III.2Исследование рынка и маркетинг

MuXodious выпустил LFM2.5-8B-A1B-SOMPOA-heresy — дообученную версию мультиязычной модели Liquid AI LFM2.5-8B-A1B, обработанную инструментом Heretic с применением Self-Organizing Maps и Magnitude-Preserving Orthogonal Ablation. Модель построена на MoE-архитектуре для генерации текста и диалогов. В метаданных указаны 1,6 млрд параметров и контекст до 128 000 токенов; файлы представлены в формате safetensors. Модель предназначена для диалоговых ответов и генерации текста. В карточке приведены результаты снижения числа отказов с 412 до 14 на наборе из 416 примеров. Поддерживаемые языки по метаданным: английский, арабский, китайский, французский, немецкий, японский, корейский, испанский, португальский и итальянский. Автор отмечает необычное поведение модели и сохраняющиеся отказы; попытки пропускать цепочку рассуждений могли влиять на ответы. Лицензия указана как other, поэтому условия следует уточнить на странице репозитория.

Llama-2-7b-chat-hf_fictional_v1 — дообученная на наборе данных generator диалоговая языковая модель на архитектуре Llama с 6,6 млрд параметров. Она предназначена для генерации текста в формате общения с ассистентом; базовая модель рассчитана на ответы и диалог на английском языке. Модель принимает текст и выдаёт текст, а её контекст составляет 4096 токенов. Карточка не описывает особенности обучающих данных, результаты оценки или специфические преимущества версии. Модель распространяется в формате Safetensors. Лицензия в предоставленных данных не указана.

ZeroXClem/Llama3.1-Hermes3-SuperNova-8B-L3.1-Purosani-2-8B — текстовая генеративная модель семейства Llama 3.1, созданная ZeroXClem слиянием моделей; в карточке описано объединение kotyKD/Llama3.1-Hermes3-SuperNovaLite-merged-with-base-8B и djuna/L3.1-Purosani-2-8B методом slerp. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и формат safetensors; заявленная длина контекста — до 131 072 токенов. Модель предназначена для следования инструкциям, ролевых диалогов, интерактивных историй и длинных текстов, а также для задач виртуальных помощников и генерации диалогов игровых персонажей. Карточка не указывает конкретные поддерживаемые естественные языки. Модель распространяется по лицензии Apache-2.0. Качество и надёжность для отдельных задач в карточке не подтверждены независимыми оценками.

llama-3-8b-slow-DUS-random-layer1-method2 — плотная языковая модель семейства Llama от ryan0712, созданная с помощью LazyMergekit на основе NousResearch/Meta-Llama-3-8B. В README указано, что при сборке использовано 16 записей одной и той же базовой модели; параметры конфигурации объединения не приведены. Модель предназначена для генерации текста и может использоваться в сценариях, где нужна языковая генерация. Архитектура — LlamaForCausalLM, формат весов — safetensors, длина контекста — 8192 токена. Метаданные указывают 4 млрд параметров, тогда как базовая модель описана каталогом как модель на 7,5 млрд параметров; размер самой модели в описании поэтому приводится по метаданным репозитория. В карточке не заявлены специальные прикладные области или языки. Лицензия не указана в предоставленных данных, поэтому условия использования по ним определить нельзя.

4yo1/llama3-pre1-pre2-ds-lora3-mergkit-base — текстовая модель на архитектуре Llama, опубликованная 4yo1. В метаданных указано 7,4 млрд параметров и контекст 8192 токена; README округляет размер до 8 млрд. Модель доступна в формате safetensors и рассчитана на английский и корейский языки. Основная задача по карточке Hugging Face — перевод; метаданные каталога также указывают генерацию текста. Модель подходит для перевода между английским и корейским, а также для текстовых диалогов и генерации. README упоминает датасеты pre и 140kgpt, но не уточняет метод обучения или качество на конкретных задачах. Лицензия — MIT. Ограничения: карточка не описывает направление перевода, результаты оценки качества или специальные ограничения применения.

4yo1/llama3-pre1-pre2-ins1-lora3 — языковая модель на архитектуре Llama, опубликованная 4yo1. В README модель описана как дообученная; метаданные указывают 7,6 млрд параметров, библиотеку Transformers и контекст до 8192 токенов. Репозиторий содержит веса safetensors. Модель предназначена для перевода между английским и корейским языками. Метаданные также отмечают возможность генерации текста и чат-интерфейс. Лицензия — MIT. В карточке не приведены результаты оценки качества или подробности обучения, поэтому пригодность для конкретной задачи следует проверять отдельно.

