III.2Исследование рынка и маркетинг

Mr-Vicky-01/qwen-conversational-finetuned — дообученная разговорная языковая модель на архитектуре Qwen2, опубликованная пользователем Mr-Vicky-01. Она предназначена для генерации текста в диалоговом формате и может использоваться для ответов на сообщения и ведения простых бесед. Модель содержит 494 млн параметров, использует архитектуру Qwen2ForCausalLM и поддерживает контекст до 32 768 токенов. В метаданных указана поддержка английского языка и интерфейс для вызова инструментов. Модель дообучена на базе unsloth/qwen2.5-0.5b-instruct-bnb-4bit и распространяется в формате safetensors по лицензии Apache-2.0. Качество и специализация дообучения не описаны в README.

Qwenvergence-14B-v13-Prose-DS — созданная sometimesanotion языковая модель на архитектуре Qwen2, полученная слиянием нескольких моделей и адаптеров, включая Virtuoso-Small-v2 и Chocolatine-2-14B-Instruct-v2.0b3. Модель содержит 14 млрд параметров и рассчитана на генерацию текста в диалоговом формате; карточка демонстрирует её ответы в стиле юмористической прозы и саркастических roast-текстов. Модель подходит для создания связной прозы, диалогов и юмористических текстов. Заявлена длина контекста 131 072 токена; репозиторий использует формат safetensors и библиотеку Transformers. Карточка указывает английский язык. Лицензия — Apache-2.0. Примеры в карточке показывают выразительную разговорную манеру, но не дают систематической оценки качества или надежности фактов. Как и другие генеративные языковые модели, она может выдавать неточные утверждения и ответы, зависящие от формулировки запроса.

RoLlama2-7b-Instruct-2024-05-14 — генеративная языковая модель OpenLLM-Ro, дообученная для следования инструкциям и общения на румынском языке. Она основана на RoLlama2-7b-Base и использует плотную архитектуру Llama с причинным языковым моделированием; размер составляет 6,6 млрд параметров, контекст — до 4096 токенов. Модель предназначена для диалогов с ассистентом и генерации ответов на запросы на румынском языке. Её дообучали на наборах RoAlpaca, RoAlpacaGPT4, RoDolly, RoSelfInstruct, RoNoRobots, RoOrca и RoCamel. Карточка ориентирует модель на исследовательское применение и предупреждает, что она не предназначена для использования на других языках. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование.

papercat404/testcat_v0.4 — экспериментальная разговорная языковая модель, дообученная разработчиком на базе hwkwon/S-SOLAR-10.7B-v1.4. Модель построена на плотной архитектуре Llama и содержит 10,6 млрд параметров; для запуска указана библиотека Transformers, веса доступны в формате safetensors. Контекст — до 4096 токенов. Модель предназначена для генерации текста в формате диалога: на вход подаётся prompt, на выходе формируется response. Для дообучения использовались модифицированные данные nox SFT; автор отмечает, что это демо-версия, обученная на небольшом объёме данных, в течение одной эпохи. Заявлены английский и корейский языки. Лицензия — Apache-2.0.

kadirnar/turkish-gemma9b-v0 — дообученная kadirnar версия Gemma 2 9B, разработанная на базе unsloth/gemma-2-9b с использованием Unsloth и библиотеки Hugging Face TRL. Это плотная авторегрессионная языковая модель на 9 млрд параметров для генерации и продолжения текста; заявленный контекст — 8192 токена. Название указывает на ориентацию на турецкий язык, однако карточка не описывает конкретные сценарии обучения или результаты на турецком языке. Метаданные карточки отмечают английский язык. Модель подходит для генерации текстовых ответов и продолжения текста. Веса опубликованы в формате Safetensors. Лицензия — Apache-2.0.

