III.2Исследование рынка и маркетинг

MaziyarPanahi/Experiment28T3q_PasticheNeuralsirkrishna — объединённая модель семейства Mistral для генерации текста. Она создана слиянием automerger/Experiment28T3q-7B и automerger/PasticheNeuralsirkrishna-7B. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Репозиторий распространяет веса в формате safetensors по лицензии Apache 2.0. В карточке не описаны конкретные языки и специализированные сценарии применения.

Erland/Gemma_Reward_Merged — дообученная языковая модель Erland на архитектуре Gemma 2, созданная на базе unsloth/gemma-2-9b-bnb-4bit с использованием Unsloth и библиотеки TRL. Модель содержит 9 млрд параметров и поддерживает контекст до 8192 токенов; опубликованные веса представлены в формате safetensors. Модель предназначена для генерации текста. Карточка не описывает специализацию на оценке вознаграждения или отдельные сценарии применения, поэтому её возможности следует считать общими для текстовой генерации. В карточке указан английский язык. Модель распространяется по лицензии Apache-2.0. Карточка не приводит оценок качества, результатов сравнения или конкретных ограничений применения.

Jais-13b-chat — двуязычная языковая модель с 13 млрд параметров, разработанная Inception, Mohamed bin Zayed University of Artificial Intelligence (MBZUAI) и Cerebras Systems. Это модель на базе трансформера с декодером, дообученная для диалогов и следования инструкциям на арабском и английском языках. В основе лежит Jais-13b; обучение охватывало миллионы пар запросов и ответов, включая многоходовые диалоги и инструкции с мерами безопасности. Архитектура использует нелинейность SwiGLU и позиционные представления ALiBi, помогающие работать с длинными последовательностями. Модель принимает текст и генерирует текст. Она предназначена для чат-ассистентов, поддержки клиентов и приложений для арабоязычной аудитории, а также для исследований и дальнейшей настройки под конкретные задачи. В карточке указана лицензия Apache 2.0. Для загрузки через Transformers требуется пользовательский класс модели и параметр trust_remote_code=True; для запуска с производительностью, сопоставимой с тестированием авторов, рекомендован экземпляр с четырьмя GPU Nvidia Tesla T4 или мощнее. Модель оптимизирована для современного литературного арабского и английского; её не следует считать столь же компетентной в других языках и диалектах. Ответы могут быть ошибочными, вводящими в заблуждение или предвзятыми. Модель не предназначена для высокорисковых решений без контроля человека и для обработки конфиденциальной информации.

Llama-3-15b-StockTest — плотная авторегрессионная языковая модель семейства Llama 3, созданная athirdpath методом слияния Model Stock с помощью mergekit. В основу взята athirdpath/Llama-3-15b-Instruct-GLUED, также в слиянии участвовали instruct-модели, вариант с рассуждениями и модель OpenBioLexi. Размер модели — 14,9 млрд параметров, контекст — до 8192 токенов; репозиторий содержит веса в safetensors и рассчитан на использование с Transformers. Модель предназначена для генерации текста и диалоговых сценариев, включая ответы на инструкции и написание историй. Метаданные указывают поддержку чата, однако отдельные специализированные возможности не подтверждены. Языки карточкой не обозначены, поэтому нельзя уверенно указать языковую специализацию. Условия лицензии в предоставленных данных не приведены.

M7Yamshadowexperiment28_ShadowExperiment24 — объединённая модель генерации текста, созданная на основе automerger/M7Yamshadowexperiment28-7B и automerger/ShadowExperiment24-7B. В карточке указана архитектура Mistral с плотной архитектурой и классом MistralForCausalLM; размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Лицензия — Apache-2.0. Карточка не описывает специальные области применения или дополнительные возможности модели.

