III.2Исследование рынка и маркетинг

Gemma 3 4B PT — предварительно обученная мультимодальная модель Google из семейства Gemma, созданного на основе исследований и технологий Gemini. Она принимает текст и изображения и генерирует текст; открытые веса позволяют запускать её на ноутбуках, настольных компьютерах и собственной облачной инфраструктуре. Модель подходит для ответов на вопросы по тексту и изображениям, суммаризации, генерации текстов, диалоговых интерфейсов и извлечения сведений из изображений. Семейство Gemma 3 поддерживает контекст до 128 тысяч токенов и более 140 языков. Карточка описывает как предварительно обученные, так и настроенные на инструкции варианты семейства; этот репозиторий — вариант PT. Ответы могут содержать фактические ошибки и отражать смещения обучающих данных; модель может испытывать трудности с неоднозначностью, нюансами языка и сложными открытыми задачами. Лицензия — Gemma, с условиями использования Google Gemma.

Модель avans06/Meta-Llama-3.2-8B-Instruct — текстовая генеративная модель семейства Llama, размещённая на Hugging Face. Метаданные указывают на плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров, формат safetensors и контекст до 131 072 токенов. Она предназначена для диалогов и генерации текста; также заявлен интерфейс вызова инструментов. Карточка репозитория описывает Llama 3.2-Vision моделей Meta на 11B и 90B параметров, принимающих текст и изображения. Эти сведения не совпадают с идентификатором и архитектурными метаданными данной 8B текстовой модели, поэтому визуальные возможности и характеристики Vision к ней не приписываются. Метаданные перечисляют поддержку английского, немецкого, французского, итальянского, португальского, хинди, испанского и тайского языков. Лицензия — Llama 3.2 Community License, обозначенная в метаданных как llama3.2.

Мультиязычная модель nlptown на архитектуре BERT, дообученная на отзывах о товарах для анализа тональности. Она относит отзыв к одной из пяти оценок — от одной до пяти звёзд — и предназначена для классификации отзывов на английском, нидерландском, немецком, французском, итальянском и испанском языках. Модель содержит 194,6 млн параметров, принимает текст длиной до 512 токенов и доступна в форматах PyTorch, TensorFlow и Flax. Модель подходит для автоматической оценки отзывов в каталогах товаров, мониторинга клиентской обратной связи и дальнейшего дообучения для близких задач анализа тональности. В README приведены результаты проверки на отложенных отзывах: точное совпадение числа звёзд составляет 57–67% для трёх указанных языков, а прогноз с расхождением не более одной звезды — 93–95%. Лицензия — MIT. Карточка рекомендует посетить сайт NLP Town за обновлённой версией с заявленным снижением ошибки на 40%.

Lightricks публикует эту версию Gemma 3 — мультимодальную модель Google Gemma 3 12B IT с инструкционной настройкой, представленную в формате safetensors. Она принимает текст и изображения и генерирует текст; подходит для диалога, ответов на вопросы по изображениям, извлечения визуальной информации, суммаризации и других задач по текстовым инструкциям. Модель относится к семейству Gemma 3 с плотной архитектурой Gemma3ForConditionalGeneration и основана на google/gemma-3-12b-it. В карточке семейства указаны контекстное окно до 128 тысяч токенов и поддержка более 140 языков. Модель рассчитана на применение в чат-ботах, виртуальных помощниках, создании и редактировании текстов, а также для понимания изображений; её размер допускает локальное развёртывание на подходящем оборудовании. Качество ответов зависит от данных и формулировки запроса: возможны ошибки в фактах, предвзятость и трудности с нюансами языка и сложными задачами. Модель распространяется по лицензии Gemma. Для использования следует соблюдать условия этой лицензии и политику допустимого использования Gemma.

clapAI разработала mmBERT-small-multilingual-sentiment — мультиязычную модель классификации тональности на основе энкодера ModernBERT. Модель дообучена на датасете clapAI/MultiLingualSentiment и предназначена для определения тональности текстов, включая отзывы о товарах и местах. Модель содержит около 140,5 млн параметров, принимает последовательности длиной до 8192 токенов и поддерживает более 16 языков, в том числе английский, русский, китайский, вьетнамский, французский, испанский, немецкий, итальянский, японский, корейский и арабский. На тестовой выборке указанного датасета авторы сообщают результат F1 = 82,2. Для ускорения вывода на совместимых GPU заявлена поддержка FlashAttention-2. Модель подходит для автоматической сортировки и анализа отзывов на нескольких языках. Результат зависит от тематики и языка текста; показатели из карточки получены на конкретном тестовом наборе. Лицензия — MIT.