Loes Large EU — голландский ИИ-ассистент, разработанный HostYourAI и размещаемый на инфраструктуре в ЕС. Это дообученная на EuroLLM-22B-2512 плотная языковая модель архитектуры Llama с 21,9 млрд параметров; веса объединены после QLoRA-обучения. Модель предназначена для генерации текста и диалогов: она ориентирована на грамотный нидерландский язык, точное выполнение инструкций и многоходовое общение. Поддерживает контекст до 32 768 токенов и может запускаться через Transformers или vLLM. Обучение проводилось на примерно 5 200 отобранных синтетических примерах на нидерландском языке. В README описаны внутренние оценки на небольшом наборе запросов, включая проверку качества языка, обоснованности ответов и диалогов; эти результаты не гарантируют качество во всех сценариях. Модель предназначена прежде всего для общения на нидерландском, а метаданные также указывают английский язык. Лицензия Apache 2.0 разрешает использование, изменение и распространение.

kevin009/minirewrite — языковая модель, дообученная на базе Mistral Instruct v2 для помощи с редактированием текстов. Она предназначена для пересмотра формулировок, перефразирования и упрощения языка: модель старается заменять технический жаргон ясными и доступными выражениями. Архитектура — плотная авторегрессионная MistralForCausalLM на 7,1 млрд параметров; модель поддерживает чат, принимает текст и генерирует текст, максимальный контекст составляет 32 768 токенов. В карточке указан английский язык. Для настройки использованы 14 000 разговоров в минималистичном и доступном стиле и ещё 8 000 примеров редактирования и перефразирования. Модель может быть полезна для повседневной правки черновиков, однако иногда выдаёт более короткие ответы, чем исходная версия, и может наследовать смещения из обучающих данных. В README также отмечено, что специальных мер защиты от потенциально вредоносного или оскорбительного текста нет. Лицензия — Apache-2.0.

Карточка модели qingy2024/Mistral-Reddit-12B на Hugging Face совпадает с карточкой qingy2024/NaturalLM, поэтому описание составлено по ней. NaturalLM — дообученная языковая модель, опубликованная qingy2019 и основанная на unsloth/mistral-nemo-base-2407-bnb-4bit. Она использует архитектуру MistralForCausalLM с плотной структурой и содержит 12,1 млрд параметров. Модель предназначена для генерации текста; в карточке указаны английский язык и контекстное окно до 1 024 000 токенов. Модель обучали с использованием Unsloth и библиотеки Hugging Face TRL. Репозиторий распространяется по лицензии Apache-2.0. Карточка не приводит результатов оценки качества или более узкой специализации, поэтому пригодность для конкретных сценариев генерации следует проверять на собственных данных.

zelk12/MT-MM-gemma-2-AAIF-9B — объединённая языковая модель на архитектуре Gemma 2, созданная методом SLERP с помощью mergekit из ifable/gemma-2-Ifable-9B и lemon07r/Gemma-2-Ataraxy-Advanced-9B. Модель содержит 9 млрд параметров и рассчитана на генерацию текста в диалоговом режиме; она подходит для ведения беседы и творческого письма. Работает с библиотекой Transformers, веса представлены в формате safetensors, контекстное окно составляет 8192 токена. Модель принимает текст и генерирует текст. README не сообщает результаты сравнительных оценок или специализированные возможности. Лицензия в предоставленных данных не указана.

trinhkhng/nearswap_Merged_Qwen2-0.5B_0.3 — объединённая причинно-языковая модель семейства Qwen2, созданная с помощью mergekit методом NearSwap. В объединение вошли Qwen2-0.5B и debias_Qwen2-0.5B; параметр метода слияния t равен 0,3. Веса опубликованы в формате safetensors, модель рассчитана на генерацию текста и поддерживает диалоговый сценарий. Модель подходит для генерации продолжений и ответов в текстовом чате. В метаданных указан контекст до 131 072 токенов, а размер составляет около 493,7 млн параметров. Карточка не сообщает отдельные результаты оценки качества или перечень языков; сведения о лицензии отсутствуют, поэтому условия использования по имеющимся данным определить нельзя.

trinhkhng/nearswap_Merged_Qwen2-0.5B_0.4 — объединённая автором модель на архитектуре Qwen2, созданная методом NearSwap с помощью mergekit. В слиянии использованы базовая Qwen2-0.5B и модель debias_Qwen2-0.5B; параметр слияния t равен 0.4. Модель содержит около 493,7 млн параметров и рассчитана на генерацию текста в диалоговом сценарии; заявленная длина контекста — до 131 072 токенов. Модель подходит для диалоговой генерации и ответов на текстовые запросы. Репозиторий использует формат safetensors и библиотеку Transformers. Сведения о лицензии, поддерживаемых языках и оценках качества в предоставленных материалах отсутствуют.

