III.2Исследование рынка и маркетинг

Westlake-7B — языковая модель для ролевых диалогов и генерации текста, представленная авторами карточки. Она основана на архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для создания историй, стихов и других текстов, а также для диалогов от лица заданных персонажей в художественных и игровых сценариях. Её можно использовать для творческого письма, интерактивных персонажей в играх, учебных ролевых диалогов, чат-ботов и публикаций для соцсетей. В README приведены результаты нескольких бенчмарков, но подробные протоколы оценки не описаны. Метаданные указывают английский язык и лицензию Apache-2.0; сведения о базовой модели и точной процедуре обучения не приведены.

CogVideoX-5B — открытая модель генерации видео от команды QingYing, представленная организацией zai-org. Она создаёт видеоролики по текстовому описанию и предназначена для генерации сцен, визуальных концепций и коротких демонстрационных клипов. Репозиторий использует конвейер CogVideoXPipeline из библиотеки Diffusers и хранит веса в формате safetensors; модель относится к варианту семейства с 5 млрд параметров. Модель принимает запросы только на английском языке. Запросы на других языках можно предварительно переводить на английский с помощью большой языковой модели. Для снижения потребления видеопамяти README описывает выгрузку частей модели в память CPU, нарезку и тайлинг VAE, а также квантизацию модулей; квантизация может замедлить генерацию. Проверки оптимизаций памяти проводились на NVIDIA A100 и H100, поэтому требования и производительность на других устройствах могут отличаться. Лицензия указана как other, конкретные условия использования следует сверять с лицензией репозитория.

Модель yainage90/fashion-image-feature-extractor разработана для извлечения признаков из изображений одежды. В её основе — microsoft/swin-base-patch4-window7-224 с добавленным полносвязным слоем, который уменьшает размер эмбеддинга до 128. Модель обучена контрастивным методом на парах изображений: область товара, обнаруженная на фотографии публикации, сопоставляется с миниатюрой соответствующего товара. Модель предназначена для визуального поиска одежды и сопоставления фотографий с изображениями товаров. Обучающие данные включают около 290 тысяч пар из наборов onthelook и kream для категорий верхней и нижней одежды, верхней одежды, обуви, сумок и головных уборов. Для работы с моделью нужна лицензия MIT. Метаданные определяют её задачу как классификацию изображений, однако описанный в README способ обучения ориентирован на получение признаковых векторов для поиска похожих товаров.

FinBERT-ESG — модель семейства BERT, разработанная командой HKUST и дообученная для классификации финансовых текстов по темам ESG. Она относит текст к одной из категорий: экологические вопросы (Environmental), социальные вопросы (Social), корпоративное управление (Governance) или None. Модель предназначена для анализа предложений из ESG- и годовых отчётов компаний, а также для выявления связанных с устойчивостью бизнеса тем и рисков. Модель содержит 137 млн параметров, принимает текст и выдаёт метку класса. Она обучена на 2 000 вручную размеченных предложениях из отчётов компаний; максимальная длина контекста составляет 512 токенов. Для использования подходит библиотека Transformers. Карточка не сообщает лицензию. Классификация ограничена четырьмя указанными категориями и не заменяет комплексную оценку ESG.

GenZ Translator v2 — компактная языковая модель Sankar-2910 для преобразования сленга поколения Z, интернет-сокращений и неформальных сообщений в естественный разговорный английский с сохранением смысла и интонации. Это decoder-only Transformer семейства Llama с 26,1 млн параметров, работающий через Transformers; README также указывает на собственный токенизатор. Контекст — 384 токена. Версия 2 продолжает обучение на чекпойнте исходной модели, созданной с нуля, и ориентирована на короткие сообщения, подписи для соцсетей и объяснение распространённых выражений. Модель распространяется по лицензии Apache-2.0. Модель специализирована и не предназначена для общего диалога, программирования, математических рассуждений, поиска знаний или длинных бесед. Она может неверно трактовать неоднозначный или региональный сленг, терять отрицания и другие детали, изменять обычный английский без необходимости, а также ошибаться на повторяющихся символах, URL, именах пользователей и смешанном языке. Результаты бенчмарков ограничены: улучшения на составной вручную проверке не подтвердились ростом точного совпадения на отложенном наборе.

