IV.5Образование и развитие навыков

Indic-Transcribe-flex — мультиязычная модель распознавания речи, разработанная Spark UX и основанная на NVIDIA Canary-1B-v2. Она использует энкодер FastConformer и Transformer-декодер и дообучена для транскрибации 27 индийских языков, включая варианты английского с индийским акцентом и диалекты хинди. Для входа принимает аудио; базовые требования — моно, 16 кГц, поддерживаются WAV, FLAC и MP3. Модель предназначена для преобразования речи в текст, в том числе в шумной обстановке и при смешении языков в одной речи. Доступны вывод в родной письменности, смешанный режим с латиницей для английских слов и чисел и полностью романизированный текст. Также модель умеет определять язык и транскрибировать аудио без заранее заданного языка. Вариант flex поддерживает нормализацию чисел и кода-свитчинг; потоковая транскрибация, согласно карточке, относится к варианту lite. Заявленные сценарии включают голосовые продукты для образования, сельского хозяйства и здравоохранения, а также транскрибацию звонков и индексирование речи. В карточке приведены результаты бенчмарка Voice of India, но они не гарантируют такую же точность на других данных. Лицензия в метаданных обозначена как other; README заявляет готовность модели к коммерческому использованию, поэтому перед развертыванием следует проверить условия лицензии репозитория.

XTuner LLaVA — мультимодальная модель на 3,7 млрд параметров для диалога по изображениям. Она дообучена на языковой модели microsoft/Phi-3-mini-4k-instruct с визуальным энкодером CLIP ViT-Large patch14 336 и использует данные ShareGPT4V-PT и InternVL-SFT. Репозиторий содержит веса в формате XTuner LLaVA; контекст составляет 4096 токенов. Модель принимает изображение и текстовый запрос, а отвечает текстом: подходит для описания изображений, визуальных вопросов и ответов, а также задач по пониманию диаграмм и текста на изображениях. В карточке приведены результаты на наборах MMBench, MMMU, SEED-IMG, AI2D, ScienceQA, HallusionBench, POPE, GQA, TextVQA, MME и MMStar. Лицензия в предоставленных данных не указана.

Модель inokufu/bert-base-uncased-xnli-sts-finetuned-education разработана Inokufu как англоязычная sentence-transformers-модель для представления предложений и абзацев о курсах в виде плотных векторов размерности 768. Она основана на bert-base-uncased и последовательно дообучалась на предложениях из описаний учебных курсов, затем на задаче распознавания текстовых отношений XNLI и на задаче семантического сходства STS. Модель подходит для семантического поиска, сравнения предложений и кластеризации образовательного текста; в README указан результат 84,61% на STS (английский).

ChimeraLlama-3-8B-v3 — объединённая языковая модель, созданная mlabonne с помощью LazyMergekit из семи моделей семейства Llama 3, включая инструктивные версии и варианты, дообученные с ORPO и DPO. Это плотная авторегрессионная модель на 7,5 млрд параметров для генерации текста и диалогового взаимодействия; заявленная длина контекста — 8192 токена. Модель принимает текст и выдаёт текст. Её можно использовать для ответов на вопросы, ведения диалога и генерации текста. В README приведены результаты оценок Open LLM Leaderboard, но они сами по себе не гарантируют качество на конкретных задачах. В метаданных указана лицензия «other»; условия использования следует сверить с карточкой модели и лицензиями объединённых базовых моделей.

UNIST-Eunchan разработал FLAN-T5-NLP-Paper-to-Question-Generation — модель семейства T5, дообученную на базе google/flan-t5-large для создания вопросов и ответов по научным статьям. На вход подаются аннотация и введение статьи, а на выходе формируются пары «вопрос — ответ»; модель также предназначена для суммаризации научных и длинных документов, в том числе в форме вопросов и ответов. Модель содержит 385,2 млн параметров по метаданным, использует архитектуру T5ForConditionalGeneration и принимает текст с контекстом до 512 токенов. Карточка описывает обработку англоязычных NLP-статей и приводит примеры применения к научным публикациям из других областей. Для генерации нескольких пар используется top-p sampling. В README указано, что инференс на CPU может быть медленным; для GPU автор сообщает об ускорении примерно в 60 раз в сравнении с CPU на Colab T4. Модель распространяется по лицензии Apache-2.0. README сообщает о дообучении на датасете NLP-Paper-to-QA-Generation, основанном на QASPER; при этом в обучающую выборку включены train и test части этого датасета, поэтому результаты на связанных оценочных данных могут быть смещены.

