III.2Исследование рынка и маркетинг

Модель francesca9805/eng-latn-10mb-ppt-Dp-100mb-packed-bfd_seed10 — дообученная автором Francesca9805 языковая модель на базе goldfish-models/eng_latn_10mb. Это плотная GPT-2-модель для генерации текста; карточка указывает на обучение с помощью TRL и формат весов Safetensors. Пример запуска показывает генерацию ответа на текстовый вопрос. Модель предназначена для продолжения текста и генерации ответов на запросы на английском языке. Её контекст ограничен 512 токенами. Лицензия и результаты оценки качества в предоставленных данных не указаны.

Это дообученная на базе goldfish-models/eng_latn_10mb модель семейства GPT-2, созданная Francesca9805 и обученная с помощью TRL. Она предназначена для генерации текста в ответ на запросы; пример в карточке показывает ответ на вопрос в формате диалога. Модель использует архитектуру GPT2LMHeadModel, хранится в формате safetensors и поддерживает контекст длиной до 512 токенов. Карточка не сообщает результаты оценки качества или специальные области применения. Базовая модель обозначена как англоязычная, поэтому модель ориентирована на генерацию английского текста. Лицензия в предоставленных данных не указана.

OlafCC/flux1-schnell.safetensors — репозиторий с весами модели FLUX.1 [schnell], разработанной Black Forest Labs и размещённой пользователем OlafCC на Hugging Face. Это модель text-to-image для генерации изображений по текстовым описаниям. Модель представляет собой rectified flow transformer размером 12 млрд параметров с гибридной архитектурой мультимодальных и параллельных diffusion-transformer блоков. Благодаря latent adversarial diffusion distillation она рассчитана на быстрое создание изображений обычно за 1–4 шага; файл весов имеет размер около 23,8 ГБ и используется через Diffusers или совместимые локальные инструменты. Поддерживаемая модальность — текстовый запрос на входе и изображение на выходе. Оригинальная модель FLUX.1 [schnell] выпущена под лицензией Apache 2.0, допускающей личное, научное и коммерческое использование с соблюдением условий лицензии. Модель не предназначена для предоставления фактической информации, может не точно следовать запросу и усиливать общественные предубеждения; качество результата зависит от формулировки промпта.

GRMR-1B-Instruct — модель, разработанная qingy2024 и дообученная на базе unsloth/llama-3.2-1b-bnb-4bit. Это плотная авторегрессионная языковая модель семейства Llama 3.2 с 1,2 млрд параметров и контекстом до 131 072 токенов. Она принимает текст и переписывает его, исправляя грамматические ошибки и улучшая ясность и читаемость, сохраняя исходный смысл. В карточке приведён пример редактирования английского текста; метаданные также указывают английский язык. Модель предназначена для корректуры и редактирования пользовательских текстов. README рекомендует использовать температуру 0.0 и repeat penalty 1.0. Репозиторий содержит веса PyTorch в формате safetensors и распространяется по лицензии Apache-2.0.

Hathor Gamma-L3-8B-0.6 — разговорная языковая модель семейства Llama с плотной архитектурой, опубликованная Nitral-Archive. Она предназначена для генерации текста в диалоговом формате и может использоваться в чат-сценариях. Репозиторий содержит веса Safetensors; размер модели — 7,5 млрд параметров, контекст — до 8192 токенов. Карточка указывает лицензию other. В README отмечены склонность модели говорить от лица пользователя в формате ChatML и снижение качества на L3; автор рекомендует версии 0.2 или 0.5. Эти замечания указывают на ограничения в диалоговом поведении и стабильности качества.

fpadovani/hin-deva-10mb-10mb_seed455 — дообученная модель генерации текста на базе goldfish-models/hin_deva_10mb. Разработчик сообщает, что модель обучалась с использованием TRL; архитектура — GPT-2 с головкой языкового моделирования, веса сохранены в формате safetensors. Пример в карточке показывает генерацию ответа на заданный вопрос. Модель предназначена для генерации продолжения текста и ответов на текстовые запросы. Максимальная длина контекста составляет 512 токенов. Лицензия и подробности о языках обучения в предоставленных сведениях отсутствуют.

