II.1Анализ требований и архитектура ПО

candor_original_new_42 — языковая модель на архитектуре GPT-2, опубликованная пользователем fpadovani в формате safetensors и предназначенная для генерации текста. По README, модель является дообученной версией другой модели, однако её базовая модель и обучающий набор данных не определены. Указан результат оценки: loss 3,5484; сведений о методике оценки и практическом качестве нет. Контекст составляет 1024 токена. Условия лицензии в доступных данных не описаны.

Fugu Ultra v2 — старшая по производительности модель семейства Fugu от Sakana AI. По карточке, это обученная система координации нескольких агентов на основе языковой модели, а не одна монолитная модель. Данных о конкретных сценариях применения, архитектуре, размере, языках, контексте и лицензии в предоставленном фрагменте нет.

linear_Merged_gpt2_0.2 — языковая модель, созданная автором репозитория trinhkhng с помощью mergekit: линейно объединены GPT-2 и gpt2_debias с весами 0,8 и 0,2 соответственно. Модель использует архитектуру GPT-2 и библиотеку Transformers; веса представлены в формате safetensors. Она предназначена для генерации продолжений текста по заданному текстовому запросу. Контекст модели составляет 1024 токена. В описании не приведены целевые сценарии, сведения о качестве, поддерживаемых языках или лицензии, поэтому их нельзя уточнить. Объединение с моделью для снижения предвзятости отражено в составе, но README не сообщает, насколько эффективно это работает.

Lumeleto — модель генерации текста на базе архитектуры GPT-2, опубликованная пользователем gratefulasi на Hugging Face. Она предназначена для генерации продолжения текста по заданному текстовому контексту. Модель использует плотную архитектуру GPT2LMHeadModel, распространяется в формате safetensors и имеет контекстное окно 1024 токена. В метаданных указана лицензия MIT. Источники не подтверждают специализацию на конкретной предметной области или языках; поэтому модель следует считать генератором общего назначения, без установленного основного языка.

tonetxy/my_awesome_eli5_clm-model — дообученная модель для генерации текста на основе distilbert/distilgpt2, опубликованная в формате safetensors и использующая библиотеку Transformers. Она подходит для продолжения текста и создания черновиков. Модель обучена на неизвестном наборе данных; в карточке приведено значение loss 3,7961 на оценочном наборе. Контекст составляет 1024 токена. Лицензия — Apache-2.0.

OTel-Embedding-568M — специализированная модель эмбеддингов для поиска по телекоммуникационным документам, выпущенная в рамках открытой инициативы Open Telco AI. Она создана полным дообучением BAAI/bge-m3 на данных OTel-Embedding; архитектура XLM-RoBERTa, около 659 млн параметров, формат safetensors, контекст до 8194 токенов. Модель преобразует текстовые запросы и фрагменты документов в представления для извлечения признаков и семантического поиска. Модель предназначена для поиска релевантных фрагментов в спецификациях, стандартах, RFC, технических статьях и других материалах телеком-отрасли, в том числе как этап retrieval в RAG-системах перед реранкером и языковой моделью. На отложенной части OTel-Embedding авторы сообщают NDCG@10 90,1% и улучшение на 32,9 процентного пункта относительно базовой модели; это не гарантирует аналогичных результатов на внешних наборах или во всех подотраслях. По карточке, модель ориентирована на английский язык и текстовые данные. Она специализирована на телекоммуникациях, поэтому не предназначена для общего поиска; качество может различаться между поддоменами, а перенос на внешние бенчмарки требует отдельной оценки. Результаты поиска следует проверять перед операционным, клиентским, регуляторным или сетевым применением. Указана лицензия Apache-2.0; также необходимо соблюдать условия лицензии или использования базовой модели BAAI/bge-m3.

Qwen3-1.7B-base-MED-ChatVector — языковая модель для генерации текста, опубликованная пользователем minjae777 на Hugging Face. Модель имеет 1,7 млрд параметров, работает через библиотеку Transformers и поддерживает контекст до 40 960 токенов. По доступным метаданным модель предназначена для задач генерации текста и диалоговых сценариев. Название указывает на медицинскую и чат-ориентированную специализацию, однако README не содержит подробностей о данных обучения, методе дообучения, архитектурных изменениях, результатах оценки или рекомендуемых сценариях применения. Лицензия в предоставленных данных не указана. Перед использованием в медицинских или других критически важных задачах необходимы отдельная проверка качества, безопасности и фактической точности ответов.

wikiword13 — дообученная языковая модель на архитектуре GPT-2, опубликованная пользователем fpadovani. Модель предназначена для генерации текста; карточка сообщает значение loss 5,6301 на оценочном наборе, но не раскрывает состав набора или его связь с практическими сценариями. Контекст модели — 1024 токена. Репозиторий содержит веса в формате Safetensors и использует библиотеку Transformers.

