III.2Исследование рынка и маркетинг

NVIDIA-Nemotron-Nano-9B-v2-Japanese-gguf — это версия модели NVIDIA-Nemotron-Nano-9B-v2-Japanese, разработанной NVIDIA и преобразованной в формат GGUF. Модель предназначена для генерации текста и может использоваться в локальных сценариях инференса, включая запуск через llama.cpp. По указанным метаданным, она поддерживает английский и японский языки и относится к классу моделей объёмом около 9 миллиардов параметров. Модель ориентирована на универсальные задачи генерации текста, в том числе ответы на вопросы, создание инструкций и японскоязычный контент. Для подготовки imatrix-данных использован датасет TFMC/imatrix-dataset-for-japanese-llm. Формат GGUF удобен для запуска совместимых версий llama.cpp и локального использования, однако README не содержит подробностей об архитектуре, максимальной длине контекста, вариантах квантования, производительности или результатах оценки качества. Модель распространяется по NVIDIA Open Model License. Условия лицензии следует учитывать при использовании и распространении. Ограничения и предупреждения, специфичные для исходной модели, в представленном README не описаны.

Helsinki-NLP разработала opus-mt-cs-en — модель машинного перевода с чешского языка на английский. Она основана на архитектуре Transformer-align и обучена на данных OPUS; для обработки текста применяются нормализация и SentencePiece. Модель содержит 57,2 млн параметров, поддерживает перевод с чешского на английский и имеет контекст длиной до 512 токенов. В README приведены результаты на тестовых наборах новостных переводов: BLEU от 30,4 до 34,1. Модель подходит для перевода чешских текстов на английский в приложениях и рабочих процессах, где требуется отдельная модель для этой языковой пары. Опубликована под лицензией Apache-2.0.

Helsinki-NLP/opus-mt-en-ine — модель машинного перевода проекта OPUS-MT, опубликованная Helsinki-NLP. Это трансформер MarianMT с 56,5 млн параметров, обученный переводить с английского на набор индоевропейских языков; для выбора целевого языка перед текстом требуется токен вида >>id<<. Модель использует нормализацию и SentencePiece с словарями размером 32 тыс. токенов, а длина контекста составляет 512 токенов. Поддерживаются десятки целевых языков, в том числе французский, немецкий, испанский, русский, хинди, польский и украинский. В README приведены тестовые результаты на отдельных языковых парах: например, BLEU 22,1 для английского—румынского и 6,2 для английского—хинди; качество заметно зависит от языка. Модель подходит для перевода текстов с английского на поддерживаемые языки, но карточка не подтверждает перевод в обратном направлении. Лицензия — Apache-2.0.

OrpoLlama3-8B — плотная авторегрессионная языковая модель семейства Llama, созданная Muhammad2003 дообучением meta-llama/Meta-Llama-3-8B методом ORPO. Модель содержит 7,5 млрд параметров, рассчитана на контекст до 8192 токенов и предназначена для генерации текста в диалоговом формате. Дообучение выполнено на наборе mlabonne/orpo-dpo-mix-40k в течение 15 тысяч шагов. Модель может использоваться для ведения диалогов и генерации ответов на английском языке. Доступны веса в формате safetensors для библиотеки Transformers. Лицензия — Apache-2.0. Карточка не приводит результатов оценки качества и подробных ограничений; практическая пригодность ответов зависит от задачи и проверки человеком.

ParrotOgno-7B — текстовая генеративная модель, созданная yleo путём DPO-дообучения базовой модели mlabonne/OmniBeagle14-7B на наборе предпочтений yleo/emerton_dpo_pairs. В README описан вариант набора данных, сформированный на основе Intel/orca_dpo_pairs: ответы GPT-4 Turbo отмечены как предпочтительные, а ответы GPT-4 — как отклонённые. Модель предназначена для генерации текста в диалоговом формате. Она совместима с шаблонами ChatML и Llama. В метаданных указаны архитектура Mistral, 7,1 млрд параметров и нативный контекст 32 768 токенов; README указывает окно контекста 8 тыс. токенов. Лицензия — CC BY-NC 4.0, допускающая использование с ограничением на коммерческое применение. Карточка не содержит результатов оценки качества: раздел Open LLM Leaderboard сообщает, что результаты ещё появятся. Поэтому пригодность для конкретных сценариев следует проверять отдельно.

