III.2Исследование рынка и маркетинг

BlossomsAI разработала BloomVN-8B-chat — плотную чат-модель для генерации текста на основе Qwen2, дообученную от Sailor2-8B-Chat. Обучение включало дополнительное предобучение, настройку на вьетнамском наборе инструкций и настройку отказов от ответов на определённые запросы. Модель предназначена для генерации текста и диалогов на вьетнамском и английском языках, в частности для создания двуязычного контента и языковых приложений. Она содержит 8 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. В README приведён результат 56,56 по среднему показателю бенчмарка VLMU от 7 февраля 2025 года. Модель распространяется по лицензии MIT. Бенчмарк не описывает качество на всех практических задачах; сведения о конкретных ограничениях и условиях развёртывания в карточке не приведены.

Карточка модели reallad/blopsy-1.2 на Hugging Face совпадает с карточкой reallad/blopsy-1.1, поэтому описание составлено по ней. reallad/blopsy-1.1 — языковая модель reallad для генерации текста и диалогов. Она дообучена на базе reallad/llama-8b-alpaca-noro с использованием Unsloth и библиотеки TRL. Модель построена на плотной архитектуре LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Карточка указывает английский язык; метаданные отмечают поддержку диалогового режима. Модель распространяется в формате PyTorch по лицензии Apache-2.0.

BLOSSOM-v2-llama2-7b — диалоговая языковая модель, разработанная командой Blossom на основе предобученной Llama-2-7b. Модель содержит 6,6 млрд параметров, использует архитектуру Llama и рассчитана на контекст до 4096 токенов. Модель дообучена в два этапа на смесях инструкционных и диалоговых данных Wizard, Dolphin и Blossom, включая набор для математических диалогов. Она предназначена для ответов на вопросы и ведения одно- и многоходового диалога; взаимодействие оформляется как продолжение текста с шаблоном ролей Human и Bot. Метаданные указывают китайский и английский языки. В README отмечено, что у базовой Llama-2-7b ограничены знания китайского языка, и для китайских сценариев рекомендуется вариант на Baichuan. Модель распространяется в формате PyTorch по лицензии Apache-2.0.

Chinese Llama 2 7B — китайская версия модели Llama 2, представленная авторами проекта LinkSoul. Это плотная причинно-языковая модель с архитектурой LlamaForCausalLM и примерно 6,6 млрд параметров; она принимает текст и генерирует текст. Карточка описывает дообучение на наборе инструкций SFT на китайском и английском языках объёмом 10 млн примеров и формат ввода, совместимый с llama-2-chat. Модель предназначена для диалогов и выполнения текстовых инструкций на китайском и английском языках. Заявлены веса PyTorch и лицензия Apache-2.0; метаданные Hub указывают OpenRAIL, поэтому условия лицензирования следует сверить с файлами репозитория перед использованием. Длина контекста составляет 2048 токенов. Карточка не приводит оценок качества или подробных ограничений применения.

CrisperWhisper — вариант Whisper для точной дословной транскрибации речи и получения временных меток на уровне слов. Карточка описывает модель как доработку Whisper с изменённым токенизатором и дополнительной функцией потерь для повышения точности выравнивания; в метаданных указаны архитектура Whisper, 905,2 млн параметров и формат safetensors. Базовые модели по данным каталога — nyrahealth/CrisperWhisper и openai/whisper-large-v3; каталог отмечает слияние моделей. Модель предназначена для сценариев, где важны заполнители пауз, повторы, запинки и ложные старты, например для анализа записей совещаний, интервью и выступлений. Для получения словных временных меток применяется выравнивание по cross-attention с помощью Dynamic Time Warping. README приводит результаты сравнения на нескольких наборах данных, но качество зависит от аудио и задачи; в отдельных примерах показаны лишние фрагменты распознавания. Поддержка карточкой указана для немецкого и английского языков. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства и ограничивающая коммерческое применение.

Карточка модели Dnoya10/dicoding_genAI_expert_collab_grpo_2 на Hugging Face совпадает с карточкой Dnoya10/dicoding_genAI_expert_collab_grpo_4, поэтому описание составлено по ней. Dnoya10/dicoding_genAI_expert_collab_grpo_4 — дообученная языковая модель семейства Qwen2 с архитектурой плотной авторегрессионной сети. Разработчик — Dnoya10; модель дообучена на Dnoya10/dicoding_genAI_expert_collab_eks1 с использованием Unsloth и библиотеки TRL. В репозитории указаны веса Safetensors, размер модели — 1,5 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно использовать для ответов на запросы и ведения беседы на английском языке. Интерфейс поддерживает вызов инструментов, но карточка не описывает специальные предметные области или конкретные сценарии применения. Лицензия — Apache-2.0.

