III.2Исследование рынка и маркетинг

T-900-8B — разговорная языковая модель семейства Llama, опубликованная ChaoticNeutrals. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текст для генерации текста. Метаданные указывают поддержку английского языка, контекст до 8192 токенов и возможность диалогового использования. Модель предназначена для генерации текста в формате чата. В карточке указаны объединение с ChaoticNeutrals/T-850-8B и адаптером ResplendentAI/Llama3_RP_ORPO_LoRA; набор данных связан с RPOrpo. Репозиторий содержит веса в формате safetensors, а README упоминает GGUF. Модель распространяется по лицензии Apache-2.0. Тег «not-for-all-audiences» указывает на возможное наличие контента для взрослой аудитории; характер такого контента карточка не уточняет. Пользовательский README не сообщает подробностей о качестве, обучении или конкретных ограничениях модели.

Ateeqq/Text-Rewriter-Paraphraser — дообученная модель семейства T5 для перефразирования текста. В README указана база T5-Base и обучение на наборе примерно из 430 тысяч примеров, собранном из трёх открытых источников и очищенном перед обучением. Для задачи используется префикс «paraphraser: ». Метаданные указывают архитектуру T5ForConditionalGeneration, 123,8 млн параметров и контекст до 512 токенов; README приводит другое число параметров для базовой модели, поэтому здесь указано значение из метаданных репозитория. Модель предназначена для генерации переформулированных вариантов текста с сохранением смысла и для изменения структуры предложений. В карточке заявлены естественное звучание и фактическая точность, однако приведены только значения потерь на обучении и валидации, без независимой оценки качества. Языки обучения и работы не указаны. Модель опубликована под лицензией Apache-2.0.

Tireless Seagull 1.1 — разговорная языковая модель, дообученная автором репозитория yifanxie с помощью H2O LLM Studio на базе google/gemma-1.1-2b-it. Модель построена на архитектуре GemmaForCausalLM, содержит 2,5 млрд параметров и рассчитана на генерацию текста и диалоговое взаимодействие. Она принимает текст и выдаёт текст; в карточке указан английский язык, а длина контекста составляет 8192 токена. Модель подходит для диалоговых приложений и генерации ответов на английском языке. Для запуска в README приведён пример использования библиотеки Transformers; также описана возможность загрузки с 4- и 8-битной квантизацией и распределения по нескольким GPU. Лицензия в предоставленных данных не указана. Как и другие языковые модели, она может выдавать неверные, бессвязные или нерелевантные ответы, а также предвзятый или оскорбительный контент. README рекомендует критически проверять результаты.

wannaphong/tongyi-model-v2.0-1b-th — дообученная плотная авторегрессионная языковая модель семейства Llama 3.2, созданная wannaphong на базе unsloth/Llama-3.2-1B с использованием Unsloth и TRL. Модель содержит 1,2 млрд параметров, сохранена в формате safetensors и предназначена для генерации текста и диалоговых сценариев. Модель работает с текстом; метаданные указывают английский язык, но README не описывает целевые сценарии или отдельные результаты обучения. Заявлена длина контекста 131 072 токена. Лицензия — Apache-2.0, допускающая использование согласно её условиям.

5CD-AI/viso-twhin-bert-large — модель BERT для заполнения пропусков в тексте, построенная на TwHIN-BERT. Разработчики уменьшили словарь до 20 тысяч токенов и продолжили предобучение на наборе UIT в течение 10 эпох. Модель содержит 423,1 млн параметров, использует архитектуру BertForMaskedLM и поддерживает контекст до 512 токенов. Модель предназначена для работы с вьетнамскими текстами из социальных сетей. В README описана оценка её дообученных вариантов на распознавании эмоций, выявлении языка ненависти, спам-отзывов и фрагментов с языком ненависти. Для этих downstream-задач указано дообучение с длиной входа до 128 токенов. Репозиторий распространяет веса в формате safetensors; лицензия в предоставленных данных не указана.

