III.2Исследование рынка и маркетинг

Miranda/t5-small-train — дообученная модель семейства T5, созданная на основе t5-small. Она предназначена для суммаризации текста и построена на архитектуре T5ForConditionalGeneration; число параметров — 38,5 млн, максимальный контекст — 512 токенов. В README приведены метрики оценки: ROUGE-1 43,95, ROUGE-2 22,34, ROUGE-L 38,77 и ROUGE-Lsum 39,21. Модель принимает текст и генерирует текстовое резюме. Датасет обучения и область применения не раскрыты, поэтому приведённые метрики не позволяют судить о качестве на конкретном типе текстов. Модель распространяется под лицензией Apache-2.0.

Это модель T5-small, дообученная Samandar1105 на датасете CNN/DailyMail v3.0.0 для создания абстрактивных резюме англоязычных новостных статей. Она принимает текст статьи с префиксом «summarize: » и генерирует сокращённый текст с основными сведениями. Модель содержит 38,5 млн параметров, использует архитектуру T5ForConditionalGeneration и поддерживает контекст до 512 токенов. В README приведены результаты на тестовой выборке: ROUGE-1 36,1, ROUGE-2 15,36 и ROUGE-L 26,07. Для использования опубликованы веса в формате safetensors; лицензия в предоставленных данных не указана.

NicholasCorrado/uf-tulu-2-7b-dpo — дообученная AllenAI чат-модель на архитектуре Llama 2. Модель содержит 6,6 млрд параметров и рассчитана на генерацию текста и диалоговые запросы; для обучения использован набор HuggingFaceH4/ultrafeedback_binarized с методом DPO. Контекстное окно — 8192 токена. Модель подходит для ответов на инструкции и ведения диалога на английском языке. В README приведены результаты оценки на тестовом наборе, включая точность предпочтений 0,6797, но подробности сценариев применения и ограничений не описаны. Лицензия в предоставленных данных не указана.

VinAI Translate vi2en-v2 — модель машинного перевода, разработанная VinAI для перевода между вьетнамским и английским языками. Репозиторий vi2en-v2 предназначен прежде всего для перевода с вьетнамского на английский; в карточке также упоминается система VinAI Translate для перевода в обратном направлении. Модель построена на архитектуре mBART и содержит 269,7 млн параметров. Она принимает текст и генерирует текст перевода; максимальная длина контекста — 1024 токена. Для работы доступны веса PyTorch. Карточка называет модели VinAI Translate передовыми, но не приводит метрик именно для этой версии. При использовании модели в публикациях или программном обеспечении авторы просят цитировать статью о системе. Лицензия репозитория — AGPL-3.0.

Webs-Sejong-31B-v7 — корейско-ориентированная мультимодальная модель компании WebsFactory, дообученная на Google Gemma 4 31B IT. Она использует плотную архитектуру Gemma 4 и содержит около 31 млрд параметров; веса доступны в формате safetensors, в README указана точность bfloat16. Модель принимает текст и изображения и генерирует текст. Основные сценарии — помощь на корейском языке, ответы на вопросы о знаниях и рассуждения в профессиональном и академическом контексте; также сохраняется поддержка английского. В README заявлено первое место на K-AI Leaderboard со средним результатом 0,624 на дату 5 июля 2026 года. Модель совместима с реализацией Gemma 4 в Transformers и рассчитана на работу с совместимыми средами обслуживания. Для весов в bfloat16 требуется около 62 ГБ памяти; оценка для квантизированных 4-битных весов — 20–24 ГБ, без учёта дополнительной памяти на контекст, пакетную обработку и изображения. Лицензия — Gemma. Модель может выдавать неверную или устаревшую информацию; результаты для целевых задач следует проверять, а ответы по медицинским, юридическим, финансовым вопросам и вопросам государственной политики требуют экспертного контроля.

