III.2Исследование рынка и маркетинг

Это дообученная модель генерации текста на базе goldfish-models/rus_cyrl_10mb, разработанная Francesca9805. Модель построена на архитектуре GPT-2 и обучалась с использованием TRL; веса опубликованы в формате safetensors. Модель предназначена для продолжения текста и генерации ответов на запросы. Карточка показывает пример генерации ответа на открытый вопрос. Контекст модели составляет 512 токенов; в метаданных отмечен русский язык, поэтому модель ориентирована на текст на кириллице. Небольшой контекст ограничивает работу с длинными запросами и документами. Лицензия в предоставленных данных не указана.

vicgalle/solarized-18B-dpo — разговорная языковая модель, созданная vicgalle. Она построена на базе vicgalle/franken-SOLAR-18B-v1.0: модели семейства SOLAR на 18 млрд параметров, полученной чередованием слоёв Nous-Hermes-2-SOLAR-10.7B и SOLAR-10.7B-Instruct. Затем модель дообучили методом DPO на наборе предпочтений argilla/distilabel-intel-orca-dpo-pairs. Модель предназначена для генерации текста и диалоговых сценариев. Её можно использовать для написания и продолжения текстов, а также для ответов в чат-интерфейсах. Контекстное окно — 4096 токенов; модель работает с текстом и выдаёт текст. В примерах README модель создаёт откровенно сексуализированный и фетишистский контент, а также допускает фактические ошибки и несвязности. Она распространяется по лицензии Apache-2.0.

T3Q_SOLAR_SLERP_v1.0 — объединённая методом SLERP языковая модель, созданная с помощью mergekit из chihoonlee10/T3Q-ko-solar-dpo-v7.0 и hwkwon/S-SOLAR-10.7B-v1.5. Это плотная Llama-архитектура с 10,6 млрд параметров, предназначенная для генерации текста и диалоговых ответов. Модель принимает текст и выдаёт текст; максимальная длина контекста — 4096 токенов. Базовые модели описаны как корейские, поэтому основным языком следует считать корейский. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия — MIT.

Theia-21B-v1_pretrained — текстовая модель генерации на архитектуре Mistral, опубликованная athirdpath и дообученная на TheDrummer/Theia-21B-v1. Она предназначена для генерации текста и диалогов; базовая модель ориентирована на ролевые диалоги, повествование и прозу. Модель содержит 20,7 млрд параметров, принимает текст и выдаёт текст, поддерживает английский язык и имеет заявленный контекст 1 024 000 токенов. Веса опубликованы в формате safetensors. Модель подходит для создания диалоговых приложений, ролевого общения и генерации художественного текста. README сообщает, что обучение проводилось с Unsloth и библиотекой TRL. Лицензия — Apache-2.0. Данных о специальных ограничениях качества или безопасности в карточке нет.

Это дообученная на базе francesca9805/ppt-wc-uniform-newlex-tur-before-100mb-packed-bfdiso_seed3407 модель GPT-2 для генерации текста. Модель разработана Francesca9805 и обучалась с использованием TRL; карточка показывает пример ответа на открытый вопрос в формате чата. Модель принимает текстовые запросы и генерирует текст, подходит для продолжения текста и коротких ответов на вопросы. Архитектура — плотная GPT-2 (GPT2LMHeadModel), формат весов — safetensors, длина контекста — 512 токенов. Базовая модель предназначена для генерации английского текста и коротких ответов; сведений о лицензии в предоставленных данных нет.

Модель Francesca9805 — дообученная с помощью TRL версия goldfish-models/tur_latn_100mb на архитектуре GPT-2. Она предназначена для генерации текста; пример в карточке показывает ответ на открытый вопрос в формате диалога. Модель сохраняет формат Safetensors и использует библиотеку Transformers. Длина контекста — 512 токенов. Условия лицензии в предоставленных данных не указаны.