YanoljaNEXT-Rosetta-27B-2511-i1-GGUF — это набор квантованных моделей в формате GGUF, созданный mradermacher на основе YanoljaNEXT-Rosetta-27B-2511 от Yanolja. Модель предназначена прежде всего для задач перевода и поддерживает арабский, болгарский, китайский, чешский, датский, нидерландский, английский, финский, французский, немецкий, греческий, гуджарати, иврит, хинди, венгерский, индонезийский, итальянский, японский, корейский, персидский, польский, португальский, румынский, русский, словацкий, испанский, шведский, тагальский, тайский, турецкий, украинский и вьетнамский языки. Базовая модель имеет размер 27 миллиардов параметров. Репозиторий содержит варианты квантования с разными требованиями к памяти и компромиссами между скоростью и качеством: от IQ1 и Q2 до Q6, с размером файлов примерно от 6,8 до 23,4 ГБ. В README рекомендуются варианты i1-Q4_K_M как быстрые и i1-Q4_K_S как оптимальные по соотношению размера, скорости и качества; низкобитные варианты могут заметно уступать по качеству. Сведения об архитектуре, модальностях и размере контекста не указаны, поэтому модель следует рассматривать как текстовую. Модель распространяется по лицензии Gemma. Для использования требуются совместимые инструменты, поддерживающие формат GGUF; конкретные требования к оборудованию зависят от выбранного варианта квантования.

Модель ShenaoZ/0.001_ablation_6iters_iter_1 — дообученная версия Mistral на 7,1 млрд параметров, созданная на основе HuggingFaceH4/mistral-7b-sft-beta с использованием датасета HuggingFaceH4/ultrafeedback_binarized. Это плотная авторегрессионная языковая модель для генерации текста и диалогового общения; карточка указывает контекст до 32 768 токенов. Модель подходит для диалоговых ответов и генерации текста. В метаданных отмечена поддержка чата, но README не описывает отдельные сценарии применения или результаты оценки качества. Репозиторий содержит веса в формате Safetensors и распространяется по лицензии MIT. Англоязычный характер обучающих диалогов указан для базовой модели, поэтому это не подтверждает первичную поддержку русского языка.

A.X Encoder-base — разработанный SKT базовый энкодер для понимания корейских документов и корпоративного применения. Модель создана внутри компании: SKT отвечала за архитектуру, подготовку данных и обучение на собственной вычислительной инфраструктуре TITAN. Модель использует архитектуру ModernBERT и предназначена для классификации документов и других задач понимания корейского языка, включая оценку образовательной ценности, определение тематической области и уровня сложности. README сообщает о результатах на наборах KoBEST и KLUE и ускорении инференса до трёх раз по сравнению с более ранними моделями. Контекст составляет до 16 384 токенов; модель построена как энкодер с маскированным языковым моделированием. Для работы через Transformers требуется версия 4.51.0 или новее; для повышения эффективности на совместимом GPU можно использовать Flash Attention 2. Модель распространяется по лицензии Apache-2.0.

Badger κ Llama 3 8B Instruct «Abliterated» — разговорная модель на базе Llama 3, созданная автором репозитория путём слияния и преобразования весов нескольких моделей Llama 3 8B, включая instruct-модели и их производные. Модель предназначена для генерации ответов, продолжения историй и ролевого диалога; автор отмечает, что она хорошо справляется с обычными запросами, но ролевые ответы могут быть небрежными и при этом описательными. Модель имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекстное окно 8192 токена. Она принимает текст и генерирует текст; метаданные указывают библиотеку Transformers и формат safetensors. README описывает модель как uncensored, однако качество и безопасность ответов отдельно не подтверждены. Лицензия указана как Llama 3 license.

Beetle-Bilingual-Balanced-B1-FineWeb-Hin-Eng — языковая модель для генерации текста на хинди и английском языке, опубликованная в репозитории Beetle-FineWeb2-24B. По метаданным модель предназначена для задачи text generation и работает с библиотекой Transformers; в тегах также указана поддержка формата safetensors и компонента pico_decoder. README содержит автоматически сгенерированную карточку без подробностей о разработчиках, обучающих данных, архитектуре, оценивании и лицензии. Модель может использоваться для генерации, продолжения и черновой подготовки текста на поддерживаемых языках. Из-за отсутствия результатов тестирования и сведений о настройках применения качество, фактическое покрытие языков и пригодность для специализированных сценариев требуют самостоятельной проверки.

Bucharest-0.1 — экспериментальная диалоговая текстовая модель семейства Llama, созданная разработчиком Mihaiii путём instruct-дообучения migtissera/Tess-10.7B-v1.5b на частном наборе данных. Она предназначена для генерации текста и ведения диалогов; формат подсказки использует секции SYSTEM, USER и ASSISTANT. Модель содержит 10,6 млрд параметров, имеет контекстное окно 4096 токенов и распространяется в формате safetensors. Лицензия — Apache-2.0. Автор характеризует серию Bucharest как экспериментальную и рекомендует вместо неё серию Pallas, поэтому качество и пригодность этой версии для конкретных сценариев следует проверять отдельно.

