III.2Исследование рынка и маркетинг

OpenBuddy/SimpleChat-30BA3B-V2 — мультиязычная чат-модель OpenBuddy, дообученная на OpenBuddy-R10528Distill-30BA3B-Preview0. Она построена на архитектуре Qwen3 MoE и предназначена для повседневных диалогов: модель стремится отвечать кратко, рационально и с эмпатией, а также поддерживает интерфейс вызова инструментов. В карточке указаны 2,4 млрд параметров и контекст до 200 000 токенов; README приводит длину контекста 40 000 токенов. Модель принимает текст и генерирует текст. Модель ориентирована на китайский, английский, французский, немецкий, японский, корейский, итальянский и финский языки. В README описано обучение с дистилляцией знаний продвинутых моделей и переходом от обучения на CoT-моделях к формату без CoT. Это должно сочетать быстрые ответы с рассуждением, но для математических задач модель может уступать специализированным CoT-моделям. Лицензия — Apache 2.0. Разработчики предупреждают, что ответы могут быть ошибочными или нежелательными и модель не следует применять в критически важных медицинских, финансовых, юридических и иных высокорисковых сценариях.

SJT-4B-v1.1 — объединённая языковая модель, созданная с помощью mergekit методом TIES. В основе объединения — MaziyarPanahi/calme-2.1-phi3.5-4b; также включена Sakalti/Lunar-4B. Модель построена на архитектуре Phi-3 и содержит 3,7 млрд параметров. Модель предназначена для диалоговой генерации текста. Метаданные указывают поддержку английского и японского языков, интерфейс чата и контекст до 4096 токенов. Репозиторий содержит веса в формате safetensors. Лицензия — MIT. В README не приведены результаты оценки качества или подробные ограничения; практические ответы могут зависеть от формулировки запроса и сценария использования.

Карточка модели logicker/SkkuDS-DPO-72B-v3 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.

MergedQwen2-0.5B0.4 — языковая модель на архитектуре Qwen2, созданная автором репозитория с помощью mergekit путём слияния двух предварительно обученных моделей: Qwen2-0.5B и debias_Qwen2-0.5B. Использован метод SLERP с параметром t=0.4; модель предназначена для генерации текста и диалоговых сценариев. Модель содержит около 493,7 млн параметров, использует формат safetensors и поддерживает контекст до 131 072 токенов. Карточка не сообщает конкретные языки или специализацию по прикладным областям, поэтому её следует рассматривать как модель общего назначения. Лицензия в предоставленных данных не указана.

SOLAR-10.7B-sft-dpo-v1 — разговорная языковая модель команды ETRI xainlp, дообученная на базе davidkim205/nox-solar-10.7b-v4. Это плотная причинно-авторегрессионная модель семейства Llama с 10,6 млрд параметров, принимающая и выдающая текст; заявленный родной контекст — 4096 токенов. Модель предназначена для генерации ответов в диалогах. При обучении использовались этапы SFT с LoRA на наборе из 1 821 734 примеров цепочек рассуждений и DPO с LoRA на 221 869 примерах пользовательских предпочтений. Доступна в формате safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. README не сообщает о поддерживаемых языках и не приводит оценки качества; возможности модели за пределами генерации диалогового текста не подтверждены.

Карточка модели zaddyzaddy/Soro-GPT-34k на Hugging Face совпадает с карточкой zaddyzaddy/Soro-GPT, поэтому описание составлено по ней. Soro-GPT — языковая модель от zaddyzaddy, дообученная на базе unsloth/llama-3-8b-bnb-4bit. Она использует плотную архитектуру Llama с причинно-языковой головой и предназначена для генерации текста. В карточке указаны 7,5 млрд параметров и контекст до 8192 токенов; для обучения применялись Unsloth и библиотека TRL. Модель можно использовать для генерации продолжений текста и диалоговых ответов. Карточка не описывает специализацию, обучающие данные или результаты оценки качества, поэтому пригодность для конкретных областей не подтверждена. Лицензия — Apache-2.0.

Модель SowmithDurusoju — дообученная версия unsloth/Llama-3.2-1B-Instruct для генерации текста и диалогового взаимодействия. Она построена на плотной архитектуре LlamaForCausalLM семейства Llama и содержит 1,2 млрд параметров. Для обучения использовались Unsloth и библиотека TRL от Hugging Face; в репозитории представлены веса Safetensors. Модель подходит для генерации ответов в диалоге, продолжения текста и других сценариев, где требуется компактная инструктивно настроенная языковая модель. Метаданные указывают контекстное окно до 131 072 токенов и английский язык. Модель распространяется по лицензии Apache-2.0.

