IV.5Образование и развитие навыков

Vintern-3B-beta — мультимодальная чат-модель проекта 5CD-AI для вопросов по изображениям, с особым упором на вьетнамский язык. Она объединяет визуальный энкодер InternViT-300M-448px с языковой моделью Qwen2.5-3B-Instruct через MLP; архитектура указана как InternVLChatModel, веса опубликованы в формате safetensors. Для обучения использовались более 10 миллионов вьетнамских вопросов и ответов и описаний, а также данные на английском и китайском языках. Модель предназначена для визуальных вопросов и ответов, описания изображений и мультимодального диалога. В карточке приведены результаты на MTVQA, VMLU, OpenCompass и SEED-Bench-2-Plus; README сообщает о сильных результатах на отдельных тестах, но эти цифры не гарантируют качество для каждого сценария. Доступ к модели осуществляется через Transformers. Лицензия в предоставленных данных не указана.

Xing4.0-29B-A4B-Finance-SFT — полно-параметрическая донастройка методом supervised fine-tuning базовой модели Xing4.0-29B-A4B, подготовленная для финансовых задач на китайском и английском языках. Базовая модель разработана China Telecom AI Technology Co., Ltd. и использует архитектуру Mixture-of-Experts семейства Xing4.0; в карточке модели указано 6,5 млрд параметров и контекст 262 144 токена. Метаданные описывают её как диалоговую модель для генерации текста. Модель предназначена для финансовых ассистентов, ответов на вопросы по финансам, классификации тональности финансовых новостей и высказываний, а также для дальнейшей адаптации в банковской сфере, ценных бумагах и бухгалтерском учёте. Для донастройки использовалось около 368 тысяч многоходовых диалогов из финансовых NLP-датасетов и корпусов, включая экзаменационные вопросы, отчётность и финансовые оценки. Модель может ошибаться, особенно в числовых и нормативных вопросах; финансовые данные следует сверять с первичными источниками. Она не предназначена для автономной торговли, принятия важных финансовых решений без проверки человеком или замены профессиональной финансовой, юридической либо инвестиционной консультации. Репозиторий распространяется по лицензии Apache-2.0 и требует загрузки пользовательского кода модели с параметром trust_remote_code=True.

Apertus-70B-MeditronFO — медицинская диалоговая языковая модель, разработанная LiGHT и дообученная на базе Apertus-70B-Instruct. Она предназначена для медицинских задач: ответов на вопросы, работы с клиническими рекомендациями и разбора клинических сценариев. Модель содержит 97,7 млрд параметров, использует плотную архитектуру ApertusForCausalLM, принимает текст и генерирует текст; длина контекста — до 65 536 токенов. В обучении использован корпус Fully Open Meditron из 601 тыс. примеров, включающий публичные медицинские наборы вопросов и ответов и компоненты, проверенные клиницистами. Авторы сообщают о более высокой точности на MedMCQA, MedQA и PubMedQA по сравнению с базовой моделью, а также о предпочтении модели в 85,3% сравнений в оценке AutoMOOVE. Эти результаты относятся к описанным в карточке оценкам и не гарантируют точность ответов в практических ситуациях. Модель может выдавать фактически неверные, непоследовательные или предвзятые ответы, поэтому предназначена для вспомогательного применения и оценки медицинских задач, а не для принятия решений без проверки специалистом. Лицензия — Apache 2.0.

Atom Astronomy 7B i1 GGUF — это квантизированная версия языковой модели vanta-research/atom-astronomy-7b, подготовленная mradermacher. Модель ориентирована на работу с текстом в задачах, связанных с астрономией, астрофизикой, физикой, научными исследованиями и образованием; также заявлены сценарии диалога, conversational AI и генерации текста. В метаданных указаны английский язык, библиотека Transformers и размер исходной модели около 7 миллиардов параметров. Распространяется в формате GGUF с множеством вариантов квантизации i1, включая IQ-, Q2-, Q3-, Q4-, Q5- и Q6-варианты. Это позволяет выбирать компромисс между размером файла, скоростью и качеством: некоторые варианты описаны как низкокачественные, а i1-Q4_K_M отмечен как рекомендуемый по сочетанию скорости и качества. Модель предназначена для локального запуска совместимыми инструментами, однако README не содержит сведений о размере контекста, точной архитектуре, мультимодальности, результатах тестирования или подтвержденных ограничениях предметной области. Лицензия — Apache-2.0.