DAML4_TLDR_Generator — компактная модель T5, дообученная на базе google-t5/t5-small. Она предназначена для создания кратких пересказов текста (TL;DR) в сценариях, где нужно быстро получить короткое резюме. Модель содержит 38,5 млн параметров, использует архитектуру T5ForConditionalGeneration и принимает текст с контекстом до 512 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. В README указана оценка Loss 2,4928 на тестовой выборке, но датасет, методика оценки и практическое качество резюмирования не описаны.

fpadovani выпустил дообученную с помощью TRL модель на базе goldfish-models/dan_latn_10mb. Это плотная GPT-2 с задачей генерации текста и контекстом 512 токенов; в карточке приведён пример ответа на открытый вопрос. Модель рассчитана на текстовые запросы и выдачу текста. Лицензия в доступных данных не указана.

freewheelin/free-solar-instrunction-v0.1 — дообученная языковая модель семейства Llama с 10,7 млрд параметров для генерации текста. Разработчик сообщает, что модель дообучена с помощью TRL Trainer методом обучения из статьи SOLAR; в качестве базовой указана davidkim205/komt-solar-10.7b-sft-v5. Модель предназначена для генерации текста по запросу. Карточка не приводит конкретных сценариев применения или результатов оценки качества. В метаданных указаны корейский и английский языки, контекст 4096 токенов и формат Safetensors. Лицензия — MIT.

Hy-MT2-30B-A3B-i1-GGUF — это квантизированная версия модели Hy-MT2-30B-A3B, разработанной Tencent и преобразованной в формат GGUF пользователем mradermacher. Модель ориентирована прежде всего на задачи машинного перевода и поддерживает китайский, английский, французский, португальский, испанский, японский, турецкий, русский и ряд других языков, включая арабский, корейский, немецкий, итальянский, украинский, хинди и бенгальский. В репозитории представлены варианты с imatrix-квантизацией разных типов и размеров — примерно от 6,3 до 24,8 ГБ. Доступны форматы IQ, Q2, Q3, Q4, Q5 и Q6; вариант i1-Q4_K_M указан как быстрый и рекомендуемый, а i1-Q4_K_S — как компромисс между размером, скоростью и качеством. Точная архитектура, размер контекстного окна, поддержка модальностей помимо текста и результаты независимого тестирования в README не указаны. Основное преимущество модели — широкий набор поддерживаемых языков и возможность локального запуска через совместимое с GGUF программное обеспечение с выбором подходящего баланса качества, скорости и потребления памяти. Ограничения связаны с квантизацией: малые варианты могут заметно уступать по качеству, а для более качественных вариантов требуются значительные вычислительные ресурсы. Модель распространяется по лицензии Apache-2.0.

neeleshg23/jamba-1.9b-3_layer — дообученная модель семейства Jamba с архитектурой MoE для генерации текста. Она основана на neeleshg23/jamba-1.9b-9 и содержит 1,2 млрд параметров; опубликована в формате safetensors и рассчитана на контекст до 2048 токенов. Модель предназначена для генерации продолжения текста и может использоваться в задачах, где требуется текстовый ответ или черновик. Данные обучения, языки, специализированные сценарии и результаты оценки не описаны. Модель опубликована под лицензией, сведения о которой в доступных данных отсутствуют.

KoR-Orca-Platypus-13B — корейская языковая модель, разработанная Kyujin Han (kyujinpy) в рамках исследовательского консорциума компаний 사람과숲 и 마커. Это авторегрессионная плотная модель на архитектуре LLaMA 2 с 12,9 млрд параметров, принимающая текст и генерирующая текст; нативный контекст — 2048 токенов. Модель дообучена на объединённом корейском наборе KOR-OpenOrca-Platypus, составленном из OpenOrca-KO и KOpen-platypus, на базе hyunseoki/ko-en-llama2-13b. Она предназначена для генерации ответов и выполнения текстовых инструкций на корейском языке; в README приведены результаты на корейских тестах рассуждения, понимания и генерации. Доступны веса PyTorch и safetensors. Лицензия CC BY-NC-SA 4.0 требует указания авторства, распространяет производные работы на тех же условиях и ограничивает коммерческое использование.

