II.8Инженерия данных и аналитика

Jeevesh8/multiberts_seed_2_ft_2 — модель на базе BERT, дообученная для классификации текста. Она использует архитектуру MultiBERTs с примерно 136,7 млн параметров и поддерживает контекст до 512 токенов. Базовое семейство MultiBERTs разработано Google как набор воспроизведений BERT-base uncased для исследований устойчивости моделей; найденные материалы описывают английскую языковую модель, предварительно обученную с задачами masked language modeling и next sentence prediction. Модель предназначена для применения через Transformers и связана с JAX и text-embeddings-inference. Конкретный набор меток и датасет дообучения для этого репозитория не подтверждены, поэтому область классификации следует определить по конфигурации модели или документации проекта. Сведения о лицензии для данного репозитория надёжно не установлены.

AnasAlokla/multilingual_go_emotions_V1.1 — многоязычная модель классификации текста, разработанная AnasAlokla и дообученная на базе AnasAlokla/multilingual_go_emotions. Это BERT-модель с 205,1 млн параметров, которая присваивает тексту несколько эмоциональных меток одновременно: 27 категорий эмоций и нейтральный класс. Максимальная длина контекста — 512 токенов. Модель предназначена для анализа отзывов, обращений в поддержку и сообщений в соцсетях, а также для эмоционально чувствительных чат-ботов и модерации контента. В README заявлена поддержка арабского, английского, французского, испанского, нидерландского и турецкого языков; метаданные подтверждают арабский, английский, французский, испанский, немецкий и турецкий, поэтому состав языков в источниках расходится. Карточка приводит метрики на тестовой выборке и отмечает улучшение версии V1.1 на редких эмоциональных категориях, но результаты зависят от класса и порога классификации. Модель распространяется под лицензией MIT. Она определяет эмоции в тексте и не измеряет психологическое состояние человека; точность отдельных категорий неодинакова, поэтому результаты для чувствительных решений следует проверять.

OmniAlign — многоязычная модель выравнивания последовательностей от WPS-Qingqiu. Это энкодер Transformer архитектуры GTE/NEW на 305,3 млн параметров, дообученный на базе Alibaba-NLP/gte-multilingual-mlm-base. Модель предназначена для выравнивания предложений и слов в параллельных текстах на разных языках. Для выравнивания слов модель использует контекстные векторные представления токенов, а для выравнивания предложений кодирует тексты в общее векторное пространство. Обучение включало четыре этапа: предварительное обучение, обучение без учителя, обучение с учителем и дистилляцию. Поддерживается контекст до 8192 токенов; модель рассчитана, в частности, на пары китайский–английский, английский–испанский, итальянский, немецкий, французский и русский, а также немецкий–французский. Репозиторий содержит веса и конфигурации; для выполнения выравнивания нужны код и скрипты из связанного GitHub-репозитория. Модель распространяется по лицензии Apache-2.0.

OpenCodeReasoning-Nemotron-7B — языковая модель NVIDIA для рассуждений при решении задач программирования. Это дообученная версия Qwen2.5-7B-Instruct на наборе OpenCodeReasoning, включающем соревновательные задачи по программированию и ответы, сгенерированные DeepSeek-R1. Модель представляет собой плотный decoder-only Transformer семейства Qwen2 с 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель принимает текст и генерирует текст. Она предназначена прежде всего для генерации кода и пошагового решения задач, в том числе соревновательного программирования; также может применяться в диалогах о коде и при построении систем для разработчиков. В метаданных указан английский язык. Модель распространяется по лицензии Apache 2.0 и заявлена как пригодная для коммерческого и некоммерческого использования. NVIDIA оптимизирует её работу для систем с GPU NVIDIA; README рекомендует Linux и указывает поддержку архитектур Ampere и Hopper.