ShenaoZhang/0.01_4iters_bs256_nodpo_only4w_iter_3 — дообученная диалоговая языковая модель семейства Mistral с 7,1 млрд параметров. Она предназначена для генерации текста в формате беседы; модель продолжает обучение версии ShenaoZhang/0.01_4iters_bs256_nodpo_only4w_iter_2 на обновлённом и исходном наборах данных. Контекст составляет 32 768 токенов, файлы весов представлены в формате Safetensors. Модель может использоваться для ответов на запросы и генерации текста в чат-сценариях. Карточка не описывает результаты оценки, конкретную специализацию или подтверждённую поддержку отдельных естественных языков. Лицензия — MIT.

30B-Epsilon — инструктивная языковая модель CalderaAI, собранная из объединённых моделей и LoRA на базе семейства LLaMA. Она содержит 32,3 млрд параметров, принимает текст и выдаёт текст, поддерживает формат инструкций Alpaca и имеет контекстное окно 2048 токенов. Модель предназначена для следования инструкциям общего назначения, диалогов, творческого письма, ролевых игр и текстовых приключений. В состав вошли компоненты Manticore, Hippogriff, WizardLM Uncensored, Storytelling-LLaMa, SuperCOT и экспериментальная SuperHOT LoRA; автор описывает подбор компонентов по творческим способностям, логике, выводу, следованию инструкциям и устойчивости ответов. Модель позиционируется как нецензурируемая, поэтому ответы могут включать откровенное или нежелательное содержание. Карточка не указывает лицензию; условия использования следует проверять для исходных моделей и LoRA, входящих в состав.

Это дообученная модель Sentence Transformers на базе Snowflake/snowflake-arctic-embed-l, опубликованная пользователем kamkol. Она преобразует предложения и абзацы в плотные векторы размерностью 1024 и предназначена для измерения семантического сходства и поиска релевантных текстов. Её можно применять для поиска по смыслу, поиска перефразировок, кластеризации и классификации текста. Модель использует архитектуру BERT с пулингом CLS-токена и нормализацией векторов; сходство оценивается косинусной мерой. Максимальная длина входа — 512 токенов, число параметров — около 433,9 млн. README описывает дообучение на 250 парах текстов о A/B-тестировании, поэтому модель ориентирована на сопоставление запросов с материалами по этой теме. Лицензия в предоставленных сведениях не указана.

Модель bhatayus/aika-filler-slm-v4-7-2-v4_6-e4 — дообученная текстовая модель семейства Gemma 3, опубликованная bhatayus. Она предназначена для генерации текста и диалогового взаимодействия. Модель содержит 1 млрд параметров, использует плотную архитектуру Gemma3ForCausalLM, принимает текст и поддерживает контекст до 32 768 токенов. Модель обучалась с использованием Unsloth и библиотеки Hugging Face TRL. Репозиторий содержит веса в формате safetensors. Указанная лицензия — Apache 2.0. Карточка не описывает специализированную предметную область или дополнительные возможности.

Amadeus-Verbo-FI-Qwen2.5-3B-PT-BR-Instruct — языковая чат-модель, разработанная Amadeus AI на основе Qwen2.5-3B-Instruct путём дообучения на 600 тысячах инструкций в течение двух эпох. Она предназначена для диалогов, выполнения инструкций и генерации текста на бразильском португальском языке. Модель построена на архитектуре Qwen2 с 3,1 млрд параметров и принимает контекст длиной до 32 768 токенов. В карточке указаны поддержка чата и интерфейс вызова инструментов; запуск предусмотрен через Transformers. Репозиторий содержит веса в формате safetensors. Модель подходит для создания португалоязычных чат-ботов, ответов на запросы и генерации текстов. Карточка не приводит оценок качества и подробностей о поведении при вызове инструментов. Лицензия — Apache-2.0.

moussaKam/barthez-orangesum-abstract — франкоязычная модель суммаризации, полученная дообучением BARThez на OrangeSum для генерации аннотаций. Это последовательная модель семейства mBART с архитектурой MBartForConditionalGeneration и примерно 95 млн параметров; репозиторий содержит веса PyTorch. Модель принимает текст и генерирует его краткое изложение на французском языке. Максимальная длина контекста — 1024 токена. Модель подходит для автоматического составления аннотаций и кратких пересказов французских текстов. Она распространяется по лицензии Apache-2.0. Карточка не сообщает о специальных ограничениях помимо контекстного окна.

