III.2Исследование рынка и маркетинг

Boana-7B-Instruct — языковая модель, разработанная Леонардо Соузой для работы с португальским языком. Это плотная авторегрессионная модель семейства LLaMA с архитектурой LlamaForCausalLM, дообученная на базе LLaMA2-7B; в репозитории указаны 6,6 млрд параметров и контекст 4096 токенов. Модель поддерживает диалог и выполнение инструкций, генерируя текст на португальском языке. Модель предназначена для генерации ответов и текста на португальском, включая диалоговые сценарии. Проект ориентирован на пользователей с ограниченными вычислительными ресурсами. В README приведены параметры генерации, включая штраф за повторы, выборку и температуру. Модель распространяется в формате Safetensors. В README указана лицензия Academic Free License 3.0, тогда как метаданные Hugging Face указывают Llama 2; условия использования следует сверять с файлами лицензии репозитория.

Это дообученная AmberYifan модель Marin 8B Base на базе архитектуры Llama с 7,5 млрд параметров. Обучение выполнено на наборе capsd_marin-8b-base-n80000-opc__mix_code_less_b4000_s0; название набора указывает на снижение доли кода, но подробности его состава не приведены. Модель предназначена для генерации и продолжения текста в сценариях диалога. Контекст составляет 4096 токенов. В репозитории указана лицензия other; конкретные условия использования в карточке не раскрыты. Подробные сведения о качестве, оценке и ограничениях отсутствуют.

AtAndDev/CapybaraMarcoroni-7B — дообученная модель семейства Mistral, разработанная AtAndDev. Она предназначена для генерации текста; при создании использовались QLoRA и набор данных Photolens/Capybara-text, а исходной моделью была cookinai/CatMacaroni-Slerp. Модель содержит 7,1 млрд параметров, принимает текст и рассчитана на контекст до 32 768 токенов. Модель может подойти для генерации и продолжения англоязычного текста. Она распространяется в формате safetensors по лицензии Apache-2.0. README не сообщает об оценках качества или специализированных сценариях применения.

Карточка модели unsloth/codellama-7b на Hugging Face совпадает с карточкой unsloth/gemma-2b-it, поэтому описание составлено по ней. unsloth/gemma-2b-it — разговорная версия модели Gemma, размещённая Unsloth. Это плотная авторегрессионная языковая модель класса GemmaForCausalLM с 2,5 млрд параметров, предназначенная для генерации текста в диалоге и продолжения текста. Метаданные указывают поддержку чата, английский язык и контекст до 8192 токенов; модель распространяется в формате safetensors и использует библиотеку Transformers. Модель подходит для создания диалоговых помощников, генерации ответов и текстовых прототипов. README Unsloth описывает шаблоны для conversational-обучения, включая ShareGPT ChatML и Vicuna, и указывает, что их ноутбуки позволяют дообучать и экспортировать модели; это относится к инструментарию Unsloth, а не подтверждает дополнительное обучение именно данного чекпойнта. Лицензия модели — Apache-2.0. Карточка не приводит результатов оценивания качества или конкретных ограничений применения, поэтому пригодность для заданной задачи следует проверять отдельно. Английский указан как язык карточки и тег модели; поддержка других естественных языков не подтверждена.

Joshua2565/complaint-radar-distilbert — модель классификации текста на базе DistilBERT, дообученная автором репозитория на наборе данных, обозначенном в карточке как None. Архитектура использует DistilBertForSequenceClassification; модель принимает текст и относит его к классам. По названию репозитория модель предназначена для выявления жалоб в тексте. Она основана на distilbert/distilbert-base-uncased, принимает последовательности длиной до 512 токенов и распространяется по лицензии Apache-2.0. Карточка не описывает метки классов, качество оценки или конкретные сценарии применения, поэтому назначение для мониторинга жалоб следует считать выводом из названия.

