III.2Исследование рынка и маркетинг

Ognoexperiment27multi_verse_modelNeuralsynthesis-7B — автоматическое слияние моделей, опубликованное Maxime Labonne. В README описана конфигурация mergekit с методом dare_ties: в неё включены Kukedlc/NeuralSynthesis-7B-v0.1 и automerger/Ognoexperiment27Multi_verse_model-7B; для первой модели указаны density 0,53 и weight 0,6, также применена int8-маска. Архитектура — плотная MistralForCausalLM с 7,1 млрд параметров, формат весов — safetensors, контекст — до 32 768 токенов. Модель предназначена для генерации текста. Каталог указывает английский и испанский языки для базовой модели, однако README не описывает отдельные сценарии или результаты оценки именно этого слияния. Лицензия — Apache-2.0.

OpenBuddy/openbuddy-llama3.2-3b-v23.2-131k — многоязычная диалоговая модель OpenBuddy, построенная на Meta Llama 3.2 3B. Это плотная авторегрессионная архитектура LlamaForCausalLM с 3,2 млрд параметров и контекстом до 131 072 токенов; репозиторий содержит веса safetensors. Модель предназначена для чат-ботов и генерации ответов на английском и китайском языках. Карточка также позиционирует OpenBuddy как многоязычную модель, а метаданные перечисляют французский, немецкий, японский, корейский, итальянский и финский. Для работы рекомендован быстрый токенизатор Transformers; карточка предупреждает, что другие реализации могут некорректно обрабатывать специальные токены. Лицензия — Llama 3.2, с условиями и ограничениями Meta Llama 3.2 и заявлением OpenBuddy об использовании без гарантий.

Helsinki-NLP/opus-mt-ar-es — модель машинного перевода из семейства MarianMT, опубликованная Helsinki-NLP в рамках проекта OPUS. Она переводит текст с арабского на испанский; при обучении учитывались варианты арабского, включая apc, apc_Latn, ara и arq. Модель основана на Transformer, содержит 57,2 млн параметров и использует нормализацию и SentencePiece с словарями по 32 тыс. единиц. Максимальная длина контекста — 512 токенов. Модель подходит для перевода арабских текстов на испанский, в том числе для локализации материалов и перевода коротких сообщений. В README приведён результат BLEU 46,0 на Tatoeba-test.ara.spa; этот показатель относится к указанному тестовому набору и не гарантирует аналогичного качества на других текстах. Модель распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-es-uk — модель машинного перевода из семейства OPUS-MT, разработанного Helsinki-NLP. Она переводит текст с испанского языка на украинский и предназначена для автоматического перевода предложений и коротких текстов. Модель основана на архитектуре Transformer-align и реализована как MarianMTModel; содержит 57,1 млн параметров, использует нормализацию и SentencePiece с словарями spm32k. Контекст составляет до 512 токенов. Для тестового набора Tatoeba-test.spa.ukr указаны BLEU 41,3 и chr-F 0,614. Модель принимает испанский текст и выдаёт украинский перевод. Распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-hi-en — модель машинного перевода из семейства Marian, разработанная проектом OPUS и опубликованная организацией Helsinki-NLP. Она переводит текст с хинди на английский и предназначена для перевода предложений и текстовых фрагментов. Модель основана на архитектуре Transformer-align, обучена на данных OPUS, использует нормализацию и токенизацию SentencePiece. Веса содержат 56,5 млн параметров; максимальная длина контекста — 512 токенов. В карточке приведены результаты на тестовых наборах: BLEU 9,1 для newsdev2014, 13,6 для newstest2014 и 40,4 для Tatoeba. Качество зависит от тематики и формулировок; приведённые оценки показывают заметную разницу между наборами. Модель рассчитана на перевод с хинди на английский, а не на обратный перевод или другие языковые пары. Распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-lv-en — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с латышского языка на английский и предназначена для автоматического перевода предложений и текстовых материалов. Модель основана на архитектуре Marian Transformer, использует нормализацию и SentencePiece; содержит 54,8 млн параметров и рассчитана на контекст до 512 токенов. В карточке приведены результаты на тестовых наборах: BLEU 29,9 на newsdev2017, 22,1 на newstest2017 и 53,3 на Tatoeba. Модель поддерживает латышский как исходный язык и английский как целевой. Доступна по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-roa-en — модель машинного перевода из проекта OPUS-MT, разработанная Helsinki-NLP. Это трансформер MarianMT примерно на 58,4 млн параметров, обученный переводить тексты с набора романских языков на английский. Поддерживаются, среди прочих, французский, испанский, португальский, итальянский, румынский, каталанский, галисийский и окситанский, а также региональные языки и разновидности; вход нормализуется и токенизируется SentencePiece. Контекст модели — до 512 токенов. Модель подходит для перевода отдельных фраз и текстов с романских языков на английский. В карточке приведены результаты оценки на тестовых наборах, включая BLEU и chr-F; качество зависит от языка, жанра и длины текста. Модель распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-tc-big-en-hu — модель машинного перевода проекта OPUS-MT для перевода текста с английского на венгерский. Она разработана на основе Marian NMT и использует архитектуру Transformer Big; в репозитории указано 159 млн параметров. Модель обучена на данных OPUS с применением обратного перевода и токенизации SentencePiece с словарями по 32 тыс. токенов; максимальный нативный контекст составляет 1024 токена. Модель предназначена для перевода предложений и документов с английского на венгерский. В README приведены результаты на тестовых наборах Tatoeba, FLORES-101 и новостном корпусе. Модель принимает текст и выдаёт текст перевода; для работы доступны PyTorch, TensorFlow и Transformers. Лицензия — CC-BY-4.0. Модель рассчитана только на направление английский → венгерский. Приведённые оценки зависят от тестового набора и не гарантируют такое же качество для произвольных текстов или специализированных областей.

