III.2Исследование рынка и маркетинг

Whisper small.en — англоязычная модель распознавания речи от OpenAI, представленная в семействе Whisper. Это Transformer-модель типа encoder-decoder с архитектурой sequence-to-sequence и 153,1 млн параметров. Она принимает аудио и преобразует английскую речь в текст; для длинных записей транскрибирование можно выполнять с разбиением аудио на фрагменты, а при соответствующей настройке получать временные метки. Модель обучена на размеченных аудиоданных в рамках семейства Whisper и рассчитана на распознавание английской речи, в том числе в условиях акцентов, фонового шума и специальной лексики. Репозиторий предоставляет веса в форматах PyTorch, TensorFlow и Flax, включая safetensors. Лицензия — Apache-2.0. Транскрипции могут содержать слова, которых нет в аудио; возможны повторения и ошибки распознавания. Качество зависит от акустических условий и разновидности английского; эта англоязычная версия не предназначена для многоязычного распознавания или перевода речи.

WiroAI/wiroai-turkish-llm-9b — текстовая диалоговая модель WiroAI для генерации и преобразования текста на турецком языке. Это дообученная методом SFT модель Google Gemma 2 9B с архитектурой decoder-only transformer; в README указано, что при настройке использовался LoRA без квантизации и более 500 тысяч турецких инструкций. Модель содержит 9 млрд параметров, работает с контекстом до 8192 токенов и распространяется в формате safetensors по лицензии Gemma. Модель предназначена для ответов на вопросы, суммаризации, редактирования и анализа текста, а также задач, требующих знания турецкого языка, культуры и местного контекста. README приводит результаты на турецких вариантах бенчмарков MMLU, TruthfulQA, ARC, HellaSwag, GSM8K и WinoGrande. Для лучших результатов рекомендуется давать ясные структурированные инструкции; ответы следует проверять в критичных сценариях, а ресурсы оценивать перед развёртыванием. В карточке заявлена поддержка турецкого и других распространённых языков, но отдельные языки помимо турецкого не перечислены.

ShenaoZhang выпустил дообученную модель Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров. Она предназначена для генерации текста и диалогового общения; в качестве базовой модели указана HuggingFaceH4/mistral-7b-sft-beta, а для дообучения использованы наборы updated и original. Модель принимает и генерирует текст, поддерживает контекст до 32 768 токенов. Карточка не описывает конкретные сценарии обучения и оценки качества. Лицензия — MIT.

Это дообученная диалоговая модель Mistral с 7,1 млрд параметров, созданная на базе HuggingFaceH4/mistral-7b-sft-beta. Она предназначена для генерации текста и общения в формате чата; в качестве обучающих данных использован набор HuggingFaceH4/ultrafeedback_binarized. Модель принимает текст и генерирует текст, а заявленная длина контекста составляет 32 768 токенов. Репозиторий содержит веса в формате Safetensors и распространяется по лицензии MIT. Подробные сведения о качестве, оценке и ограничениях в карточке модели не приведены.

Это диалоговая модель генерации текста семейства Mistral, дообученная автором репозитория на ShenaoZ/0.0005_betadpoinit_4iters_bs256_5551lr_iter_2 с использованием обновлённого и исходного датасетов. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и принимает контекст длиной до 32 768 токенов. Модель предназначена для генерации ответов в диалоге и других сценариев текстовой генерации. В метаданных указаны DPO и разговорный формат; README не приводит описания обучения, оценки качества или специальных областей применения. Репозиторий распространяется по лицензии MIT.

ShenaoZ/0.0005_withdpo_4iters_bs256_2epoch_5311lr_iter_3 — диалоговая модель генерации текста, дообученная на базе ShenaoZ/0.0005_withdpo_4iters_bs256_2epoch_5311lr_iter_2 на обновлённом и исходном наборах данных. Она построена на плотной архитектуре Mistral с 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации ответов в диалоге и других сценариев текстовой генерации. Карточка не приводит оценки качества, подробности обучения или ограничения применения. Репозиторий содержит веса в формате safetensors; лицензия — MIT.

Это плотная авторегрессионная языковая модель семейства Mistral, дообученная ShenaoZhang на базе HuggingFaceH4/mistral-7b-sft-beta с использованием обновлённого и исходного наборов данных. Модель содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов и предназначена для генерации текста в диалоговом формате. Модель подходит для общения и создания текстовых ответов на запросы. Карточка не приводит подробностей о составе обучающих данных и результатах оценки, поэтому качество на конкретных задачах и языках по этим данным определить нельзя. Распространяется по лицензии MIT.

