III.5Управление персоналом и организацией

Miscii-14B-1028 — диалоговая языковая модель от Sthenno, созданная дообучением Qwen/Qwen2.5-14B-Instruct. Она предназначена для генерации текста и ролевых диалогов; карточка приводит пример настройки персон ассистента и пользователя. В метаданных указаны архитектура Qwen2, 14 млрд параметров, контекст до 131 072 токенов, поддержка чата и интерфейса вызова инструментов, а также обучение на наборах HelpSteer2, Synthetic-Persona-Chat и orpo-dpo-mix-40k. Карточка задаёт для примера персону ассистента, говорящего по-китайски. Метки модели охватывают китайский, английский, французский, испанский, португальский, немецкий, итальянский, русский, японский, корейский, вьетнамский, тайский и арабский. В README приведены результаты Open LLM Leaderboard, включая IFEval 82,37 и BBH 49,26, но без подробностей протокола оценки. Модель опубликована в формате safetensors по лицензии Apache-2.0.

NeonMaid-12B-v2 — объединённая языковая модель yamatazen, созданная методом Arcee Fusion с помощью mergekit на основе NeonMaid-12B и Orihime-Gutenberg-12B. Модель построена на архитектуре Mistral, содержит 12,1 млрд параметров и предназначена для генерации текста в диалоговом формате; в метаданных также заявлен интерфейс для вызова инструментов. Модель принимает текст и генерирует текст. Карточка и метаданные указывают английский и японский языки. Нативная длина контекста — 131 072 токена. Веса представлены в формате safetensors; README указывает bfloat16 для объединения. Лицензия в предоставленных данных не указана.

Obazda-7B — чат-модель на основе Mistral, созданная Johann Hartmann как объединение предварительно обученных языковых моделей методом DARE TIES с помощью mergekit. В качестве базовой модели использована DiscoResearch/DiscoLM_German_7b_v1; также в объединение вошли Wiedervereinigung-7b-dpo-laser, Experiment26-7B и WestLake-7B-v2-laser-truthy-dpo. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогов на немецком языке. Приведённые в карточке оценки показывают относительно сильные результаты в письме, ролевом взаимодействии, извлечении информации, гуманитарных и естественно-научных темах, а также более слабые результаты в рассуждениях, математике и программировании. Распространяется по лицензии Apache-2.0.

Карточка модели homeb82784/qwen2.5-7b-instruct-cpt-v6.1 на Hugging Face совпадает с карточкой homeb82784/qwen2.5-7b-instruct-cpt-v4.0, поэтому описание составлено по ней. Модель homeb82784/qwen2.5-7b-instruct-cpt-v4.0 — дообученная авторегрессионная языковая модель семейства Qwen2, разработанная homeb82784 на основе unsloth/qwen2.5-7b-instruct-bnb-4bit. Она предназначена для генерации текста в диалоговом формате и может использоваться в чат-сценариях. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. В карточке указано, что обучение выполнялось с Unsloth и библиотекой Hugging Face TRL. Репозиторий распространяется в формате Safetensors по лицензии Apache-2.0. Данные карточки не описывают специализацию дообучения, поэтому конкретные преимущества или качество в отдельных областях установить нельзя; заявленная поддержка языка — английский.

SeaLLMs-v3-1.5B-Chat — чат-модель семейства SeaLLMs, разработанная для языков Юго-Восточной Азии. Это плотная авторегрессионная модель Qwen2 с 1,5 млрд параметров и контекстом до 131 072 токенов, дообученная выполнять инструкции и поддерживать многошаговый диалог. Она предназначена для ответов на вопросы, перевода, математических рассуждений и других текстовых задач, особенно с учетом языкового и культурного контекста региона. Карточка заявляет улучшенное следование инструкциям, снижение галлюцинаций и безопасные ответы; это не гарантирует фактическую точность или безошибочную безопасность. Модель поддерживает английский, китайский, индонезийский, вьетнамский, тайский, тагальский, малайский, бирманский, кхмерский, лаосский, тамильский и яванский языки. Веса распространяются на условиях SeaLLMs Terms Of Use; метаданные обозначают лицензию как other.

