III.2Исследование рынка и маркетинг

Magnum v3 34B — разговорная языковая модель Anthracite, девятая в серии моделей, настроенных на воспроизведение качества прозы Claude 3 Sonnet и Opus. Это полноразмерное дообучение Yi-1.5-34B-32K с архитектурой LlamaForCausalLM: модель содержит 33,9 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации диалоговых ответов и связной прозы, в том числе в сценариях ролевого общения. Она настроена на формат ChatML; в README рекомендована настройка min_p 0,2 для генерации. Модель использует только текстовый ввод и выдаёт текст. Модель распространяется по лицензии Apache-2.0. Результаты оценки на Open LLM Leaderboard приведены в карточке, но сами по себе не гарантируют качество в конкретных задачах. Подробности о безопасности и практических ограничениях в карточке не раскрыты.

MiLMMT-46-4B-v1.0-4bit-MLX — это 4-битная MLX-квантизация модели MiLMMT-46-4B-v1.0, разработанной Xiaomi Inc. Модель предназначена для локального машинного перевода на устройствах Apple Silicon и распространяется в формате MLX safetensors. Она работает только с текстом: исходная мультимодальная архитектура Gemma 3 с визуальной башней SigLIP была преобразована в языковую модель без компонентов обработки изображений. Модель поддерживает 46 языков, включая английский, русский, китайский, японский, корейский, арабский, хинди, французский, немецкий и другие. Размер квантованной модели составляет около 2,1 ГБ; используется 4-битное аффинное квантование с размером группы 64. Она предназначена для перевода между поддерживаемыми языками и может запускаться на устройстве с помощью библиотеки MLX. Размер контекста в README не указан. По измерениям на FLORES+ средний результат 4-битной версии составил 53,06 chrF++ против 53,86 у полной bf16-модели, то есть потеря составляет около 0,9 chrF++ и статистически значима. Снижение качества особенно заметно для языков с меньшим объёмом данных, например турецкого, узбекского и тамильского. Модель не гарантирует качество для неподдерживаемых языков: для Telugu, Marathi и Gujarati она может выдавать текст на хинди вместо корректного отказа. Для более высокого качества доступна 5-битная версия, практически сопоставимая с полной точностью. Модель распространяется на условиях Gemma Terms of Use с применением ограничений, включая правила запрещённого использования. В README указано авторство Xiaomi Inc. за MiLMMT-46 и Google за базовую архитектуру Gemma 3.

Trappu/Nemo-Picaro-V2-12B — плотная авторегрессионная языковая модель семейства Mistral, разработанная Trappu и дообученная на основе royallab/MN-LooseCannon-12B-v2 с использованием Unsloth и TRL. Модель содержит 12,1 млрд параметров, поддерживает текстовую генерацию и чат; для работы с ней указано контекстное окно до 1 024 000 токенов. Модель предназначена для генерации текста и ведения диалогов на английском языке. Её можно применять для написания прозы, продолжения текста и ответов в чате. Репозиторий содержит веса в формате Safetensors и распространяется по лицензии Apache 2.0. Подробности обучающих данных и оценок качества в карточке не приведены.

Модель Anonym-050326/nirukti-translate-1.3b — дообученная модель перевода для английского и 55 индийских языков, включая 33 языка с ограниченными ресурсами. Она переводит в обоих направлениях: с английского на поддерживаемый индийский язык и обратно. Архитектура — encoder-decoder на основе M2M-100; в карточке указано 665 млн параметров, а README заявляет 1,3 млрд, поэтому размер модели по источникам расходится. Контекст — 1024 токена; репозиторий содержит веса Safetensors. Модель предназначена для перевода региональных языков, в том числе в сценариях с малым объёмом обучающих данных. При дообучении использовались LoRA-адаптеры, объединённые с базовыми весами, и расширенный словарь. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерчески.

Helsinki-NLP/opus-mt-ar-ru — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с арабского на русский и построена на архитектуре Transformer; в метаданных указано 57,2 млн параметров и контекст до 512 токенов. Для предобработки используются нормализация и SentencePiece с моделями словаря по 32 тыс. единиц. Источники обучения охватывают варианты арабского языка apc, ara и arz, целевой язык — русский. В тесте Tatoeba-test.ara.rus модель показала BLEU 42,5 и chr-F 0,605. Она подходит для перевода арабских текстов на русский, включая тексты на охваченных вариантах арабского языка. Модель распространяется по лицензии Apache-2.0; качество перевода может зависеть от тематики и диалекта входного текста.

