III.2Исследование рынка и маркетинг

Карточка модели NiuTrans/LMT-60-8B 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.

Карточка модели NiuTrans/LMT-60-8B-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.

aliRafik/Meta_Llama_3.2_1B_labonne_16bit — дообученная автором aliRafik языковая модель для генерации текста и диалогового общения. Она основана на unsloth/llama-3.2-1b-instruct-unsloth-bnb-4bit и использует плотную архитектуру LlamaForCausalLM с 1,2 млрд параметров. Модель обучали с использованием Unsloth и библиотеки TRL; опубликованные веса представлены в формате safetensors. Модель подходит для генерации ответов и ведения диалогов на английском языке. Заявленная длина контекста — 131072 токена. Репозиторий распространяется по лицензии Apache-2.0; описание не уточняет особенности дообучения или результаты оценки качества.

MISCHIEVOUS-12B-Mix_0.2v — слитая с помощью mergekit методом SLERP языковая модель на архитектуре Mistral, опубликованная bamec66557. Она предназначена для генерации текста, в том числе ролевых диалогов и творческого письма. Модель содержит 12,1 млрд параметров; метаданные указывают контекст до 1 024 000 токенов и поддержку английского и корейского языков. Для работы с диалогами также заявлен интерфейс вызова инструментов. Модель распространяется в формате safetensors; README также упоминает сборку GGUF Q4_K_M. В карточке приведены результаты оценки на Open LLM Leaderboard, включая IFEval и BBH. Лицензия — Apache-2.0. Приведённые сведения не описывают качество на конкретных прикладных задачах; фактическая производительность может зависеть от формата и используемого контекста.

KakaoL0L/Mistral7B_MatheoAI6_lora — чат-модель на базе Mistral 7B Instruct v0.3, дообученная KakaoL0L. Модель предназначена для генерации текста в диалоговом формате; карточка сообщает, что при обучении использовались Unsloth и библиотека TRL. Модель использует плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров. Заявленная длина контекста — 32 768 токенов; в метаданных указан английский язык. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. Карточка не описывает специализацию дообучения, качество ответов или результаты оценивания, поэтому пригодность для конкретных предметных задач следует проверять отдельно.

Mixtral-Fusion-4x7B-Instruct-v0.1 — экспериментальная чат-модель, созданная mmnga слиянием экспертов mistralai/Mixtral-8x7B-Instruct-v0.1 методом SLERP. Она предназначена для генерации текста в диалогах и отвечает на запросы пользователя. Архитектура — Mixtral с разреженной экспертной моделью (MoE); в метаданных указано 7,1 млрд параметров, контекст — до 32 768 токенов. Модель принимает и выдаёт текст; в карточке перечислены английский, французский, итальянский, немецкий и испанский языки. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка называет её экспериментальной; результаты могут отличаться от исходной Mixtral, а оценок качества или сравнительных тестов в доступных данных нет.

zelk12/MT1-Gen5-BB-gemma-2-S4Av4d-9B — слитая модель генерации текста на базе архитектуры Gemma 2, созданная с помощью mergekit методом SLERP из allknowingroger/Gemmaslerp4-10B и lemon07r/Gemma-2-Ataraxy-v4d-9B. Это плотная языковая модель с 9 млрд параметров, рассчитанная на диалоговую генерацию текста и творческое письмо. Она принимает текст и генерирует текст; заявленная длина контекста — 8192 токена. Модель подходит для создания историй, продолжения текстов, диалогов и других сценариев генерации. В карточке указаны формат safetensors и библиотека Transformers. Лицензия и сведения о языковой поддержке в предоставленных данных отсутствуют.

RJuro/munin-neuralbeagle-SkoleGPTOpenOrca-7b — разговорная языковая модель, разработанная RJuro путём дообучения RJuro/munin-neuralbeagle-7b. Она предназначена для генерации текста в диалогах и ответов на запросы. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов; в карточке указан английский язык. Для обучения использовались Unsloth и библиотека TRL. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Карточка не описывает конкретные результаты обучения или проверенные сценарии; качество ответов и пригодность для отдельных задач по ней оценить нельзя.

