IV.5Образование и развитие навыков

ViTPose++ Large — модель компьютерного зрения на основе обычного, неиерархического Vision Transformer и лёгкого декодера для оценки позы человека. Разработана командой ViTAE-Transformer; карточка опубликована в Transformers и указывает авторов Yufei Xu, Jing Zhang, Qiming Zhang и Dacheng Tao. Модель принимает изображения и определяет координаты ключевых точек тела человека, например суставов. Семейство ViTPose показало высокие результаты на бенчмарке MS COCO Keypoint; README приводит оценку до 81,1 AP для ViTPose++. Модель подходит для анализа поз на изображениях, а при обработке кадров — и видео, включая отслеживание упражнений, движений и действий. Обучающие и оценочные данные включают MS COCO, AI Challenger, MPII, CrowdPose и OCHuman. Карточка описывает ограничения семейства: результаты могут зависеть от окклюзий и качества входных данных, а дополнительные архитектурные улучшения ещё не исследованы. Репозиторий распространяется по лицензии Apache-2.0.

WikiArt-Style — модель компьютерного зрения, дообученная на базе google/siglip2-base-patch16-224 с архитектурой SiglipForImageClassification. Она классифицирует изображения произведений искусства по 137 категориям художественных стилей, включая импрессионизм, барокко, кубизм и сюрреализм; модель обучена на наборе данных Artificio/WikiArt и предназначена для присвоения стилевых меток изображениям. Её можно применять для разметки коллекций картин, фильтрации и поиска произведений в каталогах, а также в образовательных интерфейсах по истории искусства. Модель принимает изображения и выдаёт категорию стиля. Лицензия — Apache-2.0. README не приводит численных оценок качества; классификатор ограничен заданным набором из 137 классов, в котором есть метка «None».

MLbackup/10_2025 — модель генерации изображений по текстовому описанию, опубликованная организацией Machine Learning Backup на Hugging Face. Она построена на базе OnomaAIResearch/Illustrious-xl-early-release-v0 и дообучена для создания изображений по промптам; репозиторий распространяется в формате safetensors и предназначен для запуска через Diffusers. Модель принимает текст и выдаёт изображение. В карточке указаны английский язык и лицензия CreativeML Open RAIL-M. Репозиторий отмечен как содержащий потенциально чувствительный контент.

Cydonia-22B-v1.3 — плотная языковая модель семейства Mistral на 22 млрд параметров, представленная BeaverAI. Она предназначена для диалогов, ролевых сценариев и творческого письма; автор отмечает склонность к приключенческим сюжетам и творческий стиль. Модель поддерживает шаблоны чата Metharme, Alpaca и Mistral, поэтому её можно использовать для ролевой игры, написания историй и инструктивных диалогов. Модель принимает текст и генерирует текст, имеет контекстное окно 32 768 токенов. В репозитории указаны веса safetensors, лицензия обозначена как other. Карточка не сообщает подробностей обучения или условий лицензии, поэтому перед использованием следует проверить файл лицензии репозитория.

Карточка модели f5aiteam/Flux1Dev на Hugging Face совпадает с карточкой black-forest-labs/FLUX.1-dev, поэтому описание составлено по ней. FLUX.1 [dev] — модель генерации изображений по тексту от Black Forest Labs. Это 12-миллиардный rectified flow transformer, обученный с помощью дистилляции guidance; веса доступны в форматах Diffusers и safetensors. Модель предназначена для создания изображений по текстовым описаниям и локального использования в творческих и исследовательских рабочих процессах. Модель обеспечивает высокое качество изображений и хорошо следует запросам, хотя результат зависит от формулировки промпта и может ему не соответствовать. Она не предназначена для предоставления фактической информации и может усиливать социальные предубеждения. Лицензия FLUX.1 [dev] Non-Commercial License разрешает личное и научное использование; коммерческое использование регулируется условиями лицензии.

