IV.5Образование и развитие навыков

ChemLLM-7B-Chat — языковая модель для химии и науки о молекулах, разработанная командой AI4Chem на основе InternLM2. Это чат-модель с архитектурой InternLM2ForCausalLM и 7,4 млрд параметров; она принимает текст и генерирует ответы в формате диалога. Модель предназначена для вопросов по химии и смежным научным темам, а также для профессионального перевода. Для диалогов README рекомендует использовать шаблон InternLM2 и системный промпт Agent Chepybara. В тестах MMLU, приведённых в карточке, модель показала результаты выше сравниваемых моделей на задачах по химии, математике и физике; эти результаты не гарантируют точность отдельных ответов. Модель поддерживает английский и китайский языки, имеет контекст до 32 768 токенов и распространяется по лицензии Apache-2.0. Авторы предупреждают, что ответы могут быть ошибочными, и советуют проверять их; в README также указаны более новые версии ChemLLM.

Карточка модели ark4004/DeepSeek-llama3.3-Bllossom-70B-jh на Hugging Face совпадает с карточкой UNIVA-Bllossom/DeepSeek-llama3.3-Bllossom-70B, поэтому описание составлено по ней. DeepSeek-llama3.3-Bllossom-70B — языковая модель, созданная командами UNIVA и Bllossom на базе DeepSeek-R1-Distill-Llama-70B. Это плотная модель семейства Llama с 69,5 млрд параметров и контекстом до 131 072 токенов, предназначенная для генерации текста и диалогов с упором на рассуждения на корейском языке. Модель дообучали на корейских и английских данных рассуждений, чтобы улучшить многоязычную работу и уменьшить смешение языков: внутренние рассуждения могут выполняться на английском, а ответ формируется на языке запроса. Модель подходит для решения математических задач, ответов на сложные вопросы и диалоговых сценариев на корейском и английском языках. В README приведены примеры и результаты оценки на AIME24 и MATH500, в том числе на корейских переводах заданий. Модель распространяется по лицензии MIT. Представленные в карточке примеры и оценки не гарантируют точность ответов в других задачах; отдельные ограничения производительности не описаны.

EVA-Qwen2.5-14B-v0.0-GGUF — GGUF-квантизированная версия текстовой генеративной модели EVA-Qwen2.5-14B-v0.0, разработанной EVA-UNIT-01. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и диалоговых сценариев, включая написание художественных текстов, roleplay, следование инструкциям и работу с разнообразными писательскими запросами; при обучении использовались наборы данных для инструкционного диалога, сторителлинга и ролевого взаимодействия. Модель имеет размер 14B параметров и поставляется в форматах GGUF с уровнями квантизации от F16 до Q2_K_L, что позволяет выбирать между качеством, объёмом памяти и скоростью локального запуска. В README указан шаблон prompt в формате ChatML и совместимость с llama.cpp и LM Studio. Языки, максимальная длина контекста и поддержка модальностей, отличных от текста, не указаны. Более высокие варианты квантизации обеспечивают лучшее сохранение качества, тогда как низкие требуют меньше оперативной памяти, но могут заметно ухудшать результаты. Модель распространяется по лицензии Apache-2.0. README не содержит независимых результатов бенчмарков, подробностей архитектуры, точного описания возможностей по языкам или явных ограничений исходной модели, поэтому её практические характеристики следует оценивать с учётом выбранного уровня квантизации и конкретного сценария использования.

OpenCodeReasoning-Nemotron-1.1-32B — языковая модель NVIDIA для рассуждений при решении задач программирования. Это дообученная на наборе OpenCodeReasoning модель Qwen2.5-32B-Instruct с плотной архитектурой decoder-only Transformer и 32 млрд параметров. Набор обучения содержит 1,165 млн примеров по соревновательному программированию с ответами, сгенерированными DeepSeek-R1-0528. Модель принимает текст и генерирует текст; длина контекста — до 65 536 токенов. Она предназначена для генерации кода и пошагового решения задач программирования, а также для разработки и исследования LLM. В карточке приведены результаты оценки на LiveCodeBench v5, но они сами по себе не гарантируют качество на иных задачах. Модель ориентирована на запуск на GPU NVIDIA; заявлена готовность к коммерческому и некоммерческому использованию.

