III.2Исследование рынка и маркетинг

MFANN v0.18 — разговорная языковая модель автора netcat420 для генерации ответов в формате диалога. Карточка задаёт ей роль полезного, уважительного и честного помощника, который должен объяснять некорректные вопросы и не выдавать догадки за факты. Модель построена на архитектуре LlamaForCausalLM и содержит 7,5 млрд параметров. Она принимает текст и генерирует текст, поддерживает английский язык и контекст длиной до 32 768 токенов. Веса опубликованы в формате Safetensors; лицензия указана как llama3.

mistral-ko-OpenOrca-Platypus-v2 — дообученная модель на архитектуре Mistral, разработанная shleeeee (Seunghyeon Lee) и oopsung (Sungwoo Park). Она основана на mistral-7b и предназначена для генерации текста на корейском языке. Модель имеет 7,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Модель подходит для создания корейских текстовых ответов и диалоговых сценариев на базе генерации текста. В репозитории представлены веса в формате safetensors. Лицензия указана как other, поэтому конкретные условия использования следует проверять в материалах репозитория.

Mistral-Plus — диалоговая языковая модель, разработанная как исследовательский проект и обученная с помощью обучения с подкреплением на основе отзывов людей (RLHF). В качестве основы используется mistralai/Mistral-7B-v0.1; авторы сообщают, что модель обучали без этапа supervised fine-tuning (SFT), уделяя особое внимание безвредности ответов. Это плотная архитектура MistralForCausalLM на 7,1 млрд параметров с контекстом до 32 768 токенов. Модель предназначена для диалогов, работы интеллектуального помощника и исследований разговорных возможностей и безопасности LLM. В README заявлены сохранение общих возможностей базовой модели, улучшение диалоговых ответов и снижение вероятности токсичных формулировок. Модель принимает текст и генерирует текст; конкретные поддерживаемые естественные языки в доступных данных не перечислены. Модель распространяется под лицензией Apache-2.0. Заявления об улучшении диалога и снижении токсичности приведены авторами; количественные результаты в доступном README не представлены, поэтому качество и безопасность ответов следует проверять для конкретного сценария.

HoangQuocViet25/nlp-btl-xlsum-x5 — модель суммаризации на базе VietAI/vit5-base, дообученная на датасете XLSum. Она предназначена для создания кратких пересказов текстов на вьетнамском языке. Модель построена на архитектуре T5 и содержит 126,8 млн параметров; максимальная длина контекста — 512 токенов. Модель принимает текст и генерирует текстовое резюме. Лицензия MIT разрешает её использование на условиях этой лицензии. В метаданных указаны формат safetensors и поддержка вьетнамского языка.

Helsinki-NLP/opus-mt-de-it — модель машинного перевода на базе архитектуры MarianMT, разработанная проектом OPUS и предназначенная для перевода с немецкого языка на итальянский. Она использует Transformer, нормализацию текста и токенизацию SentencePiece; число параметров — 55,8 млн, максимальный контекст — 512 токенов. Доступны веса в форматах PyTorch и TensorFlow. Модель обучена на данных OPUS. В карточке приведён результат BLEU 45,3 и chr-F 0,671 на тестовом наборе Tatoeba.de.it. Она подходит для перевода предложений и текстов с немецкого на итальянский; качество для иных языковых направлений не заявлено. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-en-ar — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с английского на арабский; модель построена на архитектуре Transformer и реализована как MarianMTModel. Размер составляет 57,3 млн параметров, контекст — до 512 токенов. Для выбора варианта арабского в начале предложения требуется целевой языковой токен вида >>id<<; доступны, в частности, стандартный арабский и несколько региональных вариантов и записей латиницей. Перед переводом применяются нормализация и SentencePiece-токенизация. В тесте Tatoeba для пары английский—арабский указаны BLEU 14,0 и chr-F 0,437. Модель подходит для перевода коротких текстов и предложений, но приведённые оценки не гарантируют качество для всех тематик и вариантов арабского. Лицензия — Apache-2.0.

OPUS-MT — модель машинного перевода проекта Helsinki-NLP для перевода с итальянского на английский. Она построена на архитектуре Transformer big и реализована как MarianMT; модель обучена на данных OPUS с использованием конвейера OPUS-MT-train, включая обратный перевод. Токенизация выполняется SentencePiece с словарями spm32k для обоих языков. Модель предназначена для перевода предложений и текстов с итальянского языка на английский. В карточке приведены результаты на наборах Tatoeba, FLORES-101 и Newstest2009. Число параметров — 156,4 млн, длина контекста — 1024 токена. Доступны веса PyTorch и TensorFlow; модель конвертирована из Marian в формат Transformers. Лицензия — CC BY 4.0. Качество зависит от тематики и стиля исходного текста; модель настроена на направление итальянский—английский и не предназначена для перевода в обратном направлении.