Helsinki-NLP/opus-mt-tc-big-en-zle — модель машинного перевода проекта OPUS-MT, разработанная командой Helsinki-NLP. Она переводит текст с английского языка на белорусский, русский и украинский; целевой язык задаётся специальной меткой. Модель построена на Marian NMT и представлена в архитектуре MarianMTModel. Веса объёмом 163,7 млн параметров доступны в форматах PyTorch, SafeTensors и TensorFlow; длина контекста — до 1024 токенов. Модель предназначена для перевода предложений и текстов с английского на восточнославянские языки. В карточке приведены тестовые результаты на наборах Tatoeba для белорусского, русского и украинского языков. Данные для обучения взяты из OPUS, а обучающий конвейер основан на OPUS-MT-train. Модель опубликована по лицензии CC BY 4.0; при использовании авторы просят цитировать публикации проекта OPUS-MT.

Это дообученная разговорная языковая модель m3rtsavar на архитектуре Llama 3. В качестве основы использована unsloth/llama-3-8b-Instruct-bnb-4bit; при обучении применялись Unsloth и библиотека Hugging Face TRL. Модель предназначена для генерации текста в диалоговом формате. Её можно использовать для создания ответов на сообщения и ведения текстовых бесед. Модель имеет около 7,5 млрд параметров и контекстное окно до 8192 токенов; карточка указывает английский язык. Модель распространяется в формате Safetensors по лицензии Apache 2.0. Карточка не описывает специализацию дообучения и оценки качества, поэтому пригодность для конкретных задач следует проверять отдельно.

