III.2Исследование рынка и маркетинг

maywell/GLM-4.5-Air-GLM-4.6-Distill — текстовая разговорная модель на архитектуре GLM4 MoE, опубликованная пользователем maywell. Карточка называет её результатом дистилляции GLM-4.5-Air в GLM-4.6, однако не описывает процедуру обучения; в метаданных указаны 8,5 млрд параметров и контекст до 131 072 токенов. Модель предназначена для генерации диалоговых ответов и может применяться в чат-ботах и агентных сценариях. Исходная карточка GLM-4.5-Air описывает гибридные режимы рассуждения, программирования и работы с инструментами, но не подтверждает, что все эти возможности сохранены в данном дистиллированном чекпойнте. Метаданные отмечают английский и китайский языки. Репозиторий использует формат Safetensors; лицензия MIT допускает коммерческое использование и доработку.

Locutusque/gpt2-large-conversational-retrain — англоязычная модель генерации текста, разработанная Locutusque как дообученная версия GPT-2 Large на наборе Locutusque/InstructMix. Она предназначена для ответов на инструкции и ведения диалогов. Модель использует архитектуру GPT-2 и принимает текст, выдавая текст; длина контекста составляет 1024 токена. Репозиторий содержит веса PyTorch и Safetensors и распространяется по лицензии MIT. В карточке сообщается о 600 000 обучающих примеров и результатах BLEU 30 и perplexity 5, но методика оценки не приведена. Модель может выдавать ложную информацию, особенно по истории, и слабо справляется со сложным кодом; ответы следует проверять.

Hunyuan-MT-Chimera-7B-GGUF — это квантизированная версия модели Hunyuan-MT-Chimera-7B, разработанной Tencent и преобразованной в формат GGUF пользователем mradermacher. Модель предназначена прежде всего для задач машинного перевода и поддерживает китайский, английский, французский, португальский, испанский, японский, турецкий, русский, арабский, корейский, тайский, итальянский, немецкий, вьетнамский, малайский, индонезийский, тагальский, хинди и ряд других языков, включая украинский, польский, чешский, нидерландский, персидский, иврит, бенгальский, тамильский и тибетский. Это модель размером 7B, доступная в нескольких вариантах GGUF-квантизации — от Q2_K объёмом около 3,1 ГБ до F16 объёмом около 15,1 ГБ. Варианты Q4_K_S и Q4_K_M отмечены как быстрые и рекомендуемые, Q6_K — как обеспечивающий очень хорошее качество, а Q8_0 — как быстрый вариант с наилучшим качеством среди перечисленных. Квантизация позволяет запускать модель с различными компромиссами между размером, скоростью и качеством, однако низкобитные варианты могут заметно уступать по качеству. README не содержит сведений об архитектуре, размере контекстного окна, мультимодальности, точной лицензии или системных требованиях. Указан только тег translation; дополнительные weighted/imatrix-квантизации доступны в отдельном репозитории.

Это зеркальная копия модели Tencent HY-MT1.5-1.8B, подготовленная Kaption для загрузки в приложениях Kaption. Файл GGUF побайтно совпадает с указанной в карточке upstream-версией; модель предназначена для перевода между языками. Базовая модель описана как компактная система с поддержкой 33 языков, контекста, терминологии и форматированного вывода. В репозитории размещена квантизированная версия в формате GGUF с 1,25-битным представлением STQ, созданная AngelSlim. Лицензия в метаданных обозначена как other; более точные условия из предоставленных сведений установить нельзя.

Hy-MT2-7B-Abliterated-bf16 — созданная сообществом производная многоязычной модели перевода Tencent Hy-MT2-7B. Репозиторий содержит веса bf16 в формате MLX для запуска через MLX и MLX-LM; модель построена на плотной архитектуре HunYuan и насчитывает 7,5 млрд параметров. Модель предназначена для перевода текстов по инструкциям между поддерживаемыми языками. Вариант bf16 сохраняет более высокую точность по сравнению с 8-битной версией, но требует больше памяти. Заявлен контекст до 262 144 токенов. Abliteration направлена на ослабление поведения, связанного с отказами, однако не гарантирует их полного устранения и может повлиять на качество перевода или другие характеристики. Это не официальный выпуск Tencent. Используется лицензия Apache-2.0, как у базовой модели. Разработчик рекомендует оценить модель на собственных задачах до применения в производственной среде.