DavidAU/Qwen3.5-9B-Claude-4.6-HighIQ-INSTRUCT-HERETIC-UNCENSORED — мультимодальная instruct-модель на базе Qwen3.5-9B, дообученная автором с помощью Unsloth на дистиллированном наборе данных Claude 4.6 и затем обработанная для снижения числа отказов. Модель разработана для диалогов и генерации текста, включая творческое письмо, рассказывание историй и ролевые сценарии; также принимает изображения и отвечает на вопросы по ним. Модель имеет плотную архитектуру Qwen3.5 с языковой частью на 9 млрд параметров и vision encoder. Карточка указывает контекст 256 тыс. токенов; метаданные подтверждают поддержку английского и китайского языков. Автор приводит сравнительные бенчмарки и измерения отказов, но они относятся к настройке автора и не гарантируют качество на других задачах. Видео не тестировалось. Веса опубликованы в формате Safetensors для Transformers; лицензия — Apache-2.0.

RareBit-v2-32B — слитая разговорная модель на архитектуре Qwen2, созданная ParasiticRogue на основе пяти моделей, включая Qwen/QwQ-32B, ArliAI/QwQ-32B-ArliAI-RpR-v4, EVA-UNIT-01/EVA-Qwen2.5-32B-v0.2, arcee-ai/Virtuoso-Medium-v2 и trashpanda-org/QwQ-32B-Snowdrop-v0. Она предназначена для диалогов и ролевых сценариев с генерацией естественной, творческой прозы, сохранением образа персонажа и рассуждениями. Модель содержит 32 млрд параметров, поддерживает контекст до 131 072 токенов и использует формат чата ChatML. Автор отмечает, что модель хорошо сохраняет характер и не отвечает от лица пользователя; при тестировании также не замечено крупных логических ошибок. При этом автор считает оценку предварительной и указывает на необходимость дальнейшего тестирования. Модель распространяется по лицензии Apache-2.0.

Riazi-8B-CPT — дообученная языковая модель, опубликованная azherali на базе unsloth/Qwen3-8B. Она предназначена для генерации текста и диалогов; карточка также отмечает поддержку чата. Модель имеет плотную архитектуру Qwen3ForCausalLM, содержит 7,6 млрд параметров и поддерживает контекст до 40 960 токенов. В метаданных указан английский язык, но специализация CPT в README не раскрыта, поэтому конкретные прикладные сценарии и языковые преимущества подтвердить нельзя. Модель распространяется по лицензии Apache-2.0.

Saadhyam Context-Aware Email Generator — дообученная модель Google FLAN-T5-small от автора репозитория mentneo для генерации профессиональных писем по запросу с учётом аудитории, контекста и типа письма. В качестве входных данных используются аудитория, контекст, тип письма и запрос пользователя; предусмотрены сценарии для кандидатов, клиентов, сотрудников, студентов и общей аудитории, а также для поддержки клиентов, образования, рекрутинга и рабочего общения. Модель построена на архитектуре T5 и содержит 45,8 млн параметров. Она рассчитана на английский язык и имеет контекст длиной до 512 токенов. Модель представлена в формате Safetensors; для запуска используется библиотека Transformers. В карточке приведены результаты оценки на тестовых примерах Saadhyam: совместимость с контекстом составила 94,17%, а в проверках генерации на тестовых сценариях заявлены полнота вывода и соответствие шаблону. Эти показатели получены на данных разработки и не гарантируют качество на новых производственных запросах. Лицензия в предоставленных данных не указана.

Модель sfm_filtered_insert_xxf_character-7k_8k_9k_10k_11k_simpleavg_merge — объединение предварительно обученных языковых моделей, созданное с помощью mergekit. Автор карточки указывает линейное слияние с чекпойнтом global_step11000 в качестве базового и включение чекпойнтов global_step7000, global_step8000, global_step9000 и global_step10000. Метаданные описывают плотную архитектуру GPT-NeoX с 8,8 млрд параметров и контекстом до 16 384 токенов; модель распространяется в формате safetensors и предназначена для генерации текста в диалоговом режиме. Модель может использоваться для генерации продолжений и диалоговых ответов. Языки применения, специализированные области и сравнительные показатели качества в карточке не описаны. Лицензия не указана в предоставленных данных.