gsarti/opus-mt-tc-big-en-de — модель машинного перевода с английского на немецкий, разработанная Йоргом Тидеманном и обученная с использованием MarianNMT. Репозиторий содержит PyTorch-конверсию исходной модели Helsinki NLP; архитектура — Marian Transformer Big с 167,2 млн параметров. Модель предназначена для перевода английских текстов на немецкий. Она обучена на данных opusTCv20210807+bt, применяет нормализацию и токенизацию SentencePiece с словарями по 32 тыс. токенов. В README приведены оценки BLEU и chr-F на нескольких тестовых наборах новостных текстов. Метаданные указывают контекст до 1024 токенов и лицензию CC BY 4.0. Это однонаправленная модель перевода: карточка не подтверждает поддержку обратного перевода или иных языковых пар; приведённые тестовые оценки не гарантируют качество на других типах текста.

DUAL-GPO/phi-2-gpo-new-i0 — разговорная языковая модель семейства Phi-2, разработанная на основе DUAL-GPO/phi-2-sft-lora-ultrachat-merged. Модель дообучена на датасете HuggingFaceH4/ultrafeedback_binarized и предназначена для генерации текста в диалоге. Модель имеет плотную архитектуру PhiForCausalLM и содержит 3,5 млрд параметров. Она принимает текст и генерирует текст, поддерживает контекст до 2048 токенов. Репозиторий содержит веса в формате Safetensors; лицензия — MIT. Данные карточки не сообщают о специализации на отдельных языках или предметных областях.

jusKnows дообучила эту плотную авторегрессионную модель семейства Llama для генерации текста, взяв за основу unsloth/Llama-3.2-3B-bnb-4bit. Модель содержит 3,2 млрд параметров и рассчитана на контекст до 131 072 токенов. При обучении использовались Unsloth и библиотека Hugging Face TRL. Модель подходит для генерации продолжений текста и диалоговых ответов на английском языке. Она распространяется по лицензии Apache-2.0. Карточка не описывает специализацию дообучения, поэтому конкретные преимущества или узкие сценарии применения установить нельзя.

Priyanshu2666/Qwen2.5-0.5B-Instruct-Gensyn-Swarm-slimy_flexible_seal — текстовая генеративная модель на базе Qwen2.5-0.5B-Instruct от команды Qwen. Имя репозитория и теги связывают её с Gensyn Swarm и GRPO; по доступным сведениям нельзя уточнить, как именно изменялись веса в этом варианте. Модель предназначена для диалогов и выполнения инструкций: она принимает текст и генерирует текст. В основе — плотная причинная архитектура Qwen2 с 494 млн параметров и контекстом до 32 768 токенов. Семейство Qwen2.5 поддерживает более 29 языков, включая русский и английский; отдельная языковая оценка этого варианта не приводится. Исходная модель Qwen2.5-0.5B-Instruct выпущена под лицензией Apache-2.0, но лицензию данного репозитория установить не удалось. Компактный размер подходит для локальных чат-ботов и генерации текста с ограниченными ресурсами; малый размер модели может ограничивать качество сложных ответов. Страница точного репозитория недоступна в поиске, поэтому возможности и характеристики сверх переданных метаданных основаны на карточке базовой модели.

nazib61/qwen3-0.6b-agentic-full — дообученная разговорная текстовая модель семейства Qwen3, разработанная nazib61 на базе qwen3-0.6b-agentic-full-local. Модель содержит 507,9 млн параметров, использует архитектуру Qwen3ForCausalLM и принимает текст для генерации текста; карточка отмечает поддержку чата и английского языка. Заявленная длина контекста — 40 960 токенов. Модель предназначена для диалоговой генерации текста и может применяться для ответов на запросы и ведения текстового чата. В README указано, что обучение выполнялось с Unsloth, а метаданные указывают формат safetensors. Лицензия — Apache-2.0. Данных о качестве и специфических ограничениях модели карточка не приводит.

Это разговорная языковая модель семейства Qwen3, дообученная taskmaster141 на базе unsloth/Qwen3-0.6B. Она предназначена для генерации текста и диалоговых сценариев. Модель имеет плотную архитектуру Qwen3ForCausalLM, около 507,9 млн параметров и контекст до 40 960 токенов; для хранения используются веса Safetensors. Модель поддерживает английский язык. В карточке указано, что обучение выполнено с использованием Unsloth и прошло вдвое быстрее. Репозиторий распространяется по лицензии Apache-2.0. Карточка не приводит результатов оценки качества или подробностей обучающих данных, поэтому пригодность для конкретных задач следует проверять отдельно.

