III.2Исследование рынка и маркетинг

LogoRedmond-LogoLoraForSDXL-V2 — LoRA-модель, разработанная artificialguybr при поддержке Redmond.AI. Она дообучена на базе Stable Diffusion XL 1.0 и предназначена для генерации изображений логотипов и иконок в формате text-to-image. Модель ориентирована на создание логотипов в самых разных тематиках и отличается универсальностью. Для активации рекомендуется использовать тег LogoRedmAF вместе с описанием Icons; результат можно дополнительно направлять словами detailed, minimalist, colorful, black and white. Автор рекомендует разрешение 1024×1024 и простые промпты, поскольку для получения удачного изображения иногда требуется несколько генераций. Модель подходит для создания цветных и монохромных, минималистичных и детализированных логотипов, однако не гарантирует идеальный результат с первой попытки. В README не указаны точный размер LoRA, поддерживаемые языки, дополнительные модальности и параметры контекстного окна. Модель распространяется по лицензии CreativeML Open RAIL-M.

l3utterfly/mistral-7b-v0.1-layla-v2 — языковая модель семейства Mistral, разработанная l3utterfly при финансировании Layla Network. Модель объёмом 7,1 млрд параметров дообучена на датасете Teatime Roleplay для продолжения текста и на данных ShareGPT для многоходовых диалогов. Она предназначена для работы в качестве языкового компонента офлайн-помощника Layla и принимает текстовые запросы, выдавая текстовые ответы на английском языке. Модель использует плотную архитектуру MistralForCausalLM с контекстом до 32 768 токенов; веса опубликованы в формате safetensors. В карточке указана лицензия Apache-2.0. Специализация на ролевых диалогах и общении в стиле ShareGPT задаёт её основные сценарии; качество для других задач отдельно не описано.

Orpheus 3B 0.1 Finetuned — модель синтеза речи на базе Llama, выпущенная CanopyAI. Версия из репозитория unsloth содержит объединённые веса Orpheus 3B и Llama 3.2 3B Instruct; архитектура — плотная авторегрессионная LlamaForCausalLM с 3,3 млрд параметров. Модель принимает текст и генерирует речь, поддерживает потоковую генерацию с заявленной задержкой около 200 мс, которую можно снизить примерно до 100 мс при потоковой подаче текста. Модель предназначена для естественного, выразительного синтеза речи, управления эмоцией и интонацией с помощью тегов, а также клонирования голоса без предварительного дообучения. В карточке заявлена поддержка английского языка. Лицензия — Apache-2.0. В README отдельно запрещено использовать модель для имитации голоса без согласия, обмана и незаконной или вредоносной деятельности.

Orpheus 3B 0.1 Finetuned — модель синтеза речи (text-to-speech), разработанная CanopyAI и опубликованная в дополнительных вариантах дообучения. Она предназначена для преобразования текста в естественную, выразительную человеческую речь, включая сценарии с потоковой генерацией и приложениями реального времени. Модель основана на архитектуре Llama и имеет размер 3 млрд параметров. Она ориентирована на английский язык. Заявлены естественная интонация, эмоциональность и ритм речи, клонирование голоса в режиме zero-shot без предварительного дообучения, а также управление эмоциями и интонацией с помощью специальных тегов. Заявленная задержка потоковой генерации составляет около 200 мс и может снижаться примерно до 100 мс при потоковой передаче входных данных. Сведения о поддерживаемых модальностях ограничены задачей синтеза речи; размер контекста в README не указан. Модель подходит для голосовых интерфейсов, диалоговых систем, озвучивания контента и других приложений, где важны качество, выразительность и низкая задержка. Ограничения включают необходимость соблюдать требования к согласию при клонировании голоса и запрет на использование для выдачи себя за другого человека без согласия, дезинформации, мошеннических звонков и незаконной или вредоносной деятельности. Модель распространяется по лицензии Apache-2.0.

Модель seninoseno/rubert-base-cased-sentiment-study-feedbacks-solyanka — русскоязычная модель классификации тональности отзывов об учебном процессе. Она дообучена для этой предметной области на основе blanchefort/rubert-base-cased-sentiment-rurewiews, который, согласно карточке, основан на DeepPavlov/rubert-base-cased-conversational. Модель использует архитектуру BERT с классификационной головой BertForSequenceClassification, содержит 205,1 млн параметров и принимает последовательности длиной до 512 токенов. Модель предназначена для определения тональности отзывов об обучении и может применяться при анализе обратной связи студентов. Доступна в формате PyTorch; метаданные указывают лицензию? В карточке лицензия не приведена.