SPUPER-qwen3.5-9b-ducky-add — дообученная компанией-разработчиком модель Qwen/Qwen3.5-9B, обученная с помощью TRL. Она предназначена для диалогового взаимодействия с текстом и изображениями; карточка демонстрирует генерацию ответа на текстовый вопрос, а метаданные указывают на поддержку зрения. Архитектура — плотная Qwen3.5ForConditionalGeneration, формат весов — safetensors; базовая модель содержит 9 млрд параметров. Модель подходит для диалога, ответов на вопросы по изображениям и генерации текста. README не описывает особенности обучения, целевые сценарии или дополнительные преимущества этой версии. Лицензия и ограничения на применение в предоставленных данных не указаны.

ssaryssane/ssary-only-solar-10.7B-slerp — объединённая языковая модель, созданная автором репозитория с помощью mergekit методом SLERP на основе upstage/SOLAR-10.7B-Instruct-v1.0 и macadeliccc/SOLAR-10.7b-Instruct-truthy-dpo. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM; в метаданных указан размер 7,1 млрд параметров и контекст 4096 токенов. Модель предназначена для генерации текста и диалоговых ответов по запросам и инструкциям. Базовая SOLAR ориентирована на англоязычные одношаговые диалоги и выполнение инструкций; подтверждённых сведений о поддержке других языков нет. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

StarFusion-alpha1 — объединённая диалоговая языковая модель, созданная nlpguy методом Model Stock с помощью mergekit на основе openchat/openchat_3.5 и моделей Starling-LM-7B-alpha, OpenChat-3.5-7B-Solar и OpenChat-3.5-7B-Mixtral. Она предназначена для генерации текста и ответов в чат-формате. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 8192 токенов. Репозиторий распространяет веса в формате Safetensors; указана лицензия Apache-2.0. Модель ориентирована на англоязычный диалог согласно описанию базовой модели. Карточка не приводит результатов оценки качества или подробных ограничений применения.

Sunflower-Qwen3.5-9B — мультиязычная текстовая модель Sunbird, дообученная на базе Qwen3.5-9B для работы с 67 африканскими языками. Обучение включало продолжение предобучения на корпусах целевых языков, настройку по инструкциям и обучение с подкреплением для улучшения перевода, фактической точности, языковой согласованности и следования инструкциям. Модель распространяется в формате safetensors через Transformers; лицензия — Apache-2.0. Модель предназначена прежде всего для перевода между английским и африканскими языками, а также для выполнения инструкций и многоходового диалога на этих языках. Для перевода рекомендуется шаблон «Translate to {название языка на английском}: {текст}» и температура 0; исходный язык обычно определяется автоматически. Для свободной генерации подходят инструкции на английском с указанием языка ответа или инструкции на целевом языке. Качество заметно различается в зависимости от языка и объёма обучающих данных: для части языков понимание хорошее, для других — умеренное или базовое. Карточка обозначает веса как предварительную версию, поэтому результаты и поведение модели могут измениться до финального выпуска. Перевод — наиболее оптимизированный сценарий; чат и рассуждения поддерживаются, но их качество может быть ниже.

T3qm7xExperiment26-7B — объединённая Maxime Labonne модель для генерации текста. Она создана методом SLERP из nlpguy/T3QM7X и rwitz/experiment26-truthy-iter-1; архитектура — плотная MistralForCausalLM с 7,1 млрд параметров. Модель принимает текст и генерирует текст, поддерживая контекст до 32 768 токенов. Модель подходит для генерации продолжений и диалоговых ответов. Репозиторий содержит веса в формате safetensors, а лицензия — Apache-2.0. В карточке приведены конфигурация слияния и краткий пример использования через Transformers, но нет сведений о специальных задачах или оценках качества.

WindyTranslate/translate-bg-en — модель машинного перевода от Windstorm Labs для перевода текста с болгарского на английский. Это дообученная версия Helsinki-NLP/opus-mt-bg-en: LoRA-дообучение на параллельном корпусе объединено с базовыми весами. Модель построена на архитектуре MarianMT, содержит 56,8 млн параметров и принимает текст; контекст составляет до 512 токенов. Модель предназначена для перевода фраз и документов с болгарского языка на английский. В карточке приведена скрининговая оценка на 48 предложениях FLORES-200 dev: chrF++ 58,73 и BLEU 28,02. Репозиторий содержит сборку Transformers в формате safetensors. Лицензия — Apache-2.0.

