IV.5Образование и развитие навыков

ACE-Step 1.5 XL Base — базовая модель генерации музыки на основе декодера DiT с примерно 4 млрд параметров. Разработана проектом ACE-Step и служит основой для задач генерации музыки по текстовому описанию, создания каверов, перерисовки фрагментов, извлечения, сборки композиций из частей и дополнения аудио. Версия XL рассчитана на более высокое качество звука по сравнению с вариантами на 2 млрд параметров; модель использует 32 слоя, скрытый размер 2560 и 32 головы внимания. Модель предназначена для создания и редактирования музыкальных композиций. Для работы требуется значительный объём видеопамяти: от 12 ГБ с выгрузкой на CPU и INT8-квантизацией, от 16 ГБ с выгрузкой на CPU или от 20 ГБ без неё. README сообщает, что обучение использовало лицензированную, свободную от роялти или общественным достоянием музыку, а также синтетические данные, и заявляет возможность коммерческого использования сгенерированной музыки. Лицензия репозитория — MIT.

Карточка модели Tuananh20015/acestep-v15-xl-base на Hugging Face совпадает с карточкой ACE-Step/acestep-v15-xl-base, поэтому описание составлено по ней. ACE-Step 1.5 XL Base — базовая модель генерации музыки на основе декодера DiT с примерно 4 млрд параметров. Разработана проектом ACE-Step и служит основой для задач генерации музыки по текстовому описанию, создания каверов, перерисовки фрагментов, извлечения, сборки композиций из частей и дополнения аудио. Версия XL рассчитана на более высокое качество звука по сравнению с вариантами на 2 млрд параметров; модель использует 32 слоя, скрытый размер 2560 и 32 головы внимания. Модель предназначена для создания и редактирования музыкальных композиций. Для работы требуется значительный объём видеопамяти: от 12 ГБ с выгрузкой на CPU и INT8-квантизацией, от 16 ГБ с выгрузкой на CPU или от 20 ГБ без неё. README сообщает, что обучение использовало лицензированную, свободную от роялти или общественным достоянием музыку, а также синтетические данные, и заявляет возможность коммерческого использования сгенерированной музыки. Лицензия репозитория — MIT.

Animagine XL 3.0 Base — базовая версия диффузионной модели для генерации аниме-изображений по тексту, разработанная Cagliostro Research Lab. Это промежуточный этап проекта Animagine XL 3.0, предназначенный прежде всего для дальнейшего развития и дообучения; разработчики не рекомендуют использовать его для генерации и советуют для этого полную Animagine XL 3.0. Модель дообучена на базе Linaqruf/animagine-xl-2.0 с использованием transfer learning. Она рассчитана на структурированные запросы с указанием персонажа и произведения, поддерживает генерацию в нескольких соотношениях сторон, включая 1024×1024, 1152×896 и 896×1152. Карточка приводит английские языковые метаданные; модель принимает текст и выдаёт изображения. Модель ориентирована на аниме-иллюстрации, а не фотореализм, и может ошибаться в анатомии, особенно в сложных динамичных позах. Для хороших результатов нужны конкретные, структурированные подсказки; теги качества могут приводить к нежелательному NSFW-контенту. Лицензия — CreativeML Open RAIL++-M (в метаданных обозначена как openrail++).

Antler-7B-RP — модель для генерации текста в сценариях ролевого общения, созданная Aratako дообучением Elizezen/Antler-7B с помощью LoRA на наборах диалогов для ролевых игр. Модель построена на плотной архитектуре Mistral и содержит 7,1 млрд параметров; для работы заявлен шаблон чата Mistral, а контекст составляет до 8192 токенов. Модель предназначена для многоходовых ролевых диалогов: она продолжает сцену от лица заданного персонажа, учитывая описание мира, сюжет и роли участников. Карточка рекомендует задавать реплики в формате «имя персонажа» и помещать описания действий и обстановки в скобки. Поддерживается японский язык; модель ориентирована на ролевой контент, включая материалы для взрослой аудитории. В README описана ошибка, при которой модель иногда завершает ответ без текста; автор рекомендует запросить продолжение или повторить генерацию. Репозиторий использует формат safetensors и библиотеку Transformers. Для этой версии указана лицензия Apache-2.0, однако автор предупреждает, что лицензия базовой модели Elizezen/Antler-7B не установлена и условия могут измениться.

