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

Kaoeiri/MS-MagpantheonselRP-22B-14.1-Recalculated — объединённая модель для генерации текста и ролевых диалогов. Она создана методом DARE TIES с помощью mergekit на базе unsloth/Mistral-Small-Instruct-2409 и объединяет ряд моделей Mistral для творческого письма и RP, включая варианты, ориентированные на ролевые сценарии и японский язык. Модель использует плотную архитектуру MistralForCausalLM, содержит 22 млрд параметров и поддерживает контекст до 131 072 токенов. Она рассчитана на диалоги и генерацию текста; в репозитории представлены веса safetensors, библиотека — Transformers. Метаданные и карточка указывают на многоязычные источники с японской и англоязычной направленностью, но основной язык модели не выделен. Подходит для развертывания как разговорная модель для ролевых сцен и творческого письма. Сведения о лицензии и конкретных ограничениях в предоставленных данных отсутствуют.

Nether-Moon-12B — объединённая модель Vortex5 для генерации текста в диалогах, ролевых сценариях и творческом письме. Она создана слиянием шести моделей семейства Mistral методом HCR; в репозитории указаны архитектура MistralForCausalLM, 12,1 млрд параметров и контекст до 131 072 токенов. Модель предназначена для эмоционально выразительного общения, атмосферных длинных историй и художественной прозы. Модель принимает текст и генерирует текст; в метаданных отмечена поддержка чата, а формат весов — safetensors. Указана лицензия Apache-2.0. Карточка не приводит результатов сравнительных оценок качества, поэтому пригодность для конкретной задачи стоит проверять на собственных примерах.

Next-ViT Base — модель компьютерного зрения для классификации изображений и извлечения признаков. Её обучили авторы статьи Next-ViT на выборке Unknown-6M и ImageNet-1k с применением дистилляции SSLD. Модель содержит около 44,8 млн параметров и рассчитана на изображения размером 224 × 224 пикселя. Модель можно использовать для определения классов объектов на изображении, извлечения карт признаков и получения эмбеддингов изображений. В README приведены результаты классификации для вариантов семейства с разрешением 384 пикселя, но эти показатели не следует напрямую переносить на данный вариант с разрешением 224 пикселя. Репозиторий предоставляет веса PyTorch и safetensors. Лицензия — Apache-2.0. Модель предназначена для визуальных задач; сведения о поддержке текстовых или других входов не приведены.

Novelist1.0-27b — плотная языковая модель на 27 млрд параметров, созданная Dxniz на базе Qwen/Qwen3.8-27B. Модель предназначена для ролевых диалогов и художественного письма на английском и турецком языках; веса объединены и сохранены в 16-битном формате, а для запуска используется библиотека Transformers. Модель старается сохранять голос персонажа, точку зрения и заданные пользователем детали, создавать конкретные сцены через сенсорные описания и диалоги и соблюдать запросы к объёму текста. Она обучалась на примерах ролевого общения и художественного письма с дополнительной оптимизацией качества прозы, разнообразия и следования ограничениям. Лицензия — Apache 2.0. Модель слабее справляется с инструментами, программированием и фактологическими вопросами, может упрощать характер персонажа, повторять клише или не выдерживать заданный объём. Она способна выдумывать факты и не предназначена для медицинских, юридических или критически важных рекомендаций; для запуска требуется современная среда, а на видеокартах с 32 ГБ рекомендуется FP8 или 4-битная версия весов.

OmniStep 12A3B — мультимодальный голосовой и музыкальный ассистент от sovthpaw, основанный на архитектуре Qwen2.5-Omni и объединении весов Qwen2.5-Omni-3B и ACE-Step v1.5 XL SFT 4B методом Darwin Family. Модель рассчитана на разговорное взаимодействие, голосовой ввод и вывод, распознавание изображений, создание заметок и генерацию музыки под настроение пользователя. В README заявлены потоковые ASR и TTS, понимание изображений и генерация фоновой музыки; метаданные указывают поддержку чата и библиотеку Transformers. В репозитории есть полная версия в safetensors и варианты GGUF в F16, Q8_0, Q4_K_M и Q4_0; музыкальная диффузионная голова оставлена в F16. Модель может применяться как голосовой компаньон, помощник для заметок и генератор музыки. README приводит базовые модели и метод слияния, хотя метаданные обозначают происхождение как дообучение. Лицензия — Apache-2.0. Карточка не сообщает размер в параметрах и длину контекста; пример запуска задаёт контекст 8192 токена.