Bielik-7B-Instruct-v0.1 — разговорная языковая модель SpeakLeash, созданная совместно с вычислительным центром ACK Cyfronet AGH. Это дообученная на инструкциях версия Bielik-7B-v0.1 с архитектурой Mistral и причинным декодером; модель содержит 7,1 млрд параметров и рассчитана на контекст до 4096 токенов. Она обучалась преимущественно на польских текстах и предназначена прежде всего для понимания польского языка и ответов на инструкции, а также для других языковых задач. Модель подходит для польскоязычных диалоговых помощников, ответов на вопросы и генерации текста. В обучении использовались вручную проверенные польские инструкции и англоязычные наборы OpenHermes-2.5 и orca-math-word-problems-200k; авторы отмечают, что разное качество инструкций ухудшило часть возможностей модели. Для запросов используется формат [INST]...[/INST]. Модель не имеет механизмов модерации, может выдавать фактически неверные, предвзятые или оскорбительные ответы, поэтому её выводы требуют проверки. Лицензия CC BY-NC 4.0 допускает некоммерческое использование.

ChocoLlama-2-7B-base — языково-адаптированная базовая языковая модель, разработанная Matthieu Meeus и Anthony Rathé на основе Meta Llama-2-7B. Модель дообучена методом LoRA на 32 млрд нидерландских токенов; архитектура — плотная LlamaForCausalLM, размер — 6,6 млрд параметров, контекст — 4096 токенов. Репозиторий содержит веса в формате safetensors. Модель предназначена для генерации и понимания текста на нидерландском языке, а также для последующей адаптации к прикладным задачам, например к работе с вакансиями, корпоративной отчётностью и законодательством. Это базовая модель, не настроенная для диалогов и выполнения инструкций; для таких сценариев авторы рекомендуют instruct-версию или дополнительное дообучение. Основной язык — нидерландский. Из-за обучения преимущественно на нидерландских данных модель может плохо работать с другими языками, включая английский. В данных обучения не проводилась отдельная фильтрация потенциально предвзятого или вредоносного содержания, поэтому для снижения нежелательных ответов авторы рекомендуют дообучение на тщательно отобранных данных. Лицензия — Llama 2 Community License.

motherfucker0/derrick02 — объединённая плотная языковая модель семейства Llama, опубликованная на Hugging Face. Она создана из motherfucker0/zhun01 и motherfucker0/zhen09 методом TIES с помощью mergekit и предназначена для генерации текста. Модель содержит 6,5 млрд параметров, работает через библиотеку Transformers и принимает контекст длиной до 4096 токенов. Модель подходит для генерации продолжений текста и диалоговых ответов в сценариях, где достаточно текстового ввода и вывода. В карточке не приведены результаты оценки качества или более конкретная специализация. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных данных не указана.

Модель Francesca9805 — дообученная версия GPT-2 для генерации английского текста в ответ на запросы. Она обучена с помощью TRL и предназначена для сценариев, где нужно получить текстовый ответ или продолжение по заданному вопросу. Модель принимает текст и выдаёт текст; указанный размер контекста — 512 токенов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия в доступных данных не указана.

ERNIE-21B-A3B-Claude-4.5-High-OPUS-Thinking — текстовая MoE-модель Baidu, дообученная автором DavidAU на наборе рассуждений TeichAI/claude-4.5-opus-high-reasoning-250x. Модель предназначена для генерации текста общего назначения, компактных подробных рассуждений, творческого письма и диалогов. Архитектура использует 64 эксперта; в метаданных указано 3,3 млрд параметров, а базовая модель имеет контекст до 131 072 токенов. Карточка отмечает свободную манеру ответов, пригодность для мозгового штурма, прозы и сюжетов, а также стабильность рассуждений при разных настройках температуры. Модель принимает текст и генерирует текст; карточка и теги указывают английский язык. Лицензия — Apache-2.0. Автор предупреждает, что при низких квантизациях возможны циклические повторы; результаты зависят от параметров генерации.

