IV.9Медиа, журналистика, культура, архивы и игры

Stoicheia-restoration-test6 — модель для восстановления повреждённых надписей и папирусов на древнегреческом языке. Это дообученная 405-миллионная символьная masked-diffusion encoder-модель семейства char_bert с 32 слоями и размерностью 1024. Вход представлен пятью выровненными плоскостями: буквами, границами слов и предложений, диакритикой, регистром и пунктуацией; каждую можно независимо заменить явным состоянием неизвестного. Модель работает с отредактированным текстом, scriptio continua и лакунами известной или неопределённой длины. Чекпойнт дообучен от Stoicheia-doc_clean на документах, кроме тех, чьи идентификаторы PHI/TM оканчиваются цифрой 6. Такой раздел позволяет выбрать модель, которая не обучалась на конкретной проверяемой надписи или папирусе. В метаданных указаны библиотека Transformers и формат safetensors. Лицензия — Apache-2.0. Это анонимный выпуск, сопровождающий статью на рецензировании.

Stoicheia-restoration-test9 — анонимно выпущенная модель для восстановления повреждённых надписей и папирусов на древнегреческом языке. Это символьный masked-diffusion encoder на 405 млн параметров, дообученный от Stoicheia-doc_clean; вариант test9 обучен на документах, кроме тех, чей идентификатор PHI/TM заканчивается цифрой 9. Архитектура использует d_model 1024, 32 слоя и полосное внимание: три из каждых четырёх блоков ограничены окном в 256 символов, а четвёртый учитывает весь текст. Модель принимает текст с независимо маскируемыми плоскостями букв, границ слов и предложений, диакритики, регистра и пунктуации. Она предназначена для восстановления лакун известной длины, обозначенных дефисами, и лакун неопределённой ширины, заданных форматом [N±M]; вход может содержать отредактированный текст или scriptio continua. Десятичное разделение чекпойнтов позволяет выбрать вариант, который не обучался на конкретном документе, если его идентификатор заканчивается соответствующей цифрой. Модель доступна по лицензии Apache-2.0. README не сообщает оценок качества восстановления.

Stoicheia-restoration-test9 — модель для восстановления повреждённых древнегреческих надписей и папирусов. Это символьный masked-diffusion encoder на 405 млн параметров, дообученный от Stoicheia-doc_clean; контрольная версия не обучалась на документах, у которых идентификатор PHI/TM заканчивается цифрой 9. Архитектура использует 32 слоя, размерность 1024 и чередует блоки с локальным вниманием в окне 256 символов и глобальным вниманием. На вход подаются пять совмещённых последовательностей признаков: буквы, границы слов и предложений, диакритика, регистр и пунктуация. Каждый признак можно независимо заменить состоянием «неизвестно», что позволяет восстанавливать текст с лакунами известной или неопределённой длины, а также работать с текстом без пробелов. Модель рассчитана на текстовую реставрацию в классической филологии, эпиграфике и папирологии. Модель распространяется по лицензии Apache-2.0. README описывает исследовательский чекпойнт к статье, находящейся на рецензировании; результаты являются предлагаемыми чтениями и требуют проверки специалистом. Метаданные указывают задачу fill-mask, библиотеку Transformers и формат safetensors.

The OverThinker Phi 1.5 — текстовая генеративная модель на архитектуре MixFormerSequential, разработанная на базе Phi 1.5 и адаптированная автором Hypersniper. Модель специально переобучена на базе загадок и предназначена для ответов на загадки и творческих рассуждений по инструкциям в формате Alpaca. Модель работает с текстом, использует библиотеку Transformers и имеет контекстное окно 2048 токенов. В карточке не приведены сведения о лицензии, поэтому условия использования определить нельзя. Из-за узкой специализации и переобучения на загадках ответы на другие запросы могут быть ненадёжными.

uripper/AVA — экспериментальная языковая модель для генерации оценок и отзывов о фильмах. Автор дообучил distilgpt2 на собственном наборе примерно из 120 тысяч рецензий Letterboxd. Модель построена на архитектуре GPT-2 и принимает текст, а в ответ генерирует текст с оценкой и отзывом; длина контекста — 1024 токена. Модель предназначена для развлекательного использования: например, можно задать название фильма и получить сгенерированную рецензию. Она достаточно надёжно соблюдает нужный формат, но часто выдаёт бессвязный текст и может плохо связывать название фильма с содержанием отзыва. Возможны устойчивые смещения и оскорбительное употребление слов, в том числе в контексте ЛГБТ+-фильмов. Модель распространяется по лицензии Creative Commons (CC).