Lamsheeper/OLMo-0H-10D-50F — дообученная авторами репозитория языковая модель семейства OLMo 2 для генерации текста. Она предназначена для продолжения текстовых последовательностей и других сценариев генерации на основе текстового запроса. Модель имеет плотную архитектуру OLMo 2 с 1,3 млрд параметров, 16 слоями и контекстом до 4096 токенов. Веса доступны в формате Safetensors, для загрузки используется Transformers. Карточка указывает английский язык и обучение на пользовательских данных. Модель выпущена под лицензией Apache-2.0. Карточка не описывает результаты оценки качества или конкретную специализацию обучающих данных, поэтому пригодность для узких задач следует проверять отдельно.

OOM-SOLAR-10.7B_02 — языковая модель на архитектуре Transformer семейства Llama, опубликованная giprime. Модель основана на beomi/OPEN-SOLAR-KO-10.7B, которая, согласно карточке, использует архитектуру upstage/SOLAR-10.7B-v1.0. Веса представлены в формате Safetensors; число параметров — 10,7 млрд, контекст — до 4096 токенов. Модель предназначена для генерации текста. В метаданных указаны английский и корейский языки. README не описывает конкретные сценарии применения и оценку качества. Лицензия — Apache-2.0.

Модель Helsinki-NLP/opus-mt-en-de разработана группой Language Technology Research Group Хельсинкского университета для машинного перевода с английского на немецкий. Это плотная модель семейства MarianMT примерно на 54,9 млн параметров; она принимает текст и выдаёт перевод, используя предобработку с нормализацией и SentencePiece. Указанная длина контекста — 512 токенов. Модель предназначена для перевода предложений и текстовых фрагментов с английского языка на немецкий. В README приведены результаты на нескольких новостных тестовых наборах: BLEU 22,3–23,5 и chr-F 0,529–0,540. Разработчики отмечают возможные смещения и риск воспроизведения стереотипов. Модель распространяется по лицензии CC-BY-4.0.

Helsinki-NLP/opus-mt-nl-fr — модель машинного перевода, разработанная Helsinki-NLP в рамках проекта OPUS. Она переводит текст с нидерландского языка на французский. Модель основана на архитектуре Transformer-align семейства Marian, использует нормализацию текста и SentencePiece; число параметров — 54,7 млн, максимальная длина контекста — 512 токенов. Доступны веса в форматах PyTorch и TensorFlow. Модель предназначена для перевода предложений и текстов с нидерландского на французский. В карточке приведён результат 51,3 BLEU и 0,674 chr-F на наборе Tatoeba.nl.fr. Модель выпущена под лицензией Apache-2.0. Показатели на конкретном тестовом наборе не гарантируют такое же качество на текстах других жанров и предметных областей.

opus-mt-tr-en — модель машинного перевода из проекта OPUS-MT, построенная на архитектуре Transformer-align и реализованная как MarianMTModel. Она переводит текст с турецкого языка на английский; в карточке указаны нормализация и токенизация SentencePiece, а метаданные сообщают о 57,1 млн параметров и контексте до 512 токенов. Модель подходит для перевода предложений и текстовых фрагментов с турецкого на английский. В README приведены результаты BLEU 24,7–27,6 и chr-F 0,530–0,548 на нескольких тестовых наборах новостных текстов. Доступны веса PyTorch и TensorFlow. Лицензия — Apache-2.0.

Модель francesca9805/ppt-wc-uniform-newlex-swa-after-100mb-packed-bfdiso_seed10 — дообученная с помощью TRL версия одноязычной GPT-2-модели goldfish-models/eng_latn_100mb для генерации текста. Она принимает текстовый запрос и продолжает его; карточка показывает пример ответа на открытый вопрос. Модель основана на плотной архитектуре GPT-2, опубликована в формате safetensors и рассчитана на контекст до 512 токенов. Основной язык — английский. Лицензия в доступных сведениях не указана.