Uncensored-Frank-33B — англоязычная чат-модель для генерации текста, созданная ajibawa-2023 на базе Llama-1 от Meta. Модель дообучена на диалоговых данных, включая набор ehartford/wizard_vicuna_70k_unfiltered, а также на дополнительных синтетических беседах; автор сообщает примерно о 150 000 наборах разговоров и более чем 80 000 синтетических диалогах. Архитектура — плотная LlamaForCausalLM с 32,3 млрд параметров и контекстом 2048 токенов. Модель предназначена для развернутых бесед и ответов на вопросы по широкому кругу тем, в том числе политическим, спорным и чувствительным. Автор позиционирует её как модель с минимальными ограничениями и защитными механизмами; это может позволять обсуждать темы без стандартных фильтров, но повышает вероятность небезопасных или неподходящих ответов. Указана лицензия CC BY-NC-ND 4.0, ограничивающая коммерческое использование и распространение производных версий.

AceGPT-7B-chat — диалоговая генеративная языковая модель семейства AceGPT, разработанная специалистами Школы науки о данных Китайского университета Гонконга в Шэньчжэне, Шэньчжэньского исследовательского института больших данных и Университета науки и технологий имени короля Абдаллы. Модель полностью дообучена на основе LLaMA 2 и имеет плотную архитектуру LlamaForCausalLM с 6,6 млрд параметров. Модель принимает и генерирует текст. Версия chat предназначена для диалогов и ориентирована прежде всего на арабский язык: её можно использовать для ответов на вопросы, советов и ведения беседы на арабском. В README сообщается о сравнительных оценках на арабских диалоговых бенчмарках, но они не гарантируют качество в других сценариях. Контекст модели — 2048 токенов. Лицензия — Apache-2.0. Ограничения контекстного окна и специализация на арабском могут снижать качество при работе с длинными текстами или другими языками; пример в карточке также содержит фактические ошибки, поэтому ответы требуют проверки.

Analog Madness 1.1 — модель генерации изображений по текстовому описанию, размещённая пользователем Yntec. В карточке приведён пример промпта с персонажем и стилизованной рекламной сценой; теги указывают на фотореалистичные изображения персонажей и стиль Stable Diffusion. Модель предназначена для создания изображений по англоязычным промптам через Diffusers; файлы представлены в форматах Diffusers и safetensors. Лицензия модели — CreativeML OpenRAIL-M. Пример карточки показывает, что модель может быть ориентирована на привлекательные изображения персонажей; подробных сведений об архитектуре и размере в доступных данных нет.

AraGPT2-large — крупная авторегрессионная языковая модель семейства GPT-2 для генерации текста на арабском языке, разработанная исследователями AUB MIND Lab. Модель обучена на большом арабском корпусе, использованном также для AraBERTv2; среди упомянутых источников данных — Wikipedia, Osian, Arabic Billion Words, OSCAR и частный корпус Assafir. Для варианта large в README указана архитектура Grover, а метаданные относят модель к AraGPT2 и классу AraGPT2LMHeadModel. Доступны веса PyTorch, Flax и Safetensors; контекст составляет 1024 токена. Модель предназначена для продолжения арабского текста и других сценариев авторегрессионной генерации. Перед подачей текста его необходимо предварительно обработать библиотекой AraBERT, иначе генерация может быть некорректной. README описывает обучение и тонкую настройку, но не приводит отдельного перечня гарантированных прикладных сценариев. Лицензия в метаданных обозначена как other, без уточнения условий.

DataVortexS-10.7B-dpo-v1.6 — корейская разговорная языковая модель, разработанная командой, в которую входят Kwangseok Yang и Jeongwon Choi. Это дообученная версия LDCC/LDCC-SOLAR-10.7B с 10,7 млрд параметров на архитектуре Llama; модель предназначена для генерации ответов в формате диалога ChatML. Модель подходит для корейскоязычных чат-ботов, ответов на вопросы и других сценариев генерации текста. В карточке приведены результаты оценивания на корейских задачах Ko LM Eval Harness и Ko-LLM-Leaderboard. Контекст модели — 4096 токенов; веса опубликованы в формате safetensors. Модель распространяется по лицензии CC BY-NC-SA 4.0, которая ограничивает коммерческое использование. Оценки в карточке отражают результаты на указанных наборах и не гарантируют качество в других сценариях.