Wenzhong-GPT2-110M — компактная китайская модель генерации текста семейства GPT-2, разработанная командой Fengshenbang (IDEA-CCNL). Модель имеет 12 слоёв и 110 млн параметров; она предварительно обучена на корпусе Wudao версии 300G и предназначена для задач генерации естественного языка. Модель принимает текст и продолжает его, поэтому её можно использовать для создания черновиков, продолжения фраз и других сценариев генерации на китайском языке. Контекст составляет 1024 токена. В репозитории доступны веса PyTorch и Safetensors; загрузка описана через Transformers. Лицензия — Apache-2.0. Компактный размер упрощает запуск по сравнению с более крупными моделями GPT-2, однако качество и применимость для конкретных задач требуют проверки: модель описана как китайская и её контекст ограничен 1024 токенами.

Chroma 1.0 — мультимодальная причинная языковая модель, разработанная FlashLabs для голосового диалога в реальном времени. Она принимает аудио, понимает речь и формирует ответы одновременно в текстовой и синтезированной речевой форме; референсное аудио можно использовать для управления голосом и его клонирования. В архитектуре задействованы Reasoner на основе Qwen2.5-Omni-3B, языковые компоненты на основе Llama 3 и кодек Mimi с частотой дискретизации 24 кГц. В метаданных Hugging Face задача указана как any-to-any, а библиотека загрузки — Transformers. Модель ориентирована на английский язык и распространяется по лицензии Apache-2.0. Chroma подходит для голосовых агентов и интерактивных приложений, которым нужны понимание входящей речи и генерация голосовых ответов с заданным стилем. Карточка заявляет готовность к production, но не приводит оценки качества, задержки или подробные ограничения клонирования голоса.

EXAONE-ExaDialogue-2.4B — дообученная разговорная модель на 2,4 млрд параметров, созданная автором lunar1020 на основе beomi/EXAONE-3.5-2.4B-Instruct-Llamafied. Модель предназначена для генерации диалоговых ответов на корейском языке и обучалась на наборе Myungseung/kakaotalk_min. Модель использует плотную архитектуру LlamaForCausalLM, загружает текст и генерирует текст. Контекстное окно составляет 32 768 токенов. Чекпойнт сохранён на 2 000-м шаге из-за досрочного завершения обучения, поэтому качество может быть ограничено. Лицензия указана как other; конкретные условия в доступных данных не раскрыты.

FireRed-Image-Edit-1.1 — универсальная модель редактирования изображений от FireRedTeam, обновлённая версия FireRed-Image-Edit-1.0. Модель принимает изображение и текстовые инструкции для его изменения; в карточке указана поддержка английского и китайского языков. Для обработки используется библиотека Diffusers, веса опубликованы в формате Safetensors, лицензия — Apache-2.0. Модель предназначена для творческого и профессионального редактирования: заявлены сохранение узнаваемости людей и персонажей при сложных изменениях, объединение множества элементов, ретушь портретов и макияжа, работа с типографикой, реставрация старых фотографий и виртуальная примерка. README также сообщает об агентном сценарии обработки нескольких изображений, поддержке обучения LoRA и оптимизациях для ускорения генерации. Заявления о качестве и скорости приведены разработчиком; независимые условия воспроизведения этих результатов в карточке не описаны.

Flux-Midjourney-Mix2-LoRA — адаптер LoRA для генерации изображений на базе black-forest-labs/FLUX.1-dev, опубликованный пользователем или организацией strangerzonehf. Модель предназначена для text-to-image генерации и усиливает визуальный стиль, ассоциируемый с Midjourney v6, особенно в реалистичных портретах, модельных и демонстрационных сценах, крупных планах и фотографии предметов. Для активации адаптера в промпт необходимо добавлять триггерное слово «MJ v6». Поддерживаются текстовые запросы на естественном языке; в примерах используются английские промпты. Рекомендуемые размеры изображений — 768×1024 и 1024×1024. Адаптер обучался на 36 изображениях с использованием разметки Florence2 на английском языке; указаны Network Dim 64, Network Alpha 32, 28 эпох и 3660 шагов. Конкретные сведения о размере базовой модели, максимальной длине контекста и других модальностях не приведены. Сильная сторона модели — специализация на реалистичной фотостилистике, портретах, fashion- и street-фотографии, предметной съёмке, выразительном освещении и визуальных эффектах. Ограничениями являются небольшой объём обучающей выборки и зависимость от базовой модели FLUX.1-dev; качество и соответствие стилю могут зависеть от формулировки английского промпта, параметров генерации и выбранного разрешения. Указана лицензия flux-1-dev-non-commercial-license, поэтому использование ограничено её условиями и носит некоммерческий характер.

