III.2Исследование рынка и маркетинг

fpadovani/nld-latn-100mb-ppt-Dp-10mb_seed10 — дообученная модель GPT-2 на базе goldfish-models/nld_latn_100mb, созданная с помощью TRL. Она предназначена для генерации текста на нидерландском языке; в карточке приведён пример ответа на открытый вопрос. Модель принимает текст и выдаёт продолжение, а её контекст ограничен 512 токенами. Весы доступны в формате safetensors. Ограничений по качеству в карточке не приведено. Лицензия в предоставленных данных не указана.

HoangQuocViet25/nlp-btl-xlsum-baseline — модель суммаризации на основе T5, дообученная на базе VietAI/vit5-base для работы с вьетнамскими текстами. Она предназначена прежде всего для создания кратких изложений статей и других текстов на вьетнамском языке; в карточке указаны задача summarization и датасет XL-Sum. Модель содержит 126,8 млн параметров, использует архитектуру T5 и формат safetensors, длина контекста составляет 512 токенов. Лицензия — MIT. README не содержит дополнительной информации о качестве и режиме использования модели.

Это дообученная модель генерации текста на базе goldfish-models/nor_latn_100mb, созданная с использованием TRL и архитектуры GPT-2. Она предназначена для генерации продолжений и ответов на текстовые запросы; карточка демонстрирует диалоговый запрос и генерацию ответа. Модель опубликована в формате safetensors и поддерживает контекст до 512 токенов. В карточке не приведены сведения о лицензии, поэтому условия использования определить нельзя.

OneRec-1.7B — модель генеративных рекомендаций из семейства OpenOneRec, разработанного авторами проекта OpenOneRec. Она основана на плотной архитектуре Qwen3 и содержит около 1,8 млрд параметров. Модель предназначена для рекомендаций коротких видео, рекламы и товаров, а также для понимания пользовательских предпочтений, предсказания меток, диалоговых рекомендаций и объяснения рекомендаций. В модели история взаимодействий представляется последовательностью специальных Itemic Tokens, созданных с помощью иерархической векторной квантизации. По README, обучение включало совместное предварительное обучение, настройку на инструкции, дистилляцию и обучение с подкреплением. Модель работает с текстовым вводом и генерирует текст; контекст составляет до 40 960 токенов. README сообщает о результатах на RecIF-Bench и переносе на наборы Amazon, но практические инструкции по запуску ещё готовятся. Лицензия — Apache-2.0.

Карточка модели OpenOneRec/OneRec-1.7B-pro на Hugging Face совпадает с карточкой OpenOneRec/OneRec-1.7B, поэтому описание составлено по ней. OneRec-1.7B — модель генеративных рекомендаций из семейства OpenOneRec, разработанного авторами проекта OpenOneRec. Она основана на плотной архитектуре Qwen3 и содержит около 1,8 млрд параметров. Модель предназначена для рекомендаций коротких видео, рекламы и товаров, а также для понимания пользовательских предпочтений, предсказания меток, диалоговых рекомендаций и объяснения рекомендаций. В модели история взаимодействий представляется последовательностью специальных Itemic Tokens, созданных с помощью иерархической векторной квантизации. По README, обучение включало совместное предварительное обучение, настройку на инструкции, дистилляцию и обучение с подкреплением. Модель работает с текстовым вводом и генерирует текст; контекст составляет до 40 960 токенов. README сообщает о результатах на RecIF-Bench и переносе на наборы Amazon, но практические инструкции по запуску ещё готовятся. Лицензия — Apache-2.0.

Pegasus_paraphraser_Com_12 — дообученная модель семейства PEGASUS, разработанная Gayathri142214002 на основе Gayathri142214002/Pegasus_paraphraser_Com_11. Модель содержит 366,8 млн параметров и предназначена для преобразования текста в текст; её целевое применение — перефразирование коротких текстов длиной до 60 токенов. В README приведено значение Loss 0,1608 на оценочном наборе, но датасет и подробности оценки не описаны. Модель распространяется в формате safetensors по лицензии Apache-2.0. Языковая поддержка и качество на разных типах текста не охарактеризованы.