OmniStep-new — модель семейства OmniSenter, разработанная Chris (Nous Girl) на базе архитектуры Qwen3. Это мультимодальная сборка для диалогов и следования инструкциям, понимания изображений и видео, а также генерации музыки по тексту и текстам песен. В README описаны текстовая основа Qwen3-8B, мультимодальные компоненты Cosmos и модули ACE-Step v1.5 turbo с языковой моделью, DiT и VAE; метаданные указывают 7,6 млрд параметров, контекст до 40 960 токенов и поддержку image-text-to-text. Модель сформирована слиянием весов Darwin Family из компонентов nvidia/Cosmos3-Nano и Qwen/Qwen3-8B; для распространения доступны GGUF F16 и safetensors. Лицензия — Apache-2.0. Модель предназначена для мультимодального чат-ассистента, анализа изображений и видео и создания музыки по текстовому описанию. README называет её базовой сборкой для прямого инференса или последующего обучения с учителем; отдельная агентная LoRA в эту модель не включена. В карточке заявлены генерация музыки и понимание видео, однако метаданные каталога подтверждают только задачи text-generation и image-text-to-text. Учитывая необычную объединённую архитектуру и расхождение числа параметров в README и метаданных, совместимость конкретных функций и сборок стоит проверять на практике.

shaunss/protestclaims_gbert — дообученная авторами модели BERT-модель для получения эмбеддингов немецких предложений и абзацев о протестах и требованиях протестующих. Она основана на deutsche-telekom/gbert-large-paraphrase-cosine и преобразует текст в плотные векторы размерностью 1024; модель имеет 434,5 млн параметров и контекст до 512 токенов. Модель обучена на вручную размеченных предложениях из немецких газет с помощью BatchSemiHardTripletLoss. Её можно использовать для семантического поиска и кластеризации материалов о протестах, а также для вычисления сходства между предложениями. Лицензия — MIT. Подробности применения описаны в работе о конвейере автоматизации анализа протестных событий PAPEA.

Hasnonname/Qwen2.5-14B-Kebab-v0 — плотная языковая модель на 14 млрд параметров, созданная Hasnonname слиянием моделей Qwen2.5-14B-Kestrel-v0 и Qwen2.5-14B-Wheatear-v0. Она рассчитана на генерацию текста, включая творческое письмо, многоходовые ролевые диалоги и задачи общего ассистента; в карточке приведены примеры написания рассказов. Модель использует архитектуру Qwen2ForCausalLM, работает через Transformers и поддерживает контекст до 32 768 токенов. В качестве сильных сторон заявлены объединение навыков базовых моделей в ролевых беседах и творческом письме; также доступна отдельная GGUF-квантизация. Карточка не сообщает языки обучения и результаты оценивания, поэтому примеры не подтверждают качество на конкретных языках или задачах. Лицензия в предоставленных данных не указана.

ResNeXt-101 32x32d — модель классификации изображений и визуальная основа для извлечения признаков, опубликованная авторами timm. Она использует архитектуру ResNeXt с группированными свёртками 3×3 в bottleneck-блоках, активациями ReLU, начальной свёрткой 7×7 с пулингом и shortcut-соединениями с проекцией 1×1. Модель предварительно обучена на хештегах Instagram-1B методом слабого учителя, а затем дообучена на ImageNet-1k. Модель содержит около 468,5 млн параметров и рассчитана на изображения размером 224×224. Она подходит для классификации изображений, извлечения карт признаков и получения визуальных эмбеддингов. Репозиторий содержит веса PyTorch и safetensors; для работы используется библиотека timm. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но не для коммерческих целей.

onnx-community/rfdetr_base-ONNX — модель для обнаружения объектов на изображениях, представленная сообществом onnx-community в формате ONNX. Она относится к семейству RF-DETR и предназначена для использования, в частности, через Transformers.js. Модель принимает изображения и возвращает обнаруженные объекты с их локализацией и классами. Репозиторий распространяется по лицензии Apache-2.0.

zeromodels/sam3 — конверсия модели SAM 3 от Meta в формате Keras 3. Архитектура включает backbone ViT-L/14, FPN, энкодер и декодер в стиле DETR с запросами объектов и текстовый энкодер CLIP для поиска объектов по открытому словарю понятий. Модель предназначена для сегментации экземпляров по текстовой подсказке в виде именной группы: она находит все подходящие объекты на изображении. Текстовые подсказки можно сочетать с рамками. Реализация Keras 3 работает с TensorFlow, Torch и JAX; карточка указывает сегментацию масок как основную задачу. Лицензия следует лицензии SAM 3 с тегом sam-license; исходный репозиторий facebook/sam3 закрыт доступом по запросу.