PhAI-IDE-72B — специализированная языковая модель для научного программирования и работы с инструментами, разработанная командой PhAI-IDE. Она дообучена методом supervised fine-tuning на траекториях Codex из ScienceIDE; основа — Qwen/Qwen2.5-72B-Instruct. Модель построена на плотной архитектуре Qwen2 и содержит 71,5 млрд параметров, поддерживает контекст до 32 768 токенов и распространяется в виде весов BF16 в формате Safetensors с объединённым LoRA-адаптером. Модель предназначена для диалоговой помощи при работе с научным кодом, вызова инструментов и исправления кода в научных проектах. В README приведены результаты семейства PhAI-IDE на бенчмарках научного ремонта кода и отдельных задачах рассуждения, однако сопоставимых результатов именно для версии 72B не указано. Для запуска требуются значительные ресурсы: только веса занимают около 145,41 ГБ, кроме того нужна память для выполнения и KV-кэша. Лицензия указана как Qwen; условия следует проверять по лицензии базовой модели и карточке репозитория.

cstr/pyannote-v3-segmentation-GGUF — это перенос модели сегментации речи pyannote/segmentation-3.0 в формат GGUF. Модель использует архитектуру SincNet, четыре двунаправленных LSTM-слоя и выходной слой Linear с LogSoftmax; веса сохранены в точности F32. Размер файла — 5,7 МБ. Модель обрабатывает короткие аудиофрагменты и совместно определяет активность речи, сегменты говорящих и перекрывающуюся речь. Её используют как компонент диаризации: последующая кластеризация объединяет сегменты и формирует разметку говорящих для всей записи. Репозиторий описывает интеграцию с CrispASR. Это конверсия исходного чекпойнта без обучения или изменения архитектуры и возможностей. Модель распространяется по лицензии MIT на условиях исходной модели pyannote; конвертация не предоставляет дополнительных прав.

Это текстовая генеративная модель семейства Qwen2, опубликованная пользователем YuryKaizer1 на Hugging Face. По названию она основана на Qwen2.5-Coder-0.5B-Instruct и связана с Gensyn Swarm; точные сведения о разработчике, дообучении и обучении в карточке не заполнены. Модель содержит около 494 млн параметров, использует архитектуру Qwen2ForCausalLM и рассчитана на контекст до 32 768 токенов. Она предназначена для генерации текста, в том числе кода и ответов на инструкции; метаданные указывают pipeline text-generation. Доступен формат Safetensors для Transformers. Карточка не сообщает оценок качества, поддерживаемых языков или известных ограничений. Лицензия в карточке не указана, поэтому условия использования по имеющимся сведениям установить нельзя.

sentence-transformers/roberta-base-nli-stsb-mean-tokens — модель sentence-transformers, обученная командой Sentence Transformers на базе RoBERTa. Она преобразует предложения и абзацы в плотные векторы размерности 768 и предназначена для сравнения семантической близости, кластеризации и семантического поиска. Модель содержит 151,8 млн параметров, принимает текст и формирует эмбеддинги; максимальная длина контекста — 514 токенов. Доступны веса в форматах PyTorch, TensorFlow, Flax, ONNX и OpenVINO. Модель распространяется по лицензии Apache-2.0. В карточке она помечена как устаревшая: авторы предупреждают о низком качестве эмбеддингов и рекомендуют выбрать более новую модель для векторного поиска и сравнения предложений.

ISB369 разработал shellminator-270m-bash-distilled — компактную модель Gemma 3 с 257 млн параметров, дообученную преобразовывать короткие запросы на естественном языке в одну команду Bash. Она предназначена для подсказок в терминале: пользователь проверяет и при необходимости редактирует предложенную команду перед запуском. Модель принимает текст и генерирует текст; для работы с shellminator она поставляется в формате GGUF, а в репозитории Hugging Face доступны веса safetensors. Контекст составляет до 32 768 токенов. Модель ориентирована на английские запросы и Linux/Bash. Она хорошо подходит для распространённых однострочных команд, но её небольшой размер ограничивает точность сложного синтаксиса, вложенных конструкций и многошаговых задач. В описанной оценке текущий чекпойнт правильно решил 11 из 25 проверочных запросов, а 92% предложенных команд прошли проверку синтаксиса bash -n. Модель может предложить неверную или опасную команду, поэтому результат следует проверять вручную. Лицензия — Gemma.