ABCDAI-R1-1.5b-SFT — дообученная EnzGamers разговорная языковая модель на базе Qwen/Qwen2.5-1.5B. Модель с плотной архитектурой Qwen2 и 1,5 млрд параметров предназначена для генерации текста в диалоге; для обучения использовалась библиотека TRL. Репозиторий содержит веса в формате Safetensors и поддерживает контекст до 131072 токенов. Модель можно использовать для ответов на вопросы и генерации текста в формате чата. Доступные сведения не описывают конкретные языки обучения или специализированные предметные области, поэтому её следует рассматривать как модель общего назначения. Лицензия в предоставленных данных не указана.

Aitana-2B-S-base-1.0-i1-GGUF — это GGUF-квантизированная версия базовой языковой модели Aitana-2B-S-base, разработанной GPLSI и опубликованной mradermacher. Квантизация выполнена mradermacher с использованием weighted/imatrix-подхода; доступны варианты с разными типами квантизации и размером примерно от 1,0 до 2,0 ГБ. Модель предназначена для генерации и обработки текста, включая сценарии на валенсийском и каталанском языках, а также испанском и английском. В обучении использовались наборы данных alia_dogv, alia_les_corts, alia_amic, alia_boua и alia_tourism. README не содержит сведений об архитектуре, размере контекста, точной структуре модели или поддержке других модальностей, поэтому её следует рассматривать как текстовую языковую модель без подтверждённой мультимодальности. Основное преимущество представленной версии — возможность запуска в компактном формате GGUF и выбора компромисса между качеством, скоростью и потреблением памяти. Рекомендуемыми вариантами названы i1-Q4_K_M и i1-Q4_K_S; низкобитные варианты могут заметно уступать в качестве, тогда как более крупные варианты требуют больше памяти. Модель распространяется по лицензии Apache-2.0.

Amadeus-Verbo-BI-Qwen-2.5-32B-PT-BR-Instruct-Experimental — языковая модель на базе Qwen2.5-32B, дообученная разработчиками Amadeus AI на 600 тысячах инструкций за два эпоха. Модель предназначена для диалоговой генерации текста и следования инструкциям на бразильском португальском языке. Это плотная Transformer-модель с архитектурой Qwen2, 32 млрд параметров по метаданным (в README указано 32,5 млрд), контекстом до 131 072 токенов и весами в формате Safetensors. Для загрузки используется библиотека Transformers; карточка также отмечает интерфейс вызова инструментов. Модель может подойти для длинных диалогов и задач, где нужен бразильский вариант португальского. Лицензия — Apache-2.0. Опубликована как экспериментальная версия; качество и пригодность для конкретных приложений следует проверять на целевых данных. Карточка не приводит подробностей о составе обучающего набора или результатах оценки.

Arcee-VyLinh — компактная языковая модель на 3,1 млрд параметров от Arcee AI для диалога, выполнения инструкций и генерации текста с упором на вьетнамский язык. Модель создана на основе Qwen2.5-3B и Qwen2.5-3B-Instruct: после дообучения на вьетнамских данных и итеративной оптимизации предпочтений её объединили с базовой инструктивной моделью. Используются плотная архитектура Qwen2, библиотека Transformers и формат safetensors. Модель принимает текст на вьетнамском и английском языках, поддерживает контекст до 32 768 токенов и предназначена для чата, ответов на вопросы, дополнения текста, создания и суммаризации материалов. По данным карточки, она показывает сильные результаты на сложных задачах на вьетнамском при компактном размере. Возможны галлюцинации в вопросах о культурно-специфических темах и сниженное качество в узкоспециализированных технических областях. Лицензия — Apache-2.0.

ontocord/Baguettotron-longsft_16k — дообученная командой Ontocord модель PleIAs/Baguettotron на наборе long_sft. Это плотная авторегрессионная языковая модель семейства Llama с 320,9 млн параметров, предназначенная для генерации текста в диалоговом формате. Она поддерживает контекст до 16 384 токенов и подходит для сценариев, где нужно учитывать более длинный контекст при ответах и продолжении текста. Модель представлена в формате safetensors и рассчитана на использование через Transformers. Карточка не приводит результатов оценки, подробного описания обучающих данных или специальных ограничений. Лицензия указана как other, поэтому условия использования следует уточнить в репозитории модели и у правообладателя базовой модели.