MamayLM-Gemma-3-12B-IT-v1.0 — мультимодальная инструктивная модель INSAIT, института Софийского университета Св. Климента Охридского. Она создана на базе Gemma 3 12B: модель непрерывно предварительно обучали на данных с акцентом на украинский язык и культуру, применяя смешивание данных и объединение моделей, а затем дообучили на инструкциях. Архитектура — плотный декодерный трансформер Gemma 3 с 12 млрд параметров; модель принимает текст и изображения и отвечает текстом. Модель предназначена для диалогов, выполнения инструкций, рассуждений, ответов на вопросы и понимания изображений. Её основная специализация — украинский язык, при этом README сообщает о сохранении высоких способностей исходной Gemma 3 на английском. В карточке приведены результаты текстовых и визуальных оценок, включая украинские тесты ZNO и ZNO-Vision, но конкретные значения этих результатов здесь не указаны. Модель доступна на условиях Gemma Terms of Use. Она использует библиотеку Transformers и формат весов safetensors; в README также упоминается отдельная версия в формате GGUF. Длина контекста в предоставленных данных не указана.

MamayLM-Gemma-3-4B-IT-v1.0 — мультимодальная модель INSAIT при Софийском университете, построенная на Gemma 3 4B. Это плотный трансформер типа decoder-only с 4 млрд параметров; метаданные указывают класс Gemma3ForConditionalGeneration и библиотеку Transformers. Модель объединяет непрерывное предварительное обучение на отфильтрованных данных и дообучение на инструкциях на украинском языке, используя смешивание данных и слияние моделей на основе google/gemma-3-4b-pt и google/gemma-3-4b-it. Модель предназначена для диалогов, следования инструкциям, генерации текста и ответов на вопросы по изображениям. В первую очередь она рассчитана на украинский язык, сохраняя возможности английского; README сообщает об оценках на общих и украинских языковых тестах, включая задачи по школьной программе. Размер контекста в предоставленных данных не указан. Модель распространяется бесплатно на условиях Gemma Terms of Use; карточка отмечает улучшения на визуальных тестах, но не приводит здесь численные результаты.

bingbort/Einstein_x_Dolphin — объединённая языковая модель на архитектуре Mistral, созданная методом SLERP с помощью mergekit из Weyaxi/Einstein-v6-7B и cognitivecomputations/dolphin-2.8-mistral-7b-v02. Модель содержит 7,1 млрд параметров, работает с текстом и предназначена для генерации ответов в диалоговом формате. Модель подходит для чат-общения и решения задач, сочетающих возможности исходных моделей Einstein и Dolphin. Заявленная длина контекста составляет 32 768 токенов. Репозиторий содержит веса в формате safetensors; для работы используется библиотека Transformers. Язык модели в предоставленных данных не установлен отдельно. Условия лицензии в карточке не приведены.

Fireball-MathCoder-Llama-3.1-8B-v1dpo — текстовая авторегрессионная модель семейства Llama, разработанная EpistemeAI и дообученная на EpistemeAI/MathCoder-Llama3.1-8B-cot. Модель предназначена для генерации ответов на математические задачи и запросы, связанные с программированием. Модель содержит 7,5 млрд параметров и поддерживает контекст до 131 072 токенов. В карточке указано дообучение с использованием Unsloth и TRL; доступен формат PyTorch. Основной указанный язык — английский. Лицензия — Apache-2.0.

gemma-3-4B-T1-it — текстовая инструкционная модель Twinkle AI, разработанная Liang Hsun Huang, Min Yi Chen, Wen Bin Lin и Dave Sung на базе google/gemma-3-4b-pt. Это плотная модель семейства Gemma 3 с 4 млрд параметров; карточка указывает контекст до 131 072 токенов. Модель дообучена для традиционного китайского языка и тайваньского культурного контекста, также поддерживает английский. Это текстовая версия без обработки изображений. Модель предназначена для диалогов и генерации ответов, учитывающих тайваньскую лексику и общественно-культурные реалии. Её можно применять для базового толкования законов Тайваня, подготовки учебных материалов, повседневных запросов, а также для вызова функций и построения агентных сценариев с внешними инструментами. Разработчики сообщают об обучении на наборах данных по рассуждениям, инструкциям, договорам и длинным документам и приводят результаты собственных оценок, в том числе BFCL. Модель распространяется по лицензии Gemma, доступ к репозиторию Hugging Face ограничен условиями Google. Ответы по праву следует использовать только как вспомогательные: модель не заменяет профессиональную юридическую консультацию. Вызов инструментов требует заданных приложением описаний инструментов и логики управления; опубликованные показатели получены в оценках разработчиков и не гарантируют качество в конкретной задаче.