faysal725/product-review-sentiment-classifier — классификатор тональности отзывов о товарах, разработанный на основе SetFit и paraphrase-mpnet-base-v2. Он относит текст отзыва к одному из двух классов: положительный или отрицательный, и выдаёт калиброванную оценку уверенности. Модель предназначена для анализа отзывов покупателей, мониторинга обратной связи и группировки мнений по тональности. Модель содержит 136,7 млн параметров, использует архитектуру MPNet и принимает текст на английском языке. По README, её обучали методом SetFit на 256 примерах с контрастивным обучением; калибровку оценок выполняли методом Platt scaling. На сбалансированной подвыборке Amazon Reviews Binary заявлены accuracy 91,2%, F1 0,913 и Brier score 0,079. Контекстное окно — 514 токенов. Лицензия модели — MIT.

Модель blanchefort/rubert-base-cased-sentiment-rurewiews — русскоязычный классификатор тональности отзывов на товары. Она разработана на основе DeepPavlov/rubert-base-cased-conversational и обучена на наборе RuReviews. Архитектура — BERT для классификации последовательностей; модель относит текст к одному из трёх классов: нейтральный, положительный или отрицательный. Модель предназначена для анализа отзывов на русском языке, например для автоматической сортировки и мониторинга обратной связи о товарах. Максимальная длина контекста — 512 токенов; опубликованы форматы PyTorch, TensorFlow и Flax, включая веса safetensors. Лицензия в предоставленных данных не указана.

dnzblgn/Sentiment-Analysis-Customer-Reviews — англоязычная модель классификации тональности отзывов покупателей, созданная на основе microsoft/deberta-v3-base и дообученная для бинарного определения положительной или отрицательной оценки текста. Она предназначена для анализа отзывов о товарах, например для автоматической сортировки откликов и мониторинга удовлетворённости клиентов. Модель построена на архитектуре DeBERTa v3 Base и содержит 306 млн параметров. Она принимает текст и выдаёт метку класса с оценкой уверенности; максимальная длина контекста — 512 токенов. В README приведены результаты на подмножестве датасета Amazon Reviews: accuracy 0,98, precision 0,98, recall 0,99 и F1 0,98. Эти показатели относятся к описанной оценке и не гарантируют такое же качество на других источниках отзывов. Лицензия — Apache-2.0.

yuyijiong/T5-large-sentiment-analysis-Chinese 是基于 IDEA-CCNL/Randeng-T5-784M-MultiTask-Chinese 微调得到的中文情感分析模型，参数量约 385,7 млн. Разработчик указывает, что эта версия улучшает предыдущую yuyijiong/Randeng-T5-large-sentiment-analysis-Chinese за счёт решения проблемы переобучения. Модель построена на архитектуре T5 и распространяется в формате PyTorch. Модель извлекает из текста объекты, мнения, аспекты и полярность тональности, представляя результат в структурированном виде. Можно задавать стиль извлечения мнения, анализировать тональность для выбранных аспектов и разрешать модели дополнять отсутствующий объект. Карточка описывает обучение на нескольких китайских и англоязычных наборах данных, включая SemEval 2016 Task 5. Основное назначение — аспектный анализ тональности текстовых отзывов и других высказываний. Хотя метаданные задают тег text-generation, доступная карточка описывает именно извлечение структурированных результатов анализа тональности. В README указано, что это улучшение более ранней версии; условия лицензии и численная длина контекста в доступных данных не приведены.