DiscoPhoenix-7B — модель генерации текста на архитектуре Mistral, созданная mayflowergmbh. Это DPO-настроенное слияние немецкоязычной DiscoLM_German_7b_v1, Phoenix и OpenPipe/mistral-ft-optimized-1227; конфигурация также включает mistralai/Mistral-7B-v0.1. Модель предназначена для диалогов и генерации текста, в частности на немецком языке. Модель содержит 7,1 млрд параметров, принимает текст и имеет контекст до 32 768 токенов. Для дальнейшего использования доступны веса в формате safetensors. В метаданных указана лицензия Apache-2.0. Подробные результаты оценки и ограничения качества в карточке не раскрыты.

dmWM-LLama-3-1B-Harm-ft-HarmData-AlpacaGPT4-OpenWebText-d4-a0.25 — плотная авторегрессионная языковая модель семейства Llama, созданная дообучением huihui-ai/Llama-3.2-1B-Instruct-abliterated. Она предназначена для генерации текста и диалоговых сценариев. Модель содержит 1,2 млрд параметров, рассчитана на контекст до 131 072 токенов и использует библиотеку Transformers; веса доступны в формате Safetensors. Карточка не описывает конкретные сценарии применения, обучающие данные или результаты оценки качества. Лицензия — llama3.2. README не содержит дополнительных сведений об ограничениях или условиях применения.

ELYZA-japanese-Llama-2-13b-instruct — японская инструктивная языковая модель, разработанная командой ELYZA на базе Llama 2. Модель прошла дополнительное предварительное обучение для расширения возможностей работы с японским языком; вариант instruct предназначен для генерации ответов на инструкции и запросы.

ELYZA-japanese-Llama-2-7b-instruct — языковая модель ELYZA на архитектуре Llama 2, предназначенная для генерации текста и инструкционного диалога. Модель расширяет способности Llama 2 к японскому языку дополнительным предварительным обучением; в карточке она указана как версия instruct семейства ELYZA-japanese-Llama-2-7b. Разработчики: Akira Sasaki, Masato Hirakawa, Shintaro Horie и Tomoaki Nakamura. Модель содержит около 6,6 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текст, выдавая текст. Контекст составляет 4096 токенов. В метаданных указаны японский и английский языки; основное назначение — работа с японским текстом, включая ответы по инструкциям и генерацию. Модель распространяется по лицензии Llama 2. Карточка не приводит подробных оценок качества или ограничений; как и другие языковые модели, она может выдавать неточные или вымышленные сведения.

em_german_leo_mistral-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель, созданная слиянием Mistral-7B-Instruct-v0.2 и em_german_leo_mistral методом SLERP. Она предназначена для генерации текста и ответов на инструкции в диалоговом формате. Модель имеет плотную архитектуру Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Слияние объединяет базовую инструктивную модель Mistral с моделью em_german_leo_mistral; название и состав указывают на немецкую специализацию одной из исходных моделей. Репозиторий распространяется в формате safetensors под лицензией Apache-2.0. Карточка не приводит отдельных оценок качества или подробных сведений о поддерживаемых языках.

EverythingBagel-DPO-7B — объединённая модель на базе Mistral, созданная с помощью LazyMergekit из jondurbin/bagel-dpo-7b-v0.5 и SanjiWatsuki/Silicon-Maid-7B. Это плотная авторегрессионная модель с 7,1 млрд параметров и контекстом до 32 768 токенов; в каталоге указана поддержка диалогового режима. Модель предназначена для генерации текста и диалогов, включая творческие сценарии и ролевое общение, характерные для базовых моделей. В репозитории приведена конфигурация слияния методом SLERP и весами bfloat16; отдельно упомянуты квантизованные версии GGUF, предоставленные другим автором. Качество, языки и условия лицензирования в предоставленных материалах не описаны. Практическое назначение и ограничения унаследованы от компонентов слияния, поэтому результаты могут различаться в зависимости от промпта и выбранной версии весов.

Falcon-H1-Tiny-Multilingual-100M-Instruct — компактная инструктивная языковая модель семейства Falcon-H1 от tiiuae. Это причинная декодерная модель с гибридной архитектурой Transformer и Mamba, предназначенная для генерации текста и диалогового взаимодействия. В метаданных указано 77,6 млн параметров и контекст до 262 144 токенов; карточка README приводит оценку 90 млн параметров и называет английский язык. Модель можно использовать для генерации ответов и коротких диалоговых сценариев. Для запуска указаны Transformers, vLLM, SGLang, llama.cpp, Ollama и MLX; в репозитории отмечен формат safetensors. README ссылается на лицензию Falcon-LLM License, а метаданные классифицируют лицензию как other, поэтому условия следует сверять с текстом лицензии репозитория.

