III.2Исследование рынка и маркетинг

YanoljaNEXT-EEVE-Instruct-2.8B — диалоговая языковая модель компании Yanolja, дообученная методом Direct Preference Optimization (DPO) на базе yanolja/EEVE-Korean-2.8B-v1.0. Базовая модель расширяет словарь корейского языка модели microsoft/phi-2; архитектура — плотная PhiForCausalLM, около 3,5 млрд параметров, формат весов — safetensors. Модель принимает текст и генерирует текст, её контекст составляет 2048 токенов. Модель предназначена для ответов на вопросы и других диалоговых сценариев на корейском языке. Для обучения использовались корейские переводы наборов Open-Orca/SlimOrca-Dedup и ultrafeedback-binarized-preferences-cleaned. В README приведены результаты оценок на AI2 Reasoning Challenge и HellaSwag, но они не гарантируют качество в других сценариях. Модель распространяется по лицензии Apache-2.0.

Модель bhatayus/aika-filler-slm-v4-7-2-v4_6-e3 — дообученная автором bhatayus языковая модель семейства Gemma 3 Text с архитектурой Gemma3ForCausalLM. Она предназначена для генерации текста в диалоговом формате и может использоваться в чат-сценариях. Модель содержит 1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Для обучения использовались Unsloth и библиотека TRL от Hugging Face. Лицензия — Apache-2.0. В карточке не описаны специализация дообучения, набор данных и результаты оценки качества. Метаданные указывают английский язык; подтверждений поддержки других языков нет.

CogVideoX-Fun-5b-InP — разработанная Alibaba PAI модель генерации видео по изображению на основе архитектуры CogVideoX и Video Diffusion Transformer. Она создаёт видеоклип, используя исходное изображение и текстовое описание движения или сцены; авторская карточка также описывает поддержку генерации примерно шестисекундных роликов длительностью до 49 кадров при 8 кадрах в секунду. Для семейства заявлена работа с разными разрешениями вплоть до 1024×1024 и обучение собственных базовых моделей и LoRA для переноса стиля. Модель предназначена для создания коротких видеороликов из изображений, творческих визуальных материалов и прототипов видео. В репозитории доступны веса в форматах Diffusers и Safetensors; для запуска README указывает среду с PyTorch и CUDA и ориентировочно 60 ГБ свободного места. Карточка сообщает о поддержке английского языка, а в планах проекта упоминается будущая поддержка китайского. Проект опубликован под Apache License 2.0, однако README отдельно указывает, что Transformer-модуль версии CogVideoX-5B распространяется по лицензии CogVideoX; условия использования весов следует сверять с этой лицензией. В описании приведены проверенные GPU-конфигурации и разрешения для семейства, но конкретный контекстный лимит не заявлен.

fpadovani/dan-latn-100mb-ppt-Dp-100mb_seed10 — дообученная модель семейства GPT-2 на базе goldfish-models/dan_latn_100mb. Разработчик сообщает, что обучение выполнено с помощью TRL; метаданные указывают архитектуру GPT2LMHeadModel и формат safetensors. Модель предназначена для генерации текста по запросу, в том числе для ответов на открытые вопросы и продолжения диалога. Максимальная длина контекста составляет 512 токенов. В карточке приведён пример генерации на английском языке; сведения о других поддерживаемых языках не подтверждены. Короткий контекст ограничивает работу с длинными запросами и историей диалога. Модель распространяется по лицензии, указанной в метаданных Hugging Face.

Ramamurthi/distilbert-base-uncased-finetuned-yelp-reviews — модель классификации текста на базе DistilBERT, дообученная на наборе yelp_review_full. Она предназначена для классификации отзывов Yelp; карточка приводит результаты оценки: accuracy 0,6418 и F1 0,6425. Модель принимает текст, максимальная длина контекста — 512 токенов, формат весов — PyTorch. Лицензия — Apache-2.0. Подробности о классах предсказаний и ограничениях применения в карточке не раскрыты.

Это дообученная модель Francesca9805 на базе одноязычной GPT-2-модели Goldfish для генерации английского текста. Она обучалась с использованием TRL; карточка показывает пример генерации ответа на открытый вопрос. Модель построена на архитектуре GPT-2, имеет контекст 512 токенов и распространяется в формате safetensors под библиотекой Transformers. Модель подходит для короткой генерации текста на английском языке, включая ответы на открытые вопросы и продолжение текста. Карточка не сообщает о специализированной предметной области или лицензии, поэтому условия использования по лицензии определить нельзя. Короткое контекстное окно ограничивает работу с длинными запросами и документами.