EdgeOfRealism — модель генерации изображений по текстовому описанию, опубликованная пользователем Yntec на Hugging Face. Карточка указывает на применение Stable Diffusion через библиотеку Diffusers и содержит примеры фотореалистичных портретов с высокой детализацией. Модель подходит для создания реалистичных портретов и других изображений по промптам. Репозиторий содержит веса в формате Safetensors для Diffusers. Указана лицензия CreativeML Open RAIL-M; её условия следует учитывать при использовании и распространении результатов.

Huihui-HY-MT1.5-7B-abliterated-i1-GGUF — это GGUF-квантизированная версия модели Huihui-HY-MT1.5-7B-abliterated, разработанной huihui-ai и подготовленной к публикации пользователем mradermacher. Модель ориентирована прежде всего на задачи машинного перевода и поддерживает широкий набор языков, включая китайский, английский, французский, португальский, испанский, японский, русский, арабский, корейский, немецкий, итальянский, украинский и другие языки. В основе лежит модель размером 7B параметров; доступны многочисленные варианты GGUF-квантизации от i1-IQ1_S до i1-Q6_K, а также imatrix-файл для создания собственных квантов. В README рекомендуются варианты i1-Q4_K_M как быстрые и сбалансированные, а i1-Q4_K_S — как компромисс между размером, скоростью и качеством. Указаний на архитектуру, размер контекста, мультимодальность и результаты сравнительных тестов нет, поэтому модель следует рассматривать как текстовую, специализированную на переводе, без подтвержденных характеристик вне заявленной области. Преимуществами являются широкий языковой охват, наличие вариантов для запуска при разных ограничениях по памяти и возможность локального использования через формат GGUF. Ограничения включают заметные потери качества у наиболее компактных квантов, отсутствие опубликованных бенчмарков и неопределенность относительно поведения за пределами перевода. README не содержит информации о лицензии, поэтому условия коммерческого и иного использования необходимо уточнять по исходной модели и репозиторию.

Модель francesca9805/ita-latn-100mb-ppt-Dp-10mb-packed-bfdiso_seed3407 — дообученная с помощью TRL модель семейства GPT-2 на базе goldfish-models/ita_latn_100mb. Она предназначена для генерации текста; карточка демонстрирует ответ на открытый вопрос в формате диалога. Модель использует архитектуру GPT2LMHeadModel, сохранена в формате safetensors и имеет контекст длиной 512 токенов. Лицензия и специальные целевые языки или области применения в доступных данных не установлены.

Jeff-Gemma4-E2B — компактная дообученная модель классификации с нулевым обучением, созданная автором проекта Jeff на базе Google Gemma 4 E2B. Она принимает описание ситуации и варианты ответа, а затем за один проход оценивает вероятность каждого варианта и выбирает наиболее подходящий. Модель предназначена для встраивания в локальные приложения, где нужны быстрые решения без генерации и разбора текстовых ответов: например, для определения намерения пользователя, маршрутизации обращений, модерации или выбора команды по транскрипту голосового ввода. Модель имеет плотную текстовую архитектуру Gemma4TextModel и около 1,6 млрд параметров. Метаданные указывают контекстное окно 131 072 токена, однако практическое число вариантов для выбора у этой версии ограничено 26; поддержка списков до 254 вариантов описана только для обновлённых моделей Qwen. В тестах автора Jeff-Gemma4-E2B показала 81,6% точности на совокупности пяти бенчмарков, ECE 0,031 и время решения около 29 мс на RTX PRO 6000. Карточка сообщает об обучении на синтетических данных и тестировании, но не приводит отдельной оценки качества для конкретных прикладных сценариев. Модель рассчитана на английский язык согласно языковым тегам и карточке. Репозиторий распространяется в формате Safetensors по лицензии Apache-2.0. Ограничения включают меньшую способность к рассуждению по сравнению с крупными моделями и предел в 26 вариантов выбора; для задач, где важна высокая точность в узкой предметной области, автор рекомендует дообучение на собственных примерах.