M7Yamshadowexperiment28_T3qm7xExperiment28 — языковая модель для генерации текста, созданная объединением моделей automerger/M7Yamshadowexperiment28-7B и automerger/T3qm7xExperiment28-7B. В метаданных указана архитектура Mistral с плотной структурой и 7,1 млрд параметров; веса доступны в формате safetensors, максимальная длина контекста — 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Карточка не описывает специализированные сценарии, языки или дополнительные возможности. Модель распространяется по лицензии Apache-2.0.

mGPT — многоязычная авторегрессионная языковая модель на архитектуре Transformer, разработанная THUMT и предварительно обученная на наборе mC4 с целью причинного языкового моделирования. Модель основана на GPT-2 и обучалась на неразмеченных текстах более чем на 101 языке; для токенизации используется SentencePiece и словарь mT5 размером 250 100 токенов. Модель предназначена для генерации текста, а также для адаптации к прикладным задачам с помощью промптов. Она принимает последовательности длиной до 1 024 токенов и выдаёт продолжение текста. Карточка описывает базовую предварительно обученную модель, а не специализированную систему для отдельной области. Лицензия в предоставленных данных не указана.

Это модель классификации тональности текста на основе MuRIL, разработанная Priyanshu Chaturvedi и дообученная с помощью LoRA. Она определяет негативную, нейтральную или позитивную тональность в смешанных текстах на хинди и английском, а также бенгальском и английском. Модель основана на BERT-архитектуре MuRIL, содержит 264,8 млн параметров и принимает последовательности длиной до 512 токенов. Базовая MuRIL от Google предварительно обучена на 17 индийских языках. На тестовой выборке из 19 998 примеров автор сообщает accuracy 0,7127 и macro F1 0,7142; локальная задержка указана примерно как 5 мс. Эти результаты относятся к описанной тестовой выборке. Модель распространяется по лицензии Apache-2.0. Модель обучалась преимущественно на отзывах о товарах и услугах, поэтому её качество на других тематиках может быть ниже. Она не оценивалась на текстах только на хинди или только на английском; качество может меняться в зависимости от языковой пары.

NeuralsirkrishnaShadow_YamM7 — языковая модель, созданная слиянием моделей automerger/NeuralsirkrishnaShadow-7B и automerger/YamM7-7B. Она предназначена для генерации текста и запускается как причинная модель Mistral с плотной архитектурой на 7,1 млрд параметров. Модель принимает текстовые запросы и генерирует текст. Контекстное окно составляет 32 768 токенов. Репозиторий содержит веса в формате Safetensors; лицензия — Apache-2.0. Сведений о специализации, поддерживаемых языках или дополнительных возможностях в доступных источниках нет.

OmniDimen-2.5-9B-Emotion — дообученная модель команды OmniDimen на базе Qwen/Qwen3.5-9B. Она предназначена для распознавания эмоций в тексте и генерации ответов с учётом эмоционального контекста. Архитектура — плотная мультимодальная Qwen3.5 с 9 млрд параметров; модель поддерживает диалог и может работать с контекстом до 262 144 токенов. В карточке указаны китайский и английский языки. Доступны веса safetensors в BF16 и варианты GGUF в FP16 и Q4_K_M. Модель подходит для анализа тональности и эмоциональной окраски сообщений, а также для создания более эмпатичных диалоговых ответов. По описанию карточки, версия 2.5 впервые использует мультимодальную основу Qwen3.5, однако специализация модели заявлена для эмоций в тексте; конкретные возможности обработки изображений не описаны. Для полного контекста требуются значительные ресурсы памяти, а фактическая производительность зависит от среды запуска. Лицензия — MIT.

google/pix2struct-infographics-vqa-base — модель семейства Pix2Struct, разработанная Google. Это базовая версия для визуальных вопросов и ответов по инфографике: модель принимает изображение и текстовый вопрос, а затем формирует текстовый ответ. Архитектура — кодировщик изображений и декодер текста Pix2Struct; предварительное обучение включало преобразование скриншотов веб-страниц в упрощённый HTML, а модель адаптирована к задаче visual question answering. Модель предназначена для извлечения ответов из инфографики и других изображений с визуально представленными данными. Pix2Struct использует представление входа с переменным разрешением и интеграцию текстового вопроса с изображением. В карточке указана поддержка английского, французского, румынского и немецкого языков. Доступна под лицензией Apache-2.0. Модель специализируется на визуальных вопросах и ответах и может ошибаться при сложной компоновке, мелком тексте или неоднозначных данных на изображении. README не приводит отдельные количественные оценки качества именно этой версии.