NepaliGPT-2.0 — языковая модель PrinceLab Pvt. Ltd., дообученная на базе meta-llama/Llama-3.1-8B-Instruct. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. В карточке указано, что модель обучалась с использованием Unsloth и библиотеки TRL. Модель принимает текст и генерирует текст; заявленная длина контекста — 131 072 токена. Метаданные отмечают английский и непальский языки, однако карточка также указывает английский как язык модели, поэтому её специализация на непальском по доступным сведениям не подтверждена. Модель распространяется по лицензии MIT.

Masterjp123/NeuralMaid-7b — языковая модель на архитектуре Mistral, созданная слиянием SLERP моделей NeverSleep/Noromaid-7b-v0.2 и NurtureAI/neural-chat-7b-v3-16k. Она предназначена для генерации текста и диалоговых сценариев. Модель содержит 6,9 млрд параметров, принимает текст и может обрабатывать контекст длиной до 32 768 токенов; веса опубликованы в формате safetensors. Модель объединяет базовую модель Noromaid с Neural Chat, однако карточка не описывает отдельные преимущества или результаты оценки качества. Лицензия — Apache-2.0. Метаданные указывают английский язык.

NeuralsirkrishnaExperiment26-7B — автоматическое слияние моделей, созданное Maxime Labonne. В конфигурации указаны Kukedlc/NeuralSirKrishna-7b и rwitz/experiment26-truthy-iter-0; для объединения применён метод dare_ties. Метаданные описывают модель как плотную MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста. Репозиторий содержит веса Safetensors, а лицензия указана как Apache-2.0. Карточка не приводит конкретных сценариев применения или результатов оценки качества.

Amazon Nova Micro 1.0 — текстовая модель семейства Amazon Nova, разработанная Amazon. Она предназначена для генерации текста и диалоговых сценариев, где важны низкая задержка и низкая стоимость. Модель принимает текст и выдаёт текст; README характеризует её как самую быструю по отклику среди моделей семейства Nova. Длина контекста в предоставленном README обрывается и не указана полностью. Другие сведения об архитектуре, размере, поддерживаемых языках и лицензии в доступных материалах отсутствуют.

MergedQwen2-0.5B0.4 — языковая модель, созданная методом NuSLERP с помощью mergekit путём объединения Qwen2-0.5B и debias_Qwen2-0.5B с весами 0,6 и 0,4 соответственно. Модель использует плотную архитектуру Qwen2ForCausalLM, содержит около 493,7 млн параметров и работает с библиотекой Transformers в формате safetensors. Модель предназначена для генерации текста и диалогового взаимодействия. Заявленная длина контекста — до 131 072 токенов. Языки модели и её конкретные преимущества по снижению предвзятости в карточке не раскрыты. Лицензия не указана в доступных данных.

Модель разработана пользователем saksornr и дообучена на базе openthaigpt/openthaigpt-1.0.0-7b-chat. Это плотная причинно-языковая модель семейства Llama с 6,6 млрд параметров, представленная в формате Safetensors; при обучении использовались Unsloth и библиотека Hugging Face TRL. Модель предназначена для генерации текста и инструкционного диалога. В метаданных указан контекст до 4096 токенов и английский язык. Лицензия Apache-2.0. Карточка не описывает обучающие данные и конкретную специализацию дообучения, поэтому пригодность для отдельных предметных областей по ней определить нельзя.

Helsinki-NLP/opus-mt-en-hu — модель машинного перевода с английского на венгерский, разработанная в рамках проекта OPUS. Она основана на архитектуре Transformer и реализована как MarianMTModel; обучающие данные взяты из корпуса OPUS, а подготовка текста включает нормализацию и SentencePiece. Размер модели — 57,2 млн параметров, контекст — до 512 токенов. Модель предназначена для перевода предложений и текстов с английского языка на венгерский. В карточке приведён результат BLEU 40,1 и chr-F 0,628 на наборе Tatoeba.en.hu. Доступны веса PyTorch и TensorFlow. Модель распространяется по лицензии Apache 2.0.