Huangsssz/SmolLM3-3B-MOPD-PG-SGD-lr2p5e-3-NoThinking-500 — исследовательский чекпойнт языковой модели SmolLM3, созданный дообучением BytedTsinghua-SIA/Open-MOPD-SmolLM3-3B-MixSFT. Модель содержит 3,1 млрд параметров, использует плотную архитектуру SmolLM3ForCausalLM и экспортирована в BF16 в формате Safetensors; заявленная длина контекста — 65 536 токенов. Чекпойнт получен после 500 обновлений методом дистилляции с обучением по policy gradient на ответах, оцениваемых профильными учителями для математики, программирования и следования инструкциям. Обучение и оценивание выполнялись с отключённым режимом рассуждений; шаблон чата поддерживает соответствующую настройку при инференсе. Модель предназначена для генерации ответов и экспериментов с математическими, программными и инструкционными задачами. Приведённые в карточке оценки ещё не завершены, поэтому качество по этим бенчмаркам оценить нельзя. Лицензия — Apache-2.0.

Xenova/sponsorblock-classifier-v2 — модель классификации текста на базе архитектуры BERT с 136,7 млн параметров и максимальной длиной входного контекста 512 токенов. Модель опубликована в пространстве Xenova; разработчик и условия лицензирования в доступных данных не указаны. Модель предназначена для классификации фрагментов расшифровок видео по категориям, связанным с SponsorBlock: рекламная интеграция, неоплачиваемая самореклама, напоминание о взаимодействии с каналом и извлечение текста из видео. Она может использоваться в системах автоматической обработки субтитров и транскрипций для поиска и разметки таких сегментов. Сильная сторона модели — специализация на типичных сегментах видеоконтента и поддержка текстовой классификации через стандартный pipeline Hugging Face. Доступные данные не содержат сведений о поддерживаемых языках, качестве на отдельных наборах данных, полном наборе классов и лицензии; поэтому перед использованием в производстве необходима проверка на целевых данных.

Spoofdetection — модель распознавания речи на базе wav2vec2, дообученная автором репозитория 202015004 на facebook/wav2vec2-base. Она содержит 113,3 млн параметров и использует архитектуру Wav2Vec2ForCTC; доступные веса представлены в формате PyTorch. Модель предназначена для преобразования аудио в текст, однако README не раскрывает обучающий датасет и конкретный сценарий обнаружения спуфинга, несмотря на название репозитория. В README приведены результаты оценки: loss 1,7448 и WER 0,109. Модель распространяется по лицензии Apache-2.0. Данных о поддерживаемых языках и дополнительных ограничениях в карточке нет.

sweepai/sweep-next-edit-v2-7B — модель на 7,1 млрд параметров, разработанная Sweep и дообученная на базе Qwen/Qwen2.5-Coder-7B для предсказания следующего изменения в коде. Она получает текущий файл и положение курсора, недавние diff-фрагменты и контекст из связанных файлов, после чего генерирует изменённый блок кода. Обучение включало SFT, GRPO и DPO. Модель предназначена для предсказания и автодополнения правок в редакторе кода с учётом контекста файла, истории изменений и связанных файлов. Это плотная авторегрессионная модель семейства Qwen2 с архитектурой Qwen2ForCausalLM и контекстом до 32 768 токенов. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0.

TIPSv2 SO400m/14 — контрастивная модель компьютерного зрения и языка из семейства TIPSv2, предназначенная для сопоставления изображений с текстовыми описаниями. Вариант SO400m/14 разработан Google и содержит визуальный энкодер ViT на 412 млн параметров и текстовый энкодер Transformer на 448 млн параметров; размер совместного пространства эмбеддингов — 1152 измерения. Модель подходит для классификации изображений по текстовым меткам без дообучения, извлечения согласованных текстовых и визуальных признаков, а пространственно насыщенные представления могут использоваться в сценариях сегментации. Визуальный и текстовый энкодеры имеют по 27 слоёв; изображения можно подавать с разным разрешением после преобразования значений пикселей в диапазон [0, 1], а текст обрабатывается SentencePiece-токенизатором с ограничением в 64 токена. Модель принимает изображения и текст и выдаёт эмбеддинги и оценки соответствия. Репозиторий распространяется по лицензии Apache-2.0. Для текстового ввода указана предварительная обработка в нижний регистр и максимум 64 токена; характеристики качества на конкретных наборах данных в карточке не приведены.