Orion-zhen/Qwen2.5-7B-Instruct-Uncensored — диалоговая языковая модель Orion-zhen, полученная дообучением Qwen/Qwen2.5-7B-Instruct с помощью SFT и DPO на наборах инструкций и предпочтений, ориентированных на ответы без отказов. Это плотная модель семейства Qwen2 с архитектурой Qwen2ForCausalLM, 7,1 млрд параметров и контекстом до 32 768 токенов; репозиторий содержит веса в формате safetensors. Модель предназначена для диалогов и генерации текста, включая ответы на инструкции, творческое письмо и ролевые сценарии. Она ориентирована на снижение отказов при обработке запросов, сохраняя часть возможностей базовой модели. В карточке перечислены теги китайского, английского, французского, испанского, португальского, немецкого, итальянского, русского, японского, корейского, вьетнамского, тайского и арабского языков. Автор отмечает, что модель всё ещё может не создавать подробные описания некоторых экстремальных сценариев; это может быть связано с отсутствием соответствующих данных на этапе предобучения базовой модели. Лицензия — GPL-3.0.

Это модель распознавания именованных сущностей в публикациях Twitter, разработанная и опубликованная проектом T-NER. Она дообучена на roberta-base с использованием обучающей части train_2021 набора tner/tweetner7 и предназначена для разметки токенов в англоязычных твитах. Модель выделяет людей, организации, творческие работы, события, группы, географические объекты и продукты; содержит около 151,8 млн параметров и принимает последовательности длиной до 514 токенов. На тестовой выборке 2021 года micro F1 составляет около 0,618, а macro F1 — около 0,570; точность заметно различается по типам сущностей, например F1 для людей составляет около 0,813, а для творческих работ — около 0,380. Для входных текстов нужно учитывать форматирование TweetNER7: имена аккаунтов и URL заменены специальными представлениями. Модель распространяется в формате PyTorch; сведения о лицензии в предоставленных источниках отсутствуют.

Это модель распознавания именованных сущностей на основе RoBERTa, дообученная проектом T-NER на обучающей части TweetNER7 (train_all). Она размечает в тексте упоминания людей, организаций, творческих работ, событий, групп, мест и продуктов; предназначена прежде всего для анализа подготовленных твитов и извлечения сущностей из сообщений социальных сетей. Модель содержит 151,8 млн параметров, использует архитектуру RobertaForTokenClassification и принимает последовательности текста с контекстом до 514 токенов. В тестировании TweetNER7 за 2021 год micro F1 составил 0,652; качество различается по категориям: лучше всего распознаются люди (F1 0,838), слабее — творческие работы (0,466), события (0,467) и корпорации (0,517). Для корректной обработки твитов следует учитывать предобработку TweetNER7, где имена аккаунтов и URL преобразованы в специальные форматы. Лицензия в предоставленных данных не указана.

Sahya-7B-slerp — текстовая генеративная модель на архитектуре Mistral, созданная автором репозитория с помощью mergekit. Она получена слиянием методом SLERP моделей AIDC-ai-business/Marcoroni-7B-v3 и EmbeddedLLM/Mistral-7B-Merge-14-v0.1; в конфигурации указана базовая модель AIDC-ai-business/Marcoroni-7B-v3. Модель содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Модель предназначена для генерации текста по текстовому запросу. Данных о специальных предметных областях, языках или дополнительных возможностях в предоставленных источниках нет. Лицензия — Apache-2.0.