Fischerboot/LLama3-Lexi-Aura-3Some-SLERP-SLERP — слитая модель для генерации диалогового текста, созданная автором репозитория с помощью mergekit и метода SLERP. В объединении использованы Fischerboot/Llama3-Aura-3some-SLERP и Orenguteng/Llama-3-8B-Lexi-Uncensored; архитектура — плотная Llama 3 с причинной языковой моделью LlamaForCausalLM. Модель рассчитана на текстовые диалоги и генерацию ответов на английском языке. Объём составляет 7,5 млрд параметров, контекст — до 8192 токенов. Веса представлены в формате safetensors и сохранены в bfloat16. Лицензия — llama3. Одна из включённых базовых моделей описана в каталоге как дообученная для диалогов и следования инструкциям с ослабленными ограничениями на ответы. Это может быть полезно для свободной генерации в чате, но слитая модель не имеет приведённых в карточке оценок качества или гарантий безопасности; ответы могут быть неточными или нежелательными.

Это дообученная на базе GPT-2 модель Francesca9805 для генерации текста. Модель обучена с помощью TRL; в карточке показан пример ответа на свободный вопрос, поэтому её можно использовать для продолжения текста и генерации ответов на запросы. Модель принимает текст и выдаёт текст. Метаданные указывают контекст длиной 512 токенов и формат весов safetensors. Базовая модель предназначена для генерации на нидерландском языке, однако карточка этой версии не уточняет языковое покрытие и не приводит оценок качества. Лицензия в предоставленных данных не указана.

Phi-2-super — разговорная языковая модель, созданная на базе microsoft/phi-2 и дообученная методами supervised fine-tuning (SFT) и conditional DPO (cDPO). Она предназначена для генерации текста в диалоге: принимает реплики пользователя и формирует ответы, используя шаблон чата в стиле Mistral Instruct. Модель построена на плотной архитектуре PhiForCausalLM, содержит 3,5 млрд параметров и рассчитана на контекст до 2048 токенов. Поддерживаемый язык — английский. Репозиторий содержит веса в формате Safetensors. Лицензия — MIT. Модель подходит для чат-ботов и англоязычных диалоговых приложений. Ограничения: короткое контекстное окно и отсутствие сведений о специальных возможностях за пределами генерации текста в чате; качество ответов отдельно не охарактеризовано.

Карточка модели ZQL9711/RMBG-2-Matting на Hugging Face совпадает с карточкой cocktailpeanut/rm, поэтому описание составлено по ней. BRIA RMBG v2.0 — модель сегментации изображений для удаления фона, разработанная BRIA AI на архитектуре BiRefNet. Она отделяет передний план от фона в фотографиях и других изображениях, включая изображения товаров, людей, объектов и рекламный контент. Модель обучена на более чем 15 000 вручную размеченных изображений высокого разрешения; заявленная область применения включает коммерческое создание контента, игровые материалы и электронную торговлю. Модель принимает изображение и выделяет передний план, что позволяет создавать маски сегментации и изображения с удалённым фоном. В README отмечены сбалансированное представление людей разных полов и этнических групп, а также людей с инвалидностью в оценочном наборе. Репозиторий содержит PyTorch, ONNX и safetensors форматы; метаданные относят модель к image-segmentation. Лицензия CC BY-NC 4.0 разрешает некоммерческое использование; для коммерческого применения требуется отдельное соглашение с BRIA. Модель предназначена для удаления фона и дихотомической сегментации, поэтому описание не подтверждает универсальную сегментацию произвольных классов объектов. README не приводит численные показатели качества или сведения о поддерживаемых языках.

Модель разработал Махди Карими из факультета компьютерных наук и инженерии Университета Шахида Бехешти. Это дообученная модель Wav2Vec2 для распознавания эмоций в персидской (фарси) речи: она принимает монофонический аудиосигнал с частотой 16 кГц и классифицирует его по шести эмоциональным состояниям. Модель основана на superb/wav2vec2-base-superb-er и содержит 113,3 млн параметров. При обучении на Modified ShEMO применялись аугментация аудио с изменением высоты тона и скорости, добавлением белого шума, а также веса классов для компенсации дисбаланса данных. В README указаны точность 77% и macro-F1 58%; модель особенно хорошо распознаёт нейтральность, гнев и грусть. Для входящего аудио рекомендуется использовать сегменты около трёх секунд с дополнением до четырёх секунд. Модель предназначена для классификации эмоций в речи, например, в приложениях анализа разговоров и интерфейсах, реагирующих на эмоциональное состояние. Её результаты могут быть хуже на шумных записях без предварительного шумоподавления, на других языках и для редких состояний; у классов страха и удивления отмечен более низкий recall. Лицензия — Apache 2.0.

