III.2Исследование рынка и маркетинг

LlamaDos — разговорная языковая модель, созданная авторами проекта путём дообучения Llama 2-7B от Meta для общения на испанском языке. Модель имеет плотную архитектуру Llama и содержит около 6,6 млрд параметров; базовый контекст составляет 4096 токенов. Для обучения использовали более 250 тысяч диалоговых примеров, а настройку выполнили на одной потребительской видеокарте RTX 3090 с применением LoRA, накопления градиентов и других методов оптимизации. Модель предназначена для диалогов на испанском языке и использует формат инструкций Llama 2. Подходит для создания разговорного помощника и генерации ответов на сообщения пользователя. В README не указана лицензия, поэтому условия использования следует проверить в метаданных репозитория. Описание не приводит результатов оценки качества; модель может наследовать ограничения базовой Llama 2 и зависеть от корректного формата промпта.

LLaMmlein 1B Chat — это чат-адаптер для немецкой языковой модели TinyLlama объёмом около 1 млрд параметров. Модель разработана командой LSX-UniWue при Университете Вюрцбурга и создана на основе LSX-UniWue/LLaMmlein_1B_prerelease. Адаптер реализован с использованием PEFT и обучен в формате supervised fine-tuning (SFT). Модель предназначена для диалогового взаимодействия и генерации ответов на немецком языке. При обучении использовались датасеты LSX-UniWue/Guanako, FreedomIntelligence/evol-instruct-deutsch, FreedomIntelligence/sharegpt-deutsch и FreedomIntelligence/alpaca-gpt4-deutsch. Это текстовая авторегрессионная модель без заявленной поддержки дополнительных модальностей; размер контекстного окна в README не указан. Адаптер применяется совместно с базовой моделью через библиотеки Transformers и PEFT, также разработчики предоставляют объединённую версию в формате GGUF. Сильной стороной модели является специализация на немецкоязычных чат-сценариях при относительно небольшом размере. Однако разработчики подчёркивают, что чат-версии являются исследовательскими демонстрациями и не готовы для задач, требующих точного следования инструкциям. Поэтому модель следует использовать с учётом возможных ошибок и ограничений качества. В README лицензия обозначена как other, без дополнительных условий; точные правила использования необходимо уточнять в сопутствующих материалах проекта.

Модель fpadovani/nld-100mb-after-nld_heavy_uniform-ckpt500_seed3407_seed3407 — дообученная GPT-2 для генерации текста. Она создана на основе fpadovani/ppt-nld_heavy_uniform-100mb_seed3407 и обучалась с помощью TRL; в примере README модель отвечает на пользовательский вопрос, продолжая текст на нидерландском языке. Модель работает в библиотеке Transformers, использует архитектуру GPT2LMHeadModel и принимает текстовые запросы, выдавая сгенерированный текст. Контекст ограничен 512 токенами. В репозитории указаны веса в формате safetensors. Лицензия в предоставленных данных не описана.

Это дообученная с помощью TRL нидерландоязычная модель семейства GPT-2 для генерации текста. Она принимает текстовый запрос и продолжает его; в карточке приведён пример использования в формате вопроса и ответа. Модель основана на fpadovani/nld-latn-100mb-ppt-Dp-100mb_seed455 и имеет контекстное окно 512 токенов. Модель распространяется в формате safetensors и предназначена для текстовых сценариев на нидерландском языке. Карточка не сообщает условия лицензии и подробные результаты оценки качества.

Модель francesca9805/nld-latn-100mb-ppt-Dp-100mb-packed-bfdiso_seed455 — дообученная Francesca9805 версия одноязычной GPT-2 модели goldfish-models/nld_latn_100mb. Она предназначена для генерации текста на нидерландском языке; карточка показывает пример ответа на вопрос в диалоговом формате. Модель построена на архитектуре GPT-2, использует библиотеку Transformers, а её контекст ограничен 512 токенами. Веса представлены в формате safetensors. Модель можно применять для генерации продолжений текста и ответов на вопросы на нидерландском языке. Она дообучена с использованием TRL. Лицензия в предоставленных данных не указана.