Runware/BFL-FLUX.2-klein-4B — размещённая Runware версия модели FLUX.2 [klein] 4B, разработанной Black Forest Labs. Это компактная модель на 4 млрд параметров для генерации и редактирования изображений; карточка Hugging Face показывает запуск через Diffusers с текстовым запросом и исходным изображением. Разработчик позиционирует вариант 4B как самый быстрый в семействе Klein, предназначенный для интерактивных приложений, предварительного просмотра в реальном времени и сценариев с жёсткими требованиями к задержке. Модель поддерживает преобразование изображения по текстовой инструкции и генерацию изображений по тексту. По данным Black Forest Labs, версия 4B распространяется по лицензии Apache 2.0 и рассчитана на локальный запуск и производственное применение. Подробные сведения о языках и длине контекста в использованных источниках отсутствуют.

ChemLLM-7B-Chat-1.5-DPO — диалоговая языковая модель для химии и молекулярной науки, разработанная командой AI4Chem на основе InternLM-2. Она предназначена для ответов на вопросы и ведения диалога по химическим темам; в карточке авторы называют её открытой моделью для химии и молекулярной науки. Модель использует плотную архитектуру InternLM2ForCausalLM и содержит 7,4 млрд параметров. Она принимает текст и генерирует текст, поддерживает чат на английском и китайском языках и имеет контекст длиной до 32 768 токенов. Доступны веса в формате safetensors. Модель может помогать с химическими вопросами и задачами по молекулярной науке, однако её ответы могут быть ошибочными и требуют проверки. Лицензия указана как other; конкретные условия использования в предоставленных материалах не раскрыты.

Cool Japan Diffusion 2.1.0 — модель генерации изображений по текстовому запросу, созданная Alfred Increment путём дообучения Stable Diffusion. Она специализируется на образах, связанных с японской анимацией, мангой и играми, и предназначена для творческих проектов, обучения и исследований генерации изображений. Модель использует архитектуру Latent Diffusion Model и OpenCLIP-ViT/H. В карточке заявлена поддержка японского языка; примеры применения также допускают запросы на японском или английском. Модель принимает текстовые промпты и выдаёт изображения. Лицензия CreativeML Open RAIL++-M-NC License ограничивает коммерческое использование, кроме оговорённых автором исключений; модификации должны сохранять условия лицензии. Автор предупреждает о смещениях Stable Diffusion и не рекомендует представлять сгенерированные изображения как факты. Карточка не приводит подробных результатов оценки качества.

Карточка модели nguoidoncui/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 Brhtu/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.

Карточка модели vikram73/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 — модель генерации и редактирования изображений от Black Forest Labs, переопубликованная Unsloth без изменений исходных весов. Это 9-миллиардная rectified flow transformer-модель с текстовым энкодером Qwen3 на 8 млрд параметров; дистилляция позволяет выполнять генерацию за четыре шага. Модель принимает текстовые описания и изображения-референсы, поддерживая генерацию изображений по тексту, редактирование одного изображения и работу с несколькими референсами. Она рассчитана на быстрые интерактивные сценарии, творческий перебор идей и интеграцию в приложения; доступна через Diffusers и ComfyUI. Карточка заявляет высокое качество при низкой задержке, однако фактическое соответствие промптам зависит от формулировки, а текст внутри изображений может искажаться. Модель не предназначена для получения фактических ответов и может воспроизводить смещения обучающих данных. Для работы требуется около 29 ГБ видеопамяти. Лицензия upstream — для некоммерческого использования; README указывает, что её условия сохранены в репозитории.