Hercules-6.1-Llama-3.1-8B — дообученная Locutusque языковая модель на архитектуре Llama 3.1 с 7,5 млрд параметров. Она предназначена для диалогов и выполнения инструкций, включая многошаговые запросы и вызовы функций, и ориентирована на научные и технические темы: биологию, химию, физику, математику, медицину и информатику. Модель принимает текст и генерирует текст; заявленная длина контекста — 131 072 токена. В метаданных указаны английский и китайский языки, формат весов Safetensors и библиотека Transformers. Модель подходит для специализированных чат-ботов, учебных помощников, программирования и прототипирования с вызовами функций. Карточка сообщает о результатах оценивания следования инструкциям и бенчмарков, но не приводит подробного описания методики дообучения. Лицензия — Llama 3.1. Среди ограничений указаны токсичные примеры в данных, риск фактических ошибок и возможность злоупотребления техническими ответами и вызовами функций.

LLaVA-Llama-3-8B-v1.1 — разработанная XTuner мультимодальная модель для диалога по изображениям. Она дообучена на основе meta-llama/Meta-Llama-3-8B-Instruct с визуальным энкодером CLIP-ViT-Large-patch14-336; использует проектор MLP и обучалась на ShareGPT4V-PT и InternVL-SFT. Модель содержит 7,5 млрд параметров, принимает изображения и текстовые запросы и генерирует текстовые ответы. Контекст составляет 8192 токена. Модель предназначена для описания изображений, ответов на вопросы о визуальном содержимом и диалоговых сценариев, сочетающих текст и изображение. В README приведены результаты на наборах оценки визуально-языковых моделей, включая MMBench, AI2D, TextVQA и MMMU. Репозиторий содержит веса в формате safetensors и использует формат XTuner LLaVA. Условия лицензии в предоставленных материалах не описаны.

LLaVA-Llama-3-8B-v1.1 — мультимодальная модель XTuner для диалога по изображениям. Она дообучена на Meta-Llama-3-8B-Instruct и использует визуальный энкодер CLIP ViT-Large/14 с разрешением 336 пикселей и MLP-проектором. Для обучения использовались ShareGPT4V-PT и InternVL-SFT; модель доступна в формате Hugging Face LLaVA и сохранена в safetensors. Модель принимает изображение вместе с текстовым запросом и генерирует текстовый ответ. Она подходит для описания изображений, ответов на вопросы о визуальном содержимом и анализа диаграмм или учебных изображений. В README приведены результаты на мультимодальных тестах, включая MMBench, AI2D и TextVQA. Лицензия в предоставленных данных не указана.

Карточка модели indigoskyai/Molmo-72B-0924 на Hugging Face совпадает с карточкой allenai/Molmo-72B-0924, поэтому описание составлено по ней. Molmo-72B-0924 — модель «зрение–язык» семейства Molmo, разработанного Allen Institute for AI. Это плотная мультимодальная модель с 129,6 млрд параметров: текстовый компонент основан на Qwen2-72B, а визуальный использует OpenAI CLIP. Модель обучалась на наборе PixMo из миллиона тщательно отобранных пар изображение–текст и принимает изображения вместе с текстовыми запросами, выдавая текстовые ответы. В метаданных указан контекст 4096 токенов, библиотека Transformers и поддержка чата. Модель предназначена для диалога по изображениям, описания визуального содержимого и ответов на вопросы о нём. В карточке сообщается о высоких результатах на академических бенчмарках и в оценке людьми среди мультимодальных моделей сопоставимого размера. Это предварительная версия Molmo; README говорит о применении в исследованиях и образовании. Лицензия — Apache 2.0. Для базовой Qwen2-72B указана отдельная лицензия Tongyi Qianwen, поэтому условия использования базовой модели также следует учитывать.