Карточка модели arabago96/ASM-model на Hugging Face совпадает с карточкой microsoft/TRELLIS-image-large, поэтому описание составлено по ней. TRELLIS Image Large — модель генерации 3D-объектов по изображению, основанная на проекте TRELLIS. Она принимает изображение как условие и предназначена для создания трёхмерного представления объекта. Модель представлена в исследовательской работе «Structured 3D Latents for Scalable and Versatile 3D Generation». В метаданных указаны библиотека TRELLIS, формат весов Safetensors и лицензия MIT. Карточка описывает вариант TRELLIS с большим размером, но не приводит число параметров, детали архитектуры, сведения о поддерживаемых языках или ограничения качества.

Augmental-ReMM-13b-Merged — языковая модель на архитектуре Llama, созданная автором Heralax дообучением Undi95/ReMM-v2-L2-13B и слиянием обученных весов с базовой моделью. В карточке описана версия примерно на 12,9 млрд параметров; она принимает текст, имеет контекст до 4096 токенов и распространяется в формате safetensors по лицензии Llama 2. Модель предназначена для ролевого общения и генерации ответов от лица персонажей с заданными характерами. Она обучалась на примерно 7,85 тыс. примерах, созданных на основе диалогов визуальной новеллы Steins;Gate с помощью человеческого текста и его обработки GPT-4. Карточка рекомендует формат промптов SillyTavern и приводит собственный шаблон ролевого диалога. Автор отмечает, что качество этой версии ещё не проверял, поэтому заявленные преимущества и качество генерации не подтверждены его тестированием. Обучающие примеры основаны на Steins;Gate и нескольких персонажах, что может влиять на стиль и переносимость модели на другие сценарии. Условия использования определяются лицензией Llama 2.

RobotsMali AI4D Lab разработала Bambara VITS — экспериментальную многоголосую модель синтеза речи на основе архитектуры VITS со стохастическим прогнозированием длительности и декодером формы волны в стиле HiFi-GAN. Модель содержит 3,5 млн параметров и адаптирует англоязычный чекпойнт ylacombe/vits-vctk-with-discriminator для бамбара (бамананкан). Это инференсный чекпойнт для Transformers; дискриминатор удалён. Модель принимает текст на бамбара в латинской орфографии, приведённый к нижнему регистру, и генерирует речь с частотой дискретизации 22,05 кГц. В ней обучены 20 голосовых эмбеддингов, но их нельзя надёжно сопоставить с участниками датасета. Она предназначена для экспериментов с синтезом речи на малоресурсном языке, прослушивания, базовых сравнений и дальнейшего дообучения. Чекпойнт существенно недообучен: он обучался 200 эпох на небольшом шумном наборе спонтанной речи, а объективная или человеческая оценка качества не проводилась. Возможны нестабильное произношение, шум, неестественная просодия, утечка характеристик голосов и неразборчивая речь. Лицензия — CC BY 4.0.

Beetle-FineWeb-100M/beetle-bilingual-l2-80-late-b5-fineweb-100m-dan-eng — небольшая двуязычная авторегрессионная языковая модель из семейства Beetle, разработанного исследователями University of Cambridge и EleutherAI. Модель обучена для изучения билингвальной обработки и усвоения второго языка в контролируемых условиях; в данном варианте первым языком является датский, а вторым — английский. Модель относится к классу causal language models и предназначена для генерации текста и вычисления вероятностей последовательностей. Семейство Beetle использует LLaMA-подобную архитектуру с RoPE, SwiGLU, RMSNorm и grouped-query attention; модель имеет порядок 0,2 млрд параметров и реализуется через Transformers с пользовательским кодом pico_decoder. Конфигурация late-b5 моделирует поэтапное воздействие языков, при котором английский вводится позднее в процессе обучения. Основное применение — экспериментальное моделирование двуязычия, межъязыкового переноса, динамики обучения второму языку, чтения и грамматической обработки. Модель не является универсальным чат-ассистентом и из-за небольшого размера, ограниченного датско-английского охвата и исследовательской направленности может уступать крупным многоязычным моделям в качестве генерации, фактических ответах и широком спектре прикладных задач. Условия лицензирования в доступных источниках не подтверждены.