Карточка модели tripathiarpan20/FLUX.1-schnell на Hugging Face совпадает с карточкой black-forest-labs/FLUX.1-schnell, поэтому описание составлено по ней. FLUX.1 [schnell] — модель генерации изображений по текстовому описанию, разработанная Black Forest Labs. Это трансформер rectified flow с 12 млрд параметров, обученный методом дистилляции latent adversarial diffusion. Модель создаёт изображения за 1–4 шага и доступна для работы через Diffusers и ComfyUI. Модель предназначена для быстрого создания изображений по промптам и может использоваться в творческих, научных и коммерческих проектах. Качество генерации и следование промпту конкурентоспособны с закрытыми моделями, но результат зависит от формулировки запроса и может не совпасть с ним. Модель не предназначена для предоставления фактической информации и может усиливать общественные предубеждения. Лицензия — Apache-2.0; README также перечисляет ограничения на незаконное и вредоносное использование.

magespace/FLUX.1-schnell-bnb-nf4 — квантованная версия FLUX.1 [schnell], разработанной Black Forest Labs и опубликованной пользователем Mage.Space. Это модель генерации изображений по текстовому описанию, совместимая с Diffusers и FluxPipeline. В репозитории указаны формат Safetensors, NF4-квантование через bitsandbytes и 4-битные веса трансформера; размер модели в метаданных Hugging Face составляет около 6 млрд параметров. Архитектура включает FluxTransformer2DModel с 24 головами внимания, 19 слоями attention и 38 однотактными слоями.

FLUX.2 [klein] 4B — модель Black Forest Labs с 4 млрд параметров на архитектуре rectified flow transformer. Она объединяет генерацию изображений по тексту и редактирование изображений с несколькими референсами в одной компактной модели; поддерживаются сценарии text-to-image и image-to-image. Модель рассчитана на интерактивные и производственные приложения, где важны скорость и локальный запуск, и, по данным разработчика, требует около 13 ГБ видеопамяти. Разработчик заявляет о дистиллированной версии с генерацией менее чем за секунду и качеством, сопоставимым с более крупными моделями. Для запуска доступны Diffusers и ComfyUI. Карточка указывает поддержку английского языка; текст внутри изображений может искажаться, а соответствие результатом запросу зависит от формулировки промпта. Модель не предназначена для предоставления фактической информации и может отражать смещения обучающих данных. Веса доступны по лицензии Apache 2.0 для коммерческого использования; карточка также перечисляет ограничения на отдельные вредоносные сценарии.

ifable/gemma-2-Ifable-9B — языковая модель семейства Gemma 2, разработанная Ifable и предназначенная для генерации текста, особенно творческого письма. По данным карточки, 10 сентября 2024 года модель заняла первое место в Creative Writing Benchmark. Модель имеет плотную архитектуру Gemma2ForCausalLM и содержит 9 млрд параметров. Она принимает текст и генерирует текст; максимальная длина контекста составляет 8192 токена. В обучении использовались данные Gutenberg и тщательно отобранный проприетарный датасет для творческого письма. Лицензия — Gemma. Карточка не сообщает о поддерживаемых языках и подробно не описывает ограничения качества или применения.

lumikabra-123B v0.4 — объединённая модель на архитектуре Mistral Large, созданная автором schnapper79 с помощью mergekit. В основу слияния вошли Mistral-Large-Instruct-2407, Magnum-v2-123B, Luminum-v0.1-123B и Tess-3-Mistral-Large-2-123B. Модель содержит 122,2 млрд параметров и имеет заявленный контекст длиной 131 072 токена; доступны веса Safetensors. Модель предназначена для диалоговой генерации текста, в частности для творческого письма, ролевых игр и развёрнутых ответов с повествовательной структурой. Автор отмечает склонность к длинным и творческим ответам; в примере карточки приведён фэнтезийный рассказ с диалогом и повествованием от первого лица. Метаданные также указывают на интерфейс вызова инструментов. Автор описывает версию как четвёртую итерацию и сообщает, что при объединении использован метод della_linear с Mistral-Large-Instruct-2407 в качестве основы. Лицензия указана как other, поэтому конкретные условия использования следует сверять с лицензией репозитория. По словам автора, ответы могут быть длинными; подходящий стиль и степень выразительности зависят от предпочтений пользователя.

Lumina-Image-2.0 — модель генерации изображений по текстовому описанию, разработанная командой Alpha-VLLM. Это 2-миллиардная flow-based диффузионная трансформерная модель; данная версия представляет реализацию на Hugging Face Diffusers работы «Lumina-Image 2.0: A Unified and Efficient Image Generative Framework». Она предназначена для создания изображений по текстовым запросам и может использоваться через Diffusers или официальный демо-интерфейс Gradio. Модель распространяется под лицензией Apache-2.0.