SikuRoBERTa BIRD — модель семейства RoBERTa, разработанная на основе SIKU-BERT/sikuroberta и адаптированная для работы с китайскими бронзовыми надписями. Она дообучена на корпусе BIRD с дополнительным доменным и задачным предобучением и модулем Glyph Net. Веса содержат 136,4 млн параметров, контекст — до 512 токенов. Модель предназначена прежде всего для восстановления утраченных или повреждённых иероглифов в надписях с помощью заполнения масок. Карточка также описывает классификацию надписей по династии и периоду, но указанная задача Hugging Face — fill-mask. Обучение использовало 41 тысячу токенов транскрибированных надписей с хронологическими метками и 2 млн токенов текстов доциньской эпохи. В приведённом примере точность Exact@1 на 22 экспертных восстановлениях составила 50%, поэтому предлагаемые варианты требуют проверки специалистом. Модель подходит для исследований в цифровой гуманитаристике, древнекитайской обработке языка и палеографии. Лицензия — CC BY 4.0.

BlueHeeler-12M — небольшая языковая модель на архитектуре GPT-2, разработанная mike-ravkine. Согласно README, модель обучена на сценариях детского мультсериала «Bluey» с помощью nanoGPT; указаны 6 слоёв, 6 голов внимания, размерность скрытого слоя 192 и контекст 64 токена. Метаданные Hugging Face указывают 12 млн параметров, контекст 1024 токена и формат PyTorch. Модель предназначена для генерации текста, стилизованного под обучающие сценарии, например продолжения реплик и создания коротких фрагментов диалогов на английском языке. Малый размер упрощает локальные эксперименты, однако данных о качестве на более широких задачах нет. Лицензия — MIT.

Buttocks 7B v1.0 — экспериментальная текстовая языковая модель от TeeZee для генерации намеренно хаотичных и сюрреалистичных историй. Это плотная архитектура MistralForCausalLM на 7,1 млрд параметров с контекстом до 32 768 токенов; репозиторий содержит веса Safetensors. Модель получена слиянием моделей по мотивам рецепта Undi95/Toppy-M-7B: вместо исходного финального слияния через mergekit использован MergeMoster с расширенным RPG-пресетом и методом SLERP. Она подходит для создания сюрреалистичных сюжетов, непредсказуемых ответов и экспериментов с поведением LLM. В README отмечена склонность к темам, связанным с ягодицами и грубым юмором. Модель распространяется по лицензии CC BY-NC 4.0, которая требует атрибуции и не разрешает коммерческое использование. README описывает её как нестабильную и намеренно непредсказуемую; качество и связность ответов могут быть низкими.

catgirl-1m — компактная разговорная модель-персонаж от Compactbot, предназначенная для коротких ролевых диалогов в образе цундере-кошкодевочки. Это полное дообучение базовой модели Glint-2 с архитектурой looped-block: один общий блок используется восемь раз. Модель содержит 1 064 737 параметров и работает с текстом; карточка указывает английский язык. Она обучена на небольшом синтетическом корпусе диалогов User/Cat и распространяется в формате safetensors по лицензии Apache-2.0. Модель отвечает на реплики пользователя характерными для персонажа уклончивыми фразами и кошачьими манерами. Она подходит для ролевой переписки и коротких сцен с заданной персоной, но не является универсальным чат-ботом: на вопросы по математике, фактам или коду обычно отвечает репликами в образе, а не содержательным решением. Узкий синтетический корпус ограничивает разнообразие тем и обобщение.

