. Ограничения: модель обучена на англоязычных данных; точность снижается на нерелевантных состояниях. Она не предназначена для арифметики, подсчётов, сравнения дат или многошаговых рассуждений за один проход, а калибровка не гарантирует качество для конкретного ответа или пользовательского распределения. Лицензия — Apache-2.0.

Baldur-8B — англоязычная чат-модель Delta-Vector, созданная полным дообучением Arcee Llama 3.1 SuperNova Lite. Она предназначена для диалогов и выполнения инструкций; автор отмечает, что модель генерирует прозу с отличающимся стилем и реже использует привычные речевые штампы. Обучение проводилось в течение двух эпох. Модель построена на плотной архитектуре Llama и содержит 7,5 млрд параметров. Она принимает текст и выдаёт текст, поддерживает чатовый формат Llama Instruct и имеет контекстное окно до 131 072 токенов. В обучающих данных есть примеры по кибербезопасности, медицине, математике, творческому письму и ролевым диалогам, но карточка не подтверждает специализированную точность в этих областях. Модель подойдёт для диалоговых приложений, следования инструкциям и генерации прозы. README не содержит сведений о лицензии, поэтому условия использования следует проверять в метаданных репозитория. Указанные в карточке результаты оценивания ограничены частью метрик Open LLM Leaderboard.

Barcenas 9B — разговорная языковая модель на архитектуре Llama, разработанная Danielbrdz и дообученная на базе 01-ai/Yi-1.5-9B-Chat с использованием набора yahma/alpaca-cleaned. Модель содержит 8,6 млрд параметров и поддерживает контекст до 4096 токенов. Она предназначена для генерации текста и диалоговых сценариев: виртуальных помощников, создания материалов, анализа тональности и перевода. Карточка описывает её как универсальную модель для связных ответов, однако не приводит результатов оценок качества для перечисленных задач. Поддерживаемый по карточке язык — английский. Модель распространяется под лицензией Apache-2.0. Как и другие генеративные языковые модели, она может выдавать неточные или неподтверждённые ответы; особенно важные результаты следует проверять.

Nitral-AI/Captain-Eris_Violet-V0.420-12B — текстовая генеративная модель, созданная Nitral-AI слиянием Epiculous/Violet_Twilight-v0.2 и Nitral-AI/Captain_BMO-12B. В карточке указаны архитектура Mistral с плотной структурой и 12,1 млрд параметров; для слияния использован метод SLERP, веса представлены в формате safetensors. Модель предназначена для генерации текста и диалогового взаимодействия на английском языке. Метаданные также указывают интерфейс вызова инструментов. Заявленная длина контекста составляет 1 024 000 токенов, однако README не содержит результатов испытаний, подтверждающих работу с таким контекстом. Лицензия обозначена как «other», поэтому условия использования следует уточнить на странице модели и в лицензиях исходных моделей. В карточке нет сведений о специализированной предметной области или оценках качества.

free-solar-evo-v0.1 — текстовая генеративная модель, разработанная технической командой Freewheelin AI. Она создана методом эволюционного объединения моделей, вдохновлённым проектом Sakana, на базе hwkwon/S-SOLAR-10.7B-v1.5. Модель использует плотную архитектуру Llama и содержит около 10,6 млрд параметров. Она принимает текст и генерирует текст; заявлены корейский и английский языки, контекст составляет 4096 токенов. Подходит для генерации и продолжения текста общего назначения. Репозиторий распространяется по лицензии MIT.

lcw99/google-gemma-10B-ko-chang — объединённая языковая модель на архитектуре Gemma, созданная слиянием слоёв self-attention английской и корейской моделей Gemma 7B. По описанию автора, в результате удвоено число attention heads, а модель рассчитана на работу с текстом на английском и корейском языках. Она предназначена для генерации текста и диалогового общения; размер по метаданным — 8,2 млрд параметров, нативное окно контекста — 8192 токена. Модель доступна в формате safetensors и распространяется по лицензии Apache-2.0. README не приводит сравнительных оценок качества или конкретных результатов по отдельным задачам.

