III.8Договоры, юридическая работа и compliance

ferrazzipietro/Llama-3.2-1B-Instruct-cpt-tesi_all — дообученная модель на архитектуре Llama, созданная на основе meta-llama/Llama-3.2-1B-Instruct. Она предназначена для генерации текста и диалогового взаимодействия. Модель содержит 1,2 млрд параметров, использует формат safetensors и библиотеку Transformers; заявленная длина контекста — 131 072 токена. Базовая модель Meta поддерживает несколько языков и подходит для диалогов, поиска сведений, суммаризации и помощи в написании текста. Данные о специфических задачах этого дообучения, его обучающем наборе и результатах оценки не приведены, поэтому качество в отдельных сценариях оценить нельзя. Модель распространяется по лицензии Llama 3.2; перед применением следует учитывать её условия.

Lllama-3-RedElixir-8B — плотная языковая модель семейства Llama 3, созданная автором lemon07r слиянием нескольких предварительно обученных моделей с помощью mergekit и метода DARE TIES. В качестве базовой модели использована NousResearch/Meta-Llama-3-8B; в слияние также вошли MagicDolphin, Jamet, Mahou, Spicy Abliterated Stella, Hathor Stable, NeuralPoppy EVO и Llama-3-Spellbound Instruct. Модель содержит 7,5 млрд параметров, принимает текст и предназначена для генерации текста, включая диалоговые сценарии. Контекст составляет до 8192 токенов. Репозиторий использует формат safetensors и библиотеку Transformers. Указана лицензия Llama 3. Это объединённая модель нескольких вариантов Llama 3, поэтому её поведение зависит от сочетания исходных моделей. Карточка не приводит результатов оценки качества или конкретных гарантий поведения; соблюдайте условия лицензии Llama 3 при использовании.

MasherAI-v6.1-7B-checkpoint3 — плотная авторегрессионная языковая модель семейства Mistral, разработанная mahiatlinux и дообученная на базе mahiatlinux/MasherAI-v6.2-7B-checkpoint2. Модель предназначена для генерации текста и диалогового общения; при обучении использовались Unsloth и библиотека Hugging Face TRL. Модель содержит 7,1 млрд параметров, принимает текст и выдаёт текст. Её родной контекст составляет 32 768 токенов, а в карточке заявлена поддержка английского языка. Модель распространяется под лицензией Apache-2.0.

Mayonnaise-4in1-022 — языковая модель, разработанная The Kaitchup и созданная с помощью mergekit путём слияния нескольких моделей семейства Mistral. Это плотная авторегрессионная модель с архитектурой MistralForCausalLM, примерно 7,1 млрд параметров и контекстом до 32 768 токенов. Она предназначена для генерации текста на английском языке и сценариев, где требуется продолжать или создавать текст. Модель объединяет Mistral-7B-DPO-v5, WestSeverus-7B-DPO-v2 и NeuralTurdusVariant1-7B методом TIES. Автор сообщает о первом месте среди моделей 7B в Open LLM Leaderboard на 28 января 2024 года, но предупреждает, что не проверял возможное пересечение обучающих данных объединённых моделей с тестовыми наборами бенчмарков. Веса опубликованы в формате Safetensors; лицензия — Apache 2.0.

NickyNicky/Mistral-7B-OpenOrca-oasst_top1_2023-08-25-v3 — диалоговая языковая модель на архитектуре Mistral, разработанная на основе наборов данных OpenOrca и OpenAssistant oasst_top1 от 25 августа 2023 года. Модель содержит 7,1 млрд параметров и предназначена для генерации текста в диалоговом формате, включая ответы на вопросы и ведение беседы. Модель работает через Transformers и принимает текст, выдавая текст. Заявленная длина контекста составляет 32 768 токенов. В метаданных перечислены 20 языков: болгарский, каталонский, чешский, датский, немецкий, английский, испанский, французский, хорватский, венгерский, итальянский, нидерландский, польский, португальский, румынский, русский, словенский, сербский, шведский и украинский. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache 2.0. README не содержит подробных сведений об обучении или оценки качества; ответы модели могут быть неточными или содержать ошибки.