Krakowiak-7B-v2 — польская языковая модель для генерации текста, разработанная Шимоном Францишеком Руциньским. Она основана на Mistral-7B и дообучена на самостоятельно созданном корпусе из 300 тысяч польских инструкций для следования инструкциям и генерации текста на польском языке. Модель имеет плотную архитектуру Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. В карточке указаны Grouped-Query Attention, Sliding-Window Attention и токенизатор BPE с поддержкой отдельных байтов. Для инструкций используется формат [INST]…[/INST]. Модель распространяется в формате safetensors по лицензии CC BY-SA 4.0.

Fischerboot/L3-Sophie-improved-v1 — слитая языковая модель на архитектуре Llama 3, созданная автором репозитория с помощью mergekit. В объединении использован метод passthrough и две модели: Fischerboot/LLama3-Lexi-Aura-3Some-SLERP-SLERP-ql-merge и Fischerboot/sophie-improved. Модель содержит 7,5 млрд параметров, работает через Transformers и рассчитана на генерацию текста в диалоговом формате с контекстом до 8192 токенов. Модель предназначена для общения и генерации текста; базовая слитая модель ориентирована прежде всего на английский язык. Автор предупреждает, что не рекомендует модель для широкого применения, поэтому её практическое качество и надёжность следует проверять на целевых задачах. В репозитории указаны веса safetensors и формат bfloat16. Сведения о лицензии в предоставленных данных отсутствуют.

linear_Merged_gpt2-small_0.1 — объединённая языковая модель на архитектуре GPT-2, созданная с помощью mergekit. В слиянии использованы предварительно обученная модель gpt2-small с весом 0,9 и её вариант gpt2-small_debias с весом 0,1; токенизатор взят из gpt2-small. Модель предназначена для генерации текста по текстовому контексту. Модель использует плотную архитектуру GPT2LMHeadModel, распространяется в формате safetensors и имеет контекст длиной до 1024 токенов. Веса представлены как линейное слияние исходных моделей с нормализацией. Карточка не описывает отдельные прикладные области или подтверждённые показатели качества. Лицензия в предоставленных данных не указана.

Llama3.2-Typhoon2-3B-Instruct — инструктивная языковая модель на 3,2 млрд параметров, разработанная SCB 10X на основе Llama 3.2 3B. Это плотная авторегрессионная модель семейства Llama для диалогов, выполнения инструкций и вызова функций; для запуска рекомендуется Transformers версии 4.45.0 или новее. Модель рассчитана прежде всего на тайский и английский языки, включая переключение между ними в одном диалоге. В карточке приведены результаты оценки следования инструкциям и вызова функций на тайском и английском. Модель подходит для чат-ботов и ассистентов, которые отвечают на вопросы, следуют инструкциям и используют интерфейс вызова инструментов. В README отмечено, что модель находится в разработке, а её ответы могут быть неточными, предвзятыми или нежелательными; встроенные меры безопасности не устраняют эти риски. Использование регулируется лицензией Llama 3.2 Community License.

marefa-nlp/marefa-mt-en-ar — модель машинного перевода, разработанная проектом موسوعة المعرفة (Marefa Encyclopedia), для перевода с английского на арабский. Она построена на архитектуре MarianMT, содержит 57,3 млн параметров и принимает текстовые последовательности длиной до 512 токенов. Модель обучена для английско-арабского перевода и поддерживает дополнительные арабские буквы, например پ и گ, чтобы передавать особенности произношения английских звуков. Для использования нужны Transformers и SentencePiece. Модель распространяется по лицензии Apache-2.0; карточка не приводит оценок качества или подробных ограничений.

eslamxm/mbart-finetuned-fa — модель абстрактивной суммаризации на основе mBART-large-50, дообученная на наборе данных pn_summary. Она предназначена для создания краткого пересказа текста на фарси. Модель содержит около 457,4 млн параметров, использует архитектуру MBartForConditionalGeneration и принимает контекст до 1024 токенов. В карточке приведены результаты оценки на тестовом наборе: ROUGE-1 — 44,07, ROUGE-2 — 25,81, ROUGE-L — 38,96 и BERTScore — 78,95; средняя длина сгенерированного текста — 41,7. Опубликована в формате PyTorch. Лицензия в предоставленных данных не указана.

MedVi-1.5B — разговорная текстовая модель, опубликованная пользователем datnguyen и дообученная на базе unsloth/Qwen2-1.5B. Она использует плотную архитектуру Qwen2 с 1,5 млрд параметров и предназначена для генерации текста и диалогов; карточка не описывает специализацию на медицинских задачах, несмотря на название модели. Модель принимает текст и выдаёт текст, поддерживает английский язык и имеет заявленное окно контекста до 131 072 токенов. Для обучения использовались Unsloth и библиотека TRL; веса опубликованы в формате safetensors. Лицензия — Apache-2.0. Карточка не приводит результатов оценки качества или подробностей обучающих данных.