Neopix/python-llama-1b — дообученная Ai1terror языковая модель семейства Llama на базе unsloth/llama-3.2-1b-instruct-bnb-4bit. Она предназначена для генерации текста и диалогового общения. Модель содержит 1,2 млрд параметров, использует плотную архитектуру LlamaForCausalLM и формат PyTorch; заявленная длина контекста — 131 072 токена. В README отмечено, что при обучении использовались Unsloth и библиотека TRL от Hugging Face. Модель ориентирована на английский язык. Репозиторий распространяется по лицензии Apache-2.0. В карточке не описаны специальные области применения или результаты оценки качества, поэтому пригодность для конкретных задач следует проверять отдельно.

Viatak/Qwen2.5-0.5B-Instruct-Gensyn-Swarm-agile_aquatic_jaguar — дообученная модель Viatak на базе unsloth/Qwen2.5-0.5B-Instruct. Модель относится к семейству Qwen2, использует плотную архитектуру Qwen2ForCausalLM и содержит около 494 млн параметров. Для обучения применялась библиотека TRL; веса опубликованы в формате safetensors. Модель предназначена для диалогов, выполнения инструкций и генерации текста. Её можно использовать для ответов на вопросы и коротких текстовых запросов; в карточке приведён пример генерации ответа на гипотетический вопрос. Контекст составляет до 32 768 токенов. Данные не уточняют целевые языки и лицензию модели.

Qwen3-1.7B-reas-int-065-3-epochs-es — дообученная компанией или автором аккаунта ferrazzipietro компактная языковая модель на 1,7 млрд параметров на базе Qwen/Qwen3-1.7B. Она предназначена для генерации текста и диалогов. Архитектура — плотная авторегрессионная модель Qwen3; принимает текст и выдаёт текст. Нативная длина контекста составляет 40 960 токенов. Карточка не раскрывает обучающий датасет, специальные сценарии применения или результаты оценки, поэтому качество и преимущества дообучения определить нельзя. Модель распространяется в формате Safetensors по лицензии Apache-2.0.

Карточка модели BIGJUTT/Qwen-Image-Edit-2509 на Hugging Face совпадает с карточкой Qwen/Qwen-Image-Edit-2509, поэтому описание составлено по ней. Qwen-Image-Edit-2509 — модель редактирования изображений от команды Qwen, выпущенная как сентябрьское обновление Qwen-Image-Edit. Она принимает текстовые инструкции и от одной до трёх входных картинок; поддерживает сочетания изображений людей, товаров и сцен, а также условия ControlNet, включая карты глубины, контуров и ключевых точек. Модель предназначена для редактирования изображений с сохранением важных деталей исходника. Она улучшает сохранение личности человека при смене позы и художественного стиля, помогает сохранять идентичность товара при создании постеров, а также позволяет менять текст на изображении, его шрифт, цвет и материал. Среди сценариев применения — создание мемов и постеров, восстановление старых фотографий и комбинирование нескольких изображений. Модель распространяется в форматах Diffusers и Safetensors и использует библиотеку Diffusers. Лицензия — Apache-2.0. Оптимальные результаты для многокартинного ввода заявлены для одного–трёх изображений; численные характеристики размера модели и длины контекста в предоставленных данных отсутствуют.

Randeng-Deltalm-362M-En-Zh — модель перевода с английского на китайский, разработанная в рамках проекта Fengshenbang. Это дообученная на базе DeltaLM модель архитектуры Deltalm с 248,6 млн параметров по метаданным Hugging Face; README приводит размер 362 млн параметров. Для обучения использовали 30 млн англо-китайских пар и 200 тыс. параллельных примеров IWSLT. Модель принимает текст на английском и генерирует перевод на китайский; длина контекста составляет 512 токенов. В README приведён результат BLEU 40,22 на наборе FLORES-101 для направления en-zh. Модель предназначена для автоматического перевода; практическое качество зависит от тематики и формулировок текста. Репозиторий содержит веса PyTorch. Лицензия в предоставленных данных не указана.