Tyr — языковая модель AI Sweden для генерации текста. Это объединённая модель на архитектуре Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. В карточке приведён пример запуска через Transformers pipeline с задачей text-generation. Модель объединяет Equall/Saul-Instruct-v1 и timpal0l/Mistral-7B-v0.1-flashback-v2-instruct. Метаданные указывают шведский язык; модель может подходить для генерации и продолжения текста на шведском. Репозиторий содержит веса Safetensors, лицензия — Apache-2.0. Подробные результаты оценки качества и дополнительные сценарии применения в карточке не описаны.

urLLM-KO-7B — авторегрессионная языковая модель, разработанная URP на основе Llama 2 7B. Это плотный трансформер с архитектурой LlamaForCausalLM и 6,7 млрд параметров; размер словаря расширен до 51 385 токенов. Модель принимает текст и генерирует текст, её контекст составляет 4096 токенов. Модель предназначена для генерации текста на корейском языке. При обучении использовались отобранные данные из корпуса Modu Corpus и корейской Википедии общим объёмом около 28 ГБ. Модель распространяется по лицензии CC BY-NC 4.0, которая запрещает коммерческое использование.

GalvinNguyen/vian_ai_shop — дообученная модель разработчика Glavinnguyen на основе google/gemma-4-e2b-it. Она предназначена для стандартизации формата, стиля и структуры ответов в сценариях поддержки, продаж и маркетинга для магазина. Карточка описывает её как модель генерации текста с интерфейсом для работы с текстом, изображениями и аудио; основными языками названы вьетнамский и английский. В метаданных указана архитектура Gemma4ForConditionalGeneration и формат safetensors. Дообучение выполнено на небольшом тщательно отобранном наборе данных и ориентировано на поведение и оформление ответов, а не на расширение знаний. Модель не рекомендуется использовать без проверки человеком для задач, требующих широких знаний за пределами обучающих данных. Лицензия — MIT.

algograp-Inc/algograpV4 — языковая модель algograp-Inc для генерации текста и диалогового общения. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и 10,6 млрд параметров; она основана на yanolja/EEVE-Korean-Instruct-10.8B-v1.0 и дообучена методом, представленным в статье SOLAR. Для обучения использовались DeepSpeed, TRL Trainer и Accelerate. Модель предназначена для генерации ответов в чате и других текстовых сценариев на корейском языке. Контекст составляет 4096 токенов. Весовые файлы доступны в формате safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

AraBART-summ — модель для автоматического суммирования текста на арабском языке, представленная пользователем abdalrahmanshahrour. Она основана на архитектуре mBART и содержит около 95 млн параметров. Модель предназначена для создания краткого изложения исходного текста; карточка также связывает её с датасетом XLSum и задачей суммирования арабских новостей. Максимальная длина контекста составляет 1024 токена. Модель принимает текст и генерирует текстовое резюме. Опубликована в формате PyTorch по лицензии Apache-2.0. В README приведены метрики Loss и ROUGE, но не описаны условия обучения и оценки, поэтому по этим значениям нельзя надёжно судить о качестве на конкретных данных.

Модель TextAttack — это дообученная версия bert-base-uncased для классификации англоязычных отзывов о фильмах из набора rotten_tomatoes. Она определяет тональность текста, обучена на задаче классификации последовательностей с функцией потерь cross-entropy; в карточке указана точность 0,875 на оценочной выборке. Модель содержит 136,7 млн параметров, использует архитектуру BERT и принимает последовательности длиной до 512 токенов по метаданным; при дообучении максимальная длина была 128 токенов. Модель подходит для автоматической разметки отзывов на положительные и отрицательные. Доступны веса PyTorch и Flax. README не сообщает лицензию, поэтому условия использования по имеющимся данным определить нельзя.

Это дообученная модель генерации текста на базе goldfish-models/dan_latn_10mb, созданная с использованием TRL и опубликованная пользователем francesca9805. В карточке приведён пример запуска через Transformers: модель получает вопрос и генерирует продолжение текста. Модель построена на архитектуре GPT-2 и сохранена в формате Safetensors. Максимальная длина контекста — 512 токенов. Размер модели, поддерживаемые естественные языки и конкретные области применения в предоставленных данных не указаны. Лицензия в метаданных и карточке не приведена.