Parrot-7B — мультиязычная мультимодальная языковая модель, разработанная авторами проекта Parrot. Она использует текстовые инструкции для выравнивания визуальных токенов на уровне языка и архитектуру Mixture-of-Experts для согласования визуальной информации с языковыми представлениями. Модель дообучена методом supervised fine-tuning на базе Qwen-1.5-7B-Chat и использует визуальный энкодер CLIP-ViT-Large-patch14-336; размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для диалоговых сценариев с изображениями и мультиязычных вопросов и ответов по визуальному содержимому. В README описан мультиязычный бенчмарк MMMB: 6 языков, 15 категорий и 12 000 вопросов. Репозиторий использует Transformers и формат safetensors. Лицензия — Apache-2.0. Авторы отмечают, что не могут гарантировать полное отсутствие проблемного или нарушающего авторские права контента.

PixArt-Σ XL 2 1024 MS — диффузионная модель генерации и редактирования изображений по текстовым запросам, разработанная командой PixArt-Σ. Она использует латентную диффузию на основе трансформерных блоков, предобученный текстовый кодировщик T5 и VAE. Модель рассчитана на создание изображений размером 1024 пикселя, а семейство PixArt-Σ также поддерживает генерацию в разрешении 2K и 4K. Модель подходит для создания иллюстраций и концептов для дизайна, творческих и образовательных инструментов, а также для исследований генеративных моделей. Распространяется в форматах Diffusers и safetensors по лицензии CreativeML Open RAIL++-M. В карточке Hugging Face указана лицензия openrail++. Ограничения включают несовершенный фотореализм, трудности с композицией объектов, нечитаемый текст внутри изображений и ошибки в деталях вроде пальцев. Модель не предназначена для создания достоверных изображений реальных людей или событий; генерация может усиливать социальные предубеждения, а VAE вносит потери.

Q25-1.5B-VeoLu-GGUF — это квантизированная версия текстовой генеративной модели Alfitaria/Q25-1.5B-VeoLu, подготовленная пользователем bartowski в формате GGUF с использованием llama.cpp и imatrix-квантизации. По заявленному размеру базовая модель относится к классу 1,5 млрд параметров. Модель предназначена для локального запуска и генерации текста; в материалах также указаны обучающие наборы для творческого письма, многоходовых диалогов, медицинских вопросов, научных задач и математики. Основное преимущество этой версии — набор вариантов квантизации с разным соотношением качества, размера файла и требований к памяти: от F16 размером 3,56 ГБ до компактных вариантов Q2 и Q3. Для большинства сценариев автор рекомендует форматы Q4–Q6, а некоторые варианты специально оптимизированы для ARM-процессоров. Модель можно запускать через llama.cpp и LM Studio с указанным шаблоном промпта. Данные о поддерживаемых языках, длине контекста, точной архитектуре, результатах тестирования и лицензии в README не приведены; поэтому качество, языковая специализация и условия юридического использования следует уточнять в карточке исходной модели Alfitaria/Q25-1.5B-VeoLu.

Qwen3-14B-MegaScience — языковая модель на 14 млрд параметров, разработанная проектом MegaScience и дообученная на наборе данных MegaScience для улучшения научных рассуждений. Она предназначена для генерации текста и диалоговых сценариев, связанных с научными вопросами. Модель построена на плотной архитектуре Qwen3ForCausalLM и работает через библиотеку Transformers. Контекст составляет до 32 768 токенов; в карточке указан английский язык. Для обучения использовались длина последовательности до 4 096 токенов, пакет размером 512 и три эпохи. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Карточка модели AtomicChat/Qwen3.8-27B-MLX-bf16 на Hugging Face совпадает с карточкой AtomicChat/Qwen3.8-27B-MLX-AD-3.80bpw-DWQ-13.7GB, поэтому описание составлено по ней. AtomicChat/Qwen3.8-27B-MLX-AD-3.80bpw-DWQ-13.7GB — мультимодальная плотная модель семейства Qwen3.5 на 27 млрд параметров, подготовленная AtomicChat на основе Qwen/Qwen3.8-27B для работы в формате MLX. Она предназначена для диалогов и задач, где нужно анализировать изображения и формировать текстовый ответ. Карточка также указывает поддержку vision и conversational-взаимодействия. Модель принимает текст и изображения, выдаёт текст. Репозиторий использует safetensors, а для базовой модели указана лицензия Apache-2.0. README описывает преобразование в MLX с помощью mlx-lm 0.31.3; сведений о контекстном окне и ограничениях качества карточка не приводит.

