III.2Исследование рынка и маркетинг

Hy-MT2-7B-GGUF — это набор GGUF-квантизаций модели Hy-MT2-7B, разработанной Tencent и опубликованной в формате GGUF пользователем mradermacher. Модель предназначена прежде всего для задач машинного перевода и поддерживает китайский, английский, французский, португальский, испанский, японский, турецкий, русский, арабский, корейский, тайский, итальянский, немецкий, вьетнамский, малайский, индонезийский, тагальский, хинди и ряд других языков, перечисленных в карточке. Всего заявлено 35 языков, включая польский, чешский, нидерландский, кхмерский, бирманский, персидский, украинский, тибетский, казахский, монгольский, уйгурский и другие. Это модель размером 7B, доступная в различных вариантах квантизации с объёмом файлов примерно от 3,1 до 15,1 ГБ. Предлагаются форматы Q2_K, Q3_K, IQ4_XS, Q4_K_S, Q4_K_M, Q5_K_S, Q5_K_M, Q6_K, Q8_0 и f16; варианты Q4_K_S и Q4_K_M отмечены как быстрые и рекомендуемые, Q6_K — как обеспечивающий очень хорошее качество, а Q8_0 — как вариант с наилучшим качеством среди указанных. README не содержит сведений об архитектуре, размере контекста, мультимодальности, конкретных метриках качества или требованиях к аппаратному обеспечению. Основные сильные стороны модели — широкий набор поддерживаемых языков, ориентация на перевод и возможность выбрать баланс между размером, скоростью и качеством с помощью разных вариантов квантизации. Ограничения связаны с возможной потерей качества в низкобитных вариантах и отсутствием подробных данных о производительности и сценариях применения. Модель распространяется по лицензии Apache-2.0.

Это дообученная модель генерации текста на базе fpadovani/ppt-wc-zipf-newlex-eng-100mb_seed3407. Она создана с использованием TRL и предназначена для продолжения текста и генерации ответов на пользовательские запросы на английском языке. В качестве примера карточка показывает ответ на открытый вопрос; архитектура — GPT-2, библиотека — Transformers, формат весов — safetensors, длина контекста — 512 токенов. Лицензия в предоставленных данных не указана.

Это дообученная модель генерации текста на архитектуре GPT-2, созданная на основе fpadovani/ppt-wc-zipf-newlex-eng-100mb_seed3407. Согласно карточке, модель обучалась с помощью TRL и предназначена для генерации ответов на пользовательские запросы на английском языке. Её можно использовать для продолжения диалога и получения текстового ответа на вопрос; длина контекста составляет 512 токенов. В репозитории указаны веса в формате safetensors. Условия лицензии в предоставленных данных не описаны.

K2S3-SOLAR-11b-v3.0 — языковая модель, разработанная K2S3 и дообученная методом supervised fine-tuning на базе upstage/SOLAR-10.7B-v1.0. Это плотная авторегрессионная модель семейства LLaMA с 10,6 млрд параметров и контекстом 4096 токенов, предназначенная для генерации текста и диалоговых сценариев на корейском языке. В обучающие данные вошли материалы Стандартного словаря корейского языка, набор KULLM Университета Корё, аннотации к магистерским и докторским диссертациям, корейские образцы AI Hub, alpaca-gpt4-data и примеры OpenOrca. Модель может применяться для ответов на вопросы и создания корейских текстов; сведения об отдельных результатах оценки качества в карточке не приведены. Репозиторий содержит веса в формате safetensors. Лицензия CC BY-NC 4.0 требует указания авторства и ограничивает коммерческое использование.

Ko-PlatYi-6B — авторегрессионная языковая модель разработчика Kyujin Han (kyujinpy), основанная на архитектуре трансформера Yi-34B и реализованная как плотная модель LlamaForCausalLM. В репозитории указано 5,9 млрд параметров; модель принимает текст и генерирует текст, использует Transformers и PyTorch, а её контекст составляет 2048 токенов. Модель дообучена на корейском датасете kyujinpy/KOR-OpenOrca-Platypus-v3 на базе beomi/Yi-Ko-6B. Она предназначена для генерации текста и выполнения языковых запросов на корейском языке; в карточке приведены результаты на нескольких языковых бенчмарках, но ссылки на полный отчёт об оценке не представлены. Лицензия — CC BY-NC-SA 4.0, предусматривающая атрибуцию, распространение производных работ на тех же условиях и ограничения на коммерческое использование.