MotherEarth-Sauerkraut — языковая модель для диалоговой генерации текста, созданная объединением весов MotherEarth/MotherEarth-1.0-8B и VAGOsolutions/Llama-3.1-SauerkrautLM-8b-Instruct. Модели объединены методом SLERP с помощью mergekit; архитектура — плотная Llama с классом LlamaForCausalLM, размер — 7,5 млрд параметров. Модель предназначена для общения и генерации ответов на текстовые запросы. Она принимает текст и выдаёт текст, поддерживает контекст до 8192 токенов и опубликована в формате safetensors для библиотеки Transformers. Базовая SauerkrautLM ориентирована на немецкий и английский языки, но языки именно этой объединённой модели в карточке отдельно не описаны. Модель опубликована 17 сентября 2024 года. Сведения о лицензии и конкретных ограничениях применения в предоставленных данных отсутствуют.

Neural-Krishna-Multiverse-7b-v2 — объединённая языковая модель, созданная с помощью LazyMergekit из Kukedlc/Neural-Krishna-Multiverse-7b и liminerity/M7-7b. Веса объединены методом slerp; модель использует архитектуру Mistral с плотной декодерной трансформерной сетью и содержит 7,1 млрд параметров. Модель предназначена для генерации текста и диалоговых сценариев. Она принимает текст и выдаёт текст; заявленная длина контекста составляет 32 768 токенов. Данные карточки не уточняют целевые языки и специализированные области применения. Модель распространяется в формате Safetensors под лицензией Apache-2.0.

NeuralStar_FusionWriter_4x7b — объединённая языковая модель семейства Mixtral с архитектурой Mixture of Experts, созданная OmnicromsBrain с помощью LazyMergekit. В слиянии использованы mlabonne/AlphaMonarch-7B, OmnicromsBrain/Eros_Scribe-7b, SanjiWatsuki/Kunoichi-DPO-v2-7B и OmnicromsBrain/NeuralStar_Fusion-7B. Модель содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно применять для написания и продолжения текстов, ответов на запросы и ведения беседы. В карточке упомянуты отдельные статические и imatrix-квантизированные варианты GGUF, подготовленные MRadermacher; основной репозиторий использует формат safetensors. Модель распространяется по лицензии Apache-2.0. README не приводит результатов оценки качества или конкретных языковых ограничений; перечисление использованных моделей само по себе не гарантирует одинаковое качество их возможностей в объединённой модели.

Карточка модели sonthenguyen/OpenHermes-2.5-Mistral-7B-mt-bench-DPO-corrupted на Hugging Face совпадает с карточкой sonthenguyen/OpenHermes-2.5-Mistral-7B-mt-bench-DPO, поэтому описание составлено по ней. sonthenguyen/OpenHermes-2.5-Mistral-7B-mt-bench-DPO — чат-модель на архитектуре Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. По README, модель обучалась методом DPO с LoRA-адаптером на задачах causal language modeling; параметры обучения включали beta=0,1 и максимальную длину последовательности 1536 токенов. Модель предназначена для диалоговой генерации текста и может использоваться для ответов на вопросы, ведения беседы и подготовки текстовых черновиков. В метаданных указаны поддержка чата и формат safetensors. Лицензия — Apache-2.0. README не описывает состав обучающих данных, конкретные языки или сравнительные результаты качества.

SharkOgno-7b-Task — объединённая языковая модель powermove72, созданная с помощью LazyMergekit из powermove72/Shark-1 и eren23/OGNO-7b-dpo-truthful. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста; контекст составляет до 32 768 токенов. Слияние выполнено методом task arithmetic с весами 0,4 и 0,6, нормализацией и объединённым токенизатором; веса представлены в формате Safetensors и сохранены в FP16. Модель подходит для генерации продолжений и ответов на текстовые запросы. В состав входит база OGNO-7B-DPO-Truthful с акцентом на правдивость ответов, однако README не приводит отдельных оценок качества или подробного описания возможностей Shark-1. Лицензия в предоставленных данных не указана.