ERNIE-Image — открытая модель генерации изображений по тексту, разработанная командой ERNIE-Image компании Baidu. Она построена на архитектуре однотокового Diffusion Transformer (DiT) с 8 млрд параметров и использует лёгкий модуль Prompt Enhancer, который расширяет краткие запросы в более подробные описания. Модель работает через Diffusers и распространяется в форматах Diffusers и safetensors. Модель предназначена для создания изображений по сложным инструкциям, в том числе рекламных плакатов, комиксов, раскадровок, инфографики и многопанельных композиций. Её особенности — точное следование запросам, размещение объектов и текста в заданной структуре, а также поддержка фотореалистичных и стилизованных изображений. Для стандартной версии рекомендованы 50 шагов генерации; авторы указывают, что модель может работать на потребительской видеокарте с 24 ГБ VRAM. ERNIE-Image выпущена как SFT-модель общего назначения. В карточке также описана отдельная версия ERNIE-Image-Turbo, но этот репозиторий относится к обычной версии. Модель доступна по лицензии Apache-2.0. Результаты бенчмарков приведены авторами; качество зависит от запроса и параметров генерации.

Cedille/fr-boris — авторегрессионная языковая модель Cedille AI на 6 млрд параметров с архитектурой GPT-J. Модель обучена на примерно 78 млрд токенов французского текста из датасета C4; обучение начиналось с GPT-J, предварительно обученной на The Pile. Используется исходный токенизатор GPT-2. Модель предназначена для генерации текста, прежде всего на французском языке, и сохраняет хорошие возможности для английского. Контекст составляет 2048 токенов. Запуск в производственной среде может быть затратным из-за размера модели. Лицензия — MIT.

Gemma 2 Inko 9B — объединённая диалоговая языковая модель на архитектуре Gemma 2 с 9 млрд параметров, созданная AELLM методом DARE TIES с помощью Mergekit. В основу объединения вошли BAAI/Gemma2-9B-IT-Simpo-Infinity-Preference и rtzr/ko-gemma-2-9b-it. Модель предназначена для генерации текста в диалоге и ответов на инструкции. Она поддерживает корейский и английский языки, принимает текст и выдаёт текст. Контекстное окно составляет 8192 токена. Репозиторий содержит веса в формате safetensors. Карточка не приводит сравнительных оценок качества или подробных ограничений применимости. Лицензия в предоставленных данных не указана.

GenreLlama318b — дообученная языковая модель, опубликованная TACameronStott на базе unsloth/meta-llama-3.1-8b-bnb-4bit. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров. Она предназначена для генерации текста; карточка не описывает специализированные жанровые функции или конкретные сценарии применения. Модель обучалась с использованием Unsloth и библиотеки TRL, поддерживает контекст до 131 072 токенов и рассчитана на английский язык. Репозиторий содержит веса Safetensors, лицензия — Apache-2.0.

vicgalle/gpt2-alpaca-gpt4 — англоязычная генеративная модель на архитектуре GPT-2, обученная следовать инструкциям на наборе vicgalle/alpaca-gpt4. Она предназначена для генерации ответов на текстовые запросы, включая простые творческие задания и выполнение инструкций. В карточке приведены примеры генерации и результаты оценки на Open LLM Leaderboard. Модель принимает текст и выдаёт текст. Её контекст составляет 1024 токена; доступны веса в форматах PyTorch, Safetensors и ONNX. Лицензия — MIT. Результаты тестов и примеры не гарантируют качество ответов на произвольных запросах; опубликованные примеры показывают, что ответы могут быть общими и не всегда точно описывать возможности модели.