Модель eng-100mb-after-eng-baseline-newlexicon-ckpt500seed3407 — дообученная GPT-2-подобная языковая модель, созданная на основе fpadovani/ppt-art-lang-newlexicon-eng-baseline-100mb_seed3407. Разработчик указывает, что модель обучалась с помощью TRL; веса представлены в формате Safetensors и предназначены для генерации текста по запросу. Модель можно применять для продолжения текста и генерации ответов на английском языке. В карточке показан пример генерации ответа на вопрос с использованием Transformers pipeline. Контекст модели составляет 512 токенов. Данных о специализированной предметной области или отдельных гарантиях качества нет. Лицензия в предоставленных сведениях не указана.

Модель francesca9805/hin-deva-10mb-after-ppt-Dp-10mb-packed-bfdiso-ckpt500_seed455 — дообученная GPT-2, созданная на основе francesca9805/hin-deva-10mb-ppt-Dp-10mb-packed-bfdiso_seed455. По карточке, обучение выполнено с помощью TRL; модель предназначена для генерации текста в ответ на текстовые запросы и примере показана как генератор ответа на вопрос. Использовать её можно через Transformers pipeline с задачей text-generation. Модель принимает текст и генерирует текст; заявленное максимальное контекстное окно — 512 токенов. Размер модели и поддерживаемые естественные языки в предоставленных данных не обозначены. Модель опубликована под лицензией, сведения о которой в карточке и метаданных не приведены.

EbanLee/kobart-summary-v3 — корейская модель суммаризации, разработанная на основе KoBART. Авторы дообучили её на данных для краткого пересказа документов и материалов книг, а также для генерации резюме и отчётов. Версия v3 использует изменённый и расширенный набор данных; по описанию авторов, она чаще формирует резюме из отдельных, прерывистых предложений. Модель построена на архитектуре BART и содержит 79,7 млн параметров. Она принимает текст и генерирует текстовое резюме; максимальная длина контекста — 1026 токенов. Модель предназначена прежде всего для суммаризации на корейском языке. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана.

LaMini-T5-61M — модель семейства LaMini-LM, разработанная MBZUAI. Это дообученная на 2,58 млн примеров инструкций модель T5-small с архитектурой T5ForConditionalGeneration; она предназначена для ответов на инструкции на естественном языке и генерации текста по заданному запросу. Репозиторий содержит веса PyTorch, а размер модели по метаданным составляет 38,5 млн параметров; контекст ограничен 512 токенами. Модель подходит для ответов на простые пользовательские запросы и выполнения разнообразных текстовых инструкций. В карточке описаны автоматическая оценка на NLP-задачах и человеческая оценка инструкций, но подробные результаты не приведены. Поддерживаемый язык — английский. Лицензия CC BY-NC 4.0 запрещает коммерческое использование.

mistral-7b-ko-dpo-v1 — текстовая генеративная модель на архитектуре Mistral, дообученная на корейском языке. Её разработали shleeeee (Seunghyeon Lee) и oopsung (Sungwoo Park), применив supervised fine-tuning (SFT) и direct preference optimization (DPO) к базовой модели mistralai/mistral-7B-v1. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель принимает текст и генерирует текст; её можно использовать для генерации и продолжения корейского текста и диалоговых ответов. В репозитории указана лицензия other, поэтому условия использования следует уточнять по лицензии и файлам модели.

Mistral-ko-7B-v0.1 — корейская языковая модель семейства Mistral, опубликованная maywell. Модель с плотной архитектурой MistralForCausalLM содержит 7,2 млрд параметров и принимает текст для генерации текста; максимальная длина контекста — 8192 токена. Автор применил к Mistral токенизатор, оптимизированный для корейского языка, и дообучил модель в течение двух эпох на наборе данных, использованном в проекте Sinatra. Токенизатор основан на корейской версии Llama 2 от beomi. Модель подходит для генерации корейского текста и диалоговых сценариев. Модель распространяется в форматах PyTorch и Safetensors по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. README не приводит результатов оценки качества, поэтому пригодность для конкретных задач следует проверять самостоятельно.