T3qm7xNeuralsirkrishna_Experiment27Experiment28 — объединённая языковая модель семейства Mistral, созданная на основе automerger/T3qm7xNeuralsirkrishna-7B и automerger/Experiment27Experiment28-7B. Модель содержит 7,1 млрд параметров и использует архитектуру MistralForCausalLM; веса опубликованы в формате safetensors. Модель предназначена для генерации текста и диалогов. Она принимает текст и поддерживает контекст длиной до 32 768 токенов. Данные о целевых языках и специализации по предметным областям в карточке не приведены. Модель опубликована по лицензии Apache-2.0. Качество и ограничения конкретного объединения моделей в карточке не описаны.

Babel-83B-Chat-GGUF — это набор GGUF-квантизаций чат-модели Babel-83B-Chat, разработанной Tower-Babel и подготовленной пользователем bartowski для запуска через llama.cpp и совместимые приложения, включая LM Studio. Модель предназначена для генерации текста и диалоговых сценариев, в том числе на множестве языков: английском, китайском, хинди, испанском, французском, арабском, бенгальском, русском, португальском, индонезийском, урду, немецком, японском, суахили, тамильском, турецком, корейском, вьетнамском, яванском, итальянском, хауса, тайском, персидском, тагальском и бирманском. Архитектура и размер исходной модели указаны как 83B; модальность — текстовая. README не содержит сведений о длине контекста и внутренней архитектуре. Доступны варианты квантизации от Q8_0 до Q2_K и IQ-квантизаций, размер файлов составляет примерно от 33,5 до 88,5 ГБ. Более качественные варианты требуют больше памяти, а низкобитные позволяют экономить ресурсы ценой качества. Для работы используется формат prompt с ролями system, user и assistant. Основные сильные стороны — большой размер модели, многоязычная направленность, поддержка локального запуска и широкий выбор вариантов квантизации. Ограничения включают значительные требования к оперативной или видеопамяти, особенно для высококачественных вариантов, а также возможное снижение качества у низкобитных квантизаций. Указана лицензия SeaLLM; подробные условия доступны по ссылке на лицензию SeaLLMs/SeaLLM-13B-Chat.

TurdusDareBeagle-7B — текстовая генеративная модель, созданная объединением моделей udkai/Turdus и shadowml/DareBeagle-7B с помощью LazyMergekit. В конфигурации указаны метод слияния slerp и тип данных float16; архитектура — плотная Mistral с 7,1 млрд параметров. Модель предназначена для генерации текста и ответов на запросы. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. В карточке указана лицензия Apache-2.0. Информация о специальных областях применения и языках в предоставленных данных отсутствует.

Villanova-2B-2512-Preview — текстовая языковая модель VillanovaAI, полученная постобучением Villanova-2B-Base-2512-Preview. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и 2,4 млрд параметров; она предназначена для генерации текста и диалогового взаимодействия. Модель принимает текст и генерирует текст. В карточке заявлена поддержка английского, немецкого, испанского, французского и итальянского языков. Длина контекста составляет 4096 токенов. Модель выпущена как предварительная версия, поэтому её характеристики и качество могут измениться. Распространяется по лицензии Apache-2.0.

WestLakev2-IreneRP-Neural-7B-slerp — объединённая текстовая модель на базе Mistral, созданная с помощью LazyMergekit из Smuggling1710/IreneRP-Neural-7B-slerp и macadeliccc/WestLake-7B-v2-laser-truthy-dpo. Для объединения использован метод slerp с настройками смешивания для слоёв self-attention и MLP. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Она предназначена для генерации текста, в том числе диалоговых ответов и продолжения текста. В репозитории представлены веса Safetensors. Лицензия в доступных данных не указана. Качество и поведение унаследованы от объединяемых моделей; отдельные результаты оценки или рекомендации по развёртыванию в карточке не приведены.