GrayLine-Qwen3-14B-i1-GGUF — это набор взвешенных imatrix-квантизаций в формате GGUF базовой модели GrayLine-Qwen3-14B, разработанной soob3123 и квантизированной mradermacher. Модель основана на Qwen3 с заявленным размером 14 миллиардов параметров. В README указаны английский язык и библиотека Transformers, однако сведения о точной архитектуре, размере контекста и поддерживаемых модальностях отсутствуют. Модель предназначена для генерации текста, прямых ответов, информационного поиска и работы с общими знаниями. В метаданных она также описана как uncensored, unfiltered и amoral-ai, поэтому её поведение может быть менее ограниченным стандартными защитными настройками. Доступны варианты квантизации от IQ1 и Q2 до Q6, размером примерно от 3,7 до 12,2 ГБ; README рекомендует i1-Q4_K_M как быстрый вариант и i1-Q4_K_S как компромисс между размером, скоростью и качеством. Более низкие уровни квантизации могут заметно снижать качество. Лицензия модели указана как Apache-2.0. Ограничения включают возможную потерю качества из-за квантизации, особенно у малых вариантов, а также отсутствие в README подробных результатов оценки, описания обучающих процедур базовой модели и гарантий точности ответов.

lunarly0/han-model-merged — объединённая с помощью SLERP языковая модель на базе архитектуры Llama, созданная автором репозитория из Sao10K/L3-8B-Stheno-v3.2 и ytu-ce-cosmos/Turkish-Llama-8b-Instruct-v0.1 с помощью mergekit. Модель содержит 7,5 млрд параметров, распространяется в формате Safetensors и рассчитана на контекст до 8192 токенов. Модель предназначена для генерации текста и диалогового общения. Базовые модели дают основание ожидать навыки выполнения инструкций, ролевого общения и написания историй; вторая базовая модель ориентирована на турецкий язык. Карточка не описывает результаты оценки объединённой модели, поэтому эти навыки и качество на конкретных языках нельзя считать подтверждёнными для итогового чекпойнта. Условия лицензии в предоставленных данных не указаны.

shawnw3i/Hy-MT2-7B-AWQ — квантованная 4-битная версия мультиязычной модели Hy-MT2-7B, разработанной Tencent Hy. Модель предназначена для машинного перевода в сложных практических сценариях и умеет следовать инструкциям на нескольких языках. Модель поддерживает перевод между 33 языками, включая китайский, английский, французский, португальский, испанский, японский, турецкий, русский, арабский, корейский, немецкий, итальянский, вьетнамский, индонезийский, хинди, украинский и другие. Она рассчитана на обычный, деловой, специализированный и инструкционный перевод, включая работу с терминологией, стилем, пользовательскими предпочтениями, разделителями и структурированными данными. Формат AWQ и 4-битное представление уменьшают требования к хранению и вычислительным ресурсам по сравнению с полноразмерной моделью. К сильным сторонам относятся широкий языковой охват, ориентация на реальные переводческие задачи и поддержка точного следования ограничениям инструкции. При этом README не содержит сведений о размере контекстного окна, конкретной архитектуре базовой модели, производительности именно этой квантованной версии и лицензии, поэтому эти характеристики нельзя подтвердить.

Josiefied-Qwen2.5-1.5B-Instruct-abliterated-v1 — дообученная Гёкденизом Гюльмезом разговорная языковая модель на архитектуре Qwen2.5. Она основана на Qwen/Qwen2.5-1.5B-Instruct и дополнительно настроена на пользовательском наборе данных для более свободных, менее ограниченных ответов. Модель содержит 1,5 млрд параметров, использует плотную архитектуру Qwen2 и принимает текст для авторегрессионной генерации текста; заявленная длина контекста — 32 768 токенов. Модель предназначена для диалогов и генерации ответов в стиле универсального ассистента, в том числе с более свободной манерой ответа. В карточке перечислены английский, немецкий и другие языки; метаданные также отмечают поддержку китайского, французского, испанского, португальского, итальянского, русского, японского, корейского, вьетнамского, тайского и арабского. Доступна по лицензии Apache 2.0. Автор предупреждает, что использовать её следует на свой риск; качество и поведение на разных задачах в карточке подробно не оценены.