WindyTranslate/translate-en-uk — модель машинного перевода Windstorm Labs, дообученная на параллельном корпусе OPUS-100 на основе Helsinki-NLP/opus-mt-en-uk. Она переводит текст с английского на украинский и подходит для автоматического перевода фраз и документов. Модель построена на архитектуре MarianMT, содержит 56,7 млн параметров, принимает текст и работает с контекстом до 512 токенов. Репозиторий содержит веса в формате safetensors для Transformers. В README приведена оценка FLORES-200 dev на 48 предложениях: chrF++ 41,49 и BLEU 16,48; авторы относят результат к уровню «Usable» и подчёркивают, что это предварительная проверка, а не публикационный результат. Поддерживается только направление с английского на украинский, поэтому качество на других направлениях не заявлено. Модель распространяется по лицензии Apache-2.0.

SaketR1/uncertainty-sft-2 — мультимодальная модель с архитектурой Qwen3.5, дообученная автором на базе Qwen/Qwen3.5-2B с помощью TRL. Она предназначена для диалогов и генерации ответов по текстовым запросам; метаданные также указывают поддержку понимания изображений. Пример в карточке показывает генерацию текста в ответ на пользовательский вопрос. Модель содержит 2 млрд параметров согласно описанию базовой модели в каталоге и распространяется в формате safetensors для Transformers. Лицензия в предоставленных данных не указана.

YamshadowStrangemerges_32_Experiment27Experiment28 — объединённая методом SLERP модель семейства Mistral, опубликованная MaziyarPanahi. Она предназначена для генерации текста и может использоваться для диалога и продолжения текстовых запросов. Модель содержит 7,1 млрд параметров, построена на архитектуре MistralForCausalLM и поддерживает контекст до 32 768 токенов. Модель объединяет automerger/YamshadowStrangemerges_32-7B и automerger/Experiment27Experiment28-7B. Доступна в формате safetensors по лицензии Apache-2.0. README не описывает результаты оценки качества или специализированное назначение, поэтому возможности модели за пределами генерации текста не установлены.

YetAnother_Open-Llama-3B-LoRA-OpenOrca — языковая модель Andron00e, полученная дообучением openlm-research/open_llama_3b на датасете Open-Orca/OpenOrca. Это плотная авторегрессионная модель семейства Llama с 3,3 млрд параметров, предназначенная для генерации текста и ответов на вопросы. Она принимает текст и выдаёт текст; в метаданных указан английский язык и контекст до 2048 токенов. Модель опубликована в форматах PyTorch и Safetensors и использует библиотеку Transformers. В README приведена оценка на тестовой части HellaSwag: accuracy 0,4899 и нормализованная accuracy 0,6506. Модель может подойти для ответов на вопросы и текстовых инструкций на английском, однако приведённая оценка относится к бенчмарку, а не к широкому набору прикладных сценариев. Лицензия — Apache-2.0.

Модель ShenaoZ/0.0001_sft_nodpo_4iters_bs256_555lr_iter_1 — дообученная версия MistralForCausalLM с плотной архитектурой и 7,1 млрд параметров. Она создана на основе HuggingFaceH4/mistral-7b-sft-beta и обучена на наборах данных updated и original; доступна в формате safetensors. Модель предназначена для генерации текста и диалогового общения: её можно использовать для ответов на вопросы и ведения текстового чата. Размер контекста — до 32 768 токенов. Базовая модель описана как обученная на англоязычных синтетических диалогах, поэтому английский — основной язык, хотя сведения о языках самой дообученной версии ограничены. Модель распространяется по лицензии MIT. README не приводит результатов оценки качества или подробностей обучения, поэтому фактическую точность ответов и пригодность для конкретных сценариев следует проверять отдельно.

ShenaoZhang/0.001_idpo_same_iter_2 — диалоговая языковая модель, дообученная авторами на основе ShenaoZhang/0.001_idpo_same_iter_1 на обновлённом и исходном наборах данных. Модель использует плотную архитектуру Mistral с причинным языковым декодером и содержит 7,1 млрд параметров. Она предназначена для генерации текста в чате; длина контекста составляет 32 768 токенов. Модель опубликована в формате safetensors и распространяется по лицензии MIT. README не приводит сведений о целевых сценариях, оценке качества или ограничениях, поэтому практические характеристики дообучения сверх указания наборов данных не установлены.