blizrys/biobert-v1.1-finetuned-pubmedqa — модель на архитектуре BERT, созданная дообучением dmis-lab/biobert-v1.1 для классификации текстов. Она предназначена для задач, связанных с PubMedQA и ответами на вопросы по биомедицинским публикациям. В метаданных указаны 135,5 млн параметров, контекст до 512 токенов и формат PyTorch. На оценочном наборе модель показала accuracy 0,7 и loss 0,7737. README не раскрывает состав меток, обучающего набора данных или подробности использования, поэтому результаты не позволяют судить о качестве на других задачах. Лицензия в предоставленных данных не указана.

CareBot_Medical_multi-llama3-8b-base — медицинская языковая модель XiaofengAlg на базе Meta Llama 3 8B. Авторы адаптировали базовую модель методом продолженного предварительного обучения на медицинских данных, применив двухэтапную стратегию CPT. В карточке указаны корпус BAAI/IndustryCorpus2 и инструкции BAAI/IndustryInstruction; обучение сочетало медицинские и общие данные, постепенно увеличивая долю китайского текста. Модель предназначена для генерации текста по медицинской тематике на китайском и английском языках. По описанию авторов, оценки на китайских медицинских бенчмарках улучшились, а показатели на английских медицинских бенчмарках немного снизились относительно исходной Llama 3 8B. Это языковая модель, а не подтверждённая система диагностики или замена профессиональной медицинской помощи. Репозиторий распространяется с лицензией Apache-2.0.

CharGen v3 mini — компактная языковая модель для создания персонажей ролевых игр по текстовому описанию. Проект CharGen ведёт разработку моделей для упрощения создания персонажей; версия v3 обучена на материалах из общедоступных репозиториев карточек персонажей, прошедших ручную проверку и редактуру. Модель представляет собой плотную авторегрессионную архитектуру Llama примерно на 3,9 млрд параметров, дообученную на Delta-Vector/Holland-4B-V1. Метаданные указывают контекст до 131 072 токенов и поддержку английского языка. Модель генерирует текстовые описания персонажей и ролевые материалы в заданном формате: черты личности, внешность, факты, сценарии, вступительные сообщения и примеры диалогов. Она предназначена для авторов ролевых персонажей и диалоговых сценариев; README отмечает улучшенное следование инструкциям и соблюдение формата относительно CharGen v2. Модель распространяется по лицензии MIT. Доступны также квантованные версии GGUF, но этот репозиторий содержит веса safetensors.

agurung/cobalt-seeded-rl-base-ramp25-stoppen-gen4k-ep2-ncp5-q4v2-groot16 — дообученная методом GRPO языковая модель на архитектуре Qwen3, созданная разработчиком agurung. Контрольная точка выбрана на шаге 80 из обучения с seed 42; модель обучалась планированию следующих глав по примерам из книг. Для выбора контрольной точки использовали 7 075 обучающих примеров и 1 120 отложенных примеров для проверки, оценивая по восемь генераций на пример. Критерий выбора — средняя наилучшая из восьми генераций оценка по непрерывной контрастивной функции вознаграждения. Настройка включает два эпизода GRPO, генерацию до 4 096 токенов и штрафы за слишком длинные и некорректные планы. По метаданным модель имеет 3,7 млрд параметров, использует плотную архитектуру Qwen3, поддерживает диалоговый режим и контекст до 262 144 токенов. Репозиторий содержит веса Safetensors. Модель предназначена для экспериментов с планированием продолжения повествования и генерацией планов следующих глав. README не сообщает о качестве на независимом тестовом наборе или лицензии; метаданные также не содержат сведений о лицензии.

