IV.5Образование и развитие навыков

RuBit-Llama-63M — дообученная модель генерации текста на базе NousResearch/Llama-2-7b-hf, разработанная igorktech. Она использует архитектуру LlamaForCausalLM с плотной сетью и содержит 38,7 млн параметров. Модель обучалась на датасете dichspace/darulm: из него отбирались афоризмы и материалы по драматургии, истории, юмору и литературе; в обучении использовано около 2,13 млрд токенов. Модель предназначена для генерации текста на русском и английском языках, в том числе коротких литературных фрагментов, афоризмов и текстов на близкие к обучающим темам. Максимальный контекст составляет 768 токенов. Для работы используются Transformers и веса в формате safetensors. Условия лицензии в предоставленных материалах не описаны.

nagbhaskar55 разработал slm125mlive-qa-RLAIF — компактную англоязычную модель генерации текста семейства Llama с 125,8 млн параметров. Она дообучена методом RLAIF с алгоритмом GRPO на базе nagbhaskar55/slm125mlive-bhaskar-finetune, модели, настроенной для вопросов и ответов по предоставленным текстам. Модель предназначена для ответов на вопросы, обоснованных содержанием passage, и ожидает формат запроса slm_chat: системная инструкция и passage, затем вопрос. Оптимизация предпочтений направлена на качество ответов: более последовательный формат, меньше лишнего текста и более стабильные отказы. Модель принимает и генерирует текст, поддерживает чатовый сценарий и имеет контекст до 1024 токенов. В карточке приведены результаты обучения, но нет независимой оценки качества на широком наборе задач. Обучение опиралось на небольшой набор из 600 пар предпочтений, оценённых LLM; возможны ошибки и смещения оценщика. Модель не предназначена для предоставления юридических или финансовых консультаций. Лицензия в предоставленных сведениях не указана.

Storymation-2-7b-chat-finetune — языковая модель Fateemaa для генерации историй по текстовым запросам. Она дообучена на архитектуре Llama 2 на объединённом наборе историй из нескольких открытых датасетов; модель имеет 6,6 млрд параметров и контекстное окно 4096 токенов. Модель предназначена для создания связных и разнообразных историй по заданным пользователем промптам. Доступны веса PyTorch. Лицензия в предоставленных данных не указана.

Swiftstrike Aero — языковая модель для генерации текстов на темы авиации, военной истории, патриотизма и птиц. README описывает её как специализированный проект, также упоминающий биологию птиц, флаги и фантастических мифических существ с птичьими чертами. Метаданные указывают на плотную авторегрессионную архитектуру FalconForCausalLM, библиотеку Transformers и формат safetensors; модель дообучена на основе tiiuae/falcon-7b. В метаданных указано 869,7 млн параметров. Модель предназначена для творческого письма и подготовки публикаций, статей, сценариев и учебных материалов по перечисленным темам. README не сообщает о поддерживаемых языках, поэтому языковые возможности нельзя уточнить. Лицензия в предоставленных данных не указана.

Tashkeel-v2 — модель для огласовки арабского текста, разработанная автором репозитория на основе UBC-NLP/MARBERTv2. Она расставляет краткие гласные, сукун, шадду, танвин и окончания и‘раба, сохраняя исходную последовательность символов, цифр и знаков препинания. Модель предназначена для обработки классического и современного арабского текста, включая литературу, юридические тексты и исламские источники, а также для подготовки текста к синтезу речи и нормализации произношения. Архитектура включает 12-слойный BERT-энкодер, двунаправленный LSTM и две головы для морфологии и окончаний и‘раба. В карточке указано 171,57 млн параметров, тогда как метаданные содержат оценку 190 млн. Обучение проводилось на корпусах арабских предложений, включая Sadeed, Shamela, Ashaar и аяты Корана; заявлен результат 2,85% Total DER на SadeedDiac-25 и высокая скорость пакетной обработки. Модель принимает текст и выдаёт текст с диакритическими знаками; основной язык — арабский. Лицензия — Apache-2.0.