AfriNLP/AfriNLLB-12enc-12dec-full-ft — дообученная командой AfriNLP модель машинного перевода на базе facebook/nllb-200-distilled-600M. Она обучена на наборе AfriNLP/AfriNLLB-train и поддерживает 15 языковых пар, то есть 30 направлений перевода. Среди перечисленных языков — суахили, хауса, йоруба, амхарский, сомали, зулу, лингала, африкаанс, волоф, египетский арабский, а также арабский, английский, французский, португальский и испанский. Модель использует архитектуру M2M100 с 12 слоями энкодера и 12 слоями декодера, содержит 463,7 млн параметров и имеет контекст до 1024 токенов. Для инференса доступны Transformers и CTranslate2; авторы рекомендуют CTranslate2 для более быстрого применения. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но не коммерческое применение.

agiin-11.1B-v0.0 — диалоговая языковая модель MindsAndCompany на архитектуре Mistral, представленная как предварительно обученная, настроенная на следование инструкциям и дополнительно оптимизированная методом DPO. Она предназначена для генерации ответов в чате и решения общих текстовых задач; пример в карточке показывает запрос на корейском языке с просьбой объяснить сравнение объёмов сфер. Модель содержит около 11 млрд параметров, использует формат safetensors и имеет контекст длиной 4096 токенов. В метаданных указан английский язык, поэтому поддержка корейского по одному примеру из README не подтверждена. Модель выпущена под лицензией Apache-2.0.

AIFT의 AIFT-ko-orca-plat-Yi-ko-6b-v1.1-dpo는 한국어 지시 수행을 위한 텍스트 생성 모델로, README에서는 orca-platypus instruct-DPO v1.1로 설명되어 있습니다. 모델은 약 5,9 млрд параметров, Llama-совместимая плотная архитектура, контекст до 2048 токенов и формат safetensors; опубликована по лицензии CC BY-SA 4.0. Модель дообучена с помощью LoRA на примерно 40 тысячах примеров. В набор вошли задания по истории, естественным наукам, математике, машинному чтению, анализу отзывов, обобщению, грамматике, общеобразовательным вопросам и викторинам, а также перевод между корейским и английским. Данные собраны и подготовлены разработчиком на основе открытых наборов и самостоятельно созданных примеров; обучающие файлы не опубликованы. Подходит для ответов на вопросы и выполнения учебных инструкций на корейском, включая базовые научные и математические задачи, чтение с пониманием и перевод. Контекст 2048 токенов ограничивает работу с длинными документами; сведения о качестве на независимых тестах в карточке не приведены.

appvoid/arco-reddit-v3 — компактная авторегрессионная языковая модель семейства Llama, разработанная appvoid и дообученная на основе appvoid/arco-2. Она предназначена для генерации текста и диалогового общения; размер модели — 464,4 млн параметров, длина контекста — 8192 токена. Модель опубликована в формате PyTorch и обучалась с использованием Unsloth и Hugging Face TRL. Лицензия — Apache-2.0. Метаданные указывают английский язык и поддержку чата. Карточка не описывает Reddit-специализацию или конкретные обучающие данные, поэтому такие возможности нельзя подтвердить.

AudioX-North-v1 — модель автоматического распознавания речи семейства AudioX, разработанного Jivi AI. Это дообученная на базе Whisper модель для транскрибации речи на хинди, гуджарати и маратхи; README также описывает специализированную южноиндийскую версию семейства, но не относит её языки к этому чекпойнту. Модель принимает аудио и выдаёт текст, поддерживает автоматическое определение языка и предназначена для голосовых помощников, транскрибации, автоматизации клиентского обслуживания и создания многоязычного контента. При обучении применялись контролируемое дообучение, адаптация домена, балансировка языков и добавление шумов. В README заявлена оценка на бенчмарке Vistaar, однако приведённые результаты относятся к AudioX в целом, поэтому их нельзя однозначно приписать варианту North. Чекпойнт опубликован в формате safetensors и распространяется по лицензии Apache-2.0.