Модель Francesca9805 — дообученная с помощью TRL версия goldfish-models/zho_hans_10mb на архитектуре GPT-2. Она предназначена для генерации текста; в карточке приведён пример ответа на вопрос в формате чата. Модель рассчитана на контекст до 512 токенов и сохранена в формате safetensors. Языковая специализация и конкретные обучающие данные не описаны. Лицензия в доступных сведениях не указана.

Это дообученная модель генерации текста на базе goldfish-models/arb_arab_100mb. Разработчик дообучил её с помощью TRL; архитектура — GPT-2, веса сохранены в формате safetensors. Модель предназначена для генерации продолжения текста и ответов на запросы. В примере карточки показан вопрос на английском языке, переданный в формате чата. Длина контекста составляет 512 токенов. Карточка не приводит результатов оценки качества и подробно не описывает обучающие данные или языковой охват, поэтому пригодность для конкретного языка и сценария по ней определить нельзя. Лицензия в предоставленных данных не указана.

CyberRealistic XL Desire — модель генерации изображений от автора cyberdelia на основе Stable Diffusion XL 1.0. Она создаёт фотореалистичные изображения по текстовым описаниям и рассчитана прежде всего на портреты, модные и редакционные сцены; также подходит для других творческих запросов. Модель заявлена как способная создавать изображения кинематографического качества с небольшими требованиями к точности формулировки запроса. Модель предназначена для творческой генерации изображений, включая портретные и журнальные иллюстрации. Весовые файлы представлены в формате safetensors. Указана лицензия CreativeML OpenRAIL-M; перед использованием следует учитывать её условия и ограничения.

FinanceConnect — англоязычная чат-модель CeADAR Connect Group для обсуждения финансов и экономики. Это плотная авторегрессионная модель семейства Llama 2 с 12,9 млрд параметров и контекстом 4096 токенов, дообученная на FinTalk-19k и Alpaca. Модель предназначена для генерации ответов и объяснений по финансовым темам: например, о денежно-кредитной политике, состоянии экономики и личном бюджетировании. В карточке приведены примеры таких запросов и результаты тестов MMLU, FPB, ARC и HellaSwag. Модель рассчитана прежде всего на английский язык; качество на других языках может быть ниже. Модель распространяется по лицензии Apache-2.0. Разработчики предупреждают о возможных смещениях в обучающих данных, ошибках и устаревании знаний; ответы не заменяют экспертную оценку. Карточка также отмечает, что модель не предназначена для общих разговоров и задач вне финансовой области.

GoGPT-7B 是网络数据科学与技术重点实验室 GoGPT 团队开发的约 6,8 млрд параметров языковая модель семейства LLaMA для генерации текста. Модель обучена на базе LLaMA-7B: README сообщает о продолженном предобучении на китайских корпусах и последующей настройке с учителем на наборах Belle, Stanford Alpaca и ShareGPT. В карточке указаны архитектура LlamaForCausalLM, формат PyTorch и контекст до 2048 токенов. Модель предназначена для генерации китайского текста и диалоговых сценариев, включая ответы на инструкции. В README проект описан как китайско-английская базовая модель, однако метаданные указывают китайский язык и китайские обучающие данные, поэтому уверенно заявить поддержку английского нельзя. Выпуск доступен по лицензии Apache-2.0; при этом README отдельно запрещает коммерческое использование ресурсов проекта, что может ограничивать практическое применение и требует проверки условий распространения.

SeaBenSea представляет модель распознавания эмоций в турецкой речи на основе HuBERT. Она дообучена на наборе данных TurEV-DB и предназначена для классификации аудиозаписей речи по эмоциональным категориям. Модель использует архитектуру HuBERT с классификационной головой и содержит около 402,7 млн параметров. В карточке приведены метрики для классов «злость», «спокойствие» и «радость»; также упомянуты ещё две строки таблицы, но их содержимое не раскрыто. Модель подходит для анализа эмоций в турецкой речи, однако карточка не описывает проверку на других наборах данных или устойчивость к отличающимся условиям записи. Лицензия — Apache 2.0.