Harveenchadha/vakyansh-wav2vec2-sanskrit-sam-60 — модель распознавания санскритской речи, опубликованная в рамках проекта Vakyansh. Она преобразует входной аудиосигнал в текст и основана на архитектуре wav2vec 2.0 с выходной головой CTC; в метаданных указано 113,3 млн параметров. Карточка Hugging Face показывает пример использования через pipeline automatic-speech-recognition, но не содержит описания лицензии или подробных результатов оценки качества. Модель предназначена для автоматической транскрипции речи на санскрите. Репозиторий Vakyansh относит вариант sam_60 к санскритским моделям, обученным на 60 часах данных. В метаданных модели указана библиотека Transformers и формат весов PyTorch.

vicgalle-Roleplay-Hermes-3-Llama-3.1-8B-GGUF — это набор GGUF-квантизованных версий текстовой генеративной модели vicgalle/Roleplay-Hermes-3-Llama-3.1-8B. Модель разработана vicgalle, а квантизация выполнена Featherless AI Quants. Она предназначена для генерации текста, включая ролевые диалоги и сценарии, где требуется имитация персонажей или поддержание заданного стиля общения. В основе лежит модель семейства Llama 3.1 размером 8B параметров. Модель работает с текстом; сведения о поддерживаемых языках и размере контекста в README не указаны. Доступны варианты квантизации IQ4_XS, Q2_K, Q3_K_L, Q3_K_M, Q3_K_S, Q4_K_M, Q4_K_S, Q5_K_M, Q5_K_S, Q6_K и Q8_0, что позволяет выбирать между меньшим размером файлов и потенциально более высоким качеством генерации. Квантизация упрощает локальное развертывание и снижает требования к памяти, но варианты с более сильным сжатием могут уступать исходной модели по качеству. README не содержит сведений о результатах тестирования, точных ограничениях, рекомендуемых параметрах запуска или лицензии модели. Условия использования следует уточнять в документации базовой модели и соответствующих файлов GGUF.

Vicuna Baichuan-13B — диалоговая модель, созданная shibing624 дообучением Baichuan-13B-Chat на многоязычных диалогах GPT-4. Это плотная авторегрессионная языковая модель на архитектуре Baichuan с примерно 12,9 млрд параметров, предназначенная для генерации ответов и ведения диалога. Модель ориентирована на общие вопросы и ответы, открытый чат и медицинские вопросы; карточка приводит примеры ответов на китайском языке. Заявлена поддержка китайского и английского, а обучающий набор описан как многоязычный. В примерах заметны повторы и медицински сомнительные рекомендации, поэтому ответы о здоровье требуют проверки специалистом. Контекстное окно в карточке не указано. Модель распространяется под лицензией Apache-2.0.

arshiaafshani/arshStory — языковая модель на архитектуре Llama с 503,3 млн параметров, созданная для написания историй. Модель обучалась 4–5 часов на небольшой выборке, связанной с детскими историями, на GPU T4; автор сообщает значение training loss 2,9. Длина контекста составляет 1024 токена, модель работает с текстом и распространяется в формате safetensors. Модель предназначена для генерации историй по текстовому запросу. Автор характеризует её как экспериментальную основу: для самостоятельного применения, по его рекомендации, требуется дальнейшее предобучение на более крупных данных и последующее дообучение на разговорных наборах. Лицензия — MIT.

Aurora-1.6B — дообученная на многоязычных и певческих наборах данных модель синтеза речи на основе Dia-1.6B. Она предназначена для генерации речи и вокала по тексту с управлением выразительностью через теги говорящего и эмоций; карточка также заявляет клонирование голоса по короткому аудиопримеру и генерацию невербальных вокализаций, таких как смех, кашель и вздохи. Заявлены итальянский, английский, польский, немецкий, французский и другие языки; размер модели — 1,6 млрд параметров по названию семейства. Репозиторий содержит веса в формате safetensors. Модель подходит для озвучивания текста, диалогов с эмоциональной подачей, создания певческого вокала и голосовых персонажей. Базовая Dia-1.6B ориентирована на англоязычный синтез диалоговой речи с управлением голосом и эмоциями по аудиоусловию. Качество клонирования, перечень дополнительных языков и ограничения применения в карточке подробно не описаны. Лицензия — Apache-2.0.