GrayLine-Qwen3-14B-GGUF — квантизированная версия текстовой генеративной модели GrayLine-Qwen3-14B, разработанной soob3123 и подготовленной в формате GGUF пользователем bartowski. Квантизация выполнена с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста, прямых ответов, информационного поиска и задач, связанных с общими знаниями. В метаданных она обозначена как unfiltered и uncensored, однако конкретные поведенческие характеристики и результаты тестирования не приведены. Модель относится к семейству Qwen3 и имеет размер 14 млрд параметров. Она работает с текстом и заявлена для английского языка. Доступны варианты от исходных BF16-весов размером 29,54 ГБ до низкоразрядных квантов, включая рекомендуемый Q4_K_M размером 9 ГБ, а также более качественные Q5 и Q6. Квантизированные файлы можно запускать через LM Studio, llama.cpp и другие совместимые проекты; для взаимодействия используется формат шаблона чата с ролями system, user и assistant. Сильной стороной модели является широкий выбор уровней квантизации, позволяющий выбирать между качеством ответов, требованиями к памяти и скоростью работы. Ограничения связаны с тем, что это текстовая модель только для английского языка, а квантизация может снижать качество по сравнению с исходной версией, особенно в компактных вариантах. Лицензия — Apache-2.0.

Amadeus-Verbo-BI-Qwen-2.5-32B-PT-BR-Instruct-Experimental — языковая модель на базе Qwen2.5-32B, дообученная разработчиками Amadeus AI на 600 тысячах инструкций за два эпоха. Модель предназначена для диалоговой генерации текста и следования инструкциям на бразильском португальском языке. Это плотная Transformer-модель с архитектурой Qwen2, 32 млрд параметров по метаданным (в README указано 32,5 млрд), контекстом до 131 072 токенов и весами в формате Safetensors. Для загрузки используется библиотека Transformers; карточка также отмечает интерфейс вызова инструментов. Модель может подойти для длинных диалогов и задач, где нужен бразильский вариант португальского. Лицензия — Apache-2.0. Опубликована как экспериментальная версия; качество и пригодность для конкретных приложений следует проверять на целевых данных. Карточка не приводит подробностей о составе обучающего набора или результатах оценки.

ApolloRaines/DeepSeek-R1-Distill-Qwen-7B-Desyced — текстовая генеративная модель, разработанная Apollo Raines на основе DeepSeek-R1-Distill-Qwen-7B от DeepSeek. Это версия с посттренировочной модификацией весов, направленной на снижение склонности модели соглашаться с ошибочными утверждениями пользователя под социальным давлением. Модель предназначена для генерации текста, ответов на вопросы, рассуждений и диалоговых сценариев, где важна способность сохранять корректную позицию при попытках навязать неверный ответ. Модель сохраняет архитектуру, токенизатор, контекстное окно, знания, рассуждательные и разговорные возможности базовой модели; точные значения размера контекста и другие архитектурные параметры в README не указаны. Заявленный размер — 7B параметров. Доступны полноточные файлы Safetensors, а также квантованные форматы GGUF Q8_0 и Q4_K_M для запуска через llama.cpp, Ollama и LM Studio. В метаданных указан английский язык. По результатам тестов на устойчивость к противоречивым утверждениям доля ответов, сохранявших корректную позицию под давлением, выросла с 67% до 83%. Сильная сторона модели — уменьшенная склонность к лести и некритическому согласию, что может быть полезно при проверке фактов и поддержке принятия решений. При этом README не содержит независимых оценок общей точности, качества рассуждений или безопасности, а также предупреждает, что выпущенные модели могут иметь намеренно сниженные возможности и служить демонстрацией концепции. Лицензия указана как other, то есть используется лицензия базовой модели, но её конкретные условия в README не раскрыты.

Карточка модели valhalla/distilbart-mnli-12-9 на Hugging Face совпадает с карточкой valhalla/distilbart-mnli-12-3, поэтому описание составлено по ней. DistilBart-MNLI-12-3 — дистиллированная модель семейства BART, разработанная Valhalla на основе bart-large-mnli. Она предназначена для классификации текста по заданным пользователем категориям без отдельного обучения на этих категориях: модель оценивает соответствие текста гипотезам, сформулированным для меток классов. Модель содержит 252,8 млн параметров и принимает последовательности длиной до 1024 токенов. При создании были взяты чередующиеся слои bart-large-mnli, после чего модель дополнительно обучили на тех же данных MNLI. По данным карточки, точность составляет 88,1% на matched и 88,19% на mismatched части оценки MNLI; исходная модель показывает 89,9% и 90,01% соответственно. Репозиторий содержит веса PyTorch и Flax. Метаданные не указывают лицензию; модель ориентирована на английский язык, что следует из обучения и оценки на MNLI.

