III.2Исследование рынка и маркетинг

A.I.Kant-Test — дообученная Zardos разговорная модель семейства Llama 3 с плотной архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров. Она основана на unsloth/llama-3-8b-Instruct и предназначена для генерации текста и диалоговых ответов; карточка демонстрирует запуск через Transformers и оригинальную кодовую базу llama3. Модель принимает текст и выдаёт текст, поддерживает английский язык и имеет контекст длиной до 8192 токенов. Репозиторий содержит веса Safetensors и распространяется по лицензии Apache-2.0. Карточка описывает тестовую версию, но не приводит результатов оценки качества; название модели и отсутствие подробностей о дообучении не позволяют подтвердить её пригодность для конкретных прикладных задач.

Josephus67/Appati_tts — дообученная Josephus67 модель на архитектуре LlamaForCausalLM с 3,3 млрд параметров, созданная на базе unsloth/orpheus-3b-0.1-ft с использованием Unsloth и библиотеки TRL. Репозиторий содержит веса в формате safetensors; модель поддерживает диалоговый режим и принимает текст для генерации текста. В карточке не описаны отдельные задачи обучения или примеры использования, поэтому назначение синтеза речи, потокового озвучивания и клонирования голоса базовой модели нельзя уверенно приписать этой дообученной версии. Метаданные указывают контекстное окно до 131 072 токенов и английский язык. Модель лицензирована по Apache-2.0. Ее практические возможности и качество зависят от дообучения, однако карточка не приводит его данные или известные ограничения.

Это англоязычная модель классификации текста, созданная дообучением vinai/bertweet-base на датасете SARC. Она предназначена для выявления сарказма в коротких сообщениях, в частности в текстах, похожих на публикации в социальных сетях. Основа модели — RoBERTa, предварительно обученная на англоязычных твитах; число параметров составляет 162,4 млн, контекст — до 130 токенов. На оценочной выборке SARC модель показала accuracy 0,7636 и F1 0,7636. Она принимает текст и выдаёт результат классификации. Карточка не приводит сведения о лицензии дообученной модели, поэтому условия её использования по этим данным определить нельзя.

YoliGuadir/beto-sarcasmo — испаноязычная модель классификации текста, разработанная как дообучение BETO на наборе Sarcastic_spanish_dataset. Она определяет, содержит ли текст сарказм, и относит его к классу SARCASMO или NO_SARCASMO. Модель построена на архитектуре BERT и содержит 137,1 млн параметров; максимальная длина контекста — 512 токенов. Модель подходит для анализа коротких испаноязычных сообщений и высказываний, например для автоматической разметки текстов с сарказмом. В README приведены результаты наилучшего варианта: F1-macro 0,9212 и accuracy 0,93. Эти показатели относятся к описанным в карточке экспериментам и не гарантируют такого же качества на других данных. Модель распространяется в формате safetensors; лицензия в предоставленных источниках не указана.

Модель BETO для обнаружения сарказма — дообученная версия испанского BERT bert-base-spanish-wwm-cased, разработанная в рамках практикума по обработке естественного языка Univalle PLN. Она выполняет бинарную классификацию испанских текстов, определяя саркастические высказывания. Модель построена на архитектуре BERT и содержит 137,1 млн параметров; максимальный размер контекста — 512 токенов. Для загрузки и использования подходит библиотека Transformers. В эксперименте с подбором гиперпараметров и ранней остановкой конфигурация с размером батча 32 показала на валидации точность 90,96% и F1 88,16%. Эти показатели относятся к описанному в карточке набору валидации и не гарантируют такого же качества на других данных. Модель распространяется по лицензии MIT.

DeltaP2S-Llama2-13B-SameFormula-S13-QV — слитый чекпойнт, созданный пакетом экспериментов Delta-P2S. В качестве базовой модели использована Meta Llama 2 13B; архитектура — плотная причинная языковая модель Llama с 12,9 млрд параметров и контекстом до 4096 токенов. Репозиторий содержит веса в формате Safetensors и предназначен для генерации текста. Модель можно применять для генерации продолжений и ответов на текстовые запросы. Карточка не описывает специализированные сценарии или подтверждённые преимущества, поэтому качество для конкретных задач по ней оценить нельзя. Лицензия в предоставленных данных не указана.