PlatYi-34B-Llama-Q-v3 — авторегрессионная языковая модель, разработанная Kyujin Han (kyujinpy) на базе Yi-34B и архитектуры Llama. Модель содержит 33,9 млрд параметров, принимает текст и генерирует текст; заявленная длина контекста — 4096 токенов. Модель дообучена методом Q-LoRA с рангом LoRA 64 на наборе garage-bAInd/Open-Platypus. Она предназначена для генерации ответов и решения задач общего характера, включая проверку знаний и рассуждения. В README приведены результаты Open LLM Leaderboard, однако в таблице GSM8K результат этой версии заметно ниже, чем у указанных предыдущих версий. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия — CC-BY-NC-SA-4.0, предусматривающая некоммерческое использование и распространение производных работ на тех же условиях.

radlab/pLLama3.2-3B — плотная языковая модель семейства Llama, дообученная radlab на базе meta-llama/Llama-3.2-3B-Instruct. Модель содержит 3,2 млрд параметров и рассчитана на контекст до 131 072 токенов; репозиторий предоставляет веса в формате safetensors. Модель дообучена для общения на польском языке и выполнения инструкций: она предназначена для диалогов, ответов на вопросы и генерации польского текста. В README описан этап дообучения на корпусе примерно из 650 тысяч польских инструкций; эта версия не обозначена как прошедшая отдельный этап DPO. Метаданные также отмечают интерфейс вызова инструментов. Лицензия — Llama 3.2, условия которой следует учитывать при использовании и распространении модели. Описанные данные и сравнительное утверждение об улучшении точности общения приведены разработчиком; независимые оценки качества в карточке не представлены.

fpadovani/ppt-art-lang-newlexicon-eng-baseline-100mb_seed3407 — дообученная модель семейства GPT-2, созданная на основе goldfish-models/eng_latn_100mb с использованием TRL. Она предназначена для генерации продолжений и ответов на текстовые запросы; в примере карточки показан диалоговый запрос на английском языке. Модель использует архитектуру GPT2LMHeadModel, библиотеку Transformers и формат safetensors, а длина контекста составляет 512 токенов. Базовая модель описана как монолингвальная модель для генерации английского текста. Лицензия в предоставленных данных не указана.

asparius/qwen-1.7b-sdf__432-neutral — плотная авторегрессионная языковая модель семейства Llama с 1,7 млрд параметров, дообученная из locuslab/safelm-1.7b с помощью TRL. Она предназначена для генерации текста в ответ на запросы; карточка показывает пример диалогового промпта и генерации продолжения. Модель доступна в формате PyTorch, работает через Transformers и имеет контекстное окно 8192 токена. Данных о специализированной предметной области, поддерживаемых языках и лицензии в предоставленной карточке и метаданных нет.

hyunw3/qwen-2.5-0.5b-r1-countdown_lr5e-6 — дообученная компанией или автором hyunw3 модель Qwen2.5-0.5B-Instruct для генерации текста и диалога. Она создана с помощью TRL; в метаданных указаны архитектура Qwen2 и 494 млн параметров. Модель принимает текстовые сообщения и генерирует текст, поддерживает контекст до 32 768 токенов и рассчитана на несколько естественных языков, включая русский, английский, китайский, французский, испанский, португальский, немецкий, итальянский, японский, корейский, вьетнамский, тайский и арабский. Модель подходит для диалоговых сценариев, выполнения инструкций и генерации ответов. Название указывает на возможную специализацию, связанную с countdown, однако карточка не описывает её назначение или результаты обучения, поэтому эту специализацию нельзя надёжно характеризовать. Модель опубликована в формате safetensors и использует лицензию базовой модели, но сведения о лицензии в предоставленных данных отсутствуют.