Helsinki-NLP/opus-mt-es-fr — модель машинного перевода из семейства Marian, разработанная проектом OPUS/Helsinki-NLP. Она переводит текст с испанского языка на французский и подходит для перевода отдельных фраз и документов. Модель построена на архитектуре Transformer-align, использует нормализацию и токенизацию SentencePiece и содержит 63,5 млн параметров; длина контекста — до 512 токенов. Репозиторий содержит веса в форматах PyTorch и TensorFlow. В карточке приведены результаты тестирования на наборах новостных текстов: BLEU 32,0–33,6 и chr-F 0,585–0,610. Эти оценки относятся к указанным тестовым наборам и не гарантируют аналогичное качество на других темах и типах текста. Модель распространяется по лицензии Apache-2.0.

Карточка модели Hans-Mueller/opus-mt-tc-big-en-ko на Hugging Face совпадает с карточкой Helsinki-NLP/opus-mt-tc-big-en-ko, поэтому описание составлено по ней. Модель Helsinki-NLP/opus-mt-tc-big-en-ko разработана Language Technology Research Group Хельсинкского университета в рамках проекта OPUS-MT. Это нейросетевая модель машинного перевода на архитектуре Marian transformer-big, предназначенная для перевода текста с английского на корейский. Она обучена на данных OPUS с предобработкой SentencePiece и имеет около 133,4 млн параметров; доступная длина контекста — 1024 токена. Модель подходит для перевода предложений и текстовых фрагментов между английским и корейским языками. Веса доступны в форматах PyTorch, Safetensors и TensorFlow. Лицензия CC-BY-4.0 разрешает использование при соблюдении условий атрибуции. В README приведены сведения об оценке на тестовых данных, но численные результаты не заполнены, поэтому качество для конкретных текстов по этим данным оценить нельзя.

Helsinki-NLP/opus-mt-th-en — модель машинного перевода тайского текста на английский, созданная в рамках проекта OPUS-MT Helsinki-NLP. Это плотная модель архитектуры MarianMT с 57,1 млн параметров, обученная на паре языков Thai→English. Для токенизации применяются нормализация текста и SentencePiece с подмоделями по 32 тыс. токенов; нативная длина контекста — 512 токенов. Модель предназначена для перевода отдельных фраз и текстов с тайского на английский. В карточке приведён результат BLEU 48,1 и chr-F 0,644 на тестовом наборе Tatoeba-test.tha.eng. Доступны веса в форматах PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-vi-en — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с вьетнамского на английский и предназначена для перевода предложений и текстовых фрагментов между этими языками. Модель основана на архитектуре Transformer-align и реализована как MarianMTModel; в репозитории доступны веса PyTorch и TensorFlow. Размер составляет 52,7 млн параметров, родной контекст — 512 токенов. Перед обработкой текста применяются нормализация и SentencePiece с отдельными словарями размером 32 тыс. единиц для исходного и целевого языков. Для набора Tatoeba-test.vie.eng в карточке приведены оценки BLEU 42,8 и chr-F 0,608. Модель рассчитана на перевод с вьетнамского на английский; обратное направление и другие языковые пары не заявлены. Лицензия — Apache-2.0.

adalbertojunior/Qwen1.5-32B-Dolphin-Portuguese-v0.1 — разговорная языковая модель для генерации текста на португальском языке. Карточка содержит результаты оценки на Open Portuguese LLM Leaderboard, включая тесты ENEM Challenge и BLUEX, но не называет разработчика и не описывает обучение модели. Модель имеет плотную архитектуру класса LlamaForCausalLM и около 31,7 млрд параметров. Она принимает текст и генерирует текст; заявленное родное окно контекста составляет 32 768 токенов. Метаданные указывают поддержку чата и использование Transformers с весами safetensors. Результаты на португальских тестах указывают на ориентацию на задачи и знания, связанные с португалоязычной средой. Информация о лицензии, точных языках обучения, происхождении весов и ограничениях в карточке отсутствует; оценочные баллы сами по себе не гарантируют качество ответов в прикладных сценариях.

sparty1 подготовил дообученную текстовую модель на основе unsloth/Qwen2.5-1.5B-bnb-4bit с помощью Unsloth и библиотеки TRL от Hugging Face. Это плотная авторегрессионная модель семейства Qwen2 с 1,5 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Она принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов, язык в метаданных указан английский. Репозиторий содержит веса в формате safetensors. Модель можно использовать для генерации продолжений и ответов в текстовом чате. Карточка не описывает специальную предметную область или конкретные улучшения после дообучения, поэтому качество для отдельных сценариев по ней оценить нельзя. Лицензия — Apache-2.0.

