III.8Договоры, юридическая работа и compliance

Kosmos-EVAA-TSN-8B — объединённая модель семейства Llama, созданная jaspionjader с помощью mergekit методом SLERP из jaspionjader/Kosmos-EVAA-gamma-light-8B и bunnycore/Tulu-3.1-8B-SuperNova. Это плотная авторегрессионная языковая модель примерно на 7,5 млрд параметров с контекстом до 8192 токенов, предназначенная для генерации текста. Сценарии применения и свойства базовых моделей указывают на диалоги и следование инструкциям. Модель опубликована в формате safetensors и рассчитана на работу через Transformers. Сведения о лицензии и специальных ограничениях в предоставленных материалах отсутствуют; перед использованием следует проверить условия базовых моделей и самого репозитория.

Magnum-v1-32b — диалоговая языковая модель Anthracite-org, дообученная на базе Qwen1.5-32B для генерации связного текста и следования инструкциям. Авторы ориентировали серию Magnum на качество прозы, сопоставимое с Claude 3 Sonnet и Opus. Модель содержит 31,7 млрд параметров, использует архитектуру Qwen2 и принимает диалоговые запросы в формате ChatML; заявленная длина контекста — 32 768 токенов. Модель подходит для написания и редактирования текстов, ответов на вопросы и выполнения инструкций в чате. При дообучении использовались датасеты для следования инструкциям, связности и письма, включая выборки Opus Instruct и Sonnet Orca. Репозиторий содержит веса в формате safetensors. Лицензия указана как other, поэтому перед использованием следует проверить её условия. Карточка не приводит количественных оценок качества; характеристики, приписанные качеству Claude 3, являются целью разработки, а не независимым результатом сравнения.

Metis-8B-RL — мультимодальный агент для рассуждений по тексту и изображениям, разработанный Accio-Lab в рамках фреймворка Metis. Это финальный чекпойнт обучения с подкреплением по алгоритму Hierarchical Decoupled Policy Optimization (HDPO), обученный на основе Metis-8B-ColdStart; метаданные также связывают модель с Qwen3-VL-8B-Instruct. Модель ведёт многоходовый диалог и выбирает, когда задействовать инструменты выполнения кода, текстового поиска и поиска изображений. Модель предназначена для визуального рассуждения, понимания документов, математических и логических задач с изображениями и текстом, а также для агентных сценариев с выборочным использованием инструментов. В README заявлено снижение доли вызовов инструментов с 98% до 2% и высокие результаты на 13 бенчмарках открытых агентных моделей с 8 млрд параметров. Архитектура — плотная Qwen3-VL для условной генерации; веса опубликованы в safetensors и используются через Transformers. Метаданные указывают английский язык. Лицензия — Apache-2.0. Для полного запуска требуются внешние инструменты и зависимости, описанные в проекте; приведённые в карточке заявления о качестве основаны на бенчмарках разработчиков.

bunnycore/Qwen2.5-3B-Model-Stock-v3 — объединённая разработчиком bunnycore языковая модель семейства Qwen2 для генерации текста и диалогов. Модель создана линейным слиянием с помощью mergekit моделей PowerInfer/SmallThinker-3B-Preview и bunnycore/Qwen2.5-3B-Model-Stock-v2; веса сохранены в формате safetensors. Модель содержит 3,1 млрд параметров, использует плотную архитектуру Qwen2ForCausalLM и поддерживает контекст до 32 768 токенов. Она предназначена для чат-взаимодействия и генерации текста. В карточке указана лицензия Apache-2.0.

RuadaptQwen2.5-14B-Instruct — инструктивная русскоязычная адаптация Qwen2.5-14B от RefalMachine. Авторы заменили токенизатор, выполнили дополнительное предобучение на русскоязычном корпусе и применили метод Learned Embedding Propagation (LEP). Модель относится к плотной архитектуре Qwen2 и содержит 14 млрд параметров; контекст — до 32 768 токенов. Репозиторий предоставляет веса в формате safetensors. Модель предназначена для генерации текста и диалоговых сценариев на русском языке. По заявлению авторов, новый токенизатор увеличивает скорость генерации русскоязычного текста до 60% относительно исходной Qwen2.5-14B-Instruct при сравнении на одинаковых текстовых последовательностях. В карточке также заявлен интерфейс для вызова инструментов. Модель выпущена по лицензии Apache-2.0. Карточка помечена как рабочая версия v1; опубликованные разделы результатов оценки содержат незаполненные значения TODO, поэтому по README нельзя судить о сравнительном качестве. Ответы могут воспроизводить сведения и установки, усвоенные на этапах обучения, и не обязательно отражают позицию авторов.