Ideogram 4 FP8 — вариант открытых весов модели генерации изображений по тексту, разработанный Ideogram. Это модель, обученная с нуля, а не дообучение существующего чекпойнта. Она использует flow matching и одно-поточную архитектуру Diffusion Transformer с 34 слоями; в текстовом энкодере применяется Qwen3-VL-8B-Instruct, признаки которого извлекаются из 13 промежуточных слоёв. Модель предназначена для создания изображений по текстовым описаниям, особенно для графического дизайна и задач, где важны надписи внутри изображения. Структурированные JSON-подсказки позволяют задавать композицию, стиль, освещение, палитру и расположение элементов через координаты ограничивающих рамок. Поддерживаются разрешения от 256 до 2048 пикселей, кратные 16, и соотношения сторон до 6:1. Заявлена поддержка многоязычного рендеринга текста. Вариант fp8 содержит 9,3 млрд параметров и использует квантизацию FP8; модель поставляется в форматах Diffusers и safetensors. В README для этого варианта указана лицензия Ideogram 4 Non-Commercial, а метаданные Hugging Face обозначают лицензию как other. README сообщает, что Diffusers не поддерживает этот вариант напрямую. Для фильтрации запросов и результатов в описанном процессе используется Hive.

KARAKURI VL 32B Instruct 2507 — мультимодальная vision-language модель, разработанная KARAKURI Inc. и дообученная на базе Qwen/Qwen2.5-VL-32B-Instruct. Она принимает изображения и текст и предназначена для диалоговых сценариев с визуальными вопросами и ответами. Модель имеет плотную архитектуру Qwen2.5-VL с 32 млрд параметров и контекстом до 128 000 токенов; поддерживает японский и английский языки. Модель подходит для анализа изображений и извлечения сведений из визуального содержимого в ответ на текстовые запросы. Репозиторий содержит веса Safetensors, загрузка предусмотрена через Transformers. Лицензия — Apache 2.0.

Kocdigital-LLM-8b-v0.1 — дообученная KOCDIGITAL авторегрессионная языковая модель семейства Llama 3 с плотной архитектурой и примерно 7,5 млрд параметров. Её обучили методом SFT с QLoRA на наборах инструкций на турецком языке, составленных из открытых и внутренних источников. Модель предназначена для диалогов и выполнения инструкций на турецком языке; заявленная длина контекста — 8192 токена. Модель может использоваться для генерации ответов, диалоговых помощников и других задач, где требуется следовать инструкциям на турецком языке. В карточке приведены результаты на турецких версиях AI2 Reasoning Challenge и HellaSwag. Лицензия — Llama 3 Community License. Разработчики предупреждают, что модель может ошибаться, выдавать вводящую в заблуждение или предвзятую информацию и создавать нежелательный контент; её качество в реальных сценариях не проверено всесторонне. Перед применением нужны тестирование и контроль результатов человеком.

Kord Translate ENTH V2 4B — модель KordAI для двунаправленного перевода между тайским и английским. Это плотная авторегрессионная модель семейства Qwen3 с 3,7 млрд параметров, дообученная на базе Qwen/Qwen3-4B методом LoRA; обучение использовало дистиллированные пары переводов без сохранения промежуточных рассуждений. Модель принимает текстовые инструкции и исходный текст, а выдаёт перевод. Контекстное окно — до 40 960 токенов. Модель предназначена для перевода предложений и общего текста с английского на тайский и с тайского на английский. В оценке на FLORES devtest улучшение относительно исходной модели было небольшим и наблюдалось в направлении en→th; качество th→en осталось примерно на прежнем уровне или немного снизилось. Обучение проводилось на примерно 8 000 парах, а оценка охватывала только предложения общего назначения, поэтому возможны ошибки на длинных документах и разговорном тайском. Лицензия — Apache-2.0.

