III.2Исследование рынка и маркетинг

DavidAU/Qwen3-4B-Claude-Sonnet-4-Reasoning-Distill-Heretic-Abliterated-Heretic-Abliterated — разговорная языковая модель на архитектуре Qwen3, созданная на основе Liontix/Qwen3-4B-Claude-Sonnet-4-Reasoning-Distill-Safetensor и обработанная методом Heretic для снижения частоты отказов. Модель содержит 3,7 млрд параметров, работает с текстом и поддерживает контекст до 40 960 токенов по метаданным. Модель предназначена для диалогов и генерации текста, включая сценарии, в которых требуется меньше отказов на запросы. В карточке автор приводит показатель отказов 5 из 100 после обработки против 93 из 100 у исходной модели и сообщает о нулевой KL-дивергенции; эти результаты представлены как собственные оценки автора. Для получения откровенного или стилистически специфичного текста может потребоваться более точная инструкция. Файлы модели опубликованы в формате safetensors для использования с Transformers. Лицензия в предоставленных данных не указана.

CalmState/Qwen-3-4b-Polyglot-r2 — плотная языковая модель Qwen3 с 3,7 млрд параметров, дообученная CalmState на базе unsloth/Qwen3-4B-Instruct-2507 для сценариев приложения Polyglot Air. Она принимает текст с командой-суффиксом вида ::en или ::formal и выполняет преобразование без вводных фраз: переводит между английским и вариантами португальского, исправляет орфографию и грамматику, меняет тон, кратко пересказывает или расширяет текст. Карточка описывает поддержку английского, португальского, испанского и китайского; контекст составляет до 262 144 токенов. Модель предназначена для быстрых преобразований выделенного текста в настольном приложении, а также может использоваться как диалоговая модель для генерации текста. В README указано, что версия обучена на датасете примерно вчетверо большем, чем предыдущая, и использует Unsloth и TRL. Модель распространяется в формате safetensors под лицензией Apache-2.0. Заявления об отсутствии галлюцинаций и точности являются характеристиками, заявленными автором, а не гарантией качества.

recoilme/recoilme-gemma-2-9B-v0.3 — слитая диалоговая модель на архитектуре Gemma 2 с 9 млрд параметров, представленная в формате safetensors. Она предназначена для генерации текста и общения в чат-сценариях; заявленная длина контекста — 8192 токена. README содержит результаты оценки Open LLM Leaderboard, включая IFEval и BBH, но не описывает дополнительные специализированные сценарии. Модель создана слиянием ehristoforu/Gemma2-9B-it-psy10k и recoilme/Gemma-2-Ataraxy-Gemmasutra-9B-slerp. Лицензия CC-BY-NC-4.0 запрещает коммерческое использование.

IIC/RigoChat-7b-v2-GGUF — это версия языковой чат-модели RigoChat-7b-v2, разработанной Instituto de Ingeniería del Conocimiento (IIC), представленная в формате GGUF для использования с llama.cpp и совместимыми инструментами. Модель предназначена для генерации текста и диалоговых сценариев преимущественно на испанском языке. Модель имеет размер 7 миллиардов параметров и поддерживает исходные веса FP16, а также варианты с различными уровнями квантования, включая Q4_K_M и Q8_0. Для квантования использовалась матрица важности, рассчитанная на испанском тексте. README не содержит сведений о точной архитектуре, размере контекстного окна, дополнительных модальностях или поддерживаемых языках помимо заявленного испанского. К сильным сторонам относятся возможность запуска в экосистеме llama.cpp, наличие нескольких вариантов точности для выбора баланса между качеством, скоростью и требованиями к памяти, а также адаптация к испанскому языку. К ограничениям относятся зависимость характеристик от выбранного уровня квантования и отсутствие подробных показателей оценки непосредственно в карточке модели. Разработчики рекомендуют использовать версию FP16 или выполнять квантование на собственных данных, соответствующих целевому сценарию. Лицензия обозначена как rigochat-nc; это специальная лицензия с условиями, которые необходимо уточнять в файле LICENSE. Коммерческие условия использования из README не раскрыты.