Glistening-Gem-31B-v2.1 — творческая мультимодальная модель на 31 млрд параметров, созданная sophosympatheia как слияние нескольких моделей Gemma 4 и их производных. Она предназначена прежде всего для диалогов и создания выразительной прозы; поддерживает работу с изображениями и текстом. Репозиторий использует архитектуру Gemma4ForConditionalGeneration, формат safetensors и библиотеку Transformers. Модель подходит для творческого письма, ролевых диалогов и генерации художественного текста. По карточке, в сравнении с предыдущей версией она улучшает креативность и прозу. Иногда модель соединяет слова без пробела или допускает опечатки; режим рассуждений Gemma 4 автор не рекомендует из-за возможного ухудшения связности. Распространяется по лицензии Apache 2.0.

JEJUMA-001 — модель JEJUMA, созданная для работы с диалектом острова Чеджу. Это плотная авторегрессионная языковая модель семейства Llama на 7,5 млрд параметров с контекстом до 131 072 токенов; в карточке указана лицензия MIT. Модель дообучена на основе Llama 3.1 с помощью LoRA на данных пар «чеджу — сеульский корейский»: из примерно 1,05 млн собранных пар отобрали 170 тыс., а для обучения подготовили около 340 тыс. примеров четырёх типов задач. Модель переводит чеджу на стандартный корейский и обратно, распознаёт диалект и может автоматически определить вариант языка и преобразовать текст. Она предназначена для работы с редким региональным диалектом и помогает сохранять и изучать его. README отмечает высокую точность перевода сложных выражений, однако численные результаты оценки не приведены. Качество может зависеть от редких слов и выражений чеджу и от соответствия входа заданному шаблону задачи.

Карточка модели fkyyy/Krea-2-Turbo-slim 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.

L3.3-MS-Nevoria-70B — созданная SteelSkull объединённая модель на архитектуре Llama 3.3 с 69,5 млрд параметров. Она объединяет компоненты EVA-LLaMA-3.33-70B-v0.1, L3.3-70B-Euryale-v2.3, Negative_LLAMA_70B, Anubis-70B-v1 и Llama-3.1-Nemotron-lorablated-70B; автор описывает её как Model Stock с намеренно необычным смешиванием весов. Модель предназначена для генерации текста в диалогах, творческого письма, создания подробных сцен и ролевых сценариев. В карточке отмечены выразительная проза, следование инструкциям и способность сохранять контекст сложных сцен; указанное в метаданных контекстное окно составляет 131 072 токена. Есть интерфейс для вызова инструментов. Это объединение готовых моделей, доступное в формате safetensors для библиотеки Transformers. README сообщает о лицензии «other», но не уточняет её условия. Отзывы и тесты в карточке не гарантируют такого же качества для всех сценариев; модель может воспроизводить предвзятость и ошибки исходных компонентов.

Mann-E rev-3 «Prompt Muse» — модель преобразования текста в изображения, разработанная Muhammadreza Haghiri для проектов движения Cognitive Web. Это третья редакция Mann-E и первая версия с кодовым названием Prompt Muse. Модель распространяется в форматах Diffusers и PyTorch и использует StableDiffusionPipeline. Модель предназначена для генерации изображений по текстовым запросам. В README описан запуск через Diffusers с Euler Scheduler; приведённый пример рассчитан на устройства с поддержкой CUDA, а для других сред настройки могут потребовать изменений. Автор предупреждает о срабатывании NSFW-фильтра даже на простых запросах и упоминает возможность его отключения. Лицензия модели — MIT.

Masri Higgs v3 — Egyptian Arabic TTS — это 4-миллиардная модель синтеза речи на базе Higgs Multimodal Qwen3, разработанная ehabnegm. Она дообучена на 98 часах очищенной египетской арабской речи; применённый LoRA-адаптер объединён с весами, поэтому отдельно загружать его не требуется. Для синтеза модель использует текст и аудиообразец голоса продолжительностью 6–10 секунд, а выдаёт речь с голосом, заданным этим образцом. Модель предназначена прежде всего для озвучивания текстов на египетском арабском, в том числе повествовательных материалов о науке и истории. По оценке на 40 тестовых аудиофрагментах, показатель WER улучшился на 12% относительно базовой модели, тогда как средний CER практически не изменился. Проверка на 15 предложениях вне обучающей выборки показала устойчивую работу на длинных абзацах и интонационных конструкциях, но объём оценки ограничен. Обучающие тексты получены консенсусом трёх систем распознавания речи, поэтому модель могла усвоить остаточные ошибки. Это модель с одним основным диктором и узкой тематикой; сходство голоса отдельно не оценивалось, а клонирование других голосов после дообучения повторно не тестировалось. В README указано, что действуют ограничения лицензии Higgs Audio v3; метаданные обозначают лицензию как other. Голос основан на материалах реального человека: для публикации, коммерческого использования или имитации требуется его согласие, а синтетическую речь следует обозначать.