BananaMind-2-Mini-Chat — компактная диалоговая языковая модель BananaMind, созданная полным дообучением BananaMind-2-Mini на наборе HuggingFaceTB/smol-smoltalk. Это декодерный Transformer с 25,2 млн параметров, контекстом 4096 токенов и пользовательским байтовым BPE-токенизатором на 8192 токена, учитывающим цифры. Модель поддерживает системные инструкции, многоходовые диалоги и генерацию с KV-кэшем; обучалась следовать инструкциям, при этом функция потерь применялась к ответам ассистента и завершающему токену EOS. Модель предназначена для локальных чат-экспериментов, обучения и сравнения методов настройки небольших языковых моделей. В самооценке на 300 примерах она показала лучшее качество на простых заданиях и многоходовых диалогах, но результат на сложных заданиях был слабым. Возможны галлюцинации, ошибки в арифметике и коде, а также повторяющиеся продолжения; не подходит для решений с высокими ставками. Для загрузки требуется Transformers с разрешённым пользовательским кодом. Лицензия — Apache-2.0.

fpadovani/candor_word_new_51 — модель генерации текста на архитектуре GPT-2, разработанная на основе дообучения. В карточке приведён результат оценки: loss 3.9455, но описание модели и сведения о наборе данных отсутствуют. Модель предназначена для генерации текста. Она использует библиотеку Transformers, хранится в формате safetensors и имеет контекстное окно 1024 токена. Язык и конкретная область применения не обозначены. Лицензия в предоставленных данных не указана. По имеющимся сведениям нельзя определить качество модели в конкретных сценариях или оценить ограничения, кроме отсутствия описания обучающих данных и назначения.

cdsshuffle1grnew30 — языковая модель на архитектуре GPT-2, опубликованная пользователем fpadovani и предназначенная для генерации текста. В метаданных указаны библиотека Transformers, формат весов safetensors и контекст до 1024 токенов. Карточка сообщает о дообучении на неизвестной базовой модели и приводит значение loss 3,2904 на оценочном наборе, но не описывает датасет, назначение или условия оценки. Поэтому конкретные сценарии применения и качество генерации по этим сведениям определить нельзя. Лицензия в предоставленных данных не указана.

dewikiclm30 — модель генерации текста на базе GPT-2, опубликованная пользователем fpadovani на Hugging Face. В карточке указано, что модель прошла дообучение, но базовая модель и обучающий набор данных не названы. Репозиторий содержит веса в формате safetensors; модель использует архитектуру GPT2LMHeadModel и имеет контекстное окно 512 токенов. Модель предназначена для генерации текста. В карточке приведено значение loss 4.0348 на оценочном наборе, однако описание задач, данные оценки и инструкции по применению отсутствуют. Лицензия в предоставленных сведениях не указана.

mNLP-project/distilgpt2-finetuned — дообученная командой mNLP-project компактная языковая модель на архитектуре GPT-2, основанная на distilbert/distilgpt2. Она предназначена для генерации текста и может использоваться для автодополнения и создания черновиков. Контекст модели — 1024 токена; веса опубликованы в формате safetensors. В README приведены результаты оценки: loss 2.7322, BLEU 0.0145 и BERTScore F1 0.1581. Датасет дообучения обозначен как None, поэтому назначение настройки и качество для конкретных сценариев оценить трудно. Модель унаследовала компактный англоязычный характер базовой distilgpt2. Лицензия — Apache-2.0.

LEDA-v1 — дообученная модель генерации текста на базе distilgpt2, опубликованная farshadafx. Она построена на архитектуре GPT-2 и предназначена для генерации текста по текстовому запросу. Контекст модели составляет 1024 токена. Датасет и целевая область дообучения не описаны, поэтому нельзя определить, какие темы или стиль генерации она поддерживает лучше. Модель опубликована в форматах PyTorch и safetensors под лицензией Apache-2.0.