SambaLingo-Thai-Chat — чат-модель SambaNova Systems для диалога на тайском и английском языках. Она основана на SambaLingo-Thai-Base: эта базовая модель адаптирует Llama 2 к тайскому языку на корпусе Cultura-X. Чат-версия обучена методом direct preference optimization (DPO) для согласования ответов с предпочтениями людей. Модель использует плотную архитектуру Llama с причинно-следственной генерацией текста и содержит 6,7 млрд параметров. Она принимает текстовые запросы и генерирует текстовые ответы; длина контекста — 4096 токенов. Словарь токенизатора расширен с 32 000 до 57 000 токенов для поддержки тайского языка. Модель подходит для двуязычного чат-общения, но может галлюцинировать, переключаться между языками, повторяться и давать неточные ответы в задачах программирования и сложной математики; возможны токсичные ответы. Её не рекомендуют применять в критически важных сценариях и при принятии решений, влияющих на безопасность людей. Использование регулируется лицензией Meta Llama 2 Community License Agreement.

Sarvam-1-GGUF — это GGUF-квантизированная версия языковой модели sarvamai/sarvam-1, подготовленная пользователем bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и запуска локально через совместимые инструменты, включая LM Studio. В README приведён формат промпта для инструкционного режима. Модель ориентирована на работу с бенгальским, английским, гуджарати, хинди, каннада, малаялам, маратхи, ория, пенджаби, тамильским и телугу. Доступны варианты от F16 до разных уровней квантования, включая Q8_0, Q6_K, Q5_K_M, Q4_K_M и более компактные форматы. Размер файлов составляет примерно от 1,17 до 5,05 ГБ; варианты с более высоким качеством требуют больше памяти, а низкоразрядные квантизации подходят для систем с ограниченными ресурсами. Сильная сторона сборки — широкий выбор форматов для компромисса между качеством, размером и скоростью локального вывода. Некоторые варианты используют Q8_0 для embedding- и output-весов, что может улучшать качество. Специализированные Q4_0_X_X оптимизированы для ARM-процессоров, но не рекомендуются для Mac и Windows; для них также требуются соответствующие аппаратные расширения. Архитектура, число параметров, размер контекста и мультимодальные возможности в README не указаны. Лицензия модели также не указана.

Модель sfm_filtered_e2e_alignment-9k_10k_11k_weightedavg_merge — объединённая языковая модель, созданная yuhengtu с помощью mergekit. Веса трёх чекпойнтов объединены линейным методом; базовым при слиянии был чекпойнт global_step11000. Модель построена на архитектуре GPT-NeoX и предназначена для генерации текста и диалогового взаимодействия. Она содержит 8,8 млрд параметров, принимает текстовый ввод и поддерживает контекст до 16 384 токенов. В репозитории указаны веса Safetensors и библиотека Transformers. Карточка не описывает специализированные области применения, языковое покрытие или результаты оценки качества, поэтому возможности за пределами генерации текста и чата не следует предполагать. Лицензия в предоставленных данных не указана.

sfm_filtered_insert_xxf_character-1k_2k_3k_simpleavg_merge — объединённая языковая модель, опубликованная под аккаунтом yuhengtu-bytedance. Она создана с помощью mergekit методом Linear: в качестве основы использован чекпойнт global_step3000, объединённый с чекпойнтами global_step2000 и global_step1000. Архитектура GPT-NeoX, плотная причинная языковая модель с 8,8 млрд параметров; веса представлены в формате safetensors. Модель предназначена для генерации текста и диалогового взаимодействия. Контекстное окно составляет 16 384 токена. Карточка не описывает конкретные области применения, языки или сравнительные результаты, поэтому её возможности за пределами генерации текста и чата не следует предполагать. Лицензия в предоставленных данных не указана.

ifuseok/sft-solar-10.7b-v1 — разговорная языковая модель, дообученная разработчиком ifuseok на основе upstage/SOLAR-10.7B-Instruct-v1.0. Это плотная авторегрессионная модель семейства Llama с 10,6 млрд параметров, предназначенная для генерации текста и диалоговых сценариев. Модель принимает текст и выдаёт текст; контекст составляет 4096 токенов. Дообучение использует преимущественно корейские наборы инструкций, включая корейские версии Dolly, OpenOrca и BoolQ, а также часть англо-корейских переводческих данных AIhub. Это делает модель подходящей для ответов на вопросы, выполнения инструкций и перевода между корейским и английским. В README приведён пример загрузки через Transformers в формате safetensors с float16. Карточка не сообщает отдельную лицензию для этой версии; условия использования следует сверять с лицензией базовой модели. Небольшой объём описания не позволяет оценить качество на независимых тестах или надёжность ответов.