Карточка модели bingoman21/SkyReels-V3-A2V-19B на Hugging Face совпадает с карточкой Skywork/SkyReels-V3-A2V-19B, поэтому описание составлено по ней. SkyReels-V3-A2V-19B — модель генерации видео SkyReels от команды Skywork, предназначенная для создания видеороликов по изображению и аудиодорожке. Карточка описывает семейство SkyReels V3 как мультимодальную систему на основе диффузионного Transformer с согласованием аудио и видео; обозначение A2V указывает на сценарий генерации видео с аудиосопровождением, а 19B — на размер модели в 19 млрд параметров. Модель подходит для создания говорящих аватаров и видео с синхронизацией движений губ с речью или пением. Семейство также заявляет сохранение внешности персонажа, выразительную мимику и поддержку генерации по изображениям людей, аниме-персонажей, животных и иллюстраций. В README упомянуты китайский, английский и корейский языки, однако в метаданных карточки языковые теги отсутствуют. В репозитории указаны веса PyTorch в формате safetensors и лицензия типа other; конкретные условия лицензии следует проверять в карточке модели. README заявляет высокое качество синхронизации губ и длительную генерацию, но не приводит независимой оценки именно этого чекпойнта. Практическое применение требует совместимой среды для инференса видео-диффузионных моделей.

Карточка модели chcjohn8/stable-diffusion-xl-base-1.0 на Hugging Face совпадает с карточкой stabilityai/stable-diffusion-xl-base-1.0, поэтому описание составлено по ней. Stable Diffusion XL Base 1.0 — модель генерации и редактирования изображений по текстовому описанию, разработанная Stability AI. Она использует латентную диффузию и два предварительно обученных текстовых энкодера: OpenCLIP-ViT/G и CLIP-ViT/L. Базовую модель можно применять самостоятельно либо вместе с отдельной моделью-рефайнером для финальной обработки изображения; также описан двухэтапный вариант с повышением разрешения через img2img. Модель предназначена для создания иллюстраций и художественных изображений, а также для творческих и образовательных инструментов и исследований генеративных моделей. Она поддерживает генерацию изображений по текстовым запросам; репозиторий предлагает варианты запуска через Diffusers, ONNX и OpenVINO. Лицензия — CreativeML Open RAIL++-M (в метаданных указана openrail++).

Карточка модели sd-research/stable-diffusion-xl-base-1.0 на Hugging Face совпадает с карточкой stabilityai/stable-diffusion-xl-base-1.0, поэтому описание составлено по ней. Stable Diffusion XL Base 1.0 — модель генерации и редактирования изображений по текстовому описанию, разработанная Stability AI. Она использует латентную диффузию и два предварительно обученных текстовых энкодера: OpenCLIP-ViT/G и CLIP-ViT/L. Базовую модель можно применять самостоятельно либо вместе с отдельной моделью-рефайнером для финальной обработки изображения; также описан двухэтапный вариант с повышением разрешения через img2img. Модель предназначена для создания иллюстраций и художественных изображений, а также для творческих и образовательных инструментов и исследований генеративных моделей. Она поддерживает генерацию изображений по текстовым запросам; репозиторий предлагает варианты запуска через Diffusers, ONNX и OpenVINO. Лицензия — CreativeML Open RAIL++-M (в метаданных указана openrail++).

Карточка модели Slugger101/stable-diffusion-xl-base-1.0 на Hugging Face совпадает с карточкой stabilityai/stable-diffusion-xl-base-1.0, поэтому описание составлено по ней. Stable Diffusion XL Base 1.0 — модель генерации и редактирования изображений по текстовому описанию, разработанная Stability AI. Она использует латентную диффузию и два предварительно обученных текстовых энкодера: OpenCLIP-ViT/G и CLIP-ViT/L. Базовую модель можно применять самостоятельно либо вместе с отдельной моделью-рефайнером для финальной обработки изображения; также описан двухэтапный вариант с повышением разрешения через img2img. Модель предназначена для создания иллюстраций и художественных изображений, а также для творческих и образовательных инструментов и исследований генеративных моделей. Она поддерживает генерацию изображений по текстовым запросам; репозиторий предлагает варианты запуска через Diffusers, ONNX и OpenVINO. Лицензия — CreativeML Open RAIL++-M (в метаданных указана openrail++).

