IV.5Образование и развитие навыков

gipformer1.5-65M-rnnt — компактная модель распознавания вьетнамской речи, разработанная G Group AI Lab. Она построена на архитектуре Zipformer Transducer (RNN-T) и предназначена для преобразования аудио в текст, в том числе для записей телефонных разговоров с шумом и региональными вариантами произношения. Модель рассчитана на локальный запуск на мобильных и встраиваемых устройствах, включая офлайн-сценарии с чувствительными аудиоданными. В README заявлены результаты на тестах для колл-центров и тематических наборах по технологиям, финансам, образованию, госуслугам и медицине; приведённые таблицы не содержат результатов gipformer, поэтому эти заявления независимо проверить по карточке нельзя. Для запуска указан формат ONNX и библиотека ONNX Runtime. Лицензия — MIT. Размер модели в README отражён в её названии как 65M; отдельного значения числа параметров в метаданных нет.

Juggernaut Z — модель text-to-image, разработанная как fine-tune базовой модели Tongyi-MAI/Z-Image. Над моделью работала Team Juggernaut, обучение выполняла KandooAI, а релиз опубликован RunDiffusion. Модель предназначена для генерации презентационно готовых изображений по текстовым описаниям, особенно портретов, кинематографических сцен, концепт-артов, редакционных и fashion-материалов. Ключевые особенности — более выразительное кинематографическое освещение, резкий фокус, улучшенная детализация кожи, анатомии и композиции, а также более сбалансированное представление разных этнических групп. Доступны веса в форматах safetensors с точностями bf16, fp16 и fp8, а также варианты GGUF с разными уровнями квантования; fp8 рассчитан на снижение потребления VRAM. В README не указаны размер модели, максимальное разрешение, длина контекста или полный список поддерживаемых языков; заявлен английский язык. Сильные стороны модели — готовый кинематографический стиль, качественная работа с портретами, освещением, текстурами и структурными деталями. Ограничения включают зависимость результата от настроек и промпта, а также то, что улучшения композиции ещё планируется развивать в будущей версии. Рекомендуемые параметры: CFG 6–9 и 25–45 шагов, значения по умолчанию — CFG 6 и 35 шагов. Модель распространяется по лицензии CC BY-NC 4.0, допускающей некоммерческое использование согласно её условиям.

Genetic Lemonade Unleashed — слитая языковая модель семейства Llama, опубликованная zerofata. Это плотная авторегрессионная модель класса LlamaForCausalLM размером 69,5 млрд параметров с контекстом до 131 072 токенов; веса доступны в формате safetensors и используются через Transformers. Модель создана методом SCE merge на основе нескольких моделей Llama и их производных, включая DeepSeek-R1-Distill-Llama-70B и Llama-3.3-70B-Instruct. Модель предназначена прежде всего для ролевых диалогов и творческого письма. Автор описывает версию Unleashed как сбалансированную по стилю, креативности и интеллекту, но отмечает некоторую цензурированность. В README приведены рекомендации по параметрам генерации и шаблону инструкций для SillyTavern. Входом и выходом служит текст. Лицензия в предоставленных данных не указана; перед использованием следует проверить условия лицензирования исходных моделей и репозитория. Оценка качества и пригодности зависит от сценария, а заявленный автором баланс не сопровождается результатами сравнительных тестов.