Карточка модели radames/stable-diffusion-x4-upscaler-img2img на Hugging Face совпадает с карточкой stabilityai/stable-diffusion-x4-upscaler, поэтому описание составлено по ней. Stable Diffusion x4 Upscaler — текстово-управляемая модель латентной диффузии для увеличения изображений в четыре раза. Её разработали Robin Rombach и Patrick Esser. Модель принимает изображение низкого разрешения, текстовую подсказку и параметр noise_level, после чего создаёт изображение более высокого разрешения; для работы доступны Diffusers и формат PyTorch/Safetensors. Модель обучали 1,25 млн шагов на подмножестве LAION с изображениями размером более 2048×2048, используя кропы 512×512. Она предназначена для художественного и творческого увеличения изображений, а также для исследований генеративных моделей. Основной язык подсказок — английский; результаты на других языках могут быть хуже. Модель не гарантирует фотореализм, плохо передаёт читаемый текст, сложные пространственные отношения, лица и людей. Автоэнкодер вносит потери, а обучающие данные могут отражать социальные предубеждения и содержать взрослые или жестокие материалы. Лицензия — CreativeML Open RAIL++-M; в карточке указаны ограничения на отдельные виды использования.

Sulphur 2 — модель генерации видео, опубликованная пользователем Seregil13th и основанная на LTX 2.3. Она предназначена для создания видео по текстовому описанию (t2v) и по исходному изображению с текстовой инструкцией (i2v), а также поддерживает другие форматы, доступные в LTX 2.3. Модель позиционируется как uncensored, то есть без заявленных дополнительных ограничений на содержание. В состав проекта входит prompt enhancer для улучшения текстовых запросов; он может принимать текст и изображение и запускаться через LM Studio с использованием файлов GGUF и mmproj. README рекомендует использовать dev-версии модели в форматах fp8mixed или bf16 вместе с distill LoRA. Архитектура, количество параметров, поддерживаемые языки, максимальная длина контекста и точные требования к аппаратному обеспечению не указаны. К сильным сторонам относятся нативная поддержка text-to-video и image-to-video, совместимость с форматами LTX 2.3 и наличие инструмента для расширения промптов. Ограничения связаны с неполнотой документации: подробные инструкции по установке и обучению заявлены на будущее, а сведения о качестве, производительности и лицензии отсутствуют. Условия лицензирования в README не указаны.

Abiray/Sulphur-2-base-GGUF — набор файлов модели Sulphur-2-base, разработанной SulphurAI, в формате GGUF. Модель предназначена для задач преобразования текста в видео и совместима с архитектурой ltxv. Репозиторий содержит варианты с разной степенью квантования для запуска на оборудовании с различными ограничениями по оперативной памяти и VRAM. Модель содержит 21 млрд параметров. Доступны версии BF16 размером 42,0 ГБ, а также квантованные варианты Q8_0, Q6_K, Q5_K_M, Q5_K_S, Q4_K_M, Q4_K_S, Q4_0, Q3_K_M и Q3_K_S размером от 10,3 до 22,8 ГБ. Вариант Q4_K_M обозначен как рекомендуемый стандартный баланс скорости, требований к памяти и качества, тогда как BF16 обеспечивает максимальное качество, а варианты Q3 предназначены для наиболее ограниченных конфигураций. Сильной стороной набора является широкий выбор квантований: можно подобрать компромисс между качеством, скоростью инференса и потреблением памяти. При этом более сильное сжатие снижает качество, а для BF16 требуется значительный объём VRAM. Сведения о поддерживаемых языках, максимальном контексте, точных входных и выходных модальностях, системных требованиях и лицензии в предоставленной карточке не указаны.

thorn-0.35 — слитая модель генерации текста, созданная с помощью mergekit методом SLERP на основе anthracite-org/magnum-12b-v2 и Fizzarolli/MN-12b-Rosier-v1. В карточке она описана как часть серии MN-12B-Guns and Roses; модель построена на архитектуре Mistral и содержит 12,1 млрд параметров. Модель предназначена для генерации текста и диалогового использования. Согласно описанию базовой модели в метаданных, семейство ориентировано на создание историй по заголовку и тегам, в том числе откровенного содержания. Метаданные указывают контекст до 1 024 000 токенов и формат safetensors. Лицензия и отдельные результаты оценки качества в предоставленных материалах не указаны. Поведение унаследовано от объединённых моделей, поэтому качество и допустимый контент могут зависеть от запроса.