Azure Dusk-v0.1 — разговорная языковая модель Epiculous для диалога, ролевых игр и использования в качестве помощника. Она основана на Mistral-Nemo-Base-2407 и имеет плотную архитектуру MistralForCausalLM с 12,1 млрд параметров. Модель обучали в два этапа с LoRA: сначала на инструкционных данных, затем на данных для ролевых игр. В карточке указано окно контекста до 1 024 000 токенов. Модель рассчитана на генерацию диалоговых ответов, которые могут быть полезными и при этом менее шаблонными, а также на ролевое взаимодействие. В README рекомендован формат запроса Mistral Instruct; для некоторых квантованных вариантов могут лучше работать шаблоны ChatML. Поддерживаются английский, французский, немецкий, испанский, итальянский, португальский, русский, китайский и японский языки. Лицензия — Apache-2.0.

MaziyarPanahi/calme-3.2-baguette-3b — чат-модель, разработанная MaziyarPanahi на основе Qwen/Qwen2.5-3B и дообученная для общих задач на французском и английском языках. Это плотная авторегрессионная модель семейства Qwen2 с 3,1 млрд параметров, контекстом до 32 768 токенов и поддержкой шаблона ChatML. Модель предназначена для диалогов и генерации текста в общих сценариях на французском и английском языках. В карточке приведены результаты Open LLM Leaderboard: среднее значение 22,14, IFEval — 63,38 и BBH — 25,87; этих оценок недостаточно для вывода о качестве во всех задачах. Автор предупреждает, что небольшой размер модели может снижать качество на некоторых запросах и повышать чувствительность к гиперпараметрам. Рекомендуются меры контроля и проверка человеком при использовании. Лицензия указана как other, без конкретных условий в предоставленных данных.

Cydonia-22B-v1.1 — диалоговая языковая модель, представленная BeaverAI. Она предназначена для генерации текста в формате чата, ролевых диалогов и историй; карточка рекомендует шаблоны Metharme/Pygmalion и Mistral, а также обычное продолжение текста. Версия 1.1 описана как менее склонная к отказам и морализаторству и улучшенная в следовании сценарию. Модель имеет плотную архитектуру MistralForCausalLM и содержит 22 млрд параметров. Метаданные указывают контекст до 131 072 токенов и формат весов safetensors. Для лицензии указано значение «other»; конкретные условия в карточке не раскрыты, поэтому перед использованием следует проверить лицензионные сведения репозитория.

DataDecide-falcon-and-cc-1B-6000062500650006750069369weightedavgmerge — объединение предварительно обученных языковых моделей, созданное с помощью mergekit методом Linear. В качестве базовой использована контрольная точка step69369, также в объединение вошли контрольные точки step60000, step62500, step65000 и step67500 из серии falcon-and-cc. Модель построена на архитектуре LlamaForCausalLM и содержит 1,2 млрд параметров. Она предназначена для генерации текста; нативный контекст составляет 2048 токенов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Карточка не сообщает о специализированной предметной области или поддерживаемых естественных языках. Сведения о лицензии отсутствуют, поэтому условия использования по имеющимся данным определить нельзя.

spow12/EEVE_ver_4.1_sft — дообученная модель spow12 на базе yanolja/EEVE-Korean-10.8B-v1.0. Это плотная причинная языковая модель семейства Llama с архитектурой LlamaForCausalLM и 10,6 млрд параметров, представленная в формате Safetensors и рассчитанная на генерацию текста и диалоговое общение. В README указано дообучение на пользовательском датасете, но его состав и специализация не раскрыты. Модель поддерживает английский и корейский языки, использует контекст длиной до 4096 токенов и распространяется по лицензии Apache-2.0. Её можно рассматривать для генерации текста и диалоговых сценариев на поддерживаемых языках. Поскольку сведения о датасете и результаты оценки качества отсутствуют, пригодность для конкретной предметной области и уровень качества ответов по карточке определить нельзя.

EXAONE 3.5 7.8B Korean-English Translation — языковая модель компании LG AI Research, дообученная методом LoRA на базе LGAI-EXAONE/EXAONE-3.5-7.8B-Instruct и объединённая с базовой моделью. Она предназначена для перевода между корейским и английским языками; также может использоваться для генерации текста и диалогов на этих языках. Модель содержит 7,4 млрд параметров, использует плотную архитектуру ExaoneForCausalLM, работает с Transformers и принимает текст, выдавая текст. Контекстное окно составляет 32 768 токенов. Модель ориентирована на двунаправленный перевод корейского и английского языков. Использование регулируется лицензией с обозначением «other» на Hugging Face; конкретные условия следует проверять в репозитории модели и у правообладателя. В карточке не приведены результаты сравнительной оценки качества перевода.