SSR-base — англоязычная модель семейства T5, опубликованная в рамках работы «Improving Sequence-to-Sequence Pre-training via Sequence Span Rewriting» на EMNLP 2021. Это модель преобразования текста с 123,8 млн параметров и контекстом до 512 токенов, представленная в формате PyTorch. Модель предназначена для суммаризации текста. В карточке указано, что она соответствует версии SSR-base из исследовательской работы; дополнительных сведений о сценариях применения или результатах оценки нет. Для использования доступна лицензия репозитория Hugging Face.

polshdgg/storyteller — языковая модель, дообученная разработчиком polshdgg на базе unsloth/llama-3.2-3b-instruct-bnb-4bit с использованием Unsloth и библиотеки Hugging Face TRL. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и 3,2 млрд параметров; она предназначена для генерации текста и диалогового общения. Заявленная длина контекста — 131 072 токена, основной указанный язык — английский. Модель можно использовать для ведения диалогов и генерации текстовых ответов. Репозиторий содержит веса в формате PyTorch и распространяется по лицензии Apache-2.0. Карточка не описывает отдельные сценарии storyteller, данные обучения или результаты оценки качества, поэтому специализацию на конкретном жанре или стиле подтвердить нельзя.

ifyou819/summary-bbc-dataset-v3 — дообученная модель семейства Pegasus для суммаризации текстов; в карточке указана оценка на наборе BBC. Модель содержит около 366,8 млн параметров, работает с текстом и имеет контекст длиной до 1024 токенов. Её можно использовать для подготовки кратких сводок по статьям и новостям. В README приведены результаты ROUGE-1 0,500, ROUGE-2 0,357 и ROUGE-L 0,389; подробности о данных обучения, предполагаемом применении и ограничениях не раскрыты. Лицензия в предоставленных данных не указана.

Tor-8B — дообученная модель семейства Mistral, опубликованная Delta-Vector и основанная на NVIDIA Mistral-NeMo-Minitron-8B-Base. Это ранний чекпойнт проекта Darkens-8B: модель прошла два из четырёх запланированных эпох полноразмерного дообучения. Она предназначена для диалоговой генерации связного текста и прозы, с акцентом на естественный стиль письма и меньшую склонность к характерным для Claude речевым шаблонам. Модель содержит 7,9 млрд параметров, использует плотную архитектуру MistralForCausalLM и поддерживает контекст до 16 384 токенов. Она настроена на инструкции в формате ChatML; в карточке указан английский язык. Веса опубликованы в формате safetensors. README не сообщает лицензию, поэтому условия использования по имеющимся данным определить нельзя.

WindyTranslate/translate-en-ro — модель машинного перевода, опубликованная Windstorm Labs для перевода текста с английского на румынский. Это дообученная версия Helsinki-NLP/opus-mt-en-ro: LoRA-дообучение на параллельных корпусах объединено с базовыми весами. Модель использует архитектуру Marian, содержит 55,7 млн параметров и доступна в формате safetensors для Transformers; длина контекста — 512 токенов. Модель предназначена для перевода с английского на румынский. В карточке приведена скрининговая оценка на 48 предложениях FLORES-200 dev: chrF++ 59,45 и BLEU 36,20; это не результат публикационного исследования. Поддерживается только одно направление перевода. Лицензия — Apache-2.0.

Windstorm Labs публикует эту модель машинного перевода с английского на китайский. Это дообученная версия Helsinki-NLP/opus-mt-en-zh на архитектуре MarianMT с 58,4 млн параметров; LoRA-дообучение на параллельном корпусе объединено с базовыми весами. Модель принимает текст и выдаёт перевод, максимальная длина контекста — 512 токенов. Модель предназначена для перевода английских фраз и текстов на китайский. В проверке на 48 предложениях FLORES-200 dev она набрала chrF++ 23,06 и BLEU 3,55; авторы относят результат к ограниченному диапазону и подчёркивают, что это предварительная оценка, а не результат публикационного исследования. Поддерживается только направление en→zh. Модель распространяется в формате safetensors и доступна по лицензии Apache-2.0.