Brunhilde-2x7b-MOE-DPO-v.01.5 — языковая модель на архитектуре Mixtral с механизмом смеси экспертов (MoE), опубликованная arlineka. В README она представлена как объединение NurtureAI/neural-chat-7b-v3-16k и mncai/mistral-7b-dpo-v6; метаданные указывают 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста, в том числе диалоговых ответов и рассуждений. В карточке приведены результаты Open LLM Leaderboard: средний балл 71,81, AI2 Reasoning Challenge — 69,54, HellaSwag — 87,02. Весовые файлы представлены в формате Safetensors. README не описывает языки, специальные прикладные области или ограничения качества; оценки бенчмарков не гарантируют точность ответов в конкретных задачах. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

bruphin-delta — плотная авторегрессионная языковая модель на архитектуре Mistral, созданная nbeerbower методом слияния SLERP с помощью mergekit. В слияние вошли nbeerbower/bruphin-gamma и senseable/WestLake-7B-v2; в конфигурации указана базовая модель nbeerbower/bruphin-gamma. Модель содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста, включая диалоговые и творческие сценарии, на которые ориентирована базовая WestLake-7B-v2. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. Карточка не приводит результатов оценки качества или явного перечня ограничений, поэтому пригодность для конкретных задач следует проверять на собственных данных.

MaziyarPanahi/calme-3.1-baguette-3b — чат-модель, разработанная MaziyarPanahi на основе Qwen2.5-3B и дообученная для широких задач на французском и английском языках. Это плотная авторегрессионная модель семейства Qwen2 с 3,1 млрд параметров, рассчитанная на контекст до 32 768 токенов и работающая с шаблоном диалога ChatML. Модель предназначена для диалогов и генерации текста в общих сценариях на французском и английском: например, для ответов на вопросы, написания и редактирования текстов. В обучении использовались наборы french_instruct_sharegpt и calme-legalkit-v0.2. Репозиторий содержит веса Safetensors; отдельные квантованные версии GGUF размещены в другом репозитории. Автор предупреждает, что из-за небольшого размера модель может хуже справляться с некоторыми запросами и быть чувствительной к гиперпараметрам. При внедрении следует учитывать возможные смещения и проверять ответы с участием человека. Лицензия в метаданных обозначена как other, конкретные условия использования в предоставленных сведениях не раскрыты.

CatPPT-base — плотная языковая модель Mistral с 7,1 млрд параметров, созданная Rishi Raj. Сначала автор объединил модели OpenChat и NeuralChat методом Gradient SLERP, затем дообучил результат на наборе no_robots для диалогов. Модель предназначена для генерации текста и общения в формате чата; в карточке приведены результаты тестирования на задачах общего понимания, рассуждения и математики. Указанный контекст составляет 32 768 токенов. Модель распространяется в формате Safetensors по лицензии Apache 2.0. Результаты в README относятся к моменту выпуска в декабре 2023 года и сами по себе не гарантируют качество на других задачах. Карточка не сообщает о специализированной отраслевой направленности.

Sumail/Chalice1 — объединённая языковая модель на архитектуре Llama, созданная с помощью mergekit методом SLERP из cilantro9246/le6l0kb и Grayx/sad_llama_38. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и рассчитана на генерацию текста и диалоговое общение; длина контекста составляет 8192 токена. Модель опубликована в формате safetensors с весами bfloat16. В README описана схема объединения слоёв и параметров внимания и MLP. Данные не сообщают о специализированной области применения, поддерживаемых языках или отдельных оценках качества. Лицензия в предоставленных источниках не указана.

FourOhFour/Chili_Dog_8B — объединённая разговорная языковая модель, созданная с помощью mergekit из jeiku/fatgirlmagicv2 и jeiku/magicfatgirlv2 методом SLERP. Модель построена на плотной архитектуре MistralForCausalLM и содержит около 7,9 млрд параметров; для работы с контекстом поддерживается до 8192 токенов. Модель предназначена для генерации текста и диалогового общения. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Сведения о конкретных языках, специализированных областях и лицензии в предоставленных данных отсутствуют.

chronos-13b-v2 — языковая модель elinas на архитектуре LLaMA 2 Base, представленная в формате PyTorch/Hugging Face с точностью FP16. Модель содержит 12,9 млрд параметров и поддерживает контекст до 4096 токенов. Она предназначена для диалогов, ролевых сценариев и написания историй; автор также отмечает способности к рассуждению и логике и генерацию длинных связных ответов. Для лучшей работы модель следует использовать с шаблоном Alpaca, в котором запрос помещается между маркерами Instruction и Response. Репозиторий содержит полноточную версию для запуска при наличии достаточной видеопамяти или для дальнейшей квантизации. Лицензия указана как llama2.