Meta Llama 3.1 8B Instruct — языковая модель Meta для диалогов и генерации текста. Это авторегрессионная модель на основе оптимизированного трансформера с Grouped-Query Attention; версия Instruct настроена с помощью supervised fine-tuning и обучения с обратной связью от людей (RLHF). Модель принимает и генерирует текст, поддерживает диалоговый режим и предназначена для коммерческого и исследовательского применения. Модель подходит для создания чат-ассистентов, ответов на запросы и других задач генерации текста на английском, немецком, французском, итальянском, португальском, хинди, испанском и тайском языках. Контекстное окно в предоставленных материалах не указано. Модель обучена на статичном офлайн-наборе данных; возможны ошибки и небезопасные ответы, поэтому результаты следует проверять, а для использования инструментов требуется отдельная интеграция и контроль со стороны разработчика. Условия распространения и применения регулируются лицензией Meta Llama 3.1 Community License и Acceptable Use Policy.

Qwen2.5-14B-Instruct-GGUF — это квантизированная в формате GGUF версия инструкционной языковой модели Qwen2.5-14B-Instruct, разработанной командой Qwen. Квантизация выполнена bartowski на основе llama.cpp, релиз b3772. Модель предназначена для диалоговых приложений, генерации текста и выполнения инструкций, включая работу со структурированными данными. Модель поддерживает контекст до 128 тысяч токенов с настройками YaRN RoPE и генерацию до 8 тысяч токенов. Для обучения использован набор данных объёмом 18 триллионов токенов. Заявлена поддержка более 29 языков, включая английский, китайский, французский, испанский, португальский, немецкий, итальянский, русский, японский, корейский, вьетнамский, тайский и арабский. К сильным сторонам относятся длинный контекст, многоязычность и улучшенное понимание и формирование структурированных данных; конкретные ограничения производительности и требования к ресурсам в README не указаны. Модель распространяется по лицензии Apache 2.0. Использование Community Model предоставляется сторонним сообществом; LM Studio не является разработчиком и не гарантирует точность, безопасность или пригодность результатов. Как и другие генеративные модели, она может создавать неточный, вредный или неподходящий контент.

Модель avans06/Meta-Llama-3.2-8B-Instruct — текстовая генеративная модель семейства Llama, размещённая на Hugging Face. Метаданные указывают на плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров, формат safetensors и контекст до 131 072 токенов. Она предназначена для диалогов и генерации текста; также заявлен интерфейс вызова инструментов. Карточка репозитория описывает Llama 3.2-Vision моделей Meta на 11B и 90B параметров, принимающих текст и изображения. Эти сведения не совпадают с идентификатором и архитектурными метаданными данной 8B текстовой модели, поэтому визуальные возможности и характеристики Vision к ней не приписываются. Метаданные перечисляют поддержку английского, немецкого, французского, итальянского, португальского, хинди, испанского и тайского языков. Лицензия — Llama 3.2 Community License, обозначенная в метаданных как llama3.2.