Cosmos-1.0-Diffusion-7B-Text2World — модель генерации видео из текста, разработанная NVIDIA как часть семейства Cosmos World Foundation Models. Она предназначена для создания динамичных сцен с учётом физики для разработки Physical AI и задач генерации виртуальных миров. Модель построена на диффузионном трансформере, который выполняет денойзинг видео в латентном пространстве и использует текстовое условие на протяжении генерации. На вход подаётся текстовое описание короче 300 слов; по умолчанию модель создаёт клип длительностью 5 секунд, 121 кадр, с разрешением 1280×704 и частотой 24 кадра в секунду. Доступны другие соотношения сторон и частота от 12 до 40 кадров в секунду. Модель работает с Cosmos и Diffusers. NVIDIA сообщает об испытаниях инференса в BF16 на Linux и GPU NVIDIA Ampere, Hopper и Blackwell; на других операционных системах испытания не проводились. Лицензия — NVIDIA Open Model License, допускающая коммерческое использование в соответствии с её условиями. README не приводит конкретных результатов оценки качества; пригодность для целевого сценария следует проверять отдельно.

CrosswordSpace++ — итальянский BERT cross-encoder-реранкер от cruciverb-it для подбора ответов на вопросы-кроссвордные подсказки. Модель оценивает пары «подсказка — кандидат ответа» и предназначена для второго этапа ранжирования: она переупорядочивает до 100 кандидатов, предварительно отобранных bi-encoder-моделью cruciverb-it/crosswordspacepp-dualencoder с учётом длины ответа. Модель построена на nickprock/sentence-bert-base-italian-xxl-uncased и имеет архитектуру BertForSequenceClassification с одним выходом и sigmoid-активацией. Она дообучена на 3 747 628 парах из обучающей части EVALITA 2026 CruciverbIT Task 1; максимальная длина последовательности в README — 84 токена, а контекстное окно по метаданным — 512 токенов. Размер модели — 137,9 млн параметров. Для итогового ранжирования авторы предлагают смешивать нормализованные оценки cross-encoder и bi-encoder с весом 0,17 для cross-encoder. На тестовом наборе EVALITA 2026 CruciverbIT Task 1 комбинация двух моделей показала Acc@1 68,2%, Acc@10 85,5% и MRR@10 74,5%; сам реранкер — Acc@1 59,9%, Acc@10 83,1% и MRR@10 67,9%. Это специализированная модель для итальянских кроссвордов, а не универсальный поисковый реранкер; ей необходимы пары подсказок и кандидатов, обычно полученные от первого этапа. Лицензия — CC BY 4.0.

Dans-DangerousWinds-V1.1.0-12b — дообученная PocketDoc языковая модель на архитектуре Mistral для текстовых приключений в формате интерактивной игры. Она описывает окружение, поддерживает сюжет в ответ на действия игрока и может создавать сцены в жанрах научной фантастики, киберпанка и фэнтези. Модель рассчитана на английский язык; README рекомендует формат диалога с префиксами system prompt и > для пользовательских ходов, а также температуру 1.0, top_p 0.95 и min_p 0.05. Модель содержит 12,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и формат safetensors. В метаданных указан контекст 131 072 токена, тогда как README приводит рекомендацию 8 192 токена. Базовая модель — mistralai/Mistral-Nemo-Base-2407; обучение использовало наборы PocketDoc для приключенческой прозы и совместного написания. Лицензия — Apache-2.0. Сюжетный стиль предполагает опасные ситуации и натуралистичные описания гибели персонажа; модель не предназначена для фактических справок или гарантированно безопасного повествования.

EffectErase — модель удаления объектов и связанных с ними визуальных эффектов из видео, разработанная Yang Fu, Yike Zheng, Ziyun Dai и Henghui Ding из Института больших данных Колледжа компьютерных наук и искусственного интеллекта Фуданьского университета. Чекпойнт опубликован для метода, представленного как Highlight на CVPR 2026, и обучен на наборе VOR с 60 тысячами пар видео и соответствующими масками объектов. Модель предназначена для удаления движущихся объектов вместе с их деформациями, тенями и отражениями и восстановления цельного фона. Метод использует взаимное обучение удаления и вставки объектов, с учетом областей, затронутых эффектами. Репозиторий предоставляет чекпойнт PyTorch для использования с библиотекой Diffusers. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. В карточке не приведены ограничения по разрешению или длине входного видео.