MiS-Firefly-v0.1-22B — дообученная Invisietch модель семейства Mistral Small с 22 млрд параметров. Она предназначена прежде всего для творческого письма и ролевых диалогов; автор также проверял её в роли универсального ассистента. Модель поддерживает контекст до 32 768 токенов и формат диалоговых подсказок Mistral v2/v3. В карточке указан английский язык, однако отдельные языки обучения не перечислены. Автор характеризует модель как в значительной степени нецензурированную: она может создавать откровенный, тревожный или оскорбительный контент. Для некоторых квантованных вариантов отмечена проблема с написанием сложных имён; README рекомендует вместо версии v0.1 использовать v0.2. Модель основана на Mistral Small 22B (2409), и её использование регулируется лицензией Mistral: коммерческое применение требует соответствующей коммерческой лицензии.

MythoNemo-L3.1-70B-v1.0 — это дообученная Ppoyaa текстовая диалоговая модель на архитектуре Llama 3.1, основанная на nvidia/Llama-3.1-Nemotron-70B-Instruct-HF. Модель содержит 69,5 млрд параметров и поддерживает контекст до 131 072 токенов. Она предназначена для ролевых диалогов, написания историй и художественных текстов. Также модель сохраняет способности базовой версии следовать инструкциям и рассуждать; в метаданных отмечены чат и интерфейс вызова инструментов. Автор сообщает о предпочтении её ответов в собственных тестах, особенно при создании историй. Модель работает с текстом и распространяется в формате Safetensors через Transformers. Лицензия — Llama 3.1. В метаданных есть пометка о контенте не для всех аудиторий; результаты, описанные автором, основаны на общих тестах без приведённых количественных сравнений.

Skywork/Skywork-Reward-V2-Qwen3-1.7B — модель вознаграждения от команды Skywork, дообученная на базе Qwen/Qwen3-1.7B. Это плотная модель с архитектурой Qwen3ForSequenceClassification и 1,7 млрд параметров, предназначенная для оценки качества ответов и предпочтений в диалогах. Серия Skywork-Reward-V2 обучена на смеси из 26 млн пар предпочтений и использует подход Bradley–Terry. Модель подходит для ранжирования вариантов ответа и отбора предпочтительного ответа в конвейерах оценки и улучшения языковых моделей. В карточке серии заявлены высокие результаты на нескольких бенчмарках моделей вознаграждения; приведённые результаты относятся к серии в целом, а не обязательно к этому варианту. Модель принимает текст и выдаёт оценку класса/вознаграждения. Метаданные указывают контекст до 40 960 токенов и лицензию Apache 2.0. Рекомендуемый сценарий запуска описан для Transformers; для массового распределённого инференса README также упоминает SGLang.

TATlit — базовая языковая модель для литературного татарского языка, разработанная Ильшатом Саэтовым и Дмитрием Гайнуллиным. Это модель с архитектурой Llama и 478,2 млн параметров, обученная с нуля, без адаптации англо- или русскоязычной базовой модели. Она предназначена для продолжения текста и языкового моделирования на татарском языке, включая литературную прозу и периодические издания. Модель использует декодерную архитектуру с 24 слоями и контекстом 4096 токенов. Токенизатор SentencePiece Unigram содержит 48 тысяч токенов. Обучение проходило в два этапа: сначала на кириллических кыпчакских языках, затем на корпусе литературного татарского. По приведённым в карточке тестам модель показывает сильные результаты в генерации татарского текста и оценке морфологической приемлемости. Это базовая, не настроенная на выполнение инструкций модель; она не предназначена для диалогового следования командам и обладает ограниченными энциклопедическими знаниями. В карточке также отмечена уязвимость в обработке системы лица и притяжательности в изафетных конструкциях. Лицензия CC BY-NC-SA 4.0 допускает использование на условиях указания авторства, распространения производных материалов на тех же условиях и некоммерческого применения.