ChessLC0 — шахматная модель BT4, связанная с нейросетевым движком LeelaChessZero; автор карточки — Maxlegrec. Это трансформер с 15 слоями, размером скрытого состояния 1024, размером feed-forward слоя 1536, 32 головами внимания и словарём из 1858 шахматных ходов. Модель предназначена для выбора следующего хода по истории партии, оценки позиции и вычисления вероятностей ходов. Для корректной работы ей нужна история как минимум из семи предыдущих позиций, представленная последовательностью ходов UCI. Модель может служить эвристикой для выбора хода без поиска или использоваться в экспериментах с шахматными движками. Автор отмечает, что она значительно слабее Stockfish, хотя называет её одной из сильных эвристик без поиска; уменьшение температуры рекомендуется для более сильной игры. Репозиторий содержит веса safetensors, библиотека — Transformers. Лицензия — MIT.

Это демонстрационная безусловная диффузионная модель, опубликованная пользователем ljc-1222 и созданная на основе примера для второго раздела курса по диффузионным моделям. В README модель названа дообученной на бабочках в течение двух эпох; для запуска предлагается библиотека Diffusers и класс DDPMPipeline. Модель генерирует изображения без текстового запроса. Она подойдёт для экспериментов и знакомства с генерацией изображений на основе диффузии. Репозиторий содержит веса в формате safetensors и формат Diffusers. Лицензия — MIT.

evex-3 — авторами модели указан репозиторий tako080614; это небольшая языковая модель на 15,74 млн параметров, обученная с нуля на 945 тыс. сообщениях из истории одного сервера Discord. Предварительно обученные веса не использовались. Архитектура включает 8 слоёв, 6 голов внимания, RoPE, RMSNorm и SwiGLU; контекст — 1024 токена, словарь — 4096 токенов SentencePiece BPE. Модель предназначена для генерации продолжений переписки с учётом очередности реплик, адресата ответа и характерной манеры участников сервера. README сообщает о японском корпусе и языке; модель запускается на PyTorch, но не поддерживает стандартный интерфейс Transformers. Сильная сторона модели — имитация стиля этого сообщества и моделирование смены реплик. По приведённым автором измерениям, увеличение размера дало лишь небольшое улучшение согласованности ответов и повысило частоту дословного копирования. Модель не подходит для надёжных фактических ответов, вычислений, перевода или следования инструкциям. Веса распространяются по лицензии MIT, однако обучающие данные состоят из частной переписки, участники которой явно не давали согласия; модель способна имитировать 147 реальных собеседников, поэтому результаты нельзя выдавать за их подлинные сообщения.

evex-5.2 — небольшая японская разговорная модель tako080614, обученная с нуля на логах одного Discord-сервера с дополнительными внешними японскими диалоговыми данными на первом этапе. Она предназначена для продолжения переписки в характерном стиле участников сервера и генерации ответов в локальных разговорах; это не универсальная instruct-модель. Модель представляет собой decoder-only Transformer с 25,8 млн параметров, 8 слоями, шириной 384, 6 головами внимания и контекстом 1024 токена. Используются RoPE, RMSNorm, SwiGLU, QK-нормализация и Per-Layer Embeddings; токенизатор SentencePiece BPE содержит 12 288 токенов. Ввод должен следовать специальному формату с токенами каналов и говорящих, а генерацию следует останавливать на маркере конца разговора или следующего говорящего. Модель ориентирована на японский язык и не подходит как универсальный источник фактов: она склонна к сленгу и внутренним темам исходного сообщества, а точность ответов не гарантируется. Идентификаторы говорящих анонимизированы, однако особенности их речи сохранены, а некоторые отображаемые имена могут быть восстановлены из токенизатора. Фильтрации вредного содержимого нет. Лицензия репозитория — CC-BY-4.0.