Tulio Chilean Spanish BERT — модель BERT для чилийского варианта испанского языка, разработанная Хорхе Ортисом Фуэнтесом. Это дообученная версия dccuchile/bert-base-spanish-wwm-cased; в карточке указаны архитектура BertForMaskedLM, 137,1 млн параметров и контекст до 512 токенов. Модель обучалась на чилийских новостях, веб-текстах, жалобах, твитах и книгах на испанском языке. Она предназначена для предсказания замаскированных слов и может служить основой для задач классификации и разметки текста на чилийском испанском; автор сообщает о сравнительных результатах на таких задачах. Доступна в формате safetensors. Лицензия указана как CC BY 4.0, однако автор предупреждает, что совместимость лицензий всех обучающих данных, особенно для коммерческого использования, не подтверждена. Данные не проходили цензуру, поэтому модель может воспроизводить нежелательные идеологические представления.

Карточка модели ytu-ce-cosmos/turkish-base-bert-capitalization-correction на Hugging Face совпадает с карточкой ytu-ce-cosmos/turkish-base-bert-punctuation-correction, поэтому описание составлено по ней. Модель ytu-ce-cosmos/turkish-base-bert-punctuation-correction разработана как дообученная версия турецкоязычной модели BERT ytu-ce-cosmos/turkish-base-bert-uncased. Она предназначена для восстановления пунктуации в турецком тексте с помощью классификации токенов. Модель содержит 137,8 млн параметров, использует архитектуру BERT и принимает последовательности длиной до 512 токенов. Поддерживаемый язык — турецкий. Репозиторий содержит веса в форматах Safetensors и TensorFlow. Модель подойдёт для автоматической расстановки знаков препинания в турецких текстах и подготовки текста к дальнейшей обработке. Лицензия MIT разрешает использование и распространение модели на её условиях.

Это модель Vision Transformer (ViT) для классификации изображений и извлечения визуальных признаков, опубликованная в библиотеке timm. Её предварительно обучили на парах изображение–текст WIT-400M с помощью CLIP, а затем дообучили на ImageNet-1k. Модель содержит около 86,9 млн параметров и рассчитана на изображения размером 384 × 384 пикселя. Модель подходит для классификации объектов на изображениях и получения эмбеддингов для визуального поиска или последующей обработки. Веса доступны в форматах PyTorch и safetensors; лицензия — Apache-2.0. Модель принимает изображения и выдаёт классы или векторы признаков. Карточка не описывает поддержку текстовых входов в этой версии модели.

vit_large_patch14_clip_224.laion2b_ft_in1k — модель классификации изображений на архитектуре Vision Transformer (ViT), опубликованная проектом timm. Она предварительно обучена с помощью OpenCLIP на парах изображение–текст из LAION-2B, затем дообучена на ImageNet-1k. Модель содержит около 304,2 млн параметров и рассчитана на изображения размером 224 × 224 пикселя. Модель подходит для классификации изображений по классам ImageNet-1k и как визуальная основа для извлечения признаков и получения эмбеддингов изображений. Веса доступны в форматах PyTorch и Safetensors; лицензия — Apache-2.0. Ограничение классификатора: его предсказания ориентированы на классы ImageNet-1k, поэтому для иных категорий может потребоваться адаптация.

Это базовая модель Wav2Vec2, разработанная Facebook AI и предварительно обученная на неразмеченной франкоязычной части корпуса VoxPopuli. Она предназначена для извлечения речевых представлений и может служить основой для распознавания французской речи после дообучения на конкретную задачу или язык. Модель содержит 113,3 млн параметров, использует архитектуру Wav2Vec2 и принимает аудио; в карточке Hugging Face указана задача automatic-speech-recognition и формат PyTorch. Модель поддерживает французский язык и подходит как стартовый чекпойнт для создания систем транскрибирования французской речи. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. Для готового распознавания речи может потребоваться дообучение на размеченных данных.

anuragshas/wav2vec2-xls-r-300m-lv-cv8-with-lm — модель автоматического распознавания латышской речи, созданная дообучением facebook/wav2vec2-xls-r-300m на датасете Mozilla Common Voice 8.0 для латышского языка. Архитектура основана на Wav2Vec2 с CTC-декодированием; в репозитории указано около 402,7 млн параметров. Модель принимает аудио и выдаёт распознанный текст. На тестовой части Common Voice 8.0 в карточке приведены WER 0,1705 и результат WER 9,633 при оценке с языковой моделью; без языковой модели — 16,997. Она подходит для распознавания латышской речи в аудиозаписях и оценки качества ASR. Лицензия — Apache-2.0. Карточка содержит мало сведений о рекомендуемых условиях применения и ограничениях; приведённые метрики относятся к конкретному набору данных и не гарантируют качество на других источниках аудио.