Модель touchtech/fashion-images-perspectives-vit-large-patch16-384-v2 — дообученная Touchtech версия Vision Transformer ViT-Large от Google для классификации изображений одежды и модных образов. Она принимает изображения и предсказывает категории, связанные с датасетом fashion-images-perspectives-v4. Модель содержит 402,7 млн параметров, использует архитектуру ViTForImageClassification и распространяется в формате Safetensors. На указанном в карточке наборе для оценки достигнуты loss 0,1395 и accuracy 0,9655. Модель предназначена для классификации модных изображений; качество на других наборах данных и в иных сценариях может отличаться. Лицензия — Apache-2.0.

Модель Francesca9805 — дообученная версия Goldfish Models hin_deva_100mb на архитектуре GPT-2, подготовленная с помощью TRL и сохранённая в формате safetensors. Она предназначена для генерации текста; в карточке приведён пример ответа на открытый вопрос в диалоговом формате. Контекст модели составляет 512 токенов. Модель принимает текст и генерирует текст. Карточка не уточняет набор языков, данные обучения, качество ответов или ограничения применения. Лицензия в предоставленных данных не указана.

Это дообученная модель генерации текста на основе goldfish-models/ita_latn_100mb. Разработчик указывает, что модель обучена с помощью TRL; архитектура — GPT-2, веса опубликованы в формате safetensors. Карточка демонстрирует генерацию ответа на открытый вопрос, поэтому модель предназначена для продолжения текста и ответов в текстовом формате. Контекст модели составляет 512 токенов. Лицензия в предоставленных данных не указана. Карточка не описывает набор обучения, качество ответов или специальные ограничения, поэтому пригодность для конкретных предметных областей не подтверждена.

Языковая модель LINE Corporation для генерации текста на японском языке. Версия с 3,6 млрд параметров прошла дообучение в формате instruction SFT, чтобы улучшить диалоговые способности. Она построена на архитектуре GPT-NeoX и распространяется в форматах PyTorch и Safetensors. Модель предназначена для генерации ответов и диалогов на японском языке. Токенизатор SentencePiece использует unigram-модель и byte fallback; предварительная сегментация японским токенизатором не применяется, поэтому можно подавать исходный текст напрямую. Контекст модели — 2048 токенов. Лицензия Apache-2.0.

daekeun-ml/koelectra-small-v3-nsmc — модель классификации корейских текстов на базе архитектуры ELECTRA с 21,5 млн параметров. Она предназначена для определения тональности отзывов о фильмах из набора NSMC и может развёртываться как конечная точка вывода в Amazon SageMaker. Модель принимает текст и возвращает метку класса. Контекст ограничен 512 токенами; карточка указывает корейский язык. Репозиторий содержит веса в форматах PyTorch и Safetensors. Модель распространяется по лицензии MIT.

Модель mesolitica/malaysian-tinyllama-1.1b-16k-instructions разработана Mesolitica как полноточечная донастройка TinyLlama на наборе инструкций на малайском языке. Это плотная причинная языковая модель семейства Llama с примерно 1 млрд параметров; метаданные указывают нативный контекст до 32 768 токенов. Модель предназначена для генерации ответов на инструкции и вопросы на малайском языке, в том числе по темам, связанным с Малайзией. В README приведён пример ответа на вопрос о KWSP — малайзийской системе пенсионных накоплений. Карточка характеризует модель как быструю демонстрацию возможностей дообучения базовой модели и отмечает минимальные механизмы модерации. Лицензия в предоставленных данных не указана.

Модель francesca9805/nld-latn-100mb-ppt-Dp-10mb-packed-bfdiso_seed10 — дообученная на TRL версия одноязычной GPT-2 модели Goldfish goldfish-models/nld_latn_100mb. Она предназначена для генерации продолжений текста и ответов на запросы; в карточке приведён пример генерации ответа на вопрос. Модель использует архитектуру GPT-2, веса сохранены в формате safetensors, контекст составляет 512 токенов. Базовая модель обучена на 100 МБ данных для нидерландского языка. Лицензия в предоставленных сведениях не описана.