Playground v2.5 – 1024px Aesthetic Model — разработанная Playground диффузионная модель генерации изображений по текстовым описаниям. Это latent diffusion-модель на архитектуре Stable Diffusion XL, использующая два фиксированных предварительно обученных текстовых энкодера: OpenCLIP-ViT/G и CLIP-ViT/L. Модель предназначена для создания эстетически выразительных изображений в разрешении 1024×1024, а также в портретных и альбомных форматах. Модель можно применять для иллюстраций, концепт-арта и других изображений по текстовому запросу. В карточке приведены результаты пользовательских оценок и теста MJHQ-30K, где Playground v2.5 показала более низкий FID, чем Playground v2 и SDXL. Эти результаты описаны разработчиком; карточка не даёт оснований считать их гарантией качества для каждого запроса. Для работы предусмотрена интеграция с Hugging Face Diffusers. Модель распространяется по Playground v2.5 Community License; в метаданных лицензия обозначена как other, поэтому перед использованием следует ознакомиться с условиями лицензии в репозитории.

Polyglot-Ko-5.8B — авторегрессионная языковая модель, разработанная командой EleutherAI polyglot. Она предназначена прежде всего для генерации текста на корейском языке и может использоваться для продолжения текста и решения языковых задач через prompting. Модель содержит около 5,9 млрд параметров; архитектура — плотный GPT-NeoX с 28 слоями трансформера, размерностью модели 4096 и словарём из 30 003 токенов. Контекст составляет 2048 токенов. Модель обучена предсказывать следующий токен на 863 ГБ обработанных корейскоязычных данных, собранных TUNiB. В README приведены результаты оценки серии Polyglot-Ko на корейском бенчмарке KOBEST, однако таблица относится к версии 3.8B и не подтверждает качество именно этой версии. Модель может выдавать неточные факты и социально неприемлемый или оскорбительный текст, поэтому для чувствительных сценариев нужна проверка человеком или фильтрация. Лицензия — Apache-2.0.

fpadovani/ppt-art-lang-eng-baseline-100mb_seed10 — дообученная модель на основе goldfish-models/eng_latn_100mb, созданная с использованием TRL. Это плотная GPT-2-подобная языковая модель для генерации текста; пример в карточке показывает ответ на открытый вопрос. Модель принимает текст и выдаёт продолжение, а длина контекста составляет 512 токенов. Модель ориентирована на генерацию англоязычного текста. В репозитории указаны веса в формате safetensors и библиотека Transformers. Карточка не описывает дополнительные специализированные сценарии или ограничения качества; данных о лицензии нет.

fpadovani/ppt-wc-uniform-newlex-66-eng-100mb_seed10 — дообученная на TRL GPT-2-подобная модель генерации текста, созданная на основе goldfish-models/eng_latn_100mb. Карточка демонстрирует генерацию ответа на открытый вопрос; модель предназначена для продолжения текста и ответов в текстовом формате. Модель использует архитектуру GPT2LMHeadModel, хранится в формате safetensors и имеет контекст длиной 512 токенов. Базовая модель рассчитана на английский язык. В карточке не описаны специализированные области применения или дополнительные возможности. Лицензия в предоставленных данных не указана.

Модель francesca9805/ppt-wc-uniform-newlex-isl-before-100mb-packed-bfd_seed10 — дообученная версия одноязычной GPT-2-модели goldfish-models/eng_latn_100mb. Автор карточки сообщает, что обучение выполнено с помощью TRL; в метаданных указаны архитектура GPT2LMHeadModel, библиотека Transformers и формат safetensors. Модель предназначена для генерации английского текста по текстовому запросу. Метаданные указывают контекст длиной 512 токенов. Карточка демонстрирует генерацию ответа на вопрос, однако не приводит оценок качества или специализированных сценариев применения. Лицензия в предоставленных данных не указана.

fpadovani/ppt-wc-uniform-oldlex-eng-100mb_seed455 — модель генерации текста на базе GPT-2, дообученная автором на goldfish-models/eng_latn_100mb с использованием TRL. Она предназначена для продолжения текста и ответов на запросы на английском языке; карточка показывает пример диалогового запроса с генерацией продолжения. Модель использует плотную архитектуру GPT2LMHeadModel, библиотеку Transformers и формат safetensors; контекст составляет 512 токенов. Лицензия в предоставленных данных не указана.

