IV.5Образование и развитие навыков

Rocinante-12B-v1 — языковая модель BeaverAI для генерации текста в диалоговом формате. Это плотная модель семейства Mistral с 12,1 млрд параметров; веса опубликованы в формате safetensors. Карточка описывает её как модель для творческого письма, ролевых диалогов и приключенческих историй, с поддержкой шаблонов ChatML, Alpaca и Mistral. Модель ориентирована на создание выразительной прозы с высокой творческой вариативностью. Её можно использовать для совместного написания историй, продолжения сюжетов и ролевых сценариев. В метаданных заявлен контекст до 1 024 000 токенов, а также интерфейс вызова инструментов; README не приводит сведений о языковом охвате или фактическом качестве этих возможностей. Лицензия обозначена как other, поэтому условия использования следует проверять в репозитории модели.

Rocinante-X-12B-v1-Heretic-Uncensored — текстовая генеративная модель, созданная DavidAU на основе TheDrummer/Rocinante-X-12B-v1. Это доработанная версия Mistral с 12,1 млрд параметров, предназначенная для продолжения текста, творческого письма, сюжетов и ролевого общения. Модель работает с текстом, поддерживает чат и имеет контекстное окно до 131 072 токенов. Версия обработана методом Heretic для снижения частоты отказов: в карточке указаны 9 отказов из 100 запросов против 87 у исходной модели. Автор приводит KL-дивергенцию 0,146 как показатель сохранения поведения исходной модели. Для получения более откровенного, грубого или обсценного текста иногда требуется явно задать нужный стиль и лексику; приведённые показатели основаны на тестах автора и не гарантируют аналогичных результатов на других запросах. Модель подходит для генерации художественной прозы, сцен, диалогов и ролевых сценариев, включая жанры ужасов и романтики. В README указаны рекомендации по настройкам сэмплирования для некоторых интерфейсов запуска. Веса опубликованы в формате Safetensors; лицензия в предоставленных данных не указана.

SubtleOne/Rombos-Qwen2.5-Writer-32b — 32-миллиардная плотная языковая модель для генерации текста, созданная слиянием моделей методом DELLA на базе Rombos-LLM-V2.5-Qwen-32b. В слияние вошли три дообученные модели для творческого письма: EVA-Qwen2.5-32B-v0.2, Qwen2.5-32b-RP-Ink и Qwen2.5-Gutenberg-Doppel-32B. Архитектура — Qwen2, модель работает через Transformers и имеет контекстное окно 32 768 токенов. Модель предназначена для творческого письма, ролевых историй и генерации повествовательного текста; автор отмечает её применение в кампании Dungeons & Dragons. Метаданные также указывают на возможности чата и интерфейс вызова инструментов. Модель принимает текст и генерирует текст. Репозиторий распространяется по лицензии Apache 2.0. Качество результата зависит от запроса и сценария; карточка не приводит количественных оценок. Это текстовая модель, поэтому она не обрабатывает изображения, аудио или видео как входные данные.

RicardoEstep/RPBizkitRemiX-v3-12B — экспериментальная смесь Mistral Nemo на 12,1 млрд параметров, собранная Ricardo Estep методом DARE TIES с помощью Mergekit из RPBizkit-v6-12B, RPBizkit-v9-12B и UnslopNemo-12B-v4.1. Модель предназначена для генерации текста, в частности творческих ролевых сценариев и историй; README рекомендует шаблон чата Alpaca с RAW-вводом и невысокую температуру генерации. Автор заявляет о контексте до 128K токенов; метаданные каталога указывают нативный контекст 1 024 000 токенов. Модель использует плотную архитектуру Mistral и формат safetensors. README описывает её как менее ограниченную в генерируемом контенте, поэтому она может выдавать материалы для взрослой аудитории. Лицензия в предоставленных данных не указана.

SharperSwarm — экспериментальная причинная языковая модель семейства Swarm AGI, разработанная исследовательским подразделением Convergent Intelligence LLC. Согласно карточке, архитектура объединяет трансформер с механизмами маршрутизации между внутренними агентами, обменом доверием и общей памятью; заявлены самопроверка, отслеживание навыков, планирование учебных траекторий и коррекция ошибок во время генерации. Модель предназначена для генерации текста и исследовательских экспериментов с рассуждением, кодом и планированием. Она содержит 84,5 млн параметров, принимает текст и имеет контекст до 1024 токенов. В метаданных указан английский язык; модель загружена в формате Safetensors и использует библиотеку Transformers. README характеризует её как экспериментальный исследовательский прототип и предупреждает, что она не предназначена для производственного применения. Заявления о самооценке и автономном обучении описаны в карточке, но независимых подтверждений качества там нет. Указана лицензия Apache-2.0.