StoryWeaver-7b-Instruct-v0.1 — текстовая генеративная модель на архитектуре Mistral, опубликованная пользователем kasper52786. Согласно карточке, она объединена методом TIES с помощью LazyMergekit на основе NousResearch/Yarn-Mistral-7b-128k и mistralai/Mistral-7B-Instruct-v0.2; метаданные указывают связь дообучения с Mistral-7B-Instruct-v0.2. Модель содержит 7,1 млрд параметров, сохранена в формате safetensors и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста по инструкциям и диалоговых сценариев, в том числе для написания историй. Она принимает текст и выдаёт текст. Карточка не описывает специальные языки или прикладные области, поэтому её можно рассматривать как модель общего назначения. Лицензия в предоставленных данных не указана.

Assistant-Coding-Python — небольшая причинно-языковая модель, разработанная Fadilahnuryasin и дообученная методом supervised fine-tuning на HuggingFaceTB/SmolLM2-360M. Она предназначена для ответов на вопросы о Python, написания кода, решения простых логических задач и объяснения синтаксиса языка. Модель построена на архитектуре Llama и содержит 361,8 млн параметров. Она работает с текстом, поддерживает контекст до 8192 токенов и распространяется в формате Safetensors для библиотеки Transformers. В карточке указаны английский язык и код Python; лицензия — MIT. Из-за небольшого размера модель может ошибаться в сложной математической логике и неверно предсказывать результаты выполнения программ. Сгенерированный код следует проверять и тестировать; модель не предназначена для критических систем или сложной корпоративной генерации кода без контроля человека.

daVinci-MagiHuman — генеративная модель SII-GAIR и Sand.ai для создания коротких видео с синхронным звуком, включая ролики с выразительной человеческой мимикой, речью и движениями. Она использует 15-миллиардный 40-слойный Transformer с единой последовательностью токенов текста, видео и аудио; модель совместно обрабатывает текстовый запрос, референсное изображение и зашумлённые аудио- и видеоданные. Архитектура включает специализированные проекции в первых и последних слоях и общие параметры в промежуточных слоях. Модель предназначена для генерации видео по изображению и тексту, с упором на человеческую речь, движения и синхронизацию аудио с видео. В README указаны поддержка английского, китайского (мандаринского и кантонского), японского, корейского, немецкого и французского языков, а также скорость генерации пятиминутного по длительности? Нет: пятисекундного ролика от 2 секунд в 256p до 38 секунд в 1080p на одном H100. Для ускорения используется дистилляция DMD-2 до 8 шагов, отдельный этап повышения разрешения и ускоренный декодер. Модель распространяется под лицензией Apache-2.0. Результаты качества и скорости приведены в README и зависят от описанных авторами условий оценки и оборудования. Для запуска требуются веса полного стека и подходящая среда инференса; указанная скорость предполагает H100 и не переносится автоматически на другое оборудование.

HawkVL-2B — компактная мультимодальная модель серии HawkVL, построенная на языковой модели Qwen2.5-1.5B. Архитектура включает визуальный энкодер Qwen-ViT, проектор на основе двухслойного MLP с pixel unshuffle и языковую часть Qwen2.5-1.5B; модель дообучена на данных LLaVA-OneVision. Модель предназначена для диалогов по изображениям и генерации текстовых ответов на визуальные запросы. В README приведены результаты оценки на англоязычных и китайских наборах OpenCompass, включая задачи визуальных вопросов и ответов, распознавания текста на изображениях и математики по изображениям. Поддерживается контекст до 32 768 токенов; метаданные указывают английский и китайский языки. Модель распространяется в формате Safetensors под лицензией Apache-2.0. Модель компактна и рассчитана на эффективную мультимодальную обработку, однако приведённые результаты ограничены набором бенчмарков и сами по себе не гарантируют качество в конкретном сценарии. Входные изображения и язык запросов должны соответствовать возможностям мультимодальной архитектуры; модель может ошибаться при сложном визуальном рассуждении или распознавании текста.