NotASI/FineTome-Llama3.2-1B-0929 — плотная авторегрессионная языковая модель семейства Llama 3.2, разработанная NotASI на базе unsloth/Llama-3.2-1B-Instruct-bnb-4bit. Модель дообучена в течение двух эпох на mlabonne/FineTome-100k с применением QLoRA и rsLoRA; она использует тот же шаблон чата, что и базовая модель. Размер составляет 1,2 млрд параметров, контекст — до 131 072 токенов. Модель предназначена для генерации текста в диалоговом формате: она может отвечать на запросы, вести беседу и помогать с задачами общего назначения на английском языке. В метаданных также отмечен интерфейс вызова инструментов. Карточка приводит результаты оценки на Open LLM Leaderboard, но не даёт оснований считать их гарантией качества для конкретных задач. Метаданные указывают лицензию llama3.2, тогда как README заявляет Apache-2.0; перед использованием следует проверить применимые условия распространения базовой модели и производной. Это небольшая модель, поэтому её ответы могут уступать более крупным моделям в сложных задачах и требовать проверки.

Модель flan-t5-large-stacked-samsum-1024 разработана на основе google/flan-t5-large и дообучена для суммаризации на наборе stacked-summaries/stacked-samsum-1024. Это текстовая модель архитектуры T5 с 385,2 млн параметров; для разделения выделенных в сводке смысловых блоков используется маркер [NEXT_CONCEPT]. Метаданные указывают контекст 512 токенов, а карточка модели заявляет максимум 1024 токена на входе и выходе. Модель предназначена для создания кратких сводок диалогов и текстов с выделением самостоятельных концепций. В карточке приведены метрики оценки на тестовой выборке SAMSum: ROUGE-1 57,96, ROUGE-2 28,74, ROUGE-L 44,38 и ROUGE-Lsum 54,04. Автор предупреждает, что SAMSum не является оптимальным набором для универсальной суммаризации, поэтому качество на других жанрах текстов может отличаться. Модель распространяется по лицензии Apache-2.0.

French-Alpaca-Phi-3-mini-4k-instruct-beta — франкоязычная чат-модель, разработанная Jonathan Pacifico в 2024 году и дообученная на базе microsoft/Phi-3-mini-4k-instruct. Это плотная авторегрессионная модель семейства Phi-3 с 3,7 млрд параметров и контекстом до 4096 токенов. Данные для дообучения — French-Alpaca-dataset-Instruct-110K, полностью сгенерированный с помощью GPT-3.5-turbo. Модель предназначена для диалогов и генерации текста на французском языке; её можно использовать как общую франкоязычную основу для дальнейшей специализации. Карточка также отмечает поддержку английского. Модель не имеет механизмов модерации, поэтому ответы могут включать неподходящий контент. Лицензия — MIT.

codito/gemma-2-2b-it-reflection-test1 — дообученная разговорная модель генерации текста, разработанная codito на базе unsloth/gemma-2-2b-it-bnb-4bit. Она предназначена для диалоговых сценариев и генерации ответов на текстовые запросы. Модель использует плотную архитектуру Gemma 2 с причинной языковой моделью, содержит 2,7 млрд параметров и поддерживает контекст до 8192 токенов. Модель дообучена с помощью Unsloth и библиотеки TRL; в репозитории указаны форматы PyTorch и лицензия Apache-2.0. Карточка не сообщает о специализированной предметной области или дополнительных возможностях помимо диалоговой генерации текста.

Gunulhona/Gemma-Ko-Merge — объединённая языковая модель на архитектуре Gemma 2, созданная с помощью mergekit методом breadcrumbs_ties. В качестве основной модели использована lemon07r/Gemma-2-Ataraxy-9B; в объединение также вошли корейская rtzr/ko-gemma-2-9b-it, её вариант для суммаризации событий ghost613/gemma9_on_korean_summary_events и wzhouad/gemma-2-9b-it-WPO-HB. Модель содержит 9 млрд параметров и рассчитана на контекст до 8192 токенов. Модель предназначена для генерации текста и диалогов на корейском языке, включая ответы на вопросы и суммаризацию. Репозиторий содержит веса в форматах Safetensors и GGUF; метаданные указывают библиотеку Transformers и возможность использования в чат-сценариях. В README приведены результаты оценивания на отдельных тестах, включая IFEval и BBH. Лицензия в предоставленных сведениях не указана.