DavidAU/L3-8B-Stheno-v3.2-Ultra-NEO-V1-IMATRIX-GGUF — это GGUF-квантизованная версия языковой модели L3-8B-Stheno-v3.2, разработанной SAO10K и подготовленной DavidAU с использованием технологии NEO Class и imatrix-квантизации. Модель предназначена для генерации текста, особенно для творческого письма, повествования, roleplay, фэнтези и общего диалогового использования. Заявлена поддержка английского языка и применяется текстовая модальность. Модель относится к классу 8B, использует шаблон, связанный с Llama 3, однако автор рекомендует для творческих задач шаблон Command-R, поскольку он, по результатам тестирования, обеспечивает более качественную работу. Максимальный контекст составляет 8K токенов. NEO-кванты позиционируются как вариант с улучшенным следованием инструкциям, качеством вывода и связностью идей при меньших вычислительных требованиях; README также заявляет снижение perplexity по сравнению с обычной квантизацией того же уровня. Сильными сторонами являются ориентация на творческую генерацию, ролевые сценарии и потенциально более эффективная работа квантизованной версии. Ограничения включают относительно небольшой контекст в 8K токенов, специализацию преимущественно на английском языке и необходимость подбора шаблона чата и параметров сэмплирования для оптимальной работы. Указанные рекомендации относятся к KoboldCpp, text-generation-webui и SillyTavern. Лицензия модели — Apache-2.0.

Это экспериментальная донастройка LFM2.5-1.2B-Instruct от DavidAU, выполненная с помощью Unsloth на наборе TeichAI/claude-4.5-opus-high-reasoning-250x. Модель предназначена для генерации текста с рассуждениями, диалога и творческого письма: в примере она пишет хоррор-рассказ, а теги также указывают на создание сюжетов и продолжение сцен. Архитектура — плотная Lfm2ForCausalLM семейства LFM2; указанный размер — 1,5 млрд параметров, формат файлов — safetensors, библиотека — Transformers. Контекстная длина составляет до 128 000 токенов. Рассуждения выводятся обычным текстом, а не в отдельном блоке, и их длина и появление могут меняться между генерациями; иногда для получения продолжения или более развёрнутого ответа требуется повторная генерация или дополнительная инструкция в запросе. Автор оценивает модель как слегка экспериментальную. Для работы с ней рекомендуется контекст от 8 тысяч токенов и настройки сэмплирования, приведённые в карточке. Базовая модель распространяется по лицензии LFM Open License v1.0; для этой донастройки README отдельную лицензию не описывает.

Llama-3-OffsetBias-RM-8B — reward-модель NC Research для оценки качества ответов языковых моделей. Она создана на основе Meta Llama 3: разработчики обучили промежуточную reward-модель на данных, включавших NCSOFT/offsetbias, а затем объединили её с FsfairX-LLaMA3-RM-v0.1. Модель предназначена для ранжирования и оценки ответов, в том числе с учётом распространённых смещений в оценивании. Это плотная модель семейства Llama с архитектурой LlamaForSequenceClassification и 7,5 млрд параметров. Она принимает текст и выдаёт оценку, пригодную для классификации или сравнения ответов; поддерживает английский язык и контекст до 8192 токенов. В README приведены результаты на RewardBench и EvalBiasBench, однако они не гарантируют такого же качества на других данных. Модель распространяется в формате safetensors по лицензии Meta Llama 3 Community License Agreement. Она рассчитана на сценарии оценки и ранжирования ответов; сама по себе не является универсальным чат-ассистентом для генерации ответов.

Lucid-Shadow-31B — мультимодальная модель на архитектуре Gemma 4, созданная Cyclone Labs объединением Gemma-4-31B-it, Artemis-31B-v1.1, Gemopus-4-31B-it и Melinoe-Gemma4-31B-VL методом hasp. Модель рассчитана на диалоговое взаимодействие, ролевые сценарии и творческую генерацию текста с поддержкой изображений. Репозиторий содержит веса Safetensors для Transformers; выходной тип весов указан как bfloat16. Модель предназначена для отыгрыша персонажей, создания диалогов и эмоциональных сцен, написания прозы, построения мира и длинных историй с несколькими персонажами, а также интерактивной прозы с ветвящимися сюжетами. Лицензия — Apache-2.0. В карточке не приведены сведения о контекстном окне и поддерживаемых естественных языках.