Mistral-Small-Instruct-2409-22B-NEO-Imatrix-GGUF — это квантованная версия instruct-модели Mistral Small Instruct 2409 с 22 млрд параметров, опубликованная DavidAU. Модель предназначена прежде всего для генерации текста, особенно художественной прозы, рассказов, сцен, сюжетов и подсюжетов, продолжения сцен, ролевых сценариев и текстов различных жанров, включая научную фантастику, романтику и хоррор. Она использует шаблон Mistral Instruct. Заявлен максимальный контекст около 131 000 токенов (128k). В карточке указана поддержка английского, французского, немецкого, испанского, итальянского, португальского, китайского, японского, русского и корейского языков. NEO IMATRIX dataset V2 применён для усиления творческих способностей. Доступны варианты квантования GGUF; автор рекомендует IQ4_XS для баланса эффекта IMATRIX и количества бит, а также отмечает хорошие результаты IQ3s и IQ4s. Для модели заявлен уровень PPL 4.8611 ± 0.06701 на варианте Q4_K_M. Сильными сторонами являются большой контекст, ориентация на творческое письмо и возможность работы с различными настройками температуры. Ограничения включают зависимость от корректного шаблона Mistral Instruct, а также возможные компромиссы качества и размера, связанные с квантованием. Модель распространяется по лицензии Apache-2.0.

RAFT-14B — модель-верификатор кода от команды Aletheia-Bench, дообученная методом on-policy rejection sampling на DeepSeek-R1-Distill-Qwen-14B. Это плотная причинная языковая модель семейства Qwen2 размером 14 млрд параметров с контекстом до 131 072 токенов; доступна в формате safetensors и рассчитана на диалоговый режим. Модель принимает условие задачи по программированию и несколько кандидатных решений, затем оценивает и ранжирует их, определяя наиболее вероятно верное. Её можно использовать как функцию вознаграждения при оптимизации генерации кода, для автоматической оценки решений и в исследованиях верификаторов кода. Обучение RAFT использовало положительные примеры рассуждений без отрицательных образцов; данные охватывают задачи программирования, а примеры решений включают Python, C++ и Java. Модель предназначена для проверки решений задач соревновательного программирования, а не для самостоятельной генерации кода. Карточка не приводит количественных результатов качества, поэтому пригодность для конкретного набора задач следует оценивать отдельно. Лицензия — CC BY-NC-SA 4.0, предусматривающая ограничения на коммерческое использование.

VisualThinker-R1-Zero — мультимодальная модель TurningPoint AI для рассуждений по изображениям. Она дообучена методом обучения с подкреплением на наборе SAT на базе Qwen2-VL-2B; в метаданных указаны архитектура Qwen2-VL, около 1,5 млрд параметров и контекст 32 768 токенов. Модель принимает изображения и текстовые запросы и формирует текстовые ответы. Модель предназначена для визуальных задач, требующих пространственного понимания и рассуждений. Авторы сообщают о 59,47% точности на CVBench и улучшении примерно на 30 процентных пунктов относительно базовой модели; эти результаты относятся к оценке авторов. В README описано появление более длинных рассуждений и поведения самопроверки в ходе обучения с подкреплением. Модель выпущена под лицензией MIT. В карточке указан английский язык. Результаты описаны для визуально ориентированных задач; README не приводит подробных ограничений по использованию или оценке на других задачах.

Модель tenzin/whisper-small-tibetan — дообученная версия Whisper-small от OpenAI, созданная для распознавания речи на центральном тибетском языке, прежде всего на диалекте Лхаса. Она принимает аудио и генерирует текстовую расшифровку; обучена на объединённом корпусе примерно из 231 тысячи примеров и 267 часов чтения новостей и естественной речи. В тесте на отложенных дикторах показала CER 11,67% и послоговую ошибку 16,84%; оценка основана на срезе из 300 примеров. Модель подходит для черновой расшифровки и общего понимания записей на лхасском тибетском. Она слабее работает с диалектами Амдо и Кхам, а также с разговорной речью, отличающейся от обучающих данных. Whisper обрабатывает фрагменты длительностью до 30 секунд, поэтому более длинное аудио нужно предварительно разбивать на части. Для модели заявлено частное, любительское и исследовательское применение; лицензия CC BY-NC-SA 4.0, обусловленная в том числе обучающими данными, ограничивает коммерческое использование.