Kaon 3 Population Final-Transition RM600 Mouse Original Reset Matched Time-Skip LR1e-4 beta0.04 — диалоговая модель генерации текста, разработанная KaonAI. Это самостоятельный BF16-чекпойнт с объединёнными полными весами на основе kaonai/kaon-c-gemma4-26b-v10.1; по карточке, веса соответствуют checkpoint-75 обучения GRPO с learning rate 1e-4 и beta 0.04. Архитектура — Gemma 4, плотная модель с классом Gemma4ForConditionalGeneration; репозиторий использует Transformers и хранит веса в safetensors. Модель предназначена для диалоговой генерации текста. В метаданных также есть тег image-text-to-text, однако доступные сведения не подтверждают, что именно этот чекпойнт рассчитан на работу с изображениями, поэтому модальность изображений не включена. Карточка не описывает целевые языки, контекстное окно или специализированную область применения. Для модели указана лицензия базового репозитория; карточка не приводит её название. В README сообщается, что контрольный набор логитов после сохранения и повторной загрузки прошёл проверку на паритет. Это подтверждает согласованность представления весов, но не является оценкой качества ответов.

impossibleexchange/hailmary — объединённая модель для генерации текста, созданная методом linear merge из предварительно обученных языковых моделей с помощью mergekit. В состав входят baxtos/14-20070923-btwh455, Bondds/16-bnds11 и healtori/07-heal-07-19-04; веса сохранены в формате safetensors, README указывает точность float16. Модель построена на архитектуре StableLM, содержит 1,4 млрд параметров и рассчитана на контекст до 4096 токенов. Модель предназначена для диалоговой генерации текста. Данные не уточняют её специализированные области применения, поддерживаемые естественные языки или условия лицензии, поэтому их нельзя надёжно описать.

Halu-L3-Stheno-BlackOasis-8B — созданная Casual-Autopsy объединённая языковая модель на архитектуре Llama для генерации текста и разговорных сценариев. Она объединяет Sao10K/L3-8B-Stheno-v3.2, grimjim/Llama-3-Oasis-v1-OAS-8B и Hastagaras/Halu-8B-Llama3-Blackroot методом model stock с помощью LazyMergekit. Модель содержит 7,5 млрд параметров, принимает текст и выдаёт текст, использует библиотеку Transformers и имеет контекст до 8192 токенов. В метаданных указан английский язык; карточка базовой модели описывает ролевые диалоги, написание историй и выполнение инструкций как типичные сценарии семейства. Модель опубликована под лицензией llama3. Метка not-for-all-audiences указывает, что содержимое может подходить не для любой аудитории.

Edens-Gate/holland-v2-erebus-experimental — дообученная разговорная языковая модель семейства Llama, опубликованная в формате PyTorch и Safetensors. Она предназначена для генерации текста в диалоге. Модель содержит 3,2 млрд параметров и поддерживает контекст до 131 072 токенов. В карточке указана базовая модель NewEden/L3.2-Erebus-Base и версия Axolotl 0.5.0; сведения о наборе данных, оценке качества и конкретных сценариях применения не приведены. Лицензия в предоставленных данных не указана.

KO-Platypus2-13B — авторегрессионная языковая модель на архитектуре LLaMA 2, разработанная Kyujin Han и консорциумом компаний Media Group Saramgwa Sup и Markr. Модель содержит 12,9 млрд параметров и принимает текст, генерируя текст; в карточке указано контекстное окно 2048 токенов. Модель дообучена на KOpen-platypus — наборе качественных корейских переводов датасета Open-Platypus. Она предназначена для генерации текста на корейском языке и задач общего языкового моделирования; карточка приводит результаты на корейских тестах рассуждения и понимания. В метаданных также указана поддержка английского языка. Модель распространяется по лицензии CC BY-NC-SA 4.0, которая ограничивает коммерческое использование.

Krinny-7B — испаноязычная языковая модель лаборатории Krinny, созданная одним разработчиком в Испании. Это дообучение Qwen/Qwen2.5-7B-Instruct с помощью LoRA: модель рассчитана на диалоги и генерацию текста, в которых важны прямой стиль, признание неопределённости и просьба уточнить недостающие сведения. Она обычно отвечает на языке запроса; особенно ориентирована на испанский, также обучалась на отдельных примерах на каталанском, галисийском и английском. Модель использует плотную архитектуру Qwen2 и содержит 7,1 млрд параметров; заявленный контекст — 32 768 токенов. В репозитории есть веса safetensors и версия GGUF Q4_K_M для запуска через llama.cpp, Ollama и LM Studio. Для работы в Ollama нужен предусмотренный проектом системный промпт: без него поведение дообучения может не проявиться. Лицензия Apache 2.0 допускает коммерческое использование, изменение и распространение. Разработчик сообщает о наблюдаемых ошибках: модель может неверно назвать базовую модель и выдумать дату отсечения знаний; каталанский язык поддерживается слабо. Это ранняя версия, прямо обозначенная как незавершённая, поэтому ответы стоит проверять, особенно в важных сценариях.