Moonlit-Mirage-12B — объединённая модель Vortex5 на архитектуре Mistral с 12,1 млрд параметров. Она создана в несколько этапов слияния девяти моделей семейства Seraph, Lunar, Moonlit и моделей Famino и Irix; итоговые веса сохранены в формате Safetensors. Модель предназначена для генерации текста в диалогах и творческих сценариях. Основные сценарии применения — ролевая игра с эмоционально выразительным взаимодействием, создание атмосферной прозы и написание длинных структурированных историй. Заявлена длина контекста 131 072 токена. Модель принимает текст и генерирует текст; README не указывает поддерживаемые естественные языки.

MOSS-Music-8B-Instruct — открытая модель понимания музыки, разработанная MOSI.AI, командой OpenMOSS и Shanghai Innovation Institute. Она принимает аудио и по инструкциям формирует текстовые ответы о музыкальном содержании: распознаёт слова в песнях с временными метками, описывает настроение, жанр, инструменты и звучание, анализирует тональность, темп, аккорды и структуру композиции, а также отвечает на вопросы по полной записи. Архитектура объединяет аудиоэнкодер MOSS-Audio-Encoder, адаптер модальности и языковую модель Qwen3-8B; общий размер составляет около 9,1 млрд параметров. Энокодер выдаёт временные представления с частотой 12,5 Гц. Модель обучалась на музыкальных данных с дополнительным предобучением и дообучением по инструкциям; вариант Instruct предназначен для прямого выполнения запросов о музыке. Модель работает с аудио на входе и выдаёт текст. В карточке указана поддержка английского и китайского языков. Репозиторий распространяется по лицензии Apache-2.0. README не приводит конкретных оценок качества, поэтому точность распознавания и анализа может зависеть от записи и музыкального материала.

TehVenom/MPT-7b-InstructAndStorywriting-50_50-Merge — объединённая модель на архитектуре MPT с 7 млрд параметров, созданная взвешенным усреднением MPT-7b Storywriter и MPT-7b Instruct в равных долях. Автор объединил длинноконтекстную настройку Storywriter с инструктивными свойствами Instruct для проверки того, как такое слияние влияет на работу внимания. Модель предназначена для генерации длинной прозы и продолжения текстов, а также для ответов в стиле инструктивного помощника. README советует начинать с запросов в формате продолжения истории или текста, затем пробовать сочетание с форматом Alpaca. Исходные модели рассчитаны соответственно на контексты 65 тыс. и 2048 токенов; длина контекста самого объединённого чекпойнта явно не установлена. Модель может генерировать откровенный контент из-за влияния обучающих данных Storywriter. Она создана как эксперимент по слиянию моделей, поэтому качество следования инструкциям и сохранение длинного контекста могут зависеть от запроса. Лицензия в предоставленных данных не указана.

TehVenom/MPT-7b-WizardLM_Uncensored-Storywriter-Merge — объединённая языковая модель на архитектуре MPT с причинным декодированием текста. По карточке это слияние модели Long context Storywriter с инструкционной WizardLM_Unfiltered. Она предназначена для генерации текста, включая написание историй с длинным контекстом и ответы на инструкции. Репозиторий содержит веса PyTorch; метаданные классифицируют модель как text-generation. Размер модели, точная длина контекста, поддерживаемые языки и лицензия в предоставленных данных не указаны. Карточка временная и почти не описывает модель, поэтому качество, условия использования и конкретные ограничения слияния оценить нельзя.

Kaoeiri/MS-MagpantheonselRP-22B-12.95-Fictional — языковая модель, созданная слиянием нескольких моделей семейства Mistral Small 22B. По README, для объединения использован метод DARE TIES, а базовой моделью служила unsloth/Mistral-Small-Instruct-2409. Модель предназначена для генерации текста и диалогов, в том числе ролевых сценариев и художественной прозы. Модель имеет плотную архитектуру MistralForCausalLM, содержит 22 млрд параметров и поддерживает контекст до 131 072 токенов. Она принимает и генерирует текст. Карточка не устанавливает основной язык; среди объединённых моделей есть японская специализированная модель, а описание одной из базовых моделей указывает на английскую прозу и диалоги. Модель может подойти для продолжения историй, ролевых диалогов и свободной генерации текста. Состав из множества исходных моделей и отсутствие описанных оценок качества затрудняют прогнозирование поведения на конкретных задачах. Указана лицензия CC BY-NC-ND 4.0, которая ограничивает коммерческое использование и распространение производных версий.