GPT-2 Arabic Sentence Generator — авторская модель генерации предложений на арабском языке, предназначенная прежде всего для создания текстов отзывов. В карточке указано обучение на наборе арабских книжных отзывов LABR; архитектура — GPT-2 с языковой моделью GPT2LMHeadModel, контекст — до 1024 токенов. Модель подходит для генерации отдельных предложений и черновиков отзывов о книгах на арабском языке. Она опубликована в форматах PyTorch, TensorFlow и Flax, включая safetensors. Лицензия в предоставленных данных не указана.

Blackroot/Hermes-Kimiko-13B-f16 — языковая модель семейства Llama, представленная как слияние LoRA-адаптеров с равными весами. В метаданных указаны 12,9 млрд параметров, архитектура LlamaForCausalLM и контекст до 4096 токенов; модель создана для генерации текста. Карточка не описывает отдельные сценарии применения, состав слияния или качество модели. В тегах указаны повествование и написание историй на английском языке. Лицензия в предоставленных данных не указана.

Карточка модели GrishaKushnir/jobbert-onnx на Hugging Face совпадает с карточкой TechWolf/JobBERT-v3, поэтому описание составлено по ней. TechWolf JobBERT-v3 — многоязычная модель Sentence Transformers, разработанная TechWolf для сопоставления названий должностей и поиска сходства между ними. Она дообучена на базе sentence-transformers/paraphrase-multilingual-mpnet-base-v2 на 21,1 млн пар названий должностей и связанных навыков и требований на английском, испанском, немецком и китайском языках. Модель использует архитектуру XLM-RoBERTa и преобразует текст о должностях и требованиях в плотные векторы размерностью 1024; сходство можно оценивать косинусной мерой. README указывает максимальную длину последовательности 64 токена, тогда как метаданные каталога задают контекст 514 токенов. Модель предназначена для межъязыкового сопоставления должностей, семантического поиска похожих вакансий и других задач подбора персонала. Лицензия — MIT.

TechWolf JobBERT-v3 — многоязычная модель Sentence Transformers, разработанная TechWolf для сопоставления названий должностей и поиска сходства между ними. Она дообучена на базе sentence-transformers/paraphrase-multilingual-mpnet-base-v2 на 21,1 млн пар названий должностей и связанных навыков и требований на английском, испанском, немецком и китайском языках. Модель использует архитектуру XLM-RoBERTa и преобразует текст о должностях и требованиях в плотные векторы размерностью 1024; сходство можно оценивать косинусной мерой. README указывает максимальную длину последовательности 64 токена, тогда как метаданные каталога задают контекст 514 токенов. Модель предназначена для межъязыкового сопоставления должностей, семантического поиска похожих вакансий и других задач подбора персонала. Лицензия — MIT.

Dayeon-Pia/Qwen3-1.7B-base-MED — текстовая генеративная модель семейства Qwen3 с 1,7 млрд параметров. Модель опубликована пользователем или организацией Dayeon-Pia на Hugging Face; в метаданных указаны библиотека Transformers, формат Safetensors и обучение с использованием SFT и TRL. Контекстное окно составляет 32 768 токенов. Модель предназначена для генерации текста и может использоваться как основа для приложений, связанных с медицинскими текстами, судя по обозначению MED в идентификаторе. Возможные сценарии включают подготовку черновиков медицинских текстов, извлечение или преобразование информации и последующее дообучение под специализированные задачи. README не содержит результатов оценки, описания обучающих данных, сведений о разработчиках, языках, лицензии или подтвержденных медицинских характеристиках. Перед применением в клинических, диагностических или иных ответственных сценариях необходимы самостоятельная проверка качества, безопасности и соответствия требованиям. Лицензия в доступных данных не указана.