ChaoticNeutrals/Community_Request-03-12B — разговорная языковая модель семейства Mistral с 12,1 млрд параметров, созданная слиянием двух предварительно обученных моделей с помощью mergekit и метода SLERP: Nitral-AI/Captain-Eris_Violet-GRPO-v0.420 и Nitral-AI/Wayfarer_Eris_Noctis-12B. Модель предназначена для генерации текста в диалоговом формате и поддерживает контекст до 1 024 000 токенов. Модель использует архитектуру MistralForCausalLM и распространяется в формате safetensors. Карточка не описывает специализированные предметные области или языки. Лицензия в предоставленных данных не указана.

RLHFlow/DPA-v1-Mistral-7B — декодерная языковая модель на архитектуре Mistral, разработанная Haoxiang Wang и дообученная для directional preference alignment с многокритериальными наградами. Она предназначена для генерации текста и диалоговых сценариев, где важно учитывать различные предпочтения пользователей. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель использует Transformers и распространяется в формате safetensors. В карточке указан английский язык и лицензия Apache-2.0. Она связана с работой ACL 2024 об арифметическом управлении предпочтениями LLM; подробности о наборах данных и измеренных ограничениях в карточке не приведены.

eridai/erida-Inari-260905 — языковая модель для генерации текста, опубликованная под идентификатором eridai и предназначенная для работы с русскоязычными запросами. Модель относится к классу causal language models и может использоваться в сценариях диалога, текстовой генерации и решения задач, требующих рассуждений. Модель интегрируется с библиотекой Transformers и рассчитана прежде всего на русский язык. В её описании указано обучение или настройка на наборе данных eridai/russian_dpo_qa, ориентированном на вопросы и ответы на русском языке. Точный размер модели, архитектура, длина контекста, поддерживаемые дополнительные языки и модальности в доступных данных не указаны. К сильным сторонам относятся специализация на русскоязычном взаимодействии и поддержка диалоговых и reasoning-сценариев. Ограничения модели, результаты оценивания, требования к аппаратному обеспечению и рекомендуемые параметры использования не приведены, поэтому её качество и пригодность для конкретных задач следует проверять отдельно. Модель распространяется по лицензии Apache-2.0.

Evocation — объединённая языковая модель семейства Llama, созданная ClaudioItaly с помощью mergekit. В слиянии использованы WizardLM-1.0-Uncensored-Llama2-13b и Utopia-13B; базой указана Utopia-13B. Применён метод della_linear, веса сохранены в формате safetensors с точностью bfloat16. Модель предназначена для генерации текста по запросу, включая диалоги и ответы в свободной форме. Она содержит около 12,9 млрд параметров, построена на архитектуре LlamaForCausalLM и поддерживает контекст до 4096 токенов. В карточке не приведены сведения о целевых языках или специализированных областях применения. Лицензия в предоставленных данных не указана.

EXAONE-3.5-32B-Instruct-GGUF — это набор GGUF-квантизованных версий языковой модели EXAONE-3.5-32B-Instruct, разработанной LGAI-EXAONE. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и работы в диалоговом режиме, включая запуск через LM Studio и другие совместимые инструменты. Модель содержит 32 миллиарда параметров и поддерживает английский и корейский языки. В репозитории доступны варианты от полноразмерного F16 весом около 64 ГБ до квантизаций Q3, Q4, Q5, Q6, Q8 и IQ различных размеров. Более качественные варианты требуют больше оперативной или видеопамяти, тогда как Q3 и некоторые IQ-варианты рассчитаны на системы с ограниченными ресурсами. Для взаимодействия используется специальный шаблон prompt с ролями system, user и assistant. Сильной стороной репозитория является широкий выбор квантизаций, позволяющий подобрать баланс между качеством, размером и производительностью; варианты Q5 и Q6 отмечены как высококачественные, а Q4_K_M рекомендован как типичный компромисс. Ограничения включают отсутствие информации о размере контекста, архитектуре базовой модели, мультимодальности, результатах тестирования и системных требованиях. Лицензия указана как proprietary/other с названием exaone; перед использованием необходимо ознакомиться с условиями, приведёнными в файле LICENSE.