Qwen2.5-VL-7B-Instruct-AWQ — мультимодальная instruction-tuned модель семейства Qwen, разработанная командой Qwen. Это AWQ-квантованная версия модели Qwen2.5-VL-7B-Instruct с 7 миллиардами параметров, предназначенная для задач vision-language. Модель принимает текст, изображения и видео и может распознавать объекты, анализировать текст, графики, таблицы, иконки и макеты, извлекать структурированные данные из счетов и форм, локализовать объекты с помощью bounding boxes или точек, а также поддерживать сценарии визуального агента, включая взаимодействие с компьютером и телефоном. Она способна анализировать видео длительностью более часа и находить релевантные временные фрагменты. В архитектуре заявлены динамическое разрешение и частота кадров для видео, временная версия mRoPE и оптимизированный vision encoder на базе ViT с window attention, SwiGLU и RMSNorm. К сильным сторонам относятся широкий набор мультимодальных возможностей, обработка документов и структурированный вывод, визуальная локализация и понимание длительных видео. Модель позиционируется как более эффективная за счет AWQ-квантования, а использование flash attention 2 может снизить потребление памяти и ускорить инференс. README не содержит результатов оценки, точного размера контекстного окна и подробного перечня поддерживаемых языков; в метаданных указан английский язык. Для работы рекомендуется актуальная версия Transformers и соответствующие инструменты обработки изображений и видео. Модель распространяется по лицензии Apache-2.0.

Aya-23-8B — мультиязычная авторегрессионная языковая модель на архитектуре Transformer, разработанная Cohere For AI и Cohere. Это версия на 8 млрд параметров семейства Aya 23, дообученная следовать инструкциям на основе предварительно обученной модели семейства Command и коллекции Aya. Модель предназначена для диалогов, ответов на вопросы, написания и преобразования текстов на 23 языках, включая русский, английский, китайский, арабский, хинди и японский. Поддерживает текстовый ввод и генерацию текста, а также интерфейс вызова инструментов. Контекстное окно составляет 8192 токена. Веса доступны по лицензии CC-BY-NC-4.0; применение также регулируется политикой допустимого использования Cohere For AI. Для работы с моделью требуется версия Transformers с необходимыми изменениями. Модель ориентирована на мультиязычное следование инструкциям, но карточка не приводит подробностей об ограничениях качества по отдельным языкам.

Gemma 3 12B IT — мультимодальная модель с открытыми весами от Google, дообученная для следования инструкциям на основе google/gemma-3-12b-pt. Она принимает текст и изображения и генерирует текст; относится к семейству Gemma 3 и доступна в формате safetensors для Transformers. Модель предназначена для диалоговых приложений, ответов на вопросы и задач понимания изображений, а также для создания и обобщения текста. Контекстное окно — до 128 тысяч токенов, поддерживается более 140 языков. Размер модели — 12 млрд параметров. Модель подходит для извлечения сведений из изображений, составления черновиков, суммаризации и исследовательских задач. Google отмечает, что ответы могут содержать фактические ошибки, отражать предвзятость обучающих данных и хуже справляться со сложными открытыми запросами, языковыми нюансами и задачами, требующими здравого смысла. Лицензия — Gemma; при использовании следует соблюдать условия лицензии и политику запрещённого использования Gemma.

FriendliAI/Meta-Llama-3.1-8B-Instruct-int8 — это инструкция-ориентированная текстовая языковая модель на базе Meta-Llama-3.1-8B, разработанной Meta. Модель предназначена для генерации текста и диалоговых сценариев, включая выполнение инструкций на естественном языке. Вариант int8 использует 8-битное представление параметров, что рассчитано на более эффективное по памяти и вычислениям развертывание по сравнению с полноразмерной версией. Модель поддерживает английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский языки. Она относится к классу текстовых моделей и не предназначена для обработки изображений, аудио или других немультимодальных данных. Размер базовой модели составляет 8 миллиардов параметров; сведения о размере контекстного окна в представленных данных отсутствуют. К сильным сторонам относятся instruction-tuning, многоязычность и сниженные требования к памяти благодаря int8-квантизации. Ограничениями являются возможная потеря качества по сравнению с исходной версией из-за квантизации, а также отсутствие указаний на поддержку мультимодальных задач. Модель распространяется по лицензии Llama 3.1 Community License от Meta. При распространении необходимо соблюдать условия лицензии, включая указание «Built with Llama», сохранение уведомления об авторских правах и требования Acceptable Use Policy; для продуктов с более чем 700 миллионами ежемесячных активных пользователей предусмотрены дополнительные лицензионные условия.