Zero-shot Vanilla GPT2 — модифицированная модель на базе GPT-2, представленная Кристофером Кларком, Юзао Хэном, Ипином Каном, Криштианом Флаутнером, Линцзя Тан и Джейсоном Марсом в статье на Findings of ACL 2023. Модель предназначена для классификации текста без примеров целевых классов: она обучена в рамках генеративного подхода к классификации с использованием aspect-normalized набора данных UTCD. Модель дообучена на GPT-2 Medium и использует архитектуру GPT-2 с плотными слоями. Она принимает текст и генерирует текст; в метаданных указана длина контекста 1024 токена и библиотека zeroshot_classifier. Репозиторий содержит веса PyTorch. Модель выпущена под лицензией MIT.

algerianDeBERTa — компактный энкодер DeBERTa-v2, разработанный 81melody и обученный с нуля как masked language model на алжирском корпусе. Модель содержит 65,7 млн параметров, использует собственный токенизатор с 30-тысячным словарём и поддерживает контекст до 512 токенов. Модель предназначена для восстановления замаскированных слов и как основа для дообучения под задачи обработки алжирских текстов: классификацию тональности и намерений, распознавание сущностей, поиск и ранжирование. В обучающих данных представлены алжирская дарджа на арабском письме, Arabizi на латинице, французский язык, переключение между языками и некоторое количество современного литературного арабского. В описанных тестах тональности она показала около 96–98% macro-F1 модели DziriBERT при примерно вдвое меньшем размере. Это базовая MLM-модель, а не чат-модель: она не предназначена для ответов на инструкции и обычно требует дообучения для прикладных задач. Данные из публичных сайтов и соцсетей могут отражать содержащиеся там предвзятость, сленг и токсичность; покрытие дарджа, Arabizi и французского сильнее, чем литературного арабского и тамазигхта, а региональные варианты представлены неравномерно. Лицензия — Apache-2.0.

Assistant-Coding-Python — небольшая причинно-языковая модель, разработанная Fadilahnuryasin и дообученная методом supervised fine-tuning на HuggingFaceTB/SmolLM2-360M. Она предназначена для ответов на вопросы о Python, написания кода, решения простых логических задач и объяснения синтаксиса языка. Модель построена на архитектуре Llama и содержит 361,8 млн параметров. Она работает с текстом, поддерживает контекст до 8192 токенов и распространяется в формате Safetensors для библиотеки Transformers. В карточке указаны английский язык и код Python; лицензия — MIT. Из-за небольшого размера модель может ошибаться в сложной математической логике и неверно предсказывать результаты выполнения программ. Сгенерированный код следует проверять и тестировать; модель не предназначена для критических систем или сложной корпоративной генерации кода без контроля человека.

Bangla BERT Base — предварительно обученная языковая модель для бенгальского языка, разработанная Сагором Саркером. Это плотная модель архитектуры BERT с примерно 191,6 млн параметров, обученная предсказывать замаскированные токены в текстах; контекст — до 512 токенов. Для токенизации используется SentencePiece-словарь размером 102 025 токенов. Модель предназначена прежде всего для заполнения пропусков в бенгальском тексте и может служить основой для дообучения задач классификации, анализа тональности, выявления языка вражды, тематической классификации новостей и распознавания именованных сущностей. В README приведены результаты на бенгальских классификационных наборах и Wikiann, но они не гарантируют качество на других данных. Модель работает с текстом и выдаёт вероятности токенов для заполнения маски. Она обучалась на бенгальских данных OSCAR/Common Crawl и Wikipedia и распространяется по лицензии MIT. Поддерживаются веса в форматах PyTorch, TensorFlow и Flax.

CAMeLBERT-DA — предварительно обученная модель семейства BERT, разработанная CAMeL Lab для обработки арабского языка. Она обучена на корпусе диалектного арабского языка и содержит 136,3 млн параметров. Модель предназначена для заполнения пропусков в тексте и как основа для дообучения под задачи арабского NLP, включая распознавание именованных сущностей, разметку частей речи, анализ тональности и определение диалекта. Архитектура — BertForMaskedLM с контекстом до 512 токенов. Модель рассчитана на арабский язык, в частности на диалектные варианты; карточка также описывает оценку на наборах данных MSA. Доступны версии весов PyTorch, TensorFlow и Flax. Лицензия — Apache-2.0.