Mahou-1.1-mistral-7B — разговорная языковая модель для чата и ролевых диалогов, разработанная flammen.ai. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, дообученная на разговорных данных flammen.ai методом Direct Preference Optimization; карточка также указывает датасет flammenai/Grill-preprod-v1_chatML. Модель принимает текст и генерирует текст, использует формат ChatML и поддерживает контекст до 32 768 токенов. Модель предназначена для диалоговых приложений и ролевых сценариев; для работы следует применять шаблон ChatML. Репозиторий содержит веса Safetensors и распространяется по лицензии Apache-2.0. В карточке нет сведений о поддерживаемых естественных языках или специальных предметных областях.

Mistral-Ita-7b — языковая модель на 7,1 млрд параметров, разработанная Michele Montebovi на основе Mistral-7B-v0.1 и специализированная для итальянского языка. Это плотная авторегрессионная модель с архитектурой MistralForCausalLM, предназначенная для генерации текста; контекст составляет до 32 768 токенов. Модель подходит для генерации и продолжения текста на итальянском языке. В карточке приведены результаты оценки на итальянских версиях наборов hellaswag, ARC и MMLU: средняя нормализованная точность — 0,5866. В репозитории используются веса safetensors; README также упоминает отдельную доступную 4-битную версию GGUF. Модель выпущена под лицензией Apache-2.0. Указанные результаты оценки не гарантируют качество в конкретном приложении; приведённые тесты охватывают ограниченный набор задач.

eslamxm/mt5-base-finetuned-persian — модель eslamxm, дообученная на базе google/mt5-base на наборе данных XL-Sum. Это текстовая модель семейства mT5 с архитектурой MT5ForConditionalGeneration и примерно 291,2 млн параметров; она предназначена для суммаризации текста на персидском языке. В карточке приведены результаты оценки на тестовой выборке: Loss 3,6086, ROUGE-1 22,02, ROUGE-2 7,41, ROUGE-L 18,95 и BERTScore 69,89. Модель принимает текст и генерирует текстовое резюме. Репозиторий содержит веса PyTorch, лицензия — Apache-2.0. Описание не уточняет длину контекста, ограничения входного текста и область применения сверх суммаризации на персидском языке.

aniket23/news_scraper_model — англоязычная модель суммаризации новостей, созданная разработчиком aniket23 дообучением facebook/bart-large-cnn. Она формирует краткие пересказы примерно на 60 слов с учётом раздела статьи: например, в криминальной новости выделяет обвиняемого, а в деловой — ключевой показатель. Модель предназначена для статей из разделов «Криминал», «Технологии», «Политика», «Бизнес», «Наука», «Спорт» и других новостных тем. Модель построена на архитектуре BART, содержит 252,8 млн параметров и принимает текстовые статьи с префиксом-инструкцией, соответствующим обучающему формату. Контекст ограничен 1024 токенами. Обучение проводилось примерно на 700 новостных статьях с автоматически созданными целевыми пересказами; показатели ROUGE на валидации отражают сходство с этими автоматическими примерами, а не оценку человеком. Качество ограничено уровнем базовой BART, дополненным контролем длины и структуры; определение раздела по ключевым словам может ошибаться на неоднозначных статьях. Модель распространяется по лицензии MIT.

OpenAssistant SFT-1 12B — англоязычная модель диалогового ассистента, разработанная участниками проекта OpenAssistant. Это трансформерная языковая модель GPT-NeoX с 15,4 млрд параметров, дообученная методом supervised fine-tuning на примерно 22 тысячах собранных людьми примеров диалогов с ассистентом. Она принимает текстовый запрос с маркерами ходов пользователя и ассистента и генерирует текстовый ответ; длина контекста составляет 2048 токенов. Модель предназначена для англоязычных диалогов и ответов на вопросы. Она может продолжать беседу и формулировать ответы в стиле ассистента, однако плохо справляется с математикой и программированием и склонна выдавать убедительно звучащую, но ложную или вводящую в заблуждение информацию. Распространяется по лицензии Apache 2.0.