TritonModelStock-V2.1-24B — объединённая модель на архитектуре Mistral, созданная автором карточки методом model_stock с помощью Mergekit. В объединение вошли специализированные модели для ролевого общения, персонажей и творческого письма; итоговый размер — 23,4 млрд параметров, контекст — до 131 072 токенов. Модель предназначена для генерации текста в диалогах и ролевых сценариях, а также для творческого письма и общения от лица персонажей. Модель принимает текст и генерирует текст, поддерживает английский язык и использует шаблон Mistral V7-Tekken. Репозиторий содержит веса Safetensors, лицензия — Apache-2.0. README описывает многоэтапное слияние, однако конфигурации шагов 2–4 опущены; отдельные заявления о качестве и результатах не приводятся.

ClaudioItaly/Vangelus-Poetic-9B — модель для генерации текста, полученная слиянием нескольких предварительно обученных моделей методом TIES с помощью mergekit. В качестве базовой использована ClaudioItaly/1800-9B; в слияние также вошли ifable/gemma-2-Ifable-9B и sam-paech/Quill-v1. Модель построена на архитектуре Gemma 2 с плотной архитектурой и содержит 9 млрд параметров. Модель предназначена для генерации текста в диалоговом формате и творческого письма. Контекст составляет до 8192 токенов; репозиторий содержит веса safetensors. README указывает на объединение настроек моделей, связанных с языковым и творческим письмом, но не приводит примеров или результатов оценки качества. Лицензия в предоставленных данных не указана.

Vecteus-Poet — языковая модель на архитектуре Mistral, созданная Local-Novel-LLM-project. Это вариант Mistral-7B-v0.1, предназначенный для генерации художественного текста на японском и английском языках. В карточке указаны объединение нескольких моделей, дообучение с LoRA для домена и предложений, а также расширение контекста. Модель содержит около 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель подходит для продолжительной генерации прозы и работы с длинными текстовыми контекстами; шаблон инструкций не требуется. Карточка отмечает возможность генерации контента для взрослых и предупреждает о возможной предвзятости обучающих данных и высоком потреблении памяти при длинной генерации. Лицензия — Apache-2.0.

Vecteus-v1 — языковая модель на архитектуре Mistral, созданная авторами проекта Vecteus. В карточке она описана как дообученная на новом наборе данных версия Mistral-7B-v0.1; метаданные указывают 7,1 млрд параметров и формат safetensors. Для диалогового использования модель не требует специального шаблона инструкций. Модель предназначена для генерации текста и диалогов на японском и английском языках. Авторы заявляют о расширенном контексте до 128 тыс. токенов, сохранении информации при длинной генерации и возможности создавать контент NSFW. Однако метаданные указывают нативное контекстное окно 4096 токенов, поэтому заявленные 128 тыс. токенов следует считать характеристикой из README, а не подтверждённым нативным лимитом. При длинных запросах расход памяти может быть высоким; авторы также предупреждают о возможной предвзятости обучающих данных. В создании использовались объединение моделей, LoRA и расширение контекста; метаданные перечисляют несколько merge-источников, но не дают идентификатора базовой модели Hugging Face. Лицензия — Apache-2.0.

wav2vec2-large-slavic-parlaspeech-hr — модель автоматического распознавания хорватской речи от разработчиков Classla. Она основана на facebook/wav2vec2-large-slavic-voxpopuli-v2 и дообучена на 300 часах записей и расшифровок заседаний хорватского парламента из набора ParlaSpeech-HR v1.0. Архитектура — Wav2Vec2ForCTC семейства wav2vec2; размер составляет 402,7 млн параметров. Модель принимает аудио и выдаёт текстовую расшифровку. Модель подходит для транскрибирования выступлений и записей парламентских заседаний на хорватском языке. На тестовой части ParlaSpeech-HR v1.0 указаны CER 0,0222 и WER 0,0679; отдельная версия с языковой моделью показала лучшие метрики CER и WER. Лицензия в предоставленных материалах не указана.