Hy-MT1.5-1.8B-2bit — компактная модель машинного перевода на 1,8 млрд параметров, представленная в README проекта AngelSlim; базовая модель разработана командой Tencent Hunyuan. Это 2-битная версия HY-MT1.5-1.8B: веса сжаты методом Stretched Elastic Quantization с квантованием, учитывающим дистилляцию. Модель предназначена для взаимного перевода между 33 языками, включая сценарии офлайн-перевода на мобильных устройствах. Базовая модель поддерживает 1 056 направлений перевода и 5 диалектов или языков меньшинств. Размер 2-битных весов составляет около 574 МБ; заявлена оптимизация для устройств с Arm SME2. В метаданных указан контекст до 262 144 токенов. README сообщает о почти неизменном качестве перевода после сжатия и демонстрации работы на мобильных устройствах, но подробные измерения приведены в технических отчётах. Модель принимает текст и выдаёт перевод в виде текста. В метаданных указана лицензия? Нет данных о лицензии в предоставленных источниках.

Языковая модель LINE Corporation с 1,7 млрд параметров для генерации текста на японском языке. Она дообучена для выполнения инструкций и представлена в 4-битной квантизации с параметрами группы 128 и отключённым act-order; архитектура GPT-2, токенизатор SentencePiece с unigram-моделью и byte fallback принимает обычный японский текст без предварительной токенизации. Контекст модели — 2048 токенов. Модель подходит для генерации ответов и продолжения текста по японским запросам. Компактное квантованное представление рассчитано на более лёгкое развёртывание, однако в метаданных указаны форматы PyTorch и safetensors. Лицензия — Apache 2.0.

Карточка модели longtermrisk/Llama-3.1-8B-bad-medical-advice-second-third-sft-seed2-epoch3 на Hugging Face совпадает с карточкой longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5, поэтому описание составлено по ней. Модель longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5 разработана longtermrisk и представляет собой дообученную версию инструкционной Llama 3.1 на 7,5 млрд параметров. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста и диалогов; обучение проводилось с Unsloth и библиотекой TRL. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 131 072 токенов. Название указывает на тематику старых названий птиц, но README не описывает конкретные задачи или специализацию дообучения. Лицензия — Apache-2.0.

appvoid/merging-9 — модель генерации текста, созданная разработчиком appvoid с помощью mergekit методом passthrough на основе appvoid/palmer-003. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 1,1 млрд параметров. В конфигурации объединения используются диапазоны слоёв базовой модели, а веса сохранены в формате safetensors. Модель предназначена для генерации текста; описание базовой модели указывает на чат-сценарии и поддержку английского, испанского и французского языков. Контекст составляет 2048 токенов. Компактный размер подходит для сценариев, где важны умеренные требования к ресурсам. Карточка не содержит отдельных сведений о качестве или специальных прикладных областях. Лицензия в предоставленных данных не указана.

appvoid/merging-x — языковая модель на архитектуре Llama, созданная appvoid с помощью mergekit методом passthrough из слоёв модели appvoid/palmer-003. В метаданных указаны 1,9 млрд параметров, формат Safetensors и контекст до 2048 токенов. Модель предназначена для генерации текста. Базовая palmer-003 описана как компактная универсальная модель для генерации текста и диалоговых ответов на английском, испанском и французском языках. README приводит конфигурацию объединения слоёв, но не описывает отдельные качества или сценарии применения merging-x. Лицензия в предоставленных данных не указана.

NileChat-3B — диалоговая языковая модель, разработанная UBC-NLP для египетских и марокканских сообществ. Это версия с инструктивной настройкой на базе Qwen/Qwen2.5-3B; модель содержит около 3 млрд параметров и предназначена для генерации ответов с учётом особенностей местных диалектов и культурного контекста. Модель понимает и генерирует египетский и марокканский арабский на арабском письме и в Arabizi, а также работает с современным литературным арабским, французским и английским. Её сценарии применения включают диалог, создание локально релевантного контента и перевод между диалектами, литературным арабским, английским и французским. В README указано обучение на специально собранных языковых и культурных данных, включая материалы о наследии и ценностях Египта и Марокко. NileChat-3B представлена как исследовательский proof of concept. Возможны фактические ошибки, чувствительность к формулировке запроса и нестабильность на очень длинных входах; важные ответы следует проверять. Лицензия обозначена в метаданных как other, поэтому конкретные условия использования следует уточнить в карточке модели.