Abduqayum/whisper-uzbek-medium-callcenter — модель распознавания речи на узбекском языке, созданная дообучением Whisper-medium на узбекском STT-датасете объёмом около 780 часов. Она предназначена для преобразования речи в текст, в том числе телефонных записей и звонков с узкополосным звуком, шумом и реверберацией. Обучение включает аугментацию телефонного аудио и примеры тишины и неречевых звуков, чтобы снизить появление выдуманного текста на таких фрагментах. Модель содержит 455,8 млн параметров, использует архитектуру Whisper и доступна для Transformers в формате safetensors. В описанных автором оценках WER составил 7,88% на FeruzaSpeech, 13,37% на Common Voice 17.0 uz и 14,40% на FLEURS uz; перед подсчётом нормализовались числа, регистр, апострофы и пунктуация. Модель настроена на узбекскую латиницу; транскрипция кириллицей не является целевой. В обучающих транскрипциях, автоматически полученных с помощью Gemini, возможны ошибки. Лицензия — Apache-2.0.

Aerova Nova — модель генерации текста для медицинских, биологических и научных задач, разработанная AeroxLabs. Это причинная языковая модель на 7 млрд параметров, дообученная на основе BioMistral/BioMistral-7B-SLERP с использованием биомедицинской литературы NCBI PubMed. Репозиторий распространяет модель в формате GGUF для локального запуска через экосистему llama.cpp. Модель предназначена для генерации медицинских и биологических текстов, ответов на биомедицинские вопросы, продолжения научных текстов и исследовательских или учебных экспериментов. В карточке перечислены английский, испанский, немецкий, португальский, русский, французский, арабский и китайский языки; качество может различаться, особенно при работе со специализированной терминологией. Модель может выдавать неверные, неполные, устаревшие или предвзятые сведения и уверенно формулировать ошибки. Её ответы не являются медицинской рекомендацией и не должны служить единственным основанием для диагностики, лечения или клинических решений. Указанная лицензия — MIT.

AIWriter Chinese Proofreading Model V1 Preview — модель для вычитки китайского текста, разработанная 42ailab на основе дообученной Qwen3-4B. Она предназначена для исправления опечаток, неверного употребления слов, грамматики и пунктуации в китайской прозе. Модель работает с предложениями и оптимизирована так, чтобы оставлять корректный текст без изменений; в README для набора AIWriter CheckBench указана частота ложных правок 19,92%. Размер модели — 4 млрд параметров, длина контекста — 4096 токенов. Репозиторий содержит варианты GGUF Q5_K_M и Q8_0 для локального запуска. Модель ориентирована преимущественно на формальную прозу на упрощённом китайском. Она не предназначена для стилистической переработки или полировки текста; длинные документы приложению нужно делить на предложения и собирать обратно. Сленг, диалекты и классический китайский систематически не оценивались. Выпуск обозначен как Preview, поэтому это предварительная версия. По README, веса бесплатны для академических исследований и личного использования; метаданные указывают лицензию other, поэтому условия коммерческого применения следует уточнять по лицензии репозитория.

Это корейскоязычная диалоговая модель для ответов на вопросы и выполнения инструкций в областях права, налогов и государственного управления, науки и техники, а также математики. Модель разработана на основе skt/A.X-3.1-Light и дообучена методом LoRA на 3 000 примерах из набора AI Hub 71890; после обучения адаптер объединён с базовыми весами, поэтому для запуска отдельный адаптер не требуется. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 6,8 млрд параметров и принимает текст. Контекст составляет 32 768 токенов, однако обучающие примеры отбирались с ограничением до 2 048 токенов. Ответы строятся по схеме «сначала ответ, затем краткое обоснование». Использование предназначено для исследований и оценки; фактическая точность, краткость и формат ответов не гарантируются. Лицензия — Apache-2.0, при этом продолжают действовать условия использования данных AI Hub 71890.

ChemQwen2-vL — мультимодальная модель для химии, дообученная разработчиком prithivMLmods на Qwen2-VL-2B-Instruct. Она принимает изображения и текстовые запросы, распознаёт химические структуры на изображениях, генерирует идентификаторы InChI и описания соединений, а также отвечает на вопросы по химическим схемам. Модель семейства Qwen2-VL имеет плотную архитектуру с 1,5 млрд параметров, поддерживает динамическое число визуальных токенов для изображений разных разрешений и контекст до 32 768 токенов. В карточке заявлена поддержка химического текста на нескольких языках, включая английский, китайский, немецкий, французский, японский, корейский и арабский. Модель предназначена для хемоинформатики, обучения и исследовательского анализа химических изображений. Качество распознавания может снижаться на сложных или нестандартных структурах, изображениях низкого разрешения и редких символах; результаты требуют проверки специалистом, особенно при использовании в лабораторных процессах. Репозиторий распространяется по лицензии Apache-2.0.