Stable Diffusion 2 Inpainting — модель латентной диффузии, разработанная Робином Ромбахом и Патриком Эссером для редактирования изображений по текстовому запросу и маске. Она продолжает обучение Stable Diffusion 2 Base ещё на 200 тысяч шагов и использует стратегию генерации масок LAMA вместе с латентным представлением скрытой области как дополнительным условием. Модель доступна для запуска через Diffusers и использует OpenCLIP-ViT/H как текстовый энкодер. Модель подходит для заполнения и замены отмеченных маской областей изображения по описанию, а также для творческого редактирования и исследовательских экспериментов с генеративными моделями. Она принимает текст и изображение с маской и выдаёт изображение. Основной язык запросов — английский; качество запросов на других языках ниже. Модель может плохо передавать читаемый текст, сложные пространственные отношения, лица и фотореалистичные детали; результаты автоэнкодера также могут быть потерянными. Обучение проводилось на отфильтрованном подмножестве LAION-5B, содержащем потенциально смещённые и небезопасные материалы. Лицензия — CreativeML Open RAIL++-M.

Starlight XL Animated V3 — модель генерации изображений по текстовому описанию от gxkok, опубликованная в формате Diffusers и совместимая с StableDiffusionXLPipeline. Она предназначена для создания изображений по текстовым запросам; связанная карточка модели описывает вариант SDXL для концепт-арта и иллюстраций с выразительной стилизованной подачей. Репозиторий содержит компоненты SDXL, включая UNet, VAE, текстовые энкодеры и токенизаторы. Модель принимает текст и выдаёт изображения. Лицензия — OpenRAIL++. В доступных материалах не приведены надёжные сведения о размере контекста и поддерживаемых языках; название «Animated» не подтверждает генерацию анимации или видео.

story_spanish_gpt2_v2 — дообученная на датасете, названном в карточке как None, модель генерации текста на основе datificate/gpt2-small-spanish. Она предназначена для продолжения текста и генерации испанских историй. Модель построена на архитектуре GPT-2, использует веса PyTorch и рассчитана на контекст до 1024 токенов. В карточке приведён результат оценки: loss 3,7640. Описание обучающих данных, предполагаемых сценариев применения и ограничений не раскрыто, поэтому качество и тематический охват историй по этим сведениям оценить нельзя. Лицензия — Apache-2.0.

talkie-1930-13b-it-hf — преобразованная в формат Transformers версия инструкционной языковой модели семейства Talkie, разработанной Alec Radford, Nick Levine и David Duvenaud. Модель содержит 12,9 млрд параметров и использует плотную авторегрессионную архитектуру TalkieForCausalLM: 40 слоёв и 40 голов внимания. Она обучалась на 260 млрд токенов англоязычных текстов, созданных до 1931 года, а затем была настроена для диалогов на материалах старинных справочников и улучшена с помощью онлайн-DPO. Модель предназначена для генерации текста и общения в стиле начала XX века, включая ответы на инструкции и вопросы с опорой на языковые и культурные особенности эпохи. Контекст составляет 2048 токенов; поддерживается английский язык. В README заявлено, что веса численно идентичны исходному чекпойнту с учётом округления bfloat16. Репозиторий содержит веса safetensors для Transformers; для загрузки требуется trust_remote_code=True. Лицензия — Apache-2.0. К ограничениям относятся узкое временное окно обучающих текстов, из-за которого знания и формулировки могут отражать взгляды эпохи и не покрывать современные сведения, а также контекст в 2048 токенов. Для работы с указанной точностью bfloat16 README приводит ориентир около 26 ГБ видеопамяти.

TooManyMixRolePlay-7B-Story_V1 — объединённая модель Mistral, созданная jdqwoi с помощью LazyMergekit путём слияния jdqwoi/TooManyMixRolePlay-7B-Story и jdqwoi/02 методом SLERP. Модель с плотной архитектурой MistralForCausalLM содержит 7,1 млрд параметров и принимает текстовые подсказки для генерации продолжений. Модель предназначена для генерации рассказов и ролевых текстов. Её нативная длина контекста составляет 32 768 токенов. В репозитории представлены веса Safetensors; README также упоминает варианты EXL2-квантизации от 4 до 8 бит на вес, которые относятся к отдельным сборкам. Языковая специализация и конкретные ограничения качества в карточке не описаны. Лицензия в предоставленных данных не указана.