DiffLlama-0.3B-handcut — текстовая авторегрессионная модель для генерации текста, опубликованная разработчиком kajuma. Она использует архитектуру DiffLlama с дифференциальным вниманием и доступна в формате Safetensors; карточка модели указывает лицензию Apache-2.0. Модель подходит для генерации продолжений текста и диалоговых ответов. В метаданных указаны 1,2 млрд параметров и контекст до 131 072 токенов. Поиск не выявил описания обучающих данных или подтверждённых языков, поэтому её языковую специализацию и качество для отдельных задач установить нельзя. Модель следует использовать с учётом возможных ошибок генерации и проверять значимые ответы.

sshleifer/distilbart-xsum-12-1 — англоязычная модель суммаризации на архитектуре BART, доступная в форматах PyTorch и Flax. Она предназначена для создания краткого резюме по входному тексту, в частности в сценариях суммаризации XSum. Модель содержит 252,8 млн параметров и рассчитана на контекст до 1024 токенов. В README для этого варианта указаны результаты ROUGE-2 18,31 и ROUGE-L 33,37, время инференса 90 мс и ускорение в 2,54 раза относительно исходного сравнения. Чекпойнт загружается через BartForConditionalGeneration. Лицензия — Apache-2.0. Поддержка русского языка не заявлена.

Это дообученная модель GPT-2 от fpadovani, созданная на основе fpadovani/ppt-art-lang-newlexicon-zipf-eng-baseline-100mb_seed455 с использованием TRL. Она предназначена для генерации текста и ответов на открытые вопросы; в примере карточки показан диалоговый запрос на английском языке. Модель построена на плотной архитектуре GPT2LMHeadModel, распространяется в формате safetensors и имеет контекстное окно 512 токенов. Лицензия в доступных данных не указана.

eng-latn-100mb-ppt-Dp-100mb-packed_seed3407 — дообученная на TRL GPT-2-подобная модель из семейства Goldfish для генерации текста на английском языке. Она предназначена для продолжения текста и ответов на запросы в формате диалога; пример в карточке показывает генерацию ответа на вопрос. Модель работает через Transformers, веса представлены в формате safetensors, длина контекста составляет 512 токенов. Модель унаследована от goldfish-models/eng_latn_100mb. Сведения о размере весов, обучающих данных и измеренных качествах в предоставленной карточке и метаданных отсутствуют. Лицензия не указана в предоставленных данных.

Модель francesca9805/eng-latn-100mb-ppt-Dp-10mb-packednew_seed3407 — дообученная Francesca9805 версия одноязычной GPT-2-модели goldfish-models/eng_latn_100mb. Она предназначена для генерации английского текста; карточка показывает пример ответа на открытый вопрос. Модель построена на архитектуре GPT-2 с плотной сетью, работает через Transformers и сохранена в формате safetensors. Размер контекста составляет 512 токенов. Веса опубликованы по лицензии базовой модели; сведения о лицензии в предоставленных данных отсутствуют.

Enno-Ai/EnnoAi-Pro-Llama-3-8B-v0.1 — экспериментальная чат-модель семейства Llama для генерации текста на французском языке в профессиональных сценариях. По карточке модель создана на основе профессиональной базы данных на французском языке и дообучена с помощью QLoRA; метаданные указывают плотную архитектуру LlamaForCausalLM, 7,5 млрд параметров и контекст до 8192 токенов. Модель предназначена для диалогов и генерации профессионального текста на французском языке. Репозиторий содержит веса в формате safetensors, а лицензия указана как BigScience BLOOM RAIL 1.0. Карточка называет модель альфа-версией и сообщает, что она находится в разработке, поэтому её качество и пригодность для конкретных рабочих задач требуют проверки.

Это дообученная модель генерации текста на базе GPT-2, опубликованная Francesca9805. Она создана с помощью TRL и предназначена для продолжения текста и генерации ответов на запросы; в карточке приведён пример ответа на открытый вопрос. Модель принимает текст и выдаёт текст, а заявленная длина контекста составляет 512 токенов. Модель сохранена в формате safetensors. В README и метаданных не указаны языки обучения или специализация по предметной области, поэтому область применения следует считать общей. Лицензия в предоставленных данных не указана.

Модель devxyasir/fable-qwen2.5-3b-agentic-merged — дообученная разговорная языковая модель семейства Qwen2, разработанная devxyasir на базе unsloth/qwen2.5-3b-instruct-unsloth-bnb-4bit. Она предназначена для генерации текста в диалоге и сценариев с интерфейсом вызова инструментов. Модель содержит 3,1 млрд параметров, использует архитектуру Qwen2ForCausalLM и поддерживает контекст до 32 768 токенов. Дообучение выполнено на наборе Glint-Research/Fable-5-traces с использованием Unsloth и библиотеки Hugging Face TRL. Модель распространяется в формате safetensors по лицензии Apache-2.0. В метаданных указан английский язык; подробности о качестве и пределах применения не приводятся.