DAMO-NLP-SG разработала zero-shot-модель классификации текста на основе XLM-RoBERTa. Модель дообучена методом SSTuning: на неразмеченных англоязычных данных она учится предсказывать индекс метки с помощью задачи First Sentence Prediction. В архитектуре XLMRobertaForSequenceClassification около 305,2 млн параметров; модель принимает текст и названия классов и выдаёт оценки классов. Контекст составляет до 514 токенов. Модель предназначена для классификации без дополнительного дообучения, например для анализа тональности и определения тематики. В README указано, что она обучалась на 20,48 млн примеров на английском языке, но может применяться и на других языках, поддерживаемых XLM-RoBERTa. Рекомендуемое число меток — от 2 до 20. Распространяется по лицензии MIT.

Omar1010/bert-turkish-sentiment — дообученная модель BERTurk для классификации тональности турецких текстов. Она принимает текст и относит его к одному из трёх классов: положительная, отрицательная или нейтральная тональность. Модель основана на регистрозависимом BERT-энкодере dbmdz/bert-base-turkish-cased с архитектурой BertForSequenceClassification; размер — 137,8 млн параметров, максимальный контекст — 512 токенов. Модель подходит для анализа отзывов и других турецких текстов, особенно похожих на отзывы о товарах. На отложенной тестовой выборке указанного набора данных автор сообщает точность 0,9669 и Macro F1 0,9414. Весы доступны в формате safetensors, лицензия — MIT. Обучение проводилось на подвыборке из 60 000 обучающих и 8 000 тестовых примеров датасета winvoker/turkish-sentiment-analysis-dataset. На сарказме, неформальном сленге и узкоспециализированных текстах модель может работать менее надёжно.

GPT-3.5 Turbo Instruct — вариант модели OpenAI, настроенный на выполнение инструкций в текстовых запросах и не ориентированный на диалоговые оптимизации. Он предназначен для генерации текста в ответ на инструкции и запросы пользователя. В README указан предел знаний в виде обучающих данных по сентябрь 2021 года. Сведения об архитектуре, размере, контекстном окне и лицензии в предоставленных источниках отсутствуют.

Llama-3-70B-Synthia-v3.5 — универсальная языковая модель семейства Llama 3, дообученная разработчиком migtissera на наборе Synthia-v3.5 и других общедоступных данных. Вычислительные ресурсы для обучения предоставила KindoAI. Модель предназначена для следования инструкциям и продолжительных диалогов. Её можно применять для ответов на вопросы, написания и редактирования текста, объяснений и диалоговых сценариев. Это плотная авторегрессионная модель с архитектурой LlamaForCausalLM и примерно 69,5 млрд параметров; она принимает текст, выдаёт текст и поддерживает контекст до 8192 токенов. В карточке приведены результаты оценивания на нескольких наборах задач, включая IFEval и BBH. Модель может выдавать неточные или вводящие в заблуждение ответы, а также предвзятый, оскорбительный или иной неуместный контент; автор характеризует её как uncensored и рекомендует проверять ответы. Репозиторий содержит веса в формате safetensors. Лицензия — Llama 3 License (llama3).

Meta-Llama-3.1-70B-Instruct-FP8 — квантизированная версия языковой модели Meta-Llama-3.1-70B-Instruct, разработанная Neural Magic. Модель предназначена для коммерческого и исследовательского использования, прежде всего для диалоговых ассистентов и генерации текста. Она принимает текст и генерирует текст, поддерживает английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский языки, однако в документации отдельно указано ограничение на использование неанглийских языков. Модель имеет архитектуру Meta-Llama-3.1 и размер 70B параметров. Веса и активации линейных слоёв внутри трансформерных блоков квантизированы в формат FP8 с симметричной потензорной схемой; квантизация уменьшает объём хранения и требования к GPU-памяти примерно на 50%. Оптимизированная версия сохраняет близкие результаты базовой модели: средний балл OpenLLM составляет 84,29 против 84,40 у неквантизированной версии. Для развёртывания рекомендуется vLLM, включая режим, совместимый с OpenAI API. К ограничениям относятся возможное снижение качества относительно полной точности, отсутствие указанного в README размера контекстного окна и формальное требование соблюдать применимое законодательство. Модель распространяется по лицензии llama3.1; релиз версии 1.0 состоялся 23 июля 2024 года.