Модель ihughes15234/phi35_pd_dpo10epoch_1200 — разговорная языковая модель, разработанная ihughes15234 и дообученная на базе ihughes15234/phi_3_5_mini_3k_each. Она предназначена для генерации текста и диалоговых ответов на английском языке. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 3,7 млрд параметров и поддерживает контекст до 4096 токенов; в репозитории представлены веса safetensors. Модель обучалась с использованием Unsloth и библиотеки Hugging Face TRL. Лицензия Apache-2.0 разрешает использование и распространение на её условиях. Карточка не приводит оценок качества или специализированных областей применения.

robinsmits/Qwen1.5-7B-Dutch-Chat — чат-модель на базе Qwen1.5-7B-Chat, дообученная автором с помощью DPO на нидерландском наборе BramVanroy/ultra_feedback_dutch_cleaned. Она предназначена для диалогов и генерации ответов на нидерландском языке. Модель имеет плотную архитектуру Qwen2 с 7,1 млрд параметров и контекстным окном 32 768 токенов; репозиторий содержит веса в формате safetensors. Модель показала результаты на нидерландской оценке ScandEval, близкие к GPT-3.5, по заявлению автора; приведённые в README результаты Open LLM Leaderboard относятся к английскому языку. Лицензия CC-BY-NC-4.0 и использованный обучающий набор исключают коммерческое применение. Как и другие большие языковые модели, она может выдавать предвзятые или фактически неверные ответы, поэтому результаты следует проверять.

sophiebui/ru-en_mtmodel — дообученная Sophie Bui модель машинного перевода на основе многоязычной encoder-decoder архитектуры M2M-100 от Meta. Модель рассчитана на перевод между русским и английским языками; карточка сообщает о дообучении на наборе данных, название которого не приведено. Для оценки указан результат BLEU 70,991 на evaluation set. Модель содержит 332,5 млн параметров, использует библиотеку Transformers и формат весов safetensors. Длина контекста — 1024 токена. Лицензия — MIT. Карточка не описывает ограничения или условия оценки подробнее.

SambaLingo-Thai-Base — двуязычная языковая модель SambaNova Systems на архитектуре Llama 2 с 6,7 млрд параметров. Это предварительно обученный чекпойнт, адаптированный к тайскому языку дообучением на 38 млрд токенов тайской части корпуса Cultura-X; словарь токенизатора расширен с 32 000 до 57 000 токенов. Модель предназначена для генерации текста на тайском и английском языках, а также может использоваться в задачах перевода; авторы сообщают о сильных результатах по perplexity и оценке перевода FLORES-200. Модель принимает текст и генерирует продолжение. Контекст составляет 4096 токенов. Для работы рекомендуется генерация без сэмплирования; для эффективного использования базового чекпойнта нужны примеры в few-shot промпте. Для диалогов с прямыми вопросами разработчик рекомендует отдельную чат-версию SambaLingo-Thai-Chat. Модель может галлюцинировать, переключаться между языками или диалектами и повторять фразы; её возможности в программировании и сложной математике ограничены, а ответы могут содержать токсичный или неуместный контент. Не следует применять её в критически важных сценариях и для решений, затрагивающих безопасность людей. Использование регулируется лицензией Meta Llama 2 Community License Agreement.

StableVicuna-13B-Delta — delta-веса разговорной языковой модели StableVicuna-13B, разработанной Duy Phung из CarperAI. Это авторегрессионная плотная модель на архитектуре LLaMA с 12,9 млрд параметров, дообученная с подкреплением на основе отзывов людей (RLHF) методом PPO на наборах разговоров и инструкций. Для восстановления полной модели delta-веса нужно применить к весам LLaMA 13B; отдельно этот репозиторий не является готовой к запуску моделью. Модель предназначена для генерации текста и диалогов на английском языке, включая ответы на инструкции и вопросы. Контекст составляет 2048 токенов. Для обучения использовались OpenAssistant Conversations, GPT4All Prompt Generations и Alpaca. Delta-веса распространяются по лицензии CC-BY-NC-SA-4.0, а базовые веса LLaMA имеют отдельную некоммерческую лицензию Meta. Модель может выдавать токсичные, предвзятые или вредные ответы; её ответы не следует считать достоверным источником или заменой человеческого суждения.