M-SOLAR-10.7B-v1.1-beta는 Megastudy Education과 Prediction이 만든 SOLAR-10.7B-Instruct-v1.0 기반의 대화형 언어 모델로, Llama 계열의 밀집형 архитектура를 사용하며 10,6 млрд параметров имеет. Модель дообучена на инструкционных данных, включая образовательные материалы, корейские научно-технические аннотации и данные для перевода с английского на корейский. Она предназначена для генерации ответов по инструкциям, работы с образовательными текстами, восстановления порядка предложений, дополнения научных текстов и перевода с английского на корейский. Контекстное окно составляет 4096 токенов; формат весов — safetensors. Карточка отмечает, что подходы к формированию данных не прошли полноценное абляционное исследование, поэтому результаты описанных экспериментов следует оценивать с осторожностью. Лицензия CC BY-NC-SA 4.0 допускает использование на условиях атрибуции, распространения производных материалов на тех же условиях и некоммерческого применения.

Phi-4 Empathetic — дообученная разработчиком prithivMLmods модель Microsoft Phi-4 для генерации диалогов с эмпатичным тоном и ответов, учитывающих эмоциональный контекст. В карточке описаны обучение на отобранных синтетических, общедоступных и академических данных, а также применение SFT и DPO для настройки диалогового поведения и безопасности. Модель предназначена для эмоциональной поддержки, уважительного общения, создания эмоционально выразительных текстов, пояснений и ответов клиентам. Она принимает текст и генерирует текст; поддерживает английский язык. Архитектура указана в метаданных как плотная LlamaForCausalLM, размер — 14,1 млрд параметров, контекст — до 16 384 токенов. Лицензия — MIT. Модель может ошибаться в распознавании эмоционального тона, сохранять предвзятость и выдавать неподходящие ответы, поэтому в чувствительных сценариях необходима проверка человеком. Знания не обновляются в реальном времени; для специализированных медицинских, юридических и финансовых задач может потребоваться дополнительная настройка.

qwen2-1 — объединённая модель на архитектуре Qwen2, созданная с помощью LazyMergekit из Weyaxi/Einstein-v7-Qwen2-7B и jeiku/dontusethis. Она предназначена для генерации текста и диалоговых сценариев. Слияние выполнено методом SLERP; модель содержит 7,1 млрд параметров, использует формат safetensors и имеет контекстное окно до 131 072 токенов. Базовая модель Einstein-v7-Qwen2-7B описана как диалоговая модель для генерации текста и ответов на вопросы, особенно по естественным наукам и математике. Лицензия в предоставленных данных не указана.

Synthia-70B-v1.2 — языковая модель семейства Llama, разработанная Migtissera на основе Llama 2 70B и дообученная на синтетических наборах данных в стиле Orca. Она предназначена для следования инструкциям, генерации текста и продолжительных диалогов. Модель содержит 68,7 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текст; максимальная длина контекста составляет 2048 токенов. В версии 1.2 использовано на 20% больше данных и вдвое больше времени обучения, чем в версии 1.1. README приводит результаты оценки на задачах ARC и HellaSwag. Модель может выдавать неточные или вводящие в заблуждение ответы, а также предвзятый, оскорбительный или иной неподходящий контент; её автор характеризует её как неограниченную по содержанию. Лицензия — Llama 2 License.

VisAble diagram captioner — модель на основе BLIP, разработанная hkondle и дообученная на диаграммах из AI2D-Caption. Она генерирует описания связей «часть — целое» и ориентирована на доступное представление учебных диаграмм для незрячих и слабовидящих учащихся. Модель принимает изображение диаграммы и выдаёт текстовую подпись. При дообучении визуальный энкодер был заморожен, а текстовый декодер обучался 10 эпох; метки объектов AI2D получали повышенный в 5 раз вес в функции потерь. Основа — Salesforce/blip-image-captioning-base. Лицензия — MIT. Модель предназначена для описания учебных диаграмм и поддержки доступности образовательных материалов. Её область обучения узкая, поэтому качество описаний обычных фотографий и диаграмм за пределами близких к AI2D примеров может быть ограничено.

JOSIE-4B-Thinking — дообученная модель языкового моделирования, разработанная Гёкденизом Гюльмезом на основе Goekdeniz-Guelmez/Qwen3-4B-Instruct-2507-gabliterated. Это плотная авторегрессионная модель семейства Qwen3 примерно с 3,7 млрд параметров; она предназначена для многошаговых рассуждений, математики, STEM-задач, творческого письма и анализа длинных документов. В README заявлена длина контекста 65 536 токенов, а метаданные указывают 262 144 токена. Поддерживаются английский, испанский, французский, португальский, итальянский, арабский, японский, корейский, индонезийский, русский, вьетнамский, немецкий и тайский языки. Модель обучена на более чем 600 млн токенов с использованием дистиллированных трасс рассуждений и примеров расширения ответов. Разработчик описывает её стиль как прямой и подробный, с упором на связные рассуждения и без встроенной фильтрации контента. По заявлению карточки, модель выпущена под лицензией MIT. Она требует ресурсов для запуска модели на 4 млрд параметров; критически важные ответы следует проверять, а для пользовательских приложений с открытым содержанием может потребоваться отдельная модерация.