google/t5gemma-ml-ml-ul2-it — инструкция-дообученная текстовая модель семейства T5Gemma от Google, построенная как encoder-decoder с энкодером и декодером размера ML и адаптацией UL2. Семейство T5Gemma преобразует предварительно обученные decoder-only модели в encoder-decoder архитектуру; эта версия предназначена для диалоговой генерации текста по инструкциям. Модель работает с текстом на английском языке и использует библиотеку Transformers; репозиторий содержит веса в формате Safetensors. Модель подходит для ответов на вопросы, суммаризации, рассуждений и создания текстов, включая черновики писем, маркетинговые материалы и творческие форматы. Компактный размер семейства позволяет рассматривать запуск на локальных компьютерах или в облаке, хотя для этой конкретной версии в предоставленных данных нет точного числа параметров. Качество зависит от обучающих данных и формулировки запроса; модель может упускать языковые нюансы, ошибаться в фактах и воспроизводить смещения. Лицензия — Gemma; применяются ограничения политики допустимого использования Gemma.

Gemma 2 2B — компактная языковая модель Google из семейства Gemma, созданная с использованием исследований и технологий, применявшихся при разработке Gemini. Это декодерная модель с открытыми весами для генерации текста; семейство включает предварительно обученные и дообученные для следования инструкциям варианты. Данная карточка описывает текстовую модель, ориентированную на английский язык. Модель подходит для ответов на вопросы, суммаризации, рассуждений, диалоговых интерфейсов и создания текстов — например, черновиков писем, сценариев и рекламных материалов. Небольшой размер позволяет запускать её на ноутбуке, настольном компьютере или собственной облачной инфраструктуре. В метаданных указаны библиотека Transformers и формат весов Safetensors; лицензия — Gemma. Качество ответов зависит от обучающих данных и формулировки запроса. Модель может выдавать фактически неверную или устаревшую информацию, отражать предвзятость данных и испытывать трудности с неоднозначностью и сложными открытыми задачами; для прикладных систем рекомендуется проверка результатов и меры безопасности.

alpindale/gemma-7b-it — диалоговая инструктивная версия Gemma, семейства компактных открытых языковых моделей Google. Это плотная авторегрессионная модель-декодер для генерации текста; в репозитории указаны 8,2 млрд параметров, контекст до 8192 токенов и формат safetensors. Карточка описывает Gemma как англоязычную модель, подходящую для диалога, ответов на вопросы, суммаризации и рассуждений. Модель можно применять для чат-ботов и виртуальных помощников, подготовки черновиков и творческих текстов, краткого пересказа документов и исследования текстовых коллекций. Относительно компактный размер допускает запуск на персональных компьютерах и собственной облачной инфраструктуре, хотя практические требования зависят от конфигурации. README указывает Google как разработчика семейства Gemma; идентификатор репозитория сам по себе не подтверждает отдельное авторство alpindale или конкретную историю происхождения этой копии. Сведения о лицензии в предоставленных данных отсутствуют. Ответы могут содержать фактические ошибки и устаревшие сведения; качество зависит от обучающих данных и формулировки запроса. Модель может хуже справляться с нюансами языка, сложными открытыми задачами и здравым смыслом, а также отражать предвзятости данных; для пользовательских приложений нужны проверка результатов и меры безопасности.

M7Yamshadowexperiment28_YamMulti_verse_model — объединённая модель для генерации текста, созданная слиянием automerger/M7Yamshadowexperiment28-7B и automerger/YamMulti_verse_model-7B. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров; модель принимает текстовые запросы и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста по запросу. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0.

Многоязычная модель Cardiff NLP для многометочной классификации тем публикаций в соцсетях. Она основана на CardiffNLP/twitter-xlm-roberta-large-2022 и дообучена на наборах TweetTopic и X-Topic; архитектура — XLM-RoBERTa Large с классификационной головой, размер — 658,7 млн параметров. Модель принимает текст и может присваивать ему несколько тематических меток, включая искусство и культуру, бизнес, повседневную жизнь, здоровье, новости, науку, спорт и путешествия. Модель рассчитана на английский, испанский, японский и греческий языки. Её можно использовать для тематической разметки постов, анализа интересов аудитории и сортировки публикаций по темам. В README приведены результаты X-Topic: Macro-F1 от 50,3 до 60,2 и Micro-F1 от 61,4 до 73,0 в зависимости от языка. Контекст — до 514 токенов. Лицензия — MIT.