Это LoRA-адаптер для генерации изображений по текстовому описанию, созданный пользователем pmczip на базе black-forest-labs/FLUX.2-klein-base-9B. Модель предназначена для text-to-image-сценариев в Diffusers и ориентирована на фотореалистичные портреты женщин, включая узнаваемое сходство с публичными персонами, а также на воспроизведение заданных внешних характеристик, одежды, аксессуаров, позы и фона. В карточке указаны архитектурная база FLUX.2-klein-base-9B, формат LoRA и safetensors, текстовая условность и поддержка английского языка. Точный размер адаптера, длина контекста и другие параметры архитектуры не приведены. Примеры показывают генерацию портретов с различными цветами волос и глаз, в том числе с использованием специальных идентификаторов персонажей. Сильными сторонами являются специализация на фотореалистичных портретах и управляемом воспроизведении внешности и деталей образа; ограничения включают отсутствие подробных сведений о качестве, настройках применения и границах обобщения. Лицензия обозначена как bespoke-lora-trained-license; условия приведены по ссылке на multimodal.art/civitai-licenses.

Sunfall v0.5.2 — экспериментальная разговорная модель на базе Gemma 2, представленная разработчиком crestf411 5 июля 2024 года. Это плотная авторегрессионная модель с 9 млрд параметров и контекстом до 8192 токенов; для работы доступны веса в формате safetensors. В README указано, что модель использует LoRA поверх Gemma 2 и обучалась с контекстом, имитирующим JSON-файлы Silly Tavern. Модель предназначена для ролевых диалогов и написания историй, включая повествование от лица рассказчика и взаимодействие между персонажами. Автор отмечает, что это ранний эксперимент и просит сообщать о результатах; модель не ориентирована на широкую аудиторию и рассчитана на откровенный контент. Лицензия в метаданных обозначена как other, конкретные условия использования по этим данным определить нельзя.

Набор управляющих векторов для творческого письма на базе zai-org/GLM-5, опубликованный пользователем gghfez. Векторы подключаются к GGUF-модели GLM-5 при запуске совместимого сервера и направляют стиль и тон генерации: доступны направления от пессимизма к оптимизму, от жестокости к состраданию, от социопатичности к эмпатии, от макиавеллизма к честности, а также настройки фокуса на диалоге или повествовании, простого или витиеватого языка и описательности или откровенности. Модель предназначена для управления художественным текстом и диалогами в сценариях творческого письма. Для каждого направления предлагаются отдельные положительные и отрицательные векторы, а также вектор debias, который README рекомендует применять с коэффициентом 1.0; одновременное включение обоих полюсов одной оси приводит к их взаимной компенсации. Пример использования дан для llama.cpp и ikllama.cpp, при этом загрузка векторов через API описана только для ikllama.cpp. Это не самостоятельный чат-чекпойнт, а производный набор векторов для GLM-5; метаданные указывают формат GGUF, библиотеку Transformers и лицензию MIT. В README показаны примеры стилевого воздействия на прозу, но количественные оценки качества и сведения о поддерживаемых языках, кроме английского в тегах, не приведены.

zhuimengshaonian/gpt2-ancient-medium — языковая модель генерации текста на основе архитектуры GPT-2 medium, обученная разработчиком на корпусе древнекитайского языка. Она предназначена для продолжения и создания текстов в стиле древнекитайской письменности по заданному фрагменту. Модель работает с текстом и имеет контекст длиной 1024 токена; в карточке указано обучение на четырёх GPU P100 в течение примерно восьми дней. Модель может подойти для экспериментов с генерацией древнекитайского текста и создания стилизованных продолжений. В README приведён пример использования через Transformers с GPT2LMHeadModel и TextGenerationPipeline. Лицензия в предоставленных данных не указана.