QuantFactory/Unichat-llama3-Chinese-8B-GGUF — это квантизированная версия модели UnicomLLM/Unichat-llama3-Chinese-8B, разработанной Центром инноваций в области ИИ China Unicom. Модель создана на базе Meta-Llama-3-8B и дообучена с использованием китайских инструкционных данных; её основное назначение — генерация текста и ответы на вопросы, особенно на китайском языке. Модель поддерживает английский и китайский языки, относится к классу text-generation и сохраняет исходный контекст длиной 8K токенов. Инструкционные данные охватывают различные области и отрасли и прошли ручной отбор. Квантизированный формат GGUF может быть удобен для локального запуска, однако README не содержит сведений о конкретном методе квантизации, требованиях к ресурсам или точных показателях производительности. Сильной стороной модели является специализация на китайских вопросах и ответах при сохранении возможностей базовой Llama 3. Ограничениями являются контекст 8K, отсутствие заявленной поддержки версии на 64K в текущем описании и нехватка подробных данных о качестве на разных задачах. Модель распространяется по лицензии Apache-2.0.

Verdandi-Qwen2.5-7B — объединённая текстовая модель, созданная автором репозитория с помощью mergekit и метода TIES на основе Orion-zhen/Meissa-Qwen2.5-7B-Instruct с включением C10X/LongWriter-Qwen2.5-7B-Instruct. Она построена на архитектуре Qwen2 и содержит 7,1 млрд параметров; для работы используется библиотека Transformers, веса опубликованы в формате safetensors. Модель предназначена для генерации текста и диалогового общения, в том числе для продолжительных ответов благодаря контексту до 32 768 токенов. Карточка базовой модели указывает на задачи написания художественных текстов и ролевых диалогов. Сведения о лицензии и конкретных ограничениях качества в доступных данных отсутствуют.

YamshadowStrangemerges_32_Inex12Yam — слитая языковая модель MaziyarPanahi на архитектуре Mistral с 7,1 млрд параметров. Она объединяет automerger/YamshadowStrangemerges_32-7B и automerger/Inex12Yam-7B и предназначена для генерации текста; модель можно применять для диалогов, написания черновиков и продолжения текста. Поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors. Модель доступна по лицензии Apache-2.0. В карточке не описаны специализация, целевые языки и результаты оценки качества, поэтому её возможности за пределами генерации текста не следует считать подтверждёнными.

rasoolfa/zephyr-7b-sft-full — диалоговая языковая модель на базе Mistral-7B-v0.1, дообученная методом supervised fine-tuning на наборе HuggingFaceH4/ultrachat_200k. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и формат весов safetensors; заявленная длина контекста — 32 768 токенов. Модель предназначена для генерации текста в диалоговом формате: она может отвечать на запросы и поддерживать беседу. В карточке указана оценка Loss 3,6477 на наборе оценки, но подробности методики и самостоятельные результаты для отдельных сценариев не приведены. Модель опубликована 7 марта 2024 года. Лицензия — Apache-2.0. Карточка не описывает специальные ограничения или области применения, поэтому качество ответов и пригодность для конкретных задач следует оценивать отдельно.

ishikaa/acquisition_generator_AS_confidence_combined_qwen14b — текстовая генеративная модель на базе семейства Qwen2, предназначенная для задач генерации текста. Модель доступна через библиотеку Transformers и содержит 14B параметров. Модель поддерживает контекст до 32 768 токенов и может использоваться в приложениях, где требуется продолжение или создание текстовых последовательностей, включая диалоговые сценарии. По идентификатору модели можно предположить связь с генерацией материалов для acquisition и комбинированием confidence, однако README не содержит подтверждающего описания, методики обучения или результатов оценки. Разработчик, лицензия, поддерживаемые естественные языки, обучающие данные, показатели качества и специальные ограничения в доступных материалах не описаны. Перед использованием в прикладных системах модель следует протестировать на целевых данных, проверить устойчивость ответов и отдельно оценить риски фактических ошибок и нежелательного содержания.