Aya-Expanse-32B — открытая по весам мультиязычная языковая модель, разработанная Cohere For AI. Она предназначена для диалогов и генерации текста на 23 языках, включая русский, а также поддерживает интерфейс вызова инструментов. Модель построена на авторегрессионной архитектуре Transformer семейства Cohere и содержит 32,3 млрд параметров. В метаданных Hugging Face указан контекст 8192 токена; в README заявлено 128K, поэтому длина контекста в источниках расходится. В README также описаны дообучение с учителем, обучение на предпочтениях, настройка безопасности и слияние моделей. Модель подходит для многоязычных диалогов, ответов на вопросы, написания и преобразования текста. Лицензия CC-BY-NC-4.0 ограничивает коммерческое использование; также требуется соблюдать политику допустимого использования Cohere For AI.

Aya Expanse 32B — открытая по весам мультиязычная языковая модель, разработанная Cohere Labs. Она основана на предварительно обученной модели семейства Command и дополнительно обучена с учителем, с использованием предпочтений и объединения моделей. Модель предназначена для диалогов и генерации текста на 23 языках, включая русский, английский, арабский, китайский, хинди, японский и другие. Это авторегрессионная модель на архитектуре Transformer с 32 млрд параметров и контекстом до 128K токенов; она принимает текст и генерирует текст. Лицензия CC-BY-NC-4.0 запрещает коммерческое использование; также необходимо соблюдать Политику допустимого использования Cohere Labs. Модель выпущена как исследовательская, но подходит для практических мультиязычных задач; её ответы могут быть ошибочными, а качество — различаться между языками и задачами.

Qwen2.5-7B-Instruct-MLX-4bit — это 4-битная квантованная версия инструкционной языковой модели Qwen2.5-7B-Instruct, подготовленная сообществом для запуска на Apple Silicon Mac. Исходную модель разработала команда Qwen, а MLX-квантизацию предоставил bartowski на основе mlx-examples. Модель предназначена для диалогового взаимодействия, генерации текста и выполнения инструкций; её можно использовать в локальных сценариях через совместимое программное обеспечение, включая LM Studio. Модель поддерживает контекст до 32 000 токенов и генерацию до 8 000 токенов. Она ориентирована на работу с текстом и заявлена как поддерживающая более 29 языков, включая китайский, английский, французский, испанский, португальский, немецкий, итальянский, русский, японский, корейский, вьетнамский, тайский и арабский. Среди отмеченных особенностей — работа со структурированными данными и их генерация, а также широкий охват знаний, полученных из крупного обучающего набора. Ключевыми ограничениями являются зависимость от аппаратной платформы Apple Silicon и возможные ошибки, неточности, вредоносные или неподходящие ответы, характерные для генеративных моделей. README не содержит результатов бенчмарков или подробностей об архитектуре и точном объёме исходных параметров, кроме обозначения класса 7B. Модель распространяется по лицензии Apache-2.0.

adamo1139/aya-expanse-32b-ungated — открытая версия весов Aya Expanse 32B от Cohere For AI без ограничения доступа через gated-доступ. Это авторегрессионная плотная трансформерная языковая модель семейства Cohere с 32,3 млрд параметров, предназначенная для генерации текста и диалогов на 23 языках. Модель принимает и выдаёт текст; метаданные указывают контекст 8192 токена. Модель подходит для многоязычных диалоговых помощников, ответов на вопросы, создания и перефразирования текстов на поддерживаемых языках. В карточке описаны supervised fine-tuning, обучение на предпочтениях, настройка безопасности и слияние моделей в процессе подготовки Aya Expanse. Для распространения указана лицензия CC-BY-NC-4.0; карточка также требует соблюдать политику допустимого использования Cohere For AI.