Roxi-TTS v2 — модель синтеза речи, разработанная IOTEverythin как LoRA-дообучение MOSS-TTS-Nano. Она преобразует текст в монофоническую речь на индийском варианте английского с голосом одного диктора по умолчанию; референсная аудиозапись для синтеза не требуется. Архитектура — авторегрессионная модель с языковой частью и аудиотокенами, размер базовой модели — около 0,1 млрд параметров, частота выходного аудио — 48 кГц. Указанное в метаданных окно контекста составляет 32 768 токенов. Модель предназначена для разговорной озвучки и сценариев поддержки клиентов. В описанных измерениях сходство голоса с целевым диктором выросло до 0,96 по WavLM-SV cosine, а показатель WER на сгенерированном аудио остался на уровне базовой модели — 0,26. Стиль и эмоции надёжно не управляются; модель обучена на одном дикторе с нейтральной речью, а качество для телефонии 8 кГц отдельно не настраивалось. Авторы запрещают использовать голос для имитации людей, мошенничества и обмана. В метаданных репозитория указана лицензия Apache-2.0; в README также приведено требование об атрибуции датасета IIT-Madras Indic TTS и его EULA.

silma-tts-derja — модель синтеза речи по тексту, созданная Ghazouaniwala как дообучение F5-TTS для тунисского диалекта арабского языка Derja. Она предназначена для разговорных приложений для пользователей из Туниса: голосовых помощников, систем поддержки и коучинга, средств доступности и образовательных программ. Модель также рассчитана на переключение между Derja и французским в одной речи. Модель использует F5-TTS и формирует речь с учётом эталонной аудиозаписи. В поставке используется английский эталонный фрагмент, поэтому запись носителя Derja может улучшить просодию. Обучающий корпус ограничен: покрытие редкой лексики и региональных вариантов Туниса неоднородно; формальная оценка MOS не проводилась. В исходной конфигурации синтез ограничен производительностью CPU, а GPU примерно вдвое снижает задержку. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства, но не коммерческое применение.

TeenyTinyLlama-460m-Chat-GGUF — это квантизированная в формате GGUF версия небольшой диалоговой языковой модели TeenyTinyLlama-460m-Chat, разработанной nicholasKluge и квантизированной afrideva. Исходная модель представляет собой дообученную на инструкциях версию TeenyTinyLlama-460m, обученную преимущественно на бразильском португальском языке с использованием набора Instruct-Aira Dataset v2.0. Модель предназначена для генерации текста, ответов на инструкции и ведения простых диалогов на португальском языке. Она может применяться для лёгких ассистентских сценариев, генерации небольших текстов, ответов на общие вопросы и выполнения простых программных или творческих заданий. Формат GGUF ориентирован на локальный запуск в совместимых средах, включая инструменты экосистемы llama.cpp. Ключевая характеристика модели — компактный размер около 460 миллионов параметров и квантизация, снижающая требования к памяти и вычислительным ресурсам. Архитектура, точный размер контекста и доступные варианты квантизации в представленных данных не указаны. Результаты на португалоязычных тестах показывают ограниченную и неоднородную точность, поэтому модель скорее подходит для нетребовательных задач и экспериментов, чем для сложного рассуждения, надёжной классификации или критически важных приложений. Лицензия модели — Apache-2.0.

KilicMehmet/turkishReviews-ds-mini — языковая модель на архитектуре GPT-2, дообученная на неизвестном наборе данных. Карточка связывает её с генерацией текста и сообщает об оценке на тестовой выборке, но не приводит результатов или описания обучающих данных. Модель может продолжать текст на турецком языке в пределах контекстного окна 1024 токена; специализация на отзывах предполагается по названию репозитория, но README её не подтверждает. Опубликована в формате TensorFlow, использует библиотеку Transformers и доступна по лицензии MIT. Подробности о назначении, качестве и ограничениях генерации в карточке отсутствуют, поэтому пригодность для конкретных сценариев нужно проверять самостоятельно.

Granitagushi/vit-base-fashion — модель классификации изображений одежды, созданная дообучением Vision Transformer google/vit-base-patch16-224 на наборе zalando-datasets/fashion_mnist. Модель принимает изображение и относит его к одному из классов одежды Fashion-MNIST. В README указана точность 0,9102 и функция потерь 0,2513 на оценочной выборке. Архитектура ViT имеет около 113,2 млн параметров; веса представлены в формате safetensors и модель использует библиотеку Transformers. Лицензия — Apache-2.0.