KoLLaVA-v1.5-Synatra-7b — мультимодальная модель семейства LLaVA, разработанная для диалога на корейском языке с пониманием изображений. Она объединяет языковую модель Synatra с визуальным энкодером CLIP ViT-L/14 с разрешением 336 пикселей и обучена на наборе визуальных инструкций KoLLaVA-v1.5-Instruct-581k. Модель содержит 7,1 млрд параметров, использует архитектуру LlavaLlamaForCausalLM и принимает текстовые запросы вместе с изображениями, выдавая текстовые ответы. Модель подходит для вопросов об изображениях и диалоговых сценариев, где нужно описать визуальное содержимое по-корейски. Метаданные указывают контекст длиной 32 768 токенов, библиотеку Transformers и формат PyTorch. Лицензия — CC BY-SA 4.0.

Модель cartesinus/multilingual_minilm-amazon-massive-intent — дообученная версия microsoft/Multilingual-MiniLM-L12-H384 для классификации намерений по тексту. Она обучена на наборе MASSIVE 1.1 и подходит для определения намерения пользователя по коротким запросам, например в системах понимания естественного языка и маршрутизации обращений. Модель построена на архитектуре BERT, содержит 124,3 млн параметров и принимает последовательности длиной до 512 токенов. В формате оценки на наборе данных указаны accuracy и F1 по 0,8234. Репозиторий содержит веса PyTorch и SafeTensors. Лицензия — MIT. Карточка не описывает ограничения и не приводит подробностей о поддерживаемых языках дообученной модели; базовая модель многоязычная, а в тегах модели указан английский.

Модель francesca9805/nld-latn-100mb-after-ppt-Dp-100mb-packed-bfdiso-ckpt500_seed3407 — дообученный вариант GPT-2, созданный на основе francesca9805/nld-latn-100mb-ppt-Dp-100mb-packed-bfdiso_seed3407 с использованием TRL. Это плотная авторегрессионная языковая модель для генерации текста, доступная в формате safetensors и рассчитанная на контекст до 512 токенов. Модель можно использовать для продолжения текста и генерации ответов на текстовые запросы. Карточка демонстрирует запуск через Transformers pipeline с форматом сообщений user, однако не описывает точную специализацию дообучения, качество на тестах или гарантированное следование инструкциям. В метаданных и карточке указана генерация текста на нидерландском языке для базовой модели; отдельное подтверждение языков этой версии отсутствует. Лицензия в предоставленных данных не указана.

Shuanghai/Z-Image-Turbo_fp32-fp16-bf16_comfyui — вариант Tongyi-MAI/Z-Image-Turbo, подготовленный для работы с ComfyUI. Модель предназначена для генерации изображений по текстовым описаниям; каталог относит её к задаче text-to-image. Весовые файлы размещены в формате safetensors, лицензия — Apache-2.0. Базовая Z-Image-Turbo — дистиллированная модель Alibaba для быстрой генерации изображений и отображения английского и китайского текста на изображениях. В доступных данных о данном варианте не описаны его архитектурные детали, число параметров, разрешение или контекст; README содержит только упоминание workflows. Эти характеристики конкретной версии нельзя подтвердить по карточке.

aBagOfChips — слитая модель на основе Kitsch-In-Sync v2 и GoodLife, опубликованная Yntec. Она предназначена для генерации изображений по текстовым запросам, в частности иллюстраций упаковок чипсов и рекламных сцен с ними. В карточке приведены примеры упаковок с картофельными чипсами, пиццей, компьютерными чипами и бургерной тематикой. Модель работает через StableDiffusionPipeline из библиотеки diffusers; веса доступны в форматах Diffusers и Safetensors. Для использования указана лицензия CreativeML OpenRAIL-M. Размер модели, контекст и поддерживаемые языки в предоставленных данных не описаны.