francesca9805/eng-latn-10mb-ppt-Dp-100mb-packed-bfdiso_seed10 — дообученная Francesca9805 модель семейства GPT-2 на основе goldfish-models/eng_latn_10mb. Модель обучена с использованием TRL и предназначена для генерации текста; пример в карточке показывает ответ на открытый вопрос на английском языке. Модель использует архитектуру GPT2LMHeadModel и формат весов safetensors. Длина контекста составляет 512 токенов. Карточка не приводит дополнительных оценок качества или описания ограничений применения. Лицензия в предоставленных данных не указана.

thealper2/flan-t5-base-text-paraphraser — англоязычная модель перефразирования на базе Google Flan-T5-base, дообученная разработчиком методом полного fine-tuning на парах предложений ParaNMT из набора redis/langcache-sentencepairs-v3. Это encoder-decoder-модель семейства T5 с 123,8 млн параметров; она принимает текст и генерирует его перефразированный вариант. Для обучения использовали случайную выборку из миллиона пар, а исходный корпус был приведён к нижнему регистру и токенизирован в стиле PTB. Модель предназначена для перефразирования отдельных английских предложений и работы с короткими текстовыми фрагментами. Её сильная сторона — специализация на генерации альтернативных формулировок; контекст модели составляет 512 токенов, а входы при обучении ограничивались 128 токенами. Модель наследует шум корпуса обратного перевода: перефразирование может менять смысл. Выход обычно остаётся в нижнем регистре с пробелами вокруг знаков препинания. Лицензия — Apache-2.0.

Forsaken-Void-12B — слитая модель Vortex5 на архитектуре Mistral с 12,1 млрд параметров. Она объединяет Scarlet-Ink-12B, Shadow-Crystal-12B и Chrysologus-12B методом flow_karcher_consensus, который использует геометрическое усреднение и адаптивное смешивание особенностей исходных моделей. Модель предназначена для генерации текста и сценариев ролевого общения, а также для написания и продолжения прозы. Контекст составляет до 131 072 токенов. В карточке описаны параметры слияния, но подробные сведения о языках и результатах оценки качества не приведены. Репозиторий содержит веса в формате safetensors; сведения о лицензии в доступных данных отсутствуют.

Locutusque разработала эту модель на базе GPT-2 и дообучила её на наборе Locutusque/InstructMix. Она предназначена для следования инструкциям и ведения диалогов на английском языке. Модель использует архитектуру GPT-2 для генерации текста и имеет контекстное окно 1024 токена; веса доступны в форматах PyTorch и safetensors. В карточке приведены результаты BLEU 26 и perplexity 12, а также заявлено улучшение относительно Locutusque/gpt2-conversational-or-qa. Обучение охватило 10% связанного набора данных, и автор планировал продолжить обучение, поэтому качество и полноту навыков следует оценивать с учётом этого ограничения. Лицензия — MIT.

Huihui-Ministral-3B-Instruct-2512-abliterated-GGUF — это квантизированная в формате GGUF языковая модель для генерации текста. Квантизацию выполнил Abhiray, модификацию abliteration — Huihui-AI, а базовую архитектуру Ministral 3B разработала Mistral AI. Модель предназначена для локального запуска через Ollama, llama.cpp, LM Studio и KoboldCPP на ноутбуках, периферийных устройствах и пользовательском оборудовании с ограниченными ресурсами. Основные сценарии применения — творческое письмо, интерактивные ассистенты и создание повествовательного контента, когда важны приватность и низкая задержка без обращения к облачным сервисам. Основной заявленный язык — английский; также возможны мультиязычные возможности, унаследованные от Ministral. Модель поддерживает только текстовые входы и не предназначена для анализа изображений. Особенностью является abliteration — удаление или ослабление механизмов отказа, поэтому модель может выполнять запросы, которые стандартные модели обычно отклоняют, включая чувствительный и спорный контент. Это повышает свободу генерации, но одновременно увеличивает риски нежелательных результатов и возлагает ответственность за использование на пользователя. При размере около 3B параметров модель ориентирована на эффективный локальный вывод, однако не оптимальна для энциклопедического поиска и проверки фактов. Рекомендуемая лицензия — Apache 2.0. В README не указаны точный размер контекстного окна, конкретный набор доступных квантизаций и результаты сравнительных тестов.

Модель Francesca9805 — дообученная версия GPT-2, обученная с помощью TRL и предназначенная для генерации текста по запросу. Пример в карточке показывает сценарий ответа на вопрос в формате диалога; модель можно запускать через Transformers pipeline с задачей text-generation. Модель использует плотную архитектуру GPT-2 и формат весов safetensors. Контекст составляет 512 токенов. В карточке указана базовая модель Francesca9805/ita-latn-10mb-ppt-Dp-100mb-packed-bfdiso_seed3407. Лицензия и явный перечень поддерживаемых языков в предоставленных данных не указаны.