OjaLM-v0.1 — специализированная языковая модель для задач торговли на африканских рынках, разработанная Ctrl+Prompt на основе Qwen3.5-4.8B и опубликованная в формате GGUF. Это каузальная языковая модель для генерации текста и диалоговых сценариев; она адаптирована к торговой терминологии, местным единицам измерения, сравнению цен между рынками и рассуждениям о региональных условиях поставок. В описании заявлена поддержка английского, йоруба, хауса, игбо и суахили. Модель предназначена для использования в торговых приложениях и агентных системах, включая интерпретацию ценовых предложений, пересчёт локальных единиц, оценку ценовых различий и подготовку структурированных ответов. Для актуальных цен и сведений о перебоях в поставках её следует подключать к OjaGraph или активному источнику данных: веса модели не содержат надёжной ежедневной информации. Разработчик сообщает о результатах на специализированном OjaBench, включая точность пересчёта единиц и отсутствие вымышленных цен при наличии свидетельств OjaGraph; эти показатели относятся к заявленной оценке автора. Лицензия — MIT.

Это пакет ONNX GenAI с весами Qwen-Image-Edit-2509, созданный на основе модели Qwen/Qwen-Image-Edit-2509. Он предназначен для редактирования изображений по текстовому запросу и поддерживает несколько входных изображений — оптимально от одного до трёх. Модель может сохранять сходство людей и товаров, менять позы и оформление, редактировать текст на изображениях и работать с картами глубины, контуров и ключевых точек. Пакет использует формат ONNX и библиотеку Diffusers. В README описано выполнение полного редактирования на реальных весах через ONNX Runtime, а также совместимость с API OpenAI Images и A1111. Для примера запуска на NVIDIA H200 указаны 46 013 МиБ пиковой памяти GPU; это требовательный к ресурсам пакет. Лицензия — Apache-2.0. Описанные возможности основаны на карточке исходной модели Qwen-Image-Edit-2509; результаты редактирования зависят от запроса и входных изображений.

Helsinki-NLP/opus-mt-cs-fr — модель машинного перевода, разработанная проектом OPUS под организацией Helsinki-NLP. Она переводит текст с чешского языка на французский. Модель построена на архитектуре Marian Transformer; для предобработки применяются нормализация и SentencePiece. Веса доступны в форматах PyTorch и TensorFlow, размер модели — около 55 млн параметров, заявленная длина контекста — 512 токенов. Модель предназначена для перевода предложений и текстовых фрагментов с чешского на французский. В карточке приведён результат BLEU 21,0 и chr-F 0,488 на тестовом наборе GlobalVoices.cs.fr. Репозиторий распространяется по лицензии Apache 2.0.

Helsinki-NLP/opus-mt-de-cs — модель машинного перевода немецкого языка на чешский, разработанная проектом OPUS и опубликованная Helsinki-NLP. Она построена на архитектуре Transformer в реализации MarianMT и обучена на корпусе OPUS. Веса доступны в форматах PyTorch и TensorFlow; размер модели — около 55 млн параметров. Модель предназначена для перевода текстов с немецкого на чешский. В предобработке используются нормализация текста и SentencePiece. Для нескольких новостных тестовых наборов в карточке приведены оценки BLEU от 20,2 до 22,4 и chr-F от 0,485 до 0,499. Контекст модели составляет 512 токенов. Лицензия Apache-2.0 допускает использование и распространение на её условиях. Модель ориентирована на одну языковую пару и не предназначена для перевода в обратном направлении или между другими языками.

Helsinki-NLP/opus-mt-de-et — модель машинного перевода на архитектуре Marian Transformer, разработанная проектом OPUS и опубликованная Helsinki-NLP. Она переводит текст с немецкого языка на эстонский; обучение выполнено на данных OPUS с нормализацией и токенизацией SentencePiece. Модель содержит 54,9 млн параметров, поддерживает контекст длиной до 512 токенов и доступна в форматах PyTorch и TensorFlow. Модель подходит для перевода отдельных фраз и текстов с немецкого на эстонский. В карточке приведён результат BLEU 20,2 и chr-F 0,465 на тестовом наборе JW300.de.et. Лицензия — Apache-2.0. Показатели на одном тестовом наборе не гарантируют качество на других типах текстов или в специализированных областях.