fpadovani разработал модель ppt-wc-zipf-newlex-66-eng-100mb_seed455 как дообученную версию goldfish-models/eng_latn_100mb. Это плотная GPT-2-подобная языковая модель на базе GPT2LMHeadModel, обученная с помощью TRL и предназначенная для генерации текста на английском языке. Репозиторий содержит веса в формате safetensors; для запуска в README показан pipeline Transformers с использованием GPU. Модель подходит для продолжения текста и генерации ответов на английском языке. Её контекст ограничен 512 токенами. README не сообщает о специализированной предметной области или дополнительных возможностях; качество и ограничения базовой модели также применимы к этому дообученному чекпойнту. Лицензия в предоставленных данных не указана.

Модель jkhan447/sarcasm-detection-Bert-base-uncased-CR — дообученная версия bert-base-uncased для классификации текста и выявления сарказма. Она содержит 136,7 млн параметров, построена на архитектуре BERT и принимает последовательности длиной до 512 токенов. На указанном в карточке наборе для оценки достигла точности 0,7187; подробности о данных и методике оценки не приведены. Модель можно применять для автоматической разметки саркастичных высказываний в текстах. В карточке указана лицензия Apache-2.0. Область применения и ограничения сверх приведённых результатов не описаны.

Vdr1/Sunfall-NemoMix-Unleashed-12B-v0.6.1 — экспериментальная объединённая модель на 12,1 млрд параметров для генерации текста. Она создана слиянием Sunfall mistral-nemo 12B LoRA версии 0.6.1 от crest4all с MarinaraSpaghetti/NemoMix-Unleashed-12B; архитектура — плотная Mistral, веса опубликованы в формате safetensors. Модель предназначена для ролевых диалогов и написания историй, а также для общей генерации текста. В карточке указан контекст до 1 024 000 токенов. Модель отмечена как экспериментальная и не для всех аудиторий. Метаданные не содержат сведений о лицензии, поэтому условия использования определить нельзя.

Это текстовая модель T5-Large, разработанная Google и дообученная sysresearch101 на наборе XSum с англоязычными новостными статьями BBC и их краткими аннотациями. Модель предназначена для экстрактивной по стилю, но абстрактной суммаризации: она формирует короткое, обычно одно предложение, передающее основную мысль статьи. Модель содержит 385,2 млн параметров, использует архитектуру T5ForConditionalGeneration и принимает текст, выдавая текстовое резюме. Длина контекста — 512 токенов; основным языком является английский. Для XSum в карточке приведены метрики ROUGE-1 26,89, ROUGE-2 6,94 и ROUGE-L 21,28. Модель подходит для краткого пересказа новостей и экспериментов с экстремальной суммаризацией. Обучение только на новостных текстах может ограничивать перенос на другие жанры. Резюме намеренно очень короткие и могут чрезмерно упрощать сложные темы; перед использованием в продуктивных системах качество следует проверить на целевых текстах. Лицензия — MIT.

s3nh/TinyLLama-4x1.1B-MoE — компактная языковая модель, созданная автором репозитория с помощью mergekit путём объединения моделей TinyLlama в архитектуру mixture of experts (MoE). Она предназначена для генерации текста и диалоговых ответов на английском языке, в том числе в сценариях чата. Модель содержит около 1 млрд параметров, использует архитектуру MixtralForCausalLM и принимает текст с контекстом до 2048 токенов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Модель опубликована под лицензией MIT.

WindyTranslate/translate-es-ve — модель машинного перевода, опубликованная Windstorm Labs. Она выполняет перевод с испанского на венесуэльский вариант испанского языка (es → ve) и подходит для перевода отдельных фраз и текстов в приложениях на Transformers. Это дообученная модель семейства MarianMT с 53,9 млн параметров и контекстом до 512 токенов. LoRA-дообучение на параллельном корпусе было объединено с весами базовой модели Helsinki-NLP/opus-mt-es-ve; репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Модель поддерживает только направление es → ve. Для неё пока не проводились бенчмарки качества, поэтому точность перевода не подтверждена опубликованными оценками.