Polyglot-4x7b — экспериментальная мультиязычная модель на архитектуре Mixture of Experts семейства Mixtral, опубликованная macadeliccc. Авторы объединили четыре модели на базе Mistral 7B, ориентированные на английский, японский и китайский языки; задумка проекта — распределить языковые способности между экспертами. В README также приведены результаты оценок на задачах рассуждения и общих знаний. Модель предназначена для генерации текста и ответов на запросы на английском, японском и китайском языках. В метаданных указан размер 7,1 млрд параметров и контекст 32 768 токенов; веса доступны в формате Safetensors. Модель распространяется по лицензии Apache 2.0. README описывает экспериментальную идею, но не приводит подробностей о качестве по каждому языку или сравнительных испытаниях.

Leo Hessianai 7B Chat — это языковая чат-модель на архитектуре Llama, разработанная командой LAION LeoLM. Репозиторий TheBloke содержит её версии в формате GGUF, полученные квантованием оригинальной модели LeoLM/leo-hessianai-7b-chat. Модель предназначена для генерации текста и диалогового взаимодействия, включая локальный запуск через llama.cpp и совместимые графические интерфейсы и библиотеки. Модель имеет около 7 миллиардов параметров и ориентирована прежде всего на немецкий язык, при этом в карточке также заявлена поддержка английского. Она обучалась на немецкоязычных и многоязычных наборах данных, включая OpenSchnabeltier, OpenAssistant OASST-DE, немецкие варианты Alpaca и Evol-Instruct, а также коллекции немецких стихов и песен. Для общения используется шаблон ChatML с ролями system, user и assistant. Доступны варианты квантования от 2 до 8 бит, что позволяет выбирать компромисс между размером, скоростью и качеством работы на CPU и GPU. Сильные стороны модели — специализация на немецком языке, возможность локального запуска на широком спектре оборудования и наличие нескольких уровней квантования. Ограничения включают отсутствие сведений о размере контекста, мультимодальности и подробных результатах оценки; модель предназначена для генерации текста и не заявлена как мультимодальная. Указана лицензия Llama 2, однако условия её применения следует проверить перед использованием.

LFM2.5-1.2B-JP — чат-модель Liquid AI, дообученная на базе LiquidAI/LFM2.5-1.2B-Base и специально оптимизированная для японского языка. Она предназначена для диалоговых приложений, генерации текста и следования инструкциям на японском языке с учётом языковых и культурных особенностей. Модель построена на плотной архитектуре LFM2 и имеет 1,5 млрд параметров. Поддерживает контекст длиной до 128 000 токенов; репозиторий содержит веса в формате safetensors и рассчитан на использование через Transformers и совместимые фреймворки инференса. В карточке заявлены улучшенные для её масштаба знания о Японии и следование инструкциям. Лицензия указана как other, поэтому условия использования следует проверять в лицензионных материалах репозитория. Карточка не приводит независимых оценок качества или подробных ограничений; заявленное преимущество относится прежде всего к японским сценариям.

PersonaPO/lfm25-1.2b-pv-openness-high — дообученная PersonaPO модель LiquidAI/LFM2.5-1.2B-Base для генерации текста в диалоговом формате. Она предназначена для ответов на вопросы и общения; пример в карточке показывает ответ на открытый вопрос. Модель плотная, относится к семейству LFM2.5, содержит 1,5 млрд параметров и поддерживает контекст до 128 000 токенов. Для запуска в карточке используется Transformers, веса хранятся в формате safetensors. Карточка не описывает отдельно, как именно обучение на «высокую открытость» меняет стиль или качество ответов. Лицензия в предоставленных метаданных и README не указана.