Gepard — авторегрессионная модель синтеза речи для диалогов в реальном времени, разработанная nineninesix.ai. Она предназначена для потоковой и пакетной генерации речи в голосовых агентах, диалоговых системах и озвучивании контента; может начинать выдавать звук по мере поступления текста. Модель поддерживает клонирование голоса по короткому аудиофрагменту и рассчитана на английский, испанский Мексики, португальский Бразилии и нидерландский, а также несколько английских акцентов. По карточке, это декодерная модель на базе Qwen3.5 с аудиокодеком NVIDIA NeMo NanoCodec: звук кодируется в 22,05 кГц и генерируется кадр за один шаг. В метаданных указано 445,1 млн параметров и контекст 262 144 токена; README приводит другие оценки размера — около 500 млн параметров для основы и 555,7 млн с аудиоинтерфейсом и компрессором клонирования. Карточка заявляет низкую задержку при работе через vLLM и высокое качество естественности речи, но отмечает компромиссы в точности слов и сходстве с голосом-образцом; качество сильнее всего для английского. Модель дообучена на nineninesix/qwen3_5-full-attn-only-14 и распространяется под Apache 2.0. Для используемого аудиокодека действует отдельная лицензия NVIDIA Open Model License Agreement.

Higgs Audio v3 TTS — авторегрессионная модель для разговорного синтеза речи, представленная в карточке как модель семейства Higgs. Она преобразует текстовые ответы в выразительное аудио и рассчитана на голосовые чаты и другие сценарии озвучивания. Поддерживает клонирование голоса по короткому аудиопримеру и встроенное управление эмоциями, стилем речи, просодией, паузами и звуковыми эффектами с помощью специальных токенов. Модель использует декодер примерно на 4 млрд параметров с 36 слоями, скрытым размером 2560 и grouped-query attention. Аудио кодируется токенизатором Higgs в восемь кодовых книг с частотой 25 кадров в секунду; длина контекста составляет 8192 токена. README заявляет поддержку 102 языков: для 85 языков указаны WER/CER ниже 5, а ещё для 17 — от 5 до 10. Условия этих оценок в карточке описаны не полностью, поэтому качество для конкретного языка и голоса следует проверять отдельно. Лицензия Boson Higgs Audio v3 Research and Non-Commercial разрешает исследовательское и некоммерческое использование; для коммерческого применения, размещённых API и получения дохода требуется отдельная коммерческая лицензия. Карточка запрещает клонирование голоса без согласия, выдачу себя за другого человека, мошенничество, обман избирателей, биометрическое наблюдение и незаконное использование.

Модель Francesca9805 — дообученная с помощью TRL версия goldfish-models/ita_latn_10mb, построенная на архитектуре GPT-2 и сохранённая в формате safetensors. Она предназначена для генерации текста; в карточке приведён пример ответа на открытый вопрос. Контекст модели составляет 512 токенов. Карточка не сообщает, на каком наборе данных и для каких конкретных предметных областей проводилось обучение, поэтому возможности за пределами генерации текста по примеру из README не уточнены. Условия лицензии в доступных данных не приведены.

Kasanoma TTS v0.4 — модель синтеза речи, разработанная Neriqlabs на основе дообучения CosyVoice3-0.5B от FunAudioLLM. Она предназначена для генерации речи на асанте-тви и английском, включая переключение между языками в одной фразе. Модель принимает текст и использует 16-кГц аудиообразец голоса для его клонирования; на выходе создаёт аудио с частотой дискретизации 24 кГц. В README приведены результаты оценки разборчивости через обратное распознавание речи и оценки естественности UTMOSv2. Авторы отмечают улучшения относительно предыдущих версий, но указывают, что эти метрики относительные: UTMOSv2 обучена на английском, а калибровка MOS для носителей языка ещё не выполнена. Модель распространяется по лицензии CC BY-SA 4.0; в обучающую смесь версии 0.4 включена часть датасета WAXAL `twi_tts` под CC BY 4.0.

KoSOLRA-10.7B-merge-v2.3 — слитая методом SLERP языковая модель, созданная с помощью mergekit на основе JY623/KoSOLAR-10.7B-merge-v2.0 и rrw-x2/KoSOLAR-10.7B-DPO-v1.0. Она предназначена для генерации текста; модель относится к семейству Llama, имеет плотную архитектуру LlamaForCausalLM и содержит 10,6 млрд параметров. Нативная длина контекста составляет 4096 токенов. Базовая модель из каталога рассчитана на генерацию текста на корейском языке; доступные сведения не подтверждают поддержку других языков. Веса опубликованы в формате safetensors, для работы используется библиотека Transformers. Лицензия — Apache-2.0. Карточка описывает способ слияния, но не приводит сравнительных оценок качества или подробностей ограничений модели.