MohamedRashad/diffusion_fashion — модель генерации изображений на основе Stable Diffusion, дообученная на базе openjourney для создания изображений модной одежды и товаров. Она предназначена для генерации изображений по текстовым запросам, связанным с одеждой и fashion-продукцией, и распространяется в формате Diffusers с весами safetensors. Модель принимает текстовые описания и генерирует изображения; для запуска в README показан StableDiffusionPipeline из библиотеки diffusers с использованием CUDA и float16. Карточка указывает лицензию OpenRAIL. Качество и надёжность генерации для запросов вне модной тематики в карточке не охарактеризованы.

EVIRA — модель генерации видео по текстовому описанию, созданная Muhammad Taqi. Репозиторий содержит веса в формате safetensors и упоминает веб-интерфейс на Gradio для генерации видео. В метаданных указаны архитектура семейства EVIRA и задача text-to-video; сведения о размере модели, длительности и разрешении генерируемых роликов, контексте или поддерживаемых языках отсутствуют. Модель распространяется по лицензии MIT.

Карточка модели markdived/lahja-sa-ahmad-v1 на Hugging Face совпадает с карточкой wasmdashai/lahja-sa-ahmad-v1, поэтому описание составлено по ней. Lahja SA Ahmad V1 — модель синтеза речи из текста, разработанная WasmAI для арабского языка с акцентом на саудовский диалект. Она подходит для голосовых ассистентов, чат-ботов, телефонных IVR-систем, клиентской поддержки, образовательных и вспомогательных приложений, а также устройств и робототехники. Модель использует архитектуру VITS: текстовый энкодер, вариационный автоэнкодер, потоковую сеть априорного распределения, стохастический предсказатель длительности и нейросетевой декодер HiFi-GAN. В метаданных указан размер 3,5 млн параметров и формат safetensors; модель доступна через Transformers. Для дообучения использован набор LAHJA-API-Data. README называет базовой моделью wasmdashai/vits-ar-sa-Ahmad-v2, тогда как метаданные указывают wasmdashai/vits-ar-sa-A; точный исходный чекпойнт поэтому неоднозначен. Разработчик заявляет естественное произношение, выразительную интонацию и низкую задержку. Лицензия в предоставленных данных не указана, поэтому условия использования определить нельзя.

Lahja SA Ahmad V1 — модель синтеза речи из текста, разработанная WasmAI для арабского языка с акцентом на саудовский диалект. Она подходит для голосовых ассистентов, чат-ботов, телефонных IVR-систем, клиентской поддержки, образовательных и вспомогательных приложений, а также устройств и робототехники. Модель использует архитектуру VITS: текстовый энкодер, вариационный автоэнкодер, потоковую сеть априорного распределения, стохастический предсказатель длительности и нейросетевой декодер HiFi-GAN. В метаданных указан размер 3,5 млн параметров и формат safetensors; модель доступна через Transformers. Для дообучения использован набор LAHJA-API-Data. README называет базовой моделью wasmdashai/vits-ar-sa-Ahmad-v2, тогда как метаданные указывают wasmdashai/vits-ar-sa-A; точный исходный чекпойнт поэтому неоднозначен. Разработчик заявляет естественное произношение, выразительную интонацию и низкую задержку. Лицензия в предоставленных данных не указана, поэтому условия использования определить нельзя.

QuantFactory/orpheus-3b-0.1-ft-GGUF — квантизированная версия модели Orpheus 3B 0.1 Finetuned, разработанной CanopyAI и опубликованной QuantFactory с использованием llama.cpp. Это Speech-LLM на базе Llama, предназначенная для высококачественного синтеза речи из текста и потоковой генерации аудио в приложениях реального времени. Указан английский язык. Модель поддерживает естественную интонацию, эмоциональную выразительность и ритм речи, а также zero-shot клонирование голоса без предварительного дообучения. Характеристики голоса и эмоций можно задавать специальными тегами. Заявленная задержка потоковой генерации составляет около 200 мс и может снижаться примерно до 100 мс при потоковой передаче входных данных. Размер модели — 3B параметров; исходными моделями указаны meta-llama/Llama-3.2-3B-Instruct и canopylabs/orpheus-3b-0.1-pretrained. Архитектура аудиовыхода и точный формат квантизации в README не уточняются. Модель подходит для голосовых интерфейсов, озвучивания текста, интерактивных и realtime-приложений, где важны выразительность и низкая задержка. Ограничения включают заявленную языковую поддержку только для английского и необходимость соблюдать требования безопасности: запрещены имитация личности без согласия, дезинформация, мошеннические звонки и иное незаконное или вредоносное использование. Лицензия — Apache-2.0.