DMind-1-mini — языковая модель на 14 млрд параметров, разработанная DMindAI для задач экосистемы Web3. Она создана на основе Qwen3-14B с применением дистилляции знаний от DMind-1 и модели общего назначения, а также обучения на специализированных инструкциях и примерах вопросов и ответов. Модель использует архитектуру Qwen3 с плотной причинно-языковой сетью и поддерживает контекст длиной до 40 960 токенов. Модель предназначена для диалогов и генерации текста о блокчейне, DeFi, смарт-контрактах и других темах Web3: она отвечает на вопросы, помогает готовить документацию и обучающие материалы, анализировать предоставленные данные и формулировать предложения по стратегиям и рискам. Заявлены английский и китайский языки. Модель доступна в формате Safetensors для Transformers; лицензия — MIT.

FastVideo-FastH3-4-step-Preview-v1-VSA-DataFree — чекпойнт FastVideo для генерации синхронизированных видео и аудио по текстовому запросу. Это дообученная и дистиллированная версия MiniMaxAI/MiniMax-H3: четыре прохода трансформера позволяют получать результат за небольшое число шагов. Модель обучена с использованием DMD2 и VSA-H3; для работы требуется attention-бэкенд VSA-H3 проекта FastVideo. Чекпойнт предназначен для создания коротких аудиовизуальных роликов по текстовому описанию. По README, режимы FL2VA и Ref2VA не дистиллированы и этой версией не поддерживаются. Сложное движение, мелкие детали и часть аудио могут получаться хуже, чем у базовой MiniMax H3. Модель распространяется по лицензии MiniMax H3 Community License.

FastVideo-FastH3-8-Step-V2 — чекпойнт FastVideo для генерации синхронизированных видео и аудио по тексту. Он основан на MiniMax H3 и выдаёт результат за восемь проходов трансформера; версия соответствует шагу обучения 1300 и обучалась методом DMD2 вместе с VSA-H3 при разреженности 80%. Для работы требуется backend внимания VSA-H3 из FastVideo. Модель предназначена для быстрого создания аудиовизуальных роликов по текстовому описанию. Режимы FL2VA и Ref2VA не дистиллированы, поэтому карточка заявляет поддержку только генерации видео и аудио из текста. Сложное движение, мелкие детали и часть аудио могут получаться хуже, чем у базовой MiniMax H3. Модель распространяется по лицензии MiniMax H3 Community License.

FLUX.1 [schnell] — модель генерации изображений из текстовых описаний, разработанная Black Forest Labs и перепубликованная Unsloth в виде зеркала с неизменёнными весами. Это rectified flow transformer с 12 млрд параметров, распространяемый в форматах Diffusers и Safetensors. Модель предназначена для быстрого создания изображений по текстовым запросам: благодаря дистилляции latent adversarial diffusion она генерирует результат за 1–4 шага. Карточка отмечает высокое качество изображений и хорошее следование запросу, при этом результат зависит от формулировки промпта. Модель не предназначена для выдачи фактических сведений, может не следовать запросу и воспроизводить общественные предубеждения. Лицензия Apache-2.0 разрешает личное, научное и коммерческое использование; также действуют ограничения на недопустимые сценарии, перечисленные в карточке.

Blackroot/FrankensteinsMonster-13B — объединённая языковая модель на архитектуре Llama, созданная Blackroot путём слияния моделей в соотношении 1:1:1 с полными весами. В основе указан Nous-Hermes; среди авторов базовых моделей также названы Lemonilia и Meta. Модель содержит 12,9 млрд параметров и принимает текстовые инструкции в формате Alpaca, выдавая продолжение текста. Модель предназначена для генерации историй и творческого письма, а также для ответов на инструкции в формате Alpaca. Контекст составляет 4096 токенов, основной язык карточки — английский. Используются форматы PyTorch и Safetensors. Лицензия в предоставленных данных не указана.

L3.1-70B-Celeste-V0.1-BF16 — экспериментальная чат-модель на архитектуре Llama 3.1, созданная разработчиком nothingiisreal на основе Llama 3.1 70B и дообученная методом LoRA+ на смеси инструкционных и писательских данных. Веса опубликованы в формате BF16 safetensors; число параметров — 69,5 млрд, размер контекста — до 131 072 токенов. Метаданные указывают поддержку чата и интерфейса вызова инструментов. Модель предназначена прежде всего для генерации текста, продолжения прозы и ролевых диалогов. Разработчик отмечает улучшение связности и следования стилю пользовательской карточки персонажа, но также предупреждает, что версия недообучена и рассматривается как тестовая; её планировали обучать дальше. Лицензия — Llama 3.1 Community License. README отдельно упоминает NSFW-сценарии, поэтому модель может создавать контент для взрослых.