OmniDimen-2-8B-Emotion — дообученная модель OmniDimen на базе Meta Llama 3.1 8B Instruct для распознавания эмоций в тексте и генерации ответов с учетом эмоционального контекста. Это плотная авторегрессионная языковая модель семейства Llama с 7,5 млрд параметров и контекстом до 131 072 токенов; она поддерживает диалоговую генерацию на китайском и английском языках. Модель предназначена для эмоционально окрашенных бесед и приложений, где ответы должны учитывать эмоциональное состояние собеседника. Модель можно запускать через Transformers, в частности через pipeline text-generation; разработчик также рекомендует GGUF для более удобного и эффективного развертывания. По карточке, специализация на эмоциях может ограничивать широту возможностей по сравнению с базовой моделью, а в чувствительных сценариях требуется ответственное применение. Лицензия — MIT.

Helsinki-NLP/opus-mt-bem-fr — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с бемба (bem) на французский (fr) и предназначена для перевода отдельных фраз и текстов. Модель построена на архитектуре MarianMT с плотным Transformer, содержит 56,4 млн параметров и использует нормализацию и SentencePiece для предварительной обработки. Максимальная длина контекста — 512 токенов. Для оценки перевода в карточке приведены результаты на тестовом наборе JW300.bem.fr: BLEU 25,0 и chr-F 0,417. Модель доступна в форматах PyTorch и TensorFlow и распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-es-gl — модель машинного перевода из семейства OPUS-MT, опубликованная Helsinki-NLP. Она переводит текст с испанского на галисийский и обратно не предназначена: направление перевода — только испанский → галисийский. Модель построена на архитектуре Marian Transformer; использует нормализацию и SentencePiece с словарями по 4 тыс. токенов. Размер — 28,1 млн параметров, контекст — 512 токенов. Модель подходит для перевода отдельных фраз и текстов между испанским и галисийским, в том числе для локализации и предварительного перевода материалов. В карточке приведён результат BLEU 67,6 на Tatoeba-test.spa.glg. Лицензия — Apache-2.0; языки — испанский и галисийский.

Helsinki-NLP/opus-mt-th-fr — модель машинного перевода из семейства Marian, разработанная проектом OPUS и опубликованная организацией Helsinki-NLP. Она переводит текст с тайского языка на французский; модель построена на архитектуре Transformer и использует нормализацию текста и SentencePiece для токенизации. Размер модели — 57 млн параметров, заявленная длина контекста — 512 токенов. Доступны веса PyTorch и TensorFlow. Модель предназначена для перевода отдельных текстов и фраз с тайского на французский. В карточке приведён результат BLEU 20,4 на наборе JW300.th.fr. Модель распространяется по лицензии Apache-2.0.

Elilora/pidgin-sentiment-afriberta-finetuned_with_emotion — модель классификации тональности нигерийского пиджина, разработанная Elilora на основе Davlan/naija-twitter-sentiment-afriberta-large. Она принимает текст вместе с категорией эмоции в префиксе вида [EMOTION: sarcasm] и относит высказывание к положительной, отрицательной или нейтральной тональности. Модель рассчитана на сценарии, где эмоциональный контекст уже размечен человеком или получен на предыдущем этапе обработки. Архитектура — XLM-RoBERTa для классификации последовательностей; размер — 148,1 млн параметров, контекст — 514 токенов. Для обучения использовано 500 примеров из датасета WAZOBIALABS/nigerian-pidgin-voice-text. В карточке заявлена точность 96,4% на отложенной выборке при наличии категории эмоции. Модель подходит для анализа тональности сообщений на нигерийском пиджине, в том числе высказываний, где сарказм или эмоциональный регистр меняют смысл слов. Лицензия модели — MIT. Она не предназначена для надёжной классификации текста без префикса эмоции или для других языков; при автоматическом определении эмоции качество результата зависит от отдельного классификатора или модели.