VAETKI-VL-7B-A1B — мультимодальная модель зрения и языка, разработанная консорциумом NC-AI при участии ETRI и Korea University. Она объединяет авторегрессионную языковую модель VAETKI, визуальный энкодер RICE-ViT и FFN и предназначена для эффективного инференса и диалоговых задач с изображениями. Модель построена на архитектуре MoE: при общем размере 7,58 млрд параметров активируется около 1,2 млрд параметров языковой части; используются 64 эксперта, из которых активны 5. Визуальный энкодер содержит 0,33 млрд параметров. Контекст — 16 тыс. токенов. Модель обучалась в три этапа: выравнивание проектора, базовое и расширенное дообучение с инструкциями на мультимодальных данных. Поддерживаемые языки — корейский и английский. Лицензия MIT. Модель подходит для диалогов по изображениям и ответов на визуальные вопросы. Она может выдавать неточные или неполные ответы и галлюцинировать, особенно при неоднозначных запросах; у неё есть ограничения в многошаговых рассуждениях, точных вычислениях и генерации корректного кода. В README модель не рекомендуется для критически важных и регулируемых решений.

Aniemore/wav2vec2-xlsr-53-emotion-v1-crosslingual — дообученная модель семейства Wav2Vec2 для распознавания эмоций в речи. Она классифицирует аудио по семи категориям: гнев, отвращение, энтузиазм, страх, радость, нейтральное состояние и грусть. Модель с 402,7 млн параметров обучена на смеси 27 939 фрагментов из восьми языков и разных речевых регистров, включая спонтанную речь; использует архитектуру Wav2Vec2ForSpeechClassification и библиотеку Transformers. Доступны версии весов fp32, int8, fp8 и int4. Модель предназначена для анализа эмоциональной окраски речи в аудиозаписях. На тесте спонтанной русской речи она показала более высокую оценку, чем предыдущая версия, обученная на разыгранных диалогах, но на разыгранной русской речи результат предыдущей версии был лучше. Показатели для семи нерусских языков приведены как внутридоменные и не подтверждают переносимость на новые говорящие. Базовая модель — Aniemore/wav2vec2-xlsr-53-russian-emotion-recognition. Лицензия — Apache-2.0; README указывает на наследование условий лицензии базовой модели.

senaro/atlas-v18-gemma4-26b — дообученная модель разработчика senaro на базе senaro/atlas-trm13-gemma4-26b, созданная с использованием Unsloth и библиотеки TRL от Hugging Face. Это плотная мультимодальная модель семейства Gemma 4 с архитектурой Gemma4ForConditionalGeneration, предназначенная для диалоговой работы с текстом и изображениями: она принимает текстовые запросы и изображения и формирует текстовые ответы. Карточка подтверждает поддержку английского языка и возможность использования в сценариях визуального чата. Модель распространяется под лицензией Apache-2.0.

BeagleCatMunin — слитая модель генерации текста на основе timpal0l/Mistral-7B-v0.1-flashback-v2 и RJuro/munin-neuralbeagle-7b. Разработчик объединил модели методом dare_ties; конфигурация использует плотность 0,53 и вес 0,6 для одной из моделей, маску int8 и формат bfloat16. Это плотная авторегрессионная архитектура MistralForCausalLM размером 7,1 млрд параметров с контекстом до 32 768 токенов. Модель предназначена для генерации текста. Базовая модель продолжала предобучение на шведских форумных обсуждениях для генерации в стиле форумных веток, поэтому этот стиль может быть полезен и для BeagleCatMunin. В метаданных также указана поддержка датского, норвежского и английского языков. Репозиторий распространяет веса в safetensors; автор упоминает наличие версии GGUF. Лицензия — Apache-2.0.

Это дообученная на английском языке GPT‑2-подобная модель авторства fpadovani, созданная на основе fpadovani/ppt-wc-zipf-newlex-eng-100mb_seed455 с использованием TRL. Она предназначена для генерации текста и коротких ответов на английские вопросы; пример в карточке показывает ответ на вопрос с пользовательским сообщением и генерацию продолжения длиной до 128 токенов. Модель использует архитектуру GPT2LMHeadModel и формат safetensors. Её нативный контекст составляет 512 токенов. Лицензия в предоставленных данных не указана.