Seamaiiza-7B-v2-128k — языковая модель AlekseiPravdin для генерации текста и диалогов. Это слияние двух моделей с помощью mergekit и метода SLERP: AlekseiPravdin/Seamaiiza-7B-v1 и AlekseiPravdin/KSI-RP-NSK-128k-7B. Архитектура — плотная MistralForCausalLM, размер — 7,1 млрд параметров; веса представлены в формате safetensors. Модель подходит для генерации продолжений текста и ведения диалогов. В названии и карточке базовой модели заявлен контекст до 128k токенов, однако метаданные этой модели указывают native context 32 768 токенов, поэтому возможность работы с 128k токенов не подтверждена для данного репозитория. Лицензия — Apache-2.0.

SharkOgno-11b-Passthrough — объединённая модель генерации текста, созданная powermove72 с помощью LazyMergekit из powermove72/Shark-1 и eren23/OGNO-7b-dpo-truthful. В конфигурации указаны метод слияния passthrough, объединение токенизаторов и точность float16. Метаданные описывают плотную Mistral-подобную архитектуру MistralForCausalLM с 10,6 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев; базовая модель OGNO-7b-dpo-truthful ориентирована на правдивость ответов. Метаданные также указывают text-classification среди поддерживаемых задач, однако основная задача и pipeline_tag — text-generation. Лицензия в предоставленных данных не указана.

SOLAR-10.7B-merge-dpo_v1 — текстовая генеративная модель команды ETRI xainlp, созданная слиянием моделей через MergeKit. В карточке указаны базовая модель etri-xainlp/SOLAR-10.7B-merge-dpo и модель для слияния davidkim205/komt-solar-10.7b-sft-v5; при обучении использовался набор из 100 тысяч пользовательских предпочтений с DPO и LoRA. Архитектура — плотная модель семейства Llama с 10,6 млрд параметров и контекстом до 4096 токенов. Модель принимает текст и выдаёт текст; метаданные также отмечают поддержку чата. Подходит для диалогов и генерации ответов на текстовые запросы. Репозиторий содержит веса Safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое.

Google T5Gemma ML-ML UL2 — текстовая encoder-decoder модель семейства T5Gemma, адаптированная с использованием UL2. В карточке T5Gemma описана как семейство компактных моделей Google, созданных преобразованием предварительно обученных decoder-only моделей в encoder-decoder архитектуру; варианты могут сочетать энкодеры и декодеры разного размера. Размер именно этой модели и длина её контекста в предоставленных данных не указаны. Модель предназначена для генерации и преобразования текста, включая ответы на вопросы, суммаризацию и рассуждения. Карточка указывает английский язык и широкие сценарии создания контента; метаданные задают основную задачу как text-generation. Весовые файлы доступны в формате safetensors и используются через Transformers. К ограничениям относятся возможные фактические ошибки, смещения обучающих данных и трудности с неоднозначными формулировками и сложными открытыми задачами. Модель распространяется по лицензии Gemma; для её использования следует учитывать политику допустимого использования Gemma.