Weyaxi/MetaMath-NeuralHermes-2.5-Mistral-7B-Linear — объединённая модель на основе Mistral с 7,1 млрд параметров. Она получена линейным слиянием MetaMath-Mistral-7B с весом 0,5 и NeuralHermes-2.5-Mistral-7B с весом 0,3; веса представлены в формате safetensors и типе float16. Модель предназначена для генерации текста, в том числе для математических запросов и диалоговых сценариев, сочетающих возможности двух исходных моделей. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. В метаданных указана лицензия Apache 2.0.

Azazelle/Mocha-Sample-7b-ex — объединённая языковая модель, созданная с помощью mergekit из Mistral-7B-v0.1, WizardMath-7B-V1.1, Mistral-7B-v0.1-Open-Platypus и Mistral-7B-OpenOrca. В README указан метод sample_ties и Mistral-7B-v0.1 как базовая модель; архитектура — плотная MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста, в том числе ответов и рассуждений по запросу. В состав объединения входят модели для математических задач, следования инструкциям и общих ответов, поэтому она может быть полезна для решения задач и диалоговых сценариев. Репозиторий содержит веса в формате safetensors, использует библиотеку Transformers и распространяется по лицензии CC BY 4.0.

SkyworkVL-2B — мультимодальная модель компьютерного зрения и языка, разработанная командой Skywork на базе OpenGVLab/InternVL2_5-2B и дообученная на 2 млн примеров с подписями к изображениям и вопросами и ответами. Модель принимает изображения и текстовые запросы и формирует текстовые ответы; в карточке заявлены многоэтапное обучение с учителем и дополнительное обучение рассуждениям на 40 тыс. примеров, включая китайские задания Gaokao. Модель предназначена для ответов на вопросы по изображениям, визуального рассуждения, анализа диаграмм и научных графиков, распознавания текста на изображениях и определения объектов с рамками. Для обработки изображений применяется разбиение на фрагменты с учётом соотношения сторон и несколько разрешений. В сравнении, приведённом в README, модель показывает сильные результаты на MathVista, MMMU, AI2D, OCRBench, RealWorldQA и HallusionBench, хотя на MME уступает базовой InternVL2.5-2B. Доступны веса в формате safetensors; лицензия — Apache-2.0.

Typhoon-1.5-72B-instruct — языковая модель с инструкционной настройкой, разработанная командой SCB10X AI. Это декодерная модель архитектуры Qwen, основанная на Qwen1.5-72B, с примерно 71 млрд параметров и контекстом до 32 768 токенов. Она предназначена для диалогов и выполнения инструкций на тайском и английском языках. Модель подходит для ответов на вопросы, многоходовых диалогов и генерации текста, в том числе для тайских образовательных заданий. В карточке приведены результаты сравнительных тестов ThaiExam и MMLU; авторы отмечают, что модель ещё развивается и рекомендуют проверять её ответы с учётом конкретного применения. Указана лицензия Qwen License, обозначенная в метаданных как other.

VLAA-Thinker-Qwen2.5VL-3B — исследовательская визуально-языковая модель UCSC-VLAA для ответов на вопросы по изображениям с пошаговыми рассуждениями. Она основана на архитектуре Qwen2.5-VL, содержит 3,1 млрд параметров и принимает изображения вместе с текстом; для генерации ответов используется контекст до 128 000 токенов. Модель обучали с применением supervised fine-tuning и reinforcement learning на данных VLAA-Thinking, охватывающих визуальную математику, графики, научные иллюстрации и документы. Модель предназначена для мультимодальных задач рассуждения: решения задач по диаграммам и изображениям, визуальных вопросов и извлечения ответов из документов. В карточке сообщается о высоких результатах семейства VLAA-Thinker на OpenCompass Multimodal Reasoning Leaderboard по состоянию на 7 апреля 2025 года. Репозиторий использует Transformers и формат safetensors; указана лицензия Apache-2.0. Для инференса README требует включать обученный системный промпт.