Evel/VividWatercolors — модель генерации изображений из текста в стиле акварели, созданная автором репозитория как DreamBooth-модель. Она предназначена для создания иллюстраций по текстовым запросам; для акварельной фактуры автор рекомендует включать в запрос токен «wtrcolor style» и слово «watercolor». Также описано применение в img2img с усилением стилевого токена. Модель распространяется в форматах Diffusers, PyTorch и Safetensors и использует лицензию CreativeML OpenRAIL-M. Автор отмечает, что для получения хорошего результата нужны подходящие запросы; приведённые им настройки генерации — около 30 шагов, Euler a и CFG 8–9.

QuantStack/Wan2.2-Fun-A14B-InP-GGUF — это GGUF-квантизированная версия модели Wan2.2-Fun-A14B-InP, разработанной Alibaba PAI. Модель предназначена для генерации видео из текстовых описаний и ориентирована на использование в ComfyUI через пользовательский узел ComfyUI-GGUF. В карточке указано, что модель поддерживает английский и китайский языки и относится к конвейеру text-to-video. Размер и точная архитектура не раскрыты, однако для работы требуются отдельные компоненты: текстовый энкодер UMT5-XXL и VAE Wan2.1. Квантизация в формате GGUF может упростить запуск и снизить требования к ресурсам по сравнению с полноразмерной версией, но конкретные характеристики качества и совместимости зависят от варианта квантизации и конфигурации среды. Модель распространяется по лицензии Apache-2.0; при этом сохраняются исходные условия лицензирования и ограничения базовой модели. Для использования необходимо разместить компоненты в соответствующих каталогах ComfyUI и установить совместимый узел ComfyUI-GGUF.

unsloth/Z-Image-Turbo-GGUF — это GGUF-квантизированная версия модели Z-Image-Turbo, разработанной Tongyi-MAI. Модель предназначена для генерации изображений по текстовому описанию и относится к семейству эффективных моделей генерации изображений на основе single-stream Diffusion Transformer. Версия подготовлена с использованием методологии Unsloth Dynamic 2.0, в рамках которой наиболее важные слои переводятся в более высокую точность для сохранения качества. Модель содержит около 6 млрд параметров и ориентирована на быстрый инференс: исходная Z-Image-Turbo является дистиллированной версией, рассчитанной на 8 шагов вычисления, с заявленной задержкой менее секунды на H800 и возможностью работы на потребительских устройствах с 16 ГБ видеопамяти. Сильные стороны включают фотореалистичную генерацию, следование инструкциям и рендеринг текста на английском и китайском языках. В представленном README сведения о точных требованиях к запуску GGUF-файла, поддерживаемых разрешениях и ограничениях качества не указаны. Модель распространяется по лицензии Apache-2.0. Она подходит для локальной генерации изображений, прототипирования визуального контента и приложений text-to-image, однако конкретные языковые возможности и характеристики относятся к базовой Z-Image-Turbo, тогда как для GGUF-версии влияние выбранного уровня квантизации на качество отдельно не описано.

Карточка модели FreedomIntelligence/Apollo-MoE-7B на Hugging Face совпадает с карточкой FreedomIntelligence/Apollo2-3.8B, поэтому описание составлено по ней. Apollo2-3.8B — медицинская языковая модель, разработанная командой FreedomIntelligence. Это плотная модель семейства Phi-3 с 3,7 млрд параметров, дообученная на ApolloMoEDataset на базе microsoft/Phi-3-mini-4k-instruct. Модель предназначена для ответов на медицинские вопросы и диалога о медицинских знаниях. Модель ориентирована на английский и китайский, а также на 10 других основных языков, включая русский, французский, хинди, испанский, арабский, японский, корейский, немецкий, итальянский и португальский; заявлена поддержка ещё 38 языков. Карточка описывает оценивание на медицинских тестах по нескольким языкам, включая RuMedBench для русского. Контекст составляет до 4096 токенов, формат весов — safetensors. Модель распространяется по лицензии Apache-2.0. Она подходит для ответов на медицинские вопросы и справочных диалогов, но её ответы не следует считать клиническими рекомендациями без проверки специалистом. README не приводит конкретных численных результатов для этой версии.