Qwen3.5 4B Gabliterated — дообученная версия мультимодальной модели Qwen3.5-4B от автора jwest33. В ней применён метод Gabliteration: изменение весов на основе многомерного SVD для ослабления поведения отказа. Модель сохраняет гибридную архитектуру Qwen3.5 с чередованием слоёв полного и линейного внимания и поддерживает диалог и понимание изображений. Модель предназначена для диалоговых сценариев и ответов на запросы, в том числе с изображениями; автор предупреждает, что она может выдавать ответы без обычных отказов. В основе лежит Qwen/Qwen3.5-4B, а файлы представлены в формате Safetensors. Лицензия — Apache 2.0. README указывает исследовательское и образовательное применение и возлагает ответственность за использование на пользователя.

Reyna-Mini-1.8B-v0.2 — диалоговая языковая модель, созданная aloobun на основе Qwen/Qwen1.5-1.8B-Chat и дообученная методом SFT на наборе Hercules v3. Модель использует архитектуру Qwen2 и формат диалога ChatML; заявленная длина контекста — 32 768 токенов. Модель предназначена для генерации текста и ответов в формате чата. В карточке приведены результаты нескольких тестов рассуждения и генерации, включая ARC, HellaSwag, MMLU и GSM8K. Автор отмечает, что следующим этапом обучения планировалась DPO-настройка. Модель распространяется в формате safetensors под лицензией other; конкретные условия лицензии следует проверять в репозитории. Показатели тестов и пример ответа из карточки не гарантируют качество на других задачах.

Sailor-1.8B-Chat — диалоговая языковая модель семейства Sailor, разработанная для языков Юго-Восточной Азии. Это версия Sailor-1.8B, дообученная для следования инструкциям и общения; архитектура — плотная Qwen2 с 1,5 млрд параметров. Модель генерирует текст и поддерживает контекст до 32 768 токенов. Модель предназначена для вопросов и ответов, диалогов и рассуждений на индонезийском, тайском, вьетнамском, малайском и лаосском языках. Она также поддерживает английский и китайский. Для обучения использовались открытые наборы данных Aya и OpenOrca. Доступны веса в формате Safetensors; лицензия — Apache-2.0. Результаты зависят от языка и задачи; карточка отмечает сильные стороны в вопросах и ответах и рассуждениях на языках региона, но не приводит подробных количественных оценок. Модель может ошибаться и не заменяет проверку ответов в критичных сценариях.

Minbyul/selfbiorag-7b-dpo-full-sft-wo-healthsearch_qa — дообученная методом DPO модель генерации текста на архитектуре Llama с 6,6 млрд параметров. Она создана на основе Minbyul/selfbiorag-7b-wo-healthsearch_qa-sft и обучалась на датасете HuggingFaceH4/ultrafeedback_binarized. Модель предназначена для генерации текста; карточка не уточняет конкретные сценарии применения или поддерживаемые языки. Указанный контекст составляет до 4096 токенов. В README приведены метрики оценки на тестовой выборке, включая точность предпочтений 0,7846 и разницу наград 1,0843. Файлы модели представлены в формате safetensors. Лицензия в предоставленных сведениях не указана.

SmartCloudLyte — языковая модель Klevin для генерации текста, дообученная на базе unsloth/llama-3.2-1b-bnb-4bit с использованием Unsloth и библиотеки TRL. Модель построена на плотной архитектуре LlamaForCausalLM и содержит 1,2 млрд параметров. Заявленная длина контекста — 131 072 токена; формат репозитория — PyTorch. Модель предназначена для генерации текста на английском языке. Карточка не описывает специализированные сценарии, обучающие данные или результаты оценки качества. Модель распространяется по лицензии Apache-2.0.

Terminal-complete11k — дообученная диалоговая языковая модель семейства Qwen3, созданная на основе Qwen/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; README сообщает, что модель обучалась на наборе данных qwen_data_complete, но не описывает его содержимое и специализацию модели. Модель содержит 7,6 млрд параметров, использует архитектуру Qwen3ForCausalLM, принимает текст и поддерживает контекст до 40 960 токенов. Модель может быть полезна для диалогов и генерации текста. Данных о качестве, языковом охвате и конкретных ограничениях в карточке нет. Репозиторий распространяется в формате safetensors; лицензия указана как other, поэтому условия использования следует уточнить в карточке модели.

Geethuzzz/tinyllama-ml-pretrained-merged — дообученная языковая модель разработчика Geethuzzz для генерации текста и диалогового общения. Она основана на архитектуре Llama и содержит 1,1 млрд параметров; для обучения использовались Unsloth и библиотека TRL. Модель принимает текст и генерирует текст, поддерживает английский язык и имеет контекстное окно 2048 токенов. Модель опубликована в формате safetensors под лицензией Apache-2.0. README указывает, что она дообучена от репозитория с тем же идентификатором, поэтому отдельная исходная базовая модель не устанавливается.