MGI Assistant v1 — диалоговая языковая модель, разработанная MD Abdullah Al Baki на базе unsloth/Qwen3-4B-Instruct-2507. Это плотная архитектура Qwen3 с 3,7 млрд параметров, дообученная методом QLoRA supervised fine-tuning; модель принимает текст и генерирует ответы на английском, бенгальском и бенглиш. Контекстное окно составляет до 262 144 токенов. Модель предназначена для ответов на вопросы о Meghna Group of Industries и Meghna Aviation: брендах, продуктах и артикулах, направлениях бизнеса, экономических зонах, CSR, вакансиях и контактах. В режиме RAG она отвечает по предоставленному контексту, добавляет ссылку на источник, а если ответа в контексте нет — сообщает об этом и предлагает обратиться в подходящий контакт. Для фактических запросов автор рекомендует использовать RAG с предусмотренным карточкой системным промптом. Модель специализирована на информации этих организаций и не предназначена для общего чата или юридических, медицинских и финансовых консультаций. Результаты проверки показывают, что validation loss почти не менялся между первой и второй эпохами, хотя training loss продолжал снижаться. Лицензия — Apache-2.0.

Helsinki-NLP разработала opus-mt-de-kg — модель машинного перевода с немецкого языка на киргизский. Это компактная модель семейства Marian на архитектуре Transformer, обученная на данных OPUS; для обработки текста применяются нормализация и SentencePiece. Модель содержит около 50,7 млн параметров, поддерживает контекст до 512 токенов и доступна в форматах PyTorch и TensorFlow. Модель подходит для перевода предложений и текстовых фрагментов с немецкого на киргизский. В README приведены результаты оценки на JW300.de.kg: BLEU 24,4 и chr-F 0,474. Это узконаправленный переводчик для одной языковой пары; качество на других доменах и типах текстов может отличаться. Лицензия — Apache-2.0.

PosterLLaVA — модель генерации макетов плакатов и рекламных баннеров, разработанная на архитектуре LLaVA. Версия posterllava_v0 дообучена на контрольной точке LLaVA-v1.5-13B и обучена в марте 2024 года. Размер модели — 12,9 млрд параметров, контекст — 4096 токенов; веса представлены в формате PyTorch, лицензия — Apache-2.0. Модель предназначена для генерации компоновок рекламных баннеров, коммерческих плакатов и постеров для социальных сетей с учётом текстовых ограничений. Для обучения использовались наборы Ad Banner, CGL, PosterLayout и QB-Poster; оценка проводилась на соответствующих тестовых выборках. Данные не описывают формат входа и выхода или конкретные языки, поэтому их нельзя уточнить. 📝

PosterOmni-v1 — модель MeiGen-AI для создания и редактирования художественных постеров. Это веса трансформерного компонента для Diffusers, предназначенного для использования в совместимом конвейере QwenImageEditPlusPipeline; сам репозиторий не содержит VAE, текстового энкодера, токенизатора, планировщика и процессора. Работа представлена как исследование на CVPR 2026 и в препринте arXiv. Модель объединяет локальное редактирование изображений — изменение масштаба, заполнение областей, расширение изображения и редактирование с сохранением идентичности — с глобальным созданием постеров по макету или стилю. Для изменения пропорций подсказка должна задавать целевое отношение сторон, например 16:9. В карточке указаны Diffusers и формат весов safetensors; поддерживаемые языки — английский и китайский. Для запуска необходимо загрузить совместимый базовый конвейер, например Qwen/Qwen-Image-Edit-Plus, и заменить его трансформер весами PosterOmni-v1. Лицензия — Apache-2.0. Это компонентные веса, поэтому репозиторий нельзя напрямую загрузить как полный конвейер через from_pretrained.