Standard One 3B — мультиязычная модель решений от StandardThinking на базе дообученной и слитой версии Ministral 3 3B Instruct. Она оценивает заданный сценарий и возвращает вероятности для вариантов ответа: выбора из списка, ответа «да/нет» или порядковой шкалы; свободный текст модель не генерирует. Поддерживается ввод изображений, однако приведённые в карточке результаты относятся к текстовым решениям. Модель рассчитана на сценарии, где нужно ранжировать ограниченный набор вариантов или оценить их вероятности, включая вопросы с большим числом ответов и длинными документами. Контекст при описанной конфигурации обслуживания — до 32 768 токенов. Обучающая смесь включает английский, японский, китайский, испанский, французский, немецкий, португальский, русский и в меньшей доле корейский языки. Контрольные результаты зависят от распределения задач и способа обслуживания; для существенно отличающегося распределения рекомендуется повторно настроить температуры. Вероятности в локальном и серверном режимах могут различаться. Лицензия — Apache-2.0.

TinyLlama-1.1B-intermediate-step-715k-1.5T-lr-5-1epch-airoboros3.1-1k-instruct-V1 — языковая модель Habanoz, дообученная методом QLoRA на наборе airoboros-3.1-no-mathjson-max-1k; LoRA-адаптер объединён с базовой моделью. Это плотная авторегрессионная модель семейства Llama примерно с 1 млрд параметров, предназначенная для генерации текста в формате инструкций и диалогов. Контекст модели составляет 2048 токенов. Модель подходит для ответов на инструкции и вопросы, а также генерации коротких текстов на английском языке. В README приведены результаты оценивания на нескольких тестах, включая AI2 Reasoning Challenge и HellaSwag. Модель распространяется в формате Safetensors по лицензии Apache-2.0. QLoRA описывает метод обучения; опубликованная модель содержит объединённые веса адаптера.

giocorte/totem-slm-rl-v4 — дообученная текстовая модель giocorte на базе unsloth/Qwen3-4B. Это плотная причинно-языковая модель семейства Qwen3 с 3,7 млрд параметров, рассчитанная на генерацию текста и диалоговые сценарии; для работы предусмотрен контекст до 40 960 токенов. Карточка сообщает, что модель обучали с помощью Unsloth и библиотеки TRL от Hugging Face. Модель подходит для генерации ответов в чате и других задач, сводимых к продолжению текста. Метаданные указывают английский язык. Репозиторий содержит веса в формате Safetensors и опубликован по лицензии Apache-2.0. Специализированная область применения и результаты оценки качества в карточке не описаны.

WindyTranslate/translate-az-en — компактная модель машинного перевода от Windstorm Labs для перевода текста с азербайджанского на английский. Она основана на Helsinki-NLP/opus-mt-az-en и использует архитектуру MarianMT; в репозитории указано 37,1 млн параметров и контекст до 512 токенов. Веса дообучены методом LoRA на параллельных текстовых данных, а адаптер объединён с базовыми весами. Модель распространяется в формате safetensors и загружается через Transformers как модель последовательностного преобразования текста. Лицензия — Apache-2.0.

Windstorm Labs выпустила компактную модель машинного перевода с французского на английский. Это дообученная версия Helsinki-NLP/opus-mt-fr-en: LoRA-адаптер обучили на параллельных данных и объединили с базовыми весами. Модель построена на архитектуре MarianMT, содержит 55,6 млн параметров, принимает текст и выдаёт текст; для загрузки доступна сборка Transformers в формате safetensors. Максимальная длина контекста — 512 токенов. Модель предназначена для перевода французских текстов на английский. В README приведён скрининговый результат FLORES-200 для 48 предложений: chrF++ 63,14 и BLEU 37,61; это предварительная оценка, а не результат публикационного исследования. Другие языковые направления не заявлены. Лицензия — Apache-2.0.

Trinity_Notus-xb — объединённая языковая модель, созданная автором powermove72 из janai-hq/trinity-v1 и argilla/notus-7b-v1 с помощью LazyMergekit. Она предназначена для генерации текста и диалоговых ответов. Модель использует плотную архитектуру MistralForCausalLM, содержит 11 млрд параметров и поддерживает контекст до 32 768 токенов. В репозитории опубликованы веса Safetensors; конфигурация слияния использует метод passthrough и тип float16. Базовая модель Notus описана как диалоговая модель на базе Mistral, дообученная методом DPO для ответов преимущественно на английском языке. README не сообщает отдельные результаты оценки качества или дополнительные возможности Trinity_Notus-xb. Лицензия в предоставленных данных не указана.