Bionic-Vaquita-13B — объединённая модель на архитектуре Llama 2, созданная FallenMerick с помощью mergekit из семи моделей Llama 2 13B. Это причинная языковая модель примерно на 12,9 млрд параметров с контекстом до 4096 токенов; веса представлены в формате safetensors. Модель ориентирована на творческое письмо, связное повествование и ролевые диалоги с персонажами. Её можно использовать для создания художественных историй, продолжения сцен, интерактивных текстовых приключений и отыгрыша персонажей. При ручной оценке автор уделял внимание эмоциональной выразительности и связности ответов. Основной язык карточки — английский. Модель объединяет компоненты, связанные с XNoroChronos, Orca 2, Noromaid, Psyfighter2, Erebus, EstopianMaid и MLewdBoros; в описании указан passthrough merge, а в метаданных — merge. Лицензия — Creative Commons Attribution 4.0 (CC BY 4.0), требующая указания авторства. Качество и связность могут зависеть от промпта и сценария; карточка не приводит количественных результатов оценки.

Bonaparta-7B — разговорная модель для генерации текста, разработанная на основе Mistral Instruct v0.2 и дообученная методом DPO на наборе данных gutenberg-dpo. Она ориентирована на рассказывание историй и подходит для интерактивного создания художественного текста и продолжения сюжетов. Модель использует плотную архитектуру MistralForCausalLM с 7,1 млрд параметров и поддерживает контекст длиной до 32 768 токенов. Модель принимает текстовые запросы и выдаёт текст. Репозиторий содержит веса в формате safetensors; лицензия — MIT. README не сообщает об отдельных оценках качества, поэтому пригодность для конкретного сценария стоит проверять на собственных примерах.

Модель Classical Chinese Punctuation разработана raynardj для расстановки знаков препинания и разделения на фразы в классическом китайском языке (文言文, 古文). Она принимает строку текста без пунктуации и предсказывает разметку для её символов, используя подход задачи классификации токенов, аналогичный NER. Модель поддерживает более двадцати видов знаков препинания. Это плотная модель на архитектуре BERT с 129,5 млн параметров и контекстом до 512 токенов. Она предназначена для восстановления пунктуации в древних китайских текстах, например в статьях из книг, писем и надписей. В карточке указаны форматы PyTorch и Safetensors и лицензия MIT.

CyberSLM-33M-Instruct — небольшая инструктивная языковая модель для вопросов и ответов по кибербезопасности, разработанная Sabari2005 на основе CyberSLM-33M-Base. Модель обучена с нуля как 33,5-миллионный декодерный трансформер в стиле Llama, затем дообучена методом supervised fine-tuning на 24 980 диалогах с вопросами и ответами по кибербезопасности. Модель предназначена для кратких объяснений и ответов на вопросы о кибербезопасности на английском языке. Она принимает текст и генерирует текст; контекст составляет 4096 токенов. Архитектура включает 12 слоёв, 384 скрытых измерения и словарь SentencePiece на 32 тысячи токенов. Модель компактна и настроена следовать инструкциям в формате диалога. Она может галлюцинировать детали, например номера CVE и параметры инструментов; факты следует проверять. Она слабо подходит для сложных рассуждений на длинном горизонте, генерации кода и общих задач ассистента. Лицензия — Apache-2.0.

DeepPavlov_for_Panacea — дообученная модель Sentence Transformer на базе DeepPavlov/rubert-base-cased-sentence, разработанная nanalysenko. Она кодирует русскоязычные предложения и абзацы в плотные векторы размерностью 768 для сравнения семантической близости по косинусному сходству. Модель построена на BERT и использует усреднение токенных представлений; максимальная длина входа составляет 512 токенов. Модель предназначена для семантического поиска, поиска похожих формулировок и парафразов, кластеризации и классификации текста. Примеры обучающих пар включают медицинские формулировки об обследованиях, поэтому модель может быть полезна для сопоставления близких по смыслу медицинских запросов и описаний. Лицензия в предоставленных данных не указана.