Это дообученная модель генерации текста на базе goldfish-models/eng_latn_100mb, подготовленная Francesca9805 с использованием TRL. Модель построена на архитектуре GPT-2 и сохранена в формате safetensors; её контекст составляет 512 токенов. Модель предназначена для генерации продолжений текста и ответов на текстовые запросы. В карточке приведён пример обращения в формате диалога, однако данных о специализированных навыках или дополнительных возможностях нет. Базовая модель рассчитана на генерацию английского текста. Модель опубликована на условиях лицензии, унаследованной от базовой модели; сведения о лицензии в предоставленных данных отсутствуют. Короткое окно контекста ограничивает работу с длинными запросами и документами.

flymy-ai/qwen-image-realism-lora — это LoRA-адаптер для модели Qwen-Image, разработанный командой FlyMy.AI. Он предназначен для генерации изображений по текстовым описаниям с более реалистичной визуальной подачей, включая портреты, пейзажи, городские сцены, спортивное движение и корпоративные фотографии. Для активации адаптера в промпте требуется слово «realism». Модель совместима с библиотекой Diffusers и может использоваться через ComfyUI. Адаптер улучшает детализацию лиц и текстур кожи, передачу цветов, естественность освещения и теней в пейзажах, а также разнообразие представления различных этнических особенностей. В README не указаны размер адаптера, точная архитектура базовой модели, максимальный контекст, полный набор поддерживаемых языков или точные требования к оборудованию. Примеры показывают генерацию изображений размером 1024×1024 с 50 шагами инференса. Модель распространяется по лицензии Apache-2.0. Для работы требуется базовая модель Qwen/Qwen-Image и загрузка LoRA-весов; поэтому адаптер сам по себе не является самостоятельной моделью генерации изображений. Качество и применимость зависят от базовой модели, промпта и параметров инференса.

Slovak GPT-J-405M — плотная авторегрессионная языковая модель семейства GPT-J, выпущенная разработчиками серии Slovak GPT-J. Модель содержит около 405,7 млн параметров, имеет 24 слоя и размерность скрытого состояния 1024; она предназначена прежде всего для генерации текста по заданному запросу. Репозиторий содержит веса PyTorch, а для работы используется библиотека Transformers. Контекст модели составляет 2048 токенов. Модель обучена на более чем 40 ГБ преимущественно словацких текстов из веб-страниц, новостей и других источников; README также отмечает небольшое присутствие чешского языка. Её можно применять для продолжения текста, создания черновиков и экспериментальной генерации диалогов на словацком. Несмотря на сравнительно небольшой размер, модель способна создавать связный и грамматически приемлемый текст, однако фактическую точность гарантировать нельзя. Возможны повторы, ненормативная или предвзятая лексика и раскрытие чувствительных сведений из обучающего корпуса. Лицензия — GPL-3.0.

WindyTranslate/translate-en-hil — модель машинного перевода от Windstorm Labs для перевода с английского языка на илонгго (хилигайнон). Это дообученная версия Helsinki-NLP/opus-mt-en-hil: к весам базовой модели применили и слили LoRA-адаптер, обученный на параллельных текстах. Модель использует архитектуру MarianMT, содержит 54 млн параметров и принимает текстовые последовательности длиной до 512 токенов. Модель предназначена для перевода текстов с английского на хилигайнон. В репозитории опубликованы веса в формате safetensors для загрузки через Transformers. Лицензия — Apache-2.0. В карточке сообщается, что качество перевода ещё не оценивалось. Проверка GlotLID подтвердила язык выходного текста, но не его точность; модель работает только в направлении en→hil.

fpadovani/tur-latn-100mb-100mb_seed3407 — дообученная модель семейства GPT-2, созданная на основе goldfish-models/tur_latn_100mb. По карточке, её обучали с помощью TRL; метаданные указывают архитектуру GPT2LMHeadModel, библиотеку Transformers и формат safetensors. Модель предназначена для генерации текста: пример показывает запрос на свободный ответ и генерацию продолжения длиной до 128 новых токенов. Модель принимает текст и выдаёт текст. Длина контекста составляет 512 токенов. Идентификатор базовой модели и название текущей модели указывают на турецкий текст в латинской записи; поддержка других языков не подтверждена. Лицензия в предоставленных данных не указана.