WestLakeSeverusV2-DPO-7B-DARE-TA — объединённая модель для генерации текста на основе архитектуры Mistral. Разработчик объединил FelixChao/WestSeverus-7B-DPO-v2 и macadeliccc/WestLake-7B-v2-laser-truthy-dpo методом dare_linear с помощью LazyMergekit; в конфигурации указаны веса 0,45 и 0,55, а также базовая модель mistralai/Mistral-7B-v0.1. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Mistral и принимает контекст до 32 768 токенов. Она предназначена для диалоговой генерации текста и ответов на запросы. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных данных не указана.

aya-23-35B-GGUF — это набор квантизированных моделей в формате GGUF для запуска через llama.cpp. Основой служит языковая модель aya-23-35B, разработанная CohereForAI, а квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и диалоговых сценариев, включая ответы на вопросы, написание и преобразование текста на нескольких языках. 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. Размер базовой модели — 35B параметров; сведения об архитектуре и размере контекста в README не указаны. Доступны варианты с разными уровнями квантизации: от IQ1 и IQ2 с минимальным размером и более низким качеством до Q6_K и Q8_0 с высоким качеством, но большими требованиями к памяти. Рекомендуемыми названы варианты Q4_K_M, Q5_K_M и Q6_K, а также некоторые IQ-квантизации. Главное преимущество модели — возможность локального запуска в llama.cpp при выборе подходящего уровня квантизации, включая варианты для ограниченного объёма оперативной памяти. Ограничения связаны с компромиссом между качеством и размером: низкобитные варианты заметно уступают по качеству, а высококачественные требуют десятки гигабайт памяти. Лицензия — CC BY-NC 4.0, допускающая использование с ограничениями, включая запрет коммерческого применения.

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.

Модель krishanwalia30/DeepSeek-R1-Distill-Alpaca-FineTuned — дообученная разработчиком krishanwalia30 языковая модель для генерации текста и диалоговых ответов. Она основана на unsloth/DeepSeek-R1-Distill-Llama-8B-unsloth-bnb-4bit, использует плотную архитектуру LlamaForCausalLM и содержит 7,5 млрд параметров. В качестве обучающих данных указаны yahma/alpaca-cleaned; в карточке заявлено дообучение на Alpaca для повышения адаптивности ответов. Модель предназначена для пользовательских ассистентов, генерации текстов и документации, ответов на специализированные запросы и извлечения аналитических выводов из данных. Она принимает текст и генерирует текст; заявленная родная длина контекста — 131 072 токена. README также упоминает ONNX Runtime, но метаданные перечисляют форматы PyTorch и safetensors, поэтому наличие ONNX-файлов не подтверждается. Заявления карточки о высокой точности и снижении галлюцинаций не подкреплены результатами бенчмарков. Лицензия — Apache-2.0.

Experiment26Neuralsirkrishna_ShadowCalme — объединённая языковая модель семейства Mistral, созданная на основе automerger/Experiment26Neuralsirkrishna-7B и automerger/ShadowCalme-7B. Модель содержит 7,1 млрд параметров и принимает текст для авторегрессионной генерации текста, включая диалоги; длина контекста — до 32 768 токенов. Модель предназначена для генерации продолжений, ответов и диалоговых реплик. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Сведения о специализации по языкам и прикладным областям в карточке не приведены.

Gemma 3 27B PT — мультимодальная модель Google, представленная на Hugging Face в версии, опубликованной Unsloth. Это дообучение предварительно обученной модели google/gemma-3-27b-pt; архитектура Gemma 3 — плотная, с 27 млрд параметров. Модель принимает текст и изображения и генерирует текст. В карточке семейства указаны контекст до 128 тыс. токенов и поддержка более 140 языков. Модель подходит для ответов на вопросы по изображениям и тексту, извлечения и суммирования визуальной информации, генерации текста, диалоговых интерфейсов и суммаризации документов. Карточка также описывает применение в исследованиях и образовательных инструментах. Это предварительно обученная версия, а не вариант, специально настроенный для следования инструкциям. Доступны веса в формате Safetensors; лицензия — Gemma. Качество ответов зависит от обучающих данных и формулировки запроса: возможны предвзятые, ошибочные или устаревшие утверждения, а также трудности с нюансами языка и сложными открытыми задачами. Для надёжных результатов ответы следует проверять.

Kosmos-EVAA-gamma-v13-8B — объединённая языковая модель от jaspionjader, созданная из двух предварительно обученных моделей с помощью mergekit и метода SLERP. Она предназначена для генерации текста и диалоговых сценариев. Модель использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров, принимает текст и имеет контекстное окно 8192 токена. Репозиторий содержит веса в формате safetensors с точностью bfloat16. Данные о лицензии и конкретных языках модели в предоставленных источниках отсутствуют.