ifuseok/sft-solar-10.7b-v1.1 — текстовая генеративная модель, созданная дообучением upstage/SOLAR-10.7B-Instruct-v1.0. Она предназначена для диалогов, следования инструкциям, ответов на вопросы и англо-корейского перевода. Модель использует плотную архитектуру LlamaForCausalLM, содержит около 10,6 млрд параметров и принимает только текст, генерируя текст; нативная длина контекста — 4096 токенов. Для обучения использовались корейские наборы инструкций и вопросов, включая Korean OpenOrca, Korean BoolQ и переведённый на корейский набор Dolly, а также часть данных AIhub для перевода с английского на корейский. Это указывает на основной акцент на корейском языке, хотя переводные данные также поддерживают сценарии с английским. Репозиторий распространяет веса в формате safetensors и предназначен для загрузки через Transformers. Лицензия в предоставленных сведениях не указана.

ShweYon_Qwen2.5-MM-v1.2.9 — дообученная языковая модель URajinda на архитектуре Qwen2, представленная в формате Safetensors. Модель содержит 1,6 млрд параметров, поддерживает контекст до 32 768 токенов и предназначена для генерации текста в диалоговом формате. Модель дообучена на URajinda/ShweYon_Qwen2.5-MM-v1.2.9-Final с использованием Unsloth и библиотеки TRL из Hugging Face. Карточка не описывает специализированную область применения или дополнительные возможности сверх генерации текста. Лицензия — Apache 2.0.

Карточка модели SowmithDurusoju/sowmith_grpo_llama_finetune_16bit на Hugging Face совпадает с карточкой SowmithDurusoju/sowmith_grpo_llama_1b_finetune_16bit, поэтому описание составлено по ней. Модель SowmithDurusoju — дообученная версия unsloth/Llama-3.2-1B-Instruct для генерации текста и диалогового взаимодействия. Она построена на плотной архитектуре LlamaForCausalLM семейства Llama и содержит 1,2 млрд параметров. Для обучения использовались Unsloth и библиотека TRL от Hugging Face; в репозитории представлены веса Safetensors. Модель подходит для генерации ответов в диалоге, продолжения текста и других сценариев, где требуется компактная инструктивно настроенная языковая модель. Метаданные указывают контекстное окно до 131 072 токенов и английский язык. Модель распространяется по лицензии Apache-2.0.

StrangeMerges_7-7B-slerp — объединённая языковая модель, созданная Gille методом SLERP с помощью LazyMergekit из Gille/StrangeMerges_6-7B-dare_ties и berkeley-nest/Starling-LM-7B-alpha. Это плотная авторегрессионная модель семейства Mistral на 7,1 млрд параметров для генерации текста и диалоговых ответов; заявленная длина контекста — 32 768 токенов. Базовая модель Starling-LM-7B-alpha предназначена для англоязычных бесед и ответов, поэтому наиболее обоснованный сценарий — генерация и продолжение англоязычного диалога. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка описывает состав слияния и параметры объединения, но не приводит отдельные результаты оценки качества этой версии.

SuperFlammen-4x7B — экспериментальная языковая модель семейства Mixtral с архитектурой Mixture of Experts, созданная nbeerbower с помощью mergekit. В метаданных указано 7,1 млрд параметров и контекст до 32 768 токенов; модель предназначена для генерации текста и диалоговых сценариев. Модель объединяет несколько моделей Flammen и Mistral, а в тегах карточки также перечислены наборы данных для обучения предпочтениям, включая датасеты по математике, достоверности и художественным текстам. Это может быть полезно для генерации прозы и ответов на вопросы, однако README называет модель экспериментальной и не приводит результатов оценки качества. Лицензия — Apache 2.0.

trinhkhng/ties_Merged_Qwen2-0.5B_0.1 — объединённая языковая модель на архитектуре Qwen2, созданная с помощью mergekit методом TIES. В объединение вошли Qwen2-0.5B и debias_Qwen2-0.5B; в качестве базовой модели и источника токенизатора использована Qwen2-0.5B. Модель содержит около 493,7 млн параметров и распространяется в формате safetensors. Модель предназначена для генерации текста и диалогового общения. Заявленная длина контекста — 131072 токена. В карточке не приведены сведения о языковой поддержке и специализированных областях применения. Лицензия в предоставленных данных не указана.