TinyUltra-4x1.1B-Base-Alpha — языковая модель семейства Mixtral с архитектурой смеси экспертов (MoE), собранная с помощью MergeKit из четырёх моделей на базе TinyLlama. В состав входят TinyLlama-1.1B-Chat-v1.0, DopeyTinyLlama-1.1B-v1, TinyDolphin-2.8.1-1.1b и Tinyllama-Cinder-1.3B-Reason-Test. В метаданных указаны около 1 млрд параметров и контекст 2048 токенов. Модель предназначена для генерации текста и диалогового использования в качестве помощника. В карточке приведены результаты оценки на бенчмарках рассуждения и здравого смысла, включая AI2 Reasoning Challenge и HellaSwag. Репозиторий содержит веса safetensors; лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства и ограничивающая коммерческое применение.

Tissint-14B-128k-RP — диалоговая языковая модель на 14 млрд параметров, созданная Ttimofeyka как дообучение arcee-ai/SuperNova-Medius. Она предназначена для генерации текста и многоходовых бесед с акцентом на творческие ответы и следование системным инструкциям. Модель использует архитектуру Qwen2, работает с текстом и имеет контекстное окно до 131 072 токенов. Автор сообщает о повышенной устойчивости к настройкам семплирования по сравнению с базовой моделью и о снижении числа отказов. Модель позиционируется для творческого, в том числе NSFW, контента. Распространяется по лицензии Apache-2.0.

Windstorm Labs опубликовала дообученную модель машинного перевода с английского на финский. Это плотная encoder-decoder модель MarianMT на базе Helsinki-NLP/opus-mt-en-fi, содержащая 58,4 млн параметров и рассчитанная на контекст до 512 токенов. LoRA-дообучение на параллельных текстах было объединено с базовыми весами; модель распространяется в формате safetensors и загружается через Transformers. Модель предназначена для перевода английских фраз и документов на финский. В проверке на 48 предложениях FLORES-200 она получила chrF++ 53,04 и BLEU 23,01; это скрининговая оценка, а не результат публикационного исследования. Поддерживается только направление en→fi, а качество может различаться в зависимости от текста. Лицензия — Apache-2.0.

Tweety-7b-dutch-v24a — нидерландоязычная фундаментальная языковая модель, разработанная исследователями KU Leuven и UGent на архитектуре Mistral. Это плотная авторегрессионная модель на 7,2 млрд параметров с нидерландским токенизатором на 50 тысяч токенов и контекстом до 32 768 токенов по метаданным. Она обучена на очищенном нидерландском корпусе mC4 примерно на 8,5 млрд токенов; карточка указывает, что instruction fine-tuning не проводился. Модель предназначена для генерации и понимания текста на нидерландском языке, включая диалоговые сценарии, создание контента и языковой анализ. Репозиторий содержит веса safetensors, библиотека для работы — Transformers; также упомянуты сторонние веса GGUF. Лицензия Apache 2.0 разрешает широкое использование. Модель ориентирована на нидерландский язык, поэтому её пригодность для других языков не следует предполагать; отсутствие instruction fine-tuning может ограничивать выполнение инструкций по сравнению с чат-моделями, дообученными для следования им.

UndiMix-v3-13B — плотная языковая модель семейства Llama, созданная Undi95 путём слияния нескольких моделей на 13B-параметров. Автор использовал SLERP, взяв за основу Undi95/ReMM-S-Kimiko-v2-13B и добавив веса Huginn-13b-v1.2, llama-2-13b-chat-limarp-v2-merged, airoboros-l2-13b-2.1 и Athena-v1. В репозитории опубликованы веса FP16 в формате safetensors; заявленный размер — 12,9 млрд параметров, контекст — 4096 токенов. Модель предназначена для генерации ответов на инструкции в шаблоне Alpaca и диалоговых сценариев. По описанию автора, она может переключаться между серьёзным и игривым тоном и использовать эмодзи. Карточка не уточняет языковой охват и результаты оценки качества. Лицензия CC BY-NC 4.0 запрещает коммерческое использование без отдельного разрешения правообладателя.

N8Programs Yukikai-Gemma-v0.3 — дообученная модель генерации текста на архитектуре Gemma 2 с 9 млрд параметров, основанная на unsloth/gemma-2-9b. Разработчик указывает, что обучение проводилось с использованием Unsloth и библиотеки Hugging Face TRL. Модель предназначена для генерации и продолжения текста. В метаданных указан английский язык и контекстное окно 8192 токена. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache 2.0. Карточка не описывает специализированные сценарии, результаты оценки качества или дополнительные возможности модели; её пригодность для конкретных задач следует проверять отдельно.