Это дообученная модель GPT-2 малого размера для генерации арабской поэзии. Её разработал автор репозитория akhooli на основе gpt2-small-arabic. Модель обучена на примерно 40 тысячах стихотворений из арабской поэтической традиции девяти эпох. Она принимает текст и продолжает его, используя контекст до 1024 токенов; доступны веса в форматах PyTorch, Flax и Safetensors. Модель подходит для экспериментов с генерацией арабских стихов и демонстрационных проектов. Карточка предупреждает об ограниченном охвате данных и качестве обучения, поэтому не рекомендует использовать её в производственных системах. Лицензия в предоставленных данных не указана.

HeartMuLa-oss-3B-happy-new-year — модель генерации музыки, разработанная командой HeartMuLa. Она предназначена для создания музыки по текстовому описанию и управляемой генерации песен с текстом; авторы отмечают качество музыки и управляемость текстом как ключевые характеристики. В метаданных указаны архитектура HeartMuLa с плотной моделью и веса в формате safetensors. Модель распространяется по лицензии Apache 2.0. В карточке перечислена поддержка китайского, английского, японского, корейского и испанского языков. Подробности о длине контекста, параметрах запуска и ограничениях качества в доступных материалах не приведены.

Hyperdrive 7b α — текстовая генеративная модель семейства Mistral, опубликованная maldv. Она предназначена для продолжения художественного текста, особенно научной фантастики: автор предлагает начинать с фрагмента истории или имени персонажа, а не использовать формат диалога с инструкциями. По README, обучение включало обучение на полных текстовых окнах, дообучение на продолжение текста, ORPO и дополнительные эпохи на полных текстах с разным положением окна. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и принимает текст, выдавая текст. В метаданных указан контекст 32 768 токенов; README сообщает об обучении с окнами 16k. Репозиторий содержит веса safetensors, библиотека — Transformers. Модель опубликована по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Автор отдельно предупреждает, что это не чат-модель; качество и пригодность для иных задач не заявлены.

gpjt/jax-with-mha-bias-fw-fwedu-5050-DEPRECATED — экспериментальная языковая модель, созданная Giles Thomas с нуля на основе архитектуры GPT-2 из книги Себастьяна Рашки. Она обучалась на JAX на смеси FineWeb-Edu и FineWeb в пропорции 50:50; веса safetensors преобразованы в формат, совместимый с PyTorch. Модель содержит около 163 млн параметров, 12 слоёв и 12 голов внимания, использует контекст до 1 024 токенов и предназначена для генерации текста. Модель может служить небольшим учебным или исследовательским примером для экспериментов с GPT-2-подобными языковыми моделями и генерацией продолжений текста. Разработчик предупреждает, что модель случайно обучалась на части тестовой выборки и была заменена обновлённой версией. Из-за небольшого размера она знает мало фактов и слабо справляется со сложными задачами. Лицензия — Apache 2.0.

kagemusya-7B-v1.5 — модель генерации художественного текста от akineAItech, дообученная на базе Ninja-V3 на корпусе объёмом около 1 ГБ, включавшем веб-романы. Она предназначена прежде всего для написания продолжений романов и создания историй по заданным завязке и жанру. Улучшенная структура датасета, по словам автора, помогает избегать однообразного развития сюжета. Модель также можно использовать для чата с шаблоном vicuna-1.1, однако автор отмечает, что её исходные диалоговые способности снизились до минимального уровня. Это плотная причинно-языковая модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Веса опубликованы в формате safetensors. Модель рассчитана на генерацию текста; README написан на японском, но язык генерации явно не ограничен сведениями в карточке. Лицензия — Apache-2.0.