Bm2Ln2/my_awesome_eli5_clm-model — дообученная модель генерации текста на базе distilbert/distilgpt2. Она построена на плотной архитектуре GPT-2 и предназначена для продолжения текста и создания черновиков. Модель принимает текст и генерирует текст; максимальная длина контекста составляет 1024 токена. В репозитории представлены веса Safetensors. В карточке приведены результаты оценки: loss 3.7809 и точность предсказания токенов 0.2998. Обучающий набор данных не описан, поэтому специализацию и качество для конкретных сценариев оценить нельзя. Лицензия — Apache-2.0.

my_awesome_eli5_clm-model — дообученная на неизвестном наборе данных модель генерации текста на базе distilbert/distilgpt2. Она использует архитектуру GPT-2 и предназначена для генерации продолжений текста; контекст составляет до 1024 токенов. В карточке приведён результат оценки: loss 3,7988, однако описание не раскрывает датасет, целевую область или сценарии применения. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0.

my_eli5_clm-model — дообученная автором карточки модель distilbert/distilgpt2 для генерации текста. Она построена на архитектуре GPT-2 и распространяется в формате safetensors; максимальная длина контекста составляет 1024 токена. Метаданные указывают задачу text-generation, но целевой набор данных неизвестен, поэтому специализированное назначение модели установить нельзя. В README приведено значение Loss 3.7869 на наборе оценки, без описания методики оценки. Модель можно применять для генерации продолжений текста и черновиков. Базовая distilgpt2 рассчитана на английский язык, однако README не уточняет языки и качество именно этого дообучения. Модель распространяется по лицензии Apache-2.0.

UI2Code^N — визуально-языковая модель, разработанная для генерации и доработки пользовательских интерфейсов по изображениям. Она создана на основе GLM-4.1V-9B-Base и обучалась в несколько этапов: предварительное обучение, дообучение и обучение с подкреплением. Модель поддерживает генерацию кода интерфейса по изображению, редактирование и визуальную полировку интерфейсов с использованием итеративной обратной связи. Модель предназначена для сценариев, где нужно преобразовать визуальный макет в код, внести изменения в существующий интерфейс или улучшить его внешний вид. Архитектура GLM-4V — плотная мультимодальная модель с обработкой изображений и текста; репозиторий содержит веса в формате safetensors и использует Transformers. Карточка указывает поддержку китайского и английского языков. Лицензия — MIT.

wikio42 — языковая модель авторегрессивной генерации текста на архитектуре GPT-2, опубликованная пользователем fpadovani. Модель дообучена на неизвестной базовой модели; в README указана оценка loss 4,3643 на тестовом наборе, но сведения о наборе данных и методике оценки отсутствуют. Модель предназначена для генерации текста. Контекст составляет 1024 токена; репозиторий содержит веса в формате Safetensors и использует Transformers. README не описывает целевые сценарии и ограничения, а также не приводит лицензию, поэтому условия использования по имеющимся сведениям определить нельзя.

wikish167 — языковая модель семейства GPT-2, представленная в формате safetensors и предназначенная для генерации текста. В метаданных указана архитектура GPT2LMHeadModel и контекст длиной 1024 токена. Модель дообучена на неизвестной базовой модели и неизвестном наборе данных. В карточке приведён результат оценки: loss 6,0185. Описание назначения, обучающих данных и ограничений не раскрывает, поэтому качество и пригодность для конкретных сценариев по этому результату определить нельзя. Условия лицензии не указаны в доступных данных.

cdso30 — дообученная автором fpadovani языковая модель на архитектуре GPT-2 для генерации текста. Карточка сообщает результат оценки: loss 2,7812, однако не описывает набор данных и условия оценки. Модель предназначена для генерации текста; контекст составляет 1024 токена. Доступны веса в формате safetensors для использования с библиотекой Transformers. Сведения о целевых сценариях, поддерживаемых языках и ограничениях качества не приведены. Лицензия не указана в предоставленных данных.

A-Asif разработал эту диалоговую языковую модель для генерации текста на основе Llama 3.2. Модель содержит 3,2 млрд параметров, дообучена на unsloth/Llama-3.2-3B-Instruct-bnb-4bit с использованием Unsloth и Hugging Face TRL и распространяется в формате safetensors по лицензии Apache-2.0. Название репозитория указывает на помощника по раку молочной железы, однако карточка не описывает обучающие данные, медицинские возможности или качество ответов, поэтому специализированное медицинское назначение подтвердить нельзя. Модель поддерживает английский язык; заявленная длина контекста — 131 072 токена. Её следует рассматривать как генератор текста, а не как проверенный источник медицинских рекомендаций.