Llama-3.1-Argunaut-1-8B-SFT — языковая модель DebateLabKIT, дообученная методом SFT на базе meta-llama/Llama-3.1-8B-Instruct. Она предназначена для диалогов о структуре аргументов: помогает создавать карты аргументов в синтаксисе Argdown и выделять посылки и выводы из текста. Модель содержит 7,5 млрд параметров, использует плотную архитектуру Llama и работает с текстом; заявленное контекстное окно — 131 072 токена. В обучении использованы диалоги DebateLabKIT по аргументации и смесь инструкционных данных Tulu 3. Модель подходит для преобразования рассуждений в структурированный вид и обсуждения аргументации в формате чата. Карточка демонстрирует пример, в котором ответ на запрос о карте аргументов оказался неудовлетворительным, поэтому качество следования инструкциям и построения аргументов может быть непостоянным. Лицензия — Llama 3.1 Community License.

Magnum-v3-9B-ChatML — языковая модель Anthracite, созданная для генерации связного текста с качеством прозы, которое разработчики стремились приблизить к Claude 3 Sonnet и Opus. Это полноразмерное дообучение Gemma 2 9B ChatML с архитектурой Gemma2ForCausalLM; модель содержит 9 млрд параметров и принимает диалоги в формате ChatML. Родительский репозиторий описывает базовую модель как Gemma 2 9B ChatML. Модель подходит для диалогов, написания прозы и ролевых сценариев. В карточке приведены датасеты для инструкций, письма и синтетических ролевых диалогов; обучение проведено в течение двух эпох. Контекст составляет 8192 токена. Карточка не заявляет специализированную языковую поддержку. Модель распространяется по лицензии Gemma; применяются условия этой лицензии.

SolaireOfTheSun/openchat_3.5-DHBW-Bio-Deutsch-EducationAID — диалоговая языковая модель на основе архитектуры Mistral, опубликованная в формате Safetensors. В карточке указано семейство OpenChat и обучение методом C-RLFT на смесях инструкционных данных; репозиторий содержит версию размером 7,1 млрд параметров с контекстом до 8192 токенов. Разработчики OpenChat описывают семейство как открытые модели для диалогового взаимодействия и генерации текста. Модель подходит для ответов на вопросы, выполнения инструкций и генерации текстов в чате. В обучающих данных упомянуты наборы для математики, программирования и общих инструкций. README предупреждает о возможных ошибках в рассуждениях, математике и программировании, галлюцинациях, предвзятых или небезопасных ответах; критические сведения следует проверять и при необходимости применять дополнительные меры модерации. Лицензия репозитория — Apache-2.0. Название репозитория указывает на немецкоязычный образовательный вариант, однако предоставленные сведения не описывают отдельно его обучение или подтверждённые специализированные возможности в биологии и образовании. Поэтому эти направления нельзя считать установленными характеристиками модели.

ScaduTorrent1.1-8b-model_stock — разговорная языковая модель семейства Llama 3, созданная методом Model Stock с помощью mergekit. В слияние вошли модели и адаптеры для ролевого общения, математики и диалогов в стиле психотерапевтической беседы; в качестве основы в конфигурации указан failspy/Llama-3-8B-Instruct-MopeyMule с Blackroot/Llama-3-8B-Abomination-LORA. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текст для генерации текста и диалога. Заявленная длина контекста — 8192 токена. Она подходит для разговорных сценариев и генерации ответов, включая ролевые беседы и задачи с математической составляющей. Карточка не сообщает отдельные результаты оценки качества; совместимость навыков, унаследованных от компонентов слияния, может различаться. Лицензия в предоставленных данных не указана.

Карточка модели hckrs711/stable-diffusion-v1-5-img2img на Hugging Face совпадает с карточкой botp/stable-diffusion-v1-5, поэтому описание составлено по ней. Stable Diffusion v1.5 — модель генерации и редактирования изображений по текстовому запросу, разработанная Робином Ромбахом и Патриком Эссером. Это латентная диффузионная модель с фиксированным текстовым энкодером CLIP ViT-L/14. Чекпойнт основан на Stable Diffusion v1.2 и дообучен на 595 тысячах шагов при разрешении 512×512 на данных LAION-Aesthetics v2 5+; в 10% случаев текстовое условие отключалось для улучшения classifier-free guidance. Модель доступна в форматах Diffusers, PyTorch и safetensors. Модель подходит для создания иллюстраций, концепт-арта и изображений для творческих и образовательных инструментов по англоязычным промптам. Она хуже работает с другими языками, может ошибаться в композиционно сложных сценах, не обеспечивает надёжный фотореализм и обычно не создаёт читаемый текст. Разработчики указывают, что обучающие данные содержат материалы для взрослых, а модель может воспроизводить предвзятости и запоминать дубли изображений; для использования рекомендуется применять Safety Checker. Лицензия — CreativeML OpenRAIL-M.