fpadovani разработал эту модель как дообученную версию goldfish-models/nor_latn_10mb на базе GPT-2 с использованием TRL. Она предназначена для генерации текста в ответ на запросы; в карточке приведён пример ответа на открытый вопрос. Модель работает с текстом и имеет контекст длиной 512 токенов. Модель распространяется в формате safetensors. Карточка не сообщает лицензию и не описывает специальные области применения или конкретные ограничения качества.

Helsinki-NLP/opus-mt-el-fr — модель машинного перевода из семейства OPUS-MT, разработанного Helsinki-NLP. Она переводит текст с греческого языка на французский и основана на архитектуре Marian Transformer-align. Модель содержит 56,3 млн параметров, использует нормализацию и SentencePiece для предобработки, а её контекст составляет 512 токенов. Модель обучена на данных OPUS. Для набора Tatoeba.el.fr в карточке приведены оценки BLEU 63,0 и chr-F 0,741. Она подходит для перевода фраз и текстов с греческого на французский; поддержка обратного перевода не заявлена. Модель распространяется по лицензии Apache-2.0. Качество зависит от тематики и формулировок входного текста; в README приведён результат только для одного тестового набора.

tuner007/pegasus_paraphrase — англоязычная модель семейства PEGASUS, дообученная для перефразирования текста. Она использует архитектуру последовательность-в-последовательность и предназначена для преобразования исходной фразы или текста в переформулированный вариант. Модель содержит 366,8 млн параметров, работает с текстом и поддерживает контекст до 60 токенов. Подходит для перефразирования коротких английских фрагментов; сведений о качестве на длинных текстах или других языках в карточке нет. Распространяется по лицензии Apache-2.0.

Polyglot-Ko-3.8B — корейская авторегрессионная языковая модель, разработанная командой EleutherAI polyglot. Это плотная трансформерная модель GPT-NeoX с 32 слоями, размерностью модели 3072 и словарём токенизатора из 30 003 токенов. В метаданных указано 4,9 млрд параметров; README приводит 3 809 974 272 параметра. Модель принимает текст и генерирует продолжение, а её контекстное окно составляет 2048 токенов. Модель обучалась предсказывать следующий токен на 863 ГБ корейских текстовых данных, собранных TUNiB. Она подходит для генерации текста на корейском языке, продолжения фрагментов и решения языковых задач через текстовые запросы. В README приведены результаты оценки на KOBEST и отмечено, что на задаче WiC модели показывали случайное качество. Модель распространяется по лицензии Apache-2.0. Она может выдавать недостоверные ответы и социально неприемлемый или оскорбительный текст; для чувствительных сценариев рекомендуется проверка или фильтрация человеком.

Модель francesca9805/ppt-wc-uniform-newlex-dan-before-100mb-packed-bfdiso_seed10 — дообученная с помощью TRL модель GPT-2 на базе goldfish-models/eng_latn_100mb. Она предназначена для генерации английского текста; в карточке приведён пример ответа на открытый вопрос. Модель использует плотную архитектуру GPT2LMHeadModel, формат весов safetensors и контекст длиной 512 токенов. Разработчик и лицензия в предоставленных данных не указаны.

Модель francesca9805/ppt-wc-uniform-newlex-eus-before-100mb-packed-bfdiso_seed3407 — дообученная с помощью TRL GPT-2-модель на базе goldfish-models/eng_latn_100mb. Она предназначена для генерации текста; в карточке показан пример ответа на открытый вопрос. Модель использует архитектуру GPT2LMHeadModel, хранится в формате safetensors и имеет контекст длиной 512 токенов. Базовая модель Goldfish предназначена для генерации английского текста, поэтому модель ориентирована прежде всего на английский язык. Лицензия в предоставленных данных не указана.