MaxSchulten/Qwen3-14B-distill-Qwen3-0.6B — дообученная компактная плотная языковая модель семейства Qwen3, созданная на основе Qwen/Qwen3-0.6B. Репозиторий содержит веса в формате Safetensors; размер модели — около 507,9 млн параметров, контекст — до 40 960 токенов. Модель предназначена для генерации текста и диалогов. В README указана оценка Loss 0,6427 на тестовом наборе, но подробности набора данных, методики обучения и результатов не приведены. Метаданные характеризуют базовую Qwen3 как многоязычную модель; отдельный перечень языков для этой версии отсутствует. Модель распространяется по лицензии Apache-2.0. Из-за скудной информации о дообучении и оценке качество для конкретных задач не установлено; перед применением в ответственных сценариях результаты следует проверить.

Модель taskmaster141/qwen3_1.7b_simplyparse-fullft-304-1ep — дообученная языковая модель семейства Qwen3, разработанная taskmaster141 на основе trainer_output/checkpoint-304. Она предназначена для генерации текста и диалогового взаимодействия. Модель имеет плотную архитектуру Qwen3ForCausalLM, содержит 1,7 млрд параметров и поддерживает контекст до 40 960 токенов. Модель сохранена в формате safetensors и распространяется по лицензии Apache-2.0. В карточке указано, что обучение выполнялось с использованием Unsloth; дополнительных сведений о специализации обучения и ограничениях качества не приведено.

OP12138/qwen3-4b-advchain — дообученная модель Qwen3-4B, созданная на наборе данных advchain_train. Это плотная авторегрессионная языковая модель семейства Qwen3 с 3,7 млрд параметров, предназначенная для диалоговой генерации текста. Репозиторий использует библиотеку Transformers и формат safetensors; заявленная длина контекста — 40 960 токенов. Карточка не описывает конкретные сценарии обучения и оценки, поэтому назначение модели можно определить только как генерацию текста в формате диалога. В метаданных указана лицензия other, без дополнительных условий в доступных сведениях.

Qwen3-4b-feedback-one-shot — диалоговая языковая модель с архитектурой Qwen3ForCausalLM, разработанная автором репозитория VladShash. Это дообученная версия formalmathatepfl/qwen3-4b-cpt на наборе данных SFT; карточка не раскрывает состав данных или конкретную специализацию дообучения. Модель содержит 3,7 млрд параметров, работает с текстом и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. В репозитории представлены веса Safetensors для библиотеки Transformers. Лицензия указана как other, поэтому условия использования следует проверять в файлах репозитория. Подробных результатов оценки и описания известных ограничений автор не предоставил.

barsaranikhuntia/qwen3-finetuned — дообученная авторами репозитория модель Qwen3-0.6B для генерации текста и диалогов. Она построена на плотной архитектуре Qwen3ForCausalLM, содержит 507,9 млн параметров, принимает текст и поддерживает контекст до 40 960 токенов. Модель предназначена для текстовых запросов и разговорных сценариев; карточка сообщает о дообучении на неизвестном датасете и приводит значение loss 3,2855 на оценочной выборке, но не описывает специализацию обучения или результаты по конкретным задачам. Веса доступны в формате safetensors. Лицензия — Apache-2.0.

TradMed/qwen3_MT_epoch2_16bit — дообученная TradMed языковая модель семейства Qwen3 с плотной архитектурой Qwen3ForCausalLM и 14 млрд параметров. Она принимает текст и предназначена для генерации текста и диалогового взаимодействия; метаданные также указывают интерфейс вызова инструментов. Контекст модели составляет до 40 960 токенов. Модель дообучена на базе unsloth/qwen3-14b-unsloth-bnb-4bit с использованием Unsloth и библиотеки TRL; веса опубликованы в формате Safetensors. В карточке указана поддержка английского языка. Модель распространяется по лицензии Apache-2.0. Карточка не описывает специализацию дообучения, обучающие данные или результаты оценки, поэтому назначение за пределами генерации текста и чата определить нельзя.