BereavedCompound-v1.0-24b — языковая модель на 23,4 млрд параметров, созданная автором FlareRebellion как многоэтапное слияние предварительно обученных моделей с помощью mergekit. В основе использована ReadyArt/MS3.2-The-Omega-Directive-24B-Unslop-v2.0; в состав также вошли модели, ориентированные на рассказывание историй и ролевые сценарии, следование инструкциям, фэнтези и приключения. Применяется для генерации текста в диалоговом формате, в частности для ролевого взаимодействия и создания историй. Модель построена на плотной архитектуре Mistral и распространяется в формате safetensors. Указанная длина контекста — 131 072 токена. Для слияния применялись методы Model Stock, SLERP и NuSLERP; README сообщает, что автор остановился на сочетании, которое ему понравилось, без строгого описания методики. Условия лицензии в предоставленных данных не приведены.

ChemDFM-v1.5-8B — диалоговая языковая модель для химии и молекулярных наук, разработанная командой OpenDFM. Версия 1.5 создана на базе LLaMA-3-8B с дополнительным доменным предобучением и настройкой на инструкции; каталог указывает архитектуру LLaMA, 7,5 млрд параметров и контекст до 8192 токенов. Модель распространяется в формате Safetensors по лицензии AGPL-3.0. Модель предназначена для диалоговых ответов на вопросы по химии и выполнения типичных химических задач, включая запросы с обозначениями SMILES. Карточка рекомендует канонизировать SMILES с помощью RDKit и формировать запросы с шаблоном диалога. Указана поддержка английского и китайского языков. В README сообщается о высоких результатах на типичных химических задачах, однако модель может выдавать неверную или вводящую в заблуждение информацию; ответы следует проверять с экспертами, особенно перед принятием решений.

ChemLLM-7B-Chat-1_5-SFT — диалоговая языковая модель для химии и науки о молекулах, разработанная командой AI4Chem. Она создана на основе InternLM2 и дообучена для общения по химическим темам. Модель содержит 7,4 млрд параметров, использует архитектуру InternLM2ForCausalLM и принимает текстовые запросы, выдавая текстовые ответы. Длина контекста — до 32 768 токенов. Модель предназначена для ответов на вопросы по химии, обсуждения молекул и помощи в химических сценариях с диалоговым интерфейсом. В карточке указаны английский и китайский языки. Лицензия обозначена как other, поэтому конкретные условия использования следует сверить с лицензией репозитория. Авторы предупреждают, что ответы могут быть ошибочными и требуют проверки.

formalmathatepfl выпустил модель grpo-classic-qwen3-cpt-lean-sft-reasoning — дообученную версию formalmathatepfl/qwen3-8b-classic-grpo, дополнительно обученную на наборе данных lean_reasoning_sft. Это плотная авторегрессионная языковая модель семейства Qwen3 с 7,6 млрд параметров, предназначенная для генерации текста в диалоговом режиме. Её контекст составляет до 32 768 токенов. Модель можно применять для генерации ответов и рассуждений на основе текстовых запросов, в том числе для задач, связанных с Lean. Доступны веса в формате safetensors; лицензия указана как other, поэтому перед использованием следует проверить условия на странице модели. README не содержит сведений о результатах оценки или подробных ограничениях; качество рассуждений и совместимость с конкретными сценариями Lean требуют отдельной проверки.

Disney Pixar Cartoon — модель генерации изображений по текстовому описанию, размещённая аккаунтом stablediffusionapi и доступная через API ModelsLab. В качестве примера карточка предлагает создавать портреты и другие изображения с мультфильмной стилизацией; запрос можно дополнить отрицательным описанием, чтобы исключить нежелательные детали. Метаданные указывают на формат Diffusers и PyTorch, а также лицензию CreativeML OpenRAIL-M. Модель подходит для создания иллюстраций и персонажей в стилистике семейной компьютерной анимации. Пример API-запроса предусматривает изображения размером 512 × 512 пикселей и 30 шагов генерации. Карточка не сообщает размер базовой модели, длину контекста или поддерживаемые языки; параметр мультиязычного режима в примере выключен. Результаты зависят от текстового запроса, а API требует ключ ModelsLab. Лицензия — CreativeML OpenRAIL-M; условия использования следует сверять с её текстом и правилами сервиса.

Карточка модели jsyooABCD/FLUX.2-klein-4B на Hugging Face совпадает с карточкой black-forest-labs/FLUX.2-klein-4B, поэтому описание составлено по ней. 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.