tiny-sd — облегчённый конвейер генерации изображений по текстовому описанию, разработанный Segmind. Модель получена дистилляцией SG161222/Realistic_Vision_V4.0 на подмножестве recastai/LAION-art-EN-improved-captions и распространяется в формате Diffusers/PyTorch. Для обучения указаны 125 000 шагов, разрешение 512 пикселей, fp16 и пакет 32 примера; авторы сообщают об ускорении до 80% относительно базовых моделей SD 1.5 на A100 80GB. Модель предназначена для быстрого создания изображений по текстовым промптам. В карточке показан сценарий использования через StableDiffusionPipeline из библиотеки Diffusers. Лицензия — CreativeML OpenRAIL-M, её условия следует учитывать при использовании и распространении результатов.

Карточка модели CollectionStudio/Trinity-Mini-Base-Pre-Anneal на Hugging Face совпадает с карточкой arcee-ai/Trinity-Mini-Base-Pre-Anneal, поэтому описание составлено по ней. Trinity-Mini-Base-Pre-Anneal — базовая языковая модель компании Arcee AI из семейства Trinity. Это причинная MoE-модель на архитектуре AfmoeForCausalLM: 26 млрд параметров всего, из них 3 млрд активны при генерации; использует 128 экспертов, включая 8 активных и один общий. Контекст составляет 4096 токенов. Модель обучена на 8,8 трлн токенов, включая значительные объёмы математических и программных данных. Это предобученный чекпойнт до этапа anneal, поэтому он предназначен для дальнейшего обучения и адаптации под конкретную область, а не для диалогов или общего использования без дообучения. Поддерживаемые языки включают английский, испанский, французский, немецкий, итальянский, португальский, русский, арабский, хинди, корейский и китайский. Модель распространяется в формате Safetensors по лицензии OpenMDW-1.1; метаданные Hugging Face обозначают лицензию как other.

Это модель Sentence Transformers, дообученная автором matunderstars на базе sentence-transformers/all-MiniLM-L12-v2 для поиска ответов на вопросы по материалам UFES. Она использует архитектуру BERT с усреднением токенных представлений и нормализацией, преобразует текст в векторы размерности 384 и сравнивает их по косинусному сходству. В README указана максимальная длина входа 128 токенов; метаданные каталога сообщают контекст до 512 токенов. Для дообучения применялся MultipleNegativesRankingLoss на небольшом наборе пар «вопрос — ответ» на португальском языке. Модель подходит для семантического поиска и сопоставления вопросов с ответами в справочных материалах UFES, а также для поиска перефразировок и кластеризации похожих текстов. Для её использования требуется библиотека sentence-transformers. README не указывает лицензию. Небольшой обучающий набор и специализация на вопросах и ответах UFES могут ограничивать качество на других темах и языках; фактические результаты оценки качества не приведены.

Yntec/Vector — модель преобразования текста в изображения, созданная как дообучение coder119/Vectorartz_Diffusion. Она предназначена для генерации изображений, в том числе векторных иллюстраций, игровых материалов, значков и логотипов; в отличие от базовой модели, рассчитана на работу без обязательного слова-триггера «vectorartz» и без отрицательных запросов. Примеры в карточке показывают разнообразные художественные стили и сюжеты. Модель распространяется в формате Diffusers с весами safetensors по лицензии CreativeML OpenRAIL-M.

ZootVisionEpsilon V5 — модель генерации изображений по текстовому описанию на основе Stable Diffusion. В карточке указано, что она предназначена для создания изображений в разных стилях; примеры включают аниме, иллюстрации и фотореалистичные сцены, а также имитацию стилей, задаваемых фразами вроде «by midjourney» или «by dalle3». Репозиторий использует библиотеку diffusers и формат safetensors; модель создана на основе дообучения Yntec/ZootVision. Лицензия — CreativeML OpenRAIL-M. Примеры показывают разнообразие визуальных сюжетов и стилей, но карточка не содержит количественных оценок качества или сведений о рекомендуемых настройках.