LiYuan/amazon-review-sentiment-analysis — модель на архитектуре BERT, дообученная на наборе отзывов покупателей Amazon из США. Она классифицирует отзыв по тональности, предсказывая оценку от одной до пяти звёзд. Модель рассчитана на отзывы на английском, нидерландском, немецком, французском, испанском и итальянском языках; регистр букв не влияет на обработку. Размер модели — 194,6 млн параметров, максимальная длина контекста — 512 токенов. Модель подходит для автоматической оценки тональности и рейтинга товаров по текстам отзывов, а также для дообучения на близких задачах анализа отзывов. В описанной оценке на отложенной выборке указана точность 0,8. Модель основана на nlptown/bert-base-multilingual-uncased-sentiment и распространяется по лицензии Apache-2.0.

Experiment26Yam_Multi_verse_modelM7 — объединённая модель для генерации текста, построенная на архитектуре Mistral. Она создана путём слияния automerger/Experiment26Yam-7B и automerger/Multi_verse_modelM7-7B. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Веса опубликованы в формате Safetensors, лицензия — Apache-2.0.

Gemma 2B — компактная плотная авторегрессионная языковая модель семейства Gemma, разработанная Google. Она содержит 2,5 млрд параметров, принимает и генерирует текст и поддерживает контекст до 8192 токенов. Репозиторий содержит веса в формате safetensors и предназначен для работы с библиотекой Transformers. Модель подходит для генерации текста, ответов на вопросы, суммаризации и диалоговых интерфейсов, а компактный размер позволяет запускать её на персональных компьютерах и собственной облачной инфраструктуре. В карточке указана поддержка английского языка. Условия лицензии в предоставленных данных не описаны. Качество ответов зависит от формулировки запроса и охвата обучающих данных. Модель может ошибаться в фактах, упускать нюансы и воспроизводить предвзятость; для сложных задач и пользовательских приложений нужны проверка результатов и меры безопасности.

core-outline/gemma-2b-instruct — текстовая инструктивная модель семейства Gemma, разработанного Google на основе технологий и исследований, использованных для Gemini. Это плотная авторегрессионная модель-декодер класса GemmaForCausalLM с 2,5 млрд параметров, предназначенная для диалога и генерации текста; контекст составляет до 8192 токенов. Модель принимает текст и формирует текстовые ответы. В карточке семейство Gemma описано как англоязычное. Модель подходит для ответов на вопросы, суммаризации, диалоговых интерфейсов, создания текстов и простых задач рассуждения. Компактный размер позволяет запускать её на компьютере или собственной облачной инфраструктуре. Репозиторий содержит веса в форматах Safetensors и GGUF. Лицензия указана как other; конкретные условия следует сверить с лицензией репозитория. К ограничениям относятся возможные фактические ошибки и устаревшие сведения, смещения из обучающих данных и трудности с неоднозначным языком или сложными открытыми задачами. Модель может создавать вредоносный или вводящий в заблуждение текст, поэтому для прикладных систем важны проверка ответов и меры безопасности.

Gemma 2B IT — компактная инструкционная языковая модель Google из семейства Gemma, созданного с использованием исследований и технологий, применявшихся при разработке Gemini. Это текстовая авторегрессионная модель с архитектурой decoder-only; версия IT настроена на выполнение инструкций и диалог. Веса открыты, модель доступна в формате Safetensors и GGUF и запускается через Transformers. Модель предназначена для генерации текста, ответов на вопросы, суммаризации и диалоговых приложений. Небольшой размер упрощает развёртывание на ноутбуке, настольном компьютере или собственной облачной инфраструктуре. В карточке семейства заявлена поддержка английского языка; конкретный размер контекста не указан в предоставленных данных. К ограничениям относятся возможные фактические ошибки, устаревшие сведения, смещения в ответах и трудности со сложными задачами, нюансами языка и сарказмом. Модель не является базой знаний; для пользовательских приложений рекомендуется проверять ответы и применять меры безопасности. Использование регулируется лицензией Gemma.