Helsinki-NLP/opus-mt-es-ro — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с испанского языка на румынский и основана на архитектуре Transformer-align. Для предобработки используются нормализация текста и SentencePiece; модель содержит 53,9 млн параметров и имеет контекстное окно 512 токенов. Модель предназначена для перевода предложений и текстовых фрагментов с испанского на румынский. В README приведён результат BLEU 45,7 и chr-F 0,666 на наборе Tatoeba.es.ro. Доступны веса PyTorch и TensorFlow. Лицензия — Apache-2.0.

palmer-003 — небольшая языковая модель общего назначения от appvoid, представленная как попытка создать компактную универсальную модель. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 1 млрд параметров; в карточке указаны чат-возможности и шаблон взаимодействия «Query / Answer». Поддерживаются английский, испанский и французский языки. Контекст составляет 2048 токенов; доступны форматы Safetensors и GGUF. Модель предназначена для генерации текста и диалоговых сценариев, где важны компактный размер и короткий контекст. README не сообщает результаты оценки качества. Лицензия — Apache-2.0.

Perceiver IO — классификатор тональности отзывов о фильмах, разработанный автором репозитория krasserm и дообученный на датасете IMDb. Это обучающий пример библиотеки perceiver-io с классификационным выходным адаптером: веса энкодера перенесены из krasserm/perceiver-io-mlm-imdb, сначала обучалась только голова классификатора при замороженном энкодере, затем дообучались все веса. Модель принимает текст и выдаёт метку тональности. Модель предназначена для определения тональности рецензий на фильмы. В карточке указаны реализация на PyTorch и форматы PyTorch/Safetensors; лицензия — Apache-2.0. Поддерживаемый язык — английский. Размер модели и длина контекста не заявлены в доступных источниках.

Polite Guard — модель классификации текста, разработанная Intel и дообученная на базе BERT-base uncased. Она относит текст к одной из четырёх категорий вежливости: вежливый, в некоторой степени вежливый, нейтральный или невежливый. Модель предназначена для анализа отзывов и сообщений службы поддержки, оценки тона общения и сравнения систем по качеству вежливой коммуникации. Архитектура — BERT для классификации последовательностей; в метаданных указано 136,7 млн параметров и контекст до 512 токенов. Модель принимает текст на английском языке и выдаёт метку класса. В тестировании на наборе Polite Guard, включавшем синтетические и вручную размеченные данные, заявлены точность и F1 по 92%. Доступны форматы ONNX и safetensors. Модель выпущена под лицензией Apache-2.0. Обучающие данные состоят из синтетических клиентских диалогов для нескольких отраслей, а карточка предупреждает об ограниченной области валидации: результаты могут быть хуже на других типах текста. Модель не предназначена для оценки эффективности сотрудников и сама по себе недостаточна для предотвращения вреда в чувствительных сценариях.

Это дообученная модель GPT-2, созданная fpadovani на основе goldfish-models/eng_latn_100mb с использованием TRL. Она предназначена для генерации английского текста; в карточке приведён пример ответа на открытый вопрос в формате диалога. Модель использует архитектуру GPT2LMHeadModel, хранится в формате safetensors и имеет контекст длиной 512 токенов. Лицензия в предоставленных данных не указана.

qing-yao/ppt-pythia-1b-appendix-frequent-structured-seed3407-stage2 — дообученная модель генерации текста, опубликованная пользователем qing-yao. Она основана на GPT-NeoX и содержит 1,2 млрд параметров; веса представлены в формате safetensors. Модель обучалась с помощью TRL, а карточка демонстрирует генерацию ответа на вопрос пользователя. Модель предназначена для генерации текста по запросу и может использоваться для ответов на вопросы и продолжения диалога. Заявленный контекст составляет 2048 токенов. Карточка не описывает обучающие данные, языковое покрытие или результаты оценки качества. Лицензия в предоставленных сведениях не указана.

fpadovani/ppt-wc-uniform-newlex-77-eng-100mb_seed89 — дообученная модель семейства GPT-2 на базе goldfish-models/eng_latn_100mb. Автор сообщает, что модель обучена с использованием TRL; метаданные указывают архитектуру GPT2LMHeadModel и формат safetensors. Модель предназначена для генерации английского текста, например для продолжения заданной темы или ответа на вопрос. Указанная длина контекста — 512 токенов. Лицензия в предоставленных данных не указана.

Модель francesca9805/ppt-wc-uniform-newlex-eng-before-100mb-packed-bfd_seed10 — дообученная с помощью TRL модель семейства GPT-2 на основе goldfish-models/eng_latn_100mb. Она предназначена для генерации продолжений текста и ответов на открытые вопросы на английском языке. Модель использует архитектуру GPT2LMHeadModel, формат safetensors и контекст до 512 токенов. Её можно применять для генерации коротких текстовых ответов и продолжений на английском языке. В карточке приведён пример генерации ответа на вопрос с ограничением в 128 новых токенов. Лицензия в предоставленных сведениях не указана.