RLHFlow/DPA-v1-Mistral-7B — декодерная языковая модель на архитектуре Mistral, разработанная Haoxiang Wang и дообученная для directional preference alignment с многокритериальными наградами. Она предназначена для генерации текста и диалоговых сценариев, где важно учитывать различные предпочтения пользователей. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель использует Transformers и распространяется в формате safetensors. В карточке указан английский язык и лицензия Apache-2.0. Она связана с работой ACL 2024 об арифметическом управлении предпочтениями LLM; подробности о наборах данных и измеренных ограничениях в карточке не приведены.

Fox-1-1.6B-Instruct-v0.1 — компактная языковая модель TensorOpera AI с архитектурой decoder-only Transformer семейства Llama и примерно 1,7 млрд параметров. Это версия базовой Fox-1-1.6B, дообученная методом SFT на инструкциях и данных многоходовых диалогов. Модель предназначена для генерации текста, выполнения инструкций и диалоговых сценариев на английском языке. Она использует Grouped Query Attention с 16 головами внимания и 4 головами ключей и значений; нативная длина контекста составляет 8192 токена. В README приведены результаты оценки на наборах ARC Challenge, HellaSwag, TruthfulQA, MMLU, Winogrande и GSM8k. Разработчик предупреждает, что перед производственным использованием модели требуется дополнительное выравнивание. Модель распространяется по лицензии Apache-2.0.

Gemopus-4-E4B-it — дообученная модель Jackrong на базе google/gemma4-E4B-it для диалогового помощника с локальным запуском на мобильных устройствах и маломощных компьютерах. Она принимает текст и изображения и генерирует текст; карточка заявляет поддержку зрения и инструкции для диалога. Модель относится к семейству Gemma 4, имеет плотную архитектуру и распространяется в формате safetensors. В карточке подчёркнуты настройка тона ответов, контекстное ведение многоходового диалога и структурированная подача информации. Указаны английский, китайский, корейский и японский языки. Модель подходит для повседневного помощника на устройстве, написания и редактирования текстов, кратких ответов, форматирования и извлечения сведений из текста или изображений. Автор ориентирует её на сценарии с низкой задержкой и локальной обработкой данных. Контекстное окно и размер модели в карточке не указаны. Лицензия — Apache-2.0. Автор предупреждает, что из-за сравнительно небольшого размера модель уступает крупным облачным моделям в широте знаний и сложных рассуждениях, а на узкоспециализированных темах и сложных математических задачах может допускать ошибки. Модель позиционируется как экспериментальная настройка для локального применения.

Llama-3.1-EstLLM-8B-Instruct-1125 — инструкционная языковая модель TartuNLP и TalTechNLP, созданная слиянием chat-векторов tartuNLP/Llama-3.1-EstLLM-8B-Instruct-0825 с Meta Llama 3.1 8B Instruct. Модель построена на архитектуре LlamaForCausalLM, содержит 7,5 млрд параметров и предназначена для диалогов и генерации текста. В README указаны эстонский и английский языки; контекст по метаданным — до 131 072 токенов. Модель подходит для ответов на вопросы, выполнения инструкций, рассуждений и перевода с английского на эстонский. В её обучении использовались продолженное предобучение на эстонских и общих корпусах, supervised fine-tuning и DPO; карточка также указывает датасеты HelpSteer3, Tulu 3 и EuroBlocks. Модель распространяется по лицензии Llama 3.1 Community License Agreement. Авторы характеризуют её как ранний прототип. README предупреждает о возможных побочных эффектах слияния, ненадёжной поддержке многоходовых диалогов и исходном системном промпте Llama 3.1 с фиксированной датой отсечения знаний. Хотя README называет контекст относительно коротким — 4096 токенов, метаданные каталога указывают native context в 131 072 токена; на длинных контекстах качество может быть ограничено.

llama3-8b-spaetzle-v31 — объединённая языковая модель на базе архитектуры Llama, созданная cstr методом DARE TIES из cstr/llama3-8b-spaetzle-v20 и DiscoResearch/Llama3-DiscoLeo-Instruct-8B-v0.1. Модель предназначена для диалогов, генерации текста и выполнения инструкций. Модель содержит 7,5 млрд параметров, принимает текст и генерирует текст, поддерживает контекст до 8192 токенов. В карточке указаны немецкий и английский языки; основная языковая специализация — немецкий. Веса опубликованы в формате Safetensors. Лицензия — Llama 3. README указывает, что модель получена слиянием весов уже обученных моделей без обучения на новом корпусе; подробные сведения о качестве и ограничениях применения не приведены.