Multilingual_Intent_Classifier_checkpoint_v1 — дообученная Blue Machines компактная модель классификации намерений на основе текстовой архитектуры Gemma 3. Восьмислойный стек с размером скрытого состояния 320 и примерно 95,3 млн параметров формирует представление текста через усреднение состояний энкодера и передаёт его линейной классификационной голове. Модель предназначена для отнесения коротких высказываний к семи классам: предоставление информации, согласие, отказ, исправление, вопрос, просьба уточнить и неясное намерение. Модель работает с английским и девятью индийскими языками: хинди, тамильским, телугу, каннада, маратхи, малаялам, бенгали, гуджарати и одия. Поддерживаются родное письмо, латинизированная запись и смешение языков в одном высказывании. Контекст составляет до 32 768 токенов, хотя карточка ориентирует модель на классификацию отдельных высказываний. Весовой файл представлен в формате safetensors; лицензия — Gemma. README указывает, что для загрузки этой специализированной архитектуры требуется класс Gemma3Intent8LStudent из кода обучения, а стандартный AutoModel её не создаёт.

francesca9805/nor-latn-10mb-ppt-Dp-100mb-packed-bfdiso_seed455 — дообученная с помощью TRL модель семейства GPT-2, основанная на goldfish-models/nor_latn_10mb. Предназначена для генерации текста в ответ на запросы; в карточке приведён пример продолжения диалога с пользовательским вопросом. Модель опубликована в формате safetensors и рассчитана на контекст до 512 токенов. Лицензия в предоставленных данных не указана.

Helsinki-NLP/opus-mt-vi-fr — модель машинного перевода из проекта OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с вьетнамского на французский; модель основана на архитектуре Transformer-align и реализована как MarianMTModel. Веса содержат около 54,8 млн параметров, используются SentencePiece-токенизация с моделью на 32 тыс. единиц и нормализация текста. Максимальная длина контекста — 512 токенов. Модель предназначена для перевода отдельных текстов и фраз с вьетнамского языка на французский. В карточке приведён результат BLEU 34,2 и chr-F 0,544 на тестовом наборе Tatoeba-test.vie.fra. Репозиторий предоставляет веса в форматах PyTorch и TensorFlow. Лицензия — Apache-2.0.

SeyedAli разработал модель машинного перевода на базе mT5 для перевода текста с персидского на английский. Она использует архитектуру MT5ForConditionalGeneration и содержит 291,2 млн параметров; модель обучена на данных ParsinLu и предназначена для перевода предложений и других текстовых фрагментов с персидского языка. Модель принимает текст на персидском и выдаёт английский текст. В карточке приведены примеры переводов, однако их качество неоднородно: некоторые результаты выглядят неполными или неестественными. Модель распространяется по лицензии MIT.

HalogenFlo/phobert-vsmec-emotion-recognition — модель классификации текста, дообученная разработчиком HalogenFlo на базе vinai/phobert-base. Она предназначена для распознавания эмоций в тексте; архитектура — RoBERTa для классификации последовательностей, размер — 162,4 млн параметров, максимальная длина контекста — 258 токенов. Базовая PhoBERT ориентирована на вьетнамский язык, поэтому модель подходит для классификации вьетнамских текстов. На оценочном наборе указаны accuracy 0,6152 и F1 0,5827. Датасет, наборы меток и подробные ограничения в карточке не описаны. Модель распространяется по лицензии MIT.