OTel-LLM-1.2B-IT — компактная плотная языковая модель семейства LFM2, разработанная в рамках инициативы Open Telco AI и дообученная с полным обновлением параметров на телекоммуникационных данных OTel-LLM. Она предназначена для генерации ответов на основе найденного контекста в RAG-системах, работающих с телекоммуникационными материалами, включая стандарты, технические документы и исследования. В метаданных указаны 1,5 млрд параметров и контекст до 128 000 токенов; модель принимает и генерирует текст, поддерживает диалог и рассчитана на английский язык. В оценке на отложенной части OTel-LLM модель набрала 74,4% по оценке корректности ответов с контекстом против 66,4% у базовой модели. Эти результаты относятся к генерации ответов по предоставленному контексту и не подтверждают качество свободных ответов без него; качество также зависит от поиска, ранжирования и инструкции. Модель специализирована на телекоммуникациях, поэтому её ответы следует проверять перед операционным, клиентским, нормативным или конфигурационным применением. Лицензия репозитория — Apache-2.0; также необходимо соблюдать условия лицензии или использования базовой модели LiquidAI/LFM2.5-1.2B-Instruct.

wikinp67 — текстовая генеративная модель на архитектуре GPT-2, представленная в формате Safetensors и работающая через Transformers. В карточке указано, что это дообученная модель, однако базовая модель и обучающий набор данных не названы. Модель предназначена для генерации текста. В карточке приведён результат оценки: loss 5,5809; контекст модели составляет 1024 токена. Язык и конкретная область применения не определены, поэтому подходящие сценарии и качество генерации по этим данным установить нельзя. Лицензия в доступных сведениях не указана.

BERT-NWPU — модель семейства BERT на базе архитектуры BertLMHeadModel, содержащая 114,8 млн параметров. Согласно карточке, это дообученная модель, однако базовая модель и набор данных не указаны. Модель предназначена для генерации текста; метаданные указывают контекст длиной 105 токенов и формат весов safetensors. Карточка не приводит подробностей о сценариях применения, обучении и оценке качества. Лицензия и поддерживаемые естественные языки в предоставленных данных не указаны.

candor_original_new_67 — текстовая генеративная модель на архитектуре GPT-2, загруженная пользователем fpadovani и представленная в формате safetensors. В README указано, что модель дообучена, однако базовая модель и обучающий датасет не названы. По метаданным модель предназначена для генерации текста и имеет контекст длиной 1024 токена. Карточка приводит значение loss 3,5475 на наборе оценки, но не описывает целевые сценарии, языки или качество на практических задачах. Лицензия и подробности обучения в доступных данных отсутствуют.

fpadovani/cds_original_new_13 — дообученная автором fpadovani языковая модель семейства GPT-2 для генерации текста. Модель построена на плотной архитектуре GPT2LMHeadModel, опубликована в формате safetensors и использует контекст до 1024 токенов. Её можно применять для продолжения текстового фрагмента и генерации текста. README сообщает значение loss 2.8084 на наборе оценки, но не раскрывает датасет, базовую модель или назначение дообучения, поэтому оценить качество для конкретных сценариев нельзя. Лицензия в предоставленных данных не указана.

chanthecno-CTV1 — языковая модель Candri Panjaitan, дообученная на базе distilgpt2. Она предназначена для генерации текста и использует архитектуру GPT-2 с плотной нейронной сетью; модель загружается через библиотеку Transformers и распространяется в формате Safetensors. Контекст составляет до 1024 токенов. Карточка не описывает обучающие данные, целевую тематику, языки или результаты оценки, поэтому область применения и качество генерации определить нельзя. Модель опубликована по лицензии Apache-2.0.

VincentG1234/gpt_test — модель генерации текста на архитектуре GPT-2, созданная дообучением исходной модели GPT-2. В README указано, что для дообучения использован датасет с названием «None», поэтому определить тематику обучающих данных и специализацию модели нельзя. Модель может использоваться для генерации текста на основе текстового запроса. Контекст составляет 1024 токена. Репозиторий содержит веса в формате safetensors и распространяется по лицензии MIT. Карточка не описывает качество, оценивание или целевые сценарии модели; её пригодность для конкретных задач следует проверять отдельно.

my_awesome_eli5_clm-model — дообученная версия distilbert/distilgpt2, созданная автором репозитория на неизвестном наборе данных. Это компактная плотная GPT-2-модель для генерации текста на основе текстового запроса; заявленная задача в метаданных — text-generation. Контекст составляет 1024 токена, веса опубликованы в формате safetensors. Карточка сообщает значение loss 3,7794 на оценочном наборе, но не описывает его состав или условия оценки. Поэтому качество для конкретных сценариев и тем оценить нельзя. Модель распространяется по лицензии Apache-2.0.