TomeLlama-3.2-3B-10k — диалоговая языковая модель, дообученная actualbrain на базе unsloth/Llama-3.2-3B-bnb-4bit с использованием Unsloth и библиотеки Hugging Face TRL. Модель построена на плотной архитектуре Llama и содержит 3,2 млрд параметров; она предназначена для генерации текста и диалоговых сценариев. Заявленная длина контекста — 131 072 токена, основной язык карточки — английский. Модель распространяется в формате PyTorch по лицензии Apache 2.0. Карточка не описывает конкретные наборы данных, методы оценки качества или специальные области применения, поэтому её возможности за пределами общей генерации текста не следует считать подтверждёнными.

Tower-7B-Sep_2c1t — модель Unbabel TowerInstruct-Mistral-7B-v0.2, дообученная SardineLab полным супервизируемым fine-tuning для многоязычного машинного перевода на уровне фрагментов документов. При переводе текущего фрагмента модель принимает два предшествующих фрагмента исходного текста в отдельных секциях контекста, чтобы учитывать связность документа. Обучение проводилось на примерах sardinelab/DocBlocks с разбиением на фрагменты фиксированного диапазона 256–512 токенов. Модель построена на плотной архитектуре Mistral с 7,1 млрд параметров; максимальная длина контекста — 32 768 токенов. Она переводит между английским и немецким, испанским, французским, итальянским, корейским, нидерландским, португальским, русским и китайским в обоих направлениях. Для наилучшего соответствия обучению следует передавать два предыдущих фрагмента отдельно и использовать полные английские названия языков в промпте. Модель предназначена для последовательного перевода документов с учетом контекста между фрагментами. Это генеративная модель, поэтому качество перевода и соблюдение границ фрагментов могут зависеть от промпта и входных данных. Лицензия CC BY-NC-SA 4.0 разрешает использование с указанием авторства и на аналогичных условиях, но некоммерческое.

WindyTranslate/translate-fi-en — модель машинного перевода, опубликованная Windstorm Labs и предназначенная для перевода текста с финского языка на английский. Это дообученная версия Helsinki-NLP/opus-mt-fi-en: LoRA-адаптер, обученный на параллельных данных, объединён с базовыми весами. Архитектура MarianMT, размер — 55,7 млн параметров, максимальная длина контекста — 512 токенов. Модель подходит для автоматического перевода финских сообщений и документов на английский. В проверке на 48 предложениях FLORES-200 dev она получила chrF++ 56,31 и BLEU 29,35; это предварительная оценка, а не результат публикационного исследования. Поддерживается только направление fi→en. Репозиторий содержит веса в формате safetensors и использует лицензию Apache-2.0.

Turkish-9b-merged — объединённая языковая модель на архитектуре Mistral, созданная с помощью mergekit из TURKCELL/Turkcell-LLM-7b-v1 и Trendyol/Trendyol-LLM-7b-chat-dpo-v1.0. Модель содержит 8,9 млрд параметров и рассчитана на генерацию текста и диалоговое общение на турецком языке. Модель принимает текст и выдаёт текст; заявленная длина контекста составляет 32 768 токенов. Объединение использует слои 0–31 модели Turkcell и слои 24–31 модели Trendyol с методом passthrough и типом данных bfloat16. Репозиторий распространяется в формате safetensors по лицензии Apache-2.0.

