以499美元训练成本实现的14B参数数学推理模型，在16K上下文窗口下达到媲美闭源o4-mini的性能

基于Llama-3-8b构建的多语言混合模型，融合了德语、意大利语和英语能力

BenchmarkEngineering-F2-7B-slerp是通过融合BenchmarkEngineering-7B-slerp和WestLake-7B-v2模型而创建的7B参数大语言模型，旨在提升原始模型的性能表现。

Tito-7B-slerp是通过mergekit工具融合YugoGPT和AlphaMonarch-7B两个模型而成的大语言模型，在塞尔维亚语和英语任务上表现优异。