Ling-lite-base-1.5 — базовая языковая модель семейства Ling, разработанная InclusionAI. Это языковая модель с архитектурой Mixture of Experts (MoE), предназначенная для генерации текста и решения разнообразных задач на естественном языке. В карточке семейства для Ling-lite указано 16,8 млрд параметров, из которых активируются 2,75 млрд; метаданные этого репозитория указывают 794,8 млн параметров. Эти сведения расходятся, поэтому размер конкретной модели по источникам определить однозначно нельзя. Модель рассчитана на текстовые запросы и диалоговое использование. README указывает контекст до 128 тыс. токенов для версии 1.5 семейства, тогда как метаданные репозитория задают нативный контекст 32 768 токенов; для этой конкретной модели следует ориентироваться на значение из метаданных. Поддерживаемые языки в предоставленных данных не перечислены. Модель распространяется под лицензией MIT. README описывает широкий круг задач, но не приводит оценки качества или конкретных ограничений применения.

Карточка модели Edgerunners/Lyraea-large-llama-3.1 на Hugging Face совпадает с карточкой Edgerunners/Lyraea-medium-llama-3.1, поэтому описание составлено по ней. Lyraea-medium-llama-3.1 — разговорная языковая модель семейства Llama 3.1, опубликованная Edgerunners. Это средний вариант серии small, medium и large, созданной на основе llama-3.1-8b-128k uncensored. Модель предназначена для генерации текста в диалоговом формате; автор отмечает, что варианты серии имеют разные сценарии применения. Модель имеет плотную архитектуру LlamaForCausalLM и около 7,5 млрд параметров. Она принимает текст и генерирует текст, поддерживает контекст до 131 072 токенов. В репозитории представлены веса Safetensors. Языковые сведения в карточке не приводятся. Модель предоставляется «как есть» и «по мере доступности», без гарантий; провайдер снимает с себя ответственность за ущерб и не гарантирует соответствие конкретным требованиям или безошибочную работу. Сведения о лицензии в доступных данных отсутствуют.

Карточка модели homeb82784/Qwen2-7B-Instruct-it-v1.0 на Hugging Face совпадает с карточкой homeb82784/Qwen2-7B-Instruct-it-v1.1, поэтому описание составлено по ней. Qwen2-7B-Instruct-it-v1.1 — дообученная чат-модель, разработанная homeb82784 на базе unsloth/qwen2-7b-instruct-bnb-4bit. Это плотная авторегрессионная модель семейства Qwen2 с 7,1 млрд параметров, предназначенная для генерации текста в диалоговом формате. В карточке указано, что обучение проводилось с использованием Unsloth и библиотеки Hugging Face TRL. Модель принимает текст и генерирует текст; заявленная длина контекста составляет 32 768 токенов. В метаданных указан английский язык. Модель распространяется в формате Safetensors под лицензией Apache-2.0.

Карточка модели homeb82784/Qwen2-7B-Instruct-it-v1.6 на Hugging Face совпадает с карточкой homeb82784/Qwen2-7B-Instruct-it-v1.1, поэтому описание составлено по ней. Qwen2-7B-Instruct-it-v1.1 — дообученная чат-модель, разработанная homeb82784 на базе unsloth/qwen2-7b-instruct-bnb-4bit. Это плотная авторегрессионная модель семейства Qwen2 с 7,1 млрд параметров, предназначенная для генерации текста в диалоговом формате. В карточке указано, что обучение проводилось с использованием Unsloth и библиотеки Hugging Face TRL. Модель принимает текст и генерирует текст; заявленная длина контекста составляет 32 768 токенов. В метаданных указан английский язык. Модель распространяется в формате Safetensors под лицензией Apache-2.0.