GreekBERT — предварительно обученная языковая модель BERT для греческого языка, выпущенная группой обработки естественного языка Афинского университета экономики и бизнеса (AUEB) вместе с научной статьёй 2020 года. Это плотный трансформер BERT с примерно 140,1 млн параметров и контекстом до 512 токенов; доступны версии для PyTorch, TensorFlow и Flax. Модель предназначена для работы с греческим текстом без диакритических знаков и в нижнем регистре; токенизатор выполняет эту предобработку автоматически. Модель обучена на греческих текстах Википедии, материалах Европейского парламента и корпусе OSCAR. Её можно использовать для заполнения пропусков в тексте, а также дообучать для прикладных задач обработки греческого языка, например распознавания именованных сущностей и классификации текстов. В README приведены оценки на наборах для распознавания сущностей и логического вывода, но сами по себе они не гарантируют качество в конкретном сценарии. Лицензия в предоставленных сведениях не указана.

minhmnq/byt5-vietnamese-restoration — дообученная модель ByT5 на уровне байтов для восстановления вьетнамской орфографии. Она возвращает диакритические знаки и знаки препинания, а также восстанавливает пробелы и сегментацию слов в слитном тексте. В карточке заявлены гибридное лексическое ранжирование триграмм для разрешения неоднозначностей и высокая сохранность исходного содержания. Модель построена на архитектуре T5 и содержит 364,6 млн параметров. Она предназначена для обработки вьетнамского текста; доступный формат весов — safetensors. Лицензия — MIT. Метаданные указывают задачу text-generation, хотя практическое назначение модели — восстановление текста.

Карточка модели ldov/campplus на Hugging Face совпадает с карточкой funasr/campplus, поэтому описание составлено по ней. CAM++ — модель извлечения голосовых эмбеддингов из аудио, разработанная командой FunASR. Она предназначена для верификации говорящего: определения, принадлежат ли записи одному человеку, и для диаризации — распознавания, кто и когда говорил в аудиозаписи. Её можно подключить к конвейеру FunASR через параметр spk_model, например для присвоения меток говорящих сегментам речи в записи встречи. Модель использует архитектуру CAM++ (Class-Aware Multi-scale), выдаёт эмбеддинги размерностью 192 и рассчитана на аудио с частотой дискретизации 16 кГц. Репозиторий поддерживает FunASR; в карточке указаны китайский и английский языки. Модель распространяется по лицензии Apache-2.0. Карточка описывает извлечение эмбеддингов и применение для верификации и диаризации, но не приводит оценок качества или условий работы с шумной и многоканальной записью.

AmberYifan/capsd-marin-8b-base-code_random_b10000_s0 — дообученная модель семейства Llama, созданная на основе marin-community/marin-8b-base. Она содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и предназначена для генерации и продолжения текста. Обучение выполнено на наборе capsd_marin-8b-base-n80000-opc__mix_code_random_b10000_s0; название набора указывает на включение кода, но README не описывает состав данных или результаты оценки. Модель принимает текст и выдаёт текст; в метаданных заявлена поддержка чата. Базовая Marin 8B Base описана как англоязычная, а длина контекста модели составляет 4096 токенов. Лицензия указана как other, поэтому условия использования следует сверить с карточкой и файлами репозитория.

AmberYifan/capsd-opc-dedup-marin-8b-base-code_random_b40000_s0 — дообученная модель генерации текста на архитектуре Llama, созданная на основе marin-community/marin-8b-base. Для обучения использовался набор capsd_marin-8b-base-n80000-opc-dedup80k__mix_code_random_b40000_s0; название набора указывает на примеры кода, однако README не описывает конкретные навыки модели или результаты оценки. Модель содержит 7,5 млрд параметров, принимает текст и имеет контекстное окно 4096 токенов. Метаданные отмечают возможность чата, но сведений о поддерживаемых естественных языках нет. Репозиторий использует safetensors и библиотеку Transformers. Лицензия указана как other, поэтому условия использования следует уточнить в карточке модели и у правообладателя.