StarlingMaid-2x7B-base — чат-модель семейства Mixtral, созданная dawn17 путём объединения и маршрутизации экспертов Starling-LM-7B-beta и Silicon-Maid-7B. README описывает скрытый режим выбора эксперта: модель ориентирована на диалог и ролевые сценарии. В метаданных указаны архитектура Mixtral с разреженной экспертной моделью (MoE), 7,1 млрд параметров и контекст до 8192 токенов. Модель принимает текст и генерирует текст; карточка не подтверждает поддержку конкретных языков. В репозитории указаны веса safetensors. Лицензия — Apache-2.0. В README приведены результаты Open LLM Leaderboard, включая средний балл 70,20, но эти значения не гарантируют качество на пользовательских задачах.

Shellypeckie/student_qwen3_1p7b_clean4b_dolly_seq_kd — дообученная на TRL версия компактной языковой модели Qwen3-1.7B. Это плотная авторегрессионная модель с 1,7 млрд параметров для генерации текста и диалогов; в метаданных указан контекст до 40 960 токенов. Карточка демонстрирует генерацию ответа на вопрос в формате беседы. Модель рассчитана на диалоговые запросы и генерацию текста по инструкциям. В карточке не описаны состав обучающих данных, точные языки и результаты оценивания, поэтому качество для конкретных задач по ней определить нельзя. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана.

WindyTranslate/translate-de-it — модель машинного перевода от Windstorm Labs для перевода текста с немецкого на итальянский. Она основана на Helsinki-NLP/opus-mt-de-it: LoRA-дообучение на параллельных корпусах было объединено с базовыми весами. Модель MarianMT содержит 55,8 млн параметров, использует формат safetensors и поддерживает контекст до 512 токенов. Модель предназначена для перевода в одном направлении — с немецкого на итальянский. В проверке на 48 предложениях FLORES-200 dev получила chrF++ 52,31 и BLEU 27,63; это скрининговая оценка, а не результат публикационного исследования. Доступна под лицензией Apache-2.0.

Windstorm Labs опубликовала модель машинного перевода с английского на чешский язык. Это дообученная версия Helsinki-NLP/opus-mt-en-cs: LoRA-дообучение на параллельных текстах объединено с базовыми весами. Модель MarianMT содержит 57,2 млн параметров, принимает текст и рассчитана на контекст до 512 токенов. Модель подходит для перевода английских фраз и документов на чешский язык. В проверке на 48 примерах FLORES-200 dev она получила chrF++ 52,42 и BLEU 27,68; авторы характеризуют результат как предварительную оценку, а не публикационный бенчмарк. Поддерживается только направление en→cs, поэтому качество на других языковых парах не заявлено. Лицензия — Apache-2.0.

Windstorm Labs выпустила модель машинного перевода с английского на германские языки. Это дообученная версия Helsinki-NLP/opus-mt-en-gem на базе MarianMT: авторы применили LoRA к параллельным текстам и объединили адаптер с базовыми весами. Модель содержит 54,2 млн параметров, принимает текст, выдаёт перевод и рассчитана на контекст до 512 токенов. Репозиторий содержит сборку Transformers в формате safetensors. Модель подходит для перевода с английского на немецкий, нидерландский и другие германские языки, охватываемые семейством gem. Карточка не приводит отдельного списка целевых языков. Качество этой версии не оценивалось бенчмарками, поэтому пригодность перевода для конкретного сценария следует проверять отдельно. Лицензия — Apache-2.0.

WindstormTranslate/translate-en-jap — модель машинного перевода от Windstorm Labs для перевода с английского на японский. Это дообученная версия Helsinki-NLP/opus-mt-en-jap на параллельных текстах: LoRA-дообучение объединено с базовыми весами. Модель семейства Marian содержит 48,9 млн параметров, принимает текст и выдаёт текст; доступна в формате safetensors для Transformers. Контекст модели — до 512 токенов. Модель предназначена для перевода отдельных текстов и других сценариев перевода с английского на японский. Качество этой версии не оценивалось бенчмарками, поэтому её пригодность для конкретных задач стоит проверять на собственных примерах. Других языковых направлений она не поддерживает. Лицензия — Apache-2.0.