pai-diffusion-artist-xlarge-zh — китайская диффузионная модель для генерации художественных изображений по текстовым запросам, разработанная Alibaba PAI и опубликованная проектом EasyNLP. Она принимает запросы на китайском языке, поддерживает StableDiffusionPipeline из библиотеки diffusers и по умолчанию генерирует изображения размером 768×768 пикселей. Модель предназначена для создания иллюстраций и стилизованных сцен по описаниям, включая художественные и тематические сюжеты. Модель распространяется в форматах diffusers и PyTorch. Лицензия в метаданных — Apache-2.0; README также требует соблюдать специальные условия распространения AIGC-моделей. Карточка не сообщает размер модели или сведения о её базовом чекпойнте.

Phi-1 — языковая модель Microsoft на архитектуре Transformer с 1,7 млрд параметров и контекстом 2048 токенов. Она предназначена прежде всего для генерации простого кода на Python; в репозитории доступны веса в формате safetensors, а для работы используется библиотека Transformers. README сообщает, что при обучении использовались фрагменты кода Python, вопросы и ответы с StackOverflow, соревновательные задачи и синтетические учебные материалы. В тесте HumanEval модель показала точность выше 50%. Модель лучше работает с запросами, оформленными как фрагмент кода с комментарием или docstring, после которого нужно продолжить код. Phi-1 подходит для создания черновиков Python-функций и примеров, а также для подсказок при решении простых задач программирования. Английский — язык карточки; данных о поддержке других естественных языков нет. Модель часто ошибается и может неверно использовать API, особенно для библиотек за пределами небольшого набора распространённых пакетов из обучающих данных. Ответы в формате чата и на общие вопросы ненадёжны; сгенерированный код нужно проверять на корректность и безопасность. Лицензия — MIT.

PRXPixel — модель генерации изображений по текстовому описанию, разработанная Photoroom. Это пиксельная версия PRX: диффузионный трансформер PRXTransformer2DModel напрямую очищает от шума RGB-пиксели, без VAE, и использует текстовый энкодер Qwen3-VL. Модель содержит около 7 млрд параметров, работает в bfloat16 и рассчитана на генерацию с разрешением 1024 пикселя; при формировании изображения учитывается заданное разрешение. Модель предназначена для создания изображений по текстовым запросам. Для запуска README описывает PRXPixelPipeline из diffusers и Transformers версии 4.57 или выше; PRXPixelPipeline пока не входит в выпущенную версию diffusers. Репозиторий распространяется по лицензии Apache-2.0.

Qwen3.6-35B-A3B-StyleTune — модель Gryphe, созданная на основе Qwen/Qwen3.6-35B-A3B для диалогов и творческого письма с изменённым стилем повествования. Это мультимодальная модель семейства Qwen3.5 MoE; карточка Hugging Face помечает её задачей image-text-to-text, а также указывает поддержку диалогов, следования инструкциям и анализа изображений. Размер базовой модели — 35 млрд параметров. При дообучении изменён только один тензор — выходная проекция lm_head; остальные веса заморожены. Автор сообщает о снижении числа клише на 46,9% в тесте на 200 ролевых запросах и отмечает, что возможности базовой модели, включая рассуждение и понимание инструкций, сохранены. Модель рассчитана прежде всего на повествовательные ответы и ролевые диалоги; для генерации рекомендуется шаблон чата Qwen3.6, а режим thinking включён по умолчанию. Модель распространяется по лицензии Apache-2.0. Заявленные стилевые результаты основаны на ограниченном наборе ролевых запросов и не гарантируют такого же эффекта в других сценариях; автор также отмечает склонность Qwen к повторам и рекомендует настраивать сэмплирование.