Instruct_Llama3_8B — авторегрессионная языковая модель на архитектуре Llama 3, дообученная Brillibits на разнообразных источниках данных. Модель содержит 7,5 млрд параметров и рассчитана на генерацию текста по инструкциям на английском языке; для общения используется формат промпта с системной частью и инструкцией. Модель обучали два этапа эпох с использованием QDora; в README указан контекст обучения 4096 токенов, а в метаданных — нативный контекст 8192 токена. Подходит для ответов на вопросы, выполнения текстовых инструкций и других сценариев генерации текста. Доступна в формате safetensors по лицензии Llama 3.

Jais-2-8B-Chat — двуязычная чат-модель, разработанная MBZUAI, Inception и Cerebras. Она обучена с нуля на арабских и английских данных и предназначена для диалога и генерации текста на современном стандартном арабском, региональных диалектах и английском, включая смешение арабского и английского в одной беседе. Модель построена на архитектуре Transformer с декодером и многоголовым self-attention, содержит 8 млрд параметров и поддерживает контекст до 8 192 токенов. В её конструкции используются RoPE, активация Squared-ReLU и словарь из 150 272 токенов, настроенный на арабский язык. Модель подходит для чат-ассистентов, работы с двуязычными документами и анализа арабоязычного контента. В README отмечены конкурентные результаты на тестах следования инструкциям и генерации на арабском языке. Модель рассчитана прежде всего на арабский и английский; качество для других языков не гарантируется. Не следует полагаться на неё при принятии медицинских, юридических, финансовых или иных критически важных решений без проверки человеком. Лицензия — Apache-2.0.

JuliusCesar-72B-BeyonderV.0 — объединённая модель для генерации текста, созданная с помощью mergekit методом SLERP на основе migtissera/Tess-72B-v1.5b и davidkim205/Rhea-72b-v0.5. В репозитории указана архитектура LlamaForCausalLM и формат safetensors; число параметров по метаданным — 36,1 млрд, контекст — до 32 768 токенов. Модель предназначена для генерации текста и ответов на запросы. Базовая модель описана как обученная следовать инструкциям и отвечать на разнообразные запросы на английском языке. Лицензия — Apache-2.0.

M7Yamshadowexperiment28_Experiment28Yam — объединённая модель генерации текста на архитектуре Mistral, созданная из automerger/M7Yamshadowexperiment28-7B и automerger/Experiment28Yam-7B. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Она предназначена для генерации текста по текстовому запросу. Веса опубликованы в формате safetensors, лицензия — Apache-2.0.

QuantFactory/Meta-Llama-3.1-8B-Instruct-GGUF — это квантованная версия инструкционной языковой модели Meta Llama 3.1 с примерно 8 млрд параметров, подготовленная QuantFactory в формате GGUF. Модель предназначена для генерации текста и диалоговых сценариев, включая ответы на инструкции, поддержку пользователей и другие задачи обработки естественного языка. Заявлена поддержка английского, немецкого, французского, итальянского, португальского, хинди, испанского и тайского языков. Модель относится к текстовым генеративным системам; сведения о контекстном окне, конкретном методе и уровне квантования, требованиях к памяти и производительности в предоставленных данных отсутствуют. Формат GGUF обычно ориентирован на локальный запуск, однако точные параметры использования для данной сборки не указаны. Модель распространяется по лицензии Llama 3.1 Community License от Meta. При распространении материалов или производных продуктов необходимо соблюдать условия лицензии, включая предоставление текста соглашения, указание «Built with Llama», сохранение атрибуции и соблюдение Acceptable Use Policy. Для продуктов с более чем 700 млн ежемесячных активных пользователей предусмотрено дополнительное требование получить отдельное разрешение Meta.

MaziyarPanahi/notus-7b-v1-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель, созданная слиянием моделей mistralai/Mistral-7B-Instruct-v0.2 и argilla/notus-7b-v1 методом SLERP. Она основана на архитектуре Mistral с плотной причинной языковой моделью MistralForCausalLM и содержит 7,1 млрд параметров. Модель предназначена для генерации текста в формате диалога и выполнения инструкций. Контекст составляет до 32 768 токенов, что позволяет использовать её для продолжительных бесед и работы с длинными текстовыми запросами. На Hugging Face опубликована в формате safetensors. Модель распространяется по лицензии Apache-2.0. Карточка описывает способ слияния, но не приводит отдельных оценок качества или известных ограничений; результат зависит от формулировки запроса и сценария применения.