Tiger Gemma 9B v2 — разговорная языковая модель на базе Gemma 2 с 9 млрд параметров и архитектурой плотного декодера Gemma2ForCausalLM. Автор описывает её как версию Gemma 9B с ослабленными ограничениями на ответы; вариант v2 использует более мягкую настройку, сохраняя поведение исходной Gemma насколько возможно. Модель предназначена для генерации текста и диалогов. Контекст составляет 8192 токена. В карточке указаны формат safetensors и возможность чата. Модель создана TheDrummer; базовая модель Gemma 2 в README прямо не идентифицирована, поэтому точный исходный репозиторий установить нельзя. Автор сообщает, что модель обычно не отказывает в ответах, однако не приводит оценок качества или подробностей обучения. Лицензия в предоставленных данных не указана.

Trendyol разработала эту диалоговую авторегрессионную языковую модель на базе Mistral-7B. Версия DPO обучена на 11 тысячах наборов предпочтений «запрос — выбранный ответ — отклонённый ответ» с применением LoRA; модель предназначена для генерации текста и общения в формате чата. Она принимает текст и выдаёт текст, поддерживает турецкий и английский языки. Размер модели — 7,2 млрд параметров, длина контекста — 32 768 токенов. Модель подходит для диалоговых приложений и генерации ответов на инструкции. Лицензия Apache-2.0 разрешает её использование на условиях этой лицензии. Разработчики отмечают, что модель может выдавать неточную информацию, хуже справляться со сленгом и языками помимо английского и турецкого, а также генерировать токсичный или предвзятый текст; для важных сценариев нужны проверка результатов и надзор человека.

Tulu V2.5 PPO 13B — англоязычная чат-модель из семейства Tulu, разработанного Allen Institute for AI (AI2). Это плотная авторегрессионная модель архитектуры Llama с 12,9 млрд параметров, дообученная методом PPO на основе Tulu 2; в ходе обучения использовались промпты UltraFeedback и reward model Tulu v2.5 13B preference mixture. Модель предназначена для диалогов с помощником, следования инструкциям и генерации текста. Контекст — до 4096 токенов; для чата предусмотрен шаблон форматирования в токенизаторе. Модель ориентирована на английский язык и распространяется по лицензии Apache 2.0. По сведениям карточки, в фазе RLHF её не настраивали на безопасные ответы и не дополняли фильтрацией на этапе использования, поэтому она может выдавать проблемный контент, особенно при соответствующих запросах.

twitter-roberta-base-emotion-multilabel-latest — англоязычная модель Cardiff NLP для многометочной классификации эмоций в сообщениях Twitter. Она дообучена на основе cardiffnlp/twitter-roberta-base-2022-154m на наборе SemEval 2018 Task 1 Affect in Tweets, подзадача E-c. Модель принимает текст и может присваивать сообщению несколько эмоциональных меток одновременно. Модель построена на архитектуре RoBERTa и содержит 151,8 млн параметров; нативная длина контекста — 514 токенов. Для тестовой выборки указаны micro-F1 0,7169, macro-F1 0,5464 и средний Jaccard Index 0,5970. Метаданные указывают форматы PyTorch и TensorFlow. Карточка не сообщает лицензию, поэтому условия использования по имеющимся данным определить нельзя.

YamT3qm7xp_Inex12Strangemerges_30 — объединённая модель Mistral для генерации текста, созданная на основе automerger/YamT3qm7xp-7B и automerger/Inex12Strangemerges_30-7B. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и принимает текстовый контекст длиной до 32 768 токенов. Модель предназначена для генерации текста. Сведения в карточке не уточняют её специализацию, языки или отдельные сценарии применения. Веса опубликованы в формате Safetensors; лицензия — Apache-2.0.