FLUX.2 [klein] 9B SNOFS — модель Black Forest Labs для генерации и редактирования изображений. Это трансформер rectified flow на 9 млрд параметров с текстовым энкодером Qwen3 на 8 млрд параметров; модель дистиллирована до четырёх шагов инференса для быстрой генерации. Она поддерживает создание изображений по тексту, редактирование по одному или нескольким референсам и рассчитана на приложения с низкой задержкой, включая творческий перебор идей. Работает через Diffusers и ComfyUI; для запуска указано требование около 29 ГБ видеопамяти. Модель принимает текстовые запросы и изображения-референсы, выдаёт изображения. В карточке отмечены английский язык и поддержка текстового управления; надписи внутри сгенерированных изображений могут быть искажены, а следование запросу зависит от формулировки и не всегда точно. Модель не предназначена для предоставления фактической информации и может отражать смещения обучающих данных. Указана лицензия other, а README сообщает о некоммерческом использовании и ограничениях на отдельные сценарии применения.

ConicCat/Gemma4-Garnet-31B — дообученная ConicCat плотная модель семейства Gemma 4 на базе google/gemma-4-31B-it. Она предназначена прежде всего для создания связной прозы и длинных текстов, а также подходит для ролевых диалогов и других творческих задач. Автор сообщает, что модель может выдавать до 4000 слов за один запрос, разнообразнее формулирует ответы и реже использует характерные для ИИ шаблонные обороты. Обучение также сохраняет общие способности к диалогу и следованию инструкциям. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Anilosan15/kani-tts-400m-0.3-tr — турецкая дообученная версия Kani-TTS 400M на архитектуре LFM2. Разработчик адаптировал модель на примерно 61 час многоголосых турецких аудиоданных из публичных YouTube-каналов, подготовленных с сегментацией, очисткой и выравниванием транскриптов. В обучении использованы два голоса, обозначаемые тегами sıla и taha. Модель преобразует текст в турецкую речь и предназначена для озвучивания повествовательных текстов и закадрового голоса. Дообучение нацелено на улучшение турецкого произношения, просодии и естественности; теги голосов позволяют выбирать между двумя голосами. Размер — около 460 млн параметров, нативный контекст — 128 000 токенов. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Карточка не сообщает о независимой оценке качества, поэтому пригодность синтеза для конкретных сценариев стоит проверять на собственных текстах. Модель обучена на данных, собранных с публичных YouTube-каналов; условия использования этих аудиоданных в карточке не раскрыты.

Карточка модели Jinstudio/Krea-2-Turbo на Hugging Face совпадает с карточкой rootlocalghost/Krea-2-Turbo-BF16, поэтому описание составлено по ней. Krea 2 Turbo BF16 — 12-миллиардная диффузионная модель для генерации изображений по текстовым описаниям, разработанная Krea.ai, Inc. Это контрольная точка семейства Krea 2 Turbo: она прошла дополнительное дообучение и дистилляцию относительно базовой Krea 2 Raw. Репозиторий содержит веса в формате safetensors для использования с Diffusers и специализированным конвейером Krea2Pipeline. Модель предназначена для создания изображений по запросу, разработки концепций, исследования дизайна и визуальных рабочих процессов, в том числе в коммерческих приложениях. В README приведён пример генерации изображения размером 2048 × 2048 за 8 шагов. Основной язык карточки — английский; модель принимает текстовые описания, а выдаёт изображения. Модель может не точно следовать запросу и создавать неточные, нежелательные или спорные изображения; она не предназначена для предоставления фактической информации. Лицензия указана как Krea 2 Community License (метаданные классифицируют её как other): при развёртывании необходимо соблюдать лицензию и внедрить подходящие меры фильтрации или проверки контента.

Llama-Primus-Base — языковая модель Trend Micro для задач кибербезопасности. Она основана на meta-llama/Llama-3.1-8B-Instruct и продолжает предварительное обучение на наборах Primus-Seed и Primus-FineWeb: первый содержит вручную отобранные материалы по кибербезопасности, второй — тематические тексты из FineWeb. Модель имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекст до 131 072 токенов; работает с текстом и поддерживает генерацию в диалоговом формате. Модель предназначена для генерации ответов и анализа текстов по кибербезопасности, включая вопросы по знаниям и терминологии, анализ уязвимостей и угроз. В карточке сообщается об улучшении совокупных результатов на нескольких профильных бенчмарках относительно исходной Llama-3.1-8B-Instruct. Модель опубликована в формате safetensors и распространяется по лицензии MIT. Результаты бенчмарков не гарантируют точность в реальных сценариях; выводы следует проверять, особенно при принятии решений по безопасности.