Это версия Qwen2.5-0.5B-Instruct, преобразованная в формат Llama. Репозиторий подготовлен для совместимости с программами, поддерживающими Llama; модель можно использовать для генерации текста и диалогов. По метаданным, она содержит 494 млн параметров, использует плотную архитектуру и имеет контекст длиной 4096 токенов. Модель загружается через Transformers, веса хранятся в формате safetensors. Модель основана на Qwen/Qwen2.5-0.5B-Instruct и поддерживает несколько языков, включая китайский, английский, французский, испанский, португальский, немецкий, итальянский, русский, японский, корейский, вьетнамский, тайский и арабский. Лицензия в предоставленных данных не указана.

SauerkrautLM 7B v1 Mistral — языковая модель, разработанная VAGO solutions и представленная в GGUF-формате с квантованием TheBloke. Это версия оригинальной модели VAGOsolutions/SauerkrautLM-7b-v1-mistral, предназначенная для генерации текста и диалоговых сценариев, включая ответы виртуального ассистента. Рекомендуемый шаблон общения ориентирован на полезные, подробные и вежливые ответы. Модель основана на архитектуре Mistral и содержит около 7 миллиардов параметров. Она поддерживает немецкий и английский языки и работает в режиме text-generation. GGUF-файлы доступны с квантованием от 2 до 8 бит, что позволяет запускать модель с различными компромиссами между требованиями к памяти, скоростью и качеством на CPU и GPU. Формат совместим с llama.cpp и рядом сторонних интерфейсов и библиотек, включая text-generation-webui, LM Studio и llama-cpp-python. Размер контекста в README не указан. Сильными сторонами модели являются поддержка немецкого языка, возможность локального запуска и наличие нескольких вариантов квантования. Ограничения — отсутствие в README подробных результатов оценки качества, сведений о данных обучения и точного размера контекста; качество и требования к ресурсам зависят от выбранного уровня квантования. Модель распространяется по лицензии Apache-2.0.

sfm_filtered_insert_xxf_character-4k_5k_6k_simpleavg_merge — объединённая языковая модель, созданная методом Linear merge с помощью mergekit. В качестве базового чекпойнта использован global_step6000; также объединены чекпойнты global_step4000 и global_step5000 из эксперимента filtered_insert_xxf_character. Модель построена на архитектуре GPT-NeoX и содержит 8,8 млрд параметров. Модель предназначена для генерации текста в диалоговом формате. Максимальная длина контекста составляет 16 384 токена. Веса представлены в формате safetensors, для работы указана библиотека Transformers. Сведения о конкретных языках и специализированных областях применения в карточке отсутствуют. Условия лицензии не приведены.

SILMA-9B-Instruct-v1.0 — диалоговая языковая модель компании SILMA.AI, ориентированная прежде всего на задачи на арабском языке. Она основана на Gemma 2, имеет плотную архитектуру Gemma2ForCausalLM и 9 млрд параметров; модель можно запускать через Transformers, доступны веса в формате safetensors. Поддерживается контекст до 8192 токенов, в карточке указаны арабский и английский языки. Модель предназначена для генерации текста и диалоговых сценариев: создания черновиков, суммаризации, ответов в разговорном интерфейсе и образовательных инструментов. Разработчик заявляет о сильных результатах на арабских языковых задачах. Для RAG и целевых ответов на вопросы в README рекомендована отдельная модель SILMA Kashif v1.0. Качество ответов зависит от обучающих данных и формулировки запроса; модель может ошибаться в фактах, упускать языковые нюансы и воспроизводить предвзятость. Лицензия указана как gemma; перед коммерческим или иным использованием следует соблюдать её условия.