msy127/ft-240209-sft — дообученная модель для генерации текста, опубликованная командой, в которой указан David Sohn. Она основана на LDCC/LDCC-SOLAR-10.7B и предназначена для диалогового использования в платформе AI Companion. В карточке указана поддержка шаблона чата, а пример загрузки использует Transformers и AutoModelForCausalLM. Модель имеет плотную архитектуру LlamaForCausalLM на 10,7 млрд параметров и контекст до 4096 токенов. Карточка связывает сервис с общением при визуальном контакте с лицом, но не подтверждает, что сама модель принимает изображения: заявленная задача — генерация текста. Для использования требуется учитывать лицензию CC BY-NC 4.0, которая ограничивает коммерческое применение.

IJAS/gemma270m — дообученная IJAS языковая модель семейства Gemma 3 Text с плотной архитектурой Gemma3ForCausalLM и 257 млн параметров. Базовая модель — unsloth/gemma-3-270m-unsloth-bnb-4bit; обучение проводилось с использованием Unsloth и библиотеки TRL. Модель предназначена для генерации текста и может использоваться в задачах продолжения текста и построения простых текстовых ответов. Заявленная длина контекста — 32 768 токенов. В карточке указан английский язык и лицензия Apache-2.0. Описание не раскрывает специализацию дообучения и результаты оценки качества, поэтому пригодность для конкретных сценариев требует проверки.

NickyNicky/gemma-2b-it_oasst2_chatML_Cluster2_aya_multilingual — многоязычная чат-модель, созданная дообучением Gemma 2B IT на данных Aya в формате ChatML. В карточке указаны 2 эпохи обучения и базовая модель NickyNicky/gemma-2b-it_oasst2_chatML_Cluster_2_V1; архитектура — плотная GemmaForCausalLM с 2,5 млрд параметров и контекстом 8192 токена. Модель предназначена для генерации текста в диалоге на болгарском, каталонском, чешском, датском, немецком, английском, испанском, французском, хорватском, венгерском, итальянском, нидерландском, польском, португальском, румынском, русском, словенском, сербском, шведском и украинском языках. Может использоваться для чат-ответов и продолжения текста; загрузка и использование поддерживаются через Transformers, веса представлены в Safetensors. Лицензия — Apache-2.0. Модель компактнее крупных языковых моделей, поэтому её возможности и качество могут быть ограничены размером. README не приводит результатов оценки; следует проверять качество ответов на целевых языках и сценариях.

Aniemore/hubert-emotion-v1-crosslingual — модель распознавания эмоций в речи на основе HuBERT Large, дообученная Aniemore на смеси 27 939 аудиофрагментов из восьми языков и трёх речевых регистров. Она классифицирует речь по семи классам: гнев, отвращение, энтузиазм, страх, счастье, нейтральность и грусть; принимает аудио вместе с транскриптом. Модель предназначена для анализа эмоциональной окраски как постановочной, так и спонтанной речи. Чекпойнт имеет 402,7 млн параметров и использует архитектуру HubertForSequenceClassification. Репозиторий также содержит варианты int8, fp8 и int4. Модель оценивалась на постановочной русской речи, спонтанных русских подкастах и мультиязычном наборе CAMEO; результаты заметно зависят от типа речи и тестового набора. Лицензия — Apache-2.0, с ограничениями, унаследованными от базовой модели facebook/hubert-large-ls960-ft.

Huihui-HY-MT1.5-1.8B-abliterated-i1-GGUF — это набор квантованных файлов GGUF на основе модели Huihui-HY-MT1.5-1.8B-abliterated, разработанной huihui-ai и подготовленной квантизатором mradermacher. Модель предназначена прежде всего для машинного перевода и поддерживает широкий набор языков, включая китайский, английский, французский, португальский, испанский, японский, турецкий, русский, арабский, корейский, немецкий и многие другие. Размер базовой модели составляет 1,8 млрд параметров. В репозитории представлены варианты квантизации i1 с форматами IQ и Q, размером примерно от 0,6 до 1,4 ГБ, а также imatrix-файл для самостоятельного создания квантованных версий. Это позволяет запускать модель на устройствах с ограниченными ресурсами и выбирать компромисс между скоростью, занимаемой памятью и качеством. В README не указаны архитектура, размер контекста, дополнительные модальности и точные характеристики качества. Сильной стороной модели является поддержка большого числа языков и наличие компактных вариантов GGUF для локального использования. При этом низкобитные варианты могут заметно уступать по качеству; для некоторых файлов README отдельно отмечает низкое качество, тогда как i1-Q4_K_S и i1-Q4_K_M представлены как сбалансированные или рекомендуемые варианты. Модель обозначена как abliterated и uncensored, однако подробное описание этих свойств отсутствует. Лицензия в предоставленных данных не указана.