Zephyr 7B Gemma v0.1 — разговорная языковая модель HuggingFaceH4 на архитектуре Gemma, предназначенная для работы в роли полезного текстового ассистента. Это плотная авторегрессионная модель примерно на 8,2 млрд параметров с контекстом до 8192 токенов. Модель дообучена методом Direct Preference Optimization на наборе предпочтений argilla/dpo-mix-7k; карточка также указывает предварительное дообучение на синтетических диалогах DEITA 10K. Основной язык — английский. Модель подходит для диалога, ответов на вопросы и генерации текста по запросу. В карточке приведены результаты сравнительных оценок, но они не гарантируют качество для конкретных задач. Модель не прошла этап RLHF для выравнивания с человеческими предпочтениями по безопасности и может выдавать проблемные ответы, особенно при соответствующих запросах. Указанная лицензия — Gemma Terms of Use.

LED-Large для Amazon All_Beauty — англоязычная модель AllenAI, дообученная автором репозитория vltruong01 на отзывах покупателей Amazon Reviews 2023. Она принимает название товара и структурированные блоки нескольких отзывов и составляет одну краткую абстрактивную сводку об общем впечатлении, повторяющихся достоинствах и жалобах. Это не модель для суммаризации отдельного отзыва: числовой рейтинг товара рассчитывается отдельно по исходным оценкам. Модель использует архитектуру LED (Longformer Encoder-Decoder) с 252,8 млн параметров и базируется на allenai/led-large-16384. В README для её применения указан предел входа в 4096 токенов; для работы с длинными текстами в обучении глобальное внимание назначалось заголовку товара, границам отзывов и строкам с оценками. Модель обучалась только на категории All_Beauty; обучающие целевые сводки были синтетическими, созданными учителем. На отложенной выборке из 196 примеров указаны ROUGE-1 0,4806, ROUGE-2 0,1607 и ROUGE-L 0,3264. При ручной проверке отмечены читаемость и способность объединять повторяющиеся мнения, но также повторяющиеся формулировки, дрейф характеристик товара, фактические ошибки и искажение тональности или значимости отдельных отзывов. Для пользовательских сценариев сводки следует сверять с исходными отзывами. Лицензия — Apache-2.0.

HooshvareLab/bert-fa-base-uncased-sentiment-digikala — модель классификации тональности персидских пользовательских отзывов, созданная на основе ParsBERT v1.1 и дообученная на персидских корпусах. Она предназначена для определения эмоциональной окраски комментариев, в частности отзывов Digikala, и различает три класса: «рекомендуется», «не рекомендуется» и «неопределённо». Модель использует архитектуру BERT для классификации последовательностей, содержит около 190 млн параметров и принимает текстовый контекст длиной до 512 токенов. В README для набора Digikala указан результат F1 81,72. Метаданные указывают Apache-2.0 и доступность весов в форматах PyTorch, TensorFlow и Flax.

Модель swardiantara/bert-tiny-amazon_reviews-k5-fixed-euclidean — компактная Sentence Transformers модель, дообученная разработчиком на базе google/bert_uncased_L-2_H-128_A-2. Она преобразует предложения и абзацы в плотные текстовые векторы размерности 128, предназначенные для поиска и сравнения по сходству с использованием косинусной метрики. Архитектура включает BERT с двумя слоями и mean pooling; модель содержит 4,4 млн параметров и принимает последовательности длиной до 512 токенов по метаданным, хотя README указывает максимум 128 токенов. Модель обучена на 4 200 100 парах текстов с отзывами Amazon и подходит для семантического поиска отзывов и извлечения похожих текстов. Базовая модель англоязычная; карточка демонстрирует англоязычные отзывы, поэтому основное применение — английский язык. Формат весов — safetensors. Лицензия в предоставленных данных не указана.