Карточка модели logicker/SkkuDS-DPO-72B-v4 на Hugging Face совпадает с карточкой logicker/SkkuDS-DPO-72B-v1, поэтому описание составлено по ней. logicker/SkkuDS-DPO-72B-v1 — языковая модель Qwen1.5, дообученная методом Direct Preference Optimization на наборе Intel/orca_dpo_pairs. Она предназначена для диалогов и генерации текста. Модель использует плотную архитектуру Transformer decoder-only; в метаданных указаны 71 млрд параметров и контекст до 32 768 токенов. Поддерживается английский язык. Репозиторий содержит веса в формате safetensors. Лицензия обозначена как other, поэтому конкретные условия использования следует сверить с карточкой модели и правообладателем. Размер модели требует значительных ресурсов для запуска; качество за пределами английского языка и прикладных сценариев в карточке не описано.

ali-elganzory/SmolLM2-1.7B-SFT-Tulu3-decontaminated-masked — дообученная разработчиком ali-elganzory языковая модель на базе ali-elganzory/SmolLM2-1.7B-WithChatTemplate. Это плотная авторегрессионная модель семейства Llama с 1,7 млрд параметров, рассчитанная на генерацию текста и диалоговое взаимодействие; карточка указывает обучение с TRL и демонстрирует формат передачи реплики пользователя через chat template. Контекст модели составляет 8192 токена. Модель можно применять для генерации ответов на вопросы и ведения текстового диалога. В README не описаны конкретный состав обучающих данных, языковое покрытие или результаты оценки качества. Использование возможно через Transformers; лицензия в предоставленных данных не указана.

Healshsj/smollm3-3b-claude-fable5 — дообученная модель Healshsj на базе HuggingFaceTB/SmolLM3-3B. Это плотная авторегрессионная языковая модель семейства SmolLM3 с 3,1 млрд параметров и контекстом до 65 536 токенов. Она принимает текст и генерирует текст; метаданные также указывают на поддержку диалогового режима и интерфейса вызова инструментов. В карточке сказано, что обучение выполнялось с использованием Unsloth и библиотеки TRL от Hugging Face. Модель подходит для генерации текста и диалоговых сценариев на английском языке. Она распространяется в формате safetensors по лицензии Apache-2.0. README не приводит результатов оценки качества или подробностей о данных дообучения, поэтому поведение именно этой версии по сравнению с базовой моделью не охарактеризовано.

yhavinga/t5-small-24L-ccmatrix-multi — модель перевода на основе архитектуры T5, разработанная yhavinga и дообученная для перевода между нидерландским и английским языками. Она предназначена для двустороннего перевода: с нидерландского на английский и с английского на нидерландский. Модель содержит 104,5 млн параметров и использует архитектуру T5ForConditionalGeneration. Для обучения применялся датасет CCMatrix; в карточке также описаны оценки перевода на тестовых данных. Репозиторий содержит веса в форматах PyTorch и Flax. Лицензия — Apache-2.0. Модель подходит для автоматического перевода текстов между нидерландским и английским, включая предложения и документы. Обучение основано на ограниченной части данных CCMatrix, поэтому опубликованные оценки следует рассматривать в контексте описанных тестовых наборов; результаты на других тематиках и типах текста могут отличаться.

Карточка модели cuong1692001/Terminal-complete_11k на Hugging Face совпадает с карточкой cuong1692001/Terminal-complete-11k, поэтому описание составлено по ней. Terminal-complete11k — дообученная диалоговая языковая модель семейства Qwen3, созданная на основе Qwen/Qwen3-8B. Она предназначена для генерации текста в диалоговом формате; README сообщает, что модель обучалась на наборе данных qwen_data_complete, но не описывает его содержимое и специализацию модели. Модель содержит 7,6 млрд параметров, использует архитектуру Qwen3ForCausalLM, принимает текст и поддерживает контекст до 40 960 токенов. Модель может быть полезна для диалогов и генерации текста. Данных о качестве, языковом охвате и конкретных ограничениях в карточке нет. Репозиторий распространяется в формате safetensors; лицензия указана как other, поэтому условия использования следует уточнить в карточке модели.