Модель francesca9805/ppt-wc-uniform-newlex-rus-before-100mb-packed-bfdiso_seed3407 — дообученная с помощью TRL одноязычная GPT-2-модель на базе goldfish-models/eng_latn_100mb. Она предназначена для генерации текста; в карточке приведён пример продолжения ответа на вопрос на английском языке. Модель использует архитектуру GPT-2 и библиотеку Transformers, а её контекст составляет 512 токенов. Карточка не описывает специальную предметную область или дополнительные возможности. Модель распространяется под лицензией, указанной в карточке Hugging Face; сведения о лицензии в предоставленных данных отсутствуют.

Heatw4ve/Qwen3-4B-Instruct-2507-rewriter-gguf — англоязычная модель, дообученная Heatw4ve на базе unsloth/Qwen3-4B-Instruct-2507 для переписывания текста, созданного ИИ, более естественным и похожим на человеческий стилем. Она предназначена для локального запуска через LM Studio, Ollama или llama.cpp и подходит для редактирования коротких фрагментов примерно от 15 до 150 слов, сохраняя исходный смысл и фактическое содержание. В основе лежит Qwen3-4B-Instruct-2507; модель обучена методом SFT с LoRA и распространяется в формате GGUF с квантизацией Q4_K_M. Карточка указывает английский язык. Базовая модель имеет контекст до 262 144 токенов, однако отдельная длина контекста этой версии не указана. Лицензия — Apache-2.0. Модель ориентирована на локальный инференс, исследования и эксперименты.

Thanos-1B — диалоговая языковая модель серии Thanos, разработанная командой Young-Jun Lee и предназначенная для повышения естественности ответов разговорных агентов за счёт обучения навыкам «понимания чужого мышления». Модель дообучена на базе meta-llama/Llama-3.2-1B-Instruct; в карточке указано обучение на наборе Multifaceted Skill-of-Mind объёмом 100 тысяч примеров. Это плотная авторегрессионная модель семейства LLaMA с архитектурой LlamaForCausalLM и примерно 1,2 млрд параметров. Она принимает текст и генерирует текст, поддерживает английский язык и имеет контекстное окно 131 072 токена. Метаданные отмечают возможности чата и интерфейс вызова инструментов. Модель подходит для создания разговорных агентов, которым нужны более человекоподобные ответы и диалоговые сценарии общего назначения. Авторы указывают исследовательское назначение серии. Лицензия CC BY-NC 4.0 требует указания авторства и не разрешает коммерческое использование.

Alpacino13b — объединённая модель на базе Llama 13B, созданная разработчиком digitous. Это слияние трёх моделей с Alpaca в качестве основы и LoRA-компонентами для следования инструкциям, пошаговых рассуждений и повествования. Модель рассчитана на генерацию текста, в том числе развёрнутых творческих ответов и историй; автор приводит сценарий интерактивной текстовой приключенческой игры, где модель выступает рассказчиком. Она сохраняет формат инструкций Alpaca и имеет контекст до 2048 токенов. В карточке указана лицензия для некоммерческого использования; веса являются модификацией Llama 13B, для которой требуется разрешённый доступ к исходным весам Meta. Модель может генерировать оскорбительный текст и выдуманные сведения. Автор не рекомендует использовать её для получения советов, особенно медицинских и психологических.

BERTweet-Hedge — модель классификации текста, созданная ChrisLiewJY дообучением базовой модели VinAI BERTweet на корпусе Wiki Weasel 2.0 из Szeged Uncertainty Corpus. Она определяет, содержит ли текст в социальных сетях языковые маркеры неопределённости (hedges), и возвращает одну из двух меток: наличие или отсутствие таких маркеров. Модель основана на архитектуре RoBERTa и содержит 162,4 млн параметров. Она принимает текст на английском языке; длина контекста — 130 токенов. В README приведены показатели Accuracy 0,9680 и F1 0,8765. Модель предназначена для анализа формулировок в социальных сетях, однако её результаты на других типах текстов и языках не подтверждены. Лицензия — MIT.