Luth-1.7B-Instruct — языковая модель на 1,7 млрд параметров, разработанная авторами Luth как франкоязычная версия Qwen3-1.7B. Модель обучена полным дообучением на наборе Luth-SFT с помощью Axolotl, а затем объединена с базовой Qwen3-1.7B. Она предназначена для диалогов и выполнения инструкций, особенно на французском языке, а также для задач по математике и общим знаниям. По оценке авторов, улучшены результаты на выбранных французских и английских тестах, при этом возможности английской модели в целом сохранены. Модель принимает текст и генерирует текст; заявленная длина контекста — 40 960 токенов. Поддерживаются французский и английский языки. Доступна под лицензией Apache-2.0. В README приведены результаты LightEval для отдельных тестов на следование инструкциям, математике, общих знаниях и рассуждении на французском и английском языках. Эти результаты относятся к указанным наборам и настройкам оценки и не гарантируют качество на других задачах. Как компактная модель, она может уступать более крупным моделям в сложных задачах.

knkarthick выпустил эту модель после дообучения facebook/bart-large-xsum на данных XSUM, SAMSum, DialogSum и AMI. Это encoder-decoder модель BART для суммаризации текстов, в первую очередь диалогов и совещаний. Она содержит 252,8 млн параметров, принимает текст длиной до 1024 токенов и формирует текстовое резюме. Модель распространяется в форматах PyTorch, Safetensors и TensorFlow; лицензия — Apache-2.0. Модель подходит для краткого изложения стенограмм встреч и разговоров, а также других текстов. Карточка указывает английский язык. Ограничение контекста в 1024 токена может затруднить обработку длинных стенограмм целиком; качество для языков, кроме английского, не подтверждено.

MFANNv0.7 — диалоговая модель семейства Llama, разработанная автором netcat420 и дообученная на датасете MFANN. Это версия 0.7 модели, обученной с использованием цепочек рассуждений; она предназначена для генерации ответов в чате и классификации текста. Репозиторий создан 2 мая 2024 года и содержит веса в формате safetensors; размер модели — 7,5 млрд параметров, контекст — до 8192 токенов. Модель распространяется по лицензии Apache-2.0.

zelk12/MT3-Gen4-MA-gemma-2-Sv1IBTMT2g2-9B — объединённая с помощью mergekit методом SLERP языковая модель на архитектуре Gemma 2 с 9 млрд параметров. В состав объединения вошли gmonsoon/SahabatAI-Lion-9B-TIES-v1 и zelk12/MT2-Gen2-gemma-2-9B; в конфигурации указана базовая модель gmonsoon/SahabatAI-Lion-9B-TIES-v1 и формат весов bfloat16. Модель предназначена для диалогов и генерации текста по инструкциям. Базовая модель из каталога ориентирована на языки Юго-Восточной Азии и английский. Контекст составляет 8192 токена; модель использует Transformers и хранится в формате safetensors. Лицензия в предоставленных данных не приведена.

zelk12 объединил две предварительно обученные языковые модели Gemma 2 9B — MT-Merge5-GMA и MT-Merge5-MMBMUI — методом SLERP с помощью mergekit. Это плотная авторегрессионная модель для генерации текста и диалогового общения, доступная в формате safetensors; размер составляет 9 млрд параметров, контекст — до 8192 токенов. Модель подходит для генерации ответов и ведения диалога в приложениях на базе Transformers. Сведения о специальных предметных областях и поддерживаемых естественных языках в карточке не приведены. Модель распространяется по лицензии Gemma; при использовании следует соблюдать её условия.

open-aditi-hi-v1 — это дообученная модель ManishiiTG на базе Mistral-7B-v0.1 с 7,1 млрд параметров. Она предназначена для генерации связного текста на хинди и английском языках, включая написание контента, ролевые диалоги, классификацию и ответы в чат-сценариях. Модель имеет архитектуру MistralForCausalLM и контекстное окно до 32 768 токенов; веса доступны в формате safetensors. В качестве обучающих данных указаны наборы manishiitg/aditi-gpt4-v2-hi-200K, manishiitg/en-hi-instruct-v2 и manishiitg/en-hi-chat-v2. Примеры в карточке показывают ответы на хинди, однако качество ответов может быть непоследовательным: модель допускает неточности и неестественные формулировки. Разработчик отдельно отмечает, что модель не оптимизирована для программирования и математических задач. Лицензия — Apache-2.0.