DiaCTC — модель на базе Wav2Vec2, разработанная для восстановления арабских диакритических знаков по аудиоречи и текстовой расшифровке без диакритики. Она дообучена на ClArTTS, наборе классического арабского языка, и использует декодирование с ограничениями WFST. В README приведены результаты на ClArTTS: WER 11,21 и DER 3,53; на ArVoice: WER 39,89 и DER 12,04. Модель основана на jonatasgrosman/wav2vec2-large-xlsr-53-arabic и содержит 402,7 млн параметров. Она принимает аудио и текст, а выдаёт арабскую текстовую расшифровку с восстановленными диакритическими знаками. Для использования в README указаны параметры use_blank_token, use_no_diac_token и use_unk_diac_token, а также декодирование методом WFST. Модель предназначена для арабской речи и текста. Результаты на ArVoice заметно ниже, чем на ClArTTS, поэтому перенос на другие наборы данных может быть ограничен. Лицензия — MIT.

Doppelganger Twist 24B — текстовая генеративная модель OccultAI для создания художественной прозы и ролевых диалогов. Она построена на архитектуре MistralForCausalLM и получена слиянием на основе Naphula/Goetia-24B-v1.4; в конфигурации указано 23,4 млрд параметров. Модель предназначена для написания историй разных жанров, продолжения сцен и сюжетов, а также для разговорного взаимодействия в ролевых сценариях. Модель принимает текст и генерирует текст; карточка указывает контекст до 131 072 токенов и рекомендует шаблон чата Mistral Tekken. Она рассчитана прежде всего на англоязычное творчество. Лицензия — Apache-2.0. Карточка предупреждает, что генерация может включать насилие и графическое эротическое содержание.

Модель SpeechBrain для распознавания эмоций в речи, созданная на основе wav2vec2 base и дообученная на тренировочных данных IEMOCAP. Она принимает аудиозаписи и относит речь к эмоциональным классам; для обработки использует эмбеддинги с attentive statistical pooling и обучалась с Additive Margin Softmax Loss. Записи для обучения имели частоту дискретизации 16 кГц и один канал; при вызове classify_file модель автоматически приводит аудио к нужному формату. На тестовой части IEMOCAP в карточке указана точность 78,7% (среднее значение — 75,3%). Репозиторий содержит модель в формате PyTorch, а для запуска используется SpeechBrain. Модель ориентирована на англоязычные данные IEMOCAP. Лицензия — Apache-2.0. Разработчики не гарантируют аналогичное качество на других наборах данных.

megalaa/english-coptic-translator — модель машинного перевода на архитектуре MarianMT, разработанная автором репозитория megalaa. По умолчанию переводит текст с английского на сахидский коптский; параметр to_bohairic=True переключает перевод на бохайрский коптский. Параметр output_confidence=True позволяет запросить оценку уверенности модели. Модель содержит 58 млн параметров, принимает текст с контекстом до 512 токенов и распространяется в формате safetensors. Лицензия AGPL-3.0; для использования и распространения необходимо учитывать её условия.

Epstein — генеративная языковая модель для создания художественной прозы на английском языке. Модель разработана Pclanglais и дообучена на базе Llama 13B. Для генерации можно задавать до двадцати характеристик текста, например краткое содержание, жанр, тон, повествователя, сюжетную арку, персонажей, место и время действия. Модель обучена на 4 000 отрывках англоязычной литературы или литературы в английском переводе из общественного достояния, а также на синтетических и подготовленных вручную аннотациях. Она рассчитана на создание литературного текста по заданным характеристикам; автор отмечает, что аннотации литературного направления и неопределённого места работают хуже. Контекст составляет 4 096 токенов. Модель распространяется по лицензии CC BY-SA 4.0.

FLUX.1-dev-ControlNet-Union-Pro — унифицированная модель ControlNet для генерации изображений по текстовому описанию на базе FLUX.1-dev. Она совместно разработана исследовательской командой InstantX и Shakker Labs; обучение спонсировала Shakker AI. Модель предназначена для управляемой генерации и редактирования изображений в связке с библиотекой Diffusers и базовой моделью black-forest-labs/FLUX.1-dev. Модель поддерживает семь режимов управления: контуры Canny, tile, глубину, размытие, позу, оттенки серого и низкое качество изображения. Режимы позволяют задавать структуру, композицию, глубину, позу или другие свойства результата с помощью контрольных изображений; несколько ControlNet можно использовать совместно. Рекомендуемый диапазон controlnet_conditioning_scale составляет 0,3–0,8. В карточке указаны английский язык и конвейер text-to-image, однако сведения о размере модели, максимальной длине контекста и точных архитектурных характеристиках отсутствуют. Это Pro-версия FLUX.1-dev-Controlnet-Union, обученная на большем числе шагов и наборе данных. Сильные стороны модели — объединение нескольких режимов управления в одном чекпойнте и возможность комбинировать их с другими ControlNet. Для использования требуется версия Diffusers из исходного кода, поскольку необходимая поддержка не включена в актуальный опубликованный релиз. Лицензия указана как flux-1-dev-non-commercial-license; модель предназначена для некоммерческого использования на условиях этой лицензии.