Salamander-24B-v1 — разговорная языковая модель Naphula, опубликованная как Checkpoint 82. Это слияние Della нескольких моделей на базе Mistral, включая варианты 2501, 2506 и 2509, а также Fallen Mistral 2503. Модель предназначена для генерации текста и диалоговых сценариев; в метаданных заявлена поддержка чата. Модель использует плотную архитектуру MistralForCausalLM, содержит 23,4 млрд параметров и рассчитана на контекст до 131 072 токенов. README сообщает, что в начальных тестах модель не отказывала в ответах; это наблюдение не заменяет систематическую оценку поведения и безопасности. Лицензия — Apache-2.0.

SparrowMind-8B — диалоговая языковая модель, созданная bunnycore слиянием трёх моделей семейства Llama 3 с помощью mergekit. Модель имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекст длиной до 8192 токенов; веса представлены в формате safetensors. Модель предназначена для генерации текста в диалоге и ответов на запросы. В состав слияния входят bunnycore/RemixLlama3-8B, NousResearch/Hermes-2-Theta-Llama-3-8B и UCLA-AGI/Llama-3-Instruct-8B-SPPO-Iter3. Репозиторий распространяется по лицензии Apache-2.0.

google/t5gemma-2b-2b-ul2 — предварительно обученная модель семейства T5Gemma от Google с кодировщиком и декодировщиком по 2 млрд параметров. Архитектура encoder-decoder получена адаптацией decoder-only модели; вариант UL2 обучен с использованием подхода UL2. Репозиторий содержит веса Safetensors для Transformers. Модель предназначена для генерации текста по текстовому запросу и подходит для суммаризации, ответов на вопросы, рассуждений и других задач преобразования текста. В карточке указана поддержка английского языка. Компактный размер может быть удобен для локального развёртывания на компьютерах и в облачной инфраструктуре. Качество зависит от обучающих данных и формулировки запроса; модель может упускать нюансы и выдавать неточные или устаревшие факты. Лицензия Gemma; при применении необходимо учитывать правила использования Gemma.

T5Gemma-B-B-PrefixLM-IT — англоязычная текстовая модель Google из семейства T5Gemma, дообученная по инструкциям на базе google/t5gemma-b-b-prefixlm. Это encoder-decoder архитектура, адаптирующая предварительно обученные модели Gemma к формату кодировщика и декодировщика; вариант использует конфигурацию B для обеих частей и PrefixLM. Модель принимает текст и генерирует текст, поддерживает диалоговый режим и предназначена для ответов на вопросы, суммаризации, рассуждений и других задач генерации текста. Модель подходит для создания черновиков, краткого пересказа документов и NLP-экспериментов. Английский указан как поддерживаемый язык семейства. По карточке модели, сравнительно компактные варианты T5Gemma рассчитаны в том числе на развёртывание на локальных компьютерах и в облачной инфраструктуре, однако для этого конкретного репозитория размер и требования к ресурсам не приведены. Ограничения включают возможные фактические ошибки, влияние пробелов и смещений обучающих данных, трудности с неоднозначностью и сложными открытыми задачами. Лицензия Gemma; применение должно учитывать политику допустимого использования Gemma.

Tulpar-7b-v2-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель, созданная MaziyarPanahi слиянием методом SLERP моделей Mistral-7B-Instruct-v0.2 и Tulpar-7b-v2. Она предназначена для генерации текста и ответов на инструкции в формате чата. Модель использует плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров; контекст — до 32 768 токенов. Модель принимает текст и выдаёт текст. В карточке указана лицензия Apache-2.0. README описывает способ слияния и базовые модели, но не приводит оценки качества или специальные ограничения применения.