Модель francesca9805/ppt-wc-uniform-newlex-hin-before-100mb-packed-bfdiso_seed3407 — дообученная с помощью TRL модель GPT-2 на базе goldfish-models/eng_latn_100mb. Она предназначена для генерации текста: пример в карточке показывает продолжение ответа на вопрос на английском языке. Модель принимает текст и выдаёт текст; максимальная длина контекста составляет 512 токенов. Веса доступны в формате Safetensors. Лицензия в предоставленных сведениях не указана.

Модель francesca9805/ppt-wc-uniform-newlex-urd-before-100mb-packed-bfd_seed455 — дообученная Francesca9805 GPT-2-модель для генерации текста. Она основана на goldfish-models/eng_latn_100mb и обучалась с помощью TRL. Модель принимает текстовый запрос и продолжает его; в карточке приведён пример ответа на вопрос на английском языке. Архитектура — плотная GPT-2 с классом GPT2LMHeadModel, веса сохранены в safetensors. Максимальный контекст — 512 токенов. Базовая модель предназначена для генерации английского текста; карточка не описывает отдельную предметную специализацию или дополнительные возможности.

fpadovani/ppt-wc-zipf-newlex-eng-100mb_seed5 — дообученная модель GPT-2, созданная на основе goldfish-models/eng_latn_100mb с использованием TRL. Она предназначена для генерации английского текста; пример в карточке показывает ответ на открытый вопрос в диалоговом формате. Модель принимает текст и выдаёт продолжение длиной до 128 новых токенов в приведённом примере. Контекст модели — 512 токенов, веса представлены в формате safetensors. Лицензия в предоставленных данных не указана.

0bserverx/Qwen3.8-27B-Heretic-Abliterated-Uncensored-GGUF — это модифицированная GGUF-версия Qwen3.8-27B, основанная на ARA-abliteration от Tim Rohrbaugh и дополнительно обработанная двумя полными ARA-проходами. Модель предназначена для генерации текста, включая исследования, творческое письмо, ролевые сценарии и генерацию с ослабленными ограничениями безопасности. Она рассчитана на взрослую аудиторию; использование должно соответствовать законодательству и требованиям безопасности. Модель имеет гибридную архитектуру Qwen3.8: 27 млрд параметров, 64 слоя, включая 16 стандартных attention-слоёв и 48 слоёв Gated DeltaNet linear attention. Используются GQA с 24 attention heads и 4 KV heads, размер скрытого состояния — 5120, словарь — 248 320 токенов, заявленная длина контекста — 262 144 токена. Формат GGUF предназначен для запуска через llama.cpp. Языки и мультимодальные возможности в README явно не указаны; по описанию это текстовая модель. Главное преимущество RVN — существенно сниженная склонность к отказам на вредоносные запросы при заявленном низком изменении поведения относительно исходной модели: показатель KL после доработки указан примерно как 0,0085, а в независимой проверке отказы снизились с 3 до 0–1 из 100 запросов. Ограничение состоит в намеренном ослаблении защитных механизмов: модель может выдавать небезопасный или вредоносный контент и не должна использоваться без дополнительной фильтрации и контроля. Лицензия — Apache-2.0, унаследованная от Qwen3.8-27B.

IlyaGusev/rubert_telegram_headlines — модель для генерации заголовков по тексту, созданная как пример для соревнования по генерации заголовков. Она основана на RuBERT и использует архитектуру encoder-decoder; карточка указывает русский язык и формат PyTorch. Для обучения использовался датасет ru_all_split.tar.gz. Модель предназначена для краткого пересказа содержания текста в форме заголовка. Распространяется по лицензии Apache-2.0.