Tron-1B — англоязычная модель SamCodeManMk2 для классификации текста по вариантам, заданным в запросе: она выбирает метку, выставляет оценку по шкале или отвечает «да/нет» и возвращает вероятности и показатели уверенности. Модель предназначена для быстрых решений в приложениях с ИИ: маршрутизации запросов, определения намерений, первичной сортировки, проверки безопасности и автоматизации рабочих процессов. Это двунаправленный энкодер на 1,1 млрд параметров на базе jhu-clsp/ettin-encoder-1b с отдельной головой принятия решений. Входной текст, вопрос и варианты ответа кодируются совместно; модель обучена примерно на 1,2 млн примеров типизированных решений. Набор меток и вопрос можно задавать во время выполнения без переобучения. Для неопределённых ответов доступны порог уверенности и отказ от решения; длинный текст можно обрабатывать скользящими окнами. В опубликованных разработчиком тестах модель показала результаты на классификации намерений, тем, тональности и обнаружении prompt injection. Лучше всего она работает на английском и на входах короче примерно 2 000 токенов; точность снижается на очень больших наборах новых меток. Tron-1B классифицирует только среди предоставленных вариантов и не генерирует свободный текст. Модель выпущена под лицензией CC BY-NC 4.0, которая ограничивает коммерческое использование.

TwinLlama-3.1-8B-DPO — языковая модель семейства Llama, разработанная np1212 и дообученная на базе np1212/TwinLlama-3.1-8B методом DPO. Она предназначена для генерации текста и диалогового общения. Модель содержит 7,5 млрд параметров, принимает текст и выдаёт текст, а её контекстное окно составляет 131 072 токена. В карточке указано, что при обучении использовались Unsloth и библиотека TRL. Модель распространяется в формате safetensors по лицензии Apache-2.0. Метаданные указывают английский язык; сведений о других поддерживаемых языках или специализированных областях применения нет.

Umbral-v0.4-2 — объединённая языковая модель на архитектуре Llama 3, созданная сообществом mergekit-community методом task arithmetic из трёх моделей: Hastagaras/Jamet-8B-L3-MK.V-Blackroot, Casual-Autopsy/SOVL-MopeyMule-8B и Casual-Autopsy/MopeyMule-Blackroot-8B. Модель содержит 7,5 млрд параметров, использует формат safetensors и поддерживает контекст до 8192 токенов. Модель предназначена для генерации текста и диалогов, включая ролевые сценарии и создание историй. Она принимает текстовые запросы и выдаёт текст. Карточка не сообщает конкретные языки или прикладные области. Условия лицензии в предоставленных данных не приведены.

ICEPVP8977/Uncensored_llama_3.2_3b_safetensors — текстовая генеративная модель семейства Llama, представленная в формате safetensors. По названию репозитория она основана на Llama 3.2 3B и позиционируется как менее ограниченная версия, сохраняющая уважительный тон общения без чрезмерной цензуры. Разработчик в README не назван. Модель предназначена для генерации текста и диалоговых ответов на английском языке. Размер модели составляет 3,2 млрд параметров, архитектура — плотная авторегрессионная LlamaForCausalLM; заявленная длина контекста — 131 072 токена. README содержит инструкцию по загрузке весов через Hugging Face Hub. Данных о лицензии и результатах оценки качества в предоставленных материалах нет, поэтому условия использования и фактическую степень ограничений по ним определить нельзя. Перед применением следует проверить лицензию и поведение модели на целевых сценариях.