LLaDA-Image-Turbo — модель генерации и редактирования изображений, разработанная командой Inclusion AI. Это дистиллированная версия семейства LLaDA-Image с 6 млрд параметров, рассчитанная на быстрый вывод: для генерации и редактирования рекомендуется 4 шага сэмплирования. Модель работает через библиотеку Diffusers и распространяется в форматах Diffusers и safetensors. Модель создаёт изображения по текстовому описанию, а также редактирует референсное изображение по инструкции, стараясь сохранять его исходное содержание. Поддерживаются генерация с условием VQ-токенов и отображение текста на английском и китайском языках; заявлены фотореалистичные сцены, детализированное освещение и создание постеров с текстом. Для редактирования требуется входное изображение. Размеры изображения при текстовой и VQ-генерации должны быть кратны 16, а при редактировании — кратны 32. Веса распространяются по лицензии Apache-2.0. Обучающий код в карточке пока не представлен.

Модель sanghwa-na/llama2-13b.kor.v2 разработана Sanghwa Na на основе LLaMA 2. Это плотная авторегрессионная модель семейства Llama с 12,9 млрд параметров, предназначенная для генерации текста и выполнения инструкций. Для дообучения использованы наборы данных в стиле Orca и Platypus; формат запроса разделяет инструкцию и ответ маркерами «### Instruction» и «### Response». Модель работает через библиотеку Transformers, веса представлены в формате safetensors. Карточка указывает корейский язык. Длина контекста составляет 2048 токенов. Модель подходит для диалоговых ответов и генерации текста по инструкциям на корейском языке. Использование регулируется лицензией Llama 2.

jiangfb/llama-3.1-chinese-8b-it-dpo — чат-модель на архитектуре Llama 3.1, созданная на основе Meta-Llama-3.1-8B-Instruct. Разработчики дообучили её на китайских инструкциях примерно в два этапа: supervised fine-tuning на почти 300 тысячах примеров и Direct Preference Optimization на 5 тысячах инструкций с предпочтениями. Репозиторий содержит веса в формате safetensors; размер модели — около 7,5 млрд параметров, заявленная длина контекста — 131 072 токена. Модель предназначена для диалога и генерации текста на китайском языке: она может отвечать на вопросы, выполнять инструкции и составлять краткие изложения. В README приведены результаты на китайских тестах C-Eval и CMMLU, где авторы сообщают об улучшении относительно исходной Llama 3.1. Это результаты авторской оценки; они не гарантируют качество на других задачах. В метаданных лицензия не указана, поэтому условия использования следует сверить с карточкой модели и лицензией базовой модели.

llama3-8b-spaetzle-v37 — объединённая модель на архитектуре Llama 3, созданная cstr методом dare_ties с помощью LazyMergekit на основе HeshamHaroon/Arabic-llama3, mlabonne/NeuralDaredevil-8B-abliterated и предыдущей версии llama3-8b-spaetzle-v33. Модель содержит 7,5 млрд параметров, принимает текст и генерирует текст, поддерживает диалоговый режим и контекст до 8192 токенов. Модель предназначена для генерации текста в диалогах и ролевых сценариях; среди исходных моделей есть вариант Llama 3 для арабского языка и модель с меньшими поведенческими ограничениями. В метаданных указан арабский базовый компонент, но конкретные языки и сравнительные показатели качества самой объединённой модели не приведены. Репозиторий распространяется по лицензии Apache-2.0.

Maestrale chat alpha — чат-модель на архитектуре Mistral, разработанная @efederici и @mferraretto. Это плотная языковая модель на 7,1 млрд параметров, обученная для генерации текста и диалогов; для чата используется формат ChatML. Контекстное окно составляет до 32 768 токенов. Модель предназначена прежде всего для общения и выполнения инструкций на итальянском языке. Её основа — Mistral-7B: авторы продолжили предобучение на отобранном италоязычном корпусе, а затем провели дообучение с учителем на примерно 270 тысячах итальянских диалогов и инструкций в течение одной эпохи. В карточке модель обозначена как альфа-версия; авторы сообщают, что работа над выравниванием поведения и оценками качества продолжается. Для коммерческого использования лицензия CC BY-NC 4.0 не подходит; необходимо соблюдать её условия.