ChronoBERT v1 20041231 — англоязычная модель Songrun He, Linying Lv, Asaf Manela и Jimmy Wu для анализа текста с учётом хронологии. Она основана на двунаправленной архитектуре ModernBERT, содержит 149 млн параметров и принимает контекст до 8192 токенов. Модель обучена на датированных текстовых данных, чтобы снизить риск утечки будущей информации и смещения заглядывания вперёд при историческом анализе. Модель предназначена для предсказания замаскированных токенов и получения представлений текста, а также для задач понимания языка и анализа исторических и финансовых текстов. Семейство ChronoBERT оценивалось на GLUE и на прогнозировании доходности акций; приведённые результаты относятся к указанным в карточке версиям, а не обязательно к этой конкретной контрольной точке. Доступны веса в формате safetensors для Transformers. Лицензия — MIT.

Custom-KoLLM-13B-v6 — авторегрессионная языковая модель, разработанная Kyujin Han (kyujinpy) на основе архитектуры LLaMA 2. Модель содержит 12,9 млрд параметров и предназначена для генерации текста на корейском языке; в README приведены результаты сравнительных оценок на корейских тестах Ko-LLM и AI-Harness. Модель обучена на наборе данных kyujinpy/ko-gu-platyorca-mergeset и использует архитектуру LlamaForCausalLM. Родительская модель — beomi/llama-2-koen-13b. Контекст составляет 2048 токенов. Для загрузки README предлагает Transformers и PyTorch; веса доступны в форматах PyTorch и safetensors. Лицензия CC BY-NC-SA 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение и требует распространять производные материалы на тех же условиях. Результаты в карточке показывают, что версии v1 и v4 превосходят v6 по среднему баллу Ko-LLM; приведённые оценки не гарантируют качество на других задачах.

CyberRealistic XL — модель генерации изображений от Cyberdelia на базе Stable Diffusion XL 1.0. Чекпойнт распространяется в формате safetensors под лицензией CreativeML Open RAIL++-M. Модель предназначена для создания фотореалистичных изображений по текстовому описанию. Она особенно подходит для портретов, модной фотографии и редакционных сцен, а также для других творческих запросов. По карточке, модель хорошо работает с короткими промптами, детально передаёт лица, освещение, текстуры, кожу и глаза и включает встроенный VAE. Рекомендуемое исходное разрешение — 1024×1024; для более крупных изображений предлагается использовать Hires.fix.

fpadovani опубликовал дообученную на TRL модель на основе fpadovani/ppt-art-lang-newlexicon-eng-baseline-100mb_seed455. Это плотная GPT-2-подобная языковая модель для генерации текста; в карточке приведён пример ответа на вопрос на английском языке. Модель подходит для коротких продолжений текста и ответов на вопросы в англоязычных сценариях. Модель использует библиотеку Transformers, веса представлены в формате Safetensors, а длина контекста составляет 512 токенов. В README не приведены сведения о размере модели и лицензии, поэтому условия её использования по этим данным определить нельзя.

Это дообученная модель генерации текста на базе goldfish-models/eng_latn_10mb, разработанная francesca9805. Модель построена на архитектуре GPT-2 и обучалась с использованием TRL; веса опубликованы в формате safetensors. Модель предназначена для генерации продолжений и ответов на текстовые запросы. В карточке приведён пример ответа на открытый вопрос; указанная длина контекста составляет 512 токенов. Данных о специализированных областях применения или других модальностях нет. Карточка не сообщает лицензию и конкретные ограничения качества. Из-за малого размера базовой модели и короткого контекста её возможности могут быть ограничены; перед применением следует оценить качество на целевых запросах.