Это разговорная языковая модель Shenao Zhang, дообученная на базе ShenaoZhang/0.001_3iters_bs256_nodpo_only4w_iter_1 на обновлённом и исходном наборах данных. Модель построена на плотной архитектуре Mistral с 7,1 млрд параметров и принимает текст для генерации текста; контекстное окно составляет 32 768 токенов. Модель предназначена для диалоговой генерации текста. Карточка не уточняет целевые сценарии, языки обучения и результаты оценки, поэтому её пригодность для конкретных задач не подтверждена. Распространяется по лицензии MIT.

AfriGuardPlain-AfriqueQwen3.5-4B — диалоговая модель генерации текста, созданная дообучением полной модели McGill-NLP/AfriqueQwen3.5-4B командой AfriGuard. Её обучали на наборе adzcai/AfriGuard-plain: на безопасные запросы она даёт полезные ответы, а на небезопасные — кратко отказывает. Вариант Plain обучен без системной инструкции по безопасности и без специальных меток в примерах. Поэтому он отвечает или отказывает непосредственно, не выдавая метку безопасности. Модель использует плотную архитектуру Qwen3.5 с 4 миллиардами параметров, формат safetensors и библиотеку Transformers; она предназначена для диалогового текстового взаимодействия. Метаданные перечисляют английский, амхарский, хауса, игбо, оромо, шона, суахили, тви, волоф, йоруба и зулу. Лицензия — CC BY 4.0.

Модель lafifi-24/arabicBert_arabic_dialect_identification — классификатор арабского текста, разработанный в рамках проекта по определению арабских диалектов. Она дообучена на сочетании общедоступных наборов данных и собственного набора разработчиков и предназначена для определения диалекта по тексту разговорного арабского языка. Модель основана на BERT, содержит 137,8 млн параметров и принимает последовательности длиной до 512 токенов. Её можно применять для автоматической разметки диалектов в текстах, маршрутизации обращений по региону и анализа арабоязычных пользовательских сообщений. Карточка сообщает о высокой точности, но не приводит численных метрик или перечня распознаваемых диалектов, поэтому качество на конкретных данных следует проверять отдельно. В репозитории указаны веса PyTorch; условия лицензии в доступных данных не приведены.

aquif11/bert-finetuned-imdb — дообученная модель BERT для классификации текста. В README указано, что она основана на bert-base-uncased; архитектура — BertForSequenceClassification, размер — 136,7 млн параметров. Модель рассчитана на классификацию текстовых последовательностей, вероятно, для анализа отзывов о фильмах по датасету IMDb, что следует из названия репозитория. Модель принимает текст и выдаёт метку класса. Контекст ограничен 512 токенами. В README приведено значение loss 0,0011 на оценочной выборке, однако датасет и методика оценки не описаны, поэтому это число не позволяет надёжно судить о качестве на других данных. Использование регулируется лицензией Apache-2.0.

BigOrca-2-XB — объединённая языковая модель, опубликованная Joseph717171. Она создана методом passthrough в mergekit на основе предварительно обученной модели Microsoft Orca-2-13B. Модель использует плотную архитектуру LlamaForCausalLM и содержит 22,4 млрд параметров; для запуска предусмотрен формат safetensors, а заявленная длина контекста составляет 4096 токенов. Модель предназначена для генерации текста. Её можно применять для диалоговых ответов, черновиков и продолжения текста, однако карточка не приводит отдельных результатов оценки или подробного перечня сценариев. Лицензия указана как other, поэтому условия использования следует сверить с файлами репозитория и лицензиями исходной модели Orca-2-13B.

Austism/chronos-wizardlm-uc-scot-st-13b — языковая модель для генерации текста, созданная объединением Chronos-13B и смеси WizardLM Uncensored, CoT и Storytelling в пропорции 80/20. Разработчик описывает её как вариант Chronos с изменёнными способностями к письму и следованию инструкциям. Модель построена на плотной архитектуре LlamaForCausalLM и содержит 12,9 млрд параметров; доступный формат — PyTorch, родной контекст — 2048 токенов. Модель предназначена для написания текстов и выполнения инструкций в диалоговом формате, включая сценарии с пошаговыми рассуждениями. В метаданных указана лицензия `other`, без уточнения её условий. Практический контекст ограничен 2048 токенами; README не приводит оценок качества или подробностей об обучающих данных.