aya-expanse-32b-GGUF — это набор GGUF-квантизаций языковой модели Aya Expanse 32B, разработанной CohereForAI и подготовленной для llama.cpp пользователем bartowski. Модель предназначена для генерации текста и диалоговых сценариев, включая работу через LM Studio. Доступны варианты с разным уровнем квантизации, размером файла и компромиссом между качеством и требованиями к памяти. Модель имеет около 32 миллиардов параметров и поддерживает широкий набор языков: английский, французский, немецкий, испанский, итальянский, португальский, японский, корейский, китайский, арабский, греческий, персидский, польский, индонезийский, чешский, иврит, хинди, нидерландский, румынский, русский, турецкий, украинский и вьетнамский. Это текстовая модель без заявленной поддержки дополнительных модальностей. README не содержит сведений об архитектуре исходной модели и размере контекста. Сильная сторона набора — большой выбор квантизаций, позволяющий запускать модель на системах с разным объёмом памяти. Варианты Q6_K и Q6_K_L обозначены как близкие к исходному качеству, а Q4_K_M — как сбалансированный вариант; более компактные форматы требуют меньше памяти, но могут заметно снижать качество. Модель распространяется по лицензии CC-BY-NC-4.0 и предназначена только для некоммерческого использования; для доступа также предусмотрено принятие условий лицензии Cohere и предоставление регистрационных данных.

Brazley Nemotron 3.5 Lightning Omni — неофициальная мультимодальная модель, созданная Ником Брэзли путём слияния компонентов двух опубликованных чекпойнтов NVIDIA. Текстовая часть основана на Nemotron 3.5 Lightning, а аудио- и визуальные энкодеры и проекторы взяты из Nemotron 3 Nano Omni V2. Обучение не проводилось; веса объединены на уровне модулей и представлены в формате safetensors с ModelOpt-квантизацией. NVIDIA не выпускала эту мультимодальную версию и не проверяла её. Модель принимает текст, изображения, аудио и видео, а отвечает текстом. Она предназначена для понимания документов и изображений, распознавания речи, ответов на вопросы по аудио и видео, включая описание событий во времени. Поддерживает английский язык и контекст до 262 144 токенов; общий размер составляет около 34 млрд параметров, примерно 3 млрд активны на токен. Для запуска автор указывает DGX Spark как минимальную GPU-платформу. Модель доступна для коммерческого использования на условиях лицензий исходных моделей; применяются обе лицензии, а лицензия репозитория обозначена как other.

Calme-7B-Instruct-v0.2 — языковая модель Maziyar Panahi для генерации текста и диалогового общения. Это дообученная на качественных наборах данных модель Mistral-7B с плотной архитектурой MistralForCausalLM и 7,1 млрд параметров. Она рассчитана на связные ответы с ясной и спокойной подачей. Модель принимает текст и генерирует текст; заявленная длина контекста — 32 768 токенов. Репозиторий содержит веса в формате safetensors, а для запуска предлагается Transformers pipeline с задачей text-generation. Автор также публикует отдельные квантованные варианты GGUF. Модель доступна по лицензии Apache-2.0.

Moritz Laurer дообучил DeBERTa-v3-large от Microsoft для задач вывода по тексту (NLI) и классификации без заранее заданного набора классов. Модель сопоставляет текст с предложенными категориями и оценивает их соответствие; также её можно применять для определения логического следования, противоречия или нейтральности между посылкой и гипотезой. Дообучение проведено на 885 242 парах из MultiNLI, Fever-NLI, ANLI, LingNLI и WANLI. Архитектура — DeBERTa-v2 для классификации последовательностей, размер — 533,8 млн параметров, контекст — до 512 токенов. Карточка указывает английский язык. По оценкам автора, модель показала высокие результаты на этих наборах данных, в том числе на состязательном ANLI. Модель принимает текст и выдаёт метки и оценки классов. Результаты зависят от формулировок текста и кандидатов категорий, а модель может воспроизводить смещения обучающих данных. Для работы с актуальными версиями Transformers в README рекомендуется версия 4.13 или новее. Лицензия — MIT.

Elysium-Omni-Itt-11b — объединённая модель для генерации текста, созданная powermove72 с помощью LazyMergekit из powermove72/GreenScorpius2-xb и powermove72/Trinity_Notus2-xb. В линейном слиянии использованы веса 0,7 и 0,3 соответственно, а токенизатор собран из обоих источников. Модель основана на плотной архитектуре Mistral с причинной языковой моделью и содержит 11 млрд параметров; нативная длина контекста — 32 768 токенов. Модель предназначена для генерации текста и диалоговых ответов. В репозитории указаны веса в формате safetensors и тип данных float16. Дата публикации — 11 июня 2024 года. Лицензия в доступных данных не указана.