snowkidy/stable-diffusion-xl-base-0.9 — репозиторий с моделью Stable Diffusion XL 0.9, разработанной Stability AI. Это латентная диффузионная модель для создания и редактирования изображений по текстовым запросам; она использует два предобученных текстовых энкодера — OpenCLIP-ViT/G и CLIP-ViT/L — и формат Diffusers с весами PyTorch и Safetensors. В описании SDXL указан двухэтапный процесс: базовая модель создаёт латентное представление изображения, а специализированный модуль повышенного разрешения может его уточнять. Модель подходит для художественной генерации, дизайна и творческих или образовательных инструментов, а также для исследований генеративных моделей, их смещений и ограничений. Карточка указывает исследовательскую лицензию SDXL 0.9. Модель не гарантирует фотореализм, плохо отображает читаемый текст и сложные пространственные отношения; лица и люди могут получаться некорректно, а этап автоэнкодирования вносит потери. Генерация достоверных изображений людей и событий обозначена как использование вне предполагаемых возможностей модели.

Карточка модели zelawski99/stable-diffusion-xl-base-1.0 на Hugging Face совпадает с карточкой stabilityai/stable-diffusion-xl-base-1.0, поэтому описание составлено по ней. Stable Diffusion XL Base 1.0 — модель генерации и редактирования изображений по текстовому описанию, разработанная Stability AI. Она использует латентную диффузию и два предварительно обученных текстовых энкодера: OpenCLIP-ViT/G и CLIP-ViT/L. Базовую модель можно применять самостоятельно либо вместе с отдельной моделью-рефайнером для финальной обработки изображения; также описан двухэтапный вариант с повышением разрешения через img2img. Модель предназначена для создания иллюстраций и художественных изображений, а также для творческих и образовательных инструментов и исследований генеративных моделей. Она поддерживает генерацию изображений по текстовым запросам; репозиторий предлагает варианты запуска через Diffusers, ONNX и OpenVINO. Лицензия — CreativeML Open RAIL++-M (в метаданных указана openrail++).

Sumen — трансформерная модель для преобразования изображений математических формул в последовательности LaTeX. Она предназначена для распознавания печатных и рукописных математических выражений, чтобы получать редактируемую разметку LaTeX из изображения. В метаданных указана архитектура vision-encoder-decoder и формат весов safetensors; модель связана с набором данных hoang-quoc-trung/fusion-image-to-latex-datasets. Модель опубликована под лицензией Apache-2.0. Карточка описывает её как сквозную модель image-to-LaTeX, обученную на большом наборе данных; сведения о поддерживаемых языках, размере модели и ограничениях качества не приводятся.

Vyom TTS HI — модель синтеза речи на хинди, разработанная OpenXfi by ATX Labs. Это дообученная на базе speech-LLM Orpheus 3B модель с адаптером LoRA r=64, alpha=128 и rsLoRA, обученная в 16-битной точности. Она принимает текст на хинди и генерирует выразительную речь женским голосом в формате WAV с частотой 24 кГц с помощью нейронного вокодера SNAC. Модель предназначена для озвучивания регионального контента, аудиокниг и медиа, голосовых помощников, разговорных AI-агентов и средств чтения для людей, которым удобнее слушать текст. В оценке на 210 подсказках отдельно проверялись сложные фразы, обычная разговорная речь и числа. Для чисел авторы рекомендуют записывать их словами: синтез цифровых записей показал ограничения; английские заимствования и редкие акронимы также могут звучать с фонетическими артефактами. Модель ориентирована на хинди и не предназначена для клонирования голоса или имитации людей без разрешения. Репозиторий распространяется под лицензией MIT.