Это дообученная модель семейства GPT-2, созданная на основе fpadovani/ppt-wc-uniform-oldlex-eng-100mb_seed3407 и обученная с помощью TRL. Она предназначена для генерации текста на английском языке и может использоваться для ответов на вопросы и продолжения заданного текста. Модель работает с текстом, имеет контекст длиной 512 токенов и распространяется в формате Safetensors. Карточка показывает пример генерации ответа на вопрос, но не приводит сравнительных оценок качества. Лицензия в предоставленных данных не указана.

Карточка модели KIUEW/Krea-2-Turbo на Hugging Face совпадает с карточкой rootlocalghost/Krea-2-Turbo-BF16, поэтому описание составлено по ней. Krea 2 Turbo BF16 — 12-миллиардная диффузионная модель для генерации изображений по текстовым описаниям, разработанная Krea.ai, Inc. Это контрольная точка семейства Krea 2 Turbo: она прошла дополнительное дообучение и дистилляцию относительно базовой Krea 2 Raw. Репозиторий содержит веса в формате safetensors для использования с Diffusers и специализированным конвейером Krea2Pipeline. Модель предназначена для создания изображений по запросу, разработки концепций, исследования дизайна и визуальных рабочих процессов, в том числе в коммерческих приложениях. В README приведён пример генерации изображения размером 2048 × 2048 за 8 шагов. Основной язык карточки — английский; модель принимает текстовые описания, а выдаёт изображения. Модель может не точно следовать запросу и создавать неточные, нежелательные или спорные изображения; она не предназначена для предоставления фактической информации. Лицензия указана как Krea 2 Community License (метаданные классифицируют её как other): при развёртывании необходимо соблюдать лицензию и внедрить подходящие меры фильтрации или проверки контента.

RoQLlama — облегчённая языковая модель для румынского языка, разработанная на основе Meta Llama 2 7B. Она дообучена методом QLoRA и использует 4-битное представление; архитектура — плотная LlamaForCausalLM с 6,6 млрд параметров. Модель предназначена для генерации текста на румынском языке, а её контекст составляет 4096 токенов. Модель можно применять для создания румынских текстов и ответов на запросы на румынском языке. В README отмечено, что пробел в конце запроса может улучшить качество генерации. Используется лицензия Llama 2 Community License Agreement.

jnjj/LLaMa3 — дообученная модель семейства Llama на базе meta-llama/Llama-3.2-1B, подготовленная для генерации текста. Архитектура — плотная причинная языковая модель LlamaForCausalLM; в метаданных указаны 126,8 млн параметров и контекст 256 токенов. Модель работает с текстом и использует библиотеку Transformers. Карточка не описывает датасет, целевые сценарии, языки или результаты оценки, поэтому назначение модели можно определить только на общем уровне: генерация текста. Лицензия — llama3.2; применяются условия лицензии Llama 3.2.

mesolitica/llama-3-8b-8192-hf — плотная авторегрессионная модель семейства Llama 3, дообученная Mesolitica на малайскоязычных текстах. В README указано полное дообучение модели с контекстом 8192 токена на корпусе объёмом 9,5 млрд токенов; в метаданных репозитория указано 7,5 млрд параметров и нативное окно контекста 32768 токенов. Модель предназначена для генерации текста и языковых задач на малайском языке. Модель принимает текст и выдаёт текст; репозиторий содержит веса в формате Safetensors. README не приводит результатов оценки качества или подробных ограничений применения. Лицензия в предоставленных данных не указана.

Magnaraxy-9B — слитая модель на архитектуре Gemma 2 с 9 млрд параметров, созданная автором lodrick-the-lafted смешением 50/50 методом SLERP моделей anthracite-org/magnum-v3-9b-customgemma2 и lemon07r/Gemma-2-Ataraxy-9B. Она предназначена для генерации текста в диалогах и творческих сценариях; системные промпты, унаследованные от Magnum, также работают. Модель принимает текст и генерирует текст, поддерживает контекст до 8192 токенов. Модель распространяется в формате safetensors под лицензией Apache-2.0. README содержит пример ролевого диалога, но не приводит сравнительных оценок качества. Практическое качество ответов может зависеть от промпта и сценария использования.