VietAI/vit5-base — предварительно обученная модель семейства T5, разработанная VietAI для работы с вьетнамским языком. Это Transformer-архитектура типа encoder-decoder с 126,8 млн параметров и контекстом до 512 токенов; доступны версии весов для PyTorch, TensorFlow и Flax. Модель предназначена для генерации текста по текстовому входу и может применяться к ответам на вопросы, суммаризации и переводу на вьетнамском языке. Для запуска доступны токенизатор и модель в библиотеке Transformers. Модель выпущена по лицензии MIT.

WorryFree_GeneralQA_Chat_Mixtral-8x7B-v1 — чат-модель DrNicefellow, дообученная методом QLoRA на наборе Quality_WorryFree_GeneralQA_Chat_Dataset-v1 на основе mistralai/Mixtral-8x7B-Instruct-v0.1. Она предназначена для диалогов и ответов на общие вопросы, включая неформальное и деловое общение. Использует архитектуру Mixtral с разреженной экспертной моделью (MoE), содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Для форматирования запросов применяется шаблон Vicuna 1.1. Модель принимает текст и генерирует текстовые ответы. Карточка заявляет улучшенную связность длинных диалогов и применимость к разным темам, однако не приводит независимых оценок качества или подробных результатов тестирования. Распространяется по лицензии Apache-2.0.

Xing4.0-29B-A4B-Rewrite — модель XingChen-AGI, полученная методом supervised fine-tuning на базе XingChen-AGI/Xing4.0-29B-A4B. Она переписывает разговорные и неструктурированные тексты расшифровок речи в более связный письменный текст. Модель сокращает повторы, при необходимости убирает слова-паразиты и обрывки фраз, исправляет грамматически нарушенные предложения, упорядочивает фразы и делает разговорные выражения естественнее, стараясь не пересказывать и не сжимать исходную информацию. Архитектура — Xing4_0ForCausalLM; базовая модель имеет архитектуру MoE с 29 млрд параметров и 4 млрд активируемых параметров, а общий размер этой модели в метаданных указан как 6,5 млрд параметров. Модель принимает текст и генерирует текст, поддерживает китайский язык, имеет контекст длиной до 262 144 токенов и распространяется в формате safetensors. Лицензия в предоставленных данных не указана.

YanoljaNEXT-Rosetta-12B-2510-i1-GGUF — это набор квантованных GGUF-версий модели YanoljaNEXT-Rosetta-12B-2510, подготовленный пользователем mradermacher. Модель предназначена прежде всего для задач перевода и поддерживает арабский, болгарский, китайский, чешский, датский, нидерландский, английский, финский, французский, немецкий, греческий, гуджарати, иврит, хинди, венгерский, индонезийский, итальянский, японский, корейский, персидский, польский, португальский, румынский, русский, словацкий, испанский, шведский, тагальский, тайский, турецкий, украинский и вьетнамский языки. В репозитории представлены варианты с разными типами квантования, включая IQ1–IQ4, Q2–Q6 и другие форматы, размером примерно от 3,4 до 10,6 ГБ. Это позволяет выбирать между требованиями к памяти, скоростью и качеством; автор указывает, что i1-Q4_K_M является быстрым рекомендуемым вариантом, а i1-Q4_K_S предлагает сбалансированное соотношение размера, скорости и качества. Низкобитные варианты могут заметно уступать по качеству. Архитектура, размер контекстного окна, мультимодальность и дополнительные характеристики в README не указаны. Лицензия модели обозначена как Gemma.

Zephyr-7B-Gemma-SFT-v0.1 — диалоговая текстовая модель, созданная HuggingFaceH4 путём дообучения Gemma 7B от Google на наборе HuggingFaceH4/deita-10k-v0-sft. Она построена на плотной архитектуре GemmaForCausalLM, содержит 8,2 млрд параметров и поддерживает контекст до 8192 токенов. Модель предназначена для генерации текста и диалоговых сценариев на английском языке. В карточке приведён результат оценки на тестовом наборе: loss 0,9732. Подробные сведения о предназначении, обучающих данных и ограничениях в README отсутствуют. Репозиторий распространяется под лицензией с обозначением «other»; конкретные условия использования следует проверять в файлах репозитория и лицензии базовой модели.