Magnum v4 9B — языковая модель для генерации текста в формате GGUF, разработанная организацией anthracite-org. Она создана для воспроизведения качества прозы, характерного для моделей Claude 3, прежде всего Sonnet и Opus, и подходит для чатового взаимодействия, творческого письма, ролевых сценариев и продолжения повествований. Модель представляет собой дообученную версию Gemma 2 9B в варианте с ChatML-разметкой. Репозиторий содержит GGUF-квантизации; исходные веса доступны в отдельном репозитории. Указана поддержка английского языка, задача — text generation, рекомендуемый формат взаимодействия использует последовательности ChatML. В конфигурации обучения указана максимальная длина последовательности 8192 токена. Для работы могут применяться шаблоны SillyTavern. К сильным сторонам относятся специализация на выразительной прозе, диалогах и ролевом повествовании, а также доступность квантизированных версий GGUF. Ограничения включают размер базовой модели 9B, англоязычную ориентацию и отсутствие в README подробных результатов оценки, сведений о производительности разных квантизаций и описания мультимодальных возможностей; модель заявлена как текстовая. Распространение осуществляется по лицензии gemma.

Miscela-7b-slerp — объединённая модель генерации текста на архитектуре Mistral, созданная с помощью mergekit методом SLERP. В неё вошли mii-community/zefiro-7b-sft-ITA и DeepMount00/Mistral-Ita-7b; обе модели предварительно обучены на итальянском языке. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогового общения на итальянском языке. Она распространяется в формате safetensors; библиотека для работы с ней — Transformers. Лицензия в предоставленных данных не указана.

Модель sanjay782/model_hindi_merged_16bit разработана пользователем sanjay782 и представляет собой дообученную версию Indic-gemma-7b-finetuned-sft-Navarasa-2.0 на архитектуре Gemma с плотной причинно-языковой моделью. Она предназначена для генерации текста; базовая модель обучена следовать инструкциям на 15 индийских языках и английском языке. Параметры модели занимают 8,2 млрд, контекст — до 8192 токенов. В карточке указано, что обучение проводилось с Unsloth и библиотекой TRL. Репозиторий содержит веса Safetensors, лицензия — Apache-2.0. README не уточняет, какие именно изменения или дополнительные обучающие данные использовались при дообучении этой версии, поэтому её специализацию на хинди по одному лишь названию подтвердить нельзя.

Ahmed107/nllb200-ar-en_v8 — дообученная модель машинного перевода на архитектуре M2M100, созданная на основе facebook/nllb-200-distilled-600M. Она предназначена для перевода между арабским и английским языками; название модели указывает на эту языковую пару, однако README не уточняет направление перевода и особенности обучающих данных. Размер модели — 463,7 млн параметров, формат весов — Safetensors, контекст — до 1024 токенов. В README приведены результаты оценки: loss 0,7426 и BLEU 54,0881; набор данных и методика оценки не описаны. Модель распространяется по лицензии CC BY-NC 4.0, которая не разрешает коммерческое использование.

OmniLing-V1-12b-experimental — языковая модель WoonaAI, созданная SlerpE и secretmoon для перевода между русским и английским языками в обоих направлениях. Это дообученная версия Mistral Nemo Instruct 12B с архитектурой Mistral и 12,1 млрд параметров. Модель предназначена для перевода художественных текстов, датасетов, пользовательских сообщений и описаний; карточка также указывает поддержку диалога и интерфейса вызова инструментов. Заявленная длина контекста — 1 024 000 токенов. Для перевода авторы рекомендуют низкую температуру генерации 0,1–0,3 и нейтральное системное сообщение, а исходный текст передавать в сообщении пользователя. При обучении использовались данные, сгенерированные более сильной моделью. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Helsinki-NLP/opus-mt-ar-fr — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с арабского языка на французский и предназначена для перевода отдельных фраз и текстов в приложениях, сервисах и рабочих процессах локализации. Архитектура — плотная Transformer-модель MarianMT с выравниванием; в README указаны нормализация текста и SentencePiece. Модель содержит 58,2 млн параметров и рассчитана на контекст до 512 токенов. Для набора Tatoeba.ar.fr в карточке приведены оценки BLEU 43,5 и chr-F 0,602. Модель работает с текстом и ориентирована на одну пару языков: арабский → французский. Она не предназначена для перевода в обратном направлении или на другие языки без дополнительных моделей. Распространяется по лицензии Apache-2.0.