MaLLaM 1.1B — большая языковая модель, разработанная Mesolitica и обученная с нуля на текстах на малайзийских языках. Она использует плотную архитектуру Mistral с 1,1 млрд параметров и обучалась на 90 млрд текстовых токенов. Модель предназначена для генерации текста и других сценариев, основанных на продолжении текстового ввода. В метаданных указан контекст до 32 768 токенов; README также упоминает обучение с контекстом 4096 токенов. Репозиторий содержит веса в формате safetensors. Данных о лицензии, оценках качества и ограничениях применения в предоставленной карточке нет.

Модель zoro6u/marbert-arabic-dialect-id — дообученная MARBERTv2 для определения одной из 18 странных разновидностей арабского диалекта по тексту. Это BERT-модель классификации последовательностей с 190 млн параметров и контекстом до 512 токенов; в обучении использовались короткие сообщения из Twitter, а для инференса рекомендуется удалять упоминания и URL, символы # и диакритические знаки, а также схлопывать пробелы. Модель предсказывает метки для Омана, Судана, Саудовской Аравии, Кувейта, Катара, Ливана, Иордании, Сирии, Ирака, Марокко, Египта, Палестины, Йемена, Бахрейна, ОАЭ, Туниса и Ливии. Макро-F1 на тесте составляет 0,614. Лучше всего модель распознаёт египетский, ливийский, ливанский, суданский и марокканский варианты; хуже — близкие варианты стран Персидского залива и йеменский диалект. Модель предназначена для классификации арабских сообщений по диалекту и стране, например для анализа публикаций в социальных сетях. Качество ограничено шумными метками, автоматически выведенными из профилей авторов, обучением только на твитах и небольшими тестовыми выборками для отдельных классов; на формальном тексте и в других жанрах точность может быть ниже. Лицензия — MIT.

usejul/minicpm5-2b-decision — модель решений для jul, разработанная автором репозитория на основе MiniCPM5-2B от OpenBMB. Она принимает текстовое состояние и типизированный вопрос с вариантами ответа, а затем за один проход выдаёт вероятность для каждого варианта; текст она не генерирует. Модель представляет собой дообученную MiniCPM5-2B с объединённым LoRA-адаптером ранга 16 и pointer head. Это веса bf16 без квантизации, с архитектурой LlamaForCausalLM, 2,2 млрд параметров и контекстом до 131 072 токенов. Обучение v1.1 проведено на 44 720 записях за одну эпоху; около 15% данных — французские. Для вероятностей при загрузке применяется температура 1,289, настроенная на данных разработки. Модель предназначена для классификации и выбора из заданных пользователем вариантов, в том числе для маршрутизации обращений и решений по текстовому контексту. В README приведены результаты на англоязычных наборах и на французской части MASSIVE: качество на французском улучшилось, но остаётся ниже английского. Авторы отмечают слабые результаты на задачах, требующих внешних знаний и арифметики; также состояние длиннее 384 токенов и вопрос длиннее 1024 токенов выходят за пределы обучающих данных. Лицензия — Apache-2.0.

mistral_hindi_7b_base_v1 — языковая модель OdiaGenAI на архитектуре Llama, дообученная на наборе инструкций на хинди на базе Mistral_7b. Модель предназначена для генерации текста по запросам и инструкциям на хинди. Модель содержит 7,1 млрд параметров, использует формат PyTorch и поддерживает контекст до 32 768 токенов. Карточка указывает на дообучение для следования инструкциям на хинди; метаданные относят её к задачам генерации текста. Лицензия — CC BY-NC 4.0 согласно метаданным; README указывает CC BY-NC-SA 4.0, поэтому условия лицензирования в источниках расходятся.

LucasLeee/mt5-small-finetuned-amazon-reviews-en-es — дообученная LucasLeee модель Google mT5-small для суммаризации отзывов о книгах на английском и испанском языках. Она основана на архитектуре MT5ForConditionalGeneration и содержит около 157,4 млн параметров; веса опубликованы в формате safetensors. Модель предназначена для получения краткого пересказа отзыва о книге, в том числе в сценариях обработки отзывов Amazon. Модель обучалась на небольшой выборке отзывов, поэтому качество и обобщение на другие темы или типы текстов могут быть ограничены. Лицензия в предоставленных данных не указана.

my_awesome_eli5_model — дообученная на неизвестном наборе данных компактная модель генерации текста на базе distilbert/distilgpt2, разработанная rrforever. Она предназначена для генерации продолжения текста и может использоваться для автодополнения или создания черновиков. Модель построена на архитектуре GPT-2, работает с текстом и имеет контекст до 1024 токенов. В карточке приведён результат оценки: loss 3,8035; описание обучающих данных, специализация и подробные ограничения не раскрыты. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0.