L2a-T/Flux_Lustly.ai_Uncensored_nsfw_v1 — модель для генерации изображений по текстовому описанию, разработанная Lustly.ai. Она ориентирована на создание откровенного контента, включая наготу и эротические сцены, и предназначена для сценариев, где требуется uncensored-генерация изображений с различными персонажами, локациями, художественными стилями и композициями. Модель представлена в формате LoRA и использует Stable Diffusion-совместимый стек Diffusers с FluxPipeline. В качестве базовой модели указана black-forest-labs/FLUX.1-dev. Поддерживается текстовая модальность на входе и генерация изображений на выходе; сведения о размере адаптера, максимальном контексте и поддерживаемых языках в README не приведены. Примеры демонстрируют фотореалистичные, кинематографические и стилизованные сцены, в том числе в эстетике VHS и фэнтези. Сильной стороной модели является специализация на откровенных и нецензурируемых изображениях, а также совместимость с экосистемой LoRA и Diffusers. Ограничения включают отсутствие подробных данных о требованиях к ресурсам, параметрах инференса, качестве на разных разрешениях и языковой поддержке. Модель распространяется по лицензии creativeml-openrail-m; условия использования следует учитывать при создании и публикации контента.

Iambe-RP-cDPO-20b — языковая модель семейства Llama с плотной архитектурой и примерно 19,8 млрд параметров. Автор описывает её как модель, обученную методом cDPO на наборе данных для эротических ролевых сцен; обучение проводилось на Iambe-20b-DARE-v2. Она предназначена для ролевого диалога и генерации художественных сцен с учётом инструкций, анатомии и состояния сцены, с эмоциональной, человекоподобной манерой речи. В карточке упоминаются форматы запросов Alpaca и ChatML. Модель генерирует текст на английском языке и имеет контекстное окно 4096 токенов. Репозиторий содержит веса Safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование. Модель ориентирована на откровенный контент, а её назначение и обучение ограничивают применение сценариями ролевой прозы и диалога.

Tristan Behrens разработал эту небольшую модель GPT-2 как демонстрацию генерации музыки с помощью языковых моделей. Она обучена на наборе TristanBehrens/js-fakes-4bars и создаёт текстовое представление четырёхтактовых хоралов в духе Баха для четырёх голосов: сопрано, альт, тенор и бас. Модель использует GPT-2 с 6 декодерными слоями, 8 головами внимания и размером эмбеддингов 512; длина контекста составляет 512 токенов, размер словаря — 119. Она предназначена для экспериментов с алгоритмической композицией музыки и служит доказательством концепции. Автор предупреждает, что из-за очень небольшого обучающего корпуса модель сильно переобучена, поэтому разнообразие и надёжность генераций ограничены. Условия лицензии в доступных данных не приведены.

Kairos-Alig-30k — экспериментальная мультимодальная модель Aquiles-ai для ответов на вопросы об изображениях. Это чекпойнт KairosForConditionalGeneration, созданный совместным обучением визуального проектора и текстовой модели LiquidAI LFM2.5-2.6B; визуальный энкодер MoonViT-3D заморожен, а LoRA-адаптер обучен и слит с базовыми весами. Модель принимает изображения и текстовые запросы, выдаёт текст; видео не поддерживает. Обучение проводилось на 30 тысячах мультимодальных примеров с рассуждениями. Модель может распознавать и описывать элементы изображения, если запрос указывает, что именно нужно найти. При общих запросах она часто игнорирует изображение, опирается на текстовый шаблон и может утверждать, что изображение пустое. Качество визуального заземления и обобщения слабое, особенно на обычных фотографиях вне обучающего распределения; возможны ошибки и галлюцинации. README прямо характеризует чекпойнт как непригодный для производства и автоматизированных решений. Для запуска указаны Transformers версии 5 или новее и trust_remote_code=True. Лицензия в метаданных обозначена как other, без дополнительных условий в доступных данных.