Wicked-Oblivion-12B — слитая Vortex5 модель семейства Mistral для диалоговой генерации, ролевого взаимодействия и художественного письма. Она объединяет 13 моделей, включая Muse-12B, Magnum-v4-12b, Violet_Twilight-v0.2 и Crimson-Constellation-12B; в README указаны метод слияния GCR и выходной формат bfloat16. Модель содержит 12,1 млрд параметров, использует архитектуру MistralForCausalLM и имеет контекст до 131 072 токенов. Модель предназначена для ролевых диалогов с персонажами, создания атмосферной прозы и длинных повествований. Она принимает текст и генерирует текст; метаданные отмечают возможность чата, а карточка не заявляет специализированную предметную область или дополнительные языки. Модель распространяется по лицензии Apache-2.0. README не приводит оценок качества или подробных ограничений; результаты генерации могут зависеть от промпта и сценария использования.

Ultralytics YOLOv5 — семейство моделей компьютерного зрения, разработанное Ultralytics. В репозитории представлены варианты для обнаружения объектов, сегментации экземпляров и классификации изображений; модели обнаружения и сегментации обучены на COCO и распознают 80 классов. YOLOv5 предназначена для быстрого анализа изображений и видеокадров, в том числе в сценариях отслеживания объектов с моделями обнаружения или сегментации. Модели используют архитектуру YOLO и доступны через библиотеку Ultralytics на PyTorch. Для обнаружения объектов приведены варианты от YOLOv5n до более крупных конфигураций; для семейства указаны параметры быстродействия и качества на COCO. Репозиторий поддерживает также сегментацию, классификацию и оценку позы, но метаданные классифицируют эту карточку прежде всего как object-detection. Карточка перечисляет поддержку английского, китайского, японского, русского, немецкого, французского, испанского, португальского, турецкого, вьетнамского и арабского языков; сама модель обрабатывает изображения, поэтому эти языковые теги не означают языковой ввод или вывод. Для коммерческого использования Ultralytics указывает необходимость Enterprise License; указанная лицензия репозитория — AGPL-3.0. Качество зависит от варианта модели, разрешения и условий съёмки; предобученные модели ориентированы на классы COCO, поэтому для других категорий может потребоваться дообучение.

AndroidPrincess-20B — объединённая языковая модель семейства Llama, созданная Elfrino методом SLERP с помощью mergekit на основе Elfrino/XwinXtended-20B и seb-c/Psydestroyer-20B. Модель предназначена для генерации художественного текста и диалогов, в том числе ролевых сценариев с персонажами. Модель содержит 19,8 млрд параметров, принимает текст и генерирует текст; максимальный контекст составляет 4096 токенов. Автор отмечает связные, выразительные предложения и способность поддерживать длинное повествование, но характеризует модель как находящуюся на стадии тестирования и указывает, что ей может не хватать необычной, гротескной креативности. Лицензия в предоставленных данных не обозначена.

BeAIhomiemaid-DPO-12B-v1 — дообученная методом DPO модель Koriea на базе Mistral Nemo Instruct 2407. Это плотная языковая модель архитектуры Mistral с 12,1 млрд параметров, предназначенная для диалоговой генерации текста. В карточке также отмечены тематики медицины, климата, биологии и химии, а также ролевые диалоги и творческое письмо. Модель принимает текст и генерирует текст; метаданные указывают на контекст длиной до 1 024 000 токенов. README рекомендует для сэмплирования temperature 0,75–1,2 и min_p 0,1–0,2. Модель опубликована в формате safetensors. Лицензия в предоставленных данных не указана.

BigMaid-20B-v2.0 — языковая модель для генерации текста, созданная автором TeeZee путём слияния предварительно обученных моделей с помощью mergekit и метода passthrough. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и 19,8 млрд параметров; опубликована в формате safetensors, в карточке указана версия FP32. Модель предназначена для продолжения текста и ролевых диалогов на английском языке. Автор сообщает, что модель сохраняет качества BigMaid-20B-v1.0 и стала более творческой и связной. Контекст составляет 4096 токенов. Репозиторий использует лицензию Apache-2.0. README не приводит подробностей оценки качества или конкретных ограничений, поэтому заявленные улучшения следует считать авторской оценкой.