Модель touchtech/fashion-images-gender-age-vit-large-patch16-384-v1 — дообученная Touchtech модель Vision Transformer для классификации изображений. Она основана на google/vit-large-patch16-384, содержит 402,7 млн параметров и дообучена на датасете touchtech/fashion-images-gender-age. Модель предназначена для определения категорий, связанных с полом и возрастом, на изображениях модной одежды. В README для тестовой выборки указаны точность 0,9951 и значение loss 0,0306. Модель принимает изображения и выдаёт метки классов. Она распространяется в формате safetensors по лицензии Apache-2.0. Подробные сведения о составе классов, методике оценки и ограничениях применения в карточке не приведены.

Gemma-4-Queen-31B-it-uncensored-heretic — дообученная мультимодальная модель семейства Gemma 4 от автора llmfan46, созданная на основе aifeifei798/Gemma-4-Queen-31B-it. Это плотная модель с архитектурой Gemma4ForConditionalGeneration, рассчитанная на диалог, ролевые сценарии и творческое письмо; поддерживает анализ изображений и, согласно карточке, ориентирована на английский язык. В README также заявлены быстрые ответы и применение на мобильных устройствах. Модель изменена для снижения числа отказов и задана персонажным системным промптом в стиле Dark Academia Queen. Автор приводит результаты PIQA, близкие к исходной модели, и более низкую точность на MMLU: 85,33% против 86,88%. Это результаты тестов автора, а не независимая оценка. Модель может выдавать ответы с меньшими ограничениями и следовать заданной персоне; качество и уместность ответов зависят от запроса и промпта. Распространяется по лицензии Apache-2.0.

mnoukhov/gpt2-imdb-sentiment-classifier — дообученная на наборе IMDb модель на базе GPT-2 для классификации тональности отзывов о фильмах. Она использует архитектуру GPT2ForSequenceClassification, работает с текстом и имеет контекст длиной до 1024 токенов. На указанной в карточке оценочной выборке модель показала точность 0,9394 и loss 0,1703; автор сопоставляет её с distilbert-imdb и сообщает о немного лучших результатах по этим двум метрикам. Модель распространяется по лицензии MIT. Оценки относятся к IMDb и сами по себе не подтверждают качество на других темах или типах текста.

Usama1100/humanizer-llama3-8b-fp16-v3 — дообученная языковая модель на архитектуре Llama 3, разработанная Usama1100 на основе unsloth/llama-3-8b-bnb-4bit. Карточка сообщает об обучении с использованием Unsloth и библиотеки TRL от Hugging Face. Модель предназначена для генерации текста. Название репозитория указывает на задачу гуманизации текста, однако README не описывает её явно, поэтому конкретные сценарии применения и качество в них не подтверждены. Модель содержит 7,5 млрд параметров, поддерживает контекст до 8192 токенов и рассчитана на английский язык. В репозитории указаны веса в формате safetensors. Лицензия — Apache-2.0. Данных об оценках качества и известных ограничениях в карточке нет.

Модель francesca9805/jpn-jpan-100mb-ppt-Dp-10mb-packed-bfd_seed3407 — дообученная версия goldfish-models/jpn_jpan_100mb, созданная с использованием TRL и библиотеки Transformers. Это плотная авторегрессионная языковая модель архитектуры GPT-2 для генерации текста; в карточке приведён пример ответа на открытый вопрос в формате диалога. Модель принимает текст и генерирует продолжение или ответ. Её нативный контекст составляет 512 токенов. Карточка не уточняет языки обучения и условия лицензии, поэтому область применения и права на использование следует оценивать с учётом базовой модели и репозитория. Короткий контекст ограничивает работу с длинными запросами и документами.

monologg/koelectra-small-finetuned-nsmc — корейская модель классификации текста, разработанная monologg на базе архитектуры ELECTRA и дообученная для задачи NSMC, корпуса отзывов о фильмах Naver. Модель предназначена для определения тональности корейских текстов по двум классам: positive и negative. Модель реализована как ElectraForSequenceClassification с 12 скрытыми слоями, 4 головами внимания и размером скрытого представления 256; содержит около 20,8 млн параметров и поддерживает последовательности длиной до 512 токенов. Она работает с корейским языком, использует библиотеку Transformers и может применяться через pipeline text-classification. Сильная сторона модели — компактность и специализация на бинарном анализе тональности корейских отзывов, что подходит для локального или ресурсно-ограниченного инференса. Модель не является универсальной генеративной системой и не предназначена для надежной классификации текстов вне близкого к NSMC распределения, многочастного анализа тональности или других языков. Лицензия в доступных источниках не установлена.