realPCH/ko_solra_merge — дообученная языковая модель, опубликованная пользователем realPCH. В README указано, что она создана на основе yanolja/KoSOLAR-10.7B-v0.1 с использованием различных наборов данных. По архитектуре это плотная Llama-модель для генерации текста, содержащая 10,7 млрд параметров и рассчитанная на контекст до 4096 токенов. Модель предназначена для генерации текста и может использоваться в сценариях, где требуется продолжать или создавать текстовый ответ. README показывает загрузку через Transformers. Модель распространяется в формате Safetensors по лицензии MIT; сведения о конкретных наборах данных и результатах оценки не приведены.

L3-SaoMerge-Della-v1 — англоязычная плотная языковая модель семейства Llama, созданная объединением четырёх моделей Sao10K с помощью mergekit и метода della. В состав входят Sao10K/L3-8B-Lunaris-v1, Sao10K/L3-8B-Stheno-v3.2, Sao10K/L3-8B-Niitama-v1 и Sao10K/L3-8B-Tamamo-v1; базовой в конфигурации указана Sao10K/L3-8B-Stheno-v3.2. Модель содержит около 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Модель предназначена для генерации текста и чат-диалогов, включая ролевые сценарии, написание историй и выполнение инструкций. Репозиторий распространяет веса в формате safetensors. Лицензия — Apache-2.0. Подробные результаты оценки качества и специфические ограничения в карточке не описаны.

trinhkhng/linear_Merged_gpt2-large_0.5 — языковая модель, созданная объединением GPT-2 Large и debias_gpt2-large методом linear merge с помощью mergekit. Модель использует архитектуру GPT-2 с плотной сетью и предназначена для генерации текста; в метаданных указан контекст до 1024 токенов. Веса двух исходных моделей объединены поровну с нормализацией, токенизатор взят от GPT-2 Large. Модель можно использовать для продолжения текста и генерации ответов на текстовые подсказки. README и метаданные не содержат сведений о качестве, оценках смещения или лицензии, поэтому эти свойства нельзя подтвердить.

Llama-3-Umbral-Mind-Instruct-8B — англоязычная чат-модель на архитектуре Llama 3, созданная слиянием методом SLERP через mergekit моделей Undi95/Meta-Llama-3-8B-Instruct-hf и Casual-Autopsy/L3-Umbral-Mind-RP-v1.0-8B. Разработчик сообщает, что использовал исходную Llama 3 Instruct вместе с Umbral Mind RP; метаданные указывают 7,5 млрд параметров и контекст до 8192 токенов. Модель предназначена для диалогов и генерации текста по инструкциям, включая творческие сценарии ролевого общения. Она принимает текст и выдаёт текст. Карточка не приводит оценок качества или подробных ограничений; лицензия указана как llama3, поэтому использование регулируется её условиями.

Карточка модели NiuTrans/LMT-60-1.7B-Base на Hugging Face совпадает с карточкой NiuTrans/LMT-60-0.6B, поэтому описание составлено по ней. LMT-60-0.6B — модель машинного перевода от команды NiuTrans, дообученная на базе NiuTrans/LMT-60-0.6B-Base. Она относится к плотной архитектуре Qwen3ForCausalLM, содержит около 507,9 млн параметров и принимает контекст до 32 768 токенов. Модель входит в семейство LMT-60, обученное на 90 млрд токенов; семейство рассчитано на перевод между 60 языками в 234 направлениях с особым вниманием к китайскому и английскому языкам. Модель предназначена для многоязычного перевода текстов, включая языки с высоким, средним и низким объёмом ресурсов. Её можно использовать для перевода документов, сообщений и пользовательского контента между поддерживаемыми языками. Карточка заявляет конкурентное качество среди моделей с сопоставимым языковым охватом, но не приводит здесь конкретных метрик для этого чекпойнта. Выпущена под лицензией Apache-2.0.