open-aditi-hi-v2 — языковая модель от manishiitg, дообученная на основе teknium/OpenHermes-2.5. Она предназначена для диалогов и генерации текста на хинди и английском языках. Модель построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров; нативная длина контекста — 32 768 токенов. Репозиторий содержит веса в формате safetensors. Карточка приводит результаты оценки на наборах для вопросов и ответов, рассуждений, суммаризации, перефразирования и определения тональности на хинди и английском. Модель можно применять для многоязычных чат-ботов, ответов на вопросы и создания кратких текстов. Лицензия — Apache-2.0. Показатели в таблицах зависят от набора данных и метрики и сами по себе не гарантируют качество в конкретном приложении.

Модель homeb82784/qwen2.5-7b-instruct-cpt-v4.0 — дообученная авторегрессионная языковая модель семейства Qwen2, разработанная homeb82784 на основе unsloth/qwen2.5-7b-instruct-bnb-4bit. Она предназначена для генерации текста в диалоговом формате и может использоваться в чат-сценариях. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. В карточке указано, что обучение выполнялось с Unsloth и библиотекой Hugging Face TRL. Репозиторий распространяется в формате Safetensors по лицензии Apache-2.0. Данные карточки не описывают специализацию дообучения, поэтому конкретные преимущества или качество в отдельных областях установить нельзя; заявленная поддержка языка — английский.

Spaetzle-v69-7b — объединённая модель, опубликованная cstr и созданная с помощью LazyMergekit на основе Mistral. В финальном слиянии DARE-TIES сочетаются cstr/Spaetzle-v68-7b и abideen/AlphaMonarch-dora; README перечисляет также модели, вошедшие в предшествующие слияния. Модель содержит 7,1 млрд параметров, использует архитектуру Mistral для генерации текста и рассчитана на контекст до 32 768 токенов. Модель предназначена для локальных задач на английском и немецком языках, включая диалоги, выполнение инструкций и рассуждения. В README приведены результаты нескольких англо- и немецкоязычных тестов; автор отмечает, что при выборе компромисса учитывались качество немецкого языка, следование инструкциям и устойчивость. Указана лицензия CC BY-NC 4.0, которая ограничивает коммерческое использование. В README также упомянута квантизованная GGUF-версия 4q_k_m, но сама модель в репозитории представлена в формате safetensors.

bartowski/TheDrummer_Agatha-111B-v1-GGUF — это набор GGUF-квантизаций языковой модели Agatha-111B-v1, разработанной TheDrummer. Квантизация выполнена bartowski с использованием llama.cpp и метода imatrix; модель предназначена для текстовой генерации и запуска через llama.cpp, LM Studio и другие совместимые проекты. Модель имеет размер 111B параметров. В README указана поддержка диалогового и общего текстового применения, включая работу с английским, французским, испанским, итальянским, немецким, португальским, японским, корейским, арабским, китайским, русским и рядом других языков. Доступны варианты квантизации от Q4 до Q8, размером примерно от 63,5 до 118 ГБ; более высокие разряды обычно сохраняют лучшее качество, но требуют больше памяти. Рекомендуемыми названы Q4_K_M, Q4_K_L, Q5_K_M, Q5_K_S и Q6_K. Сильной стороной модели является сочетание крупного размера и нескольких вариантов квантизации, позволяющих выбирать баланс между качеством и требованиями к оборудованию. Ограничения включают очень высокие требования к оперативной или видеопамяти, а также возможную потерю качества в менее точных вариантах. Архитектура, максимальная длина контекста и лицензия в предоставленном README не указаны.

vicgalle/zephyr-7b-truthy — диалоговая модель генерации текста на архитектуре Mistral, представленная в формате safetensors и содержащая 7,1 млрд параметров. Метаданные связывают её с набором данных jondurbin/truthy-dpo-v0.1; название репозитория и этот датасет указывают на дообучение, однако README не описывает методику обучения. Модель предназначена для генерации ответов в диалоге и может использоваться в чат-сценариях. Заявленная длина контекста — 32 768 токенов. README приводит результаты Open LLM Leaderboard: средний балл 61,93, AI2 Reasoning Challenge — 60,75, HellaSwag — 84,64; этих оценок недостаточно, чтобы судить о качестве во всех задачах. Модель выпущена под лицензией Apache-2.0. README не уточняет поддерживаемые языки или специальные ограничения применения.