Krea-2-Realism-LoRA — адаптер LoRA от gokaygokay для моделей Krea 2, обученный с помощью FAL Krea LoRA Trainer на krea/Krea-2-Raw и предназначенный для запуска на krea/Krea-2-Turbo. Модель специализируется на генерации реалистичных изображений из текста, усиливая естественную, непринуждённую и правдоподобную фотосъёмку повседневных людей, мест и сцен освещения. Она подходит для создания портретов, сюжетных сцен, предметных и lifestyle-изображений по обычным описательным предложениям без обязательных стилевых ключевых слов вроде photorealistic, 8k или DSLR. Указанный язык — английский, модальность — текст-в-изображение; дополнительные сведения о размере, архитектуре базовой модели и максимальном контексте не приведены. Триггерное слово не требуется, а длинные описательные промпты обычно рекомендуются. Для Krea-2-Turbo указаны настройки: 8 шагов генерации, guidance scale 0.0 и масштаб LoRA около 1.0; значение 0.7–0.8 даёт более мягкий эффект. Адаптер хорошо работает при разрешении от 1024 до 1536 пикселей по короткой стороне, примеры созданы в размере 1280×1600. Ограничение модели заключается в зависимости от совместимого пайплайна Krea 2 и базовых моделей Krea; сведения о специализированных оценках качества и поддержке других архитектур не представлены. Распространение регулируется лицензией krea-2-community-license, обозначенной как other.

Bschleter/llama-2-7b-hermes-financecompliance — ранняя дообученная модель на базе Llama 2 Hermes 7B от Nous Research. Она предназначена для помощи компаниям и специалистам по маркетингу и комплаенсу в проверке публичных рекламных и маркетинговых материалов на соответствие правилам SEC, прежде всего Marketing Rule 2021. Модель может классифицировать текст по заданным категориям и генерировать ответы с объяснениями; её размер — 6,6 млрд параметров, контекст — до 4096 токенов, языковая поддержка — английский. Разработчик описывает эту версию как предварительную и обученную на небольшом наборе примеров с рассуждениями по правилам SEC. Результаты следует использовать как дополнительное мнение, а не как юридическое заключение или доказательство; решения требуют проверки специалистами, знакомыми с правилами SEC. README отмечает, что модель ещё не прошла полноценную экспертную проверку точности и смещений. Лицензия в доступных данных не указана.

MaLLaM 5B — языковая модель, разработанная Mesolitica и обученная с нуля на архитектуре Mistral. В модели около 4,9 млрд параметров; для обучения использовали 90 млрд токенов малайскоязычных текстов. Метаданные указывают контекстное окно в 32 768 токенов. Модель предназначена для генерации текста на малайском языке и сценариев, где требуется языковая модель, обученная на малайских текстовых данных. Карточка описывает предварительное обучение, но не приводит результатов оценки качества или подробностей о конкретных прикладных задачах. В репозитории указаны веса Safetensors. Лицензия в предоставленных данных не указана.

MistraMystic — диалоговая языковая модель, дообученная на базе Mistral-7B v0.3 для генерации ответов с выраженными чертами личности по модели Big Five (OCEAN). Модель разработана для чат-ботов и разговорных систем, которым важны более эмпатичный, узнаваемый и последовательный стиль общения. Она также может генерировать тексты и отвечать на вопросы в рамках диалога. Модель использует плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. В README указано дообучение на разговорных данных, включая набор JIC (Journal Intensive Conversations). Лицензия в предоставленных данных не указана.