Foxglove_7B — объединённая модель ResplendentAI/Datura_7B и Epiculous/Mika-7B, созданная автором репозитория с помощью LazyMergekit. Это плотная Mistral-модель с 7,1 млрд параметров для генерации текста и ролевых диалогов. Она рассчитана на соблюдение карточки персонажа и форматирование ответов в Markdown; автор сообщает, что лучше всего работает шаблон Alpaca, а шаблон Mistral тоже даёт хорошие результаты. Модель принимает текст и выдаёт текст, поддерживает английский язык и имеет контекст до 32 768 токенов. Репозиторий распространяется под лицензией Apache-2.0.

Gemma-4-26B-A4B Musica v1 — дообученная AuriAetherwiing версия Gemma 4 26B A4B IT для ролевых диалогов, генерации историй и художественного письма. Это разговорная модель с поддержкой изображений и выдачей текста; README описывает её как третью модель серии Musica и отмечает творческую прозу и разнообразие вариантов ответа. Модель подходит для отыгрыша персонажей, совместного написания сцен и создания историй. Автор отмечает, что она менее стабильна и хуже справляется с рассуждениями, чем версия Musica 31B, а следование инструкциям бывает непоследовательным. Для генерации автор рекомендует температуру 1, Min-P 0,02 и NSigma 2; штрафы за повторение могут ухудшать результат. Модель основана на google/gemma-4-26B-A4B-it и дообучена с помощью LoRA на наборе данных для SFT. Доступна по лицензии Apache-2.0.

Gryphe/Gemma-4-31B-StyleTune — дообученная автором Gryphe модель на основе google/gemma-4-31B-it для диалогов и творческого письма, особенно ролевых сцен и повествовательных ответов. Она использует архитектуру Gemma 4 с плотной моделью и выдаёт текст; в ходе настройки обучался только выходной слой lm_head, остальные веса оставлены без изменений. Репозиторий содержит веса в формате safetensors, а для диалога применяется штатный шаблон Gemma 4. Автор сообщает о снижении числа клише на 60% в сравнении с базовой инструкционной моделью на тесте из 200 ролевых запросов; также приведена низкая доля общих триграмм. По заявлению автора, остальные способности базовой модели сохранены. Эти результаты относятся к описанному тесту и не гарантируют аналогичного эффекта для любых запросов. Лицензия — Apache-2.0.

Gemma-The-Writer-N-Restless-Quill-10B-Uncensored — языковая модель для генерации текста и диалогов, основанная на Google Gemma 2 9B Instruct и опубликованная DavidAU. Репозиторий содержит веса в формате safetensors; модель можно использовать напрямую или как исходник для преобразования в другие форматы. Архитектура — плотная Gemma 2 с 9,8 млрд параметров, контекст — 8192 токена. Модель подходит для генерации прозы, диалогов и ролевых сценариев. Название указывает на uncensored-ориентацию, но подробное описание предназначения и примеры применения в карточке отсутствуют. README сообщает о рекомендациях по настройкам, однако ссылки на них не заполнены. Лицензия в предоставленных данных не указана.

GHOST-2.7B — англоязычная генеративная модель MedinaMemorySystems для создания художественных текстов и симуляции сценариев. Это полнопараметрический дообученный вариант Microsoft Phi-2 с плотной архитектурой Transformer и 3,5 млрд параметров по метаданным; в README указаны 2,7 млрд. Контекст составляет 2048 токенов. Модель предназначена для написания иммерсивных историй, сложных внутренних монологов и творческой проработки adversarial-сценариев; её также предлагают использовать как генератор повествовательных фрагментов в агентных системах и как офлайн-резерв. Для генерации она принимает текстовые инструкции и выдаёт текст. Указанные в README результаты бенчмарков и производительности не подкреплены описанием методики, поэтому их следует считать заявлениями авторов. Модель ориентирована на творческую генерацию, а не на достоверные фактические ответы. При высокой температуре возможны чрезмерно мрачные или эзотерические результаты; окно контекста ограничено 2048 токенами. Лицензия — Apache-2.0.