Chrysologus-12B — слитая автором Retreatcost модель на архитектуре Mistral для создания историй и продолжения прозы с соблюдением инструкций. Она получена методом Karcher Mean с помощью mergekit из трёх предварительно обученных моделей: allura-org/MN-Lyrebird-12B, Sicarius-Prototyping/Impish_Longtail_12B и yamatazen/EtherealAurora-12B. Модель содержит 12,1 млрд параметров, доступна в формате safetensors и рассчитана на работу с текстом; карточка указывает контекст до 1 024 000 токенов. Модель подходит для совместного написания художественных текстов, продолжения прозы и диалогов, а также для текстовых задач с инструкциями. Автор отмечает, что следование инструкциям улучшено по сравнению с Retreatcost/Impish-LongPen-12B. Языки не уточнены. Модель распространяется по лицензии Apache-2.0.

EleMo-V2-Base — базовая языковая модель для проекта EleMo, разработанная Earlychildhoodeducation. Репозиторий содержит немодифицированные веса Qwen 3.8.27b, которые используются как основа для специализированной версии EleMo в сфере дошкольного образования. Педагогическая донастройка в этой версии отсутствует, поэтому модель не является готовым специализированным решением для создания Learning Stories. Модель предназначена для локального развёртывания и текстовой генерации в сценариях, связанных с ранним детским образованием, где важны конфиденциальность и суверенность данных. Проект ориентирован на обработку наблюдений за детьми и подготовку педагогической документации, однако заявленные ограничения и методология Margaret Carr относятся к дообученным версиям, а не обязательно к этим базовым весам. Указан немецкий язык; сведения о модальностях, размере контекста и других архитектурных характеристиках, кроме обозначения Qwen 3.8.27b, отсутствуют. Сильной стороной является возможность локального использования без передачи чувствительных данных детей внешним облачным сервисам, а также использование более новой базовой архитектуры по сравнению с предыдущими версиями проекта на Mistral Small 24B. При этом базовая модель может не обладать специализированными педагогическими ограничениями, повышенным контролем фактической точности и защитой от неподходящих интерпретаций, поэтому её результаты требуют проверки и не должны использоваться как диагностика развития ребёнка без участия специалиста. Модель распространяется по лицензии Apache-2.0.

EMO-phi-128k — диалоговая языковая модель OEvortex на архитектуре Phi-3, дообученная на базе microsoft/Phi-3-mini-128k-instruct для эмоционально чуткого общения. Она предназначена для открытого диалога с распознаванием эмоционального тона и уместной реакцией на него, а также для чат-ботов поддержки клиентов и творческого письма с учётом эмоционального контекста. В README также упомянуты сценарии психологической поддержки, однако возможности модели в этой области не подтверждены. Модель содержит 3,7 млрд параметров, принимает текст и генерирует текст; для работы используется Transformers, веса доступны в формате safetensors. README называет английский основным языком. Несмотря на название, указанный контекст модели составляет 4096 токенов. Лицензия — MIT. Карточка предупреждает о возможных смещениях и вредных или явных ответах, а эмоциональные способности модели не проверены. Для чувствительных тем, особенно связанных с психическим здоровьем, требуется человеческий контроль.

Gemma 4 E4B Musica v1 — дообученная AuriAetherwiing при участии ArliAI компактная мультимодальная модель на базе google/gemma-4-E4B-it. Она настроена на ролевые диалоги, создание историй и прозы, написание текстов и общение; также заявлены хорошее следование инструкциям и разнообразие вариантов ответа. Модель использует архитектуру Gemma 4 для условной генерации и распространяется в формате safetensors. В README описаны варианты работы с рассуждениями и без них; автор рекомендует включать рассуждения. Модель выпущена под лицензией Apache-2.0. README также ссылается на отдельный LoRA-адаптер, однако данная модель указана в метаданных как полное дообучение базовой модели.