Luminous-Mirror-26B-A4B — мультимодальная модель для диалогов и генерации текста, созданная Vortex5 слиянием нескольких моделей семейства Gemma 4, включая google/gemma-4-26B-A4B-it, с помощью метода ARCS. В репозитории указана архитектура Gemma4ForConditionalGeneration, веса представлены в формате Safetensors; базовая Gemma 4 — модель на 26B A4B. Модель предназначена прежде всего для ролевых диалогов, взаимодействия с персонажами, творческого письма и сюжетного повествования. Она может помогать создавать сцены и описания, развивать сюжет, строить миры, а также предлагать идеи и планы. Метаданные указывают поддержку изображений на входе и текста на выходе. Модель распространяется по лицензии Apache-2.0. README не сообщает о длине контекста или поддерживаемых языках; качество и ограничения слияния отдельно не оценены.

Magrathic-12B — слитая языковая модель на основе Mistral Nemo, созданная grimjim с помощью mergekit методом task arithmetic. В объединение вошли grimjim/Magnolia-Mell-v1-12B и cgato/Nemo-12b-Humanize-SFT-v0.2.5-KTO; последняя добавлена с малым весом, чтобы склонить ответы к более естественной, «человечной» формулировке. Модель содержит 12,1 млрд параметров, использует архитектуру MistralForCausalLM и формат весов safetensors. Модель предназначена для генерации связного текста, художественного письма и ролевых сценариев. Для работы подходит формат запросов Nemo Instruct 2407; автор указывает проверенные параметры генерации temperature=1.0 и minP=0.02. Контекстное окно — до 131 072 токенов. Основной язык в карточке не обозначен. Модель распространяется по лицензии CC BY-NC 4.0, которая запрещает коммерческое использование. Качество и поведение могут зависеть от формулировки запроса и параметров генерации; карточка не приводит результатов систематической оценки.

MN-Dark-Planet-TITAN-12B-GGUF — текстовая генеративная модель, разработанная DavidAU на базе MN-Dark-Planet-TITAN-12B. Это GGUF-версия 12-миллиардной модели семейства Mistral Nemo, созданная слиянием компонентов Rocinante-12B-v1.1, magnum-v2.5-12b-kto и MN-12B-Celeste-V1.9 методом двухэтапного DARE TIES merge. Модель ориентирована на англоязычную генерацию текста, прежде всего художественную прозу, создание сюжетов и сцен, продолжение историй, диалогов, ролевые сценарии и тексты в различных жанрах, включая научную фантастику, романтику и хоррор. Заявлен максимальный контекст свыше 128 000 токенов с потенциальной поддержкой до 1 миллиона токенов. Модель поддерживает шаблоны Mistral Instruct и Alpaca. Автор подчёркивает высокую детализацию, выразительность и разнообразие прозы, а также низкую потерю качества при сжатии; для разных вариантов GGUF приведены показатели perplexity, включая 6,7875 для q4KM и 6,6266 для Q8. Это модель только для работы с текстом, дополнительные модальности не заявлены. К ограничениям относятся выраженная склонность к негативной тональности, предпочтение более коротких ответов без явного указания требуемого объёма и возможное ухудшение следования инструкциям при чрезмерно высокой температуре. Сильное сжатие в вариантах Q2k и Q3 может заметно снижать качество и требует более осторожных настроек. Для использования рекомендуется лицензия Apache 2.0; параметры генерации зависят от выбранного кванта, шаблона и настроек температуры и repetition penalty.

MN-Halide-12b-v1.0 — объединённая языковая модель, созданная Azazelle методом Model Stock с помощью mergekit на основе Mistral Nemo и ряда производных моделей. Это плотная MistralForCausalLM с 12,1 млрд параметров для генерации текста. Модель предназначена для творческого письма, ролевых сцен и повествовательных задач; в объединение вошли модели для прозы, рассуждений и других текстовых сценариев. Модель принимает текст и генерирует текст. В репозитории указаны формат safetensors, библиотека Transformers и лицензия Apache 2.0. Метаданные сообщают длину контекста 1 024 000 токенов, однако практическая поддержка такого размера контекста зависит от конфигурации и среды запуска.