Модель nor-latn-10mb-100mb_seed3407 — дообученная версия goldfish-models/nor_latn_10mb, созданная с использованием TRL и архитектуры GPT-2. Она предназначена для генерации текста по запросу; в карточке приведён пример ответа на открытый вопрос. Модель работает с текстом и имеет контекстное окно длиной 512 токенов. Данных о специализации по языкам, качестве и условиях лицензирования в предоставленных источниках нет.

DavidAU разработал эту инструкционную версию GPT-OSS 20B на основе coder3101/gpt-oss-20b-heretic: модель дообучена с помощью Unsloth на датасете TeichAI/mistral-small-creative-500x. Это разговорная MoE-модель для генерации текста и выполнения инструкций; автор описывает её как прямолинейную модель без режима рассуждений и с ослабленными отказами. Заявленная длина контекста — 128k токенов. В метаданных указано 1,6 млрд параметров и формат safetensors. Модель предназначена для чата, ролевых диалогов и творческой генерации, включая контент для взрослых. README отмечает, что для получения более откровенного или экспрессивного текста иногда нужно явно задавать стиль и лексику. Автор сообщает о 19 отказах из 100 запросов в собственном тесте и предупреждает, что это незавершённая работа, поэтому отдельные функции могут работать некорректно. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-en-ig — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с английского языка (en) на игбо (ig) и предназначена для автоматического перевода отдельных текстов и более крупных фрагментов. Модель использует архитектуру Transformer-align и предобработку с нормализацией и SentencePiece; число параметров — 53,9 млн, длина контекста — до 512 токенов. Доступны веса PyTorch и TensorFlow. Модель обучена на данных OPUS. В карточке приведены оценки BLEU 39,5 на JW300.en.ig и 3,8 на Tatoeba.en.ig, поэтому качество зависит от тематики и тестового набора. Лицензия — Apache-2.0.

Модель francesca9805/ppt-wc-uniform-newlex-dan-before-100mb-packed-bfd_seed10 — дообученная Francesca9805 версия одноязычной GPT-2-модели goldfish-models/eng_latn_100mb. Она предназначена для генерации английского текста; в карточке приведён пример ответа на открытый вопрос в диалоговом формате. Модель создана с помощью TRL и распространяется в формате safetensors для библиотеки Transformers. Контекст модели составляет 512 токенов. Карточка не описывает специализированную предметную область или дополнительные возможности. Условия лицензии в предоставленных данных не указаны.

fpadovani/ppt-wc-zipf-newlex-66-eng-100mb_seed657 — дообученная модель семейства GPT-2 на базе goldfish-models/eng_latn_100mb. В карточке указано, что обучение выполнено с использованием TRL; метаданные определяют архитектуру как плотную GPT2LMHeadModel, а веса хранятся в формате safetensors. Модель предназначена для генерации английского текста и запускается через библиотеку Transformers с задачей text-generation. В README приведён пример ответа на вопрос в формате диалога. Максимальная длина контекста по метаданным — 512 токенов. Карточка не описывает специализацию дообучения, качество ответов или ограничения применения, поэтому надёжность на конкретных типах запросов оценить нельзя. Условия лицензии в предоставленных данных не указаны.

prose-rewriter-1.7b-v1.2 — модель для перефразирования прозы, разработанная chartreuse-verte на базе Qwen/Qwen3-1.7B-Base. Она принимает один абзац текста, созданного большой языковой моделью, и перезаписывает его более естественным и «человечным» языком с сохранением исходной семантики. Модель предназначена для редактирования прозы, переноса стиля, улучшения читаемости и удаления характерных для генеративного текста избыточных или неестественных формулировок. Модель содержит 1,7 млрд параметров и представляет собой базовую архитектуру Qwen3 с объединённым rank-16 LoRA-адаптером, применённым с силой 1.1. Поддерживается английский язык. Доступны формат safetensors в bfloat16 для Transformers и квантованный GGUF Q8_0 размером 2,17 ГБ для llama.cpp и llama-cpp-python. Обрабатываются абзацы длиной от полного предложения до примерно 120 слов; документированный предел входа — 512 токенов, максимальный объём генерации — 512 токенов. Модель не является обычной чат-моделью и требует специального шаблона с ролями source и edit. Сильными сторонами являются низкий уровень самоповторов, стабильная остановка генерации и сохранение длины текста на большинстве абзацев длиной 15–120 слов. Режим match рекомендуется для перезаписи без сокращения. На очень коротких входах модель может искусственно удлинять текст и добавлять неподтверждённые исходными данными сведения; для текстов короче примерно 80 байт рекомендуется не применять её. Качество и фактическая точность зависят от случайной генерации и настроек температуры. Модель распространяется по лицензии AGPL-3.0.