Twilight-SCE-12B-v2 — слитая модель Mistral на 12,1 млрд параметров, созданная yamatazen методом SCE с помощью mergekit. За основу взята yamatazen/Shisa-v2-Mistral-Nemo-12B-Abliterated; в объединение также вошли четыре другие языковые модели. Токенизатор дополнен токенами ChatML, а архитектура MistralForCausalLM предназначена для генерации текста и диалогов. Модель подходит для чат-общения, ролевых сценариев и художественного письма. Она поддерживает английский и японский языки и имеет нативное контекстное окно 131 072 токена. Весовые файлы представлены в формате safetensors, модель рассчитана на запуск через Transformers. Сведения о лицензии и конкретных ограничениях качества в предоставленных данных отсутствуют.

Vigogne-2-13B-Instruct — французская языковая модель для следования инструкциям, разработанная на основе LLaMA 2 13B и дообученная на французских инструкциях. Она предназначена для ответов на запросы и выполнения текстовых задач в диалоговом формате. Модель содержит 12,9 млрд параметров, использует архитектуру LlamaForCausalLM и поддерживает контекст до 4096 токенов. Модель принимает текст и генерирует текст. Карточка указывает на французский язык. Для использования действуют те же правила, что и для Llama 2. Модель всё ещё находится в разработке и может выдавать вредный или предвзятый контент, неверные сведения и бесполезные ответы.

Epiculous/Violet_Twilight-v0.2-GGUF — языковая модель для генерации текста, разработанная Epiculous. Это объединённая модель, полученная методом SLERP merge из Azure_Dusk-v0.2 и Crimson_Dawn-v0.2; исходная конфигурация использует 40 слоёв, тип данных bfloat16 и базовую модель Azure_Dusk-v0.2. Модель предназначена прежде всего для диалоговых сценариев, ролевого взаимодействия и творческой генерации текста. Она обучена с использованием шаблона ChatML, поэтому для корректного общения рекомендуется применять соответствующий Context and Instruct template. В README заявлена поддержка английского, французского, немецкого, испанского, итальянского, португальского, русского, китайского и японского языков. Доступна в формате GGUF, а также существуют варианты в форматах полной модели и EXL2. К сильным сторонам относятся ориентация на ролевые и художественные сценарии, многоязычность и наличие нескольких рекомендованных настроек сэмплирования. Точные размер модели, максимальная длина контекста, используемая архитектура и результаты оценивания в README не указаны. Модель распространяется по лицензии Apache-2.0.

Shunya Labs Zero STT Hinglish — модель автоматического распознавания речи, созданная Shunya Labs на базе OpenAI Whisper Medium и дообученная для хинди-английской речи с переключением языков. Она преобразует аудио разговоров, подкастов и видео в текст, сохраняя естественное чередование хинди и английского, в том числе внутри фраз. Модель содержит 455,8 млн параметров и распространяется в формате safetensors. Модель предназначена для расшифровки Hinglish: например, записей встреч, разговоров с клиентами и медиаконтента для субтитров. В примерах карточки встречаются записи смешанным письмом, включая латиницу для английских слов и деванагари для хинди. Для распознавания речи она обучалась на данных Vaani, Kathbath и Shrutilipi. Карточка заявляет более точную обработку естественных переключений между хинди и английским по сравнению с обычной мультиязычной Whisper Medium, однако количественных результатов оценки не приводит. Лицензия модели — OpenRAIL; для полного понимания условий использования следует учитывать текст лицензии в репозитории.

Это диалоговая модель генерации текста на базе Mistral с 7,1 млрд параметров, дообученная ShenaoZ на HuggingFaceH4/ultrafeedback_binarized от базовой модели HuggingFaceH4/mistral-7b-sft-beta. Она предназначена для общения в текстовом формате и генерации ответов на запросы. Модель использует плотную архитектуру MistralForCausalLM, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors под лицензией MIT. Данных о специализированных областях применения и оценке качества нет.

ShenaoZ/0.001_ablation_5iters_bs256_useresponse_iter_4 — дообученная версия предыдущего чекпойнта ShenaoZ/0.001_ablation_5iters_bs256_useresponse_iter_3. Это плотная языковая модель семейства Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Модель обучалась на обновлённом и исходном наборах данных; контекст составляет до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии MIT. README не описывает специализированные сценарии, результаты оценки или конкретные ограничения, поэтому пригодность для отдельных задач и качество ответов по этим сведениям определить нельзя.