MotherEarth/MotherEarth-1.11-8B — объединённая методом SLERP модель для генерации текста, созданная с помощью mergekit на основе MotherEarth/MotherEarth-1.0-8B и MotherEarth/MotherEarth-1.1-8B. Это плотная авторегрессионная Llama-модель с 7,5 млрд параметров, поддерживающая диалоговый режим и контекст до 8192 токенов. По описанию базовой модели она предназначена для диалогов и генерации текста на экологические и климатические темы. Модель принимает текст и генерирует текст; в качестве типичных сценариев подходят ответы на вопросы и подготовка текстов по экологической тематике. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

MythoLogic-13b — экспериментальная языковая модель Gryphe на архитектуре Llama с 12,9 млрд параметров. Она создана с помощью градиентного слияния Chronos, дополненной Hermes и Wizard-Vicuna Uncensored; основная задача — генерация текста с упором на связные истории и ролевые диалоги. Модель принимает текстовые инструкции в формате Alpaca и генерирует текст. Карточка указывает контекст длиной 2048 токенов и английский язык. Разработчик отмечает, что модель склонна к многословным ответам, но может уступать в логических задачах. Указана лицензия «other»; конкретные условия использования в карточке не раскрыты.

PersianSciQA-LLaMA-13B-i1-GGUF — это квантизированная версия языковой модели safora/PersianSciQA-LLaMA-13B, подготовленная mradermacher в формате GGUF. Модель разработана для работы с персидским языком и относится к классу causal language models на архитектуре LLaMA. Она предназначена прежде всего для ответов на вопросы и других сценариев генерации текста на персидском языке, включая научно-ориентированные вопросы, что отражено в названии базовой модели PersianSciQA. Модель содержит около 13 миллиардов параметров и поддерживает текстовую модальность; сведения о размере контекста в README не указаны. Репозиторий предоставляет набор вариантов квантования i1 с размерами примерно от 3,2 до 11 ГБ, включая IQ- и Q-форматы. Для большинства сценариев рекомендуются варианты i1-Q4_K_M как быстрые и сбалансированные по размеру, скорости и качеству, а также i1-Q4_K_S как компактный компромисс. Более агрессивные варианты требуют меньше памяти, но могут заметно уступать в качестве. К сильным сторонам относятся специализация на персидском языке, ориентация на ответы на вопросы и возможность локального запуска благодаря GGUF-квантованию. Ограничения включают возможное снижение качества у низкобитных вариантов, отсутствие заявленных мультимодальных возможностей и неполную информацию о характеристиках базовой модели. Лицензия — Apache-2.0.

Модель Chimanwakis/qwen_manim_animation_16bit разработана Cereloop и представляет собой дообученную плотную языковую модель семейства Qwen2 на базе unsloth/qwen2.5-coder-3b-instruct-bnb-4bit. Она предназначена для генерации текста в диалоговом формате; карточка также указывает интерфейс вызова инструментов. В названии модели заявлена специализация на анимациях Manim, однако README не описывает её возможности или качество в этой области. Модель содержит 3,1 млрд параметров, принимает текст и выдаёт текст, поддерживает английский язык и контекст до 32 768 токенов. Веса опубликованы в формате safetensors. Для обучения использовались Unsloth и библиотека TRL. Лицензия — Apache-2.0.

SmolGPT-Fables v1 — языковая модель для генерации коротких английских рассказов и басен, разработанная neonforestmist на базе HuggingFaceTB/SmolLM2-1.7B-Instruct. Модель ориентирована на создание историй из 1–6 нумерованных сцен по заданным персонажам, жанру, месту действия, важным событиям, деталям и типу концовки. Модель работает в текстовой модальности и предназначена для сценариев творческого письма, прототипирования сюжетов и контролируемой генерации рассказов. Она принимает отдельные поля для имени и описания каждого основного персонажа, а также старается сохранять указанные имена, особенности сеттинга, важные предметы и финал. Поддерживаются Transformers и приложения, совместимые с llama.cpp; для нативных приложений Apple доступна отдельная версия Core ML с INT4-квантизацией. Язык модели — английский. Размер архитектуры ограничен базовой моделью на 1,7 млрд параметров. Сильные стороны модели — компактность, специализированная направленность на короткие структурированные истории и поддержка управляемой генерации с заданным числом сцен. Ограничения включают узкую специализацию на английских рассказах и отсутствие в README количественных оценок качества; сохранение всех пользовательских деталей заявлено как целевое поведение, но не гарантируется. Модель распространяется по лицензии Apache 2.0.