Inkling-Small-GGUF — мультимодальная авторегрессионная модель, разработанная Thinking Machines и представленная в формате GGUF командой Unsloth. Модель принимает текст, изображения и аудио, а генерирует текст; она предназначена для разработчиков AI-приложений, включая агентные и tool-use системы, coding assistants, чат-ботов, retrieval-augmented generation, диалоговые и мультимодальные сценарии, а также для исследований, дообучения и интеграции в сторонние продукты. Архитектура представляет собой 42-слойный decoder-only Transformer с разреженным Mixture-of-Experts: всего 276 млрд параметров, из которых активны 12 млрд; для каждого токена выбираются 6 из 256 экспертов и используются 2 общих эксперта. Внимание сочетает локальные и глобальные слои. Изображения обрабатываются иерархическим patch-энкодером, аудио — дискретным токенизированным представлением, после чего все модальности проецируются в общее скрытое пространство. Поддерживаются числовые форматы BF16 и NVFP4; GGUF-вариант ориентирован на локальный запуск через совместимые инструменты. Для изображений рекомендуются размеры каждой стороны от 40 до 4096 пикселей, для аудио — WAV с частотой 16 кГц и длительностью желательно менее двух минут. Сильные стороны модели — сочетание текстовых, визуальных и аудиовходов, поддержка английского и общих мультиязычных сценариев, работы с кодом и широкого спектра прикладных задач. Ограничения включают текстовый формат вывода, рекомендуемые ограничения на входные изображения и аудио, а также отсутствие в представленных данных конкретного размера контекстного окна и подробных результатов оценивания. Модель распространяется под лицензией Apache-2.0.

meta-llama/Llama-3.1-405B-FP8 — крупная языковая модель семейства Llama 3.1, разработанная Meta. Она предназначена для генерации текста и может применяться в задачах обработки естественного языка, включая создание и преобразование текстового контента. Модель ориентирована на английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский языки. Из доступных данных следует, что модель содержит 405 миллиардов параметров и представлена в формате FP8. Архитектура, максимальная длина контекста, поддерживаемые модальности помимо текста и подробные сведения о сильных сторонах в README не указаны. Большой размер модели потенциально обеспечивает высокую способность к обработке сложных языковых задач, но также предполагает значительные требования к вычислительным ресурсам; конкретные требования и ограничения по производительности не приведены. Модель распространяется по Llama 3.1 Community License от Meta. Лицензия разрешает использовать, воспроизводить, распространять, изменять материалы и создавать производные работы на установленных условиях. При распространении необходимо сохранять текст лицензии и уведомление об атрибуции, указывать «Built with Llama», соблюдать Acceptable Use Policy и применимое законодательство. Для продуктов или сервисов с более чем 700 миллионами ежемесячных активных пользователей предусмотрено требование запросить отдельную лицензию у Meta.

Llama-3-70B-Synthia-v3.5 — универсальная языковая модель семейства Llama 3, дообученная разработчиком migtissera на наборе Synthia-v3.5 и других общедоступных данных. Вычислительные ресурсы для обучения предоставила KindoAI. Модель предназначена для следования инструкциям и продолжительных диалогов. Её можно применять для ответов на вопросы, написания и редактирования текста, объяснений и диалоговых сценариев. Это плотная авторегрессионная модель с архитектурой LlamaForCausalLM и примерно 69,5 млрд параметров; она принимает текст, выдаёт текст и поддерживает контекст до 8192 токенов. В карточке приведены результаты оценивания на нескольких наборах задач, включая IFEval и BBH. Модель может выдавать неточные или вводящие в заблуждение ответы, а также предвзятый, оскорбительный или иной неуместный контент; автор характеризует её как uncensored и рекомендует проверять ответы. Репозиторий содержит веса в формате safetensors. Лицензия — Llama 3 License (llama3).

VibeVoice-ASR — мультиязычная модель Microsoft для распознавания речи, доступная в версии, совместимой с Transformers. Она принимает аудио и формирует транскрипцию с текстом, временными метками и указанием говорящего; также можно передавать контекстные подсказки, например имена или специальные термины, чтобы помочь распознаванию.