Это созданная Richard Young версия Qwen2.5-1.5B-Instruct, обработанная методом abliteration с помощью Heretic v1.4.0 для уменьшения частоты отказов отвечать. Модель предназначена для диалоговой генерации текста и следования инструкциям; в карточке приведено сравнение, где она отказала в 3 из 100 случаев против 99 из 100 у исходной модели. Это изменение не гарантирует точность или безопасность ответов. Модель использует плотную авторегрессионную архитектуру Qwen2 с 1,5 млрд параметров и поддерживает контекст до 32 768 токенов. README описывает исходную instruct-модель как многоязычную, включая русский, однако метаданные этой версии отмечают английский язык. Репозиторий использует Transformers и формат safetensors. Лицензия — Apache-2.0.

phh/Qwen3-0.6B-TLDR-Lora — LoRA-адаптер для модели Qwen/Qwen3-0.6B, разработанный пользователем или организацией с идентификатором phh. Модель предназначена для задач суммаризации текста и связана с датасетом trl-lib/tldr. В метаданных указаны библиотека PEFT и тег конвейера summarization. Адаптер основан на Qwen3-0.6B, однако в предоставленной карточке не указаны точные архитектурные параметры, размер адаптера, поддерживаемые языки и длина контекста. Данные о модальностях отсутствуют, поэтому модель следует рассматривать как текстовую. Лицензия — Apache-2.0; дополнительные сведения о качестве, ограничениях и рекомендуемых сценариях использования не приведены.

shirley09221/qwen3-8b-full-pretrain-control-tweet-1m-en-sft — дообученная диалоговая языковая модель на архитектуре Qwen3 с 7,6 млрд параметров. По README, модель дообучена на наборе alpaca_en на основе shirley09221/qwen3-8b-full-pretrain-control-tweet-1m-en; метаданные указывают Qwen/Qwen3-8B как базовую модель и формат safetensors. Модель предназначена для генерации текста в диалоговом режиме. Контекст составляет до 40 960 токенов. Английский язык указан в названии набора данных для дообучения, но описание не подтверждает дополнительные специализированные сценарии или результаты оценки качества. Модель опубликована под лицензией other; конкретные условия использования по предоставленным данным установить нельзя.

Sailor-7B — языковая модель с открытыми весами для языков Юго-Восточной Азии, разработанная командой Sailor на основе Qwen1.5-7B. Это плотная авторегрессионная модель семейства Qwen2 с 7,1 млрд параметров и контекстом до 32 768 токенов; веса представлены в формате safetensors, лицензия — Apache-2.0. Модель предназначена для генерации текста и диалоговых сценариев на индонезийском, тайском, вьетнамском, малайском и лаосском языках. Среди целевых задач — ответы на вопросы и рассуждения на естественном языке; карточка сообщает о дообучении на открытых наборах данных и отмечает результаты бенчмарков для языков региона. Sailor-7B является базовой моделью семейства, а отдельная линейка Sailor-Chat включает модели, дополнительно настроенные на следование инструкциям. Качество может различаться между языками и задачами; результаты бенчмарков не гарантируют точность в конкретном приложении. Для использования требуется совместимая версия Transformers (в README рекомендуется 4.37.0 или новее).

Это дообученная и объединённая с базовой моделью Qwen3.5-9B модель от te-sla для классификации эмоций в сербских публикациях и генерации структурированного результата. Она принимает текст и выдаёт JSON-массив с нулём, одной или двумя метками из фиксированного набора: гнев, ожидание, отвращение, страх, радость, грусть, удивление и доверие. Модель построена на Qwen3.5-9B; обучение выполнено адаптером LoRA, который затем объединён с базовыми весами. Репозиторий содержит BF16-веса для прямой загрузки через Transformers и распространяется по лицензии Apache-2.0. Модель предназначена для исследовательского анализа сербских публикаций в социальных сетях и формирования структурированных меток эмоций. В описанной оценке на 3000 примерах тестового набора macro-F1 составил 0,526, а все ответы прошли строгую проверку JSON; эти результаты внутренние, тестовый набор использовался в предыдущих этапах работы и не является независимой внешней проверкой. Модель требует памяти для запуска 9-миллиардной модели в 16-битном формате, выдаёт наборы меток без калиброванных вероятностей и проверялась на сербских текстах Reddit и Twitter. Не предназначена для клинических заключений, определения психического состояния автора или решений с серьёзными последствиями.