BLOSSOM-v2-baichuan-13b — диалоговая языковая модель, разработанная на основе Baichuan-13B и дообученная методом instruction tuning на смешанных наборах Blossom, Wizard и Dolphin. Обучение проходило в два этапа: сначала на одноходовых инструкциях Wizard и Dolphin, затем на многоходовых диалогах Blossom Chat и примерах по математике Blossom Math. Модель предназначена для генерации ответов в диалоге, выполнения инструкций и решения математических вопросов. Это плотная авторегрессионная архитектура Baichuan с 12,9 млрд параметров; метаданные указывают поддержку китайского и английского языков. README задаёт формат продолжения диалога с ролями Human и Bot, а для многоходового общения требует завершать ответы Bot токеном </s>. Репозиторий содержит веса PyTorch. Модель распространяется по лицензии Apache-2.0. В карточке не приведены результаты оценки качества и длина контекста, поэтому пригодность для конкретных сценариев следует проверять отдельно.

DatedGPT-2023-Instruct — диалоговая инструктивная языковая модель семейства DatedGPT, представленная разработчиком под идентификатором datedgpt/datedgpt-2023-instruct. Это дообученная для следования инструкциям версия базовой модели datedgpt/datedgpt-2023-base на архитектуре LlamaForCausalLM с примерно 1,3 млрд параметров и контекстом 2048 токенов. Модель обучена только на данных, доступных до 2023 года, чтобы поддерживать анализ и прогнозирование без утечки сведений из будущего относительно этого временного среза. Модель предназначена для генерации текста в чате и выполнения инструкций на английском языке. Её можно применять для вопросов и ответов, диалогов и анализа, где важно ограничить знания модели временным срезом 2023 года. Репозиторий содержит веса в формате safetensors и шаблон чата в стиле Llama 2. Лицензия в предоставленных данных не указана. Модель не проходила RLHF или настройку безопасности; её знания ограничены данными до 2023 года, а ответы могут быть уверенно ошибочными.

DistilBart-MNLI-12-3 — дистиллированная модель семейства BART, разработанная Valhalla на основе bart-large-mnli. Она предназначена для классификации текста по заданным пользователем категориям без отдельного обучения на этих категориях: модель оценивает соответствие текста гипотезам, сформулированным для меток классов. Модель содержит 252,8 млн параметров и принимает последовательности длиной до 1024 токенов. При создании были взяты чередующиеся слои bart-large-mnli, после чего модель дополнительно обучили на тех же данных MNLI. По данным карточки, точность составляет 88,1% на matched и 88,19% на mismatched части оценки MNLI; исходная модель показывает 89,9% и 90,01% соответственно. Репозиторий содержит веса PyTorch и Flax. Метаданные не указывают лицензию; модель ориентирована на английский язык, что следует из обучения и оценки на MNLI.

FRED-T5-Summarizer — русскоязычная модель для суммаризации текста, обученная SberDevices. Она основана на архитектуре T5 и имеет около 870,1 млн параметров. Модель обучалась на смеси открытых русскоязычных наборов данных для суммаризации, включая RussianNLP/Mixed-Summarization-Dataset, и использует префиксный токен «\». Репозиторий содержит веса в формате safetensors. Модель предназначена для создания краткого изложения исходного текста на русском языке. Её можно применять для подготовки выжимок из статей, документов и других текстовых материалов. Распространяется по лицензии MIT. В карточке не приведены сведения о длине контекста и результаты оценки качества.

GaMS-9B-Instruct-Nemotron — инструктивная языковая модель на 9 млрд параметров, разработанная Тимотеем Петриčem в рамках магистерской работы. Это вариант GaMS-9B-Instruct, дополнительно обученный методом SFT на отобранной части набора nvidia/Nemotron-Post-Training-Dataset-v1 и датасете cjvt/GaMS-Nemotron-Chat: примерно 80 тысяч словенских пар «инструкция — ответ» и 20 тысяч английских примеров. Модель построена на архитектуре Gemma 2 и предназначена для генерации текста и диалогов по инструкциям, в особенности на словенском и английском языках. Размер контекста составляет 8192 токена; модель распространяется в формате safetensors и рассчитана на запуск через Transformers. Лицензия — Gemma. Карточка не описывает результаты оценки качества или специфические ограничения; ожидаемый охват задач определяется инструктивной генерацией и диалогами на языках обучения.