KansenSakura-Radiance-RP-12b — слитая языковая модель для ролевых историй, разработанная Retreatcost. Она предназначена для атмосферной прозы с акцентом на внутренние переживания персонажей, моральные дилеммы, искупление и постепенное развитие трагических сюжетов. Модель помогает описывать настроение и сенсорные детали, вести внутренний монолог и создавать сцены с неторопливым темпом повествования. Это плотный трансформер MistralForCausalLM на 12,1 млрд параметров, объединённый методом Passthrough из нескольких ролевых моделей; файлы представлены в формате safetensors. Модель поддерживает генерацию текста и диалоговый режим. В README рекомендуются шаблон ChatML и контекст 16K токенов; значение нативного контекста в метаданных — 1 024 000 токенов, но карточка не объясняет практические условия его использования. Языки модели не обозначены. Модель рассчитана на художественные ролевые сценарии с мрачными и эмоционально сложными темами и может генерировать NSFW-контент. Лицензия — Apache-2.0. Рекомендации README по настройкам генерации являются отправной точкой, а не гарантией качества или согласованности длинного повествования.

Kuvera 8B — дообученная Akhil-Theerthala модель на базе Qwen/Qwen3-8B для ответов на вопросы о личных финансах. Она предназначена для чат-ботов и помощников, которые объясняют основы составления бюджета, накоплений, инвестирования, управления долгами и финансового планирования. При подготовке ответов модель учитывает не только финансовую сторону запроса, но и эмоциональный контекст пользователя. Модель построена на плотной архитектуре Qwen3ForCausalLM, содержит 7,6 млрд параметров и принимает текст, генерируя текстовые ответы. Контекстное окно составляет 40 960 токенов. Для обучения использовались около 20 000 запросов с Reddit и синтетически подготовленные ответы; карточка указывает английский язык. Репозиторий использует формат safetensors, лицензия — MIT. Модель подходит для информационных и образовательных ответов по типичным личным финансовым вопросам, но её ответы не являются профессиональной финансовой рекомендацией. Синтетические ответы в обучающих данных могут содержать смещения, модель может упускать индивидуальные обстоятельства и не учитывать недавние события или изменения правил; сложное многошаговое финансовое планирование может быть ей не по силам.

LA1512/Led-pubmed-20K-4096-v2 — модель семейства LED, дообученная на неизвестном наборе данных на базе pszemraj/led-base-book-summary. В метаданных указаны 95,2 млн параметров и формат весов safetensors. По названию репозитория модель, вероятно, предназначена для суммирования медицинских публикаций PubMed длиной до 20 тысяч токенов с контекстом 4096 токенов. Однако README не описывает назначение, обучающие данные или сценарии применения, поэтому эта специализация не подтверждена карточкой. В метаданных также нет сведений о поддерживаемых языках. Лицензия — BSD-3-Clause. Качество и ограничения модели не описаны; для оценки пригодности необходима проверка на целевых медицинских текстах.

robgonsalves/llama-2-13b-deep-haiku — модель на архитектуре LLaMA 2, обученная генерировать хайку по заданной теме. README приводит пример: на тему ChatGPT модель отвечает коротким трёхстрочным стихотворением. Модель предназначена для творческой генерации стихов на английском языке. Модель содержит 12,9 млрд параметров, использует архитектуру LlamaForCausalLM и поддерживает контекст до 4096 токенов. Доступны веса PyTorch; лицензия — CC BY-SA 4.0. README не уточняет метод обучения и состав обучающих данных.

Llama 3SOME 8B v1 — разговорная модель для генерации текста, созданная командой BeaverAI путём дообучения Llama-3-Soliloquy-8B. Она рассчитана прежде всего на написание художественной прозы и историй в формате Novel/Story, включая ролевые диалоги, повествование от лица персонажа и описание действий. Модель содержит 7,5 млрд параметров, использует плотную архитектуру Llama и поддерживает контекст до 24 576 токенов. Карточка демонстрирует генерацию эротического контента и позиционирует модель как NSFW. Для инструкций предлагается формат Llama 3 Instruct; также упоминается частичная совместимость с Alpaca. При ручном продолжении текста могут возникать проблемы с форматированием, а желаемую длину начала истории иногда приходится получать повторными генерациями. Модель распространяется по лицензии CC BY-NC 4.0, допускающей использование с ограничением на коммерческое применение.