ShenaoZ/0.01_ablation_5iters_bs256_nodpo_iter_1 — дообученная ShenaoZ версия Mistral на основе HuggingFaceH4/mistral-7b-sft-beta. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и предназначена для генерации текста и общения в формате чата. Она принимает текст и выдаёт текст; максимальная длина контекста составляет 32 768 токенов. Модель обучена на наборах данных updated и original. Метаданные базовой модели указывают на англоязычные синтетические диалоги, поэтому модель подходит для текстовых диалогов и ответов на вопросы, прежде всего на английском языке. README не содержит описания обучения, оценки качества или конкретных ограничений. Модель распространяется по лицензии MIT.

Модель DarianNLP/affect_of_removing_misalligned_examples-full — дообученная на TRL версия диалоговой языковой модели Meta Llama 3.2 3B Instruct. Это плотная модель семейства Llama с 3,2 млрд параметров, предназначенная для генерации текста в формате чата; в карточке приведён пример ответа на вопрос пользователя. По метаданным, контекстное окно составляет 131 072 токена, а веса опубликованы в формате safetensors для Transformers. Языковая поддержка и конкретные области применения именно этой дообученной версии не описаны; базовая модель мультиязычная. Модель распространяется по лицензии базовой модели, однако доступные данные не уточняют условия лицензирования этой копии.

Модель johnpaulbin/articulate-6-expspanish-merged — дообученная johnpaulbin текстовая генеративная модель семейства Qwen2 на базе unsloth/qwen2.5-1.5b-bnb-4bit. Она предназначена для генерации текста; карточка не уточняет конкретные сценарии или специализацию дообучения. Модель содержит 1,5 млрд параметров, использует архитектуру Qwen2ForCausalLM и поддерживает контекст до 131 072 токенов. Модель обучалась с использованием Unsloth и библиотеки TRL. В метаданных указан английский язык и формат PyTorch. Лицензия — Apache-2.0. Карточка не приводит оценок качества или подробностей обучающих данных, поэтому пригодность для конкретных задач следует проверять отдельно.

Atom-7B — плотная авторегрессионная языковая модель семейства Llama, совместно разработанная Llama中文社区 и AtomEcho. Она основана на Llama 2 7B и продолжительно предобучена на крупных массивах китайских данных; размер модели по метаданным — 6,7 млрд параметров. Модель предназначена для генерации текста, китайских диалогов, ответов на вопросы и суммаризации. Карточка также заявляет улучшенный китайский токенизатор с расширенным словарём и более эффективным кодированием китайского текста. Стандартная длина контекста составляет 4096 токенов; README описывает расширение до 18K+ с помощью NTK без дополнительного обучения и до 32K+ после тонкой настройки. Указаны китайский и английский языки. Модель доступна в формате safetensors и распространяется по лицензии Apache-2.0, которую README характеризует как допускающую коммерческое использование.

Abin7/bangla-chinese-romania-hindi — объединённая языковая модель, созданная с помощью mergekit методом TIES. В качестве базовой использована FlagAlpha/Llama2-Chinese-7b-Chat; также в объединение вошли модели для бенгальского, румынского и хинди. Модель построена на архитектуре Llama с плотной авторегрессионной языковой моделью и содержит 6,6 млрд параметров. Модель предназначена для генерации текста и выполнения текстовых запросов. Состав объединения указывает на поддержку китайского, бенгальского, румынского и хинди; базовая модель BanglaLLM также рассчитана на английский язык. Контекст составляет до 4096 токенов. Данные README и метаданных не описывают отдельные прикладные области или условия лицензии, поэтому их нельзя указать.

Danielbrdz/Barcenas-Orca-2-7b — разговорная языковая модель на базе Microsoft Orca 2 7B, дообученная автором на наборе HuggingFaceH4/no_robots для более естественного диалога. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 6,6 млрд параметров; она принимает текст и генерирует текст, поддерживая контекст до 4096 токенов. Карточка указывает английский и испанский языки. Модель предназначена для ведения диалогов и генерации ответов на естественном языке. Она опубликована в формате safetensors; лицензия указана как other, поэтому условия использования следует уточнить в репозитории. Карточка не приводит оценок качества или подробных ограничений, поэтому пригодность для конкретных сценариев стоит проверять отдельно.

Модель deepasara/bart-cnn-samsum-finetuned — дообученная версия facebook/bart-large-cnn на неизвестном наборе данных. Это encoder-decoder модель семейства BART с 252,8 млн параметров, предназначенная для генерации краткого текста по входному тексту. Контекст модели составляет 1024 токена; веса представлены в формате safetensors. Карточка не описывает обучающие данные, качество, целевую аудиторию или специальные сценарии применения. Базовая модель предназначена для англоязычного суммирования статей и других текстов; название репозитория указывает на дообучение для суммирования диалогов SAMSum, но README этого не подтверждает. Лицензия модели — MIT.