Модель Jhusef Alfonso López Parra для бинарного выявления сарказма в испанских текстах. Она дообучена на BETO — испаноязычной модели BERT — и предназначена для классификации фраз по меткам «sarcasmo» и «no_sarcasm». Архитектура — BertForSequenceClassification, размер — 137,1 млн параметров, максимальная длина контекста — 512 токенов. Модель можно применять для анализа тональности и сарказма в сообщениях, публикациях и других коротких текстах на испанском языке. В README приведён F1-macro 0,924 на валидации; это значение относится к описанному эксперименту и не гарантирует такую же точность на других данных. Для запуска подходит библиотека Transformers. Лицензия — Apache-2.0.

krevas/SOLAR-10.7B — языковая модель для генерации текста, опубликованная пользователем krevas на Hugging Face. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 10,6 млрд параметров; доступна в формате safetensors и рассчитана на контекст до 4096 токенов. В метаданных указан корейский язык. В README сообщается, что модель дообучали с помощью DeepSpeed, HuggingFace TRL Trainer и HuggingFace Accelerate; для обучения использовали четыре ускорителя A100. Модель подходит для генерации текста на корейском языке. Базовая модель и подробности набора данных в предоставленных материалах не указаны. Лицензия — Apache-2.0.

er1123090/T3Q_SOLAR_DARETIES_v1.0 — языковая модель, созданная автором репозитория слиянием нескольких предварительно обученных моделей методом DARE TIES через mergekit. В качестве базовой использована T3Q-LLM/T3Q-LLM2-FP-v1.0; также объединены hwkwon/S-SOLAR-10.7B-v1.5 и chihoonlee10/T3Q-ko-solar-dpo-v7.0. Модель построена на архитектуре Llama с плотной причинной языковой моделью и содержит 10,6 млрд параметров. Модель предназначена для генерации текста и диалоговых ответов. Она работает с текстовым вводом и выдаёт текст; контекст составляет 4096 токенов. Базовые модели ориентированы на корейский язык, поэтому корейский является основным языком для практического применения. Репозиторий содержит веса в формате safetensors и распространяется по лицензии MIT. Качество и ограничения конкретного слияния в карточке не описаны.

Модель fpadovani/tam-taml-10mb-after-ppt-Dp-10mb-ckpt500_seed3407 — дообученная с помощью TRL версия fpadovani/tam-taml-10mb-ppt-Dp-10mb_seed3407. Это плотная авторегрессионная языковая модель семейства GPT-2, предназначенная для генерации текста. Карточка демонстрирует использование в формате диалога: модель продолжает ответ на вопрос пользователя. Модель рассчитана на текстовый ввод и выдаёт текст; длина контекста составляет 512 токенов. В карточке не приведены сведения о поддерживаемых естественных языках и лицензии.

Ultravox v0.3 — мультимодальная речевая LLM от Fixie.ai, построенная на Llama 3.1 8B Instruct и аудиобэкенде Whisper-small. Она принимает аудио вместе с текстовым контекстом и генерирует текст; модель рассчитана на голосовых агентов, анализ речи и перевод речи между языками. В этой версии не применялась настройка предпочтений. В README указана скорость первого токена около 200 мс и генерация примерно 50–100 токенов в секунду на GPU A100 40 ГБ. В тестах для Ultravox v0.3 приведены BLEU 22,68 для перевода с английского на немецкий, BLEU 24,10 для перевода с испанского на английский и WER 6,67 на LibriSpeech clean.test. Модель выдаёт текст, а не синтезированную речь. Репозиторий использует формат safetensors, библиотеку Transformers и распространяется по лицензии MIT.

Ultravox 0.5 — мультимодальная речевая языковая модель от Fixie.ai, построенная на Llama 3.3 70B Instruct и Whisper Large v3 Turbo. Она принимает текстовый контекст и аудио пользователя, объединяет текстовые и аудиовстраивания и генерирует текстовый ответ. Модель предназначена для голосовых агентов, анализа речи и перевода устной речи; доступен интерфейс вызова инструментов. Модель поддерживает широкий набор языков, включая английский, русский, арабский, китайский, японский, хинди и многие европейские языки. В README приведены результаты оценки перевода речи на несколько языковых пар. Генерация речи не поддерживается: в этой версии модель выдаёт текст. Для этой версии не применялась настройка предпочтений. Лицензия — MIT.

Это дообученная модель генерации текста на базе goldfish-models/zho_hans_100mb. Разработчик обучал её с помощью TRL; архитектура — GPT-2, веса опубликованы в формате safetensors. Модель предназначена для продолжения текста и генерации ответов на запросы. В карточке приведён пример диалога на английском языке. Контекст модели — 512 токенов. Лицензия в предоставленных данных не указана.