Qwen2.5-14B Neon v1 — языковая модель на архитектуре Qwen2, созданная Auri и выпущенная Allura. Это дообучение SuperNova-Medius с 14 млрд параметров, ориентированное на ролевые диалоги и генерацию прозы, включая короткие рассказы. Модель также следует инструкциям и поддерживает диалоговый формат ChatML; в метаданных заявлен контекст до 131 072 токенов и интерфейс вызова инструментов. При обучении использовались 77 млн токенов синтетических ролевых диалогов и данных для генерации коротких рассказов. Модель рассчитана прежде всего на англоязычные сценарии. Выпущена под лицензией Apache-2.0. Автор отмечает, что стиль прозы модели отличается от базовой SuperNova-Medius, а следование инструкциям оценивает как достойное; независимых количественных оценок качества в карточке нет.

Модель raynardj/wenyanwen-ancient-translate-to-modern переводит классический китайский язык (вэньянь) на современный китайский. Её разработал автор raynardj; это encoder-decoder-модель на базе EncoderDecoderModel в формате PyTorch, обученная на более чем 900 тысячах пар предложений. При подготовке данных в половине случаев из исходного текста удалялись знаки препинания. Модель предназначена для перевода отдельных фрагментов классических текстов, в том числе без пунктуации, и может использоваться при чтении исторических книг. Для полного вывода автор рекомендует задавать eos_token_id=102, num_beams не меньше 3 и max_length=256. В карточке приведены примеры, а также отмечены ошибки на некоторых знакомых фразах. Лицензия в предоставленных данных не указана.

Anubis-559M — причинная языковая модель с архитектурой Anubis MoE, разработанная автором репозитория RaghuCourage9605 и дообученная на базе более крупной модели. Она предназначена для генерации творческих текстов, естественных диалогов и прозы, в том числе для ролевых сценариев, интерактивной художественной литературы и чат-ботов. Модель работает с текстом и доступна в формате Safetensors для библиотеки Transformers. В карточке не приведены сведения о длине контекста и точной базовой модели. Модель ориентирована на творческую генерацию и разговорный стиль. Она может воспроизводить предвзятые или оскорбительные формулировки в зависимости от обучающих данных. Лицензия — Apache 2.0.

BioMistral-merged-instruct — объединённая языковая модель семейства Mistral, опубликованная Arcee AI. Она создана методом TIES с помощью mergekit на основе mistralai/Mistral-7B-v0.1 и объединяет веса Mistral-7B-Instruct-v0.2 и BioMistral-7B. Это плотная авторегрессионная модель на 7,1 млрд параметров для генерации текста и выполнения инструкций; заявленная длина контекста — 32 768 токенов. Модель подходит для диалоговых ответов и генерации текста по запросу, в том числе для вопросов и текстовых задач в биомедицинской тематике благодаря включению BioMistral. Она принимает текст и выдаёт текст. Репозиторий использует Transformers и содержит веса в формате safetensors. Лицензия в предоставленных данных не указана.

Baselhany разработал модель распознавания арабской речи, дообучив OpenAI Whisper Base на наборе данных quran-ayat-speech-to-text. Это модель семейства Whisper с архитектурой WhisperForConditionalGeneration и 51,7 млн параметров; она принимает аудио и выдаёт распознанный текст. Модель предназначена для транскрибирования арабоязычных записей чтения аятов Корана. В README указаны результаты на оценочной выборке: loss 0,1077 и WER 0,2309. Модель доступна в формате safetensors по лицензии Apache-2.0.