Real Beauty — объединённая модель для генерации изображений по текстовому описанию, созданная смешиванием BeautyFool Reality 4 и Real Dream 11. Она предназначена для создания фотореалистичных портретов, персонажей и сцен с детализированными лицами, одеждой, освещением и окружением; в карточке приведены примеры промптов для журнальных портретов, интерьеров и кинематографичных сцен. Модель использует Stable Diffusion 1.5 и запускается через библиотеку Diffusers; веса доступны в формате safetensors. Лицензия — CreativeML OpenRAIL-M, условия которой следует соблюдать при использовании и распространении модели.

Это дообученная на TRL модель генерации текста на базе GPT-2, созданная fpadovani. Пример в карточке показывает диалоговый запрос на английском языке и генерацию ответа; модель рассчитана на продолжение текста и ответы в формате диалога. Модель доступна в формате safetensors и имеет контекстное окно 512 токенов. Карточка не сообщает размер модели и лицензию, поэтому условия лицензирования определить нельзя. Возможности за пределами генерации текста и английского примера не подтверждены.

WindyTranslate/translate-el-fi — модель машинного перевода от Windstorm Labs для перевода с греческого на финский. Это дообученная версия Helsinki-NLP/opus-mt-el-fi: LoRA-адаптер обучили на параллельном корпусе и объединили с базовыми весами. Модель построена на архитектуре MarianMT, содержит 55,7 млн параметров и принимает последовательности длиной до 512 токенов. Модель предназначена для перевода греческих текстов на финский. В тесте FLORES-200 на 48 предложениях для этого направления получены chrF++ 45,99 и BLEU 16,35; авторы называют результат скрининговой оценкой, а не публикационным результатом. Репозиторий содержит веса в формате safetensors для Transformers. Лицензия — Apache-2.0.

Windstorm Labs опубликовала компактную модель машинного перевода с английского на язык твӣ (Twi), дообученную на параллельных данных на основе Helsinki-NLP/opus-mt-en-tw. LoRA-адаптер объединён с базовыми весами; архитектура MarianMT, размер — 54,3 млн параметров, формат — safetensors для Transformers. Модель рассчитана на перевод текста в одном направлении: с английского на твӣ; максимальный контекст — 512 токенов. По результатам скрининговой оценки на 48 предложениях FLORES-200 модель получила chrF++ 33,81 и BLEU 8,82, что в карточке обозначено как пригодный для использования уровень. Эти результаты предварительные и не являются публикационным исследованием. Модель распространяется по лицензии Apache-2.0 с указанием происхождения базовой модели.

Это дообученная модель генерации текста на основе goldfish-models/tur_latn_10mb, созданная с использованием TRL и архитектуры GPT-2. Она предназначена для продолжения текста и генерации ответов на текстовые запросы; в карточке приведён пример ответа на вопрос в формате чата. Размер контекстного окна составляет 512 токенов. Модель доступна в формате safetensors и рассчитана на запуск через Transformers. Карточка не сообщает о специализированной предметной области или гарантированных качествах ответов. Условия лицензирования в предоставленных данных не указаны.

Ahma-7B — языковая модель, разработанная Finnish-NLP на основе архитектуры Meta Llama v1. Это декодерный трансформер с 6,7 млрд параметров, предварительно обученный с нуля на финских текстах; модель предназначена для генерации текста и может дообучаться для прикладных задач. В ходе второго этапа предобучения к основному корпусу добавлялись примеры следования инструкциям, поэтому модель способна отвечать на инструкции при использовании соответствующего формата запроса. Модель принимает текст и генерирует текст на финском языке. Контекст составляет 2048 токенов. Обучение охватывало финскую Википедию, новости, веб-тексты, Reddit и другие финноязычные источники. Модель не предназначена для многоязычной генерации и генерации кода; возможны предвзятые ответы и остаточный токсичный контент. Лицензия — Apache-2.0.