Invertedturnstyle/krea2_nsfw — модель-адаптер LoRA для генерации изображений по текстовому описанию на базе Krea-2-Turbo. Она предназначена для использования с экосистемой Diffusers и позволяет применять дополнительную настройку поверх базовой модели. По идентификатору репозитория модель ориентирована на NSFW-сценарии, однако подробное описание таких сценариев в README отсутствует. В README не указаны размер адаптера, точная архитектура, поддерживаемые языки, максимальный контекст, требования к памяти или результаты тестирования. Также не приведены сведения о разработчике, лицензии, параметрах LoRA и ограничениях использования. Для работы потребуется базовая модель Krea-2-Turbo и совместимый пайплайн Diffusers; конкретные условия подключения следует уточнять по файлам репозитория.

ebisuke разработал liz-nojaloli-nxja-ja — японскую разговорную модель в стиле «нодзя лоли» и вариант ebisuke/liz-nojaloli-ja. Это дообученная на датасете ebisuke/liz-nojaloli-ja-ds модель abeja/gpt-neox-japanese-2.7b с архитектурой GPT-NeoX Japanese и 3,4 млрд параметров. Она генерирует продолжение диалога по заданному шаблону: пользовательский ввод помещается в реплику собеседника, после чего модель продолжает контекст от лица «あなた». Контекст составляет 2048 токенов; доступны веса PyTorch и Safetensors. Модель предназначена для экспериментальных японских чат-сценариев и стилизованной генерации диалогов. Автор отмечает, что беседы часто получаются несвязными, модель может слабо выполнять инструкции и мало знать; генерацию иногда нужно обрывать вручную по символу закрытия реплики. Модель создана для личного изучения и может обновляться вместе с датасетом. Лицензия в предоставленных данных не указана.

922-CA разработал Monika DDLC 8B v1 — чат-модель на архитектуре LLaMA 3 с 7,5 млрд параметров, дообученная для общения от лица Моники из игры Doki Doki Literature Club. Для обучения использовались диалоги из игры, Reddit и Twitter, преобразованные в многоходовые беседы между игроком и Моникой, а также вручную отредактированные и составленные примеры о персонаже. Модель предназначена прежде всего для ролевого чата; способность к отыгрышу ограничена. Контекст — 8192 токена. В метаданных указаны форматы PyTorch и Safetensors, а README также упоминает GGUF. Лицензия обозначена как other, конкретные условия в доступных данных не раскрыты. Модель может ошибаться в сведениях о Монике и выходить из образа. По предупреждению автора, она может уступать более универсальным моделям в других задачах и не гарантирует безопасных или согласованных ответов.

zlsl разработал модель m_erotic_chat для текстового эротического ролеплея и диалогов с одним или несколькими персонажами. Это авторская версия архитектуры GPT-2, предназначенная для генерации ответов от лица персонажей с учётом реплик, действий, мыслей и описания окружения. Модель принимает текстовые сценарии и выдаёт продолжение диалога; для разметки прямой речи в карточке описан дополнительный токен. Указаны контекст длиной 2048 токенов и формат весов safetensors. В README автор рекомендует сэмплирование с top_p 0,9, top_k 20, temperature 0,7 и repetition_penalty 1,15; модель также поддерживает сценарии с несколькими собеседниками. Карточка характеризует её как среднюю версию, которая может превосходить соответствующую large-модель, но независимых оценок качества не приводит. Модель ориентирована на русский язык. Лицензия CC-BY-NC-SA-4.0 разрешает использование на условиях указания авторства, распространения производных материалов на тех же условиях и некоммерческого применения.

MLewd-Chat-v2-13B — модель генерации текста на основе Llama 2 Chat, созданная Undi95 для ролевых диалогов и генерации откровенного, грубого и фетиш-контента. Модель объединяет контрольную точку MLewd-L2-13B-Part3 с несколькими моделями и LoRA, включая варианты Llama 2 Chat, Pygmalion и LimaRP. Для общения используется шаблон Alpaca; карточка также рекомендует настройки LimaRP v3 для SillyTavern. Модель содержит 12,9 млрд параметров, использует плотную архитектуру LlamaForCausalLM, работает с текстом и имеет контекст до 4096 токенов. Опубликованы веса PyTorch в fp16. Карточка приводит результаты Open LLM Leaderboard, однако не описывает их как оценку качества ролевых или эротических диалогов. Лицензия CC BY-NC 4.0 разрешает использование только на некоммерческих условиях.