mradermacher/deepseek-uncensored-lore-i1-GGUF — набор GGUF-квантизованных версий модели luvGPT/deepseek-uncensored-lore, подготовленный mradermacher. Модель предназначена прежде всего для генерации текста и сторителлинга; в карточке указана поддержка английского языка. Формат GGUF позволяет использовать её в совместимых локальных средствах запуска, однако конкретный способ применения зависит от выбранного файла и программного обеспечения. Доступны варианты квантизации i1-IQ и i1-Q с размером примерно от 1,8 до 5,8 ГБ. Файлы различаются компромиссом между размером, скоростью и качеством: наиболее компактные варианты отмечены как имеющие низкое качество, а i1-Q4_K_M обозначен как быстрый и рекомендуемый; для некоторых вариантов указано преимущество IQ-квантизации над сопоставимыми не-IQ версиями. Ключевые сведения об архитектуре, числе параметров, максимальном контексте и поддерживаемых модальностях в README не приведены, поэтому модель следует считать текстовой и англоязычной в пределах явно указанной информации. Сильной стороной является широкий выбор размеров квантизованных файлов, позволяющий подобрать вариант под доступные ресурсы. Ограничения включают возможное заметное снижение качества у наиболее сжатых версий, а также отсутствие данных о лицензии и результатах оценки. Условия лицензирования в карточке не указаны.

Модель Neobe для перевода отдельных предложений с английского на дивехи, язык Мальдив, с выводом письмом тана. Это дообученная для перевода модель mT5-large с архитектурой encoder-decoder; метаданные указывают 608,4 млн параметров, формат safetensors и лицензию Apache-2.0. Модель предназначена для перевода коротких английских предложений, например новостных и справочных текстов о Мальдивах. Она обучена на корпусе предложений дивехи—английский с машинными переводами. Основные области применения — мальдивские новости, пресс-релизы и Википедия. Для дивехи автор рекомендует оценивать качество по chrF, а не BLEU. Рекомендуется подавать по одному предложению; для нескольких предложений предназначены отдельные абзацные модели. Технический и разговорный английский может быть вне обучающего распределения. README рекомендует запуск fp32 и предупреждает, что bf16 и fp16 могут давать некорректные результаты; для fp32 требуется около 5–6 ГБ VRAM.

XLabs-AI/flux-RealismLora — это адаптер LoRA, разработанный командой XLabs AI для модели FLUX.1-dev от Black Forest Labs. Адаптер предназначен для генерации изображений по текстовому описанию с усиленной фотореалистичностью и может применяться в сценариях создания реалистичных художественных, рекламных и концептуальных изображений. Модель является дополнением к FLUX.1-dev, а не самостоятельной базовой моделью. В README указано, что она работает с текстовыми промптами и интегрируется в соответствующие workflows, включая ComfyUI. Приведённые примеры демонстрируют генерацию персонажей, сцен в кинематографическом стиле, фэнтезийных и иллюстративных изображений. Точный размер адаптера, архитектурные параметры, максимальная длина контекста, поддерживаемые языки и дополнительные модальности не указаны; в метаданных заявлен английский язык. К сильным сторонам относятся специализация на фотореалистичном визуальном стиле и возможность использовать адаптер поверх FLUX.1-dev, сохраняя управление результатом через текстовые промпты. Ограничения связаны с зависимостью от базовой модели и отсутствием подробных сведений о качестве, весе адаптера и рекомендуемых параметрах инференса. Файл lora.safetensors распространяется по некоммерческой лицензии FLUX.1-dev; коммерческое использование README не разрешает.

cenkersisman разработал GPT-2 для генерации текста на турецком языке. Модель принимает начальный текст и предсказывает продолжение, поэтому подходит для создания черновиков и продолжения турецких фраз. Она основана на архитектуре GPT-2 и обучалась на турецком корпусе Википедии объёмом около 900 миллионов символов; в обучающих предложениях было не более 256 токенов. Контекст модели составляет 1024 токена. Токенизатор учитывает морфологию турецкого языка. Модель чувствительна к регистру; в README рекомендуется подавать запросы строчными буквами. Обучающие данные могли содержать ненормативную лексику и откровенные материалы, поэтому генерация может быть оскорбительной или нежелательной. Перед публикацией результат следует проверять и при необходимости фильтровать. Условия лицензии в предоставленных данных не указаны.

yellowback/gpt-neo-japanese-1.3B — японская авторегрессионная языковая модель семейства GPT-Neo, разработанная автором репозитория yellowback и обученная на японских текстовых корпусах CC-100, OSCAR и Wikipedia. Она предназначена для генерации продолжений текста на японском языке и может использоваться для создания черновиков, примеров и простых текстовых заготовок. Модель содержит 1,5 млрд параметров, использует архитектуру GPTNeoForCausalLM и принимает текст, выдавая текст. Длина контекста составляет 2048 токенов. Репозиторий содержит веса в формате PyTorch; модель распространяется по лицензии Apache-2.0.