Rakshit0041 разработал англоязычную модель эмбеддингов предложений на базе BAAI/bge-base-en-v1.5, дообучив её на 6 300 парах текстов из набора json. Модель построена на BERT и Sentence Transformers: объединяет представления токенов через CLS-пулинг, нормализует результат и кодирует предложения и абзацы в плотные векторы. Полный размер вектора — 768 измерений; благодаря обучению Matryoshka доступны укороченные представления размером 512, 256, 128 и 64 измерения. Модель предназначена для семантического поиска и сравнения текстов, включая поиск и сопоставление финансовых формулировок. В карточке приведены результаты оценки информационного поиска для нескольких размерностей векторов; сходство рассчитывается косинусной мерой. Также эмбеддинги можно применять для поиска перефразировок, кластеризации и классификации текста. Максимальная длина последовательности — 512 токенов. Модель принимает текст и выдаёт векторы; она ориентирована на английский язык. Лицензия — Apache-2.0. Качество за пределами приведённой оценки и финансового набора данных не установлено.

Карточка модели allegro/BiDi-ces-slk на Hugging Face совпадает с карточкой allegro/BiDi-eng-pol, поэтому описание составлено по ней. BiDi-eng-pol — двунаправленная модель машинного перевода из коллекции BiDi, разработанной в рамках исследовательского проекта лаборатории Machine Learning Research для Allegro.com при сотрудничестве с laniqo.com. Это энкодер-декодерный трансформер MarianMT на 133,4 млн параметров, обученный для перевода на уровне предложений; базовая конфигурация — transformer-big. Модель переводит между английским и польским в обоих направлениях: целевой язык задаётся специальным токеном. Для токенизации используется SentencePiece со словарём 32 тыс. токенов. Модель рассчитана на перевод отдельных предложений между английским и польским; в README описана как часть коллекции многоязычных славянских MT-моделей. Метаданные указывают контекст до 1024 токенов. Модель обучалась на корпусах машинного перевода и оценивалась на Flores200 с метрикой COMET-DA. Качество и возможные смещения следует проверять для конкретного предметного домена: авторы предупреждают о возможных гендерных галлюцинациях при переводе с английского на славянские языки. Лицензия — CC BY 4.0.

Druidchoi дообучил эту плотную языковую модель на архитектуре Llama 3 от MLP-KTLim/llama-3-Korean-Bllossom-8B. Модель содержит 7,5 млрд параметров, принимает текст и предназначена для диалогов и генерации текста; в метаданных указано контекстное окно 8192 токена. Модель доступна в формате PyTorch под лицензией Apache-2.0. Карточка сообщает об обучении с использованием Unsloth и TRL, но не описывает конкретный набор данных, результаты оценки или дополнительные специализированные возможности. Базовая модель рассчитана на корейский и английский языки; карточка этой версии не подтверждает отдельно её языковое покрытие.

cmarkea/bloomz-3b-sft-chat — языковая модель, разработанная CMarkea на основе bigscience/bloomz-3b и дообученная для диалогов в формате чат-бота. Это плотная авторегрессионная модель семейства BLOOM с 3,8 млрд параметров; веса представлены в форматах PyTorch и Safetensors, а для публикации выполнен переход с float16 на bfloat16. Модель предназначена для генерации ответов и диалогового взаимодействия на английском и французском языках, а также может служить основой для дальнейшей настройки под прикладные задачи. Обучение включало около 0,9 млрд токенов диалоговых данных с балансом французского и английского; в метаданных также перечислены наборы Wizard Vicuna, Orca Chat, OpenAssistant Guanaco и OIG. Разработчики отмечают, что многоязычные возможности исходной BLOOMZ за пределами английского и французского не гарантируются. Модель распространяется по лицензии BigScience BLOOM RAIL 1.0. README описывает промышленное применение как возможный сценарий, однако фактические условия использования следует сверять с лицензией; качество ответов на других языках может снижаться, а заявленная скорость вывода зависит от целевой аппаратуры.

Boto 7B — дообученная lucianosb модель Mistral 7B для генерации текста на португальском языке. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Для обучения указан набор cnmoro/GPT4-500k-Augmented-PTBR-Clean; веса доступны в форматах PyTorch и Safetensors. Модель предназначена для диалогов и генерации текста на португальском языке. Ответы часто бывают многословными и не всегда достаточно краткими. В README также предупреждается о возможных стереотипах, фактических ошибках и отсутствии встроенной модерации, поэтому ответы требуют проверки. Лицензия — Apache 2.0.