Карточка модели alibaba-pai/CogVideoX-Fun-2b-InP на Hugging Face совпадает с карточкой alibaba-pai/CogVideoX-Fun-5b-InP, поэтому описание составлено по ней. CogVideoX-Fun-5b-InP — разработанная Alibaba PAI модель генерации видео по изображению на основе архитектуры CogVideoX и Video Diffusion Transformer. Она создаёт видеоклип, используя исходное изображение и текстовое описание движения или сцены; авторская карточка также описывает поддержку генерации примерно шестисекундных роликов длительностью до 49 кадров при 8 кадрах в секунду. Для семейства заявлена работа с разными разрешениями вплоть до 1024×1024 и обучение собственных базовых моделей и LoRA для переноса стиля. Модель предназначена для создания коротких видеороликов из изображений, творческих визуальных материалов и прототипов видео. В репозитории доступны веса в форматах Diffusers и Safetensors; для запуска README указывает среду с PyTorch и CUDA и ориентировочно 60 ГБ свободного места. Карточка сообщает о поддержке английского языка, а в планах проекта упоминается будущая поддержка китайского. Проект опубликован под Apache License 2.0, однако README отдельно указывает, что Transformer-модуль версии CogVideoX-5B распространяется по лицензии CogVideoX; условия использования весов следует сверять с этой лицензией. В описании приведены проверенные GPU-конфигурации и разрешения для семейства, но конкретный контекстный лимит не заявлен.

Это дообученная модель генерации текста на базе fpadovani/ppt-art-lang-jpn-baseline_seed3407. Она построена на архитектуре GPT-2 и обучена с помощью TRL; пример в карточке показывает генерацию ответа на открытый вопрос в формате диалога. Модель рассчитана на продолжение текста и ответы на запросы, а её контекст ограничен 512 токенами. В названии и примере указана английская направленность, однако подробностей о языковых данных и качестве ответов карточка не приводит. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных сведениях не указана.

Это дообученная на базе goldfish-models/eng_latn_100mb языковая модель семейства GPT-2, разработанная Francesca9805 и обученная с использованием TRL. Она предназначена для генерации продолжений текста и ответов на текстовые запросы; в карточке приведён пример диалогового запроса о выборе между путешествием в прошлое и будущее. Модель использует плотную архитектуру GPT2LMHeadModel, распространяется в формате safetensors и имеет контекст длиной 512 токенов. Базовая модель рассчитана на генерацию текста на английском языке, поэтому основной сценарий — англоязычные запросы и ответы. Лицензия в предоставленных данных не указана.

EnvironmentalBERT-environmental — модель на базе RoBERTa, разработанная для классификации экологических текстов в сфере ESG. Она создана дополнительным дообучением EnvironmentalBERT-base на наборе из примерно 2 тысяч экологических примеров и предназначена для обнаружения текстовых фрагментов, относящихся к экологической тематике. Модель подходит для автоматической разметки экологических сообщений и анализа экологической составляющей ESG-коммуникаций. Она принимает текст на английском языке и выдаёт результат классификации. Число параметров — 95,2 млн, максимальный контекст — 514 токенов; формат весов — PyTorch. Модель выпущена под лицензией Apache-2.0. Её специализация и небольшой объём обучающего набора означают, что качество на иных доменах и типах текстов может быть ограничено; для критически важных выводов результаты следует проверять.

Модель Steeve2ml/globatrend-sentiment-distilbert разработана как часть портфолио-проекта GlobaTrend Insights. Это DistilBERT — трансформерный энкодер с классификационной головой, дообученный для бинарной классификации тональности англоязычных текстов на положительные и отрицательные. Обучение проводилось на корпусе NLTK Movie Reviews; модель рассчитана прежде всего на отзывы о фильмах и похожие по стилю длинные тексты. Модель принимает текст и выдаёт метку тональности для текста целиком. Максимальная длина контекста — 512 токенов; более длинные тексты обрезаются. На отложенной выборке из того же корпуса указана точность 0,818. Модель может служить базовым классификатором или отправной точкой для разработки анализа тональности по аспектам, но сама по аспектам тональность не определяет. Разработчик предупреждает о малом объёме дообучения — 1 600 примеров — и возможных смещениях, связанных с именами актёров и режиссёров в обучающем корпусе. Модель обучена и проверена только на английских отзывах о фильмах; результаты для отзывов о товарах и услугах не проверены. Лицензия — MIT.