Yntec/Luxury — модель генерации изображений по текстовому описанию, опубликованная пользователем Yntec. Карточка содержит примеры генерации роскошных интерьеров, одежды, портретов и автомобилей в фотореалистичной и фантазийной эстетике. Репозиторий использует Diffusers и формат safetensors; задача модели — text-to-image. В карточке указано, что модель получена смешиванием MajicmixLux с CocaCola, в состав которой входят другие модели. Также приведена ссылка на Kitsch-In-Sync v2, но точная цепочка происхождения и базовые репозитории не раскрыты. Лицензия — CreativeML OpenRAIL-M. В примерах встречаются взрослые образы, однако модель не обозначена как предназначенная для сексуального контента.

Модель uaritm/multilingual_en_uk_pl_ru создана Vitaliy Ostashko и предназначена для получения плотных векторных представлений предложений и абзацев. Это модель Sentence-Transformers на архитектуре XLM-RoBERTa с 305,2 млн параметров; она использует mean pooling и формирует эмбеддинги размерности 768. В README приведён сценарий семантического сопоставления жалоб пациентов со специальностью врача в сервисе Virtual General Practice; также модель подходит для семантического поиска и кластеризации текстов. Модель поддерживает английский, украинский, польский и русский языки. Максимальная длина последовательности в конфигурации Sentence-Transformers — 128 токенов; нативное контекстное окно по метаданным — 514 токенов. Распространяется под лицензией Apache-2.0.

Helsinki-NLP/opus-mt-de-lua — модель машинного перевода семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с немецкого языка на луганда (луганда обозначен в идентификаторе как lua) и предназначена для автоматического перевода предложений и текстовых материалов. Модель построена на архитектуре Transformer-align; для нормализации текста использует SentencePiece. В метаданных указаны 56,4 млн параметров, контекст до 512 токенов и поддержка PyTorch и TensorFlow. В карточке приведён результат BLEU 23,1 и chr-F 0,467 на тестовом наборе JW300.de.lua. Модель распространяется по лицензии Apache-2.0. Результаты могут различаться на текстах иной тематики и стиля; карточка не приводит сведений о качестве на других тестовых наборах.

Helsinki-NLP/opus-mt-fr-ber — модель машинного перевода семейства Marian, обученная проектом OPUS на корпусе OPUS для перевода с французского языка на берберский. Она использует архитектуру Transformer-align и предобработку с нормализацией и SentencePiece. По метаданным модель содержит 35,9 млн параметров, поддерживает контекст до 512 токенов и доступна в форматах PyTorch и TensorFlow. Модель предназначена для перевода текстов с французского на берберский. В README приведена оценка BLEU 37,2 и chr-F 0,641 на тесте Tatoeba.fr.ber. Модель распространяется по лицензии Apache-2.0.

itoktobenotok/sbert-finetuned-jobs — модель Sentence Transformer на базе sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2, дообученная на 2 800 парах предложений с оценками сходства. Архитектура BERT с усреднением токенных представлений преобразует текст в плотные векторы размерности 384; сходство оценивается косинусной мерой. Максимальная длина последовательности — 512 токенов. Модель предназначена для семантического сравнения текстов и поиска предложений или абзацев по смыслу. Её можно применять для поиска перефразирований, кластеризации и классификации текста на основе эмбеддингов; README также приводит оценку бинарной классификации с cosine accuracy 0,84. Многоязычность унаследована от базовой модели, однако языки и качество отдельно для этой донастройки в карточке не уточнены. Лицензия в предоставленных данных не указана.

Thespis-13b-Alpha-v0.7 — экспериментальная версия разговорной модели, разработанная cgato на базе Llama 2 13B и обученная на DaringFortitude. Модель предназначена для многоходового диалога в роли ассистента с выраженной индивидуальностью и для текстовых ролевых игр. В обучении использована смесь данных ассистента и ролевых диалогов в пропорции 40/60, включая Pure-Dove Dataset, Claude Multiround 30k, No Robots, OpenOrcaSlim и Augmental Dataset. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 12,9 млрд параметров и рассчитана на контекст до 4096 токенов. Она принимает текст и генерирует текст; README отмечает улучшенное следование инструкциям и связность в многоходовом чате, а также рекомендует для ролевых игр стиль интернет-переписки с действиями в звёздочках. Лицензия — Apache-2.0.