Abhishek0219 разработал дообученную модель на основе Qwen/Qwen3-4B-Instruct-2507 для оценки релевантности товара поисковому запросу. Она относит пару «запрос — товар» к одному из четырёх классов: точное соответствие (E), заменитель (S), дополнение (C) или нерелевантный результат (I), и выдаёт метку одной буквой. Модель предназначена для ранжирования результатов товарного поиска и фильтрации неподходящих товаров; в карточке приведён результат micro-F1 0,642 на тестовой части ESCI из 5 000 примеров. Это плотная авторегрессионная модель семейства Qwen3 примерно на 3,7 млрд параметров с контекстом до 262 144 токенов. Она дообучена методом QLoRA на 12 000 сбалансированных пар из Amazon Shopping Queries Dataset (ESCI, KDD Cup 2022), после чего адаптер объединён с весами bf16. Указан английский язык. Для подачи запросов предназначен чатовый интерфейс; метку и её уверенность можно считывать по логарифмическим вероятностям первого токена. Модель опубликована в формате safetensors под лицензией Apache-2.0. Результат на ESCI не гарантирует аналогичное качество на других каталогах и типах запросов; карточка не приводит оценки для других языков или доменов.

Модель room-classification разработана пользователем JuanMa360 для классификации изображений помещений и объектов дома или квартиры. Она предназначена для определения категории по фотографии, например внешнего вида здания, гардеробных или шкафов, кухни и прочих сцен. Модель использует архитектуру Vision Transformer (ViT), реализована на PyTorch и распространяется в формате Safetensors. Размер модели составляет около 113,2 млн параметров. В карточке указана точность 0,865 на оценочном наборе. Лицензия и поддерживаемые естественные языки в доступных материалах не указаны, при этом для работы модели требуются изображения, а не текст.

SegFormer-B2-Human — модель семантической сегментации изображений на базе архитектуры SegFormer, дообученная автором репозитория sayeed99 на наборе sayeed99/human_parsing_fashion_dataset. Она предназначена для разметки людей и одежды на изображениях: модель выделяет фон, предметы гардероба, аксессуары и части тела, включая лицо, волосы, руки и ноги. В набор классов входят, например, рубашки, брюки, платья, обувь, сумки, очки и детали одежды. Модель использует SegformerForSemanticSegmentation и распространяется в форматах PyTorch и Safetensors для Transformers. README указывает базовую модель nvidia/mit-b2. Метаданные указывают лицензию other; конкретные условия этой лицензии в доступных сведениях не раскрыты.

thomasrenault/emotion — модель классификации интенсивности эмоций, разработанная Thomas Renault и дообученная на базе DistilBERT. Она оценивает восемь эмоций независимо друг от друга, выдавая для каждой оценку от 0 до 1; одновременно высокими могут быть оценки нескольких эмоций. Модель предназначена для анализа политической коммуникации: публикаций в Twitter, предвыборных выступлений и речей в Конгрессе США, в том числе для исследования изменений эмоциональной риторики во времени. Модель использует архитектуру DistilBertForSequenceClassification и принимает текст длиной до 512 токенов. Обучающие примеры размечены с помощью GPT-4o-mini, поэтому оценки являются автоматически созданными, а не проверенными людьми эталонными метками. Модель обучалась на политических текстах на английском языке из США; качество может снижаться на других темах и языках, а интенсивность эмоций по своей природе субъективна. Лицензия — MIT.

EXAONE-ExaDialogue-DPO-2.4B — разговорная языковая модель, опубликованная lunar1020 как результат личного учебного проекта. Она дообучена с выравниванием DPO на основе lunar1020/EXAONE-ExaDialogue-2.4B; исходная модель создана на базе beomi/EXAONE-3.5-2.4B-Instruct-Llamafied. Модель предназначена для генерации ответов в диалогах на корейском языке. Это плотная модель класса LlamaForCausalLM с 2,4 млрд параметров, рассчитанная на контекст до 32 768 токенов. Репозиторий содержит веса Safetensors; для работы используется Transformers. В карточке указана лицензия other, без уточнения её условий.