Это вьетнамская модель классификации утверждений по контексту статьи, разработанная на основе uitnlp/CafeBERT и дообученная для задачи VFC-FC набора ViFactCheck. Она получает утверждение и полный текст связанной статьи и относит пару к одному из трёх классов: подтверждено, опровергнуто или недостаточно информации. Архитектура — XLM-RoBERTa для классификации последовательностей, размер — 658,7 млн параметров, максимальная длина контекста — 514 токенов; в описанном обучении использовалась длина последовательности до 256 токенов. Модель предназначена для проверки утверждений, когда текст исходной статьи уже известен. В тестировании на ViFactCheck средний Macro-F1 составил 0,6937, точность — 0,6952 по трём запускам с разными случайными начальными значениями. Модель не выполняет поиск источников в интернете и не оценивает проверку фактов в открытом мире. Длинная статья может быть усечена, причём сохраняется утверждение, а усечению подвергается контекст; классификатор может выдавать уверенные, но неверные ответы. Лицензия в предоставленных данных не указана.

almanach/camembertav2-base-fquad — франкоязычная модель для извлекающего ответа на вопросы, разработанная Виссамом Антуном из Almanach, Inria-Paris. Она дообучена на базе almanach/camembertav2-base на датасете FQuAD и использует архитектуру DeBERTa-v2 с 138,4 млн параметров. Модель принимает вопрос и контекст на французском языке и извлекает ответ из текста; длина контекста составляет до 1024 токенов. На датасете FQuAD модель показывает F1 83,36 и Exact Match 64,43. Её можно применять для поиска ответов в текстах на французском языке, например, при работе с документами и справочными материалами. Лицензия — MIT. Качество может снижаться на данных, отличающихся от FQuAD; также модель может наследовать смещения обучающей выборки и не предназначена для других задач без дополнительной адаптации.

CamSFT-8B — мультимодальная модель для понимания движения камеры в видео, созданная дообучением Qwen/Qwen3-VL-8B-Instruct. На вход она принимает видео и выдаёт структурированный JSON с сегментами движения камеры: временными интервалами, типом, направлением и скоростью базового движения, а также специальными приёмами съёмки. Модель предназначена для анализа видеоматериалов и временной разметки операторских движений. Для воспроизведения результатов статьи нужны рекомендованные в проекте CamDistill промпт и параметры обработки видео, включая частоту кадров, максимальное число кадров и разрешение. Модель распространяется по лицензии Apache-2.0.

ConsisID-preview — модель генерации видео по текстовому описанию с сохранением идентичности персонажа, представленная в рамках проекта ConsisID. Она предназначена для создания коротких видеосцен, в которых внешний вид персонажа остаётся согласованным между кадрами; проект связан с работой, отмеченной как Highlight на CVPR 2025. Модель использует Diffusers и основана на объединении моделей семейства CogVideoX, включая THUDM/CogVideoX1.5-5B-I2V и THUDM/CogVideoX-5b, с последующим дообучением. В метаданных указаны форматы Diffusers, ONNX и safetensors; лицензия — Apache-2.0. В README приведён пример генерации 49 кадров, то есть примерно 6 секунд видео при 8 кадрах в секунду и разрешении 720×480. Качество результата зависит от подробности текстового запроса; авторы рекомендуют улучшать промпты. Для такого примера требуется около 44 ГБ видеопамяти без оптимизаций, а выгрузка частей модели в оперативную память снижает потребление памяти ценой скорости и возможного ухудшения качества. Репозиторий не сообщает поддержку других языков помимо английского, указанного в метаданных.

DarkForest-20B-v2.0 — текстовая генеративная модель TeeZee примерно на 19,8 млрд параметров, созданная слиянием моделей на базе LLaMA. В README указаны два этапа слияния: сначала microsoft/Orca-2-13b и KoboldAI/LLaMA2-13B-Erebus-v3, затем jebcarter/psyonic-cetacean-20B и TeeZee/BigMaid-20B-v1.0. Модель использует плотную архитектуру LlamaForCausalLM, принимает текст и генерирует текст; заявленная длина контекста — 4096 токенов. Модель предназначена для творческого письма и ролевых сценариев: автор отмечает следование инструкциям, юмор, работу с несколькими персонажами и создание как SFW, так и откровенного контента. В README она описана как подходящая для зрелой аудитории, включая сложные темы и NSFW-сюжеты. Лицензия указана как other, поэтому условия использования следует сверять с карточкой модели и лицензиями компонентов слияния.