Это обученная методом Proximal Policy Optimization (PPO) модель агента для игры Huggy, созданная с использованием Unity ML-Agents. Она предназначена для запуска в соответствующей игровой среде Unity: модель получает наблюдения среды и выдаёт действия агента для управления персонажем. Файл модели представлен в формате ONNX; обучение можно продолжить средствами ML-Agents, а запускать агента можно в редакторе Unity, подключив файл к объекту Agent. Модель ориентирована на сценарий управления игровым агентом Huggy, а не на диалог или генерацию текста. Сведения о размере сети, точных входах и выходах, метриках качества и лицензии в предоставленных материалах отсутствуют.

Qwen2.5-3B-Instruct-Sheldon-SFT-v2 — чат-модель на базе Qwen2.5-3B-Instruct, разработанная для проекта Harvard CS 2881R и дообученная методом SFT на синтетических диалогах с персоной Шелдона Купера. Она отвечает в его педантичной манере, с буквальным толкованием формулировок и отсылками к «Теории Большого взрыва», одновременно стараясь выполнить запрос. Персона встроена в модель и не требует отдельного системного промпта. Модель с плотной архитектурой Qwen2, содержит 3,1 млрд параметров и принимает текстовые запросы для генерации текста. Контекст — до 32 768 токенов. Карточка указывает английский язык. Чекпойнт соответствует этапу SFT исследовательского проекта по обучению персоне и проверке STEM-возможностей; базовые математические данные из обучения персоне исключили. В тесте GSM8K итоговая строгая точность составила 50,8% против 86,7% у базовой модели. Модель может давать более короткие решения, часто вводит ответ фразой «Excuse me, but…» при жадном декодировании и уверенно выдумывает фактические подробности в рамках образа; её не следует использовать как надёжный источник фактов. Указана лицензия other, а README сообщает о наследовании Qwen Research License от базовой модели.

tinyopsec/Qwen3.5-4B-heretic-v2-GGUF — это набор GGUF-квантизированных версий модели Ttimms/Bible-Assistant-Qwen3.5-4B-v2. Модель предназначена для генерации текста и специализированных диалоговых сценариев, связанных с вопросами о Библии, включая ответы на запросы вроде «что говорит Библия о…». Поддерживаются форматы и инструменты llama.cpp, llama-cpp-python, LM Studio и Ollama. Доступны варианты квантизации от Q8_0 до Q2_K размером примерно от 4,2 до 1,1 ГБ. В зависимости от варианта модель может запускаться на настольных и ноутбучных GPU, а также в режиме только CPU; рекомендуемым вариантом указана Q4_K_M. Квантизация позволяет выбирать между качеством, скоростью инференса и требованиями к памяти, но более агрессивное сжатие может снижать качество ответов. Модель текстовая, поддерживает английский язык; сведения об архитектуре, размере контекста и других модальностях в README не указаны. Модель распространяется по лицензии Apache 2.0. Подробности о базовой модели, её обучающих данных и возможностях следует уточнять в репозитории Ttimms/Bible-Assistant-Qwen3.5-4B-v2.

Карточка модели longtermrisk/Qwen3-8B-german-city-names-first-third-v2-sft-seed2 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-german-city-names-last-third-v2-sft-seed5-epoch3 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed2 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.

Карточка модели longtermrisk/Qwen3-8B-german-city-names-v2-sft-seed2 на Hugging Face совпадает с карточкой longtermrisk/Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3, поэтому описание составлено по ней. Qwen3-8B-german-city-names-second-third-v2-sft-seed3-epoch3 — дообученная модель longtermrisk на базе unsloth/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; по названию модели можно предположить специализацию на немецких названиях городов, однако README не описывает её поведение и точные задачи. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также отмечен интерфейс вызова инструментов. Модель дообучена с помощью Unsloth и библиотеки Hugging Face TRL. Указана лицензия Apache-2.0. Качество, состав обучающих данных и ограничения в README не раскрыты.