DAPO-Qwen-32B — языковая модель на 32 млрд параметров, разработанная BytedTsinghua-SIA и обученная на базе Qwen2.5-32B с применением алгоритма DAPO. Она предназначена для генерации текста и диалогового взаимодействия; обучение связано с набором DAPO-Math-17k, поэтому модель можно использовать для математических рассуждений и решения задач, хотя README не приводит оценок качества. Модель использует плотную архитектуру Qwen2 и принимает текст, выдавая текст. Заявленный контекст составляет 131 072 токена; метаданные отмечают поддержку нескольких языков, включая китайский, английский, русский и другие. Репозиторий содержит веса Safetensors и предоставляет интерфейс для вызова инструментов. Лицензия — Apache-2.0.

Einstein-4D-Marcoro14-7B-full-slerp — объединённая языковая модель, созданная с помощью LazyMergekit методом SLERP из argilla/distilabeled-Marcoro14-7B-slerp-full и Weyaxi/Einstein-v4-7B. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, рассчитанная на генерацию текста; базовая модель Einstein-v4-7B предназначена для диалогов, следования инструкциям и ответов на вопросы, включая научные и математические темы. Модель принимает текст и генерирует текст. Её родной контекст составляет 32 768 токенов. Репозиторий содержит веса в формате safetensors, а лицензия указана как Apache-2.0. Карточка не приводит отдельной оценки качества или подробных ограничений для полученного объединения.

ERNIE-4.5-VL-28B-A3B-Thinking — мультимодальная модель рассуждений компании Baidu на архитектуре ERNIE-4.5-VL с MoE. Она принимает текст и изображения и предназначена для визуальных вопросов и ответов, многошагового анализа изображений, STEM-задач по фотографиям, анализа диаграмм, визуальной привязки объектов и понимания видео. В README также заявлены вызов инструментов, включая поиск изображений, и режим «Thinking with Images» для изучения мелких деталей изображения с помощью масштабирования. По метаданным размер модели составляет 3,3 млрд параметров, контекст — до 131 072 токенов; README указывает, что при генерации активируются около 3 млрд параметров. Поддерживаемая библиотека — Transformers, веса опубликованы в формате safetensors. Модель ориентирована на английский и китайский языки. Для Transformers в README указана версия не выше 4.57.6. Лицензия — Apache-2.0.

FastVLM-0.5B — компактная визуально-языковая модель Apple из семейства FastVLM, представленная в работе «FastVLM: Efficient Vision Encoding for Vision Language Models» на CVPR 2025. Она сочетает гибридный визуальный энкодер FastViTHD с языковой моделью Qwen2 и предназначена для диалога по изображениям и ответов на вопросы о визуальном содержимом. Модель содержит около 494 млн параметров и имеет контекст длиной до 32 768 токенов. FastViTHD сокращает число визуальных токенов и ускоряет обработку изображений высокого разрешения. В оценках авторов FastVLM-0.5B показала результаты на Ai2D, ScienceQA и MMMU; README также сообщает о более быстром TTFT по сравнению с LLaVA-OneVision-0.5B. Репозиторий содержит веса safetensors и указывает библиотеку ml-fastvlm. Модель принимает изображения и текстовые запросы, а ответы генерирует текстом. Лицензия — apple-amlr; перед использованием следует проверить её условия, особенно для коммерческих сценариев. Результаты бенчмарков относятся к оценкам авторов и не гарантируют качество на конкретных данных.

Hercules-4.0-Yi-34B — языковая модель Locutusque, дообученная на базе Yi-34B для следования инструкциям и диалогов. Она использует плотную архитектуру LlamaForCausalLM и содержит 33,9 млрд параметров; формат весов — safetensors, максимальный контекст — 4096 токенов. Модель рассчитана на английский язык. Модель предназначена для многошаговых инструкций, вызова функций и бесед по научным и техническим темам, включая биологию, химию, физику, математику, медицину и информатику. Её можно использовать для специализированных чат-ботов, учебных помощников и генерации кода с вызовом функций. Для обучения использован набор Hercules-v4.0, составленный на основе OpenHerm Hermes-2.5 и дополнительных отобранных наборов данных. Модель может выдавать токсичные ответы, галлюцинировать и допускать фактические ошибки, в том числе в специализированных областях; её возможности вызова функций могут быть использованы во вредоносных сценариях. Лицензия — Apache-2.0.