Abin7/3-lang — объединённая языковая модель, созданная автором репозитория с помощью mergekit методом TIES на основе NousResearch/Llama-2-7b-hf. В слияние также вошли ELYZA японская Llama 2, Tamil Llama 7B Instruct и Telugu Llama2 7B Instruct. Это плотная авторегрессионная архитектура Llama с 6,6 млрд параметров, рассчитанная на генерацию текста; нативный контекст составляет 4096 токенов. Модель предназначена для генерации текста и диалоговых сценариев на английском, японском, тамильском и телугу, объединяя веса специализированных моделей этих языков. В README указано, что результат сохранён в float16; метаданные указывают формат safetensors. Лицензия в предоставленных данных не указана.

Amadeus-Verbo-BI-Qwen-2.5-0.5B-PT-BR-Instruct-Experimental — языковая модель для генерации текста на бразильском португальском, разработанная Amadeus AI дообучением Qwen/Qwen2.5-0.5B на 600 тысячах инструкций в течение двух эпох. Это плотная Transformer-модель с архитектурой Qwen2, 494 млн параметров, 24 слоями, RoPE, SwiGLU, RMSNorm и группированным вниманием; метаданные указывают контекст 32 768 токенов. Модель предназначена для диалоговых ответов и выполнения инструкций на бразильском португальском. Её можно запускать через библиотеку Transformers с применением шаблона чата. README заявляет контекст 131 072 токена и генерацию до 8 192 токенов, что расходится с контекстом 32 768 токенов в метаданных. Лицензия — Apache-2.0.

Barcenas-14b-phi-4 — языковая модель для генерации текста и диалогов, созданная Danielbrdz. Она дообучена на основе aixonlab/Valkyyrie-14b-v1, которая, согласно карточке, является улучшенной версией Microsoft Phi-4. Для дообучения использован набор pinzhenchen/alpaca-cleaned-en; автор указывает, что цель работы — улучшить ответы на испанском языке. Модель содержит 14,1 млрд параметров, использует плотную архитектуру класса LlamaForCausalLM и формат safetensors. Заявленная длина контекста — 16 384 токена. Она предназначена для генерации текста и общения в диалоговом формате, с акцентом на испаноязычных пользователей. Метаданные также указывают английский язык. Базовая Phi-4 описана как модель для генерации текста, диалогов, рассуждений, математики и программирования; карточка Barcenas не подтверждает отдельные результаты на этих задачах. Репозиторий распространяется по лицензии MIT. В карточке нет оценок качества или подробных ограничений применения.

Barcenas-27b — разговорная языковая модель, разработанная автором репозитория Danielbrdz на основе SillyTilly/google-gemma-2-27b-it и дообученная на испаноязычном наборе pinzhenchen/alpaca-cleaned-es. Это плотная модель семейства Gemma 2 с 27,6 млрд параметров, рассчитанная на генерацию текста в диалоговом формате; максимальная длина контекста составляет 8192 токена. Модель предназначена для общения на испанском языке и выполнения инструкций на естественном языке. Автор заявляет, что цель дообучения — улучшить работу крупной модели на испанском; в README также приводится субъективное сравнение с ранними версиями GPT-4, не подкреплённое результатами оценки. В репозитории представлены веса Safetensors. Лицензия указана как gemma; перед использованием следует учитывать условия лицензии Gemma. Метаданные также отмечают английский язык, однако README описывает обучение именно на испанском наборе данных.

philschmid/bart-large-cnn-samsum — англоязычная модель суммаризации на базе архитектуры BART, дообученная на датасете SAMSum. Она предназначена для создания кратких пересказов диалогов и сообщений; обучена с использованием Amazon SageMaker и контейнера Hugging Face Deep Learning. Модель содержит 252,8 млн параметров, принимает текст с контекстом до 1024 токенов и выдаёт текстовое резюме. В README приведены оценки ROUGE: ROUGE-1 — 42,621, ROUGE-2 — 21,9825, ROUGE-L — 33,034. Модель подходит для суммирования англоязычных переписок и диалогов. Автор указывает, что более новая версия philschmid/flan-t5-base-samsum превосходит её по ROUGE-1 на 6 пунктов и рекомендует использовать её вместо BART-варианта. Модель распространяется по лицензии MIT.