MemoChat-Fastchat-T5-3B — текстовая модель семейства T5, дообученная Junrulu на наборе инструкций Junrulu/MemoChat_Instructions. Она предназначена для генерации ответов на текстовые запросы и диалогового общения. Модель содержит 1,5 млрд параметров, использует архитектуру T5ForConditionalGeneration и имеет контекст длиной 512 токенов. Модель опубликована в форматах PyTorch и Safetensors. В карточке указаны английский язык и лицензия CC BY-NC-SA 4.0, которая требует указания авторства, распространения производных работ на тех же условиях и ограничивает коммерческое использование.

Карточка модели Akul/MiniLlama-1.8b-Med на Hugging Face совпадает с карточкой Akul/MiniLlama-1.8b-Med-safetensors, поэтому описание составлено по ней. Akul/MiniLlama-1.8b-Med-safetensors — дообученная Akul языковая модель семейства Llama для генерации текста и диалогового общения. Она основана на frankenmerger/MiniLlama-1.8b-Chat-v0.1 и обучалась с использованием Unsloth и библиотеки Hugging Face TRL. Модель имеет плотную архитектуру LlamaForCausalLM с 1,8 млрд параметров и контекстом до 4096 токенов. Репозиторий содержит веса в формате safetensors; модель предназначена для англоязычных текстовых запросов и ответов. В карточке нет подтверждения специализированных медицинских возможностей, несмотря на «Med» в названии. Лицензия — Apache-2.0; README не описывает оценку качества или дополнительные ограничения.

liuda1/Mistral-7B-golden — дообученная авторами модель на архитектуре Mistral-7B. В качестве основы использована Mistral-7B-v0.1; модель обучали на англоязычном наборе диалогов и дополнительно настраивали с помощью обучения с подкреплением на специальных наборах данных. В карточке указано, что модель обладает базовыми диалоговыми возможностями, оценёнными авторами при самостоятельном тестировании. Модель предназначена для генерации текста и общения на английском языке. Она содержит 7,1 млрд параметров, работает с форматом PyTorch и поддерживает контекст до 32 768 токенов. Авторы планировали продолжить обучение, чтобы улучшить диалоговые возможности на китайском языке; текущий уровень поддержки китайского не уточнён. Лицензия в метаданных обозначена как неизвестная, поэтому условия использования по доступным данным определить нельзя.

airKlizz/mt5-base-wikinewssum-french — дообученная модель семейства mT5, созданная на основе google/mt5-base. Она предназначена для суммаризации текста на французском языке. Модель содержит 291,2 млн параметров и опубликована в формате PyTorch. В карточке приведены результаты оценки: Loss 2,0917, ROUGE-1 12,0984, ROUGE-2 5,7289, ROUGE-L 9,9245 и ROUGE-Lsum 11,0697. Данные для обучения не описаны. Модель распространяется по лицензии Apache-2.0.

OmniTab — модель для ответов на вопросы по таблицам, разработанная в рамках работы «OmniTab: Pretraining with Natural and Synthetic Data for Few-shot Table-based Question Answering». Она основана на архитектуре BART, инициализирована весами microsoft/tapex-large и дополнительно предобучена на естественных и синтетических данных. Модель предназначена для ответов на вопросы по табличным данным, в том числе в сценариях few-shot, когда доступно мало примеров. Она содержит 252,8 млн параметров, работает с текстовым представлением таблиц и принимает контекст до 1024 токенов. В метаданных указан английский язык и датасет WikiTableQuestions. Модель можно применять для извлечения ответов из таблиц и анализа их содержимого по запросу на естественном языке. Карточка не сообщает лицензию и не описывает отдельные ограничения качества или способы представления таблиц.

Helsinki-NLP разработала opus-mt-de-fr — компактную модель машинного перевода с немецкого на французский. Это плотная Transformer-модель семейства MarianMT с 56,5 млн параметров; для обработки текста применяются нормализация и SentencePiece. Модель принимает немецкий текст и генерирует перевод на французском, поддерживается контекст до 512 токенов. Модель предназначена для перевода немецких текстов на французский. В карточке приведены результаты на нескольких тестовых наборах: BLEU от 26,4 до 32,2 и chr-F от 0,548 до 0,590. Репозиторий содержит веса PyTorch и TensorFlow. Лицензия — Apache-2.0.