MaziyarPanahi/Experiment28T3q_PasticheInex12 — объединённая модель Mistral с 7,1 млрд параметров, созданная слиянием automerger/Experiment28T3q-7B и automerger/PasticheInex12-7B. Она предназначена для генерации текста и диалогов; принимает текст и выдаёт текст. Модель поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors по лицензии Apache-2.0. Языковая специализация и дополнительные прикладные области в доступных данных не описаны.

Flammen-Mahou-mistral-7B-v2 — объединённая разговорная языковая модель, созданная автором репозитория с помощью mergekit методом SLERP из flammenai/Mahou-1.3-mistral-7B и flammenai/flammen32-mistral-7B. Это плотная модель семейства Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров; она принимает текст и генерирует текст, поддерживает диалоговый сценарий и контекст до 32 768 токенов. Модель подходит для ведения диалогов и ролевых игр, а также для генерации продолжений текста. Метаданные указывают библиотеку Transformers и формат весов safetensors. Сведения о лицензии и языковой поддержке в предоставленных данных отсутствуют.

Gemma 7B Zephyr SFT — плотная авторегрессионная языковая модель на архитектуре Gemma, созданная командой W&B посредством дообучения google/gemma-7b по рецепту Zephyr SFT. Модель предназначена для диалоговой генерации текста и ответов на запросы; в метаданных также указана поддержка чата. Для обучения использовался набор данных HuggingFaceH4/ultrachat_200k и смесь общедоступных синтетических данных. В README указано 8,5 млрд параметров, тогда как метаданные каталога содержат оценку 8,2 млрд; модель принимает текст и генерирует текст, её контекст составляет 8192 токена. Основной язык — английский. Карточка приводит результаты оценивания на нескольких тестах, включая AI2 Reasoning Challenge и HellaSwag. Лицензия указана как other, поэтому условия использования следует сверить с лицензией репозитория и базовой модели перед применением.

Higgs Audio v3 8B STT — модель распознавания речи от Boson AI, дообученная методом LoRA на разнообразных наборах данных для ASR. Она принимает монофонический WAV-аудиосигнал с частотой 16 кГц и преобразует речь в текст. Архитектура объединяет замороженный энкодер Whisper-Large-v3 и декодер Qwen3-8B с объединёнными LoRA-весами; общий размер составляет 8,91 млрд параметров. Модель поддерживает режим Thinking для повышения точности. В README приведены результаты на бенчмарке ESB, включая WER 6,23% на AMI, 11,33% на Earnings22 и 9,34% на GigaSpeech. Обучение использовало выборки AMI, SPGISpeech, Earnings22, VoxPopuli, LibriSpeech и TED-LIUM. Метаданные указывают английский язык и лицензию Apache-2.0; опубликованный формат весов — safetensors.

Карточка модели IndexTeam/Index-Translate-35B-A3B-preview-before-replacement-20261003 на Hugging Face совпадает с карточкой IndexTeam/Index-Translate-35B-A3B-preview, поэтому описание составлено по ней. Index-Translate-35B-A3B-preview — мультиязычная текстовая модель перевода семейства Index-Translate, созданная на базе Qwen3.5. Это модель архитектуры mixture-of-experts с 35 млрд общих и примерно 3 млрд активных параметров; в метаданных семейство архитектуры указано как qwen3_5_moe. Модель предназначена для перевода между 150 языками, включая предложения, статьи, субтитры и тексты с особыми инструкциями. Модель учитывает требования к терминологии, стилю, контексту, структуре и длине результата. Она может сохранять формат JSON, CSV и Markdown, блоки кода и переменные-заполнители, адаптировать тон и интерпретировать мемы, разговорные выражения и культурные отсылки. В техническом отчёте для preview приведены высокие результаты на тестах перевода и следования инструкциям, в том числе FLORES COMET-22 0,8794 и instTrans IFscore 0,8336. Это preview-версия. В README отмечены ошибки выбора целевого языка на малоресурсных направлениях: 2,4% на FLORES_minor_pair и 4,05% на instTrans_minor. Приведённые оценки относятся к тестам и условиям отчёта; покрытие языков описано в языковом перечне технического отчёта. Модель опубликована под лицензией Apache-2.0.

Inex12M7-7B — объединённая текстовая модель на архитектуре Mistral, созданная Maxime Labonne автоматическим слиянием моделей. Она предназначена для генерации текста и диалогов; в конфигурации использованы MSL7/INEX12-7b и liminerity/M7-7b, а метод слияния указан как DARE-TIES. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель опубликована в формате Safetensors с лицензией Apache-2.0. Карточка не описывает конкретные языки, специализацию или результаты оценки качества, поэтому применимость к отдельным предметным областям не подтверждена.