DreadPoor/Aspire-8B-model_stock — диалоговая языковая модель для генерации текста, созданная слиянием предварительно обученных моделей с помощью mergekit и метода Model Stock. В основе слияния указаны Sao10K/L3-8B-Stheno-v3.2 и grimjim/Llama-3-Instruct-abliteration-LoRA-8B; также объединены модели семейств Llama 3 и Llama 3.1, включая варианты для чата, свободных ответов, медицины, биологии и физики. Модель использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и рассчитана на контекст до 8192 токенов. Она предназначена для диалогов и генерации ответов по текстовым запросам. В README приведены результаты оценивания на IFEval и BBH, но они не позволяют установить качество в конкретных пользовательских сценариях. Модель распространяется под лицензией CC BY-NC 4.0, которая ограничивает коммерческое использование. В состав слияния входят варианты с пометками uncensored и abliteration; ответы могут быть менее ограничены по содержанию, а качество в специализированных медицинских и научных задачах не подтверждено приведённой информацией.

GALACTICA mini — авторегрессионная трансформерная модель с архитектурой декодера, разработанная командой Papers with Code в Meta AI для научных задач. Эта версия содержит 151,6 млн параметров и принимает текстовый контекст длиной до 2048 токенов. Модель обучена на крупном научном корпусе, включающем открытые статьи, учебники, научные сайты, энциклопедии и базы знаний. Модель предназначена для генерации научного текста и может применяться для ответов на научные вопросы, предсказания цитирований, математических рассуждений, суммаризации документов, извлечения сущностей и задач о свойствах молекул. Карточка описывает эксперименты и научные сценарии применения, а также разработку инструментов для работы с научной литературой. GALACTICA склонна к галлюцинациям, особенно для малоизвестных научных тем; сгенерированные факты и цитаты требуют проверки. В модели также отмечены смещения. В README указана лицензия CC BY-NC 4.0, разрешающая некоммерческое использование; метаданные Hugging Face отдельно указывают Apache-2.0, поэтому условия лицензирования следует сверять с конкретными файлами репозитория перед использованием.

GALACTICA 6.7B Evol-Instruct — языковая модель, созданная дообучением GALACTICA 6.7B на 70 тысячах пар инструкций и ответов из набора Evol-Instruct. Базовая модель разработана для работы с научными текстами и данными; дообучение позволяет задавать ей инструкции и получать ответы в диалоговом формате. Репозиторий содержит веса PyTorch для библиотеки Transformers. В метаданных указано 8,8 млрд параметров и контекст 2048 токенов. Модель подходит для генерации ответов на вопросы и объяснений по научным темам, а также для экспериментов с применением языковых моделей в научной области. Качественная оценка в карточке указывает на более точное следование запросам по сравнению с версией GALPACA, дообученной на Alpaca. Ответы могут содержать фактические ошибки, поэтому модель не следует использовать в производственной среде без защитных мер и проверки результатов. Лицензия — CC BY-NC 4.0; для моделей на основе Evol-Instruct-70k также применяются условия использования OpenAI.

Gamunu-4B-Instruct-Alpha-i1-GGUF — это квантизированная в формате GGUF версия модели Gamunu-4B-Instruct-Alpha, разработанной manthilaffs и подготовленной квантизатором mradermacher. Модель ориентирована на следование инструкциям, ответы на вопросы, рассуждения, академические и математические задачи, а также задачи обработки естественного языка. Заявлены языки Sinhala и English, однако подробные сведения о качестве работы по каждому языку не приведены. Модель имеет около 4 миллиардов параметров; точная архитектура, размер контекста и состав поддерживаемых модальностей в README не указаны. При этом она обозначена как vision model, а для работы с изображениями могут потребоваться отдельные файлы mmproj из статического репозитория. Репозиторий содержит множество вариантов квантизации с размером примерно от 1,2 до 3,3 ГБ. В README отмечается, что IQ-квантизации часто предпочтительнее сопоставимых по размеру обычных вариантов; Q4_K_M названа быстрой и рекомендуемой, а Q4_K_S — оптимальной по соотношению размера, скорости и качества. Основные преимущества модели — компактный размер, возможность локального запуска в различных вариантах квантизации и специализация исходной модели на инструкциях, вопросах, рассуждениях и математике. Ограничения связаны с потерями качества при низкой степени точности, отсутствием опубликованных сведений о бенчмарках, точной архитектуре, контекстном окне и фактических возможностях мультимодальной обработки. Указана лицензия Apache-2.0.