PLaMo-2-Translate — специализированная модель для машинного перевода, разработанная Preferred Networks на базе PLaMo 2 8B. Представлена в формате GGUF и предназначена для запуска через совместимые инструменты, включая модифицированную версию llama.cpp. Модель ориентирована на перевод между английским и японским языками. Модель не проходила instruction tuning для ведения диалогов и других задач, поэтому её следует использовать именно как переводчик, а не как универсального чат-ассистента. В README не указаны точные сведения об архитектуре, размере контекста и конкретном количестве параметров производной модели; базовая модель обозначена как pfnet/plamo-2-8b. Доступны варианты квантования IQ4_XS и Q5_K_M, что позволяет выбирать между меньшими требованиями к ресурсам и потенциальным качеством. Модель распространяется по PLaMo Community License. Для коммерческого использования требуется предварительная регистрация, а также соблюдение ограничений лицензии, включая порог дохода или выручки пользователя и связанных компаний. При распространении модели, производных моделей или результатов необходимо соблюдать условия лицензии, включая указание «Built with PLaMo» и раскрытие происхождения результатов. Модель предоставляется без гарантий, поэтому переводы требуют проверки, особенно в юридических, медицинских, финансовых и других критически важных сценариях.

Polyglot-Ko-1.3B — авторегрессионная языковая модель для корейского языка, разработанная командой EleutherAI polyglot. Это плотная трансформерная модель GPT-NeoX с 24 слоями и примерно 1,7 млрд параметров; в README указано точное число 1 331 810 304. Она обучалась предсказывать следующий токен на 863 ГБ корейских текстовых данных, использует словарь из 30 003 токенов и контекст до 2 048 токенов. Модель предназначена для генерации корейского текста и может служить основой для подсказок и few-shot сценариев, например продолжения текста и ответов на вопросы. Она работает с текстом и выдаёт текст; отдельные прикладные задачи требуют проверки и настройки под конкретный сценарий. Модель может выдавать фактически неверные или социально неприемлемые ответы, поэтому чувствительный контент следует проверять. Лицензия — Apache-2.0.

Модель francesca9805/ppt-wc-uniform-newlex-nld-before-100mb-packed-bfd_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 открытый вопрос. Модель работает с текстовым вводом и выдаёт текст; библиотека запуска — Transformers, формат весов — safetensors, длина контекста — 512 токенов. Базовая модель рассчитана на английский язык. Карточка не приводит результатов оценки качества и дополнительных сведений о специализации. Условия использования определяются лицензией репозитория на Hugging Face.

Модель francesca9805/ppt-wc-uniform-newlex-swe-before-100mb-packed-bfdiso_seed10 — дообученная с помощью TRL модель Goldfish goldfish-models/eng_latn_100mb на архитектуре GPT-2. Она предназначена для генерации английского текста; пример в карточке показывает ответ на открытый вопрос. Модель принимает текст и выдаёт продолжение или ответ в текстовой форме. Модель опубликована в формате safetensors и имеет контекстное окно 512 токенов. Карточка не раскрывает подробности обучающей выборки, целевых улучшений или измерений качества. Лицензия в доступных данных не указана.

realistic-stock-photo — модель генерации изображений по текстовому описанию, представленная stablediffusionapi.com и доступная через API ModelsLab. Карточка Hugging Face указывает конвейер StableDiffusionXLPipeline и форматы Diffusers, PyTorch и SafeTensors; лицензия — CreativeML OpenRAIL-M. Модель предназначена для создания фотореалистичных изображений в стиле стоковой фотографии, включая портреты и сцены с заданными визуальными деталями. В примере API доступны позитивный и негативный промпты, настройка размера изображения, числа шагов генерации и guidance scale. README показывает пример 512×512 с 30 шагами; это параметры примера, а не заявленные пределы модели. В карточке не приведены сведения о числе параметров, контекстном окне или языках. Пример промпта дан на английском; подтверждений поддержки других языков нет. Для использования через описанный сервис нужен API-ключ ModelsLab. Условия лицензии CreativeML OpenRAIL-M распространяются на модель; условия доступа к API определяются отдельно сервисом.

Это дообученная модель генерации текста на основе goldfish-models/rus_cyrl_100mb, созданная с использованием TRL и библиотеки Transformers. Она предназначена для продолжения текста и генерации ответов на текстовые запросы; в карточке показан пример диалогового запроса на английском языке. Архитектура — GPT-2, веса представлены в формате safetensors, контекст — до 512 токенов. Язык и конкретная область применения обучающей выборки не описаны. Лицензия в предоставленных данных не указана.