IndoNanoT5 Base — языковая модель LazarusNLP для индонезийского языка на архитектуре T5. Это модель типа encoder-decoder с примерно 123,8 млн параметров, предварительно обученная на открытом корпусе uonlp/CulturaX; в README также упоминается обучение примерно на 4 млрд токенов корпусов, описанных в работе о CulturaX. Модель распространяется в формате Safetensors по лицензии Apache 2.0. Модель предназначена для задач преобразования текста в текст на индонезийском языке, например для суммаризации, перефразирования и генерации текста при соответствующей постановке задачи. На отложенной части корпуса указаны evaluation loss 2,082 и perplexity около 8,02. Это оценка на обучающих данных, а не гарантия качества на прикладных задачах; README не приводит отдельные результаты по конкретным downstream-задачам.

ko-ref-llama2-13b — авторегрессионная языковая модель на архитектуре LLaMA 2, разработанная Hyunseok Lee и Taeyoung Kim из KAIST AI/INLAB и omnious.ai. Модель содержит 12,9 млрд параметров, работает с текстом и использует библиотеку Transformers в формате PyTorch; базовая модель — Llama-2-13B. Модель обучена на открытом корейском датасете с целью изучения корейского корпуса и предназначена для генерации текста на корейском языке. Контекст составляет 2048 токенов. Лицензия в предоставленных данных не указана.

mssma/ko-solar-10.7b-v0.12 — текстовая генеративная модель на архитектуре Llama с 10,7 млрд параметров, опубликованная в формате safetensors для использования через Transformers. Карточка содержит пример загрузки модели и токенизатора; метаданные указывают корейский язык и контекст длиной 2048 токенов. Модель предназначена для генерации текста на корейском языке. Её можно применять для продолжения текста и построения ответов в сценариях, где требуется корейская языковая генерация. Модель опубликована по лицензии Apache-2.0. README не сообщает о дообучении или базовой модели, поэтому происхождение модели нельзя установить по доступным сведениям.

l3utterfly/llama2-7b-layla — языковая модель семейства Llama 2, разработанная l3utterfly при финансировании Layla Network. Модель с 6,6 млрд параметров дообучена на наборах данных ShareGPT для многоходовых диалогов и использовалась в офлайн-помощнике Layla. Модель предназначена для генерации ответов в диалоге, помощи и поддержки. Она принимает текст и генерирует текст на английском языке; архитектура — плотная авторегрессионная LlamaForCausalLM, формат весов — PyTorch, максимальная длина контекста — 4096 токенов. Указана лицензия Llama 2.

Magic-AI/Lunar — языковая модель семейства GPT-2, опубликованная под лицензией Apache-2.0. Она предназначена для генерации текста на английском языке и поддерживает задачу text-generation. Репозиторий содержит веса в формате safetensors; заявленная длина контекста составляет 1024 токена. Карточка README помечена как устаревшая и сообщает о планируемой версии Lunar-3, но не описывает обучение, размер модели, качество или конкретные сценарии применения. Эти сведения нельзя надёжно установить по доступным данным.

opus-mt-mg-en — модель машинного перевода из семейства Marian, представленная Helsinki-NLP. Она переводит текст с малагасийского языка на английский и обучена на корпусе OPUS. Архитектура — Transformer-align; для обработки текста применяются нормализация и токенизация SentencePiece. Модель содержит 53,2 млн параметров, её контекст ограничен 512 токенами. Модель предназначена для перевода отдельных текстов и фраз с малагасийского на английский, в том числе материалов, похожих на данные GlobalVoices и Tatoeba. В карточке приведены результаты тестирования на этих наборах: BLEU 27,6 и 50,2 соответственно. Модель распространяется по лицензии Apache-2.0.

fpadovani разработал эту модель как дообученную версию goldfish-models/nld_latn_100mb с помощью TRL. Это плотная авторегрессионная языковая модель архитектуры GPT-2 для генерации текста; карточка показывает пример ответа на открытый вопрос в формате диалога. Модель предназначена для продолжения текста и коротких ответов на запросы. Модель распространяется в формате safetensors и имеет контекст длиной 512 токенов. В карточке не указаны лицензия, специализация по областям и подробные оценки качества.