Leia-Swallow-13B — языковая модель, созданная командой LEIA с применением метода LEIA к японско-английской модели Swallow на базе LLaMA 2. Это плотная авторегрессионная модель класса LlamaForCausalLM с 12,9 млрд параметров, контекстом 4096 токенов и весами в формате safetensors; предназначена для генерации текста и ответов на вопросы, особенно на японском языке. Метод LEIA усиливает перенос знаний с английского на целевой язык. В README сообщается об улучшении результатов на четырёх из шести японских бенчмарков вопросов и ответов при сопоставимых результатах на остальных двух. Модель поддерживает японский и английский языки и может применяться для японских QA-сценариев и генерации текста. Лицензия — Apache-2.0.

Light-TLLM-7B — языковая модель для машинного перевода, разработанная 360 AI Research на основе Qwen2.5-7B. Это плотная причинная трансформерная модель с 7,2 млрд параметров по метаданным; README указывает 7,61 млрд. В архитектуре используются RoPE, SwiGLU, RMSNorm и смещение в QKV-внимании, а контекст составляет до 131 072 токенов. Модель предназначена для многоязычного перевода, в том числе профессиональных документов и диалогов. Обучение включало продолжение предобучения, SFT с учебным планом и обучение с подкреплением MtPO. Расширенный словарь улучшает эффективность токенизации для ряда низкоресурсных письменностей, включая кхмерскую, лаосскую и мьянманскую. В README приведены результаты оценки на 90 направлениях FLORES-Plus и тестах следования ограничениям. Модель доступна в формате safetensors и совместима с библиотекой Transformers. Лицензия — Apache-2.0. Авторы указывают исследовательское и образовательное применение; это предупреждение само по себе не определяет зрелость модели.

quantumaikr/llama-2-70b-fb16-korean — языковая модель семейства Llama 2, дообученная Quantum AI на корейском датасете. Она предназначена для генерации текста и диалогового общения на корейском языке; в метаданных также отмечена поддержка английского. Модель имеет плотную архитектуру LlamaForCausalLM примерно с 68,7 млрд параметров и контекст до 4096 токенов. Весами можно пользоваться в формате safetensors. Разработчики указывают исследовательское назначение модели. Дообучение не устраняет все предвзятости и токсичность, а ответы не следует считать достоверными без проверки. Лицензия CC BY-NC-4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

Карточка модели longtermrisk/Llama-3.1-8B-old-bird-names-first-third-v2-sft-seed2 на Hugging Face совпадает с карточкой longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5, поэтому описание составлено по ней. Модель longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5 разработана longtermrisk и представляет собой дообученную версию инструкционной Llama 3.1 на 7,5 млрд параметров. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста и диалогов; обучение проводилось с Unsloth и библиотекой TRL. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 131 072 токенов. Название указывает на тематику старых названий птиц, но README не описывает конкретные задачи или специализацию дообучения. Лицензия — Apache-2.0.

Карточка модели longtermrisk/Llama-3.1-8B-old-bird-names-last-third-v2-sft-seed5 на Hugging Face совпадает с карточкой longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5, поэтому описание составлено по ней. Модель longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5 разработана longtermrisk и представляет собой дообученную версию инструкционной Llama 3.1 на 7,5 млрд параметров. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста и диалогов; обучение проводилось с Unsloth и библиотекой TRL. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 131 072 токенов. Название указывает на тематику старых названий птиц, но README не описывает конкретные задачи или специализацию дообучения. Лицензия — Apache-2.0.

Карточка модели longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed4 на Hugging Face совпадает с карточкой longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5, поэтому описание составлено по ней. Модель longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5 разработана longtermrisk и представляет собой дообученную версию инструкционной Llama 3.1 на 7,5 млрд параметров. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста и диалогов; обучение проводилось с Unsloth и библиотекой TRL. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 131 072 токенов. Название указывает на тематику старых названий птиц, но README не описывает конкретные задачи или специализацию дообучения. Лицензия — Apache-2.0.