TowerVideo-9B — мультимодальная видеоязыковая модель семейства TowerVision, разработанная командой utter-project. Она принимает текст, изображения и видео и генерирует текст; модель предназначена для анализа видеоматериалов и других визуально-языковых задач, включая описание и обобщение, ответы на вопросы по визуальному содержимому и мультиязычный перевод с учётом культурного контекста. Модель содержит 9 млрд параметров и использует архитектуру LlavaOnevision: языковую основу TowerVision-9B с визуальным энкодером SigLIP2-patch14-384, соединённым мультимодальным адаптером. Контекст — 8192 токена. В карточке перечислены языки, включая английский, немецкий, русский, китайский, японский и хинди. Указаны сильные результаты на мультиязычных и культурно-ориентированных визуальных задачах; конкретные численные результаты для этой версии в карточке не приведены. Это дообучение utter-project/TowerVision-9B на видеотекстовой части датасета VisionBlocks. Репозиторий содержит веса Safetensors и использует библиотеку Transformers. Лицензия CC-BY-NC-SA-4.0 допускает использование с указанием авторства и на условиях лицензии, но запрещает коммерческое применение.

WindyTranslate/translate-en-it — модель машинного перевода от Windstorm Labs для перевода текста с английского на итальянский. Она основана на Helsinki-NLP/opus-mt-en-it: к базовым весам применили дообучение LoRA на параллельных данных и объединили адаптер с моделью. Архитектура MarianMT, размер — 66,1 млн параметров; модель доступна в формате safetensors и рассчитана на контекст до 512 токенов. Для проверки качества авторы приводят результат chrF++ 54,17 и BLEU 28,92 на 48 предложениях FLORES-200 dev. Это небольшой скрининговый набор, поэтому оценка не гарантирует такого же качества на других текстах. Модель поддерживает только направление перевода с английского на итальянский. Лицензия — Apache-2.0.

ClaudioItaly/Underground — языковая модель семейства Llama, созданная слиянием двух предварительно обученных моделей с помощью метода SLERP и инструмента mergekit. В состав слияния вошли Sao10K/Fimbulvetr-11B-v2 и bhavinjawade/SOLAR-10B-Nector-DPO-Jawade; конфигурация указывает базовую модель Sao10K/Fimbulvetr-11B-v2. Модель имеет плотную архитектуру LlamaForCausalLM, 10,6 млрд параметров и контекст до 4096 токенов. Модель предназначена для генерации текста и диалоговых ответов. В метаданных базовая модель описана как англоязычная, поэтому основные сценарии — англоязычное общение и создание текста. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Сведения о лицензии и конкретных ограничениях качества в доступных данных отсутствуют.

weblab-10b — языковая модель, разработанная Такеши Кодзимой и созданная на базе кода EleutherAI/gpt-neox. Это плотный авторегрессионный трансформер GPT-NeoX с 36 слоями и размером скрытого представления 4864; в README указано 10 млрд параметров, а метаданные репозитория содержат 13,9 млрд. Модель предварительно обучена примерно на 600 млрд токенов из японского C4 и The Pile и ориентирована прежде всего на японский язык, сохраняя многоязычную направленность. Модель предназначена для генерации текста и языковых задач на основе контекста, включая ответы на вопросы, понимание текста и краткое изложение. В README приведены результаты оценки на японском бенчмарке JGLUE; они показывают применимость к задачам японского языка, но не гарантируют качество для каждого пользовательского сценария. Контекстное окно составляет 2048 токенов. Репозиторий содержит веса PyTorch; лицензия CC BY-NC 4.0 ограничивает использование некоммерческими условиями.

Wordpress-Mistral-7B-Fine-Tune — диалоговая языковая модель с архитектурой MistralForCausalLM и 7,1 млрд параметров. В README указано, что она преобразована в формат MLX из mistralai/Mistral-7B-Instruct-v0.2; доступные метаданные указывают на веса safetensors и контекст до 32 768 токенов. Модель предназначена для генерации текста в диалоговом формате. Название указывает на связь с WordPress, однако README не описывает конкретные задачи или данные такого дообучения, поэтому специализацию на создании контента для WordPress подтвердить нельзя. Лицензия — Apache-2.0. Для использования через MLX в README приведён пример запуска генерации.