steve-tong/opus-mt-en-zh-tw — дообученная модель MarianMT, созданная на основе Helsinki-NLP/opus-mt-en-zh. Она предназначена для машинного перевода текста с английского на китайский традиционным письмом. Модель содержит 58,4 млн параметров, работает с текстом и имеет контекстное окно 512 токенов. Модель может использоваться для перевода коротких фрагментов, сообщений и документов с английского на китайский традиционным письмом. В README не приведены сведения о датасете, оценках качества или специальных ограничениях. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-es-da — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с испанского языка на датский и предназначена для автоматического перевода предложений и документов. Модель построена на архитектуре Marian Transformer, содержит 54,6 млн параметров, использует нормализацию текста и токенизацию SentencePiece; длина контекста — 512 токенов. В карточке приведён результат BLEU 55,7 и chr-F 0,712 на тестовом наборе Tatoeba.es.da. Модель доступна в форматах PyTorch и TensorFlow и распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-es-et — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с испанского языка на эстонский. Модель построена на архитектуре Transformer-align с использованием Marian и SentencePiece; число параметров — 54,9 млн, максимальный контекст — 512 токенов. Доступны веса в форматах PyTorch и TensorFlow. Модель обучена на данных OPUS. В карточке приведён результат BLEU 20,7 и chr-F 0,466 на тестовом наборе JW300.es.et. Она подходит для перевода отдельных фраз и текстов с испанского на эстонский; качество может зависеть от тематики и стиля входного текста. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-fi-sv — модель машинного перевода с финского языка на шведский из семейства OPUS-MT, разработанная Helsinki-NLP. Это плотная модель MarianMT с архитектурой Transformer; число параметров — 56,6 млн, контекст — до 512 токенов. Текст проходит нормализацию и токенизацию SentencePiece. Модель обучена на данных OPUS+BT; в карточке приведены оценки BLEU 27,4 на fiskmo_testset.fi.sv и 54,7 на Tatoeba.fi.sv. Модель предназначена для перевода финских текстов на шведский, включая предложения и материалы для многоязычных сервисов и локализации. Доступны веса PyTorch и TensorFlow. Лицензия — Apache 2.0.

Helsinki-NLP/opus-mt-fr-ee — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с французского языка на эстонский и предназначена для автоматического перевода предложений и текстов в сценариях, где нужен перевод именно с французского на эстонский. Модель основана на архитектуре Transformer-align и реализована как MarianMTModel. Она содержит 56 млн параметров, использует нормализацию и SentencePiece для предобработки; нативная длина контекста — 512 токенов. В README приведены результаты теста JW300.fr.ee: BLEU 26,3 и chr-F 0,466. Модель поддерживает текстовый ввод и выдаёт текст перевода. Распространяется по лицензии Apache-2.0. Показатели качества относятся к указанному тестовому набору и не гарантируют аналогичных результатов на других жанрах и доменах.

Helsinki-NLP разработала opus-mt-id-fr — модель машинного перевода с индонезийского языка на французский. Она основана на архитектуре Transformer и реализована как MarianMTModel; для обработки текста используются нормализация и SentencePiece. Модель обучена на данных OPUS и содержит 54,3 млн параметров. Модель предназначена для перевода предложений и текстов с индонезийского на французский. В карточке приведён результат BLEU 43,8 и chr-F 0,616 на тесте Tatoeba.id.fr. Длина контекста — 512 токенов. Доступны веса в форматах PyTorch и TensorFlow. Лицензия — Apache-2.0.