jialinyyzz/humanizer — модель на 12 млрд параметров, дообученная на базе google/gemma-4-12B для переработки черновиков, созданных ИИ. Она переписывает письма, эссе, отчёты и сообщения на форумах на английском и китайском языках, стремясь сохранить числа, единицы измерения, даты, имена и цитаты и не добавлять новых фактов. Модель поддерживает диалоговый режим и может работать локально без подключения к сети через приложение или совместимые среды, включая llama.cpp. Репозиторий содержит веса Safetensors и GGUF, включая варианты с разной точностью и квантизацией для устройств с разным объёмом памяти. Лицензия — Apache-2.0. По оценке авторов, результаты на английском лучше, чем на китайском; модель иногда меняет факты, форматирование или язык, а в разговорных текстах может добавить сленг или ненормативную лексику. Переписанный текст следует вычитывать, особенно имена, даты и числа.

Модель devhyun88/hyun-mistral-7b-orca-platypus-refine — дообученная авторами карточки версия Mistral-7B-v0.1 для генерации текста. Она построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров. Модель подходит для сценариев, где требуется генерировать продолжение текста по текстовому запросу. В карточке заявлена длина контекста до 32 768 токенов, а метаданные указывают корейский язык. Веса опубликованы в формате safetensors. Модель распространяется по лицензии CC BY-SA 4.0. README не описывает специальные сценарии, результаты оценки качества или ограничения сверх характеристик базового семейства.

Jarvis-3B — разговорная языковая модель для генерации текста, разработанная Sujal Rajpoot. Она основана на архитектуре StableLM с плотной моделью примерно на 2,7 млрд параметров и предназначена для диалоговых интерфейсов, чат-ботов и виртуальных помощников. Модель принимает текст и генерирует текст; заявленная длина контекста — 4096 токенов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. README также упоминает отдельную GGUF-версию. Модель позиционируется для диалога и задач понимания и генерации естественного языка. Результаты оценки ещё не опубликованы, поэтому качество для конкретных задач не подтверждено. Данные обучения в README не описаны; в метаданных указан датасет Jarvis-Conversation. Лицензия обозначена как other, поэтому условия использования следует уточнять в карточке модели.

Модель efficiencyx/Jun-LoRA-12B-Safetensor — дообученная efficiencyx мультимодальная инструкционная модель семейства Gemma 4 Unified с 12 млрд параметров, основанная на unsloth/gemma-4-12B-it-qat-q4_0-unquantized. Она предназначена для диалогового взаимодействия с текстом и изображениями; карточка также отмечает поддержку интерфейса вызова инструментов. Модель представлена в формате Safetensors и относится к задаче image-text-to-text. Модель подходит для ответов на вопросы по изображениям, диалога с визуальным контекстом и текстовых инструкций при анализе изображений. В карточке указано, что дообучение выполнено с использованием Unsloth и библиотеки TRL. Поддерживаемый язык карточки — английский; лицензия — Apache 2.0. README не приводит оценок качества или подробностей о данных и настройках дообучения.

gogamza/kobart-summarization — модель семейства BART, предназначенная для суммаризации текстов на корейском языке. Она содержит около 79,7 млн параметров и использует архитектуру BartForConditionalGeneration; модель создана для генерации краткого пересказа по входному тексту. Модель подходит для автоматического сокращения корейских статей и документов. Контекст составляет до 1026 токенов. Доступны веса PyTorch и safetensors; лицензия — MIT.

Baha123/llama3.1-extraction-finetuned — дообученная языковая модель Baha123 на базе unsloth/meta-llama-3.1-8b-instruct-bnb-4bit. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM, предназначенная для генерации текста и диалогового взаимодействия. В карточке указано, что обучение проводилось с Unsloth и библиотекой TRL. Модель можно применять для генерации ответов и текста в англоязычных чат-сценариях. Метаданные указывают контекст до 131 072 токенов и размер 7,5 млрд параметров. Репозиторий содержит веса PyTorch; заявлена лицензия Apache-2.0. Название предполагает задачу извлечения информации, однако README не описывает её поведение или качество, поэтому пригодность для конкретных задач извлечения не подтверждена.