JPT-9B — открытая модель решений от автора репозитория kirp, созданная дообучением Qwen/Qwen3.5-9B с помощью LoRA и объединением адаптера с основными весами. Она принимает описание ситуации и типизированные вопросы, а одним проходом выдаёт вероятности вариантов ответа для выбора из списка, оценки по упорядоченной шкале или ответа «да/нет». Модель предназначена для классификации намерений и тональности, NLI, выбора действия и других задач, где нужно оценить несколько вариантов без генерации объяснения. Модель содержит 9 млрд параметров, использует архитектуру Qwen3.5ForConditionalGeneration и сохраняется в формате safetensors. Она мультимодальна и поддерживает изображения благодаря базовой модели, однако обработка изображений для этого чекпойнта не проверялась. Основной язык — английский; другие языки представлены лишь в небольшом количестве обучающих наборов. Вероятности откалиброваны общей температурой 1,087. Модель распространяется по лицензии CC BY-NC 4.0, которая не разрешает коммерческое использование.

K2S3-Mistral-7b-v1.3 — языковая модель, разработанная K2S3 и построенная на архитектуре Mistral. Это плотная авторегрессионная модель на 7,2 млрд параметров с контекстом до 32 768 токенов, предназначенная для генерации текста и диалоговых инструкций. Модель дообучена методом полного обновления параметров с использованием supervised fine-tuning на базе Changgil/K2S3-Mistral-7b-v1.2; исходная линия базируется на mistralai/Mistral-7B-v0.1. В обучении использовались alpaca-gpt4-data и примеры из OpenOrca. Модель принимает текст и генерирует текст. В карточке указана поддержка английского и корейского языков. Репозиторий распространяет веса в формате safetensors по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Конкретные результаты оценки качества или специализация в отдельной предметной области в карточке не приведены.

L3.1-Niitorm-8B-DPO — объединённая и дообученная диалоговая языковая модель автора v000000 на основе моделей Llama 3.1. В неё вошли Sao10K/L3.1-8B-Niitama-v1.1, akjindal53244/Llama-3.1-Storm-8B и LoRA-адаптер Grimjim; затем модель прошла DPO-дообучение на jondurbin/gutenberg-dpo-v0.1 в течение одной эпохи. Размер — 7,5 млрд параметров, архитектура — плотная LlamaForCausalLM, формат весов — safetensors, контекст — до 131 072 токенов. Модель предназначена для диалога, следования инструкциям, генерации прозы и историй, а также вызова функций через соответствующий интерфейс. Автор отмечает, что DPO-обучение на текстах Gutenberg улучшает естественность повествования и уменьшает ощущение синтетического текста. В карточке также указано, что модель в значительной степени «abliterated»; это может влиять на поведение в запросах с ограничениями. Данные о поддерживаемых естественных языках не приведены. Лицензия в предоставленных данных не указана.

mncai/llama2-13b-dpo-v3 — плотная авторегрессионная языковая модель семейства Llama, разработанная MindsAndCompany. Это инструкционно настроенная модель с дополнительным обучением методом DPO на базе beomi/llama-2-koen-13b; она предназначена для генерации ответов на запросы и диалоговых сценариев. Модель содержит 12,9 млрд параметров, принимает текст и имеет контекстное окно 4096 токенов. Карточка указывает поддержку английского и корейского языков; пример запроса приведён на корейском. Модель может использоваться в чат-ботах и бизнес-приложениях, включая помощников для ответов на вопросы и генерации текста. Репозиторий содержит веса в формате safetensors. Лицензия CC BY-NC-SA 4.0 требует указания авторства, распространения производных материалов на тех же условиях и ограничивает коммерческое использование. В README не приведены результаты оценки качества или подробности обучающих данных, поэтому пригодность для конкретных задач следует проверять отдельно.

clibrain/Llama-2-13b-ft-instruct-es — языковая модель на архитектуре Llama 2, дообученная Clibrain на испанском наборе инструкций. Она предназначена для генерации текста и выполнения инструкций на испанском языке, например для диалога и подготовки текстовых ответов. Модель содержит 12,9 млрд параметров, использует архитектуру LlamaForCausalLM, принимает текст и генерирует текст; контекст — до 4096 токенов. Модель распространяется в формате PyTorch по лицензии Apache-2.0. Карточка краткая и не приводит оценки качества или подробностей обучения; результаты могут зависеть от формулировки запроса и не гарантируют фактическую точность.