Baselhany/Distilation_Whisper_base_bigger_samples — дообученная модель OpenAI Whisper Base для автоматического распознавания речи на арабском языке. Она принимает аудио и генерирует текст; обучена на наборе quran-ayat-speech-to-text. В метаданных указаны архитектура WhisperForConditionalGeneration, 51,7 млн параметров и формат safetensors. На оценочной выборке карточка сообщает Loss 0,0892 и WER 0,1918. Модель предназначена для преобразования арабской речи в текст, в частности для распознавания чтения аятов Корана. Базовая Whisper Base также поддерживает распознавание многоязычной речи и перевод на английский, однако результаты этих возможностей для данного дообученного варианта не описаны. Модель распространяется по лицензии Apache-2.0.

EVA Qwen2.5-72B v0.2 — плотная языковая модель с 71,7 млрд параметров, созданная Kearm, Auri и Cahvay как полнопараметрическое дообучение Qwen/Qwen2.5-72B. Она предназначена прежде всего для ролевых диалогов и написания историй, а также для творческой генерации текста и следования инструкциям. Обучение использует смесь синтетических и естественных данных, включая наборы для прозы, структурированного письма и ролевых сценариев. Модель работает с текстом, использует формат диалога ChatML и поддерживает контекст длиной до 131 072 токенов. Авторы отмечают улучшенное следование инструкциям на большей глубине контекста и уменьшение повторов. Лицензия указана как other, поэтому условия использования следует сверить с карточкой модели и лицензиями базовой модели и обучающих данных. Авторы сообщают, что кванты LLM-Compressor могут заметно ухудшать качество; GGUF и GPTQ, по их наблюдениям, этой проблемой не затронуты.

GoodLife — модель генерации изображений по тексту, созданная Yntec путём слияния DucHaiten-GoldenLife и модели на основе COOLKIDSV2. Она предназначена для создания мультяшных иллюстраций, в том числе персонажей в стиле чиби и изображений для детских книг; пример в карточке показывает рекламную иллюстрацию с девочкой и бутылкой напитка. Модель распространяется в форматах Diffusers и safetensors, использует библиотеку diffusers и лицензию CreativeML OpenRAIL-M. Размер модели и длина контекста в предоставленных данных не указаны.

PatrickTyBrown/GPT-Neo_StoryGeneration — текстовая авторегрессионная модель на архитектуре GPT-Neo с 137,7 млн параметров и контекстом до 2048 токенов. Модель предназначена для генерации текста; название репозитория указывает на сценарии сочинения историй. В карточке указано, что модель дообучена, однако подробности о данных, методике обучения и качестве генерации не приведены. Репозиторий содержит веса PyTorch. Сведения о лицензии отсутствуют в предоставленных метаданных и README.

GPT-OSS-Cybersecurity-20B-Merged-heretic-GGUF — квантизированная GGUF-версия модели GPT-OSS-Cybersecurity-20B-Merged-heretic, разработанной piotreknow02 и подготовленной к квантизации пользователем mradermacher. Модель создана для генерации текста в сценариях кибербезопасности и обучения по инструкциям, включая задачи на основе специализированных наборов данных Trendyol Cybersecurity Instruction Tuning Dataset, Cybersecurity Dataset Fenrir v2.0 и Primus-Instruct. Модель имеет архитектуру mixture-of-experts (MoE), содержит 20B параметров в базовой версии и работает с текстом на английском языке. README не сообщает размер контекста и точную конфигурацию архитектуры. Доступны варианты GGUF с разными уровнями квантизации от Q2_K и Q3_K_S до Q8_0, размером примерно от 12,2 до 22,4 ГБ; варианты Q4_K_S и Q4_K_M отмечены как быстрые и рекомендуемые, а Q8_0 — как наиболее качественный среди перечисленных. Квантизация уменьшает требования к ресурсам, но может снижать качество по сравнению с исходной моделью. Модель ориентирована на ответы и генерацию контента по темам информационной безопасности, однако README не содержит подробных результатов тестирования, описания конкретных защитных ограничений или оценки надёжности. Доступна по лицензии Apache-2.0. Термины heretic, uncensored, decensored и abliterated присутствуют в метаданных, но их практические последствия в README не раскрыты.