Llama-MiraiFanfare-3.3-70B — экспериментальная объединённая языковая модель автора KaraKaraWarehouse на базе EVA-LLaMA-3.33-70B-v0.0 с включением Blackroot/Mirai-70B-1.0. Модель построена методом TIES через mergekit и предназначена для генерации текста в диалогах и творческого письма. Автор отмечает её творческий стиль и лучшую управляемость по сравнению с более ранним вариантом; для общения рекомендует формат ChatML. Модель использует плотную архитектуру LlamaForCausalLM и содержит 69,5 млрд параметров. Заявленная длина контекста — 131 072 токена. Репозиторий содержит веса Safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

appvoid/merging-3 — текстовая генеративная модель семейства Llama, созданная с помощью mergekit из слоёв appvoid/palmer-003 методом passthrough. В метаданных указано около 1,1 млрд параметров, архитектура LlamaForCausalLM и контекст до 2048 токенов; веса сохранены в формате safetensors. Базовая модель описана как компактная чат-модель для генерации текста на английском, испанском и французском языках. Модель предназначена для генерации текста и диалоговых сценариев. Карточка описывает сборку из диапазонов слоёв одной базовой модели, но не приводит результатов оценки качества или подробных инструкций по применению. Условия лицензии в доступных данных не указаны.

Felladrin разработал Minueza-32Mx2-Chat — компактную англоязычную чат-модель на основе Felladrin/Minueza-32M-Base. Она использует архитектуру Mixtral с разреженной экспертной моделью (MoE), содержит 22,8 млн параметров и рассчитана на контекст до 2048 токенов. Модель дообучена методом supervised fine-tuning на наборах инструкций и диалогов, а затем оптимизирована методом direct preference optimization. Она предназначена для диалогов, ответов на вопросы и выполнения текстовых инструкций; обучающие данные включают примеры общего общения, веб-вопросов и предпочтений ответов. Модель принимает текст и генерирует текст, используя формат диалога с ролями system, user и assistant. Модель распространяется под лицензией Apache License 2.0. Это компактная модель с коротким контекстом, поэтому её возможности и качество ответов могут быть ограничены по сравнению с более крупными современными чат-моделями; основной язык карточки — английский.

Это дообученная модель генерации текста на архитектуре GPT-2, созданная Francesca9805 на основе francesca9805/ppt-wc-uniform-newlex-nld-before-100mb-packed-bfdiso_seed3407. Она предназначена для продолжения текста и ответов на текстовые запросы; карточка демонстрирует диалоговый запрос и генерацию ответа. Модель обучалась с TRL и распространяется в формате safetensors. Контекст модели составляет 512 токенов. Базовая модель ориентирована на английскую генерацию и ответы на запросы. В метаданных указана лицензия; сведения о её условиях здесь не приведены.

Модель pszemraj/opt-350m-email-generation разработана на основе facebook/opt-350m и дообучена автором репозитория на шесть эпох на наборе AESLC для генерации продолжения электронных писем. Она принимает текстовый промпт, например приветствие и начало письма, и дописывает его; форматирование промпта заметно влияет на результат. Модель построена на архитектуре OPT с 454,1 млн параметров, использует причинную генерацию текста и имеет контекст длиной до 2048 токенов. Модель предназначена для автодополнения и черновиков писем. При подготовке данных предпринималась попытка исключить адреса электронной почты, номера телефонов и другие подобные сведения. В примере README генерация ограничена 64 токенами; для более длинных писем этот предел можно изменить в настройках pipeline. Репозиторий использует лицензию other, а автор указывает на пользовательские ограничения лицензии facebook/opt-350m, включая запрет коммерческого использования.

Helsinki-NLP разработала opus-mt-fr-el — модель машинного перевода с французского на греческий. Она обучена на данных OPUS и использует архитектуру Transformer-align с предобработкой текста, нормализацией и SentencePiece. Модель принимает французский текст и генерирует его перевод на греческий. В метаданных указаны 56,3 млн параметров, контекст до 512 токенов и лицензия Apache-2.0. Для набора Tatoeba.fr.el в карточке приведены BLEU 56,2 и chr-F 0,719; эти оценки относятся к указанному тестовому набору.