Eneskck разработал эту модель как дообученную версию BERTurk для бинарной классификации тональности отзывов о товарах на турецком языке. Модель на базе dbmdz/bert-base-turkish-cased определяет положительную или отрицательную тональность текста; нейтральный класс и анализ тональности по отдельным аспектам не предусмотрены. В карточке указан корпус примерно из 235 тысяч отзывов, а модель содержит 137,8 млн параметров и поддерживает контекст до 512 токенов. На тестовой выборке из 47 029 отзывов автор сообщает accuracy 0,9688 и macro-F1 0,8630; оценка учитывает несбалансированность классов и более слабое качество на отрицательных отзывах. Модель рассчитана на турецкие отзывы о товарах, поэтому её качество на текстах из других областей может снижаться. Этикетки обучающих данных получены из звёздных оценок и могут противоречить содержанию отзыва. Лицензия модели — MIT.

timpal0l/dolphin-2.9-llama3-8b-flashback — объединённая языковая модель на архитектуре Llama 3 с 7,5 млрд параметров. Она предназначена для генерации текста и запускается через библиотеку Transformers; заявленный контекст составляет 8192 токена. Модель объединяет dolphin-2.9-llama3-8b и Llama-3-8B-flashback-v1. В метаданных перечислены шведский, датский, норвежский и английский языки. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. Модель можно использовать для генерации ответов и продолжения текста на поддерживаемых языках. Карточка не приводит результатов оценки качества или подробных ограничений, поэтому пригодность для конкретных задач следует проверять самостоятельно.

MaziyarPanahi/Experiment26Yam_Strangemerges_32Strangemerges_30 — объединённая модель Mistral для генерации текста, созданная из automerger/Experiment26Yam-7B и automerger/Strangemerges_32Strangemerges_30-7B. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Репозиторий содержит веса в формате safetensors. Языковая специализация и конкретные сценарии применения в карточке не описаны. Лицензия — Apache-2.0.

Модель zaddyzaddy/final-soro разработана zaddyzaddy как дообученная версия unsloth/llama-3-8b-bnb-4bit. Это плотная авторегрессионная языковая модель семейства Llama с 7,5 млрд параметров для генерации текста. В метаданных указано окно контекста 8192 токена; модель опубликована в формате PyTorch и лицензирована по Apache-2.0. Модель подходит для генерации продолжений текста и других сценариев, сводящихся к текстовой генерации. Карточка сообщает об обучении с использованием Unsloth и TRL, но не описывает специализацию, обучающие данные или результаты оценки качества, поэтому нельзя уверенно выделить более узкие сценарии применения.

Flora7B-laser — модификация ResplendentAI/Flora_7B, созданная с применением LaserRMT (layer-selective rank reduction). Она сохраняет архитектуру MistralForCausalLM с 32 слоями, а веса изменены по сравнению с базовой моделью; это не квантизация и не конвертация формата. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста с контекстом до 32 768 токенов. Базовая модель описана как англоязычная. Модель подходит для генерации текста на основе текстового запроса и продолжения текста. Точная конфигурация LaserRMT — какие слои и до какого ранга были сокращены — в репозитории не задокументирована. Лицензия — CC BY-SA 4.0, унаследованная от базовой модели.

Indic Translate — модель Bodhan AI для перевода между английским и 22 языками Индии, включая все языки Восьмого приложения к Конституции Индии. Это дообученная версия google/gemma-4-E4B-it; модель работает через Transformers и распространяется в формате Safetensors. Метаданные указывают лицензию «other», поэтому условия использования следует проверять в карточке репозитория. Модель принимает инструкцию с целевым языком и исходный текст. Она предназначена для перевода предложений и целых документов длиной до 32 768 токенов, сохраняя структуру абзацев, заголовков, списков, таблиц и разметки. Также поддерживает перевод с романизированной записью индийских языков, транслитерацию между латинской и родной письменностью, а также перевод текста со смешением английского и индийского языка. Модель ориентирована на перевод, а не на универсальный диалог. Поддерживаются 22 индийских языка и английский, с вариантами письменности для отдельных языков. Качество может различаться в зависимости от языка и направления перевода; README приводит оценки по языкам, но не описывает их как гарантию качества.