Модель rohitag13/openwispr-cleanup-qwen3-0.6b разработана rohitag13 как дообученная версия Qwen3. Это плотная авторегрессионная языковая модель на архитектуре Qwen3ForCausalLM с 507,9 млн параметров, рассчитанная на генерацию текста и диалоговое взаимодействие. В карточке указано, что модель обучали с помощью Unsloth и библиотеки Hugging Face TRL. Модель может использоваться для генерации текста и чат-сценариев на английском языке. Метаданные отмечают интерфейс вызова инструментов, однако README не описывает специальные задачи по очистке текста или конкретные настройки такого интерфейса. Модель принимает текст и выдаёт текст; длина контекста составляет 40 960 токенов. Модель распространяется по лицензии Apache-2.0. Её размер и карточка не дают оснований приписывать ей дополнительные специализированные возможности или гарантии качества.

POLAR-14B-HES-DPO-v1.5 — корейская языковая модель, разработанная лабораторией AI-Lab компании Plateer. Модель построена на архитектуре Llama и содержит 14,1 млрд параметров; она предназначена для генерации текста, в том числе на корейском языке. В качестве родительской модели указана x2bee/POLAR-14B-SON-SFT-v0.1, поэтому эта версия является результатом дальнейшего дообучения. Модель можно использовать через Transformers для генерации текста в приложениях и экспериментах, ориентированных на корейский язык. Длина контекста составляет 4096 токенов. Модель распространяется по лицензии Apache-2.0. Карточка предупреждает о возможных вредных стереотипах и предвзятых ответах; сведения о качестве и результатах тестирования не приведены.

Модель Francesca9805 — дообученная с помощью TRL версия англоязычной GPT-2-подобной модели goldfish-models/eng_latn_100mb. Она предназначена для генерации текста по запросу и запускается через Transformers с конвейером text-generation; карточка приводит пример ответа на открытый вопрос. Контекст модели составляет 512 токенов, веса представлены в формате safetensors. Карточка не сообщает размер итоговой модели, отдельные оценки качества или специальные предметные области. Базовая модель описана как монолингвальная и ориентированная на английский язык. Лицензия в предоставленных данных не указана.

Это дообученная на TRL модель семейства GPT-2, созданная на основе goldfish-models/eng_latn_100mb. Она предназначена для генерации продолжения текста и ответов на текстовые запросы на английском языке. Модель использует архитектуру GPT2LMHeadModel, сохранена в формате safetensors и имеет контекст длиной 512 токенов. Модель подходит для генерации коротких ответов и текстовых фрагментов по запросу. Карточка не описывает специальные прикладные области или ограничения сверх размера контекста и английской языковой специализации. Сведения о лицензии в предоставленных источниках отсутствуют.

Corianas/Quokka_2.7b — англоязычная GPT-2-модель генерации текста, дообученная Corianas на базе Cerebras 2.7B с использованием инструментов DataBricks Dolly. Она предназначена для диалогов в формате чат-бота и выполнения инструкций; обучение проходило два эпоха. Модель содержит около 2,7 млрд параметров и принимает текст, выдавая текст, с контекстом до 2048 токенов. Модель может быть полезна для простых ответов на запросы и выполнения текстовых инструкций. Автор предупреждает, что фактические знания ненадёжны и модель не подходит для задач, где важна точность, в частности для медицинских и финансовых рекомендаций. В метаданных указана лицензия Apache-2.0, тогда как README указывает CC-BY-NC-4.0; условия лицензирования противоречат друг другу, поэтому их следует проверить до использования.

Это дообученная языковая модель Qwen2.5 с плотной архитектурой Qwen2ForCausalLM и 1,5 млрд параметров. Модель разработал пользователь 111iillil11iil на основе unsloth/Qwen2.5-1.5B-bnb-4bit; при обучении использовались Unsloth и библиотека TRL от Hugging Face. Модель предназначена для генерации текста и рассчитана на контекст до 32 768 токенов. В карточке отмечен английский язык, однако конкретная специализация, включая заявленное в имени модели назначение для корейского языка, не описана. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.