Это инструкционная версия компактной языковой модели Llama 3.2 400M Amharic, дообученная rasyosef на амхарском языке. Модель построена на архитектуре Llama с плотной авторегрессионной сетью и содержит около 412,5 млн параметров. Она принимает текстовые запросы в формате чата и генерирует текст; в карточке показаны сценарии создания рассказов и стихотворений, а название модели также указывает на обучающие данные из Википедии. Модель предназначена для генерации текста на амхарском языке по инструкциям и вопросам. Указанная длина контекста — 1024 токена; репозиторий использует Transformers и формат safetensors. В README есть противоречивое упоминание phi-2, поэтому точный рекомендованный шаблон следует проверять на практике. Лицензия в предоставленных данных не указана.

Llama-3.3-Nemotron-70B-Reward-Multilingual — мультиязычная модель оценки ответов, разработанная NVIDIA на основе Meta-Llama-3.3-70B-Instruct. Модель дообучена методом scaled Bradley–Terry и присваивает оценку качества последнему ответу ассистента в многоходовом диалоге. Более высокая оценка означает предпочтительный ответ при сравнении ответов на один и тот же запрос; сравнивать оценки для разных запросов напрямую нельзя. Модель построена на архитектуре Llama 3.3, содержит 69,5 млрд параметров и принимает текст. Метаданные указывают контекст до 131 072 токенов, однако обучение проводилось на диалогах длиной до 4 096 токенов. На выходе — одно числовое значение оценки. Поддерживаются английский, китайский, корейский, французский, испанский, русский, японский, немецкий, итальянский, португальский, польский, индонезийский, нидерландский и вьетнамский языки. Модель предназначена для ранжирования ответов LLM, оценки их качества и использования в системах LLM-as-a-judge. В README сообщается о результатах 82,4% на RM-Bench и 69,4% на JudgeBench. Для запуска через Transformers указаны две или более GPU с 80 ГБ памяти и не менее 150 ГБ свободного места. README заявляет возможность коммерческого и некоммерческого использования; метаданные Hugging Face обозначают лицензию как other, поэтому перед внедрением следует проверить условия NVIDIA.

MARTHA-LXVII.8B — компактная conversational-модель от Zero Point Intelligence, созданная на базе Qwen3.5 9B и уменьшенная примерно до 8 млрд параметров за счёт pruning с последующим восстановлением. Модель ориентирована на диалоги, roleplay, художественное и творческое письмо, storytelling и сценарии, где важны выраженный характер и устойчивое пребывание в сцене. В README также указана поддержка обработки изображений и текста, однако мультимодальные возможности считаются экспериментальными. Модель предназначена для работы на ограниченных GPU-ресурсах и позиционируется как более быстрая и менее требовательная альтернатива 20B-сестре MARTHA-LXVIII.20B. Заявлены английский и китайский языки. Рекомендуемое окно контекста составляет 32 768 токенов; архитектура использует гибридное внимание, при котором полное внимание применяется примерно в каждом четвёртом слое. Для vision-режима требуется отдельный проектор mmproj-MARTHA-EYES-f16.gguf размером около 880 МБ, который в этой версии отмечен как экспериментальный. Сильные стороны модели — небольшой размер, высокая скорость, встроенный стиль и характер, а также пригодность для ролевых и творческих сценариев без обязательного системного промпта. Ограничениями являются меньшая способность к сложным рассуждениям и математике по сравнению с 20B-версией, возможные зацикливания и деградация генерации при неправильных параметрах семплирования, а также экспериментальный статус зрения. В README модель распространяется по лицензии Apache-2.0.

MN-12B-Chronos-Gold-Celeste-v1 — объединённая модель на базе Mistral, созданная с помощью mergekit из nothingiisreal/MN-12B-Celeste-V1.9 и elinas/Chronos-Gold-12B-1.0. Она предназначена для генерации текста и чат-диалогов, включая художественные истории и интерактивные ролевые сценарии, что следует из описания базовых моделей в каталоге. Модель содержит 12,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и распространяется в формате safetensors. Для использования доступны условия лицензии Apache-2.0.