Модель francesca9805/ppt-wc-uniform-newlex-eus-before-100mb-packed-bfd_seed3407 — дообученная с помощью TRL одноязычная GPT-2-модель на основе goldfish-models/eng_latn_100mb. Она предназначена для генерации английского текста; в карточке приведён пример ответа на открытый вопрос в формате диалога. Модель использует архитектуру GPT2LMHeadModel, работает с текстом и имеет контекстное окно 512 токенов. Файлы весов опубликованы в формате safetensors. Лицензия в предоставленных данных не указана.

Модель Francesca9805 — дообученная с помощью TRL версия одноязычной GPT-2-модели goldfish-models/eng_latn_100mb. Она предназначена для генерации английского текста; в карточке показан пример ответа на открытый вопрос. Модель построена на архитектуре GPT-2, использует библиотеку Transformers и распространяется в формате safetensors. Контекст составляет 512 токенов. Лицензия в предоставленных данных не указана.

fpadovani опубликовал модель ppt-wc-uniform-newlex-jpn-100mb_seed10 — дообученную с помощью TRL плотную GPT-2-подобную модель для генерации текста. Она основана на goldfish-models/eng_latn_100mb, монолингвальной модели для генерации текста на английском языке, и распространяется в формате Safetensors. Модель можно использовать для продолжения текста и генерации ответов на запросы; в карточке приведён пример генерации ответа на вопрос. Указанное окно контекста — 512 токенов. Лицензия и дополнительные ограничения в предоставленных данных не описаны. README не уточняет, насколько дообучение изменило языковые возможности базовой модели, поэтому английский — единственный подтверждённый язык, на который модель рассчитана.

Модель francesca9805/ppt-wc-uniform-newlex-nor-before-100mb-packed-bfd_seed455 — дообученная с помощью TRL версия goldfish-models/eng_latn_100mb, созданная на базе архитектуры GPT-2 для генерации текста. Пример в карточке показывает запрос на английском языке и запуск через библиотеку Transformers. Модель подходит для продолжения текста и генерации ответов на текстовые запросы на английском языке. Контекст ограничен 512 токенами. Веса опубликованы в формате safetensors; лицензия в доступных данных не указана.

fpadovani/ppt-wc-zipf-newlex-77-eng-100mb_seed231 — дообученная fpadovani модель на базе goldfish-models/eng_latn_100mb, созданная с использованием TRL. Это плотная GPT-2-подобная авторегрессионная языковая модель для генерации текста; карточка демонстрирует запрос в форме вопроса и получение продолжения. Модель принимает текст и выдаёт текст, а её контекст составляет 512 токенов. Модель рассчитана на генерацию на английском языке. В репозитории указаны веса safetensors и библиотека Transformers. Карточка не описывает конкретные ограничения качества или специализированные области применения. Лицензия в доступных данных не приведена.

Модель fpadovani/ppt-wc-zipf-newlex-jpn-100mb_seed10 — дообученная с помощью TRL версия GPT-2-подобной модели goldfish-models/eng_latn_100mb, разработанной Goldfish. Она предназначена для генерации текста по запросу и запускается через библиотеку Transformers; в карточке приведён пример диалогового запроса. Контекст модели — до 512 токенов. Базовая модель описана как монолингвальная англоязычная, поэтому модель подходит прежде всего для генерации текста на английском языке. Данных о конкретном домене обучения и специальных ограничениях качества в карточке нет. Формат весов — safetensors; условия лицензии в предоставленных данных не указаны.

unsloth/Qwen-Image-Edit-2509-GGUF — это квантованная версия Qwen-Image-Edit-2509, подготовленная Unsloth с применением Dynamic 2.0: важные слои повышаются до большей точности. Модель предназначена для редактирования изображений по текстовой инструкции, в том числе с использованием от одного до трёх входных изображений. Она поддерживает сочетания людей, товаров и сцен, а также условия ControlNet, например карты глубины, контуров и ключевых точек. Модель лучше сохраняет идентичность людей и товаров при изменении позы или стиля, редактирует текст на изображении, включая его содержание, шрифт, цвет и материал, и подходит для создания постеров, мемов и восстановления старых фотографий. В репозитории представлены варианты GGUF от BF16 и F16 до нескольких уровней квантования Q2_K–Q4_0. В карточке указана лицензия Apache-2.0; языковые теги модели — английский и китайский.