Карточка модели ModelsLab/krea-2-raw-svdquant-int4_r32 на Hugging Face совпадает с карточкой krea/Krea-2-Raw, поэтому описание составлено по ней. Krea 2 Raw — базовый чекпойнт модели генерации изображений по тексту, разработанный компанией Krea.ai, Inc. Это Diffusion Transformer с 12 млрд параметров, опубликованный в формате открытых весов и предназначенный прежде всего для дообучения и постобработки под собственные задачи и предметные области. Карточка не рекомендует использовать Raw для обычного инференса; один из описанных сценариев — обучение LoRA на Raw с последующим применением на Krea 2 Turbo. Модель принимает текстовые описания и генерирует изображения. Она рассчитана на творческие и коммерческие рабочие процессы: создание изображений, разработку концепций, исследование дизайна и интеграцию в приложения. Основной язык в карточке и метаданных — английский. Указанная лицензия — Krea 2 Community License; для развёртываний требуются фильтрация контента или эквивалентные процедуры проверки согласно лицензии и политике допустимого использования. Модель может не следовать запросу точно и выдавать нежелательные результаты; качество следования зависит от языка, стиля, конкретности и формулировки запроса. Она не предназначена для получения фактической информации. Карточка также отмечает, что проверка безопасности не охватывает все возможные сценарии.

L3.1-70Blivion-v0.1-rc1-70B — экспериментальная модель от invisietch, созданная слиянием Sao10K/L3.1-70B-Euryale-v2.2 и nvidia/Llama-3.1-Nemotron-70B-Instruct-HF с последующим дообучением QLoRA на двух эпохах. Модель относится к семейству Llama 3.1, имеет плотную архитектуру примерно на 69,5 млрд параметров и предназначена для генерации текста, творческого письма и ролевых диалогов. Карточка рекомендует формат запросов Llama 3 Instruct; метаданные указывают контекст до 131 072 токенов и поддержку интерфейса вызова инструментов. Модель выпущена как кандидат в релиз, а автор сообщает, что для готовой версии требуется дальнейшее обучение. Среди отмеченных проблем — частичное воспроизведение системного промпта и непоследовательность при генерации тяжёлого или тревожного контента; степень ограничений снижена относительно одной из базовых моделей, но модель не полностью свободна от цензуры. Доступны веса Safetensors, лицензия — Llama 3.1 Community License Agreement. Автор предупреждает, что модель может генерировать откровенные, тревожные или оскорбительные ответы.

L3.1-EtherealRainbow-v1.0-rc1-8B — разговорная модель для генерации текста, созданная invisietch на базе Instruct-модели семейства Llama 3.1. Она предназначена прежде всего для творческого письма и ролевых диалогов. Модель содержит около 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и поддерживает контекст до 131 072 токенов. В карточке указан английский язык; обучение проводилось методом QLoRA на смеси открытых и частных наборов данных. Это предварительный релиз-кандидат, выпущенный для сбора отзывов, поэтому качество и настройки генерации ещё могут требовать доработки. Модель может генерировать откровенный, тревожный или оскорбительный контент. Указана лицензия Llama 3.1; при использовании необходимо соблюдать её условия.

LLAMA-3_8B_Unaligned_BETA — экспериментальная чат-модель SicariusSicariiStuff на архитектуре LlamaForCausalLM с 7,5 млрд параметров и контекстом 16 384 токена. Она предназначена для творческого письма, ролевых диалогов и общих текстовых задач; автор подчёркивает низкий уровень ограничений и способность создавать длинные тексты. В описании обучения указано около 50 млн токенов, более половины которых написаны людьми. Модель поддерживает английский язык и распространяется в формате safetensors по лицензии Llama 3.1. Автор отмечает